《Sensors》：Assessment of Visual Fatigue Caused by Eye-Controlled Interaction Based on Task Performance and Pupillary Response with GBDT-LR
编辑推荐：
在恶劣的“三高”海洋环境中运行的航空航天地面设施面临快速腐蚀，威胁结构安全。自动化视觉检测从根本上受到两个相互交织的挑战的阻碍：标注真实样本极度稀缺，以及腐蚀目标本身的固有复杂性——微点蚀和细微裂纹仅占据少数像素，其信号容易被复杂背景淹没，而成熟腐蚀区域表现出
在恶劣的“三高”海洋环境中运行的航空航天地面设施面临快速腐蚀，威胁结构安全。自动化视觉检测从根本上受到两个相互交织的挑战的阻碍：标注真实样本极度稀缺，以及腐蚀目标本身的固有复杂性——微点蚀和细微裂纹仅占据少数像素，其信号容易被复杂背景淹没，而成熟腐蚀区域表现出极端的几何不规则性，使传统检测和回归方法失效。为应对这些挑战，本文提出CorrSense，一个基于YOLOv11的框架，具有三项协同创新。首先，研究人员建立了一个双路径数据生态系统，结合真实采集与扩散驱动增强，合成视觉上真实且结构一致的腐蚀样本，以扩展训练分布。其次，研究人员开发了一种基于显著性的特征增强策略，在浅层使用无参数的SimAM注意力，增强微腐蚀响应同时抑制背景激活，且零参数开销。第三，研究人员制定了一种双管齐下的几何校准策略：定制的BiFPN，具有可学习的加权融合，用于动态跨尺度特征编排，并结合形态自适应CIoU损失，根据目标形状调节纵横比约束。大量实验表明，CorrSense在具有挑战性的样本上持续优于最先进的检测器，包括YOLOv8、YOLOv9和RT-DETR，特别是在不规则形状腐蚀和微点蚀目标上，竞争方法通常难以应对，验证了其作为沿海发射场智能腐蚀检测的有前途解决方案的有效性。
航空航天地面设施在沿海发射场长期承受高温、高湿、高盐雾的“三高”海洋环境，金属结构电化学腐蚀加速，严重威胁结构安全与任务可靠性。传统人工巡检依赖目视或常规无损检测，存在效率低、成本高、主观性强等局限。基于深度学习的自动检测方法虽已在工业缺陷检测中取得进展，但直接迁移至航空航天腐蚀场景面临三大交织瓶颈：其一，真实标注样本极度稀缺，受发射计划、安全协议和采集条件限制，难以获得大规模高质量数据；其二，早期腐蚀表现为微点蚀和细微裂纹，仅占据少量像素，信号被复杂背景（如加工纹理、焊缝、螺栓边缘、镜面反射）淹没，感知显著性极低；其三，成熟腐蚀区域形态极不规则，长条形应力腐蚀裂纹纵横比极大，弥散腐蚀边界模糊，传统边界框回归损失难以提供有效几何约束。针对这些挑战，研究人员提出了CorrSense——一种基于YOLOv11的智能腐蚀感知与检测框架，整合三项协同创新：扩散驱动增强的双路径数据生态系统、基于无参数SimAM的显著性特征增强策略，以及由定制BiFPN和形态自适应CIoU损失构成的双管齐下几何校准策略。在AC-3H测试集上的大量实验表明，CorrSense在检测精度和定位精度上均优于Faster R-CNN、DETR、RT-DETR-L、YOLOv8、YOLOv9及基线YOLOv11，验证了其作为沿海发射场智能腐蚀检测的可行方案，并具有向其他类似工业检测场景迁移的潜力。该研究发表于《Sensors》。
研究采用的主要关键技术方法包括：从中国文昌航天发射场采集300张真实腐蚀图像，覆盖点蚀、裂纹和弥散腐蚀三类形态，并构建了首个“三高”环境航空航天腐蚀数据集AC-3H；利用LoRA（低秩自适应）微调的Stable Diffusion v1.5模型结合DDIM（去噪扩散隐式模型）反演，生成560张结构一致、视觉真实的合成腐蚀图像以扩展训练分布；在YOLOv11主干浅层C2和C3层嵌入无参数SimAM注意力模块，抑制背景激活并增强微腐蚀响应；将原生PANet替换为定制BiFPN，引入可学习加权融合并剪枝粗粒度C5层；提出形态自适应CIoU损失，根据目标纵横比动态调节约束强度。
研究结果部分围绕四个研究问题展开：
RQ1: 数据生态系统有效性。通过对比仅使用真实数据与使用真实+合成数据训练的模型，发现扩散驱动增强在所有评价指标上带来一致性提升，其中YOLOv11的小目标召回率绝对提升15.7%（从0.718到0.875）；在控制总样本量条件下，LoRA与DDIM结合方案优于经典增强、复制粘贴、GAN增强和全量微调Stable Diffusion等方法；合成-真实比例扫描表明560张合成图像为性能与计算效率的最优平衡点。
RQ2: SimAM特征增强有效性。将SimAM嵌入基线模型浅层后，小目标召回率绝对提升4.1%（从0.875到0.916），且不引入任何可学习参数；精度保持稳定，说明增强的召回并非以增加误检为代价；改善幅度对小目标尤为显著，验证了针对微目标感知显著性的设计意图。
RQ3: 几何校准有效性。在SimAM增强基线上加入定制BiFPN，使mAP@0.5:0.95提升1.6%，平均IoU从0.828提升至0.840；进一步加入形态自适应CIoU后，mAP@0.5:0.95再提升1.2%，平均IoU升至0.851；其中裂纹目标的IoU提升最为显著（相对基线提升3.7%至0.822），表明自适应纵横比约束对细长不规则目标特别有效。
RQ4: 整体框架有效性。完整CorrSense在所有指标上一致超越所有基线，相比YOLOv11，mAP@0.5绝对提升2.2%，mAP@0.5:0.95提升3.8%，小目标召回率提升4.6%；相比最强竞争者RT-DETR-L，mAP@0.5提升0.9%，mAP@0.5:0.95提升3.6%，凸显了高精度定位方面的优势。定性结果进一步显示CorrSense能捕获YOLOv11遗漏的细微点蚀，并对边界模糊的弥散腐蚀输出更紧密的边界框。
在讨论部分，研究人员指出当前数据集规模有限，仅包含来自单一发射站的300张真实图像，泛化性有待跨站点、跨气候条件验证；框架目前仅支持边界框级检测，尚未扩展至像素级分割。结论部分明确，CorrSense通过扩散驱动数据增强、SimAM浅层特征增强和双管齐下几何校准，有效应对了数据稀缺、微目标显著性和不规则形态定位三大挑战，为沿海发射场智能腐蚀检测提供了有前景的解决方案。未来工作将包括多站点数据扩充与跨站点验证、引入元学习与主动学习实现快速适应、结合物理先验与知识图谱进行因果推理，以及扩展至实例分割和边缘设备实时部署。
