高斯基元调制空间校准的自适应大核卷积网络用于轮胎质量评估

《Frontiers in Physics》：Adaptive large-kernel convolutional network with gaussian-modulated spatial calibration for tyre quality assessment

　　

引言：自动化轮胎缺陷分类对于保障汽车安全和制造质量至关重要。尽管深度学习在工业视觉检测领域取得了显著进展，但现有卷积网络难以同时捕获轮胎表面图像中的细粒度局部缺陷模式和长距离上下文依赖关系。
方法：为解决上述局限，研究人员提出了UniConvNet，一种集成OverLoCK上下文混合动态卷积（ContMix）与新型高斯基元调制空间校准机制的自适应大核卷积网络。该架构通过双分支设计逐步扩大感受野：多尺度通道拆分分支提取分层局部特征，OverLoCK ContMix动态卷积分支自适应建模长距离依赖关系。高斯基元分布调制模块增强特征对光照变化的鲁棒性，随后通过空间特征校准抑制背景干扰。此外，渐进式大核调节策略9×9→11×11平衡了局部细节保留与全局上下文聚合。多尺度特征融合对齐并压缩多阶段输出以供最终分类头使用。
结果：在TyreNet数据集（1,698张图像）和公开Roboflow轮胎缺陷数据集（3,069张图像）上的大量实验表明，所提方法在TyreNet上达到96.45%的分类准确率，仅需4.2 GFLOPs计算量和31.4 M参数量，优于ResNet-50、ConvNeXt-T和OverLoCK-T，同时保持具有竞争力的效率。
讨论：跨数据集验证证实了该方法的强泛化能力，凸显了所提方法在工业部署中的实际应用价值。

**论文解读：UniConvNet——面向轮胎质量评估的自适应大核卷积网络**

**一、研究背景与问题分析**

轮胎制造质量直接关系到道路安全、燃油效率和车辆使用寿命。轮胎表面缺陷，如裂纹、鼓包、磨损模式以及异物侵入，若在生产或维护过程中未被检测到，可能导致灾难性失效。行业统计数据显示，与轮胎相关的缺陷约占全部车辆设备故障的15%，其中胎侧裂纹和胎面分离是高速爆胎的主要原因。传统的人工目视检测方法劳动强度大、主观性强，且易受操作员疲劳影响。一名熟练检验员在受控照明条件下通常每小时可检测200至300条轮胎，但持续工作90分钟后，由于视觉疲劳，检测准确率显著下降。因此，开发自动化、高精度且鲁棒的轮胎缺陷检测系统成为汽车工业的迫切需求，据估计，每年在减少保修索赔和预防召回方面可带来23亿美元的经济效益。

近年来，基于深度学习的计算机视觉方法在工业缺陷检测任务中取得了显著成功。卷积神经网络（Convolutional Neural Network, CNN），包括VGGNet、ResNet、DenseNet和EfficientNet，已被广泛用作特征提取的骨干架构。视觉Transformer（Vision Transformer, ViT）及其混合变体引入了全局自注意力机制，能够比纯卷积运算更有效地捕获长距离依赖关系。然而，这些进展伴随着显著的计算成本，并且通常需要大规模预训练数据集，而在轮胎制造等专业工业领域，此类数据较为稀缺。自注意力相对于图像分辨率的二次方复杂度使得ViT在高分辨率工业图像上的部署尤为困难，而高分辨率工业图像中必须保留像素级缺陷细节。

现有深度学习模型应用于轮胎缺陷分类仍存在若干挑战：其一，标准CNN使用小尺寸固定卷积核（如3×3），难以捕获区分真实缺陷与纹理变化所必需的全局上下文信息；其二，轮胎表面图像在不同生产线之间存在显著的照明差异、视角变化和橡胶配方差异，需要鲁棒的特征调制机制；其三，与ImageNet等通用基准相比，公开可用的轮胎缺陷数据集规模有限，在不发生过拟合的前提下训练深度模型较为困难；其四，现有大核网络（如RepLKNet、UniRepLKNet）虽改善了感受野，但计算负担沉重，限制了实时工业部署。

**二、技术方法概述**

针对上述挑战，研究人员提出了UniConvNet，一种专门为轮胎质量评估设计的自适应大核卷积网络，其核心贡献包括四个模块。OverLoCK ContMix动态卷积模块通过计算特征token与区域中心的亲和度来生成空间变化的动态卷积核，在保留卷积局部归纳偏置的同时编码全局上下文。高斯基元分布调制（Gaussian Distribution Modulation）模块显式建模不同成像条件下的特征不确定性，随后通过空间特征校准（Spatial Feature Calibration）重新校准通道响应并抑制背景干扰。渐进式大核调节（Progressive Large Kernel Regulation, PLKR）策略通过多分支特征聚合结构将卷积核尺寸从9×9渐进扩展至11×11，在不引入单片大核计算开销的前提下平衡细粒度局部细节与粗略全局语义。多尺度特征融合机制通过通道对齐、拼接和1×1卷积，对齐并压缩来自三个网络阶段的特征，实现全面的多尺度表示学习。实验基于TyreNet数据集（1,698张图像，包含866张缺陷图像和832张正常图像，按7:2:1分层划分训练集、验证集和测试集）以及公开的Roboflow轮胎缺陷数据集（3,069张图像，四分类）开展。

**三、研究结果**

**组件消融研究**：以ResNet-50为基线（准确率91.25%），逐项添加各模块的结果表明，每个组件均对最终性能产生积极贡献。其中，OverLoCK ContMix模块带来最大的单项准确率提升（+1.17%），验证了动态上下文混合机制对轮胎缺陷模式的有效性；高斯基元调制模块贡献+0.87%的准确率提升，证明了其处理TyreNet数据集中多站点采集所带来的光照变化的价值；空间特征校准进一步增加+0.66%，主要归因于其抑制了可与细裂纹混淆的背景橡胶纹理。

**渐进式卷积核尺寸消融**：实验比较了不同固定卷积核尺寸与渐进式策略的性能。3×3、5×5、7×7、9×9、11×11和13×13单一尺寸核的准确率分别为92.15%、93.42%、94.58%、95.12%、94.89%和94.35%，而9×9→11×11渐进式策略达到96.45%的准确率。值得注意的是，13×13卷积核性能低于11×11，表明过大的感受野会引入无关背景噪声并稀释细粒度缺陷信号。该结果支持将最大静态核限制在11×11的设计选择。延迟测量显示，渐进式策略（11.5毫秒）比单一11×11配置（16.5毫秒）快28%，同时准确率提升1.56个百分点。

**多尺度融合策略消融**：融合全部三个阶段的输出（Stage-1、Stage-2和PLKR主输出）并采用通道对齐和1×1压缩的策略达到最优性能（96.45%），优于仅使用主输出（95.89%）或部分阶段融合的方案。该策略在增加少量参数（31.4 M）的同时降低了计算量（4.2 GFLOPs），原因在于对齐后的压缩融合特征替代了分类头所需的昂贵全通道空间卷积。

**与现有方法的比较**：在TyreNet测试集上，UniConvNet取得96.45%的准确率、96.28%的精确率、96.35%的召回率和96.31%的F1分数，全面超越所有对比方法。相较OverLoCK-T（94.89%）绝对提升1.56个百分点，相较ResNet-50（90.12%）绝对提升6.33个百分点。同时，UniConvNet的计算量（4.2 GFLOPs）低于OverLoCK-T（5.5 GFLOPs），参数规模（31.4 M）与ConvNeXt-T和UniRepLKNet-T相当，表明性能增益源于架构创新而非参数容量的增加。

**跨数据集泛化**：在Roboflow轮胎缺陷数据集上的零样本（zero-shot）评估中，UniConvNet达到76.85%的准确率，显著优于OverLoCK-T（72.45%）和ResNet-50（62.35%）。经过10个周期的微调后，UniConvNet达到94.12%的准确率。零样本与微调性能之间的差距对UniConvNet而言最小（19.27个百分点，对比OverLoCK-T的22.0个百分点和ResNet-50的25.0个百分点），表明其学习到的特征具有更强的可迁移性。

**可视化分析**：基于梯度的类激活映射（Grad-CAM）可视化显示，UniConvNet能够准确定位裂纹区域并抑制背景纹理，热图强度沿裂纹轨迹精确分布，而在周围橡胶纹理和胎肩区域激活最小。对于正常轮胎样本，热图呈现弥散的低强度激活，无虚假峰值。在TyreNet测试集上，170个样本中仅6个被误分类（3个假阳性、3个假阴性），对称误差模式表明模型不存在类别偏置。误差案例分析发现主要的失败模式包括：严重运动模糊掩盖缺陷边界、即使人类专家也难以判断的浅表划痕、以及强镜面反射产生模拟裂纹边缘的虚假纹理模式。

**四、讨论与结论**

讨论部分综合分析了UniConvNet取得优异性能的关键因素。动态上下文建模使每个空间位置能够基于语义上下文自适应调整感受野，对尺度差异显著的轮胎缺陷尤为重要。渐进式卷积核扩展允许网络先建立局部细节表示再聚合全局上下文。统计鲁棒性方面，高斯基元调制通过显式建模特征不确定性，有效抵御工厂车间成像中常见的光照变化以及实际服务站中重型污垢、泥浆或油渍等污染物引起的分布偏移。多尺度信息整合则结合了三个处理阶段的互补表示。

研究结论部分指出，UniConvNet通过集成OverLoCK ContMix动态卷积、高斯基元分布调制、空间特征校准和渐进式大核调节，有效解决了轮胎工业检测中细粒度缺陷细节提取与长距离上下文依赖建模的双重挑战。全面实验评估证明了各项架构创新的实用价值：OverLoCK ContMix模块通过动态感受野自适应实现最大单项准确率增益（+1.17%）；高斯基元分布调制通过跨成像条件归一化特征响应贡献+0.87%；空间特征校准抑制了此前干扰标准CNN骨干网络的背景杂波；渐进式大核调节策略在优于单片大核配置的同时减少24%的计算量；多尺度特征融合在不过度增加参数的情况下整合了三个阶段的互补表示。从工业角度看，UniConvNet为轮胎制造商提供了实用的部署路径，其模块化架构支持对现有检测管线的分阶段升级，计算效率支持中等吞吐量的实时传送带检测。未来工作将探索像素级缺陷分割、半监督学习提升标注效率、面向高速生产线的超轻量学生模型，以及将多光谱成像与UniConvNet集成以检测标准RGB图像中不可见的亚表面缺陷。