一种用于隧道衬砌表面缺陷分割的具有可解释混合专家路由的混合CNN-Mamba网络

《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》：A hybrid CNN–Mamba network with interpretable mixture-of-experts routing for tunnel lining surface defects segmentation

　　

- 混合CNN-Mamba网络提升了隧道衬砌表面缺陷分割效果
- 混合专家模型捕获了几何、区域和频率特征
- 空间路由机制在不同缺陷区域自适应调节专家贡献
- 可解释的路由机制揭示了专家的专门化角色与特征协同作用

**1. 引言**

交通基础设施的快速发展使隧道建设里程 unprecedented 地增长（Wang et al., 2023, Liu et al., 2024b）。与此同时，裂缝、渗水、剥落和起皮等表面缺陷不断劣化隧道衬砌结构，导致服役性能和耐久性下降（Liu et al., 2025, Liu et al., 2026, Lei et al., 2021）。因此，定期检修对于降低结构风险和保障运营安全至关重要（Chang et al., 2025）。然而，基于手动操作传感设备的半自动化检测手段仍占主导地位，这在一定程度上限制了实际工程中的检测效率（Wang et al., 2026）。相比之下，将计算机视觉（CV）与深度学习（DL）相结合用于目标检测和像素级分割，已成为提升效率并支撑隧道衬砌自动化检测的 promising 方法（Liu et al., 2025, Liu et al., 2026, Ouyang et al., 2026, Attard et al., 2018）。

早期的计算机视觉方法基于数字图像处理，最早被应用于混凝土表面缺陷检测（Dan et al., 2024）。这些方法依赖手工设计的特征、阈值策略和经验规则，实现了对图像中目标缺陷的初步识别与提取（Wang et al., 2013）。随后，浅层卷积神经网络（CNN）被探索用于缺陷区域与非缺陷区域的分类（Shang and Chen, 2024, Zheng et al., 2025）。然而，此类网络对成像条件和参数设置高度敏感，在光照不均、缺陷形态多样的复杂场景中往往表现欠佳。

深度学习技术的快速发展在很大程度上缓解了上述局限，并催生了两大基于卷积神经网络（CNN）和视觉Transformer（ViT）的分割框架（Bakhshi et al., 2026, Singh et al., 2026, Iraniparast et al., 2026, Dosovitskiy et al., 2020）。代表性的CNN类模型包括U-Net、DeepLab、PSPNet、HRNet和全卷积网络（FCN），它们利用编码器-解码器架构和监督学习有效捕获并表达多尺度特征（Ronneberger et al., 2015, Chen et al., 2015, Zhao et al., 2017, Sun et al., 2019, Long et al., 2015）。与此同时，YOLO系列模型凭借其实时推理能力和计算效率，在目标检测和实例分割领域得到了广泛研究（Zhou et al., 2022, Duan et al., 2024）。然而，尽管深度学习在混凝土表面缺陷自动化分割方面取得了显著进展，但在特征建模策略、网络设计范式和结果可解释性方面仍存在挑战：

1) CNN和Transformer的固有局限。CNN能够捕获局部结构，但感受野有限；Transformer能够建模全局上下文，但计算和内存开销较大。两者的直接组合往往导致架构过于复杂，难以在工程实践中平衡精度与效率。

2) 单路径特征建模范式。大多数网络依赖共享特征路径和统一的像素变换，无法充分表征隧道衬砌多类型缺陷在几何形态、光域特性和频率特征方面的强异质性。

3) 跨缺陷泛化能力有限。许多现有方法针对特定缺陷模式设计，难以泛化到形态和外观特征差异显著的缺陷类型。

4) 黑箱行为与可解释性不足。日益复杂的架构虽然能够提升性能，但各特征路径的角色仍不清晰，难以洞察缺陷相关信息在预测过程中如何分配、加权与组合。

为应对上述挑战，本文提出了一种混合网络，用于隧道衬砌多类型表面缺陷的精确像素级分割。所提网络将卷积的局部归纳偏置与状态空间模型（SSM）的长距离建模能力相结合，并引入可解释的像素级专家路由机制，以实现差异化建模和自适应多专家协同。本文的主要贡献总结如下：

1) 提出了GRPMoE-CNN-Mamba网络，在保持计算效率的同时联合捕获局部结构特征与长距离上下文依赖。

2) 设计了带有可解释路由机制的GRPMoE模块，将缺陷表示显式分解为三个互补子空间，实现对异质性几何、区域和光度特征的差异化建模。

3) 提出了像素级专家路由策略，在不同空间位置上自适应地加权与融合专家特征，实现差异化与协同特征建模。

4) 建立了路由感知的可解释性分析框架，通过路由权重统计、空间路由模式和特征空间可视化来刻画专家的分配、专门化与协同关系。

本文其余部分组织如下：第2节综述相关工作；第3节介绍所提GRPMoE-CNN-Mamba网络；第4节描述数据集、实验设置和评价指标；第5节展示实验结果并讨论主要发现；第6节总结全文。

**2. 相关工作**

本节综述与所提方法相关的研究工作。第2.1节涵盖基于视觉的土木结构表面缺陷分析。第2.2节回顾基于CNN的分割网络。第2.3节讨论基于ViT和Mamba的长距离建模方法。第2.4节介绍混合专家模型及其在计算机视觉中的应用。

**2.1. 基于视觉的表面缺陷分析**

基于视觉的表面缺陷分析已成为结构健康监测（SHM）中的重要研究课题（Koch et al., 2015）。现有研究通常分为检测、识别和分割三类任务（Cha et al., 2017）。图像级分类用于判定图像中是否存在缺陷；目标检测则进一步通过边界框对缺陷进行定位，并预测其类别和置信度，提供粗略的几何线索；像素级分割则 delineate 缺陷边界、空间分布和几何属性，相比粗略的定位方法提供更精细的结构信息（Li et al., 2019, Kang et al., 2020, Jin et al., 2026）。此类详细的缺陷表征对于后续形态学分析、定量评估和维护决策支持至关重要。传统的表面缺陷提取主要依赖人工设计的算子，包括Sobel和Canny边缘检测器、Gabor滤波器以及局部二值模式描述子（Abdel-Qader et al., 2003, Oliveira and Correia, 2012）。随着深度学习技术的成熟，像素级分割网络已成为表面缺陷分析的主流范式（Xu et al., 2025）。

**2.2. 基于深度学习的视觉分割架构**

第2.2节回顾了代表性的深度学习分割架构及其建模范式，包括基于CNN、Transformer和Mamba的网络。

**2.2.1. 基于CNN的分割网络**

FCN是最早实现像素级密集预测的架构之一，其用全卷积层取代了传统的全连接层（Long et al., 2015, Li et al., 2019）。随后，一系列编码器-解码器网络被提出，如U-Net及其变体（Ronneberger et al., 2015, Sun et al., 2019, Zakeri et al., 2017, Liu et al., 2019）。这些架构通常采用对称设计，并通过跳跃连接促进有效的多尺度特征融合。后续研究重点在于增强多尺度表征和上下文信息聚合能力。DeepLab系列引入了空洞卷积和多尺度上下文模块，在有效扩大感受野的同时缓解分辨率退化问题（Chen et al., 2015, Luo et al., 2025）。此类基于CNN的分割网络已被广泛应用于土木工程基础设施的表面缺陷表征，特别是用于提取裂缝、起皮和渗水。

近期的CNN和YOLO相关研究通过注意力机制、多样化卷积算子和多尺度特征融合来改进缺陷分割（Kyem et al., 2026, Jing et al., 2025a, Jing et al., 2025b, Liu et al., 2025, Liu et al., 2026, Pan et al., 2025a, Zhou et al., 2023a, Zhou et al., 2023b, Wang et al., 2024b）。此类设计增强了局部表征能力，并提高了在复杂背景下的鲁棒性。然而，大多数方法仍依赖共享特征路径和空间位置上的统一变换，限制了长距离依赖建模和对异质性缺陷特征的适应能力。

**2.2.2. 基于Transformer的分割网络**

基于自注意力机制构建的Transformer为卷积模型上述局限性提供了有效解决方案。Dosovitskiy等人（2020）提出了ViT，通过将图像表示为patch嵌入序列，将Transformer架构从自然语言处理（NLP）扩展到图像识别。然而，ViT依赖全局patch交互，导致显著的计算开销，并可能损害局部结构信息的保留。

为克服这些局限，Liu等人（2021）提出了Swin Transformer，采用分层架构和移位窗口机制，实现线性计算复杂度并增强多尺度建模能力，同时降低计算成本。近期研究已探索基于Transformer的架构用于结构检测中的表面缺陷分割。代表性方法包括用于高效裂缝分割的轻量级Transformer架构、用于不确定性感知缺陷识别的证据学习框架，以及结合全局上下文建模与局部卷积特征提取的CNN-Transformer混合网络。这些方法已被应用于基础设施缺陷分割任务，包括裂缝、路面病害和桥梁缺陷（Jing et al., 2024, Zhao et al., 2024, Tong et al., 2023, Meng et al., 2025, Yu et al., 2026, Cheng et al., 2023）。尽管CNN-Transformer混合网络已被积极研究，但其计算成本随特征序列长度呈二次方增长，导致内存消耗和硬件需求较高。然而，即使采用分层设计和基于窗口的注意力机制，此类模型仍面临隐性的二次方复杂度或全局建模能力受损的问题。

**2.2.3. 基于Mamba的分割网络**

为克服基于注意力模型的二次方复杂度，Mamba架构基于选择性状态空间模型（SSM）实现了高效的长距离依赖建模（Gu et al., 2021, Gu et al., 2023）。近期，基于Mamba的模型已扩展到视觉任务，在密集预测应用中展现出强大的可扩展性和具有竞争力的性能（Wang et al., 2024c, Liu et al., 2024b）。

基于Mamba的方法近期在土木工程基础设施缺陷分割领域受到越来越多的关注。现有研究探索了多种集成Mamba的架构，包括编码器-解码器框架、无人机检测系统，以及结合Mamba与Transformer模块或拓扑感知特征建模的混合网络。这些方法在复杂背景下的裂缝和结构损伤分割中展现出令人鼓舞的鲁棒性和准确性（Bakhshi et al., 2026, Xiong et al., 2025, Yang et al., 2025, Zhang et al., 2026）。大多数基于Mamba的缺陷分割方法利用SSM增强全局上下文，主要用于路面裂缝和结构损伤分割。然而，当前方法很少考虑隧道衬砌缺陷在几何形态、区域分布和光度频率方面的异质性。这一空白促使本文提出具有差异化专家建模的局部-全局混合网络。

**2.3. 用于视觉表征学习的混合专家模型**

混合专家（MoE）范式通过显式的专家专门化机制增强模型容量，同时保持计算效率（Jacobs et al., 1991）。它将复杂任务分解，将不同专家分配给输入的不同方面进行专门化处理，而路由机制则动态选择和加权专家激活（Shazeer et al., 2017）。早期的MoE研究主要集中在自然语言处理和语音识别领域。随着稀疏激活和高效路由策略的发展，MoE已成为大语言模型（LLM）的关键构建模块，在可控计算成本下提升了模型表达能力和可扩展性。

近期，MoE架构越来越多地被应用于计算机视觉领域，并用于图像语义分割。在分割任务中，多专家设计使不同专家能够关注互补的视觉线索，如空间结构、纹理模式和上下文语义，从而缓解单路径建模中的特征耦合问题。多项研究已将MoE框架整合到分割架构中以提升表征多样性和效率（Liu et al., 2020, Li et al., 2025）。在基础设施缺陷检测的背景下，Chang等人（2025）提出了基于傅里叶的MoE YOLO框架，以增强裂缝分割的判别力和可解释性。更广泛地说，Han等人（2025）提出了ViMoE，将MoE架构集成到ViT中并系统研究了专家配置和路由稳定性。他们的研究强调了稳定路由和共享专家对提升专家专门化效率的重要性，为设计有效的视觉MoE模型提供了宝贵指导。然而，现有的视觉MoE研究主要关注模型容量、表征多样性或路由稳定性，而基础设施应用通常关注单一缺陷类型或单一特征域。很少有研究将机制特定的专家与像素级路由相结合来建模异质性衬砌缺陷，并检验专家贡献的空间变化。为应对这些问题，本研究提出了一种具有空间路由MoE的混合CNN-Mamba架构，实现差异化特征建模、自适应专家协同以及路由级的可解释性。

**3. 方法论**

本节介绍所提的GRPMoE-CNN-Mamba网络。第3.1节介绍整体架构；第3.2节描述混合CNN-Mamba特征建模模块；第3.3节描述用于几何结构、区域上下文和光度频率信息的三个互补专家；第3.4节介绍像素级专家路由机制及其路由级可解释性。

**3.1. GRPMoE-CNN-Mamba整体架构**

为克服上述局限，本文提出了一种GRPMoE-CNN-Mamba分割网络，如图1所示。

整体架构遵循 YOLOv11 范式，输入分辨率为 3 × 640 × 640。下载：下载高分辨率图像（783KB）下载：下载全尺寸图像图 1. GRPMoE-CNN-Mamba 网络架构。在骨干网络中，首先采用一个简单的茎模块（stem module）来执行快速空间下采样和通道扩展。具体而言，输入特征依次经过两个步长为 2 的 3 × 3 卷积层，随后进行批归一化（Batch Normalization）和非线性激活。该设计在降低空间分辨率的同时保留了关键结构信息，从而为后续的长程建模提供了紧凑的特征表示（见图 1b）。此外，此操作有效避免了将状态空间模型（SSM）序列建模直接应用于高分辨率特征图所带来的计算负担（Wang et al., 2024c）。在每个下采样阶段，一个视觉线索合并（VCM）模块与一个步长为 2 的卷积分支并行运行，执行相位感知的空间重排和特征融合（见图 1c）。VCM 沿通道维度重组局部空间线索，随后应用 1 × 1 卷积进行通道融合和压缩。该操作以有限的额外计算开销增强了细粒度结构和高频边缘信息的表示。目标检测结构化状态空间（ODSS）块被纳入骨干网络以捕捉空间区域间的长程依赖关系，并补充卷积操作有限的全局建模能力（Wang et al., 2024c）。在每个 ODSS 阶段，一个 GRPMoE 块并行运行以建模几何结构、区域上下文和光度-频率信息。逐像素软路由在空间位置上自适应地加权融合专家输出，实现差异化特征建模和自适应专家协作。骨干网络特征随后送入空间金字塔池化-快速（SPPF）模块以聚合多尺度上下文信息。颈部采用双向特征聚合，结合自顶向下和自底向上的传播来对齐和融合不同分辨率下的语义表示。高层语义特征逐步引导低层特征的空间表示，同时来自低层的细粒度空间细节反馈给高层特征，提升了整体特征表示的完整性。融合后的多尺度特征随后被送入分割头。检测分支执行多尺度边界框回归和类别预测。分割分支基于原型掩码机制生成逐像素缺陷掩码，其中复杂边界通过学习的原型与预测系数的线性组合进行细化。该设计在保持高效推理的同时提高了边界完整性和分割精度。总体而言，GRPMoE-CNN-Mamba 将混合 CNN–Mamba 建模、多尺度特征融合和逐像素专家路由机制整合到一个端到端的分割框架中。它为在复杂场景下精确建模和可靠分割多种隧道衬砌表面缺陷（包括裂缝、剥落和渗漏）提供了统一且有效的解决方案。3.2. ODSS 块图 2a 展示了 ODSS 块的结构。输入特征图首先通过 1 × 1 卷积投射到潜在特征表示中，随后进行批归一化和 SiLU 激活。投射后的特征依次经过局部空间（LS）块和 2D 选择性扫描（SS2D）模块处理。最后，通过残差门控（RG）块和残差连接生成输出。下载：下载高分辨率图像（398KB）下载：下载全尺寸图像图 2. ODSS 块的结构。为增强细粒度局部特征建模，ODSS 块引入了 LS 块来补充 SSM（图 2b）。该模块应用深度可分离卷积在每个通道内提取局部空间模式，随后通过逐点卷积和非线性激活促进跨通道交互。增强后的特征通过残差连接与主分支融合。如图 2c 所示，SS2D 模块沿多个方向扫描二维特征图以捕捉长程依赖关系，并使用结构化 SSM 处理生成的序列（Gu et al., 2023, Wang et al., 2024c）。具体而言，输入特征图通过交叉扫描操作重排为四个一维序列，分别对应水平、垂直和反向方向。随后将方向维度和通道维度结合，使得四个序列可以被状态空间核心并行处理。SS2D 采用内容驱动的参数生成机制，沿方向、通道和空间位置自适应地生成扫描步长和状态投影参数。扫描步长通过 softplus 激活约束为正值以确保数值稳定性，而状态转移参数采用指数参数化并强制为负值，保证渐近系统稳定性。连续时间 SSM 随后通过指数公式离散化并递归评估以建模长程依赖关系。生成的状态更新和输出方程正式表述于公式（1）和（2）（Gu et al., 2023, Wang et al., 2024c, Liu et al., 2024a, Liu et al., 2024b, Huang et al., 2024）。为确保数值稳定性和渐近收敛，状态转移参数 A 采用指数形式进行参数化。经过多方向状态空间扫描后，SS2D 通过交叉合并操作将序列输出重新投射回二维空间布局。合并后的特征通过残差连接与主分支整合，生成具有全局上下文增强的表示。ODSS 块采用 RG 块作为前馈增强模块。通过门控机制，卷积特征被自适应地调制以进一步提升特征选择性和非线性表示能力（见图 2d）。（1）??_t = exp(Δt·A)·??_{t-1} + Δ_k·B_t·??_t（2）y_t = C_t^T·??_t + D·??_t 其中 ??_t ∈ ?^N 表示序列索引 t 处的潜在状态向量；??_t 是索引 t 处序列化后的输入特征；A 表示状态转移参数；B_t 和 C_t 是从输入特征中动态生成的输入相关状态投影矩阵；D 表示直通项；Δt 是内容自适应的扫描步长，用于调制跨空间位置的信息传播。3.3. GRPMoE 块专门的特征提取机制已大幅提升了复杂表面缺陷的表示能力。可变形卷积和动态采样将空间采样自适应地调整到细长、弯曲和不规则结构上（Lei et al., 2024, Zhang and Liu, 2024, Liu et al., 2025, Pan et al., 2025b, Jing et al., 2025a）。大核卷积和上下文建模扩大了有效感受野，改善了空间扩展区域的表示和连续性（Zhao et al., 2017, Chen et al., 2015, Zhou et al., 2023a, Liu et al., 2026）。光度增强和频域建模在不均匀光照、低对比度和纹理干扰下增强了弱特征表示（Kang et al., 2020, Sun et al., 2024, Wang et al., 2024a, Chang et al., 2025）。然而，大多数现有机制仅针对特定的视觉特征。隧道衬砌图像通常同时包含不规则几何形状、扩展缺陷区域和光度干扰，使得单一的特征提取机制无法实现全面表示。此外，传统的特征建模缺乏一种自适应机制来协调跨空间位置的互补表示。为解决这些局限，如图 3 所示的 GRPMoE 块集成了三个具有互补归纳偏置的专家模块：几何结构专家（GSE）、区域大核专家（RLE）和光度-频率专家（PFE）。GSE 通过自适应空间采样捕捉不规则几何结构，RLE 通过大核和多尺度操作建模区域上下文，PFE 通过光度-频率分解增强弱响应。表 1 总结了三个专家模块的设计原理、表示目标和文献依据。下载：下载高分辨率图像（509KB）下载：下载全尺寸图像图 3. GRPMoE 块的示意图：(a) GSE；(b) RLE；(c) PFE。表 1. 三个专家模块的设计原理和文献依据。专家 目标特征 核心机制 支撑研究 GSE 细长和弯曲结构、分支连接和不规则边界 自适应空间采样 几何结构与边界表示；可变形卷积和动态采样（Lei et al., 2024, Zhang and Liu, 2024, Liu et al., 2025, Pan et al., 2025b, Jing et al., 2025a）RLE 空间扩展区域、区域连续性和尺度变化 大核上下文聚合 区域完整性与多尺度一致性；有效感受野和大核卷积（Zhao et al., 2017, Chen et al., 2015, Zhou et al., 2023a, Liu et al., 2026）PFE 不均匀光照、低对比度和背景纹理干扰 光度-频率分解与增强 弱特征增强与纹理判别；光度增强和频域建模（Kang et al., 2020, Sun et al., 2024, Wang et al., 2024a, Chang et al., 2025）3.3.1. 几何结构专家（GSE）图 3a 展示了 GSE 的工作机制和实现方式。具体而言，GSE 首先对输入特征图 x 应用批归一化以提高数值稳定性并缓解通道级分布差异。随后采用 3 × 3 卷积预测空间偏移张量 δ，其幅值由双曲正切函数约束。偏移张量被重塑为多个二维采样对 (Δx_i, Δy_i)，这些采样对表征了空间域中感受野的局部变形。基于预测的偏移量，GSE 构造归一化采样网格 G，并围绕一组预定义锚点位置执行动态采样。为捕捉与缺陷几何结构对齐的局部特征响应，采用双线性插值在每个锚点位置采样输入特征。所有采样的特征沿通道维度拼接并通过逐点卷积融合，实现了来自不同采样位置的几何信息整合。随后，应用深度可分离卷积来细化融合后的特征。最后，通过一个具有可学习缩放因子 γ 的残差连接将细化后的特征与输入相加，其中 γ 控制残差特征细化的强度。完整的计算流程和算子配置详见算法 1。算法 1：几何结构专家（GSE）输入：输入特征图 x ∈ ?^{B×C×H×W} 输出：几何增强的特征图 f_GSE 1. 特征归一化：x? = BN(x) 2. 预测空间偏移：o = tanh(Conv_{3×3}(x?)) · θ 3. 将偏移重塑为 6 个采样对 (Δx_i, Δy_i) 4. 构造归一化采样网格 G 5. 对于每个锚点 i=1...6：x_i = GridSample(x?, G + Δ_i) 6. 拼接采样特征并融合：u = Conv_{1×1}(Concat(x_1, ..., x_6)) 7. 应用深度可分离细化：v = DWConv_{3×3}(u) 8. 残差更新：f_GSE = x + γ·v 9. 返回 f_GSE 3.3.2. 区域大核专家（RLE）图 3b 和算法 2 展示了 RLE 显式扩大空间感受野的机制。在实现层面，输入特征图 x 首先通过逐点卷积投射以进行通道适配，产生中间特征表示 y_min。随后对 y_min 应用深度可分离大核卷积以进行区域级特征建模。该操作扩大了有效感受野，使特征响应覆盖更广泛的空间范围并捕捉区域级上下文信息。在大核区域建模之后，RLE 引入平行的多尺度分支以在不同空间范围内捕捉上下文信息，同时保留局部细节。具体而言，对特征 y 应用具有不同膨胀率的深度可分离卷积，产生三个多尺度表示 b1、b2 和 b3。不同的膨胀率对应不同的空间采样间隔，使模型能够同时感知局部细节和更广泛的区域上下文。多尺度特征随后沿通道维度拼接并通过逐点卷积融合，获得聚合的区域上下文特征。该融合整合了互补的多尺度信息，产生包含局部细节和区域上下文的表示。最后，RLE 通过残差连接将区域增强的上下文特征注入原始特征表示中，产生输出特征 f_RLE。算法 2：区域大核专家（RLE）输入：输入特征图 x ∈ ?^{B×C×H×W} 输出：区域上下文增强特征 f_RLE 1. 预投射：y = PWConv_{k×k}(y_min) 2. 大核卷积：y = DWConv_{k×k}(y) 3. 多尺度分支：b1 = DWConv_{d=1}(y)，b2 = DWConv_{d=2}(y)，b3 = DWConv_{d=3}(y) 4. 融合分支：v = PWConv(Concat(b1, b2, b3)) 5. 残差更新：f_RLE = x + v 6. 返回 f_RLE 3.3.3. 光度-频率专家（PFE）图 3c 展示了 PFE 的整体工作流程和实现方式，详细步骤总结在算法 3 中。为减轻光照变化和特征幅度不一致对频率建模的影响，PFE 首先对输入特征图 x 应用批归一化，产生归一化表示。随后采用低通分支对归一化特征执行平滑建模，产生低频分量。低通分支使用大核卷积来捕捉缓慢变化的光照和背景响应。基于该低频分量，通过减法获得高频残差。高频特征随后送入细节增强模块，其中卷积操作增强缺陷边界和微妙结构响应，产生增强的高频特征。为进一步强调判别性线索，PFE 引入了通道级门控机制。通过全局平均池化生成通道注意力权重并应用于调制高频特征，选择性地增强对缺陷识别更具信息量的通道。调制后，低频和增强的高频特征沿通道维度拼接并通过逐点卷积融合，形成频率增强的表示。最后，PFE 使用具有可学习缩放因子的残差连接输出增强特征，确保稳定的特征传播同时将判别性的光度-频率信息有效注入整体表示中。算法 3：光度-频率专家（PFE）输入：输入特征图 x ∈ ?^{B×C×H×W} 输出：频率增强特征 f_PFE 1. 特征归一化：x? = BN(x) 2. 低通分支：l = LowPass(x?) 3. 高通残差：h = x? ? l 4. 细节增强：d = DetailConv(h) 5. 通道级门控：g = σ(GAP(d)) 6. 应用门控：d = d ⊙ g 7. 融合低频和细节：v = PWConv(Concat(l, d)) 8. 残差更新：f_PFE = x + γ·v 9. 返回 f_PFE 3.4.

可解释的专家路由

专家路由是MoE架构的核心，因为它决定了专业化表示如何分配与组合。当代MoE模型通常采用稀疏路由，将每个输入标记或空间位置分配给一个或少数几个专家，以提升计算效率。相比之下，软路由保留了多个专家的连续贡献，为空间上变化的特征融合提供了灵活机制（Gan等，2026）。近期的视觉分割研究探索了动态专家组合以适应异质性特征分布（Wang等，2025；Xiang等，2025）。在隧道衬砌图像中，缺陷特征可能共存并在空间位置上显著变化，这促使我们采用空间自适应软路由以实现细粒度的专家协作。

图4展示了GRPMoE-CNN-Mamba的整体专家路由机制。给定输入特征图x，首先通过1×1卷积生成对齐表示??e=φ(??)。对齐特征随后由GSE、RLE和PFE并行处理，分别生成??GSE=?GSE(??e)、??RLE=?RLE(??e)和??PFE=?PFE(??e)。三个专家输出构成互补的候选特征集，用于后续的路由与融合。路由输入由??e以及GSE和PFE的专家响应残差构建，从中路由器预测所有三个专家的空间变化权重。加权专家表示通过逐像素聚合获得，并与残差跳跃连接结合生成输出特征y。在训练过程中，任务损失与全局使用率和空间置信度正则化联合优化，以约束专家利用和局部路由行为。路由输入构建、逐像素专家加权与融合以及正则化训练目标分别在3.4.1残差引导路由输入、3.4.2空间自适应专家路由、3.4.3正则化路由目标中详细阐述。

下载：下载高分辨率图片（518KB）
下载：下载全尺寸图片

图4. 所提出的GRPMoE-CNN-Mamba网络的专家路由机制。

3.4.1 残差引导路由输入

在大多数现有MoE框架中，路由决策直接从输入特征中学习（Shazeer等，2017；Liu等，2020；Li等，2025；Han等，2025）。然而，仅基于输入的路由可能无法充分反映专业化专家引入的特征变换。为提供额外的专家特定信息，本文方法利用GSE和PFE的残差响应构建残差引导路由输入。具体而言，计算GSE和PFE相对于对齐输入特征的残差响应：

(3) ??GSE = ??GSE ? ??e

(4) ??PFE = ??PFE ? ??e

路由输入构建为：

(5) ??r = ??e + α·ΔGSE + β·ΔPFE = (1?α?β)·??e + α·??GSE + β·ΔPFE

其中α和β是控制几何结构残差和光度频率残差线索贡献的标量系数。

残差响应表明了GSE和PFE如何变换对齐输入表示。将这些残差线索纳入路由输入，使得路由权重可以从对齐输入和专家诱导的变换中推断，建立了专家响应与路由决策之间的直接联系。因此，该公式被解释为残差引导的特征融合，而非因果建模。

3.4.2 空间自适应专家路由

基于残差引导输入xr，路由器g(·)在每一个空间位置预测每个专家的分配分数，从中获得逐像素路由权重。具体而言，路由器首先将xr映射到专家维度上的未归一化专家logits：

(6) ?? = g(??r), ??∈?^(B×K×H×W)

其中B表示批次大小，K=3是专家数量，(H, W)表示空间分辨率。

映射g(·)使用轻量线性变换实现，以避免引入过多计算开销。然后使用softmax函数在专家维度上对logits??进行归一化，获得空间自适应路由权重：

(7) ??_(b,k,i,j) = exp(??_(b,k,i,j)/τ) / Σ_(k'=1)^K exp(??_(b,k',i,j)/τ)

其中??_(b,k,i,j)表示分配给第k个专家在第b个样本空间位置(i, j)处的路由权重，τ在所有实验中固定为1.5，控制路由分布的平滑度。此归一化确保每个空间位置的专家权重之和为1，产生归一化的专家分配权重以支持路由级别的可解释性。专家输出随后通过逐像素加权聚合进行融合：

(8) ??_moe = Σ_(k=1)^K ω_k ⊙ ??_k

其中??_k表示第k个专家生成的特征图，ω_k沿通道维度广播，⊙表示逐元素乘法。此聚合允许专家贡献在空间位置上变化。

为保留输入信息并稳定特征传播，引入残差连接：

(9) ?? = ??_moe + φ_skip(??)

其中φ_skip(??)表示用于对齐特征维度的线性投影。生成的特征y被转发到后续网络阶段。

3.4.3 正则化路由目标

尽管空间自适应路由提升了专家加权的灵活性，但无约束的路由可能导致路由器在训练过程中逐渐偏向有限的专家子集，导致专家利用不平衡或专家坍塌。为缓解此问题，引入显式正则化项在整体和局部层面约束路由行为。

总训练目标定义为：

(10) ?? = ??_task + λ?·??_balance + λ?·??_entropy

其中??_task是监督最终输出的任务特定分割损失，??_balance和??_entropy分别表示整体和局部路由正则化项。在本文中，??_task整合了多个分割目标，包括交叉熵损失、dice损失和区域一致性约束，以联合优化像素级分类精度、重叠质量和预测掩膜的空间连贯性。正则化权重经验性地设为λ? = 0.25和λ? = 0.05，并在训练全程固定。

任务监督通过网络传播到专家模块和路由参数。然而，仅靠任务损失无法保证平衡的专家利用。因此定义第k个专家在训练批次和空间域上的平均路由权重为：

(11) ??_k = 1/(BHW) · Σ_(b,i,j) ??_(b,k,i,j)

其中??_k表示专家k的预期使用比率。基于此统计量，构建基于KL散度的平衡损失：

(12) ??_balance = Σ_(k=1)^K (??_k + ε) · log(??_k + ε) + 1/K + ε'

为抑制个体空间位置上过度集中的路由分布，引入负熵正则化项：

(13) ??_entropy = 1/(BHW) · Σ_(b,i,j) Σ_(k=1)^K ??_(b,k,i,j) · log(??_(b,k,i,j) + ε)

最小化此项可抑制由单一专家主导的低熵分布，促进互补专家在异质性区域中的更广泛参与。

4. 数据集与实验设计

本节介绍用于评估所提出网络的数据集和实验设置。在不同缺陷复杂度的数据集上进行了系统性比较和消融研究。

4.1 数据集准备

4.1节详细说明了三个数据集的来源和特征，包括仅表面裂缝数据集（SCO-D）、仅衬砌渗漏数据集（LWLO-D）和多类型衬砌缺陷数据集（MTLD-D）。

4.1.1 仅表面裂缝数据集（SCO-D）

SCO-D来源于Roboflow Universe平台上公开发布的资源（Crack-seg Dataset, 2024）。该数据集仅包含裂缝，在形态、宽度、方向和连续性方面表现出显著差异。SCO-D由1,682张图像组成，按70%、22%和8%的比例分别划分为训练集、验证集和测试集。在本研究的实验中，合并验证集和测试集以减少数据集划分引入的随机性影响。所有图像经过自动方向校正，统一调整大小为640×640的空间分辨率。未应用额外的数据增强技术。为直观展示该数据集的标注格式和像素级分割特征，图5展示了具有代表性的裂缝图像、对应的逐像素掩膜及叠加结果。

下载：下载高分辨率图片（326KB）
下载：下载全尺寸图片

图5. SCO-D中裂缝的形态多样性。

4.1.2 仅衬砌渗漏数据集（LWLO-D）

LWLO-D同样是一个基于Roboflow Universe平台上公开发布的seg_defect数据集构建的开源数据集（Seg_defact Dataset, 2025）。它专为实例级分割设计，包含单一缺陷类别——渗漏的逐像素标注。LWLO-D由1,511张图像组成。在实验阶段，数据集被划分为1,209张训练图像和302张验证图像。训练集专用于模型参数学习，验证集保留用于性能评估，在整个实验过程中严格分离。在数据预处理方面，所有原始图像经过自动方向校正，统一调整大小为640×640的空间分辨率。为增强模型对光照条件变化、尺度变化和渗漏空间外观变化的鲁棒性，在训练过程中应用了一系列数据增强策略，包括随机几何变换和亮度调整。图6展示了具有代表性的图像、对应的逐像素掩膜及叠加可视化结果。

下载：下载高分辨率图片（419KB）
下载：下载全尺寸图片

图6. LWLO-D中多样渗漏模式的可视化。

4.1.3 多类型衬砌缺陷数据集（MTLD-D）

MTLD-D由我们先前关于隧道衬砌表面多缺陷实时检测的研究中收集的数据开发而成（Liu等，2025；Liu等，2026）。通过进一步的图像筛选和标注细化，建立了包含裂缝、剥落（包括起皮和剥片）以及渗漏的实例级分割数据集。MTLD-D总共包含4,500张图像，划分为3,600张训练图像和900张验证图像。对于像素级标注，使用Labelme生成对应的.json文件，随后通过专用转换脚本转换为兼容YOLO框架的.txt标注文件（Wada, 2016）。

在数据集构建过程中，通过旋转、翻转、亮度调整和图像拼接应用了离线增强。MTLD-D包含多样的缺陷类别，具有显著的形态变化和复杂的空间分布，是本研究中最具挑战性的数据集。因此，它作为评估复杂隧道检测环境下多类识别能力和分割鲁棒性的有效基准。图7展示了MTLD-D中典型缺陷的代表性可视化结果。

下载：下载高分辨率图片（359KB）
下载：下载全尺寸图片

图7. MTLD-D中不同类型缺陷的可视化。

4.2 实验类别

基于SCO-D、LWLO-D和MTLD-D，开展系统性实验以验证所提出网络设计的合理性。采用YOLOv11-n分割（Seg）网络作为统一基准，并通过纳入Mamba模块构建混合骨干网络。随后，设计全面的消融研究以探究可解释GRPMoE路由机制中专家激活数量和组合策略的影响。具体而言，评估三种配置：1）单专家激活，用于评估每个专家的独立贡献；2）双专家激活，用于分析不同专家之间的互补交互；3）全专家激活，用于评估所有专家自适应协作的整体效果。

需要强调的是，在GRPMoE模块内引入了专家掩膜机制来控制参与路由和融合的专家数量。此机制仅在路由权重分配阶段运行，不涉及任何网络结构或通道维度的修改。因此，所有消融设置下的模型参数量和计算复杂度保持相同。

4.3 实验设置

本小节描述实验环境和实现细节。所有比较和消融实验使用相同的硬件环境、数据划分、优化器、学习率调度器和训练轮次。批次大小根据GPU内存需求调整。

4.3.1 实验环境

所有实验在统一的实验环境下进行。实验平台配备单个NVIDIA RTX 3090 GPU（24GB内存）、Intel Xeon E5-2683 v4 CPU（32核）以及124GB系统内存。软件环境配置为CUDA Toolkit 11.8和NVIDIA驱动版本535.230.02。所有模型使用支持CUDA 11.8的PyTorch 2.0.0实现。

为支持所提出的混合CNN-Mamba架构，实验环境集成mamba-ssm（v1.2.0）作为SSM的核心实现，提供Mamba分支中所需的可选扫描和状态更新算子。所有Mamba相关模块基于此版本实现并在CUDA 11.8下执行。causal-conv1d包用于支持状态空间模型中的因果卷积操作，Einops用于促进高维张量重排和多分支特征融合。图像预处理和分割可视化使用OpenCV完成。

4.3.2 超参数细节

对于训练，任务配置为实例分割，输入图像大小为640×640，最大训练轮数为200轮。基准模型以批次大小64训练，而消融实验使用较小的批次大小16以确保GPU内存可行性和稳定梯度估计。优化使用动量为0.937、权重衰减为5×10??的随机梯度下降（SGD）执行。初始学习率（lr0）设为0.01，线性衰减至最终学习率因子（lrf）0.01。在早期训练阶段应用预热策略（warmup_epochs = 3.0）以逐步调整动量和偏置学习率，实现稳定收敛。

4.4 评估指标

评估涵盖三个维度：实例级分割与计算效率、逐像素分割与面积估计、路由级可解释性。

4.4.1.

## 分割性能评估

分割性能采用基于掩码的精确率（P）、召回率（R）、F1分数以及交并比（IoU）阈值为0.5时的平均精度均值（mAP@0.5）进行评估（Liu et al., 2025, Liu et al., 2026, Kyem et al., 2026, Jing et al., 2025a, Jing et al., 2025b, Pan et al., 2025a）。精确率（P）衡量预测的缺陷实例中正确匹配到真实标注的比例，而召回率（R）衡量模型成功识别的真实（GT）实例比例。F1分数提供了精确率和召回率的平衡度量，mAP@0.5则基于掩码IoU匹配评估整体实例分割性能。此外，模型效率通过可学习参数量（Para）和浮点运算量（FLOPs）进一步评估。综合来看，这些指标刻画了不同模型配置下分割性能与计算成本之间的权衡关系。

### 4.4.2 逐像素评估

逐像素评估用于检验分割一致性以及缺陷面积估算。平均交并比（mIoU）和平均像素精度（mPA）用于量化预测掩码与真实标注之间的像素级一致性（Pan et al., 2025a, Zhou et al., 2023a, Meng et al., 2025, Yu et al., 2026, Cheng et al., 2023）。对于每张图像，缺陷面积比计算为缺陷像素数除以图像总像素数，分别针对预测掩码和真实掩码进行计算。平均偏差定义为预测面积比与真实面积比之差的平均值，用于反映缺陷范围的系统性高估或低估。此外，采用Bland–Altman分析计算95%一致性限值（LoA），用以刻画面积估算误差的离散程度以及大多数样本的期望一致范围。

### 4.4.3 可解释性评估

除分割精度外，本文所提方法还从模型可解释性的角度进行进一步评估，特别关注MoE架构中空间路由机制所诱导的专家分配行为。可解释性评估包含两个互补的组成部分：路由统计和可视化证据。综合分析为专家利用率、路由多样性和特征组织提供了定量化和定性化的洞察。

第 $k$ 个专家在批次和空间域上的平均路由权重计算如下：

$$\bar{\omega}_k = \frac{1}{BHW} \sum_{b=1}^{B} \sum_{i=1}^{H} \sum_{j=1}^{W} \omega_{b,k,i,j} \tag{14}$$

为量化路由多样性，将平均路由分布 $p = [\bar{\omega}_1, \cdots, \bar{\omega}_K]$ 的熵定义为：

$$H(p) = -\sum_{k=1}^{K} \bar{\omega}_k \log(\bar{\omega}_k + \varepsilon) \tag{15}$$

此外，使用KL散度衡量专家利用与均匀分布 $u = [1/K, \cdots, 1/K]$ 之间的偏离：

$$KL(p \| u) = \sum_{k=1}^{K} \bar{\omega}_k \log \frac{\bar{\omega}_k + \varepsilon}{1/K + \varepsilon} \tag{16}$$

熵刻画专家贡献的多样性，而KL散度衡量专家利用相对于均匀分布的不平衡程度。综合来看，这些指标能够实现对路由多样性、利用平衡度和潜在专家主导现象的定量化表征。可视化证据通过以下分析进一步获取：

1) **特征嵌入可视化**（Chang et al., 2025）。使用UMAP和t-SNE将潜在特征表示投影到低维空间。所得分布为全局特征组织、局部邻域结构、类内紧致性和类间分离性提供了定性证据，这些特征与专家协作和路由行为相关。

2) **分割结果的定性对比**。选取代表性样本，在不同模型间对比原始图像、真实标注、预测掩码和叠加结果。这些对比为边界保持性、区域完整性和在复杂纹理和低对比度等挑战性条件下抵抗背景干扰的能力提供了可视化证据。

## 5. 结果与讨论

本节呈现并讨论GRPMoE-CNN-Mamba的实验结果。第5.1节报告在SCO-D、LWLO-D和MTLD-D上的定量性能。第5.2节评估逐像素分割和缺陷面积估算。第5.3节通过路由统计考察专家分配与协作。第5.4节分析特征表示和分割结果，以提供路由级可解释性的定性证据。

### 5.1 不同数据集上的定量结果

在三个独立数据集上的定量实验评估了单缺陷和多缺陷条件下的分割性能，并考察了不同缺陷场景下的性能一致性。

#### 5.1.1 SCO-D上的结果

表2报告了SCO-D上的定量结果。基线模型的精确率为0.774，召回率为0.567，F1分数为0.655，mAP@0.5为0.627。相对较高的精确率和较低的召回率表明，基线模型产生的正预测较为可靠，但遗漏了相当比例的裂缝区域。在Model-1中引入Mamba分支后，mAP@0.5提升至0.672，F1分数提升至0.694，表明长程上下文建模对裂缝分割具有增益作用。

**表2. 不同模型在SCO-D上的实验结果。**

| 模型 | Mamba | GSE | RLE | PFE | P | R | F1 | mAP@0.5 | Para (M) | FLOPs (G) |
|------|-------|-----|-----|-----|------|------|------|---------|----------|-----------|
| YOLOv11-n (Seg) | × | × | × | × | 0.774 | 0.567 | 0.655 | 0.627 | 2.83 | 9.6 |
| 1 | √ | × | × | × | 0.811 | 0.607 | 0.694 | 0.672 | 5.62 | 20.9 |
| 2 | √ | √ | × | × | 0.755 | 0.646 | 0.696 | 0.686 | 7.36 | 31.8 |
| 3 | √ | × | √ | × | 0.711 | 0.614 | 0.659 | 0.665 | 7.36 | 31.8 |
| 4 | √ | × | × | √ | 0.804 | 0.637 | 0.711 | 0.685 | 7.36 | 31.8 |
| 5 | √ | √ | √ | × | 0.793 | 0.636 | 0.706 | 0.673 | 7.36 | 31.8 |
| 6 | √ | √ | × | √ | 0.776 | 0.632 | 0.697 | 0.678 | 7.36 | 31.8 |
| 7 | √ | × | √ | √ | 0.808 | 0.640 | 0.714 | 0.684 | 7.36 | 31.8 |
| GRPMoE-CNN-Mamba | √ | √ | √ | √ | 0.796 | 0.637 | 0.708 | 0.677 | 7.36 | 31.8 |

不同专家配置表现出依赖于指标的不同效应。与Model-1相比，GSE将召回率从0.607提升至0.646，mAP@0.5从0.672提升至0.686，表明自适应空间采样有助于表征不规则和碎片化的裂缝结构。PFE在所有单专家变体中取得了最高的F1分数，达到0.711，表明其在表征弱信号和低对比度裂缝响应方面的有效性。RLE的增益较小，因为大范围区域上下文与细长裂缝模式的对齐程度较低。

在双专家配置中，RLE与PFE的组合取得了0.714的最高F1分数，略高于完整模型（0.708）。因此，专家数量与分割性能之间并不存在严格的单调关系。在相对同质的SCO-D数据集上，减少专家数量可能使特征建模集中于最相关的视觉线索，而三专家路由则将特征贡献分散在更广泛的表示子空间中。尽管如此，完整模型相比基线，F1分数和mAP@0.5分别提升了8.09%和7.97%，同时保持了统一配置以应对不同缺陷场景。

在模型复杂度方面，基线模型包含2.83M参数，需要9.6G FLOPs。引入Mamba后，参数量和FLOPs分别增至5.62M和20.9G。引入专家模块后，Model 2至7以及完整模型均包含7.36M参数，需要31.8G FLOPs。与基线相比，完整模型的参数量和FLOPs分别增加了160.07%和231.25%，表明存在额外的计算成本。

#### 5.1.2 LWLO-D上的结果

表3总结了LWLO-D上的定量结果。基线模型已具有较高的分割精度，F1分数为0.870，mAP@0.5为0.915。Model-1将F1分数提升至0.889，mAP@0.5提升至0.924，相对提升分别为2.18%和0.98%。

**表3. 不同模型在LWLO-D上的实验结果。**

| 模型 | Mamba | GSE | RLE | PFE | P | R | F1 | mAP@0.5 | Para (M) | FLOPs (G) |
|------|-------|-----|-----|-----|------|------|------|---------|----------|-----------|
| YOLOv11-n (Seg) | × | × | × | × | 0.902 | 0.841 | 0.870 | 0.915 | 2.83 | 9.6 |
| 1 | √ | × | × | × | 0.901 | 0.877 | 0.889 | 0.924 | 5.62 | 20.9 |
| 2 | √ | √ | × | × | 0.919 | 0.845 | 0.880 | 0.922 | 7.36 | 31.8 |
| 3 | √ | × | √ | × | 0.918 | 0.875 | 0.896 | 0.927 | 7.36 | 31.8 |
| 4 | √ | × | × | √ | 0.936 | 0.864 | 0.899 | 0.921 | 7.36 | 31.8 |
| 5 | √ | √ | √ | × | 0.938 | 0.851 | 0.892 | 0.935 | 7.36 | 31.8 |
| 6 | √ | √ | × | √ | 0.937 | 0.863 | 0.898 | 0.921 | 7.36 | 31.8 |
| 7 | √ | × | √ | √ | 0.918 | 0.874 | 0.895 | 0.928 | 7.36 | 31.8 |
| GRPMoE-CNN-Mamba | √ | √ | √ | √ | 0.929 | 0.861 | 0.894 | 0.927 | 7.36 | 31.8 |

专家效果因数据集的主导视觉特征而异。RLE取得了0.896的F1分数和0.927的mAP@0.5，表明大核上下文建模非常适合边界弥散的空间延展性渗漏区域。PFE取得了最高的单专家精确率和F1分数，分别为0.936和0.899。这一结果可能归因于其对低对比度渗漏响应的增强表征以及对背景干扰的敏感度降低。GSE的增益较小，可能是因为渗漏区域通常表现出较不显著的方向性和几何结构。

GSE与RLE的组合取得了0.935的最高mAP@0.5，尽管其召回率为0.851，低于完整模型的0.861。这一差异表明精确预测与区域覆盖之间存在权衡。在这一相对同质、以区域为主导的数据集上，部分配置可以集中于最相关的上下文线索，因此在个别指标上优于完整模型。然而，完整模型在保持竞争性性能的同时，保留了统一的专家配置以应对更多样化的缺陷条件。

表3展示了与表2相同的复杂度趋势。引入Mamba和专家模块增加了参数量和FLOPs。Model 2至7以及完整模型的复杂度相同，因为专家掩码仅修改路由和融合中的专家参与方式，而不改变网络结构或特征维度。相同输入尺寸下MTLD-D上的对应配置具有相同的复杂度。

#### 5.1.3 MTLD-D上的结果

MTLD-D包含三种具有代表性的隧道衬砌缺陷：裂缝（C）、剥落（S）和渗漏（WL）。为评估多缺陷条件下的模型性能，表4报告了精确率和召回率，表5展示了F1分数和mAP@0.5。提供了逐类结果及其均值，以便跨缺陷类别进行详细对比。

**表4. 不同模型在MTLD-D上的精确率和召回率对比。**

| 模型 | Mamba | GSE | RLE | PFE | P均值 | P_C | P_S | P_WL | R均值 | R_C | R_S | R_WL |
|------|-------|-----|-----|-----|------|------|------|------|------|------|------|------|
| YOLOv11-n (Seg) | × | × | × | × | 0.908 | 0.879 | 0.814 | 0.915 | 0.852 | 0.731 | 0.552 | 0.789 |
| 1 | √ | × | × | × | 0.922 | 0.896 | 0.828 | 0.939 | 0.885 | 0.771 | 0.643 | 0.785 |
| 2 | √ | √ | × | × | 0.930 | 0.901 | 0.827 | 0.947 | 0.899 | 0.778 | 0.640 | 0.797 |
| 3 | √ | × | √ | × | 0.925 | 0.909 | 0.846 | 0.955 | 0.877 | 0.774 | 0.647 | 0.798 |
| 4 | √ | × | × | √ | 0.943 | 0.908 | 0.845 | 0.936 | 0.884 | 0.784 | 0.656 | 0.813 |
| 5 | √ | √ | √ | × | 0.919 | 0.905 | 0.848 | 0.949 | 0.881 | 0.778 | 0.648 | 0.805 |
| 6 | √ | √ | × | √ | 0.950 | 0.918 | 0.854 | 0.950 | 0.891 | 0.781 | 0.643 | 0.810 |
| 7 | √ | × | √ | √ | 0.942 | 0.917 | 0.861 | 0.948 | 0.880 | 0.776 | 0.648 | 0.801 |
| GRPMoE-CNN-Mamba | √ | √ | √ | √ | 0.921 | 0.895 | 0.844 | 0.921 | 0.882 | 0.784 | 0.652 | 0.818 |

**表5. 不同模型在MTLD-D上的F1分数和mAP@0.5对比。**

| 模型 | Mamba | GSE | RLE | PFE | F1均值 | F1_C | F1_S | F1_WL | mAP@0.5均值 | mAP_C | mAP_S | mAP_WL |
|------|-------|-----|-----|-----|------|------|------|-------|----------|-------|-------|--------|
| YOLOv11-n (Seg) | × | × | × | × | 0.879 | 0.798 | 0.658 | 0.847 | 0.909 | 0.803 | 0.635 | 0.866 |
| 1 | √ | × | × | × | 0.903 | 0.829 | 0.724 | 0.855 | 0.933 | 0.839 | 0.708 | 0.872 |
| 2 | √ | √ | × | × | 0.914 | 0.835 | 0.722 | 0.866 | 0.940 | 0.840 | 0.704 | 0.876 |
| 3 | √ | × | √ | × | 0.900 | 0.836 | 0.733 | 0.869 | 0.927 | 0.841 | 0.716 | 0.880 |
| 4 | √ | × | × | √ | 0.913 | 0.841 | 0.739 | 0.870 | 0.938 | 0.841 | 0.712 | 0.872 |
| 5 | √ | √ | √ | × | 0.900 | 0.837 | 0.735 | 0.871 | 0.928 | 0.841 | 0.717 | 0.878 |
| 6 | √ | √ | × | √ | 0.920 | 0.844 | 0.734 | 0.874 | 0.939 | 0.847 | 0.718 | 0.886 |
| 7 | √ | × | √ | √ | 0.910 | 0.841 | 0.739 | 0.868 | 0.925 | 0.843 | 0.718 | 0.887 |
| GRPMoE-CNN-Mamba | √ | √ | √ | √ | 0.901 | 0.836 | 0.736 | 0.866 | 0.937 | 0.847 | 0.720 | 0.884 |

基线模型的精确率、召回率、F1分数和mAP@0.5分别为0.879、0.731、0.798和0.803。然而，不同缺陷类别之间存在显著差异。对于裂缝（C），基线模型的召回率仅为0.552，F1分数为0.658，明显低于剥落（S）和渗漏（WL）。结果表明，基线模型在多缺陷条件下难以维持细长裂缝区域的覆盖。相比之下，渗漏（WL）的F1分数为0.879，mAP@0.5为0.909，表明基线模型更容易捕获区域主导型缺陷，而非精细结构目标。

在Model-1中引入Mamba后，平均精确率、召回率、F1分数和mAP@0.5分别提升至0.896、0.771、0.829和0.839。值得注意的是，裂缝（C）的召回率从0.552提升至0.643，F1分数从0.658提升至0.724。这些改进表明长程依赖关系建模有助于减少异质多缺陷场景中漏检的裂缝区域。

引入专家模块后呈现出不同的响应模式。RLE在剥落检测中表现突出，与大核上下文聚合在表征空间延展区域方面的作用一致。PFE在渗漏检测中表现有效，表明光度-频率建模有利于低对比度和光照敏感响应的表征。GSE通过几何敏感采样维持了竞争性的裂缝检测性能，但并不始终优于仅含Mamba的配置。因此，专家应根据其表征机制进行解读，而非固定分配给特定缺陷类别。

在部分配置中，GSE与PFE的组合取得了0.844的最高平均F1分数和0.847的mAP@0.5，平均精确率为0.918，平均召回率为0.781。完整模型取得了相同的mAP@0.5，但平均精确率降至0.895，召回率略微提升至0.784。同时，剥落（S）的召回率也提升至0.818。完整模型较低的F1分数反映的是从精确率导向的预测向更广泛缺陷覆盖的转变，而非分割能力的均匀退化。

总体而言，部分专家组合在数据集或缺陷类型由特定视觉线索主导时，可能在个别指标上取得更高的分数。相比之下，完整的三专家配置提供了更广泛的特征覆盖并降低了对特定专家组合的依赖。与基线相比，完整模型将平均精确率、召回率、F1分数和mAP@0.5分别提升了1.82%、7.25%、4.76%和5.48%，展示了针对异质多缺陷场景更为平衡和统一的解决方案。

### 5.2 逐像素分割性能

表6报告了基线模型和所提GRPMoE-CNN-Mamba在不同数据集上的mIoU和mPA。在SCO-D上，所提模型实现了0.658的mIoU和0.806的mPA，将基线模型的0.632和0.800分别提升了4.11%和0.75%。在LWLO-D上，性能提升最为显著。GRPMoE-CNN-Mamba取得了0.963的mIoU，相比基线值0.875提升了10.06%，mPA从0.942提升至0.981，提升了4.14%。在更具挑战性的MTLD-D上（涉及多种共存缺陷类型），mIoU从0.828提升至0.848（提升2.41%），mPA从0.913提升至0.931（提升1.97%）。总体而言，GRPMoE-CNN-Mamba在三个数据集上均交付了一致且可靠的像素级性能提升，在以LWLO-D为代表的区域主导型缺陷上尤为显著。跨数据集的一致性能增益突显了所提架构的强泛化能力。

**表6. 不同数据集上mIoU和mPA的对比。**

| 模型 | mIoU SCO-D | mIoU LWLO-D | mIoU MTLD-D | mPA SCO-D | mPA LWLO-D | mPA MTLD-D |
|------|-----------|-----------|-----------|----------|-----------|-----------|
| YOLOv11-n (Seg) | 0.632 | 0.875 | 0.828 | 0.800 | 0.942 | 0.913 |
| GRPMoE-CNN-Mamba | 0.658 | 0.963 | 0.848 | 0.806 | 0.981 | 0.931 |

表7进一步从统计一致性角度对比了基线模型和GRPMoE-CNN-Mamba，使用平均偏差和95% LoA。在SCO-D上，GRPMoE-CNN-Mamba将平均偏差从0.472%降至0.209%，对应系统性误差减少55.72%。同时，95% LoA区间从[?5.862, 6.807]收窄至[?5.086, 5.503]，表明预测裂缝面积比与真实值之间的一致性有所改善。在LWLO-D上，两个模型的平均偏差值均较低，反映了渗漏缺陷面积特征的相对稳定性。尽管如此，GRPMoE-CNN-Mamba将平均偏差进一步从0.043%降至0.039%，并略微收紧了LoA范围，表明面积估算一致性有所改善。

**表7. 不同数据集上平均偏差和一致性限值的对比。**

| 数据集 | 类别 | 平均偏差(%) YOLOv11-n (Seg) | 平均偏差(%) GRPMoE-CNN-Mamba | 95% LoA(%) YOLOv11-n (Seg) | 95% LoA(%) GRPMoE-CNN-Mamba |
|--------|------|---------------------------|---------------------------|---------------------------|---------------------------|
| SCO-D | C | 0.472 | 0.209 | [?5.862, 6.807] | [?5.086, 5.503] |
| LWLO-D | WL | 0.043 | 0.039 | [?5.453, 5.544] | [?4.675, 5.531] |
| MTLD-D | C | 0.080 | 0.074 | [?0.495, 0.655] | [?0.493, 0.640] |
| MTLD-D | S | 0.250 | 0.176 | [?1.331, 1.831] | [?1.047, 1.399] |
| MTLD-D | WL | 0.264 | 0.256 | [?2.933, 3.461] | [?2.641, 3.153] |

在MTLD-D的所有缺陷类别上均观察到类似的改进趋势。对于裂缝（C），平均偏差从0.080%降至0.074%。对于剥落（S），实现了更显著的降低，平均偏差从0.250%降至0.176%，对应约29.60%的提升。对于渗漏（WL），平均偏差从0.264%降至0.256%，同时LoA区间整体收窄。

这些结果表明，GRPMoE-CNN-Mamba 降低了系统性的面积估计偏差，并改善了预测缺陷面积与真值（GT）缺陷面积之间的一致性，尤其是在多缺陷条件下。图 8、图 9 和图 10 分别展示了三个数据集上预测缺陷面积比与 GT 缺陷面积比之间的回归分析结果。回归模型使用非零 GT 面积的验证样本进行拟合，以评估预测面积比与 GT 面积比之间的线性关系。图 8 展示了在 SCO-D 上的结果。基线模型的 R2 为 0.703，在中面积和大面积范围内存在较大分散。GRPMoE-CNN-Mamba 将 R2 提升至 0.788，数据点更紧密地分布在对角线附近，表明线性关系更强，裂缝面积估计更加稳定。

（下载：下载高分辨率图像（181KB）；下载：下载全尺寸图像）

图 8. SCO-D 上的缺陷面积回归：(a) 基线模型；(b) GRPMoE-CNN-Mamba。

（下载：下载高分辨率图像（164KB）；下载：下载全尺寸图像）

图 9. LWLO-D 上的缺陷面积回归：(a) 基线模型；(b) GRPMoE-CNN-Mamba。

（下载：下载高分辨率图像（291KB）；下载：下载全尺寸图像）

图 10. MTLD-D 上 C、S 和 WL 三类缺陷的面积回归：(a–c) 基线模型；(d–f) 本文模型。

图 9 展示了在 LWLO-D 上的回归结果。两个模型在预测与 GT 泄漏面积比之间均表现出较强的线性关系。GRPMoE-CNN-Mamba 将 R2 从 0.974 提升至 0.977，并产生了略为紧凑的散点分布，特别是在大泄漏区域方面。这一趋势与 mIoU、mPA 以及 Bland–Altman 一致性分析中所观察到的改善相吻合。

图 10 展示了 MTLD-D 上三类缺陷的回归结果。对于 C 类，R2 从 0.888 提升至 0.891；对于 S 类，R2 从 0.993 提升至 0.996，表明预测与 GT 面积比之间的线性关系略有增强；对于 WL 类，R2 从 0.985 提升至 0.888。因此，本文模型在不同尺度和形态的缺陷类别上均维持了稳定且较强的线性关联。

5.3 路由行为分析

图 11 展示了在 SCO-D、LWLO-D 和 MTLD-D 上，当激活两个或更多专家时，平均路由权重在训练过程中的演变情况。在所有配置下，权重在早期训练轮次中迅速调整，并逐渐收敛至稳定的比例。没有任何专家的平均权重接近零，表明在数据集层面各专家始终保持参与。三个数据集呈现出较为一致的收敛模式，但最终的专家分配比例会因缺陷特性和成像条件而有所不同。

（下载：下载高分辨率图像（1011KB）；下载：下载全尺寸图像）

图 11. 各轮次平均路由权重的演变：(a) SCO-D；(b) LWLO-D；(c) MTLD-D。

在 SCO-D 上，双专家配置形成了不同但稳定的偏好（图 11a）。在 Model-5 中，RLE 在早期阶段占主导，而 GSE 的贡献逐渐增加。在 Model-6 和 Model-7 中，PFE 在早期优化阶段受到更多关注，随后 GSE 或 RLE 的贡献逐渐增加。观察到的权重转移可能表明，光度线索在早期优化中贡献更大，而几何与区域信息在后期训练中受到更多关注。完整模型表现出更平滑的权重轨迹，并维持所有三个专家的持续贡献。

在 LWLO-D 上，包含 PFE 的配置迅速将较大权重分配给光度-频率特征，并在后期训练中保持这一偏好，如图 11b 所示。这种行为与泄漏缺陷对光照、对比度及缓慢变化的外观模式的敏感性相一致。Model-5 从早期的 RLE 主导转向 GSE 贡献增大，而 PFE 在 Model-6 和 Model-7 中保持主导。在完整模型中，RLE 获得最大平均权重，而 GSE 和 PFE 在整个训练过程中保持活跃。尽管最终分配比例与 SCO-D 上的情况不同，但路由权重同样收敛至稳定比例。

MTLD-D 上的路由动态更为复杂，因为存在多种缺陷类别共存的特征（图 11c）。Model-5 从早期的 GSE 主导转向各专家贡献相当，后期转为 RLE 主导。Model-6 在早期和中期偏好 PFE，随后在约第 150 轮次之后 GSE 变得更加重要。Model-7 表现相对稳定，PFE 始终保持比 RLE 更大的权重。完整模型在整个训练过程中维持所有三个专家的贡献。PFE 稳定在约 0.25，而 GSE 和 RLE 在后期训练轮次中逐渐收敛至相近水平。

在三个数据集中，路由权重均经历早期调整后趋于稳定，而最终分配比例则取决于每种缺陷场景的视觉特征。路由稳定性并不意味着在不同数据集或缺陷类别之间专家权重相同，而是反映了一致的收敛过程和持续的专家参与。由于平均权重仅描述总体贡献趋势，因此进一步采用熵和 Kullback–Leibler（KL）散度来刻画路由多样性与专家利用率。

图 12 展示了不同专家配置下的熵 H(p) 与 KL 散度。在 SCO-D 和 LWLO-D 上，双专家模型的熵值在 0.66–0.69 之间，KL 散度值约为 0.40。在 MTLD-D 上也观察到类似数值，熵接近 0.69，KL 散度接近 0.41。这些结果表明路由策略稳定但具有偏好性，即在给定配置中某一专家通常获得较大贡献。完整的三专家模型在所有数据集上均表现出更均衡的分布：熵值保持在 1.06 以上，而 KL 散度下降至 0.02–0.03。因此，平均路由分布接近均匀分布，同时未丧失对不同缺陷特征的适应性。图 11 中的权重轨迹与图 12 中的分布指标共同表明，在单缺陷和多缺陷条件下均实现了稳定收敛、均衡专家参与以及基于缺陷的路由行为。

（下载：下载高分辨率图像（418KB）；下载：下载全尺寸图像）

图 12. 不同专家方案下的熵与 KL 散度：(a) SCO-D；(b) LWLO-D；(c) MTLD-D。

5.4 模型可解释性的可视化证据

为补充定量分析，本节从表示与预测两个角度提供可视化证据，以进一步阐释本文模型。这些可视化分析为路由层面的可解释性提供了支持性证据，但并不解释整个网络的完整决策过程。在表示层面，UMAP 和 t-SNE 可视化潜在特征嵌入，刻画特征组织、邻域结构、紧凑度以及类别可分性（如适用）。在预测层面，通过分割掩码与 GT 标注及叠加结果进行比较，以检查边界连续性、区域完整性以及对背景干扰的抵抗能力。

5.4.1 特征嵌入可视化

图 13 展示了 SCO-D 和 LWLO-D 上学习所得特征嵌入的 UMAP 投影。UMAP 提供特征空间全局组织概况，同时大致保留局部邻域关系。所有投影均使用相同的随机种子和参数设置生成，并以基线分布作为参考。

（下载：下载高分辨率图像（466KB）；下载：下载全尺寸图像）

图 13. 不同模型特征嵌入的 UMAP 投影：(a) SCO-D；(b) LWLO-D。

基线模型在两个数据集上均产生广泛分散的嵌入，表明特征一致性较弱。若干单专家配置产生的嵌入比基线模型更为紧凑和有组织，但不同专家之间的改善程度有所差异。多专家配置通常产生更为连贯的特征分布，但结果模式仍取决于具体的专家组合。

在 SCO-D 上，包含 GSE 的配置形成更紧凑的聚类，表明对裂缝几何特征具有更强的表示能力。在 LWLO-D 上，PFE 产生更集中的泄漏相关嵌入，与其对光度及低频特征建模能力的改善相一致。

完整的 GRPMoE-CNN-Mamba 模型在两个数据集上均产生最紧凑、最有组织的嵌入。局部聚类定义更为清晰，相较于其他配置，重叠程度降低。该模式表明特征表示更加一致且具有判别性，同时在所学特征空间内保留了足够的变异。作为非线性投影方法，UMAP 提供定性的特征层面证据，而非分割准确性的直接度量。

图 14 展示了 MTLD-D 上在表 5 所列模型配置下潜在特征嵌入的 t-SNE 投影。与 UMAP 相比，t-SNE 更强调局部邻域结构，用于检验类内紧凑度与类间可分性。观察到的分布可分为三种代表性模式。

（下载：下载高分辨率图像（920KB）；下载：下载全尺寸图像）

图 14. MTLD-D 上潜在特征的 t-SNE 投影。子图 (a–i) 按表 5 中的模型顺序排列。

1) 弱可分性与显著类间重叠。基线模型 YOLOv11-n（Seg）对 C、S 和 WL 产生高度混合的嵌入，无明显类别边界，如图 14a 所示。Model-3 实现了部分分离，但裂缝与剥落聚类仍呈细长且重叠状态，如图 14d 所示。因此，仅依靠区域级上下文对异质缺陷表示的分离作用有限。

2) 基本可分但类内紧凑性较弱。Model-1、2、4 和 6 实现了部分类别分离，如图 14b、c、e 和 g 所示，但部分聚类仍呈细长或不规则形状。残余重叠（特别是裂缝与剥落之间）表明类内一致性不完整。

3) 清晰可分且聚类紧凑。Model-5、7 和 GRPMoE-CNN-Mamba 产生组织更佳的嵌入，如图 14f、h 和 i 所示。Model-5 实现了较强的类别分离，但聚类形状仍略显不规则。Model-7 呈现出更清晰的全球结构，但裂缝特征仍表现出轻微细长趋势，表明在复杂背景下尺度与纹理的变异性。完整模型提供最为紧凑的分布和最清晰的类间边界，表明具有更强的局部特征一致性和类别判别能力。

综上，UMAP 和 t-SNE 提供了对所学表示的互补视角。UMAP 展示了特征空间更为连贯的全局组织，而 t-SNE 则揭示了更大的局部紧凑度和更清晰的缺陷类别间分离。所观察到的模式间接表明 GRPMoE-CNN-Mamba 学到了更加一致且具有判别性的表示。结合路由权重统计、熵和 KL 散度，这些结果支持了对路由层面专家分配与协作的解读，但不应被视为对网络决策过程的完整解释。

5.4.2 分割结果可视化

预测层面的进一步定性分析考察了复杂条件下的分割行为。图 15、图 16 和图 17 分别展示了三个数据集上代表性样本的定性对比结果。

（下载：下载高分辨率图像（780KB）；下载：下载全尺寸图像）

图 15. SCO-D 上裂缝分割结果对比：(a) 交叉；(b) 斜向；(c) 交汇结构；(d) 蜿蜒。

（下载：下载高分辨率图像（914KB）；下载：下载全尺寸图像）

图 16. LWLO-D 上泄漏分割结果对比：(a) 局域性；(b) 散布；(c) 和 (d) 受管线影响场景。

（下载：下载高分辨率图像（927KB）；下载：下载全尺寸图像）

图 17. MTLD-D 上多缺陷分割对比：(a) 受手写标记影响的裂缝；(b) 密集分布的竖向裂缝；(c) 局域性剥落；(d) 裂缝与剥落共存；(e) 漏水。

图 15 展示了 SCO-D 上交叉、斜向、交汇和蜿蜒模式下裂缝的分割结果。由于这些裂缝具有复杂拓扑结构和细长几何特征，因此较为具有挑战性。与 GT 掩码相比，引入 Mamba 和 GSE 后边界预测更为紧密。模型之间的主要差异在于裂缝连续性的保持程度。在图 15c 所选交汇样本中，GRPMoE-CNN-Mamba 完整保持了裂缝轨迹，而基线模型、Model-1 和 Model-2 表现出明显的断裂。Model-7 减少了此类错误，但仍保留轻微的不连续现象。

对于图 15d 所示的裂缝模式，大多数模型提供了令人满意的掩码，尽管 Model-1 偶尔出现断裂点。GRPMoE-CNN-Mamba 保持了裂缝连通性，并产生了与 GT 形态更为吻合的掩码。在所选案例中，本文模型展现出对细长结构和复杂拓扑关系的更稳定保持能力。

图 16 展示了 LWLO-D 上泄漏分割的定性对比结果。考虑了三种代表性场景：局域性泄漏、散布性泄漏以及受内部管线结构影响的泄漏。这些目标具有较大的空间范围、弥散边界和不规则的区域形态。

在散布性和受管线影响的情况下，性能差异更为明显。基线模型和若干对比模型产生漏检区域或不完整的掩码。在图 16c 中，基线模型受管线结构强烈影响，产生了细长的假阳性区域和明显的遗漏。在图 16d 所示的连续分布泄漏案例中，所有对比模型均未完全消除漏检区域。GRPMoE-CNN-Mamba 保持稳定的分割效果，并产生更连续、空间上更完整的掩码。其预测结果在空间覆盖范围和形态结构方面均表现出与真值更高的一致性。

图 17 展示了 MTLD-D 上不同模型在复杂条件下的分割差异。在受手写标记影响或裂缝密集分布的样本中，基线模型和若干中间模型表现出频繁的裂缝断裂（见图 17a）。Model-1 和 Model-4 相较于基线模型改善了裂缝连续性。然而，在复杂背景干扰的区域中，不稳定预测依然存在。GRPMoE-CNN-Mamba 保持了更完整的裂缝轨迹，即使在受干扰区域也能产生连续且清晰的分割结果。

图 17c 和 d 展示了包含局域性剥落或裂缝–剥落共存缺陷的样本。基线模型产生明显的假阳性和不完整的剥落边界。

改进后的模型在一定程度上扩大了目标覆盖范围，但仍存在边界溢出或局部遗漏的问题。对于漏水处理，背景纹理复杂，光照变化明显。基线模型和若干对比模型倾向于将背景区域误判为渗漏区域。总体而言，随着结构组件逐步引入，分割结果在目标完整性、边界连续性和误检抑制方面均呈逐步改善。GRPMoE-CNN-Mamba在所选多缺陷案例中提供了更为一致的目标覆盖、边界连续性和误检抑制能力。图18对比了基线模型与GRPMoE-CNN-Mamba的预测掩膜和特征响应热力图。分析聚焦于复杂多缺陷条件下掩膜质量和特征响应的空间集中程度。对于图18a所示的斜向裂缝，基线模型遗漏了中部和端点区域的若干部分。其特征响应在空间上分散且延伸至周围背景区域。GRPMoE-CNN-Mamba生成了更为连续的掩膜，同时其响应更为集中地沿裂缝轨迹和边界分布。该结果从定性上证明了特征响应与裂缝形态之间对齐关系的改善。下载：下载高分辨率图像（739KB）下载：下载完整尺寸图像图18. 基线模型与GRPMoE-CNN-Mamba在预测掩膜和响应热力图方面的对比：(a) 斜向裂缝；(b) 裂缝网络；(c) 局部剥落；(d) 渗漏。对于图18b所示的复杂裂缝网络，基线模型表现出分支断裂、错误连接以及在非裂缝区域的强响应。GRPMoE-CNN-Mamba更好地保留了主要轨迹和分支，其响应集中于结构上具有意义的区域。这一模式表明复杂裂缝拓扑结构的表征能力有所提升。对于图18c中的局部剥落，基线模型产生误检和模糊边界，伴随广泛的特征激活。所提模型生成了更为紧凑的掩膜，并将响应集中于剥落区域及其边界内。该可视化从定性上证明了更强的区域区分能力和边界定位能力。对于图18d中的渗漏，光照变化、水分扩散和表面反射增加了分割难度。基线模型在非渗漏区域产生虚假响应并出现过度分割。GRPMoE-CNN-Mamba提供了更准确的覆盖，其响应集中于主要扩散区域，背景区域激活较弱。总体而言，对比结果表明所提模型在不同缺陷类别中均能产生更具空间聚焦性的特征响应。如图19所示，从MTLD-D中选取了代表性的弧形、高度分支、细微和低对比度裂缝进行定性比较。所有模型均能捕捉主要裂缝轨迹并恢复整体轮廓。然而，在局部几何和拓扑细节的保持方面仍存在明显差异，特别是在急弯段、分支交汇处、细小分叉、弱端点和紧密相邻碎片处。基线模型更易出现区域遗漏、局部不连续、虚假连接和孤立的误检响应。引入Mamba和不同专家模块可在不同程度上缓解这些误差，尽管个别配置的有效性仍取决于裂缝模式和背景条件。下载：下载高分辨率图像（853KB）下载：下载完整尺寸图像图19. MTLD-D中代表性复杂案例的裂缝分割对比。相比之下，所提模型在所选案例中更一致地保持了主裂缝路径、弧形边界和复杂分支结构的连续性。它还减少了局部遗漏和背景引起的虚假响应，尤其是在细小和弱可见区域。尽管若干困难区域仍存在残余误差，但GRPMoE-CNN-Mamba提供了更为一致的定性表现，与MTLD-D上的定量结果相一致。6. 结论本文开发了GRPMoE-CNN-Mamba用于隧道衬砌表面缺陷分割。该网络将局部卷积建模与Mamba的长程表征能力相结合，并引入三个互补的专家模块分别处理几何特征、区域特征和光度-频率特征。残差引导的空间路由实现了像素级专家协作，同时保持了专家参与的稳定性。在三个独立数据集上的大量实验验证了所提方法的有效性。特别地，在具有挑战性的多缺陷数据集MTLD-D上，GRPMoE-CNN-Mamba相较于基线模型实现了约5.48%的mAP@0.5提升、4.76%的F1-score提升、7.25%的召回率提升和2.41%的mIoU提升，同时保持了与其他多专家消融配置相同的参数数量和计算复杂度。像素级一致性分析和面积回归进一步表明缺陷面积估计中的系统性偏差降低且稳定性提升。熵和KL散度分析证实所提路由策略有效地缓解了专家坍缩并促进了均衡的多专家协作。总体而言，所提网络在复杂多缺陷共存场景下表现出强大的鲁棒性和泛化能力，为隧道智能巡检和服务状态评估提供了一种统一且具有可解释性的解决方案。未来工作将探索跨隧道、成像设备和环境条件的域泛化与适应。将研究不确定性感知的路由方法和特征归因方法来拓展可解释性，超越当前的专家权重分析。动态专家激活、模型压缩和边缘设备部署也将得到研究和现场巡检流程的验证。CRediT作者贡献声明Liu Yong：原创撰稿、验证、方法学、调查研究、正式分析、数据整理。Wang Ya-Qiong：监督指导、项目管理、方法学、经费获取、概念设计。Wang Zhi-Feng：监督指导、项目管理、方法学、经费获取、概念设计。Wang Yu-Xuan：验证、软件开发。Fan Zhen-Hao：验证、软件开发。Liu Yong | Wang Ya-Qiong | Wang Zhi-Feng | Wang Yu-Xuan | Fan Zhen-Hao