《Biomimetics》：Vision-Based Structural Health Monitoring of Catenary Components in UAV Inspections via Mask-Guided Asymmetrical Flow
编辑推荐：
自动化的基于视觉的接触网支撑部件结构健康监测（Structural Health Monitoring, SHM）对于确保铁路运营安全至关重要。然而，在实际工程场景中，航空影像中复杂的环境与运行变化（Environmental and Operational
自动化的基于视觉的接触网支撑部件结构健康监测（Structural Health Monitoring, SHM）对于确保铁路运营安全至关重要。然而，在实际工程场景中，航空影像中复杂的环境与运行变化（Environmental and Operational Variations, EOVs）、结构退化的多尺度特性以及损伤样本的稀缺性，阻碍了可靠的结构损伤识别。为应对这些SHM挑战，研究人员提出了一种名为掩膜引导非对称流（Mask-Guided Asymmetrical Flow, MGAF）的高精度无监督损伤检测框架。首先，为减轻EOVs的影响，引入了一种SAM引导的预处理策略，以显式抑制背景干扰并提取有效的结构感兴趣区域（Regions of Interest, ROIs）。其次，设计了一种非对称并行流（Asymmetrical Parallel Flow）架构，以平衡损伤检测敏感性与处理延迟。通过优化高分辨率特征的流深度，该架构在保留深层语义信息的同时，防止了对高频环境噪声的过拟合。此外，开发了跨尺度特征融合（Cross-Scale Feature Fusion, CSFF）模块，通过整合全局结构语义与局部纹理损伤指标，增强对早期结构损伤（如疲劳微裂纹和紧固件松动）的检测能力。最后，采用形态学边缘抑制（Morphological Edge Suppression, MES）机制来消除边界伪影，从而降低像素级损伤定位中的误报率。在自建的CSCUD数据集上进行的大量实验表明，与代表性无监督方法相比，所提出的系统取得了具有竞争力的异常检测性能，图像级AUROC（Image-level AUROC）达98.9%，像素级AP（Pixel-level AP）达40.1%。在线推理期间，MGAF在NVIDIA RTX 4090 GPU上实现了每帧0.077秒的处理时间（不包括离线GSI-Net定位和基于SAM的结构ROI提取阶段）。这证明了所提出的异常检测模块在实际铁路巡检场景中的效率。在MVTec AD基准的选定类别上进行的额外实验，初步证明了MGAF可迁移至视觉相似的工业异常检测场景。
接触网支撑部件是铁路架空基础设施的主要承力结构，对维持列车运行所需的机械稳定性和精确空间几何至关重要。在服役过程中，这些部件持续承受高速列车运动产生的强气动力、高频振动和严重动态冲击，长期暴露于恶劣运行载荷与复杂环境侵蚀下，会加速结构退化，导致疲劳微裂纹、紧固件松动甚至完全机械失效。传统人工目视巡检效率低且主观性强，难以应对复杂室外环境。新一代基于视觉的非接触监测系统，如配备鲁棒视觉-惯性导航和实时空间追踪能力的巡检车辆与无人机（Unmanned Aerial Vehicle, UAV），显著降低了运维成本。然而，由于相机角度与拍摄距离限制、实际损伤样本极度稀缺以及结构退化表现多样，现有自动故障诊断算法在实用状态维修（Condition-Based Maintenance, CBM）中仍难以满足高精度和早期预警要求。此外，监督学习方法面临异常样本稀缺的根本瓶颈，难以构建平衡且具有代表性的训练集，因此亟需发展无监督损伤检测（Unsupervised Damage Detection, UDD）方法。
针对上述挑战，研究人员提出了掩膜引导非对称流（Mask-Guided Asymmetrical Flow, MGAF）框架。该框架通过SAM引导的预处理策略抑制环境与运行变化（Environmental and Operational Variations, EOVs）并提取结构感兴趣区域（Regions of Interest, ROIs）；设计非对称并行流架构平衡损伤检测敏感性与处理延迟；开发跨尺度特征融合（Cross-Scale Feature Fusion, CSFF）模块增强早期损伤检测；采用形态学边缘抑制（Morphological Edge Suppression, MES）机制降低边界误报。在自建CSCUD数据集上，MGAF取得了图像级AUROC（Area Under the Receiver Operating Characteristic Curve）98.9%和像素级AP（Average Precision）40.1%的性能，单帧推理耗时0.077秒，并在MVTec AD基准上初步验证了可迁移性。其重要意义在于为无人机巡检接触网部件提供了一种无需缺陷样本的高精度、实时可部署的视觉非破坏性评估（Non-Destructive Evaluation, NDE）解决方案。
研究方法方面，研究人员首先利用GSI-NET目标检测器自动生成部件定位框，并将其作为空间提示输入分割基础模型（Segment Anything Model, SAM），通过CSCSAM策略抑制背景干扰并获得清洁的结构ROI。随后采用预训练的WideResNet-50-2作为骨干网络，提取前三阶段特征构成特征金字塔，并设计非对称并行流：对高分辨率特征使用较少流模块以防止对高频噪声过拟合，对高层语义特征使用较深流模块以增强建模能力。引入CSFF模块通过全局卷积交换多尺度潜在信息，同时采用掩膜约束的训练目标和基于MES的边界感知推理。实验数据来自自建CSCUD数据集，由DJI Matrice 350RTK无人机实地采集，涵盖7类接触网部件，并按独立采集序列划分训练与测试集。
**3.2.1 多类异常检测与定位性能**
在CSCUD数据集上对7类部件进行多类检测与定位实验。MGAF平均图像级AUROC为98.9%，图像级AP为97.6%，图像级F1为98.1%；像素级AP为40.1%，像素级F1为56.7%。对于结构相对固定的类别（如C1底座、C2连接套管、C3绝缘子），多个指标接近或达到100%，证明其能在样本不均衡下建立高判别性边界。
**3.2.2 不同检测器的对比总结**
与基于状态空间模型（如MambaAD）和扩散模型（如Dinomaly）的方法相比，MGAF在需要像素级精度的缺陷分割任务上优势明显，尤其处理细小部件时避免了分辨率损失或背景干扰导致的精度下降，表明其更适合精细接触网检测。
**3.2.3 复杂度分析**
计算效率对比表明，MGAF凭借归一化流的单步映射机制，推理时间仅0.077秒/帧，比Dinomaly快约2倍，FLOPs降低约37%，同时检测精度更高。尽管参数量较大，但骨干网络冻结使可训练参数较少，非对称架构将计算资源集中于高层语义特征，保障了实时性。
**3.2.4 异常检测结果可视化与分析**
通过可视化对比乘法融合与加法融合策略，发现乘法融合易对局部早期损伤产生“过度抑制”，导致损伤热力图破碎甚至漏检；而加法融合能跨尺度累积结构退化证据，使热力图在抑制EOVs的同时精确定位疲劳裂纹和紧固件松动。
**3.2.5 前景提取效果验证**
对比原始图像与SAM掩膜处理后的图像，未抑制EOVs时热力图出现严重“诊断分散”，高响应区域分布在道砟、钢轨、植被等背景中；使用SAM掩膜后，分析焦点集中于真实损伤区域，证明SAM引导的EOVs抑制是监测系统聚焦关键承载结构的必要前提。
**3.2.6 异常检测模块消融分析**
消融实验表明：引入CSCSAM使图像级AUROC从85.5%
