多尺度时间序列分割网络

定位率超95%

采用多阶段深度可分离卷积和变长模板，有效提取缺陷特征，在复杂工业环境下精确定位表面金属缺陷。

Li, Xiaorui · 班晓娟 · Qiao, Haoran · Zhaolin, Yuan · Dai, Hong-Ning · 姚超 · 郭宇 · Obaidat, Mohammad S. · George Q., Huang

IEEE/CAA Journal of Automatica Sinica 2025

参数信息

定位率

95 %

缺陷实例捕获率

90 %

中间定位F1分数

75 %

技术优势

复杂形状缺陷也能准确定位

采用多阶段深度可分离卷积和变长模板，可从变长信号中高效提取特征，适应缺陷形状和尺寸的显著变化。

信号变化大也不影响分类

利用对数归一化调整实例分布，结合分类与平滑损失函数，准确识别相似结构和缺陷信号子序列中的缺陷段。

应用场景

• 工业无损检测：替代人工目检，对金属表面缺陷进行自动化精准定位。
• 核电设备维护：用于核电站传热管等关键部件的涡流检测信号分析，及时发现缺陷。
• 金属表面质检：对涡流信号进行分割，识别金属表面缺陷位置与范围。