SAM增强U-Net视觉模型

新刀型磨损检测提升35%

用SAM生成伪标签，摆脱对新刀具的手工标注，迁移学习让模型在不同刀型间稳定工作。

Yu-Sheng, Lin · Tsai, Mengshiun

IEEE Transactions on Instrumentation and Measurement 2025

参数信息

平均交并比（mIoU）提升

35 %

技术优势

免手工标注

SAM与预训练模型输出对比，选取最高IoU的掩码作为伪标签，实现自监督训练数据获取。

新刀型也能用

迁移学习微调使模型在源域和目标域都保持最优性能，实现跨刀型泛化。

在线监测可行

系统通过拼接刀具全景图像并用U-Net分割切削刃，可实时识别磨损位置。

应用场景

• 机器人加工视觉监测：机器人视觉系统可实时检测刀具磨损，保障加工质量。
• 工业刀具状态监测：替代人工巡检和传统标注，降低停机时间和成本。
• 具身智能视觉感知：为机器人提供刀具状态感知，实现自主决策与维护。
• 精密加工在线检测：在线检测切削刃位置和磨损，防止废品产生。