贝叶斯随机注意力水下故障检测网络

噪声下稳定检出

通过dropout诱导的随机注意力精炼，在嘈杂水下环境中提供可靠的特征表征，区别于传统确定性注意力机制。

Ziqin, Zhao · 熊辉 · Xi, Chen · Yuancong, Zhou · Xiangbo, Cao · Tieshan, Li · Xibing, Yang · Chong, Wei · Chong, Yang · Liu, Jinyi

Engineering Applications of Artificial Intelligence 2026

参数信息

平均精度 (mAP@0.5)

0.948

平均精度 (mAP@0.5:0.95)

0.725

技术优势

噪声下更稳

dropout诱导的随机注意力扰动和蒙特卡洛推断增强了噪声环境下特征交互的上下文感知能力，从而提高预测可靠性。

精度达标

在混合噪声数据集上 mAP@0.5 达到 0.948，mAP@0.5:0.95 达到 0.725，与现有方法竞争。

特征更可靠

通道自适应多尺度双Transformer模块提取抗噪声的空间和语义特征，结合随机注意力细化，使聚合特征更稳健。

应用场景

• 水下机器人视觉：让水下机器人巡检时在浑浊噪声中也能稳定识别电缆故障。
• 海洋基础设施检测：为海底电缆等关键设施提供抗噪声的自动故障检测手段。
• 水下传感监测：提升水下传感监测系统在复杂噪声环境下的视觉识别可靠性。