点云铆钉缺陷分类网络

准确率99.49%

融合轻量Ghost结构与动态筛选自注意力的点云分类网络，以更低算力实现多类型铆钉头缺陷的高精度识别。

Liu, Liang · Meng, Xianming · 赵新华 · 张英

Sensors 2026

参数信息

平均准确率

99.49 %

平均误分类率

1.19 %

计算成本

0.66 GFLOPs

较PointNet++的准确率提升

4.31 %

技术优势

轻量低算力

采用虚拟块采样和分组逐点卷积Ghost模块，显著降低计算复杂度，总计算量仅0.66 GFLOPs，适合部署在算力有限的设备上。

准确率领先

在六种注意力和七种分类网络的对比中，PointGhost达到99.49%的最高平均准确率，误分类率仅1.19%，性能优于同类方法。

优于PointNet++

与流行的轻量级模型相比，GPC-Ghost平均准确率比PointNet++高4.31%，同时计算成本更低。

应用场景

• 工业视觉检测：直接嵌入3D视觉检测流程，输入铆钉点云即可输出缺陷类别与严重程度。
• 结构健康监测：在役结构的铆接部位可定期采集点云，快速筛查潜在缺陷，预防结构失效。
• 航空航天制造质检：航空航天铆接装配线上自动识别铆钉头缺陷，降低人工目检负担并提高一致性。
• 自动化产线质检：轻量网络适合产线边缘计算设备，可在线实时分类铆钉缺陷，提升检测节拍。