CNN-Mamba缺陷分割网络

可解释缺陷分割

相比现有分割网络，该模型通过可解释专家路由统一了局部细节与全局依赖，在隧道衬砌缺陷上实现更稳定准确的识别。

刘勇 · 王亚琼 · Zhifeng, Wang · Wang, Yuxuan · Zhen-Hao, Fan

Tunnelling and Underground Space Technology 2027

参数信息

mAP@0.5 提升

5.48 %

F1-score 提升

4.76 %

Recall 提升

7.25 %

mIoU 提升

2.41 %

技术优势

跨缺陷更稳

混合 CNN–Mamba 架构统一了卷积归纳偏置与长距离依赖建模，在裂纹、剥落和渗漏水三类缺陷上均保持稳定分割表现。

路由可解释

通过 GRPMoE 的空间路由，不同缺陷场景下专家贡献稳定且互补，为网络决策提供路由层面的可解释证据。

模块化设计

GRPMoE 将几何结构、区域大核和光度频率三类专家模块化组合，可按缺陷特性灵活调整特征提取路径。

应用场景

• 隧道病害检测：自动分割裂纹、剥落和渗漏水，替代人工巡检中的目视判读，提升病害识别一致性与效率。
• 基础设施外观检测：作为通用分割模块嵌入其他基础设施外观检测流程，跨表面缺陷类型保持稳定，减少重新标注训练成本。
• 工业视觉缺陷检测：其模块化专家路由可适配工业产线中的多种缺陷形态，并提供路由级可解释性，辅助质量追溯与工艺改进。
• 无人机隧道巡检：模型兼顾局部细节与全局上下文，适合无人机拍摄的高分辨率隧道影像，在移动端或边缘设备上实现实时分割。