边缘几何引导的可变形检测用于水下核部件检测中的亚毫米缺陷

《Big Data and Cognitive Computing》:Edge-Geometry-Guided Deformable Detection for Sub-Millimeter Defects in Underwater Nuclear Component Inspection

【字体: 大 中 小 】 时间:2026年08月27日 来源:Big Data and Cognitive Computing 5.3

编辑推荐:

  反应堆堆芯板开口销孔中亚毫米缺陷的精确检测对于核安全至关重要。然而,水下检测图像常常遭受低信噪比(SNR)、弱边界响应和伪边缘干扰,导致缺陷定位不稳定。现有的可变形和基于注意力的检测器在此类条件下仍然容易受到采样漂移和语义-边界不一致的影响。为了解决这些挑战,

  
反应堆堆芯板开口销孔中亚毫米缺陷的精确检测对于核安全至关重要。然而,水下检测图像常常遭受低信噪比(SNR)、弱边界响应和伪边缘干扰,导致缺陷定位不稳定。现有的可变形和基于注意力的检测器在此类条件下仍然容易受到采样漂移和语义-边界不一致的影响。为了解决这些挑战,研究人员提出了一种边缘几何引导的可变形检测网络(EGD-Net)用于水下缺陷检测。EGD-Net引入了一种边缘几何约束的可变形采样机制,该机制将边缘置信度先验嵌入可变形卷积中,以改进边界感知的特征采样。设计了一种跨层语义-几何对齐策略,以增强缺陷语义与几何边界线索之间的交互,同时一种自上而下的反馈重新校准机制改善了弱缺陷的多尺度响应一致性。在堆芯板开口销孔缺陷(CPHD)数据集上的实验表明,EGD-Net在两个数据集上都取得了最高的AP@[0.5:0.95],同时保持了有竞争力或更优的精确率(Precision)、召回率(Recall)和F1分数(F1-score),并在固定工作点下降低了工程中心误差(Center Error, CE)。在两个互补领域的性能表明其对试片图像和实际水下检测场景之间的变化具有鲁棒性。这些结果表明,EGD-Net为核检测中水下亚毫米缺陷的边界敏感定位提供了一种可靠的解决方案。
### 研究背景与问题
核反应堆堆芯板开口销孔的亚毫米级缺陷(如凹坑、划痕、磨损和锈蚀)直接影响控制棒导向管组件的装配稳定性和长期服役安全。然而,水下检测图像因散射、反射、悬浮颗粒等导致低信噪比(SNR)、弱边界响应和伪边缘干扰,现有可变形卷积(Deformable Convolution)和注意力机制(Attention Mechanism)方法易出现采样漂移和语义-边界不一致,难以实现稳定定位。为此,研究人员提出边缘几何引导的可变形检测网络(EGD-Net),旨在解决弱边界、伪边缘和多尺度响应不一致三大挑战。该研究发表在《Big Data and Cognitive Computing》。

### 主要关键技术方法
EGD-Net基于标准两阶段检测器框架,核心包含三个组件:①边缘置信度约束的可变形采样机制,通过构建边缘特征金字塔(Edge Feature Pyramid, EFP)生成归一化边缘置信度先验,将其嵌入可变形卷积v2(DCNv2)的偏移量重参数化过程,限制低置信度区域的偏移幅度;②跨层语义-几何对齐模块,在P4/P5层采用双向交叉注意力(Bidirectional Cross-Attention)和动态加权融合(Dynamic Weighted Fusion, DWF),使语义特征与几何先验交互,抑制伪边缘响应;③自上而下反馈重新校准模块,利用最高层语义响应生成通道和空间门控,对P3-P5各层特征进行校准,并通过轻量级残差重建分支恢复边界连续性。样本来源:自建堆芯板开口销孔缺陷(CPHD)数据集,包含实际水下场景(Dataset A,844张)和人工缺陷试片(Dataset B,1356张)两个互补域。

### 研究结果
#### 4.1 实验设置
研究人员构建了CPHD数据集,并统计了局部SNR、缺陷-背景对比度和小目标比例,验证了其低对比度、小尺度特性。采用ResNet-50-FPN基线,在C3-C5层替换为DCNv2,使用COCO预训练权重,AdamW优化器,训练80个epoch,以最高验证AP@[0.5:0.95]选取模型。

#### 4.2 与代表性检测器的比较
在Dataset A(实际水下场景)上,EGD-Net的AP@[0.5:0.95]达80.23%,召回率(Recall)99.14%,F1分数(F1-score)98.23%,均优于Mask R-CNN、Cascade R-CNN、YOLOv7、STF-YOLO、Top-Down Modulation、CAFF-Net和Deformable DETR。在Dataset B(人工试片)上,EGD-Net取得最高AP@[0.5:0.95](77.40%)和精确率(Precision)(99.30%),F1分数最高。可视化结果表明,EGD-Net对凹坑、锈蚀、划痕和磨损四类缺陷均产生更稳定的边界框定位。

#### 4.3 工程精度与效率
在固定工作点下,EGD-Net的平均中心误差(CE, mm)最低(0.74 mm),方差最小,且CE ≤ 1 mm的比例最高。模型参数量为45.8M,FLOPs为218.0G,推理速度34.2 FPS,在定位精度与效率间取得平衡。Grad-CAM可视化显示,EGD-Net的激活区域更集中于缺陷轮廓,背景响应更少。

#### 4.4 消融研究
逐步引入各组件:基线+标准DCNv2将AP@[0.5:0.95]从68.9%提升至73.7%,CE从1.32 mm降至1.20 mm;加入边缘置信度约束后AP@[0.5:0.95]升至76.7%,CE降至1.15 mm;加入跨层对齐和DWF后AP@[0.5:0.95]升至79.9%,CE降至0.98 mm,召回率提升至96.4%;最终加入反馈重新校准后AP@[0.5:0.95]达80.2%,召回率99.1%,F1分数98.2%,CE降至0.74 mm。对齐位置实验表明,联合P4和P5层效果最佳。

#### 4.5 机制可视化
EFP边缘置信度图主要响应缺陷轮廓;语义-几何注意力图在P4/P5层显示语义与边界线索的一致对齐;反馈门控图使弱小缺陷区域激活更连续。最终Grad-CAM激活图比基线更紧凑,背景干扰更少。

#### 4.6 讨论
当前研究基于特定CPHD数据集,泛化性需进一步验证。极端浑浊、强反射或运动模糊下,边缘置信度先验可靠性可能下降。未来需研究更鲁棒的边缘置信度估计和轻量化交互策略,并集成到完整维护工作流中。

### 结论
本文提出EGD-Net,用于低信噪比(SNR)条件下反应堆堆芯板开口销孔的水下亚毫米缺陷检测。该框架通过集成边缘几何约束的可变形采样、跨层语义-几何对齐和自上而下反馈重新校准,改进了边界感知特征表示,无需修改检测头或引入额外任务监督。在CPHD数据集上的实验表明,EGD-Net在两个数据集上均取得最高AP@[0.5:0.95],同时保持有竞争力或更优的精确率(Precision)、召回率(Recall)和F1分数(F1-score),并在固定工程工作点下实现更稳定的毫米级定位。消融和可视化分析证实各组件对采样稳定性、伪边缘抑制和多尺度响应一致性的互补贡献。这些结果表明,EGD-Net为水下边界敏感缺陷定位提供了一种有效且实用的解决方案。未来工作将聚焦于外部验证、轻量化部署和更广泛水下检测场景的域自适应优化。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号