一种新的双学生反向知识蒸方法用于磁缺陷检测.
Jiyan Tang1, Ao Zhang2, Weian Liu3
1School of Computer Science and Engineering, Jiangsu University of Science and Technology, Zhenjiang, 212100, China.
Scientific reports
|July 27, 2025
概括
本研究引入了一种新的双学生反向知识蒸框架 (BSDRD),用于磁表面缺陷检测. 该方法有效地识别复杂的纹理和小缺陷,优于现有技术.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机视觉 计算机视觉
- 工业自动化 工业自动化
背景情况:
- 磁表面缺陷检测对于工业生产至关重要.
- 挑战包括类似的缺陷/背景纹理,低对比度和可变的缺陷形态.
- 现有的方法难以应对这些复杂性.
研究的目的:
- 提出一种新的双学生反向知识蒸框架 (BSDRD),用于增强磁表面缺陷检测.
- 为了应对类似纹理,低对比度和可变缺陷大小/形态的挑战.
- 为了提高像素级和样本级异常检测的准确性.
主要方法:
- 开发了一个二进制结构和细节反向蒸 (BSDRD) 框架.
- 使用预先训练有素的教师网络进行多尺度特征提取.
- 利用了两个学生网络:一个用于特征融合/压缩,另一个用于基于波形的分解 (结构和细节学生).
- 引入了多维特征封闭融合损失 (MD-GFLoss),以提高特征选择性.
主要成果:
- BSDRD框架在检测具有复杂纹理和小尺寸的缺陷方面表现出高效.
- 与磁缺陷检测数据集的现有方法相比,实现了更高的性能.
- 在像素级和样本级异常检测任务中显著改进.
结论:
- 拟议的BSDRD框架为磁表面缺陷检测提供了一个强大的解决方案.
- 双学生方法与波形分解增强对微妙和复杂缺陷的敏感性.
- BSDRD为工业磁生产的质量控制提供了有希望的进步.


