DC-Mamba用于在大光圈光学上的表面微缺陷分类,具有多轴注意力.
Dejin Zhao1, Rui Sun1, Tong Tong2,3
1College of Engineering, Yanbian University, Yanbian, 133002, China.
Scientific reports
|October 31, 2025
概括
这项研究介绍了DC-Mamba,这是一种基于Mamba的改进方法,用于检测大光圈光学上的表面微缺陷. 它提高了缺陷分类的准确性,为智能光学系统维护提供了强大的解决方案.
科学领域:
- 光学工程是指光学工程.
- 材料科学 材料科学 材料科学
- 计算机视觉 计算机视觉
背景情况:
- 大光圈光学上的微缺陷降低了系统性能.
- 现有的缺陷检测方法难以处理小,多和复杂的缺陷.
研究的目的:
- 开发一种先进的缺陷分类方法,用于在大光圈光学上的表面微缺陷.
- 提高智能缺陷检测系统的准确性和可靠性.
主要方法:
- 提出了DC-Mamba,这是一个改进的基于Mamba的缺陷分类模型.
- 推出了多轴交互式2D选择性扫描 (MISS2D) 和多轴交互式特征金字塔网络 (MIFPN).
- 位置,层次,空间和通道智能的协调建模特征.
主要成果:
- 在NEU-DET数据集中,DC-Mamba与MACSA的平均精度 (AP) 从41.7%提高到45.7%.
- 与VMamba相比,AP50在NEU-DET数据集上从72.2%增加到74.7%.
- 在自制光表面微缺陷 (OSMD) 数据集上实现了64.3%的AP.
结论:
- DC-Mamba 能够有效地区分微缺陷和干扰点.
- 该方法提供了一个强大的解决方案,用于智能检测大光圈光学表面上的缺陷.
- 增强的建模功能提高了缺陷分类的准确性.


