近日，自動化TOP期刊《IEEE Transactions on Industrial Electronics》發表了我院機器視覺與智能裝備團隊聯合香港中文大學電子工程系任洪亮教授在貨運列車故障檢測領域取得的最新成果，論文題目為“Spatial-Wise Dynamic Distillation for MLP-Like Efficient Visual Fault Detection of Freight Trains”。該論文第一完成單位為77779193永利官网，由我院張楊副教授、碩士生潘慧琳、香港中文大學電子工程系任洪亮教授等共同完成。
盡管卷積神經網絡（CNN）在目标檢測任務中應用廣泛，但傳統 CNN 的空間不變性和池化層等建模缺陷導緻其在貨運列車圖像故障檢測中的效率仍然不足。該文設計了一個基于多層感知器的空間動态蒸餾框架，提出的軸向移位策略和動态蒸餾機制能夠克服空間不變性的建模缺陷并有效地結合局部和全局信息，實現貨運列車的故障檢測。
結果表明，該文所設計的方法能夠從較低級别的外觀特征和較高級别的标簽語義中挖掘出更豐富的細節作為額外的監督信息，利用高效的實例嵌入來建模全局空間和語義信息，可以有效地消除與學生模型的語義差異，在較低的計算成本下達到了實時檢測和最高的準确率。
該項工作可為推動工業領域實現故障自動化檢測的發展提供重要參考，研究工作得到計算機軟件新技術國家重點實驗室項目，現代制造業質量工程湖北省重點實驗室項目的資助。
原文：Y. Zhang, H. Pan, M. Li, A. Wang, Y. Zhou and H. Ren. Spatial-Wise Dynamic Distillation for MLP-Like Efficient Visual Fault Detection of Freight Trains. IEEE Transactions on Industrial Electronics, 2024, PP: 1-10.
原文鍊接：https://doi.org/10.1109/TIE.2023.3344837
