基于机器学习和可编程无线环境的一种新型射频非破坏性检验方法
机器学习
2026-01-13 v1 新兴技术
摘要
当代工业非破坏性检验（NDI）方法需要在遮挡、危险或受限进入环境中运行的探测能力。然而，当前基于光学相机的目视检验在这方面提供的服务质量有限。因此，对于智能制造而言，适用于作件检验的新方法是必需的。可编程无线环境（PWE）可能有助于指向该方向，通过重新定义射频（RF）波的传播，将其作为可控的检查实体。在本工作中，我们提出了一种新颖的非破坏性检验方法，利用基于RF波前编码的RF感知管道，从指定数据库中检索作件图像条目。该方法将PWE-enabled RF波形操作与机器学习（ML）工具结合，用于生产质量检验的视觉输出。具体而言，我们建立了RF波前与目标工业资产之间的相关性关系，从而产生一个将波前与其相应图像相关联的结构化数据集。随后，生成对抗网络（GAN）生成与数据库条目高度吻合的视觉表示。我们的结果表明，所提出的方法在视觉输出方面实现99.5%的SSIM匹配得分，为工业中下一代质量控制工作流程铺平了道路。
引用
@article{arxiv.2601.06512,
title = {A novel RF-enabled Non-Destructive Inspection Method through Machine Learning and Programmable Wireless Environments},
author = {Stavros Tsimpoukis and Dimitrios Tyrovolas and Sotiris Ioannidis and Maria Kafesaki and Ian F. Akyildiz and George K. Karagiannidis and Christos K. Liaskos},
journal= {arXiv preprint arXiv:2601.06512},
year = {2026}
}