基于自适应金字塔图像融合的钢丝绳局部缺陷检测——空间抽样分辨率自适应方法
图像与视频处理
2025-03-17 v2 信号处理
摘要
钢丝绳（Steel Wire Ropes, SWRs）局部缺陷（Local Flaws, LFs）的检测对于确保多个行业的安全性和可靠性至关重要。磁通泄漏（Magnetic Flux Leakage, MFL）成像常用于无损检测，但其有效性常受检验速度和抽样率的综合影响。为此，我们研究了检验速度和抽样率对图像质量的影响，因为这两个因素的变化会导致条纹噪声、缺陷特征的轴向压缩以及增加干扰，从而 complicate accurate detection。我们定义检验速度与抽样率之间的关系为空间抽样分辨率（spatial sampling resolution, SSR），并提出一种面向目标特征的自适应 SSR 方法（AS-TFO）。该方法集成了自适应调整和金字塔图像融合技术，以增强不同 SSR 场景下的缺陷检测。实验结果表明，在高 SSR 场景下，该方法实现了 94.73% 的精度和 96.77% 的召回率。在低 SSR 场景下，方法仍保持稳健，精度为 94.30%，召回率为 97.32%。总体结果显示，所提方法优于传统方法，实现了最新性能。这种在检测准确性和鲁棒性方面的显著提升，尤其适用于检验速度和抽样率变化显著的复杂检测条件，使检测在工业环境中更稳健可靠。
引用
@article{arxiv.2502.12512,
title = {Local Flaw Detection with Adaptive Pyramid Image Fusion Across Spatial Sampling Resolution for SWRs},
author = {Siyu You and Huayi Gou and Leilei Yang and Zhiliang Liu and Mingjian Zuo},
journal= {arXiv preprint arXiv:2502.12512},
year = {2025}
}
备注
Submitted to IEEE Sensors Journal for possible publication