基于物理的建模与红外气体泄漏检测网络中的内容自适应路由
计算机视觉与模式识别
2026-01-13 v2 人工智能
摘要
检测红外气体泄漏对于环境监测和工业安全至关重要，但因 plume 稀薄、小且半透明，边界弱且扩散，导致困难。我们提出了物理边缘混合气体动力学路由网络 (PEG-DRNet)。首先，我们引入气体块 (Gas Block)，即扩散-对流单元建模气体传输：局部分支捕获短程变化，而大核分支捕获长程传播。一个边缘门控可学习融合模块平衡局部细节与全局上下文，强化弱对比 plume 和轮廓线索。其次，我们提出了自适应梯度和相位边缘算子 (AGPEO)，从多方向梯度和相位一致响应中计算可靠的边缘先验。这些先验通过多尺度边缘感知模块 (MSEPM) 转化为层次化边缘特征，以强化边界。最后，内容自适应稀疏路由路径聚合网络 (CASR-PAN) 配合自适应信息调制模块用于融合和自身选择性地在尺度之间传播信息，基于边缘和内容线索改善跨尺度判别性同时减少冗余。在 IIG 数据集上进行的实验表明，PEG-DRNet 的总体 AP 为 29.8%，AP50 为 84.3%，小目标 AP 为 25.3%，分别超过 RT-DETR-R18 基线提升 3.0%、6.5%、5.3%，同时仅需 43.7 Gflops 和 14.9 M 参数。所提出的 PEG-DRNet 在整体性能、精度与计算效率之间实现了最佳平衡，在 IIG 和 LangGas 数据集上在 AP 和 AP50 上均优于现有 CNN 和 Transformer 检测器。
引用
@article{arxiv.2512.23234,
title = {Physics-Inspired Modeling and Content Adaptive Routing in an Infrared Gas Leak Detection Network},
author = {Dongsheng Li and Tianli Ma and Siling Wang and Beibei Duan and Song Gao},
journal= {arXiv preprint arXiv:2512.23234},
year = {2026}
}