近日，自动化TOP期刊《IEEE Transactions on Industrial Electronics》发表了我院机器视觉与智能装备团队联合香港中文大学电子工程系任洪亮教授在货运列车故障检测领域取得的最新成果，论文题目为“Spatial-Wise Dynamic Distillation for MLP-Like Efficient Visual Fault Detection of Freight Trains”。该论文第一完成单位为永利yl6776，由我院张杨副教授、硕士生潘慧琳、香港中文大学电子工程系任洪亮教授等共同完成。
尽管卷积神经网络（CNN）在目标检测任务中应用广泛，但传统 CNN 的空间不变性和池化层等建模缺陷导致其在货运列车图像故障检测中的效率仍然不足。该文设计了一个基于多层感知器的空间动态蒸馏框架，提出的轴向移位策略和动态蒸馏机制能够克服空间不变性的建模缺陷并有效地结合局部和全局信息，实现货运列车的故障检测。
结果表明，该文所设计的方法能够从较低级别的外观特征和较高级别的标签语义中挖掘出更丰富的细节作为额外的监督信息，利用高效的实例嵌入来建模全局空间和语义信息，可以有效地消除与学生模型的语义差异，在较低的计算成本下达到了实时检测和最高的准确率。
该项工作可为推动工业领域实现故障自动化检测的发展提供重要参考，研究工作得到计算机软件新技术国家重点实验室项目，现代制造业质量工程湖北省重点实验室项目的资助。
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.
原文链接：https://doi.org/10.1109/TIE.2023.3344837
