金属表面缺陷智能检测新突破
| 篇名 | 问题，背景 | 方法 | 结论 |
| 金属表面缺陷自适应分割算法 | 1.金属表面划痕 2.金属表面凹凸 3.金属表面污点 4.金属表面刮擦 5.金属表面裂纹 | 2.1多方向灰度波动分析 2.2领域灰度差分割算法 2.3PCA法图像压缩 | 本文算法与其他算法相比，具有通用性好、分割准确度高等优点。但是也存在一些不足，例如：分割用时相比其他算法更长；在分割过程中，对于灰度变化不明显的金属表面图像容易出现细节信息丢失等问题。 |
| 一种改进变换网络的域自适应语义分割网络 | 传统的分割方法无法应用于复杂的问题任务 | 研究人员用计算机自动标注的虚拟图替代真实的场景数据，利用体量更小，代价更低的域自适应语义分割模型解决手工标注数据集语义信息成本高的问题 | 基于域自适应的语义分割网络是轻量级和易于训练的。1.提出变换网络的分阶段训练策略。2.针对源图中域间隙差异大的像素区域，提出一种可解释蒙版MaskNet。 |
| 基于时空域自适应高阶有限差分的声波叠前逆时偏移 | 常规的有限差分法求解波动方程时, 其求空间导数时的差分系数一般都是采用传统的高阶有限差分系数, 该系数是由空间导数项的Taylor级数展开式而推导出的, 其只与空间域有关, 而实际计算地震波场的传播还与时间域有关, 所以采用常规有限差分系数求解方程时, 就会存在较大的频散和误差. | 2.1 时空域有限差分 2.2 自适应差分算子长度有限差分策略 2.3 成像条件 2.4 拉普拉斯算子去噪 | 本文采用基于时空域有限差分的差分系数求解声波方程, 并分析了其数值频散和稳定性, 与传统有限差分进行了对比, 结果表明:时空域有限差分方法的模拟精度比传统的有限差分精度高、稳定性好, 数值模拟结果也表明时空域有限差分数值模拟的波形保持得更好、频散更小。 |