【一种用于航空发动机缺陷分割的频谱驱动分层学习网络 】

航空发动机作为飞机的核心动力部件，其内部结构复杂、工作环境严苛，长期处于高温、高压和高速运行状态，容易产生裂纹、划伤、撕裂、凹坑等表面缺陷。由于航空发动机内窥检测图像通常存在金属纹理复杂、反光强烈、背景干扰明显、缺陷尺度小、边界模糊等问题，传统像素级分割方法难以同时实现小缺陷精确定位、边界细节恢复和复杂背景抑制。尤其是在多次下采样过程中，裂纹边缘、细小划痕等高频细节信息容易被削弱，导致分割结果出现边界不连续、漏检和误检等问题。

为此，哈尔滨东北林业大学和东北大学的研究团队提出了一种频谱驱动的层次学习网络，通过显式解耦高频与低频信息，并结合细节引导和区域感知建模，实现航空发动机缺陷的精细化分割。

阅读原文：http://t.cn/AXSgNjep