近日，人工智能领域TOP学术期刊Engineering Applications of Artificial Intelligence在线刊发了东北大学机械工程与自动化学院颜云辉教授课题组（机器视觉与机器人实验室）在工业表面裂纹缺陷智能检测领域的最新研究成果，题为EAFNet: Extraction-Amplification-Fusion Network for Tiny Cracks Detection。机械学院2020级本科生周子昂为第一作者，2020级本科生赵文松为第二作者，宋克臣副教授和李骏老师为指导教师。
细小裂纹缺陷智能检测技术在工业视觉检测领域有着重要的应用，但目前缺少专门针对细小裂纹缺陷的图像数据集和检测方法。该研究对工业应用中的细小裂纹图像进行了定义，并构建了一个细小裂纹缺陷图像数据集，如图（a）所示。该数据集包含多个不同干扰背景下的细小裂纹缺陷图像，是目前第一个专门针对细小裂纹缺陷的图像数据集。此外，该研究还提出了一个提取—放大—融合的三阶段检测方法，可以实现对细小裂纹的有效检测，检测效果如图（b）所示。
图 论文中构建的图像数据集及检测效果图
此外，该本科生研究团队还在Signal Image and Video Processing期刊上，发表了题为SPCNet: A Strip Pyramid ConvNeXt Network for Detection of Road Surface Defects的论文，并获得了东北大学2024年第七届学术论文大赛的“优秀学术论文”奖。以上研究得到了大学生创新创业训练计划项目（项目名称：基于深度学习的高速公路缺陷检测算法的研究，项目编号：221180）的支持。
