浙江大学赵朋教授团队JMS: 无监督缺陷分割新突破,仅凭两个样本实现红外热成像高精度内部检测

背景：高分子材料在航空航天、新能源和电子工业中应用广泛，但内部缺陷检测技术发展滞后，现有技术存在成本高、兼容性差等问题。红外热成像技术（IRT）因其非接触、快速响应和大面积扫描能力受到关注，但传统方法和有监督深度学习方法各有局限。研究目的：赵朋教授团队提出了一种基于深度自编码器和Swin Transformer的无监督学习框架DAE-SWnet，旨在解决内部缺陷检测中样本稀缺和标注困难的问题。结论：该方法仅需两个人工制造缺陷样本进行训练，即可在多种材质和形状的缺陷上实现高精度分割，展现出优异的泛化性能和实际应用潜力。