热点事件持续更新
基于双对齐测试时适应的航空发动机叶片缺陷在线检测
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026-10-02，arXiv发布计算机视觉论文，提出Aero-engine Blade Defect Detector（ABDD）在线自适应检测框架。该框架采用双对齐策略联合适配全局视觉风格与局部缺陷形态，并引入不确定性感知框过滤机制以减少伪标签误差。实验基于RT-DETR+Swin-T架构，在CD-AeBD和HD-AeBD多域偏移场景下进行，结果表明ABDD持续提升检测鲁棒性，并在工业检测平台上验证了实用性。
AI 根据报道生成 · 2 小时前更新
最新进展10月2日 12:00
arXiv论文发布，提出ABDD框架并在多域偏移场景与工业平台上验证其鲁棒性与实用性。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv · Computer Vision基于双对齐测试时适应的航空发动机叶片缺陷在线检测
论文提出 Aero-engine Blade Defect Detector（ABDD），一种基于测试时适应的在线自适应检测框架，通过双对齐策略联合适配全局视觉风格与局部缺陷形态，并引入不确定性感知框过滤机制减少伪标签误差。在 CD-AeBD 和 HD-AeBD 多域偏移场景下，基于 RT-DETR + Swin-T 架构的实验表明 ABDD 持续提升检测鲁棒性，并在工业检测平台上验证了实用性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。