✦ 点击蓝字，关注我们！✦
欢迎阅读IEEE Transactions on Industrial Informatics期刊2025年issue10最新文章推送（第1期/共7期）。本期推送共包含10篇研究论文，聚焦于工业智能检测与诊断技术，涵盖金属增材制造缺陷检测、分布式能源不确定性聚合、视频动作识别、心率变异性异常监测、光伏故障诊断、工业过程早期故障检测、裂缝分割、光伏功率预测、室内定位以及印刷电路板组件定位等前沿研究方向。 这些研究成果为工业智能化的安全、精准和高效运行提供了重要技术支撑，推动相关技术应用的深入发展。
本期目录
📖 第1篇：基于光束匀化的单极方波激励延迟采样热信号重构检测方法
📖 第2篇：多时空分布式能源资源不确定性聚合表征：云-边-端协同框架
📖 第3篇：TransCLIP：迁移视觉-语言模型实现高效视频动作识别
📖 第4篇：TWFN：基于新型光纤传感器的心率变异性异常检测架构框架——赋能IoMT智能医疗系统
📖 第5篇：基于云边协同的自校正引导广义对比学习框架在小样本光伏故障诊断中的应用
📖 第6篇：自注意力滑动窗口增强典型相关分析在动态工业过程早期故障检测中的应用
📖 第7篇：面向工业场景裂缝分割的自适应傅里叶增强框架
📖 第8篇：基于改进Pix2PixHD图像修复的秒级光伏功率预测
📖 第9篇：基于毫米波雷达的室内非视距/视距环境无缝被动追踪
📖 第10篇：面向印刷电路板组件定位的鲁棒自动视觉引导框架
📖 第1篇
📌 基于光束匀化的单极方波激励延迟采样热信号重构检测方法
Unipolar Square Wave Excitation Delayed Sampling Thermal Signal Reconstruction Detection Based on Beam Homogenization
作者：Rongbang Wang，Stefano Sfarra，Rubén Usamentiaga，Gunther Steenackers，Hai Zhang
金属增材制造(MAM)应用于航空航天和生物医学领域，但其生产过程中的未熔合(LOF)缺陷严重影响产品安全。针对这一挑战，提出了基于光束匀化的创新红外热成像检测方法。设计了一种低成本光束匀化器，该匀化器基于光管原理，结合伽利略光束缩减器和平面凸透镜，实现传统激光束向大尺寸均匀方形光束的转换，显著提升了激光均匀度，消除加热不均造成的背景噪声。该方法成本仅为传统衍射光学元件(DOE)匀化器的十分之一，避免了子光束能量不一致的问题。
本文建立了基于有限差分法(FDM)的红外热成像检测数值模拟模型，与Zemax光学仿真软件结合，实现光热耦合仿真，提高物理现象模拟的真实性，为光束匀化器设计优化提供理论指导。创新提出单极方波激励延迟采样热信号重构(USWEDS-TSR)无损检测方法及对应图像处理算法RTPH，通过连续单极方波加热试件并在冷却阶段采样，利用TSR和主成分分析(PCA)对离散时间信号图像序列进行压缩和重构，减少了需采集的红外图像数量，有效抑制激光反射及表层热量积聚导致对比度降低问题。
实验采用316L不锈钢增材制造试件进行未熔合缺陷检测。结果表明，所提方法在缺陷检测率和信噪比方面均优于阶跃加热热成像(SHT)和长脉冲热成像(LPT)方法，并能探测出传统方法无法识别的底部裂纹缺陷。特别是单极阶梯方波激励信号在检测效果上略胜普通单极方波。该技术有效提升金属增材制造的质量检测精度和效率，为工业可靠应用奠定技术基础。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11080249
📖 第2篇
📌 多时空分布式能源资源不确定性聚合表征：云-边-端协同框架
Uncertainty Aggregation Characterization for Multi Spatial–Temporal Distributed Energy Resources: A Cloud-Edge-End Collaboration Framework
作者：Houjun Li，Chunxia Dou，Dong Yue，Gerhard P. Hancke，Bo Zhang，Lei Xu
随着碳中和目标推进，分布式能源资源（DERs）渗透率持续提升，但其发电存在明显的时空不确定性和波动性，给电网调度带来巨大挑战。本文提出基于云-边-端协同框架的多时空DERs不确定性聚合表征方法，支持电力系统决策。核心是构建基于时空图神经网络（STGNN）的局部不确定性聚合模型，结合DERs时间动态与电网拓扑特性，提取时空特征，且考虑电力传输损耗，显著增强聚合精度。
针对隐私保护导致的数据孤岛问题，构建基于自适应安全联邦学习（FL）的模型训练机制，采用同态加密保障模型参数传输安全，并引入自适应提取策略，智能提取本地模型所需参数，有效提高模型训练质量。结合加权分位数回归（QR）模型，无需先验假设概率分布，实现不确定性表征，并通过差异化权重满足多样化电网运行需求。
在IEEE 33节点和69节点系统上仿真验证，模型以区间覆盖概率84.57%、平均宽度3.51的优异性能，达到与集中式训练相当效果，且确保用户隐私安全。该方法为高比例可再生能源接入时电网安全稳定运行提供了坚实技术支撑，具备广泛工程应用前景。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11049802
📖 第3篇
📌 TransCLIP：迁移视觉-语言模型实现高效视频动作识别
TransCLIP: Transferring Vision–Language Models for Efficient Video Action Recognition
作者：Wen Wang，Yanzhou Su，Jason Gu
针对传统视频动作识别中封闭式分类方案导致的识别未知类别和少样本学习难题，本文提出基于对比式视觉-语言预训练模型（CLIP）的多模态框架TransCLIP。该框架通过整合适配器和提示调优技术，在每层Transformer编码器输入引入可学习提示令牌，并在多头自注意力模块关键矩阵集成轻量级适配器，显著增强对视频特征的捕捉能力。
为充分利用视频时序信息，设计了创新的时序差分注意力模块（TemDiff attn），通过显式计算相邻帧嵌入差异实现差分级注意力计算，编码运动相关时序依赖。同时采用粗粒度-细粒度对比学习策略，强化视觉与语言分支对齐，提高学习能力。
在多个基准数据集上广泛验证，TransCLIP在少样本学习场景中显著优于现有最优方法，且在仅用2个训练样本时，HMDB-51数据集提升2.2%。零样本和新类别泛化测试体现出强大性能。首次将深度提示调优与适配器技术统一整合、提出专门时序差分机制及多层级对比学习，使参数效率与识别性能兼得，开辟视频理解新路径。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11053123
📖 第4篇
📌 TWFN：基于新型光纤传感器的心率变异性异常检测架构框架——赋能IoMT智能医疗系统
TWFN: An Architectural Framework for IoMT-Enabled Smart Healthcare System by Functional Heart Rate Variability Anomaly Detection Based on a Novel Optical Fiber Sensor
作者：Qing Wang，Ke Li，Xiuyuan Wang，Xiang Wang，Jing Qin，Changyuan Yu
在医疗物联网（IoMT）背景下，心率变异性（HRV）作为评估自主神经系统功能关键指标，对心血管监测和早期诊断至关重要。针对传统HRV监测的舒适度差及难实时检测缺陷，本文提出基于光纤干涉仪的新型光纤传感器系统，并构建深度学习架构TWFN。
新型传感器采用3×3耦合器解调技术，利用光束干涉精准捕捉HRV微小变化，具备高灵敏度和抗电磁干扰优势。TWFN架构包括两个核心模块：ADSN模块结合外部知识图模型提取HRV时空特征，有效解决先验知识缺失引发的过拟合；VS-GAN模块引入无监督学习，利用Wasserstein距离和循环一致性损失函数，缓解生成器模式崩溃。
采用600名受试者睡眠期间HRV数据，所有数据均经心脏病专家标注。TWFN在准确率、精确率、召回率及F1分数上均显著优于传统支持向量机（0.95）和K近邻迁移学习（0.94），F1达1.00。此外，在不同节点故障率条件下保持高正确检测率(CDR)，展现良好鲁棒性。研究成果支持长期无感HRV监测与远程医疗数据分析，推动智能医疗模式转型。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11076160
📖 第5篇
📌 基于云边协同的自校正引导广义对比学习框架在小样本光伏故障诊断中的应用
Self-Correcting-Guided Generalized Contrastive Learning Framework for Small-Sample PV Fault Diagnosis With Cloud-Edge Collaboration
作者：Qi Liu，Bo Yang，Mingxuan Cai，Yuxiang Liu，Kai Ma，Xinping Guan
针对光伏系统运行初期小样本数量有限且类型不完整导致诊断精度和泛化能力不足，提出基于云边协同的自校正引导广义对比学习框架，提高早期故障诊断性能。系统通过三个核心组件耦合实现准确性、泛化性和资源利用率的提升。
创新点包括：基于光伏I-V曲线机理知识的端到端条件自校正模型，将原始样本映射至标准状态，拓宽模型适用工况。结合自校正和对比学习增强泛化能力，设计基于相似性度量的快速类型筛选方法，节省样本收集成本。
提出基于定义相似性度量的快速故障过滤机制，准确识别并上传故障样本至云端推理，减少计算传输开销。云边协同中边缘端负责预处理、校正及过滤，云端承担模型训练和推理。验证表明，方法适用10°C至70°C、50W/m²至1000W/m²大范围工况，三种故障类型准确率和泛化能力显著提升，具备良好工程应用价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11046347
📖 第6篇
📌 自注意力滑动窗口增强典型相关分析在动态工业过程早期故障检测中的应用
Self-Attention Sliding Window Enhanced Canonical Correlation Analysis for Incipient Fault Detection in Dynamic Industrial Processes
作者：Anjie Wang，Guang Wang，Jianfang Jiao，Shen Yin
面对现代工业过程自动化带来的系统故障风险，提出了基于自注意力滑动窗口增强典型相关分析(SaECCA)的早期故障检测方法。该方法借助深度神经网络(DNN)自注意力机制放大早期故障信息。同时设定基于残差估计的非线性典型相关分析鲁棒优化目标，构建了具收敛性和可检测性的故障检测框架。
方法创新地将最大相关性转化为最小残差，提升对系统工况变化的鲁棒性。利用选择性核卷积(SKConv)网络进行稳定的多尺度核表示。引入自注意力滑动窗口机制动态学习时间相关性，解决传统移动平均静态加权的不足。
理论分析显示，SaECCA以O(1/K)收敛率且最优解唯一。实验涵盖三水箱模拟和多相流工业过程，相较ICA-KLD、CVRSA等多种方法，实现更高故障检测率和更低误报率。该研究为DNN辅助CCA提供创新优化方案，具备广泛工业应用潜力。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11045547
📖 第7篇
📌 面向工业场景裂缝分割的自适应傅里叶增强框架
Self-Adaptive Fourier Augmentation Framework for Crack Segmentation in Industrial Scenarios
作者：Zhuangzhuang Chen，Tao Hu，Chengqi Xu，Jie Chen，Houbing Herbert Song，Li Wang，Jianqiang Li
针对桥梁、高速公路及核电站等工业结构健康监测中，收集大量精确裂缝标注样本成本高昂的问题，提出了基于自适应傅里叶增强的裂缝分割框架（SaFA）。通过交替进行自适应傅里叶数据增强与师生学习的对抗学习方式，合成多样化高质量裂缝样本以加强模型训练。
框架核心在于训练回归器估计最佳插值参数，确保增强样本具备语义一致性与足够多样性。师生网络通过知识蒸馏传递判别特征，且该方法仅应用于训练阶段，无推理开销。
实验涵盖道路和两个人工裂缝数据集，优于多种主流裂缝分割模型及八种增强方法。尤其在资源受限边缘设备测试中，相较GAN方法表现出更低内存占用和训练时间，更适合工业边缘应用。该研究为降低标注成本、提升工业裂缝检测泛化能力提供了有效方案。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11046349
📖 第8篇
📌 基于改进Pix2PixHD图像修复的秒级光伏功率预测
Second-Level Photovoltaic Power Forecasting Based on Improved Pix2PixHD Image Restoration
作者：Xiangjian Meng，Xinyu Shi，Yanzheng Zhu，Feng Gao，Chenghui Zhang
光伏发电波动性对电网调度构成严峻挑战，主要源于云层遮挡引发的地面辐照度突变。本文提出基于改进Pix2PixHD图像修复算法的秒级光伏功率预测方法，解决传统模型分钟级时间分辨率限制。
创新提出虚拟云图像概念，通过逆变器实时数据构建能准确描述云层形态运动的图像。基于牛顿-拉夫逊法建立光伏电站模型，分析功率与辐照度映射。首次将Pix2PixHD生成对抗网络应用于图像修复，结合Canny边缘检测多尺度判别器提升图像质量。
理论分析并验证了光伏功率与虚拟云图像像素值的线性关系，可直接读取像素估计输出功率。实验显示，在高度随机云条件下，实现精准秒级时间分辨率，平均预测精度达94.47%。该方法仅依赖逆变器实时数据，具备重要应用价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11078368
📖 第9篇
📌 基于毫米波雷达的室内非视距/视距环境无缝被动追踪
Seamless Passive Tracking Based on mmWave Radar in Indoor NLOS/LOS Environments
作者：Zan Li，Xiao Xia，Zishen Chen，Anqi Bi
针对室内定位受全球导航卫星系统信号衰减限制，提出基于毫米波雷达的全场景自适应定位系统，可在视距(LOS)与非视距(NLOS)环境下无缝跟踪。系统核心包括设计点云反射场景神经网络，实现稀疏毫米波点云几何特征准确分类，分类准确率达97%。
开发自适应定位算法，利用卡尔曼滤波实现实时跟踪与运动轨迹平滑，构建整体集成框架保障定位完整性。相比光学摄像头和激光雷达，毫米波雷达具有更强穿透性和环境适应性。
系统包含点云预处理、多目标聚类、基于专门设计的PRSNet分类网络识别反射类型，自适应策略动态选择最优定位方案。实验验证在混合LOS/NLOS环境中实现了5厘米平均定位误差，并展示优异多目标区分性能。该技术适用于救援、环境监测和安全监控等复杂场景。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11082489
📖 第10篇
📌 面向印刷电路板组件定位的鲁棒自动视觉引导框架
Robust and Automatic Visual Guidance Framework for Component Localization on Printed Circuit Boards
作者：Yali Zheng，Zhiming Chen，Lixun Wu，Libing Bai，Yaoyu Ding
印刷电路板(PCB)制造与维护过程中，密集组件精准定位挑战突出。传统视觉引导依赖手动对应点配准，效率低且易错。本文提出创新的三阶段视觉引导框架，采用图技术提升组件定位的准确性和效率。
引入基于图神经网络（GNN）的电子组件检测方法，在公开FICS-PCB数据集训练，处理从0.3mm电容到4cm集成电路尺寸差异及类间小、类内大变异难题。配准阶段建模为马尔可夫链，并设计快速多子图匹配算法，大幅降低计算复杂度。
采用随机样本一致性(RanSaC)算法剔除异常值，计算几何关系实现精准定位。框架具备显著容错能力，有效应对光照和相机角度差异。实验使用手机及线扫描相机图像，结果优于先进方法，满足效率与空间利用需求。为PCB制造维护提供高效准确的组件定位新方案。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11054069
点击关注 获取更多精彩