基于MODE算法的智能检修图像模型分析

来源：计算机测量与控制杂志2026年第7期北京时间：

作者：马志强,曹玉平,刘建波,胡伟,张立杰,王长周

摘要：针对工业智能检修中复杂工况下图像噪声污染、缺陷特征弱区分度等问题，本研究提出基于多目标差分进化算法（Multi-Objective Differential Evolution Algorithm，MODE）的智能检修图像模型。通过灰度共生矩阵（Gray-Level Co-Occurrence Matrix，GLCM）与局部二值模式（Local Binary Pattern，LBP）的多特征融合提取宏观至微观缺陷表征，利用多目标差分进化算法（Multi-Objective Differential Evolution Algorithm，MODE）协同优化卷积神经网络（Convolutional Neural Network，CNN）参数以平衡模型精度与复杂度，并结合多尺度特征网络和物理模型驱动的噪声抑制策略提升工业场景适应性。实验表明，该模型在裂纹分类准确率达 91.7%，抗高斯噪声、运动模糊等干扰能力较传统方法提升 16.6%-22.9%，端到端检测延迟 153.3 毫秒，为工业设备实时智能检修提供了高效解决方案。

关键词：智能检修;多目标差分进化算法;特征融合;CNN 优化;鲁棒性设计