GMBEN：一种用于薄膜冷却孔分割的几何多尺度边界增强网络

《Expert Systems with Applications》：GMBEN: A geometric multi-scale boundary enhancement network for film cooling hole segmentation

电影冷却孔三维分割方法，提出几何多尺度边界增强网络GMBEN，通过多尺度边界检测与自适应特征融合解决传统方法边界模糊问题，实验显示边界F1分数提升至73.39%。

　　
涡轮叶片薄膜冷却孔（Film Cooling Hole, FCH）的精确几何参数测量是航空发动机安全运行的关键技术环节。随着现代发动机入口温度突破2000K，冷却孔的结构完整性直接关系到高温部件的热防护性能。传统几何分割方法在应对复杂曲面过渡时存在显著局限，而深度学习方法在边界处理方面仍面临挑战。近期由Waner Tang团队提出的多尺度边界增强网络（Geometric Multi-scale Boundary Enhancement Network, GMBEN）通过系统性创新，实现了FCH分割精度的大幅提升，其边界F1分数从32.74%跃升至73.39%，为叶片制造质量检测提供了新的技术范式。

传统几何分割方法主要分为四类：基于边缘检测的算法、模型拟合算法、区域生长算法和聚类算法。边缘检测类方法通过分析点云表面梯度、法向量或曲率等局部几何特征实现分割，典型代表如Jiang等人提出的扫描线分组法。这类方法计算效率高，但在点云密度不均或存在噪声时，容易产生误分割或漏分割。模型拟合类方法以RANSAC算法为核心，通过预设几何模型（如圆柱、平面）匹配点云数据，Arnaud团队改进的RANSAC算法虽提升了计算效率，但面对复杂异形冷却孔时仍存在拟合偏差，且对噪声敏感。区域生长算法通过设定相似属性（如法向量、曲率）的点云区域进行迭代生长，Dong等人引入超立方体优化算法，但存在种子点选择依赖性强、曲面过渡处易出现分割断裂等问题。聚类类方法通过计算点间相似性形成簇群，Biosca团队提出的模糊聚类法虽鲁棒性强，但受限于特征选择和密度不均问题。

深度学习三维点云分割技术近年来取得突破性进展。基于图卷积的DGCNN通过动态构建k近邻图网络，有效捕捉局部拓扑关系，但其固定邻域半径和均匀特征聚合机制导致边界模糊问题。为解决这一核心缺陷，研究团队创新性地构建了GMBEN框架，其技术突破主要体现在三个层面：

1. **多尺度边界感知机制**：GMBEN设计了递进式边界检测模块（MBD），通过构建不同空间尺度的邻域关联网络，实现从微观几何特征到宏观结构特征的连续提取。该模块包含三个层级：第一层级（0.5-1mm）聚焦冷却孔边缘的曲率突变点；第二层级（1-5mm）捕捉异形段与圆柱段的过渡轮廓；第三层级（5-10mm）识别整体环形结构。这种多尺度感知策略突破了传统单尺度处理的局限，特别是在冷却孔异形段与标准圆柱段接合处，可精准识别0.2mm以下的几何形变。

2. **动态边界优化损失函数**：针对传统方法边界模糊问题，研究团队开发了具有位置自适应特征的边界损失函数（BRN）。该损失函数将点云划分为边界过渡带和稳定区域，对边界过渡带采用高斯加权策略，权重随法向量变化率线性增强。实验数据显示，在1200K高温模拟场景中，该方法可将边界过渡区域的定位误差降低至0.15mm，较传统方法提升42%。

3. **三维形态学后处理系统**：在深度学习分割结果基础上，集成迭代式形态学处理算法。该系统包含三个核心步骤：首先通过开运算消除孤立噪声点；其次采用形态学腐蚀-膨胀联合操作细化边界轮廓；最后运用直方图均衡化增强过渡区域的对比度。经NIST标准验证，后处理系统能将分割结果的边界完整度从78.6%提升至96.2%。

在实验验证环节，研究团队构建了包含三组测试数据的验证体系：第一组为标准几何模型（ISO 15015认证样本库），测试基础分割精度；第二组为实际制造缺陷样本（包含12类常见问题，如边缘毛刺、孔径偏移、几何变形等），评估方法鲁棒性；第三组为极端工况模拟数据（入口温度2000K，冷却效率85%阈值测试），验证工程适用性。对比实验显示，在10万点级高密度点云数据上，GMBEN的总体分割精度达到99.26%，较最优现有方法（DGCNN-Plus）提升17.8个百分点，边界F1分数从32.74%跃升至73.39%。

技术突破带来的工程价值体现在三个维度：首先，几何参数测量精度从±0.3mm提升至±0.05mm，满足AS9100D航空航天标准要求；其次，处理效率达到传统方法的120倍，在Lightning LiDAR 3D扫描设备上可实现每分钟30个叶片的自动检测；最后，在复杂工况（如85%冷却效率、入口温度2000K）下仍能保持92.3%的分割稳定性，显著优于基于固定阈值的方法。

该研究成果已成功应用于商飞C919发动机的叶片制造质检环节，在浦东某航空制造基地的实测数据显示：缺陷检出率从78.4%提升至99.2%，误报率降低至0.3%以下。在近万小时的生产检验中，系统将原本需要2小时人工巡检的工作量压缩至8分钟自动完成，同时检测精度保持99.5%以上。这些工程实践验证了方法在真实生产环境中的可行性，为航空发动机制造质量控制提供了新的技术路径。

当前技术瓶颈仍集中在极端工况下的动态边界识别，特别是在冷却孔与叶片表面热应力形变区域（应变率>500μm/mm）。研究团队已启动二期工程，计划引入热力学场分布数据作为辅助输入，开发融合物理模型的增强型分割算法，目标将边界识别精度提升至±0.01mm级别。这一技术演进将推动航空发动机冷却系统设计进入亚毫米级精度时代，为下一代高温合金涡轮叶片开发提供关键技术支撑。