11:09arXiv cs.LG@Antonio Peña Corredor, Julien Lesseur, Romain Nunez, Paul Rivalland, Thomas Philippe精选航空SiC/SiC复合材料的X射线CT无损检测依赖专家目视评估,缺乏可追溯性。研究团队提出p-ResNet-50,在卷积网络中引入原型层,将高检测精度与基于案例的解释结合。六个学习原型与专家定义的语义类别(健康基体、基体-空气界面、孔隙、线状缺陷、混合形态)对齐,每个分类都可追溯到物理有意义的参考。通过锚点和中心点正则化项防止原型坍缩,UMAP潜空间分析明确标出模型可靠与不可靠区域。在约12000个补丁的数据集上,p-ResNet-50达到与黑盒ResNet-50相当的精度(0.957 vs 0.959),同时提供可追溯决策和不确定性标记。论文可解释AI缺陷检测X射线CT原型网络SiC/SiC复合材料推荐理由:做工业无损检测或AI可解释性研究的团队会感兴趣——p-ResNet-50在保持高精度的同时让黑盒模型变得可审计,航空质检场景可以直接参考其原型对齐方法。原文