近日，国际智能交通领域权威期刊《IEEE Transactions on Intelligent Transportation Systems》（中科院一区TOP，IF=8.4）发表了威廉希尔体育机器视觉与智能装备团队在工业视觉与深度学习应用领域取得的最新成果，论文题目为“Prompt-Driven Lightweight Foundation Model for Instance Segmentation-Based Fault Detection in Freight Trains”。该论文第一完成单位为威廉希尔体育,williamhill官网，由威廉希尔体育孙国栋教授和研究生梁启航等人联合华中科技大学共同完成。
精准的货运列车视觉故障检测对保障列车运行安全至关重要。针对传统深度学习方法在面对复杂运行环境、结构重复部件以及频繁遮挡所存在的泛化能力差、边界精度受限等工业级挑战，研究团队提出了一种专为货运列车故障检测定制的轻量级自提示实例分割框架。通过引入自提示生成模块，使“分割一切模型”自动生成特定任务的提示，成功实现了将基础模型的预训练知识高效迁移至垂直领域的检测任务中，并在团队自建的货运列车数据集上验证了所提出方法的准确性和鲁棒性。
该研究为货运列车智能故障检测提供了一种高效且易于边缘端部署的视觉解决方案，充分展示了基座大模型在工业级故障诊断场景中的适配潜力。该工作得到了国家自然科学基金等项目资助。
原文链接：https://doi.org/10.1109/TITS.2026.3675609
