布匹瑕疵AI视觉检测实验：无监督异常检测进展

布匹生产中瑕疵种类多、缺陷样本稀疏，传统监督检测依赖大量标注，冷启动成本高。实验室近期围绕无监督异常检测方法开展实验：仅用正常布匹图像构建特征记忆库，通过预训练骨干网络提取多尺度patch特征，推理时以最近邻距离判定异常区域，无需缺陷标注即可完成部署。
· 在自建3类坯布数据集（共4,200张图）上，图像级AUROC达96.4%，像素级AUROC为82.1%，单张推理约110ms（RTX 3060），初步满足在线验布节拍要求；
· 对破洞、断经、油污等训练阶段未见的缺陷类型仍保持90%以上检出率，验证了该方法对未知瑕疵的泛化能力。
下一步计划：针对布匹纹理的周期性形变引入配准对齐模块，降低正常纹理误报；同步测试TensorRT量化部署，目标将工控机端推理耗时压缩至80ms以内，为后续与验布机联动的产线中试做准备。