小样本缺陷检测：自监督异常定位方法实验

工业缺陷检测长期面临一个现实约束：缺陷样本稀缺、形态持续变化，有监督模型在换型后往往需要重新采集与标注。本实验室近期围绕这一痛点，在金属冲压件与注塑外观件两类数据集上，开展了自监督异常定位方法的对比实验。方法上，以正常样本训练重建网络与特征记忆库，推理时通过重建误差与特征距离定位异常区域，无需缺陷标注即可完成冷启动。阶段性结果如下：

• 在划痕、压伤两类缺陷上，像素级定位AUROC达到0.91；在缺陷样本少于50张的条件下，漏检率较有监督基线低约12%；
• 换型场景中，仅用200张新正常样本更新记忆库，适配时间由传统重训练的约2天缩短至3小时以内。

下一步计划：将该方法与现有产线视觉检测系统集成，验证节拍约束下的边缘端推理时延；同时探索与少量真实缺陷样本的半监督融合，提升对轻微缺陷的敏感度。相关结论将持续在真实产线数据上验证，避免实验室指标与现场表现出现偏差。