无监督异常检测在工业质检中的实验进展

工业视觉质检长期受制于缺陷样本稀缺：不良率低、缺陷形态多变，监督模型容易只认识“已见缺陷”，对新类型漏检。近期实验室围绕“仅用正常样本建模”的无监督异常检测路线开展了对比实验，核心思路是将偏离正常分布的区域判定为疑似缺陷。实验基于公开的MVTec AD数据集与一组金属件表面实测图像，对比了特征记忆库方法与重建式方法，初步结果如下：

• 特征记忆库方法在纹理类缺陷上图像级AUROC达到0.97以上，像素级定位偏差约3~5像素，可满足产线初筛需求；

• 针对现场光照轻微漂移导致的误报，加入光照归一化预处理后，实测图像误报率由8.2%降至3.5%。

下一步计划将该框架接入产线相机做在线验证，重点评估节拍约束下的单帧推理耗时与换型后的重新建模成本，并尝试与现有监督模型级联：无监督模型负责广谱初筛，监督模型负责缺陷细分类。我们的初步判断是，该路线适合作为缺陷样本积累不足场景的补充方案；在已有充足缺陷样本的前提下，监督检测仍是更稳妥的选择。