无监督异常检测在工业视觉质检中的实验探索

近期，计算机视觉实验室围绕无监督异常检测方法在工业视觉质检中的落地开展了阶段性实验。该方法仅使用正常样本构建特征记忆库，推理时通过特征距离比对定位异常区域，旨在缓解缺陷样本稀缺、缺陷形态难以穷举的行业痛点。

实验在公开数据集MVTec AD与某五金件表面图像上开展，采用PatchCore类方法，并结合产线光照与分辨率特点进行特征层适配：
· 在MVTec AD的15类物体上，像素级异常定位AUROC均值达98.1%，单帧推理约45毫秒（RTX 3060），可满足多数静态工位的节拍要求；
· 在真实产线数据上，光照漂移与镜头污染使误报率上升约3个百分点，表明域偏移仍是该方法落地的主要瓶颈。

下一步计划：在输入端引入图像质量自评估模块，自动剔除模糊与曝光异常帧；同时探索记忆库在线更新机制，以应对小批量换型场景下的误报回升。实验室将持续以公开基准与真实产线数据双重验证的方式推进该方法，避免以单点指标误导工程选型。