基于特征重构的工业图像无监督异常检测

来源：电子测量技术杂志2025年第22期北京时间：

作者：陆畅，李文举，王旭彬，杨康

单位：上海应用技术大学智能技术学部 上海 201418

摘要：异常检测是现代工业制造中的一项重要任务，由于异常样本的稀缺性，仅需正常样本训练的无监督检测引起了广泛关注，其中，重构式检测因其简洁、通用的框架得到普遍应用。然而，现有算法多基于图像进行重构，异常和正常区域之间的区分度不够，同时，由于工业图像中异常位置、大小的未知性强，现有算法无法很好的捕获样本的整体结构特征。针对以上问题，本文提出了一种基于特征重构的工业图像异常检测算法。首先，利用预训练模型提取多尺度特征来作为重构对象，避免了像素空间重构对异常鉴别力不够的状况；其次，设计了一种全局特征提取模块来增强重构模型对全局特征的感知能力；最后，设计一种特征重组策略来联合训练重构模型，以进一步增强模型对样本整体结构的理解，从而提升重构的效果。在MVTec-AD上进行的大量实验表明，所提算法在样本级异常检测上实现了98.7%的AUROC分数，在像素级异常定位上实现了98.3%的AUROC分数，均达到了最先进的性能。

关键词：异常检测;无监督学习;特征重构;自监督学习

基金资助：国家自然科学基金(52408343)项目资助