自适应特征融合的记忆匹配工业缺陷检测算法

来源：计算机工程与应用杂志2026年第10期北京时间：

作者：杜利明, 张明亮, 王凤英, 李君科

单位：1.沈阳建筑大学 计算机科学与工程学院，沈阳 110168；2.宿迁学院 信息工程学院，江苏 宿迁 223800；

摘要：工业缺陷检测是提升生产质量和效率的关键环节。然而，现有方法往往难以兼顾检测精度与推理速度，尤其是在缺陷样本稀缺的情况下，这一问题更加突出。此外，缺陷通常表现为细微且外观各异，不仅容易出现漏检和误检，而且难以准确定位缺陷区域。为解决上述问题，提出了自适应特征融合的记忆匹配工业缺陷检测算法（AFFMM-IDD）。设计了增强型图像级缺陷模拟策略，通过生成多种保留正常图像结构特征的未知缺陷，辅助算法区分正常模式与异常模式，增强算法的缺陷检测能力；构建了自适应层级记忆库架构，将多尺度特征分层嵌入网格记忆库中，从而消除冗余计算，同时通过设计自适应核心集采样有效提升了推理速度；提出了多尺度特征融合与缺陷定位优化机制，充分利用多尺度缺陷特征与记忆中正常模式的差异，提高了对各类缺陷的检测与定位精度。在工业数据集MVTec AD上进行实验，AFFMM-IDD算法的I-AUROC和AUCPRO分别达到99.3%和97.3%，且在其他数据集上也表现出显著提升，进一步验证了该算法具有良好的泛化能力。算法在RTX 4060 GPU上推理速度高达89?FPS，满足工业应用实时性要求。

关键词：工业缺陷检测,缺陷模拟,记忆库,特征融合

基金资助：国家自然科学基金（62262055）；江苏省产学研合作项目（BY20231236，BY20231232）；宿迁市科技计划指导性项目（Z2023138）；宿迁学院联培研究生创新基金（2024LPCX03）。