融合扩散模型与知识蒸馏的无监督工业缺陷检测

来源：计算机工程与应用杂志2025年第23期北京时间：

作者：刘明明, 史伟峰, 范学慧, 张海燕

单位：1.江苏建筑职业技术学院 智能制造学院，江苏 徐州 221116；2.中国矿业大学 计算机科学与技术学院，江苏 徐州 221116

摘要：近年来，基于无监督学习的工业缺陷检测模型取得了显著的性能提升。然而，现有的缺陷合成策略依赖外部数据源，导致合成缺陷与真实缺陷存在较大差异，严重制约了模型的泛化性能。此外，现有的方法存在特征细节信息丢失问题，导致模型出现误检现象。为此，引入一种多源缺陷合成策略，协同利用扩散模型生成的图像和DTD数据集的图像合成更符合真实缺陷分布的缺陷样本。利用合成的缺陷样本微调教师网络对缺陷的表征能力，并引入异常屏蔽模块解决教师学生网络同构导致的过度泛化问题。构建细节修补模块，通过跨层级特征融合增强学生网络对教师特征的细节重建能力。在MVTec AD标准数据集上进行了定量和定性实验，与基准模型相比，取得了更优的图像级和像素级指标得分。

关键词：无监督学习,缺陷检测,扩散模型,反向蒸馏