基于对比学习与去噪扩散模型的薄膜表面瑕疵图像分类

来源：计算机工程与应用杂志2025年第21期北京时间：

作者：邓皓文, 王恒升

单位：1.中南大学 机电工程学院，长沙 410083；2.中南大学 高性能复杂制造国家重点实验室，长沙 410083

摘要：薄膜材料在生产过程中会出现多种类别的表面瑕疵，薄膜表面瑕疵具有类间差异小、图像数据集不平衡的特点，导致分类性能差。针对上述问题提出了基于对比学习与去噪扩散模型的分类方法。在图像类别数据集上训练去噪扩散模型，得到去噪扩散模型中的噪声预测网络的中间编码输出，即噪声特征；并行地，使用卷积神经网络提取图像特征，并与噪声特征进行融合，得到图像在特征空间中的表达，称为图像的融合特征。使用标签嵌入对比学习方法，将图像类别标签映射到特征空间中作为原型特征，计算融合特征与原型特征之间的对比损失，优化不同类别图像的原型特征在特征空间中的分布，最终得到类别间的特征差异。在锂电池铝塑膜表面瑕疵数据集上进行实验，获得了96.97%的最佳准确率，优于目前的主流方法。

关键词：对比学习,度量学习,去噪扩散模型,图像分类,特征融合