工业缺陷检测无监督深度学习方法综述

来源：计算机应用杂志2025年第5期北京时间：

作者：王文鹏, 秦寅畅, 师文轩

单位：南开大学 软件学院，天津 300350

摘要：工业缺陷检测在保障产品质量、提高企业竞争力方面具有极其重要的作用。传统的缺陷检测方法依赖人工检查，成本高且效率低下，难以满足大规模的质量检验需求。近年来，基于视觉的工业缺陷检测技术取得了显著进步，已成为产品外观质量检验的一种高效解决方案。但在许多实际工业场景中，获取大量带有标签的数据非常困难，且对产品检测的人工成本和实时性均有所要求，因此，无监督学习逐渐成为研究的热点。针对该领域任务构建、现行技术、评估标准以及不同方法之间的共性和差异，对相关工作进行综述。首先，明确工业缺陷问题的定义，并从数据难点和任务挑战等多个角度分析该问题的难点；其次，重点介绍基于无监督深度学习的工业缺陷检测主流方法，并对它们进行详细的归纳与分析；再次，介绍常用的公开数据集与评价指标；最后，对工业缺陷检测领域将来的工作进行展望。

关键词：缺陷检测,异常检测,工业视觉,深度学习,无监督学习