面向组件的异常检测框架在可调和逻辑工业视觉检测中的应用

工业视觉检测旨在在制造过程中检测产品表面的缺陷。尽管现有的异常检测模型在许多公开基准测试中表现出色，但其调整能力有限且难以检测逻辑异常，这限制了它们在实际应用中的广泛使用。为此，本文提出了一种新的组件感知异常检测框架（ComAD），该框架能够在工业场景中同时实现可调性和逻辑异常检测。具体而言，我们提出了一种基于轻量级且几乎无需训练的无监督语义分割模型的方法，将图像分割为多个组件。然后，通过建模每个组件的计量特征及其相互关系，设计了一个可解释的逻辑异常检测模型。尽管我们的框架简单，但在图像级别的逻辑异常检测方面达到了最先进的性能。同时，将产品图像分割为多个组件为工业视觉检测提供了一种新的视角，展示了在模型定制、抗噪能力和异常分类方面的巨大潜力。代码将在 https://github.com/liutongkun/ComAD 上提供。