工业异常检测技术突破与奖项荣誉

工业异常检测技术突破：从冷启动到高精度识别

图宾根大学博士生Karsten Roth因其在某中心科学实习期间完成的"实现工业异常检测完全召回"研究，荣获EMVA青年专业奖。该奖项于5月13日在布鲁塞尔举行的第20届EMVA商业会议上颁发。

该研究针对异常检测中的冷启动问题展开探索。当企业只有正常产品图像可用时，传统的少样本学习方法面临严峻挑战。

“我们研究的问题是冷启动问题，即没有任何负面示例或缺陷可用，“项目负责人解释道。这一挑战还包括检测难以捕捉的缺陷（如细 scratches 或缺失部件）以及发现未预料到的异常。

研究团队通过利用正常物品图像找到了解决方案。“我们研究了许多变体，最佳方案是基于构建良好示例的图像库，然后测试与此库的接近程度。”

该方法基于深度学习架构原理，将图像转换为一系列向量，然后在多个阶段通过多种方式比较这些向量。通过将产品与正常示例进行比较，确定产品与理想状态的接近程度，即使没有实际缺陷示例也能标记出缺陷。

团队开发的PatchCore解决方案在广泛使用的MVTec AD基准测试中实现了高达99.6%的图像级异常检测（AUROC）分数，“与次优竞争者相比，错误率减少了一半以上。“该成果在CVPR 2022会议上展示。

“我们的研究受到真实和实际挑战的驱动，“Roth解释说，“我们开发的解决方案必须具有实用性，在关注’学术惊艳因素’之前，优先优化性能和可用性。”

研究过程中，代码质量和研究进展文档记录得到了显著改进，这使得整个研究实习经历成为宝贵的专业发展机会。

这项突破性技术不仅获得了行业认可，更为工业制造领域的质量检测提供了切实可行的解决方案。