山东大学学报(工学版)

作者：周群颖,隋家成,张继,王洪元

单位：常州大学计算机与人工智能学院, 江苏 常州 213164

关键词：工业品表面缺陷检测,深度学习,知识蒸馏,自监督预测,注意力机制,

基金：江苏省研究生科研创新资助项目(KYCX22_3061)

目前,基于深度学习的工业品表面缺陷检测存在着负样本数据集少、样本易受复杂工业环境影响无法提取有效特征、标注数据集需要耗费大量人工成本的问题。为解决上述问题,本研究提出一个基于知识蒸馏的工业品表面缺陷检测模型,并在此模型中加入自监督预测卷积模块和无参数注意力机制。该模型将教师网络所学习到的丰富特征知识传递给学生网络,有效提高模型特征表达能力并对缺陷进行像素级定位。该模型在 MVTec-AD数据集进行试验,并与各类试验方法的结果进行对比,检测指标和定位指标在不同模型曲线下面积AROC上有所提升,证明该方法可以有效提高模型的检测和定位能力。

来源：2025年第4期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2025年第4期