基于泊松图像融合的自监督缺陷检测方法

提出一种基于泊松图像融合的自监督缺陷检测方法,采用泊松图像融合对无标注的正常样本进行数据增强,生成多样化的、更贴近实际的模拟缺陷样本,解决缺陷样本数量少且不易标注的问题.结合缺陷样本的特征提出一种CANet网络,引入卷积注意力模块对编码器—解码器结构进行优化,防止采样过程中的信息丢失,并在网络末端添加掩码卷积层以提高输入数据的重建精度.在MV Tec数据集上进行实验,总体检测AUROC达到96.1%;通过与三种典型检测方法的比较,证明所提方法的有效性且具备较好的泛化性,能满足工业生产中不同种类产品的表面缺陷检测要求.