FADE特征提取器

以高斯噪声注入与特征判别器强化预训练模型对工业缺陷图像的表示能力，无需标注样本即可实现缺陷检测。

王金海 · Junwei, Xue · Hongyan, Zhang · Hui, Xiao · 韦慧玲 · 陈民铀 · Jiang, Liao · 罗陆锋

Computers, Materials and Continua 2025

参数信息

图像级AUROC提升

7.34 %

图像级AUROC提升

2.34 %

技术优势

无需标注即可检测缺陷

通过高斯噪声注入模拟缺陷模式，并结合特征判别器，在无标注数据上实现缺陷检测。

提升预训练模型适应性

通过领域特定嵌入增强预训练模型的工业图像表示能力，平均 AUROC 提升 7.34%。

缓解数据异构影响

多模型特征知识蒸馏引导本地模型学习全局模型的更好表示，防止收敛到局部最优，并优于 FedAvg 2.34%。

应用场景

• 工业质检：在无标注的工业图像上自动发现产品缺陷，替代人工目检。
• 制造业缺陷检测：增强预训练模型对制造缺陷的识别能力，提升检测精度。
• 智能制造视觉：为智能制造视觉系统提供无需标注数据的缺陷检测模块。
• 柔性检测系统：其无监督和多模型协同特性使检测系统能灵活适应不同产线。