调查潜空间对于涂料缺陷分类的潜力
Doaa Almhaithawi1, Alessandro Bellini2, Georgios C Chasparis3
1Department of Control and Computer Engineering, Politecnico di Torino, 10129 Torino, Italy.
Journal of imaging
|February 25, 2025
概括
本研究引入了一种使用隐藏空间表示的新缺陷检测框架. 它提高了可解释性和准确性,通过识别已知的和未知的缺陷来帮助制造过程中的人类操作员.
科学领域:
- 制造业和工业工程 制造业和工业工程
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 缺陷检测在制造业,织业和表面检查等行业中至关重要.
- 现有的方法有助于人类操作员,但面临着独特的应用特定要求的挑战.
- 视觉疲劳和决策支持是手动检查过程中的关键问题.
研究的目的:
- 通过使用隐性空间表示来呈现一种用于缺陷检测的新框架.
- 提高自动缺陷检测系统的可解释性和准确性.
- 开发一种混合方法,能够识别已知的缺陷并检测新的异常.
主要方法:
- 利用隐藏空间表示来进行缺陷分析.
- 整合无监督和监督的学习方法.
- 开发用于缺陷识别和异常检测的混合方法.
主要成果:
- 拟议的框架提高了缺陷检测任务的可解释性.
- 混合方法在识别已知缺陷的同时保持高准确度.
- 该系统展示了检测异常并适应新缺陷类型的机制.
结论:
- 隐藏空间表示为高级缺陷检测提供了强大的工具.
- 混合无监督监督方法改善了缺陷识别和异常检测能力.
- 该框架通过减少工作量和提高制造缺陷分析的解释性来支持人类操作员.


