無監督鋼表面缺陷識別的掩碼自編碼器方法
提出了一種基於Transformer掩碼自編碼器的無監督鋼表面缺陷識別方法。在預訓練中隨機掩碼75%的影像塊，輕量級解碼器從可見的25%重構掩碼區域，並聯合訓練輔助缺陷定位目標。解碼器達到SSIM 0.92、MSE 0.47，聚類後對六類缺陷的匈牙利匹配準確率達91.3%。
鋼鐵表面缺陷的自動視覺檢測是質量控制中的關鍵環節。然而，標註缺陷資料稀缺且獲取成本高昂，而無標籤的表面影像卻大量存在。這一矛盾促使研究人員探索無需類別標籤即可學習有用表徵的自監督方法。近日，一篇發表在arXiv上的論文提出了一種基於Transformer的掩碼自編碼器（Masked Autoencoder）方法，用於無監督學習鋼表面缺陷的表徵並進行聚類。
該方法的核心思想是：在預訓練階段，隨機掩碼75%的輸入影像補丁，然後使用一個輕量級解碼器從可見的25%補丁中重構被掩碼的區域。同時，編碼器聯合訓練一個輔助的缺陷定位目標，該目標僅作為訓練訊號，不作為檢測器進行評估。這種設計使得模型能夠學習到對缺陷敏感的特徵表示。實驗結果顯示，解碼器達到了0.92的結構相似性（SSIM）和0.47的均方誤差（MSE），表明重構質量較高。
在表徵學習完成後，研究人員從預訓練的編碼器中提取特徵，使用UMAP進行降維，然後透過凝聚層次聚類（Agglomerative Clustering）對缺陷進行分類。在六種已知缺陷類別的評估中，該方法達到了91.3%的匈牙利匹配準確率。這一結果展示了自監督學習在工業視覺檢測中的巨大潛力，為減少對人工標註的依賴提供了有效途徑。未來，該方法有望擴充套件到更多工業場景，實現更高效的質量控制。