基于生成模型的无监督异常检测与缺陷定位在超声无损检测中的研究
计算机视觉与模式识别
2024-05-28 v1 机器学习
图像与视频处理
摘要
近年来，结构中人造材料的老化已成为一个严重的社会问题，增加了检测的重要性。无损检测因其能够在保持结构功能的同时检测缺陷和老化而需求日益增长。其中，激光超声可视化检测（LUVT）因其能够可视化超声波传播而脱颖而出。这使得检测缺陷在视觉上直观，从而提高了检测效率。随着老化结构数量的增加，无损检测中检测人员短缺和工作量增加等挑战变得更加明显。应对这些挑战的努力包括探索使用机器学习的自动化检测。然而，缺乏带有缺陷的异常数据对通过机器学习提高自动化检测的准确性构成了障碍。因此，在本研究中，我们提出了一种使用扩散模型的异常检测方法进行自动化LUVT检测的方法，该模型可以仅使用负样本（无缺陷数据）进行训练。我们通过实验证实，与以前使用的通用目标检测算法相比，我们提出的方法改进了缺陷检测和定位。
引用
@article{arxiv.2405.16580,
title = {A Study on Unsupervised Anomaly Detection and Defect Localization using Generative Model in Ultrasonic Non-Destructive Testing},
author = {Yusaku Ando and Miya Nakajima and Takahiro Saitoh and Tsuyoshi Kato},
journal= {arXiv preprint arXiv:2405.16580},
year = {2024}
}