CXR-AD：面向工业异常检测的数据集
计算机视觉与模式识别
2025-05-07 v1
摘要
内部缺陷检测是确保组件质量的关键过程，异常检测是有效的解决方案。然而，现有异常检测数据集主要聚焦于可见光图像中的表面缺陷，缺乏针对组件内部缺陷的 X-ray 数据集。为填补这一空白，我们构建了第一个公开可访问的组件 X-ray 异常检测（CXR-AD）数据集，包含真实世界的 Xray 图像。该数据集覆盖五个工业组件类别，包括 653 个正常样本和 561 个带精确像素级掩码注释的缺陷样本。我们系统分析了数据集特征，识别出三个主要技术挑战：（1）复杂内部结构与缺陷区域的强耦合；（2）X射线成像中固有的低对比度和高噪声干扰；（3）缺陷尺度和形貌的显著变化。为评估数据集复杂度，我们对三个最先进的异常检测框架（基于特征、基于重建和基于零样本学习方法）进行基准测试。实验结果表明，CXR-AD 上的平均性能比 MVTec AD 降低了 29.78%，凸显了当前算法在处理内部缺陷检测任务方面的局限性。据我们所知，CXR-AD 是第一个公开可访问的用于组件异常检测的 Xray 数据集，为推动算法发展和提高内部缺陷检查技术的精度提供了真实的工业基准。
引用
@article{arxiv.2505.03412,
title = {CXR-AD: Component X-ray Image Dataset for Industrial Anomaly Detection},
author = {Haoyu Bai and Jie Wang and Gaomin Li and Xuan Li and Xiaohu Zhang and Xia Yang},
journal= {arXiv preprint arXiv:2505.03412},
year = {2025}
}