KairosAD：一种用于嵌入式设备工业异常检测的基于 SAM 的模型
计算机视觉与模式识别
2025-06-02 v1
摘要
在智能制造时代，异常检测已成为维持现代生产线质量控制的必要手段。然而，尽管许多现有模型表现出良好的性能，但它们通常体积过大、计算需求高，难以部署在可轻松安装于中小企业（SME）生产线的资源受限嵌入式设备上。为了弥合这一差距，我们提出了 KairosAD，这是一种新颖的有监督方法，利用 Mobile Segment Anything Model (MobileSAM) 的能力进行基于图像的异常检测。KairosAD 已在两个知名的工业异常检测数据集（即 MVTec-AD 和 ViSA）上进行了评估。结果表明，与领先的 SOTA 模型相比，KairosAD 所需参数减少 78%，推理时间快 4 倍，同时保持相当的 AUROC 性能。我们将 KairosAD 部署在两个嵌入式设备上：NVIDIA Jetson NX 和 NVIDIA Jetson AGX。最后，KairosAD 已成功安装并在维罗纳大学工业计算机工程实验室（ICE Lab）的真实生产线上进行了测试。代码可在 https://github.com/intelligolabs/KairosAD 获取。
引用
@article{arxiv.2505.24334,
title = {KairosAD: A SAM-Based Model for Industrial Anomaly Detection on Embedded Devices},
author = {Uzair Khan and Franco Fummi and Luigi Capogrosso},
journal= {arXiv preprint arXiv:2505.24334},
year = {2025}
}
备注
Accepted at the 23rd International Conference on Image Analysis and Processing (ICIAP 2025)