多传感器目标异常检测：统一外观、几何与内部属性
计算机视觉与模式识别
2024-12-20 v1 机器学习
摘要
目标异常检测是工业质量检测的必需品，但传统的单传感器方法面临严重局限。它们无法捕捉异常类型的广泛范围，因为单个传感器常常仅限于外部外观、几何结构或内部属性中的一种。为克服这些挑战，我们引入MulSen-AD，这是第一个面向工业应用的高分辨率多传感器异常检测数据集。MulSen-AD统一来自RGB摄像机、激光扫描仪和锁定红外热成像的数据，有效捕捉外部外观、几何变形和内部缺陷。该数据集涵盖15种工业产品，包含多样化且真实的异常。我们还推出MulSen-AD基准，用于评估多传感器方法，提出MulSen-TripleAD，一种在决策级别集成三种模态的异常检测算法，实现对不确定性目标异常检测。我们的实验表明，多传感器融合显著优于单传感器方法，在目标级检测准确率达到96.1% AUROC。这些结果凸显了在综合性工业异常检测中集成多传感器数据的重要性。
引用
@article{arxiv.2412.14592,
title = {Multi-Sensor Object Anomaly Detection: Unifying Appearance, Geometry, and Internal Properties},
author = {Wenqiao Li and Bozhong Zheng and Xiaohao Xu and Jinye Gan and Fading Lu and Xiang Li and Na Ni and Zheng Tian and Xiaonan Huang and Shenghua Gao and Yingna Wu},
journal= {arXiv preprint arXiv:2412.14592},
year = {2024}
}