面向工业质量控制的基于自监督迭代精化的异常检测方法

本研究介绍了迭代精化过程（IRP），一种专为高风险工业质量控制设计的鲁棒异常检测方法。IRP通过循环数据精化策略增强缺陷检测精度，迭代地移除误导性数据点以提升模型性能和鲁棒性。我们使用两个基准数据集Kolektor SDD2（KSDD2）和MVTec AD验证了IRP的有效性，这些数据集涵盖了广泛的工业产品和缺陷类型。我们的实验结果表明，IRP持续优于传统的异常检测模型，尤其是在高噪声环境中。本研究突显了IRP在工业环境中显著增强异常检测过程的潜力，有效应对了稀疏和噪声数据的挑战。