基于重建式模糊 U-Net-ViT 的表面缺陷检测
计算机视觉与模式识别
2025-09-03 v1
摘要
本文提出一种新方法，提高基于纹理的表面缺陷检测准确性和可靠性，结合 Gabor 滤波器和模糊 U-Net-ViT 模型。通过将 U-Net 的局部特征训练与 Vision Transformer（ViT）的全局处理相结合，该模型有效检测各种纹理上的缺陷。采用高斯滤波器-based loss 函数消除背景噪声并突出显示缺陷模式，而在训练过程中使用的盐 pepper（SP）掩码强化纹理-缺陷边界，确保在噪声环境下的稳健性能。Gabor 滤波器在后处理中应用，以强调缺陷的方向和频率特征。包括滤波器大小、sigma、波长、gamma 和方向在内的参数优化，最大化了在 MVTec-AD、Surface Crack Detection 和 Marble Surface Anomaly Dataset 等数据集上的性能，平均实现曲线下面积（AUC）为 0.939。消融研究验证，最佳滤波器大小和噪声概率显著提升了缺陷检测性能。
引用
@article{arxiv.2509.00827,
title = {Surface Defect Detection with Gabor Filter Using Reconstruction-Based Blurring U-Net-ViT},
author = {Jongwook Si and Sungyoung Kim},
journal= {arXiv preprint arXiv:2509.00827},
year = {2025}
}