双模深度异常检测在医疗制造中的应用：结构相似性和特征距离

于红博

摘要: 医疗器械制造中的自动化视觉检测面临着独特的挑战，包括小型和不平衡的数据集、高分辨率图像和严格的监管要求。为了解决这些问题，我们提出了两种基于注意力引导的深度异常检测自动编码器架构。第一种采用基于结构相似性的评分方法，可以实现轻量级、实时的缺陷检测，通过无监督阈值设定进一步增强，并且可以通过有限的监督调整进行进一步优化。第二种应用基于特征距离的策略，利用减少的潜在特征上的马哈拉诺比斯评分，旨在监测分布偏移并支持监督监督。代表性无菌包装数据集的评估结果表明，在受硬件限制和监管条件限制的情况下，这两种方法都优于基线。在MVTec-Zipper基准测试中进行的跨领域测试进一步表明，基于结构相似性的方法具有有效的泛化能力，并且在性能上达到了与最先进方法相媲美的水平，而基于特征距离的方法在泛化能力方面较差，但提供了补充的监控能力。这些结果突显了一种双路径检测策略：结构相似性用于强大的内联检测，特征距离用于监督监控。通过将运营性能与可解释性和生命周期监控相结合，所提出的方法也符合对高风险人工智能系统的新兴监管期望。

更新时间: 2025-09-18 12:46:38

领域: cs.CV,cs.AI

下载: http://arxiv.org/abs/2509.05796v2