現行の工業異常検知アルゴリズムが小さな欠陥検出の精度が低く、多尺度特徴抽出能力が弱く、異常領域の分割精度が低い問題に対して、高周波残差誘導と多尺度注意特徴融合を組み合わせた工業異常検知ネットワークを提案する。まず、従来の全周波数処理による高周波ディテールの損失問題に対して、周波数領域分離戦略を設計し、ガウシアンカーネルフィルタを用いて高周波残差特徴を抽出し、微小異常検出能力を強化する。次に、一般的な畳み込みネットワークが複雑なテクスチャの表現能力に不足し、異常と背景の識別度が低い問題に対して、識別ネットワークのエンコーダ段階に全局強化された多尺度注意モジュールGEMAを埋め込み、並列二重経路で水平方向と垂直方向の多尺度局所情報を捉え、異なる空間位置の顕著特徴を強化し、複雑なテクスチャ背景下での特徴識別性を向上させる。最後に、識別ネットワークのデコーダ段階に座標注意モジュールCoordAttを統合し、座標軸を分解して特徴重みを動的に調整し、異常領域の正確な空間位置特定を実現する。実験により、公開MVTec ADデータセット上で改良モデルの画像レベル平均AUROCは98.6%、ピクセルレベルの平均AUROCとAPはそれぞれ97.6%と73.2%を達成し、工業異常検知の効果を大幅に向上させたことが示された。

工業異常検知;高周波成分誘導;多尺度空間認知;注意機構