Diante dos problemas dos algoritmos atuais de detecção de anomalias industriais, como baixa precisão na detecção de defeitos de pequeno porte, fraca capacidade de extração de características multiescala e baixa precisão na segmentação de anomalias, propõe-se uma rede de detecção de anomalias industriais que combina a orientação por resíduo de alta frequência e a fusão de características de atenção multiescala. Primeiro, para o problema do processamento tradicional de frequência completa que causa perda de detalhes de alta frequência, foi projetada uma estratégia de separação no domínio da frequência, utilizando filtro de núcleo gaussiano para extrair características residuais de alta frequência, fortalecendo a capacidade da rede para detectar anomalias mínimas; segundo, para a insuficiente capacidade das redes convolucionais convencionais na representação de texturas complexas e baixa distinção entre anomalias e fundo, foi incorporado um módulo de atenção multiescala globalmente aprimorado GEMA na fase codificadora da rede discriminadora, capturando paralelamente informações locais multiescala nas direções horizontal e vertical através de caminhos duplos paralelos, reforçando características salientes em diferentes posições espaciais e melhorando a discriminação das características em fundos texturizados complexos; finalmente, na fase decodificadora da rede discriminadora, integrou-se o módulo de atenção de coordenadas CoordAtt, modulando dinamicamente os pesos das características ao decompor os eixos de coordenadas, alcançando uma localização espacial precisa das áreas anômalas. Os experimentos mostram que, no conjunto de dados público MVTec AD, o AUROC médio em nível de imagem do modelo aprimorado foi de 98,6%, e o AUROC médio e AP em nível de pixel foram 97,6% e 73,2%, respectivamente, aumentando eficazmente o desempenho da detecção de anomalias industriais.

Detecção de anomalias industriais;Orientação por componentes de alta frequência;Percepção espacial multiescala;Mecanismo de atenção