工业无监督缺陷检测，提升缺陷检测能力，解决缺陷样品少、不平衡等问题

1. 简介

在工业生产中，质量保证是一个很重要的话题， 因此在生产中细小的缺陷需要被可靠的检出。工业异常检出旨在从正常的样本中检测异常的、有缺陷的情况。工业异常检测主要面临的挑战：

1. 难以获取大量异常样本
2. 正常样本和异常样本差异较小
3. 异常的类型不能预先得知

这些挑战使得很难使用传统的分类算法训练，需要提出特殊的方法来应对处理。

同时yolov8、yolov5等前沿先进目标检测算法在工业界的广泛应用，同时也取得了一定效果，但同时存在着一些问题点：1）对于未知的缺陷检测能力不佳，经常会遇到明显的缺陷（但从未出现过的缺陷）存在着漏判的问题点；2）工业界存在着大量良品，极度缺乏不良图片，这导致yolo等算法性能大幅度下降；

因此本博客针对无监督异常检测进行研究，从而提升工业缺陷检测能力。