定位之后，怎么判缺陷？PatchCore 在金属条上的无监督异常检测

工业质检 · 异常检测实测

定位之后，怎么判缺陷？

PatchCore 在金属条上的无监督异常检测

25 正常训练 · 42 测试 · WRN50-2 · RTX 5060 Ti · 2026.07

前几篇已经验证模板匹配能把测量点钉到 0.07 像素。定位解决了，下一问更扎心——

件钉准了，缺陷怎么判？

产线往往没有「每类缺陷的海量标注」，只有源源不断的正常件。无监督异常检测（anomaly detection）正是为这个设定准备的：只用正常样本建记忆库，测试时偏离正常的区域就高亮。

结论：在合成金属缺陷集上，PatchCore-lite 达到 AUROC 1.0、F1 1.0，正常/缺陷分数完全可分；推理约 10ms、显存 0.55GB。配合前两篇，可形成「场景粗筛 → 几何精定位 → 异常热力」闭环。

一、三部曲到哪一步了

图 1 · 找得到 → 钉得准 → 判得出

① 开放词汇 · 金属 0%

YOLO-World / OWL 场景 100%，裸金属全灭

② RoMa 模板匹配 · 0.07 px

9/9 GT 成功，base 0.27s / precise 1.2s

③ PatchCore 异常检测 · 本篇

只用正常件训练，输出分数 + 热力图

二、方法：PatchCore 在做什么

PatchCore 的思路极简：

用预训练 CNN 抽局部 patch 特征 → 只在正常图上建记忆库（coreset 压缩）→ 测试时每个 patch 找最近邻距离 → 距离大 = 异常。

本实现：

三、数据长什么样

图 2 · 正常样本：平移、旋转、缩放、暗光——无缺陷

图 3 · 合成缺陷：划痕、污渍、缺角、锈斑、裂纹

说明：缺陷为合成，用于验证管线与指标闭环。真实产线划痕/氧化纹理更复杂，上线前必须用现场良品 + 不良品复测。合成集的价值是——在零缺陷标注下，方法能不能把「不像正常」的区域揪出来。

四、硬指标

图 4 · 图像级 AUROC / AUPR / F1 / Accuracy 均为 100%

图 5 · 正常（绿）与缺陷（红）分数分布 · 阈值可完美切开

五、分缺陷类型

图 6 · 各类缺陷均值分数均明显高于正常基线 0.469

划痕与缺角拉分最狠——边缘结构被破坏，patch 特征离正常库最远。污渍相对「软」，但仍远高于阈值。

六、真实热力图

图 7 · 原图 | GT 缺陷 | 异常热力

正常图热力干净、分数 < 0.47；缺陷图在 GT 区域附近出现高响应。遮挡/组合硬例（T8/T9）上，模型仍给出 0.79+ 的高分——说明记忆库对「正常金属外观」的刻画足够稳。

正常模板 · score≈0.42 · 低于阈值

污渍缺陷 · score≈0.82 · 热力对准污斑

T9 组合+划痕 · score≈0.80 · 硬例仍检出

七、和之前的篇章怎么拼

推荐产线流水线

① 场景/工位粗筛：开放词汇或普通检测（自然物体、料盘、工装）

② 零件精定位：RoMa / 模板匹配 → 测量点、位姿、ROI

③ ROI 内判缺陷：PatchCore 类无监督异常 → 分数 + 热力图 → 阈值报警

关键点：异常检测最好在对齐后的 ROI上跑，而不是整图乱扫。RoMa 把件摆正，PatchCore 才更稳——几何与异常检测是搭档，不是替代。

八、落地注意

1. 正常库要「够正常、够多样」 位姿、光照、轻微脏污若算合格，训练里要覆盖；否则会被当成异常。

2. 合成 AUROC≠产线 AUROC 本篇 1.0 证明管线与可分性；真实微划痕、反光、油污需现场良品/不良复测。

3. 阈值跟产线走 用验证集扫 F1，或按漏检/误检成本定 thr；本机 best thr≈0.504。

4. 算力不是瓶颈 10ms / 0.55GB，5060 Ti 上可与 RoMa base（~0.27s）串成实时链路。

九、小结

无监督异常检测让工业质检可以先只收正常件就开工。

本机 PatchCore-lite：AUROC 1.0 · 10ms · 0.55GB，五类合成缺陷全检出。

叠加上之前篇：开放词汇看场景，几何匹配钉坐标，异常热力判缺陷——消费卡上的工业视觉最小闭环，到这里齐了。