异常识别
-
卷积自编码器工业缺陷检测定位系统
该项目旨在解决化工材料、服装及食品等工业秤在线检测中，异常样本稀少且难以采集的问题。 系统通过构建深度卷积自编码器（Convolutional Autoencoder, CAE）模型，仅利用正常（无缺陷）样本进行无监督训练，使模型学习并掌握正常产品的特征分布与重构模式。 在检测阶段，当输入的待检图像包含缺陷或杂质时，由于模型未学习过此类异常特征，导致其重构后的图像在该区域会出现显著的失真或重构误差。 通过计算原始输入图像与重构图像之间的像素级残差，并结合平滑滤波与阈值分割技术，系统可以实现异常区域的自动定位与高亮显示。 该功能适用于化工厂原料纯度监测、服装面料疵点扫描以及食品生产线异物自动识别，能够显著降低由于样本不平衡带来的模型训练难度，提高工业质检的智能化水平。
