一种工业场景下的自监督缺陷表征学习方法

本发明公开了一种工业场景下的自监督缺陷表征学习方法，包括：构建工业产品的正常样本数据集并进行预处理，获得预处理后的正常样本；将预处理后的正常样本输入至多尺度特征金字塔双分支编码器网络，提取并融合全局语义特征与局部细节特征，获得融合特征；利用融合特征，通过渐进式温度调节对比学习机制进行自监督训练，以学习正常样本的特征分布；通过语义一致性重建网络对融合特征进行解码重建，并计算重建损失以优化特征表示；基于训练完成的模型计算待测样本的综合异常评分，根据综合异常评分的统计分布建立动态阈值，通过比较待测样本的综合异常评分与动态阈值判定缺陷。本发明显著提升了工业质检系统的泛化能力和检测精度。