一种基于自监督视觉Transformer的智能工业体系实时缺陷检测与视觉质量评估系统及方法

本申请公开了一种基于自监督视觉Transformer的智能工业体系实时缺陷检测与视觉质量评估系统及方法，涉及工业制造中的自动化视觉检测与缺陷识别技术领域。结合了视觉Transformer的表征能力与自监督学习的标注高效性，实现了不依赖标注训练数据的有效视觉检测。整合了混合Transformer‑卷积主干网络、多目标SSL策略及硬件优化部署机制，使其同时适用于高精度缺陷定位和边缘制造系统的实时处理。异常评分与定位模块，利用学习到的潜在特征来识别并空间定位不同尺度和类型的缺陷。通过提供可扩展、无需标注且具备实时能力的解决方案，解决了工业视觉检测领域的长期挑战，适合工业4.0和5.0生态系统的需求。