Advances in Computer and Autonomous Intelligence Research

本研究聚焦锂电池封装等工业金属零部件外观缺陷检测,针对实际生产中样本分布不均、复杂光照干扰的核心问题,探索掩码自监督学习的应用价值。研究融合双阶段特征学习与深度特征级联技术,实现异常区域精准识别与自动阈值调节。结果表明该方法在复杂金属表面背景下检出效能显著提升,于多变光照环境中保持高度稳定性色,跨产品适应能力强。仅需少量正常样本,即可快速部署新品种质检系统,为锂电池等工业金属零部件外观缺陷无监督检测提供高效解决方案。