突破传统缺陷检测的界限，"Defect Spectrum"首次实现超高精度丰富语义的工业缺陷检测。

---

在现代制造业中，精准的缺陷检测不仅是保证产品质量的关键，更是提升生产效率的核心。然而，现有的缺陷检测数据集常常缺乏实际应用所需的精确度和语义丰富性，导致模型无法识别具体的缺陷类别或位置。

为了解决这一难题，由香港科技大学广州和思谋科技组成的顶尖研究团队，创新性地开发出了“Defect Spectrum”数据集，为工业缺陷提供了详尽、语义丰富的大规模标注。如表一所示，相比其他工业数据集，“Defect Spectrum”数据集提供了最多的缺陷标注（5438张缺陷样本），最细致的缺陷分类（125种缺陷类别），并为不同种类的缺陷都提供了像素级的细致标签。此外，该数据集还为每一个缺陷样本提供了精细的语言描述。具体的标注对比如图一所示。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

图一：相比其他工业数据集，Defect Spectrum精准度更高，标注更丰富

表一：Defect Spectrum与其他现有数据集的数量，性质对比

“Defect Spectrum”基于最先进的扩散模型，推出了一种革命性的方法——“DefectGen”。通过利用极少量的工业缺陷数据生成图像与像素级缺陷标签，该方法显著提升了工业缺陷检测模型的性能，在多个行业标准数据集上（如MVTec AD、VISION、DAGM2007及Cotton-Fabric）实现了前所未有的性能突破。

这一突破性的研究不仅极大地提高了缺陷检测的准确性，更为AI在复杂工业环境中的应用开辟了新的可能性。该项目的代码和模型已经全面开源。

• 论文：Defect Spectrum: A Granular Look of Large-Scale Defect Datasets with Rich Semantics
• 论文链接：https://www.php.cn/link/8dff42bf16b4df68b84507b5d12b9f0e
• 项目链接: https://envision-research.github.io/Defect_Spectrum/
• Github Repo: https://github.com/EnVision-Research/Defect_Spectrum 
• Dataset Repo: https://huggingface.co/datasets/DefectSpectrum/Defect_Spectrum

突破传统的缺陷检测限制，更加贴近落地生产

 

图二：实际工业生产，缺陷检测以及分析的闭环

在实际的工业生产中，我们对缺陷检测的要求更加细致，工厂需要在控制缺陷件的同时保证收益率，如图二所示。然而，现有的缺陷检测数据集常常缺乏实际应用所需的精确度和语义丰富性，例如一块金属板表面如果有较大面积的油漆剥落，尽管缺陷面积很大，但对金属板的功能影响可能微乎其微。然而，如果金属板内部有一条细小的裂缝，这条裂缝虽小如发丝，却可能在承受压力时导致金属板瞬间断裂，显著影响其性能，甚至引发严重的安全隐患。

更好比说，假设一件衣服的拉链齿出现了错位，这种缺陷虽然看起来尺寸不大，甚至不容易被发现，但却严重影响了衣物的功能，导致拉链无法正常使用，消费者不得不将其退回工厂进行修复。然而，如果缺陷发生在衣物的面料上，比如轻微的钩丝或颜色略有差异，这时就需要仔细权衡其尺寸和影响。小规模的面料缺陷可以被归类在可接受的范围内，允许这些产品通过不同的分销策略销售，比如以打折价格进行销售，从而保持产品流通而不影响整体质量标准。

在这一切背后，"Defect Spectrum"数据集就像一个全能的侦探，洞察一切。它不仅覆盖了广泛的工业缺陷类型，还为每一种缺陷提供了详尽而丰富的描述。通过这个强大的工具，缺陷检测系统能够更加精确地识别和分类各种缺陷，不放过任何一个细节。

想象一下，在实际的生产线上，通过“Defect Spectrum”数据集的帮助，检测系统能够迅速识别出这个至关重要的缺陷，立即标记并返回工厂进行修复。同时，对于那些面料上轻微的缺陷或颜色差异，系统可以根据缺陷的详细标注，判断其是否在可接受范围内，决定是否以打折价格销售。这种灵活的处理方式，不仅提高了产品的质量，还保证了生产的高效和成本的控制。

传统数据集如MVTEC和AeBAD尽管提供了像素级的标注，但常常局限于二元遮罩，无法细致区分缺陷类型和位置。《Defect Spectrum》数据集通过与工业界四大基准的合作，重新评估并精细化已有的缺陷标注。例如，对细微的划痕和凹坑进行了更精确的轮廓绘制，且通过专家的辅助填补了遗漏的缺陷，确保了标注的全面性和精确性。

创新的缺陷生成模型“Defect-Gen”

图三：Defect-Gen两阶段生成流程示意图

面对当前数据集中缺陷样本不足的问题，我们提出了“Defect-Gen”，一个两阶段的扩散式生成器。这个生成器在样本数量有限的情况下，通过两个关键方法提高了图像的多样性和质量：第一，使用Patch级建模；第二，限制感受野。

传统的扩散模型在训练样本少时，容易过拟合，生成的结果缺乏多样性，往往只是记住了训练样本。而我们的模型通过降低数据维度和增加样本量，有效地减少了这种过拟合现象。

为了弥补Patch级建模在表达整个图像结构上的不足，我们提出了两阶段的扩散过程。首先，在早期步骤中使用大感受野模型捕捉几何结构，然后在后续步骤中切换到小感受野模型生成局部Patch。这样做在保持图像质量的同时，显著提升了生成的多样性。通过调整两个模型的接入点和感受野，我们的模型在保真度和多样性之间实现了良好的平衡。

Ghiblio

专业AI吉卜力风格转换平台，将生活照变身吉卜力风格照

157 查看详情

通过“Defect-Gen”，我们为工业缺陷检测提供了更丰富和多样的训练样本，推动了自动化检测技术的发展

全面评估与未来的研究方向

表二：部分缺陷检测网络在Defect Spectrum数据集上的测评结果

表三：Defect Spectrum数据集上的实际评估标准 表四：Defect Spectrum在实际评估中的优异表现

我们对Defect Spectrum数据集进行了全面的评估，标注如表三所示。这个实验验证了Defect Spectrum在各种工业缺陷检测挑战中的适用性和优越性。表四表明，比起原有的数据集，在我们数据集上训练的模型提升了10.74%的召回率(recall)，降低了33.1%的过杀率(False Positive Rate)。此外，数据集的构建和评估过程不仅提供了一个坚实的研究基础，也为工业界和学术界的研究人员提供了一个评估和开发针对工业缺陷检测复杂需求的先进模型的平台。

Defect Spectrum数据集的引入，犹如为工业生产注入了一剂强心针。它让缺陷检测系统更加贴近实际生产需求，实现了高效、精准的缺陷管理。同时，它也为未来的预测性维护提供了宝贵的数据支持，通过记录每个缺陷的类别和位置，工厂可以不断优化生产流程，改进产品修复方法，最终实现更高的生产效益和产品质量。

总结

我们发布了Defect Spectrum数据集以及DefectGen缺陷生成器，提供了实际工业检测中所需的高精确度和丰富缺陷语义，解决了模型无法识别缺陷类别或位置的问题。

我们对Defect Spectrum数据集进行了全面的评估，验证了其在各种工业缺陷检测挑战中的适用性和优越性，比起原有的数据集，在我们数据集上训练的模型提升了10.74%的召回率(recall)，降低了33.1%的过杀率(False Positive Rate)。

参考资料：

1.    Bai, H., Mou, S., Likhomanenko, T., Cinbis, R.G., Tuzel, O., Huang, P., Shan, J., Shi, J., Cao, M.: Vision datasets: A benchmark for vision-based industrial inspec- tion. arXiv preprint arXiv:2306.07890 (2025)

2.    Silvestre-Blanes, J., Albero-Albero, T., Miralles, I., Pérez-Llorens, R., Moreno, J.: A public fabric database for defect detection methods and results. Autex Research Journal19(4), 363–374 (2019). https://doi.org/doi:10.2478/aut-2019-0035,https://doi.org/10.2478/aut-2019-0035

3.    Zhang, Z., Zhao, Z., Zhang, X., Sun, C., Chen, X.: Industrial anomaly detection with domain shift: A real-world dataset and masked multi-scale reconstruction. arXiv preprint arXiv:2304.02216 (2025)

4.    Mishra, P., Verk, R., Fornasier, D., Piciarelli, C., Foresti, G.L.: VT-ADL: A vision transformer network for image anomaly detection and localization. In: 30th IEEE/IES International Symposium on Industrial Electronics (ISIE) (June 2025)

5.    Incorporated, C.: Standard fabric defect glossary (2025), uRL: https : / / www . cottoninc . com / quality - products / textile - resources / fabric - defect - glossary

6.    Wieler, M., Hahn, T.: Weakly supervised learning for industrial optical inspection. In: DAGM symposium in. vol. 6 (2007)

7.    Tabernik, D., Šela, S., Skvarč, J., Skočaj, D.: Segmentation-based deep-learning approach for surface-defect detection. Journal of Intelligent Manufacturing31(3), 759–776 (2025)

8.    Bergmann, P., Fauser, M., Sattlegger, D., Steger, C.: Mvtec ad–a comprehen- sive real-world dataset for unsupervised anomaly detection. In: Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. pp. 9592–9600 (2019)

9.    Zou, Y., Jeong, J., Pemula, L., Zhang, D., Dabeer, O.: Spot-the-difference self- supervised pre-training for anomaly detection and segmentation (2025)

以上就是突破传统缺陷检测的界限，"Defect Spectrum"首次实现超高精度丰富语义的工业缺陷检测。的详细内容，更多请关注其它相关文章！

# 太平洋  # 免费推广网站公司排名  # 邯郸网站建设开发服务  # 市北区定制型网站建设  # 平阳接插件网站建设  # 奉化学校网站建设  # 如何做好营销推广引流  # 肇庆网站建设招标公示网  # 网站优化兴田德润  # 威海电力建设招聘网站  # 云南白酒品牌营销推广  # 检测系统  # 理论  # 首次  # 进行了  # 中东  # 金属板  # 这一  # 工业生产  # 所需  # 所示  # mira  # follow  # git 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： 人工智能赋能无人驾驶：商业化进程再提速  普林斯顿Infinigen矩阵开启！AI造物主100%创造大自然，逼真到炸裂  如何成功实施人工智能？  华为4G5G通信物联网收费标准公布，多年研发成果，十年花费近万亿  兆讯传媒率先全面拥抱AI 数智广告内容焕发新生机  小米又拿下国际比赛第一：AI翻译立功  泗洪：畅通城市“血管” ，管下机器人来帮忙  Midjourney创始人：AI应该成为人类思想的延伸  猿辅导发布最新SaaS业务进展公告：Motiff UI设计工具推出三项新的AI功能  出门问问亮相2025世界人工智能大会，展示AI CoPilot解决方案  复旦发布「新闻推荐生态系统模拟器」SimuLine：单机支持万名读者、千名创作者、100+轮次推荐  提升工作效率的智能工具：Zapier 让工作变得更简单！  创新科学家成功研发FAST激光靶标维护机器人  “长沙造”无人机，领先的不止植保  会模仿笔迹的AI，为你创造专属字体  IBM和NASA合作发布可追踪碳排放的开源AI基础模型  微软 Copilot 团队主管呼吁用户与 AI 交流时应使用恰当的礼貌用语  美图公司吴欣鸿：AI技术重构影像产业  世界人工智能大会高合发表演讲，HiPhi Y即将全球上市  “图壤·阅读元宇宙”亮相北京国际图书博览会  花16000元买四款扫拖机器人！科沃斯追觅石头小米谁能笑到最后？  上影节直击 | AI技术降低了短片拍摄门槛？金爵奖评委不赞同  AI智能室内效果图设计软件效果，确实惊到我了！  调查显示：实际上没有那么多人在用 ChatGPT  智能公司为何纷纷投身机器人领域？  浪潮KaiwuDB：“快人一步” - 打造更懂物联网的数据库  人工智能和你聊天 成本有多高  腾讯企点客服接待与营销分析能力升级！企业操作更高效、人机交互更智能  用AI技术点亮老照片：Deep Nostalgia带给照片新生动感  Ai智能机器人，chat-免注册登入，直接使用新版gpt4.0！  网易易盾 AI Lab 论文入选 ICASSP 2025！黑科技让语音识别越“听”越准  马克龙密会AI专家，法国加入全球人工智能竞赛  郭帆导演成功利用AI技术制作的《流浪地球3》预告片在央视热播，引发巨大反响  苹果CEO库克：持续研究生成式人工智能技术  全新“AI助手”！讯飞星火助手中心人机协作共创新生态  昌吉市利用无人机实现全天候河道动态巡检  RoboNeo操作教程  首届全国体育人工智能大会在首都体育学院召开  选对AI智能写作软件，让创作游刃有余！  AI与5G的强强联合：唤醒数字时代的无尽潜能  《共同的演化》展览启幕，重新思考人类与人工智能关系  Meta 为打造元宇宙不惜下血本：VR 开发者年薪高达百万美元  湖北科技职业学院举行工业机器人及智能制造技术专精特新产业学院建设启动仪式  利用AI技术更好地发展农村电商  江永：精准施训提升通信无人机应急救援能力  类GPT模型训练提速26.5%，清华朱军等人用INT4算法加速神经网络训练  爱设计PPT发布第二代AI一键生成PPT产品：智能、个性化、自动化  “世界上最像人的机器人”接入 Stable Diffusion ，现场完成作画  当孔子遇见AI｜尼山的“数字”  DeepMind推惊世排序算法，C++库忙更新！ 

 2024-07-26