摘要：由于电子连接器异常样本稀缺，使得有监督模型难以捕捉异常样本特征，很大程度上限制了有监督学习方法的检测性能。并且现有无监督模型存在重建图像模糊、缺陷残留的问题，严重影响检测精度。为此，提出一种仅需无异常样本训练的一步去噪单纯形扩散模型电子连接器异常检测方法。由于高斯去噪扩散概率模型在图像重建任务中存在特征投影误差导致重建位置偏差，因此引入单纯形噪声构建单纯形噪声去噪扩散概率模型，并重新制定去噪范式使推理时间降低至0.09s。此外，研究得到一种图像预处理方法，消除冗余特征干扰，使模型高效学习电子连接器表面特征，提高模型学习效率。实验结果表明，在异常检测标准评估度量AUROC准则下，所提方法显著优于现有无监督模型。图像级检测准确率达99.71%，像素级精度达到93.86%，展现出卓越的异常检测性能。
文章目录
0 引 言
1 特征提取
1.1 电子连接器图像预处理
1.2 前向过程
1.3 逆向过程
2 一步去噪单纯形扩散模型异常检测
2.1 单纯形噪声
2.2 去噪U-net
2.3一步去噪范式
2.4异常检测
3 实验与结果
3.1 实验环境与数据集
3.2评价指标
3.3实验结果和讨论
3.4消融实验
4 结 论
