工业视觉异常检测：PatchCore与EfficientAD原理、实战与调优

工业视觉异常检测：PatchCore与EfficientAD原理、实战与调优

一、为什么异常检测是工业视觉的「最后一公里」

去年参与一个 PCB 检测项目时，我被一个现实打脸：缺陷样本根本不够。产线上每天流转数十万块板子，但真正的缺陷品一个月不到 200 块——其中 80% 还集中在 3 种缺陷类型上，剩下 20 种缺陷类型合起来不到 40 个样本。传统的监督学习（分类 / 目标检测）在这个数据分布面前直接崩溃：类别极度不均衡，稀有缺陷甚至只有 1-2 张训练图。

更棘手的是「开放集问题」——产线随时可能出现训练集中从未见过的缺陷形态。你永远不知道明天操作工会不会搞出一种新的焊接不良。这种情况在纺织、玻璃、金属表面、医药包装等行业普遍存在。

这就是**异常检测（Anomaly Detection）**的用武之地。它的核心思路很巧妙：只学「正常长什么样」，凡是偏离正常的都是异常。不需要缺陷样本，不需要标注，天然适配工业场景。

近年工业异常检测的 SOTA 方法可以归为几大范式：

本文聚焦工业界落地效果最好的两种方法——PatchCore（检测精度天花板）和EfficientAD（速度与精度的完美折中），从原理到代码到调优，一杆子捅到底。

二、PatchCore：特征记忆库 + 核心集采样

2.1 直觉理解

PatchCore 的核心思想朴素但有效：

用预训练 CNN 提取正常图像的特征 → 存到记忆库 → 测试时，对测试图像的每个 patch 特征，在记忆库里找最近的正常 patch → 距离越大，越可能是异常。

可以类比为：「我有一本正常产品的相册，现在来了一个新样品，我把它拆成小区域逐一比对——哪个区域在相册里找不到类似的，哪个区域就有问题。」

2.2 核心原理拆解

Step 1：特征提取

使用在 ImageNet 上预训练的 WideResNet-50 作为 backbone，取第 2 层和第 3 层的输出。为什么不用最后一层？因为浅层特征保留更多空间细节，对定位小缺陷至关重要。

对于一张输入图像X ∈ R H × W × 3 X \in \mathbb{R}^{H \times W \times 3}X∈RH×W×3，提取到的特征图：

ϕ i j = f θ ( X ) ∈ R H ′ × W ′ × C \phi_{ij} = f_\theta(X) \in \mathbb{R}^{H' \times W' \times C}ϕij​=fθ​(X)∈RH′×W′×C

其中C CC是通道数（WideResNet-50 的 layer2+layer3 拼接后通常为 1024 或 1536 维）。

Step 2：构建记忆库

把所有N NN张正常图像的 patch 特征拉平成N × H ′ × W ′ N \times H' \times W'N×H′×W′个C CC维向量，得到记忆库M ∈ R ∣ M ∣ × C \mathcal{M} \in \mathbb{R}^{|\mathcal{M}| \times C}M∈R∣M∣×C。

但如果正常图像很多（几百张），记忆库会膨胀到几百万个向量，推理时做最近邻搜索会非常慢。PatchCore 的关键创新在这里：核心集采样（Coreset Subsampling）。

Step 3：核心集采样

目标：从M \mathcal{M}M中选出一个子集M c \mathcal{M}_cMc​，使得M c \mathcal{M}_cMc​能「代表」整个记忆库，同时大幅缩小尺寸。

PatchCore 采用greedy coreset via minimax facility location：

1. 随机选一个种子点放入M c \mathcal{M}_cMc​
2. 迭代：每次选M \mathcal{M}M中到M c \mathcal{M}_cMc​最近距离最大的那个点加入M c \mathcal{M}_cMc​
3. 重复直到达到目标采样率（默认 10%，即∣ M c ∣ = 0.1 × ∣ M ∣ |\mathcal{M}_c| = 0.1 \times |\mathcal{M}|∣Mc​∣=