本文提出了一种名为 DSFD（Dual-Scale Feature Distance）的无监督织物缺陷检测算法，由东华大学纺织学院教育部纺织科学与技术重点实验室的魏启宇、张磊、李立轻和王军，以及上海工程技术大学纺织与时尚艺术建筑学院的詹珠共同完成。该研究发表于 *Textile Research Journal*，于 2025 年在线发表。研究的核心目的是解决现有织物缺陷检测方法中监督学习依赖大量标注数据以及无监督方法在实用性和鲁棒性上不足的问题。

在学术背景方面，织物缺陷检测是纺织品生产质量管理中的关键环节。传统的人工检测方式劳动密集且效率低下，而早期基于图像处理的传统方法则依赖人工设计的特征提取器，难以适应织物类型的多样性和缺陷的随机性。近年来，基于深度学习的异常检测方法得到了广泛研究。其中，有监督方法在缺陷模式已知且标注数据充足时性能优异，但织物缺陷本身发生概率低、种类多变，建立大规模标注数据集成本高昂。因此，仅需正常样本训练的无监督方法成为重要的替代研究方向。现有的无监督方法大致分为基于重建的方法和基于特征距离的方法。基于重建的方法通过计算重建图像与原始图像的残差来检测缺陷，但容易受到织物图像噪声干扰，且缺陷区域有时会被模型重建出来，导致定位精度不足。基于特征距离的方法则通过学习正常样本的特征模板，在测试阶段计算特征之间的距离来实现检测。然而，如何根据织物图像的周期性特征构建有效的特征模板仍然是一个关键问题。织物图像可被视为具有周期性和低秩特性的纹理图像，在无缺陷织物图像中，固定窗口采样的图像块可以按照相似性分为有限类别。受此启发，本文引入向量量化变分自编码器（VQ-VAE）来学习图像块的特征模板，并基于特征距离量化异常分数，实现图像级缺陷检测和像素级缺陷分割。

在方法流程方面，本文首先提出了基于 VQ-VAE 模型的图像块特征模板获取方法。VQ-VAE 在标准自编码器的基础上定义了码本（codebook），其中包含 K 个维度为 d 的码本向量。图像块 x 经过编码器得到特征向量 ze(x)，随后基于欧氏距离在码本中搜索最近邻码本向量 ek 作为量化结果 zq(x)。训练过程中使用重建误差、码本损失和承诺损失三部分构成的总损失函数优化编码器、解码器和码本参数。训练仅使用单一类型织物的正常样本，输入图像先转换为灰度图并裁剪为固定尺寸的图像块。训练完成后，码本中的每个向量可视为一类相似图像块的聚合表示，编码器将相似图像块映射到对应模板特征附近。检测阶段不再使用解码器，只利用编码器和码本获取每个测试图像块的特征向量及其最近邻码本向量，并计算二者之间的余弦距离作为异常分数。为了克服原始 VQ-VAE 中基于欧氏距离的量化机制会导致码本向量激活不足、不同图像块被迫共享同一码本向量的缺陷，本文提出了一种基于余弦相似度的量化机制。该机制在最近邻搜索时不受向量模长影响，仅关注向量之间的角度差异，从而有效激活更多码本向量，获得更全面有效的特征模板。消融实验表明，基于余弦相似度的量化机制显著增加了码本中向量的激活数量，并提升了缺陷检测性能。由于织物类型多样，基于单一尺度图像块特征的方法鲁棒性不足，本文进一步提出了基于特征距离的双尺度方法。首先在特定织物训练图像上分别以 8×8 和 16×16 两种尺度预训练两个 VQ-VAE 模型，然后以步长 s=1 对测试图像分别进行两种尺度的图像块采样，并输入对应的编码器获取特征向量。通过量化过程将特征向量匹配到对应码本中最近邻的码本向量，计算每个图像块的余弦距离作为异常分数，并累加到对应的异常分数图中。最后将两个尺度的异常分数图相加得到最终异常分数图，像素值越大表示缺陷概率越高。图像级异常分数取异常分数图中的最大像素值。两个 VQ-VAE 模型的结构在表 1 中给出，编码器和解码器均由卷积层和转置卷积层构成，特征图深度和码本向量维度均为 32。训练时批次大小设置为 8，初始学习率为 0.0003，训练轮数为 1000。

在实验部分，研究使用了三个公开数据集：AITEX、HKU 和 MVTec。AITEX 数据集包含七种织物的 4096×256 图像，实验中选用了其中四种织物（AITEX-1 至 AITEX-4），缺陷图像尺寸裁剪为 256×256。HKU 数据集由香港大学提供，包含三种织物类别（box、dot、star），每种织物包含六种缺陷类型，图像大小为 256×256。MVTec 数据集仅采用 carpet 织物类别，包含五种缺陷类型，图像大小为 1024×1024。性能评价指标采用 ROC 曲线下面积（AUC），包括图像级 AUC（I-AUC）和像素级 AUC（P-AUC）。对比方法包括 CutPaste、PatchSVDD、PaDiM、RIAD 和 SimpleNet 五种最先进的异常检测方法。在图像级缺陷检测方面，DSFD 在大多数类别上优于其他模型，并在所有数据集上取得了最佳平均结果。其 D-avg 达到了 98.4%，比 SimpleNet 提高了 2.1%。在 AITEX 数据集上，DSFD 全面优于其他方法；在 HKU 数据集上，DSFD、SimpleNet 和 RIAD 均达到了 100% 的性能。在像素级分割方面，DSFD 同样取得了最佳平均结果。CutPaste 由于依赖合成的缺陷样本，对织物缺陷多样性适应性较差；PatchSVDD 仅用一个特征中心表示所有图像块，与织物图像周期性特征不匹配；而 DSFD 的特征模板与织物数据的周期性特征更吻合，因而性能更优。在 AITEX 数据集上 DSFD 的平均 P-AUC 达到 98.0%，但在 HKU 数据集上略低于 RIAD，在 MVTec 数据集上略低于 SimpleNet。消融实验首先验证了量化机制的影响。在码本容量 K=512 的条件下，基于余弦相似度的量化机制在 AITEX 和 HKU 数据集上均激活了更多码本向量，并显著提高了大多数类别上的图像级和像素级性能。其次验证了检测尺度的影响。AITEX 数据集中细粒度纹理更适合 8×8 尺度，而 HKU 数据集中较粗的花纹和提花结构更适合 16×16 尺度。将两个尺度结合后，在各自数据集上均未出现性能下降，甚至在 HKU 数据集上图像级 AUC 达到 100%，表明双尺度方法能有效提高跨数据集鲁棒性。此外，实验还评估了方法的运行效率。在检测单张 256×256 图像时，DSFD 平均运行时间为 63.4 ms，显著快于对比方法。SimpleNet 是竞争方法中最快的，但 DSFD 所需运行时间仅为 SimpleNet 的 17.5%。在 GPU 显存占用方面，RIAD 最低，而 DSFD 低于 CutPaste、PatchSVDD 和 PaDiM。双尺度检测相比单尺度增加了运行时间和显存占用，但考虑到鲁棒性的提升，其整体效率仍在可接受范围内。码本容量实验显示，当 K 从 256 增加到 512 时，AITEX 和 HKU 数据集上的图像级和像素级 AUC 均有所提升；当 K 继续增大时，HKU 数据集上的性能开始下降，可能是因为过大的码本容量导致训练集过拟合。因此 K=512 是一个合理的设置。

本文的主要结论是，DSFD 方法通过无监督预训练为每种织物图像学习两个不同尺度的特征模板，并通过计算测试图像块特征与最近邻码本向量之间的余弦距离获得异常分数，最终将两个尺度的异常分数融合为单一异常分数图，实现图像级缺陷检测和像素级缺陷分割。该方法在三个公开数据集上与五种最先进异常检测方法相比表现更优，对织物纹理噪声具有良好的鲁棒性，假阳性率低，对低对比度缺陷具有较强的检测能力。消融实验验证了余弦相似度量化和双尺度异常分数图计算方法的有效性。在码本容量 512 的条件下，AITEX 和 HKU 数据集上的图像级平均 AUC 分别达到 98% 和 100%，像素级平均 AUC 分别达到 97.4% 和 98.5%。单张 256×256 图像的平均检测时间为 63.4 ms，满足工业应用需求。本研究的科学价值在于提出了一种利用 VQ-VAE 离散特征空间构建织物图像特征模板的新范式，并通过余弦相似度量化和双尺度融合提升了无监督缺陷检测的鲁棒性和灵敏度。其应用价值在于为纺织工业提供了一种高效、准确且无需人工标注的自动化织物缺陷检测方案，尤其适用于缺陷样本稀缺的生产环境。研究亮点包括：第一，首次将 VQ-VAE 码本作为织物图像周期的特征模板用于缺陷检测；第二，提出了基于余弦相似度的量化机制，有效缓解了码本激活不足的问题；第三，提出了双尺度特征距离方法，提高了跨织物类型的鲁棒性；第四，在多个公开数据集上取得了优于现有方法的检测性能和运行效率。未来研究方向将集中于开发更有效的多尺度信息融合方法，以进一步提高缺陷检测的精度。