基于CLIP的异常生成和文本提示的少样本工业异常检测方法

本发明公开基于CLIP的异常生成和文本提示的少样本工业异常检测方法，解决现有技术中局部特征关注不足、异常样本稀缺及上下文信息丢失问题。步骤包括：划分并预处理工业异常数据集；以CLIP为主干网络，通过对比学习训练图像与文本编码器；设计动静态文本提示模块，静态提示提取工业共享知识，动态提示基于输入图像生成，引导模型关注局部区域；构建异常特征生成模块，通过特征扭曲和自定义异常特征粘贴生成模拟异常；引入基于Mamba的上下文提取模块，增强图像上下文信息提取。通过像素级异常定位和图像级异常检测，结合骰子损失、焦点损失优化模型，采用AUROC和max‑F1评估性能。实验表明，该方法显著提升少样本下检测正确率和分割精度，适用于工业产品质量检测。