一种基于重构网络的三模态无监督工业异常检测方法

本发明提供了一种基于重构网络的三模态无监督工业异常检测方法，涉及工业异常检测技术领域，本发明首先将合成的三种不同模态的异常图像恢复成正常图像，使重构网络具备捕捉和恢复异常图像的能力，由此本发明所提出的方法在运行过程中无需依赖外部记忆模块存储特征信息，显著提升了模型在资源受限环境下的部署效率与响应速度。此外，基于Transformer的重构网络能对图像的细粒度特征进行有效的提取，同时本发明充分利用多层自注意力机制融合RGB图像中的纹理细节、红外图像中的热分布特征以及3D点云图像中的几何形状信息，不仅提升了异常检测的细粒度识别能力，还在复杂工业环境下表现出较强的鲁棒性与泛化能力。