工业生产机械化对工业产品质量检测环节提出了新的要求,需要一种具有高精度、易于移植的异常检测算法来适应生产方式的更新。针对工业生产中,异常样本出现概率低、无法完全预测的固有难题,提出了一种基于模糊遮蔽与动态推理的生成式工业异常定位模型。首先,设计了一个基于随机模糊遮蔽的对比样本生成模块,用于获取高质量的模拟异常图像。同时,利用浅层特征融合路径保留更多的边缘信息,使用损失函数加权使模型更加关注结构相似性,以及使用对比学习的方式使网络获得更好的表示能力。其次,为了缓解生成式模型输出图像模糊的问题,设计了多分支异常动态推理方法,使迭代生成和精准修复两分...