用于工业异常检测的无分布误报校准和机会校正空间评估

工业视觉检查的研究通常报告接收器工作特性曲线 (AUROC) 下的面积以及异常图和缺陷掩模之间的重叠。这两种措施都没有指定选定阈值下的误报率，而经常出现的缺陷位置和掩模几何形状可能会增加重叠。我们将无分布的上公差阈值与配对减交叉空间测试相结合。该测试将每个检测器的得分位置与匹配的缺陷掩模以及来自其他图像的掩模进行比较；比率的差异定义了相对于经验机会重叠率的空间证据提升。我们在来自三种 ISP-AD 模式和三个固定数据分割的 120 个点缺陷图像上评估了三个探测器。在 378 个警报中，有 230 个与匹配的掩码重叠。然而，在九个检测器模态单元中的八个中，配对率和交叉率相似；只有 DINOv2--ASM 具有正的 95\% 自举下限（升力 0.259，95\% 区间 0.159--0.347）。在独立的磁砖缺陷数据集上，相同的分析给出了 Wide ResNet-50 (WRN50) 补丁内存的 0.203 (0.169--0.236) 提升，以及 Vision Transformer B/16 (ViT-B/16) 补丁内存的 0.231 (0.202--0.262) 提升，并采用单侧排列$p=10^{-5}$ 两者。当交叉掩膜被限制为相同的缺陷类别时，提升力保持为 0.185 和 0.210。精确的样本规划表明，对于 150 个校准正态，仅当目标误报率为 1.98% 或更高时才支持 95% 置信度的无分布声明； 1\% 目标至少需要 299 个法线。结果支持报告操作点性能和机会校正空间证据以及 AUROC 和原始掩模重叠。