XAI引导的不平衡数据集绝缘体异常检测
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了电力线路绝缘体缺陷检测中的不平衡数据集问题，提出了一种新颖的检测流程。通过优化深度学习模型，我们提高了异常绝缘体的分类准确率，并结合可解释人工智能工具实现了准确的异常定位和分析，检测准确率提高了13%。
在工业4.0中，深度学习和智能制造促进了高效视觉检测系统的发展。研究显示，多类模型在MVTec AD数据集上的表现与单类模型相当，无需为每个类别单独建模。在CPU和NVIDIA Jetson Xavier NX上测试了多类异常检测模型的延迟和内存需求。比较量化感知训练（QAT）和后训练量化（PTQ）的性能，发现QAT在无监督任务中更接近原始32位浮点数。
