荣旗工业科技助力工业异常检测新突破，携手顶尖团队入选 CVPR 2025！

荣旗工业科技携手复旦大学、腾讯优图实验室、上海交通大学、上海海洋大学等顶尖科研机构，联合发布高精度多模态数据集Real-IAD D³，并基于此数据集提出了一种创新的多模态融合检测方法 D³M。这一成果不仅在学术界引起了广泛关注，更被计算机视觉领域的顶级会议 CVPR 2025 收录，标志着工业异常检测领域迈入了一个全新的时代。

在工业生产中，异常检测是确保产品质量和安全的关键环节。然而，现有的异常检测方法在面对复杂工业环境时，常常因为数据集的局限性而难以达到理想的检测效果。为了突破这一瓶颈，研究人员们精心打造了 Real-IAD D³ 数据集，它不仅涵盖了高分辨率的 RGB 图像，还加入了伪 3D 光度立体图像和微米级精度的 3D 点云数据，为异常检测提供了更丰富的信息。

多模态融合：Real-IAD D³ 的创新之处

Real-IAD D³ 数据集的灵感来源于实际的工业质检场景。在真实的工业生产中，质检人员需要快速、准确地识别出产品表面的各种缺陷，如划痕、凹陷、裂缝等。这些缺陷不仅种类繁多，而且在不同的光照和材质背景下，其表现形式也各不相同。传统的 2D 图像检测方法在面对这些复杂的缺陷时，往往因为缺乏深度信息而难以准确识别；而现有的 3D 检测方法虽然能够提供一定的深度信息，但在细节捕捉上仍然存在不足。

荣旗工业科技敏锐地察觉到这一痛点，联合各方力量，精心打造了Real-IAD D³ 数据集。该数据集涵盖了高分辨率的 RGB 图像、伪 3D 光度立体图像以及微米级精度的 3D 点云数据，为异常检测提供了更丰富的信息。与现有的 MVTec 3D-AD 和 Real3D-AD 数据集相比，Real-IAD D³ 在数据规模、缺陷多样性以及点云精度等方面都有显著提升。例如，其点云精度达到了 0.002 毫米，远高于 MVTec 3D-AD 的 0.11 毫米和 Real3D-AD 的 0.011 毫米至 0.015 毫米。

基于Real-IAD D³数据集，研究人员提出了一种多模态融合检测方法D³M。该方法通过整合RGB、点云和伪3D深度信息，充分发挥各模态的优势，提升了异常检测的性能。实验结果显示，D³M方法在图像级和像素级异常检测指标上均优于单模态和双模态方法，证明了多模态融合在工业异常检测中的重要性。

实验结果：多模态融合的优势

下表展示了不同模态组合在异常检测中的性能对比。可以看到，D³M方法通过整合2D、伪3D和3D数据，取得了最高的检测精度。

更多可视化效果也印证了这一点，D³M 方法生成的分割图在细节和准确性上都优于其他方法。

作为此次联合项目的发起方之一，荣旗工业科技在其中扮演了至关重要的角色。凭借多年在工业检测领域的深厚积累和技术沉淀，荣旗不仅提供了大量真实且高质量的工业场景数据，更为数据集的构建和检测方法的研发提供了关键的技术支持和行业洞察。