传统的织物检查通常是通过人工视觉方法进行的，对于长期的工业应用而言，这种方法效率低下且精度较差。在本文中，我们提出了一种无监督的基于学习的自动化方法，无需任何人工干预即可检测和定位织物缺陷。该方法用于在多个高斯金字塔等级上通过卷积去噪自动编码器网络重建图像斑块，并合成来自相应分辨率通道的检测结果。
每个图像块的重建残差用作直接逐像素预测的指示符。通过在每个分辨率级别上分割并合成重建残差图，可以生成检查结果。这种新开发的方法在织物缺陷检测方面具有几个突出的优势。
首先，仅需少量的无缺陷样本即可对其进行训练。这对于收集大量有缺陷的样品既困难又不切实际的情况尤其重要。
其次，由于采用了多模式集成策略，与常规检查方法相比，它相对更健壮和准确（每个分辨率级别的结果都可以视为一种模式）。
第三，根据我们的结果，它可以处理多种类型的纺织品，从简单到更复杂。实验结果表明，所提出的模型是鲁棒的，并具有良好的整体性能，具有很高的精度和可接受的召回率。
这种新开发的方法在织物缺陷检测方面具有几个突出的优势。首先，仅需少量的无缺陷样本即可对其进行训练。这对于难以且不可行收集大量次品样品的情况尤其重要。其次，由于采用了多模式集成策略，与常规检查方法相比，它相对更健壮和准确（每个分辨率级别的结果都可以视为一种模式）。
