Dieser Leitfaden untersucht die unüberwachte Anomalieerkennung für die industrielle Oberflächeninspektion unter Verwendung eines Teilsatzes des MVTec AD-Datensatzes. Er stellt eine Python-basierte Pipeline vor, die Defekte ohne gelabelte Trainingsdaten identifiziert und somit für reale Fertigungsumgebungen skalierbar ist. Der Ansatz nutzt gängige Computer-Vision-Techniken und ist besonders für Qualitätssicherungsteams nützlich, die die Inspektion automatisieren möchten. Die Methode ist etabliert, aber der kommerzielle Wert ist hoch aufgrund der wachsenden Nachfrage nach automatisierter Defekterkennung in Branchen wie Elektronik und Automobil. Entwickler können diese Pipeline mit minimalen Änderungen an ihre eigenen Datensätze anpassen.
Ein praktischer Leitfaden zur unüberwachten Defekterkennung auf dem MVTec AD-Datensatz mit Python, relevant für die Qualitätskontrolle in der Fertigung.