人工智能 (AI) 驱动的缺陷检测在工业制造中至关重要。然而，许多针对特定管道量身定制的方法都需要应对多样化的产品组合和不断发展的流程。针对这个问题，我们提出了增量统一框架（IUF），它可以减少在管道中不断集成新对象时的特征冲突问题，使其在对象增量学习场景中具有优势。我们采用最先进的转换器，引入对象感知自注意力（OASA）来描绘不同的语义边界。集成语义压缩损失（SCL）来优化非主语义空间，增强网络对新对象的适应性。此外，我们在权重更新期间优先保留已建立对象的特征。我们的方法在图像和像素级缺陷检测方面展现了强大的实力，实现了最先进的性能，对于动态和可扩展的工业检测来说是不可或缺的。我们的代码将在 https://github.com/jqtangust/IUF 发布。



"点击查看英文标题和摘要"