为了有效应对上述问题，本文对相关算法进行了深入且系统的研究，并创新性地提出了两个具有一定研究价值的改进算法模型。
(1)首先是结合视觉Mamba和块特征分布的无监督工业异常检测模型。通过提出的视觉Mamba自编码器，利用其独特的双向序列建模方式，捕捉图像中不同位置的特征(如复杂纹理或结构)之间长距离依赖关系，以此完成全局异常的捕获。同时通过视觉Mamba高效的计算机制，解决传统基于ViT 缺陷检测算法面对的二级计算复杂度问题。
(2)基于小波卷积的轻量化工业缺陷检补丁描述网络模型。本文利用小波卷积结合深度可分离卷积对PDN网络进行了深度优化，成功蒸馏出轻量化的补丁描述网络WT mobile PDN。利用小波卷积独特的多尺度分析能力，在不同尺度和频率上对图像进行精细分析，捕捉更为广泛的低频信息，从而增强对不同频率的特征鉴别能力。同时通过深度可分离卷积的形式保持较高的计算效率。经过大量实验验证，该改进网络在大幅降低模型复杂度的同时，依然保持了较高的异常检测准确率，且能够有效地作为一个异常检测任务的通用特征提取器。
参考文献（略）
