该文提出一种基于卷积神经网络的模板重建方法,采用残差学习方式逐级精细化得到重建结果,通过产品图像与模板的比对完成对工业品的外观质量检测。在模板重建过程中,结合自注意力机制的关联度检索与编码融合方式,在保持细节还原效果的同时大幅减少了计算量;并提出域适应对抗学习方法,避免重建过程对缺陷信息的还原,显著控制了检测漏报率。实验结果表明了该方法的有效性与较强适应能力。