製造業における目視検査，官能検査といった外観検査では，コスト削減や人によるばらつきの低減を目的として，画像認識技術を用いた外観検査の自動化が期待されている。工業製品の場合は，異常が少なく，未知の異常も発生するため，良品のみから異常検知を行う教師なし異常検知手法が提案されている。しかし，これらの手法で用いられるモデルはImageNetなどのデータセット学習済みのモデルを使用するため，検査対象の特徴は学習しておらず，性能改善するためのモデル調整は困難であった。そこで，異常検知対象の特徴を学習することを目的とし，自己教師あり学習を用いた異常検知手法を提案する。具体的には，自己教師あり学習を用いて検査画像によるモデルの調整を行い，調整したモデルを用いた教師なし異常検知手法による異常検知を行う。実験では，ブレーカーの銘版部分の外観検査を対象として，自己教師あり学習手法によって調整したモデルを用いた提案手法が，従来手法と比較してImage-level AUCが高いことを示す．
