为提升逻辑异常检测的性能，部分先前工作将分割技术与传统的异常检测方法相结合。尽管这些方法具有一定有效性，但往往导致分割结果不理想，且依赖人工标注。为克服上述缺陷，本文提出一种无监督的组件分割技术，该技术利用基础模型自动为轻量级分割网络生成训练标签，无需人工干预。将该新型分割技术与本文提出的Patch直方图模块以及局部-全局学生-教师（Local-Global Student-Teacher, LGST）模块相结合，在MVTec LOCO AD数据集上实现了95.3%的检测AUROC，超越了现有最先进方法。此外，所提方法在推理延迟方面表现更优，吞吐量显著高于大多数现有方法。