Las redes estudiante-maestro han mostrado promesa en la detección de anomalías no supervisada; sin embargo, problemas como la confusión semántica y las deformaciones anormales aún restringen la precisión de detección. Para abordar estos problemas, proponemos una nueva red estudiante-maestro llamada MST mediante la integración del puente multietapa de reserva de píxeles (MPRB) y el autoencoder de compresión espacial (SCA) en la red MMR. El MPRB mejora la interacción de información entre niveles y la extracción de características locales, mejorando la localización de anomalías y reduciendo el área de detección falsa. El SCA refuerza la extracción de características globales, haciendo que los límites de detección de defectos más grandes sean más claros. Al probar nuestra red en varios conjuntos de datos, nuestro método logra un rendimiento de vanguardia (SOTA) en los conjuntos de datos AeBAD-S, AeBAD-V y MPDD, con puntuaciones AUROC a nivel de imagen de 87.5%, 78.5% y 96.5%, respectivamente. Además, nuestro método también muestra un rendimiento competitivo en el ampliamente utilizado conjunto de datos MVTec AD.