إن القدرة على كشف الأعطال والانحرافات تمثل متطلبات أساسية لبناء أنظمة موثوقة لتطبيقات الرؤية الحاسوبية، خاصة التطبيقات الحساسة للسلامة التي تعتمد على التجزئة الدلالية، مثل القيادة الذاتية وتحليل الصور الطبية. في هذه الورقة، نقوم بدراسة منهجية لكشف الأعطال والانحرافات في التجزئة الدلالية ونقترح إطارًا موحدًا يتألف من وحدتين لمعالجة هذين المشكلين المرتبطين. تتمثل الوحدة الأولى في وحدة توليد الصور، التي تُنتج صورة مُصَنَّعة من خريطة تخطيط التجزئة، بينما تتمثل الوحدة الثانية في وحدة المقارنة، التي تحسب الفرق بين الصورة المُصَنَّعة والصورة المدخلة. وقد قمنا بفحص إطارنا على ثلاث مجموعات بيانات صعبة، وحققنا تحسنًا كبيرًا مقارنة بالحالة الراهنة، حيث بلغت نسبة التحسن 6% في مؤشر AUPR-Error على مجموعة Cityscapes، و7% في معامل الارتباط لبيرسون في تجزئة أورام البنكرياس ضمن مجموعة MSD، و20% في مؤشر AUPR على تجزئة الانحرافات في مجموعة StreetHazards.