كشف الانحراف الصناعي مع الانزلاق النطاقي: مجموعة بيانات واقعية وإعادة بناء ماسك متعدد المقياس

كشف التفاصيل الصناعية (IAD) يُعد أمرًا بالغ الأهمية لتمكين آلية فحص الجودة الصناعية. ويشكل تنوع المجموعات البياناتية الأساس لتطوير خوارزميات شاملة للكشف عن التفاصيل الصناعية. وتتركز المجموعات البياناتية الحالية للكشف عن التفاصيل الصناعية على تنوع فئات البيانات، مع تجاهل تنوع المجالات ضمن نفس الفئة من البيانات. وفي هذا البحث، ولسد هذه الفجوة، نقترح مجموعة بيانات جديدة تُسمى "مجموعة بيانات الكشف عن التفاصيل في شفرات المحركات الجوية" (AeBAD)، والتي تتكون من مجلّدين فرعيين: مجموعة بيانات الشفرة الواحدة، ومجموعة بيانات الكشف عن التفاصيل في الفيديو للشفرات. مقارنةً بالمجموعات البياناتية الحالية، تتميز AeBAD بخاصيتين رئيسيتين: 1) أن العينات المستهدفة ليست مُحاذاة، وتمتد على مقاييس مختلفة؛ 2) وجود انزياح مجالي بين توزيع العينات الطبيعية في مجموعة الاختبار ومجموعة التدريب، حيث يُعزى هذا الانزياح إلى التغيرات في الإضاءة والزاوية المرئية. وباستخدام هذه المجموعة البياناتية، لاحظنا أن الطرق الحالية المتطورة (SOTA) في مجال الكشف عن التفاصيل الصناعية تواجه قيودًا عند حدوث انزياح في مجال العينات الطبيعية في مجموعة الاختبار. ولحل هذه المشكلة، نقترح طريقة جديدة تُسمى "إعادة بناء متعددة المقياس بحجب مُحدد" (MMR)، والتي تعزز قدرة النموذج على استخلاص العلاقة السببية بين المربعات في العينات الطبيعية من خلال مهمة إعادة بناء مُحجبة. وتُظهر MMR أداءً متفوّقًا مقارنةً بالطرق المتطورة الحالية على مجموعة بيانات AeBAD. علاوةً على ذلك، تُظهر MMR أداءً تنافسيًا مع الطرق المتطورة في كشف التفاصيل المختلفة من أنواع متعددة على مجموعة بيانات MVTec AD. يُمكن الوصول إلى الشيفرة والمجموعة البياناتية من خلال الرابط التالي: https://github.com/zhangzilongc/MMR.