تُلقى تقنيات الكشف غير المُراقب عن الشذوذ، التي تعمل دون معرفة مسبقة بالشذوذ، اهتمامًا كبيرًا في مجال الفحص الصناعي بفضل مرونتها وقابليتها للتوسع. ونتيجة لذلك، تم تطبيق تقنيات الرؤية الحاسوبية القائمة على المعرفة على نطاق واسع للكشف عن الأنماط الصورية غير العادية. ومع ذلك، تُشكل التطبيقات الصناعية في الزمن الفعلي تحديات مثل قلة العينات الشاذة، ونقص المعرفة بالعيوب، والبنى النسيجية المعقدة في الخلفية. تؤدي هذه العوامل إلى صعوبات في تحديد مناطق العيب بدقة، وغالبًا ما يواجه الشبكات التلقائية الترميمية التقليدية صعوبات في التغلب على هذه المشكلات. لمعالجة هذه القيود، نقترح شبكة إعادة بناء الميزات متعددة المقياس (MSFR) المصممة خصيصًا لسيناريوهات التحول بين المجالات. تعتمد طريقةنا على شبكة محول الرؤية الهرمية (PVTN) لإعادة بناء خرائط الميزات متعددة المقياس، بهدف التقاط الميزات التمييزية على مقاييس مختلفة. علاوة على ذلك، يستخدم وحدة مُدرّبة مسبقًا لاستخراج ميزات متعددة المستويات بنفس المقياس، وتُعزز وحدة مطابقة الميزات المخصصة من الدقة من خلال تحسين احتمالية التوافق بين الميزات. يتفوق نهج MSFR على الشبكات التلقائية الترميمية التقليدية من خلال تصفية المعلومات على مستوى البكسل في عدة عمق. أُجريت تقييمات تجريبية باستخدام مجموعات بيانات معيارية مثل MVTec AD وAeBAD-S. كما أظهرت دراسة التحليل التفصيلي الواسعة فعالية وقابلية التطبيق لنهج MSFR المقترح في مهام الكشف عن الشذوذ الصناعي. تُظهر نتائج التجارب أن النموذج المقترح يتفوق بشكل ملحوظ على الطرق الحديثة، مما يجعله مناسبًا جدًا للتطبيقات الصناعية الواقعية، خصوصًا في مجال التصنيع.