La détection basée sur l’image des défauts de surface a longtemps été envisagée dans le processus d’automatisation des carreaux magnétiques. Dans ce travail, nous introduisons un modèle neuronal en temps réel et multi-module, nommé MCuePush U-Net, spécifiquement conçu pour la détection de salience d’images de carreaux magnétiques. Nous démontrons que ce modèle dépasse l’état de l’art en cartographiant de manière à la fois efficace et explicite plusieurs défauts de surface à partir d’images à faible contraste. Notre modèle réduit significativement le temps de traitement des machines, passant de 0,5 seconde par image à 0,07 seconde, tout en améliorant la précision de détection de salience des défauts de surface.