Học không giám sát trong kiểm tra ngoại quan bề mặt nắp cao su = Unsupervised learning in rubber stopper surface anomaly detection

Abstract

Phát hiện sự dị thường trên bề mặt kết cấu là một vấn đề quan trọng và cần thiết. Trong ngành y tế, thuốc và dung dịch y tế được sản xuất trong phòng sạch. Những dị thường trên bề mặt nắp cao su mang một tiềm ẩn ảnh hưởng trực tiếp đến chất lượng thuốc dẫn đến ảnh hưởng sức khỏe của con người hoặc động vật khi sử dụng. Một sự dị thường trên bề mặt nắp cao su cần phải được phát hiện để có thể loại bỏ sớm. Thách thức chính của nhiệm vụ này đó là phát hiện các vùng có sự thay đổi là dị thường nhỏ, nhiễu so với mức bình thường, thiếu dữ liệu nắp cao su dị thường được gán nhãn. Trong nghiên cứu này, chúng tôi chỉ ra một phương pháp tiếp cận kết hợp nhúng từ mô hình ImageNet cho phát hiện phân loại những ảnh dị thường và bình thường của nắp cao su. Chúng tôi đã mở rộng và đề xuất mô hình PatchCore với bộ siêu tham số mới để đạt hiệu suất phát hiện các điểm dị thường. Đầu vào hình ảnh 1 kênh, đầu ra mặt nạ phân đoạn hình ảnh với các vùng dị thường trên bề mặt ảnh nắp cao su thử nghiệm. Chúng tôi tiếp tục báo cáo kết quả bộ dữ liệu bổ sung và cũng tìm thấy kết quả khả quan trong chế độ ít mẫu với chỉ số F1 và AUC lần lượt là 0.95 và 0,84.