تشخیص ناهنجاری‌های منطقی در تصاویر صنعتی با بازسازی ماسک‌شده مبتنی بر ترنسفورمر و ترکیب ویژگی‌های چندسطحی

تشخیص ناهنجاری‌های منطقی در تصاویر صنعتی با بازسازی ماسک‌شده مبتنی بر ترنسفورمر و ترکیب ویژگی‌های چندسطحی

سید حسین میرباقری1 علی مختارباف2 سید جواد میرعابدینی3

1) دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر،واحد تهران مرکزی، دانشگاه آزاد اسلامی،تهران، ایران،
2) استادیار گروه مهندسی کامپیوتر،واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران،
3) استادیار گروه مهندسی کامپیوتر، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران،

کد IOI مقاله : AAHD-ABKKEE
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    تشخیص ناهنجاری در تصاویر صنعتی یکی از چالش‌های اساسی در سیستم‌های کنترل کیفیت هوشمند به شمار می‌رود. مجموعه داده MVTec LOCO AD با معرفی ناهنجاری‌های منطقی—نظیر جابه‌جایی قطعات، مونتاژ نادرست و نقض روابط مکانی—توجه گسترده پژوهشگران را به خود جلب کرده است، چرا که شناسایی این دسته از ناهنجاری‌ها مستلزم درک ساختار کلی صحنه و روابط معنایی میان اجزای تصویر است، نه صرفاً تشخیص عیوب سطحی. در این مقاله، روشی مبتنی بر بازسازی ماسک‌شده با معماری ترنسفورمر و ترکیب ویژگی‌های چندسطحی برای تشخیص ناهنجاری‌های منطقی ارائه می‌شود. با ماسک‌گذاری تصادفی بخشی از پچ‌های تصویر و آموزش مدل برای بازسازی آن‌ها بر اساس پچ‌های قابل‌مشاهده، شبکه مجبور می‌شود الگوهای نرمال و روابط ساختاری حاکم بر داده‌های سالم را بیاموزد. همچنین، با استخراج و ترکیب وزنی ویژگی‌ها از لایه‌های مختلف رمزگذار ترنسفورمر، مدل هم‌زمان از اطلاعات محلی (بافت‌ها) و سراسری (روابط ساختاری) بهره می‌گیرد. نتایج آزمایش‌ها بر روی MVTec LOCO AD نشان می‌دهد که روش پیشنهادی با میانگین AUC-ROC برابر با ۰٫۹۵۷، عملکردی برتر از روش‌های مبتنی بر CNN و برخی روش‌های مبتنی بر ترنسفورمر دارد و نگاشت‌های ناهنجاری تولیدشده توسط آن، نواحی دارای نقض روابط منطقی را با دقت مناسبی مکان‌یابی می‌کنند.

کلمات کلیدی : تشخیص ناهنجاری صنعتی ناهنجاری منطقی بازسازی ماسک‌شده ترنسفورمر ترکیب ویژگی‌های چندسطحی mvtec loco ad