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

تشخیص ناهنجاری در تصاویر صنعتی یکی از چالشهای اساسی در سیستمهای کنترل کیفیت هوشمند به شمار می رود. مجموعه داده MVTec LOCO AD با معرفی ناهنجاریهای منطقی نظیر جابه جایی قطعات، مونتاژ نادرست و نقض روابط مکانی توجه گسترده پژوهشگران را به خود جلب کرده است، چرا که شناسایی این دسته از ناهنجاری ها مستلزم درک ساختار کلی صحنه و روابط معنایی میان اجزای تصویر است نه صرف تشخیص عیوب سطحی. در این مقاله روشی مبتنی بر بازسازی ماسک شده با معماری ترنسفورمر و ترکیب ویژگی های چند سطحی برای تشخیص ناهنجاری های منطقی ارائه می شود. با ماسک گذاری تصادفی بخشی از پچ های تصویر و آموزش مدل برای بازسازی آنها بر اساس پچ های قابل مشاهده، شبکه مجبور می شود الگوهای نرمال و روابط ساختاری حاکم بر داده های سالم را بیاموزد، همچنین با استخراج و ترکیب وزنی ویژگی ها از لایه های مختلف رمزگذار ترنسفورمر، مدل همزمان از اطلاعات محلی بافت ها و سراسری روابط ساختاری بهره می گیرد. نتایج آزمایش ها بر روی MVTec LOCO AD نشان می دهد که روش پیشنهادی با میانگین AUC-ROC برابر با ۰.۹۵۷ عملکردی برتر از روش های مبتنی بر CNN و برخی روش های مبتنی بر ترنسفورمر دارد و نگاشت های ناهنجاری تولید شده توسط آن نواحی دارای نقض روابط منطقی را با دقت مناسبی مکان یابی می کنند.

کلیدواژه ها:

تشخیص ناهنجاری ، صنعتی ناهنجاری ، منطقی بازسازی ماسک ، شده ترنسفورمر ، ترکیب ویژگیهای چند سطحی ، MVTec LOCO AD