Marco co-diseñado que combina imágenes de cúpula con apertura e IA generativa para la detección de defectos en...

Área de la Ciencia:

• Visión por Computadora
• Inteligencia Artificial
• Tecnología de Manufactura

Sus antecedentes:

• La inspección visual automatizada de ensamblajes metálicos críticos para la seguridad es difícil debido a formas complejas, superficies reflectantes y pocos ejemplos de defectos.
• Los métodos 2D tradicionales enfrentan problemas de obtención de imágenes y un rendimiento deficiente con datos limitados, mientras que los métodos 3D suelen ser lentos y costosos.

Objetivo del estudio:

• Desarrollar un sistema integrado para la obtención de imágenes de defectos, generación y detección para componentes metálicos desafiantes.
• Mejorar las capacidades de percepción de defectos a través del co-diseño de modelos generativos e de imágenes.

Principales métodos:

• Desarrolló un sistema de obtención de imágenes especializado con iluminación de cúpula y una lente de apertura pequeña para superficies metálicas no planas.
• Implementó una estrategia generativa de doble etapa utilizando un FastGAN mejorado (DMGF-SLE) para parches de defectos y edición de imágenes de Poisson para una fusión perfecta.
• Utilizó funciones de pérdida perceptuales y optimizadas para centrarse en la generación realista de defectos.

Principales resultados:

• Generó muestras de defectos realistas de manera eficiente en condiciones de pocos ejemplos (few-shot), mejorando las puntuaciones de Fréchet Inception Distance (FID) en un 11-24% en comparación con los modelos base.
• Mejoró significativamente el rendimiento de detección posterior, aumentando el mAP@50:95 de YOLOv8 de 50.4% a 60.5% utilizando datos sintéticos.
• Demostró una solución de sistema computacionalmente eficiente y prácticamente viable.

Conclusiones:

• El sistema integrado propuesto ofrece una solución completa, sinérgica y desplegable para la detección de defectos en componentes metálicos desafiantes.
• Este enfoque proporciona una vía técnica viable para mejorar la inspección visual automatizada en la fabricación.
• El co-diseño de modelos de generación e imágenes aborda eficazmente las limitaciones de los métodos actuales de detección de defectos.