DriftAD: Visually-Guided Text Drift for Few-Shot Industrial Anomaly Detection
يُعد DriftAD إطار عمل للكشف عن الشذوذ الصناعي في حالات التعلم بلقطات قليلة، وهو يتغلب على قيود النصوص التوجيهية الثابتة من خلال تقديم آلية "انحراف النص الموجه بصرياً" لتوليد واصفات شذوذ تكيفية مكانياً وطبقيًا بشكل ديناميكي، مما يحسن أداء الكشف بشكل كبير في مجموعتي بيانات MVTec-AD وVisA.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم التصنيع الحديث الواسع والمؤتمت، يمثل الحفاظ على مثالية المنتجات معركة مستمرة ضد غير المرئي. تقوم الآلات بتجميع آلاف القطع المتطابقة كل ساعة، ولكن في اللحظة التي يظهر فيها خدش صغير على سطح معدني أو تشوه طفيف يشوه نسيجاً، تخاطر الدفعة بأكملها بالفشل. لعقود من الزمن، كافحت الحواسيب لرصد هذه العيوب لأنها نادرة وغير متوقعة. تطلبت الأساليب التقليدية تعليم الكمبيوتر كيف يبدو الشكل "الطبيعي" لكل نوع من أنواع المنتجات، وهي عملية بطيئة ومكلفة كانت تنهار بمجرد أن يدخل مصنع منتجاً جديداً. مؤخراً، ظهر نهج جديد باستخدام نماذج الذكاء الاصطناعي التي تم تدريبها في الأصل لفهم كل من الصور واللغة. يمكن لهذه النماذج قراءة وصف مثل "زجاجة تالفة" والبحث عنه في صورة، مما يوفر طريقة مرنة للعثور على العيوب دون الحاجة إلى آلاف الأمثلة. ومع ذلك، حتى هذه الأنظمة المتقدمة لديها نقطة عمياء: فهي تميل إلى معاملة العيب كفكرة واحدة موحدة، وتفشل في ملاحظة أن العيب قد يبدو مختلفاً اعتماداً على مكانه أو مدى عمقه داخل طبقات بيانات الصورة.
قام باحثون من جامعة نانيانغ التكنولوجية وجامعة هوازونغ للعلوم والتكنولوجيا بتطوير نظام جديد يسمى DriftAD لإصلاح هذا الضعف المحدد. يقدم عملهم، الذي عُرض في مؤتمر ACM الدولي للمتعدد الوسائط لعام 2026، طريقة تجعل فهم الكمبيوتر للعيب "ينجرف" أو يتغير ديناميكياً أثناء فحص أجزاء مختلفة من الصورة. وبدلاً من استخدام وصف نصي واحد وثابت للعيب يظل كما هو بغض النظر عما يراه الكمبيوتر، يسمح نظام DriftAD لهذا الوصف بالتغير بناءً على السياق البزي المحلي. تخيل حارس أمن، بدلاً من أن يحمل وصفاً واحداً جامداً لمشتبه به، يقوم بتعديل صورته الذهنية لذلك المشتبه به في الوقت الفعلي أثناء مسحه لمناطق مختلفة من الحشد، مع مراعاة الإضاءة والمسافة والزاوية. وبنفس الطريقة، يأخذ هذا الأسلوب الجديد وصفاً نصياً ثابتاً وغير متغير لعيب ما، ويقوم بلطف بدفعه ليتناسب مع التفاصيل البصرية المحددة للمنطقة التي يفحصها حالياً.
تبدأ العملية بزيادة حدة رؤية الكمبيوتر للصورة. يستخدم النظام أولاً فروعاً متخصصة لتسليط الضوء على الإشارات الخفية التي قد تكون مخفية عن غير قصد بواسطة الأنماط المثالية السائدة لمنتج طبيعي. إنه ينظر إلى الصورة من خلال عدسة مكانية، حيث يقارن كل جزء صغير بجيرانه المباشرين لإيجاد الانحرافات، وعدسة ترددية، حيث يحلل الأنماط الأساسية للصورة لرصد الاختلالات التي قد تفوت العين. وبمجرد تضخيم إشارات العيوب الخافتة هذه، يشغل النظام ابتكاره الجوهري: "الانجراف النصي الموجه بصرياً" (Visually-Guided Text Drift). هنا، يأخذ الكمبيوتر الوصف النصي القياسي لشذوذ ما، وبإرشاد من الميزات البصرية التي قام بتضخيمها للتو، يقوم بتحويل ذلك الوصف إلى نسخة جديدة مخصصة لكل طبقة من طبقات تحليله. وهذا يعني أنه بينما يقشر الكمبيوتر طبقات الصورة، من الأشكال العريضة وصولاً إلى الأنسجة الدقيقة، فإن تعريف ما يشكل "عيباً" يتطور ليتناسب مع المقياس والموقع المحدد للخلل المحتمل.
ولضمان أن تكون هذه الأوصاف المتغيرة مفيدة، يستخدمها النظام كمجسات لمسح الصورة مرة أخرى. فهو يسأل الميزات البصرية: "هل هذا الجزء من الصورة يتطابق مع الوصف المخصص الحالي للعيب؟" إذا كانت الإجابة بنعم، يتم تسليط الضوء على ذلك الجزء من الصورة؛ وإذا كانت لا، يتم تجاهله. وهذا يخلق خريطة مركزة للغاية لمكان وجود المشكلة، مما يفلتر ضجيج الخلفية. اختبر الباحثون هذا النهج على مجموعتي بيانات صناعيتين رئيستين، MVTec-AD وVisA، اللتين تحتويان على آلاف الصور لمنتجات متنوعة تتراوح من الصواميل المعدنية إلى الكابلات والسجاد. لقد تحدوا النظام ببيانات محدودة للغاية، حيث قدموا له مثالاً واحداً أو اثنين أو أربعة أمثلة لمنتج مثالي للتعلم منها، وهو سيناريو يُعرف باسم "التعلم من أمثلة قليلة" (few-shot learning).
كانت النتائج حاسمة. في الاختبارات التي تقيس مدى قدرة النظام على تحديد الصور المعيبة وتحديد الموقع الدقيق للخلل، تفوق DriftAD على جميع الأساليب الموجودة في كل الإعدادات. في مجموعة بيانات MVTec-AD، حقق النظام درجة دقة على مستوى الصورة بلغت 97.2 بالمائة باستخدام مثال واحد فقط، ودقة على مستوى البكسل بلغت 96.8 بالمائة. وفي مجموعة بيانات VisA، التي تتميز بعيوب أكثر تعقيداً وتنوعاً، وصل إلى 93.1 بالمائة من الدقة في اكتشاف الصور و97.4 بالمائة في تحديد البكسلات المحددة للعيب. تمثل هذه الأرقـام قفزة نوعية كبيرة، حيث تجاوزت أفضل الأساليب السابقة بفارق واضح. تؤكد الدراسة أنه من خلال السماح للوصف النصي للعيب بالتحرك والتكيف مع الواقع البصري للصورة، بدلاً من إجبار الصورة على التوافق مع وصف جامد، يمكن للآلات اكتشاف العيوب الصناعية بمستوى من الدقة كان بعيد المنال سابقاً. هذا النهج لا يتطلب إعادة تدريب النظام بأكل لمنتج جديد، مما يجعله حلاً قابلاً للتوسع لتلبية الاحتياجات الديناميكية للتصنيع الحديث.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.