Leveraging Unsupervised Learning for Cost-Effective Visual Anomaly Detection

Resumen Técnico: Aprovechamiento del Aprendizaje No Supervisado para la Detección Económica de Anomalías Visuales

Enunciado del Problema
Los sistemas tradicionales de inspección visual basados en aprendizaje automático para las Pequeñas y Medianas Empresas (PYMES) enfrentan barreras significativas para su adopción. Estos sistemas requieren típicamente una extensa recolección de datos, entrenamiento repetitivo de modelos, hardware costoso (GPUs y cámaras de gama alta) y experiencia especializada en aprendizaje automático. Además, los enfoques de aprendizaje profundo a menudo dependen de conjuntos de datos a gran escala, etiquetados, de productos tanto normales como defectuosos. En entornos industriales, la diversidad de defectos y la necesidad de anotación continua de datos hacen que estos requisitos sean gravosos para las PYMES, las cuales a menudo carecen de la capacidad para recopilar y mantener suficientes datos de imágenes. Además, los modelos estándar de aprendizaje profundo luchan por generalizar a nuevos productos o tipos de defectos sin reentrenamiento, limitando aún más su utilidad práctica en entornos de fabricación flexibles.

Metodología
Este estudio propone un sistema de detección de anomalías visuales rentable diseñado para entornos con recursos limitados, utilizando específicamente una Raspberry Pi 4B (8 GB de RAM) y una cámara de bajo costo. La metodología central aprovecha el aprendizaje no supervisado, donde los modelos se entrenan exclusivamente con imágenes de productos "normales", eliminando la necesidad de datos de defectos etiquetados.

• Algoritmos: La investigación evalúa cuatro algoritmos de aprendizaje no supervisado de la biblioteca Anomalib: PaDiM (Detección de Anomalías por Patches mediante Modelado de Densidad), PatchCore, CFlow-AD y FastFlow.
• Despliegue: Los modelos se optimizan para el despliegue en el borde utilizando el toolkit OpenVINO, lo que reduce el tamaño del modelo y los costos computacionales manteniendo la precisión.
• Configuración Experimental: El sistema se probó en componentes de cajas de engranajes. El flujo de trabajo implicó capturar imágenes de piezas normales para entrenar los modelos.
  • Datos de Entrenamiento: Inicialmente, se utilizaron 20 imágenes de productos normales, con 15 seleccionadas aleatoriamente para el entrenamiento y 5 para la prueba.
  • Condiciones de Prueba: El sistema se evaluó bajo diversas anomalías de "condición del producto" (por ejemplo, dientes de engranaje faltantes, piezas faltantes, engranajes extra, carcasas sin anodizar) y anomalías de "condición de configuración" (por ejemplo, cambios de iluminación, desalineación de bandejas, inclinación de piezas).
• Métricas: El rendimiento se midió utilizando puntuaciones AUROC (Área Bajo la Curva Característica Operativa del Receptor) y F1 Macro. Se realizó un estudio de ablación para comparar el rendimiento entre diferentes tamaños de conjuntos de datos (20, 50 y 80 imágenes) y plataformas de hardware (Raspberry Pi vs. PC Intel i7).

Contribuciones Clave

1. Desarrollo de Sistema de Bajo Costo: La creación de un sistema funcional de detección de anomalías visuales utilizando una Raspberry Pi 4B, demostrando un método asequible para detectar defectos en piezas de cajas de engranajes sin infraestructura informática de gama alta.
2. Evaluación de Algoritmos: Un análisis comparativo de múltiples algoritmos de aprendizaje no supervisado preentrenados (PaDiM, PatchCore, CFlow-AD, FastFlow) específicamente para su despliegue en hardware de bajo costo.
3. Validación de Rendimiento: Validación empírica de la capacidad del sistema para detectar diversos tipos de defectos y variaciones de configuración en un entorno de laboratorio, incluida la generación de mapas de calor para la localización de defectos y puntuaciones de confianza para el apoyo a la toma de decisiones.

Resultados

• Alta Precisión con Datos Mínimos: En la Raspberry Pi, el sistema logró una puntuación F1 macro superior a 0.95 y un AUROC de 1.0 en todas las condiciones de producto y configuración probadas al entrenarse con solo 10 imágenes normales (utilizando 15 para el entrenamiento en la configuración inicial). El sistema distinguió con éxito entre piezas normales y anómalas sin etiquetado previo de defectos.
• Restricciones de Hardware:
  • PaDiM resultó ser el modelo más eficiente, entrenándose en aproximadamente 1 minuto y 9 segundos en la Raspberry Pi con 20 imágenes, logrando una puntuación F1 de 0.95.
  • PatchCore también tuvo un buen rendimiento en conjuntos de datos pequeños (20 imágenes), pero encontró fallos del sistema cuando el tamaño del conjunto de entrenamiento aumentó a 50 u 80 imágenes debido a limitaciones de memoria.
  • CFlow-AD y FastFlow no lograron entrenarse con éxito en la Raspberry Pi en todos los tamaños de conjuntos de datos, resultando en fallos del sistema.
• Velocidad de Inferencia: Aunque el entrenamiento fue rápido para PaDiM, los tiempos de inferencia fueron relativamente altos para la aplicación objetivo: aproximadamente 24 segundos para PaDiM y 70 segundos para PatchCore en la Raspberry Pi.
• Sensibilidad al Entorno: El sistema mostró sensibilidad a cambios ambientales. Por ejemplo, en condiciones extremadamente oscuras, el modelo clasificó incorrectamente una pieza normal como anómala con solo un 50% de confianza. Además, el sistema tuvo dificultades para localizar con precisión defectos sutiles (por ejemplo, dientes de engranaje faltantes ligeramente borrosos) y ocasionalmente confundió cambios de configuración (como iluminación o movimiento de bandejas) con defectos del producto.

Significado y Afirmaciones
El artículo afirma presentar una exploración pionera del despliegue de modelos de aprendizaje profundo no supervisados de última generación en hardware de bajo costo y recursos limitados. Demuestra que las PYMES pueden lograr una detección de anomalías de alta precisión (F1 > 0.95) utilizando datos mínimos (tan pocos como 10 imágenes normales) y hardware asequible, reduciendo significativamente la barrera de entrada para la inspección visual automatizada.

Sin embargo, los autores mantienen una postura modesta respecto a las limitaciones actuales del sistema. Reconocen que el sistema aún no es adecuado para líneas de producción de alta frecuencia debido a los tiempos de inferencia (24–70 segundos) y su sensibilidad al ruido ambiental (iluminación, posicionamiento). El estudio concluye que, aunque el enfoque es rápido y económico, se requiere trabajo futuro para mejorar la fiabilidad mediante la destilación de modelos o la compresión de datos para manejar mejor el gran volumen de datos y la resolución limitada inherentes a los dispositivos de borde de bajo costo. El sistema se posiciona como una solución viable para las PYMES donde la inspección rápida y de alto rendimiento no es la restricción principal, o como una verificación suplementaria en lugar de un reemplazo autónomo de la inspección humana en entornos complejos y variables.