DRL-Guided Neural Batch Sampling for Semi-Supervised Pixel-Level Anomaly Detection

En las fábricas que construyen de todo, desde placas de circuitos hasta envases de alimentos, el control de calidad es un juego implacable de encontrar la única cosa que no pertenece. Durante décadas, las máquinas han sido entrenadas para detectar estos fallos, pero se enfrentan a un problema fundamental: rara vez se les muestra cómo luce un producto roto. Los defectos son escasos, costosos de crear y a menudo sutiles, como un rasguño capilar en una superficie pulida o una pequeña muesca en un componente de vidrio. Debido a esta escasez, los ingenieros tradicionalmente han enseñado a las computadoras a aprender únicamente la forma de un artículo perfecto. La computadora memoriza cómo es lo "normal" y, cuando ve algo que se desvía de esa memoria, lo marca como un defecto. Sin embargo, este enfoque tiene un punto ciego. Si una computadora aprende con demasiada perfección cómo es un artículo normal, puede confundirse ante los errores muy pequeños y silenciosos que más importan, o simplemente podría ignorarlos porque no se parecen a los errores grandes y obvios que se le enseñó a esperar.

Un equipo de investigadores de la Universidad de Teherán ha propuesto una nueva forma de resolver este rompecabezas, una que va más allá de simplemente memorizar la perfección. En lugar de depender de una memoria estática de lo que es normal, crearon un sistema que aprende activamente a buscar problemas. Su método, detallado en un estudio reciente, combina tres herramientas distintas en un único bucle de automejora. Primero, un "explorador" digital se desplaza por una imagen, decidiendo qué pequeñas secciones merecen una mirada más cercana. Segundo, un motor de reconstrucción intenta reconstruir esas secciones a partir de la memoria, resaltando dónde la memoria no coincide con la realidad. Tercero, un clasificador aprende a leer esos fallos y a trazar un mapa preciso del defecto. Al permitir que estas tres partes se comuniquen entre sí, el sistema aprende a encontrar anomalías sutiles con un nivel de precisión que los métodos anteriores difícilmente lograban alcanzar, todo ello utilizando solo un puñado de ejemplos defectuosos conocidos para guiar el proceso.

El núcleo de este nuevo marco de trabajo es un agente digital que actúa como un inspector curioso. En los sistemas tradicionales, una computadora podría escanear una imagen completa a la vez o mirar parches aleatorios sin un plan. Este nuevo agente, sin embargo, utiliza una técnica llamada aprendizaje por refuerzo, que es esencialmente un proceso de aprendizaje por ensayo y error impulsado por recompensas. Imagine a una persona caminando por un gran almacén buscando un tipo específico de daño; no camina en línea recta ni revisa cada caja al azar. En su lugar, busca pistas, decide qué área parece más sospechosa y luego dirige su atención hacia allí. Este agente digital hace lo mismo. Observa una imagen y decide qué pequeño cuadrado examinar a continuación basándose en lo que ha aprendido hasta el momento. Si elige un lugar que ayuda al sistema a entender la diferencia entre una pieza buena y una mala, recibe una recompensa. Si elige un lugar que no aporta información nueva, aprende a evitar esa área en el futuro. Esto permite que el sistema concentre su energía en las partes más informativas de la imagen, en lugar de perder el tiempo en áreas que son claramente perfectas.

Una vez que el agente selecciona un parche, este se pasa a un motor de reconstrucción, que es un tipo de red neuronal diseñada para reconstruir imágenes. Este motor ha sido entrenado extensamente con muestras perfectas y libres de defectos. Cuando recibe un parche de una parte buena del producto, puede reconstruirlo casi perfectamente. Pero cuando recibe un parche que contiene un rasguño o una muesca, tiene dificultades. Debido a que nunca ha visto ese fallo específico durante su entrenamiento, no puede reconstruirlo con precisión. La diferencia entre lo que el motor ve y lo que reconstruye crea un "perfil de pérdida", un mapa de errores que brilla intensamente donde el defecto está oculto. Este mapa es la clave del éxito del sistema. En lugar de intentar adivinar el defecto directamente a partir de la imagen bruta, el sistema analiza este mapa de errores de reconstrucción, que a menudo hace que incluso los fallos más diminutos sean mucho más fáciles de ver.

La pieza final del rompecabezas es un predictor, una red especializada que toma estos mapas de error y los convierte en una decisión binaria clara: este píxel es bueno, o este píxel es malo. Lo que hace que el enfoque de los investigadores sea único es cómo estos tres componentes —el explorador, el motor y el predictor— aprenden juntos. En muchos intentos previos de sistemas similares, las partes se entrenaban por separado o dependían de reglas rígidas que limitaban su capacidad de adaptación. Aquí, el sistema utiliza un enfoque semisupervisado, lo que significa que aprende de un gran grupo de datos normales y de un conjunto muy pequeño de datos defectuosos etiquetados. Los investigadores descubrieron que, al eliminar ciertos mecanismos complejos utilizados en versiones anteriores y simplificar la forma en que el predictor aprende, el sistema se volvió más estable y mejor para generalizar a nuevos tipos de defectos. El agente aprende a equilibrar dos necesidades contrapuestas: explorar nuevas áreas de la imagen para encontrar puntos de problemas desconocidos, y explotar las áreas que ya sabe que son sospechosas para refinar la detección.

Los resultados de este enfoque fueron probados en una colección ampliamente utilizada de imágenes industriales conocida como el conjunto de datos MVTec AD, que contiene fotos de alta resolución de diversos objetos y texturas, desde cables y cepillos de dientes hasta píldoras y tablas de madera. Los investigadores compararon su método con varias técnicas líderes, incluyendo modelos de aprendizaje profundo estándar y otros sistemas avanzados basados en la reconstrucción. El nuevo marco de trabajo superó consistentemente a estos competidores. En promedio, mejoró la capacidad de identificar y localizar defectos por un margen significativo. En los casos más desafiantes, donde los defectos eran extremadamente sutiles, el nuevo método mostró una mejora dramática, logrando puntuaciones de precisión superiores a otros sistemas y detectando fallos que los métodos anteriores habían tenido dificultades para localizar efectivamente. Por ejemplo, en pruebas que involucraron transistores y cepillos de dientes, la precisión del sistema saltó muy por encima de los mejores resultados previos, demostrando que la estrategia de muestreo adaptativo efectivamente apuntó a las áreas correctas.

Más allá de solo encontrar los defectos, el sistema también destacó en señalar exactamente dónde estaban. En entornos industriales, saber que un producto es defectuoso no es suficiente; la máquina debe saber exactamente qué parte de la superficie está dañada para que pueda ser reparada o descartada. Los investigadores demostraron que su método producía mapas de daño más limpios y precisos. Los resultados visuales mostraron límites nítidos alrededor de los rasguños y definiciones claras de las partes faltantes, incluso en texturas complejas como la veta de la madera o las rejillas metálicas. Esta precisión es crucial porque reduce el número de falsas alarmas, donde un artículo perfecto es rechazado por error, y asegura que los defectos reales no sean pasados por alto. El sistema alcanzó este alto nivel de rendimiento sin requerir cantidades masivas de datos defectuosos etiquetados, lo que suele ser el mayor cuello de botella en la automatización industrial.

El estudio también destacó la importancia de cómo se entrenó el sistema. Los investigadores descubrieron que si las diferentes partes del sistema no se presentaban entre sí en el orden correcto, todo el proceso podía volverse inestable. Desarrollaron un programa de entrenamiento específico donde el motor de reconstrucción aprendía primero, seguido por el predictor y, finalmente, el agente que selecciona los parches. Este enfoque paso a paso permitió que cada componente se estabilizara antes de asumir la complejidad añadida de los demás. Al final del entrenamiento, el sistema había aprendido una estrategia sofisticada para escanear imágenes, una que era mucho más eficiente y efectiva que simplemente escanear todo o confiar en conjeturas aleatorias. Los investigadores señalaron que, aunque el sistema es más complejo de configurar que un escáner simple, la compensación es un detector mucho más robusto y fiable que puede manejar las variaciones sutiles y reales que se encuentran en las fábricas reales.

Este trabajo representa un cambio en la forma en que las máquinas aprenden a ver. En lugar de intentar forzar a una computadora a memorizar cada forma posible en que un producto puede romperse, los investigadores le enseñaron a ser curiosa. Al darle al sistema la capacidad de elegir qué mirar y cómo aprender de sus errores, crearon una herramienta que es tanto poderosa como adaptable. Los hallazgos sugieren que el futuro del control de calidad puede no residir en bases de datos más grandes de piezas rotas, sino en algoritmos más inteligentes que sepan cómo encontrar la aguja en el pajar aprendiendo a mirar en los lugares correctos. El éxito de este método en un conjunto diverso de imágenes industriales indica que podría ser una herramienta valiosa para los fabricantes que buscan mejorar sus procesos de inspección sin el costo prohibitivo de recolectar miles de muestras defectuosas.