💻 computer science

LIBAD: A Multimodal Anomaly Detection Benchmark for Li-Ion Battery Electrode Manufacturing

Este artículo presenta LIBAD, el primer benchmark de detección de anomalías multimodal para la fabricación de electrodos de baterías de ion de litio que aborda los desafíos en la fabricación de procesos continuos y la inconsistencia transmodal, junto con el método propuesto DA-Core que mejora significativamente la precisión y la eficiencia de la detección mediante la optimización de la selección del coreset de características normales.

Autores originales: Wenbo Sui, Daniel Lichau, Harold Phelippeau, Zhao Liu

Publicado 2026-08-11

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Wenbo Sui, Daniel Lichau, Harold Phelippeau, Zhao Liu

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un detective intentando atrapar a un ladrón en una fábrica masiva y de alta tecnología. Normalmente, cuando pensamos en inspecciones de fábrica, visualizamos un brazo robótico revisando un objeto único y distinto —como el motor de un coche o un teléfono inteligente— buscando rayaduras o abolladuras. Esto se llama fabricación "discreta". Pero, ¿qué pasaría si la fábrica no fabrica artículos individuales? ¿Qué pasaría si es una cinta transportadora continua y gigante que expulsa millas de material, como un rollo interminable de papel tapiz? Esto es la "fabricación de procesos", y es mucho más difícil de vigilar. En este mundo, el "ladrón" es un defecto diminuto oculto dentro del material, y el "detective" es un sistema de visión computacional. El desafío es que estos sistemas suelen depender de dos ojos: uno que ve la superficie (como una cámara regular) y otro que ve el interior (como un rayo X). En muchas fábricas, estos dos ojos están de acuerdo perfectamente. Pero en el mundo de las baterías de iones de litio, a menudo discrepan. Un ojo puede ver un fallo claramente, mientras que el otro no ve nada en absoluto. Este artículo se sumerge en esta realidad confusa y desordenada para ver si podemos enseñar a las computadoras a ser mejores detectives cuando sus ojos no coinciden.

Los investigadores detrás de este estudio, Wenbo Sui y su equipo, se dieron cuenta de que, si bien tenemos excelentes herramientas para revisar objetos individuales, somos pésimos revisando rollos continuos de material de batería. Para solucionar esto, construyeron algo nuevo llamado LIBAD. Piensa en LIBAD como una escuela de entrenamiento gigante y especializada para detectives de IA. Es el primer benchmark (una prueba estandarizada) diseñado específicamente para detectar defectos en los electrodos de baterías de iones de litio mientras se fabrican en una línea de producción real y continua.

La "escuela" utiliza 744 muestras de la vida real de parches de electrodos de batería. Estos no son imágenes generadas por computadora; son piezas físicas cortadas de líneas de fábrica reales. Los estudiantes (los algoritmos de IA) son entrenados utilizando tres "sentidos" diferentes:

VIS (Luz Visible): Una cámara de escala de grises de alta resolución que ve la textura de la superficie, como un humano mirando un trozo de papel.
X-rayH (Rayos X de Alta Resolución): Un escaneo interno súper detallado, como una tomografía computarizada médica, que muestra la estructura interna pero tarda mucho tiempo.
X-rayL (Rayos X de Baja Resolución): Un escaneo interno más rápido y ligeramente borroso que puede usarse mientras la cinta se mueve (en línea), lo que lo hace práctico para fábricas reales.

El gran giro en esta historia es que estos "ojos" a menudo ven cosas diferentes. En una fábrica normal, un rayón podría ser visible tanto para la cámara como para el rayo X. Pero en la fabricación de baterías, un defecto puede ser una pequeña burbuja en lo profundo del material. El rayo X la ve claramente, pero la cámara de superficie no ve nada. Inversamente, un rayón superficial puede ser obvio para la cámara pero invisible para el rayo X. Esto crea una "inconsistencia cross-modal", donde la evidencia es fuerte en un sentido pero débil o inexistente en el otro. Los autores descubrieron que los métodos de IA existentes, que fueron entrenados para esperar que ambos ojos estuvieran de acuerdo, se confundían y empezaban a gritar "¡LADRÓN!" ante parches de batería que estaban perfectamente bien. Producían demasiadas falsas alarmas.

Para resolver esto, el equipo propuso un nuevo método llamado DA-Core. Imagina que estás tratando de memorizar cómo se ve un parche de batería "perfecto". Un método estándar (llamado Muestreo de Punto Más Lejano o Farthest Point Sampling) intenta elegir ejemplos que sean lo más diferentes posible entre sí para cubrir todas las bases. Sin embargo, los autores se dieron cuenta de que esto era como un detective que solo memoriza los parches normales que son raros y extraños, y olvida los comunes y cotidianos. Debido a que los parches de batería "normales" son tan similares entre sí (homogéneos), los raros son fáciles de detectar, pero es en los comunes donde reside el verdadero problema. Si la IA no tiene suficientes ejemplos del aspecto "normal" común, se asusta y piensa que un parche normal es un defecto.

DA-Core cambia la estrategia. En lugar de buscar solo los ejemplos más diferentes, busca los grupos más densos de ejemplos normales. Es como un detective que se da cuenta de que: "La mayoría de los parches normales se ven exactamente como este grupo de 100", y se asegura de memorizar ese grupo a fondo. Al prestar atención a donde los datos normales están agrupados, DA-Core construye un mejor banco de memoria.

Los resultados de sus experimentos fueron prometedores pero cautelosos. Cuando probaron su nuevo método contra los antiguos usando la configuración práctica de Luz Visible más el Rayo X de Baja Resolución rápido, los métodos antiguos tuvieron una tasa de falsos positivos (decir que una batería buena es mala) de aproximadamente 60.4%. Esto significa que si revisaras 100 baterías buenas, la IA antigua rechazaría erróneamente unas 60, lo cual es un desastre para una fábrica. DA-Core logró reducir este número a 54.3%. Aunque esto pueda no parecer un salto enorme, en el mundo de la inspección industrial, reducir las falsas alarmas es algo masivo. Sugiere que, al comprender cómo se agrupan los datos, podemos hacer que la IA sea menos nerviosa.

El artículo también descartó explícitamente algunas ideas populares. Descubrieron que los métodos diseñados para "reconstruir" imágenes (donde la IA intenta redibujar la imagen de memoria y ve qué falta) fallaron estrepitosamente aquí. Debido a que la superficie y el interior se ven tan diferentes, la IA no pudo descifrar cómo debería verse una imagen combinada "normal", lo que llevó a la confusión. Del mismo modo, los métodos que dependen de la relación entre formas 3D y colores de superficie (comunes en la inspección de coches o teléfonos) no funcionaron porque los electrodos de batería son láminas planas, no objetos 3D con geometrías complejas.

Al final, los autores sugieren que LIBAD sigue siendo un desafío muy difícil. Incluso con su nuevo método, la tasa de falsos positivos sigue siendo demasiado alta para que una fábrica funcione sin ayuda humana. Concluyen que no podemos simplemente copiar y pegar soluciones de otras industrias; necesitamos diseñar sistemas que entiendan la forma específica y desordenada en que los defectos de las baterías se esconden y se revelan a través de diferentes tipos de sensores. Es un paso adelante, que sugiere que si queremos vehículos eléctricos y almacenamiento de energía más seguros, necesitamos enseñar a nuestros detectives de IA a escuchar las pistas silenciosas, no solo las ruidosas.

Resumen Técnico: LIBAD: Un Benchmark de Detección de Anomalías Multimodal para la Fabricación de Electrodos de Baterías de Li-Ion

Planteamiento del Problema

La detección de anomalías industrial (IAD) se ha centrado tradicionalmente en productos discretos y centrados en objetos utilizando modalidades RGB y 3D fuertemente correlacionadas. Sin embargo, la fabricación de procesos continuos, como la producción de rollo a rollo (roll-to-roll), sigue estando poco explorada. Además, los benchmarks multimodales existentes suelen asumir que las anomalías producen evidencia consistente en todas las modalidades de detección. Esta suposición falla en escenarios donde las modalidades miden propiedades físicas distintas (por ejemplo, apariencia superficial frente a densidad volumétrica), lo que conduce a una "inconsistencia de anomalía transmodal" donde un defecto es visible en una modalidad pero débil o ausente en otra.

El artículo aborda estas brechas presentando LIBAD, un benchmark para la fabricación de electrodos de baterías de Li-ion. El conjunto de datos destaca dos desafíos críticos:

Contexto de Fabricación de Procesos: A diferencia de los objetos discretos, los parches de electrodos exhiben apariencias de material altamente homogéneas, lo que hace que las variaciones intra-clase sutiles sean difíciles de distinguir de los defectos.
Inconsistencia de Modalidad: Los defectos pueden ser prominentes en imágenes de luz visible (VIS) pero invisibles en rayos X, o viceversa. Los métodos existentes que dependen de la reconstrucción transmodal o de los priors RGB-3D (consistencia apariencia-geometría) tienen dificultades en este entorno, interpretando erróneamente las diferencias normales de modalidad como anomalías, lo que resulta en altas tasas de falsos positivos (FPR).

Metodología

Los autores proponen DA-Core, un método de detección de anomalías basado en memoria diseñado para manejar la distribución específica de características normales en LIBAD.

1. Construcción del Conjunto de Datos (LIBAD):

Fuente de Datos: 744 parches de electrodos recolectados de líneas de producción reales de rollo a rollo.
Modalidades: Tres modalidades alineadas espacialmente:
- VIS: Imágenes de escala de grises de luz visible de doble cara (apariencia superficial).
- X-rayH: Radiografía de rayos X de alta resolución (utilizada para etiquetado y análisis fuera de línea).
- X-rayL: Radiografía de rayos X de baja resolución en línea (sensible a la densidad, utilizada para el benchmark).
Características: 11 categorías de defectos. El conjunto de datos enfatiza que los parches normales son visualmente homogéneos y que la evidencia del defecto suele ser selectiva de la modalidad.

2. Arquitectura DA-Core:
DA-Core mejora los enfoques estándar basados en memoria (como PatchCore) mediante la modificación del proceso de selección de coreset.

Extracción de Características: Utiliza codificadores DINOv3 ViT-S/16 congelados para extraer características a nivel de parche de las entradas VIS y X-rayL.
Selección de Coreset Sensible a la Densidad (DA FPS):
- El muestreo de punto más lejano (FPS) estándar prioriza la cobertura global pero ignora la densidad de características locales, subrepresentando a menudo los cúmulos densos de variaciones normales.
- DA-Core introduce una puntuación de densidad ( $\rho_i$ ) para cada característica basada en sus $k$ -vecinos más cercanos.
- La métrica de selección combina la distancia al banco de memoria actual ( $r_i$ ) y la densidad local ( $\rho_i$ ): $q_i = \tilde{r}_i / (1 + \lambda \tilde{\rho}_i)$ .
- Esta estrategia asegura que el banco de memoria retenga representantes de regiones normales densas, reduciendo las distancias de vecindad más cercana para las variaciones normales comunes y suprimiendo los falsos positivos.
Puntuación y Fusión:
- Las puntuaciones de anomalía se computan mediante el emparejamiento de vecindad más cercana para cada modalidad.
  im Una Máquina de Vectores de Soporte de Clase Única (OCSVM) realiza la fusión tardía de las puntuaciones VIS y X-rayL para generar la puntuación de anomalía final a nivel de imagen.

Contribuciones Clave

Benchmark LIBAD: El primer benchmark de IAD multimodal para la fabricación de electrodos de baterías de Li-ion, que presenta 744 muestras del mundo real, tres modalidades alineadas y 11 categorías de defectos. Aborda explícitamente los desafíos de la fabricación de procesos continuos y la visibilidad de defectos dependiente de la modalidad.
Caracterización de la Inconsistencia: El artículo identifica y analiza la "inconsistencia de anomalía transmodal", demostrando que la evidencia del defecto es a menudo selectiva de la modalidad en lugar de compartida, desafiando las suposiciones de los métodos RGB-3D existentes.
Método DA-Core: Una estrategia de selección de coreset sensible a la densidad que construye un banco de memoria más representativo de las distribuciones de características normales no uniformes. Equilibra explícitamente la cobertura global con la densidad local para reducir los falsos positivos.
Benchmarking Exhaustivo: Evaluación de métodos representativos de IAD multimodal (incluyendo M3DM, CFM, G2SF, CFR) bajo un protocolo unificado, revelando su limitada transferibilidad al entorno LIBAD.

Resultados

Desempeño de la Línea Base: Los métodos multimodales existentes (adaptados para VIS+X-rayL) muestran una transferibilidad limitada. Por ejemplo, G2SF logró un FPR95 de 59.5%, y CFR alcanzó un 68.1%, mejorando apenas sobre el PatchCore unimodal (60.4% FPR95). Los métodos basados en reconstrucción sufrieron residuos grandes incluso en muestras normales debido a las débiles correlaciones de modalidad.
Desempeño de DA-Core:
- FPR95: DA-Core logró un 54.3%, una reducción de 6.1 puntos porcentuales en comparación con el PatchCore multimodal estándar (60.4%).
- Eficiencia: Con una relación de coreset de 0.05, DA-Core superó al mejor resultado de coreset estándar (obtenido con una relación de 0.20) mientras reducía el tiempo de inferencia en un 43.9% (13.12 ms vs. 23.39 ms).
- Ablación: Se encontró que el peso de la densidad ( $\lambda$ ) era crítico; $\lambda=0.7$ produjo el mejor equilibrio entre cobertura y representación de la densidad.
Unimodal vs. Multimodal: Aunque la combinación de VIS y X-rayL mejoró el desempeño sobre las modalidades individuales, las principales ganancias provinieron de la mejora en la construcción de la memoria (DA-Core) más que de la arquitectura de fusión en sí misma.

Significancia y Reivindicaciones

El artículo afirma que LIBAD representa un paso significativo hacia adelante al cambiar el enfoque de la inspección de objetos discretos a la fabricación de procesos continuos, donde las distribuciones de datos y las relaciones de modalidad difieren fundamentalmente.

Los autores sostienen que LIBAD sigue siendo un benchmark abierto y desafiante, señalando que incluso el mejor método (DA-Core) produce un FPR95 absoluto (54.3%) que sigue siendo demasiado alto para el despliegue industrial directo sin mayor refinamiento. La significancia del trabajo radica en:

Resaltar que la distribución de los datos (específicamente la densidad de las características normales) y las relaciones de modalidad (inconsistencia) deben considerarse explícitamente al diseñar métodos de detección de anomalías para la fabricación de procesos.
Proveer un banco de pruebas realista que expone las limitaciones de los métodos actuales centrados en RGB-3D cuando se aplican a modalidades de detección débilmente correlacionadas como VIS y rayos X.
Proponer una solución práctica y eficiente (DA-Core) que reduce las falsas alarmas, un requisito crítico para los sistemas de inspección en línea, contribuyendo así a una fabricación de baterías más segura para vehículos eléctricos y sistemas de almacenamiento de energía.