An Explainable Deep Learning Framework for Integrated Steel Microstructure Classification and Surface Defect Analysis

Resumen Técnico: Un marco de aprendizaje profundo explicable para la clasificación integrada de la microestructura del acero y el análisis de defectos superficiales

Planteamiento del problema
El control de calidad automatizado en la fabricación de acero requiere el análisis simultáneo de dos aspectos distintos pero complementarios: la microestructura interna (que determina las propiedades mecánicas) y los defectos superficiales (que comprometen la integridad estructural). Los enfoques existentes suelen tratar estos aspectos como tareas aisladas utilizando modelos y flujos de trabajo separados, lo que limita su aplicabilidad práctica en sistemas de inspección integrados. Además, muchos estudios informan métricas de rendimiento de una sola ejecución sin validación estadística, y pocos incorporan la explicabilidad o la estimación de la severidad en un flujo de trabajo unificado. Esta falta de integración obliga a los ingenieros a reconciliar salidas desconectadas, mientras que la naturaleza de "caja negra" de los modelos de aprendizaje profundo obstaculiza la confianza en entornos industriales regulados.

Metodología
El estudio propone un marco unificado de aprendizaje profundo de modo dual que integra cuatro componentes principales en un solo flujo de trabajo:

1. Clasificación de la microestructura: Utilizando el conjunto de datos de Acero de Ultra Alto Carbono (UHCS), el sistema emplea el aprendizaje por transferencia con una arquitectura ResNet50 para clasificar seis clases microestructurales (por ejemplo, esferoidita, perlita y sus combinaciones). Para abordar el desequilibrio de clases (notablemente una relación de 74:1 entre esferoidita y perlita + widmannstätten), se aplicó una pérdida de entropía cruzada ponderada. El sistema genera las tres mejores predicciones (Top-3) con puntuaciones de confianza para manejar la ambigüedad visual.
2. Detección de defectos superficiales: Utilizando el conjunto de datos de defectos superficiales NEU, el marco emplea un modelo de detección de objetos YOLOv8 para localizar y clasificar seis tipos de defectos (grietas, inclusiones, parches, superficie picada, escama enrollada y rayaduras).
3. Estimación de severidad basada en reglas: Un módulo transparente convierte las salidas de detección en niveles de severidad accionables (BAJA, MEDIA, ALTA). Esta lógica se basa en el número de cuadros delimitadores (bounding boxes) detectados y sus puntuaciones de confianza promedio, en lugar de un modelo de severidad aprendido.
4. Explicabilidad (Grad-CAM): El mapeo de activación de clase ponderado por gradiente (Grad-CAM) se integra en la rama de clasificación para visualizar las regiones de la imagen que influyen en las decisiones del modelo, asegurando que el modelo se enfoque en características microestructurales físicamente significativas.

El sistema opera en una configuración de modo dual controlada (modo UHCS para clasificación/explicabilidad; modo NEU para detección/severidad) gestionada por un controlador central. Para garantizar el rigor estadístico, todos los modelos fueron entrenados y evaluados a través de tres ejecuciones independientes con diferentes semillas aleatorias.

Resultos Clave

• Rendimiento de la clasificación: El modelo ResNet50 con aprendizaje por transferencia logró una precisión del 88.52% ± 1.05% y un F1-score del 88.59% ± 1.09% a través de tres ejecuciones. Esto superó significativamente a un CNN base entrenado desde cero (76.67% de precisión) y a EfficientNetB3 (87.04% de precisión). Sin embargo, el modelo tuvo dificultades con la clase "perlita + widmannstätten" debido a la extrema escasez de datos (solo 10 muestras en total), logrando un 0.0% de precisión en varias ejecuciones.
• Rendimiento de la detección: El modelo YOLOv8 alcanzó una precisión media promedio (mAP@0.5) de 0.715 ± 0.005. El rendimiento varió según el tipo de defecto; defectos distintos como "inclusiones" y "rayaduras" funcionaron bien, mientras que las "grietas" resultaron desafiantes, resultando en un recall de 0.000 (aunque la precisión fue de 1.000, lo que indica que el modelo rara vez las detectó, pero fue correcto cuando lo hizo).
• Severidad y Explicabilidad: La estimación de severidad basada en reglas se mantuvo estable bajo el análisis de sensibilidad, con un 87% de asignaciones consistentes bajo perturbaciones de umbral de ±0.05. Las visualizaciones de Grad-CAM confirmaron que el modelo prestó atención a características microestructurales relevantes (por ejemplo, límites de grano y redes de carburos) en lugar de artefactos del fondo. Las puntuaciones de confianza se correlacionaron con la complejidad metalúrgica, con clases distintas alcanzando una confianza de 1.000 y clases ambiguas alcanzando puntuaciones más bajas (por ejemplo, 0.674 para perlita + widmannstätten).

Contribuciones Clave
La contribución principal de este trabajo es la integración de la clasificación de microestructura, la detección de defectos superficiales, la estimación de severidad y la explicabilidad en un único marco modular evaluado en dos conjuntos de datos de acero distintos. A diferencia de trabajos previos que abordan estas tareas de forma independiente, este sistema proporciona un flujo de trabajo coherente para la evaluación automatizada de la calidad del acero. Además, el estudio enfatiza la fiabilidad estadística al informar la media y la desviación estándar a través de tres ejecuciones de entrenamiento independientes, abordando una brecha común de reproducibilidad en la literatura de IA aplicada a la ciencia de materiales.

Significancia y Reivindicaciones
Los autores afirman que este marco va más allá de las predicciones de modelos aislados para proporcionar una herramienta de inspección práctica e interpretable, adecuada para la evaluación automatizada de la calidad del acero. La integración de Grad-CAM y la estimación de severidad basada en reglas aborda la necesidad de la industria de contar con una toma de decisiones auditable y transparente. El estudio plantea que, si bien los componentes individuales (como ResNet50 o YOLOv8) no son novedosos de forma aislada, su combinación en un flujo de trabajo unificado de modo dual con validación estadística representa un paso significativo hacia la IA industrial desplegable. Los autores reconocen las limitaciones, particularmente respecto a la escasez de datos para ciertas microestructuras y la dificultad de detectar defectos basados en textura como las grietas, sugiriendo que las mejoras futuras deberían centrarse en la aumentación de datos y modelos de severidad aprendidos en lugar de heurísticas basadas en reglas.