Achieving 100% Accuracy in Steel Surface Defect Classification Using a Custom High-Performance CNN

Resumen Técnico: Logro de un 100% de Precisión en la Clasificación de Defectos de Superficie en Acero Mediante una CNN Personalizada de Alto Rendimiento

Planteamiento del Problema
La industria manufacturera enfrenta desafíos persistentes en la detección de defectos superficiales en productos de acero, incluyendo grietas (crazing), inclusiones, parches, superficies picadas, escamas laminadas y rayaduras. Estos defectos provocan desperdicio de material, reducción de la calidad del producto e incremento en los costos de producción. Si bien el aprendizaje profundo, particularmente las Redes Neuronales Convolucionales (CNN), se ha convertido en el enfoque dominante para esta tarea, lograr una clasificación perfecta (100% de precisión) en el estándar NEU-CLS ha seguido siendo un obstáculo significativo. Métodos previos del estado del arte, que incluyen CNN poco profundas basadas en atención, enfoques basados en wavelets y arquitecturas de propósito general como ResNet y VGG, han reportado precisiones máximas que oscilan entre el 99.67% y el 99.98%, pero aún no han logrado una tasa de clasificación impecable en todo el conjunto de datos.

Metodología
El estudio propone una arquitectura CNN personalizada de alto rendimiento, diseñada específicamente para la tarea de clasificación de defectos de superficie de acero de seis clases. La metodología se estructura de la siguiente manera:

• Conjunto de Datos: La investigación utiliza el conjunto de datos NEU-CLS, que comprende 1,800 imágenes en escala de grises (200 × 200 píxeles) distribuidas uniformemente en seis clases de defectos (300 imágenes por clase).
• Arquitectura del Modelo: La red propuesta consta de cuatro capas convolucionales con tamaños de filtro que aumentan progresivamente, cada una seguida de una Normalización por Lotes (Batch Normalization) y un MaxPooling. Este diseño facilita la captura de características jerárquicas, que van desde bordes simples hasta patrones de defectos complejos. Tras la extracción de características, estas representaciones se aplanan y se procesan a través de tres capas totalmente conectadas (Dense). La capa final emplea una función de activación softmax para la clasificación de seis clases.
• Estrategia de Entrenamiento: El modelo se entrena utilizando el optimizador Adam y una pérdida de entropía cruzada categórica dispersa (sparse categorical cross-entropy). Para garantizar la robustez, se utilizan los mecanismos de Parada Temprana (Early Stopping) y Registro de Modelo (ModelCheckpoint) para preservar el mejor modelo basado en la precisión de validación.
• Protocolo de Validación: Para garantizar la generalizabilidad y evitar la dependencia de divisiones específicas de entrenamiento-prueba, el estudio emplea una validación cruzada estratificada de 5 pliegues (5-fold). El conjunto de datos se divide en cinco pliegues, manteniendo la distribución de clases, donde el modelo se entrena con cuatro pliegues y se valida con el restante. Este proceso se repite cinco veces, promediando las métricas de rendimiento a través de todos los pliegues.

Contribuciones Clave
La contribución principal de este trabajo es la introducción de una arquitectura CNN específica para la tarea que alcanza un nuevo estado del arte global en el benchmark NEU-CLS. A diferencia de estudios previos que dependían de modelos de propósito general o reportaban resultados de una sola ejecución, este artículo demuestra que una arquitectura personalizada, cuidadosamente diseñada, puede superar consistentemente a los métodos existentes. Los autores publican el código y los modelos entrenados para asegurar la plena reproducibilidad de estos resultados.

Resultos
El modelo propuesto demostró un desempeño excepcional a través de los pliegues de validación cruzada:

• Desempeño Pico: En cuatro de los cinco pliegues de validación cruzada, el modelo alcanzó un 100% de precisión (accuracy), 100% de precisión (precision), 100% de exhaustividad (recall) y 100% de F1-score.
• Desempeño Promedio: El pliegue restante alcanzó un 99.44% de precisión, lo que resulta en un promedio general de precisión del 99.89% en todos los pliegues.
• Validación Visual: La matriz de confusión de un pliegue representativo mostró 60 muestras clasificadas correctamente por clase con cero errores fuera de la diagonal. Del mismo modo, las curvas ROC para todas las seis clases alcanzaron un Área Bajo la Curva (AUC) de 1.00, indicando una discriminación de clases perfecta.
• Comparación: Estos resultados superan el mejor resultado de ejecución única reportado previamente de 99.98% (VGG16 mejorada) y los resultados promedio de otros métodos como CNN poco profunda + Atención (99.90%).

Significancia y Reivindicaciones
El artículo afirma que lograr un 100% de precisión en múltiples pliegues independientes de validación cruzada representa un hito significativo en la inspección industrial. Los autores sostienen que este trabajo demuestra que una arquitectura bien diseñada y específica para la tarea puede desbloquear todo el potencial del aprendizaje profundo para tareas industriales especializadas, superando a los modelos de propósito general. La consistencia de los resultados a través de múltiples pliegues valida la robustez y la capacidad de generalización del enfoque propuesto, incluso dado el tamaño relativamente pequeño del conjunto de datos NEU-CLS. Los autores concluyen que este logro establece un nuevo récord global y demuestra la efectividad de los diseños de redes dedicadas para el control de calidad en la manufactura.