💻 computer science

WSL-Det: A Wave-Attention and Strip-Localization Detector for Real-Time Strip Defect Detection

WSL-Det es un detector de objetos en tiempo real construido sobre la arquitectura Vajra que integra atención basada en ondas para una interacción global sensible a la frecuencia y convoluciones de franjas ortogonales secuenciales para una localización anisotrópica, logrando precisión y velocidad de vanguardia en conjuntos de datos de defectos de franjas industriales como cuero y NEU-DET.

Autores originales: Pan Li, Pengchong Han

Publicado 2026-09-09

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Pan Li, Pengchong Han

Artículo original bajo licencia CC BY 4.0 (https://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

En el mundo de la fabricación industrial, la calidad de un producto a menudo depende de las más pequeñas imperfecciones ocultas a plena vista. Para materiales como el cuero o el acero, la superficie cuenta una historia del proceso de producción, pero esa historia se ve frecuentemente interrumpida por defectos: rayones, arrugas o líneas extrañas que empañan el acabado. Encontrar estos defectos a mano es lento, agotador y propenso al error humano, razón por la cual las fábricas han recurrido a las computadoras para realizar la vigilancia. El desafío para estos sistemas informáticos no es solo ver que algo está mal, sino entender exactamente qué tipo de error es. Muchos sistemas modernos son excelentes para detectar objetos redondos o formas distintivas, pero a menudo tienen dificultades con defectos largos, delgados o sinuosos que se extienden a través de una superficie. Estos defectos alargados requieren un tipo de visión diferente, una que pueda seguir una línea continua de un extremo al otro sin perder el rastro, y que al mismo tiempo distinga un rayón sutil de una variación natural en la textura del material.

Investigadores de la Universidad Politécnica de Wuhan han desarrollado un nuevo sistema de visión computarizada diseñado específicamente para resolver este problema de detectar defectos largos y en forma de tira en tiempo real. Llaman a su sistema WSL-Det, una herramienta construida para vigilar las líneas de producción de materiales como el cuero y el acero. El sistema fue creado tomando un motor de detección existente, de movimiento rápido, y dotándolo de dos mejoras específicas. Primero, los investigadores reemplazaron la forma estándar del motor de observar la imagen completa con un método que presta especial atención a los patrones y frecuencias dentro de la imagen, de manera muy similar a cómo un sintonizador de radio aisla una señal específica del ruido de fondo. Esto permite que el sistema detecte el flujo continuo de un defecto largo incluso cuando los bordes son tenues. Segundo, rediseñaron la parte del sistema responsable de dibujar el cuadro alrededor de un defecto. En lugar de usar un cuadro cuadrado estándar, esta nueva parte utiliza filtros especializados que se estiran horizontal y verticalmente, lo que le permite ceñirse mucho más estrechamente a la forma de un rayón largo o una arruga que un cuadro genérico podría hacerlo.

El equipo probó este nuevo enfoque en dos conjuntos de datos muy diferentes. El primero fue una colección de imágenes que ellos mismos recolectaron de una fábrica de cuero, que presentaba siete tipos de fallas comunes, tales como hendiduras profundas, líneas de manchas y arrugas irregulares. En estas pruebas, el nuevo sistema demostró ser el más preciso y el más rápido entre las herramientas con las que se comparó. Identificó y localizó los defectos con un alto grado de precisión, logrando una puntuación de 57.1 en una escala de precisión estándar, lo cual fue una mejora significativa respecto a las mejores herramientas anteriores. Más importante aún, lo hizo procesando 33.9 imágenes por segundo, una velocidad lo suficientemente rápida como para seguir el ritmo de una línea de producción en movimiento sin retrasarla. Los investigadores encontraron que el sistema era particularmente bueno manejando la naturaleza larga y sinuosa de los defectos del cuero, separándolos de la textura del fondo donde otros sistemas solían confundirse.

Para ver si el sistema podía manejar otros materiales además del cuero, los investigadores también lo probaron en un conjunto de datos público de tiras de acero laminadas en caliente, que contienen seis tipos diferentes de fallas industriales. Aquí, el sistema mostró un tipo de fortaleza diferente. Aunque no superó a los sistemas más potentes y complejos en cada uno de los parámetros, destacó en la detección de defectos pequeños y rayones largos y delgados, que suelen ser los más difíciles de captar. Logró los mejores resultados para detectar estas formas específicas utilizando menos recursos computacionales y funcionando más de dos veces más rápido que los sistemas complejos líderes. Esto sugiere que el sistema no intenta ser un experto universal para cada posible defecto, sino más bien una herramienta especializada que está perfectamente ajustada para el trabajo específico de encontrar fallas alargadas de manera rápida y precisa.

El éxito de este trabajo radica en su enfoque en la forma específica del problema. Al enseñar a la computadora a comprender la frecuencia de los patrones y a utilizar filtros largos y delgados para dibujar los límites, los investigadores crearon un sistema que ve el mundo de la misma manera que un inspector de fábrica: buscando las líneas largas y continuas que indican un problema. Los resultados muestran que, para las industrias donde la velocidad y la capacidad de detectar defectos largos y delgados son críticas, este enfoque especializado ofrece una solución práctica y poderosa. No reemplaza la necesidad de la supervisión humana, sino que proporciona un par de ojos confiable, rápido y altamente preciso que puede trabajar incansablemente en la planta de producción, asegurando que solo los mejores materiales avancen.

Resumen Técnico: WSL-Det

Planteamiento del Problema
La inspección en tiempo real de defectos superficiales alargados es crítica para el control de calidad industrial, particularmente en sectores como la fabricación de cuero, donde los defectos se manifiestan como rasguños delgados, arrugas, líneas de manchas y trazas irregulares en forma de tiras. Los detectores de una sola etapa convencionales (one-stage detectors) suelen tener dificultades con estos objetivos porque no modelan explícitamente las variaciones de textura sensibles a la frecuencia o las estructuras anisotrópicas de largo alcance. Aunque los modelos de aprendizaje profundo existentes (por ejemplo, la serie YOLO, variantes de RT-DETR) ofrecen bases sólidas, no están diseñados específicamente para manejar la continuidad direccional y los límites sutiles característicos de los defectos industriales en forma de tiras. La inspección manual sigue siendo costosa y propensa a errores, lo que hace necesario soluciones automatizadas que equilibren el rendimiento en tiempo real con la localización precisa de anomalías alargadas.

Metodología
Los autores proponen WSL-Det (Wave-Attention and Strip-Localization Detector), un detector en tiempo real construido sobre el marco de trabajo Vajra. La arquitectura mantiene el flujo estándar de backbone-neck-head, pero introduce dos modificaciones específicas para abordar la morfología de los defectos en forma de tira:

Reemplazo de la Atención Basada en Ondas: El mezclador de tokens de autoatención en la etapa de atención de Vajra se reemplaza con un operador WaveAttentionV2. Inspirado en la arquitectura WaveFormer, este módulo modela las características visuales utilizando una ecuación de onda amortiguada. Trata el mapa de características como un campo semántico que evoluciona en el tiempo, gobernado por términos de velocidad de propagación, amortiguación y ganancia aprendibles. Este diseño tiene como objetivo capturar tanto la continuidad de baja frecuencia (trayectorias alargadas) como la evidencia de alta frecuencia (límites y cambios de textura) de manera más efectiva que los mezcladores de tokens genéricos.
Cabezal de Localización Mejorado por Tiras: La rama de localización del cabezal de detección desacoplado se rediseña con convoluciones de tiras ortogonales secuenciales. A diferencia de la rama de clasificación, que depende de la apariencia discriminativa, la rama de regresión requiere un soporte geométrico continuo a lo largo de la dirección del defecto. El módulo de tiras agrega contexto anisotrópico a través de operadores de tiras grandes horizontales y verticales.
Asignación de Núcleos de Tira por Capas: Para acomodar defectos de diversas escalas, los autores proponen una estrategia que asigna tamaños de núcleo de tira específicos ( $k_3 < k_4 < k_5$ ) a las tres capas de detección ( $P_3, P_4, P_5$ ). Esto permite que las capas de alta resolución preserven la sensibilidad local fina, mientras que las capas de baja resolución capturen una continuidad direccional más larga.

Contribuciones Clave
El artículo describe cinco contribuciones primarias:

Desarrollo de WSL-Det, un detector de percepción de frecuencia-estructura para defectos industriales en forma de tira basado en Vajra.
Integración de un mecanismo de atención basado en ondas para fortalecer la interacción global sensible a la frecuencia para la percepción de defectos alargados.
Diseño de un cabezal de localización mejorado por tiras utilizando convoluciones de tiras ortogonales para mejorar la regresión de cajas delimitadoras para formas alargadas.
Propuesta de una estrategia de asignación de núcleos de tira por capas para manejar longitudes y escalas de defectos mixtas a través de las capas de detección.
5.ación de validación en un benchmark público de defectos de acero (NEU-DET) y un conjunto de datos de cuero recolectado por sí mismos, demostrando efectividad dentro del alcance de la localización orientada a tiras.

Resultados Experimentales
El método fue evaluado en dos conjuntos de datos: un conjunto de datos de cuero recolectado por los autores (1,431 imágenes, 7 categorías de defectos) y el conjunto de datos público de defectos superficiales de acero NEU-DET.

Desempeño del Conjunto de Datos de Cuero: WSL-Det logró 57.1 AP, 85.8 AP50 y 59.1 APl, representando mejoras de 18.9%, 8.6% y 11.5% sobre la base de referencia de Vajra, respectivamente. Operó a 33.9 FPS, la velocidad más alta entre los detectores de cuero comparados (incluyendo YOLO11 y YOLO12), logrando al mismo tiempo las mejores métricas de precisión.
Desempeño de NEU-DET: En el conjunto de datos de acero, WSL-Det logró el mejor AP50 (76.0), APs (53.4) y APl (47.7) entre los modelos comparados, utilizando 25 millones de parámetros a 102.6 FPS. Si bien RT-DETRv4 logró un AP y un AP75 más altos, WSL-Det ofreció un equilibrio superior entre precisión y velocidad para la inspección en tiempo real, particularmente para defectos pequeños y alargados.
Estudios de Ablación: Los experimentos confirmaron que la combinación de la atención basada en ondas y la convolución de tiras produce beneficios complementarios. El módulo de onda mejoró el modelado de la continuidad global, mientras que el cabezal de tiras mejoró la localización direccional. El modelo combinado mejoró significativamente el AP75 (de 36.5 a 56.6 en el conjunto de datos de cuero), indicando una mejor precisión de localización en lugar de solo la recuperación (recall).
Generalización: Los resultados cualitativos en los datos de cuero MVTec y la validación de materiales cruzados en NEU-DET (entrenado solo en cuero) mostraron que el modelo puede transferir pistas visuales de defectos en forma de tira, aunque los autores señalan limitaciones en la generalización de dominio sin descriptores específicos del material.

Significado y Reivindicaciones
El artículo posiciona a WSL-Det no como un reemplazo universal para todas las familias de detectores, sino como una mejora específica para la tarea de defectos industriales dominados por tiras. Los autores afirman que la importancia del método radica en su capacidad para codificar la morfología de los defectos objetivo (percepción global sensible a la frecuencia y localización direccional consciente de la estructura) manteniendo la practicidad en tiempo real.

Los resultados sugieren que para escenarios industriales con restricciones de recursos donde se prioriza el rendimiento en tiempo real y la localización precisa de defectos alargados sobre la maximización de cada métrica agregada (como el AP general en benchmarks generales), WSL-Det proporciona un equilibrio favorable. Los autores reconocen limitaciones, incluyendo la necesidad de suficientes datos de entrenamiento, la sensibilidad a imágenes de baja resolución y una brecha de rendimiento en el AP general en comparación con las bases de Transformer más fuertes, sugiriendo trabajos futuros en aumentación de datos y refinamiento de límites.

Más como este