GRD-Net: Generative-Reconstructive-Discriminative Anomaly Detection with Region of Interest Attention Module

Cet article propose GRD-Net, une nouvelle architecture combinant un réseau génératif et un module d'attention sur les régions d'intérêt pour détecter et localiser les anomalies de surface dans des contextes industriels, notamment sur des données pharmaceutiques, en apprenant à partir de produits sains et de défauts synthétiques.

L'essentiel

🏭 Le Problème : Trouver l'aiguille dans la botte de foin (et éviter les faux amis)

Imaginez une usine pharmaceutique qui produit des milliers de petits flacons de médicaments. Le but est de repérer les défauts : un tout petit grain de poussière, une rayure minuscule ou une tache noire.

Le problème, c'est que les machines de contrôle qualité actuelles sont comme des chefs cuisiniers très stressés :

1. Elles regardent tout le plat (l'image entière).
2. Si elles voient une ombre bizarre sur la table ou une tache sur le bord de l'assiette (le fond de l'image), elles crient "C'est un défaut !" et jettent le produit.
3. Résultat : Beaucoup de bons produits sont jetés par erreur (faux positifs), et les vrais défauts sont parfois cachés par le bruit de fond.

🚀 La Solution : GRD-Net, le "Super-Inspecteur"

Les auteurs ont créé un nouveau système appelé GRD-Net. Pour le comprendre, imaginons qu'il est composé de deux équipes qui travaillent ensemble, comme un duo de détectives :

Équipe 1 : Le "Restaurateur" (Le Génie de la Reconstruction)

• Son rôle : C'est un artiste capable de recréer une image parfaite d'un objet sain.
• Comment ça marche : On lui montre des milliers de photos de flacons parfaits. Il apprend par cœur à quoi ils ressemblent.
• Le test : Quand on lui montre un flacon avec une rayure, il essaie de le "réparer" numériquement. Il efface la rayure et redessine la surface lisse.
• Le résultat : Il produit une image "idéale" du flacon. Si l'image originale et l'image réparée sont très différentes, c'est qu'il y a un problème.
• L'analogie : C'est comme si vous regardiez un puzzle incomplet. Le restaurateur essaie de deviner à quoi ressemblerait le puzzle s'il était complet. S'il y a un trou évident, il le comble.

Équipe 2 : Le "Chasseur de Défauts" (Le Détective avec une Loupe)

• Son rôle : Comparer le flacon original et le flacon "réparé" pour trouver exactement où est le problème.
• La grande innovation (Le Module ROI) : C'est ici que GRD-Net change la donne.
  • Les anciens systèmes regardaient partout sur l'image.
  • GRD-Net, lui, reçoit une carte au trésor (appelée Region of Interest ou ROI). Cette carte lui dit : "Ne regarde que le col du flacon, ignore le fond de l'image et ignore les bords de l'assiette."
• L'analogie : Imaginez que vous cherchez un grain de sable dans un gâteau. Au lieu de fouiller toute la cuisine (la table, le sol, les murs), on vous donne un cadre qui ne montre que le dessus du gâteau. Vous ne vous trompez plus !

🎨 Comment ça marche en pratique ? (L'Analogie du Peintre)

1. L'Entraînement : On montre au système des photos de flacons parfaits. On lui apprend aussi à ajouter des "bruits" artificiels (comme des taches de peinture aléatoires) pour l'obliger à apprendre à les effacer.
2. La Reconstruction : Le système apprend à effacer ces taches et à redessiner le flacon parfaitement lisse.
3. La Discrimination : Le deuxième réseau (le détective) compare le flacon sale et le flacon propre. Mais il ne regarde que la zone indiquée par la "carte au trésor" (le ROI).
4. Le Résultat : Si le détective voit une différence dans la zone autorisée, il crie "Défaut !". Si la différence est ailleurs (sur le bord de l'image), il dit "C'est juste du bruit, ignore".

🌟 Pourquoi c'est génial ?

• Moins de gaspillage : L'usine ne jette plus les bons produits à cause d'une ombre sur le mur.
• Plus de précision : Le système se concentre là où ça compte vraiment (par exemple, sur la partie en verre du flacon, et pas sur le plastique qui le relie à ses voisins).
• Apprentissage rapide : Grâce à une technique appelée "réseaux résiduels" (un peu comme des échafaudages qui aident le système à ne pas s'effondrer quand il devient trop complexe), le système apprend plus vite et plus stablement que les anciens modèles.

🏆 Les Résultats

Les auteurs ont testé leur invention sur :

1. Des bases de données classiques (des noix, des comprimés, des zips de vêtements).
2. Un vrai cas réel : Des flacons de médicaments produits par l'entreprise Bonfiglioli Engineering.

Résultat ? Le système a réussi à repérer des défauts minuscules (comme une poussière noire sur la surface courbe du liquide) que les méthodes classiques rataient ou confondaient avec des ombres. Il a atteint une précision de 98% à 99%, ce qui est excellent pour une machine qui doit prendre des décisions en quelques millisecondes sur une chaîne de production.

En résumé

GRD-Net, c'est comme donner à un inspecteur de qualité une loupe intelligente qui lui dit exactement où regarder, en lui apprenant à ignorer le reste du monde. Cela permet de fabriquer des médicaments plus sûrs, avec moins de déchets et une confiance totale dans la qualité du produit.

Résumé technique

1. Problématique

La détection d'anomalies visuelles est cruciale dans l'industrie pour l'inspection de surface et le contrôle qualité. Cependant, les approches actuelles souffrent de plusieurs limitations majeures :

• Généralisation et Post-traitement : Les méthodes basées sur la reconstruction (comparaison image originale/image reconstruite) nécessitent souvent des algorithmes de post-traitement biaisés (analyse de blobs, édition d'images) pour localiser les défauts. Ces méthodes peinent à généraliser à de nouveaux types de défauts ou de données.
• Régions Non Pertinentes (ROI) : Dans de nombreuses applications industrielles (ex: flacons pharmaceutiques, pièces mécaniques), l'ensemble de l'image n'est pas pertinent. Seules certaines zones (Régions d'Intérêt ou ROI) contiennent des défauts critiques. Les méthodes actuelles ont du mal à ignorer le bruit de fond ou les variations hors ROI, ce qui entraîne un taux élevé de faux positifs.
• Données Déséquilibrées : La disponibilité de produits défectueux est rare par rapport aux produits sains, rendant l'apprentissage supervisé difficile. L'approche doit donc être semi-supervisée (apprenant uniquement sur des exemples "normaux").

2. Méthodologie : L'Architecture GRD-Net

Les auteurs proposent une nouvelle architecture hybride, GRD-Net, composée de deux blocs principaux, inspirée des travaux sur DRÆM (Discriminatively trained Reconstruction Anomaly Embedding Model) et GANomaly.

A. Bloc Générateur-Reconstructeur (GAN avec Autoencodeur Résiduel)

• Fondement : Remplacement de l'autoencodeur classique de DRÆM par une architecture GANomaly.
• Structure : Un réseau encodeur-décodeur-encodeur.
  • Le générateur utilise un Autoencodeur Résiduel Fully-Convolutional (CRAE) pour reconstruire l'image d'entrée. L'utilisation de blocs résiduels permet d'éviter la disparition du gradient et d'améliorer la stabilité de l'entraînement.
  • Un second encodeur comprime l'image reconstruite pour minimiser la distance avec l'espace latent de l'image originale.
• Entraînement : Le réseau apprend à reconstruire des images saines. Pour simuler des anomalies, du bruit de Perlin est superposé aux images d'entraînement. Le réseau doit donc non seulement reconstruire l'image, mais aussi "réparer" les zones masquées par le bruit de manière cohérente.
• Pertes : La fonction de perte combine une perte adversaire, une perte contextuelle (distance L1 + SSIM) et une perte d'encodeur.

B. Bloc Discriminateur (Segmentation avec Attention ROI)

• Fonction : Ce bloc (de type U-Net) prend en entrée la concaténation de l'image originale et de l'image reconstruite. Son but est de générer une carte de segmentation des anomalies.
• Module d'Attention ROI (Contribution Clé) :
  • Contrairement aux méthodes classiques qui traitent l'image entière, GRD-Net intègre un masque de Région d'Intérêt (ROI) fourni pour chaque image d'entraînement.
  • Le réseau apprend à se concentrer uniquement sur les zones où les défauts sont susceptibles de se produire (ex: le corps d'un flacon, une fermeture éclair).
• Fonction de Perte Adaptée :
  • Utilisation de la Focal Loss pour gérer le déséquilibre entre les pixels sains et défectueux.
  • Intersection ROI : La perte est calculée uniquement sur l'intersection entre le masque d'anomalie prédit et le masque ROI d'entrée. Cela force le réseau à ignorer les anomalies potentielles en dehors de la zone critique, réduisant ainsi les faux positifs dus au bruit de fond.

3. Contributions Clés

1. Fusion Architecturale : Combinaison de la capacité de généralisation de GANomaly avec la capacité de localisation directe de DRÆM, améliorée par des blocs résiduels pour une reconstruction plus stable et précise.
2. Module d'Attention ROI : Introduction d'un mécanisme permettant au réseau d'apprendre où chercher les défauts. Cela élimine le besoin d'algorithmes de post-traitement complexes pour isoler les zones d'intérêt.
3. Génération d'Anomalies Synthétiques : Utilisation de bruit de Perlin pour créer des triplets d'entraînement (image originale, image bruitée, masque parfait) permettant un apprentissage robuste sans nécessiter de grandes quantités de données réelles défectueuses.
4. Validation Industrielle Réelle : Application et validation sur un jeu de données industriel propriétaire (bandes de flacons pharmaceutiques BFS) en plus des benchmarks standards (MVTec-AD).

4. Résultats Expérimentaux

Les expériences ont été menées sur les ensembles de données MVTec-AD (noisettes, écrous métalliques, pilules, etc.) et sur un jeu de données industriel pharmaceutique.

• Performance de Détection (AUROC Image) :
  • GRD-Net dépasse systématiquement les modèles de référence (DRÆM, GANomaly, PatchCore, PaDiM).
  • Sur le jeu de données "Hazelnut", GRD-Net atteint 100% d'AUROC après 200 époques, contre 98,8% pour DRÆM.
  • Sur "Metal Nut", GRD-Net atteint 99,8% contre 99,7% pour DRÆM.
• Performance de Localisation (AUROC Pixel) :
  • La méthode montre une précision supérieure dans la localisation des défauts, en particulier grâce à l'utilisation de l'autoencodeur résiduel qui améliore la qualité de la reconstruction (moins de bruit, détails de texture mieux préservés).
• Impact de l'Architecture Résiduelle :
  • Les comparaisons montrent que l'ajout de blocs résiduels (CRAE) améliore la stabilité de l'entraînement et réduit le surapprentissage (overfitting) par rapport aux autoencodeurs classiques.
• Validation sur Cas Réel (Pharmaceutique) :
  • Sur les flacons BFS, le modèle a atteint un AUROC de 0,981 (image) et 0,996 (pixel) après seulement 30 époques.
  • Le modèle a réussi à localiser des défauts subtils (particules flottantes, rayures) sur la zone du ménisque, là où les algorithmes classiques de type "blob analysis" échouent en raison de la variabilité de la forme et des ombres.
• Étude Ablative :
  • L'utilisation de la Focal Loss sur l'intersection ROI (Méthode 2 dans l'étude) s'est révélée supérieure aux autres variantes, permettant une segmentation nette des défauts sans inclure la zone d'intérêt entière comme anomalie.

5. Signification et Conclusion

Le papier GRD-Net représente une avancée significative pour l'inspection visuelle industrielle automatisée.

• Réduction des Faux Positifs : En forçant le réseau à ignorer les zones hors ROI, la méthode élimine le bruit de fond, un problème majeur dans les environnements industriels réels.
• Élimination du Post-traitement : La capacité de segmentation directe du réseau rend obsolètes les algorithmes de seuillage et de morphologie mathématique souvent utilisés après la détection.
• Adaptabilité : L'approche semi-supervisée, combinée à la capacité de se concentrer sur des zones spécifiques, la rend particulièrement adaptée aux lignes de production où les défauts sont rares et localisés.

En résumé, GRD-Net offre une solution robuste, précise et interprétable pour la détection d'anomalies, validée aussi bien sur des benchmarks académiques que sur des cas d'usage industriels complexes.