Leveraging Unsupervised Learning for Cost-Effective Visual Anomaly Detection

Resumo Técnico: Aproveitamento de Aprendizado Não Supervisionado para Detecção de Anomalias Visuais Custo-Efetiva

Declaração do Problema
Os sistemas tradicionais de inspeção visual baseados em aprendizado de máquina para Pequenas e Médias Empresas (PMEs) enfrentam barreiras significativas à adoção. Esses sistemas geralmente exigem coleta extensa de dados, treinamento repetitivo de modelos, hardware caro (GPUs de alto desempenho e câmeras) e expertise especializada em aprendizado de máquina. Além disso, abordagens de aprendizado profundo frequentemente dependem de conjuntos de dados em grande escala, rotulados, de produtos normais e defeituosos. Em ambientes industriais, a diversidade de defeitos e a necessidade de anotação contínua de dados tornam esses requisitos onerosos para as PMEs, que muitas vezes não possuem capacidade para coletar e manter dados de imagem suficientes. Adicionalmente, modelos padrão de aprendizado profundo têm dificuldade em generalizar para novos produtos ou tipos de defeitos sem retreinamento, limitando ainda mais sua utilidade prática em ambientes de manufatura flexíveis.

Metodologia
Este estudo propõe um sistema de detecção de anomalias visuais custo-efetivo projetado para ambientes com recursos limitados, utilizando especificamente um Raspberry Pi 4B (8 GB de RAM) e uma câmera de baixo custo. A metodologia central aproveita o aprendizado não supervisionado, onde os modelos são treinados exclusivamente com imagens de produtos "normais", eliminando a necessidade de dados de defeitos rotulados.

• Algoritmos: A pesquisa avalia quatro algoritmos de aprendizado não supervisionado da biblioteca Anomalib: PaDiM (Detecção de Anomalias por Trecho via Modelagem de Densidade), PatchCore, CFlow-AD e FastFlow.
• Implantação: Os modelos são otimizados para implantação na borda usando o toolkit OpenVINO, que reduz o tamanho do modelo e os custos computacionais, mantendo a precisão.
• Configuração Experimental: O sistema foi testado em componentes de caixas de engrenagens. O fluxo de trabalho envolveu a captura de imagens de peças normais para treinar os modelos.
  • Dados de Treinamento: Inicialmente, 20 imagens de produtos normais foram utilizadas, com 15 selecionadas aleatoriamente para treinamento e 5 para teste.
  • Condições de Teste: O sistema foi avaliado sob várias anomalias de "condição do produto" (por exemplo, dentes de engrenagem faltantes, peças faltantes, engrenagens extras, carcaças não anodizadas) e anomalias de "condição de configuração" (por exemplo, mudanças de iluminação, desalinhamento da bandeja, inclinação da peça).
• Métricas: O desempenho foi medido usando AUROC (Área Sob a Curva Característica Operacional do Receptor) e pontuações F1 Macro. Um estudo de ablação foi conduzido para comparar o desempenho entre diferentes tamanhos de conjunto de dados (20, 50 e 80 imagens) e plataformas de hardware (Raspberry Pi vs. PC Intel i7).

Principais Contribuições

1. Desenvolvimento de Sistema de Baixo Custo: A criação de um sistema funcional de detecção de anomalias visuais usando um Raspberry Pi 4B, demonstrando um método acessível para detectar defeitos em peças de caixas de engrenagens sem infraestrutura de computação de alto desempenho.
2. Avaliação de Algoritmos: Uma análise comparativa de múltiplos algoritmos de aprendizado não supervisionado pré-treinados (PaDiM, PatchCore, CFlow-AD, FastFlow) especificamente para implantação em hardware de baixo custo.
3. Validação de Desempenho: Validação empírica da capacidade do sistema de detectar vários tipos de defeitos e variações de configuração em um ambiente de laboratório, incluindo a geração de mapas de calor para localização de defeitos e pontuações de confiança para suporte à decisão.

Resultados

• Alta Precisão com Dados Mínimos: No Raspberry Pi, o sistema alcançou uma pontuação F1 macro superior a 0,95 e uma AUROC de 1,0 em todas as condições de produto e configuração testadas quando treinado com apenas 10 imagens normais (usando 15 para treinamento na configuração inicial). O sistema distinguiu com sucesso entre peças normais e anômalas sem rotulagem prévia de defeitos.
• Restrições de Hardware:
  • PaDiM provou ser o modelo mais eficiente, treinando em aproximadamente 1 minuto e 9 segundos no Raspberry Pi com 20 imagens, alcançando uma pontuação F1 de 0,95.
  • PatchCore também teve bom desempenho em conjuntos de dados pequenos (20 imagens), mas encontrou falhas no sistema quando o tamanho do conjunto de treinamento aumentou para 50 ou 80 imagens devido a limitações de memória.
  • CFlow-AD e FastFlow falharam em treinar com sucesso no Raspberry Pi em todos os tamanhos de conjunto de dados, resultando em falhas no sistema.
• Velocidade de Inferência: Embora o treinamento tenha sido rápido para o PaDiM, os tempos de inferência foram relativamente altos para a aplicação-alvo: aproximadamente 24 segundos para o PaDiM e 70 segundos para o PatchCore no Raspberry Pi.
• Sensibilidade ao Ambiente: O sistema mostrou sensibilidade a mudanças ambientais. Por exemplo, em condições extremamente escuras, o modelo classificou incorretamente uma peça normal como anômala com apenas 50% de confiança. Além disso, o sistema teve dificuldade em localizar precisamente defeitos sutis (por exemplo, dentes de engrenagem faltantes ligeiramente desfocados) e ocasionalmente confundiu mudanças de configuração (como iluminação ou movimento da bandeja) com defeitos do produto.

Significado e Alegações
O artigo alega apresentar uma exploração pioneira da implantação de modelos de aprendizado profundo não supervisionados de última geração em hardware de baixo custo e com recursos limitados. Demonstra que as PMEs podem alcançar detecção de anomalias de alta precisão (F1 > 0,95) usando dados mínimos (tão poucos quanto 10 imagens normais) e hardware acessível, reduzindo significativamente a barreira de entrada para inspeção visual automatizada.

No entanto, os autores mantêm uma postura modesta em relação às limitações atuais do sistema. Eles reconhecem que o sistema ainda não é adequado para linhas de produção de alta frequência devido aos tempos de inferência (24–70 segundos) e à sua sensibilidade ao ruído ambiental (iluminação, posicionamento). O estudo conclui que, embora a abordagem seja rápida e econômica, trabalhos futuros são necessários para melhorar a confiabilidade por meio de destilação de modelos ou compressão de dados para lidar melhor com o grande volume de dados e a resolução limitada inerentes a dispositivos de borda de baixo custo. O sistema é posicionado como uma solução viável para PMEs onde a inspeção rápida e de alto rendimento não é a restrição primária, ou como uma verificação suplementar em vez de um substituto autônomo para a inspeção humana em ambientes complexos e variáveis.