DRL-Guided Neural Batch Sampling for Semi-Supervised Pixel-Level Anomaly Detection

在制造从电路板到食品包装等各种产品的工厂里，质量控制是一场寻找“不属于这里的东西”的持久战。几十年来，机器一直被训练用来识别这些缺陷，但它们面临着一个根本性的问题：它们很少被展示破碎的产品究竟长什么样。缺陷是稀有的、造价高昂且往往非常细微，比如抛光表面上的一道发丝般的划痕，或是玻璃组件上的一个小缺口。由于这种稀缺性，工程师们传统上教计算机只学习完美物品的形状。计算机记住“正常”是什么样子，当它看到与记忆偏离的东西时，就会将其标记为缺陷。然而，这种方法存在一个盲点。如果计算机对正常物品的学习过于完美，它可能会被那些至关重要却极其微小、隐蔽的错误所迷惑，或者干脆忽略它们，因为这些错误看起来并不像它被训练去预期的那种巨大且明显的错误。

德黑兰大学的一个研究小组提出了一种解决这一难题的新方法，这种方法超越了仅仅记忆完美。他们没有依赖于对“正常”的静态记忆，而是创建了一个能够主动学习“寻找麻烦”的系统。他们的这种方法详述于最近的一项研究中，将三种不同的工具结合成一个单一的、自我改进的循环。首先，一个数字“侦察员”在图像上移动，决定哪些小区域值得进一步观察。其次，一个重建引擎试图从记忆中重建这些区域，从而突出记忆与现实不匹配的地方。第三，一个分类器学习读取这些失败之处，并绘制出精确的缺陷图谱。通过让这三个部分相互交流，该系统学会了以一种以往方法难以达到的准确度来寻找细微的异常，同时仅使用少量的已知缺陷样本来引导这一过程。

这个新框架的核心是一个充当好奇检查员的数字代理。在传统系统中，计算机可能会一次性扫描整张图像，或者在没有计划的情况下观察随机的图块。然而，这个新的代理使用了一种称为强化学习的技术，这本质上是一种由奖励驱动的试错学习过程。想象一个人在大型仓库中寻找特定类型的损坏；他们不会走直线，也不会随机检查每一个箱子。相反，他们会寻找线索，判断哪个区域看起来最可疑，然后将注意力转向那里。这个数字代理也是如此。它观察一张图像，并根据目前所学到的知识决定下一个要检查的小方块。如果它选择的位置有助于系统理解好零件与坏零件之间的区别，它就会获得奖励。如果它选择的位置无法提供新信息，它就会学会未来避开该区域。这使得系统能够将其精力集中在最有信息量的图像部分，而不是在明显完美的区域浪费时间。

一旦代理选择了图块，它就会被传递给一个重建引擎，这是一种旨在重建图像的神经网络。该引擎在大量无缺陷的完美样本上进行了广泛训练。当它接收到来自产品良好部分的图块时，它可以几乎完美地重建它。但当它接收到包含划痕或缺口的图块时，它会感到吃力。因为它在训练期间从未见过这种特定的缺陷，所以它无法准确地重建它。引擎所见与它所重建的内容之间的差异产生了一个“损失剖面”，这是一个在缺陷隐藏处闪烁着亮光的误差图谱。这张图谱是该系统成功的关键。系统并不是试图直接从原始图像中猜测缺陷，而是分析这张重建误差图谱，这通常会让即使是最微小的缺陷也变得清晰可见。

拼图的最后一块是一个预测器，这是一个专门的网络，它接收这些误差图谱并将它们转化为清晰的二元决策：这个像素是好的，还是这个像素是坏的。研究人员的方法之所以独特，在于这三个组成部分——侦察员、引擎和预测器——是如何共同学习的。在以往许多类似的尝试中，这些部分是分开训练的，或者依赖于限制其适应能力的僵化规则。在这里，系统使用了一种半监督学习方法，这意味着它从大量的正常数据和极少量的标记缺陷数据中学习。研究人员发现，通过移除早期版本中使用的某些复杂机制并简化预测器的学习方式，系统变得更加稳定，并且在泛化到新类型缺陷方面表现得更好。代理学习平衡两种竞争的需求：探索图像中的新区域以寻找未知的麻烦点，以及利用它已知可疑的区域来精炼检测。

该方法的测试是在一个广泛使用的工业图像集上进行的，称为 MVTec AD 数据集，其中包含了各种物体和纹理的高分辨率照片，从电缆、牙刷到药丸和木板。研究人员将他们的方法与几种领先的技术进行了对比，包括标准的深度学习模型和其他先进的基于重建的系统。这种新框架始终优于这些竞争对手。平均而言，它在正确识别和定位缺陷的能力方面有了显著提升。在最具挑战性的案例中，即缺陷极其细微的情况下，新方法表现出了巨大的进步，实现了比其他系统更高的准确度得分，并能检测到以往方法难以有效定位的缺陷。例如，在涉及晶体管和牙刷的测试中，该系统的准确率大幅跃升至之前的最佳结果之上，证明了自适应采样策略有效地针对了正确的区域。

除了发现缺陷之外，该系统在精准定位缺陷位置方面也表现出色。在工业环境中，仅仅知道产品有缺陷是不够的；机器必须确切知道表面的哪个部分受损，以便进行修理或丢弃。研究人员证明，他们的方法产生了更干净、更精确的损伤图谱。视觉结果显示，即使在复杂的纹理（如木纹或金属网格）中，划痕周围也有清晰的边界，缺失部分的定义也非常明确。这种精确度至关重要，因为它减少了误报情况（即完美的物品被错误地拒绝），并确保真实的缺陷不会被忽视。该系统在不需要海量标记缺陷数据的情况下实现了这种高性能，而这通常是工业自动化中的最大瓶颈。

研究还强调了系统训练方式的重要性。研究人员发现，如果系统的不同部分没有以正确的顺序相互引入，整个过程可能会变得不稳定。他们开发了一个特定的训练计划：先让重建引擎学习，接着是预测器，最后是选择图块的代理。这种循序渐进的方法允许每个组件在承担其他组件带来的额外复杂性之前先达到稳定。在训练结束时，系统已经学会了一种复杂的图像扫描策略，这种策略比单纯扫描一切或依赖随机猜测要高效且有效得多。研究人员指出，虽然该系统的设置比简单的扫描仪更复杂，但其代价是获得了一个更稳健、更可靠的检测器，能够处理实际工厂中存在的细微且真实的变异。

这项工作代表了机器如何学习“看”的一种转变。研究人员并没有试图强迫计算机去死记硬背产品可能损坏的所有方式，而是教会了它保持好奇心。通过赋予系统选择观察对象以及从错误中学习的能力，他们创造了一个既强大又具适应性的工具。研究结果表明，质量控制的未来可能不在于拥有更大的破碎零件数据库，而在于更聪明的算法，这些算法知道如何通过学习在正确的地方寻找“大海捞针”。该方法在多样化的工业图像集上的成功表明，对于希望在不承担收集数千个缺陷样本的高昂成本的情况下改进检测流程的制造商来说，这是一个非常有价值的工具。