Автоматическое обнаружение дефектов на металлических поверхностях с использованием зрительных трансформеров

Производство металла часто приводит к выпуску дефектной продукции, что создает производственные проблемы. Поскольку традиционный ручной контроль требует значительных затрат времени и ресурсов, необходимы автоматизированные решения. В данном исследовании методы глубокого обучения используются для разработки модели обнаружения дефектов на металлических поверхностях с применением зрительных трансформеров (ViT). Предлагаемая модель предназначена для классификации и локализации дефектов, а для извлечения признаков используется ViT. Архитектура разделяется на два направления: классификацию и локализацию. Модель должна обеспечивать высокую точность классификации, одновременно поддерживая среднеквадратичную ошибку (MSE) и среднюю абсолютную ошибку (MAE) на как можно более низком уровне в процессе локализации. Результаты экспериментов показывают, что модель может применяться для автоматического обнаружения дефектов, повышения производственной эффективности и снижения количества ошибок в металлургическом производстве.