Detecção de Defeitos na Superfície de Aço Usando GAN e Classificador de Uma Classe

A detecção automática de defeitos na superfície de fita de aço é uma missão difícil, como resultado das distribuições de classes desequilibradas causadas pela distribuição esparsa de amostras anormais. O método de classificação de uma classe (OCC) pode detectar amostras anormais apenas treinando as amostras normais. As Redes Geradoras Adversariais (GAN) podem aprender automaticamente as características das amostras em situações não supervisionadas, e apenas uma amostra é utilizada para treinar o modelo. O método de classificação de uma classe baseado em GAN para detecção de defeitos na superfície de fita de aço é proposto neste artigo. A penúltima camada de saída do gerador GAN é escolhida como a característica, que contém algumas informações básicas e importantes sobre a amostra. Além disso, uma função de perda melhorada é proposta para aumentar a estabilidade do modelo e a velocidade de convergência. Então, o classificador de uma classe pode facilmente detectar amostras anormais comparando a característica das amostras normais e anormais. A abordagem proposta é validada nos conjuntos de dados de fita de aço contendo defeitos de superfície de diferentes tamanhos, formas e tipos. Os experimentos mostraram que o método pode alcançar uma precisão média de 94% nos conjuntos de dados.