GRooUV: surface defect detection with Gabor filter using reconstruction-based blurring U-Net–ViT

In diesem Artikel wird ein bahnbrechendes Hybridsystem zur Erkennung von Oberflächenfehlern vorgestellt, das Gabor-Filter mit einem rekonstruktionsbasierten, verwischenden U-Net-ViT-Modell integriert. Das System adressiert die Herausforderungen durch lärmbedingte Reaktionen, mehrdeutige Defektgrenzen und die Schwierigkeit, zwischen defekten und nicht defekten Regionen zu unterscheiden. Die Studie stellt ein neuartiges Rahmenwerk vor, das die Fähigkeiten der Gabor-Filter zur direktionalen und periodischen Texturanalyse mit den Fähigkeiten des lokalen und globalen kontextuellen Lernens des ViT-basierten Wiederaufbaunetzwerks kombiniert. Das Gerüst erreicht eine Struktur, in der defekte Regionen deutlich hervorgehoben werden, während normale Regionen akkurat rekonstruiert werden. Der Artikel stellt auch die SP-Masking-Technik vor, um die Klarheit der Fehlerdarstellung zu verbessern und das Lernen des Wiederaufbaunetzwerks zu erleichtern. Experimentelle Ergebnisse bestätigen die Robustheit und Genauigkeit der vorgeschlagenen Methode in verschiedenen Texturkategorien und zeigen signifikante Verbesserungen gegenüber herkömmlichen Methoden. Die Studie schließt mit einer Diskussion über die Stärken und Grenzen des vorgeschlagenen Ansatzes, die zukünftige Forschungsrichtungen zur Verbesserung seiner Anwendbarkeit auf industrielle Inspektionsaufgaben vorschlägt.