Come fanno i computer a vedere i difetti nascosti nelle saldature?

Quando si saldano pezzi di metallo, a volte si nascondono piccoli difetti che solo le immagini radiografiche possono mostrare. Questi scatti hanno però poco contrasto e pochi esempi disponibili, rendendo difficile l’uso dell’intelligenza artificiale. I ricercatori hanno provato i Normalizing Flows (NF), una famiglia di reti che imparano la distribuzione normale dei dati sani. Usando diversi modelli NF con potenti estrattori di caratteristiche, hanno addestrato il sistema a riconoscere cosa è normale e a segnalare anomalie. La coppia migliore è stata CFlow‑AD con una rete residua WRN‑50‑2, che ha superato gli altri metodi su immagini di tubi d’acciaio raccolti in officine. I test hanno mostrato che il sistema individua difetti che l’occhio umano spesso non vede, aprendo la strada a controlli di qualità più veloci e sicuri nelle fabbriche.

I Normalizing Flows (NF) sono modelli probabilistici che mappano i dati verso una distribuzione nota, tipicamente una gaussiana standard. In compiti di one‑class classification, come il rilevamento di difetti, il modello viene addestrato solo su immagini di saldature corrette, apprendendo una rappresentazione densità‑probabile del ‘normale’. Durante il test, l’inferenza calcola la log‑likelihood di ogni nuova immagine: valori bassi indicano anomalie. CFlow‑AD unisce un encoder profondo a un decoder che ricostruisce l’input, usando un loss aggiuntivo che enfatizza le differenze sottili. Il Wide Residual Network WRN‑50‑2 fornisce un’estrazione di caratteristiche robusta, grazie ai suoi blocchi residui e alla sua ampiezza. Il dataset comprende centinaia di radiografie di tubi d’acciaio provenienti da siti industriali, con un basso rapporto segnale‑rumore che rende il compito impegnativo. I ricercatori hanno valutato i modelli con AUROC, tasso di falsi positivi e precisione, confrontando CFlow‑AD con approcci basati su GAN e VAEs. CFlow‑AD ha raggiunto un AUROC del 96 %, superando gli altri metodi di oltre il 5 %, dimostrando l’efficacia degli NF nel controllo industriale.