Industrial Vision Defect Anomaly Detection with Line-Scan LSTM Autoencoder

📊 모델 성능 지표 (Evaluation Results)

📈 이상탐지 및 결함 위치 검출 (Localization Heatmap)

• 정상 제품: 격자 패턴을 정밀하게 복원하여 이상 점수(Anomaly Score)가 매우 낮음
• 불량 제품 (단선, 이물질, 휨, 구멍 등): 비정상 부위 복원 실패로 이상 점수가 치솟으며, 우측 하단 히트맵에서 결함 위치가 명확하게 강조됨

🏗️ 모델 아키텍처 (Line-Scan LSTM Autoencoder)

LineScanLSTMAutoencoder(
  (encoder): LSTM(input_dim=64, hidden_dim=128, num_layers=2, batch_first=True, dropout=0.1)
  (encoder_fc): Linear(in_features=128, out_features=64, bias=True)
  (decoder_fc): Linear(in_features=64, out_features=128, bias=True)
  (decoder): LSTM(input_dim=128, hidden_dim=128, num_layers=2, batch_first=True, dropout=0.1)
  (output_fc): Linear(in_features=128, out_features=64, bias=True)
)

🛠️ 학습 및 테스트

• 학습 데이터: MVTec AD Grid Normal 30장 (One-Class 학습)
• 테스트 데이터: Normal 10장 vs Defect 10장 (Broken wire, Contamination, Bent wire, Hole)
• 소스 코드: train_vision_anomaly.py 참조