在鋼鐵生產(chǎn)中，對異常狀況的精準(zhǔn)識別是確保生產(chǎn)流程順暢和產(chǎn)品品質(zhì)穩(wěn)定的關(guān)鍵因素。鐳目智眸算法團隊結(jié)合用戶需求及落地項目實施細節(jié)，針對廢鋼原料監(jiān)控及鑄坯質(zhì)量管控環(huán)節(jié)的異常情況做了深入研究，發(fā)現(xiàn)以下問題：廢鋼中的危險物和拒收件等異常對生產(chǎn)安全及產(chǎn)品品質(zhì)構(gòu)成嚴(yán)重威脅，然而這些異常樣本的稀缺性使得識別效果受限。同時，鑄坯表面的微小缺陷也由于樣本稀少而難以準(zhǔn)確檢測。

為了攻克這些難題，鐳目智眸團隊創(chuàng)新性地提出了一種新的缺陷區(qū)域和強度可控的缺陷及危險物圖像生成技術(shù)。該技術(shù)基于現(xiàn)有AIGC相關(guān)領(lǐng)域技術(shù)，選取GAN網(wǎng)絡(luò)作為基礎(chǔ)進行長期研發(fā)，形成了獨創(chuàng)的ReM-GAN模型。該模型通過Mask權(quán)重計算，使網(wǎng)絡(luò)能夠?qū)Ｗ⒂谔囟▍^(qū)域的像素，從而提高模型對這些區(qū)域的性能和準(zhǔn)確性。同時，該模型融合了全局與局部的處理能力，既能把握圖像的整體結(jié)構(gòu)，又能捕捉到細節(jié)特征，展現(xiàn)了極高的靈活性和性能。

△ 缺陷及危險物生成效果圖