의료 기기 제조의 자동화된 시각 검사는 매우 낮은 결함률, 제한된 주석 데이터, 생산 라인의 하드웨어 제약, 검증되고 설명 가능한 인공 지능 시스템의 필요성 등 고유한 과제에 직면해 있습니다. 이 논문은 이러한 제약 사항을 해결하기 위해 보완적인 이상 감지 전략을 사용하는 두 가지 주의 기반 오토인코더 아키텍처를 제시합니다. 첫 번째는 해석 가능한 실시간 결함 감지를 가능하게 하는 4-MS-SSIM을 사용하여 라인 내 검사를 수행합니다. 두 번째는 효율적인 특징 공간 모니터링 및 수명 주기 검증을 위해 임의로 축소된 잠재 특징의 Mahalanobis 거리 분석을 적용합니다. 두 접근 방식 모두 일반적인 제조 조건을 위해 고해상도 이미지를 위해 최적화된 경량 백본을 공유합니다. SSI 데이터 세트(멸균 장벽 포장 검사)에 대한 평가는 제안된 방법이 MOCCA, CPCAE, RAG-PaDiM을 포함한 기준선을 실제 산업적 제약 조건에서 능가함을 보여줍니다. MVTec-Zipper 벤치마크에 대한 교차 도메인 검증은 최첨단 이상 감지 방법과 유사한 정확도를 확인합니다. 듀얼 모드 프레임워크는 라인 내 이상 감지 및 감독 모니터링을 통합하여 안전에 중요한 제조 환경에서 설명 가능한 AI 아키텍처를 신뢰성, 관찰 가능성 및 수명 주기 모니터링으로 발전시킵니다.
