本論文では、医療機器製造の自動化された視覚検査で発生する小規模および不均衡なデータセット、高解像度画像、厳格な規制要件などの固有の課題を解決するために、2つの注意ベースのオートエンコーダアーキテクチャを提案します。最初のアーキテクチャは、構造的類似性ベースのスコアリングスキームを使用して軽量でリアルタイムの欠陥検出を可能にし、限られた地図学習を通じてさらに向上させることができます。 2番目のアーキテクチャは、縮小された潜在的な特徴のマハラノビススコアを使用する特徴距離ベースの戦略を適用して、分布の変化を監視し、監視監視をサポートするように設計されています。代表的な滅菌包装データセットの評価の結果、どちらの方法もハードウェア制約のある規制環境で基準モデルよりも優れていることを確認しました。 MVTec-Zipperベンチマークのクロスドメインテストにより、構造的類似性ベースの方法は効果的に一般化され、最先端の方法と同様の性能を達成しますが、特徴距離ベースの方法は転移性は低下しますが、補完的な監視機能を提供することを示しています.これらの結果は、強力なインライン検出のための構造的類似性と監視監視のための特徴的な距離の二重経路検査戦略を強調しています。運用性能と解析力とライフサイクルモニタリングを組み合わせた提案方法は、高リスクAIシステムの新しい規制期待にも準拠しています。
