? 

　　近日，鐳目智眸團隊在鋼鐵視覺領域取得重大突破，成功將AIGC技術應用于提升稀缺樣本異常場景檢測水平，該技術顯著提升了鑄坯缺陷，廢鋼內危險物及拒收件等稀缺數據的采集速度，從而突破了異常情況數據集稀少的瓶頸，極大地提升了異常場景的識別和檢測能力！

　　在鋼鐵生產中，對異常狀況的精準識別是確保生產流程順暢和產品品質穩定的關鍵因素。鐳目智眸算法團隊結合用戶需求及落地項目實施細節，針對廢鋼原料監控及鑄坯質量管控環節的異常情況做了深入研究，發現以下問題：廢鋼中的危險物和拒收件等異常對生產安全及產品品質構成嚴重威脅，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確檢測。

　　為了攻克這些難題，鐳目智眸團隊創新性地提出了一種新的缺陷區域和強度可控的缺陷及危險物圖像生成技術。該技術基于現有AIGC相關領域技術，選取GAN網絡作為基礎進行長期研發，形成了獨創的ReM-GAN模型。該模型通過Mask權重計算，使網絡能夠專注于特定區域的像素，從而提高模型對這些區域的性能和準確性。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構，又能捕捉到細節特征，展現了極高的靈活性和性能。

　　△ 缺陷及危險物生成效果圖

　　鐳目智眸團隊成功地將AIGC技術應用于稀缺樣本異常檢測，并根據鋼鐵行業的實際需求進行了深度優化。如今，該技術能夠根據現有的鑄坯缺陷和危險物樣本，高效地生成大量高質量的新圖片，這一技術的應用極大擴充了小概率樣本的數據量，顯著提升了相關數據采集的速度，為稀缺樣本異常檢測高效助力。（田祖光）