Individuazione di difetti in manufatti industriali a partire da modelli sintetici

Negli ultimi anni l'Anomaly Detection ha attirato attorno a sé un sempre maggiore interesse, portando alla nascita di applicazioni sempre più avanzate. Questo lavoro si concentra sulla creazione di un nuovo dataset innovativo che supera le limitazioni dei suoi predecessori e apre la strada verso nuovi sviluppi nell'ambito della rilevazione dei difetti. Il dataset creato è il primo ad essere multimodale e multivista, offre quindi diverse tipologie di dati provenienti da diverse angolazioni dell'oggetto. Questo approccio consente di avere una rappresentazione più completa degli oggetti migliorando la capacità dei modelli di deep learning di rilevare difetti nascosti o difficilmente visibili da una singola prospettiva. Il dataset inoltre integra una componente sintetica, realizzata in Blender, che può risultare molto utile in campo industriale dove uno scenario sytnh2real può risultare particolarmente utile quando l’acquisizione di dati risulta particolarmente complessa o costosa. Infine, si sono adattati alcuni modelli di VAD al caso multivista fornendo un modello base con cui confrontare lavori futuri.