DEENet: un modelo de doble codificador CNN–Transformer potenciado en bordes para la detección de defectos en superficies de acero

Por qué importan las pequeñas imperfecciones en el acero

Desde automóviles y puentes hasta electrodomésticos, la vida moderna depende en silencio del acero. Sin embargo, la fiabilidad de todos estos productos puede verse comprometida por defectos tan pequeños que son difíciles de detectar incluso con microscopio. Este estudio presenta DEENet, un nuevo sistema de visión por computador que puede encontrar automáticamente defectos sutiles en las superficies de bobinas de acero con mayor precisión y eficiencia que las herramientas existentes, ayudando a las fábricas a detectar problemas temprano, mejorar la seguridad y reducir el desperdicio.

El reto de ver defectos pequeños

Las superficies de acero acumulan muchos tipos de defectos durante la producción: manchas escamosas, picaduras, grietas finas, inclusiones de material extraño y arañazos. La inspección tradicional depende de operarios humanos o filtros de imagen sencillos, que son lentos, inconsistentes y se confunden fácilmente con fondos ruidosos de la fábrica. Los algoritmos modernos de detección “de un solo paso”, como la familia YOLO, pueden escanear una imagen en una sola pasada, pero aún así fallan con defectos muy pequeños o de bajo contraste y a menudo difuminan los bordes de las zonas dañadas. Cuando los límites entre acero sano y defectuoso son borrosos, los detectores calculan mal el tamaño y la ubicación, lo que provoca defectos no detectados o falsas alarmas.

Combinando dos maneras de ver

DEENet aborda este problema combinando dos formas complementarias de analizar una imagen. Una rama es una red neuronal convolucional (CNN) clásica, adecuada para captar texturas locales finas, como picaduras diminutas o arañazos delgados. La otra rama es una red basada en Transformer, que divide la imagen en parches y sobresale captando el contexto más amplio: cómo se relacionan los patrones a lo largo de toda la tira de acero. En DEENet, estas dos ramas actúan como “ojos” gemelos: una enfocada en el detalle y la otra en la vista general. Un módulo personalizado de Fusión de Doble Canal mezcla sus salidas, de modo que cada región de la imagen se describe tanto por su textura local como por su papel en la escena completa. Esta comunicación cruzada hace al sistema más sensible a defectos pequeños y densos que los modelos anteriores tienden a pasar por alto.

Perfeccionando el contorno del daño

Incluso con características ricas, los detectores pueden seguir teniendo dificultades para trazar límites nítidos alrededor de los defectos, especialmente cuando se difuminan gradualmente en el fondo. Para ello, los autores diseñan un módulo de realce de bordes, llamado C2f_EEM, que se centra específicamente en los cambios de intensidad en las fronteras entre áreas dañadas y no dañadas. Hace pasar las características por varios filtros de distinto tamaño para captar estructuras que van desde grietas finas hasta manchas más amplias, y luego utiliza una especie de comparación de antes y después para enfatizar las transiciones bruscas. Este proceso destaca el contenido de “alta frecuencia” donde residen los bordes, haciendo que las grietas y picaduras destaquen con mayor claridad, y lo hace con un coste computacional liviano apropiado para uso en tiempo real en líneas de producción.

Poniendo el sistema a prueba

Los investigadores evalúan DEENet en un banco de pruebas ampliamente usado de defectos en tiras de acero que incluye seis tipos comunes de fallos, cada uno con cientos de imágenes de muestra. En comparación con detectores estándar basados en YOLO y modelos más recientes tipo Transformer, DEENet alcanza una mayor precisión media (mean Average Precision), una medida resumen de con qué frecuencia las detecciones son correctas y están bien situadas, llegando al 81,4%. Las mejoras son especialmente notables en la categoría más difícil, el craquelado, que parece una fina red de grietas y suele tener muy poco contraste. DEENet no solo encuentra más de estos defectos complejos, sino que además dibuja cajas más ajustadas alrededor de ellos, manteniendo el cómputo global lo suficientemente bajo como para un despliegue práctico. Pruebas adicionales en otro conjunto industrial y en imágenes con ruido añadido y cambios de iluminación muestran que el modelo se mantiene preciso incluso cuando las condiciones empeoran.

Qué significa esto para los productos cotidianos

En términos sencillos, el estudio demuestra que ofrecer a un sistema de visión por máquina dos “vistas” complementarias de la misma superficie de acero y enseñarle a realzar los bordes puede hacer que la detección de defectos sea más inteligente y fiable. La mejor capacidad de DEENet para detectar imperfecciones pequeñas y tenues y trazarlas con precisión podría ayudar a los acereros a identificar problemas antes, reducir el material descartado y suministrar materiales más uniformes para todo, desde rascacielos hasta teléfonos inteligentes. Si bien los autores señalan que hace falta trabajo adicional para reducir el modelo para dispositivos de baja potencia y probarlo en fábricas más variadas, sus resultados suponen un avance hacia un control de calidad más seguro, eficiente y automatizado en la industria pesada.

Cita: Pan, W., Zhong, R., Huang, J. et al. DEENet: an edge-enhanced CNN–Transformer dual-encoder model for steel surface defect detection. Sci Rep 16, 6692 (2026). https://doi.org/10.1038/s41598-026-36390-9

Palabras clave: defectos en acero, visión por computador, aprendizaje profundo, inspección de calidad, automatización industrial