في مجال اكتشاف الشذوذ الصناعي (Industrial Anomaly Detection)، تعد عينات الصور الطبيعية القليلة تحديًا رئيسيًا، حيث لا توفر إشرافًا مباشرًا على العيوب، مما يجعل تعلم الأوامر المتعلقة بالشذوذ من هذه العينات أمرا معقدا. هنا يأتي دور الابتكار الجديد المسماة بـ Anchor and Adapt، وهو إطار عمل يستند إلى مرحلتين لتعلم الأوامر.

**المرحلة الأولى**: تركز على تعلم المعايير الطبيعية وغير الطبيعية القابلة للنقل باستخدام بيانات مساعدة مُعَلَّمة. هذا يعني أن الإطار لا يعتمد فقط على عينات التصنيع الفعلية، بل يستفيد من بيانات إضافية لتعزيز التعلم.

**المرحلة الثانية**: تستمر في تثبيت المعايير المكتسبة سابقًا، ولكنها تضيف بُعدًا جديدًا عن طريق التكيف مع العينات الطبيعية المستهدفة القليلة. هذا التصميم يجمع ما بين الفهم المكتسب والمعايير الطبيعية، مع استخدام تقنيات مثل تنظيم النص الذي يشجع التناسق مع المعايير الطبيعية العامة.

من خلال إجراء تجارب عبر مجموعات بيانات مختلفة، بما في ذلك MVTec-AD وVisA، أظهرت النتائج أن هذا الإطار الجديد يُحسن من أداء الاكتشاف والتتبع بشكل متميز، حتى مع عدد قليل من العينات.

يظهر هذا الابتكار التقدم الكبير الذي يمكن تحقيقه في مجال الذكاء الاصطناعي، حيث يؤكد على أهمية الجمع بين التحليل والتكيف لتحسين الأداء في اكتشاف الشذوذ الصناعي.