Los ánodos de carbono prebaked son un consumible crítico en la industria de la electrólisis del aluminio. La pasta de ánodo de carbono prebaked es el producto intermedio del ánodo de carbono prebaked, y su calidad impacta significativamente en el ánodo de carbono prebaked. Por lo tanto, es esencial inspeccionar la calidad de la pasta de ánodo de carbono prebaked. Actualmente, la inspección de calidad de la pasta aún depende del análisis de laboratorio o de la experiencia manual. Una inspección de laboratorio no puede obtener resultados en tiempo real, mientras que la inspección manual presenta riesgos potenciales. Para abordar estos problemas, se propuso un método de inspección inteligente en línea para la pasta de ánodo de carbono prebaked basado en un algoritmo de detección de anomalías. En primer lugar, adquirimos la temperatura de la pasta y la potencia del motor de amasado. En segundo lugar, transformamos estos datos de series temporales en imágenes utilizando la técnica del Campo Angular Gramiano (GAF) y los unimos para crear el conjunto de datos de detección de anomalías de la pasta. En tercer lugar, entrenamos un modelo de detección de anomalías emparejado basado en el algoritmo PatchCore. Finalmente, comparamos dos modelos avanzados: HaloAE y TSRD. PatchCore tiene el mejor rendimiento en nuestro conjunto de datos con una puntuación AUC-ROC de 0.9943, seguido de HaloAE (0.9906) y TSRD (0.9811). Nuestro método propuesto permite la inspección inteligente y puntual de la calidad de la pasta de ánodo de carbono prebaked. Esto elimina la necesidad de inspección manual, reduce los requisitos de mano de obra y garantiza la seguridad de los trabajadores.