YOLO-SCC: 鉱山安全のための軽量物体検出手法
YOLO-SCC: A Lightweight Object Detection Method for Mine Safety
本論文では、地下炭鉱における人員検出の課題(照明ムラ、粉塵による隠蔽、背景の混雑、対象物のスケール変動など)に対応するため、軽量物体検出手法「YOLO-SCC」を提案する。軽量検出ネットワークYOLO26nをベースに、SPDConv、CBAM、ContextAggregationからなるSCC軽量強化構造を構築し、モデルのコンパクトさを維持しながら複雑な地下環境での特徴表現と対象認識能力を向上させる。SPDConvはダウンサンプリングプロセスを最適化し、CBAMはチャネルと空間次元の両方で特徴にアダプティブに重み付けを行い、ContextAggregationはより豊富な文脈的意味情報を集約する。実験の結果、パラメータ数(2.38 MBから2.88 MBへ)と計算コスト(5.2 GFLOPsから6.0 GFLOPsへ)のわずかな増加で、YOLO-SCCは精度88.8%、再現率82.2%、mAP@0.5で85.3%、mAP@0.5:0.95で51.2%を達成し、ベースラインYOLO26nと比較してそれぞれ6.1、0.9、0.1、3.3パーセントポイントの改善を示した。YOLO-SCCは、軽量なモデルスケールを維持しながら、主に誤検出の抑制と局在化の品質を向上させる。
- YOLO26nベースの軽量物体検出手法YOLO-SCCを提案し、地下炭鉱環境での人員検出精度を向上させた(mAP@0.5で85.3%を達成)
本論文は地下炭鉱の人員検出という産業特化型のAI応用であり、YOLOベースの軽量物体検出モデルを提案している。単なる研究論文で特定企業の業績や市場動向に直接結びつくものではなく、投資判断に直結する具体的な事業イベントは含まれていない。技術的価値はあるものの、投資家向けの具体的なインパクト情報が乏しいため、投資判断材料としては限定的である。