MCA-Mamba-2: 超音波誘導波を用いた小口径配管の損傷検出のためのマルチチャネルアテンション状態空間ネットワーク
MCA-Mamba-2: A Multi-Channel Attention State-Space Network for Ultrasonic Guided Wave Damage Detection in Small-Diameter Pipes
本研究では、小口径配管の超音波誘導波(UGW)検査における損傷同定の信頼性低下を引き起こす、利用可能な周波数帯域の狭さや測定ノイズへの強い感受性といった課題に対処するため、マルチチャネルアテンションMamba-2(MCA-Mamba-2)ネットワークを提案する。このネットワークは、畳み込みフロントエンドと双方向Mamba-2状態空間バックボーンを結合し、マルチヘッド自己アテンションとチャネルアテンションを組み合わせて特徴融合を行う。入力として、円周受信アレイによって同時に記録された4つの波形を受け取り、入力テンソルは4つの物理チャネルから学習された特徴チャネルへと拡張される。外径20mmの鋼管試料で、非貫通摩耗、貫通穴、および多重欠陥を含む10種類の損傷状態のデータセットが取得された。MCA-Mamba-2は、ノイズのない信号に対して98.01 ± 0.85%の精度を達成し、様々なノイズ(ホワイト、ピンク、ガウシアン、ラプラシアン)が付加された0dBのテストセットにおいても、ベースラインのMamba-2を最大17.87パーセンテージポイント上回る精度を示した。アブレーション研究により、この改善は主に畳み込みミキシングブロックに起因することが示された。クロスノイズ評価では、学習時とテスト時のノイズ分布が異なると精度が平均59.80パーセンテージポイント低下することが明らかになり、ノイズ条件へのロバスト性には限界があることが示唆された。しかし、全てのノイズタイプとSNRレベルの混合データで学習された単一モデルは、16のテスト条件全体で平均91.21%の精度を回復した。ただし、結果は単一の配管形状と固定された欠陥位置で得られたものであり、他の形状や実測データへの拡張は今後の課題である。
- 超音波誘導波(UGW)検査向けにマルチチャネルアテンションMamba-2(MCA-Mamba-2)を提案し、畳み込みフロントエンドと双方向Mamba-2状態空間バックボーン、マルチヘッド自己アテンション+チャネルアテンションの特徴融合を組み合わせた。
- 外径20mmの鋼管試料で非貫通摩耗・貫通穴・多重欠陥を含む10種類の損傷状態データセットを取得し、ノイズなし信号で98.01 ± 0.85%の精度を達成した。
- 0dBの各種ノイズテストセットでベースラインMamba-2を最大17.87パーセンテージポイント上回り、アブレーション研究では改善の主因が畳み込みミキシングブロックにあると示された。
- 学習時とテスト時でノイズ分布が異なるクロスノイズ評価では精度が平均59.80パーセンテージポイント低下し、一方で全ノイズ種・SNRを混合した単一モデルは16テスト条件で平均91.21%の精度を回復した。
Mamba-2系の状態空間モデルにマルチチャネルアテンションを組み合わせ、超音波非破壊検査(NDT)という産業用途の信号分類精度を高めた研究。ノイズ下での精度劣化やクロスノイズ分布シフトで平均59.80ポイント低下するなど汎化の限界も明示されており、インフラ検査の自動化・AI検査ソリューションへの応用余地と実運用時のデータ拡張・再学習コストを見極める材料になる。ただし単一配管形状・固定欠陥位置での検証に留まり、商用化・投資案件としての具体性はまだ低い。