改良型RT-DETRモデルを用いたケーブル欠陥検出
Cable Defect Detection Using an Improved RT-DETR Model
本研究は、送電線検査画像における微小な欠陥ターゲットや複雑な背景による検出精度の限界と、既存モデルの計算コスト高という課題に対し、改良型RT-DETRに基づくケーブル欠陥検出手法を提案する。バックボーンにDualConvモジュールを導入し局所特徴表現を強化しつつパラメータ冗長性を削減。ダウンサンプリングにはContextGuidedDownモジュールを組み込み、重要情報の損失を軽減。さらに、AIFIエンコーダー内のDynamic TanhをLayerNormの代わりに採用し、高レベル特徴の正規化を改善した。CableInspect-ADデータセットとRF100 Cable Damageデータセットで実験を行った結果、CableInspect-ADの単一実行比較では、提案手法はmAP@0.5で92.4%を達成し、元のRT-DETRより2.7ポイント向上した。パラメータ数は20.1Mから18.6Mに、計算コストは58.3 GFLOPsから53.4 GFLOPsに減少した。4回のランダムシード実行では、DCGD-RTDETRは平均mAP@0.5で90.98 ± 1.10%のRT-DETRに対し92.05 ± 0.34%を達成したが、統計的有意差はp=0.086で認められなかった。一方、AP@0.75はRT-DETRの65.01 ± 1.43%からDCGD-RTDETRの63.26 ± 1.11%に低下し(p=0.005)、より厳しいIoU閾値での局在化性能には限界があることが示唆された。アブレーション実験は3つの改良の相補的な貢献を確認した。全体として、提案手法はIoU=0.5において検出精度とモデル複雑性のトレードオフで有利であるが、より厳しいIoUでの局在化性能にはさらなる改善が必要である。
- RT-DETRを改良したDCGD-RTDETRを提案し、CableInspect-ADデータセットでmAP@0.5が92.4%を達成(元のRT-DETR比+2.7ポイント)
- パラメータ数を20.1Mから18.6M、計算コストを58.3 GFLOPsから53.4 GFLOPsへ削減し、精度とモデル複雑性のトレードオフを改善
- 4回のランダムシード実行では平均mAP@0.5が92.05 ± 0.34%(RT-DETRは90.98 ± 1.10%)だが、統計的有意差はp=0.086で未達
- AP@0.75はRT-DETRの65.01 ± 1.43%から63.26 ± 1.11%へ低下(p=0.005)し、厳しいIoU閾値での局在化性能に限界
- バックボーンへのDualConv導入、ContextGuidedDownによるダウンサンプリング、AIFIエンコーダー内のLayerNormをDynamic Tanhへ置換の3改良の相補的貢献をアブレーションで確認
送電線ケーブル欠陥検出という具体的な産業応用に対し、RT-DETRを改良した軽量・高精度な物体検出モデルを提案した研究。パラメータ数と計算コストを削減しつつmAP@0.5を2.7ポイント改善した点は、エッジ側やドローン搭載の検査システムへの実装コスト低減につながる示唆がある。ただし4シード平均では統計的有意差が得られず(p=0.086)、厳しいIoU条件ではむしろ劣化する(p=0.005)ため、実運用での信頼性評価には追加検証が必要。投資家としては、電力インフラ検査の自動化・予知保全市場におけるAIモデルの省計算化トレンドと、性能主張の統計的頑健性をどう見極めるかが注目点。