金属表面欠陥検出のためのToF強度ガイドクロスモーダル関心領域生成
ToF Intensity-Guided Cross-Modal Region of Interest Generation for Metal Surface Defect Detection
金属表面の欠陥検出において、RGB画像のみでは位置や姿勢の変動、金属表面の反射による背景テクスチャと欠陥パターンの類似性といった課題があった。本研究では、Time-of-Flight(ToF)強度画像とRGB画像を組み合わせたクロスモーダル関心領域(ROI)生成フレームワークを提案する。ToF強度画像における鏡面反射による信号減衰とドロップアウトパターンを構造的特徴として利用し、オブジェクトの局在化を行う。ToF強度画像から抽出された前景サポート領域を連結成分解析でオブジェクト候補に分離し、事前に較正されたホモグラフィを用いてRGB座標系に投影する。この投影領域からオブジェクト適応型ROIを生成し、YOLOベースの欠陥検出器に提供する。実験の結果、提案手法はベースラインのYOLOv2モデルと比較してmAP@50を0.585から0.796に向上させ、ToFガイドによるオブジェクト適応型ROI生成が金属表面欠陥検出における背景干渉の低減と局在化の安定性向上に効果的であることを示した。
- 金属表面欠陥検出のため、ToF強度画像とRGB画像を組み合わせたクロスモーダル関心領域(ROI)生成フレームワークを提案。ToFの鏡面反射による信号減衰とドロップアウトパターンを構造的特徴として利用しオブジェクトを局在化する。
- ToF前景サポート領域を連結成分解析でオブジェクト候補に分離し、較正済みホモグラフィでRGB座標系に投影してオブジェクト適応型ROIを生成、YOLOベース欠陥検出器に提供する。
- 実験でベースラインのYOLOv2比でmAP@50が0.585から0.796へ向上し、ToFガイドのROI生成が背景干渉低減と局在化安定性向上に有効であることを示した。
金属表面の欠陥検出という産業検査(製造業の外観検査)領域で、ToF(Time-of-Flight)強度画像とRGBを組み合わせたクロスモーダルなROI生成により、YOLOベース検出器のmAP@50を0.585から0.796へと大幅改善した点が注目される。金属の鏡面反射による信号減衰やドロップアウトを「ノイズ」ではなく構造的特徴として積極利用する発想は、既存RGBカメラでは難しかった金属ワークの位置・姿勢変動への頑健性を高めるもので、マシンビジョン検査の導入障壁(背景テクスチャとの類似による誤検出)を下げる。研究段階の成果だが、センサフュージョン型の外観検査はスマートファクトリー投資の中心テーマであり、ToFセンサや産業用カメラ、検査AIベンダーの付加価値向上につながる技術シグナルとして注視したい。