Anchor-Freeアルゴリズムを用いたYOLOv7-tinyの軽量金属表面欠陥検出技術の設計

金属の小さな欠陥が重要な理由

自動車の車体から高層ビルの梁に至るまで、鋼板は至る所に使われています。しかし、髪の毛ほどの割れ目や微細な擦り傷、小さなへこみが金属表面にあるだけで、部品の強度を静かに低下させ寿命を短くし、メーカーにとってはコストとなり得ます。目視で1平方センチごとに検査するのは遅くミスが起きやすいため、生産ラインを流れる鋼材を自動で監視するために人工知能への依存が高まっています。本稿は、リアルタイムで非常に小さく判別が難しい金属表面の欠陥も検出できる、より高速で軽量なコンピュータビジョンシステムを提示します。

カメラと賢いソフトウェアが鋼材を監視する仕組み

現代の欠陥検査はデジタルカメラとディープラーニングに依存しています。ディープラーニングは画像から直接パターンを学習するソフトウェアです。こうした手法の中で広く使われる一群がYOLO（You Only Look Once）と呼ばれる方式で、画像を一度で走査して関心領域にボックスを描きます。著者らは、コンパクトなバージョンであるYOLOv7‑tinyを基盤とし、工業用鋼材検査向けに改良を加えています。目標は、モデルを小さく高速に保ち、限られたハードウェア上で動作させながら、薄い溶接線や折れ目から円形のへこみや汚れまで、移動する鋼帯や板上の幅広い欠陥を検出することです。

事前設定のボックスなしで欠陥をとらえる

従来のYOLOは「アンカーボックス」と呼ばれる、物体の候補形状を事前に定義したセットに依拠していました。便利ではありますが、非常に長く細い亀裂や極小の斑点といった極端なケースでは、これらの事前設定が対応しきれず見逃しが生じやすくなります。新しいシステムは「アンカーフリー」方式に切り替え、固定されたボックスから始める代わりに、欠陥の中心に注目し、その中心から四方向にどれだけ端が伸びるかを予測するよう学習します。この変更により、実際の欠陥が示す奇妙な形や大きさに柔軟に対応でき、特に重工業分野で有利になります。

薄い欠陥を際立たせる工夫

多くの鋼材表面では、欠陥は周囲とほとんど明るさの差がなく、金属の繊維目に紛れてしまいがちです。人の目が見落とすかもしれないものを機械に見せるために、著者らは検出の前段で二段階のコントラスト強調処理を適用します。まず、グレースケール画像の明るい部分の差分を拡張し暗い領域を圧縮する対数変換を用います。次に、その結果得られた輝度範囲をフルスケールにストレッチします。これらの手順により、欠陥に関連する微細なテクスチャが鋭くなり、背景のパターンは抑えられるため、検出器にとってより明確な視覚的手がかりが得られます。

小さな「脳」でより鋭い焦点を

システムを軽量化するため、研究者らはYOLOv7‑tinyの元のコアを、スマートフォンや組み込み機器向けに設計されたよりコンパクトなネットワーク、MobileNetV3‑largeに置き換えました。この「脳」は計算量を減らすための特殊な構成要素を用い、精度を大きく損なうことなく効率化を図ります。さらに、重要な領域（例えば微小欠陥）を強調し不要な背景を無視することを学ぶ注意（アテンション）モジュールを追加しました。特殊な特徴ピラミッド構造により、異なる画像スケールの情報を融合し、同一フレーム内で小さな欠陥と大きな欠陥の両方を認識できるようにしています。加えて、研究チームは公開されている二つの欠陥画像データセットのラベルを慎重に再付与し、欠落や不正確なマーキングを修正して、よりクリーンな例から学習できるようにしました。

新システムの性能

改良された検出器は、単純な合成パターンから複雑な実際の鋼帯までを含む、広く使われる三つの金属欠陥データセットで評価されました。これらのベンチマーク全体で、新しい設計は標準のYOLOv7‑tinyモデルと比べて主要な精度指標を平均で約6ポイント向上させつつ、1秒間に90枚以上の画像を処理できる性能を維持しました。これは多くの工場でのリアルタイム検査に十分な速度です。また、同一の精錬された鋼欠陥データで訓練した場合、いくつかのより重い最新モデルよりも高い精度を達成し、複数の最先端検出器と比較しても良好な結果を示しました。

日常製品への意味合い

簡潔に言えば、本研究はコンパクトで効率的なビジョンシステムを構築し、高速で動く金属表面の非常に小さく奇妙な形状をした欠陥も確実に検出できることを示しています。欠陥の強調、より柔軟なボックス予測、微細な部分への注意強化、そしてデータの入念なクリーンアップを組み合わせることで、著者らは製品が道路や工場、建設現場に出る前に鋼材メーカーがより多くの問題を検出できるよう支援するツールを提供します。その結果、より安全で信頼性の高い金属部品の実現と、知能化されたカメラが裏方で品質を静かに守る工場に向けた実用的な一歩となります。

引用: Huang, YC., Lin, JC. & Wu, YZ. Design of lightweight metal surface defect detection technology for YOLOv7-tiny using Anchor-Free algorithm. Sci Rep 16, 8601 (2026). https://doi.org/10.1038/s41598-026-39233-9

キーワード: 金属表面の欠陥, 自動視覚検査, リアルタイム物体検出, 軽量ディープラーニング, 産業品質管理