進行的拡張を伴うマルチスケール融合畳み込みネットワークによる鋼帯表面欠陥のリアルタイム顕著物体検出

なぜ鋼の小さな欠陥が重要なのか

自動車の車体から橋梁に至るまで、長い鋼帯は毎日生産ラインから流れていきます。これらの鋼帯に生じるごく小さなピットやキズでも、最終製品の強度を損なったり、高額な手直しを引き起こしたりします。工業的な速度で全てのセンチを目視検査することは不可能なため、工場はコンピュータビジョンに依存しています。本研究は、実際の生産ラインに追随できるほど迅速かつ信頼性の高い鋼帯表面の欠陥検出手法を提示します。

引用: Zhang, Z., Zou, Y., Liu, X. et al. Multi-scale fusion convolution network with progressive dilation for real-time salient object detection of surface defects on strip steel. Sci Rep 16, 15387 (2026). https://doi.org/10.1038/s41598-026-43386-y

キーワード: 鋼帯の欠陥, 顕著物体検出, リアルタイム検査, 深層学習, 産業用ビジョン