AIを活用した亀裂検出とセグメンテーション

表面の亀裂を見たとき、小さな問題に思えるかもしれませんが、深刻な構造損傷を示す早期の兆候である場合があります。たとえば、橋は定期的に亀裂の検査が行われており、毎年発生する橋の損傷の90%を亀裂が占めています。従来、亀裂の検査は手作業で行われ、時間がかかることがあります。人工知能（AI）を活用すれば、亀裂検出をより簡単にできます。

橋梁以外でも、ディープラーニングによる亀裂検出はさまざまな産業分野で役立ちます。建設分野では建物の健全性を確保し、製造分野では高額なダウンタイムを防ぎ、道路や舗装の検査をより安全かつ効果的にします。この記事では、Ultralytics YOLOv8のようなAIやコンピュータービジョンモデルを使って、従来の方法よりもはるかに迅速かつ簡単に亀裂を検出し、セグメンテーションする方法を詳しく見ていきます。

亀裂のセグメンテーションとは何ですか？#

亀裂のセグメンテーションについて詳しく見る前に、セグメンテーションについて理解しましょう。セグメンテーションは、画像を異なる領域やセグメントに分割するコンピュータービジョンタスクです。画像を簡素化し、分析しやすくすることを目的としています。セグメンテーションではピクセル単位で理解できますが、物体検出などのタスクではバウンディングボックスを使って物体を識別し、位置を特定します。

セグメンテーション技術には、いくつかの種類があります。

• セマンティックセグメンテーション: 画像内の各ピクセルに「道路」「建物」「木」などのクラスを割り当てます。同じクラスのすべてのピクセルは、1つの対象として扱われます。
• インスタンスセグメンテーション: セマンティックセグメンテーションとは異なり、画像内にある複数の車のように、同じクラスに属する個々のインスタンスを区別します。
• パノプティックセグメンテーション: セマンティックセグメンテーションとインスタンスセグメンテーションの両方の手法を組み合わせ、画像内のピクセル単位の分類と個々の物体インスタンスを詳細に把握します。

図1. セグメンテーション技術の違い：元画像（G）、セマンティックセグメンテーション（H）、インスタンスセグメンテーション（I）、パノプティックセグメンテーション（J）。

亀裂の検出には、インスタンスセグメンテーションが適しています。個々の亀裂をそれぞれセグメンテーションすることで、亀裂を個別に特定して分析できます。たとえば、画像内で亀裂が占めるピクセル数を数えて、亀裂の面積を計算できます。

亀裂のセグメンテーションの仕組み#

亀裂のセグメンテーションを実装する最初のステップは、用途に応じて異なる適切なカメラ構成を検討することです。建物のような大きな構造物を検査する場合は、ドローンを使ってさまざまな角度から高解像度画像を撮影するのが最適な方法となることがあります。一方、製造後の金属板を検査する場合は、表面の詳細な画像を撮影できるよう、適切な位置に固定式の高解像度カメラを設置するのが適しています。

カメラ構成が決まったら、YOLOv8のようなインスタンスセグメンテーション対応のコンピュータービジョンモデルをトレーニングできます。Roboflow Universe Crack Segmentation Datasetには亀裂のアノテーション付き画像が含まれており、モデルのトレーニングに使用できます。また、用途に合わせて亀裂の画像を撮影し、アノテーションを付けて独自のデータセットを作成することもできます。

モデルは教師あり学習を通じて亀裂をセグメンテーションする方法を学習します。トレーニング中、亀裂の位置を示す画像とラベルをモデルに入力します。モデルは予測と実際のラベルとの差を最小限に抑えるよう、内部パラメーターを調整します。トレーニング後は、新しい画像の分析に使用し、個々の亀裂をそれぞれセグメンテーションできます。

図2. Ultralytics YOLOv8を使った亀裂のセグメンテーション。

亀裂のセグメンテーションの産業用途#

亀裂の検出とセグメンテーションは、インフラの保守から製造における品質管理まで、さまざまな産業用途で非常に役立ちます。亀裂を正確に特定して分析することで、これらの技術は多くの分野で安全性、耐久性、品質の向上に貢献します。いくつかの例を見てみましょう。

道路と舗装の品質維持#

道路の亀裂は、気象条件、交通量の多さ、自然な摩耗によって発生する一般的な問題です。気温の変化で舗装が膨張・収縮し、亀裂が生じることがあります。大型車両は路面に負荷を与え、細い亀裂に水が浸入すると、時間の経過とともに亀裂が広がり、深くなります。こうした亀裂は早期の摩耗や構造的な故障を招き、道路を走行する人々の危険を高める可能性があります。亀裂のセグメンテーションによる早期検出は、道路の保守を効率化するのに役立ちます。

図3. 道路の亀裂。画像提供：Envato Elements。

コンピュータービジョンを使って検出・セグメンテーションした亀裂は、大きさに基づいて軽度、中度、重度に分類できます。亀裂を分類すると、保守チームが対応の優先順位を決めやすくなります。たとえば、重大な故障を防ぎ道路の安全性を高めるために、重度の亀裂から先に対処し、中度や軽度の亀裂は後日の修繕や定期点検に回せます。これにより、保守チームはリソースの利用を最適化し、保守コストを抑え、道路利用者への影響を最小限にできます。

構造物の検査とモニタリング#

亀裂検出は、建物やその他の構造物の品質と安全性を維持するためにも活用できます。道路と同様に、建物も気候の変化、材料の疲労、通常の摩耗によって亀裂が生じることがあります。建設中に使用する重機も構造物に余分な負荷を与え、亀裂を増やす可能性があります。

図4. 亀裂のセグメンテーション用に携帯電話で写真を撮影。

亀裂を正確に特定して対処することで、建物や構造物の寿命を大幅に延ばせます。亀裂検出システムで収集したデータは、建築基準や規制の改善にも活用できます。さまざまなプロジェクトにおける亀裂の傾向や原因を分析することで、業界の専門家はより優れた建築手法や材料を開発できます。

石油・ガス分野における亀裂検出#

石油・ガス業界では、パイプライン、貯蔵タンク、その他の重要インフラの安全性と信頼性を維持するうえで、亀裂検出が不可欠です。パイプラインは長距離にわたることが多く、過酷な環境条件にさらされます。その結果、圧力変化や材料疲労が生じ、亀裂につながる可能性があります。従来、亀裂検出にはパイプライン検査ゲージ（ピッグ）、超音波検査、放射線検査が用いられてきました。亀裂を早期に検出して修復しなければ、漏えいや爆発などの深刻な問題を引き起こす恐れがあります。この業界の亀裂は、環境と人々に大きなリスクをもたらします。

図5. 列車上のガスタンクを検査する作業員。画像提供：Envato Elements

コンピュータービジョンを使った亀裂のセグメンテーションにより、パイプラインの状態を継続的にモニタリングできます。保守チームは亀裂を早期に特定することで、適切なタイミングで修理を行い、潜在的な災害を防げます。

製造部品の自動検査#

亀裂のセグメンテーションを用いた自動検査は、製造における品質管理を変革しています。従来、亀裂の検出には目視検査、浸透探傷検査、磁粉探傷検査が用いられていました。高度な画像処理とコンピュータービジョンシステムを生産ラインに統合することで、メーカーは部品の製造直後に、ごく小さな亀裂や欠陥までも検出できます。すべての部品を検査し、高い品質基準を満たしていることを確認してから顧客に届けられます。

自動検査は精度と効率を高め、リアルタイムのフィードバックを提供するため、生産チームは問題をすばやく修正できます。手作業による検査の必要性を減らし、高額なリコールを防ぐことで、コストも削減できます。さらに、これらのシステムは欠陥に関する貴重なデータを収集し、傾向の特定や製造プロセスの改善に役立つため、より安全で信頼性の高い製品の実現につながります。

図6. 金属部品の亀裂検出。

亀裂のセグメンテーションのメリットとデメリット#

ディープラーニングによる亀裂検出には、安全性の向上やデータに基づく意思決定など、多くの利点があります。産業環境で亀裂検出を使用するその他のメリットを見てみましょう。

• 持続可能な取り組み: 大規模な修理や交換の必要性を減らして材料や資源を節約し、持続可能な建設・保守の取り組みを支援します。
• 業務の中断を最小限に抑制: 軽度の亀裂の修理を定期保守に合わせて計画することで、業務や利用への大きな影響を避けられます。
• 規制への準拠: インフラを定期的に検査・保守することで、業界標準や規制要件への準拠を支援します。

メリットがある一方で、亀裂のセグメンテーションにはデメリットもあります。初期のインフラコストが高額なため、小規模な組織には負担となる可能性があり、システムが複雑なため継続的なトレーニングと保守も必要です。産業用途で亀裂のセグメンテーションを使用する際のその他のデメリットを紹介します。

• 誤検出と見逃し: 亀裂を誤って識別したり、検出できなかったりする可能性があり、不必要な修理や修理の見落としにつながります。
• データ管理の課題: 大量のデータが生成されるため、堅牢なストレージと分析ツールが必要です。
• 環境要因: 異常気象や高湿度などの外部条件によって、亀裂セグメンテーションシステムの精度と信頼性が損なわれる可能性があります。
• 既存システムとの統合: 亀裂検出技術を既存のインフラやシステムに統合するのは難しい場合があり、追加の改修やアップグレードが必要になることもあります。

重要なポイント#

亀裂のセグメンテーションと検出は、産業インフラの安全性と耐久性を維持するうえで重要な役割を果たします。ディープラーニングやコンピュータービジョンなどの高度な技術を使えば、構造上の問題を早期に発見し、深刻化する前に修復できます。この予防的なアプローチは、安全基準や規制基準を満たしながら、時間とコストを節約します。また、大規模な修理の必要性を最小限に抑えることで、持続可能な取り組みも支援します。初期コストの高さや複雑さなどの課題はありますが、さまざまな業界における亀裂のセグメンテーションのメリットは大きく、インフラの品質を維持・向上させるうえで価値のあるツールです。

AIについて詳しく知るには、GitHubリポジトリをご覧いただき、コミュニティにご参加ください。ソリューションページでは、製造業や農業におけるAIの活用例をご覧いただけます。🚀