AIを活用した亀裂検出とセグメンテーション

表面のひび割れを見ると小さな問題に思えるかもしれませんが、重大な構造損傷を早期に示す重要な兆候です。たとえば、橋はひび割れの有無を定期的に検査されており、ひび割れは毎年発生する橋の損傷全体の90%を占めます。従来、ひび割れの検査は手作業で行われるため、時間がかかる場合があります。人工知能（AI）を活用すれば、ひび割れの検出をより簡単に行えます。

橋梁以外にも、ディープラーニングを使用したひび割れ検出は、さまざまな産業分野で役立ちます。これにより、建設における建物の健全性を確保し、製造でコストのかかる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行えます。この記事では、AIとUltralytics YOLOv8のようなコンピュータービジョンモデルを使用して、従来の方法よりもはるかに高速かつ簡単にひび割れを検出およびセグメント化する方法を詳しく説明します。

ひび割れセグメンテーションとは何ですか？#

ひび割れセグメンテーションについて詳しく説明する前に、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、画像を複数の異なる領域または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。目的は、画像を簡略化して分析しやすくすることです。セグメンテーションではピクセルレベルの理解が得られる一方、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用して物体を識別し、その位置を特定します。

セグメンテーション技術には、さまざまな種類があります。

• 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」などの特定のクラスを割り当てます。同じクラスに属するすべてのピクセルは、1つのエンティティとして扱われます。
• 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、画像内の異なる車など、同じクラスに属する個別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アプローチを組み合わせ、ピクセルレベルの分類と画像内の個別の物体インスタンスを詳細に理解できるようにします。

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）。

ひび割れの検出には、インスタンスセグメンテーションが適しています。ひび割れをそれぞれ個別にセグメント化することで、個別に識別して分析できます。たとえば、画像内でひび割れが占めるピクセル数を数えることで、ひび割れの面積を計算できます。

ひび割れセグメンテーションの仕組みを理解する#

ひび割れ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設定を検討することです。建物のような大規模な構造物を検査する場合は、ドローンを使用してさまざまな角度から高解像度画像を撮影する方法が最適な場合があります。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戦略的に配置した固定式の高解像度カメラを使用するのが適している可能性があります。

カメラ設定を確定したら、YOLOv8のようなインスタンスセグメンテーションに対応した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、ひび割れのアノテーション付き画像が収録されており、モデルのトレーニングに使用できます。また、用途に特化したひび割れの画像を撮影してアノテーションを付けることで、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、教師あり学習によってひび割れをセグメント化する方法を学習します。トレーニング中、ひび割れの位置を示す画像とラベルがモデルに入力されます。モデルは、予測と実際のラベルとの差を最小化するように内部パラメーターを調整します。トレーニング後は、新しい画像を分析し、ひび割れをそれぞれ個別にセグメント化するために使用できます。

図2. ひび割れセグメンテーションにUltralytics YOLOv8を使用。

ひび割れセグメンテーションの産業用途#

ひび割れの検出とセグメンテーションは、インフラメンテナンス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。ひび割れを正確に識別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#

道路のひび割れは、気象条件、交通量、自然な摩耗によって発生する一般的な問題です。温度の変化によって舗装が膨張・収縮し、ひび割れが生じることがあります。大型車両は道路表面に負荷を加え、小さなひび割れに入り込んだ水が時間の経過とともにひび割れを広げ、深くする可能性があります。こうしたひび割れは、早期摩耗や構造上の破損を引き起こし、道路を走行する人々の危険を高める可能性があります。ひび割れセグメンテーションを使用した早期検出により、道路メンテナンスを効率化できます。

図3. 道路上のひび割れ。画像提供元：Envato Elements。

コンピュータービジョンを使用して検出およびセグメント化されたひび割れは、その大きさに基づいて、低、中、高の深刻度レベルに分類できます。ひび割れを分類することで、メンテナンスチームは優先順位を付けやすくなります。たとえば、高い深刻度のひび割れには最初に対処して重大な破損を防ぎ、道路の安全性を向上させる一方、中程度および低い深刻度のひび割れは、その後の修繕や定期点検に組み込めます。これにより、メンテナンスチームはリソースの使用を最適化し、メンテナンスコストを削減するとともに、道路利用者への混乱を最小限に抑えられます。

構造物の検査とモニタリング#

ひび割れ検出は、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使用できます。道路と同様に、建物にも天候の変化、材料疲労、通常の摩耗によってひび割れが生じることがあります。建設中に使用される重機も構造物に余分な負荷をかけ、ひび割れを増加させる可能性があります。

図4. ひび割れセグメンテーション用の写真を携帯電話で撮影。

ひび割れを正確に識別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。ひび割れ検出システムから収集したデータは、建設基準や規制の改善にも使用できます。さまざまなプロジェクトにおけるひび割れのパターンや原因を分析することで、業界の専門家はより優れた建設手法や材料を開発できます。

石油・ガス分野におけるひび割れ検出#

石油・ガス業界では、パイプライン、貯蔵タンク、その他の重要なインフラの安全性と信頼性を維持するために、ひび割れ検出が不可欠です。パイプラインは長距離にわたることが多く、圧力変化や材料疲労を引き起こす厳しい環境条件にさらされるため、ひび割れが発生する可能性があります。従来、ひび割れの検出には、パイプライン検査ゲージ（pigs）、超音波探傷試験、放射線透過試験が使用されてきました。ひび割れを早期に検出して修復できなければ、漏れや爆発などの深刻な問題につながる可能性があります。この業界のひび割れは、環境と人間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。画像提供元：Envato Elements

コンピュータービジョンを使用したひび割れ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。メンテナンスチームは、ひび割れを早期に特定することで、適時に修理を行い、潜在的な災害を防止できます。

製造部品の自動検査#

ひび割れセグメンテーションを使用した自動検査は、製造における品質管理を変革しています。以前は、ひび割れの検出は目視検査、浸透探傷検査、磁粉探傷検査によって行われていました。高度な画像処理システム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、極めて小さなひび割れや欠陥まで検出できます。すべての部品を検査し、顧客に届く前に高い品質基準を満たしていることを確認できます。

自動検査により精度と効率が向上し、リアルタイムのフィードバックが得られるため、生産チームは問題を迅速に修正できます。手作業による検査の必要性を減らし、高コストなリコールを防止することで、コストを削減できます。また、こうしたシステムは欠陥に関する貴重なデータを収集し、パターンの特定と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につながります。

図6. 金属部品のひび割れを検出。

ひび割れ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を使用したひび割れ検出には、安全性の向上やデータに基づく意思決定など、多くのメリットがあります。産業環境でひび割れ検出を使用するその他の利点を見てみましょう。

• 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、材料とリソースを節約することで、持続可能な建設・メンテナンスの取り組みを支援します。
• 混乱の最小化： 定期メンテナンス中に深刻度の低いひび割れの修理を予定することで、運用や利用における大きな混乱を回避できます。
• 規制への準拠： インフラを定期的に検査・メンテナンスすることで、業界標準や規制要件への適合を支援します。

メリットがある一方で、ひび割れセグメンテーションにはいくつかのデメリットもあります。初期のインフラコストが高いため、小規模な組織にとっては懸念となる可能性があり、システムが複雑であることから、継続的なトレーニングとメンテナンスも必要です。産業用途でひび割れセグメンテーションを使用するその他のデメリットは次のとおりです。

• 偽陽性と偽陰性： ひび割れを誤って識別したり、検出できなかったりすることで、不要な修理や修理漏れにつながる可能性があります。
• データ管理の課題： 堅牢なストレージと分析ツールを必要とする大量のデータが生成されます。
• 環境要因： 極端な天候や高湿度などの外部条件によって、ひび割れセグメンテーションシステムの精度と信頼性が影響を受ける可能性があります。
• 既存システムとの統合： ひび割れ検出技術を既存のインフラやシステムに統合することは難しい場合があり、追加の変更やアップグレードが必要になる可能性があります。

主なポイント#

ひび割れ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先進技術を使用することで、構造上の問題を早期に発見し、重大な問題になる前に修復できます。このプロアクティブなアプローチにより、安全基準や規制基準を満たしながら、時間とコストを削減できます。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るものの、さまざまな産業におけるひび割れセグメンテーションのメリットは、インフラの品質を維持・向上させるための有用なツールとなっています。

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、私たちのコミュニティに参加してください。製造および農業におけるAIアプリケーションについては、当社のソリューションページをご覧ください。🚀