原油は重要な戦略物資として、我が国の経済や軍事など多岐にわたる分野で重要な役割を果たしています。本稿では、深層学習に基づく物体検出モデルTCS-YOLO（Transformer-CBAM-SIoU YOLO）を提案します。本モデルはYOLOv5をベースに最適化され、吉林一号光学リモートセンシング衛星画像データセットを用いて世界中の貯蔵タンクを検出および分類する実験を行いました。最適化内容は、Transformerアーキテクチャに基づくC3TR層の追加によるネットワークの最適化、ネットワーク層にCBAM（Convolutional Block Attention Module）による注意機構の導入、位置損失関数にCIoU（Complete Intersection over Union）損失の代わりにSIoU（Scale-Sensitive Intersection over Union）損失を使用することです。実験結果から、YOLOv5と比較してTCS-YOLOはモデルの複雑度（GFLOPs）を平均で3.13％削減し、モデルパラメータ数を平均0.88％削減し、推論速度を平均0.2ms向上させ、mAP_0.5（mean Average Precision）を平均0.2％向上、mAP_0.5∶0.95を平均1.26％向上させました。また、TCS-YOLOモデルと汎用物体検出モデルであるYOLOv3、YOLOv4、YOLOv5、Swin Transformerとの比較実験においても、TCS-YOLOはより高い効率を示しました。TCS-YOLOモデルは世界の貯蔵タンク物体認識に対して汎用的な実現可能性を持ち、リモートセンシングデータをエネルギーフューチャーズ分野で活用するための技術的参考となり得ます。

コンピュータビジョン;物体検出;貯蔵タンク検出;YOLO