深層学習に基づく機器故障検出システムの性能は、サンプルセットの規模およびカテゴリの多様性に大きく依存しています。産業生産において様々な故障サンプルを包括的に収集することは困難であるため、サンプルセットの拡張が必要です。本稿では、3Dモデルと改良型CycleGANを組み合わせた故障データセット拡張手法を提案します。まず、3Dモデリングソフトを用いて各種故障画像をシミュレーション生成し、これをCycleGANの転移ネットワークの入力として用い、実際の故障画像生成を誘導し、不足および分布の不均衡問題を解決します。次に、CycleGANネットワークの生成器を改良し、U-ResNet生成器を提案することで、データセット拡張におけるエッジのぼやけや勾配消失問題を解決します。本手法をベルトコンベヤのずれ検出タスクに適用した結果、他の拡張手法と比較して輪郭構造の収束が速く、時効性に優れ、対象検出ネットワークへの適用で98.1%の精度を達成し、元の実データセットより4.5%向上しました。これにより、本データセット拡張手法は故障データセットのカテゴリ分布の均衡と高い画像品質の要件を満たすことが示されました。

データセット拡張;3Dモデル;CycleGAN;U-ResNet;ベルトコンベヤ