工業生産における自動化・知能化は自動目標検出なしには成り立たず、高精度な自動目標検出は実際のシーンに適応したデータセットに依存している。本稿では工業の実際シーンを対象に、密集制御バルブ部品データセットPD4CV（Part Detection for Control Valve）2023を公開した。本データセットの画像はすべて制御バルブ生産工場から取得されており、画像収集後、まずデータセット画像の前処理を実施し、次に画像中の部品対象にアノテーションを行い、その後、画像を訓練セット、検証セット、テストセットに分割した。PD4CV2023データセットは9種類の部品を含み、510枚のワークプレート画像と15,015個の部品サンプルを含み、平均して1画像あたり約29個の部品サンプルを有する。既存の物体検出データセットと比較して、本データセットは部品の密集配置や遮蔽、部品サイズ差異、類似形状の部品の存在、部品サンプル数の不均衡といった特徴を持つ。最後に、さまざまなタイプのデータセットでの事前学習比較実験から、一般シーンのデータセットや特定の工業シーンのデータセットはそれぞれ一般的なタスクや特定のタスクにのみ適用可能であるのに対し、実際の制御バルブ生産状況を代表するPD4CV2023データセットは制御バルブ部品の目標検出に使用でき、独自性や代替不可能性を有することが示された。一連の物体検出アルゴリズムによる本データセットでの総合的な比較は、PD4CV2023データセットが一般的物体検出、多スケール検出、小規模・不均衡データ環境下での検出に有効であることを検証している。PD4CV2023データセットは工業向けの物体検出に関する研究に利用可能である。

深層学習;工業物体検出;データセット;制御バルブ部品