積層造形部品の表面の微小欠陥検出における精度低下とサイズ測定の難しさという問題に対して、改良されたYOLO v8に基づく欠陥検出手法を提案した。YOLOv8モデルの検出ヘッドに高効率チャネル注意機構モジュールを導入し、元の損失関数を重み付き交差率損失関数に置き換えることで低品質サンプルの影響を減らし、検出精度を向上させた。高解像度画像データセットの学習困難および過学習の問題に対し、学習段階では対象欠陥を含む局所特徴を中心基準でトリミングする方法で訓練データセットを生成した。推論段階ではスライディングウィンドウ切断法を用いて、高解像度画像を小さな画像の集まりに切り分け、予測を行い欠陥画像ブロックを取得した。検出された欠陥画像ブロックは関心領域とみなされ、コンピュータビジョンのエッジ検出手法により欠陥サイズの精密測定を実現した。実験により、改良モデルの精度は94.3%、再現率は93.3%、mAP50は97.3%、欠陥サイズの測定精度は40μmに達し、積層造形部品の表面欠陥検出精度を大幅に向上させたことが示された。

精密測定;コンピュータビジョン;深層学習;欠陥検出;高解像度画像