材料の混合均一性検出は、製品品質のオンライン監視とプロセス最適化を実現するための重要な要素である。高分光イメージング（Hyperspectral Imaging、HSI）技術における画像のぼけ（デフォーカス）と、それに起因する均一性評価の失敗問題に対して、自律物理制約付き自己教師あり学習による非対配列の高分光画像デブラーリングアルゴリズム（Physics-Constrained Self-Supervised Learning for Unpaired Hyperspectral Image Deblurring、PC-SSL-HSI Deblurring）を提案した。本アルゴリズムはSimAM注意機構を融合したUformerをデブラーリングネットワークとして採用し、敵対的学習によりデブラーリング結果を特徴空間内で鮮明画像と整合させる。また、古典的な劣化モデルに基づくぼかし核予測モジュールを設計し、偽サンプル対を構築、これを用いた自己教師あり学習によりデブラーリングネットワークが高分光画像の局所的な細部復元に集中するよう誘導する。実験結果は提案手法が画像の細部を効果的に復元し、アーティファクトを低減、材料混合均一性の正確な評価に寄与することを示した。シミュレーションデータセットにおいて、高分光画像のPSNRは34.970、SSIMは0.900に達し、濃度予測誤差は0.0228〜0.0312であった。本手法はKLダイバージェンス、CV変動係数などの混合均一性指標で既存アルゴリズムを上回り、優れた工学的応用価値を示す。

高分光画像;デフォーカスぼかし除去;混合均一性;自己教師あり学習;物理制約