サンプル不足のシナリオにおける強化ガラスの欠陥生成と検出戦略

サンプル不足から生じる強化ガラスパネル製造における欠陥検出の課題に対処するため、本論文では、強化されたStable DiffusionモデルとMask R-CNNを統合した少数ショット検出方法論を提案します。具体的には、アプローチはMask Encoderを使用してStable Diffusionアーキテクチャを最適化し、構造類似性指数測定（SSIM）を用いてサンプルの質を評価します。このプロセスにより、高忠実度のバーチャルサンプルを生成し、データ拡張用のハイブリッドデータセットを構築します。さらに、オンライン検出を促進するために、改良された半教師ありMask R-CNNフレームワークを使用するリソース隔離戦略が採用されます。実験結果は、提案されたスキームがエッジチッピングやキズを含む8種類の欠陥に対する検出の困難を効果的に解決することを示しています。この方法はmAP50で81.5%を達成しており、実サンプルのみに依存する従来の方法と比較して約47%の改善を示し、高精度・高効率の産業欠陥検出を実現しています。