決定木および Grad-CAM を用いた金属の腐食・損傷検出 AI モデルの解釈性と性能向上

抄録

本研究では，トンネル照明灯具の腐食・損傷判定において，AI の判断過程を解釈可能にし，性能改善を 図る手法を検討した．具体的には，ResNet18 を用いて照明灯具の画像から特徴量を抽出し，その特徴量を決定木分析によって選別した．次に，Grad-CAM を用いて，決定木で選ばれた特徴量がどの部分に注目しているかを視覚化し，AI の判断過程を明確にした．さらにメンテンナンスの際に処置が必要なクラス・不必要なクラスを分けるということが重要であることに着目し，分類精度が悪いクラスの精度向上を図った．具体的には，ランダムフォレストを用いて代替特徴量を探索し，新しい決定木を構築した．これにより，処置が必要・不要に特化した性能に向上させること，またクラス 2 の分類性能が向上し，モデルの性能向上が確認された．