自己教師あり学習に基づくレーザー超音波可視化検査のための欠陥検出
キーワード:
non-destructive testing,
laser ultrasonic visualization testing,
self-supervised learning,
anomaly detection,
anomaly synthetic
2025 年 6 巻 3 号 p. 742-751
詳細
2025 年 6 巻 3 号 p. 742-751
非破壊検査は老朽化が進む社会インフラの維持管理において需要が高まっている．特にレーザー超音波可視化検査 (LUVT) は，超音波の伝播を可視化でき，比較的容易に欠陥検出が可能である．こうした需要の高まりに対し，検査員の不足などを背景に，人工知能を用いた自動検査が求められている．従来の自動検査法では，欠陥データの収集や欠陥検出性能に課題があり，アプローチの見直しが迫られていた．そこで，本研究では自己教師あり学習による異常検知法を提案する．正常データと疑似異常データによる 2 クラス分類の事前学習で得られた特徴抽出器を用いて，異常検知を行う．複数の異常検知法との比較を行い，提案法の有効性を検証する．
