InsightX Agent: An LMM-based Agentic Framework with Integrated Tools for Reliable X-ray NDT Analysis

本論文は、X 線非破壊検査の信頼性と解釈性を向上させるため、検出器と証拠に基づく反省ツールを LMM エージェントが調整する新たなフレームワーク「InsightX Agent」を提案し、GDXray+ データセットにおいて高い検出精度と信頼性の高い分析を実現したことを示しています。

要約

この論文は、**「INSIGHTX AGENT（インサイトエージェン）」**という、新しいタイプの AI について紹介しています。

これを一言で言うと、**「X 線写真を見て、欠陥を見つけるだけでなく、『なぜそこが欠陥なのか』を人間のように考え、説明までしてくれる、超優秀な AI 検査員」**です。

従来の AI は「ここが欠陥です！」と座標を教えるだけでしたが、この新しい AI は「ここが欠陥だと判断した理由は、影の形がこうだから、そして過去のデータと比べても怪しいからだよ」と、まるで熟練の職人が新人に教えるように説明してくれます。

以下に、専門用語を使わずに、わかりやすい例え話で解説します。

---

1. 従来の AI の問題点：「黒い箱」の魔法使い

これまでの AI（深層学習）は、X 線写真を見て「ここが穴です！」と指差すのは得意でした。しかし、2 つの大きな弱点がありました。

• 理由がわからない（ブラックボックス）： 「欠陥です」と言われても、「なぜそう思ったの？」と聞くと答えられません。まるで魔法使いが「おまじないでこうなった」と言うだけで、中身が見えない状態です。
• 嘘をつく（ハルシネーション）： 自信満々に「ここが欠陥です！」と言っても、実はただの影やノイズだったということがよくあります。

工場では、この「なぜ？」という説明がないと、作業員は AI の言うことを信じられず、結局人間がすべてを再確認しないといけないため、時間がかかってしまいます。

2. INSIGHTX AGENT の仕組み：「名探偵」と「助手」のチーム

この新しいシステムは、1 人の AI が全部やるのではなく、**「頭脳（LMM）」と「専門家の助手（ツール）」**がチームを組んで働きます。

🕵️‍♂️ 名探偵（LMM：大規模マルチモーダルモデル）

これがチームのリーダーです。人間の「思考力」や「経験」を持った AI です。

• 役割： 写真を見て、助手が見つけた「怪しい場所」を真剣に検討します。「本当に欠陥かな？それともただの影かな？」と、まるで名探偵が証拠を吟味するように考えます。

🔍 助手 A：「広範囲スキャナー（SDMSD）」

• 役割： X 線写真の隅々まで、ミクロの欠陥まで見逃さず探します。
• 特徴： 「とにかく見つけたら全部リストアップする！」というスタイルです。小さな欠陥や、密集している欠陥も見つけますが、その分「ただのノイズ」も一緒に拾ってしまいます。

🛡️ 助手 B：「証拠確認係（EGR：証拠に基づく振り返り）」

• 役割： これがこのシステムの最大の特徴です。スキャナーが見つけたリストを、一つ一つチェックします。
  • 「この影は、金属の構造の一部じゃないかな？」
  • 「この欠陥の形は、本当に穴に見える？」
  • 「ここは重複して見つけていない？」
• 特徴： 単に「消す」だけでなく、「なぜ消したのか」「なぜ残したのか」を論理的に説明します。 自信がない場合は「これは怪しいので、人間がもう一度見てね」と判断します。

3. 具体的な動き：どうやって働くの？

1. スキャン： 助手 A が X 線写真を見て、「ここ、ここ、ここが怪しい！」と 10 個の候補をリストアップします。
2. 検討： 名探偵（LMM）がそのリストを受け取り、証拠確認係（EGR）と一緒に分析します。
   • 「あ、この 3 つはただのノイズだ。消そう。」
   • 「この 2 つは、本当に穴っぽい。でも、自信度は 80% くらいかな。」
   • 「この 1 つは、すごく小さいけど、間違いなく欠陥だ。これは確実！」
3. 報告： 最終的に、**「欠陥は 3 つ見つかりました。それぞれこの位置で、理由はこうです。特にこの 1 つは確実ですが、もう 2 つは念のため人間にも確認してください」**という、非常に丁寧で論理的なレポートを出力します。

4. なぜこれがすごいのか？

• 信頼性が高い： 嘘をつきません。もし「怪しい」と思えば、無理に「欠陥です」と言わず、「確認が必要」と言います。
• 人間と会話できる： 「この欠陥はどれくらい深刻なの？」「この影は何かの部品じゃないの？」と、作業員が質問すると、AI がその場で答えてくれます。
• 結果が正確： 実験では、従来の AI よりも欠陥を見逃す率が減り、間違った警告（誤検知）も減りました。

まとめ：AI 検査員の進化

これまでの AI は**「計算機」でしたが、INSIGHTX AGENT は「熟練の検査員」**になりました。

• 昔の AI： 「ここがダメです（座標：X,Y）」
• 新しい AI： 「ここがダメです。理由は、この部分の密度が周囲と異なり、円形の影が見えるからです。ただし、この部分は部品と似ているので、念のため確認してください。他の 2 つはノイズでした。」

このように、「なぜそう判断したか」を説明できる AIは、工場での品質管理や、安全が重要な航空機などの検査において、人間との信頼関係を築き、より安全で効率的な未来を作ってくれるでしょう。

技術概要

INSIGHTX AGENT: 信頼性の高い X 線非破壊検査（NDT）分析のための LMM ベースのエージェントフレームワーク

技術的サマリー（日本語）

本論文は、産業用 X 線非破壊検査（NDT）における既存の深層学習アプローチが抱える「解釈性の欠如」「対話性の不足」「自己評価能力の限界」という課題を解決するため、INSIGHTX AGENT と呼ばれる新しい大規模マルチモーダルモデル（LMM）ベースのエージェントフレームワークを提案するものです。

1. 背景と課題

非破壊検査、特に X 線検査は、航空宇宙や製造業などにおける構造物の内部欠陥（気孔、亀裂、介在物など）を検出する上で不可欠です。しかし、従来の AI 駆動型 NDT システムには以下の重大な限界がありました。

• ブラックボックス性: 検出結果が座標と信頼度スコアのみで出力され、なぜその領域が欠陥と判断されたかの根拠（解釈性）が提供されない。
• 対話性の欠如: 作業者が曖昧な検出結果について詳細を問い合わせたり、文脈に応じた分析を求めたりすることができない。
• 自己評価の不足: 誤検出（False Positive）を批判的に検証したり、自信度を再評価したりする能力が低く、信頼性が担保されていない。
• LMM の直接適用の限界: 既存の LMM を単に画像解析に用いると、工業レベルの精度が得られない、または「幻覚（Hallucination）」と呼ばれる事実と異なる欠陥位置の生成が発生するリスクがある。

2. 提案手法：INSIGHTX AGENT

INSIGHTX AGENT は、LMM を単なる解析器ではなく、中央のオーケストレーター（調整役） として位置づけ、専門ツールを自律的に呼び出して複雑な推論を行う「エージェント」アーキテクチャを採用しています。

主要コンポーネント

1. LMM エージェントコア（ドメイン適応済み）:
   • LoRA（Low-Rank Adaptation） を用いて、NDT 専門知識（用語、診断原則）と構造化された分析プロトコルを学習。
   • ユーザーの意図を認識し、適切な分析パス（欠陥検出または一般質問への回答）を選択する。
2. 疎変形マルチスケール検出器（SDMSD: Sparse Deformable Multi-Scale Detector）:
   • X 線画像の微小かつ高密度な欠陥を検出するために設計された専用検出器。
   • 密な提案生成: マルチスケール特徴マップから欠陥候補を網羅的に生成。
   • 疎化（Sparsification）: 非最大値抑制（NMS）を用いて冗長な候補を除去し、計算効率を維持しつつ重要な候補にリソースを集中させる。
   • 変形アテンション: 効率的な位置特定を実現。
   • 特徴: 検出結果を「確定的な診断」ではなく、「検証が必要な仮説」として LMM に渡す。
3. 証拠に基づく反射メカニズム（EGR: Evidence-Grounded Reflection）:
   • LMM が SDMSD の初期提案を、元の X 線画像と NDT 知識に基づいて批判的に検証・洗練する構造化されたプロセス。
   • 6 ステップの検証フロー:
     1. 文脈評価: 画像品質や構造的パターンの確認。
     2. 個別欠陥分析: 視覚的検証、バウンディングボックスの適合性評価、信頼度評価。
     3. 誤検出の排除: 画像アーチファクト、ノイズ、構造的特徴との区別による不要な検出の除去。
     4. 信頼度の再較正: 視覚的証拠の強さに基づき、検出器のスコアを動的に調整。
     5. 品質保証: 一貫性、完全性、妥当性の最終チェック。
     6. 出力生成: 構造化された診断レポートと JSON 形式の検出結果の生成。

3. 主要な貢献

1. 新しいパラダイムの確立: 受動的なデータ処理から、ツール駆動型の能動的推論へと NDT 分析のパラダイムを転換。
2. SDMSD と EGR の実装: X 線画像における高精度な欠陥局所化（SDMSD）と、視覚的証拠に基づく批判的検証（EGR）という 2 つの主要コンポーネントを開発。
3. 解釈性と信頼性の向上: 従来の「ブラックボックス」検出器や、位置特定精度の低い直接 LMM 接地法と比較して、検出精度だけでなく、診断の根拠と対話能力を大幅に向上させた。

4. 実験結果

データセット: GDXray+（鋳造部品の X 線画像）
評価指標: 精度（Precision）、再現率（Recall）、F1 スコア

• 検出性能:
  • INSIGHTX AGENT は F1 スコア 96.54% を達成。
  • 既存の最先端手法（Faster R-CNN, YOLOX-s, DINO, Deformable DETR など）をすべて上回った（例：Faster R-CNN より 6.81% 改善）。
  • 特に、EGR による誤検出の排除により、精度（Precision）が 92.68%（SDMSD 単体）から 94.77% へ向上し、信頼性が大幅に高まった。
• アブレーション研究:
  • LMM 単体では位置特定が不安定（F1 スコア 2.05%）。
  • SDMSD 単体では高精度だが、誤検出の排除や解釈性が不足。
  • 両者を組み合わせることで、高い安定性と堅牢性が実現された。
• 定性的分析:
  • 検出結果に「なぜその判断に至ったか」という論理的な思考プロセス（Reflection Log）を付与。
  • 曖昧な欠陥については「不確実（Uncertain）」としてフラグを立て、専門家のレビューを促すなど、安全で透明性の高い判断が可能。

5. 意義と将来展望

• 産業へのインパクト: 作業者の専門知識レベルに関わらず、透明性のある診断結果を提供し、意思決定を支援。安全性が求められる産業現場での AI 導入の障壁（信頼性不足）を解消する。
• トレードオフ: 推論プロセス（特に EGR）に時間がかかるため（画像あたり約 45-60 秒）、リアルタイム性の極めて高いライン検査には適さないが、高価値部品のバッチ検査や詳細分析には最適である。
• 将来の課題: 計算コストの削減（モデル量子化、蒸留）、他の材料（鋼鉄、複合材）への汎化、および人間による評価実験の実施が今後の課題として挙げられている。

結論:
INSIGHTX AGENT は、単なる欠陥検出ツールを超え、「推論し、検証し、説明する」 自律的な AI エージェントとして、産業用 X 線非破壊検査の信頼性と実用性を飛躍的に高める可能性を示しました。