技術要約：データ不足下における製造業のための信頼性の高い視覚的品質検査

問題提起

自動視覚検査は、経済的な実現可能性と信頼性を阻む2つの決定的な障壁に直面しています：データの希少性と不確実な意思決定です。

1. データの希少性: 最適化された生産ラインでは、大多数のユニットは無欠陥品です。その結果、ラベル付けされた欠陥サンプルは極めて稀であり、大量の訓練データを必要とする教師あり学習ベースの検査器の性能を制限しています。
2. 不確実な意思決定: 標準的な分類器は、信頼度の推定値なしに「ハードラベル」を出力することがよくあります。これにより、非対称なコスト構造が生じます。誤判定による却下（false reject）は良品を無駄にし、誤判定による合格（false accept）は欠陥品を流出させます。さらに、限られたデータで訓練されたモデルは、分布外（out-of-distribution）の欠陥に対して自信を持って誤分類する可能性があり、製造業者が信頼できる予測と不確実な予測を区別することを困難にします。

手法

著者らは、合成データ生成、教師なし異常検知、および不確実性を考慮した分類を統合した段階的検査パイプラインを提案しています。このシステムは、オフライン訓練フェーズとオンライン推論フェーズの2つのフェーズで動作します。

1. 合成欠陥生成（オフライン）

データの希少性に対処するため、著者らはStable Diffusion v1.5に基づくデュアルブランチ拡散モデルであるDualAnoDiffを利用しています。

• メカニズム: 従来のインペインティングとは異なり、DualAnoDiffは、単一のデノイジングプロセスにおいて、異常なオブジェクトのグローバルなビューと、孤立した欠陥領域のフォアグラウンドビューを共同で生成します。両方のブランチはアテンションメカニズムを共有し、合成された異常と生成されたマスクとの間の整合性を確保します。
• 訓練: モデルは、限られた実サンプル（計50枚の画像）を用いて、欠陥タイプごと（指紋、印刷中断、汚れ）にファインチューニングされます。最良のチェックポイントは、訓練プールに対するIC-LPIPSおよびKID指標に基づいて選択されます。
• 出力: 各欠陥カテゴリについて、500枚の合成画像とそれに対応するピクセル単位のマスクが生成され、訓練データを拡張するために使用されます。

2. 教師なし異常検知（オンライン）

パイプラインは、シェーバーの筐体を背景から分離するための関心領域（ROI）セグメンテーション（Mask R-CNNを使用）から始まります。

• モデル: 異常検知にはEfficientADが採用されています。これは欠陥のないサンプルのみで訓練されるため、欠陥データの不足に対して堅牢です。
• 機能: 軽量な生徒・教師（student-teacher）アーキテクチャとオートエンコーダを組み合わせ、正常状態からの逸脱を検出します。これはスカラー値の異常スコアとピクセルレベルのヒートマップを出力します。
• ロジック: スコアが閾値を下回るユニットは無欠陥として受理されます。フラグが立てられたユニットは分類ステージへと進みます。このステージは特定の欠陥タクソノミーには依存せず、異常の存在とその位置のみに焦点を当てます。

3. 不確実性を考慮した欠陥分類（オンライン）

異常としてフラグが立てられたユニットに対して、システムは欠陥タイプを分類すると同時に不確実性を定量化します。2つのアプローチが比較されます：

• ディープアンサンブル（Deep Ensembles）: 異なる乱数シードを用いて独立して訓練された5つのEfficientNet-B3モデル。不確実性は、アンサンブルメンバー間の不一致（分散）から導出されます。
• ベイズニューラルネットワーク（BNN）: BNNを近似するために修正されたEfficientNet-B3アーキテクチャ。初期層は安定した特徴抽出のために決定論的なまま維持され、深い層ではFlipout層を利用して、フォワードパス中に重みに対して擬似的な独立した摂動を適用します。
• 不確実性の種類: システムは、アレオリック不確実性（観測ノイズ）とエピステミック不確実性（モデルの知識不足）の両方を推定します。高いエピステミック不確実性は「保留（defer）」アクションをトリガーし、曖昧なユニットを強制的に誤った自動決定に投じるのではなく、人間によるレビューへとルーティングします。

主な貢献

1. 段階的パイプライン・アーキテクチャ: ROIセグメンテーション、教師なし異常検知（EfficientAD）、および不確実性を考慮した分類を統合した新しい構成であり、生産ライン特有の制約に対処するように設計されています。
2. 合成データに関する実証研究: 極端なデータ不足条件下における拡散ベースの合成欠陥生成（DualAnoDiff）の評価を行い、実際の生産欠陥を用いた分類および局在化性能への影響を実証しました。
3. 不確実性を考慮した分類: 低データ環境における欠陥分類のためのディープアンサンブルとベイズニューラルネットワークの比較分析を行い、予測性能、較正（キャリブレーション）、および人間による介入のための分布外サンプルを特定する能力を評価しました。

実験結果

本研究は、フィリップスの電気シェーバーの筐体の画像を用いて実施され、3つの欠陥カテゴリ（指紋、汚れ、印刷中断）に焦点を当てました。実験は、合成データで補完された、非常に少ない実サンプル（クラスあたり10〜15個）を持つ訓練セットに対して実行されました。

• 分類性能:
  • 二値分類タスク（指紋 vs 汚れ）において、ディープアンサンブルとベイズモデルは共に、小さな実テストセット（16枚）に対して完全な精度（1.000）を達成しました。
  • 三クラス分類タスクでは、訓練データが増加するにつれて（各クラス500枚の合成画像）、ベイズ的アプローチがディープアンブルを上回り、より高い精度（0.833 vs 0.750）とF1スコア（0.830 vs 0.709）、および優れたAUROC（0.977 vs 0.930）を達成しました。
• 較正と不確実性:
  • ベイズ分類器は、二値タスクにおいてBrierスコアおよび期待較正誤差（ECE）がディープアンサンブルと比較して最大2桁減少しており、著しく優れた較正性を示しました。
  • エピステミック不確찰性: 二値タスクにおいて、ベイズモデルはゼロに近いエピステミック不確実性を報告しました。これは、小規模で代表的なテストセットに対する確率的なフォワードパスの一貫性に起因します。対照的に、ディープアンサンブルはモデル間の不一致により、ゼロではない不確実性を報告しました。
  • アレオリック不確実性: 二値タスクにおいて、訓練データの増加とともに一般的に減少しており、固有のクラス曖昧さの較正が改善されていることを示唆しています。
• システムレイテンシ:
  • ディープアンサンブルは、ベイズ的アプローチ（0.5073秒、1.97 img/s）と比較して、低いレイテンシ（分類に0.0629秒）と高いスループット（15.90 img/s）を提供しました。これは、BNNにおけるモンテカルロサンプリングの計算オーバーヘッドによるものです。
  • ベイズ的なオーバーヘッドがあるものの、総パイプラインのレイテンシ（約1.0秒）は、オンラインの生産ラインへの展開に適しています。

意義と主張

著者らは、本研究を予備的な結果に関する**進行中の作業（work-in-progress）**レポートとして位置付けています。彼らは以下のことを主張しています：

• 合成による拡張と不確実性を考慮した分類を組み合わせることで、データが乏しい環境における、信頼性が高く展開可能な検査モデルの開発コストを下げることができます。
• 提案されたパイプラインは、選択的な人間による介入を可能にします。不確実な予測のみを専門家に委ねることで、システムは自動化による労働節約を維持しながら、誤判定（false accepts/rejects）のリスクを軽減します。
• このアプローチは、高い精度へのニーズと、限られた欠陥データの現実との間の溝を埋めるものであり、「システムが自らの知らないことを知っている」という、信頼できる自動化への道筋を提供します。

今後の課題には、エンドツーエンドのオンラインパイプラインの評価、および、分布外のユニットが新しい欠陥タイプのための少ショット生成と再訓練をトリガーするフィードバックループの実装が含まれます。