Real-Time Conveyor Belt Defect Detection via Edge TPU-Accelerated YOLOv11 on Raspberry Pi 5
本論文は、過酷な産業環境において、電力消費の大きいGPUに依存することなく、量子化されたYOLOv11nモデルを利用してコンベアベルトの欠陥をリアルタイムかつ高精度に検出することを可能にする、Raspberry Pi 5とGoogle Coral Edge TPU上にデプロイされたエンドツーエンドの低消費電力エッジAIシステムを提示し、検証するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
採掘による膨大な量の鉱石の搬出からセメントの製造に至るまで、現代の世界を築き上げている重工業において、巨大なゴムベルトは生産の動脈として機能しています。これらのコンベアシステムは、何千トンもの研磨性の高い資材を日々運び、しばしば埃っぽく、振動が多く、過酷な環境の中を数百メートルにわたって走行します。時間の経過とともに、重荷重、落下する岩、そして摩擦による絶え間ないストレスが、これらのベルトに隠れた弱点を生じさせます。小さな裂け目や穴が、瞬く間に壊滅的な破断へと成長し、ベルト全体を切断してしまうこともあるのです。これが起こると、生産ライン全体が停止し、施設は多額の損失時間と高価な修理費用を余儀なくされるだけでなく、付近で働く作業員に危険な状況をもたらします。数十年もの間、こうした欠陥を見つける唯一の方法は、人間の検査員が動いている機械のそばを歩いて回ることでしたが、この方法は時間がかかり、リスクが高く、小さくても重大な損傷を見逃しやすいという問題がありました。
これを解決するために、研究者たちは人工知能を活用し、コンピュータに人間と同じように欠陥を「見る」方法を教えてきました。しかし、こうしたスマートなビジョンシステムの多くは、工場現場で直接動作させるには重すぎ、消費電力も大きすぎます。通常、それらは巨大で高価なコンピュータやクラウドへの接続を必要としますが、これは電力が限られ、ネットワーク帯域幅も限られている遠隔地の産業現場においては非現実的です。インドネシアのエンジニアチームは、リアルタイムでコンベアベルトを監視し、損傷を即座に発見できる、コンパクトで低電力なシステムを開発することで、この溝を埋めることに成功しました。彼らは、標準的な金属製のボックスに収まるサイズのデバイスを構築しました。それは小さなカメラを使用してベルトを監視し、速度と効率のために設計された小型の特化型チップ上で、高度な視覚検出プログラムを実行します。
研究者たちは、「YOLO（You Only Look Once）」として知られる特定の種類の人工知能モデルに焦点を当てました。このタイプのモデルは、ビデオストリーム内の物体をほぼ瞬時に識別できる能力で有名です。これまでのバージョンの技術は強力なデスクトップコンピュータ上でうまく動作してきましたが、チームは、最新かつ最も効率的なバージョンが、ホビイストが使用するものに似た小型のシングルボードコンピュータと、特化型のアクセラレータチップを組み合わせた上で動作するかどうかを確認したいと考えました。このアクセラレータは「Edge TPU」と呼ばれ、人工知能に必要な計算を極めて少ない電力で行うために特別に設計された小さなハードウェアです。チームは、西ジャワにある実際のセメント工場からのカメラ映像（そこでは空気は塵で厚く、機械は絶えず振動しています）を取得し、それを自分たちのシステムに投入しました。
コンピュータに何を探すべきかを教えるために、チームは膨大な画像のコレクションを集めました。彼らは、清潔な研究所で撮影された写真だけに頼ることはしませんでした。代わりに、セメント工場から直接撮影された写真と、公開データセットの画像、そしてベルトが移動する様子を記録する自動システムによってキャプチャされた新しい写真を組み合わせました。この混合により、コンピュータは、たとえ埃に覆われていたり、過酷で不均一な工場の照明の下にあったとしても、裂け目、穴、およびパッチによる補修を認識することを学習できました。合計で3,000枚以上の画像を使用してモデルをトレーニングし、コンピュータが損傷したベルトと正常なベルトの違いを学習できるように、あらゆる欠陥を注意深くマーキングしました。その後、彼らはコンピュータプログラムを簡略化し、小型のアクセラレータチップが強力なメインプロセッサを必要とせずに理解し実行できる形式へと変換しました。
システムが実際のセメント工場に導入されると、結果は即座に、かつ安定したものとなりました。埃や振動から保護するために密封された金属製の箱に収められたこのデバイスは、コンベアベルトを監視し、欠陥が通過する際にそれを特定することに成功しました。システムは毎秒30〜40フレームの速度でビデオを処理しており、これは動いているベルトの速度に追いつくのに十分な速さです。カメラが画像をキャプチャしてからシステムが欠陥を特定するまでの全プロセスは、70ミリ秒から90ミリ秒の間でした。この速度を例えると、もしベルトが一般的な産業用速度で動いている場合、システムは損傷した箇所が数インチも移動する前に問題を特定しており、被害が広がる前に工場が対処するための時間を確保できます。
このシステムは、困難な条件下でも極めて高い信頼性を証明しました。長期間のテストにおいて、小型コンピュータとアクセラレラチップは、ファンやエアコンを必要とせずに安全に動作できるほど十分に冷却された状態を維持し、高温で埃っぽい環境下でも安定した温度を保ちました。システムはビデオフレームを失ったりクラッシュしたりすることもなく、人間の介入なしに連続稼働できることを実証しました。システムは、長い裂け目、小さな穿孔、穴、および不均一なパッチ補修という4種類の損傷を正常に検出しました。埃によって一部が隠れている非常に小さな穿孔の検出についてはわずかに効果が落ちることもありましたが、機械にとって最大の脅威となる、より大きな、より危険な欠陥に対しては高い精度を発揮しました。
この成果は、高度な人工知能が、利用するためにデータセンターの中に閉じ込められている必要はないということを示しています。ソフトウェアを小型で手頃な価格のハードウェア上で動作するように最適化することで、研究者たちは、世界中のどこであっても、高価なインフラに依存することなく、工場が自らの設備をリアルタイムで監視できることを証明しました。このシステムは、決して疲れることなく、シフトを逃すこともなく、故障の初期兆候を災害になる前に察知することができる、不眠不休の「見開いた目」として機能します。このアプローチは、より安全で効率的な産業運営への実用的な道筋を提示しており、予知保全の未来は、小さく、速く、そして工場の現場に直接構築できるものであることを証明しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。