SWCB-YOLO: Toward Robust and Real-Time Wind Turbine Blade Defect Detection in Unstructured Natural Environments

技術要約：風力タービン翼の欠陥検出のためのSWCB-YOLO

問題提起
無人航空機（UAV）による検査は、風力タービンの翼のメンテナンスにおける標準的な戦略であるが、運用中の風力発電所においてディープラーニング検出器を配備する際には、精度を低下させる3つの決定的な課題に直面する。

1. 非構造的な環境干渉： 検査画像は、光の反射、雲、地表の植生によって引き起こされる高周波のテクスチャ干渉の影響を受け、偽陽性（誤検出）および検出漏れの発生率を高める。
2. 高アスペクト比の欠陥： 翼の亀裂はしばしば細長く、分岐する形状を持つ。標準的な畳み込みネットワークは局所的な受容野が限定されており、一方で正方形のウィンドウを用いるビジョン・トランスフォーマーは、これら細長いターゲットの連続した構造を分断してしまう傾向がある。
3. 非線形幾何学的歪み： 風力タービン翼の二重に湾曲したサドル状の表面は、亀裂が2D画像平面に投影される際に非線形な変形を引き起こす。標準的なバウンディングボックス回帰損失は、特に翼端のような高曲率領域において、このような歪みを処理するための幾何学的整合能力を欠いている。

手法：SWCB-YOLO
著者らは、UAVのエッジプラットフォーム（具体的にはNVIDIA Jetson Xavier NX）の計算およびリアルタイムの制約内で動作するように設計された、YOLOv11nベースラインに基づく軽量エッジ検出器であるSWCB-YOLOを提案している。このフレームワークは、以下の3つのコアコンポーネントで構成される。

1. 非対称ストリップ・スウィン・トランスフォーマーV2 (AS-Swin2) モジュール：

   • メカニズム： このモジュールは、標準的な正方形ウィンドウ・アテンションを、非対称ストリップ・ウィンドウ・アテンション（ASWA）メカニズムに置き換える。これは標準的な局所的正方形ウィンドウを保持しつつ、並行する垂直方向（$M^2 \times 1$）および水平方向（$1 \times M^2$）の非対称な分割を配置する。
   • 機能： これらの直交するストリップ形状の受容野は、細長い亀裂の向きに適合し、亀裂の軸に沿った長距離かつピクセルレベルの依存関係を捉える。また、再パラメータ化された方向的対数空間連続位置バイアス（Log-CPB）を組み込むことで、背景ノイズを抑制し、亀裂のエッジ勾配を増幅させる。
   • コスト： 正方形ウィンドウ特有の構造的断片化を、計算コストを最小限に抑えつつ軽減する。

2. 周波数・空間デュアルドメイン・アテンション (FS-DDA)：

   • メカニズム： 単一のバックボーン上で、2D離散コサイン変換（2D-DCT）によるスペクトル・チャネル・ウェイト付けを、広範な受容野を持つ空間アテンション・ステージに直接カスケードさせる、低オーバーヘッドのモジュール。
   • 機能： 高周波の環境ノイズ（植生、反射など）を、微弱な欠陥のエッジから分離する。スペクトル・ブランチは高周波ノイズを減衰させ、続く空間ブランチが幾何学的な連続性を精緻化する。このデュアルドメイン・アプローチは、チャネルのみのアテンション機構よりも効果的に、低周波の背景と高周波の異常エッジを分離する。

3. 曲率認識型形状IoU (CA-Shape-IoU) 損失：

   • メカニズム： 軸に沿ったバウンディングボックスだけでなく、基礎となる亀裂の形態から教師信号を得る、トレーニング専用のローカリゼーション損失。
   • 構成要素： 正解のポリゴン・マスクから事前計算されたオフライン・フィールドを利用する：
     • ベジェ曲率ウェイト： 高曲率領域（例：翼端）において高い勾配ペナルティを適用し、ドリフトを補正する。
     • ボロノイ・スケルトン距離場： 予測されたボックス境界を真の亀裂スケルトンへと引き寄せ、分岐部での偽陽性を減少させる。
     • 伸長制約： 極端なアスペクト比（$r > 8$）を持つターゲットに対してスケール精度を強制する。
   • 推論への影響： 形態学的項は事前計算され、トレーニング時のみ適用されるため、検出ヘッドは変更されず、追加の推論コストはゼロである。

主な貢献

1. 形態由来のトレーニング損失： 著者らは、軸に沿った検出ボックスを、事前計算された曲率およびスケルトン距離場を用いて監督する幾何学的整合基準であるCA-Shape-IoUを導入した。これは、ボックスの幾何学形状のみに依存する既存の形状認識損失や、推論時にセグメンテーション・ヘッドを必要とするスケルトンベースの損失とは異なる。
2. タスク特化型異方性バックボーン： AS-Swin2モジュールは、標準的な正方形ウィンドウと直交するストリップ分割、および方向適応型の位置エンコーディングをSwinV2ブロック内で組み合わせることで、細長い欠陥の断片化問題に特化して対処している。
3. 低オーバーヘッドのデュアルドメイン精緻化： FS-DDAメカニズムは、第2の周波数バックボーンを持つことなく、スペクトル・ウェイト付けを空間アテンションにカスケードさせることで、単一バックボーンかつ低レイテンシのデザインを維持しながら、周波数・空間の分離を実現する。
4. 厳格な評価プロトコル： 公平な比較を保証するため、すべてのベースラインおよび競合する検出器は、同一のデータ分割、入力解像度、オプティマイザ、およびハイパーパラメータの下で、年間サイクル全体にわたるフィールドデータセットを用いてゼロから再学習された。本手法は、3つのオープンベンチマーク（NEU-DET, DAGM, VisDrone-2019）でも検証されている。

結果
1.5MWの風力発電所から得られた5,707枚の画像からなる独自のフィールドデータセットを用いて評価を行った：

• 精度： SWCB-YOLOは 89.0% mAP@50 および 66.4% mAP@50:95 を達成した。これは、YOLOv11nベースラインと比較して、mAP@50で 13.8ポイント、mAP@50:95で 25.3ポイント の向上を示している。
• 効率性： 本モデルは、NVIDIA Jetson Xavier NX上で 35 FPS で動作し、パラメータ数は 3.70M、計算量は 8.70 GFLOPs である。
• アブレーション解析：
  • AS-Swin2バックボーンが、精度の向上の大部分（約87%のmAP@50向上）に寄与した。
  • FS-DDAは、特に植生が多い条件や霞んだ条件下で相補的な精緻化を提供し、周波数フィルタリングのみでは失われていた再現率を回復させた。
  • CA-Shape-IoUは、レイテンシを増大させることなく、高IoUのローカリゼーションを具体的に改善し、幾何学的ドリフトを補正した。
• クロスデータセット汎用性： モデルはNEU-DET (+7.2% mAP)、DAGM (+4.6% mAP)、VisDrone-2019 (+3.8% mAP) への正の転移を示したが、ドメイン間の距離が大きくなるにつれて利得は減衰しており、これは各モジュールの専門的な性質と一致している。
• 統計的有意性： 対照t検定およびウィルコクソンの符号付順位検定により、ベースラインに対する性能向上は統計的に有意であることが確認された（$p < 0.001$）。

意義と主張
本論文は、SWCB-YOLOが、非構造的な自然環境において、二重に湾曲した表面上の微細で細長い欠陥を検出するという特定のギャップに対処しつつ、エッジデバイス上でのリアルタイム推論を維持できることを主張している。

• 堅牢性： 周波数ドメインのフィルタリングと異方性アテンションを統合することで、標準的な検出器を悩ませる複雑な背景（植生、反射）による偽陽性を効果的に抑制する。
• 幾何学的精度： CA-Shape-IoU損失は、オフラインの形態学的事前情報（曲率およびスケルトン距離）を組み込むことで、推論時のペナルティを課すことなく、曲がったターゲットに対するバウンディングボックスの整合性を大幅に向上させられることを示している。
• 実用的な展開： 本フレームワークは、高精度と厳格なレイテンシおよび電力予算の両立が必要とされる、自動化されたUAVによる翼検査において、精度とリソース制約のバランスが取れた実行可能なソリューションを提供している。

著者らは、CA-Shape-IoU損失におけるポリゴンレベルのアノテーションへの依存（ただし、本手法は中程度の簡略化されたアノテーションに対しても堅牢である）、および極端なモーションブラーと霧が組み合わさったシナリオにおけるオーバースムージングの可能性といった限界についても言及している。今後の研究は、半教師あり学習によるアノテーション依存度の低減、およびマルチモーダル融合の探索に向けられている。