Core Concepts
ダイヤモンド成長プロセスの画像データを用いて、深層学習ベースの欠陥検出モデルを開発し、高精度な欠陥検出を実現する。
Abstract
本研究では、ダイヤモンド成長プロセスの画像データを用いて、深層学習ベースの欠陥検出モデルを開発している。
まず、ダイヤモンド成長の過程で観察される主要な欠陥を3つのカテゴリーに分類している。
多結晶ダイヤモンドの成長
中心部と端部の欠陥
全体的な結晶形状
次に、これらの欠陥を検出するために、セマンティックセグメンテーションとオブジェクト検出の2つのアプローチを採用している。多結晶ダイヤモンドの検出にはセマンティックセグメンテーションを、中心部と端部の欠陥検出にはオブジェクト検出を用いている。
データラベリングの効率化のため、アクティブラーニングやモデル支援ラベリングなどの手法を導入している。これにより、ラベリング時間を大幅に削減しつつ、高精度なラベリングを実現している。
最終的に、DeeplabV3Plusとyolov3を用いたモデルが優れた性能を示した。中心部欠陥で93.35%、多結晶欠陥で92.83%、端部欠陥で91.98%の高精度な検出が可能となった。
今後は、より大規模なデータセットを用いた検証や、検出結果を活用したダイヤモンド成長プロセスの予測モデルの開発などに取り組む予定である。
Stats
ダイヤモンド成長プロセスにおいて、中心部欠陥の検出精度は93.35%、多結晶欠陥の検出精度は92.83%、端部欠陥の検出精度は91.98%であった。
Quotes
"ダイヤモンド成長プロセスの画像データを用いて、深層学習ベースの欠陥検出モデルを開発し、高精度な欠陥検出を実現する。"
"中心部欠陥の検出精度は93.35%、多結晶欠陥の検出精度は92.83%、端部欠陥の検出精度は91.98%であった。"