ドローン撮影と検査AIで鉄塔のサビを判別、送配電設備の目視点検の代替を検証

まず効いていると考えられるのは、画像認識を一度で終わらせず、鉄塔を見つける工程と錆を見つける工程に分けた設計です。最初に鉄塔部分をアノテーション（画像に正解の目印を付ける作業）して検出させ、鉄塔以外の領域をマスクで塗り潰してから、発錆の検出に入っています。この切り分けにより、後段の判定は空や周囲の景色を一切見ずに済みます。背景や天候が変わっても判定を保ちたいという要件に対して、モデルの賢さで押し切るのではなく、見る範囲そのものを狭めて条件を揃えにいった点が要になっていると読み取れます。

二つ目は、出来上がったモデルを受け取るのではなく、扱う側がトライアンドエラーを回せる形にしたことです。当初は鉄塔も発錆場所も狙いどおりには検出されず、アノテーションを追加したりパラメータを調整したりする作業が重ねられました。マウス操作で目印を付けられるノーコードの環境だからこそ、思うような結果が出ないときに、その場で学習データを足すという打ち手を選べます。判定の外れを設計上の問題として自分たちの手で埋められる状態は、検証を前に進めるうえで大きかったはずです。

三つ目に挙げたいのは、着手前に確かめたいことを三つの問いに絞り、結果を一つずつ突き合わせた進め方です。撮影条件の違い、他の鉄塔への応用、錆と塗装剥がれの区別という論点が先に置かれているため、どこまで確かめられて、どこが手つかずのままかが、そのまま輪郭を持ちます。実際、学習に使ったのは一種類の鉄塔だけであり、他の鉄塔に応用できるかは今回検証していないと明記されました。