表面粗さ分類における実験データの有効な代替としての合成画像の評価

Abstract

ハードコーティングは産業において重要な役割を担っており、セラミック材料は、優れた機械的性能を要求する用途に対して、優れた硬度と熱安定性を提供します。しかし、表面粗さの分類に人工知能（AI）を用いることは、多数のラベル付きデータセットの必要性や、高価な高解像度撮像機器により制約を受けることがしばしばあります。本研究では、実験で取得したデータの効率的な代替または補助として、Stable Diffusion XL により生成した合成画像の利用を、セラミック表面粗さの分類に適用することを検討します。実際のデータセットに生成画像を追加することで、実験画像のみを用いた場合と同等のテスト精度が得られることを示し、生成画像が分類に必要な構造的特徴を効果的に再現していることを明らかにします。さらに、重要な学習ハイパーパラメータ（エポック数、バッチサイズ、学習率）を体系的に変化させることで手法の頑健性を評価し、データ要求を削減しつつ性能を維持する構成を特定します。これらの結果は、生成AIが材料画像の分類ワークフローにおいてデータ効率と信頼性を大幅に向上させ得ることを示しており、実験コストの低減、モデル開発の加速、ならびに材料工学へのAI適用範囲の拡大につながる実用的な道筋を提供します。