産業施設における煙感知器の認識と将来のドローン統合に向けた自動煙感知器点検の実現

要旨: 火災安全は複雑なパイプラインから成り立っており、非常に重要な懸念事項である。その前方部分の一つが煙感知器であり、大規模な火災が発生する前に警報を出すことが想定されている。高い天井や問題のある設置場所により手が届きにくいことが多いため、自動検査システムがあると非常に有益である。そうすることで、より迅速な改修を可能にし、高所で危険な作業を行う作業者を防ぎ、プロセス全体をより安価にできる。本研究では、自動検査システムの煙感知器認識部分を提示する。これはドローンシステムに容易に統合できる。我々の研究の一環として、埋め込みデバイスで広く用いられている人気の畳み込みベースの物体検出器であるYOLOv11とSSDに加え、最先端のトランスフォーマーベースのRT-DETRv2を、異なるサイズのバックボーンとともに比較する。実環境での学習に十分な量のデータを集めるには複雑な手順が必要であるため、実データおよびセミ合成データと、さまざまなデータ拡張手法を用いた複数の学習戦略も比較する。頑健な評価を達成するために、すべてのモデルを、モーションブラー、小さな解像度、あるいは不完全な物体など、煙感知器の外観が想定どおりでありかつ困難な2つのテストデータセットで評価した。最も性能の良い検出器はYOLOv11nであり、平均mAP@0.5スコアが0.884に達する。我々のコード、事前学習済みモデル、およびデータセットは公開されている。