階層的ディープラーニング手法を用いた研磨用フラップホイールの摩耗分類

要旨：砥粒フラップホイールは、その柔軟性のため、複雑な自由曲面の仕上げに一般的に用いられる。しかし、この柔軟性は凹形状・凸形状のフラッププロファイルやフラップの破れといった複雑な磨耗パターンを生み出し、研削結果に影響を与える。本論文は、フラップホイールの磨耗状態を自動的に監視するための新規で視覚ベースの階層分類フレームワークを提案する。モノリシックな分類アプローチとは異なり、問題を3つの論理的レベルに分解する： (1) 状態検出（新規 vs. 摩耗）、(2) 磨耗タイプ識別（矩形、凹形状、凸形状）およびフラップ破れ検出、(3) 重篤度評価（部分変形 vs. 完全変形）。実際のフラップホイール画像から成るカスタムデータセットを作成し、EfficientNetV2 アーキテクチャを用いた転移学習アプローチを適用した。結果は、分類精度が 93.8%（フラップ破れ）から 99.3%（凹形状の重度）までの高い堅牢性を示す。さらに、Gradient-weighted Class Activation Mapping（Grad-CAM）を用いて、モデルが物理的に関連する特徴を学習していることを検証し、誤分類を検討する。提案された階層的手法は、自動化されたフラップホイール研削における適応的プロセス制御と摩耗への配慮の基盤を提供する。