Schearogram の自動アンノテーションが低負荷の欠陥検出を可能にする

arXiv:2512.06171v2 Announce Type: replace 要旨: Schearography は表面変位勾配に敏感性のある干渉計測技術であり、安全に重要な部品の下部欠陥を検出する高い感度を提供します。産業応用における主要な制限は、手動ラベル付けが残存する手作業性の高さ、主観性、そして標準化の困難さによる高品質なアノテートデータの欠如にあります。私たちは、Grounded DINO が候補欠陥の境界四角形を生成し、それを SAM マスクを使って refinement し、次級検出器の訓練用 YOLO 形式のラベルをエクスポートする自動ラベル付けパイプラインを提示します。定量評価では、生成された四角形は低負荷学習に適しており、高解像度マスクは定性的な可視化を提供することが示されました。このアプローチは手作業を削減し、robust な産業用欠陥検出のためのスケーラブルなデータセット作成をサポートします。

arXiv:2512.06171v2 Announce Type: replace Abstract: Shearography is an interferometric technique sensitive to surface displacement gradients, providing high sensitivity for detecting subsurface defects in safety-critical components. A key limitation to industrial adoption is the lack of high-quality annotated datasets, since manual labeling remains labor-intensive, subjective, and difficult to standardize. We present an automated labeling pipeline that generates candidate defect bounding boxes with Grounded DINO, refines them using SAM masks, and exports YOLO-format labels for downstream detector training. Quantitative evaluation shows the generated boxes are suitable for weakly supervised learning, while high-resolution masks provide qualitative visualization. This approach reduces manual effort and supports scalable dataset creation for robust industrial defect detection.