| Project/Area Number |
17K06967
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Research Field |
Naval and maritime engineering
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Project Status |
Completed (Fiscal Year 2019)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2019: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2018: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2017: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
|---|
| Keywords | 生産システム / 労働安全 / 作業観測 / リスクアセスメント / モニタリング / 画像解析 / ディープラーニング / ディープニューラルネットワーク / 船舶工学 |
|---|
| Outline of Final Research Achievements |
Progress of work at shipyard is controlled by experience of foreperson. The progress is managed in coarse units, such as work areas in terms of location and day in terms of time, which are not fully quantified. In many cases, work observations are done by eye observation using work observation sheets and video cameras. Eye observation is time-consuming and burdensome. In this study, we discussed a method to automate work observation using image recognition by deep learning. First, a method for constructing teaching image data was discussed. Next, as an example of the application of automation of work observation, observations of trajectory of workers and vehicles on a road in a shipyard and their application to risk assessment were discussed.
|
| Academic Significance and Societal Importance of the Research Achievements |
造船所の労働安全の管理者やスタッフは災害の事後対処に翻弄されており、リスクアセスメントによる災害の事前対処への転換が課題である。さらに生産効率の改善も求められている。建造工程では作業者の状態は現場の作業長等の経験で管理され、定量的な把握が十分でない場合が多く、作業のボトルネックが顕在化しにくい。従来の造船所での作業観測は作業観測シートやビデオ画像を用いた目視観測が行われている。目視観測は時間・負担が課題であった。ディープ・ラーニングを用いた画像識別による作業観測の自動化はモニタリングやリスクアセスメントの普及を大きく推進する。教示データの構築法の検討はディープ・ラーニングの導入を推進する。
|
