| Project/Area Number |
18J22035
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 国内 |
|---|
| Research Field |
Structural engineering/Earthquake engineering/Maintenance management engineering
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
山口 貴浩 東京大学, 工学系研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2018-04-25 – 2021-03-31
|
| Project Status |
Completed (Fiscal Year 2020)
|
| Budget Amount *help |
¥2,200,000 (Direct Cost: ¥2,200,000)
Fiscal Year 2020: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 2019: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 2018: ¥800,000 (Direct Cost: ¥800,000)
|
|---|
| Keywords | 地中レーダ / 埋設管 / 地下空洞 / 深層学習 / 3D-CNN / SVM / FDTD法 / 自動検知 / 地中埋設管 / マイグレーション |
|---|
| Outline of Annual Research Achievements |
本研究では，橋梁床版・土工部の表面・内部の構造物・損傷を対象として，三次元的な形状を考慮し，逆解析手法とAIモデルに基づく自動判定アルゴリズムを組み合わせることで，地中レーダ画像から対象物を全自動でマッピングするシステムを構築した．最終年度において，目標とするシステムを完成させることができた．また，学位取得に向けた論文執筆や論文審査会の準備を重点的に行った．また，海外トップジャーナルへの投稿を積極的に行った．
前年度から検討を行っている路面下の埋設管の検知アルゴリズムについて，新たに収集したデータを用いて学習を行い，新たに構築した模擬フィールドにおいて，検証実験を行った．埋設管は，走行直角及び走行方向に伸展しており，いずれの方向についても，90%近くの検知精度で検知する三次元畳込みニューラルネットワーク(3D-CNN)モデルを構築した．この深層学習モデルと，逆解析手法を組み合わせることで，高速かつ高精度に埋設管の三次元配置を再現することができた．床版内部の土砂化・クラックについても，修士論文で行った研究を発展させ多次元データについて解析を行った．マンホール・ジョイントのSVM による検知アルゴリズム及び空洞の3D-CNN による検知アルゴリズムは構築しているため，床版内部の土砂化やクラックなどの面的な損傷と併せて，路面下の状態を完全に可視化可能であり，点検実務上有用なインパクトのある結果が得られたと考えている．博士論文を執筆した．博士論文は，本年度だけでなく前々・前年度の研究内容も併せて，当該研究員が博士程において行った研究内容をまとめた．
|
| Research Progress Status |
令和2年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和2年度が最終年度であるため、記入しない。
|
