High Accuracy Evaluation of Concrete Delamination Risk by Deep Learning of Hammering Sounds
| Project/Area Number |
20H02234
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 22020:Structure engineering and earthquake engineering-related
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
玉井 宏樹 九州大学, 工学研究院, 助教 (20509632)
別府 万寿博 防衛大学校(総合教育学群、人文社会科学群、応用科学群、電気情報学群及びシステム工学群), システム工学群, 教授 (90532797)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥17,680,000 (Direct Cost: ¥13,600,000、Indirect Cost: ¥4,080,000)
Fiscal Year 2022: ¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
Fiscal Year 2021: ¥6,110,000 (Direct Cost: ¥4,700,000、Indirect Cost: ¥1,410,000)
Fiscal Year 2020: ¥8,580,000 (Direct Cost: ¥6,600,000、Indirect Cost: ¥1,980,000)
|
|---|
| Keywords | 打音検査 / コンクリート構造物 / 劣化損傷（浮き・剥離） / 深層学習 / 畳み込みオートエンコーダー / 畳み込みニューラルネットワーク / コンクリート / 浮き・剥離 / 繰り返し衝撃 / 繰り返し衝撃荷重 / コンクリート剥落 / 繰り返し衝突実験 / RC版 |
|---|
| Outline of Research at the Start |
本研究は，コンクリートの剥落事故を防ぐために,劣化損傷を模擬した供試体を製作し，軽度な繰り返し衝撃試験を行いながら，損傷進展による非破壊試験（打音・赤外線画像）データの変化を深層学習させることで，RC構造物のコンクリート剥落の予兆を捉える手法を確立するものである．
|
| Outline of Final Research Achievements |
In this study, a hammering sound test is performed on concrete specimens with artificial defects and recorded. The followings are found.1)The presence or absence of defects can be ascertained with nearly 100% accuracy for both Convolutional autoencoder and Convolutional neural network that learned the timefrequency analysis result of the tapping sound data, 2)It is possible to detect minor defects that were difficult to detect with indexes such as the Amplitude ratio. 3)There is a correlation between the reconstruction loss value of CAE and the degree of damage, and it is possible to predict the degree of damage by CAE, however deeper the defect position, the more blurry it becomes, and accuracy deterioration is inevitable. 4)CNN is superior to CAE in diagnosing the degree of damage (range and depth), but since the quality (bias) and range of the training data have a great influence on theie accuracy, it is necessary to examine the appropriateness of the training data in advance.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究ではCAEとCNNの２種類の手法で打音の時間周波数スペクトラムを用いた深層学習を行い，両者の診断精度について比較検討を行った。その結果を要約すると以下のようになる。
1)CAE, CNNどちらの手法も高精度でコンクリート内部の浮き・剥離の有無を把握できることが確認できた。2)CAEは欠陥の有無だけでなく損傷の程度も評価可能ではあるが，欠陥が深くなるにつれて精度が低下するだけでなく，周囲騒音の影響も受け易いことが認められた。
3)CNNは適切な学習データを収集・学習させることで，CAEより精度が高い損傷程度の評価が可能であるだけでなく，周囲騒音の影響も受けにくいことが認められた。
|
Report
(4 results)
Research Products
(3 results)
