車載カメラ・地中レーダの画像分析と振動モニタリングに基づく構造損傷進展性評価技術
| Project/Area Number |
21K04240
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 22020:Structure engineering and earthquake engineering-related
|
|---|
| Research Institution | Ritsumeikan University |
|---|
Principal Investigator |
野村 泰稔 立命館大学, 理工学部, 教授 (20372667)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
日下 貴之 立命館大学, 理工学部, 教授 (10309099)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2021: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
|---|
| Keywords | 深層学習 / 物体検出 / 物体認識 / モルフォロジー処理 / 加色混合法 / ひび割れ / 腐食 / 地中レーダ / 進展評価 / データ同化 / 進展性評価 / 非接触変位場計測 / 振動モニタリング / 構造安全性 |
|---|
| Outline of Research at the Start |
本研究の目的は，一般国道および橋梁を対象として，道路パトロール車による巡視・巡回点検および振動モニタリングを通じて，平時・地震発生等の緊急時に関わらず，総合的に構造状態を診断するシステムを開発することである．本研究では，車載カメラを仮想定点カメラ化するとともに，道路上の映像および地中レーダデータに対して，深層学習・デジタル画像相関法・データ同化技術を適用することで，「構造表面ひび割れ・内部空隙の力学状態」と「振動モニタリングデータから推定される対象構造の剛性や減衰等，複数の物理情報」を自動的に評価することを試みる．
|
| Outline of Annual Research Achievements |
最終年度は，数10kmにおよぶモノレール橋梁を対象に点検車載カメラから撮影された映像から，コンクリート桁のひび割れおよび鋼桁の腐食を検出するとともに，過年度データとの比較を通じて進展性を評価するシステムの開発（検討項目1）と地中レーダの受信波形から中空床版のコンクリートかぶり厚不足領域を推定するシステムの開発（検討項目2）に取り組んできた．
検討項目1では，モノレール橋梁桁のひび割れ・腐食の進展評価のための深層学習および画像処理に基づくレジストレーション技術を検討した．画像レジストレーションとは，異なる2つの画像の画角を統一することである．結果として，画角レジストレーション方法として，Akaze，ImgSimおよび位相限定相関法を比較検討し，位相限定相関法の有用性を明らかにした．また，本項目において，腐食の進展について，これまで加色混合法を適用することで進展箇所を着色化・可視化してきたが，本年度は，その腐食の進展量を画像処理を用いて自動的にピクセルレベルでカウントする方法を開発し，桁の車両走行面・側面を撮影したパノラマ画像を腐食進展量で順位付けする方法を構築できた．またこれらと並行して，ひび割れおよび腐食の検出技術の選定を行った．具体的には，膨大な画像に対して高速な物体検出が可能なYOLO系システムを基本として，Version5と本研究実施時点で最新のVersion7，8を比較検討し，本研究の例において，YOLOv7が最も再現率・適合率が高いことを明らかにした．
一方，検討項目2では，中空床版に照射された地中レーダから，ボイドからの反射波形を画像化し物体検出技術YOLOv7で学習・検出することを試みた．結果として学習に成功し，ボイドのコンクリートかぶり厚を概ね正確かつ定量的に評価できることを明らかにした．今後，以上のシステムを実用化する予定である．
|
Report
(3 results)
Research Products
(29 results)
