Project/Area Number |
22KJ0947
|
Project/Area Number (Other) |
22J14364 (2022)
|
Research Category |
Grant-in-Aid for JSPS Fellows
|
Allocation Type | Multi-year Fund (2023) Single-year Grants (2022) |
Section | 国内 |
Review Section |
Basic Section 22020:Structure engineering and earthquake engineering-related
|
Research Institution | Tokuyama College of Technology (2023) The University of Tokyo (2022) |
Principal Investigator |
山根 達郎 徳山工業高等専門学校, 土木建築工学科, 助教
|
Project Period (FY) |
2023-03-08 – 2024-03-31
|
Project Status |
Completed (Fiscal Year 2023)
|
Budget Amount *help |
¥1,700,000 (Direct Cost: ¥1,700,000)
Fiscal Year 2023: ¥800,000 (Direct Cost: ¥800,000)
Fiscal Year 2022: ¥900,000 (Direct Cost: ¥900,000)
|
Keywords | Deep Learning / 画像処理 / 橋梁点検 / SfM / 3次元モデル |
Outline of Research at the Start |
本研究では,画像解析AIに損傷の3次元情報と診断のための専門知を統合することで,橋梁の点検から診断までを自動化する方法を提案する.これにより維持管理の効率化に繋げる. UAVによって取得した橋梁の各部材の画像をもとに,SfMとDeep learningを活用して橋梁全体系での損傷の位置情報の把握を可能にする.また,維持管理の専門知・経験知に基づいた診断システムを構築し,同定した位置情報を参照しながら画像解析によって診断システムへの入力を行うことで,損傷の原因や必要な対策まで導ける手法を構築する.また,構築手法が維持管理の効率化に繋がることを示すために,実際の橋梁に適用して検証を行う.
|
Outline of Annual Research Achievements |
橋梁の点検・診断の効率化および高精度化のため,機械学習技術の一種であるDeep Learningを活用した橋梁撮影画像の解析技術の研究に期待が集まっている.初年度は,当初目標としていた橋梁全体系での損傷の位置情報の把握,損傷情報の3次元モデル上での統合,診断用フレームワークの構築の取り組みを進める計画を立て,全て順調に研究開発を進めることができた.この成果はComputer-Aided Civil and Infrastructure Engineeringに投稿し,すでに公開されている.一方で,前年度の研究結果をもとに,橋梁の診断を自動化するためには損傷と部材の3次元的な位置関係を把握することが重要であることが再確認されたことを受けて,最終年度では, Deep LearningによるSemantic Segmentation(画素単位での情報抽出)を活用して,画像から床版や主桁をはじめとした橋梁の各部材種別を判定し,判定した部材種別を3次元モデル上で統合して記録するアルゴリズムの構築を行った.この成果はEASEC-18に投稿しており,現在発表を予定している. また,期間全体を通して取り組んだ診断用フレームワークの構築については,画像とその画像に関する質問を入力として,正しい答えを導き出すタスクであるVisual Question Answering(VQA)およびStructure from Motion(SfM)を活用したフレームワークを構築した.この結果についても,すでに論文がStructure and Infrastructure Engineeringに採択されており,まもなく公開される予定である.
|