| Project/Area Number |
23K22850
|
|---|
| Project/Area Number (Other) |
22H01580 (2022-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2022-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 22030:Geotechnical engineering-related
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
川村 洋平 北海道大学, 工学研究院, 教授 (40361323)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
北原 格 筑波大学, 計算科学研究センター, 教授 (70323277)
鳥屋 剛毅 秋田大学, 国際資源学研究科, 准教授 (50753240)
澁谷 長史 筑波大学, システム情報系, 准教授 (90582776)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥15,340,000 (Direct Cost: ¥11,800,000、Indirect Cost: ¥3,540,000)
Fiscal Year 2025: ¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
Fiscal Year 2024: ¥5,330,000 (Direct Cost: ¥4,100,000、Indirect Cost: ¥1,230,000)
Fiscal Year 2023: ¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000)
Fiscal Year 2022: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
|
|---|
| Keywords | AI / 情報化施工 / デジタルツイン / 自動評価システム / ハイパースペクトル / 次元削減 / 個別エンジン開発 / データベース / 撮影手法確立 / 自動判定 / 超スマート社会 / 情報化防災 / 情報k防災技術 / HSデータベース |
|---|
| Outline of Research at the Start |
超スマート社会における土木現場および災害復旧現場において、益々発展が期待される情報化施工、および即時性・効率が求められる情報化防災であるが、その掘削/施工対象となる岩盤・土壌の適切な評価には未だ地質専門技術者の現場観察が必要となる。現在、岩盤・土壌評価方法は専用の指標を用いて、主観的に岩種・風化度・湿潤度・亀裂を定量化されており、観測者による恣意性が高く評価精度が低いことおよび即時性の欠如が問題となっている。
本課題では、複数のハイパースペクトル画像に深層学習およびクラスタリングを適用し現場における観測者の恣意性を排除した高精度かつ迅速な岩盤・土壌の自動評価システムを開発する。
|
| Outline of Annual Research Achievements |
以下の項目1を完了し、項目2および項目3を部分的に実施した。
項目1：HS波長領域/分割での岩石・土質物性スペクトル特性同定とデータベース構築に関して、HSカメラによる対象物の撮影により、HS波長領域/分割の画像情報によって岩種・風化度・湿潤度といった岩盤および土質の工学的特性に影響を与える要素（スペクトル特性）を定量的に評価できるかを明らかにした。結果、撮影手法の確立（標準化）とその手法に基づいたHSデータベースを構築できた。
項目2：機械学習による各要素の自動判定技術の開発に関して、開発する機械学習エンジンによって岩種・風化度・湿潤度の各パラメータを個別に自動判定できる個別エンジンを開発した。さらにディープラーニングエンジンの開発においてレイヤ数調整および目的関数調整を行い、それぞれの判定したい項目に特化した高精度なエンジン開発を目指した。各パラメータにおいて、使用岩種の違いはあれど、平均85％以上の正答率を得るに至っている。
項目3：深層学習による判定根拠の妥当性検証と次元削減に関して、判定エンジンの学習中間層の可視化（CAM）および近傍成分分析（NCA）によって判定根拠の妥当性を検証した。AIが岩種・風化度・湿潤度を判定する際に、どのスペクトル変化に判定根拠を持っているかを逆解析することによって、特徴量を残せる範囲でのHSの次元削減を行い、分割バンド数を減らした簡便なスペクトルカメラの設計とそれを用いた判定精度の検証を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
予定を前倒しできる程度に順調に研究開発が進んでいる。
当初計画である課題はすべて実施した。
また、研究が順調に進んだ場合に予定していた項目にも着手する事ができた。
ただし、研究を進めれば進めるほどに教師データの数と種類、そしてそのデータベースの重要性が浮き彫りになっている。当該研究課題では膨大な教師データのデータベースを構築することはできないため、最終年を残して基盤Aへ発展させることも考えている。
|
| Strategy for Future Research Activity |
以下の項目4に関して研究を実施する
項目4：岩盤および土壌自動評価システムの構築
項目2で開発した機械（深層）学習エンジンによって判定された岩種・風化度・湿潤度に加え亀裂情報をパラメータとして別開発する機械学習エンジン（ANN）にて岩盤自動評価ができるかを明らかにする（各要素の判定とは別概念）。また、本研究により開発する岩盤評価システムのうち、風化度と湿潤度の自動判定部分を調整することにより、災害現場の土壌評価システムも同時に開発する。加えて、項目3で得る次元削減結果での評価システムも開発する。その後、多くの現場試験によって、この岩盤および土壌の自動評価システムにおける評価精度およびロバスト性を明らかにする。
ただし、研究を進めれば進めるほどに教師データの数と種類、そしてそのデータベースの重要性が浮き彫りになっている。当該研究課題では膨大な教師データのデータベースを構築することはできないため、最終年を残して基盤Aへ発展させることも考えている。
|
