2017 Fiscal Year Annual Research Report
ディープラーニングによる可視・赤外画像からのコンクリート表面ひび割れ自動検出
| Project/Area Number |
16K06440
|
|---|
| Research Institution | Ehime University |
|---|
Principal Investigator |
大賀 水田生 愛媛大学, 理工学研究科(工学系), 教授 (80116912)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
全 邦釘 愛媛大学, 理工学研究科(工学系), 准教授 (60605955)
|
|---|
| Project Period (FY) |
2016-10-21 – 2018-03-31
|
| Keywords | ディープラーニング / ひび割れ検出 / コンクリート / 維持管理 / 画像処理 |
|---|
| Outline of Annual Research Achievements |
本研究は，近年注目されている人工知能技術であるディープラーニングにより，コンクリートの表面を撮影した画像からひび割れを自動検出し，そしてそのひび割れが構造物に与える影響について評価することを目的とした．
その中で，ディープラーニングに，同じく機械学習手法の一つであるRandom Forestを組み合わせて用いると精度の良い検出結果が得られることが明らかとなった．本手法は，特徴量を自動で計算するディープラーニングをベースとしているため，従来の同種研究で課題であった汚れや遊離石灰などの存在に対しても影響をほとんど受けない．さらに，誤認識の決定的な要因であった打ち継ぎ目などについても，打ち継ぎ目とひび割れの特徴を自動的に導出することで，見分けがつき，誤認識率が大幅に低下した．
Random Forestについても単純に用いるのではなく，画素単位の検出を目的としたRandom Forest，画素単位の検出後に形状を判定することを目的としたRandom Forestの2段階に分けて用いた．その結果，ひび割れらしくない形状のものについては適切に省けるようになり，Pコン跡やノイズなど，ディープラーニングの段階で省ききれなかったものについても確実に省けるようになった．
これにより，本研究で用いた画像（ビル，橋梁，トンネルを撮影したもの）について，99.8%を超える正解率となった．また，実際に検出後の画像も非常にもっともらしく，これは今後の実用化に向けて非常に有意義な結果である．
|
