2021 Fiscal Year Annual Research Report
Development of automatic measurement method of asbestos by machine learning and emergency exposure evaluation system
| Project/Area Number |
19K04665
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
近藤 明 大阪大学, 工学研究科, 教授 (20215445)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
嶋寺 光 大阪大学, 工学研究科, 准教授 (20647367)
松尾 智仁 大阪大学, 工学研究科, 助教 (30793674)
瀧本 充輝 (財)ひょうご環境創造協会(兵庫県環境研究センター), 兵庫県環境研究センター大気環境科, 研究員(移行) (60788264)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | アスベスト / 畳み込みニューラルネットワーク / 画像分類 / 位相差顕微鏡 / 大気汚染 |
|---|
| Outline of Annual Research Achievements |
本研究では、建築物の解体作業等に伴って一般環境に飛散する恐れのあるアスベスト繊維について、従来の人間の目視による計数に代えて、畳み込みニューラルネットワーク（CNN）を用いた機械学習モデルを用いた手法の開発を目的とし、研究を行っている。昨年度までは、AlexNetをベースとした比較的小規模なニューラルネットワークを構築した。同モデルでも一定の分類精度を得ることができたが、より高精度な分類の実現のため、既存の学習済モデルをベースにモデルを構築する転移学習の手法を取り入れ、ImageNetデータベースで学習済のXceptionを用いてモデルを構築した。その結果、検出精度の大幅な向上が得られた。また教師データについて、本研究のこれまでの取り組みでは解体現場等で採取した試料の顕微鏡写真を用いた学習を行っていたが、この場合、試料中の繊維状物質はアスベスト繊維であることが多く、アスベスト繊維によく似た形状であるワラストナイト繊維やガラス繊維などの分類精度が高くならないという危惧があった。そのため、それらの繊維を使用した試料を作成し、教師データに追加した。その結果、モデルの非アスベスト繊維に対する検出精度が大幅に向上した。加えて、顕微鏡画像中のアスベスト繊維の検出結果から、アスベスト繊維数の計数を行うアルゴリズムを開発した。同アルゴリズムの計数精度は相対誤差30％程度であったが、補正を行うことで10％程度まで誤差を低減することができ、人による計測と比較しても遜色のない程度まで誤差を低減することができた。
本研究成果の一部は大気環境学会年会にて発表した。また、今後、論文にまとめることを予定している。
|
Research Products
(1 results)
