2021 Fiscal Year Annual Research Report
Development, upgrading, and promotion of novel image diagnosis system for earthquake damaged timber dwellings using deep learning
| Project/Area Number |
20J20169
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
千田 紘之 東北大学, 工学研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2020-04-24 – 2023-03-31
|
| Keywords | 深層学習 / 画像診断 / 画像処理 / 損傷評価 / 被害調査 / 地震被害 / 木造住宅 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は，深層学習と形態学的画像処理手法を併用した地震時損傷検出および地震損傷量の定量化に基づき，深層学習活用型画像診断手法を開発し，スマートフォンの活用を念頭に被災現場で適用可能な技術へと展開するとともに，その適用マニュアルを策定することで普及促進を図ることである。
2021年度は，地震被害実地調査において行った画像診断の検証結果の分析を進めた。特に，ひび割れを診断対象画像とする場合，学習用画像に用いたひび割れ画像のひび割れ幅分布やRGB階調分布により診断精度が大きく左右されることが判明し，これらのパラメータを基準に深層学習モデルの改良を行った。改良後の画像診断により，必要条件として，診断対象画像の画素分解能（1ピクセル当たりの実寸法 [mm/pixel]）が約0.3[mm/pixel]以下となる場合に，目視調査平均値と診断結果との誤差が0.1%となり，極めて精緻な診断が可能なことが確認された。
また，昨年度から繰り越していた開口部を模した外装仕上げ材付き縮小木造架構試験体の静的加力試験を実施した。加力時には損傷の発現状態を時々刻々と記録するために画像計測技術を構築し，データの収集を行った。いずれの試験体も外装仕上げ材の変形追従性能が高く，損傷発現に至る前に躯体の損傷が発生・進展が先行し，仕上げ材が載荷用治具へ干渉することではじめて損傷が発生・進展し，境界条件による影響があることが推察された。
さらに，実大木造軸組み試験体の振動台実験では，留め付け工法の異なる外装仕上げ材および目地の異なる内装仕上げにおける損傷発現について，画像計測技術によりデータを収集しつつ，画像診断システムの検証を行った。本年度の実験結果の分析を通じて，被害調査では収集が困難な内装仕上げ材の損傷を検知可能な損傷検出器の構築に成功し，定量的に評価（ひび割れ幅・長さの計測）が可能なことを確認した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
地震被害調査において，前年度までに構築してきた深層学習活用型画像診断手法の検証を通じ，目視調査と遜色ない精度で診断可能な手法へと昇華させるとともに，撮影環境条件として画素分解能が0.3[mm/pixel]以下となることが必要条件であることを示すことができた。最終年度では，他の撮影環境条件（照度や画素ピッチなど）の違いについてより詳細な検討を行う予定である。
また，同時並行で進めた縮小試験体の静的加力試験においては，外装材の仕上げ材の変形追従性能が高いこと，境界条件によっては躯体の損傷が先行することが推察された。これらの予備的検討を踏まえ，振動台実験では外装仕上げ材に加え，内装仕上げ材をそれぞれ異なる仕様で留め付け，その影響について分析を行うとともに，深層学習活用型画像診断手法の検証を行った。被害調査では収集困難であった内装仕上げ材の損傷データの収集ができ，これらの損傷に対して行った画像診断手法の検証では，損傷検知と定量的評価が可能なことを確認した。最終年度は，これらの損傷と経験変形角の関係を精査するとともに，撮影環境条件の分析を進めることで，被災現場へ適用可能な技術へと展開し，その適用マニュアルを策定する予定である。
また，本年度（2021年度）は， COVID-19の感染拡大防止のため，大学・研究機関における研究活動が制限されている状況が1年以上続いていることから，次年度の研究が困難な場合を想定し，これまでの実験結果や地震被害調査で収集したデータを活用した解析・分析を迅速に行うための態勢を構築しているところである。
|
| Strategy for Future Research Activity |
次年度（2022年度）は最終年度であり，これまでの研究成果を踏まえ，外装・内装仕上げ材に生じる損傷から経験変形角を推定するために実験から得られたこれらの関係性を精査するとともに，撮影環境条件による診断精度への影響の分析を進め，深層学習活用型画像診断手法へと導入，高度化を図り，その適用マニュアルの策定を目指す。
特に，今年度の実験の分析を通じて，外装仕上げ材は変形追従性能が高く，大変形時であっても境界条件によっては損傷が発生しない場合がある一方で，内装仕上げ材は大変形に至らないまでも，損傷が発生・進展し，割り付けの違いにより進展過程に差異が確認された。次年度では，これらを踏まえた損傷進展過程と経験変形角の分析を進め，仕上げ材の損傷を検知・定量的評価に基づく経験変形角の推定が可能となる画像診断手法へと展開する予定である。
また，上述の画像診断手法を被災現場に適用するための撮影マニュアルの策定のため，これまでの実験だけでは不十分であった撮影環境条件を再現した検証実験（照度や画素，被写体距離の異なる撮影条件による診断精度の検証）を行うことで，定量的な撮影パラメータを抽出し，具体的な撮影マニュアルへと展開する予定である。
なお，COVID-19の感染力の高い新規株の感染拡大により，大学・研究機関における研究活動が制限されている状況であることから，オンライン会議やリモートワークを併用した研究体制を整えるとともに，これまで収集したデータを活用した解析的検討を中心とした活動態勢をとり，最終年度にこれまでの研究を取りまとめる予定である。
|
