2021 Fiscal Year Research-status Report
教師ラベルの無い地中レーダ画像を積極的に利用した社会インフラ劣化診断AIシステム
| Project/Area Number |
20K11879
|
|---|
| Research Institution | Oita National College of Technology |
|---|
Principal Investigator |
木本 智幸 大分工業高等専門学校, 電気電子工学科, 教授 (30259973)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
園田 潤 仙台高等専門学校, 総合工学科, 教授 (30290696)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 地中レーダ / AI / 画像変換 / 埋設物識別 |
|---|
| Outline of Annual Research Achievements |
地中レーダを使って地面内に向かって電波を発射し、反射波で地面内の状態を非破壊で検査することを目的としている。この際、反射波が地下の埋設物に依存して変化するため、その反射画像には地下の状態が含まれている。しかし、レントゲンのように地下の様子を透過的に映し出しているのではなく、反射画像であることや、レーダが発射している電波の指向性が広いこともあり、反射画像から地下の埋設物が危険因子の空洞であるか、非危険因子の埋設管や石ころであるかを容易に判断できない。そこで、様々な埋設物による反射画像をAIに学習させて地下の埋設物を識別することを行ってきた。しかし、AIの学習には大量の反射画像とそれが何の反射であったかの正解ラベルのセットが必要があるが、掘らないと正解ラベルが分からない問題がある。これまでは、FDTD法による物理シミュレーションで、大量のレーダ反射画像を生成し、これをAIで学習させていた。
しかし、レーダ発射波はレーダの製品毎で異なるため、レーダの機種毎に物理シミュレーションして大量の反射画像を作ることは大変である。FDTD法は計算に時間がかかるためである。本年は、予め作られた大量の雛形レーダ画像があるので、これに少量の実レーダ画像を用意するだけで、雛形レーダ画像から大量の実レーダ画像を効率的に生成する方法を考え、この実現可能性を計算機実験で確かめた。その結果、識別したい埋設物各々につき１枚ずつ実レーダ画像を準備すれば、高品位な大量のレーダ画像を生成できることが分かった。そして、この生成したレーダ画像をAIに学習させることで、識別性能が大幅に向上することも確認し、そのレーダ画像の生成法が妥当な方法であることも確認した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
従来から持っていた雛形レーダ画像だけを学習させただけではAIの識別精度が十分に上がらなかったが、これに少量の実レーダ画像を準備して雛形レーダ画像を変換することで、AIの識別精度が飛躍的に向上することが分かったため。これにより、レーダの機種の違いを吸収できるだけでなく、雛形レーダ画像を作った際の地中媒質の条件の違いや、レーダ周波数の違いも吸収できる可能性が出てきた。
|
| Strategy for Future Research Activity |
レーダの機種の違いを吸収できるだけでなく、雛形レーダ画像を作った際の地中媒質の条件の違いや、レーダ周波数の違いも吸収できる可能性が出てきたがめ、実際に、計算機実験において、こうした違いに対しても高品位な変換が可能であるかを調べ、変換画像をAIに学習して識別性能が向上するかも確認する。
|
| Causes of Carryover |
コロナ禍のため、予定していた調査が実施できず旅費が執行できなかったため。次年度に調査を行うため使用する計画である。
|
