2022 Fiscal Year Annual Research 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 | 教師なし学習 / 正解ラベル無しデータ / オートエンコーダ / ディープラーニング / 地中探査レーダ / 社会インフラ劣化診断 |
|---|
| Outline of Annual Research Achievements |
正解ラベルありデータに比べ、正解ラベル無しデータはその数百倍以上の量が存在すると言われており、ディープラーニングにおいて、正解ラベルのないデータをどのように有効活用するのか、また、実際の社会実装において効果があるのかの確認が大きな課題となっている。本研究で目指す地中探査レーダ画像による社会インフラの劣化検査システムの開発でも同様の課題に直面しており、これを解決して高精度かつ高速な検査システムを構築することは急務である。
地中探査レーダは、地中内の空洞などの存在によって、地上から打ち込まれた電波の反射を捉えて、地中内の構造を調べる方法である。反射画像であるため、埋設管などの非危険因子からのものであるか見極めるのは熟練技術者でも難しい。レーダ画像をＣＮＮなどのＡＩで学習させる方法も考えられるが、そうした教師あり学習では、埋設物が空洞であるのか埋設管であるのかの正解ラベルが必要であり、正解ラベルを知るには掘り起こさないと分からないことから、現実には正解ラベルを大量に入手することは不可能である。そこで本研究では、正解ラベル無しの大量のレーダ画像を変分オートエンコーダ（VAE）に学習させ、低次元に落とし込んでクラスタリングした後、少量の正解ラベルでラベル付けを行った。その結果、同数の正解ラベルを使った教師あり学習に比べて、10%以上正解率が向上することが分かった。
これに加え、コンクリートへの音波の打ち込みによる音反射波による、異常検知の研究も手掛けた。この場合でもオートエンコーダを用いて、健全状態の反射波をオートエンコーダで学習させ、学習していない異常状態の場合はその反射波が再構成できない性質を利用して、ひび割れなどの空洞が発生しているかの判断を行った。その結果、ほぼ100%の精度で異常検知ができることが分かった。
|
