2022 Fiscal Year Annual Research Report
深層学習を活用した低廉迅速かつ大量高頻度なデータ蓄積による道路損傷箇所の将来予測
| Project/Area Number |
20K14799
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
前田 紘弥 東京大学, 生産技術研究所, 特任研究員 (90853200)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 舗装点検 / AI / インフラメンテナンス / 土木 |
|---|
| Outline of Annual Research Achievements |
2022年度には、「道路損傷検出モデルの高度化・高精度化」について、引き続き取り組みをけ進めた。大きく２つの研究の進展があった。一つは「わだちぼれ」と呼ばれる舗装の縦断方向に発生する凹凸を画像処理を用いて検出できるよう研究を進め、国際カンファレンスのワークショップにて論文発表を行った。もう一つは、クラウドソーシングを用いて、道路管理者以外の一般車両等を用いてグローバルな道路損傷データを収集する取り組みを行い、収集したデータを元にして国際カンファレンスにてデータチャレンジを開催し、合わせて論文発表を行なった。
研究期間を通じて、敵対的生成モデルを用いて擬似的に道路損傷画像を生成し、損傷のない道路画像に埋め込むことで、損傷を含む教師画像を擬似的に生成する手法を開発した。本手法により最も重要な道路路面損傷の一つであるポットホールの検出精度を3%向上できることを示し、土木情報学のトップジャーナルに採択された。また、これまでに申請者らが公開していた世界初の大規模道路損傷データセットを更新する形で、新たに収集した損傷画像に関するデータセットを公開した。さらに、日本、インド、チェコの 3 カ国でグローバルなデータセット26,620 枚を構築し、他国のデータと合わせてモデルを学習することで汎化性能が向上することを示した。データ数の増加とアノテーションの見直しによりそれぞれの損傷カテゴリにおいて検出精度が向上した。さらに、画像データのみならず、車載スマートフォンの加速度センサーのデータを収集できるようなソフトウェアを開発し、複数の自治体においてデータの新規収集を開始した。
|
