2023 Fiscal Year Annual Research Report
A New AI Method for Bridge Inspection and Diagnosis that Combines CNN with Highly Accurate Damage Detection and Expertises
| Project/Area Number |
21H01417
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
全 邦釘 東京大学, 大学院工学系研究科(工学部), 特任准教授 (60605955)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
宮本 崇 山梨大学, 大学院総合研究部, 准教授 (30637989)
浅本 晋吾 埼玉大学, 理工学研究科, 准教授 (50436333)
党 紀 埼玉大学, 理工学研究科, 准教授 (60623535)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 橋梁点検診断 / 維持管理 / Image captioning / VQA / 画像処理 / 損傷検知 / SfM / 人工知能 |
|---|
| Outline of Annual Research Achievements |
インフラはその構造や環境条件がインフラごとに大きく異なるという特徴があるため、ある特定のインフラの画像データを用いて学習したAIモデルを、他のインフラに適用する際には、画像の性質の違いによる精度の低下が頻繁に発生するという課題がある．本年度は，その課題に対して，ベイズニューラルネットワークによるドメイン適応手法を開発し，環境が異なっても適用可能な損傷検出手法を確立した．特に，ベイズニューラルネットワークによる厳密な不確実性評価と，損傷に関する新たなドメイン非依存の事前知識であるSpatial Priors of Cracks，およびStable Diffusionを用いたFew-Shot画像生成手法を組み合わせた，新たなSelf-Trainingフレームワークの提示により，未知の新規環境での解析でも大幅な精度向上を得た．この成果については，現在，Computer-Aided Civil and Infrastructure Engineeringに投稿中である．損傷の言語化については，昨年度はImage Captioning手法を用いて，例えば「鋼桁の腐食があったが，これは近傍の排水管腐食による漏水が原因である」，といったような専門知との連携も可能とした．これに加えて，Visual Question Answering手法により，画像に対する対話的な調査も可能とした．これにより，AIが自動で診断を行うためのフレームワークを構築することができた．本項目の成果については，Structure and Infrastructure EngineeringにAcceptされている．これらの結果と，昨年度までに構築した３次元復元手法により，橋梁全自動点検診断のための基盤技術を構築することができた．
|
| Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
