2022 Fiscal Year Research-status Report
車載カメラ・地中レーダの画像分析と振動モニタリングに基づく構造損傷進展性評価技術
| Project/Area Number |
21K04240
|
|---|
| Research Institution | Ritsumeikan University |
|---|
Principal Investigator |
野村 泰稔 立命館大学, 理工学部, 教授 (20372667)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
日下 貴之 立命館大学, 理工学部, 教授 (10309099)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 物体検出 / 物体認識 / モルフォロジー処理 / 加色混合法 / ひび割れ / 腐食 / 進展評価 / データ同化 |
|---|
| Outline of Annual Research Achievements |
本年度は，数10kmにおよぶモノレール橋梁を対象に点検車載カメラから撮影された映像から，コンクリート桁のひび割れおよび鋼桁の腐食を検出するとともに，過年度データとの比較を通じて進展性を評価するシステムの開発に取り組んだ．そして，損傷の進展性を評価する上で重要となる画角の異なる画像間の差分評価を可能とする画像レジストレーションについて研究した．更に，地震応答のデータ同化に基づく構造同定技術の開発に取り組んだ．
モノレール橋梁のひび割れ検出および進展性評価システムでは，膨大な画像に対しても高速処理が可能な YOLO系システム を使用してひび割れを検出し，さらに，検出された領域に正しくひび割れが含まれているかを，畳み込みニューラルネットワークVGG16 を用いて精査することを試みた．そして，ひび割れとして精査された領域に対して，モルフォロジー処理を通じて，ひび割れ部を二値化することを試み，最終的に画素単位でひび割れを検出するシステムを構築した．一方，鋼桁の腐食検出および進展性評価では，ひび割れ検出システムと同様に，YOLO系システムを使用して腐食を検出することを試みた．そして，腐食が進展しているかどうか確認するために，加色混合法により検討した．結果として，腐食の検出欠落が限りなく0に近い精度を獲得することに成功し，腐食進展前画像をレッドスケール，腐食進展後画像をシアンスケールに変換し，両画像の輝度値を加算することで，腐食進展前後の変化領域が赤色で抽出されることを明らかにした．
地震応答のデータ同化に基づく構造同定技術に関する研究に対しては，数値実験および小規模模型実験を通じて，対象構造物への入力である地震動とその際の加速度応答が記録されていれば，融合粒子フィルタを用いることで，剛性や減衰といった構造パラメータを的確に同定できることを明らかにした．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
2022年度は，モノレール橋梁を対象として，点検車載カメラ映像からひび割れ・腐食を検出するとともに，過年度データとの比較を通じて進展している領域を可視化することに成功した．これらの一連の処理は半自動化されており，プラットフォーム化されている．ただし，現在，ひび割れ・腐食の検出技術に関して，様々な方法論が提案されている．今後，更なる検出精度を向上させるために，各種損傷検出技術の比較検討が必要と考える．加えて，本研究で行っている損傷の進展性評価に関しては，検出されたひび割れ・腐食の画像において，過年度間で，画角がある程度統一されていることが要求される．2022年度において，画像の画角を統一するための画像レジストレーション技術に関して，高精度なシステムを開発するまでには至らなかったことから，2023年度以降に取り組む必要がある．また，2022年度は，地中レーダの受信信号からの中空床版のかぶり厚不足領域の推定に関する研究に対して，地中レーダの受信信号を画像化し，画像異常検知を試みたものの，計算機環境により，正しい解を得られない場合があることが明らかになった．以上のことを総合的に判断して，やや遅れていると判断する．
|
| Strategy for Future Research Activity |
検討項目（1） 深層学習および画像処理に基づくレジストレーション技術の比較検討：2022年度に開発したシステムは，ひび割れ・腐食の進展性を評価する上で，過年度データ間で画像の画角が統一されている必要がある．モノレール等の鉄道橋の桁を点検対象とする場合は，車載カメラ映像の画角は統一されやすいものの，一般国道などを対象とした場合，画像画角の統一化技術は必須となると考えられる．本項目では，引き続き，これまでに提案されている画像処理に基づくレジストレーション技術を精査するとともに，医療分野で有用性が示されている深層学習に基づく画像レジストレーションを実装し，両手法の比較検討を行い，適切に画角統一ができる方法論を見出す予定である．また，ひび割れ・腐食の検出に関して，これまで様々な方法論が提案されている．今後も引き続き，各方法論を比較検討しながら，最適な方法論を調査する．
検討項目(2) 地中レーダの受信波形からの中空床版のかぶり厚不足領域の推定：本項目では，西日本高速道路エンジニアリング関西(株)が管理する最新および過年度の中空床版に対する地中レーダデータを用いて，かぶり厚が不足している箇所を抽出するだけでなく，地中レーダの受信波形を画像化し，かぶり厚の経時変化量をデジタル画像相関法から力学的かつ自動的に推定可能か調査する．そして，かぶり厚の薄い箇所に関して，舗装上面の健全性に問題がないか関連性を調査する予定である．
|
| Causes of Carryover |
本年度は，初年度に繰り越していた予算と2022年度の予算で，GPU搭載型深層学習専用PCを購入し，さらに学会参加費を計上した．研究成果を保存するNAS等は他の研究費で購入することができたことが，次年度使用額が生じた理由である．この次年度使用額は最終年度の研究成果報告のための論文投稿料などに充てる予定である．
|
