2023 Fiscal Year Annual Research 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 | 深層学習 / 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 / 地中レーダ |
|---|
| Outline of Annual Research Achievements |
最終年度は，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（検討項目1）と地中レーダの受信波形から中空床版のコンクリートかぶり厚不足領域を推定するシステムの開発（検討項目2）に取り組んできた．
検討項目1では，モノレール橋梁桁のひび割れ・腐食の進展評価のための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を検討した．画像レジストレーションとは，異なる2つの画像の画角を統一することである．結果として，画角レジストレーション方法として，Akaze，ImgSimおよび位相限定相関法を比較検討し，位相限定相関法の有用性を明らかにした．また，本項目において，腐食の進展について，これまで加色混合法を適用することで進展箇所を着色化・可視化してきたが，本年度は，その腐食の進展量を画像処理を用いて自動的にピクセルレベルでカウントする方法を開発し，桁の車両走行面・側面を撮影したパノラマ画像を腐食進展量で順位付けする方法を構築できた．またこれらと並行して，ひび割れおよび腐食の検出技術の選定を行った．具体的には，膨大な画像に対して高速な物体検出が可能なYOLO系システムを基本として，Version5と本研究実施時点で最新のVersion7，8を比較検討し，本研究の例において，YOLOv7が最も再現率・適合率が高いことを明らかにした．
一方，検討項目2では，中空床版に照射された地中レーダから，ボイドからの反射波形を画像化し物体検出技術YOLOv7で学習・検出することを試みた．結果として学習に成功し，ボイドのコンクリートかぶり厚を概ね正確かつ定量的に評価できることを明らかにした．今後，以上のシステムを実用化する予定である．
|
