2022 Fiscal Year Annual Research Report
anomaly detection of bridge by use of image devices
| Project/Area Number |
21K20448
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
河邊 大剛 京都大学, 地球環境学堂, 研究員 (30907522)
|
|---|
| Project Period (FY) |
2021-08-30 – 2023-03-31
|
| Keywords | 構造ヘルスモニタリング / 維持管理 / 画像処理 / 異常検知 / 振動 / 柱状構造物 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は，撮像装置によって取得された構造物の動画データを振動情報に変換し，振動特性の変化から構造物の異常を検知することである．それにより，経済的恩恵が大きい異常検知手法を構築する．そのために，動画の画角内から対象となる構造物を抽出し，振動情報に変換する手法の構築と異常検知について検討を行った．採用初年度は室内実験施設に設置した実物大の柱状構造物を用いて，動画計測と手法の適用による固有振動数推定を行った．その結果，推定精度に課題が残った．
採用最終年は主に動画内の物体追跡の高精度化と背景除去によるノイズ低減を中心に検討を行い，推定精度の向上を実現させた．まず物体追跡については，コーナー検出法によって取得された対象物の複数の特徴点を，オプティカルフローの一種であるKLT (Kanade-Lucas-Tomasi) Trackerを用いることで概ね正確な物体の動きが変位波形として得られた．本波形を用いて損傷導入前後の固有振動数推定値の変化を検証した結果，加速度センサで計測された固有振動数の変化と同等の変化が確認できた．しかしながら，構造物基部等の振幅が小さい箇所では依然推定精度に課題が残った．そのため損傷位置の特定に有利な構造物のモード形状の再現までは実現できなかった．
また背景除去によるノイズの低減を検討した．一般的な手法を複数適用し，その利用可能性を検証した結果，CNNを応用した反復セグメンテーションが背景除去の精度が高いことがわかった．しかしながらフレームによって対象物として認識されない場合もあり，欠損値の処理等の追加の工程が必要なことがわかった．実験室の背景情報が複雑だったため，推定精度の向上が達成されず，背景除去手法の適用範囲に課題が残った．
以上の検討により，当初計画されていた手法の実践的な適用範囲は限られるものの，その全体構成は概ね達成されたと考えている．
|
