| 研究課題/領域番号 |
17K18897
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
土木工学およびその関連分野
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
安永 守利 筑波大学, システム情報系, 教授 (80272178)
|
|---|
| 研究期間 (年度) |
2017-06-30 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
5,850千円 (直接経費: 4,500千円、間接経費: 1,350千円)
2019年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2018年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2017年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
|
|---|
| キーワード | 自己組織化マップ / 大脳視覚野 / トンネル / 切羽 / コンクリート / 打音検査 / パターン認識 |
|---|
| 研究成果の概要 |
大脳の視覚野をモデルとした人工知能である自己組織化マップ（SOM:Self-Organizing Map）をトンネルの切羽（掘削途中の断面）の判定やコンクリート打音検査に適用し，SOMが今後の情報土木建築（I-Construction）における解析・認識技術に有効であることを示した．
一方SOMは計算量が多いため，ソフトウェアだけでは学習に時間がかかるという問題を有する．さらに本研究では，この問題を解決するためにSOMの専用のハードウェアシステムを提案した．そして，ハードウェアシステムの試作により，ソフトウェアに比べて数倍～40倍の高速化が可能であることを示した．
|
| 研究成果の学術的意義や社会的意義 |
トンネルやダム，橋梁などの社会インフラは，その老朽化が急速に進んでいる．一方で，熟練の検査者は減少しており，今後は人工知能をこれらの検査・解析に応用することが望まれている．本研究では，大脳の視覚野をモデルとした人工知能である自己組織化マップをこれら社会インフラの検査・解析に適用した．自己組織化マップは，“学習結果の可視化”というディープラーニング等の人工知能技術にはない特徴を有する．本研究では，この特徴が検査者をアシストする新たな検査システム開発に有効であることを示した．さらに，本システムを専用ハードウェア化することで，大規模な自己組織化マップを高速に実行できることを試作・評価により示した．
|
