| 研究課題/領域番号 |
21H01417
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分22020:構造工学および地震工学関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
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)
|
|---|
| 研究分担者 |
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)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
17,420千円 (直接経費: 13,400千円、間接経費: 4,020千円)
2023年度: 4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
2022年度: 5,720千円 (直接経費: 4,400千円、間接経費: 1,320千円)
2021年度: 6,890千円 (直接経費: 5,300千円、間接経費: 1,590千円)
|
|---|
| キーワード | 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 / CNN / AI / Deep learning / 橋梁点検 |
|---|
| 研究開始時の研究の概要 |
橋梁点検診断の効率化および高精度化のため，CNNにより橋梁撮影画像を解析し，損傷を自動で評価する手法の実現が期待されている．本研究ではまず，構造・環境条件が多様であるため撮影画像の性質が統一されないという課題に対応できるCNN構造を開発し，損傷検出の精度を向上させる．次いで，その結果を言語化して専門知モデルと連携させ，損傷発生要因の解明や深刻度評価を行う手法を構築する．
本研究は，橋梁点検診断AIの実現における重要課題である，多様な環境への対応と専門知との連携を一気通貫させ取り組むものである．また，橋梁全自動点検診断への道筋を拓くものとしても位置づけられ，維持管理サイクルの枠組みを大きく変える．
|
| 研究実績の概要 |
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．
|
| 現在までの達成度 (段落) |
令和5年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和5年度が最終年度であるため、記入しない。
|
