|
本研究課題における一昨年度および昨年度の研究では、スランプフローの小さな領域において、高流動コンクリートの「鉄筋間通過を伴う充填性」に対して細骨材が大きな影響を及ぼすことを明らかにした。また、このことは、通常のコンクリートに対しても同様に当てはまるものと考えられる。一方、レディーミクストコンクリート工場では、時として、コンクリートの製造に供給される骨材の粒度分布に大きな日内変動が生じることが報告されている。このような骨材粒度の変動に対応して、安定した鉄筋間通過性やワーカビリティーを有するコンクリートを製造するためには、本来であれば、リアルタイムで骨材粒度を把握してそれを調合に適宜反映する仕組みが必要となる。このような背景から、本年度の研究では、Google Auto ML Visionを利用し、細骨材および粗骨材の撮影画像を基に機械学習により粗粒率を判定するAIモデルの可能性について検討した。そして、学習時と同じ骨材、および種類の異なる骨材を対象としてAIによる粗粒率判定を行い、その精度を検証した。その結果、以下の結果が得られた。
（1）構築した機械学習モデルは、モデル構築用と同一の骨材に対し、粗骨材では80%以上、細骨材では約70%の確率で正しい粗粒率を判定した。また、細・粗骨材ともに、約90%の確率で誤差0.1の範囲の粗粒率を回答した。
（2）構築した学習モデルは、モデル構築用と粒度分布の異なる異種の細骨材に対しては、粗粒率を正しく判定することができなかった。この点に関しては、今後、より広範な骨材を用いた機械学習モデルの構築が必要と考えられる。
|
