• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2022 年度 研究成果報告書

深層学習した打音検査によるコンクリート剥落リスクの高精度評価

研究課題

  • PDF
研究課題/領域番号 20H02234
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
研究機関九州大学

研究代表者

園田 佳巨  九州大学, 工学研究院, 教授 (40304737)

研究分担者 玉井 宏樹  九州大学, 工学研究院, 助教 (20509632)
別府 万寿博  防衛大学校(総合教育学群、人文社会科学群、応用科学群、電気情報学群及びシステム工学群), システム工学群, 教授 (90532797)
研究期間 (年度) 2020-04-01 – 2023-03-31
キーワード打音検査 / コンクリート構造物 / 劣化損傷(浮き・剥離) / 深層学習 / 畳み込みオートエンコーダー / 畳み込みニューラルネットワーク
研究成果の概要

本研究では、人工欠陥を有する供試体に打音試験を行い、音圧-時間データに時間周波数解析を行って得たスペクトログラムを用いてCAEとCNNの2つの手法で診断を行った。得られた知見を以下に示す。1)欠陥の有無は,CAEとCNNのどちらも100%近い高精度で把握できる。2)CAEの再構成ロス値と損傷度(欠陥範囲)には相関性が認められ,損傷度の予測が可能と考えられるが,欠陥位置が深くなるほど不鮮明となり精度低下は免れない。3)CNNはCAEより損傷度(範囲・深さ)の診断精度に優れるが,学習データの質(偏り)・範囲が精度に大きな影響を与えるため,予め学習データの適切性を吟味する必要がある。

自由記述の分野

Structural Engineering

研究成果の学術的意義や社会的意義

本研究ではCAEとCNNの2種類の手法で打音の時間周波数スペクトラムを用いた深層学習を行い,両者の診断精度について比較検討を行った。その結果を要約すると以下のようになる。
1)CAE, CNNどちらの手法も高精度でコンクリート内部の浮き・剥離の有無を把握できることが確認できた。2)CAEは欠陥の有無だけでなく損傷の程度も評価可能ではあるが,欠陥が深くなるにつれて精度が低下するだけでなく,周囲騒音の影響も受け易いことが認められた。
3)CNNは適切な学習データを収集・学習させることで,CAEより精度が高い損傷程度の評価が可能であるだけでなく,周囲騒音の影響も受けにくいことが認められた。

URL: 

公開日: 2024-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi