| 研究実績の概要 |
現在，コンクリートを用いた橋梁やトンネル，ビルディングなどの老朽化が進んでおり，その検査（打音検査）が急務となっている．一方，熟練検査者の高齢化が進んでおり，その数は減少している．このため，打音検査をサポートする高精度打音検査装置の開発が望まれている．
本研究の目的は，大脳のモデル（ニューラルネットワーク）の1つである自己組織化マップ（SOM: Self Organizing Map）を用いて，コンクリート打音検査装置の基礎技術を確立することである．
この目的を達成するために本研究では，株式会社佐藤工業の協力のもとに打音検査装置のプロトタイプ開発とその評価を行った．具体的には，コンクリート打音試験体から10,000以上の打音データを取得し，これを用いてSOMの学習を行った．これより，コンクリート内部の欠陥のサイズと深さの分布を視覚的に表示する2次元マップが生成できた．学習後，このマップに未知の被検査対象（実コンクリート構造体）の打音を入力することにより，その内部の欠陥のサイズと深さを推定することができる．本研究期間内にSOMのアルゴリズム改良を行い，試験体において90%以上，また，実構造物でもほぼ正しく欠陥を推定することができた．
一方，SOMの学習には，多数の打音データ（ベクトルデータ）の繰り返し計算が必要となり，膨大な計算量が発生する．このため，専用ハードウェアが必要とされる．本研究では，FPGA（書き換え可能な集積回路）を用いて，SOMの専用ハードウェアの開発も行った．その結果，CPUによる計算時間（ソフトウェアによる計算時間）を1/40以下に短縮することができた．さらに，SOM専用ハードウェアは高いフォールトトレランス性能を有することが分かった．これは，SOMを含めた人工知能用大型集積回路を実現する可能性を示すものと考えられる．
|
