| 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
|
| キーワード | 橋梁点検診断 / 損傷検知 / CNN / Deep learning / 維持管理 / Image captioning / VQA / 画像処理 |
|---|
| 研究成果の概要 |
本研究は橋梁点検診断の高精度AI手法の開発を目的としている．橋梁の老朽化が進む中，技術者不足が課題である．CNNを用いた損傷自動検出と，専門知識を結びつけた損傷要因解明や評価を行うAIを目指している．Self-Trainingアプローチとベイズニューラルネットワークを組み合わせたドメイン適応型CNNモデルにより，高精度な損傷検出を実現した．さらに，Image Captioningモデルを開発し，損傷状況を説明する文章を生成手法の構築も実現し，大変高精度な説明文を出力できるようになった．本研究は，橋梁点検診断の自動化と効率化を実現し，今後の維持管理業務の効率化につながるものである．
|
| 自由記述の分野 |
維持管理工学
|
| 研究成果の学術的意義や社会的意義 |
本研究の学術的意義は，自己訓練アプローチとベイズニューラルネットワークを組み合わせたドメイン適応型CNNモデルを開発し，異なる環境に対応可能な高精度な橋梁損傷検出手法を実現した点にある．これにより，従来の学習データとの乖離を克服し，検出精度を大幅に向上させた．
社会的意義としては，技術者不足の課題に対処しつつ，非技術者にも理解しやすい損傷説明文を生成するImage Captioningモデルを開発した点が挙げられる．これにより，維持管理業務の効率化が図られ，インフラの安全性向上に寄与する．本研究は，橋梁点検診断の自動化と効率化を促進し，将来的なインフラ維持管理の革新に繋がるものである．
|
