橋梁定期点検における部材損傷度判定への深層学習の適用に関する検討

  • 鈴木 達也
    横浜国立大学大学院 都市イノベーション学府
  • 西尾 真由子
    横浜国立大学 大学院都市イノベーション研究院 現 筑波大学 システム情報系構造エネルギー工学域

書誌事項

タイトル別名
  • APPLICATION OF DEEP LEARNING TO DAMAGE LEVEL DETERMINATION OF STRUCTURAL MEMBERS IN THE BRIDGE INSPECTION

抄録

<p> 橋梁定期点検体制では,全国70万の橋梁で技術者が近接目視で部材毎に損傷度を判定することがもとめられている.より持続可能な点検体制にむけて,本研究では部材画像から深層学習で損傷度判定を行うことを考える.自治体橋梁の定期点検画像データを用いて,主桁,床版,支承を対象に損傷度を判定する畳み込みニューラルネットワーク(CNN)を構築した.主桁75%,床版70%,支承で85%の認識精度をもつ2分類CNNを構築できたが,分類数や学習データ構成がCNNの性能に影響を与えることもわかった.さらに,部材損傷度判定を実際に行う技術者からのCNN判定結果の受容度を検証するためアンケート調査を実施した.CNNの判定は「正しそう」との受容を十分に得られなかったが,実務における技術者の判断根拠など,有用なフィードバックが得られた.</p>

収録刊行物

参考文献 (3)*注記

もっと見る

詳細情報

問題の指摘

ページトップへ