2024 年 15 巻 1 号 p. 1-7
局所排気装置 （ ドラフトチャンバー 、 Fume Hood 、 以下 FH） は 、 実験研究現場で化学物質のばく露防止装置として用いられ 、 その性能は法定点検で定期的に確認される 。 一方で 、 FH がばく露防止装置としての機能を果たすためには 、 適切な使い方が必要不可欠であるにもかかわらず 、 使い方についてはガイドライン等の一般的な注意喚起にとどまっており 、 使用状況を評価する手法が存在しないのが現状である 。 そこで本研究では 、 専門家が FH の写真を見て判定した FH の使用状況の良し悪しの評価を深層学習させ 、 FH の写真から使用状況の良し悪しを再現するモデルを構築した 。 その結果 、 畳み込みニューラルネットワークを用いた学習モデルは 93％ の正解率で FH の状態を判定し 、 機械的評価は専門家評価を数値的に再現することが示された 。 また 、 数値評価が写真の何を根拠に算出されるのかについて写真内への可視化を試みたところ 、 全てのFH で必ず判断根拠になる特定のエリアはなく 、 FH によって判断根拠となるエリアに特徴のあることが明らかとなった 。 モデルが抽出した判断根拠のエリアと現場で用いられるチェック項目が類似していることから 、この専門家の評価の判断根拠がガイドラインに準拠していることが示唆されたと考えられる。 本研究で着目した客観的な状態評価は 、 主観や思い込みを排除した自律的な安全管理を支援するツールとしての展開が期待される 。
Local exhaust ventilators (FHs) are used as exposure control devices for chemical substances in experimental laboratories, and their performance is regularly checked through statutory inspections. Despite the necessity for daily appropriate use of FHs as exposure control devices, current guidance is limited to general warnings with no existing method to evaluate their usage effectiveness. Therefore, in this study, a model was constructed to replicate the evaluation the good or bad usage of FHs from their photos by training a deep learning model based on expert assessments of FH usage using photos. The results showed that the convolutional neural network model judged the FHs condition with an accuracy of 93%, and the mechanical evaluation reproduced the expert's evaluation numerically. The model also visualized the basis on which the numerical evaluation was calculated from the photos, and it became clear that there is no specific area that consistently serves as the basis of judgment for all FHs, and that there are characteristics in the area of judgment basis for each FH. The similarity between the areas used for judgment extracted by the model and the check items used in actual research fields suggests that the basis for judgment of this expert’s evaluation complies with the guidelines. The objective condition evaluation focused on in this study is expected to be developed as a tool to support autonomous safety management that eliminates subjectivity and assumptions.
本研究は JSPS 科研費 JP21K18491 の助成を受けたものであり 、 謝意を表する 。
