畳み込みニューラルネットワークを用いた 腐食環境が異なる鋼材腐食部劣化度判定の試み
2020 年 1 巻 J1 号 p. 365-372
詳細
2020 年 1 巻 J1 号 p. 365-372
腐食部外観と劣化度の対応関係に未だ課題が残る鋼橋の腐食部に対し，腐食部の外観は曝される腐食環境により異なることから，腐食環境を変えた腐食促進試験を実施し，それらの促進試験により得られた試験体の腐食部画像を基にした機械学習による健全度判定を試みた．ここでは，得られた画像を試験体の腐食による質量増加量と紐づけた上で，機械学習のひとつである畳み込みニューラルネットワーク（CNN）により，腐食部画像の分類器を作成した．その結果，各環境で得られた腐食画像を基にしたCNN分類器では，教師データが異なるために他の環境の腐食劣化度判定の精度が低いことを明らかにした．よって，本研究の成果の限りでは，現状では橋梁毎に経時的な腐食画像を取得し，CNN分類器を作成して健全度判定を行うといったことが望ましいと考えられる
