ディープニューラルネットワークを用いたコンクリート橋の変状検出とトレーニングデータ数の関係

抄録

近年，コンクリート橋の老朽化に伴い，安全管理とコスト削減の両立が求められており，機械学習の1つであるディープニューラルネットワーク（DNN）を適用することが，点検効率化を実現する有効な手法として期待されている．本研究では，機械学習として DNN を適用したコンクリート橋の変状検出器となる学習モデル構築を行った．学習モデルの構築には，先行研究で整備した各地区のトレーニングデータを2地区または3地区統合することにより拡充をした．2地区統合学習モデルおよび3地区統合学習モデルを構築することにより，コンクリート部材における変状検出精度の向上の可能性を調べた．その結果，トレーニングデータの拡充を行うことにより，2地区統合学習モデルでは1地区学習モデルと比較して約2倍のデータ増加により2%〜7%の分類精度の向上が見られ，3地区統合学習モデルでは，1地区学習モデルと比較して約3倍のデータ増加により6%〜12%の分類精度の向上が見られた．