異常検知モデルを用いたコンクリート表面のひび割れ自動抽出
キーワード:
visual inspection,
anomaly detection,
deep convolutional neural network,
unsupervised learning,
small sample size problem
2024 年 5 巻 3 号 p. 382-393
詳細
2024 年 5 巻 3 号 p. 382-393
社会インフラの多くは老朽化を迎えており，既存の構造物の維持管理や長寿命化は社会的な課題である．既存の構造物を長期的に活用するために，AI による損傷評価の効率化が期待される．高性能な深層学習モ デルを構築するためには，膨大なデータの収集とクラスラベルを付与するアノテーションが必要であり， その効率化が課題である．本論文では，コンクリート構造物のひび割れ検出および領域分割の問題に， Ganomaly，PaDiM，PatchCore，FastFlow およびEfficientAD の 5 つの異常検知モデルを適用し，少量の正常データのみを用いてモデルを構築する方法を提案する．実験により，各モデルのひび割れ検出および領域分割への有効性を示す．また，異常検知モデルの限界と実用に向けた課題を明らかにし，対策を述べる．
