ドメイン適応を用いた構造物の損傷推定における汎用性に関する研究（木材試験体を用いた検討）

抄録

近年，深層学習を用いた非破壊評価技術が注目されており，畳み込みニューラルネットワーク（CNN）による構造物の劣化推論手法が提案されている．しかし，学習データと異なる分布のテストデータに対しては精度が低下する課題がある．本研究は，木材を対象とし，それを削孔して擬似的な損傷状態を再現する．そしてその損傷度を 3 段階に区分して CNN により分類するモデルを構築する．さらに，同じ種類の木材だけでなく，異なる種類の木材に対しても高い精度で分類できる汎用性の高いモデルの構築を目的として，DANN によるドメイン適応手法を提案しその有効性を検証した．その結果，ターゲットデータの一部を学習に用いた半教師あり学習により，高い分類精度が示された．