複数の CNN モデルによる転移学習を用いた実橋に曝露した普通鋼材の平均腐食深さ分類

抄録

鋼橋などインフラ老朽化対策において，普通鋼材の腐食評価は重要な課題である．画像から腐食度合い を迅速に判定できる技術は，維持管理の効率化やコスト削減に貢献できる．本研究では，鋼材腐食画像から平均腐食深さを分類するため，複数の代表的な CNN モデル（VGG19, ResNet50, InceptionV3, EfficientNetB3）を用いた転移学習を適用し，その有効性を比較検証する．実橋で曝露した鋼材のデータセットを用いた結果，特に InceptionV3 が良好な性能を示し，腐食度合いを 4 段階に分類するタスクで Accuracy 86.67 %を達成した．モデル間で性能差が見られ，初期腐食の識別には課題が残るものの，進行した腐食は高精度で分類可能であることが示された．本成果は，画像解析による自動腐食度評価システムの実現に向けた基礎データとなる．