複数のマルチモーダルモデルを用いた河川利用調査の自動化と精度向上に関する検討

抄録

目視による河川の利用実態調査は，労力がかかるため期間を限定して計数が行われる．一方で河川や道路などではネットワークカメラが普及し，AI の進歩からリアルタイムに常時監視が可能な環境が整いつつある．リアルタイムに運用可能な物体検出モデルとVLM を用いた河川利用調査手法を提案した．本検討ではローカル環境で実行可能なVLM を対象として，OCR, 属性分類, 行動分析についても9 種類のVLM による推論を行い，VLM 毎に適正があり目的別にVLM を使い分ける事で，精度と推論速度を高めることが可能であることを確認した．パラソルの開閉やピックルボールのネットの設置状況といった物体の状態の判断も可能である事を確認した．省電力のGPU(Nvidia GB10)を用いた場合でも21 日分の解析を1 時間程度で実行できる事を確認した．