コンクリート表面のひび割れ自動検知における学習データ選定戦略の検証
キーワード:
infrastructure maintenance,
concrete crack detection,
deep learning,
generalization performance,
training data selection
2026 年 7 巻 2 号 p. 246-253
詳細
2026 年 7 巻 2 号 p. 246-253
深層学習を用いたコンクリートのひび割れ検知において，未知の橋梁に対する汎化性能の低下（ドメインシフト）が実用上の課題となっている．本研究では，ロバストな学習データ選定戦略として，推論対象と類似したテクスチャの画像を優先する「特化型抽出」と，特徴量のクラスタリングにより多様性を網羅する「均等抽出」を比較検証した．実橋梁データによる交差検証の結果，特化型抽出は特定の背景特徴に過剰適合し，未検出や過検出を引き起こす要因となることが判明した．これに対して均等抽出は，多様な背景パターンの学習により特定のテクスチャへの依存を防ぎ，未知の橋梁に対しても未検出を抑制して汎化性能を維持できることを実証した．本成果は，インフラ点検AIの信頼性を担保する学習データセット構築の有用な指針となる．
