転移学習を用いた土の含水比評価における事前学習済みモデルの精度比較

抄録

盛土などの土構造物の品質管理において，土の含水調整は重要である．しかし，含水調整は現場技術者の感覚に委ねられているのが現状であり，代替となる技術の開発が求められる．本研究では転移学習に着目し，土の含水比予測における機械学習手法の提案を目的とする．種々の含水比を有する砂質土試料のRGB画像を教師データとし，AlexNet，GoogLeNet，VGG19の3つの事前学習済みモデルを用いて学習させ，精度比較を行った．また，それぞれのモデルに対するデータ拡張の有効性についても検証した．事前学習済みモデルの違いによらず広範な粒度分布を有する土の方が，含水比の予測が比較的に容易である可能性が示唆された．また，土の種類によって適切な事前学習済みモデルの選定が必要であり，データ拡張の有効性も異なることが明らかとなった．