埋め込みベースモデルを用いたレーザー超音波可視化検査のための異常検知および位置推定

抄録

構造物の老朽化に伴い，レーザー超音波可視化検査（LUVT） を用いた機械学習による自動検査が注目されているが，異常データの不足が課題である．本研究では，正常データのみを用いた教師なし学習アプローチを採用し，埋め込みベースモデルによる異常検知と位置推定を実装した．LUVT動画99本（正常40本，異常59本）を用いた評価において，SPADEおよびPatchCoreは動画単位の異常検知でROC-AUC 1.0000を達成した．さらに，アプローチの異なる3モデルを統合するアンサンブル手法を提案し，許容誤差20 mmにおいて位置推定成功率0.81を達成した．本手法により，単一モデルで生じる大きな誤推定を抑制し，不均質なコンクリートにおける位置推定の安定化に寄与することを示した．