ディープニューラルネットワークを用いた福島県における橋梁の鋼材部分の変状検出

抄録

近年，老朽化した橋梁の増加が見込まれている．一方で，橋梁を点検可能な人材は減少傾向にあるため，橋梁点検の省力化および省人化が求められている．このことから，本研究は福島県による橋梁点検結果からトレーニングデータを整備し，複数のディープニューラルネットワークを用いて，橋梁鋼材の変状検出を行う学習モデルを構築し，汎化性能を比較した．その結果，本研究の検討範囲においては，腐食クラスはAlexNet，塗膜変状クラスはMobileNetV2，判定対象外クラスはResNet18の分類正解率が最も高かった．また，複数のネットワークアーキテクチャにおいて，腐食および塗膜変状クラスが分類正解率とトレーニングデータ数に正の相関が見られた．当該クラスでは，トレーニングデータ数の分類正解率への寄与が高いと考えられた．