深層学習に基づく物体検出と生成モデルを用いた構造表面損傷の実時間検出技術の開発

野村泰稔; 重村知輝

文献

J-GLOBAL ID：201902241816531987 整理番号：19A0958896

深層学習に基づく物体検出と生成モデルを用いた構造表面損傷の実時間検出技術の開発

Development of Real-Time Screening System for Structural Surface Damage Using Object Detection and Generative Model Based on Deep Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=19A0958896&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=19A0958896&from=J-GLOBAL&jstjournalNo=F0385A") }}

著者 (2件)： ,
資料名：
巻： 68 号： 3 ページ： 250-257(J-STAGE) 発行年： 2019年
JST資料番号： F0385A ISSN： 0514-5163 CODEN： ZARYA 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：日本 (JPN) 言語：日本語 (JA)

最近,構造物の健全性を正確かつ確実に評価することは,供用寿命を増加させ,安全性を向上させるために,様々な分野で非常に重要になってきている。構造物の健全性の評価において,亀裂,剥離などの表面損傷を検出することは,構造の劣化と破壊を引き起こす主要な要因の1つであるので,特に重要である。本研究では,深層学習に基づく物体検出技術と生成モデルを用いて,構造表面損傷の実時間検出システムを開発した。物体検出の精度は,事前に学習データとして与えられる画像の質と量に大きく依存する。これらの画像は,道路管理会社等によっても維持されず,短い傾向がある。本研究では,深層生成モデルを用いて亀裂の画像を生成し,それらを物体検出技術に導入した。最後に,学習データとして生成画像を導入することにより,損傷の検出精度が改善されるかどうかを調べた。(翻訳著者抄録)

, , , , , , , ,
, , , ,

著者キーワード (1件)：

構造力学一般

引用文献 (13件)：

1) S. Nishimura, K. Hara, K. Kimoto and H. Matsuda, “The measurement and Draw damaged plans at Gunkan-Island by Using 3D laser scanner and Digital Camera”, Journal of Japan society of photogrammetry and remote sensing, Vol.51, No.1, pp.46-53, (2012).
2) S. Koyama, T. Maruya, K. Horiguchi and T. Sawa, “Digital image analysis of cracks on the concrete surface based on the Gabor wavelet transformation”, Journal of Japan society of civil engineers(E2), Vol.68, No.3, pp.178-194, (2012).
3) C. Szegedy, W. Liu, Y. Jia, P. Sermanet, S. Reed, D. Anguelov, D. Erhan, V. Vanhoucke and A. Rabinovich, “Going deeper with convolutions”, Proceedings of IEEE CVPR2015, (2015).
4) K. He, X. Zhang, S. Ren and J. Sun, “Spatial pyramid pooling in deep convolutional networks for visual recognition”, arXiv preprint arXiv:1406.4729v4, (2015).
5) S. Yokoyama and T. Matsumoto, ”Development of an automatic detector of surface damages in concrete using Deep Learning and the implementation of a web system”, Proc. of the 20^th Symposium on Applied Mechanics, pp.31-32, (2017).

, , , , ,

前のページに戻る