文献

J-GLOBAL ID：202102224857552937   整理番号：21A0425482

ディジタル画像の機械学習を用いた鋼矢板護岸における板厚評価

Evaluation of Thickness on Steel Sheet Pile Structure using Machine Learning of Digital Images

著者 (3件)： 島本由麻 (北里大) ,  萩原大生 (新潟大 大学院) ,  鈴木哲也 (新潟大)
資料名： 信頼性シンポジウム講演論文集
巻： 32nd (Web)  ページ： 45-48 (WEB ONLY)  発行年： 2020年 
JST資料番号： L2375A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・鋼矢板水路では,鋼矢板表面の目視調査を前提とし,100m程度の距離をおいて鋼矢板の残存板厚を測定。
・本報では,ドローンによって空撮したデジタル画像と板厚の関係を機械学習させ,効率的な板厚の評価を試行。
・検討の結果,ランダムフォレストを用いて板厚を評価できることを確認。

シソーラス用語： 水路 ,  *鋼矢板 ,  *板厚 ,  ディジタル画像 ,  画像 ,  無人機 ,  計算機アルゴリズム
準シソーラス用語： ドローン ,  ランダムフォレスト ,  空撮画像 ,  鋼矢板水路

分類 (1件)： 河川工事  (RC12030X)

引用文献 (5件)：

• T. Suzuki et al., ”Development of Steel Sheet Pile Recycling Method Contributing to Effective Utilization of Local Assets”, Water, Land and Environmental Engineering, Japan, Vol.80, No.10, pp.21-24 (2012).
• T. Suzuki et al., ”Detection and Evaluation of Corroded Conditions in Steel Sheet Pile Using Infrared Images with UAV”, Water, Land and Environmental Engineering, Japan, Vol.87, No.8, pp.25-28 (2019).
• M. Beyeler, ”Machine Learning for OpenCV: Intelligent image processing with Python”, Packt Publishing, pp.362-394 (2018).
• M. Iiyama, ”Practical Statistical Tests and Machine Learning-IV: Pattern Recognition with Random Forests”, Systems/Control/Information, Japan, Vol.59, No.2, pp.71-76 (2015).
• T. Sakagami, ”Non-destructive testing with infrared thermography”, Journal of the JIME, Vol.41, No.5, pp.34-41 (2006).

タイトルに関連する用語 (4件)： ディジタル画像 ,  機械学習 ,  板厚 ,  評価