文献

J-GLOBAL ID：202202273181991018   整理番号：22A1215569

深層畳み込みニューラルネットワークを用いた自律型路面損傷検査プログラムの開発

DEVELOPMENT OF AN AUTONOMOUS ROAD SURFACE DAMAGE INSPECTION PROGRAM USING DEEP CONVOLUTIONAL NEURAL NETWORK

著者 (4件)： THUYET Dang Quoc (Institute of Research and Development, Taisei Rotec Corporation) ,  JOMOTO Masakazu (Institute of Research and Development, Taisei Rotec Corporation) ,  HIRAKAWA Kazunari (Institute of Research and Development, Taisei Rotec Corporation) ,  Yin Lei LEI SWE (Institute of Research and Development, Taisei Rotec Corporation)
資料名： Journal of JSCE (Web)  (Journal of JSCE (Web))
巻： 10  号： 1  ページ： 235-246(J-STAGE)  発行年： 2022年 
JST資料番号： U0065B  ISSN： 2187-5103  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： 英語 (EN)

抄録/ポイント： 本研究では,路面性状計測車で取得したレーザークラック計測システム(LCMS)画像を用いた,路面検査のための自律プログラムの開発と使用について提示した。本プログラムは自動的に,道路車線のラインマークを検出し解析箇所のグリッドメッシュを作成する。2本の車線に挟まれた解析領域の検出には,ロバストな色空間変換とHough変換のアルゴリズムを適用している。このプログラムは,深層畳み込みニューラルネットワーク(CNN)を用いて,高解像度の路面画像から亀裂,非亀裂,パッチ部分を自動的に検出する。画像分類のためのCNNモデル訓練に際しては,転移学習と微調整パラメータを採用した。3つのクラスを分類した場合のモデル精度は97.9%であった。また,各クラスで,クラック,非クラック,パッチの精度は,それぞれ99.7%,97.9%,95.5%であった。本研究は,移転学習応用の新規性と,路面画像検査のためのCNNモデル訓練におけるデータ準備の重要性を明らかにした。本プログラムは,画像の取り込み,解析領域の検出,解析の可視化,クラックとパッチ部分の要約などを自動化したものである。これは道路点検の効率を大幅に向上させるものである。クラック率20%の1kmの路面画像において,専門技術者の検査時間と比較すると,車線ライン検出とマーキンググリッドメッシュで98%,道路損傷判定で82%の検査時間を短縮した。1kmの道路の総点検時間は50%短縮された。本研究は,道路検査におけるAIの応用の可能性を開くものである。(翻訳著者抄録)

シソーラス用語： ニューラルネットワーク ,  損傷 ,  *亀裂 ,  *画像分析 ,  人工知能 ,  自動化 ,  *路面
準シソーラス用語： AI【人工知能】 ,  深層畳込みニューラルネットワーク ,  *路面性状調査

著者キーワード (6件)： 道路表面検査 ,  車線ライン ,  CNN ,  亀裂 ,  亀裂比 ,  パッチ

分類 (2件)： 舗装一般  (RC04010K) ,  図形・画像処理一般  (JE04010I)

引用文献 (37件)：

• 1) Maeda, H., Sekimoto, Y., Seto, T., Kashiyama, T. and Omata, H. : Road damage detection and classification using deep neural networks with smartphone images, Comput. Civ. Infrastruct. Eng., Vol. 36, pp. 47-60, 2018.
• 2) MLIT. Ministry of Land, Infrastructure, Transport and Tourism, White Paper on Land, Infrastructure, Transport and Tourism in Japan, 2020 (in Japanese).
• 3) MLIT. Ministry of Land, Infrastructure, Transport and Tourism, Efficiency of infrastructure maintenance and management utilizing new technology and data and its horizontal development, 2018 (in Japanese).
• 4) Laurent, J., Hébert, J. F., Lefebvre, D. and Savard, Y. : Using 3D laser profiling sensors for the automated measurement of road surface conditions, 7th RILEM International Conference on Cracking in Pavements, eds. Scarpas, A., Kringos, N., Al-Qadi, I. and A., L., pp. 157-167, Springer Netherlands, 2012. doi:10.1007/978-94-007-4566-7_16.
• 5) Koch, C., Georgieva, K., Kasireddy, V., Akinci, B. and Fieguth, P. : A review on computer vision based defect detection and condition assessment of concrete and asphalt civil infrastructure, Adv. Eng. Informatics, Vol. 29, pp. 196-210, 2015.

タイトルに関連する用語 (6件)： 深層畳み込みニューラルネットワーク ,  自律 ,  路面 ,  損傷 ,  検査 ,  開発