コンクリ表面の品質、タブレットでピタリと分かる情報化施工(5/5 ページ)

» 2017年03月07日 06時00分 公開
[畑陽一郎BUILT]
前のページへ 1|2|3|4|5       

ディープラーニングが成果を生む

 評価を下す技術者の経験や知識には依存しなくなったものの、カメラの性能や撮影状況の違いを吸収しにくく、あいまいな状況に評価を下すことができなかったということだ。

 転機は2016年に訪れた。「2016年秋にディープラーニング技術を取り入れた後は、コンクリート診断士の点数と自動評価の結果がよくマッチするようになった(図9)」(科学情報システムズ ソリューション本部ソリューションシステム部で部長を務める武田祐二氏)。

 当初、気泡だと誤認識していたPコン穴も自動判定できるようになったという*4)

*4) 多数の表面画像を撮影、評価する際には作業手順に注意が必要なのだという。「ディープラーニングで学習させる段階では、撮影画像だけを集めて、後ほど一括評価することは難しい。自ら撮影してその場で評価する必要がある。なぜなら、気泡の実際のサイズを確認できるのは、現場だけだからだ。写真から気泡サイズを把握することは困難だ」(佐原氏)。

図9 学習フェーズと評価フェーズに分かれたディープラーニング技術 図右上のように多数の評価結果に対してコンクリート診断士が正解を与えていくことで学習モデルが更新。評価データを与えた場合に正しい評価を下せるように変化していく(クリックで拡大) 出典:日本国土開発

 武田氏によれば、ディープラーニング技術を今回のような用途に使った例はほぼないのだという。「動物の写真を自動判定するような課題では、個人でも写真データさえあれば、学習を重ねて正確な判定ができるようにできる。今回の開発ではコンクリート診断士の判断が必要であり、これが一般のディープラーニングとの大きな違いだ」(同氏)。コンクリート診断士の地位を低下させるものではなく、持てる力を最大限に発揮させる技術だといえるだろう。

表面のさまざまな不具合を検出、CIMとの連携へ

 コンクリート表層品質評価システムには、発展の余地が大きい。現段階ではコンクリート表面の気泡のみを対象としている。今後は沈みひび割れや打ち重ね線、型枠継ぎ目の砂すじ、面的な砂すじについても評価システムを順次開発していく。

 CIM(Construction Information Modeling)との連携や、自動施工のための制御処理にも生かしたいとした(図10)。

図10 今後の開発方針 出典:日本国土開発
前のページへ 1|2|3|4|5       

Copyright © ITmedia, Inc. All Rights Reserved.