Discovery Sagaサイレントキーワード俯瞰

ディープラーニング / ひび割れ検出 / コンクリート / 維持管理 / 画像処理

本研究は，近年注目されている人工知能技術であるディープラーニングにより，コンクリートの表面を撮影した画像からひび割れを自動検出し，そしてそのひび割れが構造物に与える影響について評価することを目的とした．
その中で，ディープラーニングに，同じく機械学習手法の一つであるRandom Forestを組み合わせて用いると精度の良い検出結果が得られることが明らかとなった．本手法は，特徴量を自動で計算するディープラーニングをベースとしているため，従来の同種研究で課題であった汚れや遊離石灰などの存在に対しても影響をほとんど受けない．さらに，誤認識の決定的な要因であった打ち継ぎ目などについても，打ち継ぎ目とひび割れの特徴を自動的に導出することで，見分けがつき，誤認識率が大幅に低下した．
Random Forestについても単純に用いるのではなく，画素単位の検出を目的としたRandom Forest，画素単位の検出後に形状を判定することを目的としたRandom Forestの2段階に分けて用いた．その結果，ひび割れらしくない形状のものについては適切に省けるようになり，Pコン跡やノイズなど，ディープラーニングの段階で省ききれなかったものについても確実に省けるようになった．
これにより，本研究で用いた画像（ビル，橋梁，トンネルを撮影したもの）について，99.8%を超える正解率となった．また，実際に検出後の画像も非常にもっともらしく，これは今後の実用化に向けて非常に有意義な結果である．

コンクリート / 水分移動 / ガリウム / 水和 / 空隙 / 打込み高さ / 可視化 / 画像処理 / 透過性 / 装置 / 空隙分布 / ガリウム圧入法 / 3次元画像 / EPMA / 水セメント比 / 連続性

本研究は、著者等が開発したガリウム圧入法による空隙形態観察手法を適用するとともに、ここで提案する凍結法を利用することにより、コンクリートの練混直後から硬化するまでの水分移動の現象を細孔構造の観点から明らかにする。また、ガリウム圧入によって観察されたセメントペーストの空隙構造とその物質透過性について、空隙画像を用いた塩化物イオン浸透モデルの検討と塩化物イオンの透過性の実験を行い、両者の関係を明らかにすることを目的とした。
本研究より以下の結論が得られた。
1.凍結法を利用することにより、経時変化を考慮した硬化途中のコンクリートの水分状態を3つの層に分けることができる。
-打込み上部では含水率上昇
-中間部では水分変化が少ない
-打込み下部では含水率が減少
2.水セメント比によってコンクリートの細孔構造に起因する水分移動量が影響され、打込み後の初期段階で変化が大きいことを示した。
3.骨材の影響を考慮した沈降モデルを用いて経時変化を考慮した内部状態を推定することができる可能性を示した。
4.本研究で開発したガリウム圧入法とEPMA装置による観察手法により、硬化途中の含水率と硬化後の空隙構造の打込み高さごとの変化が相似型となっており、硬化途中のコンクリートの水分状態は凝結の終結までにほぼ固定され、硬化後の空隙構造に反映されることを示した。
5.空隙画像を用いた塩化物イオン浸透モデルを検討した結果、塩化物イオンの浸透はミクロレベルでは有る特定の経路をたどっていると考えられる。
6.水セメント比が高く、弱材齢である硬化セメントペーストほど塩化物イオンが内部まで浸透しやすいことを本研究で提案した計算手法およびEPMA測定による画像測定結果により示した。
7.塩化物イオンの浸透の実験結果と空隙画像から推定した結果を比較するとほぼ同様の結果が得られたため、塩化物イオンの浸透深さは空隙画像から推定することが可能であると考えられる。

【研究分担者】
全邦釘	愛媛大学	理工学研究科(工学系)	准教授	(Kakenデータベース)

【研究分担者】
宮内博之	東京工業大学	応用セラミックス研究所	助手	(Kakenデータベース)