データサイエンスに基づくPCグラウト充填レベルの自動判定

点击翻译按钮获取中文摘要

2022年度は実橋で供用されていたプレストレストコンクリート（PC）桁を用い、実証実験を行った。対象となるPC桁は2体に切り分けられている。これを供試体A、Bと呼称する。供試体A、Bにはグラウト施工がされていない未充填シース管と、グラウト施工されている充填シース管が存在する。これら試験体に対し超音波フェーズドアレイのフォーカシング探傷を行い、ノイズ除去および特徴抽出を目的とした独自のフィルタリング（以下、寄生フィルタ）を施したうえで、機械学習・深層学習を用いてシース管のグラウト充填、未充填の分類を行った。機械学習に入力するデータは、フェーズドアレイ探傷で得られる時刻－電圧の1次元波形に対して寄生フィルタを施した時刻歴データである。深層学習に入力するデータは寄生フィルタを施した後に、キルヒホフ近似の線形化逆散乱解析によりシース管を画像化したデータである。供試体Aを学習用、供試体Bを妥当性検証として、機械学習、深層学習それぞれの分類器を構築した。なお、寄生フィルタは高周波側データと低周波側データを出力できることから、深層学習には両データから作成した画像を結合した1枚の画像として適用した。機械学習は時刻歴情報に、周波数情報、位相情報を加えたデータ拡張したところ、ランダムフォレストを用いた分類精度は99.6%となった。また深層学習はVGG16を用いて83.5%の精度を記録した。機械学習、深層学習ともに概ね良好な精度を記録し、非破壊評価の自動判断に道筋をつけることが出来た。