权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

A Study on Seismic Response Prediction Method Based on RC Non-Structural Wall Damage Photographs Using Deep Learning

基于RC非结构墙损伤照片的深度学习地震反应预测方法研究

基本信息

批准号：
21K04354
负责人：
吉岡智和
金额：
$ 2.66万
依托单位：
Kyushu University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本研究では， RC方立壁の地震被害写真から損傷量を画像測定し，その損傷量からそれが経験した最大部材角を推測する技術の確立を目指している。当該年度は，せん断破壊を想定した実大RC方立壁試験体としてD700試験体（寸法：壁長700mm×壁高800mm×壁厚150mm，せん断スパン比0.57，壁筋：ダブル配筋）を3体，及び昨年度に1体実施したS800試験体（寸法：壁長800mm×壁高800mm×壁厚150mm，せん断スパン比0.5，壁筋：シングル配筋）を追加で2体実施した。得られた実験結果から，損傷量（ひび割れ長さ，コンリート剥落・欠損面積）と部材角の関係に与えるせん断スパン比，壁筋量の影響を確認した。得られた知見として，せん断スパン比の増加に伴い，同一部材角におけるコンクリート剥落・欠損面積は減少する範囲が存在するものの，ひび割れ長さには大きな相違を見られなかった。一方，壁筋量の減少に伴い，同一部材角におけるコンクリート剥落・欠損面積とひび割れ長さが共に減少する傾向が見られた。さらに，昨年度生成したDeep neural networkモデルを用いたSemantic segmentationによるRC方立壁の損傷検出器の改良を行った。表面気泡を含むコンクリート打放面の画像を十分なエポック数，すなわち検証画像に対する正解率が頭打ちになるまで学習させることで，それをひび割れと誤認識することが大幅に減少した。さらに，極細ひび割れ（幅約0.2mm）の検出するため，損傷画像を拡大（解像度：約0.2mm/画素から約0.1mm/画素）し，さらに512×512画素に損傷画像を分割し検出器に入力する際に，上下・左右で256画素分重複した分割画像を作成し入力した。その結果，検出器による極細ひび割れの検出精度の向上が見られた。

This study では, RC wall の buddhistmas earthquake killed photo から damage quantity determination しを portrait, その damage quantity からそれが経験した the most material Angle を speculation する technology の establish を refers している. When the annual はせん broken broken 壊を scenarios した be big RC test buddhistmas wall body として D700 test body (inch method: wall wall of long wall of 700 mm x 800 mm x 150 mm thick, せん broken スパン than 0.57, the wall reinforcement: ダブル reinforcement) を 3 body, and annual にび yesterday 1 body be applied した S800 test body (inch method: The wall length is 800mm× the wall height is 800mm× the wall thickness is 150mm. The ratio of せん to スパ and スパ is 0.5. The wall reinforcement: シ <s:1> グググ reinforcement) を additional で2 units are applied to た. Results have られた be 験から, damage amount (ひび cut れさ long, コンリート spalling, owe loss area) と department material Angle のに masato department and えるせん broken スパン ratio, wall reinforcement effects のを confirm した. Have られた knowledge として, せん broken スパン than の raised に with い, same material Angle におけるコンクリート spalling, owe loss area は reduce する van 囲が exist するものの, ひび cut long れさには big きな conceives を see られなかった. Side, wall reinforcement decrease のに companion い, same material Angle におけるコンクリート spalling, owe loss area とひび cut long れさがに reduce total する tendency が see られた. さらに, last year generated した Deep neural network モデルを with いた Semantic segmentation による RC wall の buddhistmas damage 検 extractor の improved line をった. Surfaces 気 bubble をむコンクリート play place pictures surface のを very なエポック number, すなわち検 card portrait にす seaborne る positive solution rate が head dozen ちになるまで learning させることで, それをひび cut れと mistakenly know することがに substantially reduce した. Youdaoplaceholder0, extremely fine ひび cut れ (about 0.2mm) さらに検 produce するため, damage image を拡 large (resolution:) About 0.2 mm/pixels から about 0.1 mm/pixels) し, さらに 512 x 512 pixels に damage portrait を segmentation し検 extractor にす into force the るに, up and down, around 256 x2400 で points repetitive した portrait を segmentation done しし into force た. As a result, the 検 output of the による extremely fine ひび cut れ検検 output accuracy <e:1> is upward が see られた.