機械学習に適した損傷分類ルールの構築と建物被災度評価の自動化手法の開発

点击翻译按钮获取中文摘要

本研究では、建物被害評価に深層学習技術を取り入れ、自動化を実現しようとするものである。これまで深層学習による建物被害判別では、学習させる被害写真の枚数が少ないという問題があり、多クラス分類では良好な判別精度が得られなかった。そこで本研究では、まず学習する写真データの増量をめざした。今年度は新型コロナへの対応の影響で、新たな被害写真の入手が困難であったため、入手済みの写真について詳細に分析し、データベース化した。まず、一般に被害写真には、建物全体を撮影した写真から、損傷部位の拡大写真まで、距離感の異なる写真が混在している。さらにそれぞれの部位の材料ごとに被害の発生形態が異なるため、写真一枚ごとにこれらの情報をラベル付けし、データベースを構築した。次に損傷程度のラベル付けをおこない、学習データセットを作成した。ラベル付けには、使用する画像認識技術によって、１）1枚の画像に代表する損傷程度を一つラベル付けする方法、２）1枚の画像に存在する複数の損傷をすべてラベル付けする方法がある。さらに後者には、損傷を大きく枠で囲む手法と、ピクセル単位で損傷部分を詳細に囲む手法がある。本研究ではこれらすべてを使い、1枚の被害写真から3通りの学習データを作成した。これらのデータを使い、対象部位を外壁とし、深層学習によって学習し画像の分類を実施した。結果として撮影者と対象との距離、部位の材料、さらに対象物以外の物体の映り込み、が画像の分類に大きく影響することが明らかになった。特に損傷の拡大写真の混在は、判定精度が低下する大きな要因となっており、検討の結果、1階が写真内にめいっぱい収まる程度を標準としてデータを再構築した。最後に建物被害調査の研修会の実施を通して、スマートインスペクション・システムの準備を行い、使用者からのフィードバックからユーザーインターフェイスを改良した。