Development, upgrading, and promotion of novel image diagnosis system for earthquake damaged timber dwellings using deep learning

基于深度学习的新型震损木结构房屋图像诊断系统的开发、升级和推广

基本信息

批准号：
20J20169
负责人：
千田紘之
金额：
$ 1.6万
依托单位：
Tohoku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-24 至 2023-03-31
项目状态：
已结题

项目摘要

最終年度である本年度は，前年度までに実施した解析・実験において得られたデータの分析を進め，適切な損傷領域の検知結果が得られるモデルの構築条件および撮影条件の抽出ならびにこれらの診断精度に与える影響を評価し，これらを撮影マニュアルの策定に資する情報としてまとめた。はじめに画素分解能・照度に着目し，これらを考慮した学習用画像データベースの構築，検証用画像の取得ならびに画像診断精度の算定を実施した。その結果，目視計測と同等以上の精度で診断結果を得るためには，学習用画像データベースの画素分解能と検証用画像の画素分解能が同程度となる場合を必要条件に高精度の検知結果が得られることを示した。加えて，照度50lx～90,000lxにおいて，適切な検知結果が得られる露出設定（ISO感度とシャッタースピード）の組み合わせを定量的に示した。また，スマートフォンに内蔵されるオート露出機能により適切な露出設定が自動的に選択されることを示した。これらの必要条件を満足する撮影条件下で，外観のひび割れ水平長さ計測および内観のひび割れ長さ計測には画素分解能が0.3mm/px以下，内観のひび割れ幅計測には，画素分解能が0.1mm/px以下となることが条件となることを示した。また，仕上げ材に生じた損傷状況から躯体の経験最大変形角を推定するにあたり，上記の撮影条件を満たした上で，内装仕上げ材の画像診断結果（ひび割れ長さとひび割れ幅の計測結果）を活用することで，最大経験変形が1/60rad.を超えるか否かの簡易的判断に活用可能なことを示した。令和2年度～4年度の研究実績を統括して，最終的にこれまでの被害程度を大別する（全壊かその他）画像分類手法とは異なる定量的損傷評価が可能な画像診断手法を確立することができた。

今年的最后一年，我们已经对在上一年进行的分析和实验中获得的数据进行了分析，并评估了模型的构建条件和成像条件，这些模型为适当的损伤区域提供了检测结果，以及这些模型对诊断准确性的影响，并编译了对成像手册形成的信息。首先，我们专注于像素分辨率和照明，并考虑了这些图像数据库，考虑了这些图像数据库，获取图像进行验证并计算图像诊断精度。结果，结果表明，为了获得等于或大于视觉测量的诊断结果，当学习图像数据库的像素分辨率和验证图像的像素分辨率的分辨率大约相同时，可以作为所需条件获得高度准确的检测结果。此外，已定量显示了以50 lx至90,000 lx的照明性检测结果的暴露设置（ISO灵敏度和快门速度）的组合。这还表明，智能手机内置的自动曝光功能会自动选择适当的曝光设置。在满足这些必要条件的射击条件下，据指出，像素分辨率必须为0.3 mm/px或更少，以测量内部裂纹的外部裂纹的裂纹长度和内部裂纹的裂纹长度必须为0.1 mm/px或更少，以测量内部裂纹的裂纹宽度的测量。此外，当估计对饰面材料造成的损害的最大经验变形角时，这表明，通过满足上述拍摄条件，可以使用图像诊断结果（测量裂纹长度和裂纹宽度的测量结果）可以使用简单的判断，以使最大的经验经验变形超过1/60 RAD RAD。通过监督2020-2020财年的研究结果，我们能够建立一种允许定量损害评估的成像诊断方法，该方法与图像分类方法不同，该方法将迄今为止的损害水平（全部破坏或其他）大致分为图像分类方法。