深層学習を用いた掘削動作分類に基づく異なるショベル操作者の特徴の比較

カテゴリ: 研究会(論文単位)

論文No: CT21051

グループ名: 【C】電子・情報・システム部門 制御研究会

発行日: 2021/07/07

タイトル(英語): Feature Comparison of Different Excavator Operators by Digging Motion Classification using Deep Learning

著者名: 槇野 泰大(広島大学),小熊 尚太(広島大学),大野 修一(大阪市立大学),岩崎 和宏(コベルコ建機)

著者名(英語): Yasuhiro Makino(Hiroshima university),Shota Oguma(Hiroshima university),Shuichi Ohno(Osaka city university),kazuhiro Iwasaki(KOBELKO Construction Machinery )

キーワード: 深層学習|油圧ショベル|機械学習|掘削動作|Deep Learning|Hydraulic Excavator|Machine learning|Digging motion

要約(日本語): 近年、建設業において技能労働者人口の減少を理由に生産性の向上が必要とされている。また建設機械の生産性は操作者の技量に影響される。したがって、熟練操作者の特徴を定量的に評価することは建設現場における生産性を把握することに繋がる。本研究では、深層学習技術のひとつであるLSTMを用いて油圧ショベルの掘削作業における動作分類を行い、操作者の違いによる特徴量の比較を行う。

要約(英語): In the construction industry, productivity improvement is necessary because of the working population decline. The productivity of a construction machine is affected by their operator’s skills. Therefore, the quantitative assessment of skilled operators helps to evaluate the productivity in the construction field. In this study, the digging motion of a hydraulic excavator is classified using LSTM, which is one of the deep learning, and the features among different operators are compared.

本誌: 2021年7月10日制御研究会

本誌掲載ページ: 13-15 p

原稿種別: 日本語

PDFファイルサイズ: 671 Kバイト