鋼構造物のメンテナンス用画像を対象とした深層距離学習を用いた構図分類と腐食の評価

カテゴリ: 研究会(論文単位)

論文No: PI24014,IIS24039

グループ名: 【C】電子・情報・システム部門 知覚情報/【D】産業応用部門 次世代産業システム合同研究会

発行日: 2024/03/23

タイトル(英語): Photo composition classification and corrosion degree evaluation based on deep metric learning for maintenance images of steel structures

著者名: 木原 僚紀(日本大学),門馬 英一郎(日本大学),石井 弘允(日本大学),小野 隆(日本大学),髙岡 明弘(朝日エティック),服部 聡(朝日エティック),石塚 大祐(朝日エティック),島本 裕已(朝日エティック),原田 誠(朝日エティック),樋口 知以(朝日エティック)

著者名(英語): Tomoki Kihara(Graduate School of Science and Technology Nihon University),Eiichiro Momma(Nihon University),Hiromitsu Ishii(Nihon University),Takashi Ono(Nihon University),Akihiro Takaoka(ASAHI ETIC),Satoshi Hattori(ASAHI ETIC),Daisuke Ishiduka(ASAHI ETIC)

キーワード: 深層距離学習|鋼構造物|錆|構図|分類|deep metric learning|steel structures|rust|photo composition|classification

要約(日本語): ロードサイン等の鋼構造物は風雨に曝らされており防錆処理を施していても腐食による劣化があり，腐食の進行により崩落の危険を伴うためそのメンテナンスは重要な作業である。本研究はこのような鋼構造物のメンテナンス用に撮影された画像から腐食の程度を評価することを目的としている。本稿では深層距離学習を用いて特徴空間における画像構図および錆の程度の位置関係について検討する。

要約(英語): Steel structures are exposed to wind and rain and deteriorate due to corrosion. The purpose of this study is to evaluate the degree of corrosion of steel structures based on images taken for maintenance purposes. In this paper, we investigate the relationship between the image composition and the location of the degree of corrosion in the feature space based on deep metric learning.

本誌: 2024年3月26日知覚情報/次世代産業システム合同研究会

本誌掲載ページ: 75-79 p

原稿種別: 日本語

PDFファイルサイズ: 1,819 Kバイト