■概要

　当社は、インフラ点検向けに、現場での学習が不要で、点検個所の正常画像を数枚用意するだけでひび・さびのほか、水漏れや異物の付着、部品の脱落などの発生頻度が低く未学習の異常も高精度に検出するAIを開発しました。

　本AIは、点検員の危険や移動の負担が伴うような山岳地の鉄塔、橋梁の高架下、法面、太陽光パネルの裏面など点検作業の省力化が求められながらも、これまで現場の画像が少なくAIの導入が困難だった現場への適用が期待できます。

　本AIは、点検画像と正常画像の比較を、事前学習で学習済みの深層モデルの特徴量を用いて行うことで、従来必要だった現場での学習が不要となります。さらに、独自の補正技術により、点検画像の撮影位置や角度が正常画像とずれていても高精度に異常個所の検出が可能であり、正常であるにも関わらず特徴的なパターンを異常として検出してしまうといった過検出も抑制します。本AIは、公開データセットによる評価で、世界最高精度(*1)の91.7%を達成しました。本AIにより、インフラ点検の省力化・自動化および異常の早期発見を実現し、社会インフラの長期安定稼働に貢献します。

　当社は本AIの詳細を、2022年5月25日に、イタリアで開催されるコンピュータビジョンの国際会議ICIAP2021（21th International Conference on Image Analysis and Processing）で発表します。

■開発の背景

　社会インフラの長期的な安定稼働のため、インフラ保全の重要性が高まっています。特に国内では、高度経済成長期に整備された道路、橋、トンネルなどの老朽化が急速に進んでいることに加え、保全を担う点検員の高齢化や人手不足といった問題を抱えています。さらに、危険な場所での点検員の負担軽減が課題となっており、安全で効率的なインフラ保全を実現するAIの導入が求められています。インフラ保全の効率化には、発生するさまざまな不特定の異常の早期発見が不可欠です。ドローンやロボットなどを用いて撮影した点検画像から、異常個所を自動で発見できれば、点検の省力化、異常個所の早期発見につながります。

　例えばひび・さびなどの特定の異常は、さまざまなひび・さびの画像と正常な画像を大量に収集し、ひび・さびを検出するモデルを作成・学習すれば検出可能です。一方で、インフラ施設において発生する異常や異常につながる変状は、ひび・さびだけではなく、水漏れや油漏れ、落下物や異物の付着、部品の脱落などさまざまなものがあります。従来このような不特定な異常の検出には、多種多様な異常の種類ごとに大量の学習データを用意し学習させる手法、正常時の画像と、点検画像を正確に位置合わせした上で輝度の差分を比較する手法、大量の正常画像を入力し、点検対象の正常画像を再構成するAI（オートエンコーダ）の学習を利用する手法などがありました（図1）。しかし、山岳地の鉄塔、橋梁の高架下などの高所や崖地、洋上風力のタービン、太陽光パネルの裏面など、点検員に危険が伴い立ち入りが難しい、または現地への移動に手間や負担がかかるインフラ施設では、学習に必要な大量のデータ収集や正常時の画像と正確に位置合わせをした画像の撮影が困難です。危険な場所での作業負担の軽減が望まれているにも関わらず、AIの導入が難しく点検作業の自動化・デジタル化の妨げになっていることが課題でした。