種別 | 論文 |
主題 | 深層学習を用いた画像計測手法によるRC部材の地震損傷評価 |
副題 | |
筆頭著者 | 佐藤真俊(東北大学) |
連名者1 | 高橋典之(東北大学) |
連名者2 | 櫻井真人(秋田県立大学) |
連名者3 | 相澤直之(東北電力) |
連名者4 | |
連名者5 | |
キーワード | Crack, cracklength, DeepLearning, ImageProcessing, ShearWall, ディープラーニング, ひび割れ長さ, 損傷量, 画像処理, 耐震壁 |
巻 | 39 |
号 | 2 |
先頭ページ | 739 |
末尾ページ | 744 |
年度 | 2017 |
要旨 | 性能評価型耐震設計における修復性能評価においては部材の損傷量(ひび割れ幅,ひび割れ長さ,剥落面積等)を定量的に評価することで,これを修復費用等に換算し,ユーザー指向型の性能表示が可能になる。本研究では,筆者らが開発を進めてきた画像処理による損傷量の計測手法に,既往の損傷画像をビッグデータに用いた深層学習(ディープラーニング)によるパターン認識を導入し,鉄筋コンクリート造壁部材の静的載荷実験において観測された損傷量データを新手法により計測した。また,提案した新手法を用いた損傷量計測方法の特徴について,従来法との比較を通して考察を行った。 |
PDFファイル名 | 039-01-2124.pdf |