機械学習に適した損傷分類ルールの構築と建物被災度評価の自動化手法の開発

构建适合机器学习的损坏分类规则并开发建筑物损坏评估的自动化方法

• 批准号: 21H01579
• 负责人: 田中 聡
• 金额: $ 7.32万
• 依托单位: Tokoha University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21H01579/
• 关键词: 深層学習; 建物被害; 物体検出; セグメンテーション; 教師なし学習

本研究では、建物被害評価に深層学習技術を取り入れ、自動化を実現しようとするものである。これまで深層学習による建物被害判別では、学習させる被害写真の枚数が少ないという問題があり、多クラス分類では良好な判別精度が得られなかった。そこで本研究では、まず学習する写真データの増量をめざした。今年度は新型コロナへの対応の影響で、新たな被害写真の入手が困難であったため、入手済みの写真について詳細に分析し、データベース化した。まず、一般に被害写真には、建物全体を撮影した写真から、損傷部位の拡大写真まで、距離感の異なる写真が混在している。さらにそれぞれの部位の材料ごとに被害の発生形態が異なるため、写真一枚ごとにこれらの情報をラベル付けし、データベースを構築した。次に損傷程度のラベル付けをおこない、学習データセットを作成した。ラベル付けには、使用する画像認識技術によって、１）1枚の画像に代表する損傷程度を一つラベル付けする方法、２）1枚の画像に存在する複数の損傷をすべてラベル付けする方法がある。さらに後者には、損傷を大きく枠で囲む手法と、ピクセル単位で損傷部分を詳細に囲む手法がある。本研究ではこれらすべてを使い、1枚の被害写真から3通りの学習データを作成した。これらのデータを使い、対象部位を外壁とし、深層学習によって学習し画像の分類を実施した。結果として撮影者と対象との距離、部位の材料、さらに対象物以外の物体の映り込み、が画像の分類に大きく影響することが明らかになった。特に損傷の拡大写真の混在は、判定精度が低下する大きな要因となっており、検討の結果、1階が写真内にめいっぱい収まる程度を標準としてデータを再構築した。最後に建物被害調査の研修会の実施を通して、スマートインスペクション・システムの準備を行い、使用者からのフィードバックからユーザーインターフェイスを改良した。

这项研究旨在将深度学习技术纳入建筑损害评估中以实现自动化。到目前为止，在使用深度学习来确定建筑物损失时，存在一个问题，即要训练的损坏照片数量很小，并且通过多次分类尚未实现良好的歧视精度。因此，在这项研究中，我们首先旨在增加要研究的摄影数据的量。今年，由于对新冠状病毒的反应影响，很难获得损害的新照片，因此我们详细分析了已经被捕捉的照片并创建了一个数据库。首先，通常，损坏的照片包括不同距离的照片，从整个建筑物的照片到损坏区域的扩大照片。此外，由于每个部分中的每种材料的损坏都不同，因此为每张照片标记了此信息，并构建了一个数据库。接下来，标记了损坏，并创建了训练数据集。可以通过使用所使用的图像识别技术来完成标签：1）一种标记一个图像的损害的方法，以及2）一种标记一个图像中所有多重损害的方法。此外，后一种方法包括一种将损坏封闭在大框架中的方法，以及一种将损坏的区域详细封装在像素中的方法。在这项研究中，所有这些都用于从一张损害照片中创建三种类型的学习数据。使用这些数据，将目标区域用作外墙，并使用深度学习对图像进行了分类。结果，揭示了摄影师与物体，该区域的材料以及对象以外的物体反射之间的距离对图像分类具有重大影响。特别是，放大损坏照片的混合是降低判断准确性的主要因素，并且由于考虑因素，将数据重建为标准，以确保一楼完全适合照片中。最后，通过有关建筑损害调查的培训课程，我们准备了一个智能检查系统，并从用户的反馈中改善了用户界面。

项目成果

自治体職員を対象とした研修結果から見た建物被害認定調査における課題：北九州市における事例から

从地方政府官员培训结果看建筑损坏认证调查中的问题——以北九州市为例

• 发表时间: 2022
• 期刊: 地域安全学会梗概集
• 作者: Jun-ichi Suematsu;Tomohiko Imamura;辻翔平，田中聡
• 通讯作者: 辻翔平，田中聡

Development of Fragility Curves for Japanese Buildings Based on Integrated Damage Data from the 2016 Kumamoto Earthquake

基于 2016 年熊本地震的综合损坏数据绘制日本建筑物的脆弱性曲线

• DOI: 10.20965/jdr.2022.p0464
• 发表时间: 2022
• 期刊: Journal of Disaster Research
• 影响因子: 0.8
• 作者: Kazuaki TORISAWA;Masashi MATSUOKA;Kei HORIE;Munenari INOGUCHI;Fumio YAMAZAKI
• 通讯作者: Fumio YAMAZAKI