[2F1-GS-10f] AI応用：安全

[2F1-GS-10f-04] 深層学習を用いたマンホール鉄蓋種別判定および不良箇所検出にむけた検討

〇及川 大輝¹、勝村 玲音¹、和田 雅樹¹、島原 広季¹、相原 貴明¹ (1. 東日本電信電話株式会社)

キーワード：インフラ、物体検出、畳み込みニューラルネットワーク、深層学習、点検

現在、NTT東日本管内では年間約6万個のマンホールの点検を実施している。作業者が現地においてマンホール写真（鉄蓋および内部設備）を撮影し、集約センタにおいてそれら写真を用いた設備の良・不良判定を目視で実施している。昨年、私たちは集約センタにおける目視点検稼働の削減に向けて、CNNアルゴリズムの一つであるMask-RCNNを用いたマンホール内部の不良検出AIを作成し、検出精度について報告を行った。本取り組みでは、昨年度の知見を基に、マンホール鉄蓋の種別判定および不良箇所検出AIを作成し、その検出精度を検証した。検証の結果、鉄蓋種別判定ではマクロ平均再現率96％、マクロ平均適合率98％、不良箇所検出ではマクロ平均再現率90％、マクロ平均適合率70％となった。