| 講演要旨(和文) | | 現在，道路下の空洞調査においては，多チャンネルの地中レーダーを用い，移動しながら大量のデータが取得されており，このデータを用いた道路下の空洞の同定には一定の経験と長時間のデータ解釈の作業を必要としている．一方近年，深層学習（ディープラーニング）を用いたデータ処理を実施する環境が急速に整いつつある．本研究では，GPR断面内の反射波画像が，金属管，空洞，あるいはその他のものによるものかを判別する深層学習ネットワークを実装し，路面下の空洞の同定を自動的かつリアルタイムにおこなう際の深層学習の有効性を検証した．深層学習は，限られた学習データにも関わらず，前処理をしていない画像においても，金属管，空洞の反射画像を，おおむね判別することができ，GPRのデータ処理を比較的簡易なPCでも自動化できる可能性を示せた． |
|
|
| | 講演要旨(英文) | | These days, multi-channel GPR (Ground-Penetrating Radar) systems are available to detect cavities underneath the road surface. A system on a vehicle runs faster than about 40 km/h and keeps acquiring a large amount of data. A certain level of the experience is necessary to analyze the acquired GPR data for identifying the types of reflectors, i.e., metal pipes, cavities and the others. The experts need to work long hours to process and analyze the GPR data. At the same time, the information technology tools of machine learnings, such as GPU computing and deep learning libraries have become easier to implement on a PC. In this study, the deep learning network was applied for the GPR data to distinguish the types of reflectors with the very limited training data. The result shows that the deep learning technique can distinguish the types of GPR reflectors to identify cavities, metal pipes and others. |
|
|
|
| |
|