| 講演要旨(和文) | | 地中レーダによる路面下空洞調査では、車載型測定器を用いて長大な距離を短時間で効率的に測定することが一般的に行われる。これに対し地中レーダデータから空洞反応箇所を確度高く抽出することは熟練技術者の経験に大きく依っている。車載型測定器による大量データの迅速処理ではしばしば限られた熟練技術者へ負担が集中しがちになるため一層の省力化が求められる。本報告では、地中レーダデータから空洞箇所を抽出するために機械学習による自動処理を試みた結果について述べる。本手法では画像処理で一次的な抽出を行い、さらに舗装道路下の空洞確認箇所の地中レーダデータを教師データとした教師付き機械学習による検出器で空洞箇所を絞り込む。実際の道路走行データの検証では、短時間の自動処理で空洞確認箇所をほぼ取りこぼしなく抽出できた。一方で過不足ない抽出のためにはできるだけ多様な空洞反応データを教師として利用することが重要である。 |
|
|
| | 講演要旨(英文) | | We applied a supervised machine learning method for the purpose of auto detecting cavities under paved roadway from GPR Images. To detect cavity from massive data acquired by such like car borne GPR with high accuracy rapidly, automatic process based on knowledges of skilled-engineers is required, meanwhile automatic detection of cavities has not practically realized cause of its un-uniform response. We used actual GPR data which were acquired on natural occurred cavities as supervisors of machine learning method. At the verification with actual survey data, our method was able to detect cavity-caused GPR patterns, although there were still a lot of false detections. We think accumulation of labeled GPR data of cavity or the other will contribute improvement of our method. |
|
|
|
| |
|