NTT、機械学習で画像から鋼材の腐食を推定

NTTは、デジタルカメラでインフラ設備を撮影した画像から自動的に鋼材の腐食を検出し、腐食の深さ(腐食による鋼材断面の欠損量)を推定する画像認識技術を確立した。鋼製の管路設備を用いた検証の結果、誤差0.44mmの精度で鋼材断面の欠損量を推定できる。

画像から自動的に設備の腐食箇所とその箇所に残存する鋼材の厚さを把握できるようになるため、設備の耐久性能や耐荷性能を高精度に評価が可能。これにより、適切な時期と方法で補修ができるようになるため、維持管理コストを縮減できるとしている。

橋梁、鉄塔、ガードレール等、鋼構造のインフラ設備の老朽化が大きな社会問題になっているが、これら設備の老朽化を進行させる主な劣化要因は鋼材の腐食によるもの。しかし、現行の点検方法では残存する耐久・耐荷性能を正確に評価することは難しい。

耐久・耐荷性能の正確な評価をするための構造計算には鋼材の厚さが必要不可欠だが、現行では作業員が目視により設備の外観を点検しているため、腐食の深さ(腐食による鋼材断面の欠損量)は把握できない。超音波により鋼材の厚さを計測する方法はあるが、探触子を計測箇所にあてる必要があり、設備全体では多くの作業コストが必要で現実的ではなかった。

今回の方法では、デジタルカメラで撮影した鋼構造物の画像から自動的に腐食を検出し、腐食による鋼材断面の欠損量を推定する。鋼材断面の欠損を伴わない軽微な腐食が発生した領域、断面欠損を伴う腐食が発生した領域、腐食が発生していない健全な領域に区別して判定することで、鋼材断面の欠損を伴う監視性の高い腐食の発生領域を定量的に把握できる。

NTT独自のデータベースを使用し、機械学習モデルも構築。腐食の広がり、色、錆こぶの大きさ等の外観特徴と鋼材断面の欠損量を関連付けることで高精度での欠損量推定が可能になった。

パイプカメラ使用して鋼管の内面を撮影した例では、腐食の検出段階では断面欠損を伴う腐食が発生した領域を検出。その後、腐食の進行度合いを解析することで管路断面の欠損量を推定している。最後に、通信用の鋼管は健全な状態で厚さ4.2mmであるため、断面の欠損量を引くことによって腐食箇所における残存する鋼材厚さは2.95mmと算出した。

2024年度中にNTTグループ会社での実用化を予定しており、橋梁、鉄塔、ガードレール等といった様々なインフラ設備への技術拡大を進める。