さらに、赤外線写真からタイルの浮き部を検出するＡＩの開発も進められ、より多くの劣化を検出することが可能になりました。構築したＡＩはシステム化され、画像をソフトウェアに取り込むだけで外壁劣 化箇所を検出し、劣化の種類ごとに色の異なるマークが付きます。これにより、ひと目で劣化を判別できるようになり解析労力が削減されました。また、人間とＡＩのダブルチェックでより精度の高い外壁調査が可能となりました。現在、システムを導入しつつ、ＡＩの改良を継続しており、より高精度な外壁調査サービスの提供を目指しています。S . D . A2021年 12月2022年 1月2022年6月2022年11月2022年4月仮運用スタートを目標にプロジェクト始動。フェーズ①第１ステップ(可視光)可視光写真から分かる劣化を解析する基礎AIの構築。フェーズ①第2ステップ学習に用いる建物・劣化の種類を増やし、比較的フラットなタイル面のみを選んでモデルを構築。フェーズ①第3ステップ分類を細分化し、劣化の特徴をAIが獲得しやすいデータの与え方を検討。フェーズ②ＡＩ解析を行うＰＣ環境の構築。プロトタイプ完成(可視光)試験的に導入しつつ、改良を継続。フェーズ①第4ステップデータの不均衡さを軽減する損失関数の検討を行う。フェーズ①第1ステップ(赤外線)赤外線写真からの高温領域検出AIの開発を始める。プロトタイプ完成(赤外線)赤外線解析AIシステムのプロトタイプが完成。試験的に導入しつつ、改良を継続。①建物の重なりが誤検出された例②タイルの柄が誤検出された例③影が誤検出された例392月4月5月7月9月
元のページ ../index.html#39