道路ひび割れセグメンテーション
路面や構造物の写真をアップロードするだけで、ひび割れ領域を自動検出しセグメンテーションマスクで可視化。損傷面積率と重症度を定量評価。
このセグメンテーションツールの特徴
Sobelエッジ検出
Sobelフィルタによるグラデーション検出で、微細なひび割れパターンを高精度に抽出します。
セグメンテーションマスク
検出されたひび割れ領域を色分けして元画像に重畳表示。重度は赤、中度はオレンジ、軽度は黄色で表示します。
定量的評価
損傷面積率、検出領域数、個別領域のピクセル数を自動算出。客観的な劣化度評価が可能です。
完全オフライン処理
Canvas APIのみで画像処理を実行。AIモデルのダウンロード不要、画像の外部送信なしで動作します。
i-Construction 2.0 とインフラ維持管理
国土交通省が推進する i-Construction 2.0 では、建設現場のオートメーション化と データ駆動型の維持管理が掲げられています。AI画像解析によるひび割れ検出は、 インフラ長寿命化計画の中核技術として位置付けられています。
BIM/CIMとの連携
検出結果を3次元モデルに紐付け、損傷箇所の空間的な分布を可視化。施設管理システムへのデータ連携も容易です。
ドローン点検との統合
ドローンで撮影した画像をエッジデバイスで即時解析。飛行中にリアルタイムでひび割れを検出し、追加撮影箇所を自動判定。
時系列比較
同一箇所の定点撮影画像を蓄積し、ひび割れの進展速度を算出。劣化予測モデルへの入力データとして活用可能。
点検報告書の自動生成
検出結果から国土交通省の定期点検要領に準拠した報告書を自動生成。技術者の書類作成負担を大幅に軽減。
参考: 国土交通省「インフラ長寿命化基本計画」「i-Construction 2.0」
セグメンテーション処理パイプライン
このデモは以下の4段階の画像処理パイプラインで動作します。 すべてCanvas APIを使用し、ブラウザ内で完結します。
前処理（CLAHE）
局所的なコントラスト強調を適用し、暗部・明部のひび割れを均等に検出可能にします。タイルサイズ32px、クリップ制限3.0で最適化。
エッジ検出（Canny法）
Gaussianぼかし → Sobelフィルタ → 非極大値抑制 → ヒステリシス閾値処理の4段階でノイズに強いエッジ検出を実行。
モルフォロジー処理
膨張処理でひび割れを太くし視認性を向上、続いて収縮→膨張（オープニング）で微小ノイズを除去します。
連結成分分析
BFS（幅優先探索）で隣接ピクセルをグルーピング。最小面積閾値以下の微小領域を除外し、有意なひび割れのみを抽出します。
損傷レベルの判定基準
損傷面積率（ひび割れ検出ピクセル数 / 総ピクセル数）に基づき4段階で評価します。 この閾値は一般的な基準を参考にしたデモ用の設定です。経験則（要検証）。
| 判定 | 損傷面積率 | 推奨対応 |
|---|---|---|
| 🟢 健全 | 0.3%未満 | 定期点検を継続 |
| 🟡 軽度損傷 | 0.3〜2% | 経過観察・半年後再撮影 |
| 🟠 中度損傷 | 2〜5% | 詳細調査・補修計画策定 |
| 🔴 重度損傷 | 5%超 | 緊急調査・通行規制検討 |
従来の目視点検との比較
| 観点 | 従来の目視点検 | AIセグメンテーション |
|---|---|---|
| 点検時間 | 1橋あたり2〜3日 | 画像撮影30分 + AI分析数秒 |
| コスト | 1橋あたり100〜300万円 | 撮影機材 + エッジデバイスの初期投資のみ |
| 定量性 | 技術者の経験に依存 | 面積率・領域数を自動算出 |
| 再現性 | 技術者間でばらつきあり | 同一条件なら同一結果 |
| 安全性 | 高所・危険箇所へのアクセス必要 | ドローン撮影で非接触点検可能 |
| 記録性 | 手書きスケッチ・写真整理 | 位置・日時・判定結果を自動記録 |
※ コスト・時間は一般的な事例に基づく概算値です。実際は構造物の規模・立地条件で大きく変動します。経験則（要検証）。
検出精度を上げるためのコツ
撮影距離を近くする
ひび割れが画像内で十分な太さ（数ピクセル以上）になるよう近接撮影してください。 ドローンの場合は高度5m以下が推奨です。
均一な照明条件
強い影や逆光はエッジ検出のノイズになります。曇天時や日陰での撮影が最適です。 フラッシュ撮影は反射を生むため避けてください。
高解像度画像を使用
解像度が高いほど微細なひび割れを検出できます。スマートフォンの場合は最高解像度で撮影し、 圧縮は最小限にしてください。
対象面に正対して撮影
斜めからの撮影はひび割れの見え方が変わります。可能な限り壁面・路面に正対して撮影すると、 面積率の精度が向上します。
活用シーン
道路だけでなく、コンクリート構造物全般のひび割れ検出に応用できます。
道路舗装の劣化評価
アスファルト・コンクリート舗装のひび割れを定量的に評価。MCI（舗装破損度指数）算出の基礎データとして活用できます。舗装の修繕計画策定や優先順位付けの判断材料になります。
橋梁・高架橋の定期点検
橋梁長寿命化修繕計画に基づく定期点検の一次スクリーニングに。床版・主桁・橋脚のコンクリート表面のひび割れを検出し、健全度I〜IVの判定を支援します。
トンネル覆工点検
トンネル覆工コンクリートの変状調査に活用。オフライン環境でも端末内で処理が完結するため、電波の届かないトンネル内部でも即座に一次判定が可能です。
建物外壁・基礎の点検
ビル外壁や住宅基礎のひび割れを検出。0.2mm以上の構造クラックと0.2mm未満のヘアクラックの区別は、今後のAIモデル統合で対応予定です。
ダム・護岸の安全管理
コンクリートダムの堤体や護岸構造物のひび割れ監視に。定期的な撮影とセグメンテーション結果の比較で、経年変化を定量的に把握できます。
鉄道施設の保全
高架橋脚・ホーム・駅舎のコンクリート構造物の点検に。現場での即時フィードバックにより、見落とし箇所の再撮影が可能です。
エッジAIでインフラ点検するメリット
●通信圏外で即時判定
トンネル内部・山間部・橋梁下面など通信圏外の現場でも、エッジデバイス上でAI推論が完結。 撮影直後に損傷判定が得られます。
●画像データの機密保持
防衛施設や重要インフラの点検画像は機密性が高いケースがあります。 エッジ処理なら画像がクラウドに送信されず、情報漏洩リスクを排除できます。
●ランニングコストゼロ
クラウドAPIの従量課金なし。大量画像を処理してもコストは電気代のみ。 年間数千枚規模の定期点検でもコスト効率に優れます。
●現場フィードバック
「持ち帰り分析→結果報告→再訪問」のサイクルを排除。撮影→判定が数秒で完了し、 見落とし箇所をその場で再撮影できます。
今後の開発予定
- - セマンティックセグメンテーションモデル（U-Net / DeepLabV3+）の統合で精度向上
- - ひび割れ幅の自動計測（サブピクセル精度）
- - 定点撮影画像の時系列比較による経年変化可視化
- - Jetson / Hailo でのリアルタイム映像処理対応
- - 点検報告書のPDF自動生成機能
関連するデモ
インフラ点検・建設DXに関連するその他のエッジAIデモです。
インフラ点検AIの導入をご検討ですか？
このデモはCanvas APIベースですが、専用のセマンティックセグメンテーションモデルを 学習・デプロイすることで検出精度を大幅に向上できます。 デバイス選定からモデル構築まで、実機経験に基づいたご提案が可能です。
お問い合わせ（Link Field公式サイト）運営会社 Link Field のお問い合わせページに移動します
インフラ点検に必要なエッジAI機材
エッジデバイスでリアルタイムにひび割れ検出を行うための推奨機材です。
※ 上記リンクはアフィリエイトリンクです。購入により当サイトに収益が発生する場合があります。