インフラ点検のAI活用｜画像診断が成立する条件と、判断を人に残す設計

橋梁・トンネル・建築物の点検にAIを使う取り組みが広がっています。一方、「AIが健全度を判定してくれる」という期待で導入を検討すると、要件が過大になり実現しません。

本記事では、点検AIが成立する範囲と、実務で効果を出すための設計を解説します。

抽出と診断を分ける

上の3工程が機械の適用範囲です。健全度判定を求めると、構造形式・周辺環境・過去の履歴を含む総合判断が必要になり、実現の難易度が大きく変わります。

用途を「点検者が見るべき箇所を絞り込む」ことに設定すると、精度要求が現実的な水準に収まります。

必要な解像度は事前に計算できる

ひび割れ幅を判別するには、幅に対して数画素が必要です。

必要な分解能 = 検出したいひび割れ幅 ÷ 判別に必要な画素数（3〜5画素）

視野を分割して撮影するか、対象に近づくかで必要画素数を下げられます。この計算をせずに撮影した画像からは、いくら解析しても必要な精度は得られません。

撮影条件が結果を左右する

とくに影の誤検出は屋外点検で頻発します。撮影時刻を固定する、曇天時に撮る、といった運用側の工夫が精度に直結します。

過去との比較には撮影位置の記録が要る

点検の価値は、変状の有無だけでなく進行しているかどうかにあります。比較するには同一条件での撮影が前提です。

これらが残っていないと、次回点検時に**「進行した」のか「撮り方が違う」のかを区別できません**。初回点検の段階で記録の様式を決めておくことが重要です。

閾値は確認工数から決める

抽出漏れを恐れて感度を上げると、確認すべき候補が大量に出ます。

1回の点検での確認工数 = 抽出件数 × 1件あたりの確認時間

点検者が現実に確認できる件数から逆算して設定するのが実務的です。1橋梁あたり数百件の候補が出る設定にすると、結局すべてを見ることになり効率化になりません。

効果は記録作成の削減で測る

短期で効果が明確なのは調書作成時間です。抽出結果から調書の下書きを生成する構成にすると、写真の貼り付けと記述の大部分が自動化されます。

進め方

まとめ

点検AIは、変状の抽出に用途を絞ることで実用になります。健全度の判定は点検者の領域として残し、機械には「見るべき箇所の絞り込み」と「調書の下書き作成」を担わせる構成が現実的です。

必要解像度の事前計算と、撮影位置の記録。この2つを最初に押さえておかないと、撮った画像が後から使えないという事態になります。

関連記事

• ドローン測量とレーザースキャナの使い分け｜精度・費用・向いている現場
• 安全管理AIの誤検知を減らす方法｜閾値設計・現場の戻し導線・再学習の回し方
• 建設業のAI活用とは？着手すべき5領域と、現場で成果を出す進め方を解説

参考

• 国土交通省「i-Construction」https://www.mlit.go.jp/tec/i-construction/index.html
• 国土交通省「建設施工・建設機械」https://www.mlit.go.jp/tec/constplan/index.html