NRIの画像解析AI技術でインフラ点検業務を改革
毎日何気なく利用している道路やトンネル。
誰もメンテナンスのことなど気にしていないが、メンテナンスの要らない設備は一つもない。
しかも日本の交通インフラには大きな特徴がある。
それは戦後の高度経済成長期に一気に整備されたということ。
つまり老朽化の波も同時にやってくる。
実際、2030年には交通インフラの50%以上が建設から50年を経過する。
点検・補修、更新という重く大きな課題が日本の未来に立ちふさがっているのだ。
NRIは得意とするAI技術を駆使してその解決に挑んでいる。

人に頼った点検業務をNRIのAI技術で効率化できないか?
きっかけは独自開発の探査車で道路やトンネルの点検業務を担う三井造船(現 三井E&Sマシナリー(*)からの相談だった。同社は最高80km/hで探査車を走行させながら、レーダやレーザによる路面ひび撮影や路面下空洞の内部探査、及び、高精度ラインセンサカメラを活用したトンネル壁面ひびの撮影が可能、といった高い計測機器技術を持っている。
しかし悩みがあった。データ計測画像の解析が、もっぱらベテラン技術者の目視作業に頼るものだったからだ。例えば道路空洞点検の場合、現地の二次調査を実施する場所を特定するには、探査車で計測した全工程の一次計測画像を目視で解読する作業が欠かせないが、膨大な時間と労力が必要だった。そのため、せっかくの高度な計測機器技術も人間の目視がボトルネックになり、急増するインフラ点検業務のニーズに十分に応えることができない。
ベテラン技術者頼みの解析作業をAI技術でなんとか自動化・効率化できないか、また技術者による解析結果の偏りを平準化できないか――それが三井E&Sマシナリーの要望だった。
※ ホールディングス会社への移行に伴い「三井E&Sマシナリー」に変更
三井E&Sマシナリーは、船舶用ディーゼルエンジン、港湾クレーンに代表される海上物流輸送領域に欠かせない様々なマシナリーの開発、設計、製造、保守を担う企業。各種の産業機械、社会インフラ設備も手掛ける。

AIでどこまでデータ計測画像を分析できるか?
AI技術による解析作業の自動化・効率化というニーズに応えることはできるのか。それはより具体的に言えば、AI技術によるデータ計測画像の解析を可能とすることである。そもそも、交通インフラの点検・保守は、現在の日本の大きなテーマである。以前発災した、中央自動車道笹子トンネルの天井崩落事故やJR博多駅前の道路陥没事故などは、大きな社会問題にもなった。しかし人手も時間も足りない現実がある。NRIの技術で交通インフラの維持管理に貢献できれば、その意義は極めて大きい。NRIの技術陣は、まず計測データのサンプルを預かり、AIでどこまで分析できるか検討を開始した。手応えはあった。AIによる分析は可能――その感触を得て、チームが立ち上がった。ところが、スタート間もなく大きな壁に突き当たったのである。

何のための技術か? 常に業務視点で見直す
突き当たった壁。それはAIの学習データとなる計測データが潤沢でないということである。AIを機能させるためには大量の学習データが必要になる。そこで、たとえば「ひび」の場合は画像を拡大・縮小・回転させ、また一般的な「ひび」画像も収集するなど学習データを増幅させた。また空洞の場合は、「空洞以外の画像は空洞でない」と学習させるなどで工夫を凝らしてモデル精度向上を試みた。しかし全体の精度は向上したものの、一つひとつの画像単位では解析に耐えうる精度には至っていなかったのだ。この段階で、AI活用は難しいという見解も出始めたが、チームメンバーは諦めずに検討を重ねていった。その中で「空洞検査」への着目から、活路が開いた。
空洞探査の一次調査で、この周辺に空洞があることさえわかれば、業務効率化につながる。一枚一枚の画像単位で見た場合、空洞の見落としの可能性があるが、空洞を「塊」で見れば、漏れなくすべて検出ができていた。人に頼った一次調査を効率化するという業務視点に立てば、空洞の塊単位でAIの適用性を評価するのが適切ではないか。技術は確立されているため、今後学習データが蓄積していけば、AIの精度はさらに向上していく。すなわち、単にAIの精度向上を追求するのではなく、今取り組むべきは、AIでの予測が外れた場合どのような仕組みで外れを検知するのか、リカバリーする方法はどうするか等の、業務効率化に着眼した対応ではないか。この問題意識から、プロジェクトは動き出した。

社会インフラを次世代に受け継ぐコア技術として
AIを使う以上、その精度をできるだけ高めたいと誰もが思う。しかし、人に頼った一次調査を効率化するという 「業務目的」に照らせば、確かにAIは役割を果たすレベルに達していた。実際、トライアル運用に携わった三井E&Sマシナリーの担当者も、従来の目視による判定に比べて、空洞で7割、ひび割れの抽出で9割の時間短縮となり、今後の大きな効果につながると喜んでくれた。NRIに求められていたのはAI技術だけでなく、業務、システム、ビジネスというすべての面でのトータルな支援であり、ビジネスパートナーとしての役割を果たすことだった。
AIを駆使した新システムは、三井E&SマシナリーとNRIの共同での運用を開始した。AIモデル精度が向上するに従いインフラ診断の大幅なスピードアップが実現し、インフラ点検では、AIによる診断が標準になっていくだろう。さらにその先への展望も見え始めている。計測画像データが蓄積されていくことで画像診断の精度が上がり、時間やコストの削減はさらに進む。そうなれば、数年に1回の一斉点検という概念そのものがなくなるなど、交通インフラの点検・維持管理に、まったく新しい世界を切り拓く可能性がある。総人口の減少が進み、地方の衰退が懸念される日本で、それは極めて大きな価値を持つものだ。今回のプロジェクトでNRIは、社会課題の解決に向けて新たな一歩を刻んだ。


※内容はインタビュー当時のものです。