AIとデータ管理｜何千枚の写真を、判断できる記録に変える

点検で使う画像のAIは、ほとんどが深層学習じゃ。大量の「正解付きの写真」から、ひび割れや錆の見た目のパターンを覚える。やることの細かさで、三つに分かれるんよ。

実際の流れは組み合わせじゃ。まず分類で「何かありそうな写真」に絞り、次に検出やセグメンテーションで場所と形を取り、最後に写真測量の成果に重ねて、部材のどこにあるかを決める。写真の質が悪けりゃ、どれだけええモデルでも拾えん。AIの精度は、撮影の段取りで半分決まっとるんよ。

AIの性能は、モデルの名前よりも何で学んだかで決まる。研究用には、コンクリートのひび割れ写真集（例：橋の床版・壁・舗装の5万6千枚あまりを集めたSDNET2018）や、橋の5種類の変状が重なり合うのを扱うもの（例：CODEBRIM）などの公開データセットがある。ほいでも、公開データだけで現場に出すと、ほぼ必ずつまずくんよ。

• 現場の違い（ドメインシフト）：材料、汚れ、光、カメラ、撮影距離が学習時と違うと、性能は落ちる。
• まぎらわしいもの：型枠の跡、目地、補修跡、影、雨だれ、ケーブル、落書き。これらを「変状でない」例として学ばせる必要がある。
• 偏り：変状のない写真が圧倒的に多い。珍しい変状ほど学習例が少なく、見逃しやすい。
• ラベルの揺れ：同じひび割れでも、人によって線の引き方が違う。ラベル付けの手引きを作って、点検の基準と合わせる。
• 評価用は別に取っておく：学習に使わん現場の写真で試さんと、本当の実力は分からん。

ひび割れの幅は、補修の要否を決める大事な数字じゃ。AIで測る流れは、①セグメンテーションでひび割れの画素を塗る、②中心線（骨格）を取る、③中心線に直角な方向の画素数を数える、④それにGSD（1画素が何mmか）を掛ける、となる。GSDの出し方は可視光カメラの章を見てな。

目安として、幅の推定には少なくとも±1画素ほどの誤差を見込んどこう。GSDが0.5mmなら±0.5mm前後じゃ。補修の判断で0.2mmや0.3mmの差が効くなら、その写真では幅を言い切れんことになる。AIの数字には、必ずGSDと誤差の見込みを添えるんよ。

点検の本当の価値は、変化を捉えることじゃ。ひび割れが伸びたか、錆が広がったか、新しい変状が出たか。ほいでも、去年と今年の写真をそのまま引き算しても、ほとんど意味はない。撮った位置・光・季節・汚れが違うけぇ、差の大半は「撮り方の違い」なんよ。

• 位置をそろえる：3Dモデルや部材の座標に、両方の年の写真を重ねる（位置合わせ）。
• 画素ではなく変状で比べる：それぞれの年で変状の地図を作り、地図どうしを比べる。
• 条件を近づける：同じ経路・同じ距離・似た光で撮る。撮影計画を毎年使い回す。
• 変化の大きさに誤差を付ける：「0.1mm広がった」が、測りの誤差より小さいなら、それは変化と言えん。

AIの間違いは2種類ある。ないものを「ある」と言う誤検出（偽陽性）と、あるものを見落とす見逃し（偽陰性）じゃ。点検で怖いのは見逃しの方。じゃけぇ多くの場合、しきい値を下げて見逃しを減らし、誤検出は人の確認で落とす設計にするんよ。

もう一つ大事なのは、AIが見る対象になっとらん写真じゃ。ピンぼけ、暗すぎ、撮り漏れ。ここに変状があっても、AIは何も言わん。撮れとらん範囲を示す「撮影の網羅性チェック」は、検出と同じくらい大事なんよ。

AIは「探す・測る・比べる」までを速うする。判定・措置・説明は、点検の責任者の仕事のままじゃ。これはどの国の点検制度でも、まず変わらん所なんよ。人とAIの分担を、仕組みとして作っとこう。

• 確認の画面：AIの候補を、元の写真・位置・前回の写真と並べて、人が「採る・捨てる・直す」を選べるようにする。
• 直した結果を学習に戻す：人の修正を次の学習データにする（いわゆる人間参加型の学習）。
• モデルの版を記録する：どの版のAIで、どのしきい値で出した結果かを、点検記録に残す。
• AIに頼りすぎん工夫：AIが拾わんかった写真からも、一部を人が抜き取りで見る。
• 署名は人：判定区分と措置の判断には、責任者が名前を残す。

AIの所見を、人が署名できる報告書にどう落とすかは、外壁調査報告書にドローンとAIの所見をまとめる（Airffic Flight Institute）で具体的に見られるよ。

AIが建物の何を見て、どこから人が判断するんかは、AIで建物を点検するときの分担（Airffic World）にも、発注する側の目線で書いてあるよ。

何年も比べるには、写真がどの構造物の、どの部材の、どこを、どう撮ったかを、機械が読める形で持っとる必要がある。これがないと、AIもデジタルツインも積み上がらんのよ。

部材の名前の付け方は、点検の基準や図面と合わせて最初に決めとく。建設分野ではBIM/CIMや、buildingSMARTのIFC（2024年のIFC 4.3で橋・道路・鉄道・港湾にも広がった）のような共通の形式もある。形式は変わることがあるけぇ、中身（ID・位置・条件）を欠かさず持つことの方が大事じゃ。

2035年には、点検の写真は撮った瞬間に部材IDと条件が付き、AIが候補を出し、前回との変化だけが技術者の画面に並ぶ。人は、変化の意味を考え、現場で確かめ、判断に名前を残す。AIは人の修正から学び続け、構造物の種類や地域ごとに成績が公開されて比べられる。これは編集部の見立てじゃ。

その世界で一番大事なのは、派手なAIより地味なデータの約束ごとじゃ。名前を決め、条件を残し、間違いを記録する。それを毎年続けた構造物から、点検は本当に楽になっていくんよ。