独立行政机构、独立行政机构、独立行政机构、独立行政法人国立先进产业科学技术研究所[理事长：中钵良二]（以下简称“AIST”）、信息技术研究部[研究主任：工藤智宏]智能系统研究小组和日本水解决方案有限公司[代表董事：深泽淳一]（以下简称“NWS”）正在共同努力让机器学习熟练工人的判断示例异常噪音分析利用技术，我们开发了一种能够高精度查明漏水位置的技术。
我们在两个城市进行了现场测试，发现熟练工人进行泄漏检查的地点数量比传统方法可以减少到五分之一左右。缩小检查点数量将导致检查成本大幅降低，这将导致地方政府因人口减少等因素导致水收入下降而需要减少维护和管理成本。此外，通过将该技术作为漏水率仍超过30%的东南亚国家社会基础设施的维护和管理技术，有望为以低成本供应安全饮用水做出贡献。
 |
| 利用学习异常噪声分析技术进行漏水检测定位 |
日本的水管总长度约为61万公里。经济高速增长时期修建的大量管道很快将达到法定使用寿命（40年），需要更换。另一方面，水费收入每年保持在约3万亿日元不变，因此很难更换所有已达到使用寿命的老化管道。然而，当发生漏水事故时，不仅有可能造成停水等初级损害，还可能造成道路沉降造成交通事故等二次损害，因此漏水对策至关重要。因此，有必要以漏水检测为基础，通过日常维护来确认水管的安全性，并进行长期维护。
此外，东南亚国家的供水基础设施虽然进展迅速，但渗漏率极高（30%以上），成为经济进一步发展的障碍。高漏水率不仅导致水费飙升，给公共自来水公司的管理带来压力，而且还存在污染物因泄漏流入自来水的风险，因此从确保供水安全的角度来看，漏水对策非常重要。
然而，在目前的漏水检测工作状态下，很大一部分工作是由熟练工人完成的。日本的技术工人数量有限，有人担心未来该数量会因人口老龄化而减少。此外，东南亚国家目前正处于人力资源开发阶段。因此，需要用IT部分取代熟练工人的技能，并缩小熟练工人可以检查泄漏的地点。
AIST一直在开发应对社会基础设施老化的技术，例如检测道路和桥梁恶化情况的技术。其中一项技术是基于学习的噪声分析技术，该技术已应用于锤击测试，以非破坏性地检测混凝土结构中的缺陷。像这样机器学习技术是利用各种数据的基本技术之一，AIST 自 20 世纪 80 年代以来一直提出自适应学习通用识别系统来实现这一目标。到目前为止，该公司一直致力于图像和视频的异常检测技术，但目前正在将其重点扩展到声学数据和时间序列传感器数据。
自2012年以来，AIST的目标是通过“亚洲战略水项目”为解决国际水问题做出贡献，并通过政府、私营部门和研究机构的合作增强水业务的竞争力。作为这项工作的一部分，我们一直在与NWS进行联合研究，利用异常噪声分析技术进行漏水检测，NWS多年来一直在进行水管泄漏检测，并积累了相关专业知识。
检测漏水的先进方法之一是缩小漏水位置的技术（筛选法），如图 1 所示。这是一种与每两个月抄一次水表并行进行漏水检测的有效方法。作为初步调查，将声学检漏仪与水表接触，检查是否有漏水声音。之后，作为二次调查，技术人员前往疑似漏水的区域。听棒等进行详细的漏水测试。迄今为止的一次调查结果表明，二次调查的数量可以缩小到所有家庭的十分之一左右，但由于环境噪音等因素，往往会包括非漏水（疑似漏水声音），二次调查需要熟练工人大量的工时。
此次，我们的目的是利用异常噪声分析技术，在使用漏水检测仪进行初步排查时，对疑似漏水的地点进行漏水声音和疑似漏水声音的区分，缩小漏水检测的房屋数量，大幅减少技术工人二次检查的对象（图2）。
 |
图1 使用漏水检测仪的筛查方法
目前，这是一种先进的漏水检测方法，正在开始引入，但希望能进一步减少工时数。 |
 |
图2 作为研究目标的漏水检测方法
引入噪声分析技术，改进筛选方法。 |
此次使用的异常噪声分析技术有两大特点。第一点是，不是人类预先决定什么构成异常声音，而是给计算机给出熟练工人的判断示例，并自动学习检测异常声音的最佳规则。传统的异常声音分析技术，即使人预先判断出什么是异常声音，但如果出现意外的异常声音，计算机也无法检测到。相反，利用该技术，预先获知通常获得的正常声音的范围，并且可以将偏离该范围的声音检测为异常声音。另外，通过增加技术人员的判断示例，异常声音的检测规则将变得更加准确。
另外，第二个特征是向计算机给出判断示例时计算声音特征值的方法。一般来说，异常噪声分析涉及计算被称为特征量的紧凑信息，该信息对于根据要分析的声音的波形进行判断是有用的。在传统的噪声分析技术中，该特征值为傅立叶分析（频率分析）的结果，但不足以检测漏水声音。因此，新开发的异常声音分析技术不仅进行频率分析，还考虑到时间轴方向的变化，使计算机更容易学习。
我们利用对当地两个城市 77,789 户家庭的调查数据验证了异常噪声分析技术（图 3）。使用漏水检测仪实际测量水表，确定疑似漏水户数7081户。作为二次调查的一部分，技术人员来到现场，用听音棒检查是否有漏水声音，结果发现，与一次调查不同，听不到声音的有4663例，能听到声音的有2418例。在这2418例中，随机抽取198例进行检测，其中28例确诊为真漏水。相比之下，利用新的分析技术，在198个案例中，160个案例被确定为不漏水，38个案例被确定为漏水。换句话说，一期调查中存在疑问的 198 起案件中的 160 起可以排除在二次调查之外，从而将熟练工人所需的劳动力减少到大约五分之一（=38/198）。
 |
| 图3实验结果详情 |
 |
| 图4 使用该技术的判断结果分解 |
然而，如图4所示，在确定不漏水的160起案件中，实际发生漏水的案件有5起。这是错误判断（错过），但漏水的声音很小，被认为是漏水的初始状态，达到了即使有经验的工人也可以忽略的程度（微漏点）。随着这些微漏点的漏水数量增加，漏水的声音也变得更大，因此认为新开发的技术将能够正确识别漏水。
另一方面，在该技术判定为漏水的38起案件中，有15起误判（过度检测），但实际上并没有发生漏水。然而，由于当使用漏水检测器检测到漏水时，有170（=198-28）个家庭被过度检测，因此可以说，过度检测的家庭数量显着减少至8%（=15/170）。
这样一来，人们发现，新开发的异常噪声分析技术可以将熟练工人的检查点数量减少到常规技术的五分之一左右，并显着降低检查成本。这项技术被认为在人口减少、水费收入减少、需要在有限的预算内维护和管理老化水管的地方政府特别有效。
未来我们将完善异常噪声分析技术，进一步减少误判。 NWS还计划在2015年底前将采用该技术的传感器设备商业化并投入实际使用。此外，我们计划将该系统扩展到东南亚国家，并使用这种异常噪声分析技术来检测漏水。