在 NEDO 项目中，Shutoko Technology Co, Ltd、米乐m6官方网站和东北大学开发了一种人工智能系统，即使在表面脏污或划伤的情况下，也能以超过 80% 的高精度检测宽度为 02 毫米或以上的混凝土裂缝。通过利用人工智能构建自动检测和记录的裂纹检查支持系统，我们的目标是将工作时间从大约 300 分钟缩短到 30 分钟的 1/10。
即日起至2018年底（计划），裂纹检测支持系统将在网络上免费提供给检测企业试用，并验证其在检测精度和工作效率方面的有效性。
（裂纹检测网络服务：https://concretemihariinfo）
 |
| a) 拍摄的混凝土表面图像 |
b) 自动裂纹检测图像（红线） |
图1 使用裂纹检测网络服务的图像
（使用云端人工智能系统分析数码相机、智能手机等拍摄的图像，
可现场进行裂纹检测并记录） |
未来，高速公路等车龄超过50年的社会基础设施数量将加速增加，而缺乏具备必要资金和专业知识的人力资源来处理这些结构因老化损坏而进行的维护已成为一个重大社会问题。
因此，为了根据现有基础设施的状况有效且高效地维护、管理和更新，NEDO 开发了一种技术，可以从基础设施结构的图像数据中全自动检测裂缝和其他损坏并了解损坏情况。研究与开发※1
在这个NEDO项目中，Shutoko Technology Co, Ltd、米乐m6官方网站和东北大学开发了一种检查支持系统，只需用数码相机或智能手机拍摄混凝土结构的照片，即可高精度检测混凝土结构表面的裂缝。
长年暴露在恶劣环境下的混凝土结构表面状况是划痕、污渍等湿※2因此，我们开发了一种利用人工智能对收集的大量混凝土表面图像数据进行学习来识别裂缝的技术，并成功地检测出宽度在02毫米以上的裂缝，准确率超过80%，达到了实际使用的标准。通过在云端构建的系统中实施该技术，可以通过智能手机等移动设备在现场随时随地使用该技术。今后，我们将继续在首都高速等混凝土结构上进行示范实验，并确认使用裂缝检测Web服务（免费）的结果。我们将在2018财年年底项目结束前推进该制度的实际实施并进行检查工作时间从大约 300 分钟减少到 30 分钟的 1/10※3我们的目标就是这样做。
凭借可有效检测裂纹特有特征图案的图像分析技术和高精度识别特征图案的人工智能技术，机器学习类型※4建立了裂缝检测系统作为机器学习的数据，我们通过拍摄各种状态的混凝土结构来创建许多裂缝样本图像。这个示例图像教师数据※5，我们实现了受污垢和拍摄条件影响较小的自动裂纹检测。
在研发方面，Shutoko Technology Co Ltd在检查工作中收集公路桥梁和隧道的样本数据，东北大学负责道路样本数据收集和技术评估，米乐m6官方网站开发了图像分析技术和系统。
现有的裂纹检测图像分析技术误报较多，准确率约为12%（图2c）。新开发的技术已成功实现了80%以上的检测精度，达到了实用化的标准。
 |
| a) 拍摄图像（参考） |
b) 使用新开发的技术进行自动检测
（80% 正确答案） |
c) 使用现有技术进行检测
（正确答案率12%） |
图2 裂纹检测准确率对比（新技术b与现有技术c）
（相比现有技术c误报较多，新技术b准确率明显提升） |
从即日起至2018财年年底（计划），我们将免费发布裂纹检测网络服务试用，主要针对检验公司。我们将通过各企业的试用来验证该系统在检测准确性和工作效率方面的有效性。
（裂纹检测网络服务：
https://concretemihariinfo）