深層学習を用いた木口断面画像による製材ヤング率推定AI
近年、カーボンニュートラル実現に向けて、中高層建築における製材の構造材料としての利用に注目が集まりつつある。丸太から直接切り出される構造用製材は直交集成板(CLT)などと比べて、その強度性能にばらつきが生じやすいことから、強度性能の全数測定が義務づけられている。製材の強度性能測定は、桟積された製材の測定架台への揚重を要する重労働であり、その省力化が望まれる。本研究では、桟積状態においても直接観測可能な木口断面の外観性状から、年輪の密度や色味などの情報を元に、そのヤング率を予測する画像認識AIを開発する。実験の結果、様々な断面形状の構造用スギ製材に対して、平均絶対値誤差0.568~0.812[GPa]と、日本農林規格の定める強度区分の刻み幅2.0[GPa]と比較して、高い精度でヤング率を予測することに成功した。
キーワード:構造用製材,木質構造,画像計測,深層学習,人工知能
*1 技術センター 先進技術開発部 AI連携技術開発室
*2 技術センター 都市基盤技術研究部 構造研究室
Young's modulus Estimation from Lumber end surface Imaging
There has been growing interest in using lumber as a structural material for mid- and high-rise buildings to achieve carbon neutrality. Unlike cross-laminated timber (CLT), structural lumber cut directly from logs tends to have varying strength properties, necessitating comprehensive strength measurements. This process is labor-intensive, requiring heavy lifting of stacked lumber onto measuring platforms. This research aims to develop an image recognition AI that predicts the Young's modulus of lumber by analyzing lumber end imagery, which are observable even when they are stacked. Experiments on various cross-sectional shapes of structural cedar lumber yielded predictions with mean absolute errors of 0.568-0.812 GPa. This accuracy is significantly higher compared to the 2.0 GPa strength grade increments specified by Japanese Agricultural Standards.
Keywords: Structural Lumber, Timber Engineering, Image Measurement, Deep Learning, Artificial Intelligence
*1 AI Utilization Technology Development Section, Advanced Technology Development Department, Taisei Advanced Center of Technology
*2 Structure Research Section, Urban Engineering Research Department, Taisei Advanced Center of Technology