mign、構造物の劣化をAI判定するサービスをローンチ。数十枚の画像学習データで95％以上の精度

mign社が、数十枚程度の画像学習データで実装可能な施工良不良判定AIモデル「inspit（インスピット）」をローンチした。

「inspit」は、現場で撮影した画像を入力し、高い精度で施工の良しあしを判定する。

数十枚程度の学習データで95％以上の精度で良／不良を判定

土木構造物や建築物の竣工検査や劣化診断は、現場担当者の習熟した目視で行われているのが現状だ。

しかし、近年は、多くの土木構造物や建築物は数十年の経年で劣化が進み、環境負荷を考慮した既存インフラや中古不動産の修繕機会も増加している。

一方で、建設業界の高齢化と若手人材の不足による技術継承が不十分で、十分に慎重な土木構造物や建築物の竣工検査や劣化診断が難しい状況にある。

施工良不良判定及び劣化判定AIモデル「inspit」は、最新の画像認識モデルを活用。

数千から数万の画像を学習データとして必要としていた従来の画像認識モデルと異なり、数十枚程度でも高い精度（95％以上）で良／不良を判定。

これにより、土木構造物や建築物の竣工検査や劣化診断の業務効率化と、担当者に依存する判定の質のバラつきを抑えられると期待されている。

土木構造物の施工良不良判定では、10枚以上の良い施工事例と10枚以上の悪い施工事例の画像を用意し、inspitに学習させる。

その後、現場で担当者が構造物を撮影すると、判定結果（良・不良）とその判定確信度スコアが表示される。不良となった事例や良判定の中でも判定確信度スコアの低いケースを担当者が確認し、対応方法や施工会社への指示を検討する。