投稿

記事を共有する:

コンクリート診断は“表面を見る”から“内部をAIで読む”へ：超音波NDTが変える維持管理

橋梁、トンネル、床版、港湾構造物、ダム、擁壁、地下構造物など、社会インフラの多くはコンクリートで支えられています。これらの構造物では、表面に見えるひび割れや漏水だけでなく、内部空洞、剥離、ジャンカ、埋設物周辺の欠陥、鉄筋腐食に伴う浮き、劣化層の広がりを把握することが重要になります。

従来のコンクリート診断では、近接目視、打音検査、ひび割れ計測、写真記録、必要に応じたコア採取などが中心でした。これらは今後も重要です。一方で、表面から見える情報だけでは、内部にある欠陥の位置、深さ、広がりを十分に把握できない場合があります。特に、床版や壁の内部、鉄筋周辺、厚いコンクリート部材では、「表面は大きく損傷していないが内部に欠陥がある」というケースを想定する必要があります。

そこで注目されているのが、超音波トモグラフィとAIを組み合わせた「AI超音波NDT」です。NDTはNon-Destructive Testing、つまり非破壊検査のことです。構造物を壊さずに内部状態を推定する技術であり、超音波はコンクリート内部の欠陥や不均質性を把握する有力な手段の一つです。

MDPI Materialsに掲載された研究では、超音波トモグラフィと畳み込みニューラルネットワーク（CNN）を組み合わせたコンクリート欠陥検出が提案されています。同研究は、超音波トモグラフィで得られたコンクリート内部画像を人が手動で判読する従来方法には、時間、コスト、エラー、主観ばらつきの課題があるとし、CNNによる自動判読の可能性を示しています。

なぜ“表面を見る診断”だけでは足りないのか

コンクリート構造物の劣化は、必ずしも表面から分かりやすく現れるとは限りません。ひび割れ、エフロレッセンス、漏水、錆汁、浮き、剥離のように目で確認しやすい変状もありますが、内部空洞、コールドジョイント、充填不良、鉄筋背面の剥離、埋設物周辺の空隙などは、表面からは見えにくいことがあります。

国土交通省の道路橋定期点検要領では、道路橋ごとの健全性診断、第三者被害のおそれ、詳細調査や追跡調査の必要性、状態の記録などが点検体系として整理されています。橋梁点検では、近接目視や打音などによって状態を把握し、必要に応じて詳細調査へ進むことが重要になります。

打音検査は、浮きや剥離を見つける有効な方法です。しかし、打音は点検者の経験に依存しやすく、広範囲を均一に点検するには時間がかかります。また、厚い部材の深部欠陥や、埋設物周辺の複雑な内部状態を定量的に把握するには限界があります。

超音波NDTは、この“見えない内部”を画像化し、診断対象を表面から内部へ広げるための技術です。

AI超音波NDTとは何か

AI超音波NDTとは、超音波によって取得した波形、Bスキャン、Cスキャン、3D画像、トモグラフィ画像を、機械学習や深層学習で解析し、欠陥の有無、位置、深さ、広がり、種類を推定する技術です。

超音波トモグラフィでは、コンクリート表面に超音波センサーを当て、内部を伝わる弾性波の反射、透過、速度変化、減衰を使って、内部の状態を画像化します。内部に空洞や剥離、密実でない部分があると、波の伝わり方が変化します。その変化をもとに、コンクリート内部の断面画像や3D画像を作ります。

Wiss, Janney, Elstner AssociatesのコンクリートNDT解説では、超音波せん断波トモグラフィは、低周波超音波によってコンクリート内部状態の2D・3D画像を生成でき、埋設物、部材形状、内部欠陥の検出に使われると説明されています。

AIを組み合わせると、取得した画像や波形を人が一枚ずつ判読するのではなく、欠陥らしいパターンを自動で検出し、候補箇所を提示できます。2025年に公開された「Ultrasonic tomography with deep learning for detecting embedded defects in concrete structures」でも、超音波画像と機械学習による標準化された欠陥検出を組み合わせることで、手動解釈や主観ばらつきを減らし、コンクリートインフラの迅速な評価・モニタリングに使えるNDT/E手法となる可能性が示されています。

超音波トモグラフィで見たい内部欠陥

AI超音波NDTの対象は、表面ひび割れだけではありません。むしろ、表面から見えにくい内部状態の把握に価値があります。

診断対象	超音波NDTで見たいポイント	維持管理での意味
内部空洞	空隙、ジャンカ、充填不良の位置と範囲	耐久性低下、局部的な弱部の把握
剥離・浮き	表面近くまたは鉄筋周辺の分離	第三者被害、落下リスク、補修範囲判断
埋設物周辺の欠陥	鉄筋、シース、配管周辺の空隙・付着不良	PC構造物、床版、壁の健全性確認
ひび割れ深さ	表面ひび割れが内部へ進展しているか	補修方法、注入範囲、経過観察判断
劣化層	密実性低下、凍害、塩害、ASRによる内部変化	補修優先度、更新判断
厚さ・背面状態	部材厚、背面境界、空洞・欠損	トンネル覆工、壁、床版の診断

NDT.netに掲載されたコンクリートスラブの超音波トモグラフィ適用事例では、模擬欠陥を含むコンクリートスラブを対象に、内部欠陥を3D画像で確認する検証が行われています。超音波トモグラフィは、非破壊でスラブ内部の異常を可視化し、品質管理や補修判断を支援する技術として扱われています。

手動判読からAI画像化へ

従来の超音波NDTでは、専門技術者が波形や画像を読み取り、欠陥の有無や範囲を判断します。これは高度な専門性が必要であり、現場条件、ノイズ、鉄筋の影響、コンクリートの不均質性によって、判断が難しくなる場合があります。

MDPI Materialsの研究では、超音波トモグラフィ画像の判読は主に人間の検査員によって行われており、時間がかかり、費用がかかり、エラーが起こりやすいと説明されています。そのうえで、CNNを使い、超音波トモグラフィ画像から欠陥を自動検出する手法を検証しています。

同研究では、VGG-16をベースにした転移学習を用い、少数の超音波画像データでモデルを調整し、検証精度97％、一般化精度は約99％に近い結果が得られたと報告されています。ただし、対象欠陥が限定され、見えやすい欠陥画像に基づく実験であるため、実構造物への適用には追加検証が必要です。

ここで重要なのは、AIが技術者を不要にするわけではない点です。AIは、膨大な画像や波形から疑わしい箇所を抽出し、技術者が重点的に確認すべき場所を示す補助技術です。

橋梁・トンネル・床版でどう使うか

AI超音波NDTは、特に維持管理の負担が大きいインフラで価値を発揮します。橋梁、トンネル、床版、港湾構造物、ダム、地下構造物のように、供用中で壊せない構造物では、非破壊で内部状態を確認できることが重要です。

対象構造物	主な診断ニーズ	AI超音波NDTの使い方
橋梁床版	土砂化、剥離、内部空洞、鉄筋周辺劣化	打音・目視後の詳細調査、補修範囲設定
トンネル覆工	背面空洞、浮き、剥離、巻厚確認	打音検査の補完、落下リスク評価
港湾構造物	塩害、内部劣化、ひび割れ進展	補修優先度の判定、劣化進行の追跡
ダム・堰	内部欠陥、ひび割れ、空洞	局所調査、長期モニタリング
コンクリート壁	埋設物周辺欠陥、充填不良	改修前調査、アンカー・切断計画
PC構造物	シース周辺の空隙、グラウト不良	重点箇所の非破壊確認

道路トンネルの定期点検では、覆工の変状や第三者被害のおそれを把握し、必要に応じて詳細調査や措置につなげることが重要になります。超音波NDTは、近接目視や打音だけでは判断しにくい内部状態を確認する補助調査として位置づけられます。

KPIは“点検したか”ではなく“判断に使えたか”

AI超音波NDTを導入する場合、単に検査機器を使ったかどうかでは効果を評価できません。重要なのは、内部欠陥をどれだけ正確に検出し、手動判読時間をどれだけ減らし、補修優先度の判断にどれだけ使えたかです。

KPI	意味	改善アクション
内部欠陥検出率	実際の欠陥をAI・超音波で検出できた割合	学習データ拡充、現場条件別モデル改善
手動判読時間	技術者が画像・波形を読む時間	AIで候補箇所を自動抽出
再調査箇所	判断が不確実で再確認が必要な箇所	複数NDT手法や追加スキャンで検証
補修優先度判断	欠陥の深さ・範囲・重要度をもとに優先順位を付ける精度	劣化度、位置、第三者被害リスクを統合
点検報告作成時間	図面、画像、所見、補修案の作成時間	AI検出結果と報告書テンプレートを連携
誤検出率	欠陥でない箇所を欠陥と判定した割合	鉄筋・埋設物・ノイズの影響を学習
見逃し率	欠陥を検出できなかった割合	点群・GPR・赤外線など他手法と併用

特に重要なのは、補修優先度判断です。すべての欠陥をすぐに補修することは現実的ではありません。劣化の深さ、広がり、位置、構造的重要度、第三者被害リスク、供用条件を総合して、どこから対策するかを決める必要があります。

他のNDT手法と組み合わせることが前提

AI超音波NDTは有効ですが、単独ですべての欠陥を判定できる万能技術ではありません。コンクリートは不均質で、鉄筋、骨材、含水状態、ひび割れ、表面粗さ、部材厚、温度、接触条件が超音波の伝搬に影響します。

ACIのコンクリートNDTレポートでは、コンクリート評価の非破壊試験として、目視、応力波、放射線、流体移動特性、磁気・電気、赤外線サーモグラフィ、地中レーダーなど複数の方法が整理されています。構造物の状態評価では、対象と目的に応じて適切な手法を選び、必要に応じて組み合わせることが重要です。

AI超音波NDTも、次のような手法と組み合わせることで精度と説明力が高まります。

手法	得意なこと	超音波NDTとの関係
近接目視	表面変状、ひび割れ、漏水、錆汁	調査箇所の絞り込み
打音検査	浮き、剥離、表面近傍の異常	超音波で深さ・範囲を補足
地中レーダー	鉄筋位置、埋設物、空洞候補	超音波と相互確認
赤外線サーモグラフィ	表面近傍の浮き・剥離	広域スクリーニングに有効
コア採取	材料劣化、強度、塩分量	AI・NDT判定の検証データ
点群・写真	位置情報、損傷記録、図面化	欠陥位置を3D管理

近年のレビューでも、建設NDTにおける深層学習は、赤外線、地中レーダー、超音波などの画像系手法で検出精度と効率を高める一方、単一手法の限界を補うために複数技術の融合やデータ統合が重要になると整理されています。

AI判定を現場で使うためのワークフロー

AI超音波NDTを実務で使うには、測定、解析、確認、報告、補修判断までの流れを設計する必要があります。

フェーズ	実施内容	目的
事前調査	図面、点検履歴、過去補修、損傷図を確認	調査範囲と重点箇所を決める
測定計画	測定グリッド、測定面、センサー間隔を設定	再現性のあるデータを取る
超音波測定	Bスキャン、Cスキャン、3D画像を取得	内部状態を画像化する
AI解析	欠陥候補、深さ、範囲を抽出	手動判読の負担を減らす
技術者確認	AI結果を専門家が確認	誤検出・見逃しをチェック
補修判断	欠陥位置、重要度、第三者リスクを評価	補修優先度を決める
報告書作成	図面、画像、所見、補修案を整理	発注者・管理者へ説明する
経過観察	同一箇所を再測定	劣化進行をモニタリングする

ポイントは、AI解析を点検結果の“最終判定”にしないことです。AIは候補を提示し、専門技術者が構造条件や現場状況を踏まえて確認する形が現実的です。

報告書づくりと補修判断が変わる

インフラ点検では、現地調査そのものだけでなく、報告書作成にも大きな時間がかかります。写真整理、損傷図作成、位置図、所見、健全性評価、補修優先度、数量表、参考資料をまとめる作業は、点検者や技術者の負担になります。

AI超音波NDTでは、内部欠陥の候補位置を画像として示し、図面や3Dモデルに紐づけることで、説明資料を作りやすくなります。たとえば、橋梁床版のある範囲で内部剥離の疑いが検出された場合、平面図上に欠陥候補を重ね、超音波画像、打音結果、写真、補修優先度を一つのレポートにまとめることができます。

報告項目	従来の課題	AI超音波NDTで変わる点
欠陥位置	写真と図面の照合に時間がかかる	測定グリッド・座標で位置を明確化
欠陥範囲	手動で読み取り・作図	AI候補を図面に重ねる
判読根拠	技術者の所見に依存	画像、波形、AIスコアを併記
補修優先度	表面変状中心になりやすい	内部状態も加味して判断
再調査	判断が曖昧な箇所を後から探す	不確実箇所を自動リスト化
履歴比較	前回画像との比較が難しい	同一位置の経年変化を比較

点検報告作成時間を削減できれば、技術者は資料作成ではなく、構造物の健全性評価や補修計画により多くの時間を使えるようになります。

導入時に注意すべきポイント

AI超音波NDTは有望ですが、現場で使うにはいくつかの注意点があります。

コンクリートの含水状態、骨材、鉄筋密度、表面粗さが測定結果に影響する
センサー接触や測定グリッドのばらつきで画像品質が変わる
AIモデルの学習データが少ない欠陥タイプでは誤判定が起こりやすい
実験室で高精度でも、実構造物ではノイズや複雑条件で精度が落ちる場合がある
鉄筋や埋設物を欠陥と誤認する可能性がある
AI結果の根拠を説明できるよう、画像・波形・判定履歴を保存する必要がある
最終診断は、NDT技術者や構造技術者が総合判断する必要がある

MDPI Materialsの研究でも、対象欠陥は一種類に限定され、容易に見える欠陥画像を使った初期的検証であるため、今後は他の欠陥タイプや分類への拡張が課題だとされています。

現場実装のおすすめステップ

AI超音波NDTは、いきなりすべての構造物点検に適用するよりも、内部欠陥の確認ニーズが高い対象から始めるのが現実的です。

フェーズ	実施内容	目的
初期導入	打音・目視で疑いのある箇所を超音波で確認	表面診断を内部診断で補完
データ蓄積	欠陥画像、コア結果、補修結果を蓄積	AIモデル改善の教師データを作る
AI解析	欠陥候補の自動抽出、深さ・範囲推定	手動判読時間を削減
報告連携	図面・写真・超音波画像・AI結果を統合	点検報告作成時間を削減
補修判断	欠陥重要度と補修優先度を整理	予算配分と対策順序を最適化
継続監視	同一箇所を定期測定	劣化進行を追跡