トンネル覆工の点検は、夜間の通行規制と足場、そして経験者の高齢化に挟まれて年々厳しくなっています。走行しながら撮った画像でひび割れや漏水を記録し、変化を追う——その仕組みは何を助け、どこまでは人が確かめ続けるべきなのか。押し売りではなく、判断材料として整理します。
トンネルの覆工点検を担当している方の多くが、同じ二重の締め付けを感じているのではないでしょうか。ひとつは供用中トンネルを止められないことです。交通量の多い路線では点検作業は夜間の限られた規制時間に押し込まれ、車線規制の設置・撤去だけで実作業時間が削られていきます。もうひとつは人です。覆工の状態を打音と目視で読み分ける経験は一朝一夕には育たず、その技能を持つ人ほど高齢化が進んでいる、という声をよく聞きます。
さらに覆工は高所です。天端付近を確認するには高所作業車や足場が要り、規制時間内に安全を確保しながら移動して打音・目視・記録を回すのは、体力的にも神経的にも負荷が高い作業だと考えられます。点検頻度は法令・要領で定められている一方で、それをこなす人員と時間は逆に細っている——この構造的なミスマッチが、現場の「厳しさ」の正体だと考えられます。
こうした背景から、「まず記録して、判定や記載は明るい場所で落ち着いてやりたい」というニーズが生まれます。現場拘束時間を短くし、危険な高所滞在を減らし、属人的な記録を残る形にする——その方向の一つとして、走行しながらの撮像と画像による記録が検討されるようになってきました。トンネルに限らず、infrastructure inspection aiという切り口でインフラ点検全体に共通する話でもあります。
画像化を考える前に、覆工点検が何を対象にしているかを整理しておくことが重要です。一括りに「変状」と言っても、性質はかなり違います。ここを曖昧にしたまま「AIで点検」と話を進めると、期待と現実がずれます。
ひび割れ（クラック）、漏水・滴水、遊離石灰（エフロレッセンス）、うき・はく離の痕跡、鉄筋露出やさびなどは、表面に現れる変状です。これらは条件が整えば画像に写ります。一方で、覆工背面の空洞、内部の浮き、モルタルと母材の付着不良などは、表面を見ただけでは分かりません。従来これを担ってきたのが打音検査で、叩いたときの音の濁りから内部の異常を推定します。この「音でしか分からない領域」は画像では代替できない、という前提を最初に置く必要があります。
もう一つ見落とされがちなのが、点検は一度きりではなく継続する営みだという点です。あるひび割れが今年0.2mmで、来年0.5mmになっているのか変わっていないのか——この進行の有無こそが健全度判定の核心です。つまり点検記録に本当に求められているのは「今この瞬間の写真」以上に「前回と同じ位置を、比較できる形で残すこと」だと考えられます。この視点は、後述する設計で決定的に効いてきます。
画像で覆工を記録する発想は、車両や台車にカメラと照明を積み、走行しながら覆工面を連続撮像し、後段で画像を展開・つなぎ合わせて変状を検出・記録する、という流れが基本になります。夜間規制の中で人が高所に長く留まるのではなく、まず「通って記録する」ことに現場時間を集中させ、判読・記載は撮像後にオフラインで行う——この分業が、現場拘束の削減につながりうると考えられます。
ただし「走りながら撮るだけ」と侮れません。覆工面はコンクリートで、湿り・汚れ・エフロの白い付着・過去の補修跡が入り混じり、照明の当たり方でひび割れが写ったり消えたりします。走行速度・振動によるブレ、曲面ゆえの手前と奥のピント差、天端と側壁で変わる撮像距離——これらを制御できないと、そもそも0.1〜0.2mm級のヘアクラックは画像に残りません。ここはAI画像検査パッケージで製造現場の外観検査を設計するときと本質的に同じで、判定アルゴリズム以前に「撮像と照明で欠陥を写し切る」設計が土台になります。元キーエンス画像処理事業部で照明・レンズ選定を突き詰めてきた知見が効くのはこの土台部分です。
撮れた画像に対して、AIはひび割れ候補の抽出、漏水・エフロ領域のマーキング、位置（測点・展開座標）への紐付け、前回画像との対応づけといった作業を支援しうると考えられます。人が全画像を目視でスクリーニングする負荷を下げ、「怪しい箇所」に人の目を集中させる——AIの現実的な役割はこの一次スクリーニングと記録の構造化にあると考えられます。似た構造はsewer pipe defect inspection aiのような管路点検でも共通します。
導入で失敗しやすいのは、機材を先に決めてしまうことです。順序としては「何を検出・記録したいか」「どの精度で」「継続比較をどう成立させるか」を先に固め、そこから撮像条件・照明・解像度・走行速度を逆算するのが健全だと考えられます。
たとえば「幅0.2mmのひび割れを記録対象にする」と決めれば、そのために覆工面上で1画素が何ミリを表すべきかが決まり、それが撮像距離・レンズ・解像度・許容走行速度を規定します。逆にここを決めずに汎用カメラで撮ると、後から「細いクラックが写っていない」と判明します。目的の変状サイズを起点に光学設計へ落とす——この順番が肝心です。
継続比較のためには、撮った画像が覆工上のどこかを一意に特定でき、次回も同じ座標系で撮れることが必要です。測点マーキング、走行距離計、区間内の基準点などを使って画像を展開座標に載せる仕組みを、最初から設計に入れておくべきだと考えられます。ここが弱いと、毎回撮っても「去年のどの写真と比べるのか」が分からず、記録が積み上がらないという事態になりかねません。
画像で拾える表面変状と、打音で確かめる内部変状を、点検フローの中で明確に切り分けます。画像側で「うきの疑い」が示唆された箇所や、過去に内部変状の履歴がある区間を打音の重点確認対象にする、といった連携が現実的です。全数を画像に置き換えるのではなく、画像で範囲を絞り、人と打音を要所に集中させる設計が、限られた規制時間を活かす方向だと考えられます。
画像AIの出力は「検出候補」であって「健全度判定」ではない、という線引きを運用の前提に置くことが重要だと考えられます。ひび割れ幅の自動計測ひとつをとっても、照明・湿り・汚れの影響で過大にも過小にもなりえます。数値をそのまま診断書に転記するのではなく、AIが提示した候補と計測値を、人が画像上で確認・補正する運用が現実的です。
点検では「本当の変状を見逃す」ことのリスクが特に重いため、AI側はやや過検出寄りに振り、候補を多めに挙げて人が絞る、という設計が安全側だと考えられます。ただし過検出が多すぎると人の確認負荷が跳ね上がり、結局スクリーニングの意味が薄れます。この閾値は現場のトンネル種別・打継ぎ・補修履歴によって変わるため、実データで調整していく前提が要ります。
人による目視は、担当者・体調・当日の照明条件で結果がぶれます。画像に残しAIで一次抽出する方式の隠れた利点は、判定精度そのものより「毎回同じ手順・同じ基準で記録が残る」一貫性にあると考えられます。誰がいつ点検しても比較可能なログが積み上がること——これが数年単位で効いてきます。判定の完全自動化を急ぐより、まずこの一貫した記録基盤を作ることに価値を置くのが堅実だと考えられます。
正直に言えば、覆工の画像点検には「やってみないと分からない部分」が残ります。過度な期待で進めると失望につながるため、代表的なつまずきを先に共有します。
これらは「だからやめるべき」という話ではなく、「どこまでを画像に任せ、どこは人と打音に残すか」を最初に線引きするための材料です。限界を織り込んだ設計にすれば、画像記録は点検の負荷を確かに軽くする方向に働きうると考えられます。
最初から全路線・全変状の自動判定を目指すのは現実的ではありません。まず一区間・一定条件で撮り、「自分たちのトンネルで、狙った変状が実際に写り・拾えるか」を現物で確かめる——この検証から始めるのが堅実だと考えられます。撮像条件が成立するか、位置の再現性が取れるか、誤検出はどの程度かを、代表区間で見極めます。
この段階を、いきなり本設備の投資と切り離して小さく回すのがPoC・検査方式設計の考え方です。検出したい最小変状の定義、撮像・照明の成立確認、打音との役割分担、記録・比較のワークフローまでを含めて小さく検証し、成立した部分から段階的に広げていく。撮像設計・照明設計・AIの一次スクリーニング・エッジ処理を一体で扱えるかが、点検AIの成否を分けると考えられます。
重要なのは、AIを「点検員の置き換え」ではなく「記録と一次スクリーニングを担う道具」として位置づけることです。夜間規制の中で人が担う判断と打音を要所に残しつつ、記録の一貫性と現場拘束の軽減をまず取りにいく。そこから実データを積みながら、任せられる範囲を少しずつ広げる——この順番が、無理のない現実的な道筋だと考えられます。
表面のひび割れ・漏水・遊離石灰などは画像AIで検出・記録を支援できますが、覆工背面の空洞や内部の浮きなど打音でしか分からない変状は代替できません。AIは一次スクリーニングと記録の構造化を担い、健全度の判定は人が確認する運用が現実的だと考えられます。完全自動化ではなく役割分担が前提になります。
照明・解像度・撮像距離・走行速度が適切に設計されていれば細いひび割れも記録できますが、条件が合わないと0.1〜0.2mm級は写らないことがあります。検出したい最小のひび割れ幅を先に決め、そこから光学条件を逆算する設計が必要です。まず代表区間で実際に写るかを現物検証することをおすすめします。
トンネル点検の頻度・方法・判定区分は、道路トンネル定期点検要領など所管の基準で定められています。適用範囲や具体的な数値・様式は改定されることがあるため、国土交通省など所管省庁の最新の公表資料でご確認ください。画像点検を用いる場合も、これらの基準を満たす記録・判定体制であることが前提になります。
夜間規制内での高所滞在時間を減らし、判読・記載を撮像後に落ち着いて行える点に加え、毎回同じ手順・座標で記録が残る一貫性が挙げられます。担当者や当日条件によるぶれを抑え、前回との比較で変状の進行を追いやすくなること——この継続比較の基盤づくりに価値があると考えられます。
最初から全路線を対象にせず、一区間・一定条件で撮像し、狙った変状が実際に写り・拾えるか、位置の再現性や誤検出の程度を確かめる小さな検証から始めるのが堅実だと考えられます。撮像・照明の成立確認と打音との役割分担を含めて検証し、成立した範囲から段階的に広げる進め方をおすすめします。
覆工の画像点検は、判定アルゴリズム以前に「撮像と照明で変状を写し切れるか」が土台になります。まずは代表区間・一定条件で撮り、拾えるもの／拾えないものを現物で確かめるところから。撮像設計から一次スクリーニングまで、現場条件に即してご相談いただけます。
覆工点検の画像化について相談する