Kazuyuki Demachi 研究室
主宰者：Kazuyuki Demachi
東京大学
AI 要約（直近 5 年の研究成果）
Demachi研究室では、深層学習と画像認識技術を応用した安全監視システムの開発に取り組んでいます。主な研究対象は、原子力施設や建設現場などの産業労働環境における安全管理です。具体的には、監視カメラの映像から異常事象や危険な作業行動を自動検出するシステムを実現することを目指しています。これにより、手作業による安全監視の負担を軽減し、迅速かつ正確なリスク検知を可能にしようとしています。
手法としては、オートエンコーダなどの深層学習モデルと映像解析を組み合わせたアプローチを採用しています。特に、異常サンプルが希少という現実的な課題に対応するため、教師あり学習と教師なし学習を融合させた弱教師学習フレームワークを開発しています。また、時系列データの特性を捉えるため、グラフベースの分析手法も導入されています。これらの技術を統合することで、複雑で動的な作業環境における危険因子の検知精度を向上させています。
研究成果としては、原子力発電所の設備監視における異常検知、福島第一原子力発電所の廃炉作業現場での安全装備の適切な使用確認、建設現場での作業安全違反の検知など、多様な現場での実装に向けた検証が進められています。さらに、セキュリティ規則を含むテキスト情報と画像認識を組み合わせることで、より柔軟で実用的な異常検知システムの実現を進めています。
※ AI（Claude）が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 計算機科学Hiroshi Saruwatari 研究室東京大学論文 187 件·共通: 深層学習, AI・機械学習, 環境保全, 環境科学 +9
- 計算機科学Hajime Asama 研究室東京大学論文 183 件·共通: 行動, 環境保全, 環境科学, 計算機科学 +9
- 医学Shinji Tanaka 研究室東京大学論文 149 件·共通: 深層学習, AI・機械学習, 機械学習, 計算機科学 +6
- 医学Donghee Han 研究室九州大学論文 100 件·共通: 深層学習, AI・機械学習, 機械学習, 計算機科学 +6
- 工学Ryo Natsuaki 研究室東京大学論文 181 件·共通: 深層学習, AI・機械学習, 機械学習, 計算機科学 +6
- 医学Shouhei Hanaoka 研究室University of Tokyo Hospital論文 126 件·共通: 深層学習, AI・機械学習, 機械学習, 計算機科学 +6
- 医学Masao Koda 研究室University of Tsukuba Hospital論文 100 件·共通: 深層学習, AI・機械学習, 機械学習, 計算機科学 +6
- 計算機科学Takahiro Ogawa 研究室北海道大学論文 100 件·共通: 深層学習, AI・機械学習, 機械学習, 計算機科学 +6
研究成果（46 件）
- DOI: https://doi.org/10.1016/j.neucom.2025.132250
- [2025] End-to-end discriminative representation learning for fault diagnosis in safety-critical time seriesDOI: https://doi.org/10.1016/j.aei.2025.104094
- [2025] End-to-end discriminative representation learning for fault diagnosis in safety-critical time seriesDOI: https://doi.org/10.1016/j.aei.2025.104094
- DOI: https://doi.org/10.1016/j.cmpb.2025.108828
- DOI: https://doi.org/10.1016/j.neucom.2025.132250
- DOI: https://doi.org/10.1016/j.cmpb.2025.108828
- [2024] Development of Failure Mitigation Technologies for Improving Resilience of Nuclear StructuresDOI: https://doi.org/10.2139/ssrn.4846050
- [2024] Development of failure mitigation technologies for improving resilience of nuclear structuresDOI: https://doi.org/10.1016/j.ijpvp.2024.105298
- DOI: https://doi.org/10.1016/j.compeleceng.2024.109924
- DOI: https://doi.org/10.1016/j.net.2024.10.001
続きを表示（残り 36 件）閉じる
- [2024] Development of failure mitigation technologies for improving resilience of nuclear structuresDOI: https://doi.org/10.1016/j.ijpvp.2024.105298
- [2024] Time Series Analysis With Combined Learning Approach for Anomaly Detection in Nuclear Power PlantsDOI: https://doi.org/10.1115/icone31-134602
- [2024] Development of Failure Mitigation Technologies for Improving Resilience of Nuclear StructuresDOI: https://doi.org/10.2139/ssrn.4846050
- DOI: https://doi.org/10.1016/j.compeleceng.2024.109924
- DOI: https://doi.org/10.1016/j.net.2024.10.001
- [2024] Time Series Analysis With Combined Learning Approach for Anomaly Detection in Nuclear Power PlantsDOI: https://doi.org/10.1115/icone31-134602
- DOI: https://doi.org/10.1299/jsmeicone.2023.30.1387
- DOI: https://doi.org/10.1299/jsmeicone.2023.30.1442
- DOI: https://doi.org/10.1299/jsmeicone.2023.30.1387
- DOI: https://doi.org/10.1299/jsmeicone.2023.30.1442
- [2023] Attention-based time series analysis for data-driven anomaly detection in nuclear power plantsDOI: https://doi.org/10.1016/j.nucengdes.2023.112161
- DOI: https://doi.org/10.1016/j.eswa.2023.121367
- DOI: https://doi.org/10.1016/j.eswa.2023.121367
- [2023] Attention-based time series analysis for data-driven anomaly detection in nuclear power plantsDOI: https://doi.org/10.1016/j.nucengdes.2023.112161
- DOI: https://doi.org/10.1016/j.ssci.2022.106043
- DOI: https://doi.org/10.1016/j.ssci.2022.106043
- [2022] A Weakly Supervised Time Series Analysis Framework for Anomaly Detection in Nuclear Power PlantsDOI: https://doi.org/10.1115/icone29-91609
- DOI: https://doi.org/10.1016/j.cmpb.2022.106908
- DOI: https://doi.org/10.1016/j.autcon.2022.104191
- [2022] A Weakly Supervised Time Series Analysis Framework for Anomaly Detection in Nuclear Power PlantsDOI: https://doi.org/10.1115/icone29-91609
- DOI: https://doi.org/10.1016/j.cmpb.2022.106908
- DOI: https://doi.org/10.1016/j.autcon.2022.104191
- DOI: https://doi.org/10.7759/cureus.22826
- DOI: https://doi.org/10.7759/cureus.22826
- DOI: https://doi.org/10.1115/icone28-64193
- DOI: https://doi.org/10.1115/icone28-64559
- DOI: https://doi.org/10.1016/j.compmedimag.2021.101941
- DOI: https://doi.org/10.1016/j.autcon.2021.103619
- [2021] A Dynamic Graph-based Time Series Analysis Framework for On-site Occupational Hazards IdentificationDOI: https://doi.org/10.22260/isarc2021/0072
- DOI: https://doi.org/10.1115/icone28-64193
- DOI: https://doi.org/10.1115/icone28-64559
- DOI: https://doi.org/10.1016/j.compmedimag.2021.101941
- DOI: https://doi.org/10.1016/j.autcon.2021.103619
- [2021] A Dynamic Graph-based Time Series Analysis Framework for On-site Occupational Hazards IdentificationDOI: https://doi.org/10.22260/isarc2021/0072
科研費（0 件）
まだデータがありません（KAKEN 取り込み後に表示）。
所属学会・役職（0 件）
まだデータがありません（学会データ連携後に表示）。