■■■■■■グレート■■■■■■■でひずみを測定した．なお，高速度カメラとデータロガーの測定開始はトリガ入力にて同期させた．実験環境を図■に示す．■図■■実験環境（引張試験）■■■■超解像処理は，学習済みの深層学習型モデルのアルゴリズム（■■■■■■■））と，事前撮影した高解像度画像により学習済みモデルを調整するアルゴリズム（■■■■■■■■■■））を用いて行った．また，超解像処理結果と元画像の比較を行うにあたり，画像サイズを揃えるため最近傍補間法により元画像を拡大した．■ ■ ■実験結果および考察■■ひずみゲージによる引張試験中の鉛直方向のひずみ測定結果を図■に示す．試験速度が一定であることからひずみも一定の割合で大きくなっている．画像による鉛直方向のひずみ測定結果を図■に示す．裏面のひずみゲージ貼り付け位置に相当する表面位置の■■■■■×■■■■■の領域の平均ひずみ値は，■■■■■秒で ■■μ■■，■■■秒で ■■■μ■■，■秒で ■■■■μ■■である．ひずみゲージによる測定と同様に，時間経過にともないひずみ値が大きくなっている．また，ひずみゲージによるひずみ値は，■■■■■秒で ■μ■■，■■■秒で ■■μ■■，■秒で ■■■■μ■■であり，画像によるひずみ測定結果と■■■程度の差異がある．これは，面内で不均一に変化する試験片表面のランダムパターンの変形・移動を精度よく追跡できていないことなどが原因と考えられる．■■引張試験片上に作成したランダムパターンへの超解像処理結果を図■に示す．最近傍補間法による拡大した画像に対して，■■■■■■，■■■■■■■■■ともにランダムパターンの輪郭が明瞭になっている．また，■■■■■■と■■■■■■■■■を比較すると■■■■■■■■■の方が白黒の差や輪郭が明瞭でランダムパターンの再現性が良好である．これは，事前撮影した高解像度画像による学習済みモデルの調整が有効であったためと考えられる．■図■■ひずみゲージによるひずみ測定結果（引張試験）■図■■画像によるひずみ測定結果（引張試験）■■最近傍補間法による拡大画像，■■■■■■■による超解像処理画像，■■■■■■■■■による超解像処理画像を用いた画像によるひずみ測定結果を図■に示す．裏面のひずみゲージ貼り付け位置に相当する表面位置の■■■■■×■■■■■の領域の平均ひずみ値は，最近傍補間による拡大■ ■■μ■■，■■■■■■■ ■■■μ■■，■■■■■■■■■■ ■■μ■■である．この時のひずみゲージによるひずみは■ ■■μ■■であり，画像処理手法により差異の程度は異なり，■■■■■■■■■ではひずみゲージによる測定と一致している．■■■■■■■■■はランダムパターンの再現性が良く，変位を精度良く捉えることができたためと考えられる．■図■■超解像処理結果（引張試験）■− 202 −
元のページ ../index.html#204