これにより，JR東日本と日本線路技術（NSG）は，開発したDLMを活用し，線路設備モニタリング装置にAIを適用することで，線路設備の不良箇所を把握し，さらなる高度な線路設備の点検を進める．
　現状，不良箇所を抽出する場合は，しきい値による自動判定と人による目視確認を行なうとともに，自動判定では線路設備の多くを占める比較的構造が単純な箇所に適用しており，レール継目部のような構造が複雑な箇所ではスタッフが直接確認をしている．目視確認には多くのスタッフを配置するとともに，抽出に多くの時間を要している．

▲不良箇所抽出のイメージ（左）とAIによる不良箇所判定のイメージ

　NSGは，モニタリングセンターを設置し，線路設備モニタリング装置で撮影した画像から線路設備の不良箇所を抽出する．開発したDLMは，正常な設備と不良がある設備の画像を学習させたAIであり，これを活用することで，画像の中から良否判定の対象となる設備を検出し，設備種別ごとに良否を判定する．

▲AIによる不良箇所の判定のイメージ

　従来の，しきい値設定による自動判定では継目ボルトの脱落やゆるみのみ判定していたが，DLMが対象とする設備は，レール継目部周辺部の状態やレールボンドの状態などについて，判定することが可能となる．
　DLMを導入により，スタッフの目視確認は抽出した不良箇所のみとなるため、作業時間削減効果は1カ月あたり約100時間を想定している．

一部画像はJR東日本提供