日本基础设施老化问题日益严峻，隧道、下水道等地下设施因缺乏卫星定位信号（GNSS）而长期面临检测难、成本高、人力不足等挑战。京都大学工学研究科特定研究员西野朋季博士正与日本知名企业JVC建伍合作，开发一套能在无GNSS环境下实现高精度定位与异常检测的新技术，旨在通过AI与多传感器融合技术革新基础设施维护模式。
该项目依托日本国土交通省主导的“提升道路政策质量的技术研发”计划，核心目标是解决传统人工目视检测效率低、风险高的问题。西野博士指出，当前基础设施点检高度依赖人工，不仅受限于日本严重的人口老龄化与劳动力短缺，且随着设施老化，事故风险显著上升。新技术通过整合图像识别、距离测量与AI算法，有望实现低成本、高效率的自动化检测。
该技术具备三大核心优势。首先，采用先进的图像解析技术，能够捕捉肉眼难以察觉的微小裂缝或变形。其次，创新性地应用“传感器融合（Sensor Fusion）”技术，将图像数据与距离信息在空间上**对齐，解决了传统摄影无法准确定位缺陷位置的问题，从而大幅提升异常检测的精度。第三，利用GPU微控制器进行边缘AI处理，无需依赖云端即可实时完成数据分析，确保诊断结果的高可靠性。
在硬件设计上，该传感器融合相机系统总重量仅约500克，极轻的体积使其能够轻松搭载于无人机或小型移动设备上，特别适用于人员难以进入的封闭地下空间。目前，项目正处于研究开发与实地验证阶段，基础AI技术已获验证，正重点进行隧道等真实环境下的数据采集与测试。西野博士预计，结合日本国家项目与地方自治体的合作，该技术有望在数年内从实验阶段走向实际应用，甚至可能加速推广。
除了隧道，该技术还计划拓展至上下水道等地下管网系统。日本京都市上下水道局等机构已参与讨论，评估其在解决“地下黑箱”检测难题中的实际价值。未来，该团队希望以隧道检测技术为基石，构建覆盖地下空间的整体监测体系，最终实现早期发现隐患、预防灾害的“防灾技术”目标，同时保障检测人员的安全，降低社会维护成本。