国内６か所において、月単位で屋外腐食試験を行った時の炭素鋼の腐食量データと気象・環境データを用いて、機械学習により腐食損傷リスク予測モデルを構築した。構築したモデルの検証のため、冬季１か月間の銚子市の気象データから腐食損傷マップを作成し（図１）、実際の腐食試験結果と比較した。飛来海塩量の影響の大きい２か所での腐食量の推定値は実測値と比較的近い値を示したが、内陸部では実測値との乖離があり、データの充実などさらなる高精度化を目指して研究開発を継続中である。
腐食損傷リスク予測マップは、各インフラ構造物に対する補修や補強の優先順位付けを実現することができ、これらにかかるコストの平準化に大きく貢献できる。

4種類の既知の鉄系腐食生成物に対してハイパースペクトル測定を行った結果、それぞれのスペクトルには有意な違いが観測され、それぞれの腐食生成物を分離できることが分かった。この解析技術を用いて、銚子で暴露試験を行ったFe-9％Niについてハイパースペクトル解析を行った。１年目の試験片ではβ-FeOOHやγ-FeOOHが多く検出されたのに対し、腐食期間が長くなるにつれて、β-FeOOHは減少し、α-FeOOHが多く検出されることが分かった。
表面に形成される腐食生成物はその後の耐食性に大きく関与すると考えられ、本技術のさらなる高度化により、簡便で定量性の高い腐食損傷点検・評価技術の実現が期待できる。