CN116508047A - 结构物的点检辅助装置、结构物的点检辅助方法及程序 - Google Patents

结构物的点检辅助装置、结构物的点检辅助方法及程序 Download PDF

Info

Publication number
CN116508047A
CN116508047A CN202180074971.9A CN202180074971A CN116508047A CN 116508047 A CN116508047 A CN 116508047A CN 202180074971 A CN202180074971 A CN 202180074971A CN 116508047 A CN116508047 A CN 116508047A
Authority
CN
China
Prior art keywords
information
damage
evaluation
selection
spot inspection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180074971.9A
Other languages
English (en)
Inventor
堀田修平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujifilm Corp
Original Assignee
Fujifilm Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujifilm Corp filed Critical Fujifilm Corp
Publication of CN116508047A publication Critical patent/CN116508047A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computer Graphics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供一种能够实现评价作业的高效化及意见等评价的标准化的结构物的点检辅助装置、结构物的点检辅助方法及程序。结构物的点检辅助装置具备处理器，其中，处理器进行：选择处理，接受包括对象结构物的摄影图像及损伤信息中的至少一方的与对象结构物有关的信息的选择；制作处理，基于所选择的与对象结构物有关的信息，制作针对对象结构物的损伤的评价；以及显示处理，在显示器上显示评价。

Description

结构物的点检辅助装置、结构物的点检辅助方法及程序
技术领域
本发明涉及结构物的点检辅助装置、结构物的点检辅助方法及程序。
背景技术
作为社会基础设施，存在桥梁、隧道等结构物。由于这些结构物发生损伤，且该损伤具有进展的性质，因此要求定期地进行点检。
对结构物进行了点检的调查员需要根据由结构物的管理人员等决定的点检要领来制作规定形式的点检记录作为表示点检的结果的表单。通过观察以规定形式制作的损伤图，即使是与实际点检的调查员不同的专家，也能够掌握结构物的损伤的进展状况，制定该结构物的维护管理计划。
同样地，对于公寓、办公楼等结构物，也定期地检查其状态，基于检查结果进行修补、修缮。在检查中，制作检查报告书。关于检查报告书的制作，专利文献1公开了一种可缩短检查报告书的制作所需的时间的系统。
以往技术文献
专利文献
专利文献1：日本特开2019-082933号公报
发明内容
发明要解决的技术课题
在结构物的点检记录中，将针对损伤的对策区分、健全性等判定的依据及其思路作为评价记载到意见栏中。但是，需要一边参照各种数据一边制作评价，作业繁琐。另外，也有时因制作者的熟练程度等人为因素而在评价中发生偏差。
本发明是鉴于这样的情况而完成的，其目的在于提供一种能够实现评价作业的高效化及意见等评价的标准化的结构物的点检辅助装置、结构物的点检辅助方法及程序。
用于解决技术课题的手段
第一方式的结构物的点检辅助装置是具备处理器的结构物的点检辅助装置，其中，处理器进行：选择处理，接受包括对象结构物的摄影图像及损伤信息中的至少一方的与对象结构物有关的信息的选择；制作处理，基于所选择的与对象结构物有关的信息，制作针对对象结构物的损伤的评价；以及显示处理，在显示器上显示评价。
在第二方式的结构物的点检辅助装置中，制作处理基于摄影图像及损伤信息中的至少一方，制作针对对象结构物的损伤的至少一个评价。
在第三方式的结构物的点检辅助装置中，制作处理使用机器学习，制作针对对象结构物的损伤的评价。
在第四方式的结构物的点检辅助装置中，具备数据库，所述数据库将包括结构物的摄影图像及损伤信息中的至少一方的过去的与对象结构物有关的信息和针对结构物的损伤的评价相关联地存储，制作处理基于与对象结构物有关的信息和存储于数据库的与结构物有关的信息，制作针对与和对象结构物的损伤类似的类似损伤有关的结构物的损伤的评价，作为针对结构物的损伤的评价。
在第五方式的结构物的点检辅助装置中，选择处理通过选择和与对象结构物有关的信息相关联的结构物的三维模型，接受与对象结构物有关的信息的选择。
在第六方式的结构物的点检辅助装置中，选择处理从对象结构物中自动接受与成为评价的制作对象的对象结构物有关的信息的选择。
在第七方式的结构物的点检辅助装置中，选择处理基于摄影图像及损伤信息中的至少一方，自动接受与对象结构物有关的信息的选择。
在第八方式的结构物的点检辅助装置中，处理器接受对评价的编辑，执行变更评价的编辑处理。
在第九方式的结构物的点检辅助装置中，编辑处理接受从与评价对应的多个评价候补中选择的评价候补，作为对评价的编辑。
在第十方式的结构物的点检辅助装置中，处理器执行提取与对象结构物的损伤相关联的关联信息的关联信息提取处理，显示处理在显示器上显示关联信息。
第十一方式的结构物的点检辅助方法通过处理器进行：选择步骤，接受包括对象结构物的摄影图像及损伤信息中的至少一方的与对象结构物有关的信息的选择；制作步骤，基于所选择的与对象结构物有关的信息，制作针对对象结构物的损伤的评价；以及显示步骤，在显示器上显示评价。
第十二方式的结构物的点检辅助程序使计算机实现：选择功能，接受包括对象结构物的摄影图像及损伤信息中的至少一方的与对象结构物有关的信息的选择；制作功能，基于所选择的与对象结构物有关的信息，制作针对对象结构物的损伤的评价；以及显示功能，在显示器上显示评价。
发明效果
根据本发明的结构物的点检辅助装置、结构物的点检辅助方法及程序，能够实现评价作业的高效化及意见等评价的标准化。
附图说明
图1是表示结构物的点检辅助装置的硬件结构的一例的框图。
图2是表示由CPU实现的处理功能的框图。
图3是表示存储于存储部的信息等的图。
图4是表示使用结构物的点检辅助装置的点检辅助方法的流程图。
图5是表示摄影图像的一例的图。
图6是表示损伤信息的一例的图。
图7是表示三维模型的一例的图。
图8是表示从三维模型中选择与对象结构物有关的信息的样子的图。
图9是执行使用了已学习模型的处理的制作处理部的框图。
图10是执行类似损伤的提取处理的制作处理部的框图。
图11是表示类似损伤的提取方法的一例的图。
图12是表示选择步骤中的、在显示装置上显示的画面的一例的图。
图13是表示选择步骤中的、在显示装置上显示的画面的另一例的图。
图14是表示将点检记录数据的模板的例子显示在显示装置上的例子的图。
图15是表示将输入有意见等评价以外的文本数据的点检记录数据显示在显示装置上的例子的图。
图16是表示将输入有评价的文本数据的点检记录数据显示在显示装置上的例子的图。
图17是表示编辑处理的一例的图。
具体实施方式
下面，按照附图对本发明的结构物的点检辅助装置、结构物的点检辅助方法及程序的优选实施方式进行说明。在此，“结构物”包括建造物、例如桥梁、隧道、堤坝等土木结构物，除此以外还包括楼房、房屋、建筑的墙壁、柱、梁等建筑物。
[结构物的点检辅助装置的硬件结构]
图1是表示本发明所涉及的结构物的点检辅助装置的硬件结构的一例的框图。
作为图1所示的结构物的点检辅助装置10，可使用计算机或工作站。本例的结构物的点检辅助装置10主要由输入输出接口12、存储部16、操作部18、CPU(Central ProcessingUnit)20、RAM(Random Access Memory)22、ROM(Read Only Memory)24以及显示控制部26构成。在结构物的点检辅助装置10上连接有构成显示器的显示装置30，在CPU20的指令下，通过显示控制部26的控制在显示装置30上进行显示。显示装置30例如由监视器构成。
输入输出接口12能够向结构物的点检辅助装置10输入各种数据(信息)。例如，经由输入输出接口12输入存储于存储部16的数据。
CPU(处理器)20读出包括存储在存储部16或ROM24等中的实施方式的结构物的点检辅助程序的各种程序，并在RAM22中展开来进行计算，由此统一控制各部。另外，CPU20读出存储在存储部16或ROM24中的程序，并使用RAM22进行计算以进行结构物的点检辅助装置10的各种处理。
图2是表示由CPU20实现的处理功能的框图。
CPU20具有选择处理部51、制作处理部53、显示处理部55等。在后文进行各部的具体的处理功能的说明。由于选择处理部51、制作处理部53及显示处理部55是CPU20的一部分，因此CPU20也可将各部的处理称为执行。
返回图1，存储部(存储器)16是由硬盘装置、快闪存储器等构成的存储器。在存储部16中存储有操作系统、执行结构物的点检辅助方法的程序等、以及使结构物的点检辅助装置10动作的数据及程序。另外，存储部16存储以下说明的本实施方式中使用的信息等。
图3是表示存储于存储部16的信息等的图。存储部16由CD(Compact Disk)、DVD(Digital Versatile Disk)、硬盘(Hard Disk)、各种半导体存储器等非暂时性记录介质及其控制部构成。
存储部16主要存储与对象结构物有关的信息101、三维模型103及点检记录数据105。
与对象结构物有关的信息101至少包括对象结构物的摄影图像及损伤信息中的至少一方。摄影图像是拍摄结构物而得的图像。损伤信息包括对象结构物的损伤的位置、损伤的种类及损伤的程度中的至少一个。另外，与对象结构物有关的信息101也可以包括表示从结构物的摄影图像中检测出的损伤的图像(损伤图像)。损伤信息也可以通过图像解析等自动获取，或者由用户通过手动来获取。
与对象结构物有关的信息101也可以包括多种数据，例如，也可以包括全景合成图像及二维图。全景合成图像是由摄影图像合成的、与特定的部件对应的图像组。损伤信息(损伤图像)也可以进行全景合成。
三维模型103例如是基于多个摄影图像而制作的结构物的三维模型的数据。三维模型103包括构成结构物的部件区域及部件名称的数据。在三维模型103上，也可以特定各部件区域和部件名称。
部件区域和部件名称也可以根据与部件的形状及尺寸等有关的信息，自动地对三维模型103进行特定。另外，部件区域和部件名称也可以根据用户的操作对三维模型103进行特定。
与对象结构物有关的信息101和三维模型103也可以相互关联。例如，与对象结构物有关的信息101和三维模型103上的位置及部件等相互关联地存储于存储部16。通过在三维模型103上指定位置，与对象结构物有关的信息101也可以在三维模型103上显示。另外，通过指定与对象结构物有关的信息101，三维模型103也可以和与对象结构物有关的信息101一起显示。
点检记录数据105例如是二维点检记录的模板(被指定的形式的文件格式)。模板也可以是国土交通省或地方自治体确定的形式。
图1所示的操作部18包括键盘及鼠标，用户可通过这些器件进行点检辅助装置10所需的处理。通过使用触摸屏式的器件，显示装置30可作为操作部发挥功能。
显示装置30例如是液晶显示器等器件，能够显示三维模型数据、与对象结构物有关的信息101、点检记录数据105及评价。
图4是表示使用了结构物的点检辅助装置的结构物的点检辅助方法的流程图。
<选择步骤＞
选择处理部51接受与对象结构物有关的信息101的选择(选择步骤：步骤Si)。如上所述，与对象结构物有关的信息101包括摄影图像及损伤信息中的至少一方。
与对象结构物有关的信息101从存储有其的存储部16来获取。在与对象结构物有关的信息101未存储于存储部16的情况下，也可以经由输入输出接口12通过网络从其他存储部获取与对象结构物有关的信息101。
图5是表示与对象结构物有关的信息101中所包括的摄影图像107的一例的图。摄影图像107A及107B是拍摄结构物而得的多个图像。构成由对结构物的多个部位进行拍摄而得的多个摄影图像107A、107B等构成的摄影图像组107C。此外，在说明书中，根据需要有时简称为摄影图像107。
图6是表示与对象结构物有关的信息101中所包括的损伤信息109的一例的图。图6所示的损伤信息109包括部件(损伤的位置)、损伤的种类、损伤的尺寸、损伤的程度及时间变化。损伤信息109只要包括对象结构物的损伤的位置、损伤的种类及损伤的程度中的至少一个即可。另外，损伤信息109也可以包括图6所示的损伤信息109以外的损伤信息、例如损伤原因等。
接着，对选择步骤(步骤S1)中的优选选择处理进行说明。
第一选择处理也可以通过由选择处理部51选择和与对象结构物有关的信息101相关联的结构物的三维模型103，来接受与对象结构物有关的信息101的选择。
首先，对三维模型进行说明。图7是表示三维模型103的例子的图。三维模型103可以用点云、多边形模块(网格)、或实体模型等来显示。图7的三维模型103是在多边形的多边形模块上对拍摄结构物而得的摄影图像(纹理)进行纹理映射所得的图。
在图7的例子中，三维模型103包括部件名称及部件区域。三维模型103例如由桥面131、桥墩133及桥台135等构成。
与对象结构物有关的信息101和三维模型103上的位置及部件等相互关联。
关于三维模型103的制作，其方法没有限定。存在各种模型，例如可利用SfM(Structure from Motion)的方法来制作三维模型103。SfM是根据多视点图像复原三维形状的方法，例如通过SIFT(Scale-Invariant Feature Transform)等算法计算特征点，以该特征点为线索，利用三角测量的原理计算点(point cloud)的三维位置。具体地说，利用三角测量的原理从摄像装置向特征点引直线，通过对应的特征点的两条直线的交点成为复原后的三维点。然后，通过对检测出的每个特征点进行该作业，能够获得点云的三维位置。也可以利用图5所示的摄影图像107(摄影图像组107C)来制作三维模型103。
此外，在SfM中未计算大小，例如，通过将尺寸已知的定标器(scaler)设置在被摄体上进行拍摄，能够进行与实际缩放的对应。
接着，参照图8对第一选择处理进行说明。如图8所示，表示整体俯瞰图的三维模型103通过显示处理部55(未图示)显示于显示装置30(未图示)。用户经由操作部18通过手动在三维模型103上进行选择，由此显示处理部55任意地显示放大或缩小后的三维模型103A、或者变更了视点、视线及视野中的任一者后的三维模型103A。包括整体俯瞰图及进行了放大等变更后的三维模型在内，有时称为三维模型103。
用户经由操作部18指定三维模型103A上的特定的位置，由此选择处理部51能够接受作为与对象结构物有关的信息101的摄影图像107或损伤信息109的选择。另外，选择处理部51也可以接受作为与对象结构物有关的信息101的摄影图像107及损伤信息109双方的选择。能够显示映射有损伤的三维模型103，使用户在三维模型103上选择评价对象的损伤。
接下来，对第二选择处理进行说明。第二选择处理也可以通过选择处理部51从对象结构物中自动接受与成为评价的制作对象的对象结构物有关的信息101的选择。
在第二选择处理的一个方式中，用户经由操作部18选择成为对象的部件(桥梁)或跨距(隧道)，选择处理部51对每个部件自动接受与对象结构物有关的信息101的选择。
如图8所示，例如，用户指定三维模型103上的特定的部件，由此选择处理部51能够从三维模型103上指定的部件中自动接受作为与对象结构物有关的信息101的摄影图像107或损伤信息109中的至少一方的选择。
除了指定三维模型103上的特定的部件的方法以外，用户也可以从显示在显示装置上的部件列表中选择部件。选择处理部51能够从自部件列表中指定的部件中自动接受作为与对象结构物有关的信息101的摄影图像107或损伤信息109中的至少一方的选择。
即，选择处理部51在对象部件及跨距中，按照每个损伤种类，自动选择规定数量的与对应于对象损伤的对象结构物有关的信息101，并接受选择。但是，在结构物整体中不存在损伤的情况下，与对应于损伤的对象结构物有关的信息101不被选择。
在第二选择处理的另一方式中，选择处理部51从对象结构物的整体中自动选择规定数量的与对应于对象损伤的对象结构物有关的信息101，并接受该选择。但是，在结构物整体中不存在损伤的情况下，与对应于损伤的对象结构物有关的信息101不被选择。
接着，对自动选择与对象结构物有关的信息101时的优选基准进行说明。
作为第一选择基准，选择处理部51可以从与对象结构物有关的信息101中选择损伤的程度进展最严重的损伤。例如，选择处理部51从损伤信息109的损伤程度(a、b、c、d、e等级)的结果中选择损伤程度最大的损伤，接受与对象结构物有关的信息101的选择。
作为第二选择基准，选择处理部51也可以从与对象结构物有关的信息101中选择损伤的进展速度最快的损伤。例如，选择处理部51从损伤信息109的时间变化等结果中选择进展速度最快的损伤，选择与对象结构物有关的信息101。进展速度可以根据长度变化/年、宽度变化/年或面积变化/年等来求出。进展速度也可以根据每年的损伤尺寸的变化量来求出。例如，可以按每年的裂纹长度的变化量、即长度变化量/年来求出。另外，也可以根据每年的裂纹宽度的变化量等、损伤的宽度的变化量，按宽度变化量/年来求出。也可以根据每年的损伤面积的变化量求出面积变化量/年，或者，根据钢部件的腐蚀导致的壁厚变薄的深度的变化量等、每年的损伤深度的变化量求出深度的变化量/年等。
作为第三选择基准，选择处理部51也可以从与对象结构物有关的信息101中选择损伤的尺寸最大的损伤。例如，选择处理部51也可以从摄影图像107或损伤信息109的结果中选择裂纹、龟裂等最长的损伤或宽度最宽的损伤，另外，也可以选择剥离、漏水、游离石灰、腐蚀等面积最大的损伤。选择处理部51接受与所选择的损伤的对象结构物有关的信息101的选择。
作为第四选择基准，选择处理部51也可以根据与对象结构物有关的信息101，在混凝土部件的情况下，从疲劳、盐害、中性化、碱骨料反应、冻害、施工不良、过大的外力等中选择与用户指定的损伤原因相当的损伤，在钢部件的情况下，从疲劳、盐害、漏水、材料劣化、涂膜劣化、施工不良、过大的外力等中选择与用户指定的损伤原因相当的损伤。选择处理部51例如从损伤信息109的结果中接受与所选择的损伤的对象结构物有关的信息101的选择。
作为第五选择基准，选择处理部51也可以选择关注部位中存在的损伤。例如，在国土交通省“桥梁定期点检要领”(平成31年3月)中，记载有在定期点检混凝土桥的基础上需要重点关注的关注部位的例子。作为关注部位，可举出(1)端支点部、(2)中间支点部、(3)跨度中央部、(4)跨度1/4部、(5)继续浇筑接缝部、(6)管片接头部、(7)固定部及(8)缺口部。选择处理部51也可以对每个关注部位自动接受与损伤的对象结构物有关的信息101的选择。
例如，在国土交通省“道路隧道定期点检要领”(平成31年3月)中，记载有由于道路隧道的施工方法等而发生类似的变化的关注部位的例子。作为关注部位，可举出(1)砌衬的接头及接口、(2)砌衬的顶端附近及(3)砌衬跨距的中间附近。选择处理部51也可以对每个关注部位自动接受与损伤的对象结构物有关的信息101的选择。
此外，在单独的第一至第五选择基准中，在无法将损伤限制在规定数量的情况下，也可以将第一至第五选择基准组合来应用。例如，选择处理部51也可以自动接受与满足第一选择基准和第二选择基准的损伤的对象结构物有关的信息101的选择。另外，选择处理部51例如也可以自动接受与满足第一选择基准和第三选择基准的损伤的对象结构物有关的信息101的选择。此外，虽然对组合了两个选择基准的情况进行了说明，但也可以组合三个以上的选择基准。
如上所述，CPU20作为选择处理部51发挥功能。
<制作步骤>
如图4所示，制作处理部53基于所选择的与对象结构物有关的信息101，制作针对对象结构物的损伤的评价(制作步骤：步骤S2)。
接着，对制作步骤(步骤S2)中的优选的评价的制作处理进行说明。
评价的第一制作处理基于所选择的与对象结构物有关的信息101，通过制作处理部53利用人工智能(AI：Artificial intelligence)制作针对对象结构物的损伤的至少一个评价。
作为AI，例如，可使用基于卷积神经网络(CNN：Convolution Neural Network)的已学习模型。
图9表示使用了已学习模型的制作处理部53的框图。使用了已学习模型的制作处理部53由CPU等构成。
在图9中，制作处理部53包括与多个种类的损伤对应的多个(在本例中为三个)已学习模型53A、53B及53C。
各已学习模型53A、53B及53C具备输入层、中间层以及输出层，各层成为多个“节点”由“边缘”连结的结构。
在CNN的输入层中，输入有所选择的与对象结构物有关的信息101。与对象结构物有关的信息101是摄影图像107或损伤信息109(例如，损伤种类、程度、损伤的进展性、损伤的原因等中的至少一种)。
中间层具有将卷积层和池化层设为一组的多个组，是从由输入层输入的摄影图像107或损伤信息109中提取特征的部分。卷积层对在前一层处于附近的节点进行滤波处理(进行使用了滤波器的卷积运算)，获取“特征图”。池化层将从卷积层输出的特征图缩小，形成新的特征图。“卷积层”承担来自摄影图像107的边缘提取等特征提取的作用、或者来自损伤信息109的例如自然语言处理等特征提取的作用。
CNN的输出层是输出表示由中间层提取出的特征的特征图的部分。本例的已学习模型53A、53B、5·3C的输出层输出推论结果，作为损伤检测结果53D、53E、53F。损伤检测结果53D、53E、53F包括针对从各已学习模型53A、53B、53C中导出的损伤的至少一个评价。
例如，已学习模型53A是以检测漏水、面状游离石灰及锈汁的损伤的方式进行了机器学习的已学习模型，输出漏水、面状游离石灰、锈汁各自的损伤区域、每个损伤区域的损伤种类及评价，作为损伤检测结果53D。已学习模型53B是以检测剥离及钢筋露出的损伤的方式进行了机器学习的已学习模型，输出剥离及钢筋露出各自的损伤区域、每个损伤区域的损伤种类及评价，作为损伤检测结果53E。已学习模型53C是以检测裂纹及线状游离石灰的损伤的方式进行了机器学习的已学习模型，输出裂纹及线状游离石灰各自的损伤区域、每个损伤区域的损伤种类及评价，作为损伤检测结果53F。
如上所述，输出的损伤检测结果53D、53E、53F被制作成对于对象结构物的损伤的评价。此外，制作处理部53的已学习模型53A、53B、53C不限于上述的实施方式，例如，也可以构成为：每个损伤种类具有独立的已学习模型，各已学习模型输出与各自的损伤种类相对应的损伤区域及评价，作为损伤检测结果。在该情况下，具备与点检对象的损伤种类的数量相同数量的已学习模型。另外，也可以构成为，具有能够与所有损伤种类相对应的一个已学习模型，输出损伤区域、每个损伤区域的损伤种类及评价，作为损伤检测结果。基于与对象结构物有关的信息101，能够生成适当的、即准确无误的评价。对输出损伤区域、每个损伤区域的损伤种类及评价作为损伤检测结果的情况进行了说明，但只要输出评价即可。
基于图10及图11对评价的第二制作处理进行说明。评价的第二制作处理除了上述的第一制作处理以外，也可以通过制作处理部53，基于与对象结构物有关的信息101以及存储在数据库60中的过去的与结构物有关的信息140，制作对于与跟对象结构物的损伤类似的类似损伤有关的结构物的损伤的评价，作为对于结构物的损伤的评价。数据库60可以存储于存储部16，另外，也可以存储于其他存储部。
如图10所示，数据库60是对过去点检出的与结构物有关的信息140和对于当时所制作的结构物的损伤的评价142相关联地进行存储及管理的部分。与结构物有关的信息140包括摄影图像及损伤信息中的至少一个。
制作处理部53进一步包括类似损伤提取部53G。
通过选择步骤(步骤S1)选择的与对象结构物有关的信息101被输出到类似损伤提取部53G。类似损伤提取部53G基于与对象结构物有关的信息101，从存储在数据库60中的过去的与结构物有关的信息140及当时所制作的对于结构物的损伤的评价142中，提取跟与对象结构物有关的信息101类似的与结构物有关的信息140及评价142。
类似损伤提取部53G也可以基于损伤的种类、损伤的位置、损伤的程度(长度、宽度、面积、密度、深度等)(平均值、最大值等)损伤信息进行类似的判定。
另外，类似损伤提取部53G除了损伤信息以外，还可以基于损伤的位置、程度的经时变化进行类似的判定。在该情况下，优选在数据库60中存储有对结构物的同一部位进行拍摄而得的多个时点的摄影图像、从多个时点的摄影图像中检测出的多个时点的损伤信息及表示损伤信息的经时变化的信息中的至少一个。
类似损伤提取部53G进行的类似损伤提取处理基于多个时点的与对象结构物有关的信息101来检测损伤信息的经时变化，可使用表示该经时变化的信息作为从数据库60提取与对象结构物的损伤类似的类似损伤时的信息之一。
此外，类似损伤提取部53G也可以设为考虑损伤信息以外的信息、例如结构物的结构信息、环境信息、历史信息及检查信息中的至少一个来进行类似的判定。
类似损伤提取部53G提取类似的损伤的损伤区域、每个损伤区域的损伤种类及评价作为类似损伤检测结果53H。
此外，除了与对象结构物有关的信息101以外，也可以将以下的其他信息输出到类似损伤提取部53G。类似损伤提取部53G也可以基于以下的其他信息中的一个以上，提取跟与对象结构物有关的信息101类似的与结构物有关的信息140及评价142，作为类似损伤检测结果53H来提取。
<其他信息＞
作为其他信息，包括以下所示的结构物的结构信息、环境信息、历史信息及检查信息中的至少一个。
·结构信息：结构种类(桥梁的情况下：梁式桥、刚架桥、桁架桥、拱桥、斜拉桥、吊桥)、部件种类(桥梁的情况下：桥面、桥墩、桥台、梁……)、材料(钢、钢筋混凝土、PC(Prestressed Concrete)……)等
·环境信息：交通量(每日、每月、每年、累积等)、与海之间的距离、气候(平均气温、平均湿度、降雨量、降雪量等)
·历史信息：施工时条件(施工时的气温等)、经年数(竣工日、开始使用日、这之后的经年数)、修补履历、灾害履历(地震、台风、洪水等)
·检查信息：监视信息(结构物的弯曲、振动的振幅、振动的周期等)、抽芯试验信息、非破坏检查信息(超声波、雷达、红外线、击打声等)
另外，在其他信息中，可包括对象结构物的诊断目的。诊断目的是损伤程度的判定、对策区分的判定、健全性的判定、损伤原因的推定、是否需要修补的判定及修补方法的选定等。
图11是表示类似损伤提取部进行的类似损伤的提取方法的一例的图。
在图11中，在基于特征矢量A和特征矢量B的特征空间中，绘制有存储在数据库60中的与结构物有关的信息140和与对象结构物有关的信息101。
此外，在图11上，用×标记表示存储在数据库60中的与结构物有关的信息140，用●标记表示与对象结构物有关的信息101。另外，特征矢量A表示裂纹最大宽度(mm)，特征矢量B表示结构物的开始使用后的年数。基于特征矢量的特征空间可设为由三个以上的特征矢量构成的多维空间，但在图11中为了简便而在由两个特征矢量构成的二维空间中进行图示。
类似损伤提取部53G在图11所示的特征空间中，计算用●标记表示的本次的珍断对象的损伤信息的特征矢量(第一特征矢量)与用×标记表示的损伤信息的特征矢量(第二特征矢量)之间的距离，提取该距离在阈值以下(在图11上，用虚线表示的圆内)的用×标记表示的损伤信息作为类似损伤。该阈值可通过统计方法来优化。
另外，距离可以是未对第一特征矢量及第二特征矢量的多个参数进行加权时的距离(欧几里得距离)，也可以是进行了加权时的距离(马哈拉诺比斯距离)。可以通过主成分分析等统计方法来决定对哪个参数分配怎样的权重。
除了如上所述的判定以外，也可指定追加检索条件作为特征空间中的点或范围。例如，在指定了竣工年月日为1990年1月1日以后的桥梁、基本结构为梁式桥等的情况下，可在指定范围内提取以结构物的损伤为对象的类似的损伤。
另外，除了上述以外，还可在特征空间的轴上设定其他信息中所含的损伤信息、结构信息、环境信息、履历信息及检查信息等，提取类似损伤。
此外，类似损伤提取的方法也可以使用与根据特征空间中的距离进行判定的方法不同的方法。例如，也可以通过根据图像判定类似度的AI(Artificial Intelligence)、组合图像、损伤信息、其他信息中的多个信息来判定类似度的AI等来提取。
根据过去的类似损伤制作评价并进行参照，由此能够参考熟练技术人员的技术诀窍，能够培养年轻技术人员。
<显示步骤＞
如图4所示，显示处理部55在构成显示器的显示装置30上显示在制作步骤(步骤S2)中制作的评价(显示步骤：步骤S3)。
由于可利用由结构物的点检辅助装置10制作的评价，因此用户能够高效地进行评价的制作作业。能够通过结构物的点检辅助装置10将意见等评价标准化，而不受人为因素影响。此外，点检辅助程序通过CPU20等，实现与选择步骤对应的选择功能、与制作步骤对应的制作功能、及与显示步骤对应的显示功能。
接着，对选择步骤(步骤S1)、制作步骤(步骤S2)、显示步骤(步骤S3)的优选实施方式进行说明。
图12是表示选择步骤(步骤S1)中的、在显示装置上显示的画面的一例的图。如图12所示，在显示装置3()上，三维模型103、放大的三维模型103A、以及与对象结构物有关的信息101显示在一个画面上。作为与对象结构物有关的信息101，显示有摄影图像107和损伤信息109。摄影图像107和损伤信息109只要显示其中的任一方即可。
图13是表示在显示装置30上显示的画面的另一例的图。如图13的(A)所示，在显示装置30上仅显示三维模型103。如图13的(B)所示，在显示装置30上显示放大的三维模型103。如图13的(C)所示，在显示装置30上仅显示与对象结构物有关的信息101。在图13中，作为与对象结构物有关的信息101显示有摄影图像107。
如图13所示，也可以从表示整体俯瞰图的三维模型103的显示(图13的(A))，经由放大的三维模型103A的显示(图13的(B))，切换成与对象结构物有关的信息101的显示(图13的(C))。另外，也可以从与对象结构物有关的信息101的显示(图13的(C))，经由放大的三维模型103A的显示(图13的(B))，切换成三维模型103的显示(图13的(A))。
如图12、图13所示，通过执行点检辅助装置10的选择处理部51，选择与对象结构物有关的信息101(选择步骤：步骤S1)。
图14是表示在显示装置30上显示点检记录数据105的模板的例子的图。模板的点检记录数据105表示未输入文本数据的状态。在点检记录数据105中，输入有与材料名(材料名称)、记号、部件记号、损伤的程度、修补等的必要性、详细调查的必要性、原因、意见等评价对应的文本数据。在图14的点检记录数据105中，意见等评价的文本数据被输入到最右边的栏中。
图15是表示在显示装置30上显示输入有意见等评价以外的文本数据的点检记录数据105的例子的图。用户基于与对象结构物有关的信息101，手动将文本数据输入到点检记录数据105的意见等评价以外的相应部位。点检辅助装置10也可以基于与对象结构物有关的信息101，自动将文本数据输入到点检记录数据105的意见等评价以外的相应部位。
图16是表示在显示装置30上显示输入有意见等评价的文本数据的点检记录数据105的例子的图。点检辅助装置10的制作处理部53执行制作步骤(步骤S2)，显示处理部55执行显示步骤(步骤S3)，由此显示装置30显示包括自动制作的评价的意见栏。在图15及图16中，仅示出了3行，但不限于3行。
如图16所示，在意见栏中显示有自动制作的评价。用户也可以经由操作部18(未图示)对制作的评价修正评价的内容。CPU20接受对评价的编辑，执行变更评价的编辑处理。
为了便于编辑处理，也可以根据所选择的损伤，制作处理部53制作评价模板，显示处理部55在显示装置30上显示评价模板。用户可以从评价模板中重新选择合适的评价。
图17是表示编辑处理的一例的图。如图17的(A)所示，在意见栏显示有由点检辅助装置10制作的评价。评价是利用与所选择的损伤的种类对应的模板制作的。
例如，评价包括“推定为由(损伤原因)导致的(损伤种类)。(损伤种类)发生于(位置·范围)，(与进展性有关的评价)(与对应有关的评价)。”的信息。在图17的(A)中，显示有“推定为由(疲劳)导致的(裂纹)。(裂纹)发生于(主梁)，(进展迅速。)(实施详细调查。)”。()内的评价自动制作，并输入其结果。
在点检辅助装置10中，如图17的(B)所示，也可以在下拉菜单中显示评价候补，从评价候补中重新选择其他候补。
例如，在(损伤原因)的下拉菜单的候补中，例如，在混凝土部件的情况下，可以包括“疲劳”、“盐害”、“中性化”、“碱骨料反应”、“冻害”、“施工不良”、“过大的外力”等，另外，在钢部件的情况下，可以包括“疲劳”、“盐害”、“漏水”、“材料劣化”、“涂膜劣化”、“施工不良”、“过大的外力”等。
(损伤种类)的下拉菜单的候补例如可以包括“裂纹”、“桥面裂纹”、“漏水”、“游离石灰”、“剥离”、“钢筋露出”、“龟裂”、“腐蚀”等。
(位置·范围)的下拉菜单的候补可以包括“主梁”、“横梁”、“桥墩”、“桥台”、“支承”等，另外，也可以包括“整体”、“端部”等。
(与进展性有关的评价)的下拉菜单的候补可以包括“进展迅速。”、“进展缓慢。”、“没有进展的可能性。”等。
(与对应有关的评价)的下拉菜单的候补可以包括“实施详细调查。”、“实施追踪调查。”、“实施修补。”、“实施对策措施。”等。
根据损伤来适当地选择下拉菜单的候补。用户也可以编辑下拉菜单的候补的评价。
也可以将在类似损伤提取处理中提取的类似损伤的评价作为意见的模板，显示在显示装置30上。与图17所示的编辑处理同样，也可以在下拉菜单中编辑类似损伤的评价。
CPU20执行提取与对象结构物的损伤相关联的关联信息的关联信息提取处理，CPU20的显示处理部55可以在显示装置30上显示关联信息。
作为与对象结构物的损伤相关联的关联信息，也可以在显示装置30上显示所选择的损伤的点检数据、所选择的损伤的过去的点检数据、关系深的其他损伤的数据(存在于靠近所选择的损伤的位置的损伤、存在于背面侧的损伤等)、类似损伤(也可以是其他结构物)的点检数据。通过显示与对象结构物的损伤相关联的关联信息，用户可以编辑评价。
<其他>
在上述实施方式中，执行各种处理的处理部(processing unit)的硬件结构是如下所示的各种处理器(processor)。在各种处理器中，包括执行软件(程序)并作为各种处理部发挥功能的通用处理器即CPU(Central Processing Unit)、FPGA(Field ProgrammableGate Array)等在制造后可变更电路结构的处理器即可编程逻辑器件(ProgrammableLogic Device：PLD)、以及ASIC(Application Specific Integrated Circuit)等具有为了执行特定处理而专门设计的电路结构的处理器即专用电路等。
一个处理部可以由这些各种处理器中的一个构成，也可以由相同种类或不同种类的两个以上的处理器(例如，多个FPGA、或者CPU与FPGA的组合)构成。另外，可用一个处理器构成多个处理部。作为用一个处理器构成多个处理部的例子，首先，有诸如以客户端或服务器等计算机为代表，使用一个以上的CPU与软件的组合构成一个处理器、并将该处理器作为多个处理部发挥功能的形态。其次，有诸如以片上系统(System On Chip：SoC)等为代表，使用以一个IC(Integrated Circuit)芯片实现包括多个处理部的系统整体的功能的处理器的形态。像这样，使用一个以上的上述各种处理器作为硬件结构来构成各种处理部。
此外，更具体地说，这些各种处理器的硬件结构是将半导体元件等电路元件组合而成的电路(circuitry)。
上述的各结构及功能可以通过任意的硬件、软件或者两者的组合来适当地实现。例如，对于使计算机执行上述处理步骤(处理顺序)的程序、记录有这样的程序的计算机可读取记录介质(非暂时性记录介质)、或者可安装这样的程序的计算机，也可以应用本发明。
以上，对本发明的例子进行了说明，但是不用说，本发明不限于上述的实施方式，在不脱离本发明的主旨的范围内可以进行各种变形。
符号说明
10 点检辅助装置
12 输入输出接口
16 存储部
18 操作部
20 CPU
22 RAM
24 ROM
26 显示控制部
30 显示装置
51 选择处理部
53 制作处理部
53A 已学习模型
53B 已学习模型
53C 已学习模型
53D 损伤检测结果
53E 损伤检测结果
53F 损伤检测结果
55 显示处理部
60 数据库
101 与对象结构物有关的信息
103 三维模型
103A 三维模型
105 点检记录数据
107 摄影图像
107A 摄影图像
107B 摄影图像
107C 摄影图像组
109 损伤信息
131 桥面
133 桥墩
135 桥台
140 与结构物有关的信息
142 评价
S1、S2、S3 步骤。

Claims (12)

1.一种结构物的点检辅助装置，其具备处理器，其中，
所述处理器进行：
选择处理，接受包括对象结构物的摄影图像及损伤信息中的至少一方的与对象结构物有关的信息的选择；
制作处理，基于所选择的与所述对象结构物有关的信息，制作针对所述对象结构物的损伤的评价；以及
显示处理，在显示器上显示所述评价。
2.根据权利要求1所述的结构物的点检辅助装置，其中，
所述制作处理基于所述摄影图像及所述损伤信息中的至少一方，制作针对所述对象结构物的损伤的至少一个所述评价。
3.根据权利要求1或2所述的结构物的点检辅助装置，其中，
所述制作处理使用机器学习，制作针对所述对象结构物的损伤的所述评价。
4.根据权利要求1至3中任一项所述的结构物的点检辅助装置，其中，
具备数据库，所述数据库将包括结构物的摄影图像及损伤信息中的至少一方的过去的与对象结构物有关的信息和针对结构物的损伤的评价相关联地存储，
所述制作处理基于与所述对象结构物有关的信息和存储于所述数据库的与所述结构物有关的信息，制作针对与和所述对象结构物的损伤类似的类似损伤有关的所述结构物的损伤的评价，作为针对所述结构物的损伤的评价。
5.根据权利要求1至4中任一项所述的结构物的点检辅助装置，其中，
所述选择处理通过选择和与所述对象结构物有关的信息相关联的所述结构物的三维模型，接受与所述对象结构物有关的信息的选择。
6.根据权利要求1至4中任一项所述的结构物的点检辅助装置，其中，
所述选择处理从所述对象结构物中自动接受与成为所述评价的制作对象的所述对象结构物有关的信息的选择。
7.根据权利要求6所述的结构物的点检辅助装置，其中，
所述选择处理基于所述摄影图像及所述损伤信息中的至少一方，自动接受与所述对象结构物有关的信息的选择。
8.根据权利要求1至7中任一项所述的结构物的点检辅助装置，其中，
所述处理器接受对所述评价的编辑，执行变更所述评价的编辑处理。
9.根据权利要求8所述的结构物的点检辅助装置，其中，
所述编辑处理接受从与所述评价对应的多个评价候补中选择的评价候补，作为对所述评价的编辑。
10.根据权利要求1至9中任一项所述的结构物的点检辅助装置，其中，
所述处理器执行提取与所述对象结构物的损伤相关联的关联信息的关联信息提取处理，
所述显示处理在显示器上显示所述关联信息。
11.一种结构物的点检辅助方法，其中，通过处理器进行：
选择步骤，接受包括对象结构物的摄影图像及损伤信息中的至少一方的与对象结构物有关的信息的选择；
制作步骤，基于所选择的与所述对象结构物有关的信息，制作针对所述对象结构物的损伤的评价；以及
显示步骤，在显示器上显示所述评价。
12.一种结构物的点检辅助程序，其中，其使计算机实现：
选择功能，接受包括对象结构物的摄影图像及损伤信息中的至少一方的与对象结构物有关的信息的选择；
制作功能，基于所选择的与所述对象结构物有关的信息，制作针对所述对象结构物的损伤的评价；以及
显示功能，在显示器上显示所述评价。
CN202180074971.9A 2020-11-19 2021-10-08 结构物的点检辅助装置、结构物的点检辅助方法及程序 Pending CN116508047A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2020192303 2020-11-19
JP2020-192303 2020-11-19
PCT/JP2021/037302 WO2022107485A1 (ja) 2020-11-19 2021-10-08 構造物の点検支援装置、構造物の点検支援方法及びプログラム

Publications (1)

Publication Number Publication Date
CN116508047A true CN116508047A (zh) 2023-07-28

Family

ID=81708834

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180074971.9A Pending CN116508047A (zh) 2020-11-19 2021-10-08 结构物的点检辅助装置、结构物的点检辅助方法及程序

Country Status (5)

Country Link
US (1) US20230260098A1 (zh)
EP (1) EP4250192A4 (zh)
JP (1) JPWO2022107485A1 (zh)
CN (1) CN116508047A (zh)
WO (1) WO2022107485A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3889356A4 (en) * 2018-11-29 2022-02-23 FUJIFILM Corporation STRUCTURAL REPAIR METHOD SELECTION SYSTEM, REPAIR METHOD SELECTION, AND REPAIR METHOD SELECTION SERVER
US20230215165A1 (en) * 2022-01-05 2023-07-06 Here Global B.V. Method, apparatus, and computer program product for identifying fluid leaks based on aerial imagery

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003067519A (ja) * 2001-08-24 2003-03-07 Kubota Corp 機械設備のメンテナンス情報管理システム
JP2018181235A (ja) * 2017-04-21 2018-11-15 古河電気工業株式会社 報告書作成装置、風力発電設備点検システム、プログラム、及び風力発電設備の点検報告書の作成方法
JP2019082933A (ja) 2017-10-31 2019-05-30 株式会社日本ソフト 報告書作成システム
EP3889801A4 (en) * 2018-11-29 2022-01-26 FUJIFILM Corporation SYSTEM FOR EVALUATION OF CAUSE OF DAMAGE TO A STRUCTURE, METHOD OF EVALUATION OF CAUSE OF DAMAGE AND SERVER FOR EVALUATION OF CAUSE OF DAMAGE

Also Published As

Publication number Publication date
EP4250192A1 (en) 2023-09-27
WO2022107485A1 (ja) 2022-05-27
JPWO2022107485A1 (zh) 2022-05-27
US20230260098A1 (en) 2023-08-17
EP4250192A4 (en) 2024-07-10

Similar Documents

Publication Publication Date Title
Shim et al. Development of a bridge maintenance system for prestressed concrete bridges using 3D digital twin model
Omar et al. Condition assessment of reinforced concrete bridges: Current practice and research challenges
Adhikari et al. Image-based retrieval of concrete crack properties for bridge inspection
US20230260098A1 (en) Structure inspection assistance apparatus, structure inspection assistance method, and program
Hamdan et al. A semantic modeling approach for the automated detection and interpretation of structural damage
Artus et al. State of the art in damage information modeling for RC bridges–A literature review
Bień Modelling of structure geometry in Bridge Management Systems
Kong et al. Preserving our heritage: A photogrammetry-based digital twin framework for monitoring deteriorations of historic structures
US20230214558A1 (en) Construction repair support apparatus, method, and program
Saback de Freitas Bello et al. Framework for bridge management systems (bms) using digital twins
Kim et al. Deterioration and predictive condition modeling of concrete bridge decks based on data from periodic NDE surveys
JP7219192B2 (ja) 構造物の劣化状態診断方法
Katam et al. A review on structural health monitoring: past to present
US20240029225A1 (en) Structure state prediction apparatus, structure state prediction method, and structure state prediction program
Xu et al. Concrete and steel bridge Structural Health Monitoring—Insight into choices for machine learning applications
US20230237641A1 (en) Inspection support device for structure, inspection support method for structure, and program
Samuel A Human-Centered Infrastructure Asset Management Framework Using BIM and Augmented Reality
Neeli Use of photogrammetry aided damage detection for residual strength estimation of corrosion damaged prestressed concrete bridge girders
US20240019379A1 (en) Monitoring design support apparatus, monitoring design support method, and program
Ma et al. Drone aided machine-learning tool for post-earthquake bridge damage reconnaissance
Omar Condition Assessment of Concrete Bridge Decks Using Ground and Airborne Infrared Thermography
JP7323694B2 (ja) 構造物の劣化状態診断方法
Anjum et al. Civil structural health monitoring and machine learning: a comprehensive review
Farooq An approach to bridge inspection using 3D laser scanners and digital photographs
Flah Classification, Localization, and Quantification of Structural Damage in Concrete Structures using Convolutional Neural Networks

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination