JP2016142532A - 施工性評価プログラム、施工性評価方法及び施工性評価装置 - Google Patents

Abstract

【課題】スランプ試験における試験体の画像に基づいて施工性を評価できるようにする。
【解決手段】施工性評価プログラムは、スランプ試験においてスランプコーンによって成形された生コンクリートの試験体を撮像する撮像ステップと、生コンクリートの施工性に関する評価を示す情報と生コンクリートのスランプ試験における試験体の画像とを関連付けて予め機械学習させた基準情報と、撮像ステップにおいて撮像した画像データとを用いて、試験体を形成する生コンクリートの施工性を評価し、施工性に関する情報を出力する評価ステップとをコンピュータに実行させる。
【選択図】図８

Description

本技術は、施工性評価プログラム、施工性評価方法及び施工性評価装置に関する。

従来、生コンクリートの流動性を示すスランプ値やスランプフロー値を求めるスランプ試験が行われている。スランプ値やスランプフロー値は、打設作業の効率やコンクリートの施工性等を示す１つの指標となるが、これらの測定値が同じであってもスランプ試験体の形状が異なれば、当該スランプ試験体を形成する生コンクリートの施工性は異なる。熟練したコンクリート技術者によれば、スランプ試験時の生コンクリートの形状や表面状態、モルタルと砂利との分離状況といった外観から、生コンクリートの流動性、粘性、均一性等を読み取り、生コンクリートの施工性を判断することができる。

また、縮小モデルによるコンクリート打設実験を行い、コンクリート構造物の施工性評価を行うという技術も提案されている（特許文献１）。

また、ニューラルネットワークを使用して画像の特徴量を学習し、検査対象物の画像を認識するという技術も提案されている（特許文献２）。

特開２００４−３６０１９９号公報 特開平５−２８２４５号公報

従来、スランプ試験においてコンクリートの外観からスランプ値以外の情報を得るためには技術者に知識と経験が必要であった。本発明はこのような問題に鑑みてなされてものであり、スランプ試験における試験体の画像に基づいて施工性を評価できるようにすることを目的とする。

本発明に係る施工性評価プログラムは、スランプ試験においてスランプコーンによって成形された生コンクリートの試験体を撮像する撮像ステップと、生コンクリートの施工性に関する評価を示す情報と生コンクリートのスランプ試験におけるスランプ試験体の画像とを関連付けて予め機械学習させた基準情報と、撮像ステップにおいて撮像した画像データとを用いて、試験体を形成する生コンクリートの施工性を評価し、施工性に関する情報を出力する評価ステップとをコンピュータに実行させる。

このように、予め機械学習させた基準情報を用意しておくことで、スランプ試験における試験体の画像に基づいて施工性を評価することができるようになる。

また、施工性に関する情報は、生コンクリートの打設におけるアドバイスを含むようにしてもよい。このようにすれば、知識や経験の浅いユーザであっても、その後の工程において注意すべき事項を理解できるようになる。

施工性に関する情報は、試験体のスランプ値又はスランプフロー値を含むようにしてもよい。さらに、試験体が載置される平板の大きさが予め保持されており、評価ステップに
おいて、試験体の大きさと平板の大きさとの比率を用いて、スランプ値又はスランプフロー値を求めるようにしてもよい。具体的には、このような構成とすることで、施工性に関する情報の一例であるスランプ値又はスランプフロー値を求めることができる。

また、施工性に関する情報は、締固め易さ、分離し難さ、圧送し易さ、又は仕上げ易さを含むようにしてもよい。例えばこのような評価項目の各々について、予め機械学習させた基準情報を用意しておくことにより、スランプ試験における試験体の画像からこれらの項目について評価できるようになる。

また、撮像ステップにおいて、画像データの中で試験体を配置すべき位置をガイドするようにしてもよい。このように、画像データにおいて所定の位置に試験体が配置されるように案内すれば、ほぼ同じ条件で撮像した画像データが生成される。例えば、機械学習において用いた画像データにおける試験体の位置、大きさ、方向等の条件とほぼ同じ条件で、評価対象の画像データを撮像することができれば、評価の精度を向上させることができる。

また、撮像ステップにおいて撮像された試験体を形成する生コンクリートの施工性を示す評価値の入力を受けるフィードバックステップと、撮像ステップにおいて撮像された画像データと、フィードバックステップにおいて入力された評価値とを用いてさらに機械学習を行い、基準情報を更新するステップとをさらにコンピュータに実行させるようにしてもよい。新たな画像データを用いて継続的に機械学習を行うことで、基準情報を更新すれば、評価の精度を向上させることができる。

なお、課題を解決するための手段に記載の内容は、本発明の課題や技術的思想を逸脱しない範囲で可能な限り組み合わせることができる。また、課題を解決するための手段の内容は、コンピュータ等の装置若しくは複数の装置を含むシステム、コンピュータが実行する方法、又はコンピュータに実行させるプログラムとして提供することができる。なお、プログラムを保持する記録媒体を提供するようにしてもよい。

本発明によれば、スランプ試験における試験体の画像に基づいて施工性を評価することができる。

施工性評価の概要を説明するための図である。 施工性評価の概要を説明するための図である。 スランプ試験及びスランプフロー試験を説明するための図である。 スランプ試験及びスランプフロー試験を説明するための図である。 スランプ値及びスランプフロー値を説明するための図である。 評価項目及び機械学習における入力値を説明するための図である。 評価装置の一例を示す機能ブロック図である。 コンピュータの一例を示す装置構成図である。 施工性評価処理の一例を示す処理フロー図である。 撮像時のガイドの一例を示す図である。

以下、本発明の実施形態について、図面を用いて説明する。なお、以下の実施形態は例示であり、本発明は下記の構成には限定されない。

＜施工性評価の概要＞
図１及び図２は、本実施形態に係る施工性評価の概要を説明するための図である。本実施形態に係る施工性評価は、スランプ試験を行う際に実施される。図１は、施工性評価の概要を示す側面図である。図１には、破線で示されたユーザが操作する評価装置１と、スランプコーン（図示せず）によって成形された生コンクリート（「試験体」とも呼ぶ）２とが示されている。なお、試験体２は、平板３の上で成形されている。また、図２は、ユーザの視点から評価装置１を介して試験体２を見た模式的な斜視図である。評価装置１は、ＣＭＯＳ等の撮像素子を備える撮像部と、液晶モニタ等の電子ビューファインダである表示部とを有し、撮像部が試験体２を撮像すると共に、画像その他の情報を表示部に出力する。また、評価装置１は、撮像した画像を所定のアルゴリズムに基づいて解析し、試験体２を形成する生コンクリートの施工性を評価する。

なお、施工性評価を行うシステムの構成は、インターネット等のネットワークを介して撮像装置と評価装置とを接続し、撮像装置が生成した画像データを評価装置に送信すると共に、評価装置が評価結果を撮像装置等任意の装置に返すようにしてもよい。また、メモリカード等の記憶媒体を介して撮像装置が生成した画像データを評価装置に取り込むようにしてもよい。

ここで、スランプ試験およびスランプフロー試験について説明する。スランプ試験は、例えば、日本工業規格のＪＩＳ Ａ １１０１に規定された「コンクリートのスランプ試験方法」に基づいて実施する。スランプフロー試験の場合は、例えばＪＩＳ Ａ １１５０に規定された「コンクリートのスランプフロー試験方法」に基づいて実施する。図３Ａ及び図３Ｂは、スランプ試験及びスランプフロー試験（以下、両者を区別せずに「スランプ試験」とも呼ぶ）を説明するための図である。図３Ａは、平板３上に載置したスランプコーン４の内部に、評価対象の生コンクリートを詰めて試験体２を成型した状態を示す斜視図である。図３Ｂは、試験体２からスランプコーン４を抜き取った状態を示す斜視図である。スランプコーン４は、上面の半径が１０ｃｍ、底面の半径が２０ｃｍ、高さが３０ｃｍの円錐台形状の側面部分からなり、内部に生コンクリートを流し込むことで生コンクリートを円錐台形状に成形することができる。また、円錐台形状の生コンクリートは、例えば１辺が５０ｃｍの正方形等、所定の大きさの水平な平板３の上で形成される。図３Ａに示すようにスランプコーン４内に生コンクリートを流し込んだ後、図３Ｂに示すようにスランプコーンを鉛直上方に抜き取ると、スランプコーンによって成形された試験体２は、その組成に応じて変形する。

図４は、スランプコーン４を抜き取った後の試験体２を示す模式的な側面図である。スランプコーン４によって成形された試験体２の当初の高さから、スランプコーン４を抜き取って変形した後の試験体２の高さへ、試験体２の上端が下がった大きさを「スランプ値」又は「スランプ」と呼ぶ。また、スランプコーン４を抜き取った後、平面視において広がった試験体２の直径を「スランプフロー値」又は「スランプフロー」と呼ぶ。

本実施形態では、スランプ値やスランプフロー値の他、画像に表れる生コンクリートのつやや浮き水の多さ、粗骨材寸法等の特徴を予め機械学習させて生成した関数（「モデル」又は「基準情報」とも呼ぶ）に基づいて評価する。関数は、スランプ試験における生コンクリートの画像とコンクリート技術者による評価値との組み合わせを複数用いて、例えばニューラルネットワークによる教師付き学習を行うことで生成する。ニューラルネットワークによる機械学習は、入力層と出力層との間に１以上の中間層を有し、各層に任意の数のノードを有するモデルを用いて、出力値と教師値との差が小さくなるようにノード間の関数のパラメータを調整することにより生成される。例えば、いわゆるディープラーニングのような既存の技術を利用することができる。

本実施形態に係る機械学習において入力される画像データは、スランプ試験の試験体を
例えば斜め上方から撮像したものとする。このとき、試験体を撮像する角度や画像データ中における試験体の大きさはほぼ同じであることが好ましい。なお、例えば試験体の上面及び側面を撮像した画像データを用いるようにしてもよい。また、評価の工程においては、機械学習の工程とほぼ同じ方向から撮像される画像データを用いることで、評価の精度を向上させることができる。

評価の項目としては、「見た目スランプ」、「見た目スランプフロー」、「見た目粗骨材寸法」、「粘性の高さ」、「浮き水の多さ」、「コンクリートのつや」、「締固め易さ」、「分離し難さ」、「圧送し易さ」、「仕上げ易さ」等が挙げられる。なお、本実施形態では、これらの項目の少なくとも１つが評価されるものとする。図５は、機械学習の入力値（教師値）となるデータの一例を示す図である。

「見た目スランプ」とは、画像から推定される実質的なスランプ値である。例えば、スランプコーン４を鉛直上方に抜き取るべきところ、例えば抜き取る方向に偏りが生じて試験体２が一方に崩れたり、傾いたりすることがある。ここで、経験のあるコンクリート技術者であれば、崩れたり傾いたりした試験体を見て、きれいにスランプコーンを抜き取ったとすればこの程度の値になるだろうという、見た目から推定されるスランプ値（「見た目スランプ」と呼ぶ）がわかる。本実施形態では、崩れたり傾いたりしたものを含む様々な試験体の画像と、技術者が推定した見た目スランプとを用いて機械学習させ、試験体の画像を入力として「見た目スランプ」を算出できる関数を生成しておく。なお、本実施形態では、試験体２と共に所定の大きさの平板３を撮像するため、画像データ中における基準となる平板３の形状（ひいては、評価装置１と平板３との角度）や、平板３の大きさと試験体２の大きさとの比率に基づき試験体２の高さ（ひいては、スランプ値）及び底面の直径（スランプフロー）を算出することができる。よって、見た目スランプの機械学習においては、形式的に測定されるスランプ値と見た目スランプとの差分を技術者が推定した値を教師値とし、見た目スランプの評価においては、画像中における平板３の形状や大きさを基準として画像から測定されるスランプ値を求めた上で、機械学習において生成された関数に基づいて補正するようにしてもよい。

同様に、「見た目スランプフロー」とは、画像から推定される実質的なスランプフローである。試験体の広がり方は、骨材の分離状況や、平板３の濡れ方（拭き方）等によって変わることがある。そして、経験のあるコンクリート技術者であれば、試験体や平板の特徴を見て、好ましい条件で試験が行われればこの程度の値になるだろうという、見た目から推定されるスランプフロー（「見た目スランプフロー」と呼ぶ）がわかる。本実施形態では、様々な試験体の画像と、技術者が推定したスランプフローとを用いて機械学習させ、試験体の画像を入力として「見た目スランプフロー」を算出できる関数を生成しておく。なお、見た目スランプフローの機械学習においても、形式的に測定されるスランプフローと見た目スランプフローとの差分を技術者が推定した値を教師値とし、見た目スランプフローの評価においては、画像中における平板３の形状や大きさを基準として画像から測定されるスランプフローを求めた上で、機械学習において生成された関数に基づいて補正するようにしてもよい。

また、「見た目粗骨材寸法」とは、画像から推定される実質的な粗骨材寸法である。例えば、生コンクリートに含まれる粗骨材の寸法には、配合表の最大寸法（Ｇｍａｘ）からはわからないばらつきがある場合がある。また、偏平形状や細長い形状の粗骨材が多いと、施工性は悪くなる傾向がある。そこで、本実施形態では、複数の試験体画像について施工性の良否を基準としてコンクリート技術者が評価した粗骨材の寸法を予め機械学習させ、試験体の画像を入力として「見た目粗骨材寸法」を算出できる関数を生成しておく。

また、「粘性の高さ」とは、画像から推定される粘性の高さを例えば３段階で示す値で
ある。本実施形態では、複数の試験体画像について粘性の高さをコンクリート技術者が評価した値を予め機械学習させ、試験体の画像を入力として「粘性の高さ」を求められる関数を生成しておく。

また、「浮き水の多さ」とは、画像から推定される浮き水（ブリーディング）の量を例えば３段階で示す値である。本実施形態では、複数の試験体画像について浮き水の多さをコンクリート技術者が評価した値を予め機械学習させ、試験体の画像を入力として「浮き水の多さ」を求められる関数を生成しておく。なお、当該値が多いと評価される場合、施工性に関する情報として、浮き水の吸収に注意すべき旨のアドバイスを出力するようにしてもよい。

また、「コンクリートのつや」とは、画像から推定されるコンクリートのつやの程度を例えば３段階で示す値である。本実施形態では、複数の試験体画像についてつやをコンクリート技術者が評価した値を予め機械学習させ、試験体の画像を入力として「コンクリートのつや」を求められる関数を生成しておく。

また、「締固め易さ」とは、画像から推定される締固め易さを例えば５段階で示す値である。本実施形態では、複数の試験体画像について締固め易さをコンクリート技術者が評価した値を予め機械学習させ、試験体の画像を入力として「締固め易さ」を求められる関数を生成しておく。本項目に関して、コンクリート技術者が評価した値は、実際に打設を行って決定するようにしてもよい。なお、当該値が低いと評価される場合、施工性に関する情報として、バイブレータを念入りに使用し、締固め時間を多くとるべき旨のアドバイスを出力するようにしてもよい。

また、「分離し難さ」とは、生コンクリート中に存在する比較的大きな粒子の粗骨材が分かれて一か所に集中し難い度合いを意味し、画像から推定される分離し難さを例えば５段階で示す値である。本実施形態では、複数の試験体画像について分離し難さをコンクリート技術者が評価した値を予め機械学習させ、試験体の画像を入力として「分離し難さ」を求められる関数を生成しておく。本項目に関して、コンクリート技術者が評価した値は、実際に打設を行って決定するようにしてもよい。なお、当該値が高いと評価される場合、施工性に関する情報として、圧送の閉塞に注意すべき旨のアドバイスを出力するようにしてもよい。

また、「圧送し易さ」とは、画像から推定される圧送し易さを例えば５段階で示す値である。本実施形態では、複数の試験体画像について圧送し易さをコンクリート技術者が評価した値を予め機械学習させ、試験体の画像を入力として「圧送し易さ」を求められる関数を生成しておく。本項目に関して、コンクリート技術者が評価した値は、実際に打設を行って決定するようにしてもよい。なお、当該値が低いと評価される場合、施工性に関する情報として、ポンプ車の負荷に注意すべき旨のアドバイスを出力するようにしてもよい。

また、「仕上げ易さ」とは、画像から推定される仕上げ易さを例えば５段階で示す値である。本実施形態では、複数の試験体画像について仕上げ易さをコンクリート技術者が評価した値を予め機械学習させ、試験体の画像を入力として「仕上げ易さ」を求められる関数を生成しておく。本項目に関して、コンクリート技術者が評価した値は、実際に打設を行って決定するようにしてもよい。なお、当該値が低いと評価される場合、施工性に関する情報として、乾燥を防ぐためにシートで養生する等、仕上げの段取りを早めに行うべき旨のアドバイスを出力するようにしてもよい。

＜機能構成＞
図６は、本実施形態に係る評価装置１の一例を示す機能ブロック図である。評価装置１は、撮像部１１と、画像記憶部１２と、画像読出部１３と、画像解析部（「評価部」とも呼ぶ）１４と、関数記憶部１５と、結果出力部１６とを有する。

撮像部１１は、デジタルスチルカメラやデジタルビデオカメラ等として機能し、生成した画像データを画像記憶部１２に記憶させる。画像記憶部１２は、データを一時的に保持する主記憶装置又はデータを永続的に記憶する補助記憶装置によって形成され、生コンクリート２を撮像した画像データを記憶する。なお、他のユーザ端末である撮像装置から画像記憶部１２へ、フラッシュメモリや光ディスク等、可搬性の記憶媒体を介して画像データの取り込みを行うようにしてもよいし、ネットワークを介して画像データの取り込みを行うようにしてもよい。

画像読出部１３は、画像記憶部１２から、処理対象の画像データを読み出す。画像解析部１４は、関数記憶部１５に予め記憶されている所定の関数を用いて画像読出部１３が読み出した画像データを解析し、撮像された生コンクリートの施工性を評価する。関数記憶部１５には、予め、施工性の評価と対応付けてスランプ試験における生コンクリートの画像を複数入力して各々の特徴を機械学習させた関数が記憶されているものとする。なお、特徴を機械学習させた関数は、上述の通り既存の技術を用いて生成することができ、本実施形態ではその生成手法は問わない。

また、結果出力部１６は、評価装置１の出力として、生コンクリートの施工性の評価を出力する。出力先は、評価装置１に接続されたディスプレイ上であってもよいし、図示していないネットワークを介して接続された他のコンピュータであってもよい。ここでは、「見た目スランプ（ｃｍ）」、「見た目スランプフロー（ｃｍ）」、「見た目粗骨材寸法（ｍｍ）」、「粘性の高さ（３段階）」、「浮き水の多さ（３段階）」、「コンクリートのつや（３段階）」、「締固め易さ（５段階）」、「分離し難さ（５段階）」、「圧送し易さ（５段階）」、「仕上げ易さ（５段階）」等の評価値が出力される。

以上のように、評価装置１によれば、画像解析において暗黙知を反映した関数を用いることで、コンクリートに精通していないユーザにも客観的に理解できる評価結果を出力することができる。

＜装置構成＞
図７は、コンピュータの一例を示す装置構成図である。評価装置１は、例えば図７に示すようなコンピュータである。図７に示すコンピュータ１０００は、ＣＰＵ（Central Processing Unit）１００１、主記憶装置１００２、補助記憶装置（外部記憶装置）１００
３、通信ＩＦ（Interface）１００４、入出力ＩＦ（Interface）１００５、ドライブ装置１００６、通信バス１００７を備えている。ＣＰＵ１００１は、プログラムを実行することにより本実施の形態に係る処理等を行う。主記憶装置１００２は、ＣＰＵ１００１が読み出したプログラムやデータをキャッシュしたり、ＣＰＵの作業領域を展開したりする。主記憶装置は、具体的には、ＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）等である。補助記憶装置１００３は、ＣＰＵ１００１により実行されるプログラムや、本実施の形態で用いる設定情報などを記憶する。補助記憶装置１００３は、具体的には、ＨＤＤ（Hard-disk Drive）やＳＳＤ（Solid State Drive）、ｅＭＭＣ（embedded Multi-Media Card）、フラッシュメモリ等である。主記憶装置１００２や補助記憶装置１０
０３は、評価装置１の画像記憶部１２、構造物ＤＢ１０４、劣化要因ＤＢ１０６及び特徴ＤＢ１０８として働く。通信ＩＦ１００４は、他のコンピュータとの間でデータを送受信する。通信ＩＦ１００４は、具体的には、有線又は無線のネットワークカード等である。上述の通り評価装置１は、ネットワークを介して撮像装置から画像データを受信する構成にしてもよい。入出力ＩＦ１００５は、入出力装置と接続され、ユーザから入力を受け付
けたり、ユーザへ情報を出力したりする。入出力装置は、具体的には、キーボード、マウス、ディスプレイ、タッチパネル等である。ドライブ装置１００６は、磁気ディスク、光磁気ディスク、光ディスク等の記憶媒体に記録されたデータを読み出したり、記憶媒体にデータを書き込んだりする。そして、以上のような構成要素が、通信バス１００７で接続されている。なお、これらの構成要素はそれぞれ複数設けられていてもよいし、一部の構成要素（例えば、通信ＩＦ１００４やドライブ装置１００６）を設けないようにしてもよい。また、入出力装置がコンピュータと一体に構成されていてもよい。また、ドライブ装置１００６で読み取り可能な可搬性の記憶媒体や、フラッシュメモリのような可搬性の補助記憶装置１００３、通信ＩＦ１００４などを介して、本実施の形態で実行されるプログラムが提供されるようにしてもよい。そして、ＣＰＵ１００１がプログラムを実行することにより、上記のようなコンピュータを例えば図６に示した評価装置１として働かせる。具体的には、評価装置１は、スマートフォン、スレートＰＣ、ラップトップ型ＰＣ等によって構成することができる。

＜施工性評価処理＞
図８は、施工性評価処理の一例を示す処理フロー図である。なお、関数記憶部１５には、施工性の評価と対応付けてスランプ試験における生コンクリートの画像を複数入力して各々の特徴を機械学習させた関数が予め記憶されているものとする。

まず、評価装置１の撮像部１１は、例えばユーザの操作を受け、スランプ試験における試験体を撮像する（図８：Ｓ１）。本ステップでは、例えば図１に示したように、スランプコーンを抜き取った後の生コンクリートである試験体２を斜め上方から撮像する。なお、本ステップにおいて、評価装置１が備える表示部には試験体を撮像する位置、大きさ及び方向（評価装置１の撮像部と試験体２との角度）を示すガイド（案内）を表示するようにしてもよい。なお、方向は、画像データにおける平板３の形状により示すことができる。

図９は、評価装置１に表示されるガイドの一例を示す図である。図９において評価装置１の表示部に太い破線で表示されたガイド５は、画像データ中において試験体２を撮像すべき位置、大きさ及び方向を示している。また、ガイド５が示す試験体２の位置、大きさ及び方向は、予め行われる機械学習の工程で入力された画像データにおける試験体２の位置、大きさ及び方向とほぼ同一とする。

次に、評価装置１の画像読出部１３は、画像記憶部１２から画像データを読み出す（Ｓ２）。本ステップでは、補助記憶装置に記憶された画像データを読み出すようにしてもよいし、主記憶装置に記憶された画像データをリアルタイムに解析し、試験体２及び平板３を検出した場合に当該画像を以降の処理で利用するようにしてもよい。

その後、評価装置１の画像解析部１４は、読み出した画像データを用いて、スランプ値及びスランプフローを算出する（Ｓ３）。本ステップで算出するスランプ値及びスランプフローは、上述した見た目スランプ及び見た目スランプフローであり、本実施形態に係る生コンクリートの施工性に関する情報の一例である。見た目スランプは、予め試験体の画像データと技術者が評価した見た目スランプとの組み合わせを複数用いて機械学習させた関数に基づき、Ｓ２で読み出した画像データを入力として求めるようにしてもよい。また、見た目スランプは、予め試験体の画像データと、技術者が評価した見た目スランプと形式的な測定値との差分（すなわち補正値）の組み合わせを複数用いて機械学習させた関数に基づき、Ｓ２で読み出した画像データに適用すべき補正値を算出し、Ｓ２で読み出した画像データから算出される形式的なスランプ値を補正して求めるようにしてもよい。見た目スランプフローも、予め試験体の画像データと技術者が評価した見た目スランプフローとの組み合わせを複数用いて機械学習させた関数に基づき、Ｓ２で読み出した画像データ
を入力として求めることができる。また、見た目スランプフローは、予め試験体の画像データと、技術者が評価した見た目スランプフローと形式的な測定値との差分（すなわち補正値）の組み合わせを複数用いて機械学習させた関数に基づき、Ｓ２で読み出した画像データに適用すべき補正値を算出し、Ｓ２で読み出した画像データから算出される形式的なスランプフローを補正して求めるようにしてもよい。

また、評価装置１の画像解析部１４は、読み出した画像データを解析し、生コンクリートの施工性を評価する（Ｓ４）。本ステップでは、予め評価項目ごとに生成された関数を関数記憶部１５から読み出し、Ｓ２で読み出した画像データを用いて「見た目粗骨材寸法」、「粘性の高さ」、「浮き水の多さ」、「コンクリートのつや」、「締固め易さ」、「分離し難さ」、「圧送し易さ」、「仕上げ易さ」等の評価値を求める。これらの評価値も、本実施形態に係る生コンクリートの施工性に関する情報の一例であり、Ｓ２で読み出した画像データを所定の関数に入力することで算出される。

その後、評価装置１の出力部１６は、生コンクリートの施工性に関する情報を出力する（Ｓ５）。具体的には、出力部１６は、Ｓ３で求められた見た目スランプ、見た目スランプフロー、Ｓ４で求められた見た目粗骨材寸法、粘性の高さ、浮き水の多さ、コンクリートのつや、締固め易さ、分離し難さ、圧送し易さ、仕上げ易さ等の評価を出力する。また、本ステップでは、評価値そのものを出力するようにしてもよいし、評価値が所定の閾値を超える場合に、コンクリートの打設に関するアドバイスを出力するようにしてもよい。例えば、見た目スランプや、見た目スランプフロー、見た目粗骨材寸法が予め定められた許容範囲を外れた場合、施工性に関する情報として、再試験を実施するべき旨、又は生コンプラントに調整するよう連絡するべき旨の少なくともいずれかのアドバイスを出力するようにしてもよい。なお、生コンクリートがどのような構造物の構築に用いられるのかを表す用途を別途入力させ、用途が比較的配筋の密集した建築物であるか、比較的配筋の間隔が広い土木構造物であるかに応じて見た目スランプ、見た目スランプフローの許容範囲を変更するようにしてもよい。また、３段階で評価される浮き水の量が「多い」と評価される場合、施工性に関する情報として、浮き水の吸収に注意すべき旨のアドバイスを出力するようにしてもよい。また、５段階で評価される締固め易さの値が所定の閾値よりも低いと判断される場合、施工性に関する情報として、バイブレータを念入りに使用し、締固め時間を多くとるべき旨のアドバイスを出力するようにしてもよい。また、５段階で評価される分離し難さの値が所定の閾値よりも高いと判断される場合、施工性に関する情報として、圧送の閉塞に注意すべき旨のアドバイスを出力するようにしてもよい。また、５段階で評価される圧送し易さの値が所定の閾値よりも低いと判断される場合、施工性に関する情報として、ポンプ車の負荷に注意すべき旨のアドバイスを出力するようにしてもよい。また、５段階で評価される仕上げ易さの値が低いと評価される場合、施工性に関する情報として、乾燥を防ぐためにシートで養生する等、仕上げの段取りを早めに行うべき旨のアドバイスを出力するようにしてもよい。

また、画像解析部１４は、技術者が判断した生コンクリートの施工性に関する評価値の入力を受けてさらに機械学習を行い、関数記憶部１５に記憶されている関数を更新するようにしてもよい（Ｓ６）。本実施形態に係る施工性評価の精度は、多くの画像データを学習させることにより向上させることができる。一方、機械学習における教師値が不適切であると、施工性評価の精度は下がってしまう。したがって、本ステップの施工性をフィードバックする処理は、必ずしも実施する必要はない。

以上のように、本実施形態に係る施工性評価処理によれば、スランプ試験における試験体の画像に基づいて施工性を評価できるようになる。所定の段階的な評価値等によって施工性に関する情報が出力されるため、知識や経験の浅いユーザであっても客観的に理解できる。また、技術者によって判断にばらつきが生じることがなくなる。

＜変形例＞
なお、上述の実施形態では画像データ中における平板３の大きさや形状を基準としてスランプ値（見た目スランプ）やスランプフロー（見た目スランプフロー）を算出するものとしたが、試験体２と共に巻尺等の測定機器を撮像し、例えば測定機器の目盛りを基準としてスランプ値やスランプフローを求めるようにしてもよい。

＜その他＞
本発明は、上述した処理を実行するコンピュータプログラムや、当該プログラムを記録した、コンピュータ読み取り可能な記録媒体を含む。当該プログラムが記録された記録媒体は、プログラムをコンピュータに実行させることにより、上述の処理が可能となる。

ここで、コンピュータ読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータから読み取ることができる記録媒体をいう。このような記録媒体のうちコンピュータから取り外し可能なものとしては、フレキシブルディスク、光磁気ディスク、光ディスク、磁気テープ、メモリカード等がある。また、コンピュータに固定された記録媒体としては、ハードディスクドライブやＲＯＭ等がある。

１ 評価装置
１１ 撮像部
１２ 画像記憶部
１３ 画像読出部
１４ 画像解析部
１５ 関数記憶部
１６ 出力部
２ 試験体
３ 平板
４ スランプコーン
５ ガイド

Claims (9)

1. スランプ試験においてスランプコーンによって成形された生コンクリートの試験体を撮像する撮像ステップと、
   生コンクリートの施工性に関する評価を示す情報と生コンクリートのスランプ試験における試験体の画像とを関連付けて予め機械学習させた基準情報と、前記撮像ステップにおいて撮像した画像データとを用いて、前記試験体を形成する生コンクリートの施工性を評価し、施工性に関する情報を出力する評価ステップと、
   をコンピュータに実行させる施工性評価プログラム。
2. 前記施工性に関する情報は、前記生コンクリートの打設におけるアドバイスを含む
   請求項１に記載の施工性評価プログラム。
3. 前記施工性に関する情報は、前記試験体のスランプ値又はスランプフロー値を含む
   請求項１又は２に記載の施工性評価プログラム。
4. 前記試験体が載置される平板の大きさが予め保持されており、
   前記評価ステップにおいて、前記試験体の大きさと前記平板の大きさとの比率を用いて、前記スランプ値又はスランプフロー値を求める
   請求項３に記載の施工性評価プログラム。
5. 前記施工性に関する情報は、浮き水の多さ、締固め易さ、分離し難さ、圧送し易さ、又は仕上げ易さに関する情報を含む請求項１から４のいずれか一項に記載の施工性評価プログラム。
6. 前記撮像ステップにおいて、前記画像データの中で前記試験体を配置すべき位置をガイドする
   請求項１から５のいずれか一項に記載の施工性評価プログラム。
7. 前記撮像ステップにおいて撮像された試験体を形成する生コンクリートの施工性を示す評価値の入力を受けるフィードバックステップと、
   前記撮像ステップにおいて撮像された画像データと、前記フィードバックステップにおいて入力された評価値とを用いてさらに機械学習を行い、前記基準情報を更新するステップと、
   をさらにコンピュータに実行させる請求項１から６のいずれか一項に記載の施工性評価プログラム。
8. スランプ試験においてスランプコーンによって成形された生コンクリートの試験体を撮像する撮像ステップと、
   生コンクリートの施工性に関する評価を示す情報と生コンクリートのスランプ試験における試験体の画像とを関連付けて予め機械学習させた基準情報と、前記撮像ステップにおいて撮像した画像データとを用いて、前記試験体を形成する生コンクリートの施工性を評価し、施工性に関する情報を出力する評価ステップと、
   をコンピュータが実行する施工性評価方法。
9. スランプ試験においてスランプコーンによって成形された生コンクリートの試験体を撮像する撮像部と、
   生コンクリートの施工性に関する評価を示す情報と生コンクリートのスランプ試験における試験体の画像とを関連付けて予め機械学習させた基準情報と、前記撮像ステップにおいて撮像した画像データとを用いて、前記試験体を形成する生コンクリートの施工性を評
   価し、施工性に関する情報を出力する評価部と、
   を有する施工性評価装置。
   

Images