JP2018013348A - 打音検査システムおよび打音検査方法 - Google Patents

Abstract

【課題】打音データに基づく構造物の異常の検知を容易に行う。【解決手段】抽出部５２１は、入力された打音データから特徴量を抽出する。また、選択部５２２は、抽出部５２１によって抽出された特徴量のうち、所定の特徴量を選択特徴量として選択する。また、学習部５２３は、選択部５２２によって選択された選択特徴量のうち、学習対象の打音データに基づく選択特徴量を学習し、分類器を生成する。また、判定部５２４は、選択部５２２によって選択された選択特徴量のうち、判定対象の打音データに基づく選択特徴量、および学習部５２３によって生成された分類器を用いて、構造物に異常があるか否かを判定する。【選択図】図６

Description

本発明は、打音検査システムおよび打音検査方法に関する。

建築物等の非破壊検査の方法として、打音検査が知られている。打音検査では、例えば、検査対象の表面をハンマーで叩くこと等で発生した音の違いを基に、熟練作業者が、浮きや欠損といった異常の有無を判断する。

山口 茂、入江 浩志、堤 志信、吉田 安克、菊地 真人、「コンクリート構造物の非破壊検査技術」、ＮＴＴ技術ジャーナルVol.18、No.3、2006.（http://www.ntt.co.jp/journal/0603/files/jn200603041.pdf） 路面の打音検査、[online]、[平成２８年７月５日検索]、インターネット（http://www.daon.jp/）

しかしながら、従来の技術には、打音データに基づく構造物の異常の検知を容易に行うことが困難であるという問題があった。例えば、従来の技術では、非熟練作業者が打音検査を行うことが困難であった。

本発明の打音検査システムは、構造物を叩いた際に発生した音のデータである打音データの入力を受け付ける入力部と、前記入力部に入力された打音データから特徴量を抽出する抽出部と、前記抽出部によって抽出された特徴量のうち、所定の特徴量を選択特徴量として選択する選択部と、前記選択部によって選択された前記選択特徴量のうち、前記入力部に入力された打音データのうちの学習対象の打音データに基づく選択特徴量を学習し、学習器を生成する学習部と、前記選択部によって選択された前記選択特徴量のうち、前記入力部に入力された打音データのうちの判定対象の打音データに基づく選択特徴量、および前記学習部によって生成された学習器を用いて、前記構造物に異常があるか否かを判定する判定部と、を有することを特徴とする。

本発明の打音検査方法は、打音検査システムで実行される打音検査方法であって、構造物を叩いた際に発生した音のデータである打音データの入力を受け付ける入力工程と、前記入力工程に入力された打音データから特徴量を抽出する抽出工程と、前記抽出工程によって抽出された特徴量のうち、所定の特徴量を選択特徴量として選択する選択工程と、前記選択工程によって選択された前記選択特徴量のうち、前記入力工程に入力された打音データのうちの学習対象の打音データに基づく選択特徴量を学習し、学習器を生成する学習工程と、前記選択工程によって選択された前記選択特徴量のうち、前記入力工程に入力された打音データのうちの判定対象の打音データに基づく選択特徴量、および前記学習工程によって生成された学習器を用いて、前記構造物に異常があるか否かを判定する判定工程と、を含んだことを特徴とする。

本発明によれば、打音データに基づく構造物の異常の検知を容易に行うことができる。

図１は、第１の実施形態に係る打音検査システムの構成の一例を示す図である。 図２は、打音検査について説明するための図である。 図３は、打音検査について説明するための図である。 図４は、打音検査システムの各装置の配置の一例について説明するための図である。 図５は、端末の構成の一例を示す図である。 図６は、分析装置の構成の一例を示す図である。 図７は、特徴量の抽出方法の一例について説明するための図である。 図８は、特徴量の選択方法の一例について説明するための図である。 図９は、特徴量の選択方法の一例について説明するための図である。 図１０は、特徴量の選択方法の一例について説明するための図である。 図１１は、特徴量の選択方法の一例について説明するための図である。 図１２は、分析装置の学習処理の流れを示すフローチャートである。 図１３は、分析装置の判定処理の流れを示すフローチャートである。 図１４は、第１の実施形態の効果を説明するための図である。 図１５は、その他の実施形態に係る端末の構成の一例を示す図である。 図１６は、プログラムが実行されることにより打音検査システムの各装置が実現されるコンピュータの一例を示す図である。

以下に、本願に係る打音検査システムおよび打音検査方法の実施形態を図面に基づいて詳細に説明する。なお、この実施形態により本発明が限定されるものではない。

［第１の実施形態の構成］
まず、図１を用いて、第１の実施形態に係る打音検査システムの構成について説明する。図１は、第１の実施形態に係る打音検査システムの構成の一例を示す図である。図１に示すように、打音検査システム１は、ハンマー１０、打音収集装置３０、端末４０および分析装置５０を有する。また、熟練作業者２０ａおよび非熟練作業者２０ｂは、ハンマー１０を用いて打音を発生させる。また、打音収集装置３０は、例えばマイクロフォンである。打音収集装置３０は、端末４０に接続されていてもよいし、端末４０と一体に構成されていてもよい。

熟練作業者２０ａは、ハンマー１０を用いて構造物を叩き、打音を発生させる。このとき、熟練作業者２０ａは、発生した打音を基に当該構造物に異常があるか否かを判断する。また、打音収集装置３０は発生した打音を収集する。なお、熟練作業者２０ａは、打音に基づく構造物の異常の有無の判断を、非熟練作業者２０ｂよりも正確に行うことができることとする。

熟練作業者２０ａは、構造物の異常の有無についての判断結果を、熟練作業者２０ａの端末４０に入力する。そして、熟練作業者２０ａの端末４０は、打音収集装置３０によって収集された打音をデータ化した打音データを、熟練作業者２０ａの判断結果とともに分析装置５０に送信する。このとき、分析装置５０は、打音データおよび判断結果を学習し、分析モデルを生成する。

なお、分析装置５０は、例えば、機械学習フレームワークであるＪｕｂａｔｕｓを用いた機械学習により打音データおよび判断結果を学習してもよい。また、分析モデルは、例えば、打音データを、異常がある構造物から発生した打音データと、異常がない構造物から発生した打音データとに分類する分類器である。このように、分析モデルは、分類器等の学習器とすることができる。

非熟練作業者２０ｂは、ハンマー１０を用いて構造物を叩き、打音を発生させる。そして、打音収集装置３０は発生した打音を収集する。そして、非熟練作業者２０ｂの端末４０は、打音収集装置３０によって収集された打音をデータ化した打音データを分析装置５０に送信する。このとき、分析装置５０は、分析モデルを用いて打音データを分析する。そして、分析装置５０は、分析結果を非熟練作業者２０ｂの端末４０に送信する。

図２および３を用いて、打音検査について説明する。図２および３は、打音検査について説明するための図である。例えば、モルタル外壁は内部のコンクリート壁の劣化を防ぐため、日本住宅の外壁材として広く使用されている。モルタル外壁を外壁材として使用した場合、モルタル外壁とコンクリート材の間で浮きが生じたり亀裂が入ったりすることがある。このため、モルタル外壁についての打音検査の需要は高い。

そこで、図２に示すように、打音検査は、モルタル外壁１０１とコンクリート壁１０２との間に発生した浮き１０３の有無を検査する際に行われる。このとき、作業者２０は、ハンマー１０を用いてモルタル外壁１０１を叩き、打音を発生させる。なお、浮き１０３を有する壁は、異常がある構造物の一例である。

また、例えば、図３に示すように、打音検査は、道路１０４の下部の土砂化した部分である土砂部１０５の有無を検査する際に行われる。このとき、作業者２０は、ハンマー１０を用いて道路１０４の路面を叩き、打音を発生させる。なお、土砂部１０５を有する道路は、異常がある構造物の一例である。

図４を用いて、打音検査システム１の各装置の配置方法について説明する。図４は、打音検査システムの各装置の配置の一例について説明するための図である。図４に示すように、構造物１０６の近傍には、ハンマー１０、打音収集装置３０および端末４０を有する熟練作業者２０ａおよび非熟練作業者２０ｂが位置する。そして、熟練作業者２０ａの端末４０は、有線または無線のネットワーク２を介して教師データ、すなわち打音データおよび判断結果を分析装置５０に送信する。また、非熟練作業者２０ｂの端末４０は、ネットワーク２を介して打音データを分析装置５０に送信する。また、非熟練作業者２０ｂの端末４０は、ネットワーク２を介して、分析装置５０から分析結果を受信する。

図５を用いて、端末４０の構成について説明する。図５は、端末の構成の一例を示す図である。図５に示すように、端末４０は、送受信部４１、制御部４２および記憶部４３を有する。

送受信部４１は、ネットワーク２を介して、他の装置との間でデータ通信を行う。例えば、送受信部４１はＮＩＣ（Network Interface Card）である。また、例えば、送受信部４１は、ネットワーク２を介して分析装置５０との間でデータの送受信を行う。送受信部４１は、打音送信部４１１および結果受信部４１２を有する。打音送信部４１１は、打音入力部４２１に入力された打音データを分析装置５０に送信する。また、結果受信部４１２は、分析装置５０から分析結果を受信する。

制御部４２は、端末４０全体を制御する。制御部４２は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等の電子回路や、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）等の集積回路である。また、制御部４２は、各種の処理手順を規定したプログラムや制御データを格納するための内部メモリを有し、内部メモリを用いて各処理を実行する。また、制御部４２は、各種のプログラムが動作することにより各種の処理部として機能する。制御部４２は、打音入力部４２１および結果表示部４２２を有する。

打音入力部４２１は、構造物を叩いた際に発生した音のデータである打音データの入力を受け付ける。打音入力部４２１は、例えば打音収集装置３０が接続される接続端子を介して打音データの入力を受け付ける。また、結果表示部４２２は、分析装置５０から送信された分析結果を表示する。結果表示部４２２は、例えば端末４０に備えられたディスプレイ等に分析結果を表示する。

記憶部４３は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、光ディスク等の記憶装置である。なお、記憶部４３は、ＲＡＭ（Random Access Memory）、フラッシュメモリ、ＮＶＳＲＡＭ（Non Volatile Static Random Access Memory）等のデータを書き換え可能な半導体メモリであってもよい。記憶部４３は、端末４０で実行されるＯＳ（Operating System）や各種プログラムを記憶する。さらに、記憶部４３は、プログラムの実行で用いられる各種情報を記憶する。

次に、図６を用いて、分析装置５０の構成について説明する。図６は、分析装置の構成の一例を示す図である。図６に示すように、分析装置５０は、送受信部５１、制御部５２および記憶部５３を有する。

送受信部５１は、ネットワーク２を介して、他の装置との間でデータ通信を行う。例えば、送受信部５１はＮＩＣである。また、例えば、送受信部５１は、ネットワーク２を介して端末４０との間でデータの送受信を行う。送受信部５１は、打音受信部５１１および結果送信部５１２を有する。打音受信部５１１は、端末４０によって送信された打音データを受信する。また、結果送信部５１２は、分析結果を端末４０に送信する。分析結果は、例えば、異常であるか正常であるかを表す判定結果である。

制御部５２は、分析装置５０全体を制御する。制御部５２は、例えば、ＣＰＵ、ＭＰＵ等の電子回路や、ＡＳＩＣ、ＦＰＧＡ等の集積回路である。また、制御部５２は、各種の処理手順を規定したプログラムや制御データを格納するための内部メモリを有し、内部メモリを用いて各処理を実行する。また、制御部５２は、各種のプログラムが動作することにより各種の処理部として機能する。制御部５２は、抽出部５２１、選択部５２２、学習部５２３および判定部５２４を有する。

抽出部５２１は、打音入力部４２１に入力された打音データから特徴量を抽出する。なお、抽出部５２１は、打音入力部４２１に入力された打音データを、打音受信部５１１を介して取得する。また、選択部５２２は、抽出部５２１によって抽出された特徴量のうち、所定の特徴量を選択特徴量として選択する。また、学習部５２３は、選択部５２２によって選択された選択特徴量のうち、打音入力部４２１に入力された打音データのうちの学習対象の打音データに基づく選択特徴量を学習し、学習器を生成する。また、判定部５２４は、選択部５２２によって選択された選択特徴量のうち、打音入力部４２１に入力された打音データのうちの判定対象の打音データに基づく選択特徴量、および学習部５２３によって生成された学習器を用いて、構造物に異常があるか否かを判定する。

記憶部５３は、ＨＤＤ、ＳＳＤ、光ディスク等の記憶装置である。なお、記憶部５３は、ＲＡＭ、フラッシュメモリ、ＮＶＳＲＡＭ等のデータを書き換え可能な半導体メモリであってもよい。記憶部５３は、分析装置５０で実行されるＯＳや各種プログラムを記憶する。さらに、記憶部５３は、プログラムの実行で用いられる各種情報を記憶する。記憶部５３は、分析情報５３１を記憶する。分析情報５３１は、例えば学習部５２３によって生成された学習器のパラメータや、選択部５２２によって選択される特徴量に関する情報である。

ここで、図７を用いて、抽出部５２１による特徴量の抽出方法の一例について説明する。図７は、特徴量の抽出方法の一例について説明するための図である。抽出部５２１は、フーリエ変換を用いて打音入力部４２１に入力された打音データを周波数スペクトルに変換する。そして、抽出部５２１は、所定の方法で単純化した周波数スペクトルから特徴量を抽出する。ここで、抽出部５２１は、周波数スペクトルに、一定周期の周波数を頂点とする三角形関数を掛け合わせることで周波数スペクトルを単純化してもよい。

具体的には、図７に示すように、抽出部５２１は、２００Ｈｚ周期の周波数を頂点とする三角形関数を周波数スペクトルに掛け合わせている。これにより、例えば、抽出部５２１は、２００Ｈｚごとの音の強さを特徴量として抽出することができる。例えば、抽出部５２１は、２００Ｈｚ単位で、０〜２００００Ｈｚの特徴量を、１００次元のベクトルとして抽出することができる。なお、０〜２００００Ｈｚの範囲は、人間の可聴域に基づくものである。

次に、図８を用いて、選択部５２２による特徴量の選択方法の一例について説明する。図８は、特徴量の選択方法の一例について説明するための図である。例えば、選択部５２２は、正常データ、すなわち異常がないことが既知の構造物から発生した打音データを基に、特徴量１５１を選択し、異常データ、すなわち異常があることが既知の構造物から発生した打音データを基に、特徴量１５２を選択する。以降、図９〜１１を用いて、選択部５２２による特徴量の選択方法について詳細に説明する。図９〜１１は、特徴量の選択方法の一例について説明するための図である。

選択部５２２は、例えば、図９に示すように、正常データと異常データとの間で差が特に大きい特徴量１５３を選択してもよい。また、選択部５２２は、正常データまたは異常データにおいて特に大きな値を持つ特徴量１５４ａまたは１５４ｂを選択してもよい。

なお、図９および１１において、横軸は各特徴量を表し、縦軸は各特徴量の大きさを表している。図９および１１の例では、特徴量は６０個であるため、各正常データおよび各異常データは、６０次元のベクトルで表される。また、例えば、抽出部５２１によって１００個の特徴量が抽出された場合に、手動または自動で特徴量を６０個に絞り込み、絞り込んだ６０個の特徴量を選択部５２２の処理対象としてもよい。

また、図１０に示すように、選択部５２２は、クラスタリングを用いて特徴量の選択を行ってもよい。このとき、選択部５２２は、異常がないことが既知の構造物から発生した打音データの各特徴量を次元とする正常ベクトルと、異常があることが既知の構造物から発生した打音データの各特徴量を次元とする異常ベクトルと、をクラスタリングすることで得られたクラスタのうち、正常ベクトルのみを含んだクラスタの中心ベクトルと、異常ベクトルのみを含んだクラスタの中心ベクトルと、の間における差が所定値以上である次元に対応する特徴量を選択する。

図１０に示すように、正常データおよび異常データは、複数の特徴量を次元として持つベクトルとして表される。なお、説明のため、図１０の例では正常データおよび異常データを２次元のベクトルとしているが、正常データおよび異常データのベクトルは、実際には６０次元や１００次元といった、２次元と比較して大きな次元のベクトルである。

そして、選択部５２２は、ｋ−ｍｅａｎｓ等のクラスタリング手法によりベクトルのクラスタリングを行う。このとき、各ベクトルは、クラスタ１５５〜１５９に分類される。ここで、選択部５２２は、正常データのベクトルと異常データのベクトルとが混在しているクラスタ１５８を除外し、正常データのベクトルと異常データのベクトルのどちらか一方のみが含まれるクラスタ１５５〜１５７および１５９について中心ベクトル１５５ａ〜１５７ａおよび１５９ａを算出する。

そして、選択部５２２は、各中心ベクトルのうち、正常データのみのクラスタの中心ベクトルと、異常データのみのクラスタの中心ベクトルとの間の各特徴量の差の絶対値を計算する。例えば、選択部５２２は、中心ベクトル１５６ａ［４．０，４．０］と中心ベクトル１５７ａ［８．０，１．０］との間の特徴量１および２の差の絶対値は、それぞれ４．０、３．０である。

同様に、選択部５２２は、中心ベクトル１５６ａと中心ベクトル１５９ａ、中心ベクトル１５５ａと中心ベクトル１５７ａ、中心ベクトル１５５ａと中心ベクトル１５９ａについても各特徴量の差の絶対値の計算を行い、計算した差の絶対値に基づいて特徴量を選択する。例えば、選択部５２２は、差の絶対値が大きい順に並べたときの上位所定数の特徴量を選択してもよいし、差の絶対値の平均値が所定値以上である特徴量を選択してもよい。図１０の例では、特徴ＡおよびＢの差の絶対値の平均は、それぞれ７．０、２．２５であるため、選択部５２２は、差の絶対値がより大きい特徴量１を選択する。なお、実験では、図１１に示すように、６０個の特徴量を用いて図１０の方法で特徴選択を行ったところ、２０個の特徴量１６０ａおよび１６０ｂが選択された。

なお、選択部５２２は、分析装置５０によって実際に学習および判定が行われる前に、事前に特徴選択を行うこととしてもよいし、教師あり機械学習における教師データが一定数蓄積された際に特徴選択を行うこととしてもよい。

学習部５２３は、教師あり機械学習を行ってもよい。このとき、打音入力部４２１は、打音データとともに、構造物に異常があるか否かを示すラベルの入力を受け付ける。そして、学習部５２３は、選択部５２２によって選択された選択特徴量およびラベルに基づいて、構造物に異常があることを示すラベル、および構造物に異常がないことを示すラベルのそれぞれに対応したグループのいずれかに、判定対象の打音データを分類する分類器を生成する。なお、分類器は学習器の一例である。

また、学習部５２３は、教師なし機械学習を行ってもよい。このとき、学習部５２３は、判定対象の打音データと学習対象の打音データとの乖離度を計算する異常検知器を生成する。乖離度は、例えばデータ間の距離である。この場合、判定部５２４は、判定対象の打音データと学習対象の打音データとの乖離度が所定の閾値以上である場合、当該判定対象の打音データを、異常がある構造物から発生したものであると判定する。なお、異常検知器は学習器の一例である。また、学習部５２３は、教師なし機械学習のアルゴリズムとして、Local Outlier Factorを用いてもよい。

［第１の実施形態の処理］
図１２を用いて、教師あり機械学習を行う場合の、分析装置５０の学習処理について説明する。図１２は、分析装置の学習処理の流れを示すフローチャートである。図１２に示すように、まず、分析装置５０は、学習対象の打音データの入力を受け付ける（ステップＳ１０１）。ここで、打音データの入力を受け付けることは、打音受信部５１１が、端末４０によって送信された打音データを受信することを含む。また、学習部５２３が教師あり機械学習を行う場合、学習対象の打音データは、構造物に異常があるか否かを示すラベルとともに入力される。

次に、抽出部５２１は、打音データから特徴量を抽出する（ステップＳ１０２）。そして、選択部５２２は、抽出部５２１によって抽出された特徴量から、所定の特徴量を選択する（ステップＳ１０３）。そして、学習部５２３は、選択部５２２によって選択された特徴量を学習し、分類器を生成する（ステップＳ１０４）。

次に、図１３を用いて、分析装置５０の判定処理について説明する。図１３は、分析装置の判定処理の流れを示すフローチャートである。図１３に示すように、まず、分析装置５０は、判定対象の打音データの入力を受け付ける（ステップＳ２０１）。ここで、学習処理の場合と同様に、打音データの入力を受け付けることは、打音受信部５１１が、端末４０によって送信された打音データを受信することを含む。

次に、抽出部５２１は、打音データから特徴量を抽出する（ステップＳ２０２）。そして、選択部５２２は、抽出部５２１によって抽出された特徴量から、所定の特徴量を選択する（ステップＳ２０３）。そして、学習部５２３は、選択部５２２によって選択された特徴量を学習部５２３によって生成された分類器に入力し、判定を行う（ステップＳ２０４）。分析装置５０は、判定結果として、例えば、判定対象の打音データが、構造物に異常があることを示しているか否かを取得する。

［第１の実施形態の効果］
打音入力部４２１は、構造物を叩いた際に発生した音のデータである打音データの入力を受け付ける。また、抽出部５２１は、打音入力部４２１に入力された打音データから特徴量を抽出する。また、選択部５２２は、抽出部５２１によって抽出された特徴量のうち、所定の特徴量を選択特徴量として選択する。また、学習部５２３は、選択部５２２によって選択された選択特徴量のうち、打音入力部４２１に入力された打音データのうちの学習対象の打音データに基づく選択特徴量を学習し、学習器を生成する。また、判定部５２４は、選択部５２２によって選択された選択特徴量のうち、打音入力部４２１に入力された打音データのうちの判定対象の打音データに基づく選択特徴量、および学習部５２３によって生成された学習器を用いて、構造物に異常があるか否かを判定する。

これにより、第１の実施形態によれば、打音データの異常の検知を容易に行うことができる。例えば、打音から構造物の異常の有無を判断することができない非熟練作業者であっても、学習器を用いた異常の有無の判定を行うことができるようになる。また、作業者のスキルによらずに異常の有無の判定を行うことができるようになる。

また、第１の実施形態によれば、検査対象の構造物や環境が変化した場合であっても、熟練作業者によって新たな教師データの入力が可能であるため、チューニングを容易に行うことができる。また、第１の実施形態では、端末４０と分析装置５０がネットワークで接続されているため、現場で回収した打音データを分析のために持ち帰る必要がない。

また、例えば、図１４に示すように、熟練作業者２０ａがビルの一部について打音検査を行った結果を分析装置５０にリアルタイムに機械学習させることで、非熟練作業者２０ｂが、当該ビルの他の部分の打音検査を行うことが可能となる。これにより、例えば、従来、３人の熟練作業者２０ａが行っていた打音検査を、１人の熟練作業者２０ａと２人の非熟練作業者２０ｂが行うことができるようになる。

抽出部５２１は、フーリエ変換を用いて打音入力部４２１に入力された打音データを周波数スペクトルに変換し、所定の方法で単純化した周波数スペクトルから特徴量を抽出するようにしてもよい。これにより、分析装置５０における学習が容易になり、また、処理負荷を低減させることができる。

また、抽出部５２１は、周波数スペクトルに、一定周期の周波数を頂点とする三角形関数を掛け合わせることで周波数スペクトルを単純化する。これにより、抽出された特徴量の隣り合う次元との差異を明確にすることができる。

選択部５２２は、異常がないことが既知の構造物から発生した打音データの各特徴量を次元とする正常ベクトルと、異常があることが既知の構造物から発生した打音データの各特徴量を次元とする異常ベクトルと、をクラスタリングすることで得られたクラスタのうち、正常ベクトルのみを含んだクラスタの中心ベクトルと、異常ベクトルのみを含んだクラスタの中心ベクトルと、の間における差が所定値以上である次元に対応する特徴量を選択する。これにより、分析におけるノイズの増大が抑えられ、分析精度の低下を防止することが可能となる。

打音入力部４２１は、打音データとともに、構造物に異常があるか否かを示すラベルの入力を受け付けるようにしてもよい。このとき、学習部５２３は、選択部５２２によって選択された選択特徴量およびラベルに基づいて、構造物に異常があることを示すラベル、および構造物に異常がないことを示すラベルのそれぞれに対応したグループのいずれかに、判定対象の打音データを分類する分類器を生成する。これにより、教師あり機械学習を行うことが可能となる。教師あり機械学習では、分析結果が正常または異常のいずれかとして表されるため、分析結果の解釈が容易になる。

学習部５２３は、判定対象の打音データと学習対象の打音データとの乖離度を計算する異常検知器を生成する。これにより、教師なし機械学習を行うことが可能となる。教師なし機械学習を行う場合は、正常または異常のうちの一方のデータがあればよいため、データの用意が容易である。

［その他の実施形態］
本発明の打音検査システムの構成は、第１の実施形態の例に限られない。第１の実施形態では、端末４０が学習および判定に関する機能を有する分析装置５０と接続されている。一方で、本発明の打音検査システムにおいては、図１５に示すように、端末が学習および判定に関する機能を有する構成としてもよい。図１５は、その他の実施形態に係る端末の構成の一例を示す図である。

図１５に示すように、端末６０は、制御部６１および記憶部６２を有する。また、制御部６１は、打音入力部６１１、結果表示部６１２、抽出部６１３、選択部６１４、学習部６１５および判定部６１６を有する。

打音入力部６１１、結果表示部６１２、抽出部６１３、選択部６１４、学習部６１５および判定部６１６は、第１の実施形態における打音入力部４２１、結果表示部４２２、抽出部５２１、選択部５２２、学習部５２３および判定部５２４と同様の機能を有する。ただし、打音入力部６１１に入力された打音データは端末６０内で処理される。また、結果表示部６１２によって表示される分析結果は、端末６０内で生成された分析結果である。また、記憶部６２の分析情報６２１は、第１の実施形態における記憶部５３の分析情報５３１と同様の情報である。

打音検査システムを図１５のような構成にすることにより、端末と分析装置とをネットワークで接続することができない環境においても、打音検査を行うことができるようになる。

また、抽出部５２１による特徴抽出、および選択部５２２による特徴選択の手法は、第１の実施形態の例に限定されず、機械学習における特徴抽出や特徴選択の手法として既知の任意の手法とすることができる。

［システム構成等］
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。さらに、各装置にて行われる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。

また、本実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。

［プログラム］
一実施形態として、打音検査システム１の各装置は、パッケージソフトウェアやオンラインソフトウェアとして上記の機器リスト作成を実行する機器リスト作成プログラムを所望のコンピュータにインストールさせることによって実装できる。例えば、上記の打音検査プログラムを情報処理装置に実行させることにより、情報処理装置を打音検査システム１の各装置として機能させることができる。ここで言う情報処理装置には、デスクトップ型またはノート型のパーソナルコンピュータが含まれる。また、その他にも、情報処理装置にはスマートフォン、携帯電話機やＰＨＳ（Personal Handyphone System）等の移動体通信端末、さらには、ＰＤＡ（Personal Digital Assistant）等のスレート端末等がその範疇に含まれる。

また、打音検査システム１は、端末４０をクライアントとし、当該クライアントに上記の打音検査に関するサービスを提供する打音検査サーバ装置として実装することもできる。例えば、打音検査サーバ装置は、打音データを入力とし、分析結果を出力とする打音検査サービスを提供するサーバ装置として実装される。この場合、打音検査サーバ装置は、Ｗｅｂサーバとして実装することとしてもよいし、アウトソーシングによって上記の打音検査に関するサービスを提供するクラウドとして実装することとしてもかまわない。

図１６は、プログラムが実行されることにより打音検査システムの各装置が実現されるコンピュータの一例を示す図である。コンピュータ１０００は、例えば、メモリ１０１０、ＣＰＵ１０２０を有する。また、コンピュータ１０００は、ハードディスクドライブインタフェース１０３０、ディスクドライブインタフェース１０４０、シリアルポートインタフェース１０５０、ビデオアダプタ１０６０、ネットワークインタフェース１０７０を有する。これらの各部は、バス１０８０によって接続される。

メモリ１０１０は、ＲＯＭ（Read Only Memory）１０１１およびＲＡＭ１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic Input Output System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、ハードディスクドライブ１０９０に接続される。ディスクドライブインタフェース１０４０は、ディスクドライブ１１００に接続される。例えば磁気ディスクや光ディスク等の着脱可能な記憶媒体が、ディスクドライブ１１００に挿入される。シリアルポートインタフェース１０５０は、例えばマウス１１１０、キーボード１１２０に接続される。ビデオアダプタ１０６０は、例えばディスプレイ１１３０に接続される。

ハードディスクドライブ１０９０は、例えば、ＯＳ１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３、プログラムデータ１０９４を記憶する。すなわち、打音検査システムの各装置の各処理を規定するプログラムは、コンピュータにより実行可能なコードが記述されたプログラムモジュール１０９３として実装される。プログラムモジュール１０９３は、例えばハードディスクドライブ１０９０に記憶される。例えば、分析装置５０における機能構成と同様の処理を実行するためのプログラムモジュール１０９３が、ハードディスクドライブ１０９０に記憶される。なお、ハードディスクドライブ１０９０は、ＳＳＤにより代替されてもよい。

また、上述した実施形態の処理で用いられる設定データは、プログラムデータ１０９４として、例えばメモリ１０１０やハードディスクドライブ１０９０に記憶される。そして、ＣＰＵ１０２０が、メモリ１０１０やハードディスクドライブ１０９０に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出して実行する。

なお、プログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０９０に記憶される場合に限らず、例えば着脱可能な記憶媒体に記憶され、ディスクドライブ１１００等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、プログラムモジュール１０９３およびプログラムデータ１０９４は、ネットワーク（ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）等）を介して接続された他のコンピュータに記憶されてもよい。そして、プログラムモジュール１０９３およびプログラムデータ１０９４は、他のコンピュータから、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。

１ 打音検査システム
１０ ハンマー
２０ 作業者
２０ａ 熟練作業者
２０ｂ 非熟練作業者
３０ 打音収集装置
４０ 端末
４１、５１ 送受信部
４２、５２、６１ 制御部
４３、５３、６２ 記憶部
５０ 分析装置
１０１ モルタル外壁
１０２ コンクリート壁
１０３ 浮き
１０４ 道路
１０５ 土砂部
１５１ 正常クラスタ
１５２ 異常クラスタ
４１１ 打音送信部
４１２ 結果受信部
４２１、６１１ 打音入力部
４２２、６１２ 結果表示部
５１１ 打音受信部
５１２ 結果送信部
５２１、６１３ 抽出部
５２２、６１４ 選択部
５２３、６１５ 学習部
５２４、６１６ 判定部
５３１、６２１ 分析情報

Claims (7)

1. 構造物を叩いた際に発生した音のデータである打音データの入力を受け付ける入力部と、
   前記入力部に入力された打音データから特徴量を抽出する抽出部と、
   前記抽出部によって抽出された特徴量のうち、所定の特徴量を選択特徴量として選択する選択部と、
   前記選択部によって選択された前記選択特徴量のうち、前記入力部に入力された打音データのうちの学習対象の打音データに基づく選択特徴量を学習し、学習器を生成する学習部と、
   前記選択部によって選択された前記選択特徴量のうち、前記入力部に入力された打音データのうちの判定対象の打音データに基づく選択特徴量、および前記学習部によって生成された学習器を用いて、前記構造物に異常があるか否かを判定する判定部と、
   を有することを特徴とする打音検査システム。
2. 前記抽出部は、フーリエ変換を用いて前記入力部に入力された打音データを周波数スペクトルに変換し、所定の方法で単純化した前記周波数スペクトルから前記特徴量を抽出することを特徴とする請求項１に記載の打音検査システム。
3. 前記抽出部は、前記周波数スペクトルに、一定周期の周波数を頂点とする三角形関数を掛け合わせることで前記周波数スペクトルを単純化することを特徴とする請求項２に記載の打音検査システム。
4. 前記選択部は、異常がないことが既知の構造物から発生した打音データの各特徴量を次元とする正常ベクトルと、異常があることが既知の構造物から発生した打音データの各特徴量を次元とする異常ベクトルと、をクラスタリングすることで得られたクラスタのうち、前記正常ベクトルのみを含んだクラスタの中心ベクトルと、前記異常ベクトルのみを含んだクラスタの中心ベクトルと、の間における差が所定値以上である次元に対応する特徴量を選択することを特徴とする請求項１から３のいずれか１項に記載の打音検査システム。
5. 前記入力部は、打音データとともに、前記構造物に異常があるか否かを示すラベルの入力を受け付け、
   前記学習部は、前記選択部によって選択された前記選択特徴量および前記ラベルに基づいて、前記構造物に異常があることを示すラベル、および前記構造物に異常がないことを示すラベルのそれぞれに対応したグループのいずれかに、前記判定対象の打音データを分類する分類器を生成することを特徴とする請求項１から４のいずれか１項に記載の打音検査システム。
6. 前記学習部は、前記判定対象の打音データと前記学習対象の打音データとの乖離度を計算する異常検知器を生成することを特徴とする請求項１から４のいずれか１項に記載の打音検査システム。
7. 打音検査システムで実行される打音検査方法であって、
   構造物を叩いた際に発生した音のデータである打音データの入力を受け付ける入力工程と、
   前記入力工程に入力された打音データから特徴量を抽出する抽出工程と、
   前記抽出工程によって抽出された特徴量のうち、所定の特徴量を選択特徴量として選択する選択工程と、
   前記選択工程によって選択された前記選択特徴量のうち、前記入力工程に入力された打音データのうちの学習対象の打音データに基づく選択特徴量を学習し、学習器を生成する学習工程と、
   前記選択工程によって選択された前記選択特徴量のうち、前記入力工程に入力された打音データのうちの判定対象の打音データに基づく選択特徴量、および前記学習工程によって生成された学習器を用いて、前記構造物に異常があるか否かを判定する判定工程と、
   を含んだことを特徴とする打音検査方法。

Images