JP2019114146A - Rebar inspection support device - Google Patents
Rebar inspection support device Download PDFInfo
- Publication number
- JP2019114146A JP2019114146A JP2017248461A JP2017248461A JP2019114146A JP 2019114146 A JP2019114146 A JP 2019114146A JP 2017248461 A JP2017248461 A JP 2017248461A JP 2017248461 A JP2017248461 A JP 2017248461A JP 2019114146 A JP2019114146 A JP 2019114146A
- Authority
- JP
- Japan
- Prior art keywords
- inspection
- image
- rebar
- reinforcing bar
- pressure
- 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
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
Description
本発明は、鉄筋検査支援装置に関する。 The present invention relates to a rebar inspection support device.
従来、配筋検査の工数の低減、配筋検査の作業時間の短縮が可能な配筋検査システムが知られている（例えば、特許文献１を参照）。特許文献１に記載の技術では、検査対象の鉄筋の径、本数、ピッチの少なくとも一つの情報が入力され、入力された検査対象の鉄筋の情報と検査対象の鉄筋の計測情報との一致／不一致を判定する。 BACKGROUND Conventionally, a rebar inspection system capable of reducing the number of man-hours for rebar inspection and shortening the work time for rebar inspection is known (see, for example, Patent Document 1). In the technology described in Patent Document 1, at least one of the diameter, the number, and the pitch of the reinforcing bar to be inspected is input, and the input / output information on the reinforcing bar to be inspected matches / mismatches with the measurement information of the reinforcing bar to be inspected. Determine
また、誤検査を防止することができる検査支援システムが知られている（例えば、特許文献２を参照）。特許文献２に記載の技術では、配筋を示す画像情報に基づいて、当該画像情報により示される画像から配筋の予め定められた特徴を示す特徴情報を抽出する。そして、抽出した特徴情報と予め記憶された配筋の３ＤＣＡＤ情報に含まれる特徴情報との差分を導出し、導出した差分が予め定められた閾値以上であるか否かを判定する。そして、導出した差分が予め定められた閾値以上であると判定した場合に警告を報知する。 Further, there is known an inspection support system capable of preventing erroneous inspection (see, for example, Patent Document 2). In the technology described in Patent Document 2, based on image information indicating reinforcement, feature information indicating a predetermined feature of reinforcement is extracted from an image indicated by the image information. Then, the difference between the extracted feature information and the feature information included in the 3D CAD information of the reinforcement stored in advance is derived, and it is determined whether the derived difference is equal to or more than a predetermined threshold. Then, when it is determined that the derived difference is equal to or more than a predetermined threshold value, a warning is notified.
上記特許文献１に記載の技術では、検査対象の鉄筋の径、本数、ピッチの少なくとも一つの情報を入力する必要がある。また、上記特許文献２に記載の技術では、予め記憶された配筋の３ＤＣＡＤを読み込む必要がある。そのため、上記特許文献１及び上記特許文献２に記載の技術では、鉄筋に関する正解データを読み込む必要があるため、鉄筋の検査を簡易に行うことができない、という課題がある。 In the technology described in Patent Document 1, it is necessary to input at least one piece of information on the diameter, the number, and the pitch of the reinforcing bar to be inspected. Further, in the technology described in Patent Document 2, it is necessary to read in 3D CAD of the arrangement bars stored in advance. Therefore, in the techniques described in Patent Document 1 and Patent Document 2 described above, there is a problem that the inspection of reinforcing bars can not be easily performed because it is necessary to read in correct solution data regarding the reinforcing bars.
本発明は上記事実を考慮して、簡易な構成により、鉄筋の検査を支援することを目的とする。 An object of the present invention is to support the inspection of reinforcing bars with a simple configuration in consideration of the above facts.
上記目的を達成するために、本発明の鉄筋検査支援装置は、建設現場における鉄筋が写る画像である鉄筋画像を取得する取得部と、前記取得部によって取得された前記鉄筋画像と、画像に写る鉄筋の検査情報を出力する予め生成されたモデルとに基づいて、前記取得部によって取得された前記鉄筋画像の検査情報を出力する画像処理部と、を含む。本発明の鉄筋検査支援装置によれば、簡易な構成により、鉄筋の検査を支援することができる。 In order to achieve the above object, the rebar inspection support device of the present invention includes an acquisition unit for acquiring a rebar image which is an image showing a rebar at a construction site, the rebar image acquired by the acquisition unit, and an image. And an image processing unit that outputs inspection information of the reinforcing bar image acquired by the acquisition unit based on a previously generated model that outputs inspection information of the reinforcing bar. According to the rebar inspection support device of the present invention, inspection of rebar can be supported with a simple configuration.
また、本発明の前記画像処理部は、前記取得部によって取得された前記鉄筋画像と、鉄筋の圧接こぶが写る学習用画像から予め生成された判定用の学習済みモデルであって、かつ画像に圧接こぶが写っているか否かを判定するための前記判定用の学習済みモデルとに基づいて、前記鉄筋画像のうちの鉄筋の圧接こぶの位置を判定する位置判定部と、前記位置判定部による判定結果から得られる、前記鉄筋画像のうちの前記圧接こぶが写っていると判定された部分画像の前記圧接こぶの形状及び大きさの少なくとも一方に基づいて、前記圧接こぶが適切であるか否かに関する情報を前記検査情報として出力する検査部とを含むようにすることができる。これにより、鉄筋の圧接こぶの位置を検出することで、鉄筋の検査を支援することができる。また、予め収集された学習用データが反映された判定用の学習済みモデルを用いて、建設現場における鉄筋の検査を支援することができる。 Further, the image processing unit according to the present invention is a learned model for determination generated in advance from the reinforcing bar image acquired by the acquisition unit and a learning image in which a pressure bump of the reinforcing bar is captured, A position determination unit that determines a position of a press-contact bump of a reinforcing bar in the reinforcing bar image based on the learned model for determination to determine whether a press-contact bump is captured, and the position determination unit Based on at least one of the shape and the size of the pressure-contact bumps of the partial image of the reinforcing bar image determined to have the pressure-contact bumps of the reinforcing bar image obtained from the judgment result, the pressure-contact bumps are appropriate or not The information processing apparatus may include an inspection unit that outputs information on the information as the inspection information. This makes it possible to support the inspection of reinforcing bars by detecting the position of the pressure contact bumps of the reinforcing bars. In addition, it is possible to support inspection of rebar at a construction site by using a learned model for determination in which learning data collected in advance is reflected.
また、本発明の前記検査部は、前記取得部によって取得された前記鉄筋画像と、鉄筋の圧接こぶが写る学習用画像と該学習用画像に写る圧接こぶの形状及び大きさの少なくとも一方が適切であるか否かのラベルとを表す学習用データから予め生成された検査用の学習済みモデルとに基づいて、前記圧接こぶが適切であるか否かに関する情報を前記検査情報として出力するようにすることができる。これにより、予め収集された学習用データが反映された検査用の学習済みモデルを用いて、建設現場における鉄筋の検査を支援することができる。 Further, in the inspection unit according to the present invention, at least one of the reinforcing bar image acquired by the acquisition unit, a learning image in which a pressure-contact bump of the reinforcing bar is shown, and a pressure-contact bump in the learning image are appropriate. And outputting, as the examination information, information on whether or not the pressure-contact bumps are appropriate, based on the examination-use learned model generated in advance from the study data representing whether the subject is a label or not. can do. This makes it possible to support inspection of rebar at a construction site by using a learning model for inspection in which learning data collected in advance is reflected.
本発明によれば、簡易な構成により、鉄筋の検査を支援することができる、という効果が得られる。 ADVANTAGE OF THE INVENTION According to this invention, the effect that the test | inspection of rebar can be assisted by simple structure is acquired.
＜鉄筋の圧接こぶの検査について＞ <About the inspection of pressure welding bumps on rebars>
建設現場において鉄筋同士の圧接作業が行われる場合には、鉄筋の接続が適切であるか否かが検査される。この場合、検査の要領は、（ア）圧接条件を満たす技能資格者であること、（イ）圧接の位置と相互の配置が定められた範囲にあること、（ウ）圧接部の形状が規定どおりになっていること、（エ）折れ曲がり、片ふくらみ、焼割れ、へこみ、垂れ下がりがないこと、（オ）抜き取りによる引張試験あるいは超音波探傷試験により検査されること、である。この場合には、例えば、鉄筋の接続箇所である圧接こぶの大きさ及び形状に基づいて、鉄筋の接続が適切であるか否かが計測や目視により検査される。 In the case where welding between reinforcing bars is performed at a construction site, it is checked whether connection of the reinforcing bars is appropriate. In this case, the inspection procedure is as follows: (A) Skill qualified person satisfying pressure contact condition, (A) Position of pressure contact and mutual arrangement defined, (C) Shape of pressure contact part (D) bending, bending, cracking, denting, no sagging, and (e) being inspected by a pull test or an ultrasonic flaw test by extraction. In this case, for example, based on the size and shape of the pressure-contact bumps which are the connection points of the reinforcing bars, it is measured or visually inspected whether the connection of the reinforcing bars is appropriate or not.
検査内容の（ウ）は、例えば、図１（Ａ）及び（Ｂ）に示されるように、所定の検査員等がノギスを用いて、ランダムに選択した圧接こぶの縦方向の長さ及び横方向の長さを計測して、所定の基準を満たしているか否かが検査される。 For example, as shown in FIGS. 1 (A) and 1 (B), the inspection content (c) is a longitudinal length and a horizontal length of a pressure contact bump randomly selected by a predetermined inspector or the like using a caliper. The length of the direction is measured to see if it meets predetermined criteria.
図２に、圧接こぶが適切であるか否かを判定するための基準の一例を示す。例えば、図２に示される（１）〜（４）の基準によって、圧接こぶが適切であるか否かが判定される。なお、（１）〜（４）における、ｘ１、ｘ２、ｙ１、ｙ２、及びｚ１の値は、予め設定される値である。 FIG. 2 shows an example of the criteria for determining whether the pressure-contact bumps are appropriate. For example, based on the criteria (1) to (4) shown in FIG. 2, it is determined whether or not the pressure-contact bumps are appropriate. The values of x 1 , x 2 , y 1 , y 2 and z 1 in (1) to (4) are values set in advance.
（１）圧接こぶのふくらみの縦方向の長さａは、接続対象の鉄筋の鉄筋径Ｄのｙ１倍（鉄筋径によってはｙ２倍）以上であること。
（２）圧接こぶのふくらみの横方向の長さｂは、接続対象の鉄筋の鉄筋径Ｄのｘ１倍（鉄筋径によってはｘ２倍）以上であること。
（３）圧接こぶの圧接面ｄと圧接こぶの中心面ｃとの間のずれは、接続対象の鉄筋の鉄筋径Ｄの（１／ｘ３）以下であること。
（４）圧接こぶにおける鉄筋の中心軸間のずれは、鉄筋径Ｄ（接続対象の鉄筋径が異なる場合は細い方の鉄筋の鉄筋径）の（１／ｚ１）以下であること。
(1) The longitudinal length a of the bulge of the press-contact hump should be at least y 1 times the rebar diameter D of the reinforcing bar to be connected (or y 2 times depending on the rebar diameter).
(2) The length b in the lateral direction of the bulge of the press-contact bumps should be at least x 1 (or, depending on the diameter of the reinforcing bar, x 2 ) the diameter D of the reinforcing bar to be connected.
(3) The displacement between the press-contact surface d of the press-contact bump and the center plane c of the press-contact bump should be less than or equal to (1 / x 3 ) of the diameter D of the reinforcing bar to be connected.
(4) The displacement between the central axes of the reinforcing bars in the press-contact bumps should be less than or equal to (1 / z 1 ) of the reinforcing bar diameter D (the reinforcing bar diameter of the thinner reinforcing bars when the reinforcing bars differ in connection).
しかし、上記図１（Ａ）及び（Ｂ）に示されるような検査では、検査員の手が届く範囲しか検査を行うことができないため、検査可能なタイミングは限られてしまう。また、ノギスによる検査では、圧接こぶの周辺の鉄筋等が邪魔になり、限られた方向からしか検査をすることができない。更に、非常に限られた数量しか検査をすることができない。 However, in the inspection as shown in FIGS. 1 (A) and 1 (B), since the inspection can be performed only within the reach of the inspector, the timing that can be inspected is limited. Moreover, in the inspection by a vernier caliper, the rebar etc. of the circumference | surroundings of a pressure welding bump become an obstruction, and it can inspect only from a limited direction. Furthermore, only very limited quantities can be inspected.
このような課題に対して、所定の検査器具を用いて検査を行うことが考えられる。例えば、図３（Ａ）及び（Ｂ）に示されるような検査器具ＴＫを用いることが考えられる。 It is conceivable to perform an inspection using such a predetermined inspection tool for such a subject. For example, it is conceivable to use an inspection tool TK as shown in FIGS. 3 (A) and 3 (B).
検査器具ＴＫは、例えば、透明なプラスチックによって構成される。検査器具ＴＫは、圧接こぶの検査部ＣＫを備えている。この検査部ＣＫの大きさは、例えば、上記の基準（１）〜（４）が満たされるように、検査対象の鉄筋径Ｄに応じて予め形成される。図３（Ｂ）に示されるように、検査員は検査器具ＴＫを手に持ち、検査器具ＴＫを通して、検査対象の圧接こぶを目視することにより、圧接こぶが所定の基準を満たしているか否かを検査する。検査器具ＴＫの各部は、検査対象の鉄筋径Ｄと圧接こぶの検査部ＣＫの大きさとの比率に応じて予め形成されている。このため、検査員は、検査器具ＴＫの鉄筋径Ｄの部分と検査対象の鉄筋とが一致する箇所に立ち、検査器具ＴＫの鉄筋径Ｄの部分と検査対象の鉄筋とさせることにより、圧接こぶの外観検査を行うことができる。 The inspection tool TK is made of, for example, transparent plastic. The inspection tool TK is provided with an inspection unit CK of a pressure contact bump. The size of the inspection unit CK is formed in advance according to the reinforcing steel diameter D to be inspected so that, for example, the above criteria (1) to (4) are satisfied. As shown in FIG. 3 (B), the inspector holds the inspection tool TK in hand and visually checks the pressure-contact bumps to be inspected through the inspection tool TK to determine whether the pressure-contact bumps meet a predetermined standard or not. To check. Each part of the inspection tool TK is formed in advance according to the ratio between the diameter of the reinforcing bar D to be inspected and the size of the inspection part CK of the press-contact bumps. For this reason, the inspector stands at a point where the portion of the rebar diameter D of the inspection tool TK matches the rebar of the inspection object, and causes the portion of the rebar diameter D of the inspection tool TK to be the rebar of the inspection object. Visual inspection of
また、図４及び図５に示されるような検査器具ＳＫを用いることも考えられる。 It is also conceivable to use an inspection instrument SK as shown in FIGS. 4 and 5.
図４に示される検査器具ＳＫは、例えば、透明なプラスチック板によって構成される。検査器具ＳＫは、検査対象の鉄筋径毎（ＳＤ３４５、ＳＤ３９０、及びＳＤ４９０）に、圧接こぶが上記の基準（１）〜（４）を満たしているか否かを検査するための図が描画されている。なお、図４に示される検査器具ＳＫには、接続対象の鉄筋同士の接続の角度のずれが２°であるか否かを判定するための図も描画されている。 The inspection tool SK shown in FIG. 4 is constituted by, for example, a transparent plastic plate. The inspection tool SK is drawn for each reinforcing rod diameter to be inspected (SD 345, SD 390, and SD 490) for drawing whether or not the press fit bumps meet the above criteria (1) to (4). There is. In addition, the figure for determining whether the shift | offset | difference of the angle of the connection of the rebar for connection is 2 degrees is also drawn by test | inspection instrument SK shown by FIG.
検査員は、例えば図５に示されるように、検査器具ＳＫとカメラＣＭとを手に持ち、検査器具ＳＫを通して検査対象の圧接こぶを確認し、検査器具ＳＫ越しの圧接こぶをカメラＣＭによって撮像する。この場合も、検査員は、検査器具ＳＫの鉄筋径Ｄの部分と検査対象の鉄筋とが一致する箇所に立ち、検査器具ＳＫの鉄筋径Ｄの部分と検査対象の鉄筋とさせることにより圧接こぶの検査を行う。これにより、圧接こぶが所定の基準を満たしているか否かを検査することができる。また、従来では、撮影者と検査器具（ノギス等）の保持者との二人による検査作業が必要であったが、一人による検査作業が可能となる。 For example, as shown in FIG. 5, the inspector holds the inspection tool SK and the camera CM in hand, confirms the pressure contact bumps to be inspected through the inspection tool SK, and images the pressure contact bumps over the inspection tool SK by the camera CM. Do. Also in this case, the inspector stands at a point where the portion of the reinforcing bar diameter D of the inspection tool SK and the rebar to be inspected coincide with each other, and causes the portion of the reinforcing bar diameter D of the inspection tool SK to be the rebar to be inspected. Perform the examination of Thus, it can be checked whether the pressure contact bumps meet a predetermined standard. In addition, conventionally, inspection work by two persons, a photographer and a holder of an inspection instrument (such as a vernier caliper), has been required, but one person can perform inspection work.
しかし、上記図３〜図５の検査器具を用いたとしても、検査可能なタイミングが増え、また検査可能な対象数も増えることになるが、人手による検査であるため非常に限定された対象の検査となる。 However, even if the inspection instruments shown in FIG. 3 to FIG. 5 are used, the timing that can be inspected increases and the number of objects that can be inspected also increases, but because it is a manual inspection, It becomes an examination.
そこで、本発明の実施形態では、建設現場における鉄筋が写る画像である鉄筋画像と、画像に写る鉄筋の検査情報を出力する予め生成されたモデルとに基づいて、鉄筋画像の検査情報を出力する。具体的には、鉄筋画像から複数の圧接こぶの位置を検出し、圧接こぶの大きさ及び形状が所定の基準を満たしているか否かを画像処理によって判定する。また、本実施形態では、圧接こぶの位置を検出する際又は圧接こぶの大きさ及び形状が所定の基準を満たしているか否かを判定する際には、機械学習によって予め学習された学習済みモデルを用いる。 Therefore, in the embodiment of the present invention, inspection information of a reinforcing bar image is output based on a reinforcing bar image which is an image of a reinforcing bar in a construction site and a pre-generated model that outputs inspection information of the reinforcing bar in the image. . Specifically, positions of a plurality of pressure contact bumps are detected from the reinforcing bar image, and it is determined by image processing whether or not the size and shape of the pressure contact bumps satisfy a predetermined standard. Further, in the present embodiment, when detecting the position of the pressure-contact bumps or when determining whether the size and shape of the pressure-contact bumps satisfy predetermined criteria, a learned model previously learned by machine learning is used. Use
以下、本発明の実施形態について詳細に説明する。 Hereinafter, embodiments of the present invention will be described in detail.
＜第１の実施形態の鉄筋検査支援システムの構成＞ <Configuration of Rebar Inspection Support System of First Embodiment>
図６は、第１の実施形態に係る鉄筋検査支援システムの構成の一例を示すブロック図である。鉄筋検査支援システム１００は、図６に示されるように、入力装置１２と、カメラ１４と、鉄筋検査支援装置２０と、出力装置４０とを備える。 FIG. 6 is a block diagram showing an example of the configuration of the rebar inspection support system according to the first embodiment. The rebar inspection support system 100 includes an input device 12, a camera 14, a rebar inspection support device 20, and an output device 40, as shown in FIG.
入力装置１２は、複数の学習用画像の入力を受け付ける。学習用画像には、ラベルが予め付与されている。学習用画像に予め付与されているラベルは、鉄筋を圧接によって接続したときに生じる、鉄筋の圧接こぶが学習用画像に写っているか否かを表す。 The input device 12 receives input of a plurality of learning images. A label is attached to the learning image in advance. The label given in advance to the learning image indicates whether or not the pressing bumps of the reinforcing bar, which are produced when the reinforcing bars are connected by pressure welding, are reflected in the learning image.
カメラ１４は、画像を撮像する。カメラ１４は、例えば、建設現場における作業員等によって操作され、建設現場における鉄筋が写る画像である鉄筋画像を撮像する。 The camera 14 captures an image. The camera 14 is operated, for example, by a worker or the like at a construction site, and captures a reinforcing bar image which is an image in which a reinforcing bar at the construction site is captured.
鉄筋検査支援装置２０は、ＣＰＵ（Central Processing Unit）、各処理ルーチンを実現するためのプログラム等を記憶したＲＯＭ（Read Only Memory）、データを一時的に記憶するＲＡＭ（Random Access Memory）、記憶手段としてのメモリ、ネットワークインタフェース等を含んで構成されている。また、鉄筋検査支援装置２０は、機能的には、学習用画像取得部２２と、学習用データ記憶部２４と、学習部２６と、学習済みモデル記憶部２８と、検査用画像取得部３０と、位置判定部３２と、画像処理部３１とを備える。検査用画像取得部３０は、本発明の取得部の一例である。 The rebar inspection support apparatus 20 includes a central processing unit (CPU), a read only memory (ROM) storing a program for realizing each processing routine, a random access memory (RAM) for temporarily storing data, and storage means. As a memory, a network interface and the like. In addition, functionally, the rebar inspection support apparatus 20 functionally includes a learning image acquisition unit 22, a learning data storage unit 24, a learning unit 26, a learned model storage unit 28, and an inspection image acquisition unit 30. And a position determination unit 32 and an image processing unit 31. The inspection image acquisition unit 30 is an example of an acquisition unit of the present invention.
学習用画像取得部２２は、入力装置１２から入力された、複数の学習用画像を取得する。そして、学習用画像取得部２２は、複数の学習用画像を学習用データ記憶部２４へ格納する。 The learning image acquisition unit 22 acquires a plurality of learning images input from the input device 12. Then, the learning image acquisition unit 22 stores a plurality of learning images in the learning data storage unit 24.
学習用データ記憶部２４には、複数の学習用画像が格納される。例えば、図７に示されるように、複数の学習用画像と、複数の学習用画像の各々についてのラベルとが対応付けられて、学習用データセットとして格納される。１つの学習用画像と１つのラベルとの組み合わせが、１つの学習用データとして用いられる。例えば、図８に示されるように、圧接こぶが写っている画像ＧＤ１にはラベルとして１が付与され、圧接こぶが写っていない画像ＧＤ２にはラベルとして０が付与される。 The learning data storage unit 24 stores a plurality of learning images. For example, as illustrated in FIG. 7, a plurality of learning images and a label for each of the plurality of learning images are associated with each other and stored as a learning data set. A combination of one training image and one label is used as one training data. For example, as shown in FIG. 8, 1 is applied as a label to the image GD1 in which the press-contact bumps appear, and 0 is applied to the image GD2 in which the press-contact bumps are not captured.
学習部２６は、学習用データ記憶部２４に格納された学習用データの各々に基づいて、画像に圧接こぶが写っているか否かを判定するための判定用のモデルを学習させて、判定用の学習済みモデルを生成する。学習部２６は、学習用データ記憶部２４に格納された学習用データの各々に基づいて、例えば、ディープラーニングによってニューラルネットワークモデルを学習させる。 The learning unit 26 learns a determination model for determining whether or not a pressure bump appears in the image based on each of the learning data stored in the learning data storage unit 24 for determination. Generate a trained model of. The learning unit 26 learns a neural network model by deep learning, for example, based on each of the learning data stored in the learning data storage unit 24.
図９に、本実施形態で用いるモデルの一例を示す。本実施形態では、モデルの一例としてニューラルネットワークモデルを用いる場合を例に説明する。図９に示される学習済みモデルは、鉄筋画像の部分画像が入力されると、当該部分画像に圧接こぶが写っているか否かを判定する。具体的には、学習済みモデルは、部分画像に圧接こぶが写っている確率ＰＡと、部分画像に圧接こぶが写っていない確率ＰＢを出力する。 FIG. 9 shows an example of a model used in the present embodiment. In this embodiment, a neural network model is used as an example of a model. When the partial image of the reinforcing bar image is input, the learned model shown in FIG. 9 determines whether or not the pressure contact nub appears in the partial image. Specifically, the learned model outputs a probability PA in which the pressure-contact bumps appear in the partial image and a probability PB in which the pressure-contact bumps are not captured in the partial image.
学習部２６は、例えば、上記図７に示される、データＩＤ「00001」の学習用画像Ｉ１がニューラルネットワークモデルへ入力された際には、画像に圧接こぶが写っている確率ＰＡが高くなるように、ニューラルネットワークモデルを学習させる。また、データＩＤ「00002」の学習用画像Ｉ２がニューラルネットワークモデルへ入力された際には、画像に圧接こぶが写っていない確率ＰＢが高くなるように、ニューラルネットワークモデルを学習させる。 For example, when the learning image I1 of the data ID “00001” shown in FIG. 7 described above is input to the neural network model, the learning unit 26 increases the probability PA of the image in which pressure bumps appear on the image. To train the neural network model. In addition, when the learning image I2 of the data ID "00002" is input to the neural network model, the neural network model is trained so that the probability PB that a pressure bump is not shown in the image is high.
学習済みモデル記憶部２８は、学習部２６によって生成された、判定用の学習済みモデルが格納される。 The learned model storage unit 28 stores the learned model for determination generated by the learning unit 26.
検査用画像取得部３０は、カメラ１４によって撮像された、検査対象の鉄筋画像を取得する。 The inspection image acquisition unit 30 acquires a rebar image to be inspected that is captured by the camera 14.
画像処理部３１は、検査用画像取得部３０によって取得された鉄筋画像に基づいて、鉄筋画像に写る圧接こぶが適切であるか否かを画像処理によって判定する。画像処理部３１は、位置判定部３２と検査部３４とを備える。 Based on the reinforcing bar image acquired by the inspection image acquiring unit 30, the image processing unit 31 determines by image processing whether or not the pressure-contact bumps captured in the reinforcing bar image are appropriate. The image processing unit 31 includes a position determination unit 32 and an inspection unit 34.
位置判定部３２は、学習済みモデル記憶部２８に格納された、判定用の学習済みモデルを取得する。そして、位置判定部３２は、検査用画像取得部３０によって取得された鉄筋画像と判定用の学習済みモデルとに基づいて、鉄筋画像のうちの鉄筋の圧接こぶの位置を判定する。 The position determination unit 32 acquires the learned model for determination stored in the learned model storage unit 28. Then, based on the reinforcing bar image acquired by the inspection image acquiring unit 30 and the learned model for determination, the position determining unit 32 determines the position of the press-contact bump of the reinforcing bar in the reinforcing bar image.
具体的には、位置判定部３２は、検査用画像取得部３０によって取得された鉄筋画像に対して部分領域を設定し、その部分領域に対応する部分画像を判定用の学習済みモデルへ入力して、部分画像に圧接こぶが写っているか否かを判定する。 Specifically, the position determination unit 32 sets a partial region to the reinforcing bar image acquired by the inspection image acquisition unit 30, and inputs a partial image corresponding to the partial region to the learned model for determination. Then, it is determined whether or not the pressure-contact bumps appear in the partial image.
例えば、図１０に示されるような鉄筋画像ＴＧが入力された場合、位置判定部３２は、部分領域Ｔを鉄筋画像ＴＧに対して走査する。そして、位置判定部３２は、部分領域Ｔに対応する部分画像を判定用の学習済みモデルへ逐次入力し、当該部分領域Ｔに圧接こぶが写っているか否かを判定する。具体的には、位置判定部３２は、部分画像を判定用の学習済みモデルへ入力したときに、部分画像に圧接こぶが写っている確率ＰＡと部分画像に圧接こぶが写っていない確率ＰＢとを取得する。そして、確率ＰＡが確率ＰＢよりも大きい場合には、その部分画像に圧接こぶが写っていると判定する。また、確率ＰＢが確率ＰＡよりも大きい場合には、その部分画像に圧接こぶが写っていないと判定する。これにより、検査用画像取得部３０によって取得された鉄筋画像のどこに圧接こぶが存在しているのかが特定される。 For example, when the reinforcing bar image TG as shown in FIG. 10 is input, the position determination unit 32 scans the partial region T with respect to the reinforcing bar image TG. Then, the position determination unit 32 sequentially inputs the partial image corresponding to the partial region T to the learned model for determination, and determines whether or not the pressure-contact bumps appear in the partial region T. Specifically, when the partial image is input to the learned model for determination, the position determination unit 32 has a probability PA of the partial image in which the press-contact bumps are shown and a probability PB of the partial image in which the press-contact bumps are not shown. To get Then, when the probability PA is larger than the probability PB, it is determined that the pressure-contact bumps appear in the partial image. If the probability PB is larger than the probability PA, it is determined that the partial image does not have a press-contact bumps. As a result, it is specified where in the reinforcing bar image acquired by the inspection image acquiring unit 30 the pressure contact nub exists.
検査部３４は、位置判定部３２による判定結果に基づいて、検査対象の鉄筋画像に写る圧接こぶが適切であるか否かを判定する。具体的には、検査部３４は、圧接こぶが写っていると判定された部分画像の圧接こぶの形状及び大きさに基づいて、圧接こぶが適切であるか否かに関する情報を検査情報として出力する。 The inspection unit 34 determines, based on the determination result by the position determination unit 32, whether or not the pressure-contact bumps captured in the rebar image to be inspected are appropriate. Specifically, the inspection unit 34 outputs, as inspection information, information on whether or not the pressure contact bumps are appropriate, based on the shape and size of the pressure contact bumps of the partial image determined to have the pressure contact bumps determined. Do.
まず、検査部３４は、圧接こぶが写っていると判定された部分画像の各々に対して所定の幾何学的変換を施す。幾何学的変換により、例えば、平行移動、拡大又は縮小、及び回転等の線形変換等が鉄筋画像に対して行われる。 First, the inspection unit 34 performs predetermined geometric transformation on each of the partial images determined to have the pressure-contact bumps. Geometric transformations, for example, linear transformations such as translation, enlargement or reduction, rotation, etc. are performed on the rebar image.
次に、検査部３４は、幾何学的変換処理が施された部分画像の各々に対して、ノイズの除去及び輪郭の明確化に関する処理を施す。具体的には、まず、検査部３４は、部分画像に対して所定のノイズ除去処理を施す。次に、検査部３４は、ノイズ除去処理が行われた部分画像からエッジ抽出を行うことにより、輪郭の明確化を行う。 Next, the inspection unit 34 performs processing on removal of noise and clarification of the contour on each of the partial images subjected to the geometrical transformation processing. Specifically, first, the inspection unit 34 performs a predetermined noise removal process on the partial image. Next, the inspection unit 34 performs edge extraction from the partial image subjected to the noise removal processing to clarify the contour.
次に、検査部３４は、エッジ抽出結果に基づいて、圧接こぶが写っていると判定された部分画像の各々に写る鉄筋の鉄筋径を特定する。鉄筋には、例えば図１１のＡ〜Ｃに示されるように、鉄筋の種別等を識別するための色又は浮彫マークが付与されている。例えば、図１１のＡに示されるように、ネジ節鉄筋の所定の箇所には着色（図１１のＡの斜線部分）がなされており、着色に応じて鉄筋の材質等を判別することができる。また、例えば、図１１のＢ，Ｃに示されるように、竹節鉄筋の所定の箇所には所定の浮彫マークが付与されており、浮彫マークに応じて鉄筋径及び材質等を判別することができる。そのため、例えば、検査部３４は、図１１のＢ，Ｃに示される鉄筋表面の浮彫マークに基づいて鉄筋の種別を特定し、鉄筋径を特定する。なお、図１１のＡ，Ｂ，Ｃの色又は浮彫マークは、鉄筋の製造メーカにより異なる。 Next, based on the edge extraction result, the inspection unit 34 identifies the reinforcing bar diameter of the reinforcing bar reflected in each of the partial images determined to have a press-contact hump. For example, as shown in A to C of FIG. 11, the reinforcing bars are provided with colors or relief marks for identifying types of reinforcing bars and the like. For example, as shown in A of FIG. 11, coloring (hatched portion of A of FIG. 11) is made at a predetermined location of the screw knot rebar, and the material etc. of the reinforcing bar can be determined according to the coloring. . Further, for example, as shown in B and C of FIG. 11, a predetermined relief marking is provided at a predetermined location of the bamboo joint rebar, and the diameter and material of the reinforcement can be determined according to the relief marking. . Therefore, for example, the inspection unit 34 identifies the type of reinforcing bar based on the relief marks on the surface of the reinforcing bar shown in B and C of FIG. 11, and identifies the diameter of the reinforcing bar. In addition, the color or relief mark of A, B, C of FIG. 11 changes with manufactures of rebar.
しかし、図１１のＢ，Ｃに示される竹節鉄筋の表面の浮彫マークが、鉄筋画像に写る鉄筋の裏側に存在している場合には、鉄筋径を特定することができない。また、図１１のＡのネジ節鉄筋の場合には、着色の情報からは鉄筋径を特定することができない。そのため、例えば、建設現場の建設作業員は、鉄筋画像を撮像する際に、大きさが既知の物体を鉄筋画像が撮像される領域に設置して、鉄筋画像を撮像する。例えば、建設作業員は、２０［ｍｍ］角の立方体を、鉄筋画像が撮像される領域に並置させて鉄筋画像を撮像する。そして、検査部３４は、鉄筋画像に写る鉄筋と立方体とを比較して、鉄筋径を特定する。これにより、鉄筋画像に写る鉄筋径を特定することができる。 However, when the relief mark on the surface of the bamboo joint rebar shown in B and C of FIG. 11 is present on the back side of the rebar reflected in the rebar image, the rebar diameter can not be identified. Further, in the case of the threaded joint bar of A in FIG. 11, the diameter of the reinforcing bar can not be identified from the coloring information. Therefore, for example, when capturing a reinforcing bar image, a construction worker at a construction site installs an object whose size is known in a region where the reinforcing bar image is captured, and captures a reinforcing bar image. For example, a construction worker places a 20 [mm] corner cube in juxtaposition with an area where a reinforcing bar image is to be captured and captures a reinforcing bar image. Then, the inspection unit 34 compares the reinforcing bar and the cube shown in the reinforcing bar image to specify the reinforcing bar diameter. In this way, it is possible to identify the reinforcing bar diameter shown in the reinforcing bar image.
なお、鉄筋画像を撮像する際に設置する物体としては、例えば、大きさが既知である球体であってもよい。また、大きさが既知の物体を設置する方法としては、例えば、撮像対象の鉄筋の近傍に物体を併置する、または所定の箇所に物体を吊るす等の方法で設置することができる。 Note that, for example, a sphere whose size is known may be used as an object installed when capturing a reinforcing bar image. Moreover, as a method of installing an object of which size is known, for example, the object can be placed side by side in the vicinity of the rebar of the imaging target, or it can be installed by a method of suspending the object at a predetermined location.
次に、検査部３４は、圧接こぶが写っていると判定された部分画像の各々のエッジ抽出結果と部分画像に写る鉄筋の鉄筋径とに基づいて、部分画像に写る圧接こぶの大きさ及び形状を推定する。本実施形態では、鉄筋表面の浮彫に基づき鉄筋径が特定される。そのため、画像に写る鉄筋径に基づき、圧接こぶの大きさも特定される。 Next, the inspection unit 34 determines the size and size of the pressure-contact bumps shown in the partial image based on the edge extraction result of each of the partial images determined to show the pressure-contact bumps and the reinforcing bar diameter of the reinforcing bar shown in the partial image. Estimate the shape. In the present embodiment, the diameter of the reinforcing bar is specified based on the relief on the surface of the reinforcing bar. Therefore, the size of the press-contact bumps is also specified based on the diameter of the reinforcing bar shown in the image.
そして、検査部３４は、推定された圧接こぶの大きさ及び形状に基づいて、部分画像に写る圧接こぶが適切であるか否かを判定する。 Then, based on the estimated size and shape of the pressure-contact bumps, the inspection unit 34 determines whether or not the pressure-contact bumps shown in the partial image are appropriate.
具体的には、検査部３４は、上記図２（１）（２）に示される、圧接こぶの縦方向の長さａを算出する。また、検査部３４は、上記図２（１）（２）に示される、圧接こぶの縦方向の長さｂを算出する。 Specifically, the inspection unit 34 calculates the length a in the vertical direction of the press-contact bumps shown in FIG. 2 (1) (2). Further, the inspection unit 34 calculates the length b in the vertical direction of the press-contact bumps shown in FIG. 2 (1) (2).
また、検査部３４は、上記図２（３）に示される、圧接こぶの膨らみの頂点を結ぶ頂点線ｃを特定する。また、検査部３４は、上記図２（３）に示される、圧接こぶの圧接面ｄを特定する。 Further, the inspection unit 34 specifies an apex line c connecting the apexes of the bulges of the press-contact bumps shown in FIG. 2 (3). Further, the inspection unit 34 specifies the pressure contact surface d of the pressure contact hump shown in FIG. 2 (3).
なお、圧接こぶの圧接面付近の領域はエッジ成分が少なく、圧接こぶの端部の領域（接続対象の鉄筋付近の領域）はエッジ成分が多い。そのため、例えば、検査部３４は、エッジ抽出結果に基づいて、圧接こぶの圧接面ｄを特定する。例えば、検査部３４は、圧接こぶの圧接面ｄを特定する際に、図１２に示されるように、圧接こぶの位置を特定した後に、周辺の領域と比較して、エッジ成分の少ない領域Ｖを特定し、その領域Ｖの中心を圧接こぶの圧接面ｄとして特定する。 The region near the pressure contact surface of the pressure contact bumps has less edge components, and the region of the end portions of the pressure contact bumps (regions near the reinforcing bars to be connected) has more edge components. Therefore, for example, the inspection unit 34 identifies the pressure contact surface d of the pressure contact bump based on the edge extraction result. For example, when the inspection unit 34 specifies the pressure contact surface d of the pressure contact hump, as shown in FIG. 12, after specifying the position of the pressure contact hump, the region V having a smaller edge component as compared with the peripheral region. Is identified, and the center of the region V is identified as the pressing surface d of the pressing lug.
また、検査部３４は、上記図２（４）に示される、接続対象の一方の鉄筋を表すエッジ線ｅと、他方の鉄筋を表すエッジ線ｆを特定する。 Further, the inspection unit 34 specifies an edge line e representing one reinforcing bar to be connected and an edge line f representing the other reinforcing bar shown in FIG. 2 (4).
そして、検査部３４は、圧接こぶの縦方向の長さａが、接続対象の鉄筋径Ｄのｙ１倍（鉄筋径によってはｙ２倍）以上であるか否かを判定する。これにより、圧接こぶが上記（１）の基準を満たしているか否かが判定される。 Then, the inspection unit 34 determines whether or not the longitudinal length a of the press-contact bumps is equal to or greater than y 1 (y 2 depending on the diameter of the reinforcing bar) of the diameter D of the reinforcing bar to be connected. As a result, it is determined whether or not the press-contact bumps meet the above criteria (1).
また、検査部３４は、圧接こぶの横方向の長さｂが、接続対象の鉄筋径Ｄのｘ１倍（鉄筋径によってはｘ２倍）以上であるか否かを判定する。これにより、圧接こぶが上記（２）の基準を満たしているか否かが判定される。 In addition, the inspection unit 34 determines whether the lateral length b of the press-contact bumps is equal to or greater than x 1 (or, depending on the diameter of the reinforcing bar, x 2 ) the diameter D of the reinforcing bar to be connected. As a result, it is determined whether or not the press-contact bumps meet the criteria of (2) above.
また、検査部３４は、圧接こぶの膨らみの頂点を結ぶ頂点線ｃと圧接こぶの圧接面ｄとの間の距離が、鉄筋径Ｄの（１／ｘ３）以下であるか否かを判定する。これにより、圧接こぶが上記（３）の基準を満たしているか否かが判定される。 Further, the inspection unit 34 determines whether or not the distance between the vertex line c connecting the apexes of the bulges of the press-contact bumps and the press-contact surface d of the press-contact bumps is equal to or less than (1 / x 3 ) of the reinforcing bar diameter D. Do. As a result, it is determined whether or not the press-contact bumps meet the criteria of (3) above.
また、検査部３４は、一方の鉄筋を表すエッジ線ｅと他方の鉄筋を表すエッジ線ｆとのずれが、鉄筋径Ｄの（１／ｚ１）以下であるか否かを判定する。これにより、圧接こぶが上記（４）の基準を満たしているか否かが判定される。 In addition, the inspection unit 34 determines whether the deviation between the edge line e representing one reinforcing bar and the edge line f representing the other reinforcing bar is equal to or less than (1 / z 1 ) of the reinforcing bar diameter D. As a result, it is determined whether or not the press-contact bumps meet the criteria of (4) above.
そして、検査部３４は、上記（１）〜（４）の基準が全て満たされている場合には、圧接こぶが適切であると判定し、圧接こぶが合格であることを示す検査情報を出力する。一方、検査部３４は、上記（１）〜（４）の基準のうちの少なくとも１つが満たされていない場合には、圧接こぶは不適切であると判定し、圧接こぶが不合格であることを示す検査情報を出力する。 Then, when all the above criteria (1) to (4) are satisfied, the inspection unit 34 determines that the pressure-contact bumps are appropriate, and outputs inspection information indicating that the pressure-contact bumps are acceptable. Do. On the other hand, when at least one of the criteria (1) to (4) is not satisfied, the inspection unit 34 determines that the press-contact bumps are inappropriate and the press-contact bumps are not acceptable. Output examination information indicating
なお、検査情報には、合否不明であることを示す情報が含まれていても良い。この場合には、例えば、上記（１）〜（４）の基準のうちの少なくとも２つ以上が満たされていない場合には、圧接こぶが不合格であることを示す検査情報を出力する。また、上記（１）〜（４）の基準のうちの１つの基準が満たされていない場合には、圧接こぶの合否は不明であることを示す検査情報を出力する。 The examination information may include information indicating that the acceptance or rejection is unknown. In this case, for example, when at least two or more of the above-mentioned criteria (1) to (4) are not satisfied, inspection information indicating that the press-contact bumps fail is output. In addition, when one of the criteria (1) to (4) is not satisfied, inspection information indicating that the pressure-contact hump is unknown is output.
出力装置４０は、検査部３４によって出力された検査情報を結果として出力する。例えば、出力装置４０は、ディスプレイによって実現される。 The output device 40 outputs the inspection information output by the inspection unit 34 as a result. For example, the output device 40 is realized by a display.
ユーザである建設作業員は、出力装置４０によって出力された結果を確認する。そして、建設作業員は、出力装置４０によって出力された結果に基づき、圧接こぶが不合格である場合は、作業員等へ鉄筋接続の修正作業等を指示する。また、圧接こぶが合否不明である場合は、検査員等へ詳細な調査を指示する。 The construction worker who is the user confirms the result output by the output device 40. Then, based on the result output by the output device 40, the construction worker instructs the worker or the like to carry out the work of correcting the rebar connection etc. when the press-contact bumps are not acceptable. In addition, when it is unclear whether the pressure-contact bumps are acceptable or not, the inspector or the like is instructed to conduct a detailed investigation.
＜鉄筋検査支援システムの作用＞ <Operation of rebar inspection support system>
次に、図１３及び図１４を参照して、鉄筋検査支援システム１００の作用を説明する。鉄筋検査支援システム１００では、圧接こぶが画像に写っているか否かを判定する判定用の学習済みモデルを得るための学習処理ルーチンと、圧接こぶが適切であるか否かを判定するための検査支援処理ルーチンとが実行される。 Next, the operation of the rebar inspection support system 100 will be described with reference to FIGS. 13 and 14. In the rebar inspection support system 100, a learning processing routine for obtaining a learned model for determination as to whether or not a pressure bump is included in an image, and a test to determine whether or not the pressure bump is appropriate The support processing routine is executed.
＜学習処理ルーチン＞ <Learning processing routine>
入力装置１２によって受け付けられた複数の学習用画像が鉄筋検査支援装置２０に入力されると、学習用画像取得部２２は、複数の学習用画像を学習用データ記憶部２４へ格納する。そして、鉄筋検査支援装置２０は、学習処理開始の制御信号を受信すると、図１３に示される学習処理ルーチンを実行する。 When the plurality of learning images received by the input device 12 are input to the rebar inspection support apparatus 20, the learning image acquisition unit 22 stores the plurality of learning images in the learning data storage unit 24. Then, when receiving the control signal to start the learning process, the rebar inspection support apparatus 20 executes a learning process routine shown in FIG.
ステップＳ１００において、学習部２６は、学習用データ記憶部２４に格納された学習用データの各々を取得する。 In step S100, the learning unit 26 acquires each of the learning data stored in the learning data storage unit 24.
ステップＳ１０２において、学習部２６は、上記ステップＳ１００で取得された学習用データの各々に基づいて、画像に圧接こぶが写っているか否かを判定するための判定用のモデルを学習させて、判定用の学習済みモデルを生成する。 In step S102, the learning unit 26 learns a determination model for determining whether or not a pressure bump appears in the image based on each of the learning data acquired in step S100. Generate a trained model for
ステップＳ１０４において、学習部２６は、上記ステップＳ１０２で生成された、判定用の学習済みモデルを学習済みモデル記憶部２８に格納して、学習処理ルーチンを終了する。 In step S104, the learning unit 26 stores the learned model for determination generated in step S102 in the learned model storage unit 28, and ends the learning processing routine.
＜検査支援処理ルーチン＞ <Test support processing routine>
学習処理ルーチンによって、圧接こぶの位置の判定用の学習済みモデルが学習済みモデル記憶部２８に格納されると、鉄筋検査支援装置２０は、図１４に示される検査支援処理ルーチンを実行することができる。具体的には、鉄筋検査支援装置２０は、カメラ１４によって撮像された、建設現場の鉄筋画像が鉄筋検査支援装置２０に入力されると、図１４に示される検査支援処理ルーチンを実行する。 When the learned model for determination of the position of the pressure-contact bumps is stored in the learned model storage unit 28 by the learning process routine, the rebar inspection support apparatus 20 may execute the inspection support process routine shown in FIG. it can. Specifically, when the rebar image of the construction site captured by the camera 14 is input to the rebar inspection support device 20, the rebar inspection support device 20 executes an inspection support processing routine shown in FIG.
ステップＳ１５０において、検査用画像取得部３０は、カメラ１４によって撮像された、検査対象の鉄筋画像を取得する。 In step S <b> 150, the inspection image acquisition unit 30 acquires a rebar image to be inspected, which is captured by the camera 14.
ステップＳ１５２において、位置判定部３２は、学習済みモデル記憶部２８に格納された、判定用の学習済みモデルを読み出す。 In step S152, the position determination unit 32 reads out the learned model for determination stored in the learned model storage unit 28.
ステップＳ１５４において、位置判定部３２は、上記ステップＳ１５０で取得された鉄筋画像と、上記ステップＳ１５２で取得した判定用の学習済みモデルとに基づいて、鉄筋画像のうちの鉄筋の圧接こぶの位置を判定する。具体的には、位置判定部３２は、上記ステップＳ１５０で取得された鉄筋画像に対して部分領域を設定し、その部分領域に対応する部分画像を判定用の学習済みモデルへ入力して、部分画像に圧接こぶが写っているか否かを判定する。 In step S154, based on the reinforcing bar image acquired in step S150 and the learned model for determination acquired in step S152, the position determination unit 32 determines the position of the press-contact bumps of the reinforcing bar in the reinforcing bar image. judge. Specifically, the position determination unit 32 sets a partial region for the reinforcing bar image acquired in step S150, and inputs a partial image corresponding to the partial region to the learned model for determination, It is determined whether or not the image has a pressure bump.
ステップＳ１５６において、検査部３４は、上記ステップＳ１５４で得られた、圧接こぶが写っていると判定された部分画像の各々に対して、所定の幾何学的変換を施す。 In step S156, the inspection unit 34 performs predetermined geometric transformation on each of the partial images determined in step S154 that are determined to have the press-contact bumps.
ステップＳ１５８において、検査部３４は、上記ステップＳ１５４で幾何学的変換処理が施された部分画像の各々に対して、所定のノイズ除去処理を施す。次に、検査部３４は、ノイズ除去処理が行われた部分画像の各々からエッジ抽出を行う。 In step S158, the inspection unit 34 performs a predetermined noise removal process on each of the partial images subjected to the geometric conversion process in step S154. Next, the inspection unit 34 performs edge extraction from each of the partial images subjected to the noise removal process.
ステップＳ１６０において、上記ステップＳ１５８で得られた部分画像の各々についてのエッジ抽出結果に基づいて、鉄筋表面の浮彫に基づいて鉄筋の種別を特定し、部分画像に写る鉄筋の鉄筋径を特定する。 In step S160, the type of reinforcing bar is identified based on the relief on the surface of the reinforcing bar based on the edge extraction result for each of the partial images obtained in step S158, and the diameter of the reinforcing bar in the partial image is identified.
ステップＳ１６２において、検査部３４は、上記ステップＳ１５８で得られた部分画像の各々についてのエッジ抽出結果と、上記ステップＳ１６０で特定された部分画像の各々に写る鉄筋の鉄筋径とに基づいて、各部分画像に写る圧接こぶの大きさ及び形状を推定する。具体的には、ステップＳ１６２において、検査部３４は、圧接こぶの縦方向の長さａと圧接こぶの縦方向の長さｂを算出する。また、検査部３４は、圧接こぶの膨らみの頂点を結ぶ頂点線ｃと圧接こぶの圧接面ｄを特定する。また、検査部３４は、接続対象の一方の鉄筋を表すエッジ線ｅと、他方の鉄筋を表すエッジ線ｆを特定する。 In step S162, the inspection unit 34 determines each of the edge extraction result for each of the partial images obtained in step S158 and the rebar diameter of the reinforcing bar shown in each of the partial images specified in step S160. The size and shape of the pressure-contact bumps in the partial image are estimated. Specifically, in step S162, the inspection unit 34 calculates the longitudinal length a of the press-contact bumps and the longitudinal length b of the press-contact bumps. Further, the inspection unit 34 specifies an apex line c connecting the apexes of the bulges of the press-contact bumps and a press-contact surface d of the press-contact bumps. Further, the inspection unit 34 specifies an edge line e representing one reinforcing bar to be connected and an edge line f representing the other reinforcing bar.
ステップＳ１６４において、検査部３４は、上記ステップＳ１６２で推定された、部分画像の各々に写る圧接こぶの大きさ及び形状に基づいて、部分画像に写る圧接こぶが適切であるか否かを判定する。 In step S164, the inspection unit 34 determines, based on the size and shape of the pressure-contact bumps in each of the partial images estimated in step S162, whether or not the pressure-contact bumps in the partial image are appropriate. .
具体的には、ステップＳ１６４において、検査部３４は、上記（１）の基準に基づき、圧接こぶの縦方向の長さａが接続対象の鉄筋径Ｄのｙ１倍（鉄筋径によってはｙ２倍）以上であるか否かを判定する。また、検査部３４は、上記（２）の基準に基づき、圧接こぶの横方向の長さｂが接続対象の鉄筋径Ｄのｘ１倍（鉄筋径によってはｘ２倍）以上であるか否かを判定する。また、検査部３４は、上記（３）の基準に基づき、圧接こぶの膨らみの頂点を結ぶ頂点線ｃと圧接こぶの圧接面ｄとの間の距離が、鉄筋径Ｄの（１／ｘ３）以下であるか否かを判定する。また、検査部３４は、上記（４）の基準に基づき、一方の鉄筋を表すエッジ線ｅと他方の鉄筋を表すエッジ線ｆとのずれが、鉄筋径Ｄの（１／ｚ１）以下であるか否かを判定する。 Specifically, in step S164, the inspection unit 34 determines that the length a in the vertical direction of the press-contact bumps is y 1 times the diameter of the reinforcing bar D to be connected (y 2 depending on the diameter of the reinforcing bar). It is determined whether or not it is more than double. In addition, based on the criteria of (2), the inspection unit 34 determines whether the lateral length b of the press-contact bumps is at least x 1 times (x 2 times depending on the rebar diameter) the reinforcing bar diameter D to be connected Determine In the inspection unit 34, the distance between the apex line c connecting the apexes of the bulges of the press bumps and the press face d of the press bumps is (1 / x 3 of the reinforcing bar diameter D) based on the criteria of (3) above. ) It is determined whether it is the following or not. In the inspection unit 34, the difference between the edge line e representing one reinforcing bar and the edge line f representing the other reinforcing bar is equal to or less than (1 / z 1 ) of the reinforcing bar diameter D based on the criteria of (4) above. Determine if there is.
ステップＳ１６６において、検査部３４は、上記ステップＳ１６４で得られた判定結果に基づいて、圧接こぶに関する検査情報を出力する。具体的には、検査部３４は、上記（１）〜（４）の基準が全て満たされている場合には、圧接こぶが合格であることを示す検査情報を出力する。また、検査部３４は、上記（１）〜（４）の基準のうちの少なくとも２つ以上が満たされていない場合には、圧接こぶが不合格であることを示す検査情報を出力する。また、検査部３４は、上記（１）〜（４）の基準のうちの１つの基準が満たされていない場合には、圧接こぶの合否は不明であることを示す検査情報を出力する。そして、検査支援処理を終了する。 In step S166, the inspection unit 34 outputs the inspection information on the press-contact bumps based on the determination result obtained in step S164. Specifically, when all the above criteria (1) to (4) are satisfied, the inspection unit 34 outputs inspection information indicating that the press-contact bumps are acceptable. In addition, when at least two or more of the criteria (1) to (4) are not satisfied, the inspection unit 34 outputs inspection information indicating that the press-contact bumps are not acceptable. In addition, when one of the criteria (1) to (4) is not satisfied, the inspection unit 34 outputs inspection information indicating that the success or failure of the press-contact bumps is unknown. Then, the inspection support process is ended.
以上詳細に説明したように、第１の実施形態では、建設現場における鉄筋が写る画像である鉄筋画像と、鉄筋の圧接こぶが写る学習用画像から予め生成された判定用の学習済みモデルとに基づいて、鉄筋画像のうちの鉄筋の圧接こぶの位置を判定する。そして、圧接こぶが写っていると判定された部分画像の圧接こぶの形状及び大きさに基づいて、圧接こぶが適切であるか否かに関する情報を検査情報として出力する。これにより、簡易な構成により、建設現場における鉄筋の検査を支援することができる。また、鉄筋の圧接こぶの位置を検出することで、鉄筋の検査を支援することができる。また、ユーザによって予め収集された学習用データが反映された、位置判定用の学習済みモデルを用いて、建設現場における鉄筋の検査を支援することができる。 As described above in detail, in the first embodiment, a reinforcing bar image which is an image in which a reinforcing bar is captured in a construction site, and a learned model for determination generated in advance from a learning image in which a pressure bump of the reinforcing bar is captured. Based on the position of the contact bump of the rebar in the rebar image is determined. Then, based on the shape and size of the pressure-contact bumps of the partial image determined to have a pressure-contact bump, information on whether or not the pressure-contact bumps are appropriate is output as inspection information. Thereby, inspection of the rebar in a construction site can be supported by simple composition. In addition, by detecting the position of the pressure welding bump of the reinforcing bar, it is possible to support the inspection of the reinforcing bar. In addition, it is possible to support inspection of rebar at a construction site by using a learned model for position determination in which learning data collected in advance by the user is reflected.
また、建設現場で取得された鉄筋画像を画像処理することにより、複数個所の圧接こぶの検査を同時に行うことができる。これにより、圧接こぶの検査を効率的に実施することができる。 Further, by performing image processing on the reinforcing bar image acquired at the construction site, it is possible to simultaneously conduct inspections of pressure welding bumps at a plurality of locations. Thereby, the inspection of the press-contact bumps can be performed efficiently.
また、カメラによって撮像された画像を画像処理することにより、検査員の手の届かない部分の圧接こぶの検査をすることができる。 Further, by processing the image captured by the camera, it is possible to inspect a pressure bump on a portion out of reach of the inspector.
また、人手によって検査が行われることによる、検査員間の判定差を低減することができる。これにより、測定者による測定誤差を排除した画一的な判定が可能になる。 In addition, it is possible to reduce the judgment difference between inspectors due to the manual inspection. This makes it possible to make a uniform determination excluding measurement errors by the measurer.
また、ノギス等の測定器具を用いた場合には、圧接こぶに測定器具を直接当てることにより測定器具を鉄筋の間に落下させる可能性が高かったが、画像処理によって検査を行うことにより、測定器具の落下の可能性を防ぐことができる。 Also, in the case of using a measuring instrument such as a vernier caliper, there is a high possibility that the measuring instrument is dropped between the reinforcing bars by directly applying the measuring instrument to the press-contact bumps, but the measurement is carried out by image processing. It can prevent the possibility of falling of the device.
＜第２の実施形態の鉄筋検査支援システムのシステム構成＞ <System Configuration of Rebar Inspection Support System of Second Embodiment>
次に、第２の実施形態について説明する。なお、第１の実施形態と同様の構成となる部分については、同一符号を付して説明を省略する。 Next, a second embodiment will be described. In addition, about the part used as the structure similar to 1st Embodiment, the same code | symbol is attached | subjected and description is abbreviate | omitted.
第２の実施形態では、圧接こぶが適切であるか否かを表す学習用データから予め生成された検査用の学習済みモデルを用いて、圧接こぶが適切であるか否かに関する情報を検査情報として出力する点が、第１の実施形態と異なる。 In the second embodiment, information on whether or not the pressure contact bumps are appropriate is checked information using a learned model for inspection generated in advance from the learning data indicating whether or not the pressure contact bumps are appropriate. Is different from the first embodiment in that it outputs as.
図１５は、第２の実施形態に係る鉄筋検査支援システム２００の構成の一例を示すブロック図である。第２の実施形態に係る鉄筋検査支援装置２２０は、機能的には、学習用画像取得部２２２と、学習用データ記憶部２２４と、学習部２２６と、学習済みモデル記憶部２２８と、検査用画像取得部３０と、画像処理部２３１とを備える。 FIG. 15 is a block diagram showing an example of the configuration of a rebar inspection support system 200 according to the second embodiment. Functionally, the rebar inspection support apparatus 220 according to the second embodiment functionally includes a learning image acquisition unit 222, a learning data storage unit 224, a learning unit 226, a learned model storage unit 228, and an inspection. An image acquisition unit 30 and an image processing unit 231 are provided.
学習用画像取得部２２２は、入力装置１２から入力された、圧接こぶが適切であるか否かを表す複数の学習用データを更に取得する。本実施形態の学習用データは、鉄筋の圧接こぶが写る学習用画像と該学習用画像に写る圧接こぶの形状及び大きさが適切であるか否かのラベルとが対応付けられたデータである。そして、学習用画像取得部２２２は、複数の学習用データを学習用データ記憶部２２４へ格納する。 The learning image acquisition unit 222 further acquires a plurality of learning data input from the input device 12 and indicating whether or not the press-contact bumps are appropriate. The learning data in the present embodiment is data in which a learning image in which a pressure-contact bump of a reinforcing bar appears and a label indicating whether the shape and size of the pressure-contact bump in the image for learning are appropriate . Then, the learning image acquisition unit 222 stores a plurality of learning data in the learning data storage unit 224.
学習用データ記憶部２２４には、圧接こぶが適切であるか否かを表す複数の学習用データが更に格納される。例えば、鉄筋径に対して形状及び大きさが適切である圧接こぶが写っている画像にはラベルとして１が付与され、鉄筋径に対して形状及び大きさが適切でない画像にはラベルとして０が付与される。 The learning data storage unit 224 further stores a plurality of learning data representing whether or not the pressure-contact bumps are appropriate. For example, 1 is added as a label to an image with a pressure-contact bump whose shape and size are appropriate with respect to the reinforcing bar diameter, and 0 is added as a label to an image with an incorrect shape and size with respect to the reinforcing bar diameter. Granted.
学習部２２６は、学習用データ記憶部２２４に格納された、圧接こぶが適切であるか否かを表す学習用データの各々に基づいて、画像に写っている圧接こぶが適切であるか否かを判定するための検査用のモデルを学習させて、検査用の学習済みモデルを生成する。学習部２２６は、学習用データ記憶部２２４に格納された、圧接こぶが適切であるか否かを表す学習用データの各々に基づいて、例えば、ディープラーニングによってニューラルネットワークモデルを学習させる。 The learning unit 226 determines whether the pressure-contact bumps shown in the image are appropriate based on each of the learning data stored in the learning-data storage unit 224 and indicating whether the pressure-contact bumps are appropriate or not. The model for the test to determine the is trained to generate the trained model for the test. The learning unit 226 causes the neural network model to be learned, for example, by deep learning based on each of the learning data stored in the learning data storage unit 224 and indicating whether or not the pressure bumps are appropriate.
図１６に、第２の実施形態で用いるモデルの一例を示す。図１６に示される検査用の学習済みモデルは、圧接こぶが写っていると判定された部分画像が入力されると、当該部分画像に写る圧接が適切であるか否かを判定する。具体的には、検査用の学習済みモデルは、部分画像に写る圧接こぶが適切である確率ＰＸと、部分画像の圧接こぶが適切ではない確率ＰＹを出力する。 FIG. 16 shows an example of a model used in the second embodiment. In the learning model for inspection shown in FIG. 16, when a partial image determined to have a press-contact bump is input, it is determined whether or not the press-contact shown in the partial image is appropriate. Specifically, the learned model for inspection outputs a probability PX that the pressure-contact bumps shown in the partial image are appropriate and a probability PY that the pressure-contact bumps on the partial image are not appropriate.
学習済みモデル記憶部２２８には、学習部２２６によって生成された、検査用の学習済みモデルが更に格納される。 The learned model storage unit 228 further stores a learned model for examination generated by the learning unit 226.
画像処理部２３１は、検査用画像取得部３０によって取得された鉄筋画像に基づいて、鉄筋画像に写る圧接こぶが適切であるか否かを画像処理によって判定する。画像処理部２３１は、位置判定部３２と検査部２３４とを備える。 Based on the reinforcing bar image acquired by the inspection image acquiring unit 30, the image processing unit 231 determines, by image processing, whether or not the pressure-contact bumps captured in the reinforcing bar image are appropriate. The image processing unit 231 includes a position determination unit 32 and an inspection unit 234.
検査部２３４は、位置判定部３２によって圧接こぶが写っていると判定された部分画像と、学習済みモデル記憶部２２８に格納された検査用の学習済みモデルとに基づいて、圧接こぶが適切であるか否かに関する情報を検査情報として出力する。 The inspection unit 234 is appropriate for the pressure detection bump based on the partial image determined by the position determination unit 32 to have the pressure detection bump and the learned model for inspection stored in the learned model storage unit 228. Information on the presence or absence is output as examination information.
具体的には、検査部２３４は、圧接こぶが写っていると判定された部分画像と、学習済みモデル記憶部２２８に格納された検査用の学習済みモデルとに基づいて、圧接こぶが写っていると判定された部分画像に写る圧接こぶが適切であるか否かを判定する。 Specifically, based on the partial image determined that the pressure-contact bumps appear, and the learned model for inspection stored in the learned model storage unit 228, the inspection unit 234 It is determined whether or not a pressure-contact bump in a partial image determined to be present is appropriate.
より詳細には、検査部２３４は、圧接こぶが写っていると判定された部分画像を検査用の学習済みモデルへ入力したときに、部分画像の圧接こぶが適切である確率ＰＸと部分画像の圧接こぶが適切でない確率ＰＹとを取得する。そして、確率ＰＸが確率ＰＹよりも大きい場合には、その部分画像の圧接こぶは適切であると判定する。また、確率ＰＹが確率ＰＸよりも大きい場合には、その部分画像の圧接こぶは適切でないと判定する。これにより、部分画像の圧接こぶが適切であるのか否かが検査される。 More specifically, when the inspection unit 234 inputs a partial image determined to have a pressure-contact bump to the learned model for inspection, the probability PX that the pressure-contact bump of the partial image is appropriate and the partial image Acquire the probability PY that the pressure-contact bumps are not appropriate. Then, when the probability PX is larger than the probability PY, it is determined that the pressure-contact bump of the partial image is appropriate. If the probability PY is larger than the probability PX, it is determined that the pressure-contact bump of the partial image is not appropriate. As a result, it is checked whether the pressure contact bump of the partial image is appropriate.
＜鉄筋検査支援システムの作用＞ <Operation of rebar inspection support system>
次に、図１７及び図１８を参照して、鉄筋検査支援システム２００の作用を説明する。鉄筋検査支援システム２００では、圧接こぶが画像に写っているか否かを判定する判定用の学習済みモデルを得るための図１３に示す学習処理ルーチンと、圧接こぶが適切であるか否かを判定する検査用の学習済みモデルを得るための図１７に示す学習処理ルーチンと、圧接こぶが適切であるか否かを検査するための図１８に示す検査支援処理ルーチンとが実行される。 Next, the operation of the rebar inspection support system 200 will be described with reference to FIGS. 17 and 18. The rebar inspection support system 200 determines whether or not the pressure contact bumps are appropriate, and the learning processing routine shown in FIG. 13 for obtaining a learned model for determination as to whether or not the pressure contact bumps are reflected in the image. A learning process routine shown in FIG. 17 for obtaining a learned model for the examination to be performed and an examination support process routine shown in FIG. 18 for examining whether or not the pressure welding bump is appropriate are executed.
＜学習処理ルーチン＞ <Learning processing routine>
入力装置１２によって受け付けられた、圧接こぶが適切であるか否かを表す複数の学習用データが鉄筋検査支援装置２２０に入力されると、学習用画像取得部２２２は、複数の学習用データを学習用データ記憶部２２４へ格納する。そして、鉄筋検査支援装置２２０は、学習処理開始の制御信号を受信すると、図１７に示される学習処理ルーチンを実行する。 When a plurality of learning data received by the input device 12 and indicating whether the pressure-contact bumps are appropriate or not is input to the rebar inspection support apparatus 220, the learning image acquisition unit 222 receives the plurality of learning data. It is stored in the learning data storage unit 224. Then, when receiving the control signal to start the learning process, the rebar inspection support apparatus 220 executes the learning process routine shown in FIG.
ステップＳ２００において、学習部２２６は、学習用データ記憶部２２４に格納された学習用データの各々を取得する。 In step S200, the learning unit 226 acquires each of the learning data stored in the learning data storage unit 224.
ステップＳ２０２において、学習部２２６は、上記ステップＳ２００で取得された学習用データの各々に基づいて、画像に写っている圧接こぶが適切であるか否かを判定するための検査用のモデルを学習させて、検査用の学習済みモデルを生成する。 In step S202, the learning unit 226 learns a test model for determining whether or not the pressure-contact bumps in the image are appropriate based on each of the learning data acquired in step S200. Let's create a trained model for testing.
ステップＳ２０４において、学習部２２６は、上記ステップＳ２０２で生成された、検査用の学習済みモデルを学習済みモデル記憶部２２８に格納して、学習処理ルーチンを終了する。 In step S204, the learning unit 226 stores the learned model for inspection generated in step S202 in the learned model storage unit 228, and ends the learning processing routine.
＜検査支援処理ルーチン＞ <Test support processing routine>
学習処理ルーチンによって、圧接こぶの位置の判定用の学習済みモデルと、圧接こぶが適切であるか否かを判定するための検査用の学習済みモデルとが学習済みモデル記憶部２２８に格納されると、鉄筋検査支援装置２２０は、図１８に示される検査支援処理ルーチンを実行することができる。具体的には、鉄筋検査支援装置２２０は、カメラ１４によって撮像された、建設現場の鉄筋画像が鉄筋検査支援装置２２０に入力されると、図１８に示される検査支援処理ルーチンを実行する。 By the learning processing routine, the learned model for determining the position of the pressure-contact bumps and the learned model for inspection for determining whether the pressure-contact bumps are appropriate are stored in the learned model storage unit 228. The rebar inspection support device 220 can execute the inspection support processing routine shown in FIG. Specifically, when the rebar image of the construction site captured by the camera 14 is input to the rebar inspection support device 220, the rebar inspection support device 220 executes the inspection support processing routine shown in FIG.
ステップＳ１５０〜ステップＳ１６０、及びステップＳ１６６は、第１の実施形態と同様に実行される。 Steps S150 to S160 and step S166 are performed in the same manner as in the first embodiment.
ステップＳ２６１において、検査部２３４は、学習済みモデル記憶部２２８に格納された、検査用の学習済みモデルを読み出す。 In step S261, the inspection unit 234 reads out the learned model for examination stored in the learned model storage unit 228.
ステップＳ２６４において、検査部２３４は、ステップＳ１５４で圧接こぶが写っていると判定された部分画像と、上記ステップＳ２６１で読み出した検査用の学習済みモデルとに基づいて、圧接こぶが適切であるか否かに関する情報を検査情報として出力する。 In step S 264, the inspection unit 234 determines whether the press-contact bump is appropriate based on the partial image determined in step S 154 to be displayed as the press-contact bump and the learned model for inspection read out in step S 261. It outputs information on whether or not it is inspection information.
なお、第２の実施の形態に係る他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。 The other configurations and operations according to the second embodiment are the same as those of the first embodiment, and thus the description thereof is omitted.
以上説明したように、第２の実施形態では、鉄筋画像と、予め生成された検査用の学習済みモデルに基づいて、圧接こぶが適切であるか否かに関する情報を検査情報として出力する。これにより、ユーザによって予め収集された学習用データが反映された検査用の学習済みモデルを用いて、建設現場における鉄筋の検査を支援することができる。 As described above, in the second embodiment, based on the reinforcing bar image and the learned model for inspection generated in advance, information on whether or not the press-contact bumps are appropriate is output as inspection information. This makes it possible to support the inspection of the rebar at the construction site using the learned model for inspection in which the data for learning collected in advance by the user is reflected.
なお、本発明は、上述した実施の形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。 The present invention is not limited to the above-described embodiment, and various modifications and applications can be made without departing from the scope of the present invention.
例えば、第１及び第２の実施形態では、学習用データから生成された位置判定用の学習済みモデルを用いて、圧接こぶの位置を検出する場合を例に説明したが、これに限定されるものではない。例えば、所定の画像処理によって、圧接こぶの位置を検出するようにしてもよい。例えば、予め生成されたモデルの一例である、圧接こぶを表すテンプレートを設定し、鉄筋画像に対してテンプレートマッチングを行うことにより、圧接こぶの位置を検出するようにしてもよい。 For example, in the first and second embodiments, although the case of detecting the position of the press-contact bumps using the learned model for position determination generated from the learning data has been described as an example, the present invention is limited thereto It is not a thing. For example, the position of the pressure contact bump may be detected by predetermined image processing. For example, a template representing a press-contact hump, which is an example of a model generated in advance, may be set, and the position of the press-contact bump may be detected by performing template matching on the reinforcing bar image.
また、第１及び第２の実施形態では、圧接こぶに関する検査を行う場合を例に説明したが、これに限定されるものではない。例えば、鉄筋画像に写る鉄筋の鉄筋径Ｄから、鉄筋画像に写る鉄筋同士の間隔を算出するモデルを予め生成してもよい。 Further, in the first and second embodiments, although the case of performing the inspection regarding the press-contact bumps is described as an example, the present invention is not limited to this. For example, a model may be generated in advance to calculate the interval between reinforcing bars in the reinforcing bar image from the reinforcing bar diameter D of the reinforcing bars in the reinforcing bar image.
この場合には、例えば、図１９に示されるように、鉄筋径Ｄと鉄筋間に存在する画素数とに応じて鉄筋同士の間隔Ｌを算出される。そして、鉄筋画像に写る鉄筋の鉄筋径Ｄと鉄筋画像に写る鉄筋同士の間隔Ｌとを検査情報として出力する。 In this case, for example, as shown in FIG. 19, the interval L between the reinforcing bars is calculated in accordance with the reinforcing bar diameter D and the number of pixels existing between the reinforcing bars. Then, the rebar diameter D of the rebar shown in the rebar image and the interval L between the rebars shown in the rebar image are output as inspection information.
また、上記実施形態では、圧接こぶの形状及び大きさに基づいて、圧接こぶが適切であるか否かを判定する場合を例に説明したが、これに限定されるものではない。例えば、圧接こぶの形状及び大きさの何れか一方に基づいて、圧接こぶが適切であるか否かを判定するようにしてもよい。 Further, in the above embodiment, the case of determining whether the pressure-contact bumps are appropriate or not based on the shape and size of the pressure-contact bumps has been described as an example, but the present invention is not limited to this. For example, whether or not the pressure-contact bumps are appropriate may be determined based on any one of the shape and size of the pressure-contact bumps.
また、上記実施形態では、鉄筋径が同一である鉄筋同士を圧接する場合を例に説明したが、これに限定されるものではない。鉄筋径が異なる鉄筋同士を圧接する場合であっても、本実施形態を適用することができる。 Moreover, in the said embodiment, although the case where pressure welding of the reinforcing bars with same reinforcing rod diameter was carried out was demonstrated to the example, it is not limited to this. Even in the case where the reinforcing bars having different reinforcing bar diameters are in pressure contact with each other, the present embodiment can be applied.
また、上記実施形態では、鉄筋検査支援装置は、学習処理と鉄筋の検査支援処理とを行う場合を例に説明したが、これに限定されるものではない。例えば、学習用データに基づいて学習処理を行う鉄筋検査支援モデル学習装置と、鉄筋の検査支援処理を行う鉄筋検査支援装置とによってシステムを構成してもよい。この場合には、例えば、鉄筋検査支援モデル学習装置は、上記図６に示される、学習用画像取得部２２と、学習用データ記憶部２４と、学習部２６と、学習済みモデル記憶部２８とを含んで構成される。また、例えば、鉄筋検査支援装置は、上記図６に示される、検査用画像取得部３０と、位置判定部３２及び検査部を含む画像処理部３１とを含んで構成される。この場合、鉄筋検査支援装置は、鉄筋検査支援モデル学習装置の学習済みモデル記憶部２８に格納された学習済みモデルを取得して、鉄筋の検査支援処理を行う。 Moreover, in the said embodiment, although the rebar test | inspection assistance apparatus demonstrated the case where the learning process and the test | inspection assistance process of rebar were performed to an example, it is not limited to this. For example, the system may be configured by a rebar inspection support model learning device that performs learning processing based on learning data and a rebar inspection support device that performs rebar inspection support processing. In this case, for example, the rebar inspection support model learning device includes the learning image acquisition unit 22, the learning data storage unit 24, the learning unit 26, and the learned model storage unit 28 shown in FIG. It is comprised including. Also, for example, the rebar inspection support apparatus is configured to include the inspection image acquisition unit 30 and the image processing unit 31 including the position determination unit 32 and the inspection unit shown in FIG. In this case, the rebar inspection support device acquires the learned model stored in the learned model storage unit 28 of the rebar inspection support model learning device and performs rebar inspection support processing.
また、上記では本発明に係るプログラムがプログラム記憶部（図示省略）に予め記憶（インストール）されている態様を説明したが、本発明に係るプログラムは、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ及びマイクロＳＤカード等の記録媒体の何れかに記録されている形態で提供することも可能である。 In the above, the embodiment has been described in which the program according to the present invention is stored (installed) in a program storage unit (not shown) in advance. However, the program according to the present invention includes CD-ROM, DVD-ROM and micro SD card It is also possible to provide in the form of being recorded on any of the recording media such as
１２ 入力装置
１４ カメラ
２０，２２０ 鉄筋検査支援装置
２２，２２２ 学習用画像取得部
２４，２２４ 学習用データ記憶部
２６，２２６ 学習部
２８，２２８ 学習済みモデル記憶部
３０ 検査用画像取得部
３１，２３１ 画像処理部
３２ 位置判定部
３４，２３４ 検査部
４０ 出力装置
１００，２００ 鉄筋検査支援システム
12 input device 14 camera 20, 220 rebar inspection support device 22, 222 learning image acquisition unit 24, 224 learning data storage unit 26, 226 learning unit 28, 228 learned model storage unit 30 inspection image acquisition unit 31, 231 Image processing unit 32 Position determination unit 34, 234 Inspection unit 40 Output device 100, 200 Rebar inspection support system
Claims (3)
前記取得部によって取得された前記鉄筋画像と、画像に写る鉄筋の検査情報を出力する予め生成されたモデルとに基づいて、前記取得部によって取得された前記鉄筋画像の検査情報を出力する画像処理部と、
を含む鉄筋検査支援装置。 An acquisition unit for acquiring a reinforcing bar image, which is an image showing a reinforcing bar at a construction site;
Image processing for outputting inspection information of the reinforcing bar image acquired by the acquiring unit based on the reinforcing bar image acquired by the acquiring unit and a model generated in advance that outputs inspection information of reinforcing bars included in the image Department,
Rebar inspection support device including.
前記取得部によって取得された前記鉄筋画像と、鉄筋の圧接こぶが写る学習用画像から予め生成された判定用の学習済みモデルであって、かつ画像に圧接こぶが写っているか否かを判定するための前記判定用の学習済みモデルとに基づいて、前記鉄筋画像のうちの鉄筋の圧接こぶの位置を判定する位置判定部と、
前記位置判定部による判定結果から得られる、前記鉄筋画像のうちの前記圧接こぶが写っていると判定された部分画像の前記圧接こぶの形状及び大きさの少なくとも一方に基づいて、前記圧接こぶが適切であるか否かに関する情報を前記検査情報として出力する検査部とを含む、
請求項１に記載の鉄筋検査支援装置。 The image processing unit
It is a learned model for determination that has been generated in advance from the rebar image acquired by the acquisition unit and a learning image in which the rebar has a contact bump, and it is determined whether or not the contact hump is captured in the image. A position determination unit that determines a position of a press-contact hump of a rebar in the rebar image based on the learned model for the determination;
The pressure-contact bumps are obtained based on at least one of the shape and size of the pressure-contact bumps of the partial image of the reinforcing bar image determined to be photographed, which is obtained from the determination result by the position determination unit. And an inspection unit that outputs information on whether or not appropriate as the inspection information,
The rebar inspection support device according to claim 1.
請求項１又は請求項２に記載の鉄筋検査支援装置。 The image processing unit determines whether or not at least one of the reinforcing bar image acquired by the acquisition unit, a learning image in which a pressure-contact bump of the reinforcing bar appears, and a pressure-contact bump in the learning image are appropriate. And outputting, as the inspection information, information on whether or not the pressure-contact bumps are appropriate, based on the inspection-use learned model generated in advance from the learning data representing the label.
The reinforcement test | inspection assistance apparatus of Claim 1 or Claim 2.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017248461A JP2019114146A (en) | 2017-12-25 | 2017-12-25 | Rebar inspection support device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017248461A JP2019114146A (en) | 2017-12-25 | 2017-12-25 | Rebar inspection support device |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2019114146A true JP2019114146A (en) | 2019-07-11 |
Family
ID=67221577
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017248461A Pending JP2019114146A (en) | 2017-12-25 | 2017-12-25 | Rebar inspection support device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2019114146A (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021060887A (en) * | 2019-10-09 | 2021-04-15 | エヌ・ティ・ティ・コムウェア株式会社 | Inspection device of utility work, inspection method of utility work, and program |
| JP2021060199A (en) * | 2019-10-02 | 2021-04-15 | 株式会社大林組 | Reinforcing bar estimation system, reinforcing bar estimation method and reinforcing bar estimation program |
| JP2021060888A (en) * | 2019-10-09 | 2021-04-15 | エヌ・ティ・ティ・コムウェア株式会社 | Inspection method of utility work and inspection system of utility work |
| JP2021125052A (en) * | 2020-02-06 | 2021-08-30 | エヌ・ティ・ティ・コムウェア株式会社 | Building inspection method, information processing device, terminal device, program and building inspection system |
| WO2024084673A1 (en) * | 2022-10-21 | 2024-04-25 | 三菱電機株式会社 | Reinforcement inspection device, learning device, reinforcement inspection system, and reinforcement inspection method |
-
2017
- 2017-12-25 JP JP2017248461A patent/JP2019114146A/en active Pending
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021060199A (en) * | 2019-10-02 | 2021-04-15 | 株式会社大林組 | Reinforcing bar estimation system, reinforcing bar estimation method and reinforcing bar estimation program |
| JP7347090B2 (en) | 2019-10-02 | 2023-09-20 | 株式会社大林組 | Reinforcing bar estimation system, reinforcing bar estimation method, and reinforcing bar estimation program |
| JP2021060887A (en) * | 2019-10-09 | 2021-04-15 | エヌ・ティ・ティ・コムウェア株式会社 | Inspection device of utility work, inspection method of utility work, and program |
| JP2021060888A (en) * | 2019-10-09 | 2021-04-15 | エヌ・ティ・ティ・コムウェア株式会社 | Inspection method of utility work and inspection system of utility work |
| JP7220134B2 (en) | 2019-10-09 | 2023-02-09 | エヌ・ティ・ティ・コムウェア株式会社 | Facility construction inspection device, facility construction inspection method, and program |
| JP7297634B2 (en) | 2019-10-09 | 2023-06-26 | エヌ・ティ・ティ・コムウェア株式会社 | Equipment construction inspection method and equipment construction inspection system |
| JP2021125052A (en) * | 2020-02-06 | 2021-08-30 | エヌ・ティ・ティ・コムウェア株式会社 | Building inspection method, information processing device, terminal device, program and building inspection system |
| JP7237026B2 (en) | 2020-02-06 | 2023-03-13 | エヌ・ティ・ティ・コムウェア株式会社 | Building inspection method, information processing device, terminal device, program, and building inspection system |
| WO2024084673A1 (en) * | 2022-10-21 | 2024-04-25 | 三菱電機株式会社 | Reinforcement inspection device, learning device, reinforcement inspection system, and reinforcement inspection method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2019114146A (en) | Rebar inspection support device | |
| US11783571B2 (en) | Information processing apparatus, information processing method, and storage medium | |
| JP4784555B2 (en) | Shape evaluation method, shape evaluation apparatus, and three-dimensional inspection apparatus | |
| JP6422573B2 (en) | Image processing apparatus, image processing method and program | |
| CN111091562B (en) | Method and system for measuring size of digestive tract lesion | |
| EP2755051A3 (en) | Image formation apparatus and method for nuclear imaging | |
| JP2007271563A5 (en) | ||
| JP2016099126A (en) | Steel material component identification apparatus and program of the same | |
| JP2019020220A (en) | Image processing apparatus, image processing method, and program | |
| JP5156707B2 (en) | Ultrasonic inspection method and apparatus | |
| Pineda et al. | Robust automated reading of the skin prick test via 3d imaging and parametric surface fitting | |
| JP2020042669A (en) | Inspection apparatus and machine learning method | |
| US9823224B2 (en) | Weld inspection method and system | |
| TWI274869B (en) | Apparatus and method for inspecting bumps | |
| JP2020042668A (en) | Inspection apparatus and machine learning method | |
| EP2769178B1 (en) | Method and apparatus for ensuring the examination cover by manual inspection | |
| CN112070748A (en) | Metal oil pipe defect detection method and device | |
| JP2020193820A5 (en) | ||
| JP2017173992A (en) | Inspection device for bundled steel pipes and inspection method for bundled steel pipes | |
| JP3557765B2 (en) | Hardness measuring device | |
| JP7116770B2 (en) | Analog meter pointer reading method and analog meter pointer reading system | |
| CN114839066A (en) | Compression resistance monitoring method and system for straightened steel pipe | |
| JP6397292B2 (en) | Item identification and image discrimination method by image processing | |
| Joo et al. | Robust defect size measuring method for an automated vision inspection system | |
| JP2022135715A (en) | Dimension inspection system and dimension inspection method |