JP2019157609A - 鉄筋コンクリート部材の判別システム及び鉄筋コンクリート部材の判別プログラム - Google Patents

Abstract

【課題】検査データを人工知能により解析することで、鉄筋コンクリート部材７の劣化状況の判別を高精度に行う。【解決手段】鉄筋コンクリート部材７に対する過去の検査データと、当該検査データに対する鉄筋コンクリート部材７の劣化状況の判別結果との３段階以上の第１連関度を予め取得する第１連関度取得ステップと、新たに劣化状況を判別する鉄筋コンクリート部材７に対して検査を行うことにより得られた検査データを入力する第１入力ステップと、上記第１連関度取得ステップにおいて取得した第１連関度を参照し、上記第１入力ステップにおいて入力した検査データに基づいて、鉄筋コンクリート部材７の劣化状況を判別する第１判別ステップとをコンピューターに実行させることを特徴とする。【選択図】図１

Description

本発明は、鉄筋コンクリート部材の劣化状況を判別するための鉄筋コンクリート部材の判別システム及び鉄筋コンクリート部材の判別プログラムに関する。

従来より、橋梁等に用いられる鉄筋コンクリート部材が塩害、中性化、アルカリ骨材反応等により劣化し、コンクリートの剥落に至る虞がある。このため、従来において鉄筋コンクリート部材の劣化状況を検査により判別することが行われている。この検査方法としては、例えば、ひび割れに関する検査、自然電位法による検査、分極抵抗法による検査、振動計測による検査、塩化物イオン量に関する検査、中性化深さに関する検査、Ｘ線回折法による検査、ＥＰＭＡ（Electron Probe Micro Analyzer）による検査、走査型電子顕微鏡による検査、蛍光Ｘ線元素分析による検査、酢酸ウラニル蛍光法による検査、及び偏光顕微鏡検査による検査が用いられている。

特開２０００−２０６０９８号公報

しかしながら、これらの検査方法により検査データを取得することができたとしても、その検査データに基づいて鉄筋コンクリート部材の劣化状況を正確に判別するのは容易ではない。実際に検査データのみから鉄筋コンクリート部材の劣化状況をある程度正確に予測するためには相当の熟練を要するものとなっており、また熟練した経験を以ってしても時には誤った判別をしてしまう場合もあった。

このため、鉄筋コンクリート部材の劣化状況の判別を特段の熟練を積むことなく、正確な判別を自動的に行うことができる技術が従来より望まれていた。この鉄筋コンクリート部材の劣化状況の自動的な判別を人工知能により行わせることで精度向上を図る技術思想も十分に考えられる。

中でも特許文献１には、建築構造物からの超音波反射エコーを受信して、柱等におけるきずの形状情報を取得し、きずの形状情報と、人工知能等によって求められた検査参照データベースとの比較を実施し、建築物の保全度合い等を判別する技術が開示されている。

しかしながら、この特許文献１の開示技術には、鉄筋コンクリート部材の劣化状況について、検査データを人工知能により解析することで判別する技術は特段開示されていない。

そこで、本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、鉄筋コンクリート部材の劣化状況を検査により判別するための鉄筋コンクリート部材の判別システム及び鉄筋コンクリート部材の判別プログラムにおいて、特に検査データを人工知能により解析することで、その鉄筋コンクリート部材の劣化状況の判別を高精度に行うことが可能な鉄筋コンクリート部材の判別システム及び鉄筋コンクリート部材の判別プログラムを提供することにある。

本発明に係る鉄筋コンクリート部材の判別システムは、鉄筋コンクリート部材に対する過去の検査データと、当該検査データに対する鉄筋コンクリート部材の劣化状況の判別結果との３段階以上の第１連関度が予め記憶されている第１連関データベースと、新たに劣化状況を判別する鉄筋コンクリート部材に対して検査を行うことにより得られた検査データが入力される入力手段と、上記第１連関データベースに記憶されている第１連関度を参照し、上記入力手段を介して入力された検査データに基づき、鉄筋コンクリート部材の劣化状況を判別する判別手段とを備え、上記第１連関データベースは、ひび割れに関する検査、自然電位法による検査、分極抵抗法による検査、振動計測による検査、塩化物イオン量に関する検査、中性化深さに関する検査、Ｘ線回折法による検査、ＥＰＭＡ（Electron Probe Micro Analyzer）による検査、走査型電子顕微鏡による検査、蛍光Ｘ線元素分析による検査、酢酸ウラニル蛍光法による検査、及び偏光顕微鏡検査による検査の何れか２種以上の過去の検査データの組み合わせと、当該組み合わせに対する鉄筋コンクリート部材の劣化状況の判別結果との３段階以上の第１連関度が予め記憶され、上記入力手段は、新たに劣化状況を判別する鉄筋コンクリート部材に対して上記組み合わせを構成する何れか２種以上の上記検査を行うことにより得られた検査データが入力されることを特徴とする。

本発明に係る鉄筋コンクリート部材の判別プログラムは、鉄筋コンクリート部材に対する過去の検査データと、当該検査データに対する鉄筋コンクリート部材の劣化状況の判別結果との３段階以上の第１連関度を予め取得する第１連関度取得ステップと、新たに劣化状況を判別する鉄筋コンクリート部材に対して検査を行うことにより得られた検査データを入力する第１入力ステップと、上記第１連関度取得ステップにおいて取得した第１連関度を参照し、上記第１入力ステップにおいて入力した検査データに基づいて、鉄筋コンクリート部材の劣化状況を判別する第１判別ステップとをコンピューターに実行させ、上記第１連関度取得ステップでは、ひび割れに関する検査、自然電位法による検査、分極抵抗法による検査、振動計測による検査、塩化物イオン量に関する検査、中性化深さに関する検査、Ｘ線回折法による検査、ＥＰＭＡ（Electron Probe Micro Analyzer）による検査、走査型電子顕微鏡による検査、蛍光Ｘ線元素分析による検査、酢酸ウラニル蛍光法による検査、及び偏光顕微鏡検査による検査の何れか２種以上の過去の検査データの組み合わせと、当該組み合わせに対する鉄筋コンクリート部材の劣化状況の判別結果との３段階以上の第１連関度を予め取得し、上記第１入力ステップでは、新たに劣化状況を判別する鉄筋コンクリート部材に対して上記組み合わせを構成する何れか２種以上の上記検査を行うことにより得られた検査データを入力することを特徴とする。

上述した構成からなる本発明によれば、鉄筋コンクリート部材の劣化状況の把握を、特段の熟練を要することなく容易に行うことが可能となる。また本発明によれば、鉄筋コンクリート部材の劣化状況の把握をより高精度に行うことが可能となる。更に、上述した連関度を人工知能で構成することにより、これを学習させることでその判別精度を更に向上させることが可能となる。

本発明を適用した鉄筋コンクリート部材の判別システムの全体構成を示すブロック図である。 判別装置の具体的な構成例を示す図である。 本発明を適用した鉄筋コンクリート部材の判別システムによる出力解の探索コンセプトについて説明するための図である。 本発明を適用した鉄筋コンクリート部材の判別システムの処理動作を示すフローチャートである。 検査方法としてひび割れに関する検査を利用する場合における第１連関度の例を示す図である。 検査方法としてひび割れに関する検査を利用する場合における組み合わせの第１連関度を示す図である。 検査方法として自然電位法による検査を利用する場合における第１連関度の例を示す図である。 検査方法として自然電位法による検査を利用する場合における組み合わせの第１連関度の例を示す図である。 検査方法として分極抵抗法による検査を利用する場合における第１連関度の例を示す図である。 検査方法として分極抵抗法による検査を利用する場合における組み合わせの第１連関度の例を示す図である。 検査方法として振動計測による検査を利用する場合における第１連関度の例を示す図である。 検査方法として振動計測による検査を利用する場合における組み合わせの第１連関度の例を示す図である。 検査方法として塩化物イオン量に関する検査を利用する場合における第１連関度の例を示す図である。 検査方法として塩化物イオン量に関する検査を利用する場合における組み合わせの第１連関度の例を示す図である。 検査方法として中性化深さに関する検査を利用する場合における第１連関度の例を示す図である。 検査方法として中性化深さに関する検査を利用する場合における組み合わせの第１連関度の例を示す図である。 検査方法としてＸ線回折法による検査を利用する場合における第１連関度の例を示す図である。 検査方法としてＸ線回折法による検査を利用する場合における組み合わせの第１連関度の例を示す図である。 検査方法としてＥＰＭＡ（Electron Probe Micro Analyzer）による検査を利用する場合における第１連関度の例を示す図である。 検査方法としてＥＰＭＡ（Electron Probe Micro Analyzer）による検査を利用する場合における組み合わせの第１連関度の例を示す図である。 検査方法として走査型電子顕微鏡による検査を利用する場合における第１連関度の例を示す図である。 検査方法として走査型電子顕微鏡による検査を利用する場合における組み合わせの第１連関度の例を示す図である。 検査方法として蛍光Ｘ線元素分析による検査を利用する場合における第１連関度の例を示す図である。 検査方法として蛍光Ｘ線元素分析による検査を利用する場合における組み合わせの第１連関度の例を示す図である。 検査方法として酢酸ウラニル蛍光法による検査を利用する場合における第１連関度の例を示す図である。 検査方法として酢酸ウラニル蛍光法による検査を利用する場合における組み合わせの第１連関度の例を示す図である。 検査方法として偏光顕微鏡による検査を利用する場合における第１連関度の例を示す図である。 検査方法として偏光顕微鏡による検査を利用する場合における組み合わせの第１連関度の例を示す図である。 ２種以上の検査方法の検査データの組み合わせの第１連関度の例を示す図である。 ２種以上の検査方法の検査データと部材情報との組み合わせの第１連関度の例を示す図である。 本発明を適用した鉄筋コンクリート部材の判別システムにより残存耐用期間を判別する際の処理動作を示すフローチャートである。 判別された鉄筋コンクリート部材の劣化状況と、当該劣化状況に対する残存耐用期間との第２連関度の例を示す図である。 本発明を適用した鉄筋コンクリート部材の判別システムにより劣化状況に対する対策を判別する際の処理動作を示すフローチャートである。 判別された鉄筋コンクリート部材の劣化状況と、当該劣化状況に対する対策との第３連関度の例を示す図である。

以下、本発明を適用した鉄筋コンクリート部材の判別システムついて、図面を参照しながら詳細に説明をする。

図１は、本発明を適用した鉄筋コンクリート部材の判別システム１の全体構成を示すブロック図である。鉄筋コンクリート部材の判別システム１は、橋梁に用いられる鉄筋コンクリート部材７の劣化状況を検査により判別する。鉄筋コンクリート部材の判別システム１は、検査部８と、検査部８に接続された評価装置９と、評価装置９に接続された判別装置２と、判別装置２に接続されたデータベース３とを備えている。

鉄筋コンクリート部材７は、コンクリート７１内部に鉄筋７２が配設されている。鉄筋コンクリート部材７は、例えば、プレテンション方式及びポストテンション方式の何れか一方又は両方により構築されるＰＣ（プレストレストコンクリート）構造物であってもよい。鉄筋コンクリート部材７は、プレテンション方式及びポストテンション方式により構築される場合には、例えば、橋軸方向（コンクリート部材７の長手方向）においてプレテンションが付与され、橋軸直交方向（コンクリート部材７の短手方向）においてポストテンションが付与されるものであってもよい。鉄筋コンクリート部材７は、例えば、橋梁やＰＣ橋梁に用いられ、桁等の上部構造物、橋台、橋脚等の下部構造物、基礎構造物、桁に載置される床版、壁高欄、地覆等である。鉄筋コンクリート部材７は、断面ロの字状等に形成されて、箱桁橋に用いられてもよい。鉄筋コンクリート部材７は、断面Ｔ字状、断面Ｉ字状等に形成されて、桁橋に用いられてもよい。鉄筋コンクリート部材７は、床版橋、吊構造橋に用いられてもよい。鉄筋コンクリート部材７は、鋼桁に連結された複合構造橋に用いられてもよい。コンクリート部材７は、鋼桁に連結される場合、鋼桁の上端に連結されてもよいし、鋼桁の上端と下端とに連結されてもよい。鉄筋コンクリート部材７は、箱桁橋、桁橋、床版橋、吊構造橋、複合構造橋、及びこれらが組み合わせられた橋、の何れかに用いられてもよい。

検査部８は、例えば、ひび割れに関する検査、自然電位法による検査、分極抵抗法による検査、振動計測による検査、塩化物イオン量に関する検査、中性化深さに関する検査、Ｘ線回折法による検査、ＥＰＭＡ（Electron Probe Micro Analyzer）による検査、走査型電子顕微鏡による検査、蛍光Ｘ線元素分析による検査、酢酸ウラニル蛍光法による検査、及び偏光顕微鏡検査等の検査手法により、鉄筋コンクリート部材７の劣化状況を判別するための検査データを検出する。検査部８は、検出した検査データを評価装置９へ送信する。

評価装置９は、例えばＰＣ（パーソナルコンピュータ）やスマートフォン、タブレット型端末、ウェアラブル端末等の電子機器で構成されている。この評価装置９は、検査部８により取得された検査データが波形からなるものであれば、それを解析することにより、シース７１内におけるグラウトの充填度を評価する上で最適なものに適宜加工する。例えばこの評価装置９は、得られた周波数軸のデータについてＦＦＴ（Fast Fourier Transform）変換を施すことにより、時間軸の波形データを周波数軸のスペクトラムデータに変換するようにしてもよい。評価装置９は、このようにして適宜加工した検査データを判別装置２へと送信する。

また、評価装置９は、取得された時間と振れ幅との関係を示す波形を、フーリエ変換を施して、時間と周波数との関係を示す波形に変換した上で、特定周波数領域を除去し、さらに逆フーリエ変換を施すことにより、特定周波数領域を残した時間と振れ幅との関係を示す波形に変換してもよい。また、評価装置９は、この特定周波数領域を残した時間と振れ幅との関係を示す波形に対して、さらにフーリエ変換を施すことにより、特定周波数領域を残した周波数と振れ幅との関係を示す波形に変換してもよい。

評価装置９は、取得された検査データとしての波形に対して、ウェーブレット変換を施して、時間と周波数との関係を示す波形に変換してもよい。ウェーブレット変換を施すことにより、フーリエ変換の際には失われてしまう時間特性を残すことができる。このため、ウェーブレット変換を施すことにより、時間と周波数との関係を示す波形に変換されることとなる。

評価装置９は、取得された検査データとしての波形に対して、ケプストラム分析を施して、ケプストラム係数やフォルマントを抽出してもよい。また、評価装置９は、取得された検査データとしての波形に対して、ＡＦＴＥ（Auditory filterbank temporal Envelope）変換を施してもよい。

ちなみに、この評価装置９は、例えば図示しないディスプレイ等からなる表示部を介して各検査データを表示することができる。また評価装置９は、これら各データをストレージ内に記録し、ユーザによる命令に基づいてこれらデータを表示部へ表示し、又は携帯型メモリにこれらデータを書き込むことができる。ユーザは、この携帯型メモリを評価装置９から取り外して自由に持ち運びすることが可能となる。更に評価装置９は、これら各データを公衆通信網を介して他の電子機器へ転送することも可能となる。

なお、本発明においてこの評価装置９の構成は必須ではなく、省略するようにしてもよい。かかる場合には、検査部８から出力される検査データは、判別装置２へ直接送信されることとなる。

データベース３には、提供すべき鉄筋コンクリート部材７の劣化状況の判別条件に関する第１連関データベース３１が構築されている。また、データベース３には、提供すべき鉄筋コンクリート部材７の残存耐用期間の判別条件に関する第２連関データベース３２が構築されている。また、データベース３には、提供すべき鉄筋コンクリート部材７の劣化状況に対する対策の判別条件に関する第３連関データベース３３が構築されている。データベース３には、公衆通信網を介して送られてきた情報、或いは本システムのユーザによって入力された情報が蓄積される。またデータベース３は、判別装置２からの要求に基づいて、この蓄積した情報を判別装置２へと送信する。

判別装置２は、例えば、パーソナルコンピュータ（ＰＣ）等を始めとした電子機器で構成されているが、ＰＣ以外に、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末等、他のあらゆる電子機器で具現化されるものであってもよい。ユーザは、この判別装置２による探索解としての鉄筋コンクリート部材７の劣化状況の判別結果を得ることにより、鉄筋コンクリート部材が劣化しているか否かを判別することが可能となる。

図２は、判別装置２の具体的な構成例を示している。この判別装置２は、判別装置２全体を制御するための制御部２４と、操作ボタンやキーボード等を介して各種制御用の指令を入力するための操作部２５と、有線通信又は無線通信を行うための通信部２６と、最適な設計条件を探索する探索部２７と、ハードディスク等に代表され、実行すべき検索を行うためのプログラムを格納するための記憶部２８とが内部バス２１にそれぞれ接続されている。更に、この内部バス２１には、実際に情報を表示するモニタとしての表示部２３が接続されている。

制御部２４は、内部バス２１を介して制御信号を送信することにより、判別装置２内に実装された各構成要素を制御するためのいわゆる中央制御ユニットである。また、この制御部２４は、操作部２５を介した操作に応じて各種制御用の指令を内部バス２１を介して伝達する。

操作部２５は、キーボードやタッチパネルにより具現化され、プログラムを実行するための実行命令がユーザから入力される。この操作部２５は、上記実行命令がユーザから入力された場合には、これを制御部２４に通知する。この通知を受けた制御部２４は、探索部２７を始め、各構成要素と協調させて所望の処理動作を実行していくこととなる。

探索部２７は、鉄筋コンクリート部材７の劣化状況の判別結果を探索する。また、探索部２７は、鉄筋コンクリート部材７の残存耐用期間の判別結果を探索する。また、探索部２７は、鉄筋コンクリート部材７の劣化状況に対する対策の判別結果を探索する。探索部２７は、これら探索動作を実行するに当たり、必要な情報として記憶部２８に記憶されている各種情報や、データベース３に記憶されている各種情報を読み出す。探索部２７は、人工知能により制御されるものであってもよい。この人工知能はいかなる周知の人工知能技術に基づくものであってもよい。

表示部２３は、制御部２４による制御に基づいて表示画像を作り出すグラフィックコントローラにより構成されている。この表示部２３は、例えば、液晶ディスプレイ（ＬＣＤ）等によって実現される。

記憶部２８は、ハードディスクで構成される場合において、制御部２４による制御に基づき、各アドレスに対して所定の情報が書き込まれるとともに、必要に応じてこれが読み出される。また、この記憶部２８には、本発明を実行するためのプログラムが格納されている。このプログラムは制御部２４により読み出されて実行されることになる。

上述した構成からなる鉄筋コンクリート部材の判別システム１における動作について説明をする。

鉄筋コンクリート部材の判別システム１では、例えば図３に示すように、検査データＡ、Ｂ、・・・からなる入力パラメータに基づいて、鉄筋コンクリート部材７の劣化状況の判別結果に関する出力解を探索する。この鉄筋コンクリート部材７の劣化状況の判別結果は、単に塩害、中性化、アルカリ骨材反応、これらの複合劣化等の劣化要因のみを示すものでもよいし、鉄筋コンクリート部材７における側面視、断面視でいかなる分布で塩害、中性化、アルカリ骨材反応、これらの複合劣化等が起きているかを示すものであってもよい。また、鉄筋コンクリート部材７の劣化状況の判別結果は、例えば０％、５０％、１００％等の百分率により劣化度として判別した情報として示されるものであってもよい。劣化度は、例えば、塩害の劣化度１０％、中性化の３０％等の劣化要因に対する百分率等により示されるものであってもよい。

入力パラメータとしては、検査部８により検出され、必要に応じて評価装置９により加工され、解析された検査データである。検査データＡ、Ｂ、・・が入力パラメータとして入力される。

このようにして検査データが検査部８により検出された後に、実際に判別プログラムによる処理動作が実行されていくこととなる。この判別プログラムの処理動作フローを図４に示す。

評価装置９は、ステップＳ１１において検査部８により検出された検査データについて各種解析を行い、また後段の探索装置２による探索を行い易くするために各種データに加工を施す（ステップＳ１２）。

次にステップＳ１３へ移行し、ステップＳ１２において解析、加工した検査データと第１連関度の出力解を探索する。この探索を行う前において、第１連関データベース３１は、参照用の入力パラメータ（以下、参照用入力パラメータという。）と、出力解としての鉄筋コンクリート部材７の劣化状況の判別結果との３段階以上の第１連関度を予め取得しておく。

鉄筋コンクリート部材７のひび割れに関する検査
図５は、このデータベース３（第１連関データベース３１）において予め取得した第１連関度の例を示している。この図５の例では、検査部８における検査方法として、鉄筋コンクリート部材７のひび割れに関する検査方法を利用する。このひび割れに関する検査方法は、例えば、鉄筋コンクリート部材７のひび割れ幅、ひび割れ深さ、ひび割れ長さを測定し、鉄筋コンクリート部材７の劣化を判断する手法である。このひび割れに関する検査方法に基づいて検査部８により検出した検査データは、例えば鉄筋コンクリート部材７のひび割れ幅と、その頻度を示したひび割れ頻度分布等で構成される。このひび割れ頻度分布は、例えば、ヒストグラムで表される他、鉄筋コンクリート部材７の所定の面積に対するひび割れの分布をマッピングした画像等で表されてもよい。このため、参照用入力パラメータにおいては、ひび割れ頻度分布のデータを予め学習させることとなる。もちろん、ひび割れ頻度分布は、ひび割れ深さとその頻度を示したものであってもよいし、ひび割れ長さとその頻度を示したものであってもよい。

データベース３（第１連関データベース３１）には、参照用入力パラメータとしてのひび割れに関する検査に基づいて測定したひび割れ頻度分布と、出力解としての鉄筋コンクリート部材７の劣化状況の判別結果との間での３段階以上の第１連関度を予め記憶させておく。図５の例によれば、参照用入力パラメータがひび割れ頻度分布ｃ１である場合に、「塩害」が第１連関度８０％、「中性化」が第１連関度４０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度６０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度３０％で設定されている。また参照用入力パラメータがひび割れ頻度分布ｃ２である場合に、「中性化」が第１連関度９０％、「アルカリ骨材反応」が第１連関度７０％、「塩害と中性化との複合劣化」が第１連関度２０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度５０％で設定されている。

これらの第１連関度は、以前にひび割れに関する検査方法に基づいて検査を行った際のひび割れ頻度分布ｃ１、ｃ２、・・・と、その判別結果としての劣化状況をデータベース３（第１連関データベース３１）内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この第１連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この第１連関度は、ひび割れに関する検査を行った際のひび割れ頻度分布に基づいて、実際の鉄筋コンクリート部材７の劣化状況を判別する上での的確性を示すものである。例えばひび割れ頻度分布ｃ１に対しては、第１連関度８０％の「塩害」が最も的確な判断に近く、第１連関度６０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度４０％の「中性化」がこれに続く的確な判断ということになり、第１連関度３０％の「中性化とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになる。同様にひび割れ頻度分布ｃ２に対しては、第１連関度９０％の「中性化」が最も的確な判断に近く、第１連関度７０％の「アルカリ骨材反応」がこれに続く的確な判断ということになり、第１連関度５０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度２０％の「塩害と中性化との複合劣化」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、鉄筋コンクリート部材７の劣化状況を判別する作業を行う。この鉄筋コンクリート部材７の劣化状況を判別する上で予め取得した図５に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータのひび割れ頻度分布が、参照用入力パラメータとしてのひび割れ頻度分布ｃ１か、又はこれに近似するものである場合には、上述した第１連関度を参照した場合、第１連関度の最も高い「塩害」を最適解として選択する。但し、最も第１連関度の高いものを最適解として選択することは必須ではなく、第１連関度は低いものの連関性そのものは認められる「塩害とアルカリ骨材反応との複合劣化」、「中性化」、「中性化とアルカリ骨材反応との複合劣化」を最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論である。即ち、この鉄筋コンクリート部材７の劣化状況の選択は、第１連関度が高いものから順に選択される場合に限定されるものではなく、ケースに応じて第１連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された第１連関度に基づいて出力解としての鉄筋コンクリート部材７の劣化状況を選択することになる。

なお、ステップＳ１２において解析した入力パラメータに対する出力解の選択方法は、上述した方法に限定されるものではなく、第１連関度を参照するものであればいかなる方法に基づいて実行するようにしてもよい。また、このステップＳ１３の探索動作では、人工知能を利用して行うようにしてもよい。

次にステップＳ１４へ移行し、選択した最適解としての鉄筋コンクリート部材７の劣化状況を表示部２３を介して表示する。これによりユーザは、表示部２３を視認することにより、鉄筋コンクリート部材７の劣化状況の判別結果を即座に把握することが可能となる。

図６は、ひび割れに関する過去の検査の検査データとしてのひび割れ頻度分布ｃ１、ｃ２、・・・と、鉄筋コンクリート部材７に関する部材情報との組み合わせと当該組み合わせに対する鉄筋コンクリート部材７の劣化状況との３段階以上の第１連関度が設定されている例を示している。

鉄筋コンクリート部材７の部材情報は、鉄筋コンクリート部材７の設置に関する設置情報と、鉄筋コンクリート部材７の部材断面に関する断面情報と、鉄筋コンクリート部材７の維持管理に関する管理情報と、鉄筋コンクリート部材７の外観写真に関する写真情報とが含まれる。

設置情報には、山岳部、港湾部、海上大気部、飛沫帯、干満帯、海水部、海底土中部等の鉄筋コンクリート部材７が設置される場所に関する場所情報と、鉄筋コンクリート部材７が設置される温度、湿度等の気候情報と、鉄筋コンクリート部材７が用いられた構造物を走行する車両や車両の走行頻度等に関する車両情報とが含まれる。断面情報には、鉄筋コンクリート部材７の断面寸法、コンクリートのかぶり厚、鉄筋の配設量、コンクリート表面の湿潤状況等に関する情報が含まれる。管理情報には、鉄筋コンクリート部材７の補修履歴、点検頻度、鉄筋コンクリート部材７が構築されてからの供用期間等が含まれる。写真情報には、デジタルカメラ等の撮像装置や、スマートフォン、タブレット型端末、ウェアラブル端末等に内蔵される撮像装置により撮像された鉄筋コンクリート部材７の外観写真に関する情報が含まれる。ちなみに、この図６の例では、組み合わせを構成する部材情報に、設置情報と、断面情報とが含まれる場合を挙げているが、管理情報、写真情報が含まれていてもよい。

かかる場合において、第１連関度は、図６に示すように、検査データとしてのひび割れ頻度分布ｃ１、ｃ２、・・と、部材情報との組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第１連関度である。例えば、ノード６１ａは、ひび割れ頻度分布ｃ１が第１連関度８０％で、また断面情報としてのかぶり厚「１００ｍｍ〜１５０ｍｍ」が第１連関度８０％で連関している。またノード６１ｃは、ひび割れ頻度分布ｃ２が第１連関度６０％で、設置情報としての場所情報「飛沫帯」が第１連関度６０％で、断面情報としてのかぶり厚「２００ｍｍ〜２５０ｍｍ」が第１連関度４０％で連関している。

このような第１連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての検査の検査データとしてのひび割れ頻度分布ｃ１、ｃ２、・・と、設置情報や断面情報の第１連関度に応じた出力解を探索する。判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図６に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、ひび割れ頻度分布ｃ１であり、かつ設置情報として場所情報「干満帯」である場合、第１連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「中性化」が第１連関度６０％、「塩害と中性化との複合劣化」が第１連関度４０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度２０％で関連付けられている。

判別プログラムは、この探索結果に基づいて同様にステップＳ１４において解を出力することになる。

自然電位法による検査
図７の例では、検査部８における検査方法として、自然電位法を利用する。この自然電位法は、鉄筋コンクリート部材７中に配設された鉄筋７２と照合電極との電位差を測定することにより、鉄筋コンクリート部材７の劣化を判断する手法である。この自然電位法に基づいて検査部８により検出した検査データは、例えば電位等を等高線で表した画像で構成される。このため、参照用入力パラメータにおいては、これら画像のデータを予め学習させることとなる。

データベース３（第１連関データベース３１）には、参照用入力パラメータとしての画像と、出力解としての鉄筋コンクリート部材７の劣化状況の判別結果との間での３段階以上の第１連関度を予め記憶させておく。図７の例によれば、参照用入力パラメータの画像ｒ１である場合に、「塩害」が第１連関度８０％、「中性化」が第１連関度４０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度６０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度３０％で設定されている。また参照用入力パラメータが画像ｒ２である場合に、「中性化」が第１連関度９０％、「アルカリ骨材反応」が第１連関度７０％、「塩害と中性化との複合劣化」が第１連関度２０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度５０％で設定されている。

これらの第１連関度は、以前に自然電位法に基づいて検査を行った際の画像ｒ１、ｒ２、ｒ３、・・・と、その判別結果としての塩害、中性化、アルカリ骨材反応、これらの複合劣化等の劣化状況をデータベース３（第１連関データベース３１）内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この第１連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この第１連関度は、自然電位法に基づいて検査を行った際のデータに基づいて、実際の鉄筋コンクリート部材７の劣化状況を判別する上での的確性を示すものである。例えば自然電位法に基づく画像ｒ３に対しては、第１連関度７０％の「塩害とアルカリ骨材反応との複合劣化」が最も的確な判断に近く、第１連関度６０％の「アルカリ骨材反応」がこれに続く的確な判断ということになり、第１連関度４０％の「塩害と中性化とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度３０％の「中性化とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになる。同様に自然電位法に基づく画像ｒ２に対しては、第１連関度９０％の「中性化」が最も的確な判断に近く、第１連関度７０％の「アルカリ骨材反応」がこれに続く的確な判断ということになり、第１連関度５０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度２０％の「塩害と中性化との複合劣化」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、鉄筋コンクリート部材７の劣化状況を判別する作業を行う。この鉄筋コンクリート部材７の劣化状況を判別する上で予め取得した図７に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ１か、又はこれに近似するものである場合には、上述した第１連関度を参照した場合、第１連関度の最も高い「塩害」を最適解として選択する。但し、最も第１連関度の高いものを最適解として選択することは必須ではなく、第１連関度は低いものの連関性そのものは認められる「塩害とアルカリ骨材反応との複合劣化」、「中性化」、「中性化とアルカリ骨材反応との複合劣化」を最適解として選択するようにしてもよい。鉄筋コンクリート部材７の劣化状況の選択は、ケースに応じて第１連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

また、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ２にも一部類似しているが、画像ｒ３にも一部類似し、何れに割り当ててよいか分からない場合については、例えば、ディープラーニングを通じて画像上の特徴量に基づき判断するようにしてもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された第１連関度に基づいて出力解としての鉄筋コンクリート部材７の劣化状況を選択することになる。

図８は、自然電位法による過去の検査の検査データとしての画像ｒ１、ｒ２、・・・と、部材情報との組み合わせと、当該組み合わせに対する鉄筋コンクリート部材７の劣化状況との３段階以上の第１連関度が設定されている例を示している。ちなみに、この図８の例では、部材情報に、設置情報と、管理情報とが含まれる場合を挙げているが、断面情報、写真情報が含まれていてもよい。

かかる場合において、第１連関度は、図８に示すように、検査の検査データとしての画像ｒ１、ｒ２、・・と、部材情報の組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第１連関度である。例えば、ノード６１ａは、画像ｒ１が第１連関度８０％で、また管理情報としての供用期間「５年」が第１連関度８０％で連関している。またノード６１ｃは、画像ｒ２が第１連関度６０％で、設置情報としての車両情報「１００台／時間」が第１連関度６０％、管理情報としての供用期間「１０年」が第１連関度４０％で連関している。

このような第１連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての検査の検査データとしての画像ｒ１、ｒ２、・・と、設置情報や管理情報の第１連関度に応じた出力解を探索する。判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図８に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、画像ｒ１であり、かつ設置情報としての車両情報「１０台／時間」である場合、第１連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「中性化」が第１連関度６０％、「塩害と中性化との複合劣化」が第１連関度４０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度２０％で関連付けられている。

分極抵抗法による検査
図９の例では、検査部８における検査方法として、分極抵抗法を利用する。この分極抵抗法は、鉄筋７２に微小の交流電流を通電させることにより得られる分極抵抗を測定することにより、鉄筋コンクリート部材７の劣化を判断する手法である。この分極抵抗法に基づいて検査部８により検出した検査データは、例えば分極抵抗等を等高線で表した画像で構成される。このため、参照用入力パラメータにおいては、これら画像のデータを予め学習させることとなる。

データベース３（第１連関データベース３１）には、参照用入力パラメータとしての画像と、出力解としての鉄筋コンクリート部材７の劣化状況の判別結果との間での３段階以上の第１連関度を予め記憶させておく。図９の例によれば、参照用入力パラメータの画像ｒ１である場合に、「塩害」が第１連関度８０％、「中性化」が第１連関度４０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度６０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度３０％で設定されている。また参照用入力パラメータが画像ｒ２である場合に、「中性化」が第１連関度９０％、「アルカリ骨材反応」が第１連関度７０％、「塩害と中性化との複合劣化」が第１連関度２０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度５０％で設定されている。

これらの第１連関度は、以前に分極抵抗法に基づいて非破壊検査を行った際の画像ｒ１、ｒ２、ｒ３、・・・と、その判別結果としての塩害、中性化、アルカリ骨材反応、これらの複合劣化等の劣化状況をデータベース３（第１連関データベース３１）内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この第１連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この第１連関度は、分極抵抗法に基づいて検査を行った際のデータに基づいて、実際の鉄筋コンクリート部材７の劣化状況を判別する上での的確性を示すものである。例えば分極抵抗法に基づく画像ｒ３に対しては、第１連関度７０％の「塩害と中性化との複合劣化」が最も的確な判断に近く、第１連関度６０％の「アルカリ骨材反応」がこれに続く的確な判断ということになり、第１連関度４０％の「塩害と中性化とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度３０％の「中性化とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになる。同様に自然電位法に基づく画像ｒ２に対しては、第１連関度９０％の「中性化」が最も的確な判断に近く、第１連関度７０％の「アルカリ骨材反応」がこれに続く的確な判断ということになり、第１連関度５０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度２０％の「塩害と中性化との複合劣化」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、鉄筋コンクリート部材７の劣化状況を判別する作業を行う。この鉄筋コンクリート部材７の劣化状況を判別する上で予め取得した図９に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ１か、又はこれに近似するものである場合には、上述した第１連関度を参照した場合、第１連関度の最も高い「塩害」を最適解として選択する。但し、最も第１連関度の高いものを最適解として選択することは必須ではなく、第１連関度は低いものの連関性そのものは認められる「塩害とアルカリ骨材反応との複合劣化」、「中性化」、「中性化とアルカリ骨材反応との複合劣化」を最適解として選択するようにしてもよい。鉄筋コンクリート部材７の劣化状況の選択は、ケースに応じて第１連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

また、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ２にも一部類似しているが、画像ｒ３にも一部類似し、何れに割り当ててよいか分からない場合については、例えば、ディープラーニングを通じて画像上の特徴量に基づき判断するようにしてもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された第１連関度に基づいて出力解としての鉄筋コンクリート部材７の劣化状況を選択することになる。

図１０は、分極抵抗法による過去の検査の検査データとしての画像ｒ１、ｒ２、・・・と、部材情報との組み合わせと、当該組み合わせに対する鉄筋コンクリート部材７の劣化状況との３段階以上の第１連関度が設定されている例を示している。ちなみに、この図１０の例では、部材情報に、設置情報と、断面情報とが含まれる場合を挙げているが、管理情報、写真情報が含まれていてもよい。

かかる場合において、第１連関度は、図１０に示すように、検査データとしての画像ｒ１、ｒ２、・・と、部材情報との組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第１連関度である。例えば、ノード６１ａは、画像ｒ１が第１連関度８０％で、また断面情報としての断面寸法「２０００ｍｍ×５００ｍｍ」が第１連関度８０％で連関している。またノード６１ｃは、画像ｒ２が第１連関度６０％で、設置情報としての温度「３０℃」が第１連関度６０％で、断面情報としての断面寸法「１０００ｍｍ×１０００ｍｍ」が第１連関度４０％で連関している。

このような第１連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての検査の検査データとしての画像ｒ１、ｒ２、・・と、設置情報や断面情報の第１連関度に応じた出力解を探索する。判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図１０に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、画像ｒ１であり、かつ設置情報として温度「０℃」である場合、第１連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「中性化」が第１連関度６０％で、「塩害と中性化との複合劣化」が第１連関度４０％で、「中性化とアルカリ骨材反応との複合劣化」が第１連関度２０％で関連付けられている。

振動計測による検査
図１１の例では、検査部８における検査方法として、振動計測を利用する。この振動計測は、加速度計により、鉄筋コンクリート部材７の振動を計測し、振動特性から鉄筋コンクリート部材７の劣化を判断する手法である。この振動計測に基づいて検査部８により検出した検査データは、例えば時系列的に計測した加速度の対数減衰率等のデータで構成される。このため、参照用入力パラメータにおいては、これら対数減衰率の変化等のデータを予め学習させることとなる。

データベース３（第１連関データベース３１）には、参照用入力パラメータとしての加速度の対数減衰率と、出力解としての鉄筋コンクリート部材７の劣化状況の判別結果との間での３段階以上の第１連関度を予め記憶させておく。図１１の例によれば、参照用入力パラメータの対数減衰率が「０〜０．５％」である場合に、「塩害」が第１連関度８０％、「中性化」が第１連関度４０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度６０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度３０％で設定されている。また参照用入力パラメータが対数減衰率「０．５〜１％」である場合に、「中性化」が第１連関度９０％、「アルカリ骨材反応」が第１連関度７０％、「塩害と中性化との複合劣化」が第１連関度２０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度５０％で設定されている。

これらの第１連関度は、以前に振動計測に基づいて検査を行った際の対数減衰率と、その判別結果としての塩害、中性化、アルカリ骨材反応等の劣化状況をデータベース３（第１連関データベース３１）内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この第１連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この第１連関度は、振動計測に基づいて検査を行った際のデータに基づいて、実際の鉄筋コンクリート部材７の劣化状況を判別する上での的確性を示すものである。例えば振動計測に基づく対数減衰率「１〜２％」に対しては、第１連関度７０％の「塩害と中性化との複合劣化」が最も的確な判断に近く、第１連関度６０％の「アルカリ骨材反応」がこれに続く的確な判断ということになり、第１連関度４０％の「塩害と中性化とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度３０％の「中性化とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになる。同様に振動計測に基づく対数減衰率「０．５〜１％」に対しては、第１連関度９０％の「中性化」が最も的確な判断に近く、第１連関度７０％の「アルカリ骨材反応」がこれに続く的確な判断ということになり、第１連関度５０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度２０％の「塩害と中性化との複合劣化」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、鉄筋コンクリート部材７の劣化状況を判別する作業を行う。この鉄筋コンクリート部材７の劣化状況を判別する上で予め取得した図１１に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての対数減衰率「０〜０．５％」か、又はこれに近似するものである場合には、上述した連関度を参照した場合、第１連関度の最も高い「塩害」を最適解として選択する。但し、最も第１連関度の高いものを最適解として選択することは必須ではなく、第１連関度は低いものの連関性そのものは認められる「塩害とアルカリ骨材反応との複合劣化」、「中性化」、「中性化とアルカリ骨材反応との複合劣化」を最適解として選択するようにしてもよい。鉄筋コンクリート部材７の劣化状況の選択は、ケースに応じて第１連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された第１連関度に基づいて出力解としての鉄筋コンクリート部材７の劣化状況を選択することになる。

図１２は、振動計測による過去の検査の検査データとしての対数減衰率と、鉄筋コンクリート部材７の部材情報や加速度情報との組み合わせに対するＰＣ鋼材７２の劣化状況との３段階以上の第１連関度が設定されている例を示している。この加速度情報は、振動計測の加速度の大きさや振動させる各種要因等に関する情報で構成される。ちなみに、この図１２の例では、部材情報に、管理情報が含まれる場合を挙げているが、設置情報、断面情報、写真情報が含まれていてもよい。

かかる場合において、第１連関度は、図１２に示すように、検査データとしての各対数減衰率と、鉄筋コンクリート部材７の場所情報や加速度情報の何れか１以上の組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第１連関度である。例えば、ノード６１ａは、対数減衰率「０〜０．５％」が第１連関度８０％、また加速度情報としての「±０．０４〜０．０８」が第１連関度８０％で連関している。またノード６１ｃは、対数減衰率「０．５〜１％」が第１連関度６０％、管理情報としての補修履歴「補修なし」が第１連関度６０％、加速度情報としての「±０．０１〜０．０４」が第１連関度４０％で連関している。

このような第１連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての検査データとしての対数減衰率と、鉄筋コンクリート部材７の管理情報や加速度情報の第１連関度に応じた出力解を探索する。判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図１２に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、対数減衰率「０〜０．５％」であり、かつ管理情報として補修履歴「補修あり」である場合、第１連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「中性化」が第１連関度６０％、「塩害と中性化との複合劣化」が第１連関度４０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度２０％で関連付けられている。

塩化物イオン量に関する検査
図１３は、このデータベース３（第１連関データベース３１）において予め取得した第１連関度の例を示している。この図１３の例では、検査部８における検査方法として、鉄筋コンクリート部材７中に含まれる塩化物イオン量に関する検査方法を利用する。この塩化物イオン量に関する検査方法は、例えば、蛍光Ｘ線法や、ドリル法がある。蛍光X線法は、鉄筋コンクリート部材７にＸ線を照射した際に放出される特性Ｘ線を利用して、試料に含まれている塩化物イオン量を測定し、鉄筋コンクリート部材７の劣化を判断する手法である。蛍光Ｘ線法により塩化物イオン量を測定する際には、現場に設置された鉄筋コンクリート部材７に対してＸ線を照射してもよいし、現場に設置された鉄筋コンクリート部材７から採取した試料に対してＸ線を照射してもよい。また、ドリル法は、鉄筋コンクリート部材７をドリルビット等により削孔した粉を用いて塩化物イオン量を測定し、鉄筋コンクリート部材７の劣化を判断する手法である。ドリル法により塩化物イオン量を測定する際には、例えば、日本工業規格に規定される「硬化コンクリート中に含まれる塩化物イオンの試験方法」（ＪＩＳ Ａ １１５４）や、日本コンクリート工学会により規定される「硬化コンクリート中に含まれる全塩分の簡易分析方法」（ＪＣＩ−ＳＣ５）により測定されてもよい。この塩化物イオン量に関する検査方法に基づいて検査部８により検出した検査データは、塩化物イオン量のデータで構成される。このため、参照用入力パラメータにおいては、塩化物イオン量のデータを予め学習させることとなる。

データベース３には、参照用入力パラメータとしての塩化物イオン量に関する検査方法に基づいて測定した塩化物イオン量のデータと、出力解としての鉄筋コンクリート部材７の劣化状況の判別結果との間での３段階以上の第１連関度を予め記憶させておく。図１３の例によれば、参照用入力パラメータが塩化物イオン量「０．１ｋｇ／ｍ³」である場合に、「塩害と中性化との複合劣化」が第１連関度７０％、「アルカリ骨材反応」が第１連関度６０％、「塩害と中性化とアルカリ骨材反応との複合劣化」が第１連関度４０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度３０％で設定されている。また参照用入力パラメータが塩化物イオン量「１．０ｋｇ／ｍ³」である場合に、「中性化」が第１連関度９０％、「アルカリ骨材反応」が第１連関度７０％、「塩害と中性化との複合劣化」が第１連関度２０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度５０％で設定されている。

これらの第１連関度は、以前に塩化物イオン量に関する検査方法に基づいて検査を行った際の塩化物イオン量と、その判別結果としての劣化状況をデータベース３（第１連関データベース３１）内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この第１連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この第１連関度は、塩化物イオン量に関する検査を行った際の塩化物イオン量に基づいて、実際の鉄筋コンクリート部材７の劣化状況を判別する上での的確性を示すものである。例えば塩化物イオン量「２．０ｋｇ／ｍ³」に対しては、第１連関度８０％の「塩害」が最も的確な判断に近く、第１連関度６０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度４０％の「中性化」がこれに続く的確な判断ということになり、第１連関度３０％の「中性化とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになる。同様に塩化物イオン量「１．０ｋｇ／ｍ³」に対しては、第１連関度９０％の「中性化」が最も的確な判断に近く、第１連関度７０％の「アルカリ骨材反応」がこれに続く的確な判断ということになり、第１連関度５０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度２０％の「塩害と中性化との複合劣化」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、鉄筋コンクリート部材７の劣化状況を判別する作業を行う。この鉄筋コンクリート部材７の劣化状況を判別する上で予め取得した図１３に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータの塩化物イオン量が、参照用入力パラメータとしての塩化物イオン量「２．０ｋｇ／ｍ³」か、又はこれに近似するものである場合には、上述した第１連関度を参照した場合上述した第１連関度を参照した場合、第１連関度の最も高い「塩害」を最適解として選択する。但し、最も第１連関度の高いものを最適解として選択することは必須ではなく、第１連関度は低いものの連関性そのものは認められる「塩害とアルカリ骨材反応との複合劣化」、「中性化」、「中性化とアルカリ骨材反応との複合劣化」を最適解として選択するようにしてもよい。鉄筋コンクリート部材７の劣化状況の選択は、ケースに応じて第１連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された第１連関度に基づいて出力解としての鉄筋コンクリート部材７の劣化状況を選択することになる。

図１４は、鉄筋コンクリート部材７中に含まれる塩化物イオン量に関する検査方法による過去の検査の検査データとしての塩化物イオン量のデータと部材情報との組み合わせと、当該組み合わせに対する鉄筋コンクリート部材７の劣化状況との３段階以上の第１連関度が設定されている例を示している。ちなみに、この図１４の例では、部材情報に、設置情報と、写真情報とが含まれる場合を挙げているが、断面情報、管理情報が含まれていてもよい。

かかる場合において、第１連関度は、図１４に示すように、検査データとしての塩化物イオン量のデータと、部材情報との組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第１連関度である。例えば、ノード６１ａは、塩化物イオン量「２．０ｋｇ／ｍ³」が第１連関度８０％で、また写真情報としての外観写真Ｐ１が第１連関度８０％で連関している。またノード６１ｃは、塩化物イオン量「１．０ｋｇ／ｍ³」が第１連関度６０％で、設置情報としての場所情報「飛沫帯」が第１連関度６０％、写真情報としての外観写真Ｐ２が第１連関度４０％で連関している。

このような第１連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての検査の検査データとしての塩化物イオン量のデータと、設置情報や管理情報の第１連関度に応じた出力解を探索する。判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図１４に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、塩化物イオン量「２．０ｋｇ／ｍ³」であり、かつ設置情報としての場所情報「干満帯」である場合、第１連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「中性化」が第１連関度６０％で、「塩害と中性化との複合劣化」が第１連関度４０％で、「中性化とアルカリ骨材反応との複合劣化」が第１連関度２０％で関連付けられている。

中性化深さに関する検査
図１５は、このデータベース３（第１連関データベース３１）において予め取得した第１連関度の例を示している。この図１５の例では、検査部８における検査方法として、鉄筋コンクリート部材７の中性化深さに関する検査方法を利用する。この中性化深さに関する検査方法は、例えば、日本工業規格に規定されるコンクリートの中性化深さの測定方法（ＪＩＳ Ａ １１５２）により中性化深さを測定し、鉄筋コンクリート部材７の劣化を判断する手法である。この中性化深さに関する検査方法に基づいて検査部８により検出した検査データは、中性化深さのデータで構成される。このため、参照用入力パラメータにおいては、中性化深さのデータを予め学習させることとなる。

データベース３（第１連関データベース３１）には、参照用入力パラメータとしての中性化深さに関する検査方法に基づいて測定した中性化深さのデータと、出力解としての鉄筋コンクリート部材７の劣化状況の判別結果との間での３段階以上の第１連関度を予め記憶させておく。図１５の例によれば、参照用入力パラメータが中性化深さ「５ｍｍ」である場合に、「塩害」が第１連関度８０％、「中性化」が第１連関度４０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度６０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度３０％で設定されている。また参照用入力パラメータが中性化深さ「１０ｍｍ」である場合に、「中性化」が第１連関度９０％、「アルカリ骨材反応」が第１連関度７０％、「塩害と中性化との複合劣化」が第１連関度２０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度５０％で設定されている。

これらの第１連関度は、以前に中性化深さに関する検査方法に基づいて検査を行った際の中性化深さのデータと、その判別結果としての劣化状況をデータベース３（第１連関データベース３１）内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この第１連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この第１連関度は、中性化深さに関する検査を行った際の中性化深さのデータに基づいて、実際の鉄筋コンクリート部材７の劣化状況を判別する上での的確性を示すものである。例えば中性化深さ「２０ｍｍ」に対しては、第１連関度７０％の「塩害と中性化との複合劣化」が最も的確な判断に近く、第１連関度６０％の「アルカリ骨材反応」がこれに続く的確な判断ということになり、第１連関度４０％の「塩害と中性化とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度３０％の「中性化とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになる。同様に中性化深さ「１０ｍｍ」に対しては、第１連関度９０％の「中性化」が最も的確な判断に近く、第１連関度７０％の「アルカリ骨材反応」がこれに続く的確な判断ということになり、第１連関度５０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度２０％の「塩害と中性化との複合劣化」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、鉄筋コンクリート部材７の劣化状況を判別する作業を行う。この鉄筋コンクリート部材７の劣化状況を判別する上で予め取得した図１５に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータの塩化物イオン量が、参照用入力パラメータとしての中性化深さ「５ｍｍ」か、又はこれに近似するものである場合には、上述した第１連関度を参照した場合上述した第１連関度を参照した場合、第１連関度の最も高い「塩害」を最適解として選択する。但し、最も第１連関度の高いものを最適解として選択することは必須ではなく、第１連関度は低いものの連関性そのものは認められる「塩害とアルカリ骨材反応との複合劣化」、「中性化」、「中性化とアルカリ骨材反応との複合劣化」を最適解として選択するようにしてもよい。鉄筋コンクリート部材７の劣化状況の選択は、ケースに応じて第１連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された第１連関度に基づいて出力解としての鉄筋コンクリート部材７の劣化状況を選択することになる。

図１６は、鉄筋コンクリート部材７の中性化深さに関する検査方法による過去の検査の検査データとしての中性化深さのデータと、部材情報との組み合わせと、当該組み合わせに対する鉄筋コンクリート部材７の劣化状況との３段階以上の第１連関度が設定されている例を示している。ちなみに、この図１６の例では、部材情報に、断面情報と、管理情報とが含まれる場合を挙げているが、設置情報、写真情報が含まれていてもよい。

かかる場合において、第１連関度は、図１６に示すように、検査データとしての中性化深さのデータと、部材情報との組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第１連関度である。例えば、ノード６１ａは、中性化深さ「５ｍｍ」が第１連関度８０％で、また管理情報としての供用期間「５年」が第１連関度８０％で連関している。またノード６１ｃは、中性化深さ「１０ｍｍ」が第１連関度６０％で、設置情報としてのかぶり厚「２００ｍｍ〜２５０ｍｍ」が第１連関度６０％、管理情報としての供用期間「１０年」が第１連関度４０％で連関している。

このような第１連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての検査の検査データとしての中性化深さのデータと、設置情報や管理情報の第１連関度に応じた出力解を探索する。判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図１６に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、中性化深さ「５ｍｍ」であり、かつ設置情報としてのかぶり厚「１００ｍｍ〜１５０ｍｍ」である場合、第１連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「中性化」が第１連関度６０％、「塩害と中性化との複合劣化」が第１連関度４０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度２０％で関連付けられている。

Ｘ線回折法による検査
図１７は、このデータベース３（第１連関データベース３１）において予め取得した第１連関度の例を示している。この図１７の例では、検査部８における検査方法として、Ｘ線回折法による検査方法を利用する。このＸ線回折法による検査方法は、例えば、現場に設置された鉄筋コンクリート部材７から採取した試料に対してＸ線を照射して、鉄筋コンクリート部材７の劣化を判断する手法である。このＸ線回折法による検査方法に基づいて検査部８により検出した検査データは、Ｘ線回折法により得られるＸ線強度スペクトルの画像や、Ｘ線回折法により分析した成分分析結果等で構成される。図１７に示す例では、参照用入力パラメータにおいては、Ｘ線強度スペクトルの画像を予め学習させることとなる。もちろん、参照用入力パラメータにおいて、Ｘ線回折法により分析した成分分析結果を予め学習させてもよい。

データベース３（第１連関データベース３１）には、参照用入力パラメータとしてのＸ線回折法による検査方法に基づいて測定したＸ線強度スペクトルの画像ｒ１、ｒ２、・・・と、出力解としての鉄筋コンクリート部材７の劣化状況の判別結果との間での３段階以上の第１連関度を予め記憶させておく。図１７の例によれば、参照用入力パラメータが画像ｒ１である場合に、「塩害」が第１連関度８０％、「中性化」が第１連関度４０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度６０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度３０％で設定されている。また参照用入力パラメータが画像ｒ２である場合に、「中性化」が第１連関度９０％、「アルカリ骨材反応」が第１連関度７０％、「塩害と中性化との複合劣化」が第１連関度２０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度５０％で設定されている。

これらの第１連関度は、以前にＸ線回折法による検査方法に基づいて検査を行った際の画像ｒ１、ｒ２、・・・と、その判別結果としての劣化状況をデータベース３（第１連関データベース３１）内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この第１連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この第１連関度は、Ｘ線回折法による検査を行った際の画像に基づいて、実際の鉄筋コンクリート部材７の劣化状況を判別する上での的確性を示すものである。例えば画像ｒ１に対しては、第１連関度８０％の「塩害」が最も的確な判断に近く、第１連関度６０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度４０％の「中性化」がこれに続く的確な判断ということになり、第１連関度３０％の「中性化とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになる。同様に画像ｒ２に対しては、第１連関度９０％の「中性化」が最も的確な判断に近く、第１連関度７０％の「アルカリ骨材反応」がこれに続く的確な判断ということになり、第１連関度５０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度２０％の「塩害と中性化との複合劣化」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、鉄筋コンクリート部材７の劣化状況を判別する作業を行う。この鉄筋コンクリート部材７の劣化状況を判別する上で予め取得した図１７に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータの画像が、参照用入力パラメータとしての画像ｒ１か、又はこれに近似するものである場合には、上述した第１連関度を参照した場合上述した第１連関度を参照した場合、第１連関度の最も高い「塩害」を最適解として選択する。但し、最も第１連関度の高いものを最適解として選択することは必須ではなく、第１連関度は低いものの連関性そのものは認められる「塩害とアルカリ骨材反応との複合劣化」、「中性化」、「中性化とアルカリ骨材反応との複合劣化」を最適解として選択するようにしてもよい。鉄筋コンクリート部材７の劣化状況の選択は、ケースに応じて第１連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

また、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ２にも一部類似しているが、画像ｒ３にも一部類似し、何れに割り当ててよいか分からない場合については、例えば、ディープラーニングを通じて画像上の特徴量に基づき判断するようにしてもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された第１連関度に基づいて出力解としての鉄筋コンクリート部材７の劣化状況を選択することになる。

図１８は、Ｘ線回折法による過去の検査の検査データとしての画像ｒ１、ｒ２、・・と、部材情報との組み合わせと、当該組み合わせに対する鉄筋コンクリート部材７の劣化状況との３段階以上の第１連関度が設定されている例を示している。ちなみに、この図１８の例では、部材情報に、断面情報と、管理情報とが含まれる場合を挙げているが、設置情報、写真情報が含まれていてもよい。

かかる場合において、第１連関度は、図１８に示すように、検査データとしての画像ｒ１、ｒ２・・・と、部材情報との組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第１連関度である。例えば、ノード６１ａは、画像ｒ１が第１連関度８０％で、また管理情報としての補修履歴「補修あり」が第１連関度８０％で連関している。またノード６１ｃは、画像ｒ２が第１連関度６０％、設置情報としての断面寸法「１０００ｍｍ×１０００ｍｍ」が第１連関度６０％、管理情報としての補修履歴「補修なし」が第１連関度４０％で連関している。

このような第１連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての検査の検査データとしてのＸ線強度スペクトルの画像と、断面情報や管理情報の第１連関度に応じた出力解を探索する。判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図１８に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、画像ｒ１であり、かつ設置情報としての断面寸法「２０００ｍｍ×５００ｍｍ」である場合、第１連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「中性化」が第１連関度６０％、「塩害と中性化との複合劣化」が第１連関度４０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度２０％で関連付けられている。

ＥＰＭＡ（Electron Probe Micro Analyzer）による検査
図１９は、このデータベース３（第１連関データベース３１）において予め取得した第１連関度の例を示している。この図１９の例では、検査部８における検査方法として、ＥＰＭＡによる検査方法を利用する。このＥＰＭＡによる検査方法は、鉄筋コンクリート部材７から採取したコンクリートの試料に電子ビームを照射し、試料を構成する原子から放出される特性Ｘ線を利用して、試料に含まれている元素を分析し、鉄筋コンクリート部材７の劣化を判断する手法である。このＥＰＭＡによる検査方法に基づいて検査部８により検出した検査データは、ＥＰＭＡにより分析された元素分布の画像や、元素分析結果等で構成される。図１９に示す例では、参照用入力パラメータにおいては、元素分布の画像を予め学習させることとなる。もちろん、参照用入力パラメータにおいて、ＥＰＭＡにより分析した元素分析結果を予め学習させてもよい。

データベース３（第１連関データベース３１）には、参照用入力パラメータとしてのＥＰＭＡによる検査方法に基づいて分析した元素分布の画像ｒ１、ｒ２、・・・と、出力解としての鉄筋コンクリート部材７の劣化状況の判別結果との間での３段階以上の第１連関度を予め記憶させておく。図１９の例によれば、参照用入力パラメータが画像ｒ１である場合に、「塩害」が第１連関度８０％、「中性化」が第１連関度４０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度６０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度３０％で設定されている。また参照用入力パラメータが画像ｒ２である場合に、「中性化」が第１連関度９０％、「アルカリ骨材反応」が第１連関度７０％、「塩害と中性化との複合劣化」が第１連関度２０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度５０％で設定されている。

これらの第１連関度は、以前にＥＰＭＡによる検査方法に基づいて検査を行った際の画像ｒ１、ｒ２、・・・と、その判別結果としての劣化状況をデータベース３（第１連関データベース３１）内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この第１連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この第１連関度は、ＥＰＭＡによる検査を行った際の画像に基づいて、実際の鉄筋コンクリート部材７の劣化状況を判別する上での的確性を示すものである。例えば画像ｒ１に対しては、第１連関度８０％の「塩害」が最も的確な判断に近く、第１連関度６０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度４０％の「中性化」がこれに続く的確な判断ということになり、第１連関度３０％の「中性化とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになる。同様に画像ｒ２に対しては、第１連関度９０％の「中性化」が最も的確な判断に近く、第１連関度７０％の「アルカリ骨材反応」がこれに続く的確な判断ということになり、第１連関度５０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度２０％の「塩害と中性化との複合劣化」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、鉄筋コンクリート部材７の劣化状況を判別する作業を行う。この鉄筋コンクリート部材７の劣化状況を判別する上で予め取得した図１９に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータの画像ｒ１が、参照用入力パラメータとしての画像ｒ１か、又はこれに近似するものである場合には、上述した第１連関度を参照した場合、第１連関度の最も高い「塩害」を最適解として選択する。但し、最も第１連関度の高いものを最適解として選択することは必須ではなく、第１連関度は低いものの連関性そのものは認められる「塩害とアルカリ骨材反応との複合劣化」、「中性化」、「中性化とアルカリ骨材反応との複合劣化」を最適解として選択するようにしてもよい。鉄筋コンクリート部材７の劣化状況の選択は、ケースに応じて第１連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

また、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ２にも一部類似しているが、画像ｒ３にも一部類似し、何れに割り当ててよいか分からない場合については、例えば、ディープラーニングを通じて画像上の特徴量に基づき判断するようにしてもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された第１連関度に基づいて出力解としての鉄筋コンクリート部材７の劣化状況を選択することになる。

図２０は、ＥＰＭＡによる検査方法による過去の検査の検査データとしての画像ｒ１、ｒ２、・・と部材情報との組み合わせと、当該組み合わせに対する鉄筋コンクリート部材７の劣化状況との３段階以上の第１連関度が設定されている例を示している。ちなみに、この図２０の例では、部材情報に、設置情報と、断面情報とが含まれる場合を挙げているが、管理情報、写真情報が含まれていてもよい。

かかる場合において、第１連関度は、図２０に示すように、検査データとしての画像ｒ１、ｒ２、・・・と、部材情報との組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第１連関度である。例えば、ノード６１ａは、画像ｒ１が第１連関度８０％で、また断面情報としてのかぶり厚「１００ｍｍ〜１５０ｍｍ」が第１連関度８０％で連関している。またノード６１ｃは、画像ｒ２が第１連関度６０％で、設置情報としての車両情報「１０台／時間」が第１連関度６０％で、断面情報としてのかぶり厚「２００ｍｍ〜２５０ｍｍ」が第１連関度４０％で連関している。

このような第１連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての検査の検査データとしての元素分布の画像と、設置情報や断面情報の第１連関度に応じた出力解を探索する。判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図２０に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、画像ｒ１であり、かつ設置情報としての車両情報「１００台／時間」である場合、第１連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「中性化」が第１連関度６０％で、「塩害と中性化との複合劣化」が第１連関度４０％で、「中性化とアルカリ骨材反応との複合劣化」が第１連関度２０％で関連付けられている。

走査型電子顕微鏡による検査
図２１は、このデータベース３（第１連関データベース３１）において予め取得した第１連関度の例を示している。この図２１の例では、検査部８における検査方法として、走査型電子顕微鏡による検査方法を利用する。この走査型電子顕微鏡による検査方法は、鉄筋コンクリート部材７から採取した試料を走査型電子顕微鏡により撮像することにより、鉄筋コンクリート部材７の劣化を判断する手法である。この走査型電子顕微鏡による検査方法に基づいて検査部８により検出した検査データは、走査型電子顕微鏡により撮像された画像等で構成される。このため、参照用入力パラメータにおいては、これら画像のデータを予め学習させることとなる。

データベース３（第１連関データベース３１）には、参照用入力パラメータとしての走査型電子顕微鏡による検査方法に基づいて撮像した画像ｒ１、ｒ２、・・・と、出力解としての鉄筋コンクリート部材７の劣化状況の判別結果との間での３段階以上の第１連関度を予め記憶させておく。図２１の例によれば、参照用入力パラメータが画像ｒ１である場合に、「塩害」が第１連関度８０％、「中性化」が第１連関度４０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度６０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度３０％で設定されている。また参照用入力パラメータが画像ｒ２である場合に、「中性化」が第１連関度９０％、「アルカリ骨材反応」が第１連関度７０％、「塩害と中性化との複合劣化」が第１連関度２０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度５０％で設定されている。

これらの第１連関度は、以前に走査型電子顕微鏡による検査方法に基づいて検査を行った際の画像ｒ１、ｒ２、・・・と、その判別結果としての劣化状況をデータベース３（第１連関データベース３１）内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この第１連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この第１連関度は、走査型電子顕微鏡による検査を行った際の画像に基づいて、実際の鉄筋コンクリート部材７の劣化状況を判別する上での的確性を示すものである。例えば画像ｒ１に対しては、第１連関度８０％の「塩害」が最も的確な判断に近く、第１連関度６０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度４０％の「中性化」がこれに続く的確な判断ということになり、第１連関度３０％の「中性化とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになる。同様に画像ｒ２に対しては、第１連関度９０％の「中性化」が最も的確な判断に近く、第１連関度７０％の「アルカリ骨材反応」がこれに続く的確な判断ということになり、第１連関度５０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度２０％の「塩害と中性化との複合劣化」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、鉄筋コンクリート部材７の劣化状況を判別する作業を行う。この鉄筋コンクリート部材７の劣化状況を判別する上で予め取得した図２１に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータの画像ｒ１が、参照用入力パラメータとしての画像ｒ１か、又はこれに近似するものである場合には、上述した第１連関度を参照した場合、第１連関度の最も高い「塩害」を最適解として選択する。但し、最も第１連関度の高いものを最適解として選択することは必須ではなく、第１連関度は低いものの連関性そのものは認められる「塩害とアルカリ骨材反応との複合劣化」、「中性化」、「中性化とアルカリ骨材反応との複合劣化」を最適解として選択するようにしてもよい。鉄筋コンクリート部材７の劣化状況の選択は、ケースに応じて第１連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

また、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ２にも一部類似しているが、画像ｒ３にも一部類似し、何れに割り当ててよいか分からない場合については、例えば、ディープラーニングを通じて画像上の特徴量に基づき判断するようにしてもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された第１連関度に基づいて出力解としての鉄筋コンクリート部材７の劣化状況を選択することになる。

図２２は、走査型電子顕微鏡による検査方法による過去の検査の検査データとしての画像ｒ１、ｒ２、・・と部材情報との組み合わせと、当該組み合わせに対する鉄筋コンクリート部材７の劣化状況との３段階以上の第１連関度が設定されている例を示している。ちなみに、この図２２の例では、部材情報に、設置情報が含まれる場合を挙げているが、断面情報、管理情報、写真情報が含まれていてもよい。

かかる場合において、第１連関度は、図２２に示すように、検査データとしての画像ｒ１、ｒ２、・・・と、部材情報との組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第１連関度である。例えば、ノード６１ａは、画像ｒ１が第１連関度８０％、また設置情報としての車両情報「１００台／時間」が第１連関度８０％で連関している。またノード６１ｃは、画像ｒ２が第１連関度６０％、設置情報としての温度「３０℃」が第１連関度６０％、設置情報としての車両情報「１０台／時間」が第１連関度４０％で連関している。

このような第１連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての検査の検査データとしての画像と、設置情報の第１連関度に応じた出力解を探索する。判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図２２に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、画像ｒ１であり、かつ設置情報としての温度「０℃」である場合、第１連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「中性化」が第１連関度６０％、「塩害と中性化との複合劣化」が第１連関度４０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度２０％で関連付けられている。

蛍光Ｘ線元素分析による検査
図２３は、このデータベース３（第１連関データベース３１）において予め取得した第１連関度の例を示している。この図２３の例では、検査部８における検査方法として、蛍光Ｘ線元素分析による検査方法を利用する。この蛍光Ｘ線元素分析による検査方法は、鉄筋コンクリート部材７から切り出したコンクリートの試料に蛍光Ｘ線分析装置によりＸ線を照射された際に放出される特性Ｘ線を利用して、試料に含まれている元素を定性定量分析し、鉄筋コンクリート部材７の劣化を判断する手法である。この蛍光Ｘ線元素分析による検査方法に基づいて検査部８により検出した検査データは、蛍光Ｘ線分析装置により分析された元素分析結果や特性Ｘ線強度スペクトルの画像等で構成される。図２３に示す例では、参照用入力パラメータにおいては、定量分析結果のデータを予め学習させることとなる。もちろん、参照用入力パラメータにおいては、特性Ｘ線強度スペクトルの画像のデータを予め学習させてもよい。

データベース３（第１連関データベース３１）には、参照用入力パラメータとしての蛍光Ｘ線元素分析による検査方法に基づいて分析した分析結果ｇ１、ｇ２、・・・と、出力解としての鉄筋コンクリート部材７の劣化状況の判別結果との間での３段階以上の第１連関度を予め記憶させておく。図２３の例によれば、参照用入力パラメータが分析結果ｇ１である場合に、「塩害」が第１連関度８０％、「中性化」が第１連関度４０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度６０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度３０％で設定されている。また参照用入力パラメータが分析結果ｇ２である場合に、「中性化」が第１連関度９０％、「アルカリ骨材反応」が第１連関度７０％、「塩害と中性化との複合劣化」が第１連関度２０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度５０％で設定されている。

これらの第１連関度は、以前に蛍光Ｘ線元素分析による検査方法に基づいて検査を行った際の分析結果ｇ１、ｇ２、・・・と、その判別結果としての劣化状況をデータベース３（第１連関データベース３１）内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この第１連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この第１連関度は、蛍光Ｘ線元素分析による検査を行った際の分析結果のデータに基づいて、実際の鉄筋コンクリート部材７の劣化状況を判別する上での的確性を示すものである。例えば分析結果ｇ１に対しては、第１連関度８０％の「塩害」が最も的確な判断に近く、第１連関度６０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度４０％の「中性化」がこれに続く的確な判断ということになり、第１連関度３０％の「中性化とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになる。同様に分析結果ｇ２に対しては、第１連関度９０％の「中性化」が最も的確な判断に近く、第１連関度７０％の「アルカリ骨材反応」がこれに続く的確な判断ということになり、第１連関度５０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度２０％の「塩害と中性化との複合劣化」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、鉄筋コンクリート部材７の劣化状況を判別する作業を行う。この鉄筋コンクリート部材７の劣化状況を判別する上で予め取得した図２３に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータの分析結果ｇ１が、参照用入力パラメータとしての分析結果ｇ１か、又はこれに近似するものである場合には、上述した第１連関度を参照した場合、第１連関度の最も高い「塩害」を最適解として選択する。但し、最も第１連関度の高いものを最適解として選択することは必須ではなく、第１連関度は低いものの連関性そのものは認められる「塩害とアルカリ骨材反応との複合劣化」、「中性化」、「中性化とアルカリ骨材反応との複合劣化」を最適解として選択するようにしてもよい。鉄筋コンクリート部材７の劣化状況の選択は、ケースに応じて第１連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された第１連関度に基づいて出力解としての鉄筋コンクリート部材７の劣化状況を選択することになる。

図２４は、蛍光Ｘ線元素分析による検査方法による過去の検査の検査データとしての分析結果ｇ１、ｇ２、・・と部材情報との組み合わせと、当該組み合わせに対する鉄筋コンクリート部材７の劣化状況との３段階以上の第１連関度が設定されている例を示している。ちなみに、この図２４の例では、部材情報に、断面情報が含まれる場合を挙げているが、設置情報、管理情報、写真情報が含まれていてもよい。

かかる場合において、第１連関度は、図２４に示すように、検査データとしての分析結果ｇ１、ｇ２、・・・と、部材情報との組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第１連関度である。例えば、ノード６１ａは、分析結果ｇ１が第１連関度８０％、また断面情報としてのかぶり厚「１００ｍｍ〜１５０ｍｍ」が第１連関度８０％で連関している。またノード６１ｃは、分析結果ｇ２が第１連関度６０％、断面情報としての断面寸法「１０００ｍｍ×１０００ｍｍ」が第１連関度６０％、設置情報としてのかぶり厚「２００ｍｍ〜２５０ｍｍ」が第１連関度４０％で連関している。

このような第１連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての検査の検査データとしての分析結果のデータと、設置情報の第１連関度に応じた出力解を探索する。判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図２４に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、分析結果ｇ１であり、かつ断面情報としての断面寸法「２０００ｍｍ×５００ｍｍ」である場合、第１連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「中性化」が第１連関度６０％、「塩害と中性化との複合劣化」が第１連関度４０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度２０％で関連付けられている。

酢酸ウラニル蛍光法による検査
図２５は、このデータベース３（第１連関データベース３１）において予め取得した第１連関度の例を示している。この図２５の例では、検査部８における検査方法として、酢酸ウラニル蛍光法による検査方法を利用する。この酢酸ウラニル蛍光法による検査方法は、鉄筋コンクリート部材７に酢酸ウラニル溶液を塗布し、紫外線を照射することにより、鉄筋コンクリート部材７の劣化を判断する手法である。この酢酸ウラニル蛍光法による検査方法に基づいて検査部８により検出した検査データは、紫外線を照射した際の画像等で構成される。このため、参照用入力パラメータにおいては、これら画像のデータを予め学習させることとなる。

データベース３（第１連関データベース３１）には、参照用入力パラメータとしての酢酸ウラニル蛍光法による検査方法に基づいて撮像された画像ｒ１、ｒ２、・・・と、出力解としての鉄筋コンクリート部材７の劣化状況の判別結果との間での３段階以上の第１連関度を予め記憶させておく。図２５の例によれば、参照用入力パラメータが画像ｒ１である場合に、「塩害」が第１連関度８０％、「中性化」が第１連関度４０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度６０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度３０％で設定されている。また参照用入力パラメータが画像ｒ２である場合に、「中性化」が第１連関度９０％、「アルカリ骨材反応」が第１連関度７０％、「塩害と中性化との複合劣化」が第１連関度２０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度５０％で設定されている。

これらの第１連関度は、以前に酢酸ウラニル蛍光法による検査方法に基づいて検査を行った際の画像ｒ１、ｒ２、・・・と、その判別結果としての劣化状況をデータベース３（第１連関データベース３１）内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この第１連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この第１連関度は、酢酸ウラニル蛍光法による検査を行った際の画像に基づいて、実際の鉄筋コンクリート部材７の劣化状況を判別する上での的確性を示すものである。例えば画像ｒ１に対しては、第１連関度８０％の「塩害」が最も的確な判断に近く、第１連関度６０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度４０％の「中性化」がこれに続く的確な判断ということになり、第１連関度３０％の「中性化とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになる。同様に画像ｒ２に対しては、第１連関度９０％の「中性化」が最も的確な判断に近く、第１連関度７０％の「アルカリ骨材反応」がこれに続く的確な判断ということになり、第１連関度５０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度２０％の「塩害と中性化との複合劣化」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、鉄筋コンクリート部材７の劣化状況を判別する作業を行う。この鉄筋コンクリート部材７の劣化状況を判別する上で予め取得した図２５に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータの画像ｒ１が、参照用入力パラメータとしての画像ｒ１か、又はこれに近似するものである場合には、上述した第１連関度を参照した場合、第１連関度の最も高い「塩害」を最適解として選択する。但し、最も第１連関度の高いものを最適解として選択することは必須ではなく、第１連関度は低いものの連関性そのものは認められる「塩害とアルカリ骨材反応との複合劣化」、「中性化」、「中性化とアルカリ骨材反応との複合劣化」を最適解として選択するようにしてもよい。鉄筋コンクリート部材７の劣化状況の選択は、ケースに応じて第１連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

また、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ２にも一部類似しているが、画像ｒ３にも一部類似し、何れに割り当ててよいか分からない場合については、例えば、ディープラーニングを通じて画像上の特徴量に基づき判断するようにしてもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された第１連関度に基づいて出力解としての鉄筋コンクリート部材７の劣化状況を選択することになる。

図２６は、酢酸ウラニル蛍光法による過去の検査の検査データとしての画像ｒ１、ｒ２、・・と、部材情報との組み合わせと、当該組み合わせに対する鉄筋コンクリート部材７の劣化状況との３段階以上の第１連関度が設定されている例を示している。ちなみに、この図２６の例では、部材情報に、管理情報が含まれる場合を挙げているが、設置情報、断面情報、写真情報が含まれていてもよい。

かかる場合において、第１連関度は、図２６に示すように、検査データとしての画像ｒ１、ｒ２、・・・と、鉄筋コンクリート部材７の部材情報との組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第１連関度である。例えば、ノード６１ａは、画像ｒ１が第１連関度８０％で、また管理情報としての点検頻度「１回／５年」が第１連関度８０％で連関している。またノード６１ｃは、画像ｒ２が第１連関度６０％で、管理情報としての供用期間「１０年」が第１連関度６０％で、管理情報としての点検頻度「１回／１年」が第１連関度４０％で連関している。

このような第１連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての検査の検査データとしての画像と、管理情報の第１連関度に応じた出力解を探索する。判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図２６に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、画像ｒ１であり、かつ管理情報としての供用期間「５年」である場合、第１連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「中性化」が第１連関度６０％で、「塩害と中性化との複合劣化」が第１連関度４０％で、「中性化とアルカリ骨材反応との複合劣化」が第１連関度２０％で関連付けられている。

偏光顕微鏡による検査
図２７は、このデータベース３（第１連関データベース３１）において予め取得した第１連関度の例を示している。この図２７の例では、検査部８における検査方法として、偏光顕微鏡による検査方法を利用する。この偏光顕微鏡による検査方法は、鉄筋コンクリート部材７から切り出した試料を偏光顕微鏡により撮像することにより、鉄筋コンクリート部材７の劣化を判断する手法である。この偏光顕微鏡による検査方法に基づいて検査部８により検出した検査データは、偏光顕微鏡により撮像された画像や偏光顕微鏡により分析された成分分析結果のデータ等で構成される。図２７に示す例では、参照用入力パラメータにおいては、これら画像のデータを予め学習させることとなる。もちろん、参照用入力パラメータにおいては、成分分析結果のデータを予め学習させてもよい。

データベース３（第１連関データベース３１）には、参照用入力パラメータとしての偏光顕微鏡による検査方法に基づいて撮像した画像ｒ１、ｒ２、・・・と、出力解としての鉄筋コンクリート部材７の劣化状況の判別結果との間での３段階以上の第１連関度を予め記憶させておく。図２７の例によれば、参照用入力パラメータが画像ｒ１である場合に、「塩害」が第１連関度８０％、「中性化」が第１連関度４０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度６０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度３０％で設定されている。また参照用入力パラメータが画像ｒ２である場合に、「中性化」が第１連関度９０％、「アルカリ骨材反応」が第１連関度７０％、「塩害と中性化との複合劣化」が第１連関度２０％、「塩害とアルカリ骨材反応との複合劣化」が第１連関度５０％で設定されている。

これらの第１連関度は、以前に偏光顕微鏡による検査方法に基づいて検査を行った際の画像ｒ１、ｒ２、・・・と、その判別結果としての劣化状況をデータベース３（第１連関データベース３１）内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この第１連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この第１連関度は、偏光顕微鏡による検査を行った際の画像に基づいて、実際の鉄筋コンクリート部材７の劣化状況を判別する上での的確性を示すものである。例えば画像ｒ１に対しては、第１連関度８０％の「塩害」が最も的確な判断に近く、第１連関度６０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度４０％の「中性化」がこれに続く的確な判断ということになり、第１連関度３０％の「中性化とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになる。同様に画像ｒ２に対しては、第１連関度９０％の「中性化」が最も的確な判断に近く、第１連関度７０％の「アルカリ骨材反応」がこれに続く的確な判断ということになり、第１連関度５０％の「塩害とアルカリ骨材反応との複合劣化」がこれに続く的確な判断ということになり、第１連関度２０％の「塩害と中性化との複合劣化」がこれに続く的確な判断ということになる。

ステップＳ１３に移行後、判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、鉄筋コンクリート部材７の劣化状況を判別する作業を行う。この鉄筋コンクリート部材７の劣化状況を判別する上で予め取得した図２７に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータの画像ｒ１が、参照用入力パラメータとしての画像ｒ１か、又はこれに近似するものである場合には、上述した第１連関度を参照した場合、第１連関度の最も高い「塩害」を最適解として選択する。但し、最も第１連関度の高いものを最適解として選択することは必須ではなく、第１連関度は低いものの連関性そのものは認められる「塩害とアルカリ骨材反応との複合劣化」、「中性化」、「中性化とアルカリ骨材反応との複合劣化」を最適解として選択するようにしてもよい。鉄筋コンクリート部材７の劣化状況の選択は、ケースに応じて第１連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

また、ステップＳ１２において解析した入力パラメータが、参照用入力パラメータとしての画像ｒ２にも一部類似しているが、画像ｒ３にも一部類似し、何れに割り当ててよいか分からない場合については、例えば、ディープラーニングを通じて画像上の特徴量に基づき判断するようにしてもよい。

このようにして、ステップＳ１２において解析した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された第１連関度に基づいて出力解としての鉄筋コンクリート部材７の劣化状況を選択することになる。

図２８は、偏光顕微鏡による検査方法による過去の検査の検査データとしての画像ｒ１、ｒ２、・・と、部材情報との組み合わせと、当該組み合わせに対する鉄筋コンクリート部材７の劣化状況との３段階以上の第１連関度が設定されている例を示している。ちなみに、この図２８の例では、部材情報に、設置情報と、管理情報とが含まれる場合を挙げているが、断面情報、写真情報が含まれていてもよい。

かかる場合において、第１連関度は、図２８に示すように、検査データとしての画像ｒ１、ｒ２、・・・と、部材情報との組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第１連関度である。例えば、ノード６１ａは、画像ｒ１が第１連関度８０％で、また管理情報としての補修履歴「補修あり」が第１連関度８０％で連関している。またノード６１ｃは、画像ｒ２が第１連関度６０％で、設置情報としての場所情報「飛沫帯」が第１連関度６０％で、管理情報としての補修履歴「補修なし」が第１連関度４０％で連関している。

このような第１連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての検査の検査データとしての画像と、設置情報や管理情報の第１連関度に応じた出力解を探索する。判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図２８に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、画像ｒ１であり、かつ設置情報としての場所情報「干満帯」である場合、第１連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「中性化」が第１連関度６０％で、「塩害と中性化との複合劣化」が第１連関度４０％で、「中性化とアルカリ骨材反応との複合劣化」が第１連関度２０％で関連付けられている。

また上述した実施の形態においては、検査方法として、各種例にとり説明をしたが、これに限定されるものではなく、他のいかなる検査方法に代替されるものであってもよいことは勿論である。

何れの検査方法においても、ユーザは、出力された判別結果に基づいて、鉄筋コンクリート部材７の劣化状況を把握することができる。

特に本発明によれば、鉄筋コンクリート部材７の劣化状況の把握を、特段の熟練を要することなく容易に行うことが可能となる。また本発明によれば、鉄筋コンクリート部材７の劣化状況の把握をより高精度に行うことが可能となる。更に、上述した第１連関度を人工知能で構成することにより、これを学習させることでその判別精度を更に向上させることが可能となる。

また、本発明によれば、３段階以上に設定されている第１連関度を介して最適な鉄筋コンクリート部材７の劣化状況の判別結果の探索を行う点に特徴がある。第１連関度は、例えば０〜１００％までの数値で記述することができるが、これに限定されるものではなく３段階以上の数値で記述できるものであればいかなる段階で構成されていてもよい。

このような３段階以上の数値で表される第１連関度に基づいて探索することで、複数の鉄筋コンクリート部材７の劣化状況の判別結果が選ばれる状況下において、当該第１連関度の高い順に探索して表示することも可能となる。このように第１連関度の高い順にユーザに表示できれば、より可能性の高い鉄筋コンクリート部材７の劣化状況の判別結果を優先的に選択することを促すこともできる。一方、第１連関度の低い鉄筋コンクリート部材７の劣化状況の判別結果であってもセカンドオピニオンという意味で表示することができ、ファーストオピニオンで上手く分析ができない場合において有用性を発揮することができる。

これに加えて、本発明によれば、第１連関度が１％のような極めて低い鉄筋コンクリート部材７の劣化状況の判別結果も見逃すことなく判断することができる。第１連関度が極めて低い鉄筋コンクリート部材７の劣化状況の判別結果であっても僅かな兆候として繋がっているものであり、何十回、何百回に一度は、鉄筋コンクリート部材７の劣化状況の判別結果として役に立つ場合もあることをユーザに対して注意喚起することができる。

更に本発明によれば、このような３段階以上の第１連関度に基づいて探索を行うことにより、閾値の設定の仕方で、探索方針を決めることができるメリットがある。閾値を低くすれば、上述した第１連関度が１％のものであっても漏れなく拾うことができる反面、鉄筋コンクリート部材７の劣化状況の判別結果を好適に検出できる可能性が低く、ノイズを沢山拾ってしまう場合もある。一方、閾値を高くすれば、最適な鉄筋コンクリート部材７の劣化状況の判別結果を高確率で検出できる可能性が高い反面、通常は第１連関度は低くてスルーされるものの何十回、何百回に一度は出てくる好適な解を見落としてしまう場合もある。いずれに重きを置くかは、ユーザ側、システム側の考え方に基づいて決めることが可能となるが、このような重点を置くポイントを選ぶ自由度を高くすることが可能となる。

更に本発明では、上述した第１連関度を更新させるようにしてもよい。この更新は、例えばインターネットを始めとした公衆通信網を介して提供された情報を反映させるようにしてもよい。公衆通信網から取得可能なサイト情報や書き込み等を通じて、入力パラメータ（検査データ）と、出力解（鉄筋コンクリート部材７の劣化状況の判別結果）との関係性について新たな知見が発見された場合には、当該知見に応じて第１連関度を上昇させ、或いは下降させる。

この第１連関度の更新は、公衆通信網から取得可能な情報に基づく場合以外に、専門家による研究データや論文、学会発表や、新聞記事、書籍等の内容に基づいてシステム側又はユーザ側が人為的に、又は自動的に更新するようにしてもよい。これらの更新処理においては人工知能を活用するようにしてもよい。

なお、本発明では２種以上の検査方法を組み合わせて鉄筋コンクリート部材７の劣化状況を判別するようにしてもよい。

図２９は、塩化物イオン量に関する検査方法とＥＰＭＡによる検査方法という互いに異なる２つの検査方法を組み合わせて鉄筋コンクリート部材７の劣化状況を判別する例を示している。

即ち、塩化物イオン量に関する検査方法による過去の検査の検査データとしての塩化物イオン量のデータとＥＰＭＡによる検査方法に基づいて検査を行った際の画像ｒ１、ｒ２、・・・との組み合わせと、当該組み合わせに対する鉄筋コンクリート部材７の劣化状況との３段階以上の第１連関度が設定されている例を示している。

かかる場合において、第１連関度は、図２９に示すように、検査データとしての塩化物イオン量のデータとＥＰＭＡによる検査方法による検査データとしての画像ｒ１、ｒ２、・・・の組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第１連関度である。例えば、ノード６１ａは、塩化物イオン量「２．０ｋｇ／ｍ³」が第１連関度８０％、また画像ｒ３が第１連関度８０％で連関している。またノード６１ｄは、塩化物イオン量「０．１ｋｇ／ｍ³」が第１連関度３０％で、画像ｒ４が第１連関度９０％で連関している。

このような第１連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての検査の検査データとしての塩化物イオン量のデータと画像ｒ１、ｒ２、・・・が入力される。判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図２９に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、塩化物イオン量「２．０ｋｇ／ｍ³」であり、かつ画像ｒ１である場合、第１連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「中性化」が第１連関度６０％、「塩害と中性化との複合劣化」が第１連関度４０％、「中性化とアルカリ骨材反応との複合劣化」が第１連関度２０％で関連付けられている。これらを出力解として出すことが可能となる。

なお、参照用入力パラメータの種類としては、これらの塩化物イオン量に関する検査方法とＥＰＭＡによる検査方法との組み合わせに限定されるものではない。ひび割れに関する検査、自然電位法による検査、分極抵抗法による検査、振動計測による検査、中性化深さに関する検査、Ｘ線回折法による検査、走査型電子顕微鏡による検査、蛍光Ｘ線元素分析による検査、酢酸ウラニル蛍光法による検査、偏光顕微鏡による検査等のうち何れか２種以上の検査方法の検査データの組み合わせで第１連関度を構成するようにしてもよい。換言すれば図２９の第１連関度は、塩化物イオン量に関する検査方法とＥＰＭＡによる検査方法との組み合わせの代替として、ひび割れに関する検査、自然電位法による検査、分極抵抗法による検査、振動計測による検査、中性化深さに関する検査、Ｘ線回折法による検査、走査型電子顕微鏡による検査、蛍光Ｘ線元素分析による検査、酢酸ウラニル蛍光法による検査、偏光顕微鏡による検査等のうち何れか２種以上の検査データの組み合わせで設定されるものとなる。

２種以上の検査方法の組み合わせに基づいて最適解を探索することにより、その探索精度の向上を図ることが可能となる。

図３０は、塩化物イオン量に関する検査方法による過去の検査の検査データとしての塩化物イオン量のデータとＥＰＭＡによる検査方法に基づいて検査を行った際の画像ｒ１、ｒ２、・・・と部材情報との組み合わせと、当該組み合わせに対する鉄筋コンクリート部材７の劣化状況との３段階以上の第１連関度が設定されている例を示している。ちなみに、この図３０の例では、部材情報に、設置情報が含まれる場合を挙げているが、断面情報、管理情報、写真情報が含まれていてもよい。

かかる場合において、第１連関度は、図３０に示すように、検査データとしての塩化物イオン量のデータと、画像ｒ１、ｒ２、・・・と、部材情報との組み合わせの集合がいわゆる隠れ層のノード６１ａ〜６１ｅとして表現されることとなる。各ノード６１ａ〜６１ｅは、参照用入力パラメータに対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第１連関度である。例えば、ノード６１ｂは、塩化物イオン量「２．０ｋｇ／ｍ³」が第１連関度４０％、画像ｒ１が第１連関度５０％、また設置情報としての場所情報「干満帯」が第１連関度４０％で連関している。またノード６１ｃは、塩化物イオン量「１．０ｋｇ／ｍ³」が第１連関度６０％、画像ｒ２が第１連関度６０％で、設置情報としての場所情報「飛沫帯」が第１連関度４０％で連関している。

このような第１連関度が設定されている場合も同様に、ステップＳ１３へ移行した場合には、ステップＳ１２において抽出した入力パラメータとしての検査の検査データとしての塩化物イオン量のデータと、画像と、設置情報の第１連関度に応じた出力解を探索する。判別プログラムは、ステップＳ１２において解析した入力パラメータに基づいて、出力解の中から最適解を１又は２以上に亘り選択する作業を行う。この最適解を選択する上で、予め取得した図３０に示す第１連関度を参照する。例えば、ステップＳ１２において解析した入力パラメータにおいて、塩化物イオン量「２．０ｋｇ／ｍ³」であり、画像ｒ１であり、かつ設置情報としての場所情報「干満帯」である場合、第１連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「中性化」が第１連関度６０％で、「塩害と中性化との複合劣化」が第１連関度４０％で、「中性化とアルカリ骨材反応との複合劣化」が第１連関度２０％で関連付けられている。

２種以上の検査方法と部材情報との組み合わせに基づいて最適解を探索することにより、一層その探索精度の向上を図ることが可能となる。

なお、本発明では、判別した鉄筋コンクリート部材７の劣化状況に対して鉄筋コンクリート部材７の残存耐用期間を判別するようにしてもよい。

鉄筋コンクリート部材７の残存耐用期間を判別する場合における判別プログラムの処理動作フローを図３１に示す。判別プログラムは、上述したステップＳ１１〜ステップＳ１４を行った後に、ステップＳ２１において、ステップＳ１３により判別した又はステップＳ１４において表示した鉄筋コンクリート部材７の劣化状況を入力する。

次に、ステップＳ２２へ移行し、ステップＳ２１において入力した鉄筋コンクリート部材７の劣化状況と第２連関度の高い鉄筋コンクリート部材７の残存耐用期間を探索する。この探索を行う前において、データベース３（第２連関データベース３２）は、参照用入力パラメータとしての鉄筋コンクリート部材７の劣化状況と、鉄筋コンクリート部材７の残存耐用期間との第２連関度を予め取得しておく。

図３２は、このデータベース３（第２連関データベース３２）において予め取得した第２連関度の例を示している。

データベース３（第２連関データベース３２）には、参照用入力パラメータとしての鉄筋コンクリート部材７の劣化状況と、出力解としての鉄筋コンクリート部材７の残存耐用期間の判別結果との間での３段階以上の第２連関度を予め記憶させておく。図３２の例によれば、参照用入力パラメータが「塩害」である場合に、残存耐用期間「４０年」が第２連関度８０％、残存耐用期間「３０年」が第２連関度４０％で設定されている。また参照用入力パラメータが「塩害と中性化との複合劣化」である場合に、残存耐用期間「１０年」が第２連関度７０％、残存耐用期間「５年」が第２連関度６０％で設定されている。

これらの第２連関度は、過去の鉄筋コンクリート部材７の劣化状況と、その判別結果としての鉄筋コンクリート部材７の残存耐用期間をデータベース３（第２連関データベース３２）内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この第２連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この第２連関度は、ステップＳ１３において判別した鉄筋コンクリート部材７の劣化状況に基づいて、実際の鉄筋コンクリート部材７の残存耐用期間を判別する上での的確性を示すものである。例えば鉄筋コンクリート部材７の劣化状況「塩害」に対しては、第２連関度８０％の残存耐用期間「４０年」が最も的確な判断に近く、第２連関度４０％の残存耐用期間「３０年」がこれに続く的確な判断ということになる。同様に鉄筋コンクリート部材７の劣化状況「中性化とアルカリ骨材反応との複合劣化」に対しては、第２連関度４０％の残存耐用期間「３年」が最も的確な判断に近く、第２連関度３０％の残存耐用期間「２０年」がこれに続く的確な判断ということになる。

ステップＳ２２に移行後、判別プログラムは、ステップＳ２１において入力した入力パラメータに基づいて、鉄筋コンクリート部材７の残存耐用期間を判別する作業を行う。この鉄筋コンクリート部材７の残存耐用期間を判別する上で予め取得した図３２に示す第２連関度を参照する。例えば、ステップＳ２１において入力した入力パラメータの鉄筋コンクリート部材７の劣化状況が、参照用入力パラメータとしての鉄筋コンクリート部材７の劣化状況「塩害」である場合には、上述した第２連関度を参照した場合、第２連関度の最も高い残存耐用期間「４０年」を最適解として選択する。但し、最も第２連関度の高いものを最適解として選択することは必須ではなく、第２連関度は低いものの連関性そのものは認められる残存耐用期間「３０年」を最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論である。即ち、この鉄筋コンクリート部材７の残存耐用期間の選択は、第２連関度が高いものから順に選択される場合に限定されるものではなく、ケースに応じて第２連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

このようにして、ステップＳ２１において入力した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された第２連関度に基づいて出力解としての鉄筋コンクリート部材７の残存耐用期間を選択することになる。

なお、ステップＳ２１において入力した入力パラメータに対する出力解の選択方法は、上述した方法に限定されるものではなく、第２連関度を参照するものであればいかなる方法に基づいて実行するようにしてもよい。また、このステップＳ２２の探索動作では、人工知能を利用して行うようにしてもよい。

次にステップＳ２３へ移行し、選択した最適解としての鉄筋コンクリート部材７の残存耐用期間を表示部２３を介して表示する。これによりユーザは、表示部２３を視認することにより、鉄筋コンクリート部材７の残存耐用期間の判別結果を即座に把握することが可能となる。

また上述した実施の形態においては、鉄筋コンクリート部材７の劣化状況として、塩害、中性化、アルカリ骨材反応、これらの複合劣化等を例にとり説明をしたが、これに限定されるものではなく、他のいかなる鉄筋コンクリート部材７の劣化状況に代替されるものであってもよいことは勿論である。

ステップＳ１３において判別された何れの鉄筋コンクリート部材７の劣化状況においても、ユーザは、出力された判別結果に基づいて、鉄筋コンクリート部材７の残存耐用期間を把握することができる。

本発明によれば、鉄筋コンクリート部材７の劣化状況の把握と、鉄筋コンクリート部材７の残存耐用期間の把握とを、特段の熟練を要することなく容易に行うことが可能となる。

特に本発明によれば、鉄筋コンクリート部材７の残存耐用期間の把握を、ステップＳ１３において判別した鉄筋コンクリート部材７の劣化状況に基づいて行うことが可能となる。また本発明によれば、鉄筋コンクリート部材７の残存耐用期間の把握をより高精度に行うことが可能となる。更に、上述した第２連関度を人工知能で構成することにより、これを学習させることでその判別精度を更に向上させることが可能となる。

また、本発明によれば、３段階以上に設定されている第２連関度を介して最適な鉄筋コンクリート部材７の残存耐用期間の判別結果の探索を行う点に特徴がある。第２連関度は、例えば０〜１００％までの数値で記述することができるが、これに限定されるものではなく３段階以上の数値で記述できるものであればいかなる段階で構成されていてもよい。

このような３段階以上の数値で表される第２連関度に基づいて探索することで、複数の鉄筋コンクリート部材７の残存耐用期間の判別結果が選ばれる状況下において、当該第２連関度の高い順に探索して表示することも可能となる。このように第２連関度の高い順にユーザに表示できれば、より可能性の高い鉄筋コンクリート部材７の残存耐用期間の判別結果を優先的に選択することを促すこともできる。一方、第２連関度の低い鉄筋コンクリート部材７の残存耐用期間の判別結果であってもセカンドオピニオンという意味で表示することができ、ファーストオピニオンで上手く分析ができない場合において有用性を発揮することができる。

これに加えて、本発明によれば、第２連関度が１％のような極めて低い鉄筋コンクリート部材７の残存耐用期間の判別結果も見逃すことなく判断することができる。第２連関度が極めて低い鉄筋コンクリート部材７の残存耐用期間の判別結果であっても僅かな兆候として繋がっているものであり、何十回、何百回に一度は、鉄筋コンクリート部材７の残存耐用期間の判別結果として役に立つ場合もあることをユーザに対して注意喚起することができる。

更に本発明によれば、このような３段階以上の第２連関度に基づいて探索を行うことにより、閾値の設定の仕方で、探索方針を決めることができるメリットがある。閾値を低くすれば、上述した第２連関度が１％のものであっても漏れなく拾うことができる反面、鉄筋コンクリート部材７の残存耐用期間の判別結果を好適に検出できる可能性が低く、ノイズを沢山拾ってしまう場合もある。一方、閾値を高くすれば、最適な鉄筋コンクリート部材７の残存耐用期間の判別結果を高確率で検出できる可能性が高い反面、通常は第２連関度は低くてスルーされるものの何十回、何百回に一度は出てくる好適な解を見落としてしまう場合もある。いずれに重きを置くかは、ユーザ側、システム側の考え方に基づいて決めることが可能となるが、このような重点を置くポイントを選ぶ自由度を高くすることが可能となる。

更に本発明では、上述した第２連関度を更新させるようにしてもよい。この更新は、例えばインターネットを始めとした公衆通信網を介して提供された情報を反映させるようにしてもよい。公衆通信網から取得可能なサイト情報や書き込み等を通じて、入力パラメータ（鉄筋コンクリート部材７の劣化状況の判別結果）と、出力解（鉄筋コンクリート部材７の残存耐用期間の判別結果）との関係性について新たな知見が発見された場合には、当該知見に応じて第２連関度を上昇させ、或いは下降させる。

この第２連関度の更新は、公衆通信網から取得可能な情報に基づく場合以外に、専門家による研究データや論文、学会発表や、新聞記事、書籍等の内容に基づいてシステム側又はユーザ側が人為的に、又は自動的に更新するようにしてもよい。これらの更新処理においては人工知能を活用するようにしてもよい。

また、本発明によれば、それぞれ異なる第１連関データベース３１と、第２連関データベース３２と記憶されたそれぞれの判別条件に基づいて、鉄筋コンクリート部材７の残存耐用期間を判別することができる。これにより、新たに第１連関データベース３１又は第２連関データベース３２の何れか一方のみを更新させる場合には、第１連関データベース３１又は第２連関データベース３２の何れか他方を更新する必要がない。このため、第１連関データベース３１又は第２連関データベース３２の何れか一方のみの更新に伴い、第１連関データベース３１又は第２連関データベース３２を更新する負荷を抑制することが可能となる。

また、本発明では、ステップＳ１４における劣化状況の表示は、ステップＳ２３において残存耐用期間を表示する際に行ってもよい。

なお、本発明では、判別した鉄筋コンクリート部材７の劣化状況に対する対策を判別するようにしてもよい。

鉄筋コンクリート部材７の劣化状況に対する対策を判別する場合における判別プログラムの処理動作フローを図３３に示す。判別プログラムは、上述したステップＳ１１〜ステップＳ１４を行った後に、ステップＳ３１において、ステップＳ１３により判別した又はステップＳ１４において表示した鉄筋コンクリート部材７の劣化状況を入力する。

次に、ステップＳ３２へ移行し、ステップＳ３１において入力した鉄筋コンクリート部材７の劣化状況と第３連関度の高い鉄筋コンクリート部材７の劣化状況に対する対策を探索する。この探索を行う前において、データベース３（第３連関データベース３３）は、参照用入力パラメータとしての鉄筋コンクリート部材７の劣化状況と、鉄筋コンクリート部材７の劣化状況に対する対策との第３連関度を予め取得しておく。

図３４は、このデータベース３（第３連関データベース３３）において予め取得した第３連関度の例を示している。図３４の例では、対策として、断面修復工法、脱塩工法、電気防食工法、表面被覆工法、表面含浸工法、増厚工法、再アルカリ化工法、リチウム含浸工法、防水工法等の対策工法を例示している。

データベース３（第３連関データベース３３）には、参照用入力パラメータとしての鉄筋コンクリート部材７の劣化状況と、出力解としての鉄筋コンクリート部材７の劣化状況に対する対策の判別結果との間での３段階以上の第３連関度を予め記憶させておく。図３４の例によれば、参照用入力パラメータが「塩害」である場合に、対策としての「断面修復工法」が第３連関度８０％、対策としての「電気防食工法」が第３連関度４０％で設定されている。また参照用入力パラメータが「塩害と中性化との複合劣化」である場合に、対策としての「断面修復工法」が第３連関度５０％、対策としての「表面含浸工法」が第３連関度３０％で設定されている。

これらの第３連関度は、過去の鉄筋コンクリート部材７の劣化状況と、その判別結果としての鉄筋コンクリート部材７の劣化状況に対する対策をデータベース３（第３連関データベース３３）内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この第３連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この第３連関度は、ステップＳ１３において判別した鉄筋コンクリート部材７の劣化状況に基づいて、実際の鉄筋コンクリート部材７の劣化状況に対する対策を判別する上での的確性を示すものである。例えば鉄筋コンクリート部材７の劣化状況「塩害」に対しては、第３連関度８０％の「断面修復工法」が最も的確な判断に近く、第３連関度４０％の「電気防食工法」がこれに続く的確な判断ということになる。同様に鉄筋コンクリート部材７の劣化状況「中性化とアルカリ骨材反応との複合劣化」に対しては、第３連関度４０％の「防水工法」が最も的確な判断に近く、第３連関度３０％の「増厚工法」がこれに続く的確な判断ということになる。

ステップＳ３２に移行後、判別プログラムは、ステップＳ３１において入力した入力パラメータに基づいて、鉄筋コンクリート部材７の劣化状況に対する対策を判別する作業を行う。この鉄筋コンクリート部材７の劣化状況に対する対策を判別する上で予め取得した図３４に示す第３連関度を参照する。例えば、ステップＳ３１において入力した入力パラメータの鉄筋コンクリート部材７の劣化状況が、参照用入力パラメータとしての鉄筋コンクリート部材７の劣化状況「塩害」である場合には、上述した第３連関度を参照した場合、第３連関度の最も高い「断面修復工法」を最適解として選択する。但し、最も第３連関度の高いものを最適解として選択することは必須ではなく、第３連関度は低いものの連関性そのものは認められる「電気防食工法」を最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論である。即ち、この鉄筋コンクリート部材７の劣化状況に対する対策の選択は、第３連関度が高いものから順に選択される場合に限定されるものではなく、ケースに応じて第３連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

このようにして、ステップＳ３１において入力した入力パラメータを参照用入力パラメータに割り当てた後、当該参照用入力パラメータに設定された第３連関度に基づいて出力解としての鉄筋コンクリート部材７の劣化状況に対する対策を選択することになる。

なお、ステップＳ３１において入力した入力パラメータに対する出力解の選択方法は、上述した方法に限定されるものではなく、第３連関度を参照するものであればいかなる方法に基づいて実行するようにしてもよい。また、このステップＳ３２の探索動作では、人工知能を利用して行うようにしてもよい。

次にステップＳ３３へ移行し、選択した最適解としての鉄筋コンクリート部材７の劣化状況に対する対策を表示部２３を介して表示する。これによりユーザは、表示部２３を視認することにより、鉄筋コンクリート部材７の劣化状況に対する対策の判別結果を即座に把握することが可能となる。

また上述した実施の形態においては、鉄筋コンクリート部材７の劣化状況に対する対策として、断面修復工法、脱塩工法、電気防食工法、表面被覆工法、表面含浸工法、増厚工法、再アルカリ化工法、リチウム含浸工法、防水工法等を例にとり説明をしたが、これに限定されるものではなく、他のいかなる鉄筋コンクリート部材７の劣化状況に対する対策に代替されるものであってもよいことは勿論である。

ステップＳ１３において判別された何れの鉄筋コンクリート部材７の劣化状況においても、ユーザは、出力された判別結果に基づいて、鉄筋コンクリート部材７の劣化状況に対する対策を把握することができる。

本発明によれば、鉄筋コンクリート部材７の劣化状況の把握と、劣化状況に対する対策の把握とを、特段の熟練を要することなく容易に行うことが可能となる。

特に本発明によれば、鉄筋コンクリート部材７の劣化状況に対する対策の把握を、ステップＳ１３において判別した鉄筋コンクリート部材７の劣化状況に基づいて行うことが可能となる。また本発明によれば、鉄筋コンクリート部材７の劣化状況に対する対策の把握をより高精度に行うことが可能となる。更に、上述した第３連関度を人工知能で構成することにより、これを学習させることでその判別精度を更に向上させることが可能となる。

また、本発明によれば、３段階以上に設定されている第３連関度を介して最適な鉄筋コンクリート部材７の劣化状況に対する対策の判別結果の探索を行う点に特徴がある。第３連関度は、例えば０〜１００％までの数値で記述することができるが、これに限定されるものではなく３段階以上の数値で記述できるものであればいかなる段階で構成されていてもよい。

このような３段階以上の数値で表される第３連関度に基づいて探索することで、複数の鉄筋コンクリート部材７の劣化状況に対する対策の判別結果が選ばれる状況下において、当該第３連関度の高い順に探索して表示することも可能となる。このように第３連関度の高い順にユーザに表示できれば、より可能性の高い鉄筋コンクリート部材７の劣化状況に対する対策の判別結果を優先的に選択することを促すこともできる。一方、第３連関度の低い鉄筋コンクリート部材７の劣化状況に対する対策の判別結果であってもセカンドオピニオンという意味で表示することができ、ファーストオピニオンで上手く分析ができない場合において有用性を発揮することができる。

これに加えて、本発明によれば、第３連関度が１％のような極めて低い鉄筋コンクリート部材７の劣化状況に対する対策の判別結果も見逃すことなく判断することができる。第３連関度が極めて低い鉄筋コンクリート部材７の劣化状況に対する対策の判別結果であっても僅かな兆候として繋がっているものであり、何十回、何百回に一度は、鉄筋コンクリート部材７の劣化状況に対する対策の判別結果として役に立つ場合もあることをユーザに対して注意喚起することができる。

更に本発明によれば、このような３段階以上の第３連関度に基づいて探索を行うことにより、閾値の設定の仕方で、探索方針を決めることができるメリットがある。閾値を低くすれば、上述した第３連関度が１％のものであっても漏れなく拾うことができる反面、鉄筋コンクリート部材７の劣化状況に対する対策の判別結果を好適に検出できる可能性が低く、ノイズを沢山拾ってしまう場合もある。一方、閾値を高くすれば、最適な鉄筋コンクリート部材７の劣化状況に対する対策の判別結果を高確率で検出できる可能性が高い反面、通常は第３連関度は低くてスルーされるものの何十回、何百回に一度は出てくる好適な解を見落としてしまう場合もある。いずれに重きを置くかは、ユーザ側、システム側の考え方に基づいて決めることが可能となるが、このような重点を置くポイントを選ぶ自由度を高くすることが可能となる。

更に本発明では、上述した第３連関度を更新させるようにしてもよい。この更新は、例えばインターネットを始めとした公衆通信網を介して提供された情報を反映させるようにしてもよい。公衆通信網から取得可能なサイト情報や書き込み等を通じて、入力パラメータ（鉄筋コンクリート部材７の劣化状況の判別結果）と、出力解（鉄筋コンクリート部材７の劣化状況に対する対策の判別結果）との関係性について新たな知見が発見された場合には、当該知見に応じて第３連関度を上昇させ、或いは下降させる。

この第３連関度の更新は、公衆通信網から取得可能な情報に基づく場合以外に、専門家による研究データや論文、学会発表や、新聞記事、書籍等の内容に基づいてシステム側又はユーザ側が人為的に、又は自動的に更新するようにしてもよい。これらの更新処理においては人工知能を活用するようにしてもよい。

また、本発明によれば、それぞれ異なる第１連関データベース３１と、第３連関データベース３３とに記憶されたそれぞれの判別条件に基づいて、鉄筋コンクリート部材７の劣化状況に対する対策を判別することができる。これにより、新たに第１連関データベース３１又は第３連関データベース３３の何れか一方のみを更新させる場合には、第１連関データベース３１又は第３連関データベース３３の何れか他方を更新する必要がない。このため、第１連関データベース３１又は第３連関データベース３３の何れか一方のみの更新に伴い、第１連関データベース３１又は第３連関データベース３３を更新する負荷を抑制することが可能となる。

また、本発明では、ステップＳ１４における劣化状況の表示は、ステップＳ３３において対策を表示する際に行ってもよい。

１ 判別システム
２ 判別装置
２１ 内部バス
２３ 表示部
２４ 制御部
２５ 操作部
２６ 通信部
２７ 探索部
２８ 記憶部
３ データベース
３１ 第１連関データベース
３２ 第２連関データベース
３３ 第３連関データベース
６１ ノード
７ 鉄筋コンクリート部材
７１ コンクリート
７２ 鉄筋
８ 検査部
９ 評価装置

Claims (10)

1. 鉄筋コンクリート部材に対する過去の検査データと、当該検査データに対する鉄筋コンクリート部材の劣化状況の判別結果との３段階以上の第１連関度が予め記憶されている第１連関データベースと、
   新たに劣化状況を判別する鉄筋コンクリート部材に対して検査を行うことにより得られた検査データが入力される入力手段と、
   上記第１連関データベースに記憶されている第１連関度を参照し、上記入力手段を介して入力された検査データに基づき、鉄筋コンクリート部材の劣化状況を判別する判別手段とを備え、
   上記第１連関データベースは、ひび割れに関する検査、自然電位法による検査、分極抵抗法による検査、振動計測による検査、塩化物イオン量に関する検査、中性化深さに関する検査、Ｘ線回折法による検査、ＥＰＭＡ（Electron Probe Micro Analyzer）による検査、走査型電子顕微鏡による検査、蛍光Ｘ線元素分析による検査、酢酸ウラニル蛍光法による検査、及び偏光顕微鏡検査による検査の何れか２種以上の過去の検査データの組み合わせと、当該組み合わせに対する鉄筋コンクリート部材の劣化状況の判別結果との３段階以上の第１連関度が予め記憶され、
   上記入力手段は、新たに劣化状況を判別する鉄筋コンクリート部材に対して上記組み合わせを構成する何れか２種以上の上記検査を行うことにより得られた検査データが入力されること
   を特徴とする鉄筋コンクリート部材の判別システム。
2. 上記第１連関データベースは、上記鉄筋コンクリート部材に関する部材情報と上記検査による過去の検査データとの組み合わせと、当該組み合わせに対する鉄筋コンクリート部材の劣化状況の判別結果との３段階以上の第１連関度が予め記憶され、
   上記入力手段は、上記組み合わせを構成する鉄筋コンクリート部材に関する部材情報が更に入力されること
   を特徴とする請求項１記載の鉄筋コンクリート部材の判別システム。
3. 上記鉄筋コンクリート部材は、橋梁に用いられること
   を特徴とする請求項１又は２記載の鉄筋コンクリート部材の判別システム。
4. 上記鉄筋コンクリート部材は、箱桁橋、桁橋、床版橋、吊構造橋、複合構造橋、及びこれらが組み合わせられた橋、の何れかに用いられること
   を特徴とする請求項１〜３の何れか１項記載の鉄筋コンクリート部材の判別システム。
5. 上記鉄筋コンクリート部材は、ＰＣ橋梁に用いられること
   を特徴とする請求項１〜４の何れか１項記載の鉄筋コンクリート部材の判別システム。
6. 鉄筋コンクリート部材に対する過去の検査データと、当該検査データに対する鉄筋コンクリート部材の劣化状況の判別結果との３段階以上の第１連関度を予め取得する第１連関度取得ステップと、
   新たに劣化状況を判別する鉄筋コンクリート部材に対して検査を行うことにより得られた検査データを入力する第１入力ステップと、
   上記第１連関度取得ステップにおいて取得した第１連関度を参照し、上記第１入力ステップにおいて入力した検査データに基づいて、鉄筋コンクリート部材の劣化状況を判別する第１判別ステップとをコンピューターに実行させ、
   上記第１連関度取得ステップでは、ひび割れに関する検査、自然電位法による検査、分極抵抗法による検査、振動計測による検査、塩化物イオン量に関する検査、中性化深さに関する検査、Ｘ線回折法による検査、ＥＰＭＡ（Electron Probe Micro Analyzer）による検査、走査型電子顕微鏡による検査、蛍光Ｘ線元素分析による検査、酢酸ウラニル蛍光法による検査、及び偏光顕微鏡検査による検査の何れか２種以上の過去の検査データの組み合わせと、当該組み合わせに対する鉄筋コンクリート部材の劣化状況の判別結果との３段階以上の第１連関度を予め取得し、
   上記第１入力ステップでは、新たに劣化状況を判別する鉄筋コンクリート部材に対して上記組み合わせを構成する何れか２種以上の上記検査を行うことにより得られた検査データを入力すること
   を特徴とする鉄筋コンクリート部材の判別プログラム。
7. 上記第１連関度取得ステップでは、鉄筋コンクリート部材に関する部材情報と上記検査による過去の検査データとの組み合わせと、当該組み合わせに対する鉄筋コンクリート部材の劣化状況の判別結果との３段階以上の第１連関度を予め取得し、
   上記第１入力ステップでは、上記組み合わせを構成する鉄筋コンクリート部材に関する部材情報を更に入力すること
   を特徴とする請求項６記載の鉄筋コンクリート部材の判別プログラム。
8. 上記鉄筋コンクリート部材は、橋梁に用いられること
   を特徴とする請求項６又は７記載の鉄筋コンクリート部材の判別プログラム。
9. 上記鉄筋コンクリート部材は、箱桁橋、桁橋、床版橋、吊構造橋、複合構造橋、及びこれらが組み合わせられた橋、の何れかに用いられること
   を特徴とする請求項６〜８の何れか１項記載の鉄筋コンクリート部材の判別プログラム。
10. 上記鉄筋コンクリート部材は、ＰＣ橋梁に用いられること
    を特徴とする請求項６〜９の何れか１項記載の鉄筋コンクリート部材の判別プログラム。

Images