JP2020038132A - Crack on concrete surface specification method, crack specification device, and crack specification system, and program - Google Patents
Crack on concrete surface specification method, crack specification device, and crack specification system, and program Download PDFInfo
- Publication number
- JP2020038132A JP2020038132A JP2018165486A JP2018165486A JP2020038132A JP 2020038132 A JP2020038132 A JP 2020038132A JP 2018165486 A JP2018165486 A JP 2018165486A JP 2018165486 A JP2018165486 A JP 2018165486A JP 2020038132 A JP2020038132 A JP 2020038132A
- Authority
- JP
- Japan
- Prior art keywords
- crack
- image
- assumed
- wavelet
- line
- 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.)
- Granted
Links
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
Description
本発明は、コンクリート表面上のひび割れ特定方法、ひび割れ特定装置、ひび割れ特定システム及びプログラムに関する。 The present invention relates to a method for identifying a crack on a concrete surface, a crack identification device, a crack identification system, and a program.
現在、道路や橋梁、トンネルといった様々なインフラ施設の老朽化が進んでおり、改修工事が各地で行われ、また改修計画が進められている。インフラ施設の多くは鉄筋コンクリート構造物（ＲＣ構造物）や鋼構造物であるが、例えば竣工から４０年以上が経過したＲＣ構造物等の表面上には、様々な損傷部が存在している。この損傷部の具体例として、コンクリート表面上においては、ひび割れ、白華、遊離石灰、錆汁等が挙げられる。
ＲＣ構造物等の改修工事や改修計画に際しては、まず、インフラ施設の技術担当者や業務委託された調査会社もしくは建設会社の技術担当者により、ＲＣ構造物等の表面の点検が実施される。この点検では、ひび割れの幅や長さ、遊離石灰等の形状や面積などが定量的に評価され、この定量評価に基づいて、構造物の改修施工の有無やメンテナンスの有無等が判断されることになる。
ところで、ＲＣ構造物のコンクリート表面におけるひび割れを定量的に検出する方法が種々提案されている。これらのひび割れ検出方法はいずれも、ウェーブレット変換処理と二値化処理を実行する方法を共通の工程とした上で、必要に応じてノイズ除去処理を実行してひび割れを特定する方法である。
At present, various infrastructure facilities such as roads, bridges, and tunnels are aging, and renovation works are being carried out in various places, and rehabilitation plans are being advanced. Many of the infrastructure facilities are reinforced concrete structures (RC structures) and steel structures. For example, various damaged portions are present on the surface of RC structures that have been completed for more than 40 years. Specific examples of the damaged portion include cracks, efflorescence, free lime, rust juice, etc. on the concrete surface.
At the time of the repair work or the repair plan of the RC structure or the like, first, the surface of the RC structure or the like is inspected by the technical staff of the infrastructure facility or the technical staff of the research company or the construction company outsourced. In this inspection, the width and length of cracks, the shape and area of free lime, etc. are quantitatively evaluated, and based on this quantitative evaluation, the presence or absence of repair work and maintenance of the structure are judged. become.
By the way, various methods for quantitatively detecting cracks on the concrete surface of the RC structure have been proposed. In any of these crack detection methods, the method of performing the wavelet transform processing and the binarization processing is a common step, and the noise is removed as necessary to specify a crack.
特許文献１乃至８に記載のひび割れ特定方法によれば、コンクリート表面の汚れや照明条件などによりひび割れの検出が困難な場合においても、高精度にひび割れの検出を行うことができる。しかしながら、これらの文献に記載の特定方法は、ひび割れ検出対象であるコンクリート表面の全面を解析対象とすることから、解析に時間を要するといった新たな課題が生じている。 According to the crack specifying methods described in Patent Literatures 1 to 8, even when it is difficult to detect cracks due to dirt on the concrete surface or lighting conditions, cracks can be detected with high accuracy. However, the specific methods described in these documents have a new problem that analysis requires time since the entire surface of the concrete surface to be cracked is to be analyzed.
本発明は上記課題に鑑みてなされたものであり、ひび割れ検出の解析時間の短縮を図りながら高精度のひび割れ検出をおこなうことができる、コンクリート表面上のひび割れ特定方法、ひび割れ特定装置、ひび割れ特定システム及びプログラムを提供することを目的としている。 The present invention has been made in view of the above problems, and it is possible to perform high-precision crack detection while shortening the analysis time of crack detection, a method for identifying a crack on a concrete surface, a crack identification device, and a crack identification system. And provide programs.
前記目的を達成すべく、本発明によるコンクリート表面上のひび割れ特定方法の一態様は、
ひび割れを内包するコンクリート表面の撮影画像をコンピュータに入力して入力画像を作成する、入力画像作成工程と、
コンクリート表面におけるひび割れの特徴をコンピュータに学習させた学習情報に基づいて、前記入力画像からひび割れと想定される想定ひび割れを抽出し、該想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成し、該想定ひび割れ描画ラインを含む描画含有画像を作成する、描画工程と、
前記描画含有画像に対してウェーブレット変換処理を実行し、各画素がウェーブレット係数を有するウェーブレット画像を作成するウェーブレット画像作成工程と、
ウェーブレット係数の閾値となるウェーブレット係数テーブルを用いて、前記ウェーブレット画像の各画素を二値化して二値化画像を作成する二値化画像作成工程と、を有することを特徴とする。
In order to achieve the above object, one embodiment of the method for identifying cracks on a concrete surface according to the present invention includes:
An input image creation step of inputting a captured image of a concrete surface containing cracks into a computer to create an input image,
Based on learning information obtained by learning a feature of a crack on a concrete surface by a computer, an assumed crack that is assumed to be a crack is extracted from the input image, and an assumed crack drawing line is drawn by drawing along the assumed crack. Creating a drawing-containing image including the assumed crack drawing line, a drawing step,
Performing a wavelet transform process on the drawing-containing image, a wavelet image creating step of creating a wavelet image in which each pixel has a wavelet coefficient,
A binarized image creating step of binarizing each pixel of the wavelet image to create a binarized image using a wavelet coefficient table serving as a threshold of the wavelet coefficient.
本態様によれば、入力画像からひび割れと想定される想定ひび割れを抽出し、想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成し、この想定ひび割れ描画ラインを含む描画含有画像に対してウェーブレット変換処理を実行することにより、ひび割れ画像解析範囲（もしくは解析対象）を可及的に絞ることができる。そのため、従来の方法に比して解析時間を大幅に短縮することが可能になる。また、想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成するに当たり、解析者による描画に代わり、コンクリート表面におけるひび割れの特徴を学習したコンピュータがこの学習情報に基づいて描画することにより、解析者による描画を解消することができ、解析者による描画に比べて格段に短時間にて想定ひび割れ描画ラインを作成することが可能になる。さらに、このようにして作成された描画含有画像に対してウェーブレット変換処理を実行して二値化画像を作成することにより、高い精度でひび割れの検出を行うことができる。 According to this aspect, an assumed crack that is assumed to be a crack is extracted from the input image, drawn along the assumed crack to create an assumed crack drawing line, and a wavelet is generated for the drawing-containing image including the assumed crack drawing line. By executing the conversion process, the crack image analysis range (or analysis target) can be narrowed as much as possible. Therefore, the analysis time can be significantly reduced as compared with the conventional method. Also, in creating an assumed crack drawing line by drawing along the assumed crack, instead of drawing by the analyst, the computer that has learned the characteristics of cracks on the concrete surface draws based on this learning information, and the Can be eliminated, and an assumed cracked drawing line can be created in a much shorter time than drawing by an analyst. Furthermore, by performing a wavelet transform process on the drawing-containing image created in this way to create a binarized image, it is possible to detect cracks with high accuracy.
また、本発明によるコンクリート表面上のひび割れ特定方法の他の態様は、
ひび割れを内包するコンクリート表面の撮影画像をコンピュータに入力して入力画像を作成する、入力画像作成工程と、
コンクリート表面におけるひび割れの特徴をコンピュータに学習させた学習情報に基づいて、前記入力画像からひび割れと想定される想定ひび割れを抽出し、該想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成する、描画工程と、
前記想定ひび割れ描画ラインをその幅方向に広げて太線化させて想定ひび割れ太線化ラインを作成し、該想定ひび割れ太線化ラインを含む太線含有画像を作成する、太線化工程と、
前記太線含有画像に対してウェーブレット変換処理を実行し、各画素がウェーブレット係数を有するウェーブレット画像を作成するウェーブレット画像作成工程と、
ウェーブレット係数の閾値となるウェーブレット係数テーブルを用いて、前記ウェーブレット画像の各画素を二値化して二値化画像を作成する二値化画像作成工程と、を有することを特徴とする。
本態様によれば、想定ひび割れ描画ラインをその幅方向に広げて太線化させて想定ひび割れ太線化ラインを作成し、想定ひび割れ太線化ラインを含む太線含有画像に対してウェーブレット変換処理を実行することにより、より一層高い精度でコンクリート表面におけるひび割れを特定することができる。
Another aspect of the method for identifying cracks on a concrete surface according to the present invention is as follows.
An input image creation step of inputting a captured image of a concrete surface containing cracks into a computer to create an input image,
Based on learning information obtained by causing a computer to learn the characteristics of cracks on the concrete surface, extract assumed cracks that are assumed to be cracks from the input image, and draw an assumed crack drawing line by drawing along the assumed cracks. A drawing process;
The assumed crack drawing line is expanded in the width direction to be thickened to create an assumed crack thickened line, and a thick line containing image including the assumed crack thickened line is created, a thickening step.
Performing a wavelet transform process on the thick line-containing image, a wavelet image creating step in which each pixel creates a wavelet image having a wavelet coefficient,
A binarized image creating step of binarizing each pixel of the wavelet image to create a binarized image using a wavelet coefficient table serving as a threshold of the wavelet coefficient.
According to the present aspect, the assumed crack drawing line is expanded in the width direction and thickened to create an assumed crack thickened line, and the wavelet transform process is performed on the thick line-containing image including the assumed crack thickened line. Thereby, cracks on the concrete surface can be specified with higher accuracy.
また、本発明によるコンクリート表面上のひび割れ特定装置の一態様は、
ひび割れを内包するコンクリート表面の撮影画像が入力される入力部と、
前記撮影画像に基づいて入力画像を作成する、入力画像作成部と、
コンクリート表面におけるひび割れの特徴をコンピュータに学習させた学習情報に基づいて、前記入力画像からひび割れと想定される想定ひび割れを抽出し、該想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成し、該想定ひび割れ描画ラインを含む描画含有画像を作成する、描画部と、
前記描画含有画像に対してウェーブレット変換処理を実行し、各画素がウェーブレット係数を有するウェーブレット画像を作成する、ウェーブレット画像作成部と、
ウェーブレット係数の閾値となるウェーブレット係数テーブルを用いて、前記ウェーブレット画像の各画素を二値化して二値化画像を作成する、二値化画像作成部と、を有することを特徴とする。
本態様によれば、コンクリート表面におけるひび割れの特徴を学習したコンピュータがこの学習情報に基づいて、入力画像から想定ひび割れを抽出し、想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成し、この想定ひび割れ描画ラインを含む描画含有画像に対してウェーブレット変換処理を実行することにより、解析時間を大幅に短縮しながら、高い精度でコンクリート表面におけるひび割れを特定することができる。
Further, one embodiment of the crack identifying device on the concrete surface according to the present invention,
An input unit for inputting a captured image of a concrete surface containing cracks,
Creating an input image based on the captured image, an input image creation unit,
Based on learning information obtained by learning a feature of a crack on a concrete surface by a computer, an assumed crack that is assumed to be a crack is extracted from the input image, and an assumed crack drawing line is drawn by drawing along the assumed crack. Creating a drawing-containing image including the assumed crack drawing line, a drawing unit,
Performing a wavelet transformation process on the drawing-containing image to create a wavelet image in which each pixel has a wavelet coefficient, a wavelet image creation unit,
A binarized image creating unit that binarizes each pixel of the wavelet image to create a binarized image using a wavelet coefficient table that is a threshold of a wavelet coefficient.
According to this aspect, the computer that has learned the characteristics of the crack on the concrete surface extracts the assumed crack from the input image based on the learning information, and draws the assumed crack along the assumed crack to create an assumed crack drawing line. By performing the wavelet transform process on the drawing-containing image including the assumed crack drawing line, the crack on the concrete surface can be specified with high accuracy while significantly reducing the analysis time.
また、本発明によるコンクリート表面上のひび割れ特定装置の他の態様は、
ひび割れを内包するコンクリート表面の撮影画像が入力される入力部と、
前記撮影画像に基づいて入力画像を作成する、入力画像作成部と、
コンクリート表面におけるひび割れの特徴をコンピュータに学習させた学習情報に基づいて、前記入力画像からひび割れと想定される想定ひび割れを抽出し、該想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成し、該想定ひび割れ描画ラインを含む描画含有画像を作成する、描画部と、
前記想定ひび割れ描画ラインをその幅方向に広げて太線化させて想定ひび割れ太線化ラインを作成し、該想定ひび割れ太線化ラインを含む太線含有画像を作成する、太線化部と、
前記太線含有画像に対してウェーブレット変換処理を実行し、各画素がウェーブレット係数を有するウェーブレット画像を作成する、ウェーブレット画像作成部と、
ウェーブレット係数の閾値となるウェーブレット係数テーブルを用いて、前記ウェーブレット画像の各画素を二値化して二値化画像を作成する、二値化画像作成部と、を有することを特徴とする。
本態様によれば、想定ひび割れ描画ラインをその幅方向に広げて太線化させて想定ひび割れ太線化ラインを作成し、想定ひび割れ太線化ラインを含む太線含有画像に対してウェーブレット変換処理を実行することにより、より一層高い精度でコンクリート表面におけるひび割れを特定することができる。
Further, another aspect of the device for identifying a crack on a concrete surface according to the present invention includes:
An input unit for inputting a captured image of a concrete surface containing cracks,
Creating an input image based on the captured image, an input image creation unit,
Based on learning information obtained by learning a feature of a crack on a concrete surface by a computer, an assumed crack that is assumed to be a crack is extracted from the input image, and an assumed crack drawing line is drawn by drawing along the assumed crack. Creating a drawing-containing image including the assumed crack drawing line, a drawing unit,
The assumed crack drawing line is expanded in the width direction to be thickened to create an assumed crack thickened line, and a thick line-containing image including the assumed crack thickened line is created.
Performing a wavelet transform process on the thick line-containing image to create a wavelet image in which each pixel has a wavelet coefficient, a wavelet image creating unit,
A binarized image creating unit that binarizes each pixel of the wavelet image to create a binarized image using a wavelet coefficient table that is a threshold of a wavelet coefficient.
According to the present aspect, the assumed crack drawing line is expanded in the width direction and thickened to create an assumed crack thickened line, and the wavelet transform process is performed on the thick line-containing image including the assumed crack thickened line. Thereby, cracks on the concrete surface can be specified with higher accuracy.
また、本発明によるコンクリート表面上のひび割れ特定システムの一態様は、
前記ひび割れ特定装置と、
前記撮影画像を撮像する撮像装置と、を有し、
前記撮影画像が前記ひび割れ特定装置の前記入力部に入力されることを特徴とする。
本態様によれば、コンクリート表面上の撮像からひび割れ特定を全て自動的に行いながら、高い精度にてコンクリート表面におけるひび割れを特定することができる。
One aspect of the system for identifying cracks on a concrete surface according to the present invention includes:
Said crack identification device;
An imaging device that captures the captured image,
The captured image is input to the input unit of the crack identification device.
According to this aspect, it is possible to identify cracks on the concrete surface with high accuracy while automatically performing crack identification from imaging on the concrete surface.
また、本発明によるコンクリート表面上のひび割れ特定プログラムの一態様は、
コンクリート表面上のひび割れを特定するコンピュータに以下の処理を実行させるプログラムであって、
ひび割れを内包するコンクリート表面の撮影画像をコンピュータに入力して入力画像を作成する工程と、
コンクリート表面におけるひび割れの特徴をコンピュータに学習させた学習情報に基づいて、前記入力画像からひび割れと想定される想定ひび割れを抽出し、該想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成し、該想定ひび割れ描画ラインを含む描画含有画像を作成する工程と、
前記描画含有画像に対してウェーブレット変換処理を実行し、各画素がウェーブレット係数を有するウェーブレット画像を作成する工程と、
ウェーブレット係数の閾値となるウェーブレット係数テーブルを用いて、前記ウェーブレット画像の各画素を二値化して二値化画像を作成する工程と、を実行させることを特徴とする。
本態様のプログラムの各工程をコンピュータに実行させることにより、コンクリート表面上のひび割れを短時間で高精度にて特定することができる。
Further, one aspect of the crack identification program on the concrete surface according to the present invention,
A program that causes a computer that identifies cracks on a concrete surface to execute the following processing,
Inputting a captured image of a concrete surface containing cracks into a computer to create an input image;
Based on learning information obtained by learning a feature of a crack on a concrete surface by a computer, an assumed crack that is assumed to be a crack is extracted from the input image, and an assumed crack drawing line is drawn by drawing along the assumed crack. A step of creating a drawing-containing image including the assumed crack drawing line,
Performing a wavelet transform process on the drawing-containing image to create a wavelet image in which each pixel has a wavelet coefficient;
A step of binarizing each pixel of the wavelet image to create a binarized image using a wavelet coefficient table serving as a threshold value of the wavelet coefficient.
By causing the computer to execute each step of the program according to the present embodiment, cracks on the concrete surface can be specified in a short time with high accuracy.
また、本発明によるコンクリート表面上のひび割れ特定プログラムの他の態様は、
コンクリート表面上のひび割れを特定するコンピュータに以下の処理を実行させるプログラムであって、
ひび割れを内包するコンクリート表面の撮影画像をコンピュータに入力して入力画像を作成する工程と、
コンクリート表面におけるひび割れの特徴をコンピュータに学習させた学習情報に基づいて、前記入力画像からひび割れと想定される想定ひび割れを抽出し、該想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成する工程と、
前記想定ひび割れ描画ラインをその幅方向に広げて太線化させて想定ひび割れ太線化ラインを作成し、該想定ひび割れ太線化ラインを含む太線含有画像を作成する工程と、
前記太線含有画像に対してウェーブレット変換処理を実行し、各画素がウェーブレット係数を有するウェーブレット画像を作成する工程と、
ウェーブレット係数の閾値となるウェーブレット係数テーブルを用いて、前記ウェーブレット画像の各画素を二値化して二値化画像を作成する工程と、を実行させることを特徴とする。
本態様のプログラムの各工程をコンピュータに実行させることにより、コンクリート表面上のひび割れを短時間でより一層高精度にて特定することができる。
Another aspect of the program for identifying cracks on a concrete surface according to the present invention includes:
A program that causes a computer that identifies cracks on a concrete surface to execute the following processing,
Inputting a captured image of a concrete surface containing cracks into a computer to create an input image;
A step of extracting an assumed crack that is assumed to be a crack from the input image based on learning information obtained by causing a computer to learn characteristics of the crack on the concrete surface, and drawing the assumed crack along the assumed crack to create an assumed crack drawing line. When,
A step of creating an assumed crack thickened line by expanding the assumed crack drawing line in the width direction and thickening the same, and creating a thick line-containing image including the assumed crack thickened line,
Performing a wavelet transform process on the thick line-containing image to create a wavelet image in which each pixel has a wavelet coefficient;
A step of binarizing each pixel of the wavelet image to create a binarized image using a wavelet coefficient table serving as a threshold value of the wavelet coefficient.
By causing the computer to execute each step of the program according to this aspect, it is possible to identify cracks on the concrete surface in a short time and with higher accuracy.
以上の説明から理解できるように、本発明のコンクリート表面上のひび割れ特定方法、ひび割れ特定装置、ひび割れ特定システム及びプログラムによれば、コンクリート表面上のひび割れを可及的に短時間で精度よく特定することができる。 As can be understood from the above description, according to the method for identifying a crack on a concrete surface, the crack identifying device, the crack identifying system and the program of the present invention, a crack on a concrete surface is identified as accurately as possible in a short time. be able to.
以下、各実施形態のひび割れ特定方法、ひび割れ特定装置、ひび割れ特定システム及びプログラムについて添付の図面を参照しながら説明する。尚、本明細書及び図面において、実質的に同一の構成要素については、同一の符号を付することにより重複した説明を省く場合がある。 Hereinafter, a crack specifying method, a crack specifying device, a crack specifying system, and a program according to each embodiment will be described with reference to the accompanying drawings. In the specification and the drawings, substantially the same components are denoted by the same reference numerals, and redundant description may be omitted.
［実施形態に係るひび割れ特定システム］
はじめに、ひび割れ特定システムの全体構成について説明する。図１は、ひび割れ特定システムの全体構成の一例を示す図である。図１に示すように、ひび割れ特定システム１０００は、撮像装置１００と、ひび割れ特定装置３００（３００Ａ）とを有する。ひび割れ特定装置３００はコンピュータにより構成され、撮像装置１００とひび割れ特定装置３００とはそれぞれ、インターネットやＬＡＮ（Local Area Network）等に代表されるネットワーク２００を介して接続されている。
[Crack specifying system according to embodiment]
First, the overall configuration of the crack identification system will be described. FIG. 1 is a diagram illustrating an example of the entire configuration of the crack identification system. As shown in FIG. 1, the crack specifying system 1000 includes an imaging device 100 and a crack specifying device 300 (300A). The crack specifying device 300 is configured by a computer, and the imaging device 100 and the crack specifying device 300 are connected to each other via a network 200 typified by the Internet, a LAN (Local Area Network), or the like.
撮像装置１００は、ＣＣＤカメラやデジタルカメラ（一眼レフを含む）、デジタルカメラ（ハイビジョン）、デジタルビデオカメラ等の撮像部と、撮像部で取り込まれた画像データを送信する通信部とを有している。尚、撮像装置１００が撮影部のみを有し、撮像装置１００を携帯端末等に接続し、携帯端末等から画像データを送信する形態であってもよい。撮像装置１００で撮影した画像データは、ネットワーク２００を介してひび割れ特定装置３００に送信される。尚、この画像データには、コンクリート表面の画像情報が含まれる。例えば、建設から数十年が経過した鉄筋コンクリート製の道路橋やトンネル等のインフラ施設に関し、その改修施工の必要性の有無を判断するべく、撮像装置１００にてコンクリート表面が撮像される。 The imaging apparatus 100 includes an imaging unit such as a CCD camera, a digital camera (including a single-lens reflex camera), a digital camera (high definition), a digital video camera, and the like, and a communication unit that transmits image data captured by the imaging unit. I have. Note that the imaging device 100 may include only an imaging unit, connect the imaging device 100 to a mobile terminal or the like, and transmit image data from the mobile terminal or the like. Image data captured by the imaging device 100 is transmitted to the crack identification device 300 via the network 200. The image data includes image information of the concrete surface. For example, regarding an infrastructure facility such as a reinforced concrete road bridge or a tunnel that has been constructed for several decades, the concrete device is imaged by the imaging device 100 in order to determine whether or not the renovation is necessary.
ひび割れ特定装置３００には、データ収集プログラム、データ解析プログラムがインストールされており、ひび割れ特定装置３００はこれらのプログラムを実行することにより、データ収集部３０１及びデータ解析部３０２として機能する。 A data collection program and a data analysis program are installed in the crack identification device 300, and the crack identification device 300 functions as a data collection unit 301 and a data analysis unit 302 by executing these programs.
データ収集部３０１は、撮像装置１００で撮像され、撮像装置１００もしくは撮像装置１００に接続された携帯端末等から送信された画像データを受信し、データ格納部３０３に格納する。また、データ解析部３０２は、データ格納部３０３に格納された画像データに基づいて解析を実行する。 The data collection unit 301 receives image data captured by the imaging device 100 and transmitted from the imaging device 100 or a portable terminal or the like connected to the imaging device 100, and stores the data in the data storage unit 303. Further, the data analysis unit 302 performs an analysis based on the image data stored in the data storage unit 303.
尚、ひび割れ特定システムは、撮像装置１００の撮像部で取り込まれた画像データをネットワーク２００を介してひび割れ特定装置３００に送信する形態の他に、ＣＤ−ＲＯＭやＤＶＤ、メモリカード等の可搬性のコンピュータによる読み取りが可能な記憶媒体に収容された状態でひび割れ特定装置３００にセットされ、読み出される形態であってもよい。 It should be noted that the crack specifying system may be configured to transmit image data captured by the imaging unit of the image capturing apparatus 100 to the crack specifying apparatus 300 via the network 200, or may be used in a portable device such as a CD-ROM, a DVD, or a memory card. It may be set in the crack specifying device 300 in a state of being stored in a storage medium readable by a computer, and may be read.
［第１の実施形態に係るひび割れ特定装置］
＜ひび割れ特定装置のハードウェア構成＞
次に、図２を参照して、ひび割れ特定装置のハードウェア構成について説明する。図２は、ひび割れ特定装置３００（３００Ａ）のハードウェア構成の一例を示す図である。図２に示すように、ひび割れ特定装置３００は、ＣＰＵ（Central Processing Unit）４０１、ＲＯＭ（Read Only Memory）４０２、ＲＡＭ（Random Access Memory）４０３、補助記憶部４０４、表示部４０５、及び通信部４０６を有する。尚、ひび割れ特定装置３００の各部は、バス４０７を介して相互に接続されている。
[Crack specifying device according to first embodiment]
<Hardware configuration of crack identification device>
Next, a hardware configuration of the crack identification device will be described with reference to FIG. FIG. 2 is a diagram illustrating an example of a hardware configuration of the crack identification device 300 (300A). As shown in FIG. 2, the crack specifying device 300 includes a CPU (Central Processing Unit) 401, a ROM (Read Only Memory) 402, a RAM (Random Access Memory) 403, an auxiliary storage unit 404, a display unit 405, and a communication unit 406. Having. Note that the components of the crack identification device 300 are interconnected via a bus 407.
ＣＰＵ４０１は、補助記憶部４０４にインストールされた各種プログラムを実行する。ＲＯＭ４０２は不揮発性メモリであり、補助記憶部４０４に格納された各種プログラムをＣＰＵ４０１が実行するために必要な各種プログラムやデータ等を格納する主記憶部として機能する。ＲＡＭ４０３は揮発性メモリであり、主記憶部として機能する。ＲＡＭ４０３は、補助記憶部４０４に格納された各種プログラムがＣＰＵ４０１に実行される際の作業領域として機能する。補助記憶部４０４は、ひび割れ特定装置３００にインストールされた各種プログラムや、各種プログラムを実行する際に用いるデータ等を格納する。 The CPU 401 executes various programs installed in the auxiliary storage unit 404. The ROM 402 is a nonvolatile memory, and functions as a main storage unit that stores various programs, data, and the like necessary for the CPU 401 to execute various programs stored in the auxiliary storage unit 404. The RAM 403 is a volatile memory and functions as a main storage unit. The RAM 403 functions as a work area when various programs stored in the auxiliary storage unit 404 are executed by the CPU 401. The auxiliary storage unit 404 stores various programs installed in the crack identification device 300, data used when executing the various programs, and the like.
表示部４０５は、各種画面を表示する。例えば、撮像装置１００から送信されてきた画像データを撮影画像として表示し、その他、描画含有画像やウェーブレット画像、二値化画像等を表示する。 The display unit 405 displays various screens. For example, the image data transmitted from the imaging device 100 is displayed as a captured image, and in addition, a drawing-containing image, a wavelet image, a binary image, and the like are displayed.
通信部４０６は、撮像装置１００もしくは撮像装置１００と接続される携帯端末等と接続し、撮像装置１００等から画像データを受信したり、ひび割れ特定装置３００にて特定され、作成されたひび割れ幅ごとの長さやひび割れ総延長等を撮像装置１００に接続された携帯端末等に送信したりする。 The communication unit 406 is connected to the imaging device 100 or a portable terminal or the like connected to the imaging device 100, receives image data from the imaging device 100 or the like, or is specified by the crack identification device 300, and for each created crack width. Or the total length of a crack or the like to a mobile terminal or the like connected to the imaging device 100.
＜ひび割れ特定装置の機能構成＞
次に、図３を参照して、コンクリート表面上のひび割れを特定する、第１の実施形態に係るひび割れ特定装置の機能構成について説明する。図３は、ひび割れ特定装置３００の機能構成の一例を示す図である。図３に示すように、撮像装置１００から送信された画像データは、データ収集部３０１にて受信され、データ収集部３０１からデータ格納部３０３に一時的に格納される。データ解析部３０２による解析の実行に当たり、データ格納部３０３で格納されている画像データがデータ解析部３０２における入力部５０２に取り込まれる。
<Functional configuration of crack identification device>
Next, a functional configuration of the crack specifying device according to the first embodiment for specifying a crack on a concrete surface will be described with reference to FIG. FIG. 3 is a diagram illustrating an example of a functional configuration of the crack identification device 300. As shown in FIG. 3, the image data transmitted from the imaging device 100 is received by the data collection unit 301, and is temporarily stored in the data storage unit 303 from the data collection unit 301. In executing the analysis by the data analysis unit 302, the image data stored in the data storage unit 303 is taken into the input unit 502 of the data analysis unit 302.
データ解析部３０２は、入力部５０２、入力画像作成部５０４、描画部５０６、ウェーブレット画像作成部５０８、ウェーブレット係数テーブル作成部５１０、二値化画像作成部５１２、及び、ひび割れ情報作成部５１４を有する。データ解析部３０２はさらに、特徴データベース格納部５５０と機械学習部５５２を有する。 The data analysis unit 302 includes an input unit 502, an input image creation unit 504, a drawing unit 506, a wavelet image creation unit 508, a wavelet coefficient table creation unit 510, a binarized image creation unit 512, and a crack information creation unit 514. . The data analysis unit 302 further includes a feature database storage unit 550 and a machine learning unit 552.
入力部５０２は、データ格納部３０３で格納されている画像データに基づく撮影画像を取り込んで入力される。データ格納部３０３には、様々なコンクリート表面の画像データが格納されているが、解析者による指定により、解析対象となる画像データに基づく撮影画像が選択され、入力部５０２に取り込まれて入力される。 The input unit 502 captures and inputs a captured image based on the image data stored in the data storage unit 303. The image data of various concrete surfaces is stored in the data storage unit 303, and a photographed image based on the image data to be analyzed is selected by an analyst, and is input to the input unit 502. You.
入力画像作成部５０４は、入力部５０２に入力された撮影画像に対し、必要に応じて撮影画像の輝度を補正して入力画像を作成する。例えば、輝度は輝度値０乃至２５５の２５６階調を有しているが、入力画像作成部５０４には、予め、解析者によって所定の輝度補正値が入力されている。例えば、入力画像作成部５０４に輝度補正値として１５０が入力されている場合、入力画像作成部５０４は、入力部５０２から取り込んだ撮影画像の輝度を特定し、撮影画像の輝度が輝度補正値である１５０になるように輝度補正処理をおこない、入力画像を作成する。尚、このような輝度補正の実行の有無は任意である。 The input image creation unit 504 creates an input image by correcting the brightness of the captured image input to the input unit 502 as necessary. For example, the luminance has 256 gradations of luminance values 0 to 255, and a predetermined luminance correction value is input to the input image creating unit 504 in advance by an analyst. For example, when 150 is input as the luminance correction value to the input image generation unit 504, the input image generation unit 504 specifies the luminance of the captured image captured from the input unit 502, and determines the luminance of the captured image as the luminance correction value. A luminance correction process is performed so as to be a certain 150, and an input image is created. Whether or not such luminance correction is performed is optional.
描画部５０６は、コンクリート表面におけるひび割れの特徴をコンピュータに学習させた学習情報に基づいて、入力画像からひび割れと想定される想定ひび割れを抽出し、この想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成し、この想定ひび割れ描画ラインを含む描画含有画像を作成する。 The drawing unit 506 extracts an assumed crack that is assumed to be a crack from an input image based on learning information obtained by causing a computer to learn characteristics of a crack on a concrete surface, and draws the assumed crack along the assumed crack to draw an assumed crack drawing line. Is created, and a drawing-containing image including this assumed crack drawing line is created.
ここで、学習情報について概説する。まず、特徴データベース格納部５５０には、多様なコンクリート表面画像が格納されている。このコンクリート表面画像の上には、解析者がひび割れであると判断するひび割れラインが描画されている。従って、格納されているコンクリート表面画像には、撮影画像と、描画されたひび割れラインが内包されている。機械学習部５５２では、特徴データベース格納部５５０に入力されているコンクリート表面画像と、コンクリート表面画像中に描画されているひび割れラインと、に基づき、各々のコンクリート表面画像においてひび割れの特徴を機械学習させた関数やひび割れの特徴を示すモデルを作成する。ひび割れの特徴を機械学習させた関数やひび割れの特徴を示すモデルは、例えばニューラルネットワークを用いた教師付きの学習等、既存の技術を用いて作成することができるが、その作成手法は特に限定されない。機械学習部５５２において機械学習を繰り返すことにより、多様なコンクリート表面画像における多様なひび割れパターンが学習される。コンクリート表面画像に対して学習されたひび割れパターンに関する学習データは、例えばデータ格納部３０３に格納される。 Here, the learning information will be outlined. First, various concrete surface images are stored in the feature database storage unit 550. On this concrete surface image, a crack line determined by the analyst to be a crack is drawn. Therefore, the stored concrete surface image includes the photographed image and the drawn crack line. The machine learning unit 552 machine-learns the feature of the crack in each concrete surface image based on the concrete surface image input to the feature database storage unit 550 and the crack line drawn in the concrete surface image. Create a model that shows the functions and crack features. A function obtained by machine-learning a feature of a crack and a model showing the feature of a crack can be created by using an existing technique such as supervised learning using a neural network, but the creating method is not particularly limited. . By repeating machine learning in the machine learning unit 552, various crack patterns in various concrete surface images are learned. The learning data on the crack pattern learned from the concrete surface image is stored in the data storage unit 303, for example.
ウェーブレット画像作成部５０８は、描画部５０６において作成された、想定ひび割れ描画ラインを含む描画含有画像に対してウェーブレット変換処理を実行することにより、ウェーブレット画像を作成する。ウェーブレット（wavelet）とは、小さな波という意味であり、局在性を持つ波の基本単位を、ウェーブレット関数を用いた式で表現することができる。このウェーブレット関数を拡大または縮小することにより、時間情報や空間情報と周波数情報を同時に解析することが可能になる。このウェーブレット係数を、ひび割れを有するコンクリート表面に適用する場合のこの係数の特徴としては、コンクリート表面の濃度と、ひび割れの濃度と、ひび割れの幅（もしくは広さ）に依存するということである。例えば、ひび割れの幅が大きくなるにつれてウェーブレット係数の値は大きくなる傾向があり、また、ひび割れの濃度が濃くなるにつれて（黒色に近づくにつれて）ウェーブレット係数の値は大きくなる傾向がある。ウェーブレット変換処理によって算定されるウェーブレット係数を用いて、二値化画像を作成するアルゴリズムについては以下で詳説する。 The wavelet image creation unit 508 creates a wavelet image by executing a wavelet transform process on the drawing-containing image including the assumed crack drawing line created by the drawing unit 506. A wavelet means a small wave, and a basic unit of a localized wave can be expressed by an expression using a wavelet function. By expanding or reducing this wavelet function, it becomes possible to analyze time information, spatial information and frequency information simultaneously. When applying this wavelet coefficient to a concrete surface having cracks, the characteristic of the coefficient is that it depends on the concentration of the concrete surface, the concentration of the crack, and the width (or width) of the crack. For example, the value of the wavelet coefficient tends to increase as the width of the crack increases, and the value of the wavelet coefficient tends to increase as the density of the crack increases (approaches black). An algorithm for creating a binarized image using the wavelet coefficients calculated by the wavelet transform processing will be described in detail below.
ウェーブレット係数テーブル作成部５１０は、ウェーブレット画像から二値化画像を作成する際の閾値となるウェーブレット係数を作成する。ウェーブレット係数は、上記するようにひび割れの幅やひび割れの濃度、コンクリート表面の濃度によって変化することから、擬似的に作成されたデータを用いてひび割れの濃度とコンクリート表面の濃度に関するウェーブレット係数を各階調毎に算定しておき、ウェーブレット係数テーブルを作成する。例えば、対比される２つの濃度（一方の濃度をコンクリート表面の濃度、他方の濃度をひび割れの濃度と仮定することができる）に対応するウェーブレット係数（閾値）が、ウェーブレット係数テーブルを参照すれば一義的に決定される。 The wavelet coefficient table creation unit 510 creates a wavelet coefficient serving as a threshold when creating a binarized image from a wavelet image. Since the wavelet coefficient varies depending on the width of the crack, the density of the crack, and the density of the concrete surface as described above, the wavelet coefficient relating to the density of the crack and the density of the concrete surface is calculated for each gradation by using simulated data. It is calculated for each and a wavelet coefficient table is created. For example, the wavelet coefficients (thresholds) corresponding to two densities to be compared (one density can be assumed to be the density of the concrete surface and the other density can be assumed to be the density of cracks) are unambiguous by referring to the wavelet coefficient table. Is determined.
二値化画像作成部５１２は、ウェーブレット画像作成部５０８で作成されたウェーブレット画像の各画素と、ウェーブレット係数テーブル作成部５１０で作成された閾値となるウェーブレット係数とを比較演算する二値化処理を実行する。例えば、ウェーブレット画像を構成する各画素のウェーブレット係数値が、ウェーブレット係数テーブルの閾値よりも大きい場合は当該画素がひび割れであると判断して１を割り当て、閾値よりも小さい場合は当該画素がひび割れでないと判断して０を割り当てる二値化処理を実行する。したがって、二値化画像は、各画素が０と１のいずれかで表現された画像となる。 The binarized image creation unit 512 performs a binarization process of comparing each pixel of the wavelet image created by the wavelet image creation unit 508 with a wavelet coefficient that is a threshold created by the wavelet coefficient table creation unit 510. Execute. For example, if the wavelet coefficient value of each pixel constituting the wavelet image is larger than the threshold value of the wavelet coefficient table, it is determined that the pixel is cracked and 1 is assigned. If the wavelet coefficient value is smaller than the threshold value, the pixel is not cracked. And a binarization process for assigning 0 is performed. Therefore, the binarized image is an image in which each pixel is represented by either 0 or 1.
ひび割れ情報作成部５１４は、二値化画像作成部５１２にて作成された二値化画像中のひび割れ群の中にある各ひび割れを構成する各画素に対して、ひび割れ幅ごとのひび割れ長さ、平均ひび割れ幅、ひび割れ密度、ひび割れ総延長などに関するひび割れ情報を作成し、適宜分類する。 The crack information creation unit 514 determines the crack length for each crack width, for each pixel constituting each crack in the group of cracks in the binary image created by the binary image creation unit 512, Crack information on average crack width, crack density, total crack extension, etc. is created and classified as appropriate.
ひび割れ情報作成部５１４において作成された各種データは、データ格納部３０３に格納される。また、上記する各部で作成された画像もデータ格納部３０３に格納される。また、各部で作成された画像や作成されたテーブルは表示部４０５（図２参照）にて適宜表示され、解析者は都度所望の画像やテーブルを確認することができる。 The various data created by the crack information creation unit 514 is stored in the data storage unit 303. The images created by the above-described units are also stored in the data storage unit 303. The images and tables created by the respective units are appropriately displayed on the display unit 405 (see FIG. 2), so that the analyst can check desired images and tables each time.
解析者は、ひび割れ情報作成部５１４にて作成され、表示されたひび割れ情報に関するテーブル等に基づいて、検査対象である鉄筋コンクリート構造物等の改修施工の要否等の判断を、客観的な指標に基づいて実行することが可能になる。 The analyst, based on a table or the like related to the crack information created and displayed by the crack information creating unit 514, determines whether or not repair work on the reinforced concrete structure or the like to be inspected is an objective index. It is possible to execute based on.
［第１の実施形態に係るひび割れ特定方法］
次に、図４乃至図９を参照して、第１の実施形態に係るひび割れ特定方法について説明する。図４は、第１の実施形態に係るひび割れ特定方法を示すフローチャートであり、ひび割れ特定装置３００における処理の流れを示している。
[Crack specifying method according to first embodiment]
Next, a method for identifying a crack according to the first embodiment will be described with reference to FIGS. FIG. 4 is a flowchart showing the crack identification method according to the first embodiment, and shows the flow of processing in the crack identification device 300.
ステップＳ７００において、入力部５０２に取り込まれた画像データに基づき、入力画像作成部５０４において入力画像を作成する。図５Ａにおいて、入力画像の一例を写真図として示す（以上、入力画像作成工程）。 In step S700, an input image is created by the input image creation unit 504 based on the image data captured by the input unit 502. In FIG. 5A, an example of the input image is shown as a photographic diagram (the above, the input image creation step).
入力画像に関し、例えば輝度の補正処理を要する場合は輝度補正処理を実行して入力画像を作成し、輝度の補正処理が不要な場合は撮影画像をそのまま入力画像とする。２５６階調の輝度のうち、その中央値である１２８を含む１２０乃至１６０程度の範囲内で解析者が最適と判断する輝度を設定しておく。撮影画像の輝度が設定されている輝度と符合しない場合、撮影画像に対して輝度の補正処理を実行し、設定されている輝度を有する入力画像を作成する。 Regarding the input image, for example, when the luminance correction processing is required, the luminance correction processing is executed to create the input image, and when the luminance correction processing is unnecessary, the captured image is used as the input image as it is. The luminance determined by the analyst to be optimal is set in a range of about 120 to 160 including the median value of 128 among the 256 gradation luminances. If the brightness of the captured image does not match the set brightness, the brightness correction process is performed on the captured image to create an input image having the set brightness.
ステップＳ７０２において、機械学習によってひび割れの特徴を機械学習させた関数もしくはひび割れの特徴を示すモデルをコンピュータ内にて予め生成しておく。このコンピュータは、図３に示すようにひび割れ特定装置３００であってもよいし、ひび割れ特定装置３００とは異なる別途のコンピュータであってもよい。特徴データベース格納部５５０には、多様なコンクリート表面画像が格納されており、このコンクリート表面画像の上には、解析者がひび割れであると判断するひび割れラインが描画されている。このように描画されたひび割れラインは、当該コンクリート表面画像におけるひび割れに関する教示データとなる。機械学習部５５２では、特徴データベース格納部５５０に入力されているコンクリート表面画像と、コンクリート表面画像中に描画されているひび割れライン（教示データ）とに基づき、各々のコンクリート表面画像においてひび割れの特徴を機械学習させた関数やひび割れの特徴を示すモデルを作成する。ひび割れの特徴を機械学習させた関数やひび割れの特徴を示すモデルは、例えばニューラルネットワークを用いた教師付きの学習等、既存の技術を用いて作成することができる。機械学習部５５２において機械学習を繰り返し実行し、多様なコンクリート表面画像における多様なひび割れパターンが学習される。 In step S702, a function in which a feature of a crack is machine-learned by machine learning or a model indicating a feature of the crack is generated in a computer in advance. This computer may be the crack specifying device 300 as shown in FIG. 3 or may be a separate computer different from the crack specifying device 300. A variety of concrete surface images are stored in the feature database storage unit 550, and a crack line determined by the analyst to be a crack is drawn on the concrete surface image. The crack line drawn in this manner becomes teaching data relating to the crack in the concrete surface image. In the machine learning unit 552, based on the concrete surface image input to the feature database storage unit 550 and the crack line (teaching data) drawn in the concrete surface image, the feature of the crack in each concrete surface image is determined. Create a function-learned model with machine-learned functions. A function obtained by machine learning a feature of a crack or a model showing a feature of a crack can be created by using an existing technology such as supervised learning using a neural network. Machine learning is repeatedly executed by the machine learning unit 552, and various crack patterns in various concrete surface images are learned.
ステップＳ７０４において、学習情報に基づいて、ひび割れ特定装置３００では入力画像からひび割れと想定される想定ひび割れを抽出し、抽出された想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成することにより、想定ひび割れ描画ラインを含む描画含有画像をひび割れ特定装置３００にて作成する。図５Ｂにおいて、描画含有画像の一例を写真図として示す（以上、ステップＳ７０２，Ｓ７０４をまとめて描画工程）。 In step S704, based on the learning information, the crack identifying apparatus 300 extracts an assumed crack that is assumed to be a crack from the input image, and draws the assumed crack along the extracted assumed crack to create an assumed crack drawing line. A drawing-containing image including an assumed crack drawing line is created by the crack specifying device 300. In FIG. 5B, an example of a drawing-containing image is shown as a photographic diagram (steps S702 and S704 are collectively described above).
この描画工程により、入力画像において大まかにひび割れ位置を指定することにより、解析時間の短縮が図られる。さらに、想定ひび割れ描画ラインを解析者ではなくてコンピュータが機械学習に基づいて行うことから、解析者による描画を解消することができ、解析者による描画に比べて格段に短時間にて想定ひび割れ描画ラインを作成することができる。 By this drawing process, the analysis time can be shortened by roughly specifying the crack position in the input image. Furthermore, since the assumed crack drawing line is performed not by the analyst but by the computer based on machine learning, the drawing by the analyst can be eliminated, and the assumed crack drawing can be performed in a much shorter time than the drawing by the analyst. Lines can be created.
ステップＳ７０６において、ウェーブレット画像作成部５０８に描画含有画像を取り込み、描画含有画像に対してウェーブレット変換処理を実行することにより、ウェーブレット画像を作成する（ウェーブレット画像作成工程）。 In step S706, the drawing-containing image is taken into the wavelet image creation unit 508, and a wavelet transformation process is performed on the drawing-containing image to create a wavelet image (wavelet image creation step).
ここで、ウェーブレット変換処理について説明する。図６Ａは、ウェーブレット変換処理における、入力画像と局所領域の関係の一例を示す図である。また、図６Ｂは、ウェーブレット変換処理における、局所領域と注目画素の関係の一例を示す図である。入力画像１における広域領域２の中心である局所領域３においてウェーブレット変換をおこない、当該局所領域３の中心でひび割れの検出を行うものである。入力画像１内をくまなく広域領域２を上下左右に平行移動して、入力画像１内におけるひび割れの検出を行う。 Here, the wavelet transform processing will be described. FIG. 6A is a diagram illustrating an example of a relationship between an input image and a local region in a wavelet transform process. FIG. 6B is a diagram illustrating an example of a relationship between a local region and a pixel of interest in the wavelet transform process. The wavelet transform is performed in the local area 3 which is the center of the wide area 2 in the input image 1, and cracks are detected at the center of the local area 3. The wide area 2 is moved up, down, left and right in the input image 1 to detect cracks in the input image 1.
図６Ｂは局所領域３を拡大した図である。図示する実施形態では、例えば３×３の９つの画素（８つの近傍画素３１，３１，…と、中央に位置する注目画素３２）の中心でひび割れの判定を行う。尚、ウェーブレット係数の算定は、図６Ａにおける局所領域３を対象として行う。以下に、ウェーブレット関数（マザーウェーブレット関数）を用いたウェーブレット変換を行うことによりウェーブレット係数を算定する算定式を示す。 FIG. 6B is an enlarged view of the local region 3. In the illustrated embodiment, for example, the determination of a crack is made at the center of nine 3 × 3 pixels (eight neighboring pixels 31, 31,... And a target pixel 32 located at the center). The calculation of the wavelet coefficient is performed on the local region 3 in FIG. 6A. A calculation formula for calculating a wavelet coefficient by performing a wavelet transform using a wavelet function (mother wavelet function) is shown below.
ここで、ｆ（ｘ、ｙ）は、入力画像（ここで、ｘ、ｙは２次元入力画像中の任意の座標である）を、Ψは、マザーウェーブレット関数（ガボール関数）を、（ｘ０、ｙ０）はΨの平行移動量を、それぞれ示している。また、ａｋは、Ψの拡大や縮小を（ここで、ａｋは周波数の逆数であって、幾つかの周波数領域について計算するための周波数幅を整数ｋで示した値）、ｆ０は、中心周波数を、σは、ガウス関数の標準偏差を、それぞれ示している。さらに、θは、波の進行方向を表す回転角を、（ｘ'、ｙ'）は、（ｘ、ｙ）を角度θだけ回転させた座標を、それぞれ示している。 Here, f (x, y) represents an input image (where x and y are arbitrary coordinates in a two-dimensional input image), Ψ represents a mother wavelet function (Gabor function), and (x 0 , Y 0 ) respectively indicate the amount of parallel movement of そ れ ぞ れ. A k is the expansion or contraction of Ψ (where a k is the reciprocal of the frequency, and the value of the frequency width for calculating in some frequency regions is shown by an integer k), and f 0 is , The center frequency, and σ indicate the standard deviation of the Gaussian function. Further, θ indicates a rotation angle indicating the traveling direction of the wave, and (x ′, y ′) indicates coordinates obtained by rotating (x, y) by the angle θ.
数式１を用いて計算した複数のθ、ｋに対して、ウェーブレット係数Ψの累計値Ｃ（ｘ０、ｙ０）を求める式が以下の数式４となる。 The equation for calculating the cumulative value C (x 0 , y 0 ) of the wavelet coefficient に 対 し て with respect to a plurality of θ and k calculated using the equation 1 is the following equation 4.
上記のパラメータは任意に設定できるが、例えば、σを０．５乃至２に、ａｋは０乃至５に、ｆ０は０．１に、回転角は０乃至１８０度に、それぞれ設定できる。数式４における平行移動量（ｘ０、ｙ０）は、注目画素の位置に対応するものであり、注目画素の位置を順次移動させることにより、ウェーブレット係数の連続量（Ｃ（ｘ０、ｙ０））が算定できる。 The above parameters can be set arbitrarily. For example, σ can be set to 0.5 to 2, a k can be set to 0 to 5, f 0 can be set to 0.1, and the rotation angle can be set to 0 to 180 degrees. The translation amount (x 0 , y 0 ) in Expression 4 corresponds to the position of the pixel of interest. By sequentially moving the position of the pixel of interest, the continuous amount of the wavelet coefficient (C (x 0 , y 0) )) Can be calculated.
局所領域３を構成する全画素に対して、ウェーブレット係数を上算定式に基づいて算定した後、注目画素を一つ左右または上下に移動させてできる広域領域２の全画素において同様にウェーブレット係数を算定する。 After calculating the wavelet coefficients for all the pixels constituting the local area 3 based on the above calculation formula, the wavelet coefficients are similarly calculated for all the pixels in the wide area 2 formed by moving one pixel of interest left or right or up and down. Calculate.
ウェーブレット画像の作成に当たり、ウェーブレット係数テーブル作成部５１０にてウェーブレット係数テーブルの作成を実行する。ウェーブレット係数テーブルの作成では、入力画像とは何らの関係もない、対比する２つの濃度からなる擬似画像に対して、ウェーブレット係数の算定を行う。例えば、図７に示すように、コンクリート表面と仮定される背景色ａ（例えば、背景色のＲ、Ｇ、Ｂが、２５５，２５５，２５５とする）と、ひび割れと仮定される線分ｂ１〜ｂ５からなる擬似画像のウェーブレット係数を求める。ここで、線分ｂ１〜ｂ５は、線幅が順に１ピクセル〜５ピクセルまで変化しており、さらに、各線分は、３種類の濃度を備えている（例えば、線分ｂ１では、濃度の濃い順に、ｂ１１（黒色）、ｂ１２（薄い黒色）、ｂ１３（灰色）と変化している）。この擬似画像に対してウェーブレット変換を行うことにより算定されるウェーブレット係数の鳥瞰図を図８に示す。図８において、Ｘ軸は線分の幅を、Ｙ軸は線分の色の濃度を、Ｚ軸はウェーブレット係数をそれぞれ示している。同時に、対比する２つの濃度の組み合わせをそれぞれ０乃至２５５の２５６階調で行うことにより、図９に示すようなウェーブレット係数テーブルの作成が行われる。尚、ウェーブレット係数テーブルの作成のタイミングは、後述する二値化画像の作成までのいずれのタイミングでもよい。例えば、撮影画像の入力後に行ってもよいし、ウェーブレット画像の作成と並行して行ってもよいし、ウェーブレット画像を作成した後でかつ二値化画像の作成前に行ってもよい。 In creating a wavelet image, a wavelet coefficient table creation unit 510 creates a wavelet coefficient table. In creating a wavelet coefficient table, a wavelet coefficient is calculated for a pseudo image composed of two contrasting densities, which has no relation to the input image. For example, as shown in FIG. 7, a background color a assumed to be a concrete surface (for example, the background colors R, G, and B are assumed to be 255, 255, 255) and line segments b1 to b1 assumed to be cracked. The wavelet coefficient of the pseudo image composed of b5 is obtained. Here, the line segments b1 to b5 have a line width varying sequentially from 1 pixel to 5 pixels, and each line segment has three types of densities (for example, the line segment b1 has a high density). In this order, b11 (black), b12 (light black), and b13 (gray) change. FIG. 8 shows a bird's-eye view of wavelet coefficients calculated by performing a wavelet transform on the pseudo image. In FIG. 8, the X axis indicates the width of the line segment, the Y axis indicates the color density of the line segment, and the Z axis indicates the wavelet coefficient. At the same time, a wavelet coefficient table as shown in FIG. 9 is created by performing two contrast combinations in 256 gradations from 0 to 255, respectively. The timing of creating the wavelet coefficient table may be any timing up to the creation of a binarized image described later. For example, it may be performed after the input of the captured image, may be performed in parallel with the creation of the wavelet image, or may be performed after the creation of the wavelet image and before the creation of the binarized image.
ステップＳ７０８において、二値化画像作成部５１２にて二値化画像の作成を実行する（二値化画像作成工程）。ウェーブレット係数テーブル内において、局所領域内の近傍画素の平均濃度と注目画素の濃度に対応するウェーブレット係数をウェーブレット係数に関する閾値とする。そして、注目画素のウェーブレット係数が閾値よりも大きな場合は注目画素をひび割れと判定し（画面上では例えば白色）、小さな場合は注目画素をひび割れでないと判定する（画面上では例えば黒色）。局所領域および注目画素を変化させながら、注目画素のウェーブレット係数と閾値との比較演算を実行することにより、二値化画像が作成される。図５Ｃにおいて、二値化画像の一例を写真図として示す。 In step S708, a binarized image is created by the binarized image creating unit 512 (binary image creating step). In the wavelet coefficient table, the wavelet coefficient corresponding to the average density of the neighboring pixels in the local region and the density of the pixel of interest is set as a threshold value for the wavelet coefficient. If the wavelet coefficient of the pixel of interest is larger than the threshold, the pixel of interest is determined to be cracked (for example, white on the screen), and if smaller, the pixel of interest is determined not to be cracked (for example, black on the screen). By performing a comparison operation between the wavelet coefficient of the target pixel and the threshold while changing the local region and the target pixel, a binary image is created. In FIG. 5C, an example of the binarized image is shown as a photograph.
ステップＳ７１０において、ひび割れ情報作成部５１４に二値化画像を取り込み、二値化画像中に存在する複数のひび割れからなるひび割れ群を構成する各ひび割れに関して、ひび割れ情報を作成する。ここで、ひび割れ情報には、ひび割れ幅ごとのひび割れ長さ、平均ひび割れ幅、ひび割れ密度、ひび割れ総延長などが含まれる（ひび割れ情報作成工程）。 In step S710, the binarized image is taken into the crack information creating unit 514, and crack information is created for each of the cracks that constitute a group of cracks that are present in the binary image. Here, the crack information includes a crack length, an average crack width, a crack density, a total crack extension, and the like for each crack width (crack information creation step).
図示するひび割れ特定方法によれば、ひび割れ検出に際して解析時間の短縮を図りながら高精度のひび割れ検出をおこなうことができる。図４に示すひび割れ特定方法は、ひび割れ特定装置３００において実行される一連の処理フローでもあるが、この一連の処理フローを含むプログラムがコンピュータにインストールされることにより、ひび割れ特定装置３００が形成されてもよい。 According to the illustrated crack specifying method, high-precision crack detection can be performed while shortening the analysis time when detecting cracks. Although the crack identification method shown in FIG. 4 is also a series of processing flows executed in the crack identification apparatus 300, the program including the series of processing flows is installed in a computer, so that the crack identification apparatus 300 is formed. Is also good.
［第２の実施形態に係るひび割れ特定装置］
次に、図１０を参照して、第２の実施形態に係るひび割れ特定装置の機能構成について説明する。尚、第２の実施形態に係るひび割れ特定装置のハードウェア構成は図２に示すハードウェア構成であり、その説明は省略する。
[Crack specifying device according to second embodiment]
Next, a functional configuration of a crack identification device according to the second embodiment will be described with reference to FIG. Note that the hardware configuration of the crack identification device according to the second embodiment is the hardware configuration shown in FIG. 2, and a description thereof will be omitted.
図１０に示す第２の実施形態に係るひび割れ特定装置３００Ａは、図３に示す第１の実施形態に係るひび割れ特定装置３００に対して、太線化部５０７が付加された装置である。太線化部５０７では、想定ひび割れ描画ラインをその幅方向に広げて太線化させて想定ひび割れ太線化ラインを作成し、この想定ひび割れ太線化ラインを含む太線含有画像を作成する。例えば、描画されている想定ひび割れ描画ラインが１ピクセル幅の線からなる場合に、その左右両側１ピクセル幅もしくは２ピクセル幅を加えた３ピクセル幅もしくは５ピクセル幅からなる想定ひび割れ太線化ラインを描画して太線含有画像を作成する。この想定ひび割れ描画ラインに基づく想定ひび割れ太線化ラインの作成は、コンピュータにより実行される。想定ひび割れ太線化ラインに対する増加ピクセル数は、解析者により任意に設定される。 The crack specifying device 300A according to the second embodiment shown in FIG. 10 is a device obtained by adding a thick line section 507 to the crack specifying device 300 according to the first embodiment shown in FIG. The thickening unit 507 expands the assumed crack drawing line in the width direction and thickens it to create an assumed crack thickening line, and creates a thick line-containing image including the assumed crack thickening line. For example, when the assumed crack drawing line being drawn is a line having a width of 1 pixel, an assumed crack thickened line having a width of 3 pixels or 5 pixels obtained by adding a width of 1 pixel or 2 pixels on both the left and right sides is drawn. To create a thick line-containing image. The creation of the assumed crack thickening line based on the assumed crack drawing line is executed by a computer. The number of pixels to be increased with respect to the assumed cracked thick line is set arbitrarily by the analyst.
想定ひび割れ描画ラインよりも太線の想定ひび割れ太線化ラインを描画することにより、より一層大まかにひび割れ位置を指定することができ、解析時間の短縮は勿論のこと、より一層高精度にてひび割れを特定することが可能になる。 By drawing an assumed crack thickening line that is thicker than the assumed crack drawing line, it is possible to specify the position of the crack more roughly, not only shortening the analysis time but also specifying the crack with higher accuracy It becomes possible to do.
ひび割れ特定装置３００Ａでは、ウェーブレット画像作成部５０８において、太線化部５０７において作成された、想定ひび割れ太線化ラインを含む太線含有画像に対してウェーブレット変換処理を実行することにより、ウェーブレット画像を作成する。 In the crack identifying device 300A, the wavelet image creating unit 508 creates a wavelet image by executing a wavelet transform process on the thick line-containing image including the assumed crack thickened line created by the thickening unit 507.
［第２の実施形態に係るひび割れ特定方法］
次に、図１１を参照して、第２の実施形態に係るひび割れ特定方法について説明する。図１１は、第２の実施形態に係るひび割れ特定方法を示すフローチャートであり、ひび割れ特定装置３００Ａにおける処理の流れを示している。
[Crack specifying method according to second embodiment]
Next, a crack specifying method according to the second embodiment will be described with reference to FIG. FIG. 11 is a flowchart showing a crack specifying method according to the second embodiment, and shows a flow of processing in the crack specifying device 300A.
図１１に示す第２の実施形態に係るひび割れ特定方法は、図４に示す第１の実施形態に係るひび割れ特定方法における描画含有画像の作成（ステップＳ７０４）に代わり、太線含有画像の作成（ステップＳ７０５）を有する点である。学習情報に基づいて、ひび割れ特定装置３００では入力画像からひび割れと想定される想定ひび割れを抽出し、抽出された想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成する描画工程を実行した後、想定ひび割れ描画ラインをその幅方向に広げて太線化させて想定ひび割れ太線化ラインを作成し、この想定ひび割れ太線化ラインを含む太線含有画像をひび割れ特定装置３００Ａにて作成する。図１２において、太線含有画像の一例を写真図として示す（太線化工程）。 The crack identifying method according to the second embodiment shown in FIG. 11 is different from the creation of the drawing-containing image (step S704) in the crack identification method according to the first embodiment shown in FIG. (S705). Based on the learning information, the crack identifying device 300 extracts a assumed crack that is assumed to be a crack from the input image, and executes a drawing step of drawing along the extracted assumed crack to create an assumed crack drawing line. The assumed crack drawing line is expanded in the width direction and thickened to create an assumed crack thickening line, and a thick line-containing image including the assumed crack thickening line is created by the crack specifying device 300A. In FIG. 12, an example of a thick line-containing image is shown as a photographic diagram (thick line forming step).
ステップＳ７０６において、ウェーブレット画像作成部５０８に太線含有画像を取り込み、太線含有画像に対してウェーブレット変換処理を実行することにより、ウェーブレット画像を作成する（ウェーブレット画像作成工程）。 In step S706, the wavelet image creation unit 508 takes in the thick line containing image, and performs a wavelet transform process on the thick line containing image to create a wavelet image (wavelet image creating step).
［検証解析とその結果］
本発明者等は、第１の実施形態及び第２の実施形態に係るひび割れ特定方法の特定精度を検証する解析を行った。ひび割れを内包するコンクリート表面の撮影画像をコンピュータに入力して入力画像を作成し、この入力画像に対して本発明者等がひび割れと判定するラインに沿ってひび割れラインを描画し、このひび割れラインが描画された画像に対してウェーブレット変換処理を実行して二値化画像を作成した。作成された二値化画像に基づき、ひび割れ幅ごとのひび割れ長さ、平均ひび割れ幅、ひび割れ密度、ひび割れ総延長をコンピュータ内で特定した。この結果を正解値とする。
[Verification analysis and results]
The present inventors have performed analysis for verifying the identification accuracy of the crack identification method according to the first embodiment and the second embodiment. A captured image of a concrete surface containing cracks is input to a computer to create an input image, and a crack line is drawn on the input image along a line determined by the present inventors to be cracked. Wavelet transform processing was performed on the drawn image to create a binarized image. Based on the created binarized image, the crack length, average crack width, crack density, and total crack extension for each crack width were specified in a computer. This result is used as the correct answer value.
第１の実施形態及び第２の実施形態に係るひび割れ特定方法にてそれぞれ二値化画像を作成し、作成されたそれぞれの二値化画像に基づき、ひび割れ幅ごとのひび割れ長さ、平均ひび割れ幅、ひび割れ密度、ひび割れ総延長をコンピュータ内で特定した。図１３Ａは、正解値に関する結果を示す図であり、図１３Ｂ、図１３Ｃはそれぞれ、第１の実施形態及び第２の実施形態に係るひび割れ特定方法による結果を示す図である。 A binarized image is created by each of the crack specifying methods according to the first embodiment and the second embodiment, and based on each created binarized image, a crack length and an average crack width for each crack width. , Crack density and total crack extension were identified in the computer. FIG. 13A is a diagram showing a result regarding a correct answer value, and FIGS. 13B and 13C are diagrams showing a result by the crack identification method according to the first embodiment and the second embodiment, respectively.
図１３Ａより、正解値となる平均ひび割れ幅は０．２５ｍｍ、ひび割れ密度は７．８ｍ／ｍ２、ひび割れ総延長は０．４５ｍである。これに対して、第１の実施形態に係るひび割れ特定方法による平均ひび割れ幅は０．２７ｍｍ、ひび割れ密度は６．３７ｍ／ｍ２、ひび割れ総延長は０．３７ｍとなり、各値ともに正解値に近い値となることが検証されている。 As shown in FIG. 13A, the average crack width, which is the correct answer, is 0.25 mm, the crack density is 7.8 m / m 2 , and the total crack extension is 0.45 m. On the other hand, the average crack width by the crack identification method according to the first embodiment is 0.27 mm, the crack density is 6.37 m / m 2 , and the total crack extension is 0.37 m, and each value is close to the correct value. It is verified that it becomes a value.
一方、第２の実施形態に係るひび割れ特定方法による平均ひび割れ幅は０．２６ｍｍ、ひび割れ密度は７．４５ｍ／ｍ２、ひび割れ総延長は０．４３ｍとなり、各値ともに正解値に極めて近い値となることが検証されており、第１の実施形態に係るひび割れ特定方法よりもひび割れ特定精度が向上することが分かった。 On the other hand, the average crack width by the crack identification method according to the second embodiment is 0.26 mm, the crack density is 7.45 m / m 2 , and the total crack extension is 0.43 m, and each value is very close to the correct value. Has been verified, and it has been found that the crack specifying accuracy is improved as compared with the crack specifying method according to the first embodiment.
本検証により、想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成し、想定ひび割れ描画ラインを含む描画含有画像に対してウェーブレット変換処理を実行して二値化画像を作成することにより、コンクリート表面上のひび割れを高い精度で検出できることが分かった。また、想定ひび割れ描画ラインをその幅方向に広げて太線化させて想定ひび割れ太線化ラインを作成し、想定ひび割れ太線化ラインを含む太線含有画像に対してウェーブレット変換処理を実行して二値化画像を作成することにより、コンクリート表面上のひび割れをより一層高い精度で検出できることが分かった。さらに、想定ひび割れ描画ラインの作成に際しては、ひび割れの特徴をコンピュータに学習させた学習情報に基づいて入力画像において想定ひび割れを抽出して描画することにより、ひび割れ検出の解析時間を大幅に短縮することが可能になる。 In this verification, by drawing along the assumed crack, an assumed crack drawing line is created, and a wavelet transformation process is performed on the drawing-containing image including the assumed crack drawing line to create a binarized image. It was found that cracks on the surface could be detected with high accuracy. Also, the assumed crack drawing line is expanded in the width direction to be thickened to create an assumed crack thickened line, and a wavelet transform process is performed on the thick line-containing image including the assumed crack thickened line to perform the binarized image processing. It was found that cracks on the concrete surface could be detected with even higher accuracy by preparing. Furthermore, when creating the assumed crack drawing line, the analysis time for crack detection is significantly reduced by extracting and drawing the assumed crack in the input image based on the learning information made by the computer learning the characteristics of the crack. Becomes possible.
以上、本発明の実施の形態を、図面を用いて詳述してきたが、具体的な構成はこの実施形態に限定されるものではなく、本発明の要旨を逸脱しない範囲における設計変更等があっても、それらは本発明に含まれるものである。 The embodiment of the present invention has been described in detail with reference to the drawings. However, the specific configuration is not limited to this embodiment, and there are design changes and the like without departing from the gist of the present invention. However, they are included in the present invention.
１００ ：撮像装置
２００ ：ネットワーク
３００，３００Ａ ：ひび割れ特定装置
３０１ ：データ収集部
３０２ ：データ解析部
３０３ ：データ格納部
５０２ ：入力部
５０４ ：入力画像作成部
５０６ ：描画部
５０７ ：太線化部
５０８ ：ウェーブレット画像作成部
５１０ ：ウェーブレット係数テーブル作成部
５１２ ：二値化画像作成部
５１４ ：ひび割れ情報作成部
５５０ ：特徴データベース格納部
５５２ ：機械学習部
１０００ ：ひび割れ特定システム
100: imaging device 200: network 300, 300A: crack identification device 301: data collection unit 302: data analysis unit 303: data storage unit 502: input unit 504: input image creation unit 506: drawing unit 507: thick line conversion unit 508: Wavelet image creation unit 510: Wavelet coefficient table creation unit 512: Binary image creation unit 514: Crack information creation unit 550: Feature database storage unit 552: Machine learning unit 1000: Crack identification system
Claims (7)
コンクリート表面におけるひび割れの特徴をコンピュータに学習させた学習情報に基づいて、前記入力画像からひび割れと想定される想定ひび割れを抽出し、該想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成し、該想定ひび割れ描画ラインを含む描画含有画像を作成する、描画工程と、
前記描画含有画像に対してウェーブレット変換処理を実行し、各画素がウェーブレット係数を有するウェーブレット画像を作成するウェーブレット画像作成工程と、
ウェーブレット係数の閾値となるウェーブレット係数テーブルを用いて、前記ウェーブレット画像の各画素を二値化して二値化画像を作成する二値化画像作成工程と、を有することを特徴とする、コンクリート表面上のひび割れ特定方法。 An input image creation step of inputting a captured image of a concrete surface containing cracks into a computer to create an input image,
Based on learning information obtained by learning a feature of a crack on a concrete surface by a computer, an assumed crack that is assumed to be a crack is extracted from the input image, and an assumed crack drawing line is drawn by drawing along the assumed crack. Creating a drawing-containing image including the assumed crack drawing line, a drawing step,
Performing a wavelet transform process on the drawing-containing image, a wavelet image creating step of creating a wavelet image in which each pixel has a wavelet coefficient,
Using a wavelet coefficient table serving as a threshold value of a wavelet coefficient, and a binarized image creating step of binarizing each pixel of the wavelet image to create a binarized image. Crack identification method.
コンクリート表面におけるひび割れの特徴をコンピュータに学習させた学習情報に基づいて、前記入力画像からひび割れと想定される想定ひび割れを抽出し、該想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成する、描画工程と、
前記想定ひび割れ描画ラインをその幅方向に広げて太線化させて想定ひび割れ太線化ラインを作成し、該想定ひび割れ太線化ラインを含む太線含有画像を作成する、太線化工程と、
前記太線含有画像に対してウェーブレット変換処理を実行し、各画素がウェーブレット係数を有するウェーブレット画像を作成するウェーブレット画像作成工程と、
ウェーブレット係数の閾値となるウェーブレット係数テーブルを用いて、前記ウェーブレット画像の各画素を二値化して二値化画像を作成する二値化画像作成工程と、を有することを特徴とする、コンクリート表面上のひび割れ特定方法。 An input image creation step of inputting a captured image of a concrete surface containing cracks into a computer to create an input image,
Based on learning information obtained by causing a computer to learn the characteristics of cracks on the concrete surface, extract assumed cracks that are assumed to be cracks from the input image, and draw an assumed crack drawing line by drawing along the assumed cracks. A drawing process;
The assumed crack drawing line is expanded in the width direction to be thickened to create an assumed crack thickened line, and a thick line containing image including the assumed crack thickened line is created, a thickening step.
Performing a wavelet transform process on the thick line-containing image, a wavelet image creating step in which each pixel creates a wavelet image having a wavelet coefficient,
Using a wavelet coefficient table serving as a threshold value of a wavelet coefficient, and a binarized image creating step of binarizing each pixel of the wavelet image to create a binarized image. Crack identification method.
前記撮影画像に基づいて入力画像を作成する、入力画像作成部と、
コンクリート表面におけるひび割れの特徴をコンピュータに学習させた学習情報に基づいて、前記入力画像からひび割れと想定される想定ひび割れを抽出し、該想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成し、該想定ひび割れ描画ラインを含む描画含有画像を作成する、描画部と、
前記描画含有画像に対してウェーブレット変換処理を実行し、各画素がウェーブレット係数を有するウェーブレット画像を作成する、ウェーブレット画像作成部と、
ウェーブレット係数の閾値となるウェーブレット係数テーブルを用いて、前記ウェーブレット画像の各画素を二値化して二値化画像を作成する、二値化画像作成部と、を有することを特徴とする、コンクリート表面上のひび割れ特定装置。 An input unit for inputting a captured image of a concrete surface containing cracks,
Creating an input image based on the captured image, an input image creation unit,
Based on learning information obtained by learning a feature of a crack on a concrete surface by a computer, an assumed crack that is assumed to be a crack is extracted from the input image, and an assumed crack drawing line is drawn by drawing along the assumed crack. Creating a drawing-containing image including the assumed crack drawing line, a drawing unit,
Performing a wavelet transformation process on the drawing-containing image to create a wavelet image in which each pixel has a wavelet coefficient, a wavelet image creation unit,
Using a wavelet coefficient table serving as a threshold value of a wavelet coefficient, binarizing each pixel of the wavelet image to create a binarized image, and a binarized image creating section, Upper crack identification device.
前記撮影画像に基づいて入力画像を作成する、入力画像作成部と、
コンクリート表面におけるひび割れの特徴をコンピュータに学習させた学習情報に基づいて、前記入力画像からひび割れと想定される想定ひび割れを抽出し、該想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成し、該想定ひび割れ描画ラインを含む描画含有画像を作成する、描画部と、
前記想定ひび割れ描画ラインをその幅方向に広げて太線化させて想定ひび割れ太線化ラインを作成し、該想定ひび割れ太線化ラインを含む太線含有画像を作成する、太線化部と、
前記太線含有画像に対してウェーブレット変換処理を実行し、各画素がウェーブレット係数を有するウェーブレット画像を作成する、ウェーブレット画像作成部と、
ウェーブレット係数の閾値となるウェーブレット係数テーブルを用いて、前記ウェーブレット画像の各画素を二値化して二値化画像を作成する、二値化画像作成部と、を有することを特徴とする、コンクリート表面上のひび割れ特定装置。 An input unit for inputting a captured image of a concrete surface containing cracks,
Creating an input image based on the captured image, an input image creation unit,
Based on learning information obtained by learning a feature of a crack on a concrete surface by a computer, an assumed crack that is assumed to be a crack is extracted from the input image, and an assumed crack drawing line is drawn by drawing along the assumed crack. Creating a drawing-containing image including the assumed crack drawing line, a drawing unit,
The assumed crack drawing line is expanded in the width direction to be thickened to create an assumed crack thickened line, and a thick line-containing image including the assumed crack thickened line is created.
Performing a wavelet transform process on the thick line-containing image to create a wavelet image in which each pixel has a wavelet coefficient, a wavelet image creating unit,
Using a wavelet coefficient table serving as a threshold value of a wavelet coefficient, binarizing each pixel of the wavelet image to create a binarized image, and a binarized image creating section, Upper crack identification device.
前記撮影画像を撮像する撮像装置と、を有し、
前記撮影画像が前記ひび割れ特定装置の前記入力部に入力されることを特徴とする、コンクリート表面上のひび割れ特定システム。 A crack identification device according to claim 3 or 4,
An imaging device that captures the captured image,
A system for identifying a crack on a concrete surface, wherein the photographed image is input to the input unit of the crack identifying device.
ひび割れを内包するコンクリート表面の撮影画像をコンピュータに入力して入力画像を作成する工程と、
コンクリート表面におけるひび割れの特徴をコンピュータに学習させた学習情報に基づいて、前記入力画像からひび割れと想定される想定ひび割れを抽出し、該想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成し、該想定ひび割れ描画ラインを含む描画含有画像を作成する工程と、
前記描画含有画像に対してウェーブレット変換処理を実行し、各画素がウェーブレット係数を有するウェーブレット画像を作成する工程と、
ウェーブレット係数の閾値となるウェーブレット係数テーブルを用いて、前記ウェーブレット画像の各画素を二値化して二値化画像を作成する工程と、を実行させることを特徴とする、プログラム。 A program that causes a computer that identifies cracks on a concrete surface to execute the following processing,
Inputting a captured image of a concrete surface containing cracks into a computer to create an input image;
Based on learning information obtained by learning a feature of a crack on a concrete surface by a computer, an assumed crack that is assumed to be a crack is extracted from the input image, and an assumed crack drawing line is drawn by drawing along the assumed crack. A step of creating a drawing-containing image including the assumed crack drawing line,
Performing a wavelet transform process on the drawing-containing image to create a wavelet image in which each pixel has a wavelet coefficient;
A step of binarizing each pixel of the wavelet image to create a binarized image using a wavelet coefficient table serving as a threshold value of the wavelet coefficient.
ひび割れを内包するコンクリート表面の撮影画像をコンピュータに入力して入力画像を作成する工程と、
コンクリート表面におけるひび割れの特徴をコンピュータに学習させた学習情報に基づいて、前記入力画像からひび割れと想定される想定ひび割れを抽出し、該想定ひび割れに沿って描画して想定ひび割れ描画ラインを作成する工程と、
前記想定ひび割れ描画ラインをその幅方向に広げて太線化させて想定ひび割れ太線化ラインを作成し、該想定ひび割れ太線化ラインを含む太線含有画像を作成する工程と、
前記太線含有画像に対してウェーブレット変換処理を実行し、各画素がウェーブレット係数を有するウェーブレット画像を作成する工程と、
ウェーブレット係数の閾値となるウェーブレット係数テーブルを用いて、前記ウェーブレット画像の各画素を二値化して二値化画像を作成する工程と、を実行させることを特徴とする、プログラム。 A program that causes a computer that identifies cracks on a concrete surface to execute the following processing,
Inputting a captured image of a concrete surface containing cracks into a computer to create an input image;
A step of extracting an assumed crack that is assumed to be a crack from the input image based on learning information obtained by causing a computer to learn characteristics of the crack on the concrete surface, and drawing the assumed crack along the assumed crack to create an assumed crack drawing line. When,
A step of creating an assumed crack thickened line by expanding the assumed crack drawing line in the width direction and thickening the same, and creating a thick line-containing image including the assumed crack thickened line,
Performing a wavelet transform process on the thick line-containing image to create a wavelet image in which each pixel has a wavelet coefficient;
A step of binarizing each pixel of the wavelet image to create a binarized image using a wavelet coefficient table serving as a threshold value of the wavelet coefficient.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018165486A JP6811217B2 (en) | 2018-09-04 | 2018-09-04 | Crack identification method, crack identification device, crack identification system and program on concrete surface |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018165486A JP6811217B2 (en) | 2018-09-04 | 2018-09-04 | Crack identification method, crack identification device, crack identification system and program on concrete surface |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020038132A true JP2020038132A (en) | 2020-03-12 |
| JP6811217B2 JP6811217B2 (en) | 2021-01-13 |
Family
ID=69737971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018165486A Active JP6811217B2 (en) | 2018-09-04 | 2018-09-04 | Crack identification method, crack identification device, crack identification system and program on concrete surface |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6811217B2 (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112001359A (en) * | 2020-09-09 | 2020-11-27 | 郑州航空工业管理学院 | Heuristic multi-branch line repairing method based on pattern recognition and optimal distribution |
| WO2021176979A1 (en) | 2020-03-05 | 2021-09-10 | 三菱マテリアル株式会社 | Heat exchanger |
| CN113838078A (en) * | 2021-09-06 | 2021-12-24 | 中国矿业大学(北京) | Coal mining subsidence ground crack identification and extraction method, device and storage medium |
| CN116721354A (en) * | 2023-08-08 | 2023-09-08 | 中铁七局集团电务工程有限公司武汉分公司 | Building crack defect identification method, system and readable storage medium |
| CN117115665A (en) * | 2023-10-17 | 2023-11-24 | 深圳市城市交通规划设计研究中心股份有限公司 | Static influence parameter analysis method based on pavement crack analysis method |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006162477A (en) * | 2004-12-08 | 2006-06-22 | Ohbayashi Corp | Crack detecting method on structural surfaces |
| JP2009169676A (en) * | 2008-01-16 | 2009-07-30 | Tobishima Corp | Sketch figure creation/recording support system for exposure stratum and exposure base rock |
| JP2013002839A (en) * | 2011-06-13 | 2013-01-07 | Taisei Corp | Crack detection method |
| CN104502990A (en) * | 2015-01-06 | 2015-04-08 | 中国地质大学（武汉） | Geological survey method of tunnel face based on digital image |
| WO2017130699A1 (en) * | 2016-01-26 | 2017-08-03 | 富士フイルム株式会社 | Crack information detection device, crack information detection method, and crack information detection program |
| WO2018037689A1 (en) * | 2016-08-22 | 2018-03-01 | 富士フイルム株式会社 | Image processing device and image processing method |
-
2018
- 2018-09-04 JP JP2018165486A patent/JP6811217B2/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006162477A (en) * | 2004-12-08 | 2006-06-22 | Ohbayashi Corp | Crack detecting method on structural surfaces |
| JP2009169676A (en) * | 2008-01-16 | 2009-07-30 | Tobishima Corp | Sketch figure creation/recording support system for exposure stratum and exposure base rock |
| JP2013002839A (en) * | 2011-06-13 | 2013-01-07 | Taisei Corp | Crack detection method |
| CN104502990A (en) * | 2015-01-06 | 2015-04-08 | 中国地质大学（武汉） | Geological survey method of tunnel face based on digital image |
| WO2017130699A1 (en) * | 2016-01-26 | 2017-08-03 | 富士フイルム株式会社 | Crack information detection device, crack information detection method, and crack information detection program |
| WO2018037689A1 (en) * | 2016-08-22 | 2018-03-01 | 富士フイルム株式会社 | Image processing device and image processing method |
Non-Patent Citations (1)
| Title |
|---|
| ZHANG,Z. ET AL.: "Study on Bridge Floor Crack Detection Using the 2-Dimensional Complex Discrete Wavelet Packet Transf", PROCEEDINGS OF THE 2016 INTERNATIONAL CONFERENCE ON WAVELET ANALYSIS AND PATTERN RECOGNITION, JPN6020046553, 2016, pages 225 - 229, XP032993166, ISSN: 0004400827, DOI: 10.1109/ICWAPR.2016.7731646 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021176979A1 (en) | 2020-03-05 | 2021-09-10 | 三菱マテリアル株式会社 | Heat exchanger |
| CN112001359A (en) * | 2020-09-09 | 2020-11-27 | 郑州航空工业管理学院 | Heuristic multi-branch line repairing method based on pattern recognition and optimal distribution |
| CN112001359B (en) * | 2020-09-09 | 2023-07-18 | 郑州航空工业管理学院 | Heuristic multi-fork line repairing method based on pattern recognition and optimal allocation |
| CN113838078A (en) * | 2021-09-06 | 2021-12-24 | 中国矿业大学(北京) | Coal mining subsidence ground crack identification and extraction method, device and storage medium |
| CN113838078B (en) * | 2021-09-06 | 2023-06-30 | 中国矿业大学(北京) | Method and device for identifying and extracting coal mining subsidence ground cracks and storage medium |
| CN116721354A (en) * | 2023-08-08 | 2023-09-08 | 中铁七局集团电务工程有限公司武汉分公司 | Building crack defect identification method, system and readable storage medium |
| CN116721354B (en) * | 2023-08-08 | 2023-11-21 | 中铁七局集团电务工程有限公司武汉分公司 | Building crack defect identification method, system and readable storage medium |
| CN117115665A (en) * | 2023-10-17 | 2023-11-24 | 深圳市城市交通规划设计研究中心股份有限公司 | Static influence parameter analysis method based on pavement crack analysis method |
| CN117115665B (en) * | 2023-10-17 | 2024-02-27 | 深圳市城市交通规划设计研究中心股份有限公司 | Static influence parameter analysis method based on pavement crack analysis method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6811217B2 (en) | 2021-01-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ni et al. | Zernike‐moment measurement of thin‐crack width in images enabled by dual‐scale deep learning | |
| JP6811217B2 (en) | Crack identification method, crack identification device, crack identification system and program on concrete surface | |
| KR102121958B1 (en) | Method, system and computer program for providing defect analysis service of concrete structure | |
| Loverdos et al. | Automatic image-based brick segmentation and crack detection of masonry walls using machine learning | |
| JP6294529B1 (en) | Crack detection processing apparatus and crack detection processing program | |
| Attard et al. | Automatic crack detection using mask R-CNN | |
| Sun et al. | Weighted neighborhood pixels segmentation method for automated detection of cracks on pavement surface images | |
| Akagic et al. | Pothole detection: An efficient vision based method using rgb color space image segmentation | |
| JP6099479B2 (en) | Crack detection method | |
| CN110796643A (en) | Rail fastener defect detection method and system | |
| JP5852919B2 (en) | Crack detection method | |
| US20220092856A1 (en) | Crack detection, assessment and visualization using deep learning with 3d mesh model | |
| JP2011242365A (en) | Crack detection device and crack detection method for concrete structure image, and program therefor | |
| JP2010121992A (en) | Crack detecting method | |
| Adhikari et al. | Image-based retrieval of concrete crack properties | |
| JP5812705B2 (en) | Crack detection method | |
| JP4870016B2 (en) | Crack detection method | |
| JP2013117409A (en) | Crack detection method | |
| JP6894361B2 (en) | Crack direction identification method, crack direction identification device, crack direction identification system and program on concrete surface | |
| JP6980208B2 (en) | Structure maintenance work support system | |
| Wang et al. | Pavement crack classification based on chain code | |
| CN117422699A (en) | Highway detection method, highway detection device, computer equipment and storage medium | |
| JP6909090B2 (en) | Quantitative evaluation method, quantitative evaluation device, quantitative evaluation system and program of damaged part on concrete surface | |
| JP4980739B2 (en) | Crack detection method | |
| JP4963824B2 (en) | Change area extraction apparatus and change area extraction method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200923 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200929 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20201014 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201208 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201214 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6811217 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |