JP2020041801A - 土壌改質判定装置、及び異物除去方法 - Google Patents
土壌改質判定装置、及び異物除去方法 Download PDFInfo
- Publication number
- JP2020041801A JP2020041801A JP2018166670A JP2018166670A JP2020041801A JP 2020041801 A JP2020041801 A JP 2020041801A JP 2018166670 A JP2018166670 A JP 2018166670A JP 2018166670 A JP2018166670 A JP 2018166670A JP 2020041801 A JP2020041801 A JP 2020041801A
- Authority
- JP
- Japan
- Prior art keywords
- soil
- reforming
- image
- stage
- modification
- 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
- 239000002689 soil Substances 0.000 title claims abstract description 243
- 238000002407 reforming Methods 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims description 41
- 238000013145 classification model Methods 0.000 claims abstract description 52
- 238000012986 modification Methods 0.000 claims description 73
- 230000004048 modification Effects 0.000 claims description 73
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 238000012795 verification Methods 0.000 claims description 14
- 239000000463 material Substances 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 5
- 239000003607 modifier Substances 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000003860 storage Methods 0.000 description 21
- 230000032258 transport Effects 0.000 description 12
- 238000013500 data storage Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 5
- 239000000654 additive Substances 0.000 description 4
- 230000000996 additive effect Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 239000012857 radioactive material Substances 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000005202 decontamination Methods 0.000 description 3
- 230000003588 decontaminative effect Effects 0.000 description 3
- 238000012432 intermediate storage Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000000443 aerosol Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Landscapes
- Processing Of Solid Wastes (AREA)
- Image Analysis (AREA)
- Sorting Of Articles (AREA)
Abstract
Description
(1)土壌改質の要否を精度よく判定することができるため、不要な改質材の添加を回避することができ、すなわち処理コストを抑えることができる。また添加する改質材量を削減することができるため、埋め立て処分すべき土壌の量も削減することができ、その結果、中間貯蔵施設等の効率的な運営に貢献することができる。
(2)土壌を連続搬送する装置(例えばベルトコンベアなど)や画像を取得する装置(例えばデジタルカメラなど)、演算処理を行う装置(例えばパーソナルコンピュータなど)を用意するだけで、すなわち大掛かりな装置を必要とすることなく、連続的かつリアルタイムで、しかも精度よく土壌改質の要否を判定することができる。
(3)学習用データとして1の画像から複数の小領域画像を切り出すことから、効率的に大量の学習用データを取得することができる。また、小領域画像と同じサイズで取得した画像に対して判定することから、より精度よく土壌改質の要否を判定することができる。
図1は、本願発明の土壌改質判定装置100を用いて土壌SLの改質の要否を判定する状況を模式的に示すモデル図である。この図に示すように、判定対象となる土壌SLはベルトコンベアなどの搬送手段101によって連続搬送され、搬送途中でカメラなどの画像取得手段102によって画像が取得される。
本願発明の土壌改質判定装置100について、図を参照しながら詳しく説明する。なお、本願発明の異物除去方法は、本願発明の土壌改質判定装置100を用いて土壌から異物を除去する方法であり、したがってまずは本願発明の土壌改質判定装置100について説明し、その後に本願発明の異物除去方法について説明することとする。
学習手段103は、ニューラルネットワーク(neural network)を用いた深層学習(Deep Learning)といったアルゴリズムを使用し、学習データ記憶手段105から読み出した多数の学習データを学習することによって、改質段階分類モデルを作成する手段である。ここで学習データとは、土壌画像と、その土壌画像に対応する改質段階を組み合わせたデータセットであり、いわゆる教師データである。すなわち学習手段103は、多数の学習データを学習することによって、自動的に(人の判断が介在することなく)土壌画像から特徴を見出すとともに、その特徴と改質段階との関係をパターン化した「改質段階分類モデル」を作成するわけである。
搬送手段101は、図1に示すように判定対象となる土壌SLを搬送する手段であり、例えば無端ベルトを連続回転させるベルトコンベアなどを利用することができる。画像取得手段102は、搬送手段101による搬送途中の土壌SLの画像を取得する手段であり、静止画を取得するデジタルカメラや動画を撮影するビデオカメラなどを利用することができる。画像取得手段102は、搬送途中の土壌SLを撮影することから、図1に示すように搬送手段101の周辺(例えば上方)に配置される。画像取得手段102は、搬送手段101の途中に1個所のみ配置してもよいし、2以上の箇所に配置してもよい。また、1個所当たりに1の画像取得手段102を配置することもできるし、図7に示すように1個所当たりに2以上(図では3個)の画像取得手段102を配置することもできる。1個所当たりに2以上の画像取得手段102を配置する場合、土壌SLの搬送方向に対して略直交方向(直交方向含む)に並べて配置するとよい。
画像変換手段108は、図2に示すように土壌画像記憶手段107から読み出した土壌画像を変換する手段である。具体的には、サンプル画像PSから切り出した小領域画像PMから変換小領域画像を作成する処理と同様、土壌画像に対して高速フーリエ変換を行うとともに正規化することで、変換した画像(以下、単に「変換画像」という。)を得る。なお、サンプル画像PSから切り出した小領域画像PMをそのまま学習して改質段階分類モデルを作成する場合(つまり変換小領域画像を用いない場合は)、画像変換手段108を省略することもできる。
土壌分類手段104は、学習手段103により作成された改質段階分類モデルを用い、対象となる土壌に対して適当な改質段階(例えば、Label0〜Label3)に分類する手段である。ただし、サンプル画像PSから切り出した小領域画像PMをそのまま学習して改質段階分類モデルを作成した場合は土壌画像も変換することなく判定することとし、変換小領域画像を学習データとして改質段階分類モデルを作成した場合は土壌画像も変換した変換画像に対して判定する。したがって変換小領域画像を学習データとするケースでは、図2に示すように土壌分類手段104が分類モデル記憶手段106から改質段階分類モデルを読み出すとともに、画像変換手段108から変換画像を受け取って、この改質段階分類モデルを用いて変換画像の改質段階を分類する。一方、無変換の小領域画像PMを学習データとするケースでは、土壌分類手段104が分類モデル記憶手段106から改質段階分類モデルを読み出すとともに、土壌画像記憶手段107から土壌画像を受け取って、この改質段階分類モデルを用いて土壌画像の改質段階を分類する。
次に本願発明の異物除去方法について図8を参照しながら説明する。なお、本願発明の異物除去方法は、ここまで説明した土壌改質判定装置100を使用して行う方法であり、したがって土壌改質判定装置100で説明した内容と重複する説明は避け、本願発明の異物除去方法に特有の内容のみ説明することとする。すなわち、ここに記載されていない内容は、「2.土壌改質判定装置」で説明したものと同様である。
によって決定された添加量の改質材を添加するとよい。改質された土壌SL、あるいは改質不要と判定された土壌SLは異物分離手段111に投入され、草木や巨礫、ごみといった異物が除去される(Step108)。
101 (土壌改質判定装置の)搬送手段
102 (土壌改質判定装置の)画像取得手段
103 (土壌改質判定装置の)学習手段
104 (土壌改質判定装置の)土壌分類手段
105 (土壌改質判定装置の)学習データ記憶手段
106 (土壌改質判定装置の)分類モデル記憶手段
107 (土壌改質判定装置の)土壌画像記憶手段
108 (土壌改質判定装置の)画像変換手段
109 (土壌改質判定装置の)添加量決定手段
110 (土壌改質判定装置の)添加量テーブル記憶手段
111 (土壌改質判定装置の)異物分離手段
SL 土壌
PS サンプル画像
PM 小領域画像
Claims (6)
- 改質段階分類モデルを用い、改質不要段階を含む2以上の改質段階のいずれかに分類することによって、搬送される土壌の改質要否を判定する装置であって、
前記改質段階分類モデルは、土壌を前記改質段階のいずれかに分類するものであり、前記改質段階ごとに用意された各サンプル画像から切り出された複数の小領域画像を学習することによって作成され、
土壌を搬送する搬送手段と、
搬送中の土壌の画像を、前記小領域画像と同一サイズで取得する画像取得手段と、
前記画像取得手段によって取得された画像と、前記改質段階分類モデルと、に基づいて該画像に係る土壌を前記改質段階のいずれかに分類する土壌分類手段と、を備え、
前記改質不要段階に分類された土壌に対しては改質不要と判定し、前記改質不要段階を除く前記改質段階に分類された土壌に対しては要改質と判定する、
ことを特徴とする土壌改質判定装置。 - 前記画像取得手段によって取得された画像に対して、高速フーリエ変換され、且つ正規化された変換画像を作成する画像変換手段を、さらに備え、
前記学習手段は、高速フーリエ変換され、且つ正規化された前記小領域画像を、学習して前記改質段階分類モデルを作成し、
前記土壌分類手段は、前記画像変換手段によって作成された前記変換画像と、前記改質段階分類モデルと、に基づいて該画像に係る土壌を前記改質段階のいずれかに分類する、
ことを特徴とする請求項1記載の土壌改質判定装置。 - 前記土壌分類手段によって分類された前記改質段階に基づいて、土壌を改質するための改質材添加量を定める添加量決定手段を、さらに備えた、
ことを特徴とする請求項1又は請求項2記載の土壌改質判定装置。 - 土壌の搬送方向に対して直交方向又は略直交方向に、2以上の前記画像取得手段が配置され、
前記土壌分類手段は、2以上の前記画像取得手段で取得されたそれぞれの画像に対して前記改質段階のいずれかに分類するとともに、最多の分類結果を土壌の前記改質段階として決定する、
ことを特徴とする請求項1乃至請求項3記載の土壌改質判定装置。 - 改質段階分類モデルを用い、改質不要段階を含む2以上の改質段階のいずれかに分類することによって、搬送される土壌の改質要否を判定したうえで、土壌から異物を除去する方法であって、
前記改質段階分類モデルは、土壌を前記改質段階のいずれかに分類するものであり、前記改質段階ごとに用意された各サンプル画像から切り出された複数の小領域画像を学習することによって作成され、
搬送される土壌の画像を、前記小領域画像と同一サイズで取得する画像取得工程と、
前記画像取得手段によって取得された画像と、前記改質段階分類モデルと、に基づいて該画像に係る土壌を前記改質段階のいずれかに分類する土壌分類工程と、
前記改質不要段階を除く前記改質段階に分類された土壌に、改質材を添加する土壌改質工程と、を備え、
前記改質不要段階に分類された土壌、又は前記土壌改質工程で改質された土壌から、異物を除去する、
ことを特徴とする異物除去方法。 - 前記土壌分類工程で分類された土壌の前記改質段階と、目視により判定された当該土壌の前記改質段階と、を比較する検証工程を、さらに備え、
前記検証工程で、前記土壌分類工程による結果と、目視判定による結果が異なるときは、目視判定による前記改質段階に基づいて前記学習工程及び前記モデル作成工程を行い、新たに前記改質段階分類モデルを作成する、
ことを特徴とする請求項5記載の異物除去方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018166670A JP7137801B2 (ja) | 2018-09-06 | 2018-09-06 | 土壌改質判定装置、及び異物除去方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018166670A JP7137801B2 (ja) | 2018-09-06 | 2018-09-06 | 土壌改質判定装置、及び異物除去方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020041801A true JP2020041801A (ja) | 2020-03-19 |
JP7137801B2 JP7137801B2 (ja) | 2022-09-15 |
Family
ID=69799314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018166670A Active JP7137801B2 (ja) | 2018-09-06 | 2018-09-06 | 土壌改質判定装置、及び異物除去方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7137801B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022524673A (ja) * | 2019-03-11 | 2022-05-10 | ハウジング・アンド・ディヴェロップメント・ボード | 土壌及び土壌型の分類のための装置、システム、及び方法 |
JP2022097064A (ja) * | 2020-12-18 | 2022-06-30 | 学校法人 名城大学 | 土中異物除去装置及び土中異物除去方法 |
CN115659868A (zh) * | 2022-11-01 | 2023-01-31 | 武汉大学 | 水热耦合的土壤水深度学习方法和土壤水热运移监测系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4201549A (en) * | 1978-06-08 | 1980-05-06 | Dialytic Electrolysis Laboratorium (Proprietary) Limited | Soil testing apparatus and method |
JPH04160343A (ja) * | 1990-10-24 | 1992-06-03 | Olympus Optical Co Ltd | 免疫学的反応パターンの判定装置 |
JPH0793550A (ja) * | 1993-09-28 | 1995-04-07 | Fujitsu Ltd | 類似度検出装置 |
US20160223506A1 (en) * | 2015-01-30 | 2016-08-04 | AgriSight, Inc. | System and method for crop health monitoring |
JP2017181289A (ja) * | 2016-03-30 | 2017-10-05 | 株式会社大林組 | 土質区分装置及び土質区分方法 |
JP2018066613A (ja) * | 2016-10-18 | 2018-04-26 | 鹿島建設株式会社 | 土質判定方法及びシステム |
US20180174291A1 (en) * | 2016-12-21 | 2018-06-21 | Massachusetts Institute Of Technology | Determining soil state and controlling equipment based on captured images |
-
2018
- 2018-09-06 JP JP2018166670A patent/JP7137801B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4201549A (en) * | 1978-06-08 | 1980-05-06 | Dialytic Electrolysis Laboratorium (Proprietary) Limited | Soil testing apparatus and method |
JPH04160343A (ja) * | 1990-10-24 | 1992-06-03 | Olympus Optical Co Ltd | 免疫学的反応パターンの判定装置 |
JPH0793550A (ja) * | 1993-09-28 | 1995-04-07 | Fujitsu Ltd | 類似度検出装置 |
US20160223506A1 (en) * | 2015-01-30 | 2016-08-04 | AgriSight, Inc. | System and method for crop health monitoring |
JP2017181289A (ja) * | 2016-03-30 | 2017-10-05 | 株式会社大林組 | 土質区分装置及び土質区分方法 |
JP2018066613A (ja) * | 2016-10-18 | 2018-04-26 | 鹿島建設株式会社 | 土質判定方法及びシステム |
US20180174291A1 (en) * | 2016-12-21 | 2018-06-21 | Massachusetts Institute Of Technology | Determining soil state and controlling equipment based on captured images |
Non-Patent Citations (3)
Title |
---|
熊谷隆宏: "人工知能技術による土質推定に基づく埋立管理システムの開発", 土木学会論文集B3(海洋開発), vol. 76, no. 2, JPN6022010934, 2020, pages 720 - 725, ISSN: 0004811634 * |
稲積真哉: "土質区分判定をサポートする人工知能システムの開発", 地盤工学ジャーナル, vol. 15, no. 3, JPN6022010935, 2020, pages 653 - 663, ISSN: 0004811633 * |
荻野晃: "ディープラーニングを用いた画像分析による土質の分類に関する検討", 第7回環境放射能除染研究発表会要旨集, JPN7022001210, 2018, pages 17, ISSN: 0004811635 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022524673A (ja) * | 2019-03-11 | 2022-05-10 | ハウジング・アンド・ディヴェロップメント・ボード | 土壌及び土壌型の分類のための装置、システム、及び方法 |
JP7225502B2 (ja) | 2019-03-11 | 2023-02-21 | ハウジング・アンド・ディヴェロップメント・ボード | 土壌及び土壌型の分類のための装置、システム、方法及びコンピュータ可読媒体 |
JP2022097064A (ja) * | 2020-12-18 | 2022-06-30 | 学校法人 名城大学 | 土中異物除去装置及び土中異物除去方法 |
JP7299570B2 (ja) | 2020-12-18 | 2023-06-28 | 学校法人 名城大学 | 土中異物除去装置及び土中異物除去方法 |
CN115659868A (zh) * | 2022-11-01 | 2023-01-31 | 武汉大学 | 水热耦合的土壤水深度学习方法和土壤水热运移监测系统 |
Also Published As
Publication number | Publication date |
---|---|
JP7137801B2 (ja) | 2022-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11544522B2 (en) | Methods, systems, and computer readable mediums for determining a system state of a power system using a convolutional neural network | |
JP7137801B2 (ja) | 土壌改質判定装置、及び異物除去方法 | |
CN110598784A (zh) | 基于机器学习的建筑垃圾分类方法及装置 | |
Dotel et al. | Disaster assessment from satellite imagery by analysing topographical features using deep learning | |
Maiya et al. | Slum segmentation and change detection: A deep learning approach | |
Tharani et al. | Attention neural network for trash detection on water channels | |
Bennis et al. | Nature-inspired methods for metaheuristics optimization: Algorithms and applications in science and engineering | |
CN111611949A (zh) | 基于cim与区块链的智慧城市水域垃圾密度检测方法 | |
CN111652297B (zh) | 用于图像检测模型训练的故障图片生成方法 | |
Baek et al. | Data augmentation using adversarial training for construction-equipment classification | |
Tavus et al. | A cnn-based flood mapping approach using sentinel-1 data | |
Dewi et al. | Implementation of Adaptive Neuro-Fuzzy Inference System and Image Processing for Design Applications Paper Age Prediction | |
Iqbal et al. | Improving classification on images by extracting and transferring knowledge in genetic programming | |
US11748865B2 (en) | Hierarchical image decomposition for defect detection | |
Sirimewan et al. | Deep learning-based models for environmental management: Recognizing construction, renovation, and demolition waste in-the-wild | |
Meria | Development of automatic industrial waste detection system for leather products using artificial intelligence | |
Idjaton et al. | Detection of limestone spalling in 3D survey images using deep learning | |
CN105096334B (zh) | 一种矿区监测方法和系统 | |
Zhao et al. | Rotation-aware building instance segmentation from high-resolution remote sensing images | |
CN114445767B (zh) | 一种传输带传输异物检测方法及系统 | |
CN114863274A (zh) | 基于深度学习的地表绿网苫盖提取方法 | |
Widayani et al. | Implementing Support Vector Machine Algorithm for Early Slum Identification in Yogyakarta City, Indonesia Using Pleiades Images | |
CN114066861A (zh) | 一种基于交叉算法边缘检测理论和视觉特征的煤矸识别方法 | |
Deepa et al. | Estimation of garbage coverage area in water terrain | |
Chin et al. | Visual marine debris detection using yolov5s for autonomous underwater vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20181003 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210520 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220316 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220322 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220511 |
|
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: 20220628 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220706 |
|
R155 | Notification before disposition of declining of application |
Free format text: JAPANESE INTERMEDIATE CODE: R155 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220823 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7137801 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |