JP2021009055A - コンクリートの状態推定システム - Google Patents

Abstract

【課題】コンクリートの状態を推定する際の手間を軽減することができるコンクリートの状態推定システムを提供する。【解決手段】流動するコンクリートＣを撮像する撮像部１１と、前記撮像部１１によって撮像された推定対象となるコンクリートＣの「推定用映像データ」（映像データ）を含む推定用データと、過去に撮像された学習対象となるコンクリートＣの「学習用映像データ」（映像データ）を含む学習用データに基づいて作成された推定モデルと、に基づいて、前記推定対象となるコンクリートＣのワーカビリティー（状態）を推定する（ステップＳ１１）状態推定部（制御部５）と、を具備する。【選択図】図１

Description

本発明は、コンクリートの状態を推定するコンクリートの状態推定システムに関する。

従来、建物の施工に用いられるコンクリートの状態を推定する方法が知られている。例えば、コンクリートの状態の一態様であるワーカビリティーの良否を推定する方法として、スランプ試験やスランプフロー試験が知られている。上記スランプ試験等は、打設前のコンクリートの一部を試料として採取し、当該試料を所定の容器（スランプコーン）内に詰めた後、当該スランプコーンを垂直に引き抜いた時の当該試料の頂点の下がり（スランプ値）や直径の広がり（スランプフロー値）を計測するものである。

上記スランプ試験等は、試料を採取する作業や、試料をスランプコーンに詰める作業、計測する作業等を要し、このようなスランプ試験等を頻繁に行う場合には、多くの手間がかかることが考えられる。

そこで、スランプ試験等に代わるコンクリートのワーカビリティー推定方法が公知となっている。例えば、特許文献１に記載の如くである。

特許文献１には、所定の容器に採取したコンクリートの中に内部振動機を挿入すると共に、当該内部振動機の振動を開始して上記内部振動機の負荷電流値を測定し、当該負荷電流値に基づいてコンクリートのスランプ値を推定することで、ワーカビリティーの判定を行うコンクリートのワーカビリティー判定方法が記載されている。

しかしながら、上記コンクリートのワーカビリティー判定方法によっても、試料を採取する作業や、コンクリートの中に内部振動機を挿入する作業が必要となる。従って、上記判定を頻繁に行う場合には、手間がかかることが考えられる。このように、コンクリートの状態を推定する際に、手間を軽減させることが望まれている。

特開２０１６−２１７７４０号公報

本発明は、以上の如き状況を鑑みてなされたものであり、その解決しようとする課題は、コンクリートの状態を推定する際の手間を軽減することができるコンクリートの状態推定システムを提供するものである。

本発明の解決しようとする課題は以上の如くであり、次にこの課題を解決するための手段を説明する。

即ち、請求項１においては、流動するコンクリートを撮像する撮像部と、前記撮像部によって撮像された推定対象となるコンクリートの映像データを含む推定用データと、過去に撮像された学習対象となるコンクリートの映像データを含む学習用データに基づいて作成された推定モデルと、に基づいて、前記推定対象となるコンクリートの状態を推定する状態推定部と、を具備するものである。

請求項２においては、前記学習対象となるコンクリートの映像データは、前記撮像部によって撮像されたものであり、前記学習用データに基づいて、機械学習により前記推定モデルを作成する推定モデル作成部を具備するものである。

請求項３においては、前記推定用データには、前記推定対象となるコンクリートの調合内容を示す調合データが含まれ、前記学習用データには、前記学習対象となるコンクリートの調合内容を示す調合データが含まれるものである。

請求項４においては、前記推定対象となるコンクリートの映像データには、当該推定対象となるコンクリートの流速データ及び当該コンクリートに含まれる粗骨材のばらつきデータが含まれ、前記学習対象となるコンクリートの映像データには、当該学習対象となるコンクリートの流速データ及び当該コンクリートに含まれる粗骨材のばらつきデータが含まれるものである。

請求項５においては、前記状態推定部は、前記推定対象となるコンクリートの流動性を示す値を推定することで、当該推定対象となるコンクリートの状態を推定し、前記コンクリートの流動性を示す値が第一の閾値を超える場合には、警報を報知する警報部を具備するものである。

請求項６においては、前記警報部は、前記コンクリートの流動性を示す値が、前記第一の閾値より小さい第二の閾値未満である場合には、警報を報知するものである。

請求項７においては、無人航空機を具備し、前記撮像部は、前記無人航空機に搭載されるものである。

本発明の効果として、以下に示すような効果を奏する。

請求項１においては、コンクリートの状態を推定する際の手間を軽減することができる。

請求項２においては、撮像部によって撮像した映像データを用いて推定モデルを作成することができる。

請求項３においては、コンクリートの状態の推定の精度を向上させることができる。

請求項４においては、コンクリートの状態の推定の精度をより向上させることができる。

請求項５においては、コンクリートの状態に問題がある可能性があることを報知することができる。

請求項６においては、コンクリートの状態に問題がある可能性があることを報知することができる。

請求項７においては、無人航空機を介してコンクリートの撮像を行うことができる。

本発明の一実施形態に係るコンクリートの状態推定システム及び施工現場の構成を示した模式図。 コンクリートの状態推定システムの構成を示したブロック図。 コンクリートの状態推定システムが実行する処理を示したフローチャート。 学習用データを示した表。 映像データを示した模式図。 状態推定処理を示したフローチャート。 推定用データを示した表。

以下では、図１を用いて、本発明の一実施形態に係るコンクリートの状態推定システム１について説明する。

コンクリートの状態推定システム１は、所定の建物の施工現場（以下では「推定対象施工現場Ａ」と称する）において建物の施工に用いられるコンクリートＣの状態を推定するものである。本実施形態では、コンクリートの状態推定システム１を、コンクリートＣの状態の一態様であるワーカビリティーを推定するものとしている。

ここで、ワーカビリティーとは、コンクリートＣの変形および流動に対する抵抗性（コンシステンシー）と材料分離に対する抵抗性とを合わせた性質であり、運搬、打設、締固め、仕上げ等のコンクリートＣに関する作業の作業性の程度を示すものである。

コンクリートＣが硬過ぎれば、流動性が低下することからワーカビリティーは悪くなる傾向がある。この場合、後述するコンクリートＣを打設するための輸送管３２や、後述するＣＦＴ構造に用いられる鋼管Ａａの中で、コンクリートＣが詰まるおそれがある。

また、コンクリートＣが軟らか過ぎれば、材料分離が生じ易くなることからワーカビリティーは悪くなる傾向がある。この場合、後述する輸送管３２の中で、コンクリートＣが詰まるおそれがある。

以下では、まず、コンクリートの状態推定システム１の推定対象となるコンクリートＣについて説明する。

コンクリートＣは、セメント、水、細骨材（砂）及び粗骨材Ｃａ（砂利又は砕石）を混合した建築材料である（図５参照）。なお、以下では、凝固する前の状態のコンクリートＣ（フレッシュコンクリート、生コンクリート）を、単に「コンクリートＣ」と称して説明する。

コンクリートＣには、必要に応じて混和材料が添加される。混和材料とは、コンクリートＣのワーカビリティー（流動性等）を向上させるためにコンクリートＣに添加される材料である。混和材料には、混和材及び混和剤が含まれる。

混和材は、使用量が比較的多く、自身の容積がコンクリートＣの練上がり容積に算入される混和材料である。混和材としては、フライアッシュ、高炉スラグ微粉末、膨脹材、シリカフューム等が挙げられる。

混和剤は、使用量が比較的少なく、自身の容積がコンクリートＣの練上がり容積に算入されない混和材料である。混和剤としては、ＡＥ剤、減水剤、ＡＥ減水剤、高性能ＡＥ減水剤、流動化剤、増粘剤等が挙げられる。

次に、図１を用いて、上述したコンクリートＣを用いた建物の施工態様の一例について説明する。

本実施形態に係る施工の対象となる建物は、ＣＦＴ構造（コンクリート充填鋼管構造）を採用している。ＣＦＴ構造においては、鋼管Ａａの内部空間にコンクリートＣが充填されることで建物の柱が形成される。なお、本実施形態では、ＣＦＴ構造に使用するコンクリートＣとして、適宜の混和材料を添加することで流動性を向上させた高流動コンクリートを採用する。

コンクリートＣは、アジテータ車２０によって適宜の生コン工場から推定対象施工現場Ａまで輸送される。アジテータ車２０は、コンクリートＣを攪拌しながら輸送する車両である。アジテータ車２０は、ドラム２１、ホッパ２２及びシュート２３を具備する。

ドラム２１は、コンクリートＣを積載するものである。ドラム２１は、内部においてコンクリートＣを攪拌可能とされる。

ホッパ２２は、ドラム２１の内部と連通する受入れ口である。ホッパ２２を介してコンクリートＣがドラム２１の内部に供給される。また、ホッパ２２を介して、ドラム２１の内部のコンクリートＣに混和材料を添加することができる。

シュート２３は、ドラム２１の内部のコンクリートＣを、所定の供給先（後述するポンプ車３０のホッパ３１）に誘導する樋である。シュート２３は、斜め下方に傾斜している。

アジテータ車２０によって輸送されたコンクリートＣは、ポンプ車３０を介して鋼管Ａａの内部に充填される。ポンプ車３０は、アジテータ車２０からのコンクリートＣを受け入れると共に、ポンプ（不図示）の圧力によってコンクリートＣを圧送する車両である。ポンプ車３０は、ホッパ３１及び輸送管３２を具備する。

ホッパ３１は、ポンプと連通する受入れ口である。ホッパ３１を介してアジテータ車２０のシュート２３からのコンクリートＣがポンプに供給される。

輸送管３２は、ポンプにより圧送されたコンクリートＣが流通するものである。輸送管３２は、筒先が鋼管Ａａの側面を貫通する挿通孔に接続される。これにより、鋼管Ａａの内部にコンクリートＣを充填可能となる。

ポンプ車３０は、建物におけるコンクリートＣの打設工程が終了するまでの間（例えば一日）施工現場（推定対象施工現場Ａ）に設置される。一方、アジテータ車２０は、コンクリートＣの打設工程が終了するまでの間、コンクリートＣを輸送するために複数回施工現場に出入りする。

ここで、輸送されたコンクリートＣを受け入れる際には、コンクリートＣのワーカビリティーの良否を推定することが望ましい。コンクリートＣのワーカビリティーを推定する方法としては、スランプ試験やスランプフロー試験が一般的である。

スランプ試験は、アジテータ車２０により輸送された打設前のコンクリートＣの一部を試料として採取し、当該試料を所定の容器（スランプコーン）内に詰めた後、当該スランプコーンを垂直に引き抜いた直後の当該試料の頂点が下がった量であるスランプ値（ｃｍ）を測定したものである。上記スランプ値によってコンクリートＣの流動性が示される。スランプ試験は、「ＪＩＳ Ａ １１０１：２００５（コンクリートのスランプ試験方法）」に準拠して行われる。

スランプフロー試験は、上記スランプ試験と同様、試料をスランプコーン内に詰めた後、当該スランプコーンを垂直に引き抜いた直後の当該試料の直径の広がりであるスランプフロー値（ｃｍ）を測定したものである。上記スランプフロー値によってコンクリートＣの流動性が示される。スランプフロー試験は、「ＪＩＳ Ａ １１５０：２００７（コンクリートのスランプフロー試験方法）」に準拠して行われる。

上記スランプ試験やスランプフロー試験は、コンクリートＣの受入れ検査において行われる。ここで、受入れ検査とは、輸送されたコンクリートＣについて打設前に行われる品質確認のための検査である。受入れ検査では、スランプ試験やスランプフロー試験の他、コンクリートＣの温度や外気温等が測定される。受入れ検査は、所定のタイミングで複数回行われる。上記受入れ検査を実行するタイミングは、コンクリートＣの打設量やアジテータ車２０の台数に応じて適宜設定される。

次に、図１及び図２を用いて、コンクリートの状態推定システム１の詳細について説明する。

図１及び図２に示すように、コンクリートの状態推定システム１は、主として、制御装置２、無人航空機１０、輸送管計測部１３を具備する。

制御装置２は、各種の情報の処理が可能なものである。制御装置２は、通信部３、記憶部４、制御部５、表示部６及び入力部７を具備する。

通信部３は、後述する無人航空機１０や輸送管計測部１３に対して情報の送信や受信を行うものである。

記憶部４は、各種のプログラムや通信部３により受信された情報等が記憶されるものである。記憶部４は、ＨＤＤ、ＲＡＭ、ＲＯＭ等により構成される。

制御部５は、記憶部４に記憶されたプログラムを実行するものである。制御部５は、ＣＰＵにより構成される。

表示部６は、各種の情報を表示するものである。表示部６は、液晶ディスプレイ等により構成される。

入力部７は、各種の情報を入力するためのものである。入力部７は、キーボード、マウス等により構成される。

このように、制御装置２としては、一般的なパーソナルコンピュータ等を用いることができる。

図１に示す無人航空機１０は、ドローンやＵＡＶとも呼ばれる人が搭乗しない小型の航空機である。無人航空機１０は、複数のローター（回転翼）を具備し、安定した飛行を行うことができる。無人航空機１０は、撮像部１１及び混和材料供給部１２を具備する。

撮像部１１は、所定のレンズ部（不図示）を介して撮像した映像データを取得するものである。撮像部１１は、レンズ部の指向方向を調整可能とされている。撮像部１１は、アジテータ車２０のシュート２３を流動するコンクリートＣを撮像可能とされる。撮像部１１により撮像された映像データは、所定の通信手段を介して通信部３に送信される。

混和材料供給部１２は、混和材料を保持すると共に、アジテータ車２０のホッパ２２に混和材料を供給するものである。混和材料供給部１２としては、混和材料の保持及び保持の解除が可能なアーム状の部材を採用可能である。なお、混和材料供給部１２としては、上述した構成に限られず、種々の構成を採用可能である。

また、無人航空機１０は、適宜のＧＰＳ受信機、高度センサを備えている。無人航空機１０は、撮像部１１やＧＰＳ受信機、高度センサから取得した情報をもとにシュート２３の近傍に向かって飛行することができる。また、無人航空機１０は、適宜の照明部を備えている。無人航空機１０は、撮像部１１による撮像を行う際に、必要に応じて照明部によって撮像の対象に光を照射することができる。

本実施形態においては、無人航空機１０は、使用されない時には、所定の発着地点（基地）で待機する構成としている。上記発着地点としては、現場事務所等、コンクリートＣのワーカビリティーの良否の判断を行う担当者（現場監督や受入れ検査の検査員等）の待機場所が考えられる。

輸送管計測部１３は、ポンプ車３０の輸送管３２に設けられ、輸送管３２内を流通するコンクリートＣの圧力を測定可能なものである。輸送管計測部１３は、適宜の通信手段を介して、コンクリートＣの圧力の測定値である圧力値を通信部３に送信可能とされている。

コンクリートの状態推定システム１は、図３に示すように、学習用データに基づいて推定モデルを作成する推定モデル作成処理（ステップＳ１０）と、推定モデルを用いて、コンクリートＣのワーカビリティーを推定する状態推定処理（ステップＳ１１）と、を上記した順番で実行可能である。

以下では、推定モデル作成処理（ステップＳ１０）について説明する。

推定モデル作成処理は、コンクリートＣのワーカビリティーを推定するための推定モデルを作成する処理である。

推定モデル作成処理において、制御部５は、学習用データに基づいて推定モデルを作成する。推定モデルは、後述する推定用データに基づいて、スランプフロー値の推定値（後述する推定スランプフロー値）を算出することで、コンクリートＣのワーカビリティーを推定するものである。推定モデルは、機械学習により作成される。推定モデルは、記憶部４に記憶され、制御部５により実行可能とされる。

図４に示す学習用データは、推定モデルの作成に用いられるデータである。学習用データは、推定対象施工現場Ａとは異なる過去の施工現場（以下では、「学習対象施工現場Ｂ」と称する）において使用されたコンクリートＣに関するものである。なお、学習対象施工現場Ｂでは、図１を用いて説明した推定対象施工現場Ａと概ね同様の態様の施工が行われたものとする。具体的には、学習対象施工現場Ｂでは、推定対象施工現場Ａと同様、高流動コンクリートを用いてＣＦＴ構造の建物の施工が行われたものとする。

学習用データは、複数の学習対象施工現場Ｂにおいて取得され、記憶部４に蓄積される。学習用データには、「学習用映像データ」、「学習用調合データ」及び「検査データ」が含まれる。

「学習用映像データ」は、学習対象施工現場Ｂにおいて、無人航空機１０の撮像部１１を介して取得されるコンクリートＣの映像データである。「学習用映像データ」には、「コンクリートの流速」及び「粗骨材のばらつき」が含まれる。

「コンクリートの流速」は、アジテータ車２０のシュート２３を流動するコンクリートＣの速度である。「コンクリートの流速」は、制御部５により、映像データを画像解析することで取得される。

ここで、図５は、撮像部１１により撮像された映像データを示した図である。映像データは、図５に示すように、シュート２３を流動するコンクリートＣを、所定の位置から撮像したものである、制御部５は、図５に示すように、上記映像データのうち、所定の領域の画像を解析する。本実施形態では、シュート２３における上流側と下流側との２つの領域（図５において二点鎖線で囲われた領域）の画像を解析する。

また、制御部５は、上記領域においてそれぞれ粗骨材Ｃａを抽出する。制御部５は、所定のピクセル（画素）単位で分割された上記領域の画像（図５に示すマス状の画像）における色情報によって粗骨材Ｃａを把握する。図例では、上記画像における粗骨材Ｃａを黒色の部分で示している。

制御部５は、上記画像において把握された粗骨材Ｃａの変化により、コンクリートＣの流速を算出する。コンクリートＣの流速の算出方法としては、例えば、一つの領域内における粗骨材Ｃａのピクセル単位の移動距離と、上記移動にかかった時間と、によりコンクリートＣの流速を算出する方法を採用可能である。本実施形態では、シュート２３の上流側と下流側との２つの領域において、それぞれコンクリートＣの流速の算出する構成としている。これにより、コンクリートＣの流速の算出の精度を向上させることができる。

コンクリートＣの流速が比較的大きければ、コンクリートＣの流動性が高く、スランプ値及びスランプフロー値が大きくなる傾向がある。すなわち、コンクリートＣが比較的軟らかい傾向がある。また、コンクリートＣの流速が比較的小さければ、コンクリートＣの流動性が低く、スランプ値及びスランプフロー値が小さくなる傾向がある。すなわち、コンクリートＣが比較的硬い傾向がある。

「粗骨材のばらつき」は、コンクリートＣにおける粗骨材Ｃａのばらつきや分布である。「粗骨材のばらつき」は、制御部５により、映像データを画像解析することで取得される。

「粗骨材のばらつき」においても、「コンクリートの流速」と同様、図５に示す所定の領域の画像（マス状の画像）の色情報が用いられる。制御部５は、上記画像における黒色の部分を、粗骨材Ｃａのばらつきや分布の情報として取得する。

粗骨材Ｃａのばらつきや分布に偏りが生じる場合には、粗骨材Ｃａを含むコンクリートＣの材料が分離している可能性がある。この場合、粗骨材Ｃａが一部に集中したり、分離した水がコンクリートＣの表層に浮いてくると共に粗骨材Ｃａが沈むことから、一部の粗骨材Ｃａが確認し難くなる。このようなコンクリートＣの分離が生じる場合は、コンクリートＣの単位水量が比較的大きく、スランプ値及びスランプフロー値が大きくなる傾向がある。すなわち、コンクリートＣが比較的軟らかい傾向がある。

また、コンクリートＣが比較的軟らかい場合には、シュート２３を流動するコンクリートＣにおいて、粗骨材Ｃａが左右方向（平面視において流動方向に直交する方向）に比較的移動し易くなる傾向がある。一方、コンクリートＣが比較的硬い場合には、シュート２３を流動するコンクリートＣにおいて、粗骨材Ｃａは左右方向に比較的移動し難くなり、そのまま下流側に移動する傾向がある。

「学習用調合データ」は、コンクリートＣの調合に関するデータである。「学習用調合データ」には、「単位セメント量」、「単位水量」、「水セメント比」、「骨材品質」、「粗骨材最大寸法」、「細骨材率」及び「混和材料データ」が含まれる。

「単位セメント量」は、１?あたりのコンクリートＣに含まれるセメントの量である。

「単位水量」は、１?あたりのコンクリートＣに含まれる水の量である。

「水セメント比」は、コンクリートＣ中の水とセメントの比率を示すものである。

「骨材品質」は、骨材（粗骨材及び細骨材）の品質を示すものである。「骨材品質」としては、骨材の採取場所や種類、密度や吸水率等が挙げられる。

「粗骨材最大寸法」は、粗骨材Ｃａの寸法を示すものである。「粗骨材最大寸法」は、質量で粗骨材Ｃａの９０％が通るふるいのうち、最小寸法のふるいの呼び寸法で示される寸法である。

「細骨材率」は、全骨材の絶対容積（粗骨材及び細骨材の容積の和）に対して細骨材の絶対容積が占める割合である。

「混和材料データ」は、コンクリートＣに含まれる混和材料の情報である。「混和材料データ」としては、混和材料の種類や量が挙げられる。

「学習用調合データ」は、コンクリートＣについての生コン工場からの納品書や品質証明書等に基づいて、入力部７を介して担当者が上記データを入力することで取得される。なお、「学習用調合データ」の取得方法としては、上記方法に限られず、コンクリートＣを製造した生コン工場から送信されたデータを、通信部３を介して受信することで取得するようにしてもよい。

「検査データ」は、学習対象施工現場ＢにおけるコンクリートＣについて、実際の検査によって測定された当該コンクリートＣの品質に関するデータである。本実施形態では、「検査データ」を、受入れ検査において測定されたデータとしている。「検査データ」には、「スランプフロー値」、「５０ｃｍ到達時間」、「コンクリート温度」、「空気量」及び「外気温」が含まれる。

「スランプフロー値」は、学習対象施工現場Ｂにおいて、実際にスランプフロー試験を行い測定された値である。

「５０ｃｍ到達時間」は、スランプフロー試験において、スランプコーンの引き抜き開始から、試料の広がりが直径５０ｃｍの円に到達するまでの時間である。

「コンクリート温度」は、受入れ時におけるコンクリートＣの温度である。「コンクリート温度」は、適宜の温度計により測定される。

「空気量」は、コンクリートＣに含まれる空気の容積の、コンクリートＣの全容積に対する割合である。「空気量」は、適宜の計測器具により測定される。

「外気温」は、受入れ検査において測定された学習対象施工現場Ｂの外気温である。「外気温」は、適宜の温度計により測定される。

「検査データ」は、上記コンクリートＣの測定結果に基づいて、入力部７を介して担当者が上記データを入力することで取得される。

ここで、機械学習とは、上述した学習用データを解析し、当該学習用データから抽出された特徴量のパターンを学習して適宜の処理を可能とするモデル（推定モデル）を作成することを指す。機械学習の手法としては、決定木やニューラルネットワーク、ランダムフォレスト等、種々の手法を採用可能である。

また、特徴量とは、学習用データから抽出した当該学習用データの特徴（特性）を定量的に示したものである。本実施形態においては、学習用データのうち、「学習用映像データ」、「学習用調合データ」及び「検査データ」に含まれる「外気温」を特徴量として抽出する。

また、本実施形態では、機械学習において、上記特徴量のパターンと、上記学習用データの「検査データ」に含まれる「スランプフロー値」と、の関係を学習することで推定モデルを作成する構成としている。

上記特徴量は、上記「スランプフロー値」とセットとなるように記憶部４に記憶される。こうして、あるコンクリートＣのスランプフロー値に対して、当該コンクリートＣの映像データや調合データ、外気温（特徴量）が、互いに紐付けされた状態で記憶部４に記憶される。

なお、上述した例では、「学習用映像データ」及び「学習用調合データ」の全てを特徴量としたが、特徴量としてはこのような態様に限られない。例えば、「学習用映像データ」及び「学習用調合データ」のうち一部を特徴量として抽出してもよい。

また、例えば、無人航空機１０により映像データを取得する際におけるシュート２３の角度や、無人航空機１０が備える照明部の照射角度及び照度等、映像データの取得時の条件を、特徴量に含めるようにしてもよい。

また、上述した学習用データは一例であり、学習用データとしては上述したものに限られない。例えば、学習用データに学習対象施工現場Ｂにおける天候や季節、地域に関するデータを含めるようにしてもよく、学習用データとしては種々のデータを採用可能である。

次に、状態推定処理（ステップＳ１１）について説明する。

状態推定処理は、推定モデルを用いて、推定対象施工現場Ａにおいて使用されるコンクリートＣのワーカビリティーを推定するものである。

以下では、図６のフローチャートを用いて、状態推定処理において制御部５が行う処理について説明する。

ステップＳ２０において、制御部５は、推定用データを取得する。以下では、推定用データについて説明する。

図７に示す推定用データは、推定対象施工現場ＡのコンクリートＣのワーカビリティーの推定に用いられるデータである。推定用データは、推定対象施工現場Ａにおいて、推定対象となるコンクリートＣに関するものである。推定用データには、「推定用映像データ」、「推定用調合データ」、「受入れ時データ」及び「設計条件」が含まれる。

「推定用映像データ」は、推定対象施工現場Ａにおいて、無人航空機１０の撮像部１１を介して取得されるコンクリートＣの映像データである。「推定用映像データ」には、「コンクリートの流速」及び「粗骨材のばらつき」が含まれる。なお、「推定用映像データ」の「コンクリートの流速」及び「粗骨材のばらつき」は、推定対象施工現場ＡにおけるコンクリートＣに関するものである点を除いて、「学習用映像データ」の「コンクリートの流速」及び「粗骨材のばらつき」と同様であるので、説明を省略する。

「推定用調合データ」は、推定対象施工現場Ａにおいて、推定対象となるコンクリートＣの調合に関するデータである。「学習用調合データ」には、「単位セメント量」、「単位水量」、「水セメント比」、「骨材品質」、「粗骨材最大寸法」、「細骨材率」及び「混和材料データ」が含まれる。なお、「推定用映像データ」の「単位セメント量」、「単位水量」、「水セメント比」、「骨材品質」、「粗骨材最大寸法」、「細骨材率」及び「混和材料データ」は、推定対象施工現場ＡにおけるコンクリートＣに関するものである点を除いて、「学習用映像データ」の「単位セメント量」、「単位水量」、「水セメント比」、「骨材品質」、「粗骨材最大寸法」、「細骨材率」及び「混和材料データ」と同様であるので、説明を省略する。

「受入れ時データ」は、推定対象施工現場ＡにおけるコンクリートＣの受入れ時に関するデータである。「受入れ時データ」には、「外気温」が含まれる。

「外気温」は、コンクリートＣの受入れ時における推定対象施工現場Ａの外気温である。「外気温」は、適宜の温度計により測定される。

「外気温」（「受入れ時データ」）は、上記測定結果に基づいて、入力部７を介して担当者が上記データを入力することで取得される。

上述の如く、「推定用映像データ」、「推定用調合データ」及び「受入れ時データ」は、学習用データにおける特徴量である「学習用映像データ」、「学習用調合データ」及び「検査データ」の「外気温」に対応する。

「設計条件」は、推定対象施工現場Ａにおいて、推定対象となるコンクリートＣに要求される設計条件に関するデータである。「設計条件」には、「設計フロー」及び「許容値」が含まれる。

「設計フロー」は、コンクリートＣの調合設計の目標値となるスランプフロー値である。「設計フロー」としては、例えば、５０ｃｍ〜６５ｃｍの値を採用可能である。

「許容値」は、「設計フロー」を基準として、許容されるスランプフロー値の範囲を示す値である。「許容値」としては、例えば、「設計フロー」の±７．５ｃｍ〜±１０ｃｍの値を採用可能である。

上記「設計条件」は、入力部７を介して担当者が上記データを入力することで取得される。

上述した推定用データの取得（ステップＳ２０）は、コンクリートＣのワーカビリティーの推定に際して、必要に応じて実行される。本実施形態では、ポンプ車３０の輸送管３２を流通するコンクリートＣのワーカビリティーに問題がある（軟らか過ぎるか硬過ぎる）可能性がある場合に、推定用データを取得する構成としている。具体的には、制御部５は、輸送管３２に設けられた輸送管計測部１３の測定結果である圧力値について、所定値以上の変化を計測した場合、ワーカビリティーに問題がある可能性があると判断し、推定用データを取得する構成としている。

本実施形態では、制御部５は、上記圧力値の所定値以上の変化を計測した場合に、所定の発着地点で待機する無人航空機１０を起動させると共にシュート２３の近傍に向かって飛行させ、当該無人航空機１０を介して「推定用映像データ」を取得する。

また、本実施形態では、「推定用調合データ」、「受入れ時データ」及び「設計条件」を、「推定用映像データ」の取得に先立って予め入力し、記憶部４に記憶させている。この場合、「推定用調合データ」、「受入れ時データ」及び「設計条件」は、「推定用映像データ」の取得のタイミングで記憶部４から呼び出される。以上により、推定用データが取得される。制御部５は、ステップＳ２０の処理を実行した後、ステップＳ２１の処理へ移行する。

ステップＳ２１において、制御部５は、「推定用映像データ」、「推定用調合データ」及び「受入れ時データ」と、推定モデルと、に基づいて、コンクリートＣの流動性を示す値である推定スランプフロー値を算出する。ここで、推定スランプフロー値とは、「推定用映像データ」、「推定用調合データ」及び「受入れ時データ」に基いて、推定モデルを用いて算出される、実際のスランプフロー試験によらないスランプフロー値の推定値である。制御部５は、ステップＳ２１の処理を実行した後、ステップＳ２２の処理へ移行する。

ステップＳ２２において、制御部５は、推定スランプフロー値が第一の閾値以下であるか否かを判断する。ここで、第一の閾値は、推定スランプフロー値が大き過ぎるか否か（コンクリートＣが軟らか過ぎるか否か）を判断するための閾値である。

第一の閾値は、「設計条件」の「設計フロー」及び「許容値」に基づいて設定される。本実施形態では、第一の閾値を、「設計フロー」＋７．５ｃｍ〜＋１０ｃｍとする。制御部５は、推定スランプフロー値が第一の閾値以下であると判断した場合（ステップＳ２２：ＹＥＳ）には、ステップＳ２３の処理へ移行する。一方、制御部５は、推定スランプフロー値が第一の閾値を超えると判断した場合（ステップＳ２２：ＮＯ）には、ステップＳ２５の処理へ移行する。

ステップＳ２３において、制御部５は、推定スランプフロー値が第二の閾値以上であるか否かを判断する。ここで、第二の閾値は、推定スランプフロー値が小さ過ぎるか否か（コンクリートＣが硬過ぎるか否か）を判断するための閾値である。

第二の閾値は、「設計条件」の「設計フロー」及び「許容値」に基づいて設定される。第二の閾値は、第一の閾値より小さい値とされる。本実施形態では、第二の閾値を、「設計フロー」−７．５ｃｍ〜−１０ｃｍとする。制御部５は、推定スランプフロー値が第二の閾値以上であると判断した場合（ステップＳ２３：ＹＥＳ）には、ステップＳ２４の処理へ移行する。一方、制御部５は、制御部５は、推定スランプフロー値が第二の閾値未満であると判断した場合（ステップＳ２３：ＮＯ）には、ステップＳ２６の処理へ移行する。

ステップＳ２４において、制御部５は、推定スランプフロー値が許容範囲内であることを報知する。本実施形態では、制御部５は、表示部６において所定のメッセージ等を表示させることによる報知を行う構成としている。なお、報知としては、上記表示に限られず、適宜のアラームやランプ等による報知を行う構成を採用してもよい。制御部５は、ステップＳ２４の処理を実行した後、状態推定処理を終了する。

ステップＳ２２において推定スランプフロー値が第一の閾値を超えると判断した場合に移行するステップＳ２５において、制御部５は、担当者に対して警告を報知する。本実施形態では、制御部５は、表示部６において所定の警告を表示させることによる報知を行う構成としている。なお、警告としては、上記表示に限られず、適宜のアラームやランプ等による報知を行う構成を採用してもよい。

上記警告により、推定スランプフロー値が第一の閾値を超えていることからコンクリートＣが軟らか過ぎる可能性があり、ひいてはワーカビリティーに問題がある可能性があることを担当者に報知することができる。この場合、推定対象施工現場Ａにおいては、当該コンクリートＣの使用を中止する判断が可能となる。なお、上記警告が報知された場合にスランプフロー試験を行い、実際のスランプフロー値を確認した後、上記コンクリートＣの使用を中止するが否かの判断を行うようにしてもよい。制御部５は、ステップＳ２５の処理を実行した後、状態推定処理を終了する。

ステップＳ２３において推定スランプフロー値が第二の閾値未満であると判断した場合に移行するステップＳ２６において、制御部５は、ステップＳ２５と概ね同様、担当者に対して警告を報知する。

上記警告により、推定スランプフロー値が第二の閾値未満であることからコンクリートＣが硬過ぎる可能性があり、ひいてはワーカビリティーに問題がある可能性があることを担当者に報知することができる。制御部５は、ステップＳ２６の処理を実行した後、ステップＳ２７の処理へ移行する。

ステップＳ２７において、制御部５は、コンクリートＣに、流動性を向上させる混和材料（例えば、流動化剤や高性能ＡＥ減水剤等の混和剤）を添加させる処理を実行する。本実施形態では、制御部５は、無人航空機１０を介して、コンクリートＣに混和材料を添加させる。具体的には、制御部５は、無人航空機１０をアジテータ車２０のホッパ２２の近傍まで飛行させ、混和材料供給部１２で保持した混和材料をホッパ２２に投入させる。また、制御部５は、混和材料を投入した後、無人航空機１０を発着地点まで戻して待機させる。これにより、コンクリートＣのワーカビリティーの改善を自動で行うことができる。また、この場合、コンクリートＣの推定スランプフロー値に応じて、添加する混和材料の量を制御部５に算出させ、当該算出した量の混和材料を添加するように無人航空機１０を制御することが考えられる。

なお、上述したような無人航空機１０を用いて混和材料を添加する構成に限られず、担当者の手により混和材料を添加する構成としてもよい。この場合は、制御部５により算出した添加する混和材料の量を、表示部６に表示させるようにすることが考えられる。制御部５は、ステップＳ２７の処理を実行した後、状態推定処理を終了する。

上述の如きコンクリートの状態推定システム１によれば、実際にスランプフロー試験（受入れ検査）を行うことなく、推定対象施工現場ＡにおけるコンクリートＣの推定スランプフロー値に基づいたワーカビリティーの推定が可能となる。なお、推定対象施工現場Ａにおいても、適宜のタイミングで上述した受入れ検査が行われるが、当該コンクリートの状態推定システム１によるコンクリートＣのワーカビリティーの推定を行うことで、実際に受入れ検査を行う回数を減らすことができ、コンクリートＣのワーカビリティーを推定する際の手間を軽減することができる。

また、コンクリートＣの推定スランプフロー値が第一の閾値を超えており、コンクリートＣが軟らか過ぎる可能性がある場合に、警告を報知する構成としているので、ワーカビリティーに問題があるコンクリートＣの使用を回避することができる。

また、コンクリートＣの推定スランプフロー値が第二の閾値未満であり、コンクリートＣが硬過ぎる可能性がある場合に、警告を報知する構成としているので、ワーカビリティーに問題があるコンクリートＣの使用を回避することができる。また、本実施形態においては、この場合、無人航空機１０を用いてコンクリートＣに混和材料を添加させる処理を実行する構成としているので、コンクリートＣのワーカビリティーを自動で改善することができる。

また、制御部５は、推定対象施工現場Ａにおいて、スランプフロー試験（受入れ検査）により実際に測定されたスランプフロー値を用いて、推定モデルの精度を更に向上させるための機会学習を行うことも可能である。具体的には、制御部５は、推定用データの「推定用映像データ」、「推定用調合データ」及び「受入れ時データ」を特徴量とし、当該特徴量と、上記推定対象施工現場Ａにおいて実際に測定されたスランプフロー値と、の関係による機械学習を行い、推定モデルによる推定の精度を更に向上させることができる。

また、本実施形態では、無人航空機１０を用いてコンクリートＣを撮像する構成としているので、自動で映像データを取得することができる。これにより、コンクリートＣの撮像のために、担当者がコンクリートＣの受入れに立ち会う必要がなく、コンクリートＣのワーカビリティーを推定する際の手間を軽減することができる。また、推定対象施工現場Ａにおいて、複数台のアジテータ車２０によるコンクリートＣの打設が行われる場合でも、１台の無人航空機１０を、それぞれのアジテータ車２０へ飛行させることで、各アジテータ車２０のコンクリートＣのワーカビリティーをそれぞれ推定可能となる。なお、１台の無人航空機１０を使用する構成に代えて、複数台のの無人航空機１０を使用する構成としてもよい。

以上のように、本発明の一実施形態に係るコンクリートの状態推定システム１は、流動するコンクリートＣを撮像する撮像部１１と、
前記撮像部１１によって撮像された推定対象となるコンクリートＣの「推定用映像データ」（映像データ）を含む推定用データと、過去に撮像された学習対象となるコンクリートＣの「学習用映像データ」（映像データ）を含む学習用データに基づいて作成された推定モデルと、に基づいて、前記推定対象となるコンクリートＣのワーカビリティー（状態）を推定する（ステップＳ１１）状態推定部（制御部５）と、
を具備するものである。

このような構成により、コンクリートＣのワーカビリティーを推定する際の手間を軽減することができる。すなわち、推定モデルを用いて、コンクリートＣの「推定用映像データ」に基づいてコンクリートＣのワーカビリティーを推定する構成としたことで、実際にスランプフロー試験を行うことなく、コンクリートＣのワーカビリティーの推定が可能となる。

また、前記学習対象となるコンクリートＣの映像データは、前記撮像部１１によって撮像されたものであり、
前記学習用データに基づいて、機械学習により前記推定モデルを作成する（ステップＳ１０）推定モデル作成部（制御部５）を具備するものである。

このような構成により、前記撮像部１１によって撮像した映像データを用いて、機械学習により推定モデルを作成することができる。

また、前記推定用データには、前記推定対象となるコンクリートＣの調合内容を示す「推定用調合データ」（調合データ）が含まれ、
前記学習用データには、前記学習対象となるコンクリートＣの調合内容を示す「学習用調合データ」（調合データ）が含まれるものである。

このような構成により、ワーカビリティーの推定の精度を向上させることができる。すなわち、「学習用映像データ」に加えて「学習用調合データ」に基づいて推定モデルを作成し、当該推定モデルを用いて、「推定用映像データ」に加えて「推定用調合データ」に基づく推定を行うことで、ワーカビリティーの推定の精度を向上させることができる。

また、前記「推定用映像データ」には、「コンクリートの流速」（当該推定対象となるコンクリートＣの流速データ）及び「粗骨材のばらつき」（当該コンクリートＣに含まれる粗骨材のばらつきデータ）が含まれ、
前記「学習用映像データ」には、「コンクリートの流速」（当該学習対象となるコンクリートＣの流速データ）及び「粗骨材のばらつき」（当該コンクリートＣに含まれる粗骨材のばらつきデータ）が含まれるものである。

このような構成により、ワーカビリティーの推定の精度をより向上させることができる。すなわち、コンクリートＣのワーカビリティーを映像データにより推定する際の重要な要素である「コンクリートの流速」及び「粗骨材のばらつき」のそれぞれに基づいて、推定モデルを作成し、当該推定モデルを用いてコンクリートＣのワーカビリティーを推定することで、精度の高いワーカビリティーの推定が可能となる。

また、前記状態推定部（制御部５）は、
前記推定対象となるコンクリートＣのスランプフロー値（流動性を示す値）を推定することで、当該推定対象となるコンクリートＣのワーカビリティーを推定し（ステップＳ２１）、
前記コンクリートＣのスランプフロー値が第一の閾値を超える場合には、警報を報知する（ステップＳ２２、ステップＳ２５）表示部６（警報部）を具備するものである。

このような構成により、コンクリートＣのワーカビリティーに問題がある可能性があることを報知することができる。すなわち、コンクリートＣの流動性を示す値が第一の閾値を超え、コンクリートＣが軟らか過ぎる可能性がある場合に、警告を報知することができる。これにより、ワーカビリティーに問題があるコンクリートＣの使用を回避することができる。

また、前記表示部６は、
前記コンクリートＣの流動性を示す値が、前記第一の閾値より小さい第二の閾値未満である場合には、警報を報知する（ステップＳ２３、ステップＳ２６）ものである。

このような構成により、コンクリートＣのワーカビリティーに問題がある可能性があることを報知することができる。すなわち、コンクリートＣの流動性を示す値が第二の閾値未満であり、コンクリートＣが硬過ぎる可能性がある場合に、警告を報知することができる。これにより、ワーカビリティーに問題があるコンクリートＣの使用を回避することができる。

また、コンクリートの状態推定システム１は、
無人航空機１０を具備し、
前記撮像部１１は、前記無人航空機１０に搭載されるものである。

このような構成により、無人航空機１０を介してコンクリートＣの撮像を行うことができる。すなわち、無人航空機１０を、ポンプ車３０へ供給されるコンクリートＣの近傍へ飛行させることで、担当者がその場に行かずとも映像データの取得が可能となる。また、無人航空機１０を介してコンクリートＣを撮像することで、アジテータ車２０やポンプ車３０等の振動が撮像部１１に伝わり映像データに影響することを抑制することができる。

なお、本実施形態に係る制御部５は、本発明に係る推定モデル作成部及び状態推定部の一形態である。
また、本実施形態に係るコンクリートの流動性を示す値は、本発明に係るスランプフロー値の一形態である。
また、本実施形態に係る表示部６は、本発明に係る警報部の一形態である。

以上、本発明の実施形態を説明したが、本発明は上記構成に限定されるものではなく、特許請求の範囲に記載された発明の範囲内で種々の変更が可能である。

例えば、本実施形態では、学習用データにおける「検査データ」を、受入れ検査において測定されたデータとしたが、このような構成に限られない。例えば、学習対象施工現場Ｂにおいて、受入れ検査に加えて、更に「検査データ」を取得するための検査を行うようにしてもよい。

また、本実施形態では、推定用データにおける「受入れ時データ」の「外気温」の取得方法を、入力部７を介して温度計の測定結果を入力する構成としたが、「外気温」の取得方法としては、上記方法に限られない。例えば、無人航空機１０に温度計を設け、当該温度計の測定結果を通信部３を介して受信することで「外気温」を取得する構成としてもよい。

また、本実施形態では、推定用データにおける「受入れ時データ」として、「外気温」を取得する構成としたが、このような構成に限られない。すなわち、「受入れ時データ」としては、「検査データ」に含まれる種々のデータに対応するデータを取得することができる。例えば、「受入れ時データ」として、「コンクリート温度」を取得する構成としてもよい。この場合は、受入れ時におけるコンクリートＣの温度を所定の温度計により測定し、上記温度計の測定結果を入力部７を介して入力することで「コンクリート温度」を取得する構成としてもよい。また、無人航空機１０に、コンクリートＣの温度を測定可能な非接触の温度計を設け、当該温度計の測定結果を通信部３を介して受信することで「コンクリート温度」を取得する構成としてもよい。

また、本実施形態では、推定用データにおける「推定用映像データ」、「推定用調合データ」及び「受入れ時データ」に基づいて、推定モデルによる推定スランプフロー値の算出を行う構成としたが、このような構成に限られない。例えば、「受入れ時データ」を用いず、「推定用映像データ」及び「推定用調合データ」のみに基づいて推定モデルによる推定スランプフロー値の算出を行う構成としてもよい。

また、本実施形態では、無人航空機１０に撮像部１１を設けた構成としたが、このような構成に限られない。例えば、ポール等の適宜の支持部に撮像部１１を設け、当該撮像部１１をシュート２３の近傍に位置させる構成としてもよい。この場合、上記支持部をアジテータ車２０のシュート２３やポンプ車３０のホッパ３１に設けるようにしてもよい。また、上記支持部を、上記シュート２３やホッパ３１と独立して、例えば地面に設けるようにしてもよい。

また、本実施形態では、図５に示すように、シュート２３を流動するコンクリートＣを、撮像部１１による撮像の対象としたが、このような構成に限られない。例えば、ポンプ車３０の輸送管３２の筒先から鋼管Ａａの内部に流動するコンクリートＣを撮像の対象としてもよく、コンクリートＣの撮像の対象としては、コンクリートＣの流動が生じている種々の箇所を採用可能である。

また、本実施形態では、「学習用映像データ」を「推定用映像データ」と同様、コンクリートの状態推定システム１の撮像部１１を介して撮像されたデータとしたが、このような構成に限られない。例えば、「学習用映像データ」を、撮像部１１とは異なる撮像装置で撮像されたものとしてもよい。

また、本実施形態では、輸送管計測部１３を、輸送管３２内を流通するコンクリートＣの圧力を測定するものとしたが、このような構成に限られない。例えば、輸送管計測部１３を、輸送管３２の振動を測定するものとしてもよい。この場合は、輸送管３２の振動によりコンクリートＣのワーカビリティーに問題がある可能性の判断を行うようにしてもよい。また、上述したように、輸送管計測部１３によって輸送管３２内を流通するコンクリートＣの圧力や振動を測定する構成に代えて、ポンプ車３０のポンプ内を流通するコンクリートＣの圧力や振動を測定する構成としてもよい。

また、本実施形態では、制御部５が、ワーカビリティーに問題がある可能性があると判断した場合に、状態推定処理を行う構成としたが、このような構成に限られない。例えば、アジテータ車２０によりコンクリートＣが輸送されるごとに、状態推定処理を行う構成としてもよい。

また、本実施形態では、状態推定処理において、スランプフロー値を推定する構成としたが、このような構成に限られない。例えば、状態推定処理においてスランプ値を推定する構成としてもよい。この場合には、推定モデル作成処理において、スランプ値と特徴量との関係を機械学習させることで、推定モデルを作成する構成とする。

また、本実施形態では、コンクリートＣを高流動コンクリートとしたが、このような構成に限られない。コンクリートＣとしては、普通コンクリート、高強度コンクリート及び軽量コンクリート等、種々のコンクリートを採用可能である。

また、本実施形態では、コンクリートの状態推定システム１において、推定モデル作成処理により作成した推定モデルを用いて状態推定処理を実行する構成としたが、このような構成に限られない。例えば、コンクリートの状態推定システム１の外部において作成された推定モデルを用いて、状態推定処理を実行する構成としてもよい。

また、本実施形態では、コンクリートの状態推定システム１を、コンクリートＣのワーカビリティーを推定するものとしたが、このような構成に限られない。コンクリートの状態推定システム１は、コンクリートＣの種々の状態（性質）を示す指標について推定可能である。

例えば、コンクリートの状態推定システム１を、コンクリートＣのコンシステンシーを推定するものとしてもよい。ここで、コンシステンシーとは、コンクリートＣの変形および流動に対する抵抗性の程度で表されるコンクリートＣの性質である。この場合には、学習用データや推定用データとして、上記コンシステンシーの推定に適したデータ（例えば、フロー試験、リモルディング試験、ＶＢ試験等の振動式コンシステンシー試験や、スランプ試験に関するデータ等）を用いるようにしてもよい。

また、例えば、コンクリートの状態推定システム１を、コンクリートＣのプラスティシティーを推定するものとしてもよい。ここで、プラスティシティーとは、容易に型枠に詰めることができ、型枠を取り去るとゆっくり形を変えるが、くずれたり，材料が分離することのないようなコンクリートＣの性質である。この場合には、学習用データや推定用データとして、上記プラスティシティーの推定に適したデータ（例えば、スランプ試験に関するデータ等）を用いるようにしてもよい。

また、例えば、コンクリートの状態推定システム１を、コンクリートＣのフィニッシャビリティーを推定するものとしてもよい。ここで、フィニッシャビリティーとは、コンクリートＣの打上がり面を要求された平滑さに仕上げようとする場合、その作業性を示す性質である。この場合には、学習用データや推定用データとして、上記フィニッシャビリティーの推定に適したデータを用いるようにしてもよい。

また、例えば、コンクリートの状態推定システム１を、コンクリートＣのポンパビリティーを推定するものとしてもよい。ここで、ポンパビリティーとは、ポンプによってコンクリートＣを圧送するときの圧送の難易性を示す性質である。この場合には、学習用データや推定用データとして、上記ポンパビリティーの推定に適したデータを用いるようにしてもよい。

また、コンクリートの状態推定システム１は、上述したコンクリートＣの状態を示す指標のうち、一つの指標を推定する構成に限られず、複数の指標を同時に推定する構成としてもよい。

１ コンクリートの状態推定システム
５ 制御部（推定モデル作成部、状態推定部）
６ 表示部（警告部）
１０ 無人航空機
１１ 撮像部
Ａ 推定対象施工現場
Ｂ 学習対象施工現場
Ｃ コンクリート
Ｃａ 粗骨材

Claims (7)

1. 流動するコンクリートを撮像する撮像部と、
   前記撮像部によって撮像された推定対象となるコンクリートの映像データを含む推定用データと、過去に撮像された学習対象となるコンクリートの映像データを含む学習用データに基づいて作成された推定モデルと、に基づいて、前記推定対象となるコンクリートの状態を推定する状態推定部と、
   を具備する、
   コンクリートの状態推定システム。
2. 前記学習対象となるコンクリートの映像データは、前記撮像部によって撮像されたものであり、
   前記学習用データに基づいて、機械学習により前記推定モデルを作成する推定モデル作成部を具備する、
   請求項１に記載のコンクリートの状態推定システム。
3. 前記推定用データには、前記推定対象となるコンクリートの調合内容を示す調合データが含まれ、
   前記学習用データには、前記学習対象となるコンクリートの調合内容を示す調合データが含まれる、
   請求項１又は請求項２に記載のコンクリートの状態推定システム。
4. 前記推定対象となるコンクリートの映像データには、当該推定対象となるコンクリートの流速データ及び当該コンクリートに含まれる粗骨材のばらつきデータが含まれ、
   前記学習対象となるコンクリートの映像データには、当該学習対象となるコンクリートの流速データ及び当該コンクリートに含まれる粗骨材のばらつきデータが含まれる、
   請求項１から請求項３までのいずれか一項に記載のコンクリートの状態推定システム。
5. 前記状態推定部は、
   前記推定対象となるコンクリートの流動性を示す値を推定することで、当該推定対象となるコンクリートの状態を推定し、
   前記コンクリートの流動性を示す値が第一の閾値を超える場合には、警報を報知する警報部を具備する、
   請求項１から請求項４までのいずれか一項に記載のコンクリートの状態推定システム。
6. 前記警報部は、
   前記コンクリートの流動性を示す値が、前記第一の閾値より小さい第二の閾値未満である場合には、警報を報知する、
   請求項５に記載のコンクリートの状態推定システム。
7. 無人航空機を具備し、
   前記撮像部は、前記無人航空機に搭載される、
   請求項１から請求項６までのいずれか一項に記載のコンクリートの状態推定システム。

Images