JP2021124290A - 地中レーダーのデータ処理方法、データ処理プログラム及び地中レーダー装置 - Google Patents

Abstract

【課題】地中レーダーの画像認識において十分な量の学習用データを良好な状態で生成できる地中レーダーのデータ処理方法及びデータ処理プログラム等を提供すること。【解決手段】実測により取得した地中データについて、地中レーダーでの探査において生じる物理現象に応じた測定パラメータの変更によりデータ拡張を行いうことで、学習用データを生成するに際して、測定パラメータの変更に際して、地中探査においてあり得ない状況のデータが混ざってしまうことを回避する。【選択図】図１

Description

本発明は、地中の状態を探査するための地中レーダーのデータ処理方法、データ処理プログラム及び地中レーダー装置に関する。

例えば、地中に埋設された埋設管等を探査する地中レーダーにおいて、地中レーダーの画像認識のために学習用データを準備することは、一般には困難であると考えられるが、これに対して、十分な量の学習用データを高速で生成するもの（特許文献１参照）が知られている。

しかしながら、特許文献１に開示の地中レーダーの画像認識では、解析モデルにより学習用データを生成している、すなわち解析モデルを利用したシミュレーションに基づくものである。このため、例えば土壌の不均一さ等について実態の状態における特性を必ずしも反映したものとはならない可能性がある。つまり、レーダーに特有の情報が十分に利用されないと、画像認識の精度向上が図れなかったり、学習過程における負荷がかえって大きくなったりする可能性がある。

また、既存の学習用データから新たな学習用データを生成する手法として、拡大・縮小あるいは階調変更等によるデータ拡張を行うことが一般に知られているが、例えば単純な拡大・縮小等によるデータ拡張を地中レーダーの画像認識に適用してしまうと、地中の解析にとって良好な学習用データが得られるとは限らず、かえって精度の劣化を招いてしまう可能性がある。

特開２０１８−４１１７８号公報

本発明は上記した点に鑑みてなされたものであり、地中レーダーの画像認識において十分な量の学習用データを良好な状態で生成できる地中レーダーのデータ処理方法及びデータ処理プログラムを提供すること、さらには、これらの方法やプログラムによって機械学習がなされた地中レーダー装置を提供することを目的とする。

上記目的を達成するための地中レーダーのデータ処理方法は、実測により取得した地中データについて、地中レーダーでの探査において生じる物理現象に応じた測定パラメータの変更によりデータ拡張を行う。

上記地中レーダーのデータ処理方法では、実測により取得した地中データについて、測定パラメータの変更によりデータ拡張を行うことで、学習用データを生成しており、この際、測定パラメータの変更を、地中レーダーでの探査において生じる物理現象に応じたものとしている。この場合、実測における土壌の不均一さ等について実態の状態等の影響を残しつつ、地中レーダーに固有の物理現象を加味して測定パラメータを変更することで、地中探査においてあり得ない状況のデータが混ざってしまうことを回避できる。したがって、地中レーダーの画像認識において十分な量の学習用データを、良好な状態で生成できる。

上記目的を達成するための地中レーダーのデータ処理プログラムは、実測により取得した地中データから測定パラメータを抽出した基準画像を準備し、測定パラメータについて、地中レーダーでの探査において生じる物理現象に応じて変更することにより新たな合成画像を生成するデータ拡張を行い、データ拡張により生成された新たな合成画像に基づき、地中における埋設物の状況判断を可能にする機械学習を行う。

上記地中レーダーのデータ処理プログラムでは、実測により取得した地中データから測定パラメータを抽出した基準画像を準備し、準備した基準画像について、測定パラメータの変更によりデータ拡張を行うことで、学習用データとしての新たな合成画像を生成しており、この際、測定パラメータの変更を、地中レーダーでの探査において生じる物理現象に応じたものとしている。この場合、実測における土壌の不均一さ等について実態の状態等の影響を残しつつ、地中レーダーに固有の物理現象を加味して測定パラメータを変更することで、新たに生成された合成画像に、地中探査においてあり得ない状況のデータが混ざってしまうことを回避できる。したがって、地中レーダーの画像認識において十分な量の学習用データとしての合成画像を、良好な状態で生成できる。また、以上の場合において、当該合成画像に基づき、地中における埋設物の状況判断を可能にする機械学習を行うことで、地中レーダーの画像認識を高い精度で行う学習済みモデルの作成が可能になる。

本発明の具体的な側面では、基準画像から背景画像と埋設物反射信号とを抽出し、埋設物反射信号に関する測定パラメータを変更し、変更した埋設物反射信号を、背景画像と合成して、新たな合成画像を生成する。この場合、測定パラメータとしての埋設物の位置や形状、個数等の各種パラメータの情報を変更して、新たな合成画像を生成し、当該合成画像を、学習用データとして利用できる。

本発明の別の側面では、測定パラメータの変更として、土壌の比誘電率の変化に応じて、埋設物反射信号の円弧の拡がりを変化させている。この場合、土壌の性質が変化した場合に、地中レーダーでの探査において生じる埋設物反射信号の変化を反映させた合成画像を生成できる。

本発明のさらに別の側面では、測定パラメータの変更として、地中の深さ方向についての土壌での減衰率に応じて、埋設物反射信号の信号強度を変化させている。この場合、地中の深さ方向に関する信号強度の減衰を加味した合成画像を生成できる。

本発明のさらに別の側面では、背景画像は、基準画像から埋設物反射信号を消去し、消去した箇所を隣接する背景データで埋めて生成される。この場合、例えば土壌の不均一さ等について実態の状態における特性を残した状態で背景画像を抽出できる。

本発明のさらに別の側面では、複数準備した基準画像のうち、一の基準画像から抽出した埋設物反射信号を、他の基準画像から抽出した背景画像と合成して、新たな合成画像を生成する。この場合、複数準備した基準画像を組み合わせることで、新たな合成画像を生成できる。

本発明のさらに別の側面では、基準画像の準備に際して抽出される測定パラメータに、埋設物の位置情報が、ラベル情報として含まれ、データ拡張において生成された新たな合成画像において、新たに設定された埋設物の位置情報が新たなラベル情報として保持される。この場合、新たな合成画像に測定パラメータをもたせ、機械学習における学習用データとして適用可能なものにできる。

上記目的を達成するための地中レーダー装置は、上記いずれかに記載の地中レーダーのデータ処理プログラムでの機械学習により取得される学習済みモデルと、探査用の電波を送信する送信部と、探査用の電波を受信する受信部とを備え、受信部で受信した受信信号に基づき地中データを抽出し、抽出された地中データについて、学習済みモデルに基づき地中における埋設物の状況を判断する。

上記地中レーダー装置では、上記地中レーダーのデータ処理プログラムでの機械学習により取得される学習済みモデルを採用することで、画像認識を高い精度で行うことが可能になる。

実施形態のデータ処理プログラムに基づくデータ処理を行うデータ処理装置を含む地中レーダーシステムの一例を説明する概念図である。 地中レーダーシステムの構成について説明するためのブロック図である。 （Ａ）及び（Ｂ）は、地中データの取得及び各種データ処理について示す概念図である。 データ処理の一態様について示す概念図である。 別のデータ処理の一態様について示す概念図である。 （Ａ）及び（Ｂ）は、比較例のデータ処理の一態様について示す概念図である。 データ処理装置におけるデータ処理のための一構成例について示すブロック図である。 （Ａ）〜（Ｃ）は、データ処理における一連の動作について一例を説明するためのフローチャートである。 機械学習による画像認識の処理について一例を説明するための概念図である。 学習済みモデルを搭載した地中レーダー装置について一例を示すブロック図である。

以下、図１等を参照して、本発明に係る一実施形態のデータ処理プログラムあるいはデータ処理方法に基づくデータ処理を行うデータ処理装置や、データ処理装置を含む地中レーダーシステムの一例について説明する。図１は、本実施形態のデータ処理プログラムに基づくデータ処理を行うデータ処理装置１００を含む地中レーダーシステムＳＲの一例を説明する概念図であり、図２は、地中レーダーシステムＳＲの構成について説明するためのブロック図である。

まず、図１に示すように、地中レーダーシステムＳＲは、地中探査を行って生のデータを取得する地中レーダーの本体である地中レーダー装置１０と、地中レーダーにおける各種データについての処理を行うデータ処理装置１００とで構成される。ここでは、地中レーダーシステムＳＲのうち、地中レーダー装置１０が、実測により地中データを取得する。また、データ処理装置１００が、地中レーダー装置１０で取得された地中データについて各種処理を施すことで、機械学習による地中の状況に関する画像認識を可能とするためのデータを生成し、延いては、地中データに基づく地中の状態の探査を可能にしている。

本実施形態では、地中レーダー装置１０等によって得られる限られた量の実測データに対して、データ処理装置１００において測定パラメータの変更等によってデータ拡張を行うことで、機械学習を行うのに十分な量の学習用データを生成するものとなっている。このデータ生成の際、特に、測定パラメータの変更を、地中の探査において生じる物理現象に応じたものとすることで、地中における埋設物の状況を判断するための学習用データとして適したものが準備可能になる。なお、以下では、機械学習とは、深層学習（ディープラーニング）等を含む広義の意味とする。

地中レーダーシステムＳＲのうち、地中レーダー装置１０は、上記のように、データ処理装置１００においてデータ拡張を行う際の対象となる基準データ（基準画像）の作成をする上で、元となる実測データを取得するための装置である。このため、地中レーダー装置１０は、探査用の電波を送信波（送信信号）として送信するとともに、送信波が地中で反射された成分である受信波（受信信号）の一部を地中データとして受信することで、地中データを取得するデータ取得部２０と、地中レーダー装置１０の移動を検知して探査位置を測定する位置測定部３０とを備える。なお、図示のように、地中レーダー装置１０は、自動車、列車、台車等の各種移動体ＭＢに上記各部を搭載して構成されている。移動体ＭＢは、探査位置を変化させるための搬送部であり、車輪ＷＬ等を備える。位置測定部３０は、例えば車輪ＷＬの回転を検知することで移動距離の検知を行う。

また、図示のように、ここでは、移動体ＭＢあるいは地中レーダー装置１０が進む方向（移動方向）をｘ方向とし、地中の深度の方向（深さ方向）をｙ方向とする。地中レーダー装置１０は、データ取得部２０において抽出された地中データを、地中探査のための出力信号についての各種数値情報や位置測定部３０において検出された位置情報といった測定時の各種データとともに、データ処理装置１００に対して送信する。

地中レーダーシステムＳＲのうち、データ処理装置１００は、例えばＰＣ等で構成される装置であり、ＣＰＵや各種ストレージデバイス、さらには各種入出力装置（ＧＵＩ）等を備える。データ処理装置１００は、地中レーダー装置１０と有線接続あるいは無線接続によりデータ通信が可能となっており、地中レーダー装置１０において実測された測定結果等の各種データの入力を受け付けるとともに、受け付けた各種データを処理する。ここでは、少なくとも、データ処理装置１００は、地中レーダー装置１０からのデータに基づいて地中の状況に関する判断を行うための学習モデルを作成可能にすべく、各種処理を行うものとなっている。

以下、図２のブロック図を参照して、地中レーダー装置１０やデータ処理装置１００の一構成例について、より詳細に説明する。

まず、地中レーダー装置１０の具体的一態様について説明する。地中レーダー装置１０は、既述のように、データ取得部２０と、位置測定部３０とを備え、地中データの取得や取得時における地中レーダー装置１０の位置情報の取得を行う。

地中レーダー装置１０のうち、データ取得部２０は、アンテナ制御回路２１と、送信部２２ａと、受信部２２ｂと、地中データ作成部２３とを備え、探査用の電波の送受信を制御しつつ、地中データの取得をする。

アンテナ制御回路２１は、主制御部である地中データ作成部２３から送信される各種指令信号に従って、送信アンテナＡＴｘを有する送信部２２ａと、受信アンテナＡＲｘを有する受信部２２ｂとの動作制御をし、適切なタイミングで地中の土壌ＳＯに向けての送信波Ｓ１の出力や地中の対象物ＯＢからの応答波Ｓ２の受信を可能にしている。

送信部２２ａ及び受信部２２ｂは、アンテナ制御回路２１によるかかる駆動動作を行うべく各種処理を行う。このため、送信部２２ａは、パルスやチャープによる送信波（電波）Ｓ１を生成する発信器のほか、信号変換を行うＤ／Ａコンバーター、送信波Ｓ１を増幅するためのアンプ等で構成されている。また、受信部２２ｂは、地中に存在する探査対象である埋設物や空洞その他の対象物ＯＢで反射されて戻って来た応答波（電波）Ｓ２を受信すべく、ノイズ処理等のための各種フィルターや、応答波Ｓ２を増幅するためのアンプ、サンプリング処理を行う相間処理器、信号変換を行うＡ／Ｄコンバーター等で構成されている。

地中データ作成部２３は、地中データの取得動作を司る主制御部として、例えばＣＰＵや各種ストレージ等で構成され、アンテナ制御回路２１の動作制御をして送信波Ｓ１や応答波Ｓ２に関する各種情報を取得するとともに、位置測定部３０に接続されて探査位置の情報を取得する。地中データ作成部２３は、これらの情報を基に地中データを作成する。

また、地中データ作成部２３は、データ処理装置１００と接続されており、作成した地中データをデータ処理装置１００に対して出力する。

ここでは、地中データ作成部２３から出力される地中データには、各種測定パラメータに相当する情報が含まれる。例えば、地中データには、地中の様子を示すＢスコープ画像（図３等参照）と呼ばれる画像データを作成するために必要な応答波Ｓ２に関する各種情報、すなわち受信部２２ｂでの各種検出結果や受信タイミングの情報が含まれる。さらに、この他にも、送信波Ｓ１に関する情報、すなわち送信部２２ａからの送信時における信号強度や、周波数、位相等の測定に使用される電波信号に関する各種情報や、送信波Ｓ１の発信タイミングの情報も、地中データの一部として、データ処理装置１００に出力される。

次に、データ処理装置１００の具体的一態様について説明する。データ処理装置１００は、既述のように、例えばＣＰＵや各種ストレージ等を有するＰＣで構成されるが、図２に示す一例では、データ処理装置１００は、主制御部（ＣＰＵ）５０と、記憶部６０と、入出力装置（ＧＵＩ）７０とを備えている。

まず、データ処理装置１００のうち、主制御部５０は、必要に応じて、記憶部６０に格納された各種プログラムやデータを読み出して、目的とする各種データの取得あるいは算出のための各種演算処理を行う。

次に、データ処理装置１００のうち、記憶部６０は、ストレージデバイス等で構成され、地中レーダー装置１０から出力される各種測定パラメータ等の地中データのほか、主制御部５０における演算処理に必要な各種データやプログラムを各種領域ごとに格納している。また、主制御部５０での演算処理により得られた結果について格納し、延いては、機械学習の結果としてのプログラムあるいはデータ構造等の学習済みモデルを格納する。

上記のような態様とすべく、記憶部６０には、例えば、地中データを解析して基準データ（基準画像）を作成するための基準画像作成プログラムＳＰのほか、基準画像を処理対象としてデータ拡張を行うためのデータ拡張プログラムＥＰ、データ拡張により得られた新たな画像（合成画像）に基づき機械学習を行う機械学習プログラムＬＰ等の各種プログラムを格納するプログラム格納部６１が設けられている。

また、記憶部６０には、例えば、地中データを解析して得た各種データを格納する基準画像データ格納部ＳＤや、データ拡張に際しての物理条件や測定パラメータの変更に対応した画像変換を決定するためのテーブルデータや変換用の関数等を格納する変換データ格納部ＣＤ、さらには、データ拡張により新たに生成される合成画像を格納する合成画像データ格納部ＧＤや、合成画像に基づく学習の結果、すなわち学習済みモデルを格納する学習済みモデル格納部ＭＤ等の各種データ等を格納するデータ格納部６２が設けられている。

最後に、データ処理装置１００のうち、入出力装置７０は、データ処理装置１００の利用者からの指令信号を受け付けるとともに、主制御部５０での演算結果等の各種出力結果を表示する利用者とのインターフェース部であり、タッチパネルやキーボード、マウス等種々のもので構成される。

特に、本実施形態では、データ処理装置１００の主制御部５０において、地中レーダー装置１０からの地中データに基づいて地中状況を確認するための各種測定パラメータや画像データを抽出した上で、さらに、測定パラメータの変更により画像データ等についてのデータ拡張を行うことで、学習用データを生成する。

以下、図３（Ａ）及び図３（Ｂ）を参照して、地中レーダー装置１０による地中データの取得及びデータ処理装置１００による各種データ処理の一連の流れについて概要説明する。まず、図３（Ａ）において、左側に示すように、地中レーダー装置１０による測定結果としての地中データの取得がされ、図の右側に示すデータ処理側すなわちデータ処理装置１００側へ地中データすなわち地中レーダー装置１０での測定結果や出力信号に関するデータ等の各種データが出力される。

データ処理装置１００では、受け付けた地中データ等から、まず、データ拡張を行う際の対象となるべき基準画像ＳＧが作成される。ここでは、基準画像ＳＧとしては、図３（Ｂ）に例示するように、いわゆるＢスコープ画像と呼ばれる画像データが作成される。

ここで、Ｂスコープ画像は、図１に例示した移動体ＭＢあるいは地中レーダー装置１０の移動方向であるｘ方向と地中の深度の方向（深さ方向）であるｙ方向とについての信号の強度分布を示すデータであり、地中の様子を示す断面画像となる。また、Ｂスコープ画像を含む各種データの作成において、地中レーダー装置１０からの出力情報に基づき、各種測定パラメータが作成される。ここで作成される測定パラメータには、種々のものが含まれるが、例えば、基準画像ＳＧとしてのＢスコープ画像中に円弧状の部分画像として示される埋設物反射信号ＲＳについての位置情報が含まれる。この情報は、埋設物の位置情報に相当する。

また、以下では、Ｂスコープ画像とこれに対応する各種測定パラメータとをまとめて基準画像ＳＧとする。すなわち、基準画像ＳＧには、Ｂスコープ画像に示される土壌の状態を推定する情報や、反射信号の強度分布の様子に加え、反射信号に関する演算から推定される反射位置すなわち埋設物の位置情報や、発信時の信号強度等を含む各種測定情報が含まれている。以上を言い換えると、基準画像ＳＧは、実測により取得した地中データから測定パラメータ等の各種情報を抽出したもので構成されている。

図３（Ａ）に戻って、本実施形態では、データ処理装置１００は、上述のような各種情報を含むものとして作成された基準画像ＳＧについて、さらに、データ拡張（水増し）の処理を行うことで、新たな合成画像（水増しデータ）ＣＧを複数作成し、さらに、作成した複数の合成画像ＣＧを学習用データとして利用した機械学習により、地中における埋設物の状況を判断可能とするためのモデルを作成している。

一の基準画像ＳＧから作成される複数の新たな合成画像ＣＧについては、例えば、図３（Ｂ）に例示するようなものが考えられる。例えば、図示の例では、基準画像ＳＧにおいて円弧状に見える部分である埋設物反射信号ＲＳについて、各種測定パラメータを変更することで、データ拡張による新たな合成画像ＣＧを作成している。

ここで、本実施形態では、上記のようなデータ拡張による新たな合成画像ＣＧの作成に際して、地中レーダー装置１０での探査において生じる物理現象に応じて測定パラメータを変更することで、作成される合成画像ＣＧが、レーダー探査においてあり得ないものとならないようにしている。これにより、データ拡張による新たな合成画像ＣＧが、学習用データとして採用するのに適した状態に維持している。

例えば、埋設物反射信号ＲＳに関して、拡大あるいは縮小によるデータ拡張については、土壌の比誘電率に応じた円弧の拡がりを再現するように合成画像ＣＧを作成する。具体的には、埋設物反射信号ＲＳの円弧の拡がりについて、深くなるにつれて拡がりを大きくし、浅くなるにつれて拡がりを小さくするようにし、この際における変化度合いを、測定パラメータの１つとしての土壌の比誘電率、さらにはその変化に応じたものとしている。つまり、データ処理装置１００は、測定パラメータの変更として、土壌の比誘電率の変化に応じて、埋設物反射信号ＲＳの円弧の拡がりを変化させている。

また、例えば、受信時の信号強度によるデータ拡張については、土壌の減衰率に応じた信号強度を再現するように合成画像ＣＧを作成する。具体的には、受信時の信号強度の大きさについて、深くなるにつれて小さくし、浅くなるにつれて大きくするようにし、この際における変化度合いを、測定パラメータの１つとしての土壌の減衰率に応じたものとしている。つまり、データ処理装置１００は、測定パラメータの変更として、地中の深さ方向についての土壌での減衰率に応じて、埋設物反射信号ＲＳの信号強度を変化させている。

なお、上記のほか、例えば、探査において生じる物理現象として、土壌の特性等に応じて、出力信号すなわち送信波Ｓ１が、特定の信号強度や周波数あるいは位相状態である場合に、固有の反射状況を示すことが分かっている、といった場合には、例えば発信時における出力信号の情報等に基づいて、当該特性に応じたデータ拡張を行うことができる。

以下、図４を参照して、上記のようなデータ拡張のためのデータ処理について、具体的一態様を概念的に説明する。ここでは、一例として、一の基準画像ＳＧについて、埋設物の深さ方向（ｙ方向）についての位置を変更して合成画像を生成する場合について説明する。すなわち、基準画像ＳＧにおいて、各種測定パラメータのうち、埋設物反射信号ＲＳのｙ方向についての位置変更によるデータ拡張を行う。

まず、図４のうち、状態Ａ１に示すように、実測により取得した地中データから測定パラメータを抽出した一の基準画像ＳＧを、データ拡張による新たな画像生成での処理対象として準備する。図示の例では、１つの埋設物反射信号ＲＳが、画像中においてｙ方向についてやや深い位置にあり、ここでは、最終的に状態Ａ７に示すように、状態Ａ１に示した元の基準画像ＳＧに示す位置よりも浅い位置で埋設物反射信号ＲＳが検知された場合の様子を示す合成画像ＣＧの作成を行う。つまり、埋設物反射信号ＲＳについての位置情報に関する測定パラメータを変更する。なお、ここでは、深さ方向（ｙ方向）に関する埋設物反射信号ＲＳの位置以外については、物理的条件の変更はないものとする。すなわち、基準画像ＳＧに示す状態での測定結果に関して、仮に、測定方法や土壌の状態等の種々の条件のうち、埋設物の深さ方向についての位置だけが元の基準画像ＳＧと状況と異なっており、その他の条件が同じであったとしたら得られる、と考えられる合成画像ＣＧの作成を行う。

以上のような合成画像ＣＧを得るため、まず、状態Ａ２に示すように、１つの埋設物反射信号ＲＳを、これ以外の背景画像ＢＧから破線で示す矩形領域ＲＤとして切り出し、状態Ａ３に示すように、矩形領域ＲＤの箇所を基準画像ＳＧから取り除く。さらに、状態Ａ４に示すように、取り除かれた空白箇所を、その周辺の背景部分の情報を利用して埋めることで、状態Ａ５に示す背景画像ＢＧを作成する。つまり、背景画像ＢＧは、基準画像ＳＧから埋設物反射信号ＲＳを消去し、消去した箇所を隣接する背景データで埋めて生成される。

一方、状態Ａ２から状態Ａ３とするに際して取り除いた矩形領域ＲＤについて、埋設物反射信号ＲＳが状態Ｂ１に示すような形状であるものとする。また、その際の測定パラメータのうち、深さ方向（ｙ方向）の値を深さＤＰ１とする。ここでは、状態Ｂ２に示すように、深さ方向（ｙ方向）の値を、深さＤＰ２（＜ＤＰ１）に変更する。この場合に、当該深さに関する測定パラメータの変更に伴って、埋設物反射信号ＲＳの形状を埋設物反射信号ＲＳａに変更する。具体的には、円弧の拡がり等を変形させる。

地中探査において、埋設物の深さ方向についての位置とこれに対応する反射信号の形状との関係については、例えば埋設物の位置が浅くなるすなわち地表に近くなるほど、反射信号の形状が狭い範囲に急峻なカーブ形状となって表れることが知られている。ただし、検査に用いる電波信号の信号強度や周波数、あるいは土壌の比誘電率（伝搬速度）等の影響に依って、その変形度合いも変わってくる。ここでは、データ処理装置１００が、これらの情報を加味して、測定パラメータとして基準画像ＳＧについて取得されている信号強度等の各種情報や、算出によって得られる土壌の比誘電率等に応じて、埋設物反射信号ＲＳａを決定する。なお、これらの変形の度合いの算出等については、例えば予め、テーブルデータや変換用の関数等が記憶部６０のデータ格納部６２（図２参照）に用意されており、これらに基づいて、変形の処理あるいは画像変換の処理がなされる。

上記のようにして得られた埋設物反射信号ＲＳａを含む矩形領域ＲＤａが、状態Ａ６に示すように、背景画像ＢＧのうち深さＤＰ２に対応する位置に貼り付けられる。その後、状態Ａ７に示すように、埋設物反射信号ＲＳａの周辺部分と他の背景画像ＢＧとの境界をぼかす処理を施すことで、目的とする合成画像ＣＧが作成される。

また、以上の処理に際して、基準画像の準備に際して抽出される測定パラメータの１つである埋設物の位置情報を、ラベル情報として含んでおき、上述のようなデータ拡張において生成された新たな合成画像ＣＧにおいて、新たに設定された埋設物の位置情報が新たなラベル情報として保持されるようにしてもよい。具体的には、上記態様において、深さＤＰ１の情報が、元の基準画像ＳＧにおける測定パラメータをラベル情報として組み込まれているという態様とする。これに対応して、最終的に得られた新たな合成画像ＣＧにおいては、更新された新たなラベル情報として深さＤＰ２の情報が組み込まれる。なお、以上では、測定パラメータの１つである埋設物の位置情報をラベル情報として取り扱う態様を説明したが、埋設物の位置情報に限らず、種々の測定パラメータについてもラベル情報として取り扱うことができる。以上のようにすることで、新たな合成画像ＣＧにおいても、元の基準画像ＳＧでの設定と同様に測定パラメータをもたせることができる、すなわち同室の情報をもった状態にできるので、合成画像ＣＧを機械学習における学習用データとして適用するに際して、基準画像ＳＧと同等に取り扱うことが可能になる。

以下、図５を参照して、上記のようなデータ拡張のためのデータ処理について、別の具体的一態様を概念的に説明する。ここでは、他の一例として、複数準備した基準画像のうち、一の基準画像から抽出した埋設物反射信号を、他の基準画像から抽出した背景画像と合成して、新たな合成画像を生成する場合について説明する。図示の例では、一の基準画像ＳＧ１から抽出した埋設物反射信号ＲＳ１，ＲＳ２を、他の基準画像ＳＧ２から抽出した背景画像ＢＧ２と合成して、新たな合成画像ＣＧを生成するデータ拡張を行っている。

すなわち、図５のうち、状態Ｃ１及び状態Ｄ１に示すように、前提として、実測により取得した地中データから測定パラメータを抽出した一の基準画像ＳＧ１と他の基準画像ＳＧ２とを、処理対象として準備する。図示の例では、状態Ｃ１では、２つの埋設物反射信号ＲＳ１，ＲＳ２が存在する一方、状態Ｄ１では、１つの埋設物反射信号ＲＳが存在する。ここでは、最終的に状態Ｄ７に示すように、状態Ｄ１に示した元の基準画像ＳＧ２に存在していた１つの埋設物反射信号ＲＳに代えて、基準画像ＳＧ２の土壌中に状態Ｃ１に示した元の基準画像ＳＧ１に存在していた２つの埋設物反射信号ＲＳ１，ＲＳ２が検知された場合の様子を示す合成画像ＣＧの作成を行う。

なお、ここでは、埋設物の存在状況以外については、物理的条件の変更はなく、土壌の状態等は、基準画像ＳＧ２に示す状態にあるものとする。すなわち、基準画像ＳＧ２に示す状態での測定結果に関して、仮に、測定方法や土壌の状態等の種々の条件のうち、埋設物の個数や位置だけが元の基準画像ＳＧ２の状況と異なっており、その他の条件が同じであったとしたら得られる、と考えられる合成画像ＣＧの作成を行う。

以上のような合成画像ＣＧを得るため、まず、状態Ｃ１及び状態Ｃ２に示すように、基準画像ＳＧ１から埋設物反射信号ＲＳ１，ＲＳ２を含むように、破線で示す矩形領域ＲＤ１を切り出し、さらに、基準画像ＳＧ１への貼り付けを考慮して、状態Ｃ３に示すように、埋設物反射信号ＲＳ１，ＲＳ２の形状を埋設物反射信号ＲＳ１ａ，ＲＳ２ａに変更した矩形領域ＲＤ１ａを作成する。

一方、以上と並行して、基準画像ＳＧ２については、状態Ｄ１〜状態Ｄ５に示すように、１つの埋設物反射信号ＲＳを矩形領域ＲＤ２として切り出して取り除き、矩形領域ＲＤ２が取り除かれた空白箇所を、その周辺の背景部分の情報を利用して埋めて背景画像ＢＧ２を作成する。

その後、状態Ｄ６に示すように、背景画像ＢＧ２に、埋設物反射信号ＲＳ１ａ，ＲＳ２ａを含む矩形領域ＲＤ１ａを貼り付け、状態Ｄ７に示すように、埋設物反射信号ＲＳ１ａ，ＲＳ２ａの周辺部分と他の背景画像ＢＧ２との境界をぼかす処理を施すことで、目的とする合成画像ＣＧが作成される。

以上のようなデータ拡張による合成画像の生成では、例えばＢスコープ画像として含まれるデータにおいて、背景画像ＢＧ等に、実測における土壌の不均一さ等について実態の状態等の影響に関する情報を残し、かつ、埋設物反射信号ＲＳ等に関しては、地中レーダーでの探査において生じる物理現象に応じたものとすべく、地中レーダーに固有の特性を加味して測定パラメータを変更している。これにより、新たに生成された合成画像ＣＧに、地中探査においてあり得ない状況のデータが混ざってしまうことを回避できる。

これに対して、例えば図６（Ａ）及び図６（Ｂ）に示す比較例のデータ処理の一態様について示すように、従来からある単純な拡大・縮小等によるデータ拡張を、地中レーダーの画像に適用してしまうと、精度の向上が図れなかったり、学習過程における負荷がかえって大きくなったりする可能性がある。なお、図６（Ａ）の合成画像ＣＧｘでは、ｘ方向やｙ方向への単純な拡大・縮小を行った場合を示しており、図６（Ｂ）の画像ＣＧｘでは、単純な階調変更を行った場合を示している。これらの合成画像ＣＧｘがあることで、かえってノイズが増え、画像認識を行う上で適切な学習が困難になるおそれがある。これに対して、本実施形態では、地中レーダーの画像認識において十分な量の学習用データとしての合成画像を、良好な状態で生成できる。

以下、図７のブロック図及び図８のフローチャートを参照して、データ処理装置１００におけるデータ拡張についての処理の一構成例とその動作について説明する。つまり、以下では、データ処理装置１００での処理により、基準画像の作成までが完了していることを前提とした上で、その後のデータ拡張の処理に関して説明する。なお、ここでは、基準画像は、複数枚（例えば５０枚程度）用意されているものとし、これらから背景画像や埋設物反射信号を抽出し、合成することで新たな合成画像を作成する手法の一例について説明する。

図７は、図２に示した各部について機能的な側面から概念的に構成を示したブロック図である。すなわち、図７に示す各部は、主制御部（ＣＰＵ）５０、記憶部６０及び入出力装置（ＧＵＩ）７０の各部やこれらが協働して機能することにより構成される。

以下、図７に示す各部について機能とともに説明する。図示のように、ここでは、データ処理装置１００は、入力データ読込部５１と、埋設物反射信号抽出部５２と、背景画像生成部５３ａと、反射信号加工部５３ｂと、物理条件算出部５４と、画像合成部５５とを備える。

入力データ読込部５１は、記憶部６０の所定領域に格納された基準画像の情報すなわち画像データや測定パラメータ等を読み込む。つまり、図４の状態Ａ１に示す基準画像ＳＧや図５の状態Ｃ１，Ｄ１に示す基準画像ＳＧ１，ＳＧ２の準備をする。

埋設物反射信号抽出部５２は、入力データ読込部５１で読み込まれた画像データから埋設物反射信号を含む各種信号の情報や各種データの抽出等をする。つまり、図４の状態Ａ２，Ａ３，Ｂ１や図５の状態Ｃ２，Ｄ２，Ｄ３に示す埋設物反射信号ＲＳ等の画像データからの抽出等を行う。この際、埋設物反射信号ＲＳに関する情報として、深さ方向についての埋設物の位置すなわち埋設物反射信号の位置（以下、埋設物反射位置とする。）についてのデータを含む各種データを抽出する。また、併せて、入出力装置（ＧＵＩ）７０からの指令信号を受け付け、これに応じた加工処理を施す。例えば、加工に際して、入出力装置（ＧＵＩ）７０からの指令信号として、利用者から埋設物反射位置の指定を受けた場合、上記基準画像において抽出された埋設物反射位置から指定を受けた埋設物反射位置への位置変更により新規の合成画像を生成する、といったことが可能になる。

背景画像生成部５３ａは、埋設物反射信号抽出部５２での抽出処理の結果、埋設物反射信号ＲＳ等が取り出された状態の画像データについて画像処理を施して、背景画像の生成を行う。つまり、図４の状態Ａ３〜Ａ５や、図５の状態Ｄ３〜Ｄ５に示す背景画像ＢＧ等の作成を行う。

反射信号加工部５３ｂは、埋設物反射信号抽出部５２での抽出処理の結果、抽出された埋設物反射信号ＲＳ等に対して、物理条件を考慮した加工を施す。つまり、図４の状態Ｂ２や図５の状態Ｃ３に示す埋設物反射信号ＲＳ等の変形を行う。

物理条件算出部５４は、反射信号加工部５３ｂにおける加工に際して、適切な加工手法を特定する。つまり、図４の状態Ｂ１から状態Ｂ２にかけてや、図５の状態Ｃ１から状態Ｃ２にかけての変形処理における埋設物反射信号ＲＳ等の変化量を算出する。

画像合成部５５は、背景画像生成部５３ａで準備された背景画像ＢＧ等に対して、反射信号加工部５３ｂで加工された埋設物反射信号ＲＳ等を貼り付け、さらに必要な処理（ぼかし処理等）を施すことで合成し、合成画像ＣＧを生成する。つまり、図４の状態Ａ６，Ａ７や、図５の状態Ｄ６，Ｄ７に示す各種処理を行う。

以下、図８のフローチャートを参照して、図７を参照して説明した入力データ読込部５１等の各部によるデータ拡張についての一連の動作について説明する。なお、図８（Ａ）は、データ拡張についての動作全体について示すフローチャートであり、図８（Ｂ）は、図８（Ａ）のうち、背景画像生成処理に関するフローチャートであり、図８（Ｃ）は、図８（Ａ）のうち、埋設物反射信号の加工処理に関するフローチャートである。

図８（Ａ）に示すように、まず、主制御部５０は、準備された基準画像について入力データ読込部５１で読み込み（ステップＳ１０１）、埋設物反射信号抽出部５２において、入力データ読込部５１で読み込まれた画像データや測定パラメータ、あるいは、入出力装置７０からの指令信号に基づいて、埋設物反射信号の抽出を行う（ステップＳ１０２）。

次に、主制御部５０は、ステップＳ１０２において埋設物反射信号が抽出された結果、これを取り出した残りの画像データに基づいて、背景画像生成部５３ａで背景画像を生成するともに（ステップＳ１０３ａ）、抽出して取り出した埋設物反射信号の画像について、反射信号加工部５３ｂ及び物理条件算出部５４により変形・加工をする（ステップＳ１０３ｂ）。

次に、主制御部５０は、ステップＳ１０３ａで生成された背景画像と、ステップＳ１０３ｂで加工された埋設物反射信号とを貼り合わせ（ステップＳ１０４）、加工された埋設物反射信号に対応する埋設物位置のデータを定め、貼り合わせの境界部分に生じるエッジノイズを除去するため、ローパスフィルタによる処理（ぼかし処理）を施して（ステップＳ１０５）、画像データを取得し、また、Ｓ１０５において取得した画像データと、ステップＳ１０４において定まる新たな埋設物位置のデータとを、新規の合成画像に関するデータとして出力する（ステップＳ１０６）。なお、埋設物位置のデータに関しては、既述のように、ラベル情報として組み込む態様が考えられる。

ここで、上記のうち、ステップＳ１０３ａの背景画像生成処理については、例えば、図４の状態Ａ２〜Ａ５や、図５の状態Ｄ２〜Ｄ５を参照して示した内容に相当する画像処理がなされる。具体的には、図８（Ｂ）に示すように、背景画像生成部５３ａにおいて、まず、画像データ内における埋設物反射信号の部分について０埋めする処理すなわち当該埋設物反射信号の部分についての画像領域のデータ値をゼロとする処理がなされることにより、当該部分を切出し部分として取り扱われ（ステップＳ２０１）、さらに、切出し部分をその周辺データで埋め戻す処理がなされ（ステップＳ２０２）、埋め戻した部分について境界部分に生じるエッジノイズを除去するため、ローパスフィルタによる処理（ぼかし処理）がなされる（ステップＳ２０３）。以上により、土壌の不均一さといった実態の状態等の影響を残した状態の背景画像が形成される。

また、上記のうち、ステップＳ１０３ｂの埋設物反射信号加工処理については、例えば、図４の状態Ｂ１，Ｂ２や、図５の状態Ｃ２，Ｃ３を参照して示した内容に相当する画像処理がなされる。具体的には、図８（Ｃ）に示すように、反射信号加工部５３ｂにおいて、入出力装置７０からの指令信号等に基づいて、変更する物理条件を選定する（ステップＳ３０１）。ステップＳ３０１の具体的処理の一例として、例えば、入出力装置７０からの指令信号として、土壌の比誘電率が規定よりも小さくしたと仮定した場合、すなわち電波の伝搬速度を速くしたと仮定した場合を、変更する物理条件として指定する旨の信号があり、これが埋設物反射信号抽出部５２において受け付けられていたとすると、反射信号加工部５３ｂは、当該指定に合わせるべく、物理条件算出部５４を利用して、各種測定パラメータを調整するとともに、変形すべき埋設物反射信号の円弧形状についての変形量の算出を行う（ステップＳ３０２）。例えば、物理条件として上記土壌の比誘電率の変更を行う場合、これに伴う埋設物反射信号の円弧形状の傾き換算定数を算出する。その後、反射信号加工部５３ｂは、物理条件算出部５４での算出結果に従って、画像の加工を行う（ステップＳ３０３）。つまり、選定された条件の変更に応じた換算定数に従って画像を変換する。

なお、上記の例では、測定パラメータの変更として、土壌の比誘電率の変更すなわち土壌の比誘電率に応じた変化について説明したが、変更対象や内容については、これ以外にも種々の態様が考えられる。具体的には、図４に例示したように、物理条件の変更内容として、深さ方向についての反射位置の変更が考えられる。この場合、例えば土壌の減衰率に応じた受信強度の変化等を加味した変形の処理がなされる。また、図５に例示したように、一の背景画像と他の埋設物反射信号とを貼り合わせて合成するといった態様も考えられる。さらに、発信する電波の周波数等を変化させることも考えられる。

以上のようなデータ拡張の処理により、１つまたは複数の基準画像から、新たな合成画像の生成がなされる。例えば、５０枚程度用意した基準画像に関して、一の背景画像と他の埋設物反射信号とを貼り合わせる組合せによって、_５０Ｃ_２＝１２２５パターンの合成画像が作成できる。加えて、拡大あるいは縮小によるデータ拡張、すなわち、土壌の比誘電率に応じた円弧の拡がりを再現するデータ拡張について１０パターンの作成処理を行い、受信時の信号強度によるデータ拡張、すなわち深さ方向の変化に伴う土壌の減衰率に応じた信号強度を再現するデータ拡張について１０パターンの作成処理を行うものとし、これらの処理を相乗的に行えば、１０万パターン以上の新たな合成画像の作成が可能となる。この場合、地中における埋設物の状況判断を可能にする機械学習を行うための画像データとして十分な量のデータが得られると考えられる。

以下、上記のようにして取得された学習用データに基づく機械学習について説明する。機械学習については、種々の方法が適用可能であり、例えば図９に示す多層化したニューラルネットワークを構築するディープラーニング（深層学習）のようなものが考えられる。なお、図示の例では、入力層ＩＬ、隠れ層（中間層）ＭＬ、出力層ＯＬを有し、出力層において、分類クラスとして、単数の埋設管の画像であるか、複数の埋設管の画像であるか、空洞であるか、暗渠であるか、それ以外であるかの５つに分類させ、確率表示させている。

学習段階においては、基準画像や、上述のデータ拡張により生成した合成画像に基づいて機械学習を行う。すなわち、これらの画像データを入力層ＩＬから処理して、その判断結果の精度を高めるように学習を行う。すなわち、入力層ＩＬから、隠れ層（中間層）ＭＬ、出力層ＯＬまでの構築を行う。学習済みの状態では、未知の地中データ（画像データ）について入力層ＩＬから処理し、予め学習させた分類クラスのどれに該当するかを判定させる態様となる。

図１０は、上記のような機械学習、すなわち地中レーダーのデータ処理プログラムでの機械学習により取得される学習済みモデルを搭載し、当該学習済みモデルに基づき地中における埋設物の状況を判断する地中レーダー装置について一例を説明するための概念図である。なお、図１０は、図２に対応するブロック図である。

図示のように、本実施形態に係る地中レーダー装置５００は、データ取得部２０と、位置測定部３０とに加え、学習済みモデルを搭載したデータ処理装置３００を備えている。なお、データ取得部２０及び位置測定部３０は、図２で例示したものと同様の構造を有しており、データ取得部２０は、アンテナ制御回路２１と、探査用の電波を送信する送信部２２ａと、探査用の電波を受信する受信部２２ｂと、地中データ作成部２３とを備え、送信アンテナＡＴｘを介して適切なタイミングで地中の土壌ＳＯに向けて送信波Ｓ１を出力し、地中の対象物ＯＢからの応答波Ｓ２を、受信アンテナＡＲｘを介して受信して、地中データの取得をする。また、位置測定部３０は、地中レーダー装置５００についての移動距離の検知を行う。地中データ作成部２３は、データ処理装置３００と接続されており、取得したデータや各種データを含む地中データを、データ処理装置３００に対して出力する。

一方、地中レーダー装置５００のうち、データ処理装置３００は、例えばＰＣ等で構成される装置であり、ＣＰＵや各種ストレージデバイス、さらには各種入出力装置（ＧＵＩ）等を備えて構成される。データ処理装置３００は、データ取得部２０と有線接続によりデータ通信が可能となっており、データ取得部２０において実測された測定結果等の各種データの入力を受け付けるとともに、受け付けた各種データを処理する。ここでは、データ処理装置３００は、主制御部（ＣＰＵ）３５０や、入出力装置（ＧＵＩ）３７０のほか、図示を省略する各種ストレージデバイスにおいて格納されているプログラム格納部３１０と、データ格納部３２０とを備え、格納されたプログラムやデータが、主制御部（ＣＰＵ）３５０により適宜読み込まれて、各種処理動作がなされる。

プログラム格納部３１０には、例えば地中データ解析プログラムＡＰと、学習済みモデルである判断プログラムＴＭとが格納されている。

地中データ解析プログラムＡＰは、データ取得部２０から取得された地中データを解析して、例えばＢスコープ画像等の画像データを作成するともに、各種測定パラメータを抽出するためのプログラムである。すなわち、主制御部３５０は、地中データ解析プログラムＡＰを利用して、データ取得部２０において抽出された地中データについて、学習済みモデルＴＭに基づき地中における埋設物の状況を判断可能にするための各種データを準備する。

判断プログラム（学習済みモデル）ＴＭは、既述のように、上述した地中レーダーのデータ処理プログラムでの機械学習により取得されたプログラムやデータ構造等であり、地中データ解析プログラムＡＰにより準備されたＢスコープ画像等について、解析処理を行って、当該画像が、どのように分類されるかを判断するためのプログラムである。主制御部３５０は、地中データ解析プログラムＡＰを利用して、地中における埋設物の状況を判断する。具体的には、例えば図９を参照して示したように、当該画像が、単数の埋設管の画像であるか、複数の埋設管の画像であるか、空洞であるか、暗渠であるか、それ以外であるかの５つに分類し、例えば入出力装置（ＧＵＩ）３７０により、分類した結果についての確率表示をする。

データ格納部３２０には、上記のような各種演算処理に必要な数値データ等を格納されているとともに、上記地中データ解析プログラムＡＰや学習済みモデルである判断プログラムＴＭに基づく算出結果を格納すべく、解析済みデータ格納部ＡＤや判断結果格納部ＪＤを備える。すなわち、解析済みデータ格納部ＡＤには、地中データ解析プログラムＡＰによる地中データを解析した結果が格納される。格納されたデータは、判断プログラムＴＭでの判断対象である。また、判断結果格納部ＪＤには、判断プログラムＴＭにおける判断結果が格納される。格納されたデータは、入出力装置（ＧＵＩ）３７０における表示内容を示すものである。

以上のように、本実施形態に係る地中レーダーのデータ処理方法は、実測により取得した地中データについて、地中レーダーでの探査において生じる物理現象に応じた測定パラメータの変更によりデータ拡張を行う。この場合、データ拡張を行って学習用データを生成するに際して、測定パラメータの変更を、地中レーダーでの探査において生じる物理現象に応じたものとしていることで、地中探査においてあり得ない状況のデータが混ざってしまうことを回避できる。さらに、上記データ拡張を行う対象を、実測により取得した地中データとしていることで、実測における土壌の不均一さ等について実態の状態等の影響を残しつつデータ作成を行うものとなる。したがって、地中レーダーの画像認識において十分な量の学習用データを、良好な状態で生成できる。

また、上記地中レーダーのデータ処理プログラムでは、すなわちこれを搭載するデータ処理装置１００では、実測により取得した地中データから測定パラメータを抽出した基準画像ＳＧを準備し、準備した基準画像ＳＧについて、測定パラメータの変更によりデータ拡張を行うことで、学習用データとしての新たな合成画像ＣＧを生成している。この際、測定パラメータの変更を、地中レーダーでの探査において生じる物理現象に応じたものとしている。この場合、合成画像ＣＧに基づき、地中における埋設物の状況判断を可能にする機械学習を行うことで、地中レーダーの画像認識を高い精度で行う学習済みモデルの作成が可能になる。

さらに、上記地中レーダー装置５００は、上記地中レーダーのデータ処理プログラムでの機械学習により取得される学習済みモデルＴＭと、探査用の電波を送信する送信部２２ａと、探査用の電波を受信する受信部２２ｂとを備え、受信部２２ｂで受信した受信信号に基づき地中データを抽出し、抽出された地中データについて、学習済みモデルＴＭに基づき地中における埋設物の状況を判断している。 この場合、上記機械学習により取得される学習済みモデルＴＭを採用することで、画像認識を高い精度で行うことが可能になる。

〔その他〕
この発明は、上記の実施形態に限られるものではなく、その要旨を逸脱しない範囲において種々の態様で実施することが可能である。

まず、上記のうち、図１及び図２等に示す地中レーダーシステムＳＲにおいて、地中レーダー装置１０とデータ処理装置１００とが別体であるものとして説明したが、これらが一体化していてもよく、例えばデータ処理装置１００が、地中レーダー装置１０に搭載される構成としてもよい。この場合、例えば地中データを取得しつつ、機械学習を行うことができる。

また、上記のうち、図１０に示す地中レーダー装置５００において、データ処理装置３００が搭載されているものとしているが、データ処理装置３００から切り離して、有線接続あるいは無線接続により、地中レーダー装置５００のデータ取得部２０と通信可能な態様としてもよい。この場合、例えば取得した地中データについて、事後的に判断を行うことができる。また、この場合、複数の地中レーダー装置５００において取得した地中データについて、１つのデータ処理装置３００において事後的にまとめて判断処理をする、といった態様とすることも可能である。

また、上記において説明した学習済みモデルは例示であり、種々の学習済みモデルが採用可能である。

また、地中レーダー装置の構成についても、図１の概念図や図２、図１０のブロック図に示した例のほかにも、種々のものを採用できる。

また、例えば、上記実施形態では、移動体ＭＢについては、駆動機構を有して自走可能とするもののほか、ユーザーが手動で移動させるものとしてもよい。

１０…地中レーダー装置、２０…データ取得部、２１…アンテナ制御回路、２２ａ…送信部、２２ｂ…受信部、２３…地中データ作成部、３０…位置測定部、５０…主制御部（ＣＰＵ）、５１…入力データ読込部、５２…埋設物反射信号抽出部、５３ａ…背景画像生成部、５３ｂ…反射信号加工部、５４…物理条件算出部、５５…画像合成部、６０…記憶部、６１…プログラム格納部、６２…データ格納部、７０…入出力装置（ＧＵＩ）、１００…データ処理装置、３００…データ処理装置、３１０…プログラム格納部、３２０…データ格納部、３５０…主制御部（ＣＰＵ）、３７０…入出力装置（ＧＵＩ）、５００…地中レーダー装置、Ａ１〜Ａ７，Ｂ１，Ｂ２，Ｃ１〜Ｃ３，Ｄ１〜Ｄ７…状態、ＡＤ…析済みデータ格納部、ＡＰ…地中データ解析プログラム、ＡＲｘ…受信アンテナ、ＡＴｘ…送信アンテナ、ＢＧ，ＢＧ２…背景画像、ＣＤ…変換データ格納部、ＣＧ，ＣＧｘ…合成画像、ＤＰ１，ＤＰ２…深さ、ＥＰ…データ拡張プログラム、ＧＤ…合成画像データ格納部、ＩＬ…入力層、ＪＤ…判断結果格納部、ＬＰ…機械学習プログラム、ＭＢ…移動体、ＭＤ…習済みモデル格納部、ＭＬ…隠れ層（中間層）、ＯＢ…対象物、ＯＬ…出力層、ＲＤ，ＲＤ１，ＲＤ１ａ，ＲＤ２，ＲＤａ…矩形領域、ＲＳ，ＲＳ１，ＲＳ２，ＲＳ１ａ，ＲＳ２ａ，ＲＳａ…埋設物反射信号、Ｓ１…送信波、Ｓ２…応答波、ＳＤ…基準画像データ格納部、ＳＧ，ＳＧ１，ＳＧ２…基準画像、ＳＯ…土壌、ＳＰ…基準画像作成プログラム、ＳＲ…地中レーダーシステム、ＴＭ…判断プログラム（学習済みモデル）、ＷＬ…車輪

Claims (9)

1. 実測により取得した地中データについて、地中レーダーでの探査において生じる物理現象に応じた測定パラメータの変更によりデータ拡張を行う、地中レーダーのデータ処理方法。
2. 実測により取得した地中データから測定パラメータを抽出した基準画像を準備し、
   前記測定パラメータについて、地中レーダーでの探査において生じる物理現象に応じて変更することにより新たな合成画像を生成するデータ拡張を行い、
   前記データ拡張により生成された前記新たな合成画像に基づき、地中における埋設物の状況判断を可能にする機械学習を行う、地中レーダーのデータ処理プログラム。
3. 前記基準画像から背景画像と埋設物反射信号とを抽出し、
   前記埋設物反射信号に関する前記測定パラメータを変更し、
   変更した前記埋設物反射信号を、前記背景画像と合成して、前記新たな合成画像を生成する、請求項２に記載の地中レーダーのデータ処理プログラム。
4. 前記測定パラメータの変更として、土壌の比誘電率の変化に応じて、前記埋設物反射信号の円弧の拡がりを変化させている、請求項３に記載の地中レーダーのデータ処理プログラム。
5. 前記測定パラメータの変更として、地中の深さ方向についての土壌での減衰率に応じて、前記埋設物反射信号の信号強度を変化させている、請求項３及び４のいずれか一項に記載の地中レーダーのデータ処理プログラム。
6. 前記背景画像は、前記基準画像から前記埋設物反射信号を消去し、消去した箇所を隣接する背景データで埋めて生成される、請求項３〜５のいずれか一項に記載の地中レーダーのデータ処理プログラム。
7. 複数準備した前記基準画像のうち、一の前記基準画像から抽出した前記埋設物反射信号を、他の前記基準画像から抽出した前記背景画像と合成して、前記新たな合成画像を生成する、請求項３〜６のいずれか一項に記載の地中レーダーのデータ処理プログラム。
8. 前記基準画像の準備に際して抽出される前記測定パラメータに、埋設物の位置情報が、ラベル情報として含まれ、
   前記データ拡張において生成された前記新たな合成画像において、新たに設定された埋設物の位置情報が新たなラベル情報として保持される、請求項３〜７のいずれか一項に記載の地中レーダーのデータ処理プログラム。
9. 請求項２〜８のいずれか一項に記載の地中レーダーのデータ処理プログラムでの前記機械学習により取得される学習済みモデルと、
   探査用の電波を送信する送信部と、
   前記探査用の電波を受信する受信部と
   を備え、
   前記受信部で受信した受信信号に基づき地中データを抽出し、抽出された前記地中データについて、前記学習済みモデルに基づき地中における埋設物の状況を判断する、地中レーダー装置。

Images