JP2021156655A - 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム - Google Patents
管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム Download PDFInfo
- Publication number
- JP2021156655A JP2021156655A JP2020055270A JP2020055270A JP2021156655A JP 2021156655 A JP2021156655 A JP 2021156655A JP 2020055270 A JP2020055270 A JP 2020055270A JP 2020055270 A JP2020055270 A JP 2020055270A JP 2021156655 A JP2021156655 A JP 2021156655A
- Authority
- JP
- Japan
- Prior art keywords
- damage
- image
- pipe
- peripheral surface
- inner peripheral
- 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
- 238000000034 method Methods 0.000 title description 15
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 32
- 230000002093 peripheral effect Effects 0.000 claims description 103
- 238000001514 detection method Methods 0.000 claims description 49
- 238000003384 imaging method Methods 0.000 claims description 6
- 238000013526 transfer learning Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 36
- 238000010586 diagram Methods 0.000 description 15
- 238000007689 inspection Methods 0.000 description 15
- 238000010801 machine learning Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 11
- 239000000463 material Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 230000008595 infiltration Effects 0.000 description 4
- 238000001764 infiltration Methods 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 230000000740 bleeding effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 239000004570 mortar (masonry) Substances 0.000 description 3
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 2
- 235000011941 Tilia x europaea Nutrition 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 239000004571 lime Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Images
Landscapes
- Sewage (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Pipeline Systems (AREA)
- Image Analysis (AREA)
Abstract
Description
第1管渠の内周面を撮像した第1内周面画像を取得する画像取得部と、
前記第1内周面画像を、前記第1内周面画像における前記第1管渠の天井部分から切り開いて展開して得られる第1天井平面画像、および、前記第1内周面画像における前記第1管渠の底部部分から切り開いて展開して得られる第1底部平面画像を生成する第1平面画像生成部と、
前記第1天井平面画像および前記第1底部平面画像を用いて、前記第1管渠に発生している第1損傷を決定する損傷決定部と、
決定された前記損傷を識別可能な識別子を付与して、決定された前記第1損傷とともに前記第1天井平面画像および前記第1底部平面画像を人工知能に学習させて、学習済み損傷特定モデルを生成するモデル生成部と、
第2管渠の内周面を撮像した第2内周面画像を受け付ける画像受付部と、
前記第2内周面画像を、前記第2内周面画像における前記第2管渠の天井部分から切り開いて展開して得られる第2天井平面画像、および、前記第2内周面画像における前記第2管渠の底部部分から切り開いて展開して得られる第2底部平面画像を生成する第2平面画像生成部と、
前記第2天井平面画像、前記第2底部平面画像および前記学習済み損傷特定モデルを用いて、前記第2管渠に発生している第2損傷を検知して特定する損傷特定部であって、前記第2管渠に発生している前記第2損傷の種類に応じて、損傷検知のための閾値を変化させて前記第2管渠に発生している前記第2損傷を特定する損傷特定部と、
を備えた。
第1管渠の内周面を撮像した第1内周面画像を取得する画像取得ステップと、
前記第1内周面画像を、前記第1内周面画像における前記第1管渠の天井部分から切り開いて展開して得られる第1天井平面画像、および、前記第1内周面画像における前記第1管渠の底部部分から切り開いて展開して得られる第1底部平面画像を生成する第1平面画像生成ステップと、
前記第1天井平面画像および前記第1底部平面画像を用いて、前記第1管渠に発生している第1損傷を決定する損傷決定ステップと、
決定された前記第1損傷を識別可能な識別子を付与して、決定された前記第1損傷とともに前記第1天井平面画像および前記第1底部平面画像を人工知能に学習させて、学習済み損傷特定モデルを生成するモデル生成ステップと、
第2管渠の内周面を撮像した第2内周面画像を受け付ける画像受付ステップと、
前記第2内周面画像を、前記第2内周面画像における前記第2管渠の天井部分から切り開いて展開して得られる第2天井平面画像、および、前記第2内周面画像における前記第2管渠の底部部分から切り開いて展開して得られる第2底部平面画像を生成する第2平面画像生成ステップと、
前記第2天井平面画像、前記第2底部平面画像および前記学習済み損傷特定モデルを用いて、前記第2管渠に発生している第2損傷を検知して特定する際に、前記第2管渠に発生している前記第2損傷の種類に応じて、損傷検知のための閾値を変化させて前記第2管渠に発生している前記第2損傷を特定する損傷特定ステップと、
を含む。
第1管渠の内周面を撮像した第1内周面画像を取得する画像取得ステップと、
前記第1内周面画像を、前記第1内周面画像における前記第1管渠の天井部分から切り開いて展開して得られる第1天井平面画像、および、前記第1内周面画像における前記第1管渠の底部部分から切り開いて展開して得られる第1底部平面画像を生成する第1平面画像生成ステップと、
前記第1天井平面画像および前記第1底部平面画像を用いて、前記第1管渠に発生している第1損傷を決定する損傷決定ステップと、
決定された前記第1損傷を識別可能な識別子を付与して、決定された前記第1損傷とともに前記第1天井平面画像および前記第1底部平面画像を人工知能に学習させて、学習済み損傷特定モデルを生成するモデル生成ステップと、
第2管渠の内周面を撮像した第2内周面画像を受け付ける画像受付ステップと、
前記第2内周面画像を、前記第2内周面画像における前記第2管渠の天井部分から切り開いて展開して得られる第2天井平面画像、および、前記第2内周面画像における前記第2管渠の底部部分から切り開いて展開して得られる第2底部平面画像を生成する第2平面画像生成ステップと、
前記第2天井平面画像、前記第2底部平面画像および前記学習済み損傷特定モデルを用いて、前記第2管渠に発生している第2損傷を検知して特定する際に、前記第2管渠に発生している前記第2損傷の種類に応じて、損傷検知のための閾値を変化させて前記第2管渠に発生している前記第2損傷を特定する損傷特定ステップと、
をコンピュータに実行させる。
本発明の第1実施形態としての管渠損傷特定装置100について、図1〜図5Bを用いて説明する。管渠損傷特定装置100は、管渠に発生した損傷を特定するために用いられる。図1は、本実施形態に係る管渠損傷特定装置100による管渠損傷の特定の概要について説明するための図である。
以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。また、それぞれの実施形態に含まれる別々の特徴を如何様に組み合わせたシステムまたは装置も、本発明の範疇に含まれる。
Claims (10)
- 第1管渠の内周面を撮像した第1内周面画像を取得する画像取得部と、
前記第1内周面画像を、前記第1内周面画像における前記第1管渠の天井部分から切り開いて展開して得られる第1天井平面画像、および、前記第1内周面画像における前記第1管渠の底部部分から切り開いて展開して得られる第1底部平面画像を生成する第1平面画像生成部と、
前記第1天井平面画像および前記第1底部平面画像を用いて、前記第1管渠に発生している第1損傷を決定する損傷決定部と、
決定された前記第1損傷を識別可能な識別子を付与して、決定された前記第1損傷とともに前記第1天井平面画像および前記第1底部平面画像を人工知能に学習させて、学習済み損傷特定モデルを生成するモデル生成部と、
第2管渠の内周面を撮像した第2内周面画像を受け付ける画像受付部と、
前記第2内周面画像を、前記第2内周面画像における前記第2管渠の天井部分から切り開いて展開して得られる第2天井平面画像、および、前記第2内周面画像における前記第2管渠の底部部分から切り開いて展開して得られる第2底部平面画像を生成する第2平面画像生成部と、
前記第2天井平面画像、前記第2底部平面画像および前記学習済み損傷特定モデルを用いて、前記第2管渠に発生している第2損傷を検知して特定する損傷特定部であって、前記第2管渠に発生している前記第2損傷の種類に応じて、損傷検知のための閾値を変化させて前記第2管渠に発生している前記第2損傷を特定する損傷特定部と、
を備えた管渠損傷特定装置。 - 前記損傷特定部は、
前記第2損傷の種類に応じて、損傷検知のための前記閾値を変化させることにより、前記第2管渠に発生している前記第2損傷の検出率を変化させて、前記第2損傷を検出する検出部をさらに有し、
前記検出部による検出結果に基づいて、前記第2損傷を特定する、請求項1に記載の管渠損傷特定装置。 - 前記モデル生成部は、前記第1天井平面画像と前記第1底部平面画像とを、前記天井部分および前記底部部分が対応するように並べた画像を用いて、前記学習済み損傷特定モデルを生成する請求項1または2に記載の管渠損傷特定装置。
- 前記損傷特定部は、前記第2天井平面画像と前記第2底部平面画像とを、前記天井部分および前記底部部分が対応するように並べた画像、および、前記学習済み損傷特定モデルを用いて、前記第2管渠に発生している前記第2損傷を特定する請求項1〜3のいずれか1項に記載の管渠損傷特定装置。
- 前記第1管渠および前記第2管渠は、下水管である請求項1〜4のいずれか1項に記載の管渠損傷特定装置。
- 前記損傷決定部は、Faster R-CNNを用いて前記第1管渠に発生している前記第1損傷を決定する請求項1〜5のいずれか1項に記載の管渠損傷特定装置。
- 前記モデル生成部は、水増しデータとして、左右反転を用いて前記学習済み損傷特定モデルを生成する請求項1〜6のいずれか1項に記載の管渠損傷特定装置。
- 前記モデル生成部は、転移学習を用いて前記学習済み損傷特定モデルを生成する請求項1〜7のいずれか1項に記載の管渠損傷特定装置。
- 第1管渠の内周面を撮像した第1内周面画像を取得する画像取得ステップと、
前記第1内周面画像を、前記第1内周面画像における前記第1管渠の天井部分から切り開いて展開して得られる第1天井平面画像、および、前記第1内周面画像における前記第1管渠の底部部分から切り開いて展開して得られる第1底部平面画像を生成する第1平面画像生成ステップと、
前記第1天井平面画像および前記第1底部平面画像を用いて、前記第1管渠に発生している第1損傷を決定する損傷決定ステップと、
決定された前記第1損傷を識別可能な識別子を付与して、決定された前記第1損傷とともに前記第1天井平面画像および前記第1底部平面画像を人工知能に学習させて、学習済み損傷特定モデルを生成するモデル生成ステップと、
第2管渠の内周面を撮像した第2内周面画像を受け付ける画像受付ステップと、
前記第2内周面画像を、前記第2内周面画像における前記第2管渠の天井部分から切り開いて展開して得られる第2天井平面画像、および、前記第2内周面画像における前記第2管渠の底部部分から切り開いて展開して得られる第2底部平面画像を生成する第2平面画像生成ステップと、
前記第2天井平面画像、前記第2底部平面画像および前記学習済み損傷特定モデルを用いて、前記第2管渠に発生している第2損傷を検知して特定する際に、前記第2管渠に発生している前記第2損傷の種類に応じて、損傷検知のための閾値を変化させて前記第2管渠に発生している前記第2損傷を特定する損傷特定ステップと、
を含む管渠損傷特定方法。 - 第1管渠の内周面を撮像した第1内周面画像を取得する画像取得ステップと、
前記第1内周面画像を、前記第1内周面画像における前記第1管渠の天井部分から切り開いて展開して得られる第1天井平面画像、および、前記第1内周面画像における前記第1管渠の底部部分から切り開いて展開して得られる第1底部平面画像を生成する第1平面画像生成ステップと、
前記第1天井平面画像および前記第1底部平面画像を用いて、前記第1管渠に発生している第1損傷を決定する損傷決定ステップと、
決定された前記第1損傷を識別可能な識別子を付与して、決定された前記第1損傷とともに前記第1天井平面画像および前記第1底部平面画像を人工知能に学習させて、学習済み損傷特定モデルを生成するモデル生成ステップと、
第2管渠の内周面を撮像した第2内周面画像を受け付ける画像受付ステップと、
前記第2内周面画像を、前記第2内周面画像における前記第2管渠の天井部分から切り開いて展開して得られる第2天井平面画像、および、前記第2内周面画像における前記第2管渠の底部部分から切り開いて展開して得られる第2底部平面画像を生成する第2平面画像生成ステップと、
前記第2天井平面画像、前記第2底部平面画像および前記学習済み損傷特定モデルを用いて、前記第2管渠に発生している第2損傷を検知して特定する際に、前記第2管渠に発生している前記第2損傷の種類に応じて、損傷検知のための閾値を変化させて前記第2管渠に発生している前記第2損傷を特定する損傷特定ステップと、
をコンピュータに実行させる管渠損傷特定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020055270A JP7396944B2 (ja) | 2020-03-26 | 2020-03-26 | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020055270A JP7396944B2 (ja) | 2020-03-26 | 2020-03-26 | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021156655A true JP2021156655A (ja) | 2021-10-07 |
JP7396944B2 JP7396944B2 (ja) | 2023-12-12 |
Family
ID=77918037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020055270A Active JP7396944B2 (ja) | 2020-03-26 | 2020-03-26 | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7396944B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023047840A1 (ja) | 2021-09-27 | 2023-03-30 | 日本製鉄株式会社 | リベット継手の製造方法、リベット継手、及び自動車部品 |
JP2023094659A (ja) * | 2021-12-24 | 2023-07-06 | 三菱重工パワーインダストリー株式会社 | 伝熱管損傷原因推論装置及び伝熱管損傷原因推論方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004509321A (ja) * | 2000-05-30 | 2004-03-25 | オーヨー コーポレーション,ユーエスエー | パイプラインの欠陥を検出する装置および方法 |
JP2009080557A (ja) * | 2007-09-25 | 2009-04-16 | Seiko Epson Corp | 識別方法及びプログラム |
JP2018528521A (ja) * | 2015-07-31 | 2018-09-27 | クゥアルコム・インコーポレイテッドQualcomm Incorporated | メディア分類 |
KR102008973B1 (ko) * | 2019-01-25 | 2019-08-08 | (주)나스텍이앤씨 | 딥러닝 기반의 하수도관 내부 결함 탐지 장치 및 방법 |
-
2020
- 2020-03-26 JP JP2020055270A patent/JP7396944B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004509321A (ja) * | 2000-05-30 | 2004-03-25 | オーヨー コーポレーション,ユーエスエー | パイプラインの欠陥を検出する装置および方法 |
JP2009080557A (ja) * | 2007-09-25 | 2009-04-16 | Seiko Epson Corp | 識別方法及びプログラム |
JP2018528521A (ja) * | 2015-07-31 | 2018-09-27 | クゥアルコム・インコーポレイテッドQualcomm Incorporated | メディア分類 |
KR102008973B1 (ko) * | 2019-01-25 | 2019-08-08 | (주)나스텍이앤씨 | 딥러닝 기반의 하수도관 내부 결함 탐지 장치 및 방법 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023047840A1 (ja) | 2021-09-27 | 2023-03-30 | 日本製鉄株式会社 | リベット継手の製造方法、リベット継手、及び自動車部品 |
JP2023094659A (ja) * | 2021-12-24 | 2023-07-06 | 三菱重工パワーインダストリー株式会社 | 伝熱管損傷原因推論装置及び伝熱管損傷原因推論方法 |
JP7401514B2 (ja) | 2021-12-24 | 2023-12-19 | 三菱重工パワーインダストリー株式会社 | 伝熱管損傷原因推論装置及び伝熱管損傷原因推論方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7396944B2 (ja) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200380899A1 (en) | Method and apparatus for detecting peripheral circuit of display screen, electronic device, and storage medium | |
Koo et al. | Innovative method for assessment of underground sewer pipe condition | |
JP2021156655A (ja) | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム | |
KR102202572B1 (ko) | 드론의 촬영영상과 인공지능 알고리즘 기반의 도로표면 균열 검출 방법 및 시스템 | |
CN111126802A (zh) | 基于人工智能的高速公路检查评价方法及系统 | |
US11605158B2 (en) | System and method for early identification and monitoring of defects in transportation infrastructure | |
CN115035416B (zh) | 一种污染水源快速识别方法、系统、电子设备及存储介质 | |
JP7023803B2 (ja) | 監視システム | |
CN111168694A (zh) | 基于机器人视觉识别的隧道结构健康智能识别系统和方法 | |
CN114814877B (zh) | 一种基于巡检机器人的隧道数据采集方法、设备及介质 | |
JP2021140435A (ja) | 損傷特定装置、損傷特定方法および損傷特定プログラム | |
CN116484259A (zh) | 一种城市管网缺陷位置定位分析方法和系统 | |
JP2021156653A (ja) | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム | |
JP2021156654A (ja) | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム | |
KR102539835B1 (ko) | 3d 카메라를 이용한 디지털 트윈 생성 및 손상 분석 시스템 | |
JP2022141531A (ja) | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム | |
JP7042200B2 (ja) | 監視システム | |
JP7506624B2 (ja) | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム | |
JP7465837B2 (ja) | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム | |
JP2021156656A (ja) | 構造物損傷特定装置、構造物損傷特定方法および構造物損傷特定プログラム | |
CN115791800A (zh) | 一种基于微元法的混凝土表面裂缝角度监测方法 | |
CN110688776B (zh) | 一种基于管网平差的爆管辨识方法 | |
JP7465838B2 (ja) | 管渠ジョイント特定装置、管渠ジョイント特定方法および管渠ジョイント特定プログラム | |
JP2022141533A (ja) | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム | |
CN117830833B (zh) | 城市排水管网设施联网监控方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220826 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230621 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230704 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230823 |
|
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: 20231114 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231130 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7396944 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |