JP2021183772A - 切羽評価システム、切羽評価学習システム、切羽評価方法、切羽評価学習方法、コンピュータプログラム - Google Patents
切羽評価システム、切羽評価学習システム、切羽評価方法、切羽評価学習方法、コンピュータプログラム Download PDFInfo
- Publication number
- JP2021183772A JP2021183772A JP2020089123A JP2020089123A JP2021183772A JP 2021183772 A JP2021183772 A JP 2021183772A JP 2020089123 A JP2020089123 A JP 2020089123A JP 2020089123 A JP2020089123 A JP 2020089123A JP 2021183772 A JP2021183772 A JP 2021183772A
- Authority
- JP
- Japan
- Prior art keywords
- face
- data
- evaluation
- model
- image data
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 174
- 238000000034 method Methods 0.000 title claims description 26
- 238000004590 computer program Methods 0.000 title claims description 6
- 238000005259 measurement Methods 0.000 claims abstract description 75
- 238000010276 construction Methods 0.000 claims abstract description 46
- 238000007781 pre-processing Methods 0.000 claims abstract description 40
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 54
- 238000005553 drilling Methods 0.000 claims description 42
- 238000003384 imaging method Methods 0.000 claims description 15
- 230000006835 compression Effects 0.000 claims description 6
- 238000007906 compression Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 5
- 238000013145 classification model Methods 0.000 description 29
- 238000013473 artificial intelligence Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000013210 evaluation model Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 5
- 230000004075 alteration Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000013526 transfer learning Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010040844 Skin exfoliation Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
Description
また、近年は、各種システムにAI(人工知能;artificial intelligence)を導入することが検討されている。山岳トンネル工事における切羽評価についても、AI(人工知能;artificial intelligence)を用いて行うシステム(切羽AIシステム)を開発することも検討されつつある。このような切羽AIシステムでは、AIを訓練するデータ(教師データ)の質が性能に大きな影響を与える。特徴が明確でありAIが容易に分類可能なデータが、教師データとして良質なデータであるといわれている。
まず、本実施形態における切羽評価システムにおいて用いるデータを収集する流れについて図1を用いて説明する。
撮像装置群110は、例えば撮像装置110a、撮像装置110b、撮像装置110cの3台の撮像装置が含まれる。これら撮像装置110a、110b、110cは、同じ切羽100をそれぞれ撮像するが、撮像アングルが異なる。撮像アングルは、異なる位置、異なる撮像方向等の少なくともいずれかを条件として撮像されればよい。これら撮像装置群110は、それぞれ、施工機械に取り付けられていてもよいし、三脚等に固定された状態で撮像する箇所に設置されていてもよいし、作業員が安全な場所から撮像するようにしてもよい。撮像装置は、例えば、カメラである。
また、撮像装置群110は、3台である場合について説明したが、少なくとも2台以上であればよい。少なくとも2台の撮像装置で撮像することができれば、奥行き情報を得ることが可能である。
測定機器群155は、施工機械150によって切羽100に対する施工が行われる施工時における施工状況を計測し、計測データ160を得る。
測定機器群155は、例えば、各種センサや、湧水量測定機器等である。測定機器群155は、各種センサや湧水量測定機器からそれぞれ計測データ160を得る。
切羽データDB290は、記憶媒体、例えば、HDD(Hard Disk Drive)、フラッシュメモリ、EEPROM(Electrically Erasable Programmable Read Only Memory)、RAM(Random Access read/write Memory)、ROM(Read Only Memory)、またはこれらの記憶媒体の任意の組み合わせによって構成される。
この切羽データDB290は、例えば、不揮発性メモリを用いることができる。
切羽評価システム1は、撮像装置群110と、測定機器群155と、入力装置156と、切羽評価装置200とを含む。
切羽評価装置200は、切羽画像データ取得部210、三次元切羽モデル生成部220、計測データ取得部230、評価データ取得部240、データ前処理部250、学習部260、評価部270、出力部280、切羽データDB290を含む。
これにより、クラックの状態をより明確に示すことができる。後述するように、切羽評価装置200は、この数値標高モデルを用いて教師データを生成し学習済みモデルを生成することで、数値標高モデルを切羽AIに適用することができる。また、三次元切羽モデルは、画像データとして取り扱うことができるため、学習するための教師データとして用いる場合であっても、適用しやすいというメリットがある。
湧水は、湧水が切羽の特定部位から集中して生じているか全面的に生じているか否か、湧水の量等を表す。水による劣化は、水によって切羽が軟弱化している度合いを表す。割目の方向性は、生じている割目の方向を表す。
例えばデータ前処理部250は、計測データ160に含まれる(または計測データ160に基づいて求まる)穿孔エネルギー値と湧水量計測値との少なくともいずれか一方に基づいて穿孔エネルギー値に応じて求まる切羽における圧縮強度の分布を示す圧縮強度分布データ、または、計測データに基づいて湧水量計測値に応じて求まる切羽における湧水の分布を示す湧水分布データを求める。
圧縮強度分布データは、切羽の垂直面方向における圧縮強度分布を示す画像データである。圧縮強度は、計測データに基づいて生成される値であり、切羽における岩盤の圧縮強度を示す。例えば、削孔エネルギー値が高いほど、圧縮強度が高く、削孔エネルギー値が低いほど圧縮強度が低い関係にある。例えば、圧縮強度分布データでは、切羽における位置(あるいは領域)毎に、その位置(領域)における圧縮強度に応じて異なる色で表現した画像データである。例えば、圧縮強度が高いほど赤に近い色で表し、圧縮強度が低いほど緑に近い色で表し、圧縮強度が中間よりであるほど黄に近い色で表すようにしてもよい。
このような分布データは、画像として表現されるため、画像データとして取り扱うことができる。
ここで、学習済みモデルを生成するにあたり、教師データに用いられる三次元切羽モデル130は、三次元写真画像130aと数値標高モデル130bの両方であってもよいし、いずれか一方であってもよい。この実施形態では、両方を用いる場合について説明する。
また、学習済みモデルを生成するにあたり、教師データに用いられる計測データは、データ前処理部250によって求められた圧縮強度分布データまたは湧水分布データを用いることができる。ここでは、計測データが画像データとして得られるのであれば、計測データをそのまま教師データとして用いるようにしてもよいし、計測データが画像データとして得られていない場合には、データ前処理部250によって前処理をすることで画像データを得るようにしてもよい。
ここでは、圧縮強度分布データまたは湧水分布データは、いずれも画像データであるため、教師データとして用いて学習済みモデルを生成するにあたり、学習データとして適用し易い。
上述した切羽評価システム1における学習段階の処理について説明する。
〈切羽の三次元切羽モデルの生成〉
図3は、切羽の三次元切羽モデルを生成する処理を説明するフローチャートである。
撮像装置群110によって切羽100が撮像されると、切羽画像データ取得部210は、撮像装置群110から得られる切羽画像データ120を取得する(ステップS101)。切羽画像データ120が得られると、三次元切羽モデル生成部220は、切羽画像データ120に対してSfM変換処理を行うことで三次元形状モデルを生成する。ここでは、三次元切羽モデル生成部220は、SfM変換処理を行うことで三次元写真画像130aを生成する(ステップS102)。また、三次元切羽モデル生成部220は、生成された三次元写真画像130aの表示態様を加工することで、数値標高モデル130bを生成する(ステップS103)。切羽データDB290は、三次元写真画像130aと数値標高モデル130bとを記憶する(ステップS104)。
図4は、分布データを生成する処理を説明するフローチャートである。
測定機器群155によって計測データが得られると、計測データ取得部230は、測定機器群155から計測データを取得する(ステップS201)。データ前処理部250は、得られた計測データのうち、ドリルジャンボの稼動状態を示すデータ(作動油圧、削孔距離等)に基づいて、削孔エネルギー値を求める(ステップS202)。ここでは、データ前処理部250が削孔エネルギー値を求める場合について説明するが、センサが削孔エネルギー値を求めることができる場合には、当該センサから削孔エネルギー値をデータ前処理部250または計測データ取得部230が取得するようにしてもよい。
図5は、学習段階における処理のフローを説明するフローチャートである。
〈学習処理〉
データ前処理部250は、切羽データDB290に記憶された切羽画像データ、三次元切羽モデル、圧縮強度分布データ、湧水分布データのうち、同じ施工タイミングに対応する切羽画像データ、三次元切羽モデル、圧縮強度分布データ、湧水分布データを読み出し、それぞれを所定の大きさになるように複数の領域に分割する(ステップS301)。ここでは、切羽画像データ、三次元切羽モデル、圧縮強度分布データ、湧水分布データのそれぞれの分割数は、同じである。図6Aは、切羽画像データを分割した場合の例を示す図であり、図6Bは、三次元切羽モデル(ここでは数値標高モデル)を分割した場合の例を示す図であり、図6Cは、圧縮強度分布データ(湧水分布データであってもよい)を分割した場合の例を示す図である。分割数は、これらの画像を学習部260による学習をする際に適したサイズとなるようにすればよい。
また、数値標高モデルについても同様に複数領域に分割し、分割された領域について、標高に応じたクラスを付与するようにしてもよい。圧縮強度分布データについても同様に、複数領域に分割し、分割された領域について、圧縮強度の度合いに応じたクラスを付与するようにしてもよい。湧水分布データについても同様に、複数領域に分割し、分割された領域について、湧水量の度合いに応じたクラスを付与するようにしてもよい。
データ前処理部250は、評価データが取得されると、評価データが得られた評価を行った時点において撮像装置群110から得られた切羽画像データ120と、当該切羽画像データ120に基づいて生成された三次元切羽モデル130と、評価データが得られた評価を行った時点において得られた計測データに基づいて得られた圧縮強度分布データ及び湧水分布データに対し、評価データをラベルとして付与することで(ステップS303)、教師データを生成する。ここで、切羽データDB290には、施工状況データが複数記憶されているため、データ前処理部250は、各施工状況データ180のそれぞれに対し、評価データをラベルとして付与する。データ前処理部250は、生成した教師データを記憶装置(例えば切羽データDB290)に記憶する。
図7は、実行フェーズにおける処理を説明するフローチャートである。
《実行フェーズ》
山岳トンネル工事において施工機械150による施工が行われると、測定機器群155は、各種データを測定する(ステップS101)。また、撮像装置群110は、切羽を撮影することで切羽画像データを取得する(ステップS102)。切羽評価装置200の三次元切羽モデル生成部220は、切羽画像データを取得すると、切羽画像データに対してSfM変換処理を行うことで三次元写真画像を生成し(ステップS103)、切羽評価装置200のデータ前処理部250は、数値標高モデルを生成する(ステップS104)。
評価部270は、得られた三次元写真画像、数値標高モデル及び分布データを学習済みモデルに入力することで、評価データを得る(ステップS107)。出力部280は、評価部270によって得られた評価データを出力する(ステップS108)。出力部280は、表示画面に表示することで出力してもよいし、外部のスマートフォンやコンピュータに評価データを送信するようにしてもよい。
また、切羽面のクラックの状態(開口の規模等)を定量的に表現することができる。そのため、切羽で生じる事象とクラックの状態を結び付けて考えられることから、有事の際の発注者への説明資料として活用することも期待できる。
そのため、切羽の評価を行うために必要な情報については、切羽における作業量を増大させることなく準備することができる。
また、測量(写真測量)によって作成した切羽全面の数値標高モデルを教師データとして利用することができる。
また、切羽を撮影した切羽画像データから三次元形状モデル(例えば数値標高モデル)を生成し、これを含む教師データを生成し、学習することができ、学習済みモデルを生成することができるため、AIを用いて切羽を評価するために用いる質の良い教師データを切羽における作業を増大させることなく準備することができる。
割目状態データは、切羽状態を深層学習させた「割目分類モデル」を用い、切羽画像データを分割した各ブロックの風化や割目の状態を複数の段階(割目クラス,ここでは一例として3段階)に分類したデータである。
図8は、風化状態データを説明する図である。
《風化状態データ》
図8において、風化状態データ800は、撮像装置110a、撮像装置110b、撮像装置110cのうちいずれかの撮像装置によって撮像された画像データが複数の領域に分割され、その分割された領域毎に、風化の状態がいずれの段階であるかを示す風化のクラスが割り当てられたデータである。この風化状態データ800は、画像データとして表示することも可能である。
このような風化状態データは、切羽の画像データを風化分類モデルに入力することで得ることができる。
風化分類モデルは、切羽画像データと、当該切羽画像データの画像領域を複数領域に分割したそれぞれの分割領域に割り当てられた風化のクラスとの関係を学習した学習済モデルである。風化分類モデルは、切羽画像データが入力されることに応じて風化状態データを得ることができるモデルである。
学習に用いられる切羽画像データは、RGB(赤、緑、青)データであり、縦方向及び横方向に所定の分割数で分割される。この分割画像から特徴的な画像を選択し、選択された分割画像に対して、風化クラス1〜3のいずれかをラベルが付与される。この風化クラスがラベルとして付与された切羽画像データを風化教師データとし、学習部260が学習する。
このラベルの付与は、例えば地山評価をする技術が習熟した技術者によって判断された結果を、入力デバイスを介して入力される。
図9は、この風化分類モデル学習に用いられる画像の一例を示す。
図10は、割目状態データを説明する図である。
図10において、割目状態データ900は、撮像装置110a、撮像装置110b、撮像装置110cのうちいずれかの撮像装置によって撮像された画像データを複数の領域に分割され、その分割された領域毎に、割目の状態がいずれの段階であるかを示す割目のクラスが割り当てられたデータである。この割目状態データ900は、画像データとして表示することも可能である。
例えば、割目クラスの数が大きいほど、濃い色の画像が重ねられる。符号910に示す領域には、割目クラス2が割り当てられており、符号920に示す領域には割目クラス3が割り当てられている。また、ここでは、割目クラス1については透明な画像が割り当てられているため、元々の画像データの表示態様と同じ表示態様となっている(符号930)。
このような割目状態データは、切羽の画像データを割目分類モデルに入力することで得ることができる。
割目分類モデルは、切羽画像データと、当該切羽画像データの画像領域を複数領域に分割したそれぞれの分割領域に割り当てられた割目のクラスとの関係を学習した学習済モデルである。割目分類モデルは、切羽画像データが入力されることに応じて割目状態データを得ることができるモデルである。
学習に用いられる数値標高モデルは、上述した三次元切羽モデル生成部220によってされる数値標高モデルを用いることができる。
数値標高モデルは、複数アングルの切羽画像データからSfM技術を用いて切羽の三次元点群化したデータである。
この割目分類モデルを作成するために、トンネル坑口側からある地点(例えば、50切羽(50メートル))までの範囲で得られる切羽画像データから、数値標高モデルを生成する。数値標高モデルを用いることで、切羽における凹凸形状に応じて色の濃淡で表現される画像データであり、この色の濃淡を元に、所定以上の標高である部位については、クラックであるとみなすことができる。
数値標高モデルの特徴量をより強調する場合には、色の濃淡で表現するのではなく、2値化処理することで、クラックがあるか否かを表すようにしてもよい。
学習に用いられる数値標高モデルは、縦方向及び横方向に所定の分割数で分割される。この分割画像から特徴的な画像を選択し、選択された分割画像に対して、割目クラス1〜3のいずれかをラベルが付与され、学習部260が学習する。
このラベルの付与は、例えば地山評価をする技術が習熟した技術者によって判断された結果を、入力デバイスを介して入力される。
図11は、割目分類モデルの学習に用いられる画像の一例を示す。
次に、上述した風化分類モデルと割目分類モデルとを用いて、地山評価予測をする地山評価について説明する。
図12は、地山評価モデルを生成する流れを説明する図である。
地山評価モデルを生成するにあたり、まず、風化分類モデルと割目分類モデルとを生成する(ステップS201〜ステップS203)。
学習部260は、風化教師データと割目教師データを取り込む(ステップS201)。ここで用いられる風化教師データは、切羽画像データが複数の領域に分割され、その分割された領域の画像毎に、風化クラスがラベルとして付与されたデータである。割目教師データは、切羽画像データが複数の領域に分割され、その分割された領域の画像毎に、割目クラスがラベルとして付与されたデータである。
学習部260は、風化教師データと割目教師データを取り込むと、CNN等によって学習する(ステップS202)。学習部260は、学習をすると、学習済モデルとして、風化分類モデルと割目分類モデルを生成する(ステップS203)。
データ前処理部250は、切羽画像データを風化分類モデルに入力することで風化状態データを得る。また、データ前処理部250は、数値標高モデルを割目分類モデルに入力することで割目状態データを得る。また、データ前処理部250は、穿孔エネルギー値に対して統計処理等の前処理を行うことで、分布データを生成する(ステップS3002)。
評価データ取得部240は、切羽の状態を目視観察することで切羽に対する評価が行われた結果である目視観察評価(評価データ)を取得する。この評価データは、技術者によって評価された結果が評価データとして入力デバイスを介して入力される。
学習部260は、評価データ取得部240によって取得された評価データと、データ前処理部250によって得られた結果である風化状態データ、割目状態データ、穿孔エネルギー値に基づく分布データ、との関係と学習する。ここでの学習方法は、アンサンブル学習を用いることができる。アンサンブル学習としては、例えば、勾配ブースティング決定木の分類器を用いることができる。
例えば、切羽の特徴量を数値化した数値化データ(風化状態データ、割目状態データ、穿孔エネルギー値に基づく分布データ)を説明変数とし、技術者の目視観察による所定の評価項目に対する点数(例えば、上述した、切羽観察項目に基づいて評価された結果)を目的変数とし、学習部260は、アンサンブル学習をする(ステップS303)。これにより、学習部260は、切羽特徴量を示す数値化データから技術者による切羽評価点(切羽観察項目に基づいて評価された結果)との関係性(相関)を学習した地山評価モデルを構築する(ステップS304)。
この地山評価モデルは、天端、左肩、右肩の3エリアのそれぞれのエリアについて、切羽観察項目に基づく評価結果が得られる予測モデルである。このような地山評価モデルは、切羽評価装置200内の記憶領域(メモリ)に記憶しておくことができる。
評価部270は、評価対象となる切羽を撮像した切羽画像データ、当該切羽画像データに基づく数値標高モデル、評価対象の切羽を施工した際に得られる穿孔エネルギー値を取得すると(ステップS401)、切羽画像データを風化分類モデルに入力することで風化状態データを取得し、数値標高モデルを割目分類モデルに入力することで割目状態データを生成し、穿孔エネルギー値を前処理することで分布データを得る(ステップS402)。そして、評価部270は、地山評価モデルに、風化状態データ、割目状態データ、穿孔エネルギー値に基づく分布データを入力することで、地山評価予測結果を得ることができる。
Claims (10)
- 複数のカメラによって切羽を異なる撮像アングルから撮像した切羽画像データを取得する切羽画像データ取得部と、
前記切羽画像データから三次元切羽モデルを生成する三次元切羽モデル生成部と、
切羽を穿孔する施工機械の前記切羽を穿孔する際の施工状況を表す計測データを取得する計測データ取得部と、
前記三次元切羽モデルと前記計測データを前処理することで得られる分布データと、前記切羽を評価する評価者によって評価された結果である評価データに基づく教師データを用い、三次元切羽モデルと分布データとの組み合わせと、評価データとの関係を学習することで生成された学習済みモデルに対して、評価対象の切羽を撮像した切羽画像データと当該評価対象の切羽を施工機械によって施工する際に得られる計測データに基づく分布データとを入力することで、切羽を評価した評価結果を得る評価部と、
を有する切羽評価システム。 - 前記評価データは、少なくとも風化状態、割目状態、圧縮強度のうちいずれか1つの評価項目に従った評価データであり、
前記評価部では、少なくとも風化状態、割目状態、圧縮強度のうち前記評価データに用いられた評価項目従った評価結果を得る
請求項1の切羽評価システム。 - 複数のカメラによって切羽を異なる撮像アングルから撮像した切羽画像データを取得する切羽画像データ取得部と、
前記切羽画像データから三次元切羽モデルを生成する三次元切羽モデル生成部と、
切羽を穿孔する施工機械の前記切羽を穿孔する際の施工状況を表す計測データを取得する計測データ取得部と、
前記計測データに対して前処理を行うことで分布データを生成するデータ前処理部と、
前記切羽を評価する評価者によって評価された結果である評価データを取得する評価データ取得部と、
前記三次元切羽モデルと前記分布データと前記評価データに基づく教師データを用い、三次元切羽モデルと分布データとの組み合わせと、評価データとの関係を学習することで学習済みモデルを生成する学習部と、
を有する切羽評価学習システム。 - 前記データ前処理部は、前記計測データに含まれる穿孔エネルギー値と湧水量計測値との少なくともいずれか一方に基づいて前記穿孔エネルギー値に応じて求まる切羽における圧縮強度の分布を示す圧縮強度分布データ、または、前記計測データに基づいて前記湧水量計測値に応じて求まる切羽における湧水の分布を示す湧水分布データを求め、
前記教師データとして用いられる計測データは、前記データ前処理部によって求められた圧縮強度分布データまたは湧水分布データである
請求項3に記載の切羽評価学習システム。 - 前記圧縮強度分布データは、圧縮強度を当該圧縮強度の度合いに応じた色で表現した画像データであり、湧水分布データは、湧水量の度合いに応じた色で表現した画像データである
請求項4に記載の切羽評価学習システム。 - 前記評価データは、少なくとも風化状態、割目状態、圧縮強度のうちいずれか1つの評価項目に従った評価データである
請求項3から5のうちいずれか1項に記載の切羽評価学習システム。 - 切羽画像データ取得部が、複数のカメラによって切羽を異なる撮像アングルから撮像した切羽画像データを取得し、
三次元切羽モデル生成部が、前記切羽画像データから三次元切羽モデルを生成し、
計測データ取得部が、切羽を穿孔する施工機械の前記切羽を穿孔する際の施工状況を表す計測データを取得し、
評価部が、前記三次元切羽モデルと前記計測データを前処理することで得られる分布データと前記切羽を評価する評価者によって評価された結果である評価データに基づく教師データを用い、三次元切羽モデルと分布データとの組み合わせと、評価データとの関係を学習することで生成された学習済みモデルに対して、評価対象の切羽を撮像した切羽画像データと当該評価対象の切羽を施工機械によって施工する際に得られる計測データに基づく分布データとを入力することで、切羽を評価した評価結果を得る
切羽評価方法。 - 切羽画像データ取得部が、複数のカメラによって切羽を異なる撮像アングルから撮像した切羽画像データを取得し、
三次元切羽モデル生成部が、前記切羽画像データから三次元切羽モデルを生成し、
計測データ取得部が、切羽を穿孔する施工機械の前記切羽を穿孔する際の施工状況を表す計測データを取得し、
データ前処理部が、前記計測データに対して前処理を行うことで分布データを生成し、
評価データ取得部が、前記切羽を評価する評価者によって評価された結果である評価データを取得し、
学習部が、前記三次元切羽モデルと前記分布データと前記評価データに基づく教師データを用い、三次元切羽モデルと分布データとの組み合わせと、評価データとの関係を学習することで学習済みモデルを生成する
切羽評価学習方法。 - 請求項1に記載された切羽評価システムとしてコンピュータを機能させるためのコンピュータプログラム。
- 請求項3に記載された切羽評価学習システムとしてコンピュータを機能させるためのコンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020089123A JP7390975B2 (ja) | 2020-05-21 | 2020-05-21 | 切羽評価システム、切羽評価学習システム、切羽評価方法、切羽評価学習方法、コンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020089123A JP7390975B2 (ja) | 2020-05-21 | 2020-05-21 | 切羽評価システム、切羽評価学習システム、切羽評価方法、切羽評価学習方法、コンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021183772A true JP2021183772A (ja) | 2021-12-02 |
JP7390975B2 JP7390975B2 (ja) | 2023-12-04 |
Family
ID=78767191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020089123A Active JP7390975B2 (ja) | 2020-05-21 | 2020-05-21 | 切羽評価システム、切羽評価学習システム、切羽評価方法、切羽評価学習方法、コンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7390975B2 (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002227582A (ja) * | 2001-01-29 | 2002-08-14 | Fujita Corp | 掘削面情報管理システムおよびその方法 |
CN106198545A (zh) * | 2016-08-09 | 2016-12-07 | 鞍钢集团矿业有限公司 | 一种露天矿边坡岩体节理分布参数测定方法 |
JP2018017640A (ja) * | 2016-07-29 | 2018-02-01 | 株式会社大林組 | 切羽監視システム |
JP2019023392A (ja) * | 2017-07-24 | 2019-02-14 | 株式会社大林組 | 切羽評価支援システム、切羽評価支援方法及び切羽評価支援プログラム |
JP2019065648A (ja) * | 2017-10-04 | 2019-04-25 | 株式会社大林組 | 切羽評価装置 |
JP2021046663A (ja) * | 2019-09-17 | 2021-03-25 | 株式会社安藤・間 | トンネル切羽状態表示システム、トンネル切羽状態表示方法、及び移動計測体 |
JP2021092031A (ja) * | 2019-12-06 | 2021-06-17 | 株式会社福田組 | 地山予測システム |
-
2020
- 2020-05-21 JP JP2020089123A patent/JP7390975B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002227582A (ja) * | 2001-01-29 | 2002-08-14 | Fujita Corp | 掘削面情報管理システムおよびその方法 |
JP2018017640A (ja) * | 2016-07-29 | 2018-02-01 | 株式会社大林組 | 切羽監視システム |
CN106198545A (zh) * | 2016-08-09 | 2016-12-07 | 鞍钢集团矿业有限公司 | 一种露天矿边坡岩体节理分布参数测定方法 |
JP2019023392A (ja) * | 2017-07-24 | 2019-02-14 | 株式会社大林組 | 切羽評価支援システム、切羽評価支援方法及び切羽評価支援プログラム |
JP2019065648A (ja) * | 2017-10-04 | 2019-04-25 | 株式会社大林組 | 切羽評価装置 |
JP2021046663A (ja) * | 2019-09-17 | 2021-03-25 | 株式会社安藤・間 | トンネル切羽状態表示システム、トンネル切羽状態表示方法、及び移動計測体 |
JP2021092031A (ja) * | 2019-12-06 | 2021-06-17 | 株式会社福田組 | 地山予測システム |
Also Published As
Publication number | Publication date |
---|---|
JP7390975B2 (ja) | 2023-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11893538B1 (en) | Intelligent system and method for assessing structural damage using aerial imagery | |
CN110826514A (zh) | 一种基于深度学习的施工现场违章智能识别方法 | |
CN106780284A (zh) | 隧道洞壁围岩完整性信息采集装置及评价方法 | |
KR102346676B1 (ko) | 딥러닝 기반의 시설물 손상영상 분류를 활용한 손상도 생성방법 | |
WO2021002279A1 (en) | Multi-spatial resolution measurements for generation of vegetation states | |
DE112018007754T9 (de) | Informationsverarbeitungsvorrichtung, Informationsverarbeitungssystem, Verfahren und Programm | |
CN112697814B (zh) | 一种基于机器视觉的线缆表面缺陷检测系统及方法 | |
Pathak et al. | An object detection approach for detecting damages in heritage sites using 3-D point clouds and 2-D visual data | |
KR102559586B1 (ko) | 인공지능을 이용한 구조물 외관 점검 시스템 및 방법 | |
JP2021183774A (ja) | 切羽評価システム、切羽評価学習システム、切羽評価方法、切羽評価学習方法、コンピュータプログラム | |
Kong et al. | Detecting type and size of road crack with the smartphone | |
CN114494845A (zh) | 一种用于施工项目现场人工智能隐患排查系统及其排查方法 | |
JP2021183772A (ja) | 切羽評価システム、切羽評価学習システム、切羽評価方法、切羽評価学習方法、コンピュータプログラム | |
JP2019075078A (ja) | 工事現場画像判定装置及び工事現場画像判定プログラム | |
CN117011759A (zh) | 钻爆法隧道掌子面围岩多元地质信息解析方法及系统 | |
JP7245749B2 (ja) | 評価支援システム、評価支援方法、及びプログラム | |
Osterloff et al. | Polyp activity estimation and monitoring for cold water corals with a deep learning approach | |
KR102387717B1 (ko) | 드론 촬영 및 사진첩 기법을 이용한 시설물 손상 진단 및 점검방법 | |
CN206348848U (zh) | 隧道洞壁围岩完整性信息采集装置 | |
JP2019192170A (ja) | 3次元モデル生成装置及び3次元モデル生成方法 | |
Wickert et al. | Lessons Learned on Conducting Dwelling Detection on VHR Satellite Imagery for the Management of Humanitarian Operations | |
JP7245750B2 (ja) | 評価支援システム、評価支援方法、及びプログラム | |
CN111833307A (zh) | 一种风力机叶片裂纹诊断方法及装置 | |
JP2022062971A (ja) | 検出装置及び検出方法 | |
JP7359383B2 (ja) | 腐食診断装置、腐食診断システム、腐食診断方法、及びプログラム |
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: 20200616 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230309 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231013 |
|
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: 20231107 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231121 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7390975 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |