JP2022021268A - 屋根の劣化診断方法および劣化診断システム - Google Patents
屋根の劣化診断方法および劣化診断システム Download PDFInfo
- Publication number
- JP2022021268A JP2022021268A JP2020124794A JP2020124794A JP2022021268A JP 2022021268 A JP2022021268 A JP 2022021268A JP 2020124794 A JP2020124794 A JP 2020124794A JP 2020124794 A JP2020124794 A JP 2020124794A JP 2022021268 A JP2022021268 A JP 2022021268A
- Authority
- JP
- Japan
- Prior art keywords
- roof
- deterioration
- satellite image
- learning data
- diagnosis
- 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.)
- Pending
Links
- 230000006866 deterioration Effects 0.000 title claims abstract description 105
- 238000003745 diagnosis Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000013016 learning Effects 0.000 claims abstract description 59
- 239000000463 material Substances 0.000 claims abstract description 59
- 241000195493 Cryptophyta Species 0.000 claims description 6
- 230000032683 aging Effects 0.000 claims description 6
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 claims description 6
- 238000010276 construction Methods 0.000 abstract description 5
- 238000011002 quantification Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 11
- 238000010801 machine learning Methods 0.000 description 9
- 230000008921 facial expression Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005336 cracking Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
【課題】より精度の高い診断を行うことができる屋根の劣化診断方法および劣化診断システムを提供する。【解決手段】建築物の屋根の劣化状態を特定するための屋根の劣化診断方法であって、インターネット２０を経由して第１の衛星画像を取得する画像取得工程４０と、第１の衛星画像から屋根の形状および素材を識別し、識別された素材の表面に表れる素材の劣化具合を特定するための学習データを作成する学習データ作成工程５０と、劣化診断を行うための第２の衛星画像をインターネットを経由して取得し、学習データに基づいて、第２の衛星画像に撮影された屋根の劣化診断を行う診断工程６０とを有する。【選択図】図４
Description
本発明は、屋根の劣化を調査または診断するための劣化調査方法および劣化診断システムに関する。
従来、屋根の劣化を診断する方法としては、屋根面の画像を撮影した後に、その画像の色彩値の最大値と最小値の差分、或いは標準偏差に基づいて屋根の劣化を診断する技術が開示されている（例えば、特許文献１参照）。
上述した特許文献１の技術では、色彩に基づいて劣化診断をするものであり、その診断の精度が十分ではなかった。
本発明は、上述した事情を鑑みてなされたものであり、その目的は、より精度の高い診断を行うことができる屋根の劣化診断方法を提供することにある。
上述課題を解決するため、本発明は、建築物の屋根の劣化状態を特定するための屋根の劣化診断方法であって、インターネットを経由して第１の衛星画像を取得する画像取得工程と、第１の前記衛星画像から前記屋根の形状および素材を識別し、識別された前記素材の表面に表れる素材の劣化具合を特定するための学習データを作成する学習データ作成工程と、劣化診断を行うための第２の衛星画像をインターネットを経由して取得し、前記学習データに基づいて、前記第２の衛星画像に撮影された前記屋根の劣化診断を行う診断工程と、を有することを特徴とする。
また、前記学習データ作成工程は、前記屋根の割れ、前記屋根の光沢の減少をさらに識別し、前記素材の劣化具合を特定するようにしてもよい。
さらに、前記学習データ作成工程は、前記屋根に発生するカビ、錆び、および藻の有無をさらに識別し、前記素材の劣化具合を特定することもできる。
さらにまた、前記学習データ作成工程は、前記素材の劣化具合から推定経時年数を特定し、前記診断工程は、前記学習データに基づいて前記屋根の推定経時年数を判断することもできる。
一方、本発明は、建築物の屋根の劣化状態を特定するための屋根の劣化診断システムであって、劣化診断を行う第２の衛星画像の撮影範囲を特定するための範囲特定情報を入力する入力端末と、インターネットを経由して或いは前記入力端末から第１の衛星画像を取得して、第１の前記衛星画像から前記屋根の形状および素材を識別し、識別された前記素材の表面に表れる素材の劣化具合を特定するための学習データを作成し格納するとともに、前記入力端末の前記範囲特定情報から第２の前記衛星画像を取得し、前記学習データに基づいて、前記第２の衛星画像に撮影された前記屋根の劣化診断を行うサーバと、を備えたことを特徴とする。
本発明に係る屋根の劣化診断方法は、インターネットを経由して第１の衛星画像を取得する画像取得工程と、第１の前記衛星画像から前記屋根の形状および素材を識別し、識別された前記素材の表面に表れる素材の劣化具合を特定するための学習データを作成する学習データ作成工程と、劣化診断を行うための第２の衛星画像をインターネットを経由して取得し、前記学習データに基づいて、前記第２の衛星画像に撮影された前記屋根の劣化診断を行う診断工程と、を有しているので、ノウハウ等によって数値化し易い屋根の形状や素材に着目することで、精度の高い機械学習を行うことができる。また、屋根の形状などの物理的形状は画像から識別がし易いので、機械学習および劣化診断の判断処理を速く行うことができる。そのため、広範囲な領域に点在する複数の屋根の診断を容易に行うことができ、例えば、特定の範囲（区画、番地など）に建てられた複数の家屋の劣化状態の傾向を、範囲毎に把握するようなこともできる。
以下、本発明の実施の形態に係る屋根の劣化診断システムおよび方法について、図を用いて詳細に説明する。
図１は、本発明の実施形態に係る屋根の劣化診断システム１の構成例を示す図である。図１に示す構成では、屋根の劣化診断システム１は、入力端末１０、インターネット２０、および、サーバ３０を有している。
図１は、本発明の実施形態に係る屋根の劣化診断システム１の構成例を示す図である。図１に示す構成では、屋根の劣化診断システム１は、入力端末１０、インターネット２０、および、サーバ３０を有している。
入力端末１０は、システムの管理者が有するパーソナルコンピュータによって構成される。管理者は、入力端末１０を操作することで、サーバ３０に対して範囲特定情報（都市名、地域名、番地、などの地理的範囲）を送信し、サーバ３０に対して後述する処理を実行させる。また、インターネット２０と接続され、第１の衛星画像（詳細は後述する）などの情報を収集する。さらに、出力端末として、サーバ３０からの診断結果を受信し、結果を表示させるようにしてもよい。
インターネット２０は、共通の通信仕様を用いて全世界のコンピュータや通信機器を相互に繋いだグローバルなコンピュータネットワークである。なお、当該ネットワークには有線ネットワークだけでなく、無線ネットワークも含まれる。
サーバ３０は、入力端末１０からの範囲特定情報に基づいてインターネット２０から第２の衛星画像（詳細は後述する）などの情報を収集するとともに、劣化診断した結果を格納し、入力端末１０の要求に応じて該当する劣化診断の結果を供給するためのソフトウエアを有するサーバコンピュータである。
図２に示すように、入力端末１０は、ＣＰＵ（Central Processing Unit）１１、ＲＯＭ（Read Only Memory）１２、ＲＡＭ（Random Access Memory）１３、ＨＤＤ（Hard Disk Drive）１４、ＧＰＵ（Graphical Processing Unit）１５、Ｉ／Ｆ（Interface）１６、バス１７、および、表示装置１８を有している。なお、ＨＤＤ１４の代わりに、または、ＨＤＤ１４に加えてＳＳＤ（Solid State Drive）を備えるようにしてもよい。
ここで、ＣＰＵ１１は、ＲＯＭ１２およびＨＤＤ１４に格納されているプログラムに基づいて処理を実行し、例えば、ブラウザソフトによってサーバ３０にアクセスし、サーバ３０に格納されている劣化診断の結果の情報を検索し、検索結果を表示する等の動作を行う。
ＲＯＭ１２は、ＣＰＵ１１が実行する基本的なプログラムやデータを格納する半導体記憶装置である。ＲＡＭ１３は、ＣＰＵ１１が実行するプログラムや演算途中のデータを一時的に格納するための半導体記憶装置である。ＨＤＤ１４は、ＣＰＵ１１が実行するプログラムやデータを格納する磁気記憶装置である。ＧＰＵ１５は、ＣＰＵ１１から供給される描画命令に応じて描画処理を実行し、得られた画像等を表示装置１８に供給して表示させる。なお、ＧＰＵ１５は、並列性が高い演算処理を実行するようにしてもよい。もちろん、ＧＰＵ１５以外の演算処理プロセッサを搭載するようにしてもよい。
Ｉ／Ｆ１６は、例えば、図示しないキーボードおよびマウス等の入力デバイスからの情報を入力するとともに、インターネット２０との間で情報を授受するインターフェースである。バス１７は、ＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、ＨＤＤ１４、および、Ｉ／Ｆ１６を相互に接続し、これらの間で情報の授受を可能にするための信号線群である。表示装置１８は、例えば、ＬＣＤ（Liquid Crystal Display）等によって構成され、ＧＰＵ１５から供給される画像等を表示部に表示する。
図３は、図１に示すサーバ３０の構成例を示す図である。図３に示すように、サーバ３０は、ＣＰＵ３１、ＲＯＭ３２、ＲＡＭ３３、ＨＤＤ３４、ＧＰＵ３５、Ｉ／Ｆ３６、および、バス３７を有している。なお、図３に示すＣＰＵ３１、ＲＯＭ３２、ＲＡＭ３３、ＨＤＤ３４、ＧＰＵ３５、Ｉ／Ｆ３６、および、バス３７は、図２に示すＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、ＨＤＤ１４、ＧＰＵ１５、Ｉ／Ｆ１６、および、バス１７と機能は同様であるのでその説明は省略する。図３では、ＨＤＤ３４は、種々のデータを格納するＤＢ（Data Base）３４ａを有している。なお、図３の構成例では、ＧＰＵ３５は、例えば、描画処理や並列性が高い処理を実行する。また、ＨＤＤ３４の代わりに、または、ＨＤＤ３４に加えてＳＳＤを備えるようにしてもよい。
次に、本発明の実施形態の動作について説明する。
図４は、本発明の実施の形態に係る屋根の診断方法の一例を示すフローチャートである。また、図５は、図４における学習データ作成工程の一例を説明する図、図６は、図４における診断工程の一例を説明する図である。図４～図６で示す各工程は、図３に示すハードウエア資源と、ＨＤＤ３４およびＲＯＭ３２等に格納されているソフトウエア資源とが協働することによって実現される。
図４は、本発明の実施の形態に係る屋根の診断方法の一例を示すフローチャートである。また、図５は、図４における学習データ作成工程の一例を説明する図、図６は、図４における診断工程の一例を説明する図である。図４～図６で示す各工程は、図３に示すハードウエア資源と、ＨＤＤ３４およびＲＯＭ３２等に格納されているソフトウエア資源とが協働することによって実現される。
本実施形態の屋根の診断方法は、図４に示すように、画像取得工程４０、学習データ作成工程５０、および診断工程６０によって構成されている。
画像取得工程４０は、インターネット２０を経由して、入力端末１０、或いは入力端末１０からの入力情報に基づいてサーバ３０が衛星画像を取得するものである。また、画像取得工程４０では、インターネット２０を経由して取得された画像のみならず、他の画像データ、例えば、ドローンなどによって空撮された画像を取り込んで使用することもできる。
学習データ作成工程５０では、図５に示すように、第１の衛星画像を取得（符号５１）した後に、劣化表情の学習処理（符号５２）が行われる。
ここで、「劣化表情」とは、発明者の造語であり、素材の表面に表れる素材本体の劣化の状態をいう（詳細は後述する）。すなわち、屋根の素材は、紫外線などに長時間さらされることによって表面だけでなく内部の性能や品質が低下するものであり、それが素材の表面に表れた状態を総称するものである。この劣化表情は、物理的形状として或いは色彩として衛星画像で認識される。
第１の衛星画像を取得５１では、画像取得工程４０によって取り込まれた画像のうち、学習に最適な画像が作業者等によって取捨選択され、学習対象となる「第１の衛星画像」が格納される。
劣化表情の学習処理５２では、第１の衛星画像と、複数の特徴量との対応関係を機械学習させるものである。より詳細には、学習対象となる第１の衛星画像から建築物の屋根を特定し、この特定した屋根から複数の特徴量（例えば、材質、形状など）を抽出する。なお、ディープニューラルネットワークによって生成された特徴量を用いるようにしてもよい。
基本情報の数値化５２ａでは、屋根の形状および材料（素材、材質）の情報を特徴量として数値化して機械学習する。この屋根の形状や材料は、年代ごとの流行や建築技術の進化によって変化しており、これらを建築関係者の経験やノウハウで特定することで、概ねの築年数や劣化状態を推定することができる。また、屋根の材質についても、素材の技術の進化によって変化しており、これらを特定することで概ねの築年数や劣化状態を推定することができる。
屋根の形状および素材としては、例えば、屋根に設置されたソーラーパネル（太陽光パネル）の形状および素材も含まれる。このソーラーパネルについても、技術の進歩によって年代ごとに形状や素材が変化しており、ソーラーパネルの設置された屋根を抽出して形状、素材を特定することで概ねの築年数や劣化状態を推定することができる。また、ビルの屋上部分に設置される機器（空調用室外機、ボイラー、防水設備など）も屋根の形状に含まれ、その形状や材質を特定することで、劣化状態を推定することができる。
第１付加情報の数値化５２ｂでは、基本情報の数値化５２ａでの劣化診断の精度が低い場合に、それに付加して、屋根の割れおよび光沢の減少の情報を数値化して学習する。これらの基本情報の数値化５２ａおよび第１付加情報の数値化５２ｂでは、主に画像に表れる屋根の物理的形状に着目することで数値化が行われている。また、これらの現象は、建築関係者の経験やノウハウで経時年数（使用年数）を概ね推定することができ、これを数値化して学習させている。
また、第２付加情報の数値化５２ｃでは、さらに屋根の表面に表れるカビ、錆び、藻の発生具合の情報を数値化して学習する。さらに、その他の付加情報の数値化５２ｄでは、例えば、屋根の色褪せ、色とび、汚れなど、或いはこれらが複合して発生した状態の情報を数値化して学習する。これらの第２付加情報の数値化５２ｃおよびその他の付加情報の数値化５２ｄでは、主に画像の色彩から特定される。詳細には、これらは、複合的に見て、均一した色やパターンから、不統一な斑（地と柄）として屋根の表面に表れるため、この斑を特定して数値化を行っている。また、これらの現象は、建築関係者の経験やノウハウで経時年数を概ね推定することができ、これを数値化して学習させている。
上述した基本情報の数値化５２ａ、第１付加情報の数値化５２ｂ、第２付加情報の数値化５２ｃ、およびその他の付加情報の数値化５２ｄの順位は、建築関係者の経験やノウハウに基づいて、学習のし易さ、劣化および経時年数の推定のし易さ、推定の正確さなどの観点を総合的に判断して順位付けしたものである。
経時年数の情報の数値化５２ｅは、上述した基本情報、第１付加情報、第２付加情報、その他の付加情報のいずれか１つ或いは２つ以上の情報に基づいて経時年数が数値化されたものである。
診断工程６０は、図６に示すように、範囲特定情報の入力処理が行われ（符号６１）た後、サーバ３０で第２の衛星画像が取得され（符号６２）、劣化診断処理６３がされた後に、診断結果の出力６４が行われる。
範囲特定情報の入力処理６１では、入力端末１０を介して範囲特定情報が入力される。例えば、行政都市名、丁目、番地までを特定することで、広範囲なエリアの衛星画像を特定することができる。
第２の衛生画像の取得６２では、上述した範囲特定情報に基づいて、インターネット２０を経由して、診断を行う対象の「第２の衛生画像」が取得される。ここで、「第２の衛星画像」とは、診断を行う範囲を網羅した衛星写真であり、学習を行うための「第１の衛星画像」とは異なる。なお、この第２の衛生画像で診断した結果を反映させ、さらに精度の高い機械学習をさせるようにしてもよい。
第２の衛生画像の尺度は、入力端末１０を介して特定してもよく、予め設定したプログラムによって特定の尺度の画像を取得するようにしてもよい。また、機械学習の精度や診断スピードに基づいて、任意の尺度に固定することもできる。
劣化診断処理６３では、学習データ作成工程５０で数値化された特徴量に基づいて、第２の衛生画像から屋根と判断された部分の劣化診断が行われる。ここでは、劣化表情の学習処理５２の項目に対応する診断（形状、材質の学習データに基づく診断６３ａ、割れ、光沢の学習データに基づく診断６３ｂ、カビ、錆び、藻の学習データに基づく診断６３ｃ、その他の学習データに基づく診断６３ｄ、経時年数の学習データに基づく診断６３ｅ）が順番に行われる。
また、診断処理のスピードの観点から、簡易診断（基本情報のみ）、通常診断（基本情報＋第１付加情報）、詳細診断（全ての情報）などに区分けして、診断結果と処理スピードの兼ね合いをみて階層に分けて処理することもできる。
診断結果の出力６４は、劣化診断処理６３の診断結果を、入力端末１０或いはプリンター（図示せず）に出力・表示するものである。診断結果は、例えば、劣化の具合を診断処理の項目に合わせて表示することができる。また、屋根の経時年数（使用年数）で表現される。
本発明の実施の形態に係る屋根の劣化診断方法によれば、第１の衛星画像から屋根の形状および素材を識別し、識別された素材の表面に表れる素材の劣化具合を特定するための学習データを作成する学習データ作成工程５０と、劣化診断を行うための第２の衛星画像をインターネット２０を経由して取得し、学習データに基づいて、第２の衛星画像に撮影された屋根の劣化診断を行う診断工程６０とを有しているので、ノウハウ等によって数値化し易い屋根の形状や素材に着目することで、精度の高い機械学習を行うことができる。また、屋根の形状などの物理的形状は画像から識別がし易いので、機械学習および劣化診断の判断処理を速く行うことができる。そのため、広範囲な領域に点在する複数の屋根の診断を容易に行うことができ、例えば、特定の範囲（区画、番地など）に建てられた複数の家屋の劣化状態の傾向を、範囲毎に把握するようなこともできる。
また、学習データ作成工程５０は、屋根の割れ、屋根の光沢の減少をさらに識別し、素材の劣化具合を特定しているので、屋根の物理的形状であるこれらの項目を追加することで、さらに精度の高い機械学習、および判断処理の速い劣化診断を行うことができる。
さらに、学習データ作成工程５０は、屋根に発生するカビ、錆び、および藻の有無をさらに識別し、素材の劣化具合を特定しているので、屋根の物理的形状のみならず色彩にも着目することで、さらに精度の高い機械学習を行うことができる。
さらにまた、学習データ作成工程５０は、素材の劣化具合から推定経時年数を特定し、診断工程は、学習データに基づいて屋根の推定経時年数を判断するようにしているので、劣化診断の結果を推定経時年数として出力することができる。そのため、例えば、出力結果から推定経時年数が２０年以上の物件のみをソートするなどのデータ処理が容易に行えるようになる。
一方、本発明の実施の形態に係る屋根の劣化診断システム１では、劣化診断を行う第２の衛星画像の撮影範囲を特定するための範囲特定情報を入力する入力端末１０と、インターネット２０を経由して或いは入力端末から第１の衛星画像を取得して、第１の衛星画像から屋根の形状および素材を識別し、識別された素材の表面に表れる素材の劣化具合を特定するための学習データを作成し格納するとともに、入力端末の範囲特定情報から第２の衛星画像を取得し、学習データに基づいて、第２の衛星画像に撮影された屋根の劣化診断を行うサーバ３０とを備えているので、簡単なシステム構成で屋根の劣化診断を行うことができる。
以上、本発明の実施の形態に係る屋根の劣化診断方法および劣化診断システムについて述べたが、本発明は既述の実施形態に限定されるものではなく、本発明の技術思想に基づいて各種の変形および変更が可能である。
例えば、本実施の形態では、入力端末１０をパーソナルコンピュータとして説明しているが、範囲特定情報を入力し、診断結果が出力されるものであれば、スマートフォン或いはタブレット端末であってもよい。また、これらのスマートフォン或いはタブレット端末がインターネット２０を経由して複数接続され、スマートフォンなどの一般利用者に対してサーバ３０へアクセスする権限を有料で認可することで、一般利用者が劣化診断結果を容易かつ迅速に得られるようにすることもできる。
１ 屋根の劣化診断システム
１０ 入力端末
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
１４ ＨＤＤ
１６ Ｉ／Ｆ
１７ バス
１８ 表示装置
２０ インターネット
３０ サーバ
３１ ＣＰＵ
３２ ＲＯＭ
３３ ＲＡＭ
３４ ＨＤＤ
３４ａ ＤＢ
３５ ＧＰＵ
３６ Ｉ／Ｆ
３７ バス
４０ 画像取得工程
５０ 学習データ作成工程
５２ 劣化表情の学習処理
５２ａ 基本情報の数値化
５２ｂ 第１付加情報の数値化
５２ｃ 第２付加情報の数値化
５２ｄ その他の付加情報の数値化
５２ｅ 経時年数の情報の数値化
６０ 診断工程
６１ 範囲特定情報の入力処理
６２ 第２の衛星画像を取得
６３ 劣化診断処理
６３ａ 形状、材質の学習データに基づく診断
６３ｂ 割れ、光沢の学習データに基づく診断
６３ｃ カビ、錆び、藻の学習データに基づく診断
６３ｄ その他の学習データに基づく診断
６３ｅ 経時年数の学習データに基づく診断
６４ 診断結果の出力
１０ 入力端末
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
１４ ＨＤＤ
１６ Ｉ／Ｆ
１７ バス
１８ 表示装置
２０ インターネット
３０ サーバ
３１ ＣＰＵ
３２ ＲＯＭ
３３ ＲＡＭ
３４ ＨＤＤ
３４ａ ＤＢ
３５ ＧＰＵ
３６ Ｉ／Ｆ
３７ バス
４０ 画像取得工程
５０ 学習データ作成工程
５２ 劣化表情の学習処理
５２ａ 基本情報の数値化
５２ｂ 第１付加情報の数値化
５２ｃ 第２付加情報の数値化
５２ｄ その他の付加情報の数値化
５２ｅ 経時年数の情報の数値化
６０ 診断工程
６１ 範囲特定情報の入力処理
６２ 第２の衛星画像を取得
６３ 劣化診断処理
６３ａ 形状、材質の学習データに基づく診断
６３ｂ 割れ、光沢の学習データに基づく診断
６３ｃ カビ、錆び、藻の学習データに基づく診断
６３ｄ その他の学習データに基づく診断
６３ｅ 経時年数の学習データに基づく診断
６４ 診断結果の出力
上述課題を解決するため、本発明は、建築物の屋根の劣化状態を特定するための屋根の劣化診断方法であって、インターネットを経由して第１の衛星画像を取得する画像取得工程と、第１の前記衛星画像から前記屋根の形状および素材を識別し、識別された前記素材の表面に表れる素材の劣化具合を特定するための学習データを作成する学習データ作成工程と、劣化診断を行うために特定の範囲に点在する複数の屋根を含む第２の衛星画像をインターネットを経由して取得し、前記学習データに基づいて、前記第２の衛星画像に撮影された前記屋根の劣化診断を行う診断工程とを有し、前記診断工程には、特定の範囲に点在する複数の屋根の劣化状態の傾向を範囲毎に診断することを含むことを特徴とする。
一方、本発明は、建築物の屋根の劣化状態を特定するための屋根の劣化診断システムであって、劣化診断を行う第２の衛星画像の撮影範囲を特定するための範囲特定情報を入力する入力端末と、インターネットを経由して或いは前記入力端末から第１の衛星画像を取得して、第１の前記衛星画像から前記屋根の形状および素材を識別し、識別された前記素材の表面に表れる素材の劣化具合を特定するための学習データを作成し格納するとともに、前記入力端末の前記範囲特定情報から特定の範囲に点在する複数の屋根を含む第２の前記衛星画像を取得し、前記学習データに基づいて、前記第２の衛星画像に撮影された前記屋根の劣化診断を行なうとともに、特定の範囲に点在する複数の屋根の劣化状態の傾向を範囲毎に診断するサーバと、を備えたことを特徴とする。
Claims (5)
- 建築物の屋根の劣化状態を特定するための屋根の劣化診断方法であって、
インターネットを経由して第１の衛星画像を取得する画像取得工程と、
第１の前記衛星画像から前記屋根の形状および素材を識別し、識別された前記素材の表面に表れる素材の劣化具合を特定するための学習データを作成する学習データ作成工程と、
劣化診断を行うための第２の衛星画像をインターネットを経由して取得し、前記学習データに基づいて、前記第２の衛星画像に撮影された前記屋根の劣化診断を行う診断工程と、
を有することを特徴とする屋根の劣化診断方法。 - 前記学習データ作成工程は、前記屋根の割れ、前記屋根の光沢の減少をさらに識別し、前記素材の劣化具合を特定することを特徴とする請求項１に記載の屋根の劣化診断方法。
- 前記学習データ作成工程は、前記屋根に発生するカビ、錆び、および藻の有無をさらに識別し、前記素材の劣化具合を特定することを特徴とする請求項１または請求項２に記載の屋根の劣化診断方法。
- 前記学習データ作成工程は、前記素材の劣化具合から推定経時年数を特定し、前記診断工程は、前記学習データに基づいて前記屋根の推定経時年数を判断することを特徴とする請求項１から請求項３のいずれか１つに記載の屋根の劣化診断方法。
- 建築物の屋根の劣化状態を特定するための屋根の劣化診断システムであって、
劣化診断を行う第２の衛星画像の撮影範囲を特定するための範囲特定情報を入力する入力端末と、
インターネットを経由して或いは前記入力端末から第１の衛星画像を取得して、第１の前記衛星画像から前記屋根の形状および素材を識別し、識別された前記素材の表面に表れる素材の劣化具合を特定するための学習データを作成し格納するとともに、前記入力端末の前記範囲特定情報から第２の前記衛星画像を取得し、前記学習データに基づいて、前記第２の衛星画像に撮影された前記屋根の劣化診断を行うサーバと、
を備えたことを特徴とする屋根の劣化診断システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020124794A JP2022021268A (ja) | 2020-07-21 | 2020-07-21 | 屋根の劣化診断方法および劣化診断システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020124794A JP2022021268A (ja) | 2020-07-21 | 2020-07-21 | 屋根の劣化診断方法および劣化診断システム |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022001595U Continuation JP3238461U (ja) | 2022-05-17 | 2022-05-17 | 屋根の劣化診断システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2022021268A true JP2022021268A (ja) | 2022-02-02 |
Family
ID=80220276
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020124794A Pending JP2022021268A (ja) | 2020-07-21 | 2020-07-21 | 屋根の劣化診断方法および劣化診断システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2022021268A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7338927B1 (ja) * | 2023-04-10 | 2023-09-05 | ラックス建設株式会社 | 屋根修繕支援システム、及び屋根修繕支援方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001200198A (ja) * | 2000-01-18 | 2001-07-24 | Gantan Beauty Ind Co Ltd | 殺菌作用を有する塗材、該塗材を用いた建築物の改修工法 |
| JP2009002125A (ja) * | 2007-06-25 | 2009-01-08 | Murai Chemical Pack Kk | スレートの補強方法及び該方法により補強されたスレート |
| JP2018055351A (ja) * | 2016-09-28 | 2018-04-05 | アトミクス株式会社 | 屋根塗装又は防水工事見積もり作成システム |
| WO2019185774A1 (en) * | 2018-03-28 | 2019-10-03 | Sika Technology Ag | Crack evaluation of roofing membrane by artificial neural networks |
| JP2019218681A (ja) * | 2018-06-15 | 2019-12-26 | 大和ハウス工業株式会社 | 屋根の劣化診断方法 |
| WO2020003818A1 (ja) * | 2018-06-28 | 2020-01-02 | パナソニックＩｐマネジメント株式会社 | 検査装置及び検査方法 |
-
2020
- 2020-07-21 JP JP2020124794A patent/JP2022021268A/ja active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001200198A (ja) * | 2000-01-18 | 2001-07-24 | Gantan Beauty Ind Co Ltd | 殺菌作用を有する塗材、該塗材を用いた建築物の改修工法 |
| JP2009002125A (ja) * | 2007-06-25 | 2009-01-08 | Murai Chemical Pack Kk | スレートの補強方法及び該方法により補強されたスレート |
| JP2018055351A (ja) * | 2016-09-28 | 2018-04-05 | アトミクス株式会社 | 屋根塗装又は防水工事見積もり作成システム |
| WO2019185774A1 (en) * | 2018-03-28 | 2019-10-03 | Sika Technology Ag | Crack evaluation of roofing membrane by artificial neural networks |
| JP2019218681A (ja) * | 2018-06-15 | 2019-12-26 | 大和ハウス工業株式会社 | 屋根の劣化診断方法 |
| WO2020003818A1 (ja) * | 2018-06-28 | 2020-01-02 | パナソニックＩｐマネジメント株式会社 | 検査装置及び検査方法 |
Non-Patent Citations (2)
| Title |
|---|
| "市原市で飛び込み業者に「屋根が壊れている」と指摘されたが", インターネット, JPN6021028834, 12 November 2016 (2016-11-12), JP, pages 1 - 2, ISSN: 0004711263 * |
| 屋根の寿命はどのくらい？知られざる耐用年数を公開, JPN6021028836, 29 May 2020 (2020-05-29), JP, pages 1 - 3, ISSN: 0004711264 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7338927B1 (ja) * | 2023-04-10 | 2023-09-05 | ラックス建設株式会社 | 屋根修繕支援システム、及び屋根修繕支援方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5984153B2 (ja) | 情報処理装置、プログラム、及び情報処理方法 | |
| CN109074607B (zh) | 学得模型提供方法和学得模型提供装置 | |
| CN108830837A (zh) | 一种用于检测钢包溶蚀缺陷的方法和装置 | |
| CN109684947A (zh) | 标注质量监控方法、装置、计算机设备和存储介质 | |
| CN110675177A (zh) | 门店选址方法和装置 | |
| CN113887605A (zh) | 形状自适应的旋转目标检测方法、系统、介质及计算设备 | |
| JPWO2004097703A1 (ja) | 製造工程解析支援方法、その方法をコンピュータに実行させるプログラム、プログラムプロダクトおよび記録媒体 | |
| CN111242922A (zh) | 一种蛋白质图像分类方法、装置、设备及介质 | |
| CN114627330A (zh) | 时序流量预测方法及装置、存储介质及电子设备 | |
| US20220366244A1 (en) | Modeling Human Behavior in Work Environment Using Neural Networks | |
| JP2022021268A (ja) | 屋根の劣化診断方法および劣化診断システム | |
| JP2024112965A (ja) | 画像解析装置 | |
| CN117631682A (zh) | 电网无人机巡检路线确定方法和系统 | |
| CN110276802B (zh) | 医学图像中病症组织定位方法、装置与设备 | |
| JP3238461U (ja) | 屋根の劣化診断システム | |
| CN115222370A (zh) | 多维度创业孵化项目评测方法、系统及电子设备 | |
| WO2019103773A1 (en) | Automatically identifying alternative functional capabilities of designed artifacts | |
| WO2020111139A1 (ja) | 座標算出装置、座標算出方法、及びコンピュータ読み取り可能な記録媒体 | |
| WO2018004083A1 (ko) | 지도 검색 기록을 이용한 유동인구 추정 장치 및 방법 | |
| CN113551677A (zh) | 对机器人进行重定位的方法和相关产品 | |
| JP2022096183A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| WO2020160385A1 (en) | System and method for design exploration steering via bayesian learning of implicit preferences of users | |
| JPWO2020085374A1 (ja) | 熟練指数提供装置、熟練指数提供方法、及びプログラム | |
| CN111340276A (zh) | 一种生成预测数据的方法及系统 | |
| JP2021060467A (ja) | 橋梁点検訓練装置、橋梁点検訓練方法及び橋梁点検訓練プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210514 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210514 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210726 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210925 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211015 |
|
| A59 | Written plea |
Free format text: JAPANESE INTERMEDIATE CODE: A59 Effective date: 20211015 |
|
| A603 | Late request for extension of time limit during examination |
Free format text: JAPANESE INTERMEDIATE CODE: A603 Effective date: 20211015 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220222 |