JP2022524673A - 土壌及び土壌型の分類のための装置、システム、及び方法 - Google Patents

土壌及び土壌型の分類のための装置、システム、及び方法 Download PDF

Info

Publication number
JP2022524673A
JP2022524673A JP2021521985A JP2021521985A JP2022524673A JP 2022524673 A JP2022524673 A JP 2022524673A JP 2021521985 A JP2021521985 A JP 2021521985A JP 2021521985 A JP2021521985 A JP 2021521985A JP 2022524673 A JP2022524673 A JP 2022524673A
Authority
JP
Japan
Prior art keywords
soil
mass
image
module
processor
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
Application number
JP2021521985A
Other languages
English (en)
Other versions
JP7225502B2 (ja
Inventor
コク エン チュア，
スー エン ダネット タン，
スーン ホー チュー，
ジュアン ウェイ コー，
ユ ジン ユージーン オウ，
ホー ムン オードリー イム，
Original Assignee
ハウジング・アンド・ディヴェロップメント・ボード
ナショナル ユニバーシティ オブ シンガポール
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ハウジング・アンド・ディヴェロップメント・ボード, ナショナル ユニバーシティ オブ シンガポール filed Critical ハウジング・アンド・ディヴェロップメント・ボード
Publication of JP2022524673A publication Critical patent/JP2022524673A/ja
Application granted granted Critical
Publication of JP7225502B2 publication Critical patent/JP7225502B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/041—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/45—Analysis of texture based on statistical description of texture using co-occurrence matrix computation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid
    • G01N27/121—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid for determining moisture content, e.g. humidity, of the fluid
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G01N33/246—Earth materials for water content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Medicinal Chemistry (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Geology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Food Science & Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Software Systems (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

少なくとも１つの光源（１８）を有する画像取得モジュール（１２）と、土壌型と関連付けられた１つ又は複数の土壌パラメータを測定するための１つ又は複数の土壌パラメータ測定デバイス（１４、１４ａ、及び１４ｂ）であって、上記土壌パラメータが、土壌抵抗率、土壌水分量、及び／又は土壌プロファイルを含む、１つ又は複数の土壌パラメータ測定デバイスと、上記１つ又は複数の土壌測定デバイスが土塊に貫入するように、画像取得モジュール及び１つ又は複数の土壌パラメータ測定デバイスを動かすように動作可能な１つ又は複数の駆動部と、土塊を少なくとも２つの土壌型のうちの１つに分類するように動作可能な分類モジュールを含むプロセッサと、を含む、土塊の分類のための装置、システム、及び方法。【選択図】 図４ｂ

Description

[0001]本方法は、土壌及び土壌型の分類のための装置、システム、及び方法に関する。
[0002]本発明の背景の以下の説明は、本発明の理解を促進することだけを目的とする。本議論は、参照される資料のいずれも、本発明の優先日時点で任意の管轄区域において、刊行された、知られていた、又は当業者の共通の一般知識の部分であったという確認又は承認ではないことを理解されたい。
[0003]土壌は、建設業界で使用される必須資源である。異なる土壌型が、埋め立て及びビル建設など、異なる目的のために利用される。
[0004]土壌は、典型的には、埋め立てなどの様々な目的のため、建設現場から掘り起こされ得る。例えば、シンガポールでの埋め立ての場合、掘り起こされた土壌は、次いで、１つ又は複数の中継地において収集され、続いて埋め立て現場へ輸送され得、ここで、掘り起こされた土壌は、充填材として使用される。土壌の様々な特性に応じて、掘り起こされた土壌は少なくとも、２つの土壌型－「良土」又は「軟弱粘土」に分類され得る。良土は、６３マイクロメートル（μｍ）より大きいサイズの粗粒子（砂利及び砂）を少なくとも６５重量％含み、４０％未満の含水量を有する土壌と考えられ得、含水量は乾燥土壌の重量に対する水の重量の割合と定義される。軟弱粘土は、６３μｍ未満の微粒子を少なくとも３５重量％含有するか、又は４０％より多くの含水量を有するか、又はその両方である土壌と考えられ得る。良土は、典型的には、優れた圧密特性を有する一方、軟弱粘土は、典型的には、乏しい圧密特性を有する。したがって、良土及び軟弱粘土を、それが異なる用途のために埋め立て現場に輸送される前に、区別することが重要である。
[0005]図１に示されるように、掘り起こされた土壌を分類する現在の方法は、収集地点、すなわち中継地に送られるべき土壌を掘り起こすために建設活動が発生する前に、物理的な土壌サンプルを収集すること、及びそれらを実験室試験のために発送して、土壌型を決定することを伴う。このプロセスは、典型的には、長い時間（週単位）がかかり、また、地質の空間的変動の可能性、すなわち、特定の建設現場における土壌の掘り起こしは、場所及び深さによって、異なる土壌型をもたらし得ることを考慮できない場合がある。したがって、実験室試験のために収集される物理的な土壌サンプルは、土壌サンプルが獲得される建設現場を代表しない場合がある。
[0006]加えて、掘り起こされた土壌が、収集地点、すなわち中継地において受領されるとき、１又は複数人のオペレータが、掘り起こされた土壌の型に対して目視検査によって最終チェックを行う。人間の知覚は非常に主観的になり得るため、これが、土壌を分類することにおける誤りの余地を残す。さらには、この目視検査は、土塊の上面に対してのみ行われ得、この土塊内の深さに伴う土壌型のプロファイルの情報は得ることができない。
[0007]上の観点から、土壌分類のプロセスを改善する必要性がある。その必要性を少なくとも部分的に満たすことが目的である。
[0008]本出願者は、少なくとも２つの土壌型への土塊の識別及び分類のための装置、システム、及び方法を提供することにより、その必要性を満たすことを目指す。本装置、システム、及び方法は、比較的より高速であり、人間の知覚の主観性から生じる誤りを最小限にする技術的ソリューションを提供することを追及する。
[0009]本装置、システム、及び方法の態様は、統一的土壌分類体系（ｔｈｅ Ｕｎｉｆｉｅｄ Ｓｏｉｌ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ｓｙｓｔｅｍ）などの標準化システムから土壌の分類描画基準を決定するための迅速かつ非破壊的方法を提供する。
[0010]本技術的ソリューションは、土塊のデジタル画像（複数可）を取得するためのデバイス、並びに土壌の電気抵抗率及び水分量測定値などの土壌パラメータ測定値を獲得するための別のデバイス構成要素を提供する。本デバイスから獲得されるデータは、次いで、確率的意思決定アルゴリズム又はユーザ定義の意思決定アルゴリズムがインストールされたプロセッサによって処理される。確率的意思決定アルゴリズム又はユーザ定義の意思決定アルゴリズムは、掘り起こされた土壌を分類するための機械学習アルゴリズムを含み得る。データ収集から意思決定までのプロセス全体が、自動化され、先行技術に比べて大幅に短縮され得ることが有利である。特に、本技術ソリューションは、建設現場において土壌サンプリング及び掘削孔データの獲得をすること、実験室で土壌試験（指数特性試験）を行うこと、並びに掘り起こされた土壌が中継地において収集されるときに目視検査により適切な土壌分類を手動で決定することなど、時間のかかる、労働集約的で、主観的であるいくつかの先行技術のプロセスの必要性を効果的に省略することができる。
[0011]本開示の態様によると、土塊の分類のための装置であって、少なくとも１つの光源を有する画像取得モジュールと、土壌型と関連付けられた１つ又は複数の土壌パラメータを測定するための１つ又は複数の土壌パラメータ測定デバイスであって、上記土壌パラメータが、土壌抵抗率、土壌水分量、及び／又は土壌プロファイルを含む、１つ又は複数の土壌パラメータ測定デバイスと、上記１つ又は複数の土壌測定デバイスが土塊に貫入するように、画像取得モジュール及び１つ又は複数の土壌パラメータ測定デバイスを動かすように動作可能な１つ又は複数の駆動部と、を含む装置が提供される。
[0012]いくつかの実施形態において、画像取得モジュールは、カメラ及び距離センサを含む。
[0013]いくつかの実施形態において、少なくとも１つの光源は、３０００Ｋ～４０００Ｋの色温度を有する白色光源である。白色光源は、複数のＬＥＤ投光照明を備え得る。いくつかの実施形態において、１２４個のＬＥＤ投光照明を備える。
[0014]いくつかの実施形態において、距離センサは、レーザ距離センサである。距離センサは、０．５メートル（ｍ）～１．２ｍの距離を検出するように動作可能である。
[0015]いくつかの実施形態において、本装置は、取得した画像のＲＧＢ（赤、緑、青）値を抽出し、画像を特定の解像度のグレースケール画像に変換し、統計的テクスチャ法を使用してグレースケール画像を分析し、グレースケール画像及び測定した土壌パラメータ（複数可）に基づいて土塊を少なくとも２つの土壌型のうちの１つに分類するように動作可能な、画像取得モジュールとデータ通信状態に配置されるデータ分析モジュールをさらに含む。
[0016]いくつかの実施形態において、取得した画像は、以下の数式に基づいて、８ビットグレースケール画像に変換される：
８ｂｉｔ＝０．２９９＊Ｒｅｄ＋０．５８７＊Ｇｒｅｅｎ＋０．１１４＊Ｂｌｕｅ
式中、
Ｒｅｄは、画素の赤値であり、
Ｇｒｅｅｎは、画素の緑値であり、
Ｂｌｕｅは、画素の青値である。
[0017]いくつかの実施形態において、複数のプローブは、土塊内へ電流を送るための２つの抵抗率プローブの第１のセット、及び２つの抵抗率プローブの第２のセットであって、２つの抵抗率プローブの第２のセットの間の電位を検出するための２つの抵抗率プローブの第２のセットを含む。
[0018]いくつかの実施形態において、抵抗率プローブの貫入の間隔及び深さは、影響が及ぶ深さが変化され得るように、変化され得る。
[0019]いくつかの実施形態において、土壌パラメータ測定デバイスは、土壌水分量を測定するために水分量測定デバイスを含む。水分量測定デバイスは、時間領域リフレクタ（ＴＤＲ）プローブのセットを含むＴＤＲであり得、ＴＤＲプローブのセットは、それらの間で電磁インパルスを伝達するためのものである。ＴＤＲプローブの貫入の深さは可変であり得る。
[0020]いくつかの実施形態において、土壌パラメータ測定デバイスは、土塊に様々な深さまで貫入することによって土壌プロファイルを決定するためのコーン貫入デバイスである。いくつかの実施形態において、コーン貫入デバイスは、シャフト、シャフトに接続される下向きコーン、及びコーンより上にシャフトに取り付けられる機器化された摩擦スリーブを含み得、コーンが、コーン先端抵抗を測定し、摩擦スリーブが、そこに適用される摩擦を測定する。
[0021]本開示の別の態様によると、土塊の分類のためのシステムであって、土塊の少なくとも１つの画像を獲得するための画像取得モジュールと、土塊のパラメータを測定するための土壌パラメータ測定モジュールであって、土壌パラメータが、土壌抵抗率、及び／又は土壌水分量、及び／又は土壌プロファイルを含む、土壌パラメータ測定モジュールと、少なくとも１つの画像及び土塊測定値（複数可）を受信するように動作可能なプロセッサと、を含み、プロセッサが、土塊を少なくとも２つの土壌型のうちの１つに分類するように動作可能な分類モジュールを含む、システムが提供される。
[0022]いくつかの実施形態において、分類モジュールは、機械学習アルゴリズムに基づいて土塊を分類するための第１のモジュール、及び土壌パラメータ測定に基づいて土塊を分類するための第２のモジュールを含む。いくつかの実施形態において、機械学習アルゴリズムは、人工ニューラルネットワーク、又は畳み込み若しくは他のタイプのニューラルネットワークに基づく。
[0023]いくつかの実施形態において、少なくとも２つの土壌型は、良土及び軟弱粘土を含む。
[0024]いくつかの実施形態において、土塊の分類は、１つ又は複数の土壌パラメータ測定値、及び機械学習アルゴリズムに基づく。
[0025]いくつかの実施形態において、土壌パラメータ測定モジュールは、水分量測定デバイス、土壌抵抗率センサ、及び／又は土塊に貫入され得るコーン貫入デバイスを含む。
[0026]いくつかの実施形態において、プロセッサは、少なくとも１つの画像からＲＧＢ値を抽出し、少なくとも１つの画像を特定の解像度のグレースケール画像に変換し、統計的テクスチャ法を使用してグレースケール画像を分析するように動作可能であり、プロセッサは、グレースケール画像及び測定された土壌パラメータ（複数可）に基づいて、土塊を少なくとも２つの土壌型のうちの１つに分類するように動作可能な分類モジュールをさらに含む。
いくつかの実施形態において、少なくとも１つの画像は、以下の数式に基づいて、８ビットグレースケール画像に変換される：
８ｂｉｔ＝０．２９９＊Ｒｅｄ＋０．５８７＊Ｇｒｅｅｎ＋０．１１４＊Ｂｌｕｅ
式中、
Ｒｅｄは、画素の赤値であり、
Ｇｒｅｅｎは、画素の緑値であり、
Ｂｌｕｅは、画素の青値である。
[0027]いくつかの実施形態において、統計的テクスチャ法は、グレーレベルの同時生起行列（ＧＣＬＭ：Ｇｒｅｙ Ｌｅｖｅｌ Ｃｏ－Ｏｃｃｕｒｒｅｎｃｅ Ｍａｔｒｉｘ）である。
[0028]本開示の別の態様によると、土塊の分類のための方法であって、（ａ．）画像取得モジュール及び土壌パラメータ測定デバイスを土塊の方へ動かすステップ、（ｂ．）土塊の画像を取得するステップ、（ｃ．）土塊の土壌パラメータを土塊の様々な深さにおいて測定するステップであって、上記土壌パラメータが、土壌抵抗率、及び／又は土壌水分量、及び／又は土壌プロファイルを含む、ステップ、（ｄ．）画像及びパラメータ測定値をプロセッサに送信するステップ、（ｅ．）データ分析を行うステップ、（ｆ．）プロセッサによって土塊を分類するステップを含み、分類ステップが、土塊を少なくとも２つの土壌型のうちの１つに分類することを含む、方法が提供される。
[0029]本開示の別の態様によると、土壌画像の第１のセット及び土壌パラメータ測定値の第２のセットを受信するための入力モジュールを有するプロセッサであって、プロセッサが、土塊を少なくとも２つの土壌型のうちの１つに分類するように動作可能な分類モジュールを含む、プロセッサが提供される。
[0030]別の態様によると、実行可能なソフトウェア命令を含む非一時的なコンピュータ可読媒体であって、実行されると、土塊を識別及び分類する方法を実施し、該方法が、（ａ．）画像取得モジュール及び土壌パラメータ測定デバイスを土塊の方へ動かすステップ、（ｂ．）土塊の画像を取得するステップ、（ｃ．）土塊の土壌パラメータを土塊の様々な深さにおいて測定するステップであって、上記土壌パラメータが、土壌抵抗率、及び／又は土壌水分量、及び／又は土壌プロファイルを含む、ステップ、（ｄ．）画像及びパラメータ測定値をプロセッサに送信するステップ、並びに（ｅ．）プロセッサによって土塊を分類するステップを含み、分類ステップが、土塊を少なくとも２つの土壌型のうちの１つに分類することを含む、非一時的なコンピュータ可読媒体が提供される。
[0031]態様及び特徴は、添付の図面と併せて特定の実施形態の以下の説明の検討の上で、当業者には明白になるものとする。
[0032]図面は、本発明の実施形態を、単に例として例証する。
掘り起こされた土壌を分類するための先行技術の方法／プロセスを示す図である。 本開示の実施形態を示す図である。 いくつかの実施形態に従う、土壌型の識別及び分類のための装置を示す図である。 いくつかの実施形態に従う、画像取得モジュールのための駆動部を示す図である。 いくつかの実施形態に従う、土壌パラメータ測定デバイス及びその駆動部を示す図である。 いくつかの実施形態に従う、水分量測定デバイス及びその駆動部を示す図である。 いくつかの実施形態に従う、コーン貫入デバイス及びその駆動部を示す図である。 本開示の実施形態に従う装置の部分側面図である。 いくつかの実施形態に従う、土壌型の識別及び分類のための装置を制御するための、グラフィカルユーザインターフェース（ＧＵＩ）の形態にあるユーザインターフェースを示す図である。 いくつかの実施形態に従う、画像取得モジュールからデータを受信するためのプロセッサ、土壌型の識別及び分類のための土壌パラメータ測定デバイス、並びに土壌プロファイルを獲得するためのコーン貫入デバイスを示す図である。 いくつかの実施形態に従う画像処理法を示す図である。 いくつかの実施形態に従う、画像処理法の部分としてグレーレベルの同時生起行列（ＧＣＬＭ）を例証する図である。 いくつかの実施形態に従う、５つのＧＬＣＭテクスチャ特徴のための等式を列挙した図である。 １つの実施形態における、意思決定マトリクスからの可能性のある出力を示す表の例を示す図である。 土壌型予測全体を表示するユーザインターフェースの例を示す図である。
[0048]本文書全体を通して、別途逆のことが示されない限り、用語「備える」、「からなる」、「有する」等は、包括的でないと解釈されるべきであり、又は言い換えると、「含むが、それに限定されない」という意味として解釈されるべきである。
[0049]さらに、本明細書全体を通して、文脈上他に要求されない限り、単語「含む（ｉｎｃｌｕｄｅ）」、又は「含む（ｉｎｃｌｕｄｅｓ）」若しくは「含む（ｉｎｃｌｕｄｉｎｇ）」などの異形は、記載された整数又は整数の群の含有を示唆するが、任意の他の整数又は整数の群の排除は示唆しないということを理解されたい。
[0050]本説明全体を通して、用語「土壌」は、建設活動が発生し得る１つ又は複数の土層を指す。１つ又は複数の土壌層は、有機的遺物、粘土、沈泥、砂、及び岩石粒子の混合物を含み得る。本開示の文脈において、用語「土壌」は、少なくとも、良土及び軟弱粘土などの土壌型を含む。用語「土塊」は、現場から掘り起こされ、分類のための場所へ輸送される土壌を指す。土壌が埋め立てに好適であり得ることは明らかである。土塊は、母土壌又は岩石形成に元々由来せず、人間活動により意図的又は非意図的に追加された物質と定義される「異物」も含有し得る。そのような物質は、建設行動又は他からの木片、岩片、及びコンクリート片を含み得る。
[0051]本説明全体を通して、用語「良土」は、安定した盛り土を形成するために圧縮できる土壌型を指す。良土は、概して、６３マイクロメートル（μｍ）より大きいサイズの粗粒子（砂利及び砂）を少なくとも６５重量％含み、４０％未満の含水量を有する土壌を含む。用語「軟弱粘土」は、６３μｍ未満の微粒子を少なくとも３５重量％含有する、粒子の細かい土壌型、又は４０％より多くの含水量を有する土壌型、又はその両方を指す。軟弱粘土は、典型的には、せん断強度が弱く、より圧縮性であり、低透過性を有する。軟弱粘土は、粘性土及び海底粘土を含み得る。
[0052]本説明全体を通して、用語「プロセッサ」及びその複数形は、１つ又は複数の入力電子信号を処理して１つ又は複数の出力電子信号を生成することができる、マイクロコントローラ、マイクロプロセッサ、特定用途向け集積回路チップ（ＡＳＩＣ）などのプログラマブル集積回路チップ、コンピュータサーバ、電子デバイス、及び／又はそれらの組み合わせを含むということを理解されたい。プロセッサは、電子信号を処理するための１つ又は複数の入力モジュール及び１つ又は複数の出力モジュールを含む。
[0053]本説明全体を通して、用語「サーバ」及びその複数形は、ローカルサーバ、分散サーバ、並びにローカルサーバ及び分散サーバ両方の組み合わせを含み得るということを理解されたい。
[0054]本説明全体を通して、用語「チャネル（ｃｈａｎｎｅｌ）」又は「チャネル（ｃｈａｎｎｅｌｓ）」は、有線又はワイヤレス電子通信チャネルを含むということを理解されたい。ワイヤレス電子通信チャネルは、Ｗｉ－Ｆｉ、Ｂｌｕｅｔｏｏｔｈ、Ｂｌｕｅｔｏｏｔｈ ＬＥ、ＧＰＲＳ（Ｇｅｎｅｒａｌ Ｐａｃｋｅｔ Ｒａｄｉｏ Ｓｅｒｖｉｃｅ：汎用パケット無線サービス）、Ｅｎｈａｎｃｅｄ Ｄａｔａ ＧＳＭ Ｅｖｏｌｕｔｉｏｎ（ＥＤＧＥ）などを含み得るが、これらに限定されない。
[0055]別途定義されない限り、本明細書で使用されるすべての技術的及び科学的用語は、本明細書内の主題が属する当業者によって共通して理解されるものと同じ意味を有する。
[0056]本開示の態様によると、土壌型の識別及び分類のための装置が存在する。本装置は、画像取得モジュール及び少なくとも１つの光源を含む。少なくとも１つの光源は、パネルに取り付けられ得る。本装置は、土壌型と関連付けられた１つ又は複数のパラメータ（複数可）を測定するための１つ又は複数の土壌パラメータ測定デバイス（複数可）、並びに、画像取得モジュール及び／又は土壌パラメータ測定デバイスを少なくとも１つの軸に沿って土塊の方へ動かし、おそらくは土塊に貫入させるように動作可能な１つ又は複数の駆動部を含む。このセットアップの全体又は部分は、水平面で別の場所へ動かされ得、本デバイスは、次いで、軸に沿って土塊の方へ動き、そこに貫入する。
[0057]図３を参照すると、２つ以上の土壌型への土塊３０の識別及び分類のための装置１０が存在する。装置１０は、土壌及び他の設備が、配備の前に、準備される及び／又は組み立てられる、埋め立て中継地における配備に特に好適である。土塊３０は、トラック又は他の車両により埋め立て中継地へ輸送され得る。
[0058]いくつかの実施形態において、装置１０は、画像取得モジュール１２、並びに２つの土壌パラメータ測定デバイス１４及び１４ａを備える。装置１０はまた、コーン貫入デバイスの形態にある追加の土壌パラメータデバイス１４ｂを備え得る。このコーン貫入デバイス１４ｂは、土塊３０の中へ徐々に押されることによって土壌型を決定することができる。土壌特性は、ＣＰＴ（コーン貫入試験）に使用される確立された原理に基づいて、スリーブの先端抵抗及びシャフト摩擦を測定することによって決定され得る。画像取得モジュール１２は、画像取得デバイス１８、及び土塊３０で一杯である１つ又は複数の積み荷の照明のための光源２０を含み得る。光源２０は、土塊３０の１つ又は複数の画像が捕捉される前に土塊３０を照明するための複数のＬＥＤ照明を有する発光ダイオード（ＬＥＤ）パネル２２ａの形態にあり得る。いくつかの実施形態において、画像取得モジュール１２、土壌パラメータ測定デバイス１４、１４ａは、フレームに取り付けられ得る。
[0059]画像取得デバイス１８は、カメラ又はビデオカメラであり得る。画像取得モジュール１２は、画像取得のための土塊３０からの最適距離を検出するために、画像取得デバイス１８に隣接して位置付けられる距離センサ２４をさらに含み得る。
[0060]いくつかの実施形態において、少なくとも１つの光源２０は、３０００Ｋ～４０００Ｋの色温度を有する白色光源であり得る。白色光源は、複数のＬＥＤ投光照明を備え得る。いくつかの実施形態において、８０～１５０個の投光照明を備える。いくつかの実施形態において、１２４個のＬＥＤ投光照明が存在する。
[0061]いくつかの実施形態において、距離センサは、レーザ距離センサ２４である。距離センサ２４は、土塊３０を輸送する異なる車両のニーズに応えるために、土塊３０から０．５メートル（ｍ）～１．２ｍの距離を検出するように動作可能である。距離センサは、土塊３０のＲＯＩとの近接を検出するために制御信号を受信及び／又は送信するように動作可能なコントローラを含み得る。
[0062]画像取得モジュール１２は、ＤＣモータなどの駆動部により、土塊３０の画像の捕捉のために土塊３０の方へ動かされ得る。図４ａに例証されるように、画像取得モジュール１２は、一定の照度で（土塊の）土壌表面の画像を捕捉するように構成及び配置される。土壌表面の所望の関心領域（ＲＯＩ）は、ユーザによって予め決定され得、このセットアップに含まれるべき正確な設備が、それに応じて選択又は調節されることになる。画像取得モジュール１２は、カメラ１８を土塊３０の方へ動かすように動作する駆動モータ１３を（延長機構１７を介して）含み得る。延長機構１７は、１つ又は複数の画像を取得するため、土塊３０の方へのカメラ１８の延長を促進するためにねじ棒１９及びガイドレールを含む。カメラ１８は、フレーム２６に取り付けられ得る。
[0063]画像取得デバイス１８によって捕捉される各画像は、好ましくは、９６ドット／インチ（ｄｐｉ）の水平及び垂直解像度を有し、幅２５９２画素及び高さ２０４８画素の最小サイズを含む。
[0064]いくつかの実施形態において、画像取得デバイス１８は、工業グレードカメラ１８であり得る。いくつかの実施形態において、画像取得モジュール１２は、１つ又は複数のユーザによる事前設定のためのプログラム可能なモジュールを含み得る。プログラム可能なモジュールは、ＬａｂＶｉｅｗ（商標）又はＭａｔＬａｂ（商標）などの知られているプログラムに基づき得る。
[0065]少なくとも１つの光源２０は、光源２０のオン／オフを切り替える、又は光源２０の光強度を調節するための制御信号を受信するため、プロセッサ（図示せず）と信号通信状態に配置されるコントローラモジュールを含み得る。一般に、光源２０は、関心領域、例えば、土塊３０の表面に比較的一定の照明を提供するなどの様式で配置される。
[0066]いくつかの実施形態において、図４ｂに示されるような土壌パラメータ測定デバイス１４は、土壌電気抵抗率測定デバイス４０を備える。土壌電気抵抗率測定デバイス４０は、電流を土壌に送るための２つのプローブ４２の第１のセット、及び電圧を検出する４４のための２つのプローブの第２のセットを含む、複数のプローブ４２、４４を含む。測定を行うため、プローブ４２の第１のセット及びプローブ４４の第２のセットが、土塊３０に挿入されるということを理解されたい。
[0067]いくつかの実施形態において、土壌水分量測定デバイス１４ａは、複数のプローブ４５を備える。これらのプローブ４５は、支持フレームに装着されるＴＤＲ（Ｔｉｍｅ－Ｄｏｍａｉｎ Ｒｅｆｌｅｃｔｏｍｅｔｒｙ：時間領域反射）プローブのセットの形態をとる。いくつかの実施形態において、このフレームは、デバイス４０の抵抗率プローブ４２、４４を支持する同じフレームであり得る。測定を行うため、ＴＤＲプローブ４０ａは、図４ｃに示されるように、土塊３０に挿入されるということを理解されたい。
[0068]いくつかの実施形態において、さらなる土壌パラメータ測定デバイスが追加され得る。図４ｄは、土塊３０に貫入され得るコーン貫入デバイスの形態にある別の土壌パラメータ測定デバイス１４ｂを示す。コーン貫入デバイス１４ｂは、シャフト１５、及びシャフト１５の自由端に位置するコーン先端１６からなる。コーン貫入デバイス１４ｂは、コーン先端１６における先端抵抗を測定する能力、並びにコーン先端１６のすぐ上の小さい機器化されたスリーブ区域２２に沿って摩擦を測定する能力を有する。測定を行うため、コーン貫入デバイス１４ｂは、土塊３０に挿入されるということを理解されたい。
[0069]要約すると、いくつかの実施形態において、装置１０には、図４ｅに示される様式で配置される、画像取得モジュール１２、１つの土壌パラメータ測定デバイス（抵抗率）１４、別の土壌パラメータ測定デバイス（水分量）１４ａ、及びさらなる土壌パラメータ測定デバイス（コーン貫入デバイス）１４ｂが装備される。
[0070]いくつかの実施形態において、土壌抵抗率プローブ４２、４４は、４つの電極が直線に配置され、等しい間隔で分離されるウェンナーのアレイ構成で配置される。２つのプローブ４２の第１のセットは、電流を通す外側の２つの電極（「Ａ」及び「Ｂ」とラベル付けされる）である（ソース電極とも称される）。２つのプローブ４４の第２のセットは、電極「Ｍ」及び「Ｎ」（受信側電極とも称される）にわたる電位が測定されることを可能にする内側の２つの電極（「Ｍ」及び「Ｎ」とラベル付けされる）である。直流（ＤＣ）は、２つの電極が土塊３０に埋め込まれるときに電極「Ａ」及び「Ｂ」に供給され、２つの電極「Ｍ」及び「Ｎ」の間の電位差が測定される。図４ｂに例証される実施形態において、ソース電極は、電流電極であり得、受信側電極は、電圧電極であり得る。他のタイプのアレイが、加えて、又は代替で、土壌の電気抵抗率を計算／導出するために使用され得るということを理解されたい。例えば、シュランベルジャ、ダイポール－ダイポールアレイ、又は前述の組み合わせが使用され得る。
[0071]電流Ｉ及び電圧Ｖは、以下の式を使用して計算される土塊３０の見掛固有電気抵抗率ρＡにより数学的に表現され得る：
Figure 2022524673000002
式中、
ρＡは、見掛固有電気抵抗率（Ωｍ）であり、
ａは、電極（ｍ）間の距離であり、
Ｖは、電位差（電圧）（Ｖ）であり、
Ｉは、電流（Ａ）である。
[0072]このセットアップに含まれるべき正確な設備は、必要とされる土壌体積、深さ、及びセットアップから土壌表面までの距離に従って選択又は調節され得るということを理解されたい。
[0073]いくつかの実施形態において、水分量測定デバイス４０ａは、３つのＴＤＲプローブ４５、及びプローブ４５に沿って伝達される電磁インパルスの伝搬時間から水分量を導出するマイクロプロセッサからなる。マイクロプロセッサ内のアルゴリズムは、デジタル化波形から入射及び反射波－時間縦座標を捕捉し、電磁波式を使用して土壌の誘電率又は誘電性質を計算する：
Figure 2022524673000003
式中、
Figure 2022524673000004
は、浸透性μ及び誘電率ε（ｍ／ｓ）を有する媒体内の光の速さであり、
∇２は、Ｌａｐｌａｃｅ演算子（１／ｍ２）であり、
Εは、電界（Ｖ／ｍ）である。
次いで、土壌の水分量が、誘電混合モデルから計算される。
[0074]土壌電気抵抗率測定デバイス１４は、ソース電極４２及び受信側電極４４の第１及び第２のセットに加えて、以下の構成要素、アクチュエータ４６及びマルチメータ５２を含む。
[0075]アクチュエータ４６は、プローブ４２、４４（まとめて「電気抵抗率プローブ」と称される）が高い位置（開始位置であり得る）から下へ移動し、続いて測定棒（金属棒であり得、電気を通すことができる）を土塊３０の表面内へ押すことを可能にするように配置される。アクチュエータ４６は、プローブ４２、４４を土塊３０の方へ、又は土塊３０から離れる方へ動かすため、及びプローブ４２、４４を土塊３０に貫入させるために、モータ駆動装置を含み得る。アクチュエータ４６及び電気抵抗率プローブ４２、４４を所望又は既定の方向に沿って、例えば、上方又は下方に、導くためのレール装置（図示せず）（ガードレールとも称される）を備える。
[0076]電気抵抗率プローブ４２、４４は、取り付けフレーム５０に取り付けられ得る。取り付けフレーム５０は、そこへの土壌電気抵抗率測定デバイス４０の装着を可能にする堅固な基盤であり得る。
[0077]マルチメータ５２は、土塊３０の電気抵抗率を測定する（そこに挿入されるとき）ために電気抵抗率プローブ４２、４４に装着され得る。
[0078]いくつかの実施形態において、電極は、直径２０ミリメートル（ｍｍ）及び長さ１００を有するように成形及び寸法設計され得る。電極の寸法は、より大きい土壌深さを網羅するために変化され得る。電極は、酸化を防ぐ、又は最小限にするために、鋼又はステンレス鋼の棒を含み得る。
[0079]いくつかの実施形態において、各抵抗率プローブ４２、４４とその隣接プローブとの間の間隔は、約２００ｍｍである。一般に、各プローブとその隣接プローブとの間の間隔が近いほど、見掛固有電気抵抗率が演算される土塊の表面からの土壌層の厚さは小さくなるということを理解されたい。２００ｍｍプローブ間隔は、関心のある土壌深さの見掛固有電気抵抗率をチェックするのにかなり適切である。
[0080]いくつかの実施形態において、各抵抗率プローブ４２、４４とその隣接プローブとの間の間隔は、長さにわたって変化され得る（２００ｍｍ～５００ｍｍ）。各プローブ間の間隔は、異なる深さにおいて見掛固有電気抵抗率をチェックするために変化され得る。
[0081]いくつかの実施形態において、抵抗率プローブ４２、４４は、様々な深さで土塊３０に貫入され得る。
[0082]土壌抵抗率プローブ４２、４４のためのアクチュエータ４６のセットは、以下のように成形、寸法決定、及び構成され得る。１メートル（ｍ）～２ｍのストローク長さ；１キロニュートン（ｋＮ）～３０ｋＮの範囲内の押す力（土塊への挿入）；１ｍ／分～５ｍ／分の範囲内の運動速度を有する。
[0083]いくつかの実施形態において、アクチュエータ４６は、アクチュエータを所望の速度で土塊３０の方へ、及びそこから離れる方へ動かすためにプロセッサ／コントローラと信号通信状態に配置されているものなど、ソフトウェア構成要素によってプログラム及び制御され得る。いくつかの実施形態において、アクチュエータ４６は、以下の条件：（ｉ．）最大の力（ユーザによって予め設定される）；（ｉｉ．）ストローク長さ（ユーザによって予め設定される）；（ｉｉｉ．）緊急停止のうちのいずれかの下、アクチュエータの動作を停止するように構成される３つの「停止」モードを含み得る。
[0084]いくつかの実施形態において、マルチメータ５２は、プローブ４２、４４内の電流及び電圧を監視及び測定するように構成される。測定された電圧及び電流値は、データロギングされ、ユーザによって予め規定された指定のフォルダに保存され得る。測定及びデータ格納のための持続時間は、２０秒以内に保たれ得るということを理解されたい。
[0085]いくつかの実施形態において、水分量測定デバイス１４ａは、抵抗率測定デバイス１４と同じフレームに取り付けられ、故に、上に説明されるような様式で１つの軸に沿って動かされ得る。いくつかの他の実施形態において、水分量測定デバイス１４ａは、独立したアクチュエータによって駆動され得、また上に説明されるような様式に類似してプログラム及び制御され得る。
[0086]いくつかの実施形態において、さらなる土壌パラメータ測定デバイス、コーン貫入デバイス１４ｂは、摩擦率（ＦＲ％）が導出されるようにコーン先端抵抗ｑｃ（ＭＰａ）及びスリーブ摩擦Ｆｓ（ＭＰａ）を測定することによって土壌パラメータを決定するために使用され得る。この土壌パラメータは、土壌分類にも使用され得る。
Figure 2022524673000005
[0087]画像取得モジュール１２、土壌パラメータ測定デバイス１４、１４ａ、及び１４ｂは、ユーザインターフェースを通じて動作され得る。ユーザインターフェースは、図５に示されるように、グラフィカルユーザインターフェース（ＧＵＩ）を含み得る。ＧＵＩにおいて、「起動（ＡＣＴＩＶＡＴＥ）」ボタンは、画像取得モジュール１２、土壌パラメータ測定デバイス１４、１４ａ、及び１４ｂを同時に、一緒に、又は連続的に起動するようにプログラムされ得る。
[0088]起動時、少なくとも１つの光源２０が起動される、又はオンにされ、カメラ１８は、レーザ距離センサ２４からのフィードバックに基づいて、ユーザによって予め規定された距離まで下げられる。同時に、電極４２、４４が、土塊３０内へ下げられ、電流が、土塊３０内へ伝送される。必要なデータがカメラ１８及びマルチメータ５２によって取得されると、カメラ１８及び電極４２、４４は、それらのアイドル又は開始位置へと自動的に撤退され得る。
[0089]水分量プローブ４５も、土壌抵抗率プローブ４２、４４と同時に下げられ得、電磁インパルスがＴＤＲプローブ４５に沿って伝達される。必要なデータがカメラ１８及びマルチメータ５２によって取得されると、カメラ１８、及び抵抗率プローブ４２、４４、及び水分量プローブ４５は、それらのアイドル又は開始位置へと自動的に撤退され得る。
[0090]コーン貫入デバイス１４ｂも、下げられ得、次いで、このコーンデバイスだけに接続される独立したアクチュエータ２１を介して、土塊３０に貫入する。貫入は、予め選択された押込速度で行われる。コーン先端抵抗ｑｃ及びスリーブ摩擦Ｆｓが測定され、データケーブルを介してデータロガーへ記録され得る。
[0091]画像取得モジュール１２、並びに抵抗率についての土壌パラメータ測定デバイス１４、水分量測定デバイス１４ａ、及びコーン貫入デバイス１４ｂはまた、ＧＵＩ上の「手動制御（Ｍａｎｕａｌ Ｃｏｎｔｒｏｌ）」ボタンを通じて手動で動作され得るということを理解されたい。
[0092]別の態様によると、土壌型の識別及び分類のためのシステムが存在する。本システムは、データを受信及び送信するために入力及び出力モジュールを有するプロセッサ又はコンピュータサーバを含み得る。プロセッサは、画像取得モジュール１２から画像、並びに土壌パラメータ測定デバイス１４、１４ａ、及び１４ｂから土壌パラメータデータを受信するために、画像取得モジュール１２、並びに土壌パラメータ測定デバイス１４、１４ａ、及び１４ｂとデータ又は信号通信状態に配置され得る。画像は、それぞれの画像取得モジュール１２並びに土壌パラメータ測定デバイス１４、１４ａ、及び１４ｂから直接的又は間接的に（１つ又は複数のインターフェースを介して）受信され得るということを理解されたい。図５に示されるようなＧＵＩは、制御信号をプロセッサに送信するために使用され得、この制御信号が今度は、画像取得モジュール１２並びに／又は土壌パラメータ測定デバイス１４、１４ａ、及び１４ｂを作動させるために使用される。データ又は信号通信は、有線又はワイヤレス電子通信チャネルにより達成され得る。
[0093]図６に示されるように、プロセッサ６０は、様々な機能を実施するために物理又は論理モジュールを備え得る。図６に示される例証された実施形態において、プロセッサ６０は、データ取得モジュール６２、データ分析モジュール６４、及び意思決定モジュール６６を含む。モジュールのうちの１つ又は複数は、異なる機能を実施するためにＧＵＩ６８を介してユーザによってアクセスされ得る。ＧＵＩ６８は、図５に例証されるものと同じＧＵＩ６８であり得るか、又は別個のＧＵＩであり得る。
[0094]データ取得モジュール６２は、装置１０から、特に画像取得モジュール１２から画像データを、並びに土壌パラメータ測定デバイス１４、１４ａ、及び１４ｂから土壌パラメータデータを獲得するように動作可能である。画像データは、ＪＰＥＧ、ＢＭＰ、及びＲＡＷファイル形式などの１つ又は複数の許容データ形式にある、画像取得モジュール１２によって捕捉される１つ又は複数の画像の形態にあり得る。土壌パラメータデータは、電気抵抗率、電圧及び電流データ、水分量、並びにコーン抵抗を含み得る。土壌パラメータデータが獲得されると、それは、データ分析モジュール６４へ送信されることになり、ここでデータは、意思決定モジュール６６によって分類のために分析されることになる。分類結果は、表示のためにＧＵＩ６８へ送信され得る。ＧＵＩ６８は、ユーザへの表示のためにモジュール６２、６４、及び６６からの情報にアクセスするために使用され得る。
[0095]いくつかの実施形態において、装置１０のユーザ起動時、レーザ距離センサ２４は、土塊３０の表面までの画像取得モジュール１２（例えば、カメラ）の距離を検出する。レーザ距離センサ２４からのフィードバックに基づいて、カメラ１２は、土壌表面より上の既定の距離で１つ又は複数の画像を捕捉するための準備において、自動的に下げられる。カメラ１８が適所にあるとき、少なくとも１つの光源２０が自動的にトリガされ、次いで、関心領域の２４ビット画像など、既定の解像度の画像が取得される。
[0096]いくつかの実施形態において、取得した画像のファイルは、自動的に名前が付けられ、次いで１つ又は複数の許容ファイル形式でプロセッサハードドライブ内の指定のフォルダに系統的に格納され得る。
[0097]いくつかの実施形態において、ユーザ起動時、アクチュエータは、抵抗率プローブ４２、４４及び水分量プローブ４５を下げ、抵抗率プローブ４２、４４及び水分量プローブ４５を土塊３０へ押し入れる。抵抗率プローブ４２、４４及び水分量プローブ４５は、抵抗率プローブ４２、４４を押す既定の力（すなわち、最大許容力）が検出されるとき、又はアクチュエータがその最大ストーク長さまで延長されているとき、電流及び電圧測定が、１～５秒後に（正確な遅延時間はユーザによって予め決定される）自動的に開始されるように、力／圧力センサを含み得る。既定の遅延時間は、いかなる測定も行われる前に完全な電気回路が確立されることをもたらすためである。
[0098]いくつかの実施形態において、５回の連続した電流及び電圧測定が、１～３秒の間隔（ユーザによって予め設定される）で行われ得る。測定された値は、データロギングされ、ユーザによって予め規定されたファイル名で指定のフォルダに保存される。
[0099]いくつかの実施形態において、ユーザ起動時、アクチュエータは、コーン貫入デバイス１４ｂを下げ、これが押されて土塊３０にさらに貫入する。最大コーン先端抵抗は、設定され、コーン貫入デバイス１４ｂが土壌に押し込まれる最大土壌深さは、予め設定される。コーン貫入デバイス１４ｂは、既定の押し速度で土塊に押し込まれ、先端抵抗及びシャフト摩擦が固定の時間間隔ごと、例えば、０．１秒ごとに測定される。予め設定された最大深さの前に最大先端抵抗に達するとき、これは、何らかの硬い「異物」に遭遇したことを示す。これに遭遇したとき、又はアクチュエータがその最大ストーク長さまで延長されているとき、コーン貫入デバイス１４ｂは、その元の位置へ後退される。
[00100]土塊３０の少なくとも１つの画像及び／又は土壌パラメータ測定値（複数可）が、データ取得モジュール６２から受信された後、データ分析モジュール６４は、そのデータを分析するように動作する。
[00101]いくつかの実施形態において、取得した画像（複数可）は、以下のステップに例示されるような以下の画像処理法７０（図７を参照）に従って、データ分析モジュール６４によって処理される。
[00102]ステップｓ７２：各画像からのＲＧＢ値の抽出。分析モジュール６４は、取得した画像のＲＧＢ（赤、緑、青）値を抽出し、それを、モジュール６４とデータ通信状態に配置されるデータストレージ（データベースであり得る）に格納する。
[00103]ステップｓ７４：グレースケールへの変換。ＲＧＢ画像は、等式２で表現される重み付け変換法を使用して、８ビットグレースケール画像などの特定の解像度のグレースケール画像に変換される：
８ｂｉｔ＝０．２９９＊Ｒｅｄ＋０．５８７＊Ｇｒｅｅｎ＋０．１１４＊Ｂｌｕｅ（２）
式中、
Ｒｅｄは、画素の赤値であり、
Ｇｒｅｅｎは、画素の緑値であり、
Ｂｌｕｅは、画素の青値である。
ＲＧＢ画像から８ビットグレースケールへの変換後、処理された８ビットグレースケール画像ファイルは、次いで、カスタムファイル拡張子に従って、プロセッサのハードドライブに格納され得る。
[00104]ステップｓ７６：相関行列の演算。二次統計的テクスチャ法、グレーレベルの同時生起行列（ＧＣＬＭ）は、テクスチャ情報が、画像内の、画素輝度値又はグレーレベルの異なる組み合わせの発生の頻度の作表によって特徴付けられ得ると仮定する。行列は、二次同時確率密度関数Ｐ（ｉ，ｊ）（ｄ，θ）の形態をとる。水平軸に対して方向θに距離ｄだけ離れたところで見られる、それぞれグレーレベルｉ及びｊを有する、一対の画素（ｘ１，ｙ１）及び（ｘ２，ｙ２）について検討する（図８を参照）。Ｐ（ｉ，ｊ）（ｄ，θ）は、グレーレベルｉ及びグレーレベルｊが、水平軸から反時計回りに測定される所与の距離ｄ及び方向θについて同時生起する確率である。方向θは、隣接部の８つの可能性のある方向のうちのいずれかから選択され得るが、０°及び１８０°は、同等の画素対を結果としてもたらし、４５°及び２２５°、９０°及び２７０°、並びに１３５°及び３１５°も同様である。故に、＝０°、４５°、９０°、及び１３５°に対応するθの４つの主値が使用され得る。所望の場合、空間的に不変である関係は、４つすべての方向における数を平均することによって獲得され得る。参照画素と近傍画素との間の距離ｄは、ＧＬＣＭ又はＧＬＣＭステップサイズの変位としても知られる。故に、距離は、等式３において数学的に定義される。
ｄ＝ｍａｘ（｜ｘ１－ｘ２｜，｜ｙ１－ｙ２｜）
式中、（３）
ｄは、参照画素と近傍画素との間の距離であり、
ｘ１は、参照画素のｘ座標であり、
ｙ１は、参照画素のｙ座標であり、
ｘ２は、近傍画素のｘ座標であり、
ｙ２は、近傍画素のｙ座標である。
次いで、同時生起行列Ｐ（ｉ，ｊ）が、指定のｄ及びθについてグレーレベルｉ及びｊを有する画素対の数を数えることによって構築される。画像がｇグレーレベルを有する場合、ＧＬＣＭは、ｇ２要素を有するｇ×ｇ行列として書かれ得る。この調査では、０～２５５のグレーレベルを有するグレースケール画像が使用された。演算されたＧＬＣＭの寸法は、２５６×２５６＝６５，５３６である。行列は、
Figure 2022524673000006
によって正規化され、
ｐ（ｉ，ｊ）は、正規化された同時生起行列であり、（４）
Ｐ（ｉ，ｊ）は、所与のｄ及びθについての同時生起行列である。
距離ｄ及び方向θの初期値は、予め決定され得るか、又は予め設定され得る。いくつかの実施形態において、初期値は、それぞれ１及び０°である。これらの値は、必要なときに変更され得る。
[00105]ステップｓ７８：ハラリックテクスチャ特徴の演算。ＧＬＣＭから、１４個のハラリックテクスチャ特徴が演算され得る。いくつかの実施形態において、５つの主要ハラリックテクスチャ特徴が、使用され得、また図９に例証されるような等式に基づいて演算され得る（ＧＬＣＭテクスチャ特徴とも称される）。テクスチャ特徴は以下のとおりである。
（ｉ．）角二次モーメント（Ａｎｇｕｌａｒ Ｓｅｃｏｎｄ Ｍｏｍｅｎｔ：ＡＳＭ）；
（ｉｉ．）コントラスト（Ｃｏｎｔｒａｓｔ：ＣＯＮ）；
（ｉｉｉ．）相関（Ｃｏｒｒｅｌａｔｉｏｎ：ＣＯＲ）；
（ｉｖ．）エントロピ（Ｅｎｔｒｏｐｙ：ＥＮＴ）；及び
（ｖ．）逆差分モーメント（Ｉｎｖｅｒｓｅ Ｄｉｆｆｅｒｅｎｃｅ Ｍｏｍｅｎｔ：ＩＤＭ）。
５つのハラリックテクスチャ特徴は、意思決定のための入力として配置され、すなわち、意思決定モジュール６６の入力として配置される。
[00106]画像処理法７０に加えて、又はその代替として、データ分析モジュール６４が、等式（１）に基づいて土壌見掛固有電気抵抗率インジケータを計算するように動作し得る。土塊が均一である可能性は低いため、いくつかの測定値（異なる場所又は様々な深さにおける）の平均測定値が、単一の測定値と比較してより信頼性の高い結果のために獲得され得る。
[00107]画像データ及び土壌見掛固有電気抵抗率インジケータが計算及び／又は決定された後、意思決定モジュール６６は、意思決定アルゴリズムに基づいて土壌型の分類を開始するために利用される。意思決定アルゴリズムは、確率的意思決定アルゴリズム又はユーザ定義の意思決定アルゴリズムであり得る。様々な意思決定アルゴリズムが利用され得るということを理解されたい。非限定的な例としては、機械学習アルゴリズム、自己組織化マップ、エキスパートルールベースのシステム、ファジー論理モデリング、進化的アルゴリズム、及び／又は上述したもののうちの１つ若しくは複数の組み合わせが挙げられる。意思決定アルゴリズムは、組み合わされ得、順に、又は並行して、実行され得るということを理解されたい。
[00108]いくつかの実施形態において、機械学習アルゴリズムは、人工ニューラルネットワーク（ＡＮＮ）、又は畳み込みニューラルネットワーク、又は他の形態の機械学習アルゴリズムを含み得る。ユーザ定義アルゴリズムは、等式（１）から導出されるような土壌電気抵抗率分析を含み得る。
[00109]ＡＮＮモデルは、様々な分類及び／又は回帰法を使用して教師あり又は教師なし学習モデルに基づいて訓練され得るということを理解されたい。訓練は、（有線又はワイヤレスチャネルを介して）プロセッサ６０とデータ又は信号通信状態に配置され得る１つ又は複数のデータベースに格納される土壌画像のサンプルを使用して達成され得る。訓練サンプルとも称される、土壌画像のサンプルは、従来の土壌試験から決定された、知られている土壌特性と共に格納される。一般に、サンプルが大きいほど、結果は信頼性が高くなる。それにもかかわらず、ある特定のサンプルサイズを越えると、結果の正確性又は信頼性における顕著な向上が見られなくなる場合があり、過学習の可能性があり得る。
[00110]意思決定モジュール６６への入力としてステップｓ７８から獲得されるハラリックテクスチャ特徴を用いて、訓練されたＡＮＮモデルは、土塊についての「良土」及び「軟弱粘土」の確率値を演算する。いくつかの実施形態において、確率モデルは、以下に列挙されるルールに従って形成され得る：
（ａ．）ハードウェア問題に起因して入力がない場合（例えば、捕捉された画像がない、カメラの障害物など）、ＡＮＮ結果は、入力なし、である。
（ｂ．）「良土」の確率が「軟弱粘土」の確率よりも著しく高い場合、ＡＮＮ結果は、「良土」である。
（ｃ．）「軟弱粘土」の確率が「良土」の確率よりも著しく高い場合、ＡＮＮ結果は、「軟弱粘土」である。
（ｄ．）著しく高い方の確率がない場合、ＡＮＮ結果は、区別不可能、である。
[00111]著しく高いの定義は、ユーザによって予め決定され得る。いくつかの実施形態において、確率における差は、「著しく高い」に該当するためには、０．２～０．５の間の値よりも高いものであり得る。
[00112]ＡＮＮモデルに加えて、又はその代替として、さらに深いところでの土塊の見掛固有電気抵抗率、水分量、及び／又は土壌プロファイルが、意思決定モジュール６６への入力として使用され得る。土塊の見掛固有電気抵抗率が、「良土」の範囲内に入る場合、土塊は、「良土」として分類され、同様に、「軟弱粘土」についてもそうである。さらに、土塊の水分量が、「良土」の範囲内に入る場合、土塊は、「良土」として分類され、同様に「軟弱粘土」についてもそうである。さらに、コーン抵抗とスリーブ摩擦と土塊の摩擦比とを足したものが、「良土」の範囲内に入る場合、土塊は、「良土」として分類され、同様に「軟弱粘土」についてもそうである。いくつかの実施形態において、ユーザ定義モデルは、以下に列挙されるルールに従って形成され得る：
（ａ１）土壌抵抗率デバイス４０のハードウェア問題に起因して入力がない場合（例えば、抵抗率が測定されない、電流が発生しないなど）、電気抵抗率結果は、入力なし、である。
（ａ２）見掛固有電気抵抗率が、「良土」範囲内に入る場合、電気抵抗率結果は、「良土」である。
（ａ３）見掛固有電気抵抗率が、「軟弱粘土」範囲内に入る場合、電気抵抗率結果は、「軟弱粘土」である。
（ａ４）見掛固有電気抵抗率が、「良土」及び「軟弱粘土」範囲のちょうど真ん中に入る場合、電気抵抗率結果は、区別不可能、である。
（ｂ１）水分量デバイス４０ａのハードウェア問題に起因して入力がない場合（測定値なしなど）、「水分量結果」は、入力なし、である。
（ｂ２）水分量値が「良土」範囲内に入る場合、「水分量結果」は、「良土」である。
（ｂ３）水分量値が「軟弱粘土」範囲内に入る場合、「水分量結果」は、「軟弱粘土」である。
（ｂ４）水分量値が、「良土」及び「軟弱粘土」範囲のちょうど真ん中に入る場合、「水分量結果」は、「区別不可能」である。
（ｃ１）コーン貫入デバイス１４ａのハードウェア問題に起因して入力がない場合（ｑｃ及び／又はＦｓの測定値なしなど）、「コーン貫入結果」は、入力なし、である。
（ｃ２）コーン貫入結果が「良土」範囲内に入る場合、「コーン貫入結果」は、「良土」である。
（ｃ３）（ｃ２）コーン貫入結果が「軟弱粘土」範囲内に入る場合、「コーン貫入結果」は、「軟弱粘土」である。
（ｃ４）コーン貫入結果が、「良土」及び「軟弱粘土」範囲のちょうど真ん中に入る場合、「コーン貫入結果」は、「区別不可能」である。
[00113]上の決定は、水分量及びコーン貫入デバイスが挿入された土壌の様々な深さにおいて行われ得る。
[00114]見掛固有電気抵抗率及び／又はコーン貫入結果が「良土」範囲の上界から外れる場合、追加のコメントが以下のように表示され得る：「見掛固有電気抵抗率／コーン抵抗の極端に高い値が検出されました。土壌内に異物が存在する可能性があります。」
[00115]電気抵抗率の範囲は、ユーザによって予め決定され得る。いくつかの実施形態において、０～既定の数の範囲は、軟弱粘土に該当し得、既定の数を超える範囲は、良土に該当し得る。この既定の数は、いくつかの土壌型の場合、２０Ｏｈｍメートル（Ωｍ）～１００Ωｍであり得る。
[00116]水分量制限の範囲は、ユーザによって予め決定され得る。いくつかの実施形態において、７０％～２００％の範囲は、軟弱粘土に該当し得、２０％～７０％の水分量の範囲は、良土に該当する。
[00117]同様に、コーン先端抵抗及びスリーブ摩擦の範囲並びに摩擦割合は、土壌調査作業のための定着したＣＰＴのチャート（例えば、Ｓｃｈｍｅｒｔｍａｎｎ１９９０、Ｒｏｂｅｒｔｓｏｎ１９９６）に基づいて、「軟弱粘土」対「良土」について設定され得る。しかしながら、いくつかの修正が改良のために必要とされる。
[00118]いくつかの実施形態において、土塊３０の分類のための図１０に示されるようなものであり得る最終決定行列は、以下のような意思決定ルールベースに従って、ＡＮＮモデルから獲得される結果、及び／又は電気抵抗率結果、水分量関係、及びコーン抵抗から獲得される結果に基づき得る：
（ａ．）両方の入力が同じである場合、
（ｉ）両方が、入力なし、の場合、最終出力は、入力なし、である。
（ｉｉ）両方が「良土」（ＧＥ）の場合、最終出力は、ＧＥである。
（ｉｉｉ）両方が「軟弱粘土」（ＳＣ）である場合、最終出力は、ＳＣである。
（ｉｖ）両方が、区別不可能、である場合、最終出力は、混合である（すなわち、土塊は、ほぼ等しい割合の良土及び軟弱粘土の混合である）。
（ｂ．）両方の入力が対立する場合（すなわち、一方が「良土」であり、一方が「軟弱粘土」である）、最終出力は、ユーザの裁量を必要とする（すなわち、地盤工学判断が必要とされる）。
（ｃ．）いずれかの入力が、入力なし、を有する場合、
（ｉ．）他方の入力が「良土」又は「軟弱粘土」又は区別不可能である場合、最終出力は、それぞれＧＥ（＜他方の入力＞のみ）又はＳＣ（＜他方の入力＞のみ）又は区別不可能（＜他方の入力＞のみ）である。
（ｄ．）いずれかの入力が、区別不可能、を有する場合、
（ｉ．）また他方の入力が「良土」又は「軟弱粘土」である場合、最終出力は、それぞれＧＥ（＜他方の入力＞のみ）、又はＳＣ（＜他方の入力＞のみ）である。
[00119]総合的な土壌分類。プロセッサ６０がデータを分析したとき、グラフィック制御要素（例えば、口語的に知られるようなウィンドウ）が、ＧＵＩ６８を介してポップアップして（図１１）、総合的な土壌型を断定し、土壌分類プロセスの終わりを知らせる。意思決定フレームワークに基づいて、図１０に示されるようないくつかの可能性のある分類結果が存在する（更新予定）。
[00120]図１０の方法は、実行可能なソフトウェア命令を含む非一時的なコンピュータ可読媒体の形態で実施され得、実行されると、土塊を分類するステップを含む、土塊を識別及び分類する方法を実施し、分類ステップは、土塊を少なくとも２つの土壌型のうちの１つに分類することを含む、ということを理解されたい。
[00121]いくつかの実施形態において、土壌型を分類する方法は、以下のステップ：（ａ．）画像取得モジュール及び土壌パラメータ測定デバイスを土塊の方へ動かすステップ、（ｂ．）土塊の画像を取得するステップ、（ｃ．）浅い深さ及び／又はより深いところで、土塊の土壌パラメータ（抵抗率、水分量、及びコーン抵抗）を測定するステップ、（ｄ．）画像及びパラメータ測定値をプロセッサに送信するステップ、（ｅ．）データ分析を行うステップ、（ｆ．）データ分析に基づいてプロセッサによって土塊を分類するステップを含み、分類ステップが、土塊を少なくとも２つの土壌型のうちの１つに分類することを含む。深さを伴った土壌型プロファイルが画面上に示される。本方法は、装置１０を制御するためにプロセッサ上で実施され得る。
[00122]上の発明が、説明される実施形態に限定されないことは、当業者により理解されるものとする。特に、様々な実施形態が、他の土壌型、又はスラッジ廃棄物などの他の物質と混合された土壌の分類に適用され得る。本発明の範囲から逸脱することなく修正及び改善がなされ得ることを理解されたい。
[00123]互いに排他的ではない上の修正又は改善のうちの１つ又は複数は、本発明のさらなる実施形態を依然として形成するためにさらに組み合わされ得るということが、当業者によってさらに理解されるものとする。

Claims (30)

  1. 土塊の分類のための装置であって、
    少なくとも１つの光源を有する画像取得モジュールと、
    土壌型と関連付けられた１つ又は複数の土壌パラメータを測定するための１つ又は複数の土壌パラメータ測定デバイスであって、前記土壌パラメータが、土壌抵抗率、土壌水分量、及び／又は土壌プロファイルを含む、１つ又は複数の土壌パラメータ測定デバイスと、
    前記１つ又は複数の土壌測定デバイスが前記土塊に貫入するように、前記画像取得モジュール及び１つ又は複数の土壌パラメータ測定デバイスを動かすように動作可能な１つ又は複数の駆動部と、を含む、装置。
  2. 前記画像取得モジュールが、カメラ及び距離センサを含む、請求項１に記載の装置。
  3. 前記少なくとも１つの光源が、３０００Ｋ～４０００Ｋの色温度を有する白色光源である、請求項１又は２に記載の装置。
  4. 前記白色光源が、複数のＬＥＤ投光照明を含む、請求項３に記載の装置。
  5. １２４個のＬＥＤ投光照明を備える、請求項４に記載の装置。
  6. 前記距離センサが、レーザ距離センサである、請求項２に記載の装置。
  7. 前記距離センサが、０．５メートル（ｍ）～１．２ｍの距離を検出するように動作可能である、請求項６に記載の装置。
  8. 取得した画像のＲＧＢ（赤、緑、青）値を抽出し、前記画像を特定の解像度のグレースケール画像に変換し、統計的テクスチャ法を使用して前記グレースケール画像を分析し、前記グレースケール画像及び測定した前記土壌パラメータ（複数可）に基づいて前記土塊を少なくとも２つの土壌型のうちの１つに分類するように動作可能なデータ分析モジュールであって、前記画像取得モジュールとデータ通信状態に配置されるデータ分析モジュールをさらに含む、請求項１～７のいずれか一項に記載の装置。
  9. 前記取得した画像が、以下の数式に基づいて、８ビットグレースケール画像に変換され：
    ８ｂｉｔ＝０．２９９＊Ｒｅｄ＋０．５８７＊Ｇｒｅｅｎ＋０．１１４＊Ｂｌｕｅ
    式中、
    Ｒｅｄは、画素の赤値であり、
    Ｇｒｅｅｎは、前記画素の緑値であり、
    Ｂｌｕｅは、前記画素の青値である、請求項８に記載の装置。
  10. 前記統計的テクスチャ法が、グレーレベルの同時生起行列（ＧＣＬＭ：Ｇｒｅｙ Ｌｅｖｅｌ Ｃｏ－Ｏｃｃｕｒｒｅｎｃｅ Ｍａｔｒｉｘ）である、請求項９に記載の装置。
  11. 前記土壌パラメータ測定デバイスが、前記土壌抵抗率を測定するために複数の抵抗率プローブを有する土壌電気抵抗率センサである、請求項１～１０のいずれか一項に記載の装置。
  12. 前記複数の抵抗率プローブが、前記土塊内へ電流を送るための２つの抵抗率プローブの第１のセット、及び２つの抵抗率プローブの第２のセットであって、前記２つの抵抗率プローブの第２のセットの間の電位を測定するための２つの抵抗率プローブの第２のセットを含む、請求項１１に記載の装置。
  13. 前記抵抗率プローブの貫入の間隔及び深さが、可変である、請求項１２に記載の装置。
  14. 前記土壌パラメータ測定デバイスが、前記土壌水分量を測定するために水分量測定デバイスを含む、請求項１～１３のいずれか一項に記載の装置。
  15. 前記水分量測定デバイスが、時間領域リフレクタ（ＴＤＲ）プローブのセットを含むＴＤＲであり、前記ＴＤＲプローブのセットは、それらの間で電磁インパルスを伝達するためのものである、請求項１４に記載の装置。
  16. 前記ＴＤＲプローブの貫入の深さが可変である、請求項１５に記載の装置。
  17. 前記土壌パラメータ測定デバイスが、前記土塊に様々な深さまで貫入することによって土壌プロファイルを決定するためのコーン貫入デバイスである、請求項１～１６のいずれか一項に記載の装置。
  18. 前記コーン貫入デバイスが、シャフト、前記シャフトに接続される下向きコーン、及び前記コーンより上に前記シャフトに取り付けられる機器化された摩擦スリーブを含み、前記コーンが、コーン先端抵抗を測定し、前記摩擦スリーブが、そこに適用される摩擦を測定する、請求項１７に記載の装置。
  19. 土塊の分類のためのシステムであって、
    土塊の少なくとも１つの画像を獲得するための画像取得モジュールと、
    前記土塊のパラメータを測定するための土壌パラメータ測定モジュールであって、前記土壌パラメータが、土壌抵抗率、土壌水分量、及び／又は土壌プロファイルを含む、土壌パラメータ測定モジュールと、
    前記少なくとも１つの画像及び前記土塊測定値（複数可）を受信するように動作可能なプロセッサと、を含み、
    前記プロセッサが、前記土塊を少なくとも２つの土壌型のうちの１つに分類するように動作可能な分類モジュールを含む、システム。
  20. 前記分類モジュールが、機械学習アルゴリズムに基づいて前記土塊を分類するための第１のモジュール、及び前記土壌パラメータ測定に基づいて前記土塊を分類するための第２のモジュールを含む、請求項１９に記載のシステム。
  21. 前記機械学習アルゴリズムが、人工ニューラルネットワーク、又は畳み込みニューラルネットワーク、又は他の他のタイプのニューラルネットワークに基づく、請求項２０に記載のシステム。
  22. 前記少なくとも２つの土壌型が、良土及び軟弱粘土を含む、請求項１９～２１のいずれか一項に記載のシステム。
  23. 前記土塊の分類が、１つ又は複数の土壌パラメータ測定値、及び機械学習アルゴリズムに基づく、請求項１９～２２のいずれか一項に記載のシステム。
  24. 前記土壌パラメータ測定モジュールが、水分量測定デバイス、土壌抵抗率センサ、及び／又は前記土塊に貫入され得るコーン貫入デバイスを含む、請求項１８～２２のいずれか一項に記載のシステム。
  25. 前記プロセッサが、前記少なくとも１つの画像からＲＧＢ値を抽出し、前記少なくとも１つの画像を特定の解像度のグレースケール画像に変換し、統計的テクスチャ法を使用して前記グレースケール画像を分析するように動作可能であり、前記プロセッサが、前記グレースケール画像及び測定された前記土壌パラメータ（複数可）に基づいて、前記土塊を少なくとも２つの土壌型のうちの１つに分類するように動作可能な分類モジュールをさらに含む、請求項１８～２３のいずれか一項に記載のシステム。
  26. 前記少なくとも１つの画像が、以下の数式に基づいて、８ビットグレースケール画像に変換され：
    ８ｂｉｔ＝０．２９９＊Ｒｅｄ＋０．５８７＊Ｇｒｅｅｎ＋０．１１４＊Ｂｌｕｅ
    式中、
    Ｒｅｄは、画素の赤値であり、
    Ｇｒｅｅｎは、前記画素の緑値であり、
    Ｂｌｕｅは、前記画素の青値である、請求項２４に記載のシステム。
  27. 前記統計的テクスチャ法が、グレーレベルの同時生起行列（ＧＣＬＭ：Ｇｒｅｙ Ｌｅｖｅｌ Ｃｏ－Ｏｃｃｕｒｒｅｎｃｅ Ｍａｔｒｉｘ）である、請求項２４又は２５に記載のシステム。
  28. 土塊の分類のための方法であって、（ａ．）画像取得モジュール及び土壌パラメータ測定デバイスを土塊の方へ動かすステップ、（ｂ．）前記土塊の画像を取得するステップ、（ｃ．）前記土塊の土壌パラメータを前記土塊の様々な深さにおいて測定するステップであって、前記土壌パラメータが、土壌抵抗率、土壌水分量、及び／又は土壌プロファイルを含む、ステップ、（ｄ．）前記画像及びパラメータ測定値をプロセッサに送信するステップ、（ｅ．）データ分析を行うステップ、（ｆ．）前記プロセッサによって前記土塊を分類するステップを含み、前記分類ステップが、前記土塊を少なくとも２つの土壌型のうちの１つに分類することを含む、方法。
  29. 土壌画像の第１のセット及び土壌パラメータ測定値の第２のセットを受信するための入力モジュールを有するプロセッサであって、前記プロセッサが、前記土塊を少なくとも２つの土壌型のうちの１つに分類するように動作可能な分類モジュールを含む、プロセッサ。
  30. 実行可能なソフトウェア命令を含む非一時的なコンピュータ可読媒体であって、実行されると、土塊を識別及び分類する方法を実施し、前記方法が、（ａ．）画像取得モジュール及び土壌パラメータ測定デバイスを土塊の方へ動かすステップ、（ｂ．）前記土塊の画像を取得するステップ、（ｃ．）前記土塊の土壌パラメータを前記土塊の様々な深さにおいて測定するステップであって、前記土壌パラメータが、土壌抵抗率、土壌水分量、及び／又は土壌プロファイルを含む、ステップ、（ｄ．）前記画像及びパラメータ測定値をプロセッサに送信するステップ、並びに（ｅ．）前記プロセッサによって前記土塊を分類するステップを含み、前記分類ステップが、前記土塊を少なくとも２つの土壌型のうちの１つに分類することを含む、非一時的なコンピュータ可読媒体。
JP2021521985A 2019-03-11 2020-03-09 土壌及び土壌型の分類のための装置、システム、方法及びコンピュータ可読媒体 Active JP7225502B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
SG10201902144R 2019-03-11
SG10201902144RA SG10201902144RA (en) 2019-03-11 2019-03-11 Apparatus, system and method for classification of soil and soil types
PCT/SG2020/050117 WO2020185157A1 (en) 2019-03-11 2020-03-09 Apparatus, system and method for classification of soil and soil types

Publications (2)

Publication Number Publication Date
JP2022524673A true JP2022524673A (ja) 2022-05-10
JP7225502B2 JP7225502B2 (ja) 2023-02-21

Family

ID=72425929

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021521985A Active JP7225502B2 (ja) 2019-03-11 2020-03-09 土壌及び土壌型の分類のための装置、システム、方法及びコンピュータ可読媒体

Country Status (5)

Country Link
JP (1) JP7225502B2 (ja)
KR (1) KR102655527B1 (ja)
CN (1) CN113167780A (ja)
SG (2) SG10201902144RA (ja)
WO (1) WO2020185157A1 (ja)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112577999A (zh) * 2020-12-14 2021-03-30 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心) 一种海水入侵与土壤盐渍化一体化实时监测评价系统
CN112816663B (zh) * 2021-02-02 2023-01-10 陆相荣 防洪工程的黄河堤坝土质含水量监测方法及装置
CA3129016A1 (en) * 2021-04-07 2022-10-07 Queen's University At Kingston Automatic classification of excavation materials
CN113884540A (zh) * 2021-06-21 2022-01-04 中国水利水电科学研究院 一种胶结砂砾砂料含泥量的快速检测装置及检测方法
CN114215035A (zh) * 2021-12-23 2022-03-22 同济大学 结合tdr技术的静力触探探头、检测系统和测量方法
WO2023240175A1 (en) * 2022-06-08 2023-12-14 S4 Mobile Laboratories, LLC Method and apparatus for detecting chemical compounds in soil
CN117074403B (zh) * 2023-08-17 2024-05-28 宁夏大学 一种土壤水分盐分信息自动化提取装置
CN117686686B (zh) * 2023-12-13 2024-06-21 水利部交通运输部国家能源局南京水利科学研究院 一种监测干旱环境下黏土干缩裂缝发育的系统及方法
CN117890394A (zh) * 2024-03-14 2024-04-16 中铁七局集团第三工程有限公司 盾构刀盘结泥饼探测装置及探测方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6317694B1 (en) * 2000-08-24 2001-11-13 The United States Of America As Represented By The Secretary Of The Navy Method and apparatus for selecting a sand pack mesh for a filter pack and a well casing slot size for a well
US6570999B1 (en) * 1998-08-17 2003-05-27 Ag-Chem Equipment Co., Inc. Soil particle and soil analysis system
JP3547948B2 (ja) * 1997-08-26 2004-07-28 農工大ティー・エル・オー株式会社 土壌測定用ツール、土壌測定ロボット及びその他の関連装置と方法
JP2004264257A (ja) * 2003-03-04 2004-09-24 Toyota Motor Corp 土壌状態判定方法
JP3831249B2 (ja) * 1999-07-08 2006-10-11 農工大ティー・エル・オー株式会社 土壌測定装置、土壌測定支援装置及び方法並びにプログラムを記録した記録媒体及びデータを記録した記録媒体並びに土壌モデルデータベース管理システム
JP2010047938A (ja) * 2008-08-20 2010-03-04 Kansai Electric Power Co Inc:The 地盤評価方法および地盤評価装置
US20140301607A1 (en) * 2013-04-05 2014-10-09 Pioneer Hi Bred International Inc Field and Crop Evaluation Tool and Methods of Use
US20160370274A1 (en) * 2015-02-20 2016-12-22 Halliburton Energy Services, Inc. Classifying particle size and shape distribution in drilling fluids
US20180292339A1 (en) * 2014-11-14 2018-10-11 Pioneer Hi-Bred International, Inc. Systems and methods for high resolution plant root zone soil mapping and crop modeling
JP2020041801A (ja) * 2018-09-06 2020-03-19 株式会社安藤・間 土壌改質判定装置、及び異物除去方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS547948B2 (ja) * 1972-08-11 1979-04-11
JP3451535B2 (ja) * 1997-09-02 2003-09-29 オムロン株式会社 土壌の光学特性測定装置
JP4627507B2 (ja) * 1999-07-08 2011-02-09 農工大ティー・エル・オー株式会社 散布量制御装置及び方法並びに散布量決定装置並びにシステム並びに記録媒体
KR100508966B1 (ko) * 2001-07-06 2005-08-17 노우코우다이 티엘오 가부시키가이샤 토양특성 관측장치 및 토양특성 관측방법
CN202794042U (zh) * 2012-05-25 2013-03-13 浙江大学 一种利用全景环带摄影法快速预判土壤类型的装置
CN104200230B (zh) * 2014-09-11 2018-04-27 哈尔滨工业大学 一种基于小波变换和svm分类的土壤土质识别方法
CN104634943B (zh) * 2015-01-22 2016-11-16 中国科学院东北地理与农业生态研究所 一种盐碱化土壤含盐量的在线测量方法
CN107957516A (zh) * 2017-12-07 2018-04-24 浙江省化工工程地质勘察院 一种土壤电阻率的测量方法及装置
CN108548959A (zh) * 2018-02-09 2018-09-18 湖南省气象灾害防御技术中心（湖南省防雷中心） 一种土壤电阻率测量方法及分析土壤分层结构的方法
CN108805863B (zh) * 2018-05-02 2022-02-22 南京工程学院 深度卷积神经网络结合形态学检测图像变化的方法
CN109297963A (zh) * 2018-10-12 2019-02-01 湖南农业大学 土壤图像获取设备、土壤含水量检测系统以及检测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3547948B2 (ja) * 1997-08-26 2004-07-28 農工大ティー・エル・オー株式会社 土壌測定用ツール、土壌測定ロボット及びその他の関連装置と方法
US6570999B1 (en) * 1998-08-17 2003-05-27 Ag-Chem Equipment Co., Inc. Soil particle and soil analysis system
JP3831249B2 (ja) * 1999-07-08 2006-10-11 農工大ティー・エル・オー株式会社 土壌測定装置、土壌測定支援装置及び方法並びにプログラムを記録した記録媒体及びデータを記録した記録媒体並びに土壌モデルデータベース管理システム
US6317694B1 (en) * 2000-08-24 2001-11-13 The United States Of America As Represented By The Secretary Of The Navy Method and apparatus for selecting a sand pack mesh for a filter pack and a well casing slot size for a well
JP2004264257A (ja) * 2003-03-04 2004-09-24 Toyota Motor Corp 土壌状態判定方法
JP2010047938A (ja) * 2008-08-20 2010-03-04 Kansai Electric Power Co Inc:The 地盤評価方法および地盤評価装置
US20140301607A1 (en) * 2013-04-05 2014-10-09 Pioneer Hi Bred International Inc Field and Crop Evaluation Tool and Methods of Use
US20180292339A1 (en) * 2014-11-14 2018-10-11 Pioneer Hi-Bred International, Inc. Systems and methods for high resolution plant root zone soil mapping and crop modeling
US20160370274A1 (en) * 2015-02-20 2016-12-22 Halliburton Energy Services, Inc. Classifying particle size and shape distribution in drilling fluids
JP2020041801A (ja) * 2018-09-06 2020-03-19 株式会社安藤・間 土壌改質判定装置、及び異物除去方法

Also Published As

Publication number Publication date
KR20210112301A (ko) 2021-09-14
WO2020185157A1 (en) 2020-09-17
CN113167780A (zh) 2021-07-23
JP7225502B2 (ja) 2023-02-21
KR102655527B1 (ko) 2024-04-09
SG11202104747VA (en) 2021-06-29
SG10201902144RA (en) 2020-10-29

Similar Documents

Publication Publication Date Title
JP7225502B2 (ja) 土壌及び土壌型の分類のための装置、システム、方法及びコンピュータ可読媒体
Kim et al. Deep learning-based underground object detection for urban road pavement
AU2008288952B2 (en) Automated borehole image interpretation
CN102509087A (zh) 一种基于图像灰度共生矩阵的煤岩识别方法
CN104535356A (zh) 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统
US8823937B2 (en) Products and methods for identifying rock samples
CN206740654U (zh) 一种全直径页岩样品的快速综合评价装置
CN112948952B (zh) 一种盾构隧道衬砌背后空洞的演化预测方法
KR102363235B1 (ko) 이미지분석을 이용한 구조물의 균열감지 모니터링 시스템
CN116490673A (zh) 用于确定地质特性的碎屑成像
NO20240323A1 (en) Classification of pore or grain types in formation samples from a subterranean formation
Hausmann et al. Technique, analysis routines, and application of direct push-driven in situ color logging
Harraden et al. Proposed methodology for utilising automated core logging technology to extract geotechnical index parameters
US10346966B2 (en) Non-destructive inspection methods and systems
JP2001020662A (ja) 安定性評価方法
CN116612099A (zh) 一种太赫兹波煤炭筒仓物料扫描成像的方法
JP2017198017A (ja) ロックフィルダムにおけるロックゾーンの品質管理方法
Moaveni Advanced image analysis and techniques for degradation characterization of aggregates
WO2023133512A1 (en) Systems and methods for measuring physical lithological features based on calibrated photographs of rock particles
JP5526807B2 (ja) 画像処理による岩の性状の判定方法
Kilic et al. Performance evaluation of the neural networks for moisture detection using GPR
Gundersen et al. Soil classification of NGTS sand site (Øysand, Norway) based on CPTU, DMT and laboratory results
Ghalib et al. Soil stratigraphy delineation by VisCPT
Aw et al. Field Trial to Rapidly Classify Soil Using Computer Vision with Electric Resistivity and Soil Strength
Aw et al. Actual-Scale Field Trial of Rapid Soil Classification with Computer Vision, complemented with Electrical Resistivity and Soil Strength

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210830

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210511

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210830

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220802

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221018

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: 20230110

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230113

R150 Certificate of patent or registration of utility model

Ref document number: 7225502

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150