JP2023076913A

JP2023076913A - 異常判定装置

Info

Publication number: JP2023076913A
Application number: JP2021189945A
Authority: JP
Inventors: 友朋松浦; Yuho Matsuura
Original assignee: Azbil Corp
Current assignee: Azbil Corp
Priority date: 2021-11-24
Filing date: 2021-11-24
Publication date: 2023-06-05

Abstract

【課題】判定対象の構成が変更されても、手間をかけることなく、異常の判定を継続して実施する。
【解決手段】特定部１０２は、例えばカメラ２０１で撮像した画像から特徴を抽出し、抽出した特徴に基づいて画像における複数の機器の各々区画および複数の機器の各々の種類を特定し、領域決定部１０２は、特定部１０２が特定した複数の機器の各々の区画に対応する熱画像における各々の区画を決定し、温度算出部１０４は、領域決定部１０２が求めた熱画像の区画の各々における温度を算出し、判定部１０５は、温度算出部１０４が算出した温度と設定されている基準温度との比較により機器の異常を判定する。
【選択図】図１

Description

本発明は、異常判定装置に関する。

プラントや建物では、空調設備、防犯設備、照明設備、防災設備など複数の設備が用いられている。これらの設備では、設備に対して電力を供給するために、受電設備や配電盤などが用いられている。安定した電力供給のためには、受電設備や配電盤における不具合を迅速に検出することが重要となる。このために、受電設備や配電盤で用いられている機器の温度状態を、サーモパイルで監視する技術がある（特許文献１）。この技術では、サーモパイルで測定できる監視対象領域に存在する部材の放射エネルギーにもとづいて、受電設備や配電盤で用いられている機器の異常を判断している。

特開２０１６－３８２７７号公報

機器の異常を監視する際に監視領域や異常判定の基準を予め決定しておく必要がある場合は、受電設備や配電盤の構成が変更される毎に、設定を変更する必要があり、手間がかかるという問題があった。

本発明は、以上のような問題点を解消するためになされたものであり、判定対象の構成が変更されても、手間をかけることなく、異常の判定が継続して実施できるようにすることを目的とする。

本発明に係る異常判定装置は、対象となる複数の機器を含む判定領域の熱画像を取得する熱画像センサと、撮像された前記判定領域の画像から特徴を抽出し、抽出した特徴に基づいて画像における複数の機器の各々区画および複数の機器の各々の種類を特定するように構成された特定部と、特定部が特定した複数の機器の各々の区画に対応する熱画像における各々の区画を決定するように構成された領域決定部と、領域決定部が求めた熱画像の区画の各々における温度を算出するように構成された温度算出部と、温度算出部が算出した温度と設定されている基準温度との比較により機器の異常を判定するように構成された判定部とを備える。

上記異常判定装置の一構成例において、撮像された判定領域の画像は、カラー画像である。

上記異常判定装置の一構成例において、判定部は、特定部が特定できる機器の種類毎に設定されている基準温度との比較を実施する。

上記異常判定装置の一構成例において、特定部は、深層学習による物体検出アルゴリズムまたはセグメンテーションアルゴリズムを用いて、機器に関するデータを教師データとした教師あり学習によって構築された学習モデルを参照して、画像における機器を特定する。

上記異常判定装置の一構成例において、物体検出アルゴリズムまたはセグメンテーションアルゴリズムは、画像を単一のニューラルネットワーク系に入力することで、回帰問題的に、画像における機器の区画の抽出を属性の分類とともにまとめて行う。

上記異常判定装置の一構成例において、判定領域を撮像するカメラをさらに備える。

以上説明したように、本発明によれば、カメラなどにより撮像された画像をもとに複数の機器の各々の種類を特定し、特定した複数の機器の各々の区画に対応する熱画像における各々の区画を決定し、区画の各々における温度をもとに異常を判定するので、判定対象の構成が変更されても、手間をかけることなく、異常の判定が継続して実施できる。

図１は、本発明の実施の形態に係る異常判定装置の構成を示す構成図である。図２は、本発明の実施の形態に係る異常判定装置の動作例を説明するフローチャートである。図３は、カメラ２０１により撮像された画像の例を示す写真である。図４は、特定部１０３により区画が特定された状態を説明するための説明図である。図５は、本発明の実施の形態に係る異常判定装置の一部のハードウエア構成を示す構成図である。

以下、本発明の実施の形態に係る異常判定装置について図１を参照して説明する。この異常判定装置は、熱画像センサ１０１、特定部１０２、領域決定部１０３、温度算出部１０４、および判定部１０５を備える。また、異常判定装置は、カメラ２０１を備えることができる。

熱画像センサ１０１は、判定領域の熱画像を取得する。熱画像センサ１０１は、判定領域の表面温度分布を２次元的に取得（測定）する。熱画像センサ１０１は、例えば、２次元に配列された複数のサーモパイルから構成されたサーモパイルアレイセンサとすることができる。サーモパイルは、熱電対より構成された熱電変換素子（赤外線センサ）であり、熱画像センサ１０１において１つの画素を構成する。

特定部１０２は、撮像された判定領域の画像から特徴を抽出し、抽出した特徴に基づいて画像における複数の機器の各々区画および複数の機器の各々の種類を特定する。撮像された判定領域の画像は、カメラ２０１で撮像した画像とすることができる。また、撮像された判定領域の画像は、他のカメラなどにより予め撮像されている画像とすることができる。カメラ２０１は、対象となる複数の機器を含む判定領域を撮像する。カメラ２０１は、例えば、カラー画像を出力することができる。

特定部１０２は、深層学習による物体検出アルゴリズムまたはセグメンテーションアルゴリズムを用いて、機器に関するデータを教師データとした教師あり学習によって構築された学習モデルを参照して、画像における機器を特定する。物体検出アルゴリズムまたはセグメンテーションアルゴリズムは、画像を単一のニューラルネットワーク系に入力することで、回帰問題的に、画像における機器の区画の抽出を属性の分類とともにまとめて行う。物体検出アルゴリズムは、ＹＯＬＯまたはＳＳＤとすることができる。セグメンテーションアルゴリズムとしては、例えば、インスタンスセグメンテーションもしくはパノプティックセグメンテーションを用いることができる。セグメンテーションアルゴリズムは、ケーブルの様な不定形な物も領域が正確に求められるため、画像における機器特定の精度を向上させることができる。

領域決定部１０３は、特定部１０２が特定した複数の機器の各々の区画に対応する熱画像における各々の区画を決定する。温度算出部１０４は、領域決定部１０３が求めた熱画像の区画の各々における温度を算出する。判定部１０５は、温度算出部１０４が算出した温度と設定されている基準温度との比較により機器の異常を判定する。判定部１０５は、特定部１０２が特定できる機器の種類毎に設定されている基準温度との比較を実施する。

判定部１０５により異常が判定されると、通知装置２０２が、所定の通知を実施する。通知装置２０２は、例えば、警報装置であり、判定部１０５により異常が判定されると、警報を発令する。また、通知装置２０２は、通信機器であり、判定部１０５により異常が判定されると、設定されているメールアドレスに対し、異常の旨のメールを送信する。また、判定部１０５は、図示しない表示装置などに、判定結果を表示することができる。

次に、本発明の実施の形態に係る異常判定装置の動作例（異常判定方法）について、図２を参照して説明する。

まず、ステップＳ１０１で、カメラ２０１が、対象となる複数の機器を含む判定領域を撮像する。次に、ステップＳ１０２で、熱画像センサ１０１が、判定領域の表面温度分布を２次元的に測定する。

次に、ステップＳ１０２で、特定部１０２が、カメラ２０１で撮像した画像から特徴を抽出し、抽出した特徴に基づいて画像における複数の機器の各々区画および複数の機器の各々の種類を特定する。例えば、図３に例示する画像から、図４に例示するように、複数の機器の各々区画が決定される。次に、ステップＳ１０３で、領域決定部１０３が、特定部１０２が特定した複数の機器の各々の区画に対応する熱画像における各々の区画を決定する。

次に、ステップＳ１０４で、温度算出部１０４が、領域決定部１０３が求めた熱画像の区画の各々における温度を算出する。

次に、ステップＳ１０５で、判定部１０５が、温度算出部１０４が算出した温度と設定されている基準温度との比較により、機器に異常が発生しているか否かを判定する。判定部１０５は、特定部１０２が特定できる機器の種類毎に設定されている基準温度との比較を実施する。例えば、表１に示すように、機器の種別毎に、相対温度指定や、温度範囲（下限、上限）が設定されている。算出された温度が、このような基準の範囲の中にあるか否かにより、異常を判定することができる。

判定部１０５により異常が判定されると（ステップＳ１０５のｙｅｓ）、ステップＳ１０７で、通知装置２０２が、警報を発令する。一方、判定部１０５により異常が判定されない場合（ステップＳ１０５のｎｏ）、ステップＳ１０８で、終了の指示が受け付けられているか否かを判定する。終了の指示がない場合（ステップＳ１０８のｎｏ）、ステップＳ１０１に戻る。終了の指示が受け付けられている場合（ステップＳ１０８のｙｅｓ）、一連の動作を停止する。

なお、上述した実施の形態に係る異常判定装置の特定部１０２、領域決定部１０３、温度算出部１０４、および判定部１０５は、図５に示すように、ＣＰＵ（Central Processing Unit；中央演算処理装置）３０１と主記憶装置３０２と外部記憶装置３０３とネットワーク接続装置３０４となどを備えたコンピュータ機器とし、主記憶装置３０２に展開されたプログラムによりＣＰＵ３０１が動作する（プログラムを実行する）ことで、上述した各機能（異常判定方法）が実現されるようにすることもできる。なお、ＣＰＵはＧＰＵ（Graphics Processing Unit）を含むものとすることができる。上記プログラムは、上述した実施の形態で示した異常判定方法をコンピュータが実行するためのプログラムである。ネットワーク接続装置３０４は、ネットワーク３０５に接続する。また、各機能は、複数のコンピュータ機器に分散させることもできる。また、ネットワーク３０５を介して接続されている熱画像センサ１０１より判定領域の熱画像を取得することができる。また、ネットワーク３０５を介して接続されているカメラ２０１より判定領域の画像を取得することができる。

また、上述した実施の形態に係る異常判定装置の特定部１０２、領域決定部１０３、温度算出部１０４、および判定部１０５は、ＦＰＧＡ（field-programmable gate array）などのプログラマブルロジックデバイス（ＰＬＤ：Programmable Logic Device）により構成することも可能である。例えば、ＦＰＧＡのロジックエレメントに、記憶部、特定部１０２、領域決定部１０３、温度算出部１０４、および判定部１０５の各々を回路として備えることで、異常判定装置として機能させることができる。記憶回路、特定回路、領域決定回路、温度算出回路、および判定回路の各々は、所定の書き込み装置を接続してＦＰＧＡに書き込むことができる。また、ＦＰＧＡに書き込まれた上記の各回路は、ＦＰＧＡに接続した書き込み装置により確認することができる。

以上に説明したように、本発明によれば、カメラなどにより撮像された画像をもとに複数の機器の各々の種類を特定し、特定した複数の機器の各々の区画に対応する熱画像における各々の区画を決定し、区画の各々における温度をもとに異常を判定するので、判定対象の構成が変更されても、手間をかけることなく、異常の判定が継続して実施できるようになる。

従来技術では、予めエリアごとの温度閾値を設定する必要があり、対象機器毎に合否判定値を設定できず、また、巡回点検には使えないなどの問題があった。本発明によれば、巡回点検の様な使い方でも、見落としや合格基準の判定ミスを低減でき、検査時間の削減が可能となる。また、定点監視だけでなく、巡回点検にも使えるため導入コストを削減できる。

なお、本発明は以上に説明した実施の形態に限定されるものではなく、本発明の技術的思想内で、当分野において通常の知識を有する者により、多くの変形および組み合わせが実施可能であることは明白である。

１０２…熱画像センサ、１０２…特定部、１０３…領域決定部、１０４…温度算出部、１０５…判定部、２０１…カメラ、２０２…通知装置。

Claims

対象となる複数の機器を含む判定領域の熱画像を取得する熱画像センサと、
撮像された前記判定領域の画像から特徴を抽出し、抽出した特徴に基づいて前記画像における前記複数の機器の各々区画および前記複数の機器の各々の種類を特定するように構成された特定回路と、
前記特定回路が特定した前記複数の機器の各々の区画に対応する前記熱画像における各々の区画を決定するように構成された領域決定回路と、
前記領域決定回路が求めた前記熱画像の区画の各々における温度を算出するように構成された温度算出回路と、
前記温度算出回路が算出した温度と設定されている基準温度との比較により機器の異常を判定するように構成された判定回路と
を備える異常判定装置。
請求項１記載の異常判定装置において、
撮像された前記判定領域の画像は、カラー画像であることを特徴とする異常判定装置。
請求項１または２記載の異常判定装置において、
前記判定回路は、前記特定回路が特定できる機器の種類毎に設定されている基準温度との比較を実施することを特徴とする異常判定装置。
請求項１～３のいずれか１項に記載の異常判定装置において、
前記特定回路は、深層学習による物体検出アルゴリズムまたはセグメンテーションアルゴリズムを用いて、機器に関するデータを教師データとした教師あり学習によって構築された学習モデルを参照して、前記画像における機器を特定する
ことを特徴とする異常判定装置。
請求項４記載の異常判定装置において、
前記物体検出アルゴリズムまたはセグメンテーションアルゴリズムは、前記画像を単一のニューラルネットワーク系に入力することで、回帰問題的に、前記画像における機器の区画の抽出を属性の分類とともにまとめて行うことを特徴とする異常判定装置。
請求項１～５のいずれか１項に記載の異常判定装置において、
前記判定領域を撮像するカメラをさらに備えることを特徴とする異常判定装置。