JP6548157B2 - 劣化診断装置及び劣化診断方法 - Google Patents

Description

本開示は、劣化診断装置及び劣化診断方法に関する。

送電設備の保守点検者は、安定して電力伝送するために、経年変化等により発生する送電設備が備える鋼材の劣化箇所を点検し、劣化度に応じて修理や交換を行う。

従来、鋼材の劣化度を評価する方法として、鋼材表面を撮像した画像を用いて、鋼材表面の劣化度を画像処理によって評価する劣化度評価システムが知られている（例えば、特許文献１参照。）この劣化度評価システムは、ＳＯＭ（Ｓｅｌｆ−ｏｒｇａｎｉｚｉｎｇ ｍａｐｓ）を用いて、鋼材の劣化度を評価する。

特開２００３−３４４２７０号公報

特許文献１に記載された技術を送電設備の保守点検等の整備に適用すると、画像処理により送電設備の鋼材の劣化度を評価可能であるが、鋼材の劣化度を評価した後に、劣化度を加味した整備スケジュールを立案することが困難である。

本開示は、上記事情に鑑みてなされたものであり、鋼材の劣化度を加味した整備スケジュールを容易に立案できる劣化診断装置及び劣化診断方法を提供する。

本開示の劣化診断装置は、鋼材を含む撮像画像を取得するインタフェースと、プロセッサと、を備え、前記プロセッサは、前記撮像画像に含まれる前記鋼材の劣化度を評価し、前記劣化度の評価時点及び前記劣化度の評価値に基づいて、前記鋼材の劣化特性を導出し、前記劣化特性に基づいて、前記鋼材の整備スケジュールを生成し、前記プロセッサは、前記撮像画像又は撮像画像から抽出された鋼材の画像の色相と彩度とによりピクセル位置毎に生成された入力ヒストグラムと、所定の劣化度に応じた複数の基準画像の色相と彩度とによりそれぞれ生成された複数の基準ヒストグラムと、の間の相関情報を導出し、前記相関情報が各前記ピクセル位置にマッピングされた相互相関画像を、前記鋼材の劣化度を示す画像として生成する。

本開示によれば、鋼材の劣化度を加味した整備スケジュールを容易に立案できる。

実施形態における劣化診断システムの構成例を示す模式図 サーバの構成例を示すブロック図 撮像画像から送電設備を抽出することを説明する模式図 金属構造上の劣化の分析及び可視化を説明する模式図 ヒストグラムの一例を示す模式図 比較処理の詳細を示す模式図 各劣化レベル検出画像を融合してグレースケール画像を生成する一例を示す模式図 鋼材の劣化特性の第１例を示す模式図 鋼材の劣化特性の第２例を示す模式図 鋼材の劣化特性の第３例を示す模式図 鋼材の劣化特性の第４例を示す模式図 鋼材の劣化特性の第５例を示す模式図 鋼材の劣化特性の第６例を示す模式図 サーバの動作例を示すフローチャート

以下、適宜図面を参照しながら、実施形態を詳細に説明する。但し、必要以上に詳細な説明は省略する場合がある。例えば、既によく知られた事項の詳細説明や実質的に同一の構成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になることを避け、当業者の理解を容易にするためである。尚、添付図面及び以下の説明は、当業者が本開示を十分に理解するために提供されるものであり、これらにより特許請求の範囲に記載の主題を限定することは意図されていない。

（本開示の一形態を得るに至った経緯）
多くの大規模金属構造（例えば金属パイプ、送電線構造）は、屋外環境下で劣化（例えば腐食）を受け易い。これらの金属構造は、非常に大規模であり、劣化診断（腐食診断）を困難にする。

例えば、送電設備の架線等は鋼材により形成され、雨風等の影響を受け、経年劣化により溶融亜鉛メッキが剥がれて鋼材が劣化する。鋼材の劣化が進行すると、架線が脱落し、停電が発生することがある。

送電設備は、例えば山間部に設置される。そのため、送電設備を整備する場合、ヘリコプタ等により送電設備が設置された上空に向かい、カメラにより、送電設備周辺を撮像（空撮）する。または、山間部に設置された送電設備へ地上から向かい、整備者が送電設備の鉄塔に上り、カメラにより送電設備周辺を撮像する。従って、送電設備を撮像することは、大変な労力を要する。

整備者は、カメラで撮像した画像と色見本とを目視で比較し、鋼材の劣化具合を診断する。つまり、劣化診断は、一般に目視に基づいて実施される。目視による劣化診断では、診断結果の客観性が不十分である。

また、特許文献１の劣化度評価システムでは、目視による診断結果よりも客観性が高くなるが、鋼材の劣化度を評価した後の具体的な対応（例えば整備計画や整備作業の実施時期の検討）が不十分である。そのため、大変な労力を要する送電設備の空撮等が必要な時期を把握することが困難である。

以下、鋼材の劣化度を加味した整備スケジュールを容易に立案できる劣化診断装置及び劣化診断方法について説明する。

（第１の実施形態）
［構成等］
図１は、劣化診断システム１０の構成例を示す模式図である。劣化診断システム１０は、サーバ１００、カメラ２００、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）３００、及びタブレット端末４００を備える。サーバ１００、ＰＣ３００、及びタブレット端末４００は、例えば無線ネットワークを介して接続され、更にカメラ２００が無線ネットワークを介して接続されてもよい。

サーバ１００は、カメラ２００又はタブレット端末４００のカメラ機能により撮像された画像（撮像画像）を基に、撮像画像に含まれる送電設備５０の劣化具合（劣化度）を解析する。送電設備５０は、鋼材５１を含む。サーバ１００は、解析された劣化具合を基に、整備スケジュールを生成する。整備スケジュールは、例えば、送電設備５０の次回の保守点検時期、送電設備５０に含まれる部品の交換時期や修理時期の情報を含む。整備は、例えば、保守、点検、修理、交換、維持管理を含む。画像は、動画像又は静止画像を含む。つまり、サーバ１００は、劣化診断機能及び整備スケジュール生成機能を有する。

カメラ２００は、鋼材５１を含む送電設備５０を撮像し、撮像画像を得る。カメラ２００は、通信インタフェースを有しても有しなくてもよい。カメラ２００により撮像された画像（撮像画像）は、サーバ１００又はＰＣ３００へ送信されてもよい。撮像画像は、外部メモリ（例えばＳＤカード）に記憶され、外部メモリを介してサーバ１００又はＰＣ３００へ送られてもよい。

尚、鋼材５１は、例えば、溶融亜鉛メッキが塗布される。溶融亜鉛メッキが塗布された鋼材５１は、例えば、十分に経年変化が進むと、溶融亜鉛メッキが剥がれ、鋼材５１が錆びる。尚、鋼材５１は、溶融亜鉛メッキが塗布されず、劣化診断により鋼材５１自体の摩耗が検出されてもよい。

ＰＣ３００は、不図示であるが、通信インタフェース、プロセッサ、メモリ、モニタ、ＵＩ（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）、等を有する。ＰＣ３００は、ＵＩにより、ユーザによる劣化診断や整備スケジュール生成のための入力を受け付け、通信インタフェースにより、サーバ１００へ入力情報を送信する。また、ＰＣ３００は、通信インタフェースにより、劣化診断の結果や整備スケジュール生成の結果を受け取り、モニタに出力する。つまり、ＰＣ３００が、サーバ１００による鋼材の劣化診断や整備スケジュールの生成を操作（例えば遠隔操作）してもよい。

尚、ＰＣ３００が、サーバ１００が有する劣化診断機能や整備スケジュール生成機能を有してもよい。この場合、サーバ１００との連携は不要であり、カメラ２００から直接、撮像画像を取得してもよい。

タブレット端末４００は、例えば整備者が送電設備の整備時に所持し、整備作業に用いる。タブレット端末４００は、不図示であるが、イメージセンサ、通信インタフェース、プロセッサ、メモリ、モニタ、ＵＩ、等を有する。タブレット端末４００は、イメージセンサにより送電設備５０を撮像し、通信インタフェースにより撮像画像をサーバ１００又はＰＣ３００へ送信する。タブレット端末４００は、ＵＩにより、ユーザによる劣化診断や整備スケジュール生成のための入力を受け付け、通信インタフェースにより、サーバ１００へ入力情報を送信してもよい。また、タブレット端末４００は、通信インタフェースにより、劣化診断の結果や整備スケジュール生成の結果を受け取り、モニタに出力してもよい。尚、タブレット端末４００が、サーバ１００が有する劣化診断機能や整備スケジュール生成機能を有してもよい。この場合、サーバ１００やＰＣ３００との連携は不要である。

タブレット端末４００によれば、整備者が整備現場において劣化診断結果や診断結果を加味した整備スケジュールを確認できる。

［サーバの構成］
図２は、サーバ１００の構成例を示す模式図である。サーバ１００は、インタフェース１０１、プロセッサ１５０、及びメモリ１６０を備える。

プロセッサ１５０は、メモリ１６０と協働して、各種処理や制御を行う。具体的には、プロセッサ１５０は、メモリ１６０に保持されたプログラムを実行することで、以下の各部の機能を実現する。この各部は、領域抽出部１０２、劣化判定部１０３、統合部１０４、及びスケジュール推定部１０５を含む。

メモリ１６０は、例えば、各種データ、情報、プログラムを記憶する。メモリ１６０は、プロセッサ１５０に内蔵されてもよい。メモリ１６０は、一次記憶装置とともに、二次記憶装置を含んでもよい。一時記憶装置は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）を含む。二次記憶装置は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｍｅｍｏｒｙ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）を含む。

また、メモリ１６０は、画像データベース（画像ＤＢ）１６０Ａを備える。画像データベース１６０Ａは、カメラ２００又はタブレット端末４００から取得された撮像画像６０（図３参照）や、撮像画像６０から抽出された送電設備５０の画像を蓄積する。

インタフェース１０１は、例えば、通信インタフェースや外部メモリインタフェースを含む。通信インタフェースは、外部の通信装置（例えばカメラ２００、ＰＣ３００、タブレット端末４００）と、有線回線又は無線回線を介して通信する。外部メモリインタフェースは、外部メモリと接続し、外部メモリから各種データを読み込み、又は外部メモリへ各種データを書き込む。外部メモリは、例えばＳＤカードを含む。

例えば、インタフェース１０１は、送電設備５０を含む撮像画像６０を取得する。

領域抽出部１０２は、インタフェース１０１により取得された撮像画像６０から、劣化判定の対象となる鋼材５１を含む送電設備５０を抽出する。図３は、撮像画像６０から送電設備５０を抽出することを説明する模式図である。撮像画像６０における画像抽出の範囲は、例えば、ＰＣ３００のＵＩを介してユーザによる指示を受け付けてもよいし、特徴抽出等によりユーザ操作なく抽出されてもよい。

また、送電設備５０と背景とが同色系の場合や同程度の周波数成分を有する場合、撮像画像６０として動画像を用いると、領域抽出部１０２は、動画像の視差を用いて送電設備５０と背景５５との分離を容易化できる。

劣化判定部１０３は、撮像画像６０又は抽出された送電設備５０の画像（入力画像）を色見本サンプル（基準画像）と比較し、画素毎に相関情報を生成する。例えば、劣化判定部１０３は、入力画像から入力ヒストグラムを生成し、基準画像から基準ヒストグラムを生成する（図６参照）。劣化判定部１０３は、入力ヒストグラムと基準ヒストグラムとを対比して、相互相関を算出する。尚、画素毎の相互相関は、例えば、相互相関画像として示される。

ヒストグラム（入力ヒストグラム、基準ヒストグラムを含む）は、例えば、色情報に含まれる色相（Ｈ：Ｈｕｅ）、彩度（Ｓ：Ｓａｔｕｒａｔｉｏｎ）、明度（Ｖ：Ｖａｌｕｅ）又は輝度（Ｌ：Ｌｉｇｈｔｎｅｓｓ）のうち、色相及び彩度を用いて生成される。つまり、色相及び彩度がヒストグラムの特徴量として用いられる。一方、ヒストグラムは、明度や輝度に依存しない。送電設備５０が屋外に設置されるが、ヒストグラムが明度や輝度に依存しないことで、撮像画像の送電設備５０の色情報に対する天候、季節、時間帯等による影響を低減できる。尚、彩度は、色の飽和度とも称される。

つまり、劣化判定部１０３は、画像解析により、送電設備５０の画像に含まれる画素毎の色と色見本で示される色との類似性を判定することで、鋼材５１の劣化レベルを推定する。類似性は、例えば相互相関の値を用いて示される。

また、劣化レベルは、例えば多段階で示されることが好ましい。これにより、整備者が目視で劣化レベルを分類（例えば５段階で分類）することと比較すると、劣化レベルを詳細に分類できる。

統合部１０４は、各劣化レベルに応じて生成された各相関情報に対して重み付けし、重み付けされた各相関情報を加算する。各相関情報の加算結果は、劣化診断の評価値（劣化評価値）となる。統合部１０４は、劣化評価値を、例えば、グレースケール画像の値０〜値２５５として示す。各相関情報に対して相関情報毎に重み付けすることで、鋼材５１の劣化具合が強調される。

尚、劣化判定部１０３及び統合部１０４の構成及び動作については、後述もする。

スケジュール推定部１０５は、サーバ１００による劣化診断が実施された劣化診断の評価時期と、劣化評価値と、基づいて、整備スケジュールを生成する。

劣化診断の評価時期は、例えば、送電設備５０における鋼材５１の使用開始時期からの経過時間を示す。この場合、スケジュール推定部１０５は、例えば、サーバ１００のＲＴＣ（Ｒｅａｌ Ｔｉｍｅ Ｃｌｏｃｋ）（不図示）により取得する現在時刻の情報と、メモリ１６０に保持された鋼材の使用開始時刻の情報と、の差により、劣化診断の評価時期（例えば１０年目、２０年目）を算出する。鋼材５１の使用開始時期は、送電設備５０が建造された時点でもよいし、送電設備５０のパーツ毎の前回の交換時点でもよい。

スケジュール推定部１０５は、例えば、今回得られた劣化診断の評価時期及び劣化評価値に基づいて、劣化診断対象の鋼材の劣化特性を生成する。また、スケジュール推定部１０５は、今回得られた劣化診断の評価時期及び劣化評価値と、過去に得られた劣化診断の評価時期及び劣化評価値と、に基づいて、劣化診断対象の鋼材５１の劣化特性を生成してもよい。また、スケジュール推定部１０５は、過去に得られた劣化診断の評価時期及び劣化評価値に基づいて、劣化診断対象の鋼材５１の劣化特性を生成してもよい。

尚、送電設備５０を整備時に、カメラ２００及びサーバ１００等を用いて劣化診断され、劣化診断の評価時期と劣化評価値が得られる。劣化診断の評価時期と劣化評価値とは、毎回、メモリ１６０に蓄積される。スケジュール推定部１０５は、過去に得られた劣化診断の評価時期及び劣化評価値の情報を、メモリ１６０から取得する。

尚、具体的な劣化特性の導出方法及び整備スケジュールの生成方法については後述する。

インタフェース１０１は、生成された整備スケジュールの情報を、レポートとして出力する。出力は、例えば、印刷、送信、記録媒体への記録、を含む。また、インタフェース１０１は、撮像画像、送電設備５０の画像、特定の鋼材に係る劣化特性の情報を、レポートとして出力してもよい。レポートの出力により、整備者は、鋼材５１の劣化特性や整備スケジュールを認識でき、必要十分な整備作業を実施できる。

［劣化判定部及び統合部の構成及び動作例］
劣化判定部１０３は、最初に、被検査金属構造の高分解能のデジタル・カラー画像を分析のために取得する。デジタル・カラー画像は、撮像画像６０又は撮像画像６０から送電設備５０が抽出された画像である。

金属の劣化（腐食）に係る色は、通常、青みがかった緑色から始まり、劣化レベル（腐食レベル）の増加に従って、茶色、最終的に赤茶色（即ち錆色）へと変化する。金属の劣化は、この色によって容易に見分けられる。

図４は、金属構造上の劣化の分析及び可視化を説明する模式図である。最初に、劣化の多様な段階における金属（例えば鋼材５１）のＮ個の画像が、比較のための基準画像１１０として使用される。

劣化判定部１０３は、基準画像１１０を、一般に、予め撮像された劣化標本画像から獲得する。例えば、劣化判定部１０３は、Ｎ個（例えば５つ）の劣化レベルの基準画像１１０を選択する。基準画像１１０は、劣化レベル毎に色が異なる。劣化レベル１〜劣化レベル５の色を、以下に例示する。基準画像１１０は、例えばメモリ１６０に保持される。また、劣化標本画像がメモリ１６０に保持されてもよい。

劣化レベル１：青みがかった緑色
劣化レベル２：茶色を伴う青みがかった緑色
劣化レベル３：茶色
劣化レベル４：赤茶色
劣化レベル５：わずかに赤茶色を伴う暗灰色

劣化レベル１が最も軽微な劣化を示し、劣化レベル５が最も深刻な劣化を示す。例えば、劣化レベル１の基準画像１１０は、青みがかった緑色の画像である。

劣化判定部１０３は、Ｎ個の各基準画像１１０に対して、色空間モデルを用いて色空間変換する（Ｔ１１１）。ここでは、処理を容易にするために、色空間変換された画像に色の明瞭さがもたらされてもよい。

色空間モデルとして、例えばＨＳＶ色空間モデル又はＨＳＬ色空間モデルが用いられる。ＨＳＶ色空間モデルは、色相（Ｈ：Ｈｕｅ）、彩度（Ｓ：Ｓａｔｕｒａｔｉｏｎ）、及び明度（Ｖ：Ｖａｌｕｅ）の３つの色成分を含む。ＨＳＬ色空間モデルは、色相（Ｈ：Ｈｕｅ）、彩度（Ｓ：Ｓａｔｕｒａｔｉｏｎ）、及び輝度（Ｌ：Ｌｉｇｈｔｎｅｓｓ）の３つの色成分を含む。但し、ここではＶ：明度やＬ：輝度は用いられない。ＨＳＶ色空間モデル（明度を除く）やＨＳＬ色空間モデル（輝度を除く）を用いることで、ＹＣｂＣｒ色空間モデル等と比較すると、サーバ１００は、色相及び彩度成分が色の処理を容易化できる。

異なる劣化レベルは、色相成分において明瞭なピークを形成する。また、異なる劣化レベルでの色の深度も、それぞれの色で異なる。色の深度は、彩度成分に含まれる。色相及び彩度の双方の情報が、ヒストグラム２１０に含まれ得る。

図５は、ヒストグラム２１０の一例を示す模式図である。ヒストグラム２１０は、例えば、色相と正規化された彩度平均値とにより生成される。図５では、横軸が色相を示し、縦軸が正規化された彩度平均値を示す。

ヒストグラム２１０は、形状及び色の分布パターン等に依存せず、色、質感の情報を含むので、色相及び彩度の情報が使用される。例えば、劣化判定部１０３は、異なる劣化レベルのためのＮ個（例えば５つ）の基準ヒストグラムを、それぞれの基準画像１１０から生成し、正規化する（Ｔ１１２）。ヒストグラムの正規化により、スケール依存を低減できる。

尚、Ｔ１１２で得られる基準ヒストグラムは、予めメモリ１６０に保持されていてもよい。つまり、予め基準ヒストグラムが用意されていてもよい。

劣化判定部１０３は、劣化判定部１０３の入力端において、分析のために選択された入力画像１２０、又は、ビデオ（動画像）の場合であればフレームから抽出された入力画像１２０を取得する。入力画像１２０は、例えば前述のデジタル・カラー画像である。劣化判定部１０３は、基準画像１１０に対する前述の処理Ｔ１１１，Ｔ１１２と同様に、入力画像１２０に対して、色空間変換し（Ｔ１２１）、ヒストグラム生成し、正規化する（Ｔ１２２）。尚、入力画像１２０を基に生成されるヒストグラムを、「入力ヒストグラム」とも称する。

尚、入力画像１２０に対して前処理されてもよい。この前処理は、例えば、被分析金属構造に無関係の背景５５を除外するセグメント化を含む。このセグメント化は、領域抽出部１０２による領域抽出に相当する。

劣化判定部１０３は、入力画像１２０とＮ個の基準画像１１０とに基づいて、比較処理する（Ｔ１３１）。

図６は、比較処理Ｔ１３１の詳細を示す模式図である。劣化判定部１０３は、比較処理において、Ｔ１２１における色空間変換により生成された色相画像３１２及び彩度画像３１３を入力し、使用する。劣化判定部１０３は、例えば、注目エリア内のピクセル（ｘ，ｙ）位置３１０毎に、入力ヒストグラム３２１を生成する。注目エリアは、色相画像３１２及び彩度画像３１３の全体でもよいし、一部でもよい。尚、注目エリアは、例えば、ＵＩを介してユーザにより指定されてもよいし、ユーザによる指定を介さずに、劣化判定部１０３により指定されてもよい。

劣化判定部１０３は、入力画像１２０から生成された入力ヒストグラム３２１と、選択された劣化レベルの基準画像１１０から生成された基準ヒストグラム３３１と、の間の正規化された相互相関３４１を導出（例えば算出）する。

劣化判定部１０３は、正規化された相互相関３４１を、色相画像３１２及び彩度画像３１３でのピクセル（ｘ，ｙ）位置に対応する劣化レベル検出画像３５１でのピクセル（ｘ，ｙ）位置３５０のピクセル値に、割り当てる。劣化レベル検出画像３５１は、Ｎ個生成される。ここでは、入力画像１２０の位置におけるラスタ・スキャン３１４と、劣化レベル検出結果の画像の位置におけるラスタ・スキャン３５４とが、両画像の関係性を示すために使用されている。尚、劣化レベル検出画像３５１は、相互相関の情報が各ピクセル位置にマッピングされた相互相関画像に相当する。

劣化判定部１０３は、色相画像３１２及び彩度画像３１３におけるウィンドウ３１１内の各ピクセルのピクセル値を、そのピクセル（ｘ，ｙ）位置での入力ヒストグラム３２１の計算及び生成に使用する。ウィンドウ３１１は、例えばＵＩ等を用いてユーザにより定義される。尚、ウィンドウ３１１は、例えば、ＵＩを介してユーザにより指定されてもよいし、ユーザによる指定を介さずに、劣化判定部１０３により指定されてもよい。

統合部１０４は、Ｎ個の各劣化レベル検出画像３５１を融合し（Ｔ１３２）、１つのグレースケール画像１３０を形成する。グレースケール画像１３０は、金属構造又はその金属構造の下位構成要素の寿命見積等の分析のために使用され得る。尚、グレースケール画像１３０は、劣化診断の評価値を示す評価画像の一例であり、出力結果の一例である。出力結果は、更なる処理（例えば整備スケジュールの判定、生成）や表示に用いられる。

なお、劣化判定部１０３は、入力ヒストグラム３２１と基準ヒストグラム３３１との間の正規化された相互相関のみならず、入力ヒストグラム３２１と基準ヒストグラム３３１との間の類似性を各ピクセルについて求め、求められた類似性に対応する情報をピクセル位置（ｘ、ｙ）に対応するピクセル値として割り当てることにより、劣化レベル検出画像３５１を生成しても良い。

融合は、基本的に、図７に示されている通り、２段階の処理を含む。最初に、統合部１０４は、各劣化レベル検出画像３５１におけるピクセル値の範囲を、融合結果の画像（融合画像、グレースケール画像１３０に相当）における所定のピクセル値の範囲に、リマップする（Ｔ１３３）。

例えば、統合部１０４は、劣化レベルに依存する割り当て済みの（所定の）重みＷを、各劣化レベル検出画像３５１における各ピクセル値に乗ずることで、リマップする。この重みＷ１〜Ｗ５は、例えば以下に示される値である。

劣化レベル１：Ｗ１＝（０．２／３．０）
劣化レベル２：Ｗ２＝（０．４／３．０）
劣化レベル３：Ｗ３＝（０．６／３．０）
劣化レベル４：Ｗ４＝（０．８／３．０）
劣化レベル５：Ｗ５＝（１．０／３．０）

つまり、上記の重みＷは、劣化レベルに応じた色相係数（例えば、劣化レベル１の場合には「０．２」）に各劣化レベルの色相係数の合計値（ここでは「３．０」）で除した値である。

そして、統合部１０４は、図７に示すように、リマップ後、各劣化レベルでのリマップ結果を合計する（Ｔ１３４）。

つまり、統合部１０４は、各劣化レベルに対する各相互相関値に対して重み付けし、重み付けされた各相互相関値を加算することで、劣化診断の評価値を得る。

金属構造は、異なるタイプの金属を使用して建造されることがある。また、金属構造の多様な部分は、日光や雨の劣化環境（腐食環境）に対してどのように露出されているかが異なることがある。そのため、金属構造内の劣化レベルは、金属構造毎に異なる可能性がある。

また、統合部１０４は、Ｔ１３２で融合されたグレースケール画像１３０からカラー画像１４０を生成してもよい（Ｔ１４１）。言い換えると、劣化判定部１０３は、グレースケール画像１３０内の各値に色を割り当て、カラー画像１４０を生成してもよい。カラー画像１４０は、例えば表示に用いられる。カラー画像１４０を用いることで、ユーザは、劣化の発生個所及び深刻度を視覚的に容易に識別できる。カラー画像１４０は、カラーマッピングされた出力画像の一例である。

カラーマップ１４１として、例えば、ＪＥＴスタイルのカラーマップが使用される。ＪＥＴスタイルのカラーマップは、青色で開始し、劣化に伴って、緑色、黄色、橙色、赤色へと変化する。最低位の劣化レベルがカラーマップの青色端にマップされ、最高位の劣化が赤色端にマップされる。

［劣化特性及び整備スケジュールの導出例］
送電設備５０を構成する鋼材としては、ナット、ＡＨ（アークホーン）、連結金具又はボルト、ヨーク等が存在する。

劣化特性は鋼材によって異なる。例えば、ナットは劣化し易く、ヨークは劣化し難い。つまり、図３における両端の連結金具８１が劣化し易く、特に結合部分は劣化し易い。これは、ナット８２及びナット８２周辺の応力がかかる部分が錆び易いことに起因する。

劣化特性は、送電設備５０の設置場所、向き、気候等により変化する。送電設備５０の整備を高精度に行うためには、鋼材５１の劣化特性を高精度に把握することが必要である。

以下に、劣化特性の生成例を示す。尚、図８〜図１３では、劣化評価値が値０、且つ劣化評価時期としての経過年数が０である点を原点Ｏとする。

図８は、劣化特性の第１例を示す模式図である。図８では、スケジュール推定部１０５は、今回が送電設備５０の設置後初めての劣化診断である場合、原点Ｏと今回の劣化診断に係る点Ｐ１の２点の情報を取得する。スケジュール推定部１０５は、この２点を接続する直線Ｌ１を劣化特性として生成する。

図９は、劣化特性の第２例を示す模式図である。図９では、スケジュール推定部１０５は、今回が送電設備５０の設置後、３回目の劣化診断である場合、原点Ｏと今回までの３回の劣化診断に係る３点Ｐ１１〜Ｐ１３の情報を取得する。スケジュール推定部１０５は、原点Ｏと３点Ｐ１１〜Ｐ１３を接続する直線Ｌ２を劣化特性として生成する。尚、直線Ｌ２では、原点Ｏと上記３点Ｐ１１〜Ｐ１３とが１直線上に並んでいる。

図１０は、劣化特性の第３例を示す模式図である。スケジュール推定部１０５は、例えば、今回が送電設備５０の設置後、３回目の劣化診断である場合、原点Ｏと今回までの３回の劣化診断に係る３点Ｐ２１〜Ｐ２３の情報を取得する。スケジュール推定部１０５は、原点Ｏと３点Ｐ２１〜Ｐ２３に基づいて、直線Ｌ３を劣化特性として生成する。直線Ｌ３は、例えば、原点Ｏと３点Ｐ２１〜Ｐ２３を用いた最小二乗法により算出される。尚、最小二乗法以外の近似手法を用いて劣化特性を導出してもよい。

図１１は、劣化特性の第４例を示す模式図である。スケジュール推定部１０５は、例えば、今回が送電設備５０の設置後、３回目の劣化診断である場合、原点Ｏと今回までの３回の劣化診断に係る３点Ｐ３１〜Ｐ３３の情報を取得する。スケジュール推定部１０５は、原点Ｏと３点Ｐ３１〜Ｐ３３に基づいて、曲線Ｌ４を劣化特性として生成する。曲線Ｌ４は、例えば、原点と３点Ｐ３１〜Ｐ３３を用いた非線形の最小二乗法により算出される。尚、最小二乗法以外の近似手法を用いて劣化特性を導出してもよい。

図１２は、劣化特性の第５例を示す模式図である。スケジュール推定部１０５は、例えば、今回が送電設備５０の設置後、３回目の劣化診断である場合、原点Ｏと今回までの３回の劣化診断に係る３点Ｐ４１〜Ｐ４３の情報を取得する。スケジュール推定部１０５は、３回の劣化診断に係る複数の点Ｐ４１〜Ｐ４３を平均した点（平均点Ａ１）を導出する。つまり、スケジュール推定部１０５は、劣化診断の診断時期の平均時期と劣化評価値の平均値とを示す点を平均点Ａ１として導出してもよい。そして、スケジュール推定部１０５は、原点Ｏと平均点Ａ１とを接続する直線Ｌ５を劣化特性として生成してもよい。

図１３は、劣化特性の第６例を示す模式図である。スケジュール推定部１０５は、例えば、今回が送電設備５０の設置後、３回目の劣化診断である場合、原点Ｏと今回までの３回の劣化診断に係る３点Ｐ５１〜Ｐ５３の情報を取得する。スケジュール推定部１０５は、３点Ｐ５１〜Ｐ５３から１点を選択してもよい。例えば、安全性を考慮して、最低の劣化特性となる点Ｐ５２を選択して、原点Ｏと点Ｐ５２とを接続する直線Ｌ６を劣化特性として生成してもよい。

スケジュール推定部１０５は、生成された劣化特性に基づいて、劣化診断対象の鋼材５１の整備スケジュールを生成する。図８〜図１３では、劣化評価値が値２５５の時点で最も劣化した状態と推定される。そのため、スケジュール推定部１０５は、例えば、生成された劣化特性において、劣化評価値が値２００となる時点で、ナットを点検するという整備スケジュールを生成する。また、スケジュール推定部１０５は、劣化評価値が値２４０となる時点で、ナットを交換するという整備スケジュールを生成する。

［動作等］
図１４は、サーバ１００の動作例を示す模式図である。

まず、インタフェース１０１は、撮像画像を取得する。プロセッサ１５０は、デジタル・カラー画像としての入力画像１２０を取得する（Ｓ１１）。入力画像１２０は、撮像画像又は撮像画像から送電設備５０が抽出された画像である。

プロセッサ１５０は、入力画像１２０に対して色空間変換する（Ｓ１２）。

プロセッサ１５０は、メモリ１６０から、劣化レベルＮの基準ヒストグラム３３１を取得する（Ｓ１３）。

プロセッサ１５０は、ウィンドウ３１１内における所定のピクセル位置において、正規化された入力ヒストグラム３２１を生成する（Ｓ１４）。

プロセッサ１５０は、入力ヒストグラム３２１と基準ヒストグラム３３１との相互相関３４１を算出し、相互相関３４１を正規化する。プロセッサ１５０は、所定のピクセル位置へ、正規化された相互相関３４１の値を割り当て、劣化レベル検出画像３５１を生成する（Ｓ１５）。

プロセッサ１５０は、注目エリア内の全てのピクセル位置に対して、正規化された相互相関３４１を導出したか否かを判定する（Ｓ１６）。相互相関３４１を未導出のピクセル位置が存在する場合、Ｓ１４に進む。

相互相関３４１を未導出のピクセル位置が存在しない場合、プロセッサ１５０は、Ｎ個全ての劣化レベルの基準ヒストグラム３３１を用いて、相互相関３４１が導出したかを判定する（Ｓ１７）。相互相関３４１を未導出の基準ヒストグラム３３１が存在する場合、Ｓ１３に進み、プロセッサ１５０は、残りの基準ヒストグラム３３１を用いて相互相関３４１を算出する。

相互相関３４１を未導出の基準ヒストグラム３３１が存在しない場合、プロセッサ１５０は、導出された全ての正規化後の相互相関３４１の値を融合する（Ｓ１８）。融合では、プロセッサ１５０は、劣化レベルに応じて予め設定された重みＷを劣化レベル毎の相互相関３４１の値に乗算し、乗算された各相互相関３４１の値を加算する。これにより、鋼材５１の劣化度を加味したグレースケール画像１３０が得られる。

プロセッサ１５０は、グレースケール画像１３０が示す劣化診断の評価値と、劣化診断時期とに基づいて、劣化特性を生成する。そして、プロセッサ１５０は、劣化特性に基づいて、劣化診断対象の鋼材５１の整備スケジュールを生成する（Ｓ１９）。

プロセッサ１５０は、得られたグレースケール画像１３０に対して、視覚的な強化が必要か否かを判定する（Ｓ２０）。つまり、プロセッサ１５０は、グレースケール画像１３０をカラー化する必要があるか否かを判定する。視覚的な強化が必要ない場合、サーバ１００は、図１４の処理を終了する。

視覚的な強化が必要な場合、プロセッサ１５０は、融合後の結果をカラー結果にマップする（Ｓ２１）。つまり、プロセッサ１５０は、グレースケール画像１３０をカラー画像１４０に変換する。Ｓ２１の終了後、サーバ１００は、図１４の処理を終了する。

このように、劣化診断システム１０は、金属構造上の劣化の検出、分析、及び可視化を行う。まず、被分析デジタル・カラー画像が入力される。デジタル・カラー画像は、色空間のサブ画像を獲得する色情報抽出のために異なる色空間に変換される。その色空間のサブ画像がピクセル毎でスキャンされる。スキャンされた各ピクセル位置において、そのピクセルおよびその周囲のピクセルの色情報が使用されて正規化されたヒストグラムが生成される。スキャンされた各ピクセル位置において生成された正規化済みヒストグラムは、その後、予め定義済みの異なる劣化レベルの正規化済みヒストグラムと比較される。この比較から、生成された正規化済みヒストグラムと予め定義済みの正規化済みヒストグラムの間の類似性に基づいて、異なる劣化レベルについてのマップが生成される。これらのマップが各マップに対する異なる重みの適用および重み付け後のマップの合計によって融合され、検出分析のための融合済み劣化マップが獲得される。融合済み劣化マップは、劣化の深刻度の可視化のために使用できる。可視化は、さらに、ＪＥＴスタイルのカラーマップ等のカラー・スタイルを使用するカラー・リマップによって強化できる。

［効果等］
劣化診断システム１０によれば、送電設備５０の画像を一度撮像し、撮像画像に対して画像処理することで、次回以降の整備スケジュールを生成する。つまり、次回以降の整備時期を予測し、計画し、又は送電設備５０毎や部品毎の整備優先度（プライオリティ）を決定できる。そのため、整備者の感覚に頼って送電設備５０の整備スケジュールを生成しなくて済むので、客観性を向上できる。

また、同じ材料で形成された送電設備５０でも、設置場所、設置向き等により、劣化の進行度合いが異なる。従って、送電設備５０の整備スケジュールを一律に決定（例えば５年毎に全数検査）することを抑制でき、定量的に劣化レベルを評価できるので、送電設備５０毎や部品毎により適した整備計画を立案し、実施できる。

また、サーバ１００は、過去の整備履歴を参照し、整備時期やその整備時期での劣化レベルを基に、所定の劣化レベルとなる時期を推測でき、次回以降の整備スケジュールを生成できる。鋼材の劣化の仕方は、経過時間と比例関係にあることが多いが、劣化特性が非線形である場合、又は過去の劣化レベルの診断精度が不十分であった場合でも、サーバ１００は、複数のプロットを基に劣化特性を決定して、整備スケジュールの生成精度を向上できる。

このように、劣化診断システム１０は、鋼材の劣化度を加味した整備スケジュールを容易に立案できる。

また、領域抽出部１０２は、送電設備５０における特定の鋼材の部品（例えばナット、アーク、ボルト）の領域を抽出してもよい。これにより、サーバ１００は、例えば整備者が特定の部品を選択し、その部品の整備時期を示すことができる。

また、劣化判定部１０３によるこの特定の部品の劣化評価値が所定値以上である場合、つまり劣化が深刻である場合に、サーバ１００は、撮像画像における特定の部品の箇所に対して、劣化が深刻である旨を表示（例えばハイライト）させてもよい。この表示の情報は、例えばＰＣ３００やタブレット端末４００へ送られ、ＰＣ３００やタブレット端末４００により表示される。これにより、整備者は、劣化が深刻である特定の部品を容易に視認でき、整備作業をし易くなる。

（他の実施形態）
以上のように、本開示における技術の例示として、第１の実施形態を説明した。しかし、本開示における技術は、これに限定されず、変更、置き換え、付加、省略などを行った実施形態にも適用できる。

第１の実施形態では、劣化診断システム１０は、少なくとも一部の装置が省略されてもよい。例えば、カメラ２００及びタブレット端末４００のいずれか一方が省略されてもよい。また、サーバ１００が省略されてもよい。サーバ１００が省略される場合、ＰＣ３００又はタブレット端末４００が、サーバ１００が有する劣化診断機能及び整備スケジュール生成機能を有する。また、ＰＣ３００が省略されてもよい。ＰＣ３００が省略される場合、サーバ１００がユーザの指示を入力するためのＵＩを有する。また、タブレット端末４００が省略されてもよい。

第１の実施形態では、鋼材５１を含む設備として送電設備５０を例示した。尚、第１の実施形態は、鋼材５１を含む配電設備に適用されてもよい。更に、第１の実施形態は、鋼材５１を含む電車関連設備、通信関連設備、その他の鋼材を含む設備に適用されてもよい。例えば、配電設備に適用された場合、整備者が市街地の電柱に登ってカメラ２００等で撮像し、サーバ１００等が配電設備を劣化診断する。これにより、劣化診断システム１０は、整備者が目視で主観的に劣化診断するよりも、客観性を向上できる。

第１の実施形態では、スケジュール推定部１０５は、劣化診断をした直後に、この劣化診断に係る劣化診断時期及び劣化評価値を用いて、整備スケジュールを生成することを例示した。尚、スケジュール推定部１０５は、メモリ１６０に蓄積された１つ以上の劣化診断時期及び劣化評価値の情報を用いて、整備スケジュールを生成してもよい。つまり、整備スケジュールの生成タイミングは、劣化診断のタイミングとずれていてもよい。

第１の実施形態では、図９〜図１３において、複数の劣化診断として３回の劣化診断が実施されることを例示したが、劣化診断が２回でも４回以上でもよい。

第１の実施形態では、プロセッサ１５０は、物理的にどのように構成してもよい。また、プログラム可能なプロセッサ１５０を用いれば、プログラムの変更により処理内容を変更できるので、プロセッサ１５０の設計の自由度を高めることができる。プロセッサ１５０は、１つの半導体チップで構成してもよいし、物理的に複数の半導体チップで構成してもよい。複数の半導体チップで構成する場合、第１の実施形態の各制御をそれぞれ別の半導体チップで実現してもよい。この場合、それらの複数の半導体チップで１つのプロセッサ１５０を構成すると考えることができる。また、プロセッサ１５０は、半導体チップと別の機能を有する部材（コンデンサ等）で構成してもよい。また、プロセッサ１５０が有する機能とそれ以外の機能とを実現するように、１つの半導体チップを構成してもよい。

第１の実施形態では、図２においてサーバ１００の構成を示したが、サーバ１００の各構成は、ハードウェアにより実現されてもよいし、ソフトウェアにより実現されてもよい。

（本開示の一態様の概要）
本開示の一態様の劣化診断装置は、鋼材５１を含む撮像画像６０を入力するインタフェース１０１と、プロセッサ１５０と、を備える。プロセッサ１５０は、撮像画像６０に含まれる鋼材の劣化度を評価し、劣化度の評価時点及び劣化度の評価値に基づいて、鋼材５１の劣化特性を導出し、劣化特性に基づいて、鋼材５１の整備スケジュールを生成する。

劣化診断装置は、例えばサーバ１００である。劣化度の評価時点は、例えば劣化評価時期である。劣化度の評価値は、例えば劣化評価値である。

これにより、劣化診断装置は、画像処理を用いて鋼材５１を劣化診断し、劣化特性を推定し、整備スケジュールを生成できる。従って、例えば整備者が目視で劣化診断する場合よりも劣化診断結果の客観性を向上できる。また、劣化診断装置は、整備スケジュールを生成することで、労力を要する鋼材５１の撮像タイミングを容易に認識でき、整備者の負担を低減できる。また、劣化診断装置は、同一の設備において各部品の劣化具合が異なる場合でも、部品毎に劣化診断でき、部品毎に整備スケジュールを立案できる。

本開示の一態様の劣化診断装置は、プロセッサ１５０が、撮像画像６０から鋼材５１を抽出し、抽出された鋼材５１の劣化度を評価してもよい。

これにより、劣化診断装置は、撮像画像６０に含まれる背景５５等の影響を低減して、鋼材５１の劣化度を判定できる。

また、本開示の一態様の劣化診断装置は、プロセッサ１５０により劣化度を評価された鋼材５１の劣化度の評価時点及び劣化度の評価値の情報を保持するメモリ１６０を備えてもよい。プロセッサ１５０は、メモリ１６０に保持された劣化度の評価時点及び劣化度の評価値の情報に基づいて、整備スケジュールを生成してもよい。

これにより、劣化診断装置は、過去の劣化診断の結果を用いて、任意のタイミングで整備スケジュールを生成できる。

また、本開示の一態様の劣化診断装置は、プロセッサ１５０が、撮像画像６０又は抽出された鋼材５１の画像と、所定の劣化度に応じた複数の基準画像１１０とに基づいて、色相及び彩度に基づく複数の相関情報を導出し、複数の相関情報に基づいて、鋼材５１の劣化度を評価してもよい。相関情報は、例えば相互相関である。

これにより、劣化診断装置は、明度や輝度に依存せずに相関情報を生成できる。よって、劣化診断装置は、撮像画像６０の送電設備５０の色情報に対する天候、季節、時間帯等による影響を低減できる。

また、本開示の一態様の劣化診断装置は、プロセッサ１５０は、複数の相関情報に対して、所定の劣化度に応じた重みＷを乗算することで、劣化度の評価値を示す評価画像を生成してもよい。評価画像は、例えばグレースケール画像１３０である。

これにより、劣化診断装置は、重み付けにより鋼材５１の劣化具合を強調した評価画像を生成できる。

また、本開示の一態様の劣化診断方法は、劣化診断装置における劣化診断方法である。この方法では、鋼材５１を含む撮像画像６０を入力し、撮像画像６０に含まれる鋼材５１の劣化度を評価し、劣化度の評価時点及び劣化度の評価値に基づいて、鋼材５１の劣化特性を導出し、劣化特性に基づいて、鋼材５１の整備スケジュールを生成する。

これにより、劣化診断装置は、画像処理を用いて鋼材５１を劣化診断し、劣化特性を推定し、整備スケジュールを生成できる。従って、例えば整備者が目視で劣化診断する場合よりも劣化診断結果の客観性を向上できる。また、劣化診断装置は、整備スケジュールを生成することで、労力を要する鋼材５１の撮像タイミングを容易に認識でき、整備者の負担を低減できる。また、劣化診断装置は、同一の設備において各部品の劣化具合が異なる場合でも、部品毎に劣化診断でき、部品毎に整備スケジュールを立案できる。

また、本開示の一態様の腐食解析方法は、
構造上の腐食レベルの分析および可視化する腐食解析方法であって、
（ａ）被分析構造のデジタル・カラー画像を読み取り、
（ｂ）ＨＳＶまたはＨＳＬいずれかの色空間モデルを使用してデジタル・カラー画像を色空間変換済みサブ画像に色空間変換し、
（ｃ）色空間変換済みサブ画像の正規化後ヒストグラムと、あらかじめ選択された対応する色空間変換済み基準腐食レベル画像の正規化後ヒストグラムと、比較し、比較結果画像を生成し、
（ｄ）すべてのユーザ定義数の基準腐食レベルが比較済みとなるまで異なる基準腐食レベルの画像を使用して（ｃ）を反復し、
（ｅ）（ｃ）及び（ｄ）から比較の結果としてもたらされる画像のそれぞれに対して、所定重みを割り当てて重み付き比較結果画像を生成し、
（ｆ）複数の重み付き比較結果画像を結合して、腐食レベル分析結果画像を生成する、腐食解析方法である。

また、本開示の一態様の腐食解析方法は、（ｃ）の比較において、
色空間変換済みサブ画像内の所定の注目エリア内の各ピクセル位置について、ピクセル位置が色空間変換済みサブ画像の縁であるとき、比較の前に行なわれるミラー・パディングを用いて、比較を実行し、
比較結果画像内の対応するピクセル位置に結果の値を生成する相互相関の使用を含む数学アルゴリズムを使用して、比較が行なわれ、
注目エリア外の位置が存在する場合には、比較結果画像内の対応するピクセル値がユーザによって定義される。

尚、ミラー・パディングとは、画像の処理対象画素が画像の縁にあるときは、処理ウィンドウ内に画素が存在しない部分を含むことになるので、画素が存在しない部分を、近傍画素で埋める操作を意味する。したがって、ピクセル位置がサブ画像の縁である場合、ミラー・パディングによって、処理ウィンドウ内の画素が存在しない部分は、上述した比較の前に近傍画素によって埋められることになる。

また、本開示の一態様の腐食解析方法は、（ｃ）のヒストグラム生成において、
色空間変換済みサブ画像の１つ又は複数の組合せ内のピクセル値を使用し、
ユーザ定義窓サイズを用いる比較の下におけるピクセル位置をカバーするピクセル値を使用する。

また、本開示の一態様の腐食解析方法は、
構造上の腐食レベルの分析および可視化の方法であって、
（ａ）被分析構造の表面を含むデジタル・カラー画像を読み取り、
（ｂ）ＨＳＶまたはＨＳＬいずれかの色空間モデルを使用してデジタル・カラー画像を色空間変換済みサブ画像に色空間変換し、
（ｃ）色空間変換済みサブ画像の正規化後ヒストグラムと、あらかじめ選択された色空間変換済み基準腐食レベル画像の正規化後ヒストグラムと、を比較し、比較結果画像を生成し、
（ｄ）すべてのユーザ定義数の基準腐食レベルが比較済みとなるまで異なる基準腐食レベルの画像を使用して（ｃ）を反復し、
（ｅ）（ｃ）及び（ｄ）から比較の結果としてもたらされる画像のそれぞれに対してユーザ定義重みを割り当てて重み付き比較結果画像を生成し、
（ｆ）重み付き比較結果画像を結合して腐食レベル分析結果画像を生成し、
（ｇ）腐食レベル分析結果画像内の異なるピクセル値に対して異なる色を割り当てることによる腐食レベル視覚的強化を行う。

本開示は、鋼材の劣化度を加味した整備スケジュールを容易に立案できる劣化診断装置及び劣化診断方法等に有用である。

１０ 劣化診断システム
１００ サーバ
１０１ インタフェース
１０２ 領域抽出部
１０３ 劣化判定部
１０４ 統合部
１０５ スケジュール推定部
１５０ プロセッサ
１６０ メモリ
２００ カメラ
３００ ＰＣ
４００ タブレット端末
１１０ 基準画像
１２０ 入力画像
１３０ グレースケール画像
１４０ カラー画像
３１２ 色相画像
３１３ 彩度画像
３２１ 入力ヒストグラム
３３１ 基準ヒストグラム

Claims (9)

1. 鋼材を含む撮像画像を取得するインタフェースと、
   プロセッサと、
   を備え、
   前記プロセッサは、
   前記撮像画像に含まれる前記鋼材の劣化度を評価し、
   前記劣化度の評価時点及び前記劣化度の評価値に基づいて、前記鋼材の劣化特性を導出し、
   前記劣化特性に基づいて、前記鋼材の整備スケジュールを生成し、
   前記プロセッサは、
   前記撮像画像又は前記撮像画像から抽出された鋼材の画像の色相と彩度とによりピクセル位置毎に生成された入力ヒストグラムと、所定の劣化度に応じた複数の基準画像の色相と彩度とによりそれぞれ生成された複数の基準ヒストグラムと、の間の相関情報を導出し、
   前記相関情報が各前記ピクセル位置にマッピングされた相互相関画像を、前記鋼材の劣化度を示す画像として生成する、劣化診断装置。
2. 請求項１に記載の劣化診断装置であって、更に、
   前記プロセッサより劣化度を評価された鋼材の前記劣化度の評価時点及び前記劣化度の評価値の情報を保持するメモリを備え、
   前記プロセッサは、前記メモリに保持された前記劣化度の評価時点及び前記劣化度の評価値の情報に基づいて、前記整備スケジュールを生成する、劣化診断装置。
3. 請求項２に記載の劣化診断装置であって、
   前記メモリは、前記鋼材の使用開始時刻の情報をさらに保持し、
   前記プロセッサは、現在時刻の情報と、前記鋼材の使用開始時刻の情報と、の差により、前記劣化度の評価時点を算出する、劣化診断装置。
4. 請求項３に記載の劣化診断装置であって、
   前記プロセッサは、今回の前記劣化度の評価時点及び前記劣化度の評価値の情報に基づいて、前記鋼材の劣化特性を導出する、劣化診断装置。
5. 請求項３に記載の劣化診断装置であって、
   前記プロセッサは、今回の前記劣化度の評価時点及び前記劣化度の評価値の情報と、過去に得られた前記劣化度の評価時点及び前記劣化度の評価値の情報と、に基づいて、前記鋼材の劣化特性を導出する、劣化診断装置。
6. 請求項１〜５のいずれか１項に記載の劣化診断装置であって、
   前記プロセッサは、
   前記撮像画像又は抽出された鋼材の画像と、所定の劣化度に応じた複数の基準画像とに基づいて、色相及び彩度に基づく複数の相関情報を導出し、
   前記複数の相関情報に基づいて、前記鋼材の劣化度を評価する、劣化診断装置。
7. 請求項１または６に記載の劣化診断装置であって、
   前記プロセッサは、前記複数の相関情報に対して、前記所定の劣化度に応じた重みを乗算することで、前記劣化度の評価値を示す評価画像を生成する、劣化診断装置。
8. 請求項１〜７のいずれか１項に記載の劣化診断装置であって、
   前記鋼材は、送電設備又は配電設備に含まれる、劣化診断装置。
9. 劣化診断装置における劣化診断方法であって、
   鋼材を含む撮像画像を入力するステップと、
   前記撮像画像に含まれる前記鋼材の劣化度を評価するステップと、
   前記劣化度の評価時点及び前記劣化度の評価値に基づいて、前記鋼材の劣化特性を導出するステップと、
   前記劣化特性に基づいて、前記鋼材の整備スケジュールを生成するステップと、
   を有し、
   前記鋼材の劣化度を評価するステップは、
   前記撮像画像又は前記撮像画像から抽出された鋼材の画像の色相と彩度とによりピクセル位置毎に生成された入力ヒストグラムと、所定の劣化度に応じた複数の基準画像の色相と彩度とによりそれぞれ生成された複数の基準ヒストグラムと、の間の相関情報を導出し、
   前記相関情報が各前記ピクセル位置にマッピングされた相互相関画像を、前記鋼材の劣化度を示す画像として生成する、劣化診断方法。

Images