JP6914413B1

JP6914413B1 - アスファルト混合物の密度推定方法、及び、密度推定システム

Info

Publication number: JP6914413B1
Application number: JP2020202856A
Authority: JP
Inventors: 眞二浅川; 宮本　博文; 博文宮本
Original assignee: Maeda Road Construction Co Ltd
Current assignee: Maeda Road Construction Co Ltd
Priority date: 2020-12-07
Filing date: 2020-12-07
Publication date: 2021-08-04
Anticipated expiration: 2040-12-07
Also published as: JP2022090449A

Abstract

【課題】少ない作業負担で路面を形成するアスファルト混合物の密度を推定することができるアスファルト混合物の密度推定方法、及び、アスファルト混合物の密度推定システムを提供する。【解決手段】路面３０を形成するアスファルト混合物Ａの密度を推定するアスファルト混合物Ａの密度推定方法では、密度推定システム１０は、路面３０を撮像した撮像画像Ｇを取得し、撮像画像Ｇを解析し、撮像画像Ｇの解析結果に基づいて、路面３０のアスファルト混合物Ａの密度を推定する。【選択図】図２

Description

本発明は、アスファルト混合物の密度推定方法、及び、密度推定システムに関するものである。

アスファルト混合物で形成される路面は、施工時に転圧機械によって所定の密度以上になるように締固められる。従来、施工後のアスファルト混合物の密度を確認するためには、施工後のアスファルト混合物から試料を切り抜き、試験場で計測された試料の質量に基づいて、アスファルト混合物の密度が測定されていた（特許文献１）。

特開平１０−０１００３２号公報

しかしながら、既に施工されたアスファルト混合物から試料を切り抜く場合は、アスファルト混合物の密度の測定にかかる作業負担が過大になってしまうという問題があった。

本発明が解決しようとする課題は、少ない作業負担で路面を形成するアスファルト混合物の密度を推定することができるアスファルト混合物の密度推定方法、及び、密度推定システムを提供することである。

［１］上記課題を解決するために、本発明に係るアスファルト混合物の密度推定方法は、路面を形成するアスファルト混合物の密度を推定する方法であって、前記路面を撮像した撮像画像を取得し、前記撮像画像を解析し、前記撮像画像に含まれる複数の画素の各々のピクセル値に基づいて、前記撮像画像の所定の解析方向に沿った前記画素の並びである少なくとも１つの解析行について、各々の前記画素と各々の前記画素に隣接する他の前記画素との間の前記ピクセル値の差分である画素間差分値を算出し、前記画素間差分値に基づいて、前記路面の前記アスファルト混合物の密度を推定する。

［２］上記発明において、前記解析行の前記画素間差分値の合計値である差分合計値を算出し、前記差分合計値に基づいて、前記アスファルト混合物の密度を推定してもよい。

［３］上記発明において、複数の前記解析行の前記差分合計値の平均値である平均差分合計値を算出し、前記平均差分合計値に基づいて、前記アスファルト混合物の密度を推定してもよい。

［４］上記発明において、前記平均差分合計値が低い程、前記アスファルト混合物の密度の推定値が高くなるように、前記アスファルト混合物の密度を推定してもよい。

［５］上記発明において、前記画素間差分値の各々が予め設定された閾値よりも高いか否かを判定し、前記画素間差分値が前記閾値よりも高い場合は、判定結果を示す判定値を１と算出し、前記画素間差分値が前記閾値以下である場合は、前記判定値を０と算出し、前記解析行に沿って前記判定値の合計値である判定合計値を算出し、前記判定合計値に基づいて、前記アスファルト混合物の密度を推定してもよい。

［６］上記発明において、複数の前記解析行の前記判定合計値の平均値である平均判定合計値を算出し、前記平均判定合計値に基づいて、前記アスファルト混合物の密度を推定してもよい。

［７］上記発明において、前記平均判定合計値が高い程、前記アスファルト混合物の密度の推定値が高くなるように、前記アスファルト混合物の密度を推定してもよい。

［８］上記発明において、前記アスファルト混合物は、ポーラスアスファルト混合物であってもよい。

［９］上記発明において、前記撮像画像から特徴量を抽出し、前記特徴量を学習済みモデルに入力することにより、前記アスファルト混合物の密度を推定し、前記学習済みモデルは、前記アスファルト混合物の密度を前記特徴量に対して関連付けた教師データを用いて機械学習されていてもよい。

［１０］上記発明において、前記撮像画像を複数の解析領域に分割し、各々の前記解析領域についての解析結果に基づいて、前記路面の前記アスファルト混合物の密度を推定してもよい。

［１１］上記課題を解決するために、本発明に係るアスファルト混合物の密度推定システムは、路面を形成するアスファルト混合物の密度を推定するアスファルト混合物の密度推定システムであって、前記路面を撮像した撮像画像を取得する撮像装置と、前記撮像画像を解析し、前記撮像画像に含まれる複数の画素の各々のピクセル値に基づいて、前記撮像画像の所定の解析方向に沿った前記画素の並びである少なくとも１つの解析行について、各々の前記画素と各々の前記画素に隣接する他の前記画素との間の前記ピクセル値の差分である画素間差分値を算出し、前記画素間差分値に基づいて、前記路面の前記アスファルト混合物の密度を推定する演算装置とを備える。

［１２］上記発明において、前記撮像装置は、前記路面を締め固める転圧機械に取り付けられてもよい。

［１３］上記発明において、前記演算装置は、前記撮像画像を、前記転圧機械の移動方向に沿って複数の解析領域に分割し、前記解析領域毎に前記撮像画像を解析してもよい。

本発明によれば、少ない作業負担で路面を形成するアスファルト混合物の密度を推定することができるという効果を奏する。

本実施形態に係るアスファルト混合物の密度推定システムの構成を示す図である。図１に示す密度推定システムを用いたアスファルト混合物の密度推定方法の手順を示すフローチャートである。図３（ａ）は、図１に示す密度推定システムの撮像装置が取得する路面の撮像画像の例であり、図３（ｂ）は、図３（ａ）に示す撮像画像を分割した解析領域を示す図である。図３（ｂ）に示す解析領域に含まれる複数の画素の例を示す図である。図３（ｂ）に示す解析領域に含まれる複数の画素の各々のピクセル値の例を示す表である。図５に示す表の各々の解析行において互いに隣り合う画素のピクセル値の差分、各々の解析行の差分合計値、及び、全ての解析行の平均差分合計値を示す表である。図６に示す平均差分合計値とアスファルト混合物の密度との関係を示すグラフである。路面を形成するアスファルト混合物が密粒度アスファルト混合物である場合に、図１に示す密度推定システムの撮像装置が取得した路面の撮像画像の例であり、図２（ａ）は、締固め度８５％の路面の撮像画像であり、図２（ｂ）は、締固め度１００％の路面の撮像画像である。図１に示す密度推定システムがアスファルト混合物の密度を推定するために用いる学習済みモデルを示す図である。路面を形成するアスファルト混合物がポーラスアスファルト混合物である場合に、図１に示す密度推定システムの撮像装置が取得する路面の撮像画像の例であり、図１０（ａ）は、締固め度８５％の路面の撮像画像であり、図１０（ｂ）は、締固め度１００％の路面の撮像画像である。図６に示す表のピクセル値の差分が閾値３０より大きくなるか否かを示す判定値、各々の解析行の合計判定値、及び、全ての解析行の平均合計判定値を示す表である。図１２（ａ）は、図１に示す密度推定システムの出力装置が出力する路面地図の例を示す図であり、図１２（ｂ）は、図１２（ａ）に示す路面地図に表示された移動経路の例を示す図である。本実施形態に係るアスファルト混合物の密度推定システムの構成の別例を示す図である。

図１〜７を用いて、本実施形態に係る密度推定システム１０、及び、密度推定システム１０を用いたアスファルト混合物の密度推定方法について説明する。
図１に示すように、密度推定システム１０は、路面３０を走行する転圧機械１に設けられている。密度推定システム１０は、路面３０を形成するアスファルト混合物Ａの密度を推定する。アスファルト混合物Ａは、例えば、細粒度アスファルト混合物、密粒度アスファルト混合物、粗粒度アスファルト混合物、又は、ポーラスアスファルト混合物である。

なお、細粒度アスファルト混合物、密粒度アスファルト混合物、及び、粗粒度アスファルト混合物は、２．３６ｍｍふるい通過百分率が、各々、５０〜８０％、３５〜５０％、２０〜３５％のアスファルト混合物である。また、ポーラスアスファルト混合物とは、２．３６ｍｍふるいを通過する大きさの骨材を少なくし、約２０％の空隙が内部に形成されたアスファルト混合物である。また、アスファルト混合物Ａは、アスファルト安定処理混合物、再生細粒度アスファルト混合物、再生密粒度アスファルト混合物、再生粗粒度アスファルト混合物、又は、再生アスファルト安定処理混合物であってもよい。

図１に示すように、密度推定システム１０は、撮像装置１１、演算装置１２、及び、出力装置１３を有している。撮像装置１１と演算装置１２とは、互いに有線又は無線によって接続されている。また、同様に、演算装置１２と出力装置１３とは、互いに有線又は無線によって接続されている。

撮像装置１１は、転圧機械１の前方に、路面３０に対向するように設けられている。撮像装置１１は、転圧機械１の移動中に、路面３０を連続して撮像し、路面３０の撮像画像を複数取得する。また、演算装置１２は、転圧機械１の上部に設けられている。演算装置１２は、例えば、コンピュータである。演算装置１２は、撮像装置１１が取得した撮像画像を解析し、撮像画像の解析結果に基づいて、路面３０のアスファルト混合物Ａの密度を推定する。また、出力装置１３は、ディスプレイを有する端末である。出力装置１３は、転圧機械１の操作者席１ａの前方に取り外し可能に取り付けられている。出力装置１３は、転圧機械１の操作者席１ａの前方に固定されたディスプレイであってもよい。出力装置１３は、演算装置１２が推定したアスファルト混合物Ａの密度を示す密度推定情報を出力する。すなわち、出力装置１３のディスプレイには、アスファルト混合物Ａの密度を示す密度推定情報が画像情報又は文字情報として表示される。また、出力装置１３は、スピーカを有しており、音声によって密度推定情報を出力してもよい。

また、転圧機械１は、転圧機械１の前後に回転可能に設けられた略円筒形状のローラ２を有している。アスファルト混合物Ａを路面３０に施工する場合、アスファルト混合物Ａを敷き均して路面３０を形成した後、転圧機械１が路面３０を移動することにより、アスファルト混合物Ａはローラ２によって締固められる。アスファルト混合物Ａがローラ２によって締固められることにより、アスファルト混合物Ａの密度は上昇する。

なお、転圧機械１は、例えば、タイヤローラ、又は、ロードローラ（マカダムローラ、タンデムローラ）である。また、転圧の工程の段階（初期転圧、二次転圧、仕上げ転圧）に応じて、使用する転圧機械１の種類を変えてもよい。例えば、初期転圧には、ロードローラを使用し、二次転圧、及び、仕上げ転圧には、タイヤローラを使用してもよい。

次に、図２〜１２を用いて、密度推定システム１０によるアスファルト混合物Ａの密度推定方法の手順を説明する。なお、図２のステップＳ１は、路面３０を撮像した撮像画像Ｇを取得するステップであり、ステップＳ２〜Ｓ６は、撮像画像Ｇを解析するステップであり、ステップＳ７は、撮像画像Ｇの解析結果に基づいて、路面３０のアスファルト混合物Ａの密度を推定するステップである。

図２に示すように、まず、ステップＳ１において、密度推定システム１０の撮像装置１１は路面３０の撮像画像Ｇを取得する（図３（ａ）参照）。撮像画像Ｇは、ゲレースケールで表示される画像である。次に、図２のステップＳ２において、密度推定システム１０の演算装置１２は、撮像画像Ｇを複数の解析領域Ｇａに分割する（図３（ｂ）参照）。解析領域Ｇａは、転圧機械１が移動する方向Ｘ１に沿って分割されている。

解析領域Ｇａは、図４に示すように複数の画素Ｐで構成されている。密度推定システム１０の演算装置１２は、図２のステップＳ３において、解析領域Ｇａを構成する各々の画素Ｐのピクセル値を算出する。ここで、図５は、解析領域Ｇａの画素Ｐの各々のピクセル値を示す表である。図５の表において縦方向の列は、転圧機械１が移動する方向Ｘ１に沿った画素Ｐの列であり、横方向の行は、方向Ｘ１に直交する方向Ｘ２に沿った画素Ｐの行である。なお、以下の説明において、方向Ｘ２を解析方向Ｘ２とし、解析方向Ｘ２に沿った画素Ｐの行を上から順に解析行Ｎ１，Ｎ２，Ｎ３，Ｎ４とする。

また、解析領域Ｇａは、例えば、４００列×１０行の画素Ｐで構成されるが、図５の表には、模式的に、１９列×４行の画素Ｐのピクセル値を例示する。なお、ピクセル値は各々の画素Ｐの濃淡（明度）を示している。具体的には、画素Ｐのピクセル値は２５６諧調で表される。画素Ｐが黒い場合のピクセル値は０であり、画素Ｐが白い場合のピクセル値は２５５である。ピクセル値は、画素Ｐの色が濃い（暗い）ほど低く、薄い（明るい）ほど高くなる。また、撮像画像Ｇにおいて、路面３０の凹部分は色が濃く（暗く）、凸部分は色が薄く（明るく）表示されるため、路面３０に凹凸が多い程、解析領域Ｇａの画素Ｐのピクセル値のばらつきは大きくなる。

次に、密度推定システム１０の演算装置１２は、図２のステップＳ４において、解析方向Ｘ２の解析行Ｎ１〜Ｎ４に沿って、各々の画素Ｐと各々の画素Ｐに隣接する他の画素Ｐとの間のピクセル値の差分である画素間差分値Ｐｄを算出する。図６の表の左から第１〜第１８列は、図５の表のピクセル値に基づいて算出した画素間差分値Ｐｄを示す。

次に、密度推定システム１０の演算装置１２は、図２のステップＳ５において、図６の表の最も右側の列に示すように、各々の解析行Ｎ１〜Ｎ４について画素間差分値Ｐｄの合計値である差分合計値Ｐｓを算出する。

次に、密度推定システム１０の演算装置１２は、図２のステップＳ６において、図６の表の全ての解析行Ｎ１〜Ｎ４の差分合計値Ｐｓの平均値である平均差分合計値Ｐａを算出する。図６に示す例において、平均差分合計値Ｐａは、２１０．７５である。なお、路面３０に凹凸が多い程、撮像画像Ｇの濃淡のばらつきは大きくなるため、平均差分合計値Ｐａは大きい。一方、路面３０に凹凸が少なく、滑らかである程、撮像画像Ｇの濃淡のばらつきは小さくなるため、平均差分合計値Ｐａは小さい。

さらに次に、密度推定システム１０の演算装置１２は、図２のステップＳ７において、平均差分合計値Ｐａに基づいて、路面３０を形成するアスファルト混合物Ａの密度を推定する。ここで、平均差分合計値Ｐａとアスファルト混合物Ａの密度Ｄ［ｇ／ｃｍ^３］との相関関係の例を図７のグラフに示す。図７の実線のグラフＬ１は、実験的に予め測定されたアスファルト混合物Ａの密度Ｄ［ｇ／ｃｍ^３］と、アスファルト混合物Ａの密度に対応する平均差分合計値Ｐａとの関係を示している。また、図７の実線のグラフＬ１は、図７の破線に示す直線的なグラフＬ２に近似している。この破線のグラフＬ２に基づき、平均差分合計値Ｐａとアスファルト混合物Ａの密度Ｄ［ｇ／ｃｍ^３］との関係は、下記の式（１）で表すことができる。なお、α，βは、撮像画像Ｇの解析行Ｎ１〜Ｎ４を構成する画素数、及び、アスファルト混合物Ａの種類に応じて、実験的に求められる固定値である。演算装置１２は、算出した平均差分合計値Ｐａに基づき、下記の式（１）を用いて、アスファルト混合物Ａの密度Ｄ［ｇ／ｃｍ^３］を算出する。

図７のグラフＬ１，Ｌ２、及び、上記の式（１）に示すように、演算装置１２は、平均差分合計値Ｐａが低い程、アスファルト混合物Ａの密度Ｄ［ｇ／ｃｍ^３］が高くなるように、アスファルト混合物Ａの密度Ｄ［ｇ／ｃｍ^３］を算出する。具体的には、アスファルト混合物Ａが密粒度アスファルト混合物である場合は、図８（ａ）に示す締固め度８５％のアスファルト混合物Ａは、図８（ｂ）に示す締固め度１００％のアスファルト混合物Ａよりも密度が低く、撮像画像Ｇ１の平均差分合計値Ｐａが高い。すなわち、アスファルト混合物Ａが密粒度アスファルト混合物である場合は、アスファルト混合物Ａの密度Ｄ［ｇ／ｃｍ^３］が高くなる程、路面３０は滑らかになって凹凸が少なくなり、撮像画像Ｇ１の平均差分合計値Ｐａは低くなる。なお、締固め度とは、アスファルト混合物Ａの施工時の基準密度（目標密度）を１００％とした場合の密度の割合である。締固め度１００％に対応する密度は、アスファルト混合物Ａの種類や製造時の状況によって異なる。

また、アスファルト混合物Ａが細粒度アスファルト混合物、粗粒度アスファルト混合物、アスファルト安定処理混合物、再生細粒度アスファルト混合物、再生密粒度アスファルト混合物、再生粗粒度アスファルト混合物、又は、再生アスファルト安定処理混合物である場合も、同様に、アスファルト混合物Ａの密度Ｄ［ｇ／ｃｍ^３］が高くなる程、路面３０は滑らかになって凹凸が少なくなり、撮像画像Ｇの平均差分合計値Ｐａは低くなる。よって、演算装置１２は、平均差分合計値Ｐａが低い程、アスファルト混合物Ａの密度Ｄ［ｇ／ｃｍ^３］が高くなるように、アスファルト混合物Ａの密度Ｄ［ｇ／ｃｍ^３］を算出する。すなわち、アスファルト混合物Ａが細粒度アスファルト混合物、密粒度アスファルト混合物、粗粒度アスファルト混合物、アスファルト安定処理混合物、再生細粒度アスファルト混合物、再生密粒度アスファルト混合物、再生粗粒度アスファルト混合物、又は、再生アスファルト安定処理混合物である場合は、密度推定システム１０の演算装置１２は、図２に示す密度推定方法、及び、上記の式（１）を用いて、アスファルト混合物Ａの密度Ｄ［ｇ／ｃｍ^３］を推定することができる。

また、密度推定システム１０の演算装置１２は、図９に示すように、学習済みモデル１００１を用いて、アスファルト混合物Ａの密度Ｄ［ｇ／ｃｍ^３］を推定してもよい。学習済みモデル１００１は、アスファルト混合物Ａの密度を差分合計値Ｐｓ、又は、平均差分合計値Ｐａに対して関連付けた実験データを教師データ１００３として機械学習されている。演算装置１２は、解析行Ｎ１〜Ｎ４の差分合計値Ｐｓを特徴量１００２として、学習済みモデル１００１に入力することにより、ニューラルネットワークを用いて、アスファルト混合物Ａの密度Ｄ［ｍｇ／ｃｍ^３］を算出する。

一方、アスファルト混合物Ａがポーラスアスファルト混合物である場合は、図１０（ａ）の撮像画像Ｇ３に示す締固め度８５％のアスファルト混合物Ａと、図１０（ｂ）の撮像画像Ｇ３に示す締固め度１００％のアスファルト混合物Ａとでは、図８の密粒度アスファルト混合物に比べて、路面３０の凹凸に基づく差異は小さい。しかしながら、アスファルト混合物Ａが締め固められることにより、アスファルト混合物Ａに含まれる骨材同士の間隔（溝）が狭くなるため、密度が高い程、撮像画像Ｇに表れる濃淡（ピクセル値）の差が特に大きくなる箇所（例えば、骨材同士の間に形成される溝の境界部分）が多くなる。すなわち、アスファルト混合物Ａの密度が高くなる程、路面３０の凹部と凸部との境界がより明瞭になる頻度も高くなる。この傾向を利用して、密度推定システム１０の演算装置１２は、アスファルト混合物Ａがポーラスアスファルト混合物である場合も、撮像画像Ｇの解析結果に基づいて、アスファルト混合物Ａの密度を推定することができる。

具体的には、図１１に示すように、密度推定システム１０の演算装置１２は、図６の表の画素間差分値Ｐｄの各々について、予め設定された閾値３０よりも大きい場合を１、閾値３０以下である場合を０とした判定値Ｊを算出する。そして、演算装置１２は、各々の解析行Ｎ１〜Ｎ４について判定値Ｊの合計値である判定合計値Ｊｓを算出する。さらに、演算装置１２は、図１１の表の全ての解析行Ｎ１〜Ｎ４の判定合計値Ｊｓの平均値である平均判定合計値Ｊａを算出する。図１１の例では、平均判定合計値Ｊａは１．２５である。演算装置１２は、算出した平均判定合計値Ｊａが高い程、アスファルト混合物Ａの密度が高くなるように、アスファルト混合物Ａの密度Ｄ［ｇ／ｃｍ^３］を推定する。また、演算装置１２は、平均差分合計値Ｐａと平均判定合計値Ｊａとの組み合わせを特徴量として学習済みモデル１００１に入力することにより、ニューラルネットワークを用いて、アスファルト混合物Ａの密度Ｄ［ｍｇ／ｃｍ^３］を算出してもよい。

演算装置１２は、撮像画像Ｇに含まれる解析領域Ｇａの各々について、アスファルト混合物Ａの密度Ｄ［ｍｇ／ｃｍ^３］を推定する。演算装置１２は、各々の解析領域Ｇａについて推定されたアスファルト混合物Ａの密度Ｄ［ｍｇ／ｃｍ^３］の平均値を算出して、撮像画像Ｇに対応する路面のアスファルト混合物Ａの密度Ｄ［ｍｇ／ｃｍ^３］を推定してもよい。また、演算装置１２は、撮像装置１１が連続して撮像した複数の撮像画像Ｇを解析して、その解析結果に基づき、路面３０の締固め作業中に、転圧機械１の移動経路に沿ってアスファルト混合物Ａの密度Ｄ［ｍｇ／ｃｍ^３］を推定する。

また、図１２（ａ）に示すように、演算装置１２は、推定したアスファルト混合物Ａの密度Ｄ［ｍｇ／ｃｍ^３］に基づいて、路面３０のアスファルト混合物Ａの密度分布を示す路面地図Ｍを作成する。転圧機械１の出力装置１３は、路面地図Ｍを出力する。すなわち、転圧機械１の出力装置１３のディスプレイには、密度推定情報として、路面３０のアスファルト混合物Ａの密度分布を示す路面地図Ｍが表示される。例えば、図１２（ａ）に示す領域Ｑ１は、アスファルト混合物Ａの密度が基準密度に達した領域であり、領域Ｑ２は、アスファルト混合物Ａの密度が基準密度に達していない領域である。すなわち、領域Ｑ１では、アスファルト混合物Ａが充分に締め固められており、領域Ｑ２では、アスファルト混合物Ａの締固め度が不足している。

また、図１２（ｂ）に示すように、演算装置１２は、アスファルト混合物Ａの密度に基づいて、路面３０での転圧機械１の移動経路Ｒを設定する。出力装置１３のディスプレイには、移動経路Ｒが路面地図Ｍに重畳して表示される。具体的には、演算装置１２は、転圧機械１が領域Ｑ２を再度締固めるように、移動経路Ｒを作成する。また、演算装置１２は、アスファルト混合物Ａの密度が低い程、転圧機械１がその領域をより多く締め固めるように、移動経路Ｒを作成してもよい。また、出力装置１３のディスプレイには、ＧＰＳ機能を利用して、路面地図Ｍにおける転圧機械１の現在位置が表示されてもよい。

以上より、本実施形態に係る密度推定システム１０は、路面３０を撮像した撮像画像Ｇを取得する撮像装置１１と、撮像画像Ｇを解析し、撮像画像Ｇの解析結果に基づいて、路面３０のアスファルト混合物Ａの密度を推定する演算装置１２とを備える。これにより、密度推定システム１０は、路面３０を撮像するだけで、短時間で簡易にアスファルト混合物Ａの密度を推定することができる。また、施工後のアスファルト混合物Ａから試料を切り出さずにアスファルト混合物Ａの密度を推定することができるため、路面３０の品質を維持することができる。また、密度推定システム１０は、敷き均し直後のアスファルト混合物Ａが高温の状態であっても、路面３０に非接触の状態でアスファルト混合物Ａの密度を推定することができる。

また、密度推定システム１０は、撮像画像Ｇに含まれる複数の画素Ｐの各々のピクセル値に基づいて、アスファルト混合物Ａの密度を推定する。これにより、密度推定システム１０は、路面３０の凹凸に起因する撮像画像Ｇの濃淡に基づいて、アスファルト混合物Ａの密度を推定することができる。

また、密度推定システム１０は、図６に示すように、撮像画像Ｇの解析方向Ｘ２に沿った画素Ｐの並びである解析行Ｎ１〜Ｎ４について、画素Ｐ同士のピクセル値の差分である画素間差分値Ｐｄに基づいて、アスファルト混合物の密度を推定する。これにより、密度推定システム１０は、路面３０の凹凸に起因する画素Ｐのピクセル値のばらつきの度合に基づいて、アスファルト混合物Ａの密度を推定することができる。

また、密度推定システム１０は、解析方向Ｘ２の画素間差分値Ｐｄの合計値である差分合計値Ｐｓを算出し、差分合計値Ｐｓに基づいて、アスファルト混合物Ａの密度を推定する。これにより、密度推定システム１０は、路面３０の凹凸に起因する画素Ｐのピクセル値のばらつきの度合を、解析行Ｎ１〜Ｎ４毎に解析して、アスファルト混合物Ａの密度を推定することができる。

また、密度推定システム１０は、複数の解析行Ｎ１〜Ｎ４の差分合計値Ｐｓの平均値である平均差分合計値Ｐａを算出し、平均差分合計値Ｐａに基づいて、アスファルト混合物Ａの密度を推定する。これにより、密度推定システム１０は、撮像画像Ｇの画素Ｐのピクセル値のばらつきの度合を総合的に数値化することができ、より精度良くアスファルト混合物Ａの密度を推定することができる。

また、密度推定システム１０は、平均差分合計値Ｐａが低い程、アスファルト混合物Ａの密度の推定値が高くなるように、アスファルト混合物Ａの密度を推定する。すなわち、平均差分合計値Ｐａが低い程、路面３０は凹凸が少なく、滑らかであるため、密度推定システム１０は、平均差分合計値Ｐａが低い程、アスファルト混合物Ａの密度が高いと推定することができる。

また、密度推定システム１０は、アスファルト混合物Ａが細粒度アスファルト混合物、密粒度アスファルト混合物、又は、粗粒度アスファルト混合物である場合に、図６の差分合計値Ｐｓ、又は、平均差分合計値Ｐａに基づいて、アスファルト混合物Ａの密度を推定する。これにより、路面３０が滑らかである程、密度が高いという、細粒度アスファルト混合物、密粒度アスファルト混合物、又は、粗粒度アスファルト混合物の特性を利用して、アスファルト混合物Ａの密度を推定することができる。また、密度推定システム１０は、アスファルト混合物Ａがアスファルト安定処理混合物、再生細粒度アスファルト混合物、再生密粒度アスファルト混合物、再生粗粒度アスファルト混合物、又は、再生アスファルト安定処理混合物である場合も、同様の密度推定方法により、アスファルト混合物Ａの密度を推定することができる。

また、密度推定システム１０は、図１１に示すように、画素間差分値Ｐｄの各々が予め設定された閾値よりも高いか否かを判定し、画素間差分値Ｐｄが閾値よりも高い場合は、判定値Ｊを１と算出し、画素間差分値Ｐｄが閾値以下である場合は、判定値Ｊを０と算出する。また、密度推定システム１０は、解析行Ｎ１〜Ｎ４に沿って判定合計値Ｊｓを算出する。さらに、密度推定システム１０は、判定合計値Ｊｓに基づいて、アスファルト混合物Ａの密度を推定する。これにより、密度推定システム１０は、撮像画像Ｇにおいて、路面３０に形成される凹凸の凹部と凸部との境界が特に明瞭に表れる頻度を数値化して判定することができる。従って、密度推定システム１０は、アスファルト混合物Ａの密度が高い程、骨材同士の間隔が狭くなり、路面３０の凹部と凸部との境界がより明瞭になるという傾向に基づいて、アスファルト混合物Ａの密度を推定することができる。

さらに、密度推定システム１０は、複数の解析行Ｎ１〜Ｎ４の平均判定合計値Ｊａを算出し、平均判定合計値Ｊａに基づいて、アスファルト混合物Ａの密度を推定する。これにより、密度推定システム１０は、撮像画像Ｇの画素Ｐのピクセル値の差分が特に大きくなる頻度を総合的に解析して、アスファルト混合物Ａの密度を推定することができる。

また、密度推定システム１０は、平均判定合計値Ｊａが高い程、アスファルト混合物Ａの密度の推定値が高くなるように、アスファルト混合物の密度を推定する。これにより、密度推定システム１０は、路面３０の凹部と凸部との境界がより明瞭になる頻度を平均判定合計値Ｊａとして算出することにより、平均判定合計値Ｊａに基づいて、アスファルト混合物Ａの密度を推定することができる。

また、密度推定システム１０は、アスファルト混合物Ａが、ポーラスアスファルト混合物である場合に、判定値Ｊに基づいてアスファルト混合物Ａの密度を推定する。これにより、空隙率が高いポーラスアスファルト混合物によって形成された路面３０であっても、密度推定システム１０は、アスファルト混合物Ａの骨材同士の間隔に対応する判定値Ｊに基づいて、アスファルト混合物Ａの密度を推定することができる。

また、密度推定システム１０は、撮像画像Ｇから抽出した特徴量を学習済みモデル１００１に入力することにより、アスファルト混合物Ａの密度を推定してもよい。学習済みモデル１００１は、アスファルト混合物Ａの密度を特徴量に対して関連付けた教師データを用いて機械学習されている。このように学習済みモデル１００１を利用してアスファルト混合物Ａの密度を推定することにより、撮像画像Ｇ毎の骨材の位置の違いや光の反射等が解析結果に与える影響（ノイズ）を最小限にして、アスファルト混合物Ａの密度をより精度よく推定することができる。

また、密度推定システム１０は、撮像画像Ｇを複数の解析領域Ｇａに分割し、各々の解析領域Ｇａについての解析結果に基づいて、アスファルト混合物Ａの密度を推定する。これにより、密度推定システム１０は、路面３０の密度の分布をより詳細に把握することができる。また、各々の解析領域Ｇａについて推定された密度の平均値を算出することにより、アスファルト混合物Ａの密度の推定値の誤差を減らすことができる。

また、密度推定システム１０の撮像装置１１は、路面３０を締め固める転圧機械１に取り付けられる。これにより、密度推定システム１０は、転圧機械１による路面３０の締固め作業中に、アスファルト混合物Ａの密度を推定することができる。

また、密度推定システム１０の演算装置１２は、撮像画像Ｇを、転圧機械１の移動方向に沿って複数の解析領域Ｇａに分割する。これにより、密度推定システム１０は、転圧機械１が移動する方向Ｘ１に沿って、連続的にアスファルト混合物Ａの密度を推定することができる。

なお、本実施形態において、密度推定システム１０の演算装置は、図１に示す転圧機械１に搭載される演算装置１２に限定されない。すなわち、図１３に示すように、密度推定システム１０は、転圧機械１に搭載される演算装置１２の替わりに、転圧機械１から離れた場所に設置された演算装置２２を備えていてもよい。演算装置２２は、既知の通信手段を介して、撮像装置１１、及び、出力装置１３との間で情報のやり取りを行うことができる。演算装置２２は、クラウドサーバであってもよい。

また、図１３に示すように、密度推定システム１０は、転圧機械１から離れた場所に設置された第２出力装置２３を備えていてもよい。第２出力装置２３は、路面３０の施工現場で用いられる端末であってもよく、施工現場から離れたオペレータ室に設けられるモニターであってもよい。第２出力装置２３は、既知の通信手段によって、演算装置２２から密度推定情報を受信する。第２出力装置２３は、ディスプレイに画像情報又は文字情報として密度推定情報を出力する。また、第２出力装置２３は、スピーカを有していて、密度推定情報を音声として出力してもよい。

なお、上述の実施形態では、路面３０の凹凸に着目してアスファルト混合物Ａの密度を推定したが、アスファルト混合物Ａの密度を推定手法は、特にこれに限定されない。また、複数の手法を組み合わせてアスファルト混合物Ａの密度を推定してもよい。

特に限定されないが、例えば、演算装置１２が、撮像画像Ｇに表れたアスファルト混合物Ａの骨材の輪郭から特徴量を抽出し、機械学習された学習済みモデルを用いて、アスファルト混合物Ａの密度を推定してもよい。また、演算装置１２が、撮像画像Ｇからその他の特徴量を抽出し、機械学習された学習済みモデルを用いて、アスファルト混合物Ａの密度を推定してもよい。

或いは、演算装置１２が、アスファルト混合物の密度に対して路面の画像を関連付けた教師データを用いて機械学習された学習済みモデルに、撮像画像Ｇを入力することで、アスファルト混合物Ａの密度を推定してもよい。

或いは、演算装置１２が、撮像画像Ｇを一定サイズで区切りそこに含まれる骨材を解析したり、撮像画像Ｇの濃淡から路面３０の三次元イメージを作成することで、アスファルト混合物Ａの密度を推定してもよい。

また、本実施形態において、演算装置１２が撮像画像Ｇを解析するための解析方向は、方向Ｘ２に限定されず、方向Ｘ１を解析方向とし、図５，６の表において、方向Ｘ１に沿った画素Ｐの列を解析行としてもよい。また、解析領域Ｇａは、方向Ｘ２に沿って分割されていてもよい。

また、撮像画像Ｇが高解像度画像である場合は、複数の画素Ｐから構成されるブロック毎に算出したピクセル値の平均値、又は、ブロック毎に任意の画素Ｐから抽出したピクセル値に基づいて、アスファルト混合物Ａの密度を推定してもよい。

また、演算装置１２は、複数の解析行Ｎ１〜Ｎ４の差分合計値Ｐｓの平均値である平均差分合計値Ｐａに基づいてアスファルト混合物Ａの密度を推定しているが、これに限定されず、差分合計値Ｐｓの標準偏差を算出した値に基づいて、アスファルト混合物Ａの密度を推定してもよい。

また、演算装置１２は、アスファルト混合物Ａの種類に関わらず、差分合計値Ｐｓ、及び、平均判定合計値Ｊａの両方をパラメータとして、アスファルト混合物Ａの密度を推定してもよい。

１…転圧機械
１０…密度推定システム
１１…撮像装置
１２，２２…演算装置
３０…路面
１００１…学習済みモデル
１００２…特徴量
１００３…教師データ
Ａ…アスファルト混合物
Ｇ…撮像画像
Ｇａ…解析領域
Ｎ１，Ｎ２，Ｎ３，Ｎ４…解析行
Ｐ…画素
Ｐｄ…画素間差分値
Ｐｓ…差分合計値
Ｐａ…平均差分合計値
Ｊ…判定値
Ｊｓ…判定合計値
Ｊａ…平均判定合計値
Ｘ１…転圧機械の移動方向
Ｘ２…解析方向

Claims

路面を形成するアスファルト混合物の密度を推定するアスファルト混合物の密度推定方法であって、
前記路面を撮像した撮像画像を取得し、
前記撮像画像を解析し、
前記撮像画像に含まれる複数の画素の各々のピクセル値に基づいて、前記撮像画像の所定の解析方向に沿った前記画素の並びである少なくとも１つの解析行について、各々の前記画素と各々の前記画素に隣接する他の前記画素との間の前記ピクセル値の差分である画素間差分値を算出し、
前記画素間差分値に基づいて、前記路面の前記アスファルト混合物の密度を推定する、アスファルト混合物の密度推定方法。
請求項１に記載のアスファルト混合物の密度推定方法であって、
前記解析行の前記画素間差分値の合計値である差分合計値を算出し、
前記差分合計値に基づいて、前記アスファルト混合物の密度を推定する、アスファルト混合物の密度推定方法。
請求項２に記載のアスファルト混合物の密度推定方法であって、
複数の前記解析行の前記差分合計値の平均値である平均差分合計値を算出し、
前記平均差分合計値に基づいて、前記アスファルト混合物の密度を推定する、アスファルト混合物の密度推定方法。
請求項３に記載のアスファルト混合物の密度推定方法であって、
前記平均差分合計値が低い程、前記アスファルト混合物の密度の推定値が高くなるように、前記アスファルト混合物の密度を推定する、アスファルト混合物の密度推定方法。
請求項１に記載のアスファルト混合物の密度推定方法であって、
前記画素間差分値の各々が予め設定された閾値よりも高いか否かを判定し、
前記画素間差分値が前記閾値よりも高い場合は、判定結果を示す判定値を１と算出し、
前記画素間差分値が前記閾値以下である場合は、前記判定値を０と算出し、
前記解析行に沿って前記判定値の合計値である判定合計値を算出し、
前記判定合計値に基づいて、前記アスファルト混合物の密度を推定する、アスファルト混合物の密度推定方法。
請求項５に記載のアスファルト混合物の密度推定方法であって、
複数の前記解析行の前記判定合計値の平均値である平均判定合計値を算出し、
前記平均判定合計値に基づいて、前記アスファルト混合物の密度を推定する、アスファルト混合物の密度推定方法。
請求項６に記載のアスファルト混合物の密度推定方法であって、
前記平均判定合計値が高い程、前記アスファルト混合物の密度の推定値が高くなるように、前記アスファルト混合物の密度を推定する、アスファルト混合物の密度推定方法。
請求項５〜７のいずれか一項に記載のアスファルト混合物の密度推定方法であって、
前記アスファルト混合物は、ポーラスアスファルト混合物である、アスファルト混合物の密度推定方法。
請求項１〜８のいずれか一項に記載のアスファルト混合物の密度推定方法であって、
前記撮像画像から特徴量を抽出し、
前記特徴量を学習済みモデルに入力することにより、前記アスファルト混合物の密度を推定し、
前記学習済みモデルは、前記アスファルト混合物の密度を前記特徴量に対して関連付けた教師データを用いて機械学習されている、アスファルト混合物の密度推定方法。
請求項１〜９のいずれか一項に記載のアスファルト混合物の密度推定方法であって、
前記撮像画像を複数の解析領域に分割し、
各々の前記解析領域についての解析結果に基づいて、前記アスファルト混合物の密度を推定する、アスファルト混合物の密度推定方法。
路面を形成するアスファルト混合物の密度を推定するアスファルト混合物の密度推定システムであって、
前記路面を撮像した撮像画像を取得する撮像装置と、
前記撮像画像を解析し、前記撮像画像に含まれる複数の画素の各々のピクセル値に基づいて、前記撮像画像の所定の解析方向に沿った前記画素の並びである少なくとも１つの解析行について、各々の前記画素と各々の前記画素に隣接する他の前記画素との間の前記ピクセル値の差分である画素間差分値を算出し、前記画素間差分値に基づいて、前記路面の前記アスファルト混合物の密度を推定する演算装置とを備える、アスファルト混合物の密度推定システム。
請求項１１に記載のアスファルト混合物の密度推定システムであって、
前記撮像装置は、前記路面を締め固める転圧機械に取り付けられる、アスファルト混合物の密度推定システム。
請求項１２に記載のアスファルト混合物の密度推定システムであって、
前記演算装置は、前記撮像画像を、前記転圧機械の移動方向に沿って複数の解析領域に分割し、前記解析領域毎に前記撮像画像を解析する、アスファルト混合物の密度推定システム。