JP7057837B2 - 診断装置及び診断方法 - Google Patents
診断装置及び診断方法 Download PDFInfo
- Publication number
- JP7057837B2 JP7057837B2 JP2020553405A JP2020553405A JP7057837B2 JP 7057837 B2 JP7057837 B2 JP 7057837B2 JP 2020553405 A JP2020553405 A JP 2020553405A JP 2020553405 A JP2020553405 A JP 2020553405A JP 7057837 B2 JP7057837 B2 JP 7057837B2
- Authority
- JP
- Japan
- Prior art keywords
- diagnostic
- unit
- feature
- score
- image
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/952—Inspecting the exterior surface of cylindrical bodies or wires
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Landscapes
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Environmental & Geological Engineering (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Description
以下、本実施形態に係る診断装置について、図1から図9を参照して説明する。本実施形態に係る診断装置は、入力されたセンサデータから特徴を抽出し、抽出した特徴に基づいてセンサデータについての推論結果を出力する機能を有する。本実施形態に係る診断装置は、一例として、検査対象を外部から撮影して得られた外観画像の画像データに基づいて、検査対象の状態等を診断する診断装置であり、特に外表面に露出していない検査対象の内部状態等を診断する診断装置である。本実施形態に係る診断装置100は、具体的には、配管の表面に保護材が巻かれることにより配管が外表面に露出していない場合であっても、内部の配管の状態の診断を行うことができる診断装置である。
なお、本実施形態に係る診断装置は画像データ以外に加速度、角速度、音波、磁気、気圧又は圧力などのデータを用いてもよい。
図1に示すように、診断装置100は、カメラ200で撮影された、保護材で被覆された配管(以下、保護材付き配管という)とその周辺の外観画像の画像データに基づいて推論した配管の状態を推論結果として表示部10に表示する機能を有する。以下、保護材付き配管とその周辺の外観画像を「診断用画像」といい、その画像データを「診断用画像データ」という。診断装置100は、診断用画像データから抽出した保護材表面や配管を載置する架台表面の劣化状態を診断し、配管の劣化状態の推論結果として、配管の腐食レベル又は配管の検査要否もしくは検査必要度を表示部10に表示する。
さらに、診断装置100は、配管状態の判断基準を設定する機能を有する。診断基準は、カメラ200で撮影された、劣化の程度が予め明らかになっている保護材付き配管及びその周辺の外観画像の画像データと、外観画像で撮影した配管の劣化の程度(例えば配管の厚み減少量)とを用いて設定される。以下、劣化の程度が予め明らかになっている保護材付き配管とその周辺の外観画像を設定用画像といい、その画像データを設定用画像データという。
以下、カメラ200及び診断装置100について説明する。
カメラ200は、公知の撮像装置であり、検査対象である保護材付配管及びその周辺を撮影することで、画像データ(学習用画像データ、設定用画像データ又は診断用画像データ)を生成する。カメラ200は、カメラ200及び診断装置100に着脱可能な外部メモリ、カメラ200が接続された有線ネットワーク又は無線ネットワーク等を介して、画像データを診断装置100に出力する。なお、画像は、静止画または動画のいずれであってもよく、動画の場合には静止画を切り出すことにより検査対象内部の状態の診断が行われる。
カメラ200で撮影される学習用画像データは、配管の劣化によって保護材の表面又はその周辺部に生じたと推定される変質部分の画像の画像データである。保護材付き配管は、プラント内において架台上に配置されている場合が多い。このため、保護材付き配管の劣化に関連する変質は、例えば保護材の表面や、保護材付き配管の下に配置された架台の表面に現れる。学習用画像データは、保護材付き配管や架台に現れた、配管劣化の判断に有効な要素を含む変質部分を撮影して生成される。有効な要素としては、例えば、保護材表面や架台の塗装の色(変色)、保護材の剥がれ、保護材表面の変形、架台に付着した錆等が挙げられる。
を生成することで、検査対象内部の状態をより適切に診断することができる。
診断装置100は、特徴抽出部20と、スコア算出部30と、診断部40と、画像合成部50と、表示部10とを備えている。以下、診断装置100の各部について説明する。
特徴抽出部20は、データ解析部22、特徴推論部24及び特徴学習部26を有している。
特徴抽出部20は、学習用画像データ、設定用画像データ及び診断用画像データ202が入力され、これら画像データから、予め定められた少なくとも1つの特徴を抽出する。
データ解析部22は、入力された画像データ(学習用画像データ、設定用画像データ及び診断用画像データ)を解析する。データ解析部22は、画像データに対応する画像(学習用画像、設定用画像及び診断用画像)における色、線、および形状、ならびにこれらの組合せに基づいて、画像に現れる変質の指標を特徴として算出する。
保護材表面や架台の塗装の色(変色)、保護材の剥がれ、保護材表面の変形等の変質部分を示す指標としては、例えば画像に写る保護材表面や架台の塗装の変色の面積、保護材の剥がれの大きさ、保護材表面の変形の個数や面積等が挙げられる。
データ解析部22は、特徴点の抽出処理を行う際に、例えば入力された画像データを所定サイズに拡大、縮小するサイズ変更処理や、入力された画像データのノイズを軽減するための平滑化処理等の前処理を行っても良い。
また、データ解析部22は、抽出した特徴を、画像合成部50に出力する。
特徴推論部24は、データ解析部22から入力された特徴量に対する推論結果を、診断用画像データ202の特徴として抽出する学習済モデル242を有している。また、学習済モデル242への入力として、データ解析部22の解析結果の代わりに、診断用画像データ202を入力してもよい。特徴推論部24は、学習済モデル242の推論結果を特徴としてスコア算出部30に出力する。特徴推論部24は、抽出した特徴を、画像合成部50にも出力する。
特徴学習部26は、学習済モデル242を生成する。特徴学習部26は、入力された学習用画像データ、初期モデル及び学習用パラメータに基づいて、機械学習により学習済モデル242を生成する。機械学習の手法については後述する。
スコア算出部30は、特徴抽出部20から入力された特徴に基づいて、診断用画像データの診断用スコアを算出する。「診断用スコア」とは、ある診断用画像データに基づいて算出された配管の状態を示すスコアである。「診断用スコア」は、保護材表面の表面凹凸や変色等の特徴毎に診断基準を示したスコア(診断用部分スコア)に基づいて算出された、診断用画像データの総合的な診断基準を示したスコア(トータルスコア)である。トータルスコアは、各診断用部分スコアを重み付けして加算することにより得られる。
また、特徴を入力した場合の学習済モデルの推論結果として、「診断用スコア」の代わりに配管の劣化の程度を直接得ても良い。診断用スコアについては、後に詳細に説明する。
スコア算出部30は、診断用部分スコア及びトータルスコアを表示部10及び診断部40に出力する。
診断部40は、スコア算出部30から入力された診断用スコアに基づいて、保護材付き配管の内部状態を診断して診断結果を出力する。診断部40は、例えば、上述したトータルスコアに基づいて保護材付き配管の内部状態を診断する。診断部40は、予め決定されたトータルスコアと、少なくとも一つの閾値とを比較することにより、各診断用画像データの診断ランクを決定する。診断部40は、決定された診断ランクを表示部10に出力する。
画像合成部50は、入力された診断用画像データに対応する画像に対して、特徴抽出部20又は特徴推論部24で抽出した特徴を示すマークを合成して解析後画像を作成する。特徴を示すマークとは、例えば、配管や架台のエッジを示す線、保護材表面の変形や変色部分を示す円やマーク(図2参照)をいい、特徴毎に異なる色で示されていても良い。画像合成部50で合成された解析後画像データは、表示部10に出力される。
表示部10は、診断部40から出力された診断結果等を表示する。
図1に示すように、表示部10は、診断部40での診断結果を示す診断結果表示領域110を有している。また、表示部10は、診断の根拠として診断用部分スコア等を表示する診断用部分スコア表示領域120と、画像合成部50で合成された解析後画像134及び解析前の診断用画像132を表示する診断画像表示領域130とを有している。
表示部10に、トータルスコアやランクとともに複数の診断用部分スコアと特徴の名称とが表示されることにより、診断装置100は、ユーザに対して診断の根拠を示すことができる。
診断画像表示領域130に解析後画像134が表示されることにより、診断装置100は、診断用画像132中のどの部分にどのような特徴があると判断したかをユーザに示すことができる。また、診断画像表示領域130に解析後画像134とともに診断用画像132が表示されることにより、診断装置100は、特徴抽出部20によって特徴が抽出された保護材付き配管の状態をユーザに示すことができる。
以下、診断装置100の各部の動作について説明する。
なお、以下では、診断用画像データ202を用いた配管状態診断時の動作、学習用画像データを用いた特徴の学習時の動作、及び設定用画像データを用いた診断基準を決定するための閾値設定時の動作についてそれぞれ説明する。
最初に、図1、図3及び図4を参照して、診断用画像データ202を用いた配管状態診断時の動作について説明する。図3は、診断用画像データ202を用いた配管状態診断時の動作を説明するフローチャートであり、図4は、診断用部分スコア及びトータルスコアの算出方法の一例を示す模式図である。
続いて、診断装置100の特徴抽出部20に、保護材付き配管の外観及びその周辺の架台等を含む領域を撮影した診断用画像データ202を入力する(ステップS11)。
次に、特徴抽出部20のデータ解析部22において、入力された診断用画像データ202に対する画像解析を行う(ステップS12)。データ解析部22は、画像解析の結果を、特徴推論部24及びスコア算出部30の少なくとも一方と、画像合成部50とに出力する。
また、ステップS12では、データ解析部22は、得られた解析結果を特徴量として特徴推論部24に出力する。特徴推論部24において学習済モデル242の推論結果を得るために必要である場合には、特徴量とともに、保護材表面の変色部分の面積や表面変形の個数等のような解析結果を特徴推論部24に入力しても良い。
次に、図5及び図6を参照して、学習用画像データ204を用いた特徴の学習時の動作を説明する。学習時には、学習用画像データ204を用いた機械学習により得られた学習済モデル242を生成する。図5及び図6は、学習用画像データ204を用いた特徴の学習時の動作を説明するブロック図及びフローチャートである。図5に示すように、学習用画像データ204を用いた特徴の学習時には、診断装置100の特徴抽出部20を用いて学習済モデル242が生成される。
各層は、それぞれ一又は複数のニューロンを備えている。入力層302a、中間層(隠れ層)302b、出力層302cの各層は、1又は複数のニューロンを備えている。例えば、入力層302aのニューロンの数は、入力される画像データ204aの画素数に応じて設定することができる。中間層302bのニューロンの数は実施の形態に応じて適宜設定することができる。また、出力層302cは、解析対象とする特徴の種類の数に応じて設定することができる。
次に、図8及び図9を参照して、設定用画像データ206を用いた診断基準を決定するための閾値設定時の動作について説明する。図8及び図9は、設定用画像データ206を用いた閾値設定時の動作を説明するブロック図及びフローチャートである。図8に示すように、設定用画像データ206を用いた閾値設定時には、診断装置100の特徴抽出部20、スコア算出部30、診断部40及び表示部10を用いて閾値が設定される。
続いて、スコア算出部30において、データ解析部22及び特徴推論部24のそれぞれから入力された特徴に基づいて、設定用スコアを算出する(ステップS34)。設定用スコアは、診断用スコアと同様のスコアである。ステップS34では、ステップS14と同様に、入力された特徴に基づいて複数の特徴毎の診断用部分スコアを算出し、各診断用部分スコアを加算して設定用画像データのトータルスコアを算出する。
また、診断基準設定部42では、閾値の設定指示の入力に代えて、診断基準設定部42に予め入力された条件に基づき閾値が自動的に設定されるようにしても良い。
本実施形態に係る診断装置1により実行される診断プログラムについて説明する。診断装置1は、以下の(a)~(f)の各動作をコンピュータに実行させるプログラムに従って、診断を行う。以下のプログラムは、例えばハードディスクドライブ、メモリ等の記録媒体やDVDディスク又はBlu-ray(登録商標)等の光ディスクに記録される。以下のプログラムは、インターネットを介して配布されても良い。さらに、以下のプログラムは、クラウドサーバに記録され、インターネットを介して各ステップが実行されても良い。
(b)診断用センサデータから、予め定められた少なくとも1つの特徴を抽出すること
(c)抽出された特徴に基づいて、診断用センサデータが有する特徴に関連づけられた診断用部分スコアを算出すること
(d)診断用部分スコアに基づいて、診断用センサデータの診断用スコアを算出すること
(e)診断用スコアに基づいて、検査対象の状態を診断した診断結果を取得すること
(f)診断用スコアと診断結果とを表示部に表示すること
第一実施形態に係る診断装置100は、以下の効果を有する。
(1)診断装置100は、診断用画像データ202の特徴に関連付けられた診断用部分スコアを算出し、診断の根拠として、表示部10に診断用部分スコアを表示する。このため、ユーザに対して診断根拠を一見して示すことができる。
(2)診断装置100では、検査対象内部の状態(配管の腐食等)に関連して検査対象外部に生じる特徴(配管を覆う保護材表面の変色や変形等の変質)に基づいて、検査対象内部の状態を診断することが可能である。
(4)診断装置100は、複数の前記診断用部分スコアA~Hと、診断用部分スコアA~Hに対応する特徴の名称(特徴A~H)とをレーダーチャート等のグラフとして表示する。このため、どの特徴が強く出ているかをユーザに一見して示すことができる。
(6)診断装置100は、画像処理による特徴の抽出と、機械学習による(学習済モデル242を用いた)特徴の抽出と、の双方を使い分けることができる。このため、より正確で、早い診断を行うことができる。
(8)診断装置100は、診断後に配管状態の定量検査を行った場合、診断用画像データ202と定量検査により得られた劣化の実測値を学習用データ・診断用データとして用いることで、さらに精度のよい診断を可能とする。
診断装置100では、保護材付き配管周辺に現れる変質部分から抽出した、腐食推定に有効な要素を教師データとして学習済モデルを生成し、診断時に学習済モデルの推論結果を利用する。これにより、より適切に配管の状態を判断し、不要な定量検査を削減することができるため、定量検査に要するコストを削減することができる。
以下、本開示の第二実施形態に係る診断装置300について、図10及び図11を参照して説明する。
第二実施形態に係る診断装置300は、表示部310において、複数の診断用画像データ202A~202Eに対する診断結果等を表示する複数対象評価結果表示領域350を有する点で、第1実施形態に係る診断装置100と異なる。
以下、表示部310の表示について説明する。また、特徴抽出部20、スコア算出部30、診断部40及び画像合成部50については、診断装置100特徴抽出部20、スコア算出部30、診断部40及び画像合成部50と同様であるため説明を省略する。
図10の表示部310では、各表示領域を模式的に示している。診断装置300の表示部310は、一つの診断用画像データ202Aに関する診断結果および診断用部分スコア等を表示する単一対象評価結果表示領域340を有する。また、表示部310は、複数の診断用画像データ(例えば、5つの診断用画像データ202A~202E)に関する診断結果や診断用部分スコアを、診断用画像データ202A~202E毎に並べて表示する複数対象評価結果表示領域350を有する。
第二実施形態に係る診断装置300は、第一実施形態に係る診断装置100における効果(1)~(9)に加えて、以下の効果を有する。
(10)診断装置100は、表示部10に一つの診断用画像データ202Aに関する詳細な診断結果、診断用部分スコア等を表示する単一対象評価結果表示領域340を有する。また、診断装置100は、複数の診断用画像データ202A~202Eに関する診断結果、診断用部分スコアを表示する複数対象評価結果表示領域350を有する。また、診断装置100は、これらの診断結果をレーダーチャートや、棒グラフ、散布図、又は折れ線グラフ等のグラフによって表示する。このため、診断装置100は、ユーザに対して、診断用画像データ毎の詳細な診断結果と、複数の診断用画像データ間の比較結果とを一見して示すことができる。
以下、第1実施形態に係る診断装置1及び第2実施形態に係る診断装置2のハードウェア構成の一例について詳細に説明する。
図12に示すように、診断装置1は、記憶装置1001、プロセッサを含む演算装置1002及び通信路(ネットワーク)1110を介して外部装置と情報の送受信を行う通信インタフェース(I/F)1003等のハードウェア資源を備えている。外部装置は、例えば撮像装置(不図示)又は画像を記憶するコンピュータ1120である。診断装置1は、記憶装置1001に記憶された所定のプログラム及びデータに基づく情報処理を実行することにより、少なくとも入力された検査対象の画像から検査対象の状態を診断し、診断用スコアと診断結果とを表示部に表示するように構成されている。
診断装置2についても同様の構成を有している。
20 特徴抽出部
22 データ解析部
24 特徴推論部
26 特徴学習部
30 スコア算出部
40 診断部
42 診断基準設定部
50 画像合成部
100,300 診断装置
110 診断結果表示領域
120 診断用部分スコア表示領域
130 診断画像表示領域
132 診断用画像
134 解析後画像
200 カメラ
202,202A~202E 診断用画像データ
204 学習用画像データ
206 設定用画像データ
242 学習済モデル
302 初期モデル
304 学習用パラメータ
340 単一対象評価結果表示領域
350 複数対象評価結果表示領域
360 ランク表示領域
370 診断用画像データ選択領域
Claims (19)
- 検査対象の状態を診断する診断装置であって、
前記検査対象を外部から測定して得られた診断用センサデータが入力され、前記診断用センサデータから、予め定められた少なくとも1つの特徴を抽出する特徴抽出部と、
前記特徴抽出部から入力された前記特徴に基づいて、前記診断用センサデータが有する前記特徴に関連付けられた診断用部分スコアを算出し、前記診断用部分スコアに基づいて前記診断用センサデータの診断用スコアを算出するスコア算出部と、
前記スコア算出部から入力された前記診断用スコアに基づいて、前記検査対象の状態を診断して診断結果を出力する診断部と、
前記診断結果と前記診断用部分スコアとを表示する表示部と、
を備え、
前記検査対象は、保護材で被覆された配管であり、
前記状態の指標となるデータは、前記配管の厚みに関するデータである診断装置。 - 前記スコア算出部は、前記特徴に関連付けられた特徴別スコアに基づいて、前記診断用部分スコアを算出し、前記診断用スコアとしてトータルスコアを算出し、
前記診断部は、前記トータルスコアに基づいて、前記検査対象の状態を診断する
請求項1に記載の診断装置。 - 前記表示部は、少なくとも一つの前記診断用部分スコアと該診断用部分スコアに対応する前記特徴の名称とをそれぞれ関連付けて表示する診断用部分スコア表示領域を有する請求項2に記載の診断装置。
- 前記スコア算出部は、前記診断用センサデータについて、複数の前記診断用部分スコアを算出し、
前記表示部は、前記診断用部分スコア表示領域において、複数の前記診断用部分スコアと、前記診断用部分スコアに対応する前記特徴の名称とをグラフとして表示する請求項3に記載の診断装置。 - 前記表示部は、前記診断用部分スコア表示領域において、複数の前記診断用部分スコアと複数の前記特徴の名称とをそれぞれ関連付けて、レーダーチャートとして表示する請求項4に記載の診断装置。
- 前記表示部は、一つの前記診断用センサデータに関する前記診断結果および前記診断用部分スコアを表示する単一対象評価結果表示領域を有する請求項2から5のいずれか1項に記載の診断装置。
- 前記表示部は、複数の前記診断用センサデータに関する前記診断結果および前記診断用部分スコアを、前記診断用センサデータごとに並べて表示する複数対象評価結果表示領域を有する請求項6に記載の診断装置。
- 前記表示部は、前記複数対象評価結果表示領域において、前記トータルスコアおよび前記診断用部分スコアを、棒グラフ、散布図、又は折れ線グラフのいずれかで表示する請求項7に記載の診断装置。
- 前記特徴を有するセンサデータを含む学習用センサデータに基づく機械学習により、前記特徴抽出部に入力された前記診断用センサデータが有する前記特徴を出力する学習済モデルを生成する特徴学習部をさらに有する請求項1から8のいずれか1項に記載の診断装置。
- 前記特徴抽出部は、前記特徴抽出部に入力された前記診断用センサデータに基づく前記
学習済モデルの推論結果を前記特徴として出力する特徴推論部を有する請求項9に記載の診断装置。 - 前記特徴抽出部は、前記診断用センサデータおよび前記学習用センサデータの解析を行うデータ解析部を有する請求項10に記載の診断装置。
- 前記データ解析部は、前記解析の結果を、前記特徴推論部に特徴量として出力し、又は前記スコア算出部に前記特徴として出力する請求項11に記載の診断装置。
- 前記特徴推論部は、前記データ解析部から入力された前記特徴量に対する前記学習済モデルの推論結果を、前記診断用センサデータの前記特徴として抽出する請求項12に記載の診断装置。
- 前記診断用センサデータおよび前記学習用センサデータは、画像データである診断用画像データおよび学習用画像データである請求項11から13のいずれか1項に記載の診断装置。
- 前記データ解析部は、前記画像データに対応する画像における色、線、および形状、ならびにこれらの組合せに基づいて解析を行う請求項14に記載の診断装置。
- 入力された前記診断用画像データに対応する画像に対して前記特徴抽出部で抽出した前記特徴を示すマークを合成して解析後画像を作成する画像合成部を備え、
前記表示部は、前記診断用画像データに対応する画像および前記画像合成部から入力された前記解析後画像を表示する診断画像表示領域を有する請求項14又は15のいずれか1項に記載の診断装置。 - 前記診断部は、前記診断部における診断基準を決定するための閾値を設定する診断基準設定部を有する請求項1から16のいずれか1項に記載の診断装置。
- 前記診断基準設定部は、前記特徴を有するセンサデータと、前記センサデータに対応する前記検査対象を測定して得られた状態の指標となるデータとを含む設定用センサデータに基づいて設定された前記閾値を設定する
請求項17に記載の診断装置。 - 検査対象の状態を診断する診断方法であって、
前記検査対象を外部から測定して診断用センサデータを得る工程と、
前記診断用センサデータから、予め定められた少なくとも1つの特徴を抽出する工程と、
抽出された前記特徴に基づいて、前記診断用センサデータが有する前記特徴に関連づけられた診断用部分スコアを算出する工程と、
前記診断用部分スコアに基づいて、前記診断用センサデータの診断用スコアを算出する工程と、
前記診断用スコアに基づいて、前記検査対象の状態を診断した診断結果を得る工程と、
前記診断用スコアと前記診断結果とを表示部に表示する工程と、
を備え、
前記検査対象は、保護材で被覆された配管であり、
前記状態の指標となるデータは、前記配管の厚みに関するデータである診断方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018199361 | 2018-10-23 | ||
JP2018199361 | 2018-10-23 | ||
PCT/JP2019/041376 WO2020085327A1 (ja) | 2018-10-23 | 2019-10-21 | 診断装置及び診断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020085327A1 JPWO2020085327A1 (ja) | 2021-09-30 |
JP7057837B2 true JP7057837B2 (ja) | 2022-04-20 |
Family
ID=70331352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020553405A Active JP7057837B2 (ja) | 2018-10-23 | 2019-10-21 | 診断装置及び診断方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7057837B2 (ja) |
WO (1) | WO2020085327A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022070706A1 (ja) * | 2019-09-30 | 2022-04-07 | 株式会社クボタ | 埋設管更新時期予測装置、埋設管更新時期予測方法、プログラム及びコンピュータ読み取り可能な記録媒体 |
US20220035334A1 (en) * | 2020-07-29 | 2022-02-03 | Abb Schweiz Ag | Technologies for producing training data for identifying degradation of physical components |
WO2023089846A1 (ja) * | 2021-11-22 | 2023-05-25 | 株式会社Roxy | 検査装置および検査方法並びにこれに用いるプログラム |
JP7195493B1 (ja) * | 2022-05-30 | 2022-12-23 | 三菱電機株式会社 | 腐食環境診断システム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014202747A (ja) | 2013-12-26 | 2014-10-27 | 札幌施設管理株式会社 | 配管評価方法 |
JP2015084970A (ja) | 2013-10-31 | 2015-05-07 | 株式会社アラヤ・ブレイン・イメージング | 個人特性予測システム、個人特性予測方法及びプログラム |
JP2017219386A (ja) | 2016-06-06 | 2017-12-14 | 富士電機株式会社 | 放射線配管診断システム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014137284A (ja) * | 2013-01-17 | 2014-07-28 | Dainippon Screen Mfg Co Ltd | 教師データ作成支援装置、教師データ作成装置、画像分類装置、教師データ作成支援方法、教師データ作成方法および画像分類方法 |
-
2019
- 2019-10-21 WO PCT/JP2019/041376 patent/WO2020085327A1/ja active Application Filing
- 2019-10-21 JP JP2020553405A patent/JP7057837B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015084970A (ja) | 2013-10-31 | 2015-05-07 | 株式会社アラヤ・ブレイン・イメージング | 個人特性予測システム、個人特性予測方法及びプログラム |
JP2014202747A (ja) | 2013-12-26 | 2014-10-27 | 札幌施設管理株式会社 | 配管評価方法 |
JP2017219386A (ja) | 2016-06-06 | 2017-12-14 | 富士電機株式会社 | 放射線配管診断システム |
Also Published As
Publication number | Publication date |
---|---|
JPWO2020085327A1 (ja) | 2021-09-30 |
WO2020085327A1 (ja) | 2020-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7057837B2 (ja) | 診断装置及び診断方法 | |
US7822268B2 (en) | Advanced processing of active thermography signals | |
KR102256181B1 (ko) | 강구조물의 도막 상태 검사 및 평가 방법과 이를 위한 시스템 | |
JPWO2021235364A5 (ja) | ||
Sultan et al. | A pixel-by-pixel reliability analysis of infrared thermography (IRT) for the detection of subsurface delamination | |
JPWO2008156147A1 (ja) | 塗色データベースの作成方法及びそのデータベースを用いた検索方法、並びにそれらのシステム、プログラム及び記録媒体 | |
TW201302154A (zh) | 決定皮膚發炎分數之裝置及方法 | |
JP2013542046A5 (ja) | ||
CN103218805B (zh) | 处理用于对象检验的图像的方法和系统 | |
den Bieman et al. | Deep learning video analysis as measurement technique in physical models | |
JP6901007B2 (ja) | 学習装置、検査システム、学習方法、検査方法およびプログラム | |
JP7334801B2 (ja) | 学習装置、学習方法および学習プログラム | |
JP7481956B2 (ja) | 推論装置、方法、プログラムおよび学習装置 | |
CN109900363A (zh) | 一种基于轮廓提取的目标物红外测温方法和装置 | |
JPWO2019069629A1 (ja) | 画像処理装置及び学習済みモデル | |
CN106204531B (zh) | 一种同步检测彩色图像中噪点与边缘点的方法 | |
JP2009186375A (ja) | 超音波センサ付きの検査装置を用いた導管の腐食状態の検査方法及び腐食状態の検査方法の適用に適した導管の構造 | |
CN117095236A (zh) | 一种用于评估叶根轮槽试验精确性的方法及系统 | |
JP6650819B2 (ja) | 色ムラ部位の評価方法、色ムラ部位評価装置及び色ムラ部位評価プログラム | |
WO2022202198A1 (ja) | 金属表面の粗面処理の評価方法および評価装置 | |
JP5009748B2 (ja) | 試料状態評価方法 | |
JP6390458B2 (ja) | 情報処理装置、情報処理システム及び情報処理方法並びに情報処理用プログラム | |
JP7405362B2 (ja) | コンクリート構造物診断システム、コンクリート構造物診断方法及びプログラム | |
JP7493393B2 (ja) | 防災本管の板厚測定装置およびその方法 | |
WO2023054268A1 (ja) | 認知機能評価方法、認知機能検査方法、システムおよびコンピュータプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210409 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211214 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220113 |
|
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: 20220329 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220408 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7057837 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |