JP7137801B2 - 土壌改質判定装置、及び異物除去方法 - Google Patents
土壌改質判定装置、及び異物除去方法 Download PDFInfo
- Publication number
- JP7137801B2 JP7137801B2 JP2018166670A JP2018166670A JP7137801B2 JP 7137801 B2 JP7137801 B2 JP 7137801B2 JP 2018166670 A JP2018166670 A JP 2018166670A JP 2018166670 A JP2018166670 A JP 2018166670A JP 7137801 B2 JP7137801 B2 JP 7137801B2
- Authority
- JP
- Japan
- Prior art keywords
- soil
- image
- stage
- improvement
- modification
- 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
- 239000002689 soil Substances 0.000 title claims description 231
- 238000000034 method Methods 0.000 title claims description 38
- 238000012986 modification Methods 0.000 claims description 95
- 230000004048 modification Effects 0.000 claims description 95
- 238000013145 classification model Methods 0.000 claims description 46
- 238000012795 verification Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 239000003607 modifier Substances 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims 1
- 238000003860 storage Methods 0.000 description 26
- 238000002407 reforming Methods 0.000 description 24
- 238000013500 data storage Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 239000000654 additive Substances 0.000 description 5
- 230000000996 additive effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 238000005202 decontamination Methods 0.000 description 4
- 230000003588 decontaminative effect Effects 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 239000012857 radioactive material Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 241000473391 Archosargus rhomboidalis Species 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011038 discontinuous diafiltration by volume reduction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000000941 radioactive substance Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Processing Of Solid Wastes (AREA)
- Image Analysis (AREA)
- Sorting Of Articles (AREA)
Description
(1)土壌改質の要否を精度よく判定することができるため、不要な改質材の添加を回避することができ、すなわち処理コストを抑えることができる。また添加する改質材量を削減することができるため、埋め立て処分すべき土壌の量も削減することができ、その結果、中間貯蔵施設等の効率的な運営に貢献することができる。
(2)土壌を連続搬送する装置(例えばベルトコンベアなど)や画像を取得する装置(例えばデジタルカメラなど)、演算処理を行う装置(例えばパーソナルコンピュータなど)を用意するだけで、すなわち大掛かりな装置を必要とすることなく、連続的かつリアルタイムで、しかも精度よく土壌改質の要否を判定することができる。
(3)学習用データとして1の画像から複数の小領域画像を切り出すことから、効率的に大量の学習用データを取得することができる。また、小領域画像と同じサイズで取得した画像に対して判定することから、より精度よく土壌改質の要否を判定することができる。
図1は、本願発明の土壌改質判定装置100を用いて土壌SLの改質の要否を判定する状況を模式的に示すモデル図である。この図に示すように、判定対象となる土壌SLはベルトコンベアなどの搬送手段101によって連続搬送され、搬送途中でカメラなどの画像取得手段102によって画像が取得される。
本願発明の土壌改質判定装置100について、図を参照しながら詳しく説明する。なお、本願発明の異物除去方法は、本願発明の土壌改質判定装置100を用いて土壌から異物を除去する方法であり、したがってまずは本願発明の土壌改質判定装置100について説明し、その後に本願発明の異物除去方法について説明することとする。
学習手段103は、ニューラルネットワーク(neural network)を用いた深層学習(Deep Learning)といったアルゴリズムを使用し、学習データ記憶手段105から読み出した多数の学習データを学習することによって、改質段階分類モデルを作成する手段である。ここで学習データとは、土壌画像と、その土壌画像に対応する改質段階を組み合わせたデータセットであり、いわゆる教師データである。すなわち学習手段103は、多数の学習データを学習することによって、自動的に(人の判断が介在することなく)土壌画像から特徴を見出すとともに、その特徴と改質段階との関係をパターン化した「改質段階分類モデル」を作成するわけである。
搬送手段101は、図1に示すように判定対象となる土壌SLを搬送する手段であり、例えば無端ベルトを連続回転させるベルトコンベアなどを利用することができる。画像取得手段102は、搬送手段101による搬送途中の土壌SLの画像を取得する手段であり、静止画を取得するデジタルカメラや動画を撮影するビデオカメラなどを利用することができる。画像取得手段102は、搬送途中の土壌SLを撮影することから、図1に示すように搬送手段101の周辺(例えば上方)に配置される。画像取得手段102は、搬送手段101の途中に1個所のみ配置してもよいし、2以上の箇所に配置してもよい。また、1個所当たりに1の画像取得手段102を配置することもできるし、図7に示すように1個所当たりに2以上(図では3個)の画像取得手段102を配置することもできる。1個所当たりに2以上の画像取得手段102を配置する場合、土壌SLの搬送方向に対して略直交方向(直交方向含む)に並べて配置するとよい。
画像変換手段108は、図2に示すように土壌画像記憶手段107から読み出した土壌画像を変換する手段である。具体的には、サンプル画像PSから切り出した小領域画像PMから変換小領域画像を作成する処理と同様、土壌画像に対して高速フーリエ変換を行うとともに正規化することで、変換した画像(以下、単に「変換画像」という。)を得る。なお、サンプル画像PSから切り出した小領域画像PMをそのまま学習して改質段階分類モデルを作成する場合(つまり変換小領域画像を用いない場合は)、画像変換手段108を省略することもできる。
土壌分類手段104は、学習手段103により作成された改質段階分類モデルを用い、対象となる土壌に対して適当な改質段階(例えば、Label0~Label3)に分類する手段である。ただし、サンプル画像PSから切り出した小領域画像PMをそのまま学習して改質段階分類モデルを作成した場合は土壌画像も変換することなく判定することとし、変換小領域画像を学習データとして改質段階分類モデルを作成した場合は土壌画像も変換した変換画像に対して判定する。したがって変換小領域画像を学習データとするケースでは、図2に示すように土壌分類手段104が分類モデル記憶手段106から改質段階分類モデルを読み出すとともに、画像変換手段108から変換画像を受け取って、この改質段階分類モデルを用いて変換画像の改質段階を分類する。一方、無変換の小領域画像PMを学習データとするケースでは、土壌分類手段104が分類モデル記憶手段106から改質段階分類モデルを読み出すとともに、土壌画像記憶手段107から土壌画像を受け取って、この改質段階分類モデルを用いて土壌画像の改質段階を分類する。
次に本願発明の異物除去方法について図8を参照しながら説明する。なお、本願発明の異物除去方法は、ここまで説明した土壌改質判定装置100を使用して行う方法であり、したがって土壌改質判定装置100で説明した内容と重複する説明は避け、本願発明の異物除去方法に特有の内容のみ説明することとする。すなわち、ここに記載されていない内容は、「2.土壌改質判定装置」で説明したものと同様である。
によって決定された添加量の改質材を添加するとよい。改質された土壌SL、あるいは改質不要と判定された土壌SLは異物分離手段111に投入され、草木や巨礫、ごみといった異物が除去される(Step108)。
101 (土壌改質判定装置の)搬送手段
102 (土壌改質判定装置の)画像取得手段
103 (土壌改質判定装置の)学習手段
104 (土壌改質判定装置の)土壌分類手段
105 (土壌改質判定装置の)学習データ記憶手段
106 (土壌改質判定装置の)分類モデル記憶手段
107 (土壌改質判定装置の)土壌画像記憶手段
108 (土壌改質判定装置の)画像変換手段
109 (土壌改質判定装置の)添加量決定手段
110 (土壌改質判定装置の)添加量テーブル記憶手段
111 (土壌改質判定装置の)異物分離手段
SL 土壌
PS サンプル画像
PM 小領域画像
Claims (5)
- 改質段階分類モデルを用い、改質不要段階を含む2以上の改質段階のいずれかに分類することによって、搬送される土壌の改質要否を判定する装置であって、
前記改質段階分類モデルは、土壌を前記改質段階のいずれかに分類するものであり、前記改質段階ごとに用意された各サンプル画像から切り出された複数の小領域画像を高速フーリエ変換し且つ正規化した画像を学習することによって作成され、
土壌を搬送する搬送手段と、
搬送中の土壌の画像を、前記小領域画像と同一サイズで取得する画像取得手段と、
前記画像取得手段によって取得された画像を高速フーリエ変換し且つ正規化した変換画像を作成する画像変換手段と、
前記画像変換手段によって作成された前記変換画像と 、前記改質段階分類モデルと、に基づいて該変換画像に係る土壌を前記改質段階のいずれかに分類する土壌分類手段と、を備え、
前記改質不要段階に分類された土壌に対しては改質不要と判定し、前記改質不要段階を除く前記改質段階に分類された土壌に対しては要改質と判定する、
ことを特徴とする土壌改質判定装置。 - 前記土壌分類手段によって分類された前記改質段階に基づいて、土壌を改質するための改質材添加量を定める添加量決定手段を、さらに備えた、
ことを特徴とする請求項1記載の土壌改質判定装置。 - 土壌の搬送方向に対して直交方向又は略直交方向に、2以上の前記画像取得手段が配置され、
前記土壌分類手段は、2以上の前記画像取得手段で取得されたそれぞれの画像に対して前記改質段階のいずれかに分類するとともに、最多の分類結果を土壌の前記改質段階として決定する、
ことを特徴とする請求項1又は請求項2記載の土壌改質判定装置。 - 改質段階分類モデルを用い、改質不要段階を含む2以上の改質段階のいずれかに分類することによって、搬送される土壌の改質要否を判定したうえで、土壌から異物を除去する方法であって、
前記改質段階分類モデルは、土壌を前記改質段階のいずれかに分類するものであり、前記改質段階ごとに用意された各サンプル画像から切り出された複数の小領域画像を高速フーリエ変換し且つ正規化した画像を学習することによって作成され、
搬送される土壌の画像を、前記小領域画像と同一サイズで取得する画像取得工程と、
前記画像取得工程で取得された画像を、高速フーリエ変換し且つ正規化した変換画像を作成する画像変換工程と、
前記画像変換工程で作成された前記変換画像と 、前記改質段階分類モデルと、に基づいて該変換画像に係る土壌を前記改質段階のいずれかに分類する土壌分類工程と、
前記改質不要段階を除く前記改質段階に分類された土壌に、改質材を添加する土壌改質工程と、を備え、
前記改質不要段階に分類された土壌、又は前記土壌改質工程で改質された土壌から、異物を除去する、
ことを特徴とする異物除去方法。 - 前記土壌分類工程で分類された土壌の前記改質段階と、目視により判定された当該土壌の前記改質段階と、を比較する検証工程を、さらに備え、
前記検証工程で、前記土壌分類工程による結果と、目視判定による結果が異なるときは、目視判定による前記改質段階に基づいて前記学習工程及び前記モデル作成工程を行い、新たに前記改質段階分類モデルを作成する、
ことを特徴とする請求項4記載の異物除去方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018166670A JP7137801B2 (ja) | 2018-09-06 | 2018-09-06 | 土壌改質判定装置、及び異物除去方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018166670A JP7137801B2 (ja) | 2018-09-06 | 2018-09-06 | 土壌改質判定装置、及び異物除去方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020041801A JP2020041801A (ja) | 2020-03-19 |
JP7137801B2 true JP7137801B2 (ja) | 2022-09-15 |
Family
ID=69799314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018166670A Active JP7137801B2 (ja) | 2018-09-06 | 2018-09-06 | 土壌改質判定装置、及び異物除去方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7137801B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SG10201902144RA (en) * | 2019-03-11 | 2020-10-29 | Housing And Dev Board | Apparatus, system and method for classification of soil and soil types |
JP7299570B2 (ja) * | 2020-12-18 | 2023-06-28 | 学校法人 名城大学 | 土中異物除去装置及び土中異物除去方法 |
CN115659868B (zh) * | 2022-11-01 | 2023-06-16 | 武汉大学 | 水热耦合的土壤水深度学习方法和土壤水热运移监测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160223506A1 (en) | 2015-01-30 | 2016-08-04 | AgriSight, Inc. | System and method for crop health monitoring |
JP2017181289A (ja) | 2016-03-30 | 2017-10-05 | 株式会社大林組 | 土質区分装置及び土質区分方法 |
JP2018066613A (ja) | 2016-10-18 | 2018-04-26 | 鹿島建設株式会社 | 土質判定方法及びシステム |
US20180174291A1 (en) | 2016-12-21 | 2018-06-21 | Massachusetts Institute Of Technology | Determining soil state and controlling equipment based on captured images |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4201549A (en) * | 1978-06-08 | 1980-05-06 | Dialytic Electrolysis Laboratorium (Proprietary) Limited | Soil testing apparatus and method |
JP2908553B2 (ja) * | 1990-10-24 | 1999-06-21 | オリンパス光学工業株式会社 | 免疫学的反応パターンの判定装置 |
JPH0793550A (ja) * | 1993-09-28 | 1995-04-07 | Fujitsu Ltd | 類似度検出装置 |
-
2018
- 2018-09-06 JP JP2018166670A patent/JP7137801B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160223506A1 (en) | 2015-01-30 | 2016-08-04 | AgriSight, Inc. | System and method for crop health monitoring |
JP2017181289A (ja) | 2016-03-30 | 2017-10-05 | 株式会社大林組 | 土質区分装置及び土質区分方法 |
JP2018066613A (ja) | 2016-10-18 | 2018-04-26 | 鹿島建設株式会社 | 土質判定方法及びシステム |
US20180174291A1 (en) | 2016-12-21 | 2018-06-21 | Massachusetts Institute Of Technology | Determining soil state and controlling equipment based on captured images |
Non-Patent Citations (3)
Title |
---|
熊谷隆宏,人工知能技術による土質推定に基づく埋立管理システムの開発,土木学会論文集B3(海洋開発),2020年,Vol.76 No.2,Page.I_720-I_725 |
稲積真哉,土質区分判定をサポートする人工知能システムの開発,地盤工学ジャーナル,2020年,Vol.15 No.3 ,Page.653-663 |
荻野晃,ディープラーニングを用いた画像分析による土質の分類に関する検討,第7回環境放射能除染研究発表会要旨集,2018年,Page.17,https://f-archive.jaea.go.jp/dspace/handle/faa/157452 |
Also Published As
Publication number | Publication date |
---|---|
JP2020041801A (ja) | 2020-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7137801B2 (ja) | 土壌改質判定装置、及び異物除去方法 | |
Yang et al. | Development of image recognition software based on artificial intelligence algorithm for the efficient sorting of apple fruit | |
CN110059698A (zh) | 用于街景理解的基于边缘稠密重建的语义分割方法及系统 | |
CN113469074B (zh) | 基于孪生注意力融合网络的遥感图像变化检测方法及系统 | |
Dotel et al. | Disaster assessment from satellite imagery by analysing topographical features using deep learning | |
Dabholkar et al. | Smart illegal dumping detection | |
Yu et al. | SNNFD, spiking neural segmentation network in frequency domain using high spatial resolution images for building extraction | |
CN111597932A (zh) | 基于卷积神经网络的道路裂缝图像识别方法、装置及系统 | |
Ståhl et al. | Identifying wetland areas in historical maps using deep convolutional neural networks | |
Tharani et al. | Attention neural network for trash detection on water channels | |
CN103971120A (zh) | 基于空时极向局部二值模式的极光图像序列分类方法 | |
Maiya et al. | Slum segmentation and change detection: A deep learning approach | |
Baek et al. | Data augmentation using adversarial training for construction-equipment classification | |
Kuchi et al. | A machine learning approach to detecting cracks in levees and floodwalls | |
Gao et al. | SHREC 2023: Point cloud change detection for city scenes | |
US11748865B2 (en) | Hierarchical image decomposition for defect detection | |
Idjaton et al. | Detection of limestone spalling in 3D survey images using deep learning | |
CN113505780A (zh) | 一种基于二维码的智能检测维保的方法和设备 | |
Sirimewan et al. | Deep learning-based models for environmental management: Recognizing construction, renovation, and demolition waste in-the-wild | |
CN114445767B (zh) | 一种传输带传输异物检测方法及系统 | |
CN105096334B (zh) | 一种矿区监测方法和系统 | |
Coca et al. | Automatic tarmac crack identification application | |
Alfredsen et al. | Towards an automatic characterization of riverscape development by deep learning | |
CN103559683A (zh) | 基于多视图流行低秩表示的受损图像修复方法 | |
CN110827243B (zh) | 网格梁覆盖区域异常检测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20181003 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210520 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220316 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220322 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220511 |
|
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: 20220628 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220706 |
|
R155 | Notification before disposition of declining of application |
Free format text: JAPANESE INTERMEDIATE CODE: R155 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220823 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7137801 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |