JP7160254B2 - 試験装置、試験方法、及び試験プログラム - Google Patents

Description

本発明は、試験装置、試験方法、及び試験プログラムに関する。

従来、コンクリート構造物に対して超音波測定を行い、測定結果を用いてコンクリート構造物の品質を非破壊試験により評価するコンクリートの品質評価方法が提案されている（例えば、特許文献１）。

また、コンクリート構造物を撮影して得られた画像データと、機械学習によって得られた基準情報とを用いて、コンクリート構造物の施工品質を評価する施工品質評価プログラムが提案されている（例えば、特許文献２）。

特開２００７－３３３４９８号公報 特開２０１６－１４２６０１号公報

上記特許文献１に記載の技術では、超音波センサ等の特別な装置が必要であったり、コンクリートの品質である物理特性が既知であって互いに透過距離の異なる２個以上のコンクリート構造物が必要であったりする。すなわち、特許文献１に記載の技術では、コンクリートの品質を簡易に評価することができない場合がある。

また、上記特許文献２に記載の技術では、建物の外観を撮影して得られた画像を用いるため、この画像にはコンクリートに含まれる骨材等は含まれない場合が多い。この場合、コンクリートの品質を精度良く評価することができない場合がある。

本発明は上記事実を考慮して、試験対象のコンクリートが用いられた構造物の耐震性能に影響を及ぼす情報を簡易に、かつ精度良く得ることを目的とする。

上記目的を達成するために、本発明の試験装置は、試験対象のコンクリートに対してコア抜きを行って得られた試験体を撮影して得られた画像を示す画像データを取得する取得部と、前記取得部により取得された画像データと、学習用の試験体の画像を示す画像データ及び前記学習用の試験体の耐震性能に影響を及ぼす情報を含む教師データを用いて予め学習された学習済みモデルとに基づいて、前記試験対象の試験体の耐震性能に影響を及ぼす情報を出力する出力部と、を含む。

本発明の試験装置によれば、コア抜きを行って得られた試験体を撮影して得られた画像を示す画像データと予め学習された学習済みモデルとに基づいて、試験体の耐震性能に影響を及ぼす情報を出力している。従って、試験対象のコンクリートが用いられた構造物の耐震性能に影響を及ぼす情報を簡易に、かつ精度良く得ることができる。

なお、本発明の試験装置は、前記耐震性能に影響を及ぼす情報が、前記試験体の強度を表す情報、耐久性を表す情報、及び剛性を表す情報の少なくとも１つを含んでもよい。これにより、構造物の耐震性能を精度良く推定するための情報を簡易に、かつ精度良く得ることができる。

また、本発明の試験装置は、前記強度を表す情報が、前記試験体の圧縮強度を含んでもよい。これにより、コンクリートの圧縮強度を簡易に、かつ精度良く得ることができる。

また、本発明の試験装置は、前記試験対象のコンクリートが、鉄筋コンクリートであり、前記耐久性を表す情報が、前記試験体の中性化深さを含んでもよい。コンクリートの中性化深さは鉄筋の錆び易さに影響を及ぼし、また、鉄筋が錆び易いほど、コンクリートの耐久性が低下し易い。従って、鉄筋コンクリートの耐久性を簡易に、かつ精度良く得ることができる。

また、本発明の試験装置は、前記剛性を表す情報が、前記試験体のヤング係数を含んでもよい。これにより、コンクリートのヤング係数を簡易に、かつ精度良く得ることができる。

また、上記目的を達成するために、本発明の試験方法は、試験対象のコンクリートに対してコア抜きを行って得られた試験体を撮影して得られた画像を示す画像データを取得し、取得した画像データと、学習用の試験体の画像を示す画像データ及び前記学習用の試験体の耐震性能に影響を及ぼす情報を含む教師データを用いて予め学習された学習済みモデルとに基づいて、前記試験対象の試験体の耐震性能に影響を及ぼす情報を出力する処理をコンピュータが実行するものである。従って、上記試験装置と同様に、試験対象のコンクリートが用いられた構造物の耐震性能に影響を及ぼす情報を簡易に、かつ精度良く得ることができる。

また、上記目的を達成するために、本発明の試験プログラムは、試験対象のコンクリートに対してコア抜きを行って得られた試験体を撮影して得られた画像を示す画像データを取得し、取得した画像データと、学習用の試験体の画像を示す画像データ及び前記学習用の試験体の耐震性能に影響を及ぼす情報を含む教師データを用いて予め学習された学習済みモデルとに基づいて、前記試験対象の試験体の耐震性能に影響を及ぼす情報を出力する処理をコンピュータに実行させるためのものである。従って、上記試験装置と同様に、試験対象のコンクリートが用いられた構造物の耐震性能に影響を及ぼす情報を簡易に、かつ精度良く得ることができる。

本発明によれば、試験対象のコンクリートが用いられた構造物の耐震性能に影響を及ぼす情報を簡易に、かつ精度良く得ることができる。

実施形態に係る試験装置のハードウェア構成の一例を示すブロック図である。 実施形態に係る教師データの一例を示す図である。 実施形態に係る試験装置の機能的な構成の一例を示すブロック図である。 実施形態に係る学習済みモデルの一例を示す図である。 実施形態に係る学習処理の一例を示すフローチャートである。 実施形態に係る出力処理の一例を示すフローチャートである。

以下、図面を参照して、本発明を実施するための形態例を詳細に説明する。なお、本実施形態では、一例として、建物等の構造物の壁及び柱等のコンクリートに対してコア抜きを行って得られた円柱状の試験体の耐震性能に影響を及ぼす情報を、機械学習によって得られた学習済みモデルを用いて得る形態例を説明する。また、本実施形態では、上記コンクリートとして鉄筋コンクリートを適用した形態例を説明する。また、以下では、コンクリートに対してコア抜きを行って得られた円柱状の試験体を単に「試験体」という。

まず、図１を参照して、本実施形態に係る試験装置１０のハードウェア構成を説明する。図１に示すように、試験装置１０は、ＣＰＵ（Central Processing Unit）１１、一時記憶領域としてのメモリ１２、及び不揮発性の記憶部１３を含む。また、試験装置１０は、液晶ディスプレイ等の表示装置１４、キーボードとマウス等の入力装置１５、及び外部装置との通信を行う際に用いられるネットワークＩ／Ｆ（InterFace）１６を含む。ＣＰＵ１１、メモリ１２、記憶部１３、表示装置１４、入力装置１５、及びネットワークＩ／Ｆ１６は、バス１７に接続される。なお、試験装置１０の例としては、パーソナルコンピュータ、又はサーバコンピュータ等の情報処理装置が挙げられる。

記憶部１３には、教師データ２０、学習済みモデル２２、及び試験プログラム２４が記憶される。図２に、教師データ２０の一例を示す。図２に示すように、教師データ２０は、試験体をデジタルカメラ等の撮影装置により撮影して得られた画像を示す画像データと、その試験体に対して試験を行って得られた試験体の耐震性能に影響を及ぼす情報とを、複数組含む。

本実施形態では、一例として図２に示すように、試験体の画像として、円柱状の試験体における壁及び柱等の表面を構成していた面とは逆側（すなわち、壁及び柱等の内部側）の円状の面を撮影して得られた画像を適用した場合について説明する。また、本実施形態では、耐震性能に影響を及ぼす情報として、試験体の強度を表す情報の一例としての圧縮強度、試験体の耐久性を表す情報の一例としての表面からの中性化深さ、及び試験体の剛性を表す情報の一例としてのヤング係数を適用した場合について説明する。また、教師データ２０は、後述する機械学習に用いられる。すなわち、教師データ２０に含まれる画像データは学習用の画像データであり、耐震性能に影響を及ぼす情報は学習用の情報である。学習済みモデル２２については後述する。

次に、図３を参照して、本実施形態に係る試験装置１０の機能的な構成を説明する。図３に示すように、試験装置１０は、学習部３０、取得部３２、及び出力部３４を含む。試験装置１０のＣＰＵ１１が記憶部１３に記憶された試験プログラム２４を実行することにより、学習部３０、取得部３２、及び出力部３４として機能する。

学習部３０は、記憶部１３に記憶された教師データ２０を用いて、試験体を撮影して得られた画像データを入力とし、試験体の圧縮強度、中性化深さ、及びヤング係数を出力としたモデルを学習させることによって、学習済みモデル２２を生成する。教師データ２０は、既に試験体に試験を行って得られたデータであるため、過去の試験体に関する情報が学習済みモデル２２へ反映される。

本実施形態に係る学習部３０は、一例として図４に示すような学習済みモデル２２を生成する。図４に示すように、本実施形態では、学習済みモデル２２の一例として入力層、複数の中間層、及び出力層を含むニューラルネットワークを適用し、学習アルゴリズムの一例としてディープラーニングを適用する。

取得部３２は、試験対象のコンクリートに対してコア抜きを行って得られた試験体を撮影して得られた画像を示す画像データを取得する。この画像データも教師データ２０に含まれる画像データと同様に、円柱状の試験体における壁及び柱等の表面を構成していた面とは逆側の円状の面を撮影して得られた画像を示す画像データである。

出力部３４は、取得部３２により取得された画像データと、学習部３０により予め学習された学習済みモデル２２とに基づいて、試験対象の試験体の圧縮強度、中性化深さ、及びヤング係数を出力する。本実施形態では、出力部３４は、取得部３２により取得された画像データを学習済みモデル２２に入力し、その入力に対応して学習済みモデル２２から出力された圧縮強度、中性化深さ、及びヤング係数を得る。そして、出力部３４は、得られた圧縮強度、中性化深さ、及びヤング係数を表示装置１４に出力する。なお、出力部３４は、得られた圧縮強度、中性化深さ、及びヤング係数を記憶部１３に出力（記憶）してもよい。

次に、図５及び図６を参照して、本実施形態に係る試験装置１０の作用を説明する。試験装置１０が試験プログラム２４を実行することによって、図５に示す学習処理及び図６に示す出力処理を実行する。なお、図５に示す学習処理及び図６に示す出力処理は、例えば、それぞれ、ユーザにより入力装置１５を介して実行指示が入力された場合に実行される。

図５のステップＳ１０で、学習部３０は、記憶部１３に記憶された教師データ２０を取得する。ステップＳ１２で、学習部３０は、前述したように、ステップＳ１０の処理により取得された教師データ２０を用いて、試験体を撮影して得られた画像データを入力とし、試験体の圧縮強度、中性化深さ、及びヤング係数を出力としたモデルを学習させることによって、学習済みモデル２２を生成する。

ステップＳ１４で、学習部３０は、ステップＳ１２の処理により生成された学習済みモデル２２を記憶部１３に記憶する。ステップＳ１４の処理が終了すると、学習処理が終了する。学習処理のステップＳ１４の処理により記憶部１３に記憶された学習済みモデル２２は、図６に示す出力処理で用いられる。

図６のステップＳ２０で、取得部３２は、前述したように、試験対象のコンクリートに対してコア抜きを行って得られた試験体を撮影して得られた画像を示す画像データを取得する。ステップＳ２２で、出力部３４は、記憶部１３に記憶された学習済みモデル２２を読み出す。

ステップＳ２４で、出力部３４は、ステップＳ２０の処理により取得された画像データを、ステップＳ２２の処理により読み出された学習済みモデル２２に入力し、その入力に対応して学習済みモデル２２から出力された圧縮強度、中性化深さ、及びヤング係数を得る。そして、出力部３４は、得られた圧縮強度、中性化深さ、及びヤング係数を表示装置１４に出力する。ステップＳ２４の処理が終了すると、出力処理が終了する。

以上説明したように、本実施形態によれば、コア抜きを行って得られた試験体を撮影して得られた画像を示す画像データと予め学習された学習済みモデル２２とに基づいて、試験体の耐震性能に影響を及ぼす情報を出力している。従って、試験対象のコンクリートが用いられた構造物の耐震性能に影響を及ぼす情報を簡易に、かつ精度良く得ることができる。

また、本実施形態によれば、画像データから試験体の耐震性能に影響を及ぼす情報を得ることができるため、コンクリートに対してコア抜きを行った現地ですぐに試験結果を得ることができる。従って、設計工程の期間が短くなる結果、設計業務の効率化を図ることできる。また、現地で特異値をすぐに把握することができる。また、コンクリートに対してコア抜きを行って得られた試験体を試験機関に持ち込んでの試験を省略することもできる。また、現地での立会いによる専門家の経験に頼っていた判断が自動化されるため、品質向上及び省人化を図ることができる。

なお、上記実施形態では、学習済みモデル２２の入力の画像データとして、円柱状の試験体における壁及び柱等の表面を構成していた面とは逆側の円状の面を撮影して得られた画像を示す画像データを適用した場合について説明したが、これに限定されない。例えば、学習済みモデル２２の入力の画像データとして、試験体の上記円状の面に接する側面を撮影して得られた画像を示す画像データを適用する形態としてもよい。また、例えば、学習済みモデル２２の入力の画像データとして、試験体の上記円状の面を撮影して得られた画像を示す画像データ、及び試験体の上記側面を撮影して得られた画像を示す画像データの双方を適用する形態としてもよい。また、試験体の形状は円柱状に限定されず、角柱状等の他の形状でもよい。

また、上記実施形態では、学習済みモデル２２の出力として、圧縮強度、中性化深さ、及びヤング係数を適用した場合について説明したが、これに限定されない。例えば、学習済みモデル２２の出力として、圧縮強度、中性化深さ、及びヤング係数の何れか１つ又は何れか２つを適用する形態としてもよい。また、例えば、学習済みモデル２２の出力として、耐震性能を表す度合いを適用してもよい。この場合の耐震性能を表す度合いとして、高、中、低の３段階の度合い等が例示される。

また、上記実施形態において、学習済みモデル２２の出力としてヤング係数を含めずに、以下の（１）式に従って、圧縮強度からヤング係数を算出してもよい。なお、（１）式におけるＥはヤング係数［N/mm²］であり、γはコンクリートの気乾単位体積重量［kN/m³］であり、Ｆｃは圧縮強度である。

また、上記実施形態におけるＣＰＵ１１により行われる処理は、プログラムを実行することにより行われるソフトウェア処理として説明したが、ハードウェアで行われる処理としてもよい。また、ＣＰＵ１１により行われる処理は、ソフトウェア及びハードウェアの双方を組み合わせて行われる処理としてもよい。

また、上記各実施形態では、試験プログラム２４が記憶部１３に予め記憶（インストール）されている態様を説明したが、これに限定されない。試験プログラム２４は、ＣＤ－ＲＯＭ（Compact Disk Read Only Memory）、ＤＶＤ－ＲＯＭ（Digital Versatile Disk Read Only Memory）、及びＵＳＢ（Universal Serial Bus）メモリ等の記録媒体に記録された形態で提供されてもよい。また、試験プログラム２４は、ネットワークを介して外部装置からダウンロードされる形態としてもよい。

１０ 試験装置
１１ ＣＰＵ
１２ メモリ
１３ 記憶部
１４ 表示装置
１５ 入力装置
１６ ネットワークＩ／Ｆ
１７ バス
２０ 教師データ
２２ 学習済みモデル
２４ 試験プログラム
３０ 学習部
３２ 取得部
３４ 出力部

Claims (7)

1. 試験対象のコンクリートに対してコア抜きを行って得られた試験体を撮影して得られた画像を示す画像データを取得する取得部であって、前記画像は前記コンクリートの表面を構成していた面とは逆側の面を撮影して得られた、画像データを取得する取得部と、
   前記取得部により取得された画像データと、学習用の試験体の画像を示す画像データ及び前記学習用の試験体のコンクリートが用いられた構造物の耐震性能に影響を及ぼす情報を含む教師データを用いて予め学習された学習済みモデルとに基づいて、前記試験対象の試験体のコンクリートが用いられた構造物の耐震性能に影響を及ぼす情報を出力する出力部と、
   を含み、
   前記耐震性能に影響を及ぼす情報は、前記試験体の強度を表す情報、耐久性を表す情報、及び剛性を表す情報の少なくとも１つを含む
   試験装置。
2. 前記耐震性能に影響を及ぼす情報は、前記試験体の強度を表す情報、耐久性を表す情報、及び剛性を表す情報を含む
   請求項１に記載の試験装置。
3. 前記強度を表す情報は、前記試験体の圧縮強度を含む
   請求項２に記載の試験装置。
4. 前記試験対象のコンクリートは、鉄筋コンクリートであり、
   前記耐久性を表す情報は、前記試験体の中性化深さを含む
   請求項２に記載の試験装置。
5. 前記剛性を表す情報は、前記試験体のヤング係数を含む
   請求項２に記載の試験装置。
6. 試験対象のコンクリートに対してコア抜きを行って得られた試験体を撮影して得られた画像を示す画像データを取得し、
   取得した画像データと、学習用の試験体の画像を示す画像データ及び前記学習用の試験体のコンクリートが用いられた構造物の耐震性能に影響を及ぼす情報を含む教師データを用いて予め学習された学習済みモデルとに基づいて、前記試験対象の試験体のコンクリートが用いられた構造物の耐震性能に影響を及ぼす情報を出力する
   処理をコンピュータが実行する試験方法であって、
   前記画像は前記コンクリートの表面を構成していた面とは逆側の面を撮影して得られ、
   前記耐震性能に影響を及ぼす情報は、前記試験体の強度を表す情報、耐久性を表す情報、及び剛性を表す情報の少なくとも１つを含む
   試験方法。
7. 試験対象のコンクリートに対してコア抜きを行って得られた試験体を撮影して得られた画像を示す画像データを取得し、
   取得した画像データと、学習用の試験体の画像を示す画像データ及び前記学習用の試験体のコンクリートが用いられた構造物の耐震性能に影響を及ぼす情報を含む教師データを用いて予め学習された学習済みモデルとに基づいて、前記試験対象の試験体のコンクリートが用いられた構造物の耐震性能に影響を及ぼす情報を出力する
   処理をコンピュータに実行させるための試験プログラムであって、
   前記画像は前記コンクリートの表面を構成していた面とは逆側の面を撮影して得られ、
   前記耐震性能に影響を及ぼす情報は、前記試験体の強度を表す情報、耐久性を表す情報、及び剛性を表す情報の少なくとも１つを含む
   試験プログラム。

Images