JP7176650B2 - 磁気検知システム、磁気信号の波形パターン分類方法、および、磁気検知システム用の波形パターン分布作成方法 - Google Patents

磁気検知システム、磁気信号の波形パターン分類方法、および、磁気検知システム用の波形パターン分布作成方法 Download PDF

Info

Publication number
JP7176650B2
JP7176650B2 JP2021566809A JP2021566809A JP7176650B2 JP 7176650 B2 JP7176650 B2 JP 7176650B2 JP 2021566809 A JP2021566809 A JP 2021566809A JP 2021566809 A JP2021566809 A JP 2021566809A JP 7176650 B2 JP7176650 B2 JP 7176650B2
Authority
JP
Japan
Prior art keywords
magnetic
waveform pattern
waveform
magnetic sensor
signal
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
Application number
JP2021566809A
Other languages
English (en)
Other versions
JPWO2021131158A1 (ja
Inventor
剛士 大野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shimadzu Corp
Original Assignee
Shimadzu Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shimadzu Corp filed Critical Shimadzu Corp
Publication of JPWO2021131158A1 publication Critical patent/JPWO2021131158A1/ja
Application granted granted Critical
Publication of JP7176650B2 publication Critical patent/JP7176650B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/02—Measuring direction or magnitude of magnetic fields or magnetic flux
    • G01R33/0206—Three-component magnetometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/08—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices
    • G01V3/081—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices the magnetic field is produced by the objects or geological structures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/0005—Geometrical arrangement of magnetic sensor elements; Apparatus combining different magnetic sensor types
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/0023—Electronic aspects, e.g. circuits for stimulation, evaluation, control; Treating the measured signals; calibration
    • G01R33/0029—Treating the measured signals, e.g. removing offset or noise
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/02—Measuring direction or magnitude of magnetic fields or magnetic flux
    • G01R33/06—Measuring direction or magnitude of magnetic fields or magnetic flux using galvano-magnetic devices
    • G01R33/09—Magnetoresistive devices
    • G01R33/091—Constructional adaptation of the sensor to specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/02—Measuring direction or magnitude of magnetic fields or magnetic flux
    • G01R33/10—Plotting field distribution ; Measuring field distribution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Electromagnetism (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Measuring Magnetic Variables (AREA)

Description

本発明は、磁気検知システム、磁気信号の波形パターン分類方法、および、磁気検知システム用の波形パターン分布作成方法に関する。
従来、磁気センサによって磁性体の検知を行う磁気検知システムが知られている。このような、磁気検知システムは、特開２０１３－１５６２２５号公報に開示されている。
特開２０１３－１５６２２５号公報には、磁気センサと、磁気センサにより取得される磁気信号が磁性体に由来する信号か否かを判定する判定手段とを備える磁気検知システムが開示されている。特開２０１３－１５６２２５号公報に記載の磁気検知システムでは、磁気センサにより取得される磁気信号の波形パターンと、複数の標準波形パターンとに基づいて、磁気センサから取得した磁気信号が磁性体に由来する磁気信号か、ノイズに由来する磁気信号かを判定して、磁性体を検知するように構成されている。
特開２０１３－１５６２２５号公報
ここで、磁気センサに対して、検知した磁性体がどの方向に向かって移動しているのか（近づいているのか、または、遠ざかっているのか）という磁性体の進行方向の情報は、磁性体の接近および通過の有無を監視するユーザにとって、重要な情報となる。しかしながら、特開２０１３－１５６２２５号公報に記載の磁気検知システムでは、磁気センサにより取得される磁気信号の波形パターンと、複数の標準波形パターンとに基づいて、磁気センサから取得した磁気信号が磁性体に由来する信号か、ノイズに由来する磁気信号かを判定して、磁性体を検知することができるものの、磁気センサにより取得した磁気信号から磁性体の進行方向を判別することはできない。そのため、磁気センサにより取得した磁気信号から磁性体の進行方向を判別可能にすることが望まれている。
この発明は、上記のような課題を解決するためになされたものであり、この発明の１つの目的は、磁気センサにより取得した磁気信号から磁性体の進行方向を判別可能な磁気検知システム、磁気信号の波形パターン分類方法、および、磁気検知システム用の波形パターン分布作成方法を提供することである。
この発明の第１の局面における磁気検知システムは、水中に設けられ、磁気信号を取得する磁気センサと、磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習により学習することによって、波形パターンごとにそれぞれの特徴が重み付けられて結合して生成される複数の全結合層に基づいて作成される波形パターン分布と、磁気センサによって取得された磁気信号の波形パターンにおける特徴とに基づいて、磁気センサによって取得された磁気信号の波形パターンを分類するように構成されている波形パターン分類部とを備える。
この発明の第２の局面における磁気信号の波形パターン分類方法は、水中に設けられた磁気センサにより磁気信号を取得するステップと、磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習された学習済みモデルに対して、磁気センサが取得した磁気信号を入力するステップと、学習済みモデルに入力された磁気センサが取得した磁気信号の波形パターンにおける特徴が重み付けられて結合されたセンサ信号全結合層を学習済みモデルを用いて、生成するステップと、磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習により学習することによって波形パターンごとにそれぞれの特徴が重み付けられて結合して生成される複数の全結合層に基づいて作成される複数の信号の波形パターンの分布である波形パターン分布と、学習済みモデルを用いて生成されたセンサ信号全結合層とに基づいて、磁気センサによって取得された磁気信号の波形パターンを分類するステップとを含む。
この発明の第３の局面における磁気検知システム用の波形パターン分布作成方法は、磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習により学習するステップと、磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習された学習済みモデルを用いて、波形パターンごとにそれぞれの特徴が重み付けられて結合された複数の全結合層を生成するステップと、複数の全結合層に基づいて、磁気センサによって取得された磁気信号の波形パターンを分類するために用いられる複数の信号の波形パターンの分布である波形パターン分布を作成するステップとを含む。
ここで、本願発明者は、磁気センサにより取得される磁気信号の波形パターンと、磁気センサに対する磁性体の相対位置および進行方向との間には相関関係があることに着目した。そして、本願発明者が鋭意検討した結果、本願発明者は、機械学習により学習することによって、複数の信号の波形パターンごとにそれぞれの特徴が重み付けられて結合した複数の全結合層に基づいて作成した波形パターン分布において、磁気センサに対する磁性体の相対位置および進行方向と相関関係がある波形パターンによって分布が分かれていることを見出し、本願発明を想到するに至った。
本発明の第１の局面による磁気検知システムでは、上記のように、磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンごとにそれぞれの特徴が重み付けられて生成される複数の全結合層に基づいて、波形パターン分布が作成される。そして、波形パターン分類部により、波形パターン分布と、磁気センサによって取得された磁気信号の波形パターンにおける特徴とに基づいて、磁気センサによって取得された磁気信号の波形パターンを分類するように構成されている。これにより、複数の信号の波形パターンごとにそれぞれの特徴が重み付けられて生成される複数の全結合層に基づいて作成された波形パターン分布を用いて、磁気センサによって取得された磁気信号の波形パターンにおける特徴から、磁気センサによって取得された磁気信号の波形パターンを分類することができる。そして、磁気信号の波形パターンと磁気センサに対する磁性体の相対位置および進行方向との間には相関関係があるので、磁気信号の波形パターンの分類結果に基づいて、磁気センサに対する磁性体の相対位置および進行方向を判別することができる。その結果、磁気センサにより取得した磁気信号から磁性体の進行方向を判別可能な磁気検知システムを提供することができる。
本発明の第２の局面による磁気信号の波形パターン分類方法では、上記のように、磁気センサが取得した磁気信号の波形パターンにおける特徴が重み付けられて結合されたセンサ信号全結合層を学習済みモデルを用いて、生成する。そして、複数の信号の波形パターンごとにそれぞれの特徴が重み付けられて結合して生成される複数の全結合層に基づいて複数の信号の波形パターンの分布である波形パターン分布を作成して、センサ信号全結合層と、波形パターン分布と、に基づいて、磁気センサによって取得された磁気信号の波形パターンを分類する。これにより、複数の信号の波形パターンごとにそれぞれの特徴が重み付けられて生成される複数の全結合層に基づいて作成された波形パターン分布を用いて、磁気センサが取得した磁気信号の波形パターンにおける特徴が重み付けられて結合されたセンサ信号全結合層から、磁気センサによって取得された磁気信号の波形パターンを分類することができる。そして、磁気信号の波形パターンと磁気センサに対する磁性体の相対位置および進行方向との間には相関関係があるので、磁気信号の波形パターンの分類結果に基づいて、磁気センサに対する磁性体の相対位置および進行方向を判別することができる。その結果、磁気センサにより取得した磁気信号から磁性体の進行方向を判別可能な磁気信号の波形パターン分類方法を提供することができる。
本発明の第３の局面による磁気検知システム用の波形パターン分布作成方法では、上記のように、磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンごとにそれぞれの特徴が重み付けられて結合された複数の全結合層に基づいて、複数の信号の波形パターンの分布である波形パターン分布を作成する。これにより、作成された波形パターン分布を磁気検知システムにおいて用いることによって、磁気センサによって取得された磁気信号の波形パターンにおける特徴から、磁気センサによって取得された磁気信号の波形パターンを分類することができる。そして、磁気信号の波形パターンと磁気センサに対する磁性体の相対位置および進行方向との間には相関関係があるので、磁気信号の波形パターンの分類結果に基づいて、磁気センサに対する磁性体の相対位置および進行方向を判別することができる。その結果、磁気センサにより取得した磁気信号から磁性体の進行方向を判別可能な磁気検知システム用の波形パターン分布作成方法を提供することができる。
本発明の一実施形態による磁気検知システムの全体構成を示した模式図である。 本発明の一実施形態による磁気検知システムの全体構成を示したブロック図である。 本発明の一実施形態の学習済みモデルを説明するための図である。 磁気センサに対する磁性体の相対位置および進行方向を示した第１図である。 図４のように磁性体が移動した場合における磁気センサが取得した磁気信号の波形パターンを示した図である。 磁気センサに対する磁性体の相対位置および進行方向を示した第２図である。 図６のように磁性体が移動した場合における磁気センサが取得した磁気信号の波形パターンを示した図である。 磁気センサに対する磁性体の相対位置および進行方向を示した第３図である。 図８のように磁性体が移動した場合における磁気センサが取得した磁気信号の波形パターンを示した図である。 磁気センサに対する磁性体の相対位置および進行方向を示した第４図である。 図１０のように磁性体が移動した場合における磁気センサが取得した磁気信号の波形パターンを示した図である。 本発明の一実施形態の波形パターン分布作成の一例を示した図である。 学習済みモデルにより作成される波形パターン分布の一例である。 波形パターン分布における波形パターンを示した第１図である。 波形パターン分布における波形パターンを示した第２図である。 波形パターン分布における波形パターンを示した第３図である。 本発明の一実施形態の磁気検知システムによる波形パターンの判定および分類の一例を示した図である。 表示部による判定結果および推定結果の表示の一例を示した第１図である。 表示部による判定結果および推定結果の表示の一例を示した第２図である。 本発明の一実施形態による波形パターン分布作成処理の一例を示したフローチャートである。 本発明の一実施形態による進行方向推定処理の一例を示したフローチャートである。 本発明の一実施形態による磁気検知システムの第１変形例を示したブロック図である。 本発明の一実施形態による磁気検知システムの第２変形例を示したブロック図である。 本発明の一実施形態による磁気検知システムの第３変形例を示したブロック図である。 本発明の一実施形態による磁気検知システムの第４変形例を示したブロック図である。
以下、本発明を具体化した実施形態を図面に基づいて説明する。
（磁気検知システムの全体構成）
図１および図２を参照して、本発明の一実施形態による磁気検知システム１００の全体構成について説明する。
本実施形態による磁気検知システム１００は、図１に示すように、検知領域１０に設置された複数の磁気センサ１、受信部２、および、コンピュータ３、を備える。本実施形態による磁気検知システム１００は、磁性体２００に起因する磁気信号１１を検知することによって、磁性体２００の接近を検知するシステムである。また、本実施形態において、磁気検知システム１００は、複数の磁気センサ１によって取得された磁気信号１１の波形パターンを分類することにより、複数の磁気センサ１に対する磁性体２００の進行方向を推定するように構成されている。
磁性体２００の検知領域１０への接近（侵入）を監視するユーザは、後述する磁気検知システム１００によって出力される判定結果８１（図３参照）および推定結果８４（図１７参照）を基づいて（表示部３２を視認することによって）磁性体２００の通過の有無を把握することが可能であるとともに、磁性体２００の進行方向を推定することが可能である。複数の磁気センサ１は、たとえば、港湾などに設けられている。また、磁性体２００は、船舶およびダイバー（潜水士）などを含む。
複数の磁気センサ１は、図１に示すように、水中（海中）に設けられ、磁気信号１１を取得するように構成されている。本実施形態では、複数の磁気センサ１は、磁性体２００の接近の有無を検知する検知領域１０に複数設置されている。複数の磁気センサ１は、第１磁気センサ１ａ、第２磁気センサ１ｂ、第３磁気センサ１ｃ、第４磁気センサ１ｄ、第５磁気センサ１ｅ、第６磁気センサ１ｆ、第７磁気センサ１ｇ、および、第８磁気センサ１ｈを含む。複数の磁気センサ１の各々は、互いに離間して設置されており、受信部２と有線接続されている。複数の磁気センサ１は、磁性体２００が検知領域１０に接近することに起因する磁気信号１１を取得する。
また、複数の磁気センサ１は、たとえば、取得した磁気信号１１を、光信号として、陸上に設置された受信部２に出力するように構成されている。そして、複数の磁気センサ１は、所定のサンプリング周期によって取得した磁気信号１１を出力するように構成されている。複数の磁気センサ１は、たとえば、フラックスゲート型センサを含む。また、複数の磁気センサ１は、１つの軸のみにより、磁気信号１１を取得するセンサでもよいし、３軸（Ｘ軸、Ｙ軸、および、Ｚ軸）など複数の軸方向において、磁気信号１１を取得するセンサでもよい。また、本実施形態では、所定のサンプリング周期は、０．５秒として設定されている。なお、所定のサンプリング周期は、任意に変更可能である。
受信部２は、複数の磁気センサ１と有線接続されており、複数の磁気センサ１によって取得された磁気信号１１を受信する。そして、受信部２は、受信した光信号である磁気信号１１を電気信号に変換する。また、受信部２は、コンピュータ３と有線接続されているとともに、電気信号に変換された磁気信号１１をコンピュータ３に送信する。なお、複数の磁気センサ１と受信部２との接続、および、受信部２とコンピュータ３との接続は無線接続に接続されてもよい。
コンピュータ３は、図２に示すように、操作部３１と、表示部３２と、制御部３３と、記憶部３４とを含む。コンピュータ３は、たとえば、陸上の監視施設においてユーザが用いるコンピュータ端末である。
操作部３１は、ユーザによる入力操作を受け付ける。操作部３１は、たとえば、キーボードおよびマウスなどのポインティングデバイスを含む。
表示部３２は、制御部３３による制御によって、複数の磁気センサ１によって取得された磁気信号１１と、後述する学習済みモデル５１によって出力された判定結果８１（図３参照）と、後述する進行方向推定部３３ｄによって出力された磁性体２００の進行方向を推定した結果である推定結果８４（図１７参照）とを表示するように構成されている。表示部３２による磁気信号１１、判定結果８１、および、推定結果８４の表示については、後述する。表示部３２は、たとえば、液晶ディスプレイを含む。
記憶部３４は、制御部３３による制御によって、磁気信号１１を記憶する。また、記憶部３４は、磁気センサ１によって取得された磁気信号１１を含む測定データ４０を取得する。測定データ４０は、磁気信号１１に加えて、検知領域１０における磁気センサ１の位置情報４０ａと、磁気信号１１を取得した時刻についての時刻情報４０ｂとを含む。また、記憶部３４は、後述する学習済みモデル５１を含む生成部５０、波形パターン分布６０、制御部３３が実行する各種プログラムなどを記憶する。なお、生成部５０は、複数の学習済みモデルを含んでもよいし、学習済みモデル５１とは異なる学習が行われた学習済みモデルを学習済みモデル５１とともに含んでもよい。記憶部３４は、たとえば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）または不揮発性メモリなどを含む。
本実施形態では、生成部５０は、後述するように、複数の磁気センサ１によって取得され生成部５０の学習済みモデル５１に入力された磁気信号１１の入力データである入力層５１ａ（図３参照）に基づいて、全結合層５１ｃ（図３参照）を生成する。
さらに、生成部５０は、後述するように、生成した全結合層５１ｃに基づいて、複数の磁気センサ１によって取得された各々の磁気信号１１が磁性体２００であるか否かの判定結果８１（図３参照）を出力する出力層５１ｄ（図３参照）を磁気センサ１ごとに生成するように構成されている。出力層５１ｄは、生成部５０の学習済みモデル５１に入力された磁気信号１１の入力データである入力層５１ａに基づいて、生成される。
学習済みモデル５１は、記憶部３４に格納（記憶）された学習済みニューラルネットワークモデルである。学習済みモデル５１の詳細については、後述する。
波形パターン分布６０は、後述するように、複数の磁気センサ１に対する磁性体２００の相対位置および進行方向に応じた複数の信号の波形パターンを入力データ６１（図１２参照）として機械学習により学習することによって、波形パターンごとにそれぞれの特徴が重み付けられて結合して生成される複数の全結合層５２ｃ（図１２参照）に基づいて作成される。
制御部３３は、機能的な構成として、前処理部３３ａ、分類部３３ｃ、次元圧縮部３３ｂ、進行方向推定部３３ｄ、および、表示制御部３３ｅを含む。すなわち、制御部３３は、プログラムを実行することによって、前処理部３３ａ、次元圧縮部３３ｂ、分類部３３ｃ、進行方向推定部３３ｄ、および、表示制御部３３ｅとして機能する。制御部３３は、たとえば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、および、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などを含む。
前処理部３３ａは、磁気信号１１の前処理を行うように構成されている。すなわち、前処理部３３ａは、取得された磁気信号１１のうちの高周波ノイズ成分を除去する。前処理部３３ａは、たとえば、ローパスフィルタを含む。
次元圧縮部３３ｂは、後述するように、学習済みモデル５１により生成された全結合層５１ｃ（図３参照）からの出力に対して、次元圧縮を行うように構成されている。次元圧縮部３３ｂは、次元圧縮アルゴリズムにより、全結合層５１ｃの出力を次元圧縮する。次元圧縮アルゴリズムは、ｔ－ＳＮＥ（Ｓｔｏｃｈａｓｔｉｃ Ｎｅｉｇｈｂｏｒ Ｅｍｂｅｄｄｉｎｇ）およびＰＣＡ（Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ）などのいずれかを含む。なお、本実施形態では、次元圧縮部３３ｂの次元圧縮アルゴリズムとして、ｔ－ＳＮＥを用いた例を説明する。
分類部３３ｃは、波形パターン分布６０と、複数の磁気センサ１によって取得された磁気信号１１の波形パターンにおける特徴とに基づいて、複数の磁気センサ１によって取得された磁気信号１１の波形パターンを分類するように構成されている。なお、分類部３３ｃは、請求の範囲に記載の「波形パターン分類部」の一例である。
進行方向推定部３３ｄは、複数の磁気センサ１によって取得された磁気信号１１の波形パターンに対する分類部３３ｃによる分類に基づいて、複数の磁気センサ１に対する磁性体２００の進行方向を推定するように構成されている。
表示制御部３３ｅは、表示部３２の表示の制御を行うように構成されている。表示制御部３３ｅは、磁気信号１１、判定結果８１、および、推定結果８４に基づいて、表示部３２の表示の制御を行う。
（学習済みモデルの構成）
次に図３を参照して、本実施形態による磁気検知システム１００の学習済みモデル５１について、説明する。
学習済みモデル５１は、複数の磁気センサ１に対する磁性体２００の相対位置および進行方向に応じた複数の信号の波形パターンを入力データ６１（図３参照）として機械学習されている。
学習済みモデル５１の作成方法（学習方法）には、入力層、畳み込み層、全結合層、および、出力層を含む１次元畳み込みニューラルネットワークモデル（図３参照）が用いられる。本実施形態では、磁性体２００に起因する磁気信号１１をシミュレートすることによって作成された複数のシミュレーション波形と、複数のノイズ波形とを入力データ６１として、１次元畳み込みニューラルネットワークモデルを用いて、機械学習が行われることにより、学習済みモデル５１が作成される。
複数のシミュレーション波形は、複数のパラメータを種々の値に設定することにより網羅的に作成される。複数のパラメータは、たとえば、磁性体２００の磁気の方向、進行方向、速度、水中深度、および、横距（横方向の距離）などを含む。複数のシミュレーション波形は、前処理部３３ａにより前処理された磁気信号１１の波形パターンを大別した４つの波形パターンに基づいて、シミュレートされる。
ここで、前処理部３３ａにより前処理された磁気信号１１の波形パターンを大別した４つの波形パターンについて、図４～図１１を参照して、説明する。
前処理部３３ａにより前処理された磁気信号１１の波形パターンは、複数の磁気センサ１に対する磁性体２００の相対位置および進行方向（図４、図６、図８、および、図１０参照）に応じて、４つの波形パターン（図５、図７、図９、および、図１１）に大別される。なお、図５、図７、図９、および、図１１の縦軸は信号強度であり、横軸は時間である。磁気センサ１により取得され、前処理部３３ａにより前処理された磁気信号１１の波形パターンは、複数の磁気センサ１に対する磁性体２００の相対位置および進行方向との間に相関関係を有する。
図４に示すように、磁気センサ１のＮ極側において、磁性体２００が磁気センサ１を右側に見た状態で、磁気センサ１のＮ極側とＳ極側とが隣り合う方向と直交する方向に位置Ｘａ、Ｘｂ、および、Ｘｃの順に移動する際の波形パターンは、図５に示した第１波形パターン７１のような波形パターンになる。なお、図５に示した時間Ｔｘａは、磁性体２００が位置Ｘａに位置している時の時間であり、時間Ｔｘｂは、磁性体２００が位置Ｘｂに位置している時の時間である。また、時間Ｔｘｃは、磁性体２００が位置Ｘｃに位置している時の時間である。
また、図６に示すように、磁気センサ１のＳ極側において、磁性体２００が磁気センサ１を右側に見た状態で、磁気センサ１のＮ極側とＳ極側とが隣り合う方向と直交する方向に位置Ｘｄ、Ｘｅ、および、Ｘｆの順に移動する際の波形パターンは、図７に示した第２波形パターン７２のような波形パターンになる。なお、図７に示した時間ＴＸｄは、磁性体２００が位置Ｘｄに位置している時の時間であり、時間ＴＸｅは、磁性体２００が位置Ｘｅに位置している時の時間である。また、時間ＴＸｆは、磁性体２００が位置Ｘｆに位置している時の時間である。
また、図８に示すように、磁性体２００が磁気センサ１を右側に見た状態で、磁気センサ１のＮ極側とＳ極側とが隣り合う方向において、位置Ｙａ、Ｙｂ、および、Ｙｃの順に磁気センサ１のＮ極側からＳ極側に移動する際の波形パターンは、図９に示した第３波形パターン７３のような波形パターンになる。なお、図９に示した時間ＴＹａは、磁性体２００が位置Ｙａに位置している時の時間であり、時間ＴＹｂは、磁性体２００が位置Ｙｂに位置している時の時間である。また、時間ＴＹｃは、磁性体２００が位置Ｙｃに位置している時の時間である。
また、図１０に示すように、磁性体２００が磁気センサ１を右側に見た状態で、磁気センサ１のＮ極側とＳ極側とが隣り合う方向において、位置Ｙｄ、Ｙｅ、および、Ｙｆの順に磁気センサ１のＳ極側からＮ極側に移動する際の波形パターンは、図１１に示した第４波形パターン７４のような波形パターンになる。なお、図１１に示した時間ＴＹｄは、磁性体２００が位置Ｙｄに位置している時の時間であり、時間ＴＹｅは、磁性体２００が位置Ｙｅに位置している時の時間である。また、時間ＴＹｆは、磁性体２００が位置Ｙｆに位置している時の時間である。
また、上記の４つの波形パターン（第１波形パターン７１、第２波形パターン７２、第３波形パターン７３、および、第４波形パターン７４）に基づいて、図４、図６、図８、および、図１０に示した以外の磁性体２００の磁気センサ１に対する相対位置および進行方向における波形パターンを算出することが可能である。
本実施形態では、生成部５０は、前述したような機械学習により作成された学習済みモデル５１に対して、磁気センサ１が取得した磁気信号１１を入力することにより、入力された磁気信号１１の波形パターンにおける特徴が重み付けられて結合された磁気センサ１によって取得された磁気信号１１に基づく全結合層である全結合層５１ｃ（図３参照）を生成するように構成されている。
具体的には、学習済みモデル５１に対して、磁気センサ１が取得した磁気信号１１に基づいて生成された磁気波形を入力データ６２として入力することにより、学習済みモデル５１は、入力層５１ａ、畳み込み層５１ｂ、および、全結合層５１ｃ、および、出力層５１ｄを順に生成する。なお、学習済みモデル５１は、畳み込み層５１ｂの後にプーリング層を生成するようにしてもよいし、畳み込み層５１ｂ、プーリング層、および、全結合層５１ｃを複数回生成するように構成してもよい。なお、全結合層５１ｃは、請求の範囲の「センサ信号全結合層」の一例である。
入力層５１ａは、学習済みモデル５１に入力された入力データ６２に生成された層である。畳み込み層５１ｂは、入力層５１ａからの出力が畳み込み演算された層である。そして、全結合層５１ｃは、畳み込み層５１ｂからの出力における磁気信号１１の波形パターンにおける特徴が重み付けられて全結合されるように生成された（磁気信号１１の波形パターンにおける特徴を抽出する）層である。また、出力層５１ｄは、全結合層５１ｃからの出力に基づいて、生成された判定結果８１（識別結果）を出力するための層である。そして、学習済みモデル５１により生成された出力層５１ｄからの出力として、判定結果８１が出力される。
（波形パターン分布作成について）
次に、波形パターン分布６０の作成について、図１２を参照して説明する。波形パターン分布６０は、前述したように磁気センサ１によって取得された磁気信号１１の波形パターンを分類部３３ｃにより分類するために用いられる複数の信号の波形パターンの分布である。
波形パターン分布６０は、学習済みモデル５２を用いて作成（生成）される。学習済みモデル５２は、学習済みモデル５１と同様に磁気センサ１に対する磁性体２００の相対位置および進行方向に応じた複数の信号の波形パターンを入力データ６１（図１２参照）として機械学習されている。具体的には、学習済みモデル５２は、磁性体２００に起因する磁気信号１１をシミュレートすることによって作成された複数のシミュレーション波形と、複数のノイズ波形とを入力データ６１として機械学習が行われたモデルである。すなわち、学習済みモデル５２は、学習済みモデル５１と同等の機械学習により作成された１次元畳み込みニューラルネットワークモデルである。
波形パターン分布６０は、複数の信号の波形パターンごとにそれぞれの特徴が重み付けられて結合された複数の全結合層５２ｃが、磁気センサ１に対する磁性体２００の相対位置および進行方向に応じた複数の信号の波形パターンを入力データ６１として機械学習された学習済みモデル５２を用いて、生成されている。なお、波形パターン分布６０を作成するための複数の全結合層５２ｃは、学習済みモデル５１により作成されてもよい。
具体的には、学習済みモデル５２には、磁気センサ１に対する磁性体２００の相対位置および進行方向に応じた複数の信号の波形パターン（複数のシミュレーション波形）の各々が入力データ６１として入力される。そして、複数の信号の波形パターン（複数のシミュレーション波形）を入力データ６１として入力することにより、学習済みモデル５２は、入力層５２ａ、畳み込み層５２ｂ、および、全結合層５２ｃ、および、出力層５２ｄをそれぞれ順に複数生成する。
生成された複数の全結合層５２ｃのそれぞれは、それぞれの波形パターンの特徴が重み付けられた状態で、畳み込み層５２ｂからの出力が全結合されている。すなわち、生成された複数の全結合層５２ｃのそれぞれは、入力データ６１として入力された複数の信号の波形パターン（複数のシミュレーション波形）のそれぞれの波形パターンの特徴が重み付けられている。なお、複数の全結合層５２ｃは、請求の範囲の「複数の全結合層」の一例である。
そして、波形パターン分布６０は、複数の全結合層５２ｃの各々からの出力を次元圧縮することにより作成される。
具体的には、まず学習済みモデル５１を用いて作成された複数の全結合層５２ｃの各々からの出力がそれぞれ２次元に次元圧縮される。そして、得られた複数の次元圧縮結果８０を２次元上において、１つにまとめて示すことにより、複数の次元圧縮結果８０の分布（複数の信号の波形パターンの分布）である波形パターン分布６０（図１３参照）が作成される。なお、複数の全結合層５２ｃの各々からの出力を次元圧縮する際には、後述する次元圧縮部３３ｂによる全結合層５１ｃの次元圧縮（図１７）と同様の方法（同様の次元圧縮アルゴリズム）が用いられる。
（波形パターン分布の構成）
前述した方法により作成される波形パターン分布６０の一例を、図１３に示す。なお、磁性体２００に起因する磁気信号１１をシミュレートすることによって作成された複数のシミュレーション波形の分布はバツ印、複数のノイズ波形の分布は丸印で示している。また、波形パターン分布６０は、２次元により表される。図１３の横軸は第１次元（一方の次元）であり、縦軸は第２次元（他方の次元）である。後述するように、図１３に示した、分布範囲６０ａ、６０ｂ、および、６０ｃにおいて、それぞれ分布している波形パターンは異なっている。なお、分布範囲６０ａ、６０ｂ、および、６０ｃは、請求の範囲に記載の「設定された分布範囲」範の一例である。
分布範囲６０ａには、図１４に示すように、第４波形パターン７４（図１１参照）と同様の波形パターンを有する波形パターンが多く分布している。また、分布範囲６０ａには、第１波形パターン７１（図５参照）と同様の波形パターンも一部分布している。
そして、分布範囲６０ｂには、図１５に示すように、第１波形パターン７１（図５参照）と同様の波形パターンを有する波形パターンと、第２波形パターン７２（図７参照）と同様の波形パターンを有する波形パターンとが分布している。
また、分布範囲６０ｃには、図１６に示すように、第３波形パターン７３（図９参照）と同様の波形パターンを有する波形パターンが多く分布している。また、分布範囲６０ａには、第２波形パターン７２（図７参照）と同様の波形パターンも一部分布している。
すなわち、第１波形パターン７１（図５参照）、第２波形パターン７２（図７参照）、第３波形パターン７３（図９参照）、および、第４波形パターン７４（図１１参照）の分布は、第４波形パターン７４、第１波形パターン７１、第２波形パターン７２、および、第３波形パターン７３の順に隣り合う分布の一部が重畳するように配置している。このような波形パターン分布６０の分布の傾向を利用することにより波形パターンを分類して、分類された波形パターンと磁気センサ１に対する磁性体２００の相対位置および進行方向との相関関係を用いることにより、磁性体２００の進行方向を推定することが可能となる。
なお、図１３～図１６に示した波形パターン分布６０の分布の傾向は一例である。波形パターン分布６０の分布の傾向は、学習済みモデル５２の学習の際に入力された入力データ６１の内容および学習済みモデル５２を用いて、複数の全結合層５２ｃを生成する際の重み付けの値などによって、異なる傾向を示す。
また、前述した大別した４つの波形パターン（第１波形パターン７１、第２波形パターン７２、第３波形パターン７３、および、第４波形パターン７４）などの波形パターンの特徴に基づいて、分類部３３ｃによる波形パターンの分類の際に用いられる波形パターンの分布範囲（たとえば、分布範囲６０ａ、６０ｂ、および、６０ｃ）が定められる。
そして、本実施形態では、磁気検知システム１００は、波形パターン分布６０において、波形パターンの特徴に基づいて分布範囲（分布範囲６０ａ、６０ｂ、および、６０ｃ）を設定することにより、磁気センサ１によって取得され生成部５０に入力された磁気信号１１の波形パターンを分類する。たとえば、波形パターン分布６０において、分布範囲６０ｃ（図１３参照）が第３波形パターン７３（図９参照）と同様の波形パターンが分布する分布範囲６０ｃと設定した場合には、磁気センサ１により取得された磁気信号１１に基づいた結果が分布範囲６０ｃ内に収まる場合には、第３波形パターン７３と同様の波形パターンであると磁気信号１１の波形パターンを分類する。分布範囲６０ａ、６０ｂ、および、６０ｃは、２次元の波形パターン分布６０において、波形パターン分布６０の作成者およびユーザにより任意に設定することが可能である。
また、波形パターン分布６０において設定される分布範囲の形状は、円形状、三角形形状、矩形形状など２次元により表される様々な形状を含む。また、波形パターンの分布範囲の数は１つでも複数でもよい。
（磁気検知システムによる判定、分類、および、推定に関する構成）
次に、本実施形態の磁気検知システム１００による磁気信号１１の判定、波形パターンの分類、および、磁性体２００の進行方向の推定について、図１７を参照して、説明する。
生成部５０内の学習済みモデル５１に対して、磁気センサ１が取得した磁気信号１１に基づいて生成された磁気波形を入力データ６２として入力することにより、学習済みモデル５１は、入力層５１ａ、畳み込み層５１ｂ、および、全結合層５１ｃ、および、出力層５１ｄを順に生成する。
学習済みモデル５１は、複数の磁気センサ１によって予め設定された判定期間において取得された磁気信号１１に基づいて、判定結果８１を出力するように構成されている。具体的には、学習済みモデル５１は、磁気信号１１を取得する０．５秒毎に、磁気信号１１を取得した時点から１２分間遡った時点までにおいて取得された磁気信号１１に基づいて生成された磁気波形を入力データ６２として入力する。
そして、入力データ６２が入力されることにより、学習済みモデル５１により生成された出力層５１ｄから判定結果８１が出力される。学習済みモデル５１は、予め設定された判定期間である１２分間のうちに取得された（１４００回取得された）磁気信号１１に基づいて、判定結果８１を出力する。なお、判定期間は任意に変更可能である。
判定結果８１は、取得した磁気信号１１が磁性体２００の接近に起因するか否かの確度を表す数値である。判定結果８１は、０～１の間の数値によって表される。なお、判定結果８１は、１に近づくほど磁気信号１１が磁性体２００の接近に起因する磁気信号１１である可能性が高く、０に近づくほど磁気信号１１がノイズである可能性が高いことを意味する。学習済みモデル５１が生成した出力層５１ｄからの出力である判定結果８１は、表示制御部３３ｅに入力されることにより、表示制御部３３ｅによる表示部３２の表示の制御に用いられる。
学習済みモデル５１が生成した全結合層５１ｃからの出力は、分類部３３ｃによる波形パターンの分類に用いられる。全結合層５１ｃからの出力は、次元圧縮部３３ｂに入力される。次元圧縮部３３ｂは、学習済みモデル５１により生成された全結合層５１ｃからの出力に対して、次元圧縮を行うように構成されている。入力された全結合層５１ｃからの出力は、次元圧縮アルゴリズムにより、全結合層５１ｃの出力を圧縮する。全結合層５１ｃからの出力は、たとえば、２０次元のデータである。次元圧縮部３３ｂは、全結合層５１ｃの出力を２次元のデータに次元圧縮する。全結合層５１ｃの出力を圧縮した結果である次元圧縮結果８２は、分類部３３ｃに入力される。
分類部３３ｃは、生成部５０が生成した全結合層５１ｃからの出力を次元圧縮した結果である次元圧縮結果８２と、波形パターン分布６０とに基づいて、複数の磁気センサ１により取得された磁気信号１１の波形パターンを分類するように構成されている。次元圧縮結果８２には、全結合層５１ｃの磁気信号１１の波形パターンにおける特徴が含まれている。
分類部３３ｃは、２次元に次元圧縮された次元圧縮結果８２と、複数の全結合層５２ｃの各々からの出力を２次元に次元圧縮することにより作成される２次元の波形パターン分布６０において、設定された分布範囲（分布範囲６０ａ、６０ｂ、および、６０ｃ）に基づいて、複数の磁気センサ１によって取得され生成部５０に入力された磁気信号１１の波形パターンを分類する。分類部３３ｃは、波形パターン分布６０において設定された分布範囲に波形パターンを対応付けることにより、設定された分布範囲に次元圧縮結果８２が分布している場合には、入力された磁気信号１１の波形パターンを設定された分布範囲に対応した波形パターンに分類して、分類結果８３を出力するように構成されている。たとえば、分布範囲６０ｃ（図１３参照）が第３波形パターン７３（図９参照）と対応付けられており、分布範囲６０ｃに次元圧縮結果８２が分布している場合には、入力された磁気信号１１の波形パターンを第３波形パターン７３と分類する。
また、分類部３３ｃは、たとえば、分布範囲６０ｃに次元圧縮結果８２が分布している場合において、第３波形パターン７３（図９参照）の確率が７０パーセント、第２波形パターン７２（図７参照）の確率が２０パーセント、および、第１波形パターン７１（図５参照）の確率が１０パーセントといったように波形パターンの分類結果８３を確率により出力してもよい。
そして、分類部３３ｃにより分類された生成部５０に入力された磁気信号１１の波形パターンに対する分類結果８３が出力される。分類結果８３は、進行方向推定部３３ｄに入力される。
進行方向推定部３３ｄは、入力された分類結果８３に基づいて、磁気センサ１に対する磁性体２００の進行方向を推定するように構成されている。進行方向推定部３３ｄは、分類結果８３から入力された磁気信号１１の波形パターンがどのような波形パターンに分類されたかを取得する。そして、進行方向推定部３３ｄは、分類された波形パターンと、磁気センサ１に対する磁性体２００の相対位置および進行方向との相関関係から、磁気センサ１に対する磁性体２００の相対位置および進行方向を推定して、推定結果８４を出力する。たとえば、入力された磁気信号１１の波形パターンを第３波形パターン７３（図９参照）と分類した場合には、磁性体２００が磁気センサ１を右側に見た状態で、磁気センサ１のＮ極側とＳ極側とが隣り合う方向において、磁気センサ１のＮ極側からＳ極側に移動していると推定する。
なお、磁気センサ１が３軸（Ｘ軸、Ｙ軸、および、Ｚ軸）など複数の軸方向において、磁気信号１１を取得するセンサである場合には、学習済みモデル５１に入力する入力データ６２として、１つの磁気センサ１の３軸（Ｘ軸、Ｙ軸、および、Ｚ軸）のそれぞれ軸ごとの磁気信号１１に基づいて生成された磁気波形が入力されてもよいし、複数の軸方向全ての磁気信号１１を合成した信号に基づいて生成された磁気波形が入力されてもよい。また、複数の磁気センサ１の取得した磁気信号１１を合成した信号に基づいて生成された磁気波形が学習済みモデル５１に入力する入力データ６２として入力されてもよい。
また、進行方向推定部３３ｄは、異なる複数の磁気センサ１から取得した磁気信号１１に基づいた複数の推定結果８４から、磁性体２００の位置の推定、進行方向の推定を行うようにしてもよい。
また、判定結果８１、分類結果８３、および、推定結果８４の出力は、入力データ６２が入力される０．５秒毎に行われる。出力された判定結果８１および推定結果８４は、表示制御部３３ｅに入力される。
なお、入力データ６２の入力から推定結果８４の算出までの処理時間は、処理に用いられるＣＰＵおよびＧＰＵの処理速度によっても異なるが、１００チャンネル（１００個の磁気センサ１）からの入力データ６２を同時に処理した場合において、５ミリ秒以上５０ミリ秒以下程度である。
そして、表示制御部３３ｅは、入力された判定結果８１および推定結果８４に基づいて、表示部３２の表示の制御を行う。
（推定結果および判定結果の表示）
次に、表示部３２による推定結果８４および判定結果８１の表示の一例について、図１８および図１９を参照して説明する。
表示部３２は、磁気信号１１を表示する磁気信号表示９０ａと、磁気信号１１の判定結果８１を示す判定結果表示９０ｂとを表示している。判定結果表示９０ｂは、判定結果８１を判定された数値とともに表示する。たとえば、磁性体２００の接近に起因する磁気信号１１である場合には、「Ｓｉｇｎａｌ」と表示（図１８参照）して、判定された数値「０．７５」を表示（図１８参照）する。また、磁気センサ１が取得した磁気信号１１がノイズである場合には、「Ｎｏｉｓｅ」と表示してもよい。
また、表示制御部３３ｅは、磁性体２００の接近が推定された推定結果８４が入力された場合において、警告表示９０ｃおよび接近表示９０ｄを表示する（図１８参照）制御を行う。警告表示９０ｃは、たとえば、ユーザに警告を促すため「ＥＭＥＲＧＥＮＣＹ」などの文字を表示（図１８参照）する。また、接近表示９０ｄは、ユーザに磁性体２００の接近を通知するために「接近中」などの文字を表示（図１８参照）する。警告表示９０ｃおよび接近表示９０ｄは、ユーザが認識し易いように点滅などを行うようにしてもよい。
また、図１８とは異なる推定結果８４の表示方法として、表示制御部３３ｅは、図１９のように、推定結果８４を表示してもよい。
図１９に示したように、表示部３２には、複数の磁気センサ１を示すアイコン９１（アイコン９１ａ、９２ｂ、９１ｃ、９１ｄ、９１ｅ、９１ｆ、９１ｇ、および、９１ｈ）が表示される。アイコン９１ａ、９２ｂ、９１ｃ、９１ｄ、９１ｅ、９１ｆ、９１ｇ、および、９１ｈは、それぞれ順に第１磁気センサ１ａ、第２磁気センサ１ｂ、第３磁気センサ１ｃ、第４磁気センサ１ｄ、第５磁気センサ１ｅ、第６磁気センサ１ｆ、第７磁気センサ１ｇ、および、第８磁気センサ１ｈを示すアイコンである。
また、アイコン２００ｉは、磁気センサ１に対する磁性体２００の推定位置を示すアイコンである。進行方向アイコン２００ｄは、磁気センサ１に対する磁性体２００の進行方向の推定結果８４を示すアイコンである。なお、磁気センサ１に対する磁性体２００の推定位置は、分類された波形パターンと、磁気センサ１に対する磁性体２００の相対位置および進行方向との相関関係から算出される。
表示制御部３３ｅは、磁性体２００の推定位置と磁気センサ１との距離に応じて、複数の磁気センサ１の位置を示すアイコン（アイコン９１ａ、９２ｂ、９１ｃ、９１ｄ、９１ｅ、９１ｆ、９１ｇ、および、９１ｈ）の表示色を変える制御を行うように構成されている。たとえば、図１９に示すように、表示制御部３３ｅは、磁性体２００の推定位置と磁気センサ１との距離が近い磁気センサ１の色の表示色を変える（図１９ではハッチングにより示す）ように表示の制御を行う。
（波形パターン分布作成処理）
次に、図２０を参照して、本実施形態の波形パターン分布作成処理をフローチャートに基づいて説明する。
ステップ１０１において、機械学習が行われる。具体的には、磁気センサ１に対する磁性体２００の相対位置および進行方向に応じた複数の信号の波形パターンを入力データ６１として機械学習による学習が行われる。機械学習により学習済みモデル５２が作成された後、処理ステップは、ステップ１０２に移行する。
ステップ１０２において、学習済みモデル５２にデータが入力される。具体的には、ステップ１０１において、機械学習された学習済みモデル５２に対して、磁気センサ１に対する磁性体２００の相対位置および進行方向に応じた複数の信号の波形パターンを複数の入力データ６１として入力する。学習済みモデル５２に対する入力データ６１の入力の完了後、処理ステップは、ステップ１０３に移行する。
ステップ１０３において、複数の全結合層５２ｃが生成される。具体的には、機械学習された学習済みモデル５２を用いて、磁気センサ１に対する磁性体２００の相対位置および進行方向に応じた複数の信号の波形パターンとして入力された複数の入力データ６１に応じて、複数の信号の波形パターンごとにそれぞれの特徴が重み付けられて結合された複数の全結合層５２ｃを生成する。複数の全結合層５２ｃの作成後、処理ステップは、ステップ１０４に移行する。
ステップ１０４において、複数の全結合層５２ｃが次元圧縮される。具体的には、学習済みモデル５１により生成された複数の全結合層５２ｃの出力は、次元圧縮アルゴリズムによりそれぞれ次元圧縮処理が行われる。複数の全結合層５２ｃの出力は、それぞれ２次元に次元圧縮される。複数の全結合層５２ｃの次元圧縮完了後、処理ステップは、ステップ１０４に移行する。
ステップ１０５において、波形パターン分布６０が作成される。具体的には、２次元に次元圧縮された複数の全結合層５２ｃのそれぞれの２次元における分布を１つにまとめて作成することにより、複数の信号の波形パターンの分布である波形パターン分布６０が作成される。このように、複数の全結合層５２ｃに基づいて、磁気センサ１によって取得された磁気信号１１の波形パターンを分類するために用いられる波形パターン分布６０が作成され、波形パターン分布作成処理が終了する。
（進行方向推定処理）
次に、図２１を参照して、本実施形態の磁気検知システム１００による進行方向推定処理をフローチャートに基づいて説明する。
ステップ２０１において、磁気信号１１が取得される。具体的には、磁気検知システム１００は、水中に設けられた磁気センサ１により磁気信号１１を取得する。磁気信号１１の取得後、処理ステップは、ステップ２０２に移行する。
ステップ２０２において、磁気信号１１が入力される。具体的には、磁気検知システム１００は、磁気センサ１に対する磁性体２００の相対位置および進行方向に応じた複数の信号の波形パターンを入力データ６２として機械学習された学習済みモデル５１に対して、磁気センサ１が取得した磁気信号１１に基づいて生成された磁気波形を入力データ６２として入力する。学習済みモデル５１に対する入力データ６２の入力後、処理ステップは、ステップ２０３に移行する。
ステップ２０３において、全結合層５１ｃが生成される。具体的には、学習済みモデル５１は、入力データ６２に基づいて、入力層５１ａ、畳み込み層５１ｂ、および、全結合層５１ｃ、および、出力層５１ｄを順に生成する。磁気検知システム１００は、学習済みモデル５１に入力された磁気センサ１が取得した磁気信号１１の波形パターンにおける特徴が重み付けられて結合された全結合層５１ｃを学習済みモデル５１を用いて、生成する。全結合層５１ｃの生成後、処理ステップは、ステップ２０４に移行する。
ステップ２０４において、波形パターンが分類される。具体的には、磁気検知システム１００の分類部３３ｃは、波形パターン分布６０と、全結合層５１ｃとに基づいて、磁気センサ１によって取得された磁気信号１１の波形パターンを分類する。波形パターンを分類後、分類結果８３が出力され、処理ステップは、ステップ２０５に移行する。
ステップ２０５において、磁性体２００の進行方向が推定される。具体的には、磁気検知システム１００の進行方向推定部３３ｄは、磁気センサ１によって取得された磁気信号１１の波形パターンの分類（分類結果８３）に基づいて、磁気センサ１に対する磁性体２００の進行方向を推定する。磁性体２００の進行方向を推定後、推定結果８４が出力され、処理ステップは、ステップ２０６に移行する。
ステップ２０６において、推定結果８４を表示する。具体的には、ステップ２０５により出力された推定結果８４が表示制御部３３ｅに入力され、入力された推定結果８４に基づいて、表示制御部３３ｅによる表示部３２の表示の制御を行う。表示部３２に推定結果８４が表示された後、処理ステップは、ステップ２０１へと戻る。
（本実施形態の磁気検知システムの効果）
本実施形態の磁気検知システム１００では、以下のような効果を得ることができる。
本実施形態の磁気検知システム１００では、分類部３３ｃ（波形パターン分類部）により、波形パターン分布６０と、磁気センサ１によって取得された磁気信号１１の波形パターンにおける特徴とに基づいて、磁気センサ１によって取得された磁気信号１１の波形パターンを分類するように構成されている。これにより、複数の信号の波形パターンごとにそれぞれの特徴が重み付けられて生成される複数の全結合層５２ｃに基づいて作成された波形パターン分布６０を用いて、磁気センサ１によって取得された磁気信号１１の波形パターンにおける特徴から、磁気センサ１によって取得された磁気信号１１の波形パターンを分類することができる。そして、磁気信号１１の波形パターンと磁気センサ１に対する磁性体２００の相対位置および進行方向との間には相関関係があるので、磁気信号１１の波形パターンの分類結果８３に基づいて、磁気センサ１に対する磁性体２００の相対位置および進行方向を判別することができる。その結果、磁気センサ１により取得した磁気信号１１から磁性体２００の進行方向を判別可能な磁気検知システム１００を提供することができる。
また、上記実施形態による磁気検知システム１００では、以下のように構成したことによって、下記のような更なる効果が得られる。
また、本実施形態の磁気検知システム１００では、進行方向推定部３３ｄは、磁気センサ１によって取得された磁気信号１１の波形パターンに対する分類部３３ｃ（波形パターン分類部）による分類に基づいて、磁気センサ１に対する磁性体２００の進行方向を推定する。このように構成すれば、磁気センサ１により取得した磁気信号１１から磁性体２００の磁気センサ１に対する進行方向を進行方向推定部３３ｄによって推定することができる。その結果、ユーザは、進行方向推定部３３ｄによって推定された磁性体２００の進行方向の推定結果８４に基づいて、磁性体２００が磁気センサ１に対して近づいているのか否かを判断することができる。
また、本実施形態の磁気検知システム１００では、生成部５０は、磁気信号１１の波形パターンにおける特徴が重み付けられて結合された磁気センサ１によって取得された磁気信号１１に基づく全結合層５１ｃ（センサ信号全結合層）を生成する。そして、分類部３３ｃ（波形パターン分類部）は、波形パターン分布６０と、生成部５０において生成された全結合層５１ｃの磁気信号１１の波形パターンにおける特徴とに基づいて、磁気センサ１によって取得された磁気信号１１の波形パターンを分類する。このように構成すれば、全結合層５１ｃにおいて磁気信号１１の波形パターンにおける特徴が重み付けられているので、波形パターン分布６０を用いて磁気信号１１の波形パターンを分類する際に、より容易に磁気信号１１の波形パターンを分類することができる。
また、本実施形態の磁気検知システム１００では、分類部３３ｃ（波形パターン分類部）は、生成部５０が生成した全結合層５１ｃ（センサ信号全結合層）からの出力を次元圧縮した結果である次元圧縮結果８２と、複数の全結合層５２ｃの各々からの出力を次元圧縮することにより作成される波形パターン分布６０とに基づいて、磁気センサ１により取得された磁気信号１１の波形パターンを分類する。このように構成すれば、複数の全結合層５２ｃの各々からの出力を次元圧縮して波形パターン分布６０が作成されるので、波形パターン分布６０の次元を減少させることができる。その結果、複数の全結合層５２ｃの各々からの出力を次元圧縮しない場合に比べて、波形パターン分布６０における波形パターンの分布を波形パターン分布６０の作成者およびユーザが容易に確認することができる。また、全結合層５１ｃからの出力が次元圧縮されるので、全結合層５１ｃからの出力を次元圧縮しない場合に比べて、生成部５０が生成した全結合層５１ｃからの出力と次元圧縮して作成された波形パターン分布６０とを波形パターン分布６０の作成者およびユーザが容易に比較することができる。
また、本実施形態の磁気検知システム１００では、分類部３３ｃ（波形パターン分類部）は、２次元に次元圧縮された次元圧縮結果８２と、複数の全結合層５１ｃの各々からの出力を２次元に次元圧縮することにより作成される２次元の波形パターン分布６０において設定された分布範囲６０ａ、６０ｂ、および、６０ｃとに基づいて、磁気センサ１によって取得され生成部５０に入力された磁気信号１１の波形パターンを分類するように構成されている。このように構成すれば、波形パターン分布６０が２次元により作成されるので、波形パターン分布６０における波形パターンの分布を波形パターン分布６０の作成者およびユーザが容易に視認して分布範囲６０ａ、６０ｂ、および、６０ｃを設定することができる。また、全結合層５１ｃからの出力が２次元に次元圧縮されるので、全結合層５１ｃからの出力と、波形パターン分布６０において設定された分布範囲６０ａ、６０ｂ、および、６０ｃとを同一次元（２次元）において比較することが可能になるので、全結合層５１ｃからの出力と波形パターン分布６０において設定された分布範囲６０ａ、６０ｂ、および、６０ｃとをユーザが容易に視認して比較することができる。
また、本実施形態の磁気検知システム１００では、生成部５０は、磁気センサ１によって取得され生成部５０の学習済みモデル５１に入力された磁気信号１１の入力データである入力層５１ａに基づいて、全結合層５１ｃ（センサ信号全結合層）を生成する。そして、生成部５０は、生成した全結合層５１ｃに基づいて、磁気センサ１によって取得された磁気信号１１が磁性体２００であるか否かの判定結果８１を出力する出力層５１ｄを生成する。このように構成すれば、磁気センサ１によって取得された磁気信号１１が磁性体２００であるか否かの判定結果８１が生成部５０の学習済みモデル５１により出力されるので、取得された磁気信号１１について、磁性体２００に起因する磁気信号１１であるか否かを容易にユーザが確認することができる。
（本実施形態による磁気信号の波形パターン分類方法の効果）
本実施形態による磁気信号１１の波形パターン分類方法では、以下のような効果を得ることができる。
本実施形態による磁気信号１１の波形パターン分類方法では、磁気センサ１が取得した磁気信号１１の波形パターンにおける特徴が重み付けられて結合された全結合層５１ｃ（センサ信号全結合層）と、波形パターン分布６０と、に基づいて、磁気センサ１によって取得された磁気信号１１の波形パターンを分類する。これにより、複数の信号の波形パターンごとにそれぞれの特徴が重み付けられて生成される複数の全結合層５２ｃに基づいて作成された波形パターン分布６０を用いて、磁気センサ１が取得した磁気信号１１の波形パターンにおける特徴が重み付けられて結合された全結合層５１ｃから、磁気センサ１によって取得された磁気信号１１の波形パターンを分類することができる。そして、磁気信号１１の波形パターンと磁気センサ１に対する磁性体２００の相対位置および進行方向との間には相関関係があるので、磁気信号１１の波形パターンの分類結果８３に基づいて、磁気センサ１に対する磁性体２００の相対位置および進行方向を判別することができる。その結果、磁気センサ１により取得した磁気信号１１から磁性体２００の進行方向を判別可能な磁気信号１１の波形パターン分類方法を提供することができる。
また、上記実施形態による磁気信号１１の波形パターン分類方法では、以下のように構成したことによって、下記のような更なる効果が得られる。
また、本実施形態による磁気信号１１の波形パターン分類方法では、磁気センサ１によって取得された磁気信号１１の波形パターンの分類に基づいて、磁気センサ１に対する磁性体２００の進行方向を推定する。このように構成すれば、磁気センサ１により取得した磁気信号１１から磁性体２００の磁気センサ１に対する進行方向を推定することができる。その結果、ユーザは、磁性体２００の進行方向の推定結果８４に基づいて、磁性体２００が磁気センサ１に対して近づいているのか否かを判断することができる。
（本実施形態による磁気検知システム用の波形パターン分布作成方法の効果）
本実施形態による磁気検知システム用の波形パターン分布作成方法では、以下のような効果を得ることができる。
本実施形態による磁気検知システム用の波形パターン分布作成方法では、磁気センサ１に対する磁性体２００の相対位置および進行方向に応じた複数の信号の波形パターンごとにそれぞれの特徴が重み付けられて結合された複数の全結合層５２ｃに基づいて、複数の信号の波形パターンの分布である波形パターン分布６０を作成する。このように構成すれば、作成された波形パターン分布６０を磁気検知システム１００において用いることによって、磁気センサ１によって取得された磁気信号１１の波形パターンにおける特徴から、磁気センサ１によって取得された磁気信号１１の波形パターンを分類することができる。そして、磁気信号１１の波形パターンと磁気センサ１に対する磁性体２００の相対位置および進行方向との間には相関関係があるので、磁気信号１１の波形パターンの分類結果８３に基づいて、磁気センサ１に対する磁性体２００の相対位置および進行方向を判別することができる。その結果、磁気センサ１により取得した磁気信号１１から磁性体２００の進行方向を判別可能な磁気検知システム用の波形パターン分布作成方法を提供することができる。
また、上記実施形態による磁気検知システム用の波形パターン分布作成方法では、以下のように構成したことによって、下記のような更なる効果が得られる。
また、本実施形態による磁気検知システム用の波形パターン分布作成方法では、複数の全結合層５２ｃを次元圧縮した結果に基づいて波形パターン分布６０を作成する。これにより、複数の全結合層５２ｃを次元圧縮しない場合に比べて、波形パターン分布６０における波形パターンの分布を波形パターン分布６０の作成者およびユーザが容易に確認することができる。
［変形例］
なお、今回開示された実施形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施形態の説明ではなく請求の範囲によって示され、さらに請求の範囲と均等の意味および範囲内でのすべての変更（変形例）が含まれる。
たとえば、上記実施形態では、磁気検知システム１００は、複数の磁気センサ１により磁気信号１１を取得する構成の例を示したが、本発明はこれに限られない。本発明は、１つの磁気センサのみにより磁気信号１１を取得する構成の磁気検知システムに適用してもよい。
また、上記実施形態では、波形パターン分布６０は、記憶部３４に記憶されている例を示したが、本発明はこれに限られない。本発明では、図２２に示す第１変形例による磁気検知システム３００のように、コンピュータ３０３をネットワーク４００に接続して、波形パターン分布６０を記憶部３３４に記憶させずに、外部のデータベース４０１に記憶させるようにしてもよい。
また、上記実施形態では、波形パターン分布６０および学習済みモデル５１を含む生成部５０は、記憶部３４に記憶されている例を示したが、本発明はこれに限られない。本発明では、図２３に示す第２変形例による磁気検知システム５００のように、コンピュータ５０３をネットワーク４００に接続して、波形パターン分布６０および学習済みモデル５１を含む生成部５０を記憶部５３４に記憶させずに、外部のデータベース４０２に記憶させるようにしてもよい。
また、上記実施形態では、予め機械学習により生成した学習済みモデル５１が記憶部３４に記憶されている例を示したが、本発明はこれに限られない。本発明では、図２４に示す第３変形例による磁気検知システム６００のように、コンピュータ６０３の記憶部６３４に機械学習に用いられる入力データ６６１が記憶されており、生成部６５０の学習前モデル６５３に入力データ６６１を入力することにより、コンピュータ６０３内において、学習済みモデルを生成するようにしてもよい。
また、上記実施形態では、磁気信号１１が磁性体２００であるか否かの判定結果８１が、出力層５１ｄの出力に基づく例を示したが、本発明はこれに限られない。本発明では、波形パターンの分類結果が、波形パターン分布におけるノイズの分布範囲に収まるか否かによって、磁気信号が磁性体であるか否かの判定を行うように構成してもよい。
また、上記実施形態では、次元圧縮結果８２および複数の全結合層５２ｃの各々からの出力は、２次元に次元圧縮される例を示したが、本発明はこれに限られない。本発明では、次元圧縮結果および複数の全結合層の各々からの出力は、３次元に次元圧縮され、３次元の波形パターン分布を作成するように構成してもよい。
また、上記実施形態では、全結合層５１ｃ（センサ信号全結合層）の出力を次元圧縮した次元圧縮結果８２と、波形パターン分布６０に基づいて、波形パターンを分類するように構成する例を示したが、本発明はこれに限られない。本発明では、図２５に示す第４変形例のように、コンピュータ７０３内において、センサ信号全結合層（全結合層５１ｃ）の出力を次元圧縮せずに、センサ信号全結合層（全結合層５１ｃ）に含まれる畳み込み層５１ｂからの出力において重み付けられた磁気信号１１の波形パターンにおける特徴と、波形パターン分布６０とに基づいて、波形パターンを分類するように構成してもよい。
また、上記実施形態では、磁性体２００に起因する磁気信号１１をシミュレートすることによって作成された複数のシミュレーション波形と、複数のノイズ波形とを入力データ６１として、１次元畳み込みニューラルネットワークモデルを用いて、機械学習が行われることにより、学習済みモデル５１が作成される例を示したが、本発明はこれに限られない。本発明では、磁気検知システムの磁気センサが実際に取得した磁気信号に基づいて生成された磁気波形を入力データとして、機械学習が行われることにより、学習済みモデルが作成されるように構成してもよい。また、本発明では、シミュレートすることによって作成された複数のシミュレーション波形と、複数のノイズ波形と、磁気検知システムの磁気センサが実際に取得した磁気信号に基づいて生成された磁気波形とを入力データとして、機械学習が行われることにより、学習済みモデルが作成されるように構成してもよい。
また、上記実施形態では、分類結果８３に基づいて、磁気センサ１に対する磁性体２００の進行方向を推定する進行方向推定部３３ｄを備える例を示したが、本発明はこれに限られない。本発明では、磁気検知システムは、波形パターン分類部による波形パターンの分類のみを行うように構成され、ユーザによって磁性体の進行方向を推定されるようにしてもよい。また、本発明では、磁気検知システムは、分類結果８３に基づいて、磁性体の通過時に磁性体の進行方向を通知するようにしてもよい。
また、上記実施形態では、磁気センサ１は、検知領域１０に設置され、磁性体２００に起因する磁気信号１１を検知する例を示したが、本発明はこれに限られない。本発明では、磁気センサを移動させることにより、磁気センサに対する磁性体の相対位置を検出するように構成してもよい。
また、上記実施形態では、説明の便宜上、本発明の磁気検知システム１００による進行方向推定処理を処理フローに沿って順番に処理を行うフロー駆動型のフローチャートを用いて説明したが、本発明はこれに限られない。本発明では、処理動作を、イベント単位で処理を実行するイベント駆動型（イベントドリブン型）の処理により行ってもよい。この場合、完全なイベント駆動型で行ってもよいし、イベント駆動およびフロー駆動を組み合わせて行ってもよい。
また、上記実施形態では、説明の便宜上、本発明の波形パターン分布６０の作成処理を処理フローに沿って順番に処理を行うフロー駆動型のフローチャートを用いて説明したが、本発明はこれに限られない。本発明では、処理動作を、イベント単位で処理を実行するイベント駆動型（イベントドリブン型）の処理により行ってもよい。この場合、完全なイベント駆動型で行ってもよいし、イベント駆動およびフロー駆動を組み合わせて行ってもよい。
［態様］
上記した例示的な実施形態は、以下の態様の具体例であることが当業者により理解される。
（項目１）
水中に設けられ、磁気信号を取得する磁気センサと、
前記磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習により学習することによって、波形パターンごとにそれぞれの特徴が重み付けられて結合して生成される複数の全結合層に基づいて作成される波形パターン分布と、前記磁気センサによって取得された前記磁気信号の波形パターンにおける特徴とに基づいて、前記磁気センサによって取得された前記磁気信号の波形パターンを分類するように構成されている波形パターン分類部とを備える磁気検知システム。
（項目２）
前記磁気センサによって取得された前記磁気信号の波形パターンに対する前記波形パターン分類部による分類に基づいて、前記磁気センサに対する磁性体の進行方向を推定する進行方向推定部をさらに備える、項目１に記載の磁気検知システム。
（項目３）
前記磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習された学習済みモデルに対して、前記磁気センサが取得した前記磁気信号を入力することにより、入力された前記磁気信号の波形パターンにおける特徴が重み付けられて結合された前記磁気センサによって取得された前記磁気信号に基づく全結合層であるセンサ信号全結合層を生成するように構成されている生成部をさらに備え、
前記波形パターン分類部は、前記波形パターン分布と、前記生成部において生成された前記センサ信号全結合層の前記磁気信号の波形パターンにおける特徴とに基づいて、前記磁気センサによって取得された前記磁気信号の波形パターンを分類するように構成されている、項目１または２に記載の磁気検知システム。
（項目４）
前記波形パターン分類部は、前記生成部が生成した前記センサ信号全結合層からの出力を次元圧縮した結果である次元圧縮結果と、前記複数の全結合層の各々からの出力を次元圧縮することにより作成される前記波形パターン分布とに基づいて、前記磁気センサにより取得された前記磁気信号の波形パターンを分類するように構成されている、項目３に記載の磁気検知システム。
（項目５）
前記波形パターン分類部は、２次元に次元圧縮された前記次元圧縮結果と、前記複数の全結合層の各々からの出力を２次元に次元圧縮することにより作成される２次元の前記波形パターン分布において設定された分布範囲とに基づいて、前記磁気センサによって取得され前記生成部に入力された前記磁気信号の波形パターンを分類するように構成されている、項目４に記載の磁気検知システム。
（項目６）
前記学習済みモデルは、学習済みニューラルネットワークモデルであり、
前記生成部は、前記磁気センサによって取得され前記生成部の前記学習済みモデルに入力された前記磁気信号の入力データである入力層に基づいて、前記センサ信号全結合層を生成するとともに、生成した前記センサ信号全結合層に基づいて、前記磁気センサによって取得された前記磁気信号が磁性体であるか否かの判定結果を出力する出力層を生成するように構成されている、項目３～５のいずれか１項に記載の磁気検知システム。
（項目７）
水中に設けられた磁気センサにより磁気信号を取得するステップと、
前記磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習された学習済みモデルに対して、前記磁気センサが取得した前記磁気信号を入力するステップと、
前記学習済みモデルに入力された前記磁気センサが取得した前記磁気信号の波形パターンにおける特徴が重み付けられて結合されたセンサ信号全結合層を前記学習済みモデルを用いて、生成するステップと、
前記磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習により学習することによって波形パターンごとにそれぞれの特徴が重み付けられて結合して生成される複数の全結合層に基づいて作成される複数の信号の波形パターンの分布である波形パターン分布と、前記学習済みモデルを用いて生成された前記センサ信号全結合層とに基づいて、前記磁気センサによって取得された前記磁気信号の波形パターンを分類するステップとを含む、磁気信号の波形パターン分類方法。
（項目８）
前記磁気センサによって取得された前記磁気信号の波形パターンの分類に基づいて、前記磁気センサに対する磁性体の進行方向を推定するステップをさらに含む、項目７に記載の磁気信号の波形パターン分類方法。
（項目９）
磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習により学習するステップと、
前記磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習された学習済みモデルを用いて、波形パターンごとにそれぞれの特徴が重み付けられて結合された複数の全結合層を作成するステップと、
前記複数の全結合層に基づいて、前記磁気センサによって取得された磁気信号の波形パターンを分類するために用いられる複数の信号の波形パターンの分布である波形パターン分布を作成するステップとを含む、磁気検知システム用の波形パターン分布作成方法。
（項目１０）
前記波形パターン分布を作成するステップは、前記複数の全結合層を次元圧縮した結果に基づいて前記波形パターン分布を作成するステップである、項目９に記載の磁気検知システム用の波形パターン分布作成方法。
１ 磁気センサ
１１ 磁気信号
３３ｃ 分類部（波形パターン分類部）
３３ｄ 進行方向推定部
５０ 生成部
５１ 学習済みモデル
５１ａ 入力層
５１ｃ 全結合層
５１ｄ 出力層
５２ｃ （複数の）全結合層
６０ 波形パターン分布
６０ａ 分布範囲（設定された分布範囲）
６０ｂ 分布範囲（設定された分布範囲）
６０ｃ 分布範囲（設定された分布範囲）
６１ 入力データ
８１ 判定結果
８２ 次元圧縮結果
１００ 磁気検知システム
２００ 磁性体

Claims (10)

  1. 水中に設けられ、磁気信号を取得する磁気センサと、
    前記磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習により学習することによって、波形パターンごとにそれぞれの特徴が重み付けられて結合して生成される複数の全結合層に基づいて作成される波形パターン分布と、前記磁気センサによって取得された前記磁気信号の波形パターンにおける特徴とに基づいて、前記磁気センサによって取得された前記磁気信号の波形パターンを分類するように構成されている波形パターン分類部とを備える磁気検知システム。
  2. 前記磁気センサによって取得された前記磁気信号の波形パターンに対する前記波形パターン分類部による分類に基づいて、前記磁気センサに対する磁性体の進行方向を推定する進行方向推定部をさらに備える、請求項１に記載の磁気検知システム。
  3. 前記磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習された学習済みモデルに対して、前記磁気センサが取得した前記磁気信号を入力することにより、入力された前記磁気信号の波形パターンにおける特徴が重み付けられて結合された前記磁気センサによって取得された前記磁気信号に基づく全結合層であるセンサ信号全結合層を生成するように構成されている生成部をさらに備え、
    前記波形パターン分類部は、前記波形パターン分布と、前記生成部において生成された前記センサ信号全結合層の前記磁気信号の波形パターンにおける特徴とに基づいて、前記磁気センサによって取得された前記磁気信号の波形パターンを分類するように構成されている、請求項１に記載の磁気検知システム。
  4. 前記波形パターン分類部は、前記生成部が生成した前記センサ信号全結合層からの出力を次元圧縮した結果である次元圧縮結果と、前記複数の全結合層の各々からの出力を次元圧縮することにより作成される前記波形パターン分布とに基づいて、前記磁気センサにより取得された前記磁気信号の波形パターンを分類するように構成されている、請求項３に記載の磁気検知システム。
  5. 前記波形パターン分類部は、２次元に次元圧縮された前記次元圧縮結果と、前記複数の全結合層の各々からの出力を２次元に次元圧縮することにより作成される２次元の前記波形パターン分布において設定された分布範囲とに基づいて、前記磁気センサによって取得され前記生成部に入力された前記磁気信号の波形パターンを分類するように構成されている、請求項４に記載の磁気検知システム。
  6. 前記学習済みモデルは、学習済みニューラルネットワークモデルであり、
    前記生成部は、前記磁気センサによって取得され前記生成部の前記学習済みモデルに入力された前記磁気信号の入力データである入力層に基づいて、前記センサ信号全結合層を生成するとともに、生成した前記センサ信号全結合層に基づいて、前記磁気センサによって取得された前記磁気信号が磁性体であるか否かの判定結果を出力する出力層を生成するように構成されている、請求項３に記載の磁気検知システム。
  7. 水中に設けられた磁気センサにより磁気信号を取得するステップと、
    前記磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習された学習済みモデルに対して、前記磁気センサが取得した前記磁気信号を入力するステップと、
    前記学習済みモデルに入力された前記磁気センサが取得した前記磁気信号の波形パターンにおける特徴が重み付けられて結合されたセンサ信号全結合層を前記学習済みモデルを用いて、生成するステップと、
    前記磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習により学習することによって波形パターンごとにそれぞれの特徴が重み付けられて結合して生成される複数の全結合層に基づいて作成される複数の信号の波形パターンの分布である波形パターン分布と、前記学習済みモデルを用いて生成された前記センサ信号全結合層とに基づいて、前記磁気センサによって取得された前記磁気信号の波形パターンを分類するステップとを含む、磁気信号の波形パターン分類方法。
  8. 前記磁気センサによって取得された前記磁気信号の波形パターンの分類に基づいて、前記磁気センサに対する磁性体の進行方向を推定するステップをさらに含む、請求項７に記載の磁気信号の波形パターン分類方法。
  9. 磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習により学習するステップと、
    前記磁気センサに対する磁性体の相対位置および進行方向に応じた複数の信号の波形パターンを入力データとして機械学習された学習済みモデルを用いて、波形パターンごとにそれぞれの特徴が重み付けられて結合された複数の全結合層を生成するステップと、
    前記複数の全結合層に基づいて、前記磁気センサによって取得された磁気信号の波形パターンを分類するために用いられる複数の信号の波形パターンの分布である波形パターン分布を作成するステップとを含む、磁気検知システム用の波形パターン分布作成方法。
  10. 前記波形パターン分布を作成するステップは、前記複数の全結合層を次元圧縮した結果に基づいて前記波形パターン分布を作成するステップである、請求項９に記載の磁気検知システム用の波形パターン分布作成方法。
JP2021566809A 2019-12-25 2020-08-27 磁気検知システム、磁気信号の波形パターン分類方法、および、磁気検知システム用の波形パターン分布作成方法 Active JP7176650B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019234165 2019-12-25
JP2019234165 2019-12-25
PCT/JP2020/032433 WO2021131158A1 (ja) 2019-12-25 2020-08-27 磁気検知システム、磁気信号の波形パターン分類方法、および、磁気検知システム用の波形パターン分布作成方法

Publications (2)

Publication Number Publication Date
JPWO2021131158A1 JPWO2021131158A1 (ja) 2021-07-01
JP7176650B2 true JP7176650B2 (ja) 2022-11-22

Family

ID=76575837

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021566809A Active JP7176650B2 (ja) 2019-12-25 2020-08-27 磁気検知システム、磁気信号の波形パターン分類方法、および、磁気検知システム用の波形パターン分布作成方法

Country Status (4)

Country Link
US (1) US11835597B2 (ja)
EP (1) EP4083646A4 (ja)
JP (1) JP7176650B2 (ja)
WO (1) WO2021131158A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117631752B (zh) * 2024-01-25 2024-05-07 深圳市鼎阳科技股份有限公司 波形序列的创建方法、显示方法及波形序列发生器

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006275737A (ja) 2005-03-29 2006-10-12 Universal Shipbuilding Corp 探知ブイ
JP2007155388A (ja) 2005-12-01 2007-06-21 Universal Shipbuilding Corp 移動体位置等推定検出方法、装置及び移動体位置等推定検出方法のプログラム
JP2009198289A (ja) 2008-02-21 2009-09-03 Shimadzu Corp 目標体探査器

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2500347B2 (ja) * 1992-08-21 1996-05-29 防衛庁技術研究本部長 ３個の１軸磁力計を用いた移動物体の位置局限装置
JP2755379B2 (ja) * 1995-02-27 1998-05-20 防衛庁技術研究本部長 磁気測定装置
DE60106215T2 (de) * 2000-03-22 2005-04-28 The Johns Hopkins University Elektromagnetisches sensorsystem zur objektunterscheidung sowie methode zum entdecken und identifizieren von metallobjekten
JP3647736B2 (ja) * 2000-09-29 2005-05-18 株式会社東芝 磁気抵抗効果素子、磁気ヘッド及び磁気再生装置
JP5962036B2 (ja) 2012-01-31 2016-08-03 株式会社島津製作所 磁気検知システム
JP6127734B2 (ja) 2013-05-31 2017-05-17 株式会社島津製作所 水中電界測定装置及び水中電界測定方法
JP6052090B2 (ja) 2013-07-25 2016-12-27 株式会社島津製作所 磁気測定システム
JP2015215179A (ja) 2014-05-08 2015-12-03 株式会社島津製作所 磁気検知システムおよび磁気検知方法
US10527746B2 (en) * 2016-05-31 2020-01-07 Lockheed Martin Corporation Array of UAVS with magnetometers
JP6825241B2 (ja) * 2016-06-21 2021-02-03 セイコーエプソン株式会社 磁場計測装置、磁場計測装置の製造方法
CN109407131B (zh) * 2017-08-17 2020-12-04 北京嘀嘀无限科技发展有限公司 车头朝向确定方法、装置及设备
CN107797149A (zh) * 2017-11-10 2018-03-13 广东工业大学 一种船舶分类方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006275737A (ja) 2005-03-29 2006-10-12 Universal Shipbuilding Corp 探知ブイ
JP2007155388A (ja) 2005-12-01 2007-06-21 Universal Shipbuilding Corp 移動体位置等推定検出方法、装置及び移動体位置等推定検出方法のプログラム
JP2009198289A (ja) 2008-02-21 2009-09-03 Shimadzu Corp 目標体探査器

Also Published As

Publication number Publication date
US20220390528A1 (en) 2022-12-08
JPWO2021131158A1 (ja) 2021-07-01
EP4083646A4 (en) 2024-01-10
EP4083646A1 (en) 2022-11-02
US11835597B2 (en) 2023-12-05
WO2021131158A1 (ja) 2021-07-01

Similar Documents

Publication Publication Date Title
CN109003253B (zh) 神经网络点云生成系统
CN106250863B (zh) 对象追踪方法和装置
EP3324333A2 (en) Method and apparatus to perform facial expression recognition and training
CN110929736B (zh) 多特征级联rgb-d显著性目标检测方法
Culbertson et al. Generating haptic texture models from unconstrained tool-surface interactions
CN108021131B (zh) 一种机器人视觉识别方法、装置及计算机可读存储介质
KR102083385B1 (ko) 영상 추출 데이터의 동작 인지에 기초하는 위험 상황 판단 방법
CN110268440A (zh) 图像解析装置、图像解析方法、以及图像解析程序
KR20120052610A (ko) 신경망 학습을 통한 동작 인식 방법 및 장치
JP7176650B2 (ja) 磁気検知システム、磁気信号の波形パターン分類方法、および、磁気検知システム用の波形パターン分布作成方法
Tralie et al. (Quasi) periodicity quantification in video data, using topology
Mathias et al. Underwater object detection based on bi-dimensional empirical mode decomposition and Gaussian Mixture Model approach
Škrjanc et al. Evolving gustafson-kessel possibilistic c-means clustering
Hu et al. Temporal head pose estimation from point cloud in naturalistic driving conditions
Ali et al. DeepHAR-Net: A novel machine intelligence approach for human activity recognition from inertial sensors
Ishak et al. Advanced radar micro-Doppler simulation environment for human motion applications
Chen et al. Vision-based skeleton motion phase to evaluate working behavior: case study of ladder climbing safety
Malekmohamadi et al. Low-cost automatic ambient assisted living system
GB2553351A (en) Salient object detection
CN114781468A (zh) 一种图像检测方法、装置、电子设备及可读存储介质
KR20170082412A (ko) 인식 대상 맞춤형 비전 시스템 생성 장치 및 방법
CN114533010A (zh) 心率检测方法和装置
KR102464945B1 (ko) 기계 학습을 이용한 신호 데이터 상태 분석 장치 및 방법
Xu et al. An improved switching vector median filter for image-based haptic texture generation
KR20200125131A (ko) 인공지능 기반 영상 두께 측정 방법 및 시스템

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211220

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: 20221011

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20221024

R151 Written notification of patent or utility model registration

Ref document number: 7176650

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151