JP7300403B2

JP7300403B2 - 土砂の特性推定方法および特性推定システム

Info

Publication number: JP7300403B2
Application number: JP2020011110A
Authority: JP
Inventors: 弘幸三枝; 亮太夏坂; 英幸浅田; 知靖飯田; 了三木村; 大輔及川
Original assignee: Toa Corp
Current assignee: Toa Corp
Priority date: 2020-01-27
Filing date: 2020-01-27
Publication date: 2023-06-29
Anticipated expiration: 2040-01-27
Also published as: JP2021117124A

Description

本発明は、土砂の特性推定方法および特性推定システムに関し、さらに詳しくは、土砂の粒度分布などの特性を簡便に精度よく推定できる土砂の特性推定方法および特性推定システムに関するものである。

土砂の粒度分布は粒度試験を行うことで実測できるが、粒度試験には時間を要する。そこで、より短時間で粒度分布を把握するために、土砂の粒度分布を推定する方法が種々提案されている（例えば特許文献１参照）。特許文献１に記載の土質特性推定方法では、ベルトコンベアで土砂を搬送する過程でベルトコンベアに設けた振動装置により土砂に振動を加えると共に、振動の前後における土砂の画像を撮影する。そして、振動前後の土砂の画像から土砂を構成する粒子及び土塊の分布を測定し、振動前後における粒子および土塊の径の分布の変化から土砂の土質を特性推定している。

しかしながら、この方法では、土塊が残存した状態で土砂の土質を推定しているため、土砂の粒度分布を精度よく推定することは困難である。また、ベルトコンベアやベルトコンベアを振動させる振動装置などの比較的大掛かりな装置が必要となるため、施工現場などで簡便に土砂の粒度分布を推定するには不向きである。

特開２０１８－６６６１３号公報

本発明の主な目的は、土砂の粒度分布を簡便に精度よく推定できる土砂の特性推定方法および特性推定システムを提供することにある。

上記目的を達成するため本発明の土砂の特性推定方法は、事前作業として、土砂の粒度分布を実測する粒度実測工程と、その土砂を液体に予め設定した所定割合で混入した混合液を透明な容器の中で加振して前記土砂の粒子どうしを分離させた状態にした時点から予め設定した所定の経過時間の間に、前記混合液が収容されている前記容器を前記容器の外側の前記容器の周面に対向する方向から撮影装置で撮影することで前記混合液の全体の状況を示す容器の画像データを取得する撮影工程とを複数種類の土砂に対して行い、それぞれの土砂における前記粒度実測工程で取得した土砂の粒度分布の実測データと前記撮影工程で取得した前記容器の画像データとの相関関係を示す粒度分布関係データを記憶させた粒度分布機械学習部により、複数組の前記粒度分布関係データを教師データとして用いて、入力を前記容器の画像データとし、出力をその前記容器の画像データから推定される土砂の粒度分布の推定データとする粒度分布推定モデルを機械学習によって予め生成しておき、土砂の粒度分布を推定する際には、その推定対象土砂に対して前記撮影工程を行って取得した前記容器の画像データを粒度分布処理部に入力し、前記粒度分布処理部が前記粒度分布推定モデルを用いて前記推定対象土砂の粒度分布の推定データを出力することを特徴とする。
本発明の別の土砂の特性推定方法は、事前作業として、土砂の粒度分布を実測する粒度実測工程と、その土砂を液体に予め設定した所定割合で混入した混合液を透明な容器の中で加振して前記土砂の粒子どうしを分離させた状態にした時点から予め設定した所定の経過時間の間に、前記混合液が収容されている前記容器を前記容器の外側の前記容器の周面に対向する方向から撮影装置で撮影する撮影工程とを複数種類の土砂に対して行い、それぞれの土砂における前記粒度実測工程で取得した土砂の粒度分布の実測データと前記撮影工程で取得した前記容器の画像データとの相関関係を示す粒度分布関係データを記憶させた粒度分布機械学習部により、複数組の前記粒度分布関係データを教師データとして用いて、入力を前記容器の画像データとし、出力をその前記容器の画像データから推定される土砂の粒度分布の推定データとする粒度分布推定モデルを機械学習によって予め生成しておき、土砂の粒度分布を推定する際には、その推定対象土砂に対して前記撮影工程を行って取得した前記容器の画像データを粒度分布処理部に入力し、前記粒度分布処理部が前記粒度分布推定モデルを用いて前記推定対象土砂の粒度分布の推定データを出力し、前記撮影工程において、前記容器を加振しているときに発生する音の音データを取得し、前記土砂の粒度分布の実測データと前記容器の画像データと前記音データとの相関関係を示す前記粒度分布関係データを記憶させた前記粒度分布機械学習部により、複数組の前記粒度分布関係データを教師データとして用いて、入力を前記容器の画像データおよび前記音データとし、出力をその前記容器の画像データおよび前記音データから推定される土砂の粒度分布の推定データとする粒度分布推定モデルを機械学習により予め生成しておき、土砂の粒度分布を推定する際には、その推定対象土砂に対して前記撮影工程を行って取得した前記容器の画像データおよび前記音データを前記粒度分布処理部に入力し、前記粒度分布処理部が前記粒度分布推定モデルを用いて前記推定対象土砂の粒度分布の推定データを出力することを特徴とする。
本発明のさらに別の土砂の特性推定方法は、事前作業として、土砂の粒度分布を実測する粒度実測工程と、その土砂を液体に予め設定した所定割合で混入した混合液を透明な容器の中で加振して前記土砂の粒子どうしを分離させた状態にした時点から予め設定した所定の経過時間の間に、前記混合液が収容されている前記容器を前記容器の外側の前記容器の周面に対向する方向から撮影装置で撮影する撮影工程とを複数種類の土砂に対して行い、それぞれの土砂における前記粒度実測工程で取得した土砂の粒度分布の実測データと前記撮影工程で取得した前記容器の画像データとの相関関係を示す粒度分布関係データを記憶させた粒度分布機械学習部により、複数組の前記粒度分布関係データを教師データとして用いて、入力を前記容器の画像データとし、出力をその前記容器の画像データから推定される土砂の粒度分布の推定データとする粒度分布推定モデルを機械学習によって予め生成しておき、土砂の粒度分布を推定する際には、その推定対象土砂に対して前記撮影工程を行って取得した前記容器の画像データを粒度分布処理部に入力し、前記粒度分布処理部が前記粒度分布推定モデルを用いて前記推定対象土砂の粒度分布の推定データを出力し、複数種類の土砂における、土砂の粒度分布の実測データとその土砂の含水比およびコーン指数の相関を示す実測データとの相関関係を示すコーン指数関係データを記憶させたコーン指数機械学習部により、複数組の前記コーン指数関係データを教師データとして用いて、入力を前記土砂の粒度分布のデータとし、出力をその前記土砂の粒度分布のデータから推定される土砂の含水比およびコーン指数の相関を示す推定データとするコーン指数推定モデルを機械学習によって予め生成しておき、前記推定対象土砂の含水比およびコーン指数の相関を推定する際には、前記粒度分布処理部から出力された前記推定対象土砂の粒度分布の推定データをコーン指数処理部に入力し、前記コーン指数処理部が前記コーン指数推定モデルを用いて前記推定対象土砂の含水比およびコーン指数の相関を示す推定データを出力することを特徴とする。
本発明のさらに別の土砂の特性推定方法は、事前作業として、土砂の粒度分布を実測する粒度実測工程と、その土砂を液体に予め設定した所定割合で混入した混合液を透明な容器の中で加振して前記土砂の粒子どうしを分離させた状態にした時点から予め設定した所定の経過時間の間に、前記混合液が収容されている前記容器を前記容器の外側の前記容器の周面に対向する方向から撮影装置で撮影する撮影工程とを複数種類の土砂に対して行い、それぞれの土砂における前記粒度実測工程で取得した土砂の粒度分布の実測データと前記撮影工程で取得した前記容器の画像データとの相関関係を示す粒度分布関係データを記憶させた粒度分布機械学習部により、複数組の前記粒度分布関係データを教師データとして用いて、入力を前記容器の画像データとし、出力をその前記容器の画像データから推定される土砂の粒度分布の推定データとする粒度分布推定モデルを機械学習によって予め生成しておき、土砂の粒度分布を推定する際には、その推定対象土砂に対して前記撮影工程を行って取得した前記容器の画像データを粒度分布処理部に入力し、前記粒度分布処理部が前記粒度分布推定モデルを用いて前記推定対象土砂の粒度分布の推定データを出力し、複数種類の土砂における、土砂の粒度分布の実測データとその土砂の含水比および乾燥密度の相関を示す実測データとの相関関係を示す乾燥密度関係データを記憶させた乾燥密度機械学習部により、複数組の前記乾燥密度関係データを教師データとして用いて、入力を前記土砂の粒度分布のデータとし、出力をその前記土砂の粒度分布のデータから推定される土砂の含水比および乾燥密度の相関を示す推定データとする乾燥密度推定モデルを機械学習によって予め生成しておき、前記推定対象土砂の含水比および乾燥密度の相関を推定する際には、前記粒度分布処理部から出力された前記推定対象土砂の粒度分布の推定データを乾燥密度処理部に入力し、前記乾燥密度処理部が前記乾燥密度推定モデルを用いて前記推定対象土砂の含水比および乾燥密度の相関を示す推定データを出力することを特徴とする。

本発明の土砂の特性推定システムは、撮影装置と、前記撮影装置に通信可能に接続される特性推定装置とを備え、前記特性推定装置は、粒度分布機械学習部と粒度分布処理部とを有し、前記粒度分布機械学習部に、複数種類の土砂における、土砂の粒度分布を実測して取得された土砂の粒度分布の実測データと、その土砂を液体に予め設定した所定割合で混入した混合液を透明な容器の中で加振して前記土砂の粒子どうしを分離させた状態にした時点から予め設定した所定の経過時間の間に、前記混合液が収容されている前記容器を前記容器の外側の前記容器の周面に対向する方向から前記撮影装置で撮影して取得された前記混合液の全体の状況を示す前記容器の画像データと、の相関関係を示す粒度分布関係データが記憶されていて、前記粒度分布機械学習部により、その複数組の前記粒度分布関係データが教師データとして用いられることにより、入力された前記容器の画像データから推定される土砂の粒度分布の推定データが出力される粒度分布推定モデルが機械学習によって生成されていて、推定対象土砂に対して取得された前記容器の画像データが前記粒度分布処理部に入力されることで、前記粒度分布処理部によって前記粒度分布推定モデルを用いて推定された前記推定対象土砂の粒度分布の推定データが出力される構成であることを特徴とする。

本発明では、前記撮影工程において、前記容器を加振しているときに発生する音の音データを取得し、前記土砂の粒度分布の実測データと前記容器の画像データと前記音データとの相関関係を示す前記粒度分布関係データを記憶させた前記粒度分布機械学習部により、複数組の前記粒度分布関係データを教師データとして用いて、入力を前記容器の画像データおよび前記音データとし、出力をその前記容器の画像データおよび前記音データから推定される土砂の粒度分布の推定データとする粒度分布推定モデルを機械学習により予め生成しておき、土砂の粒度分布を推定する際には、その推定対象土砂に対して前記撮影工程を行って取得した前記容器の画像データおよび前記音データを前記粒度分布処理部に入力し、前記粒度分布処理部が前記粒度分布推定モデルを用いて前記推定対象土砂の粒度分布の推定データを出力する構成にすることもできる。

本発明によれば、土砂に土塊が含まれている場合にも、土砂を液体に混入した混合液を透明な容器の中で加振することで土砂の粒子どうしを速やかに効率よく分離させることができる。それ故、土砂の粒度分布を精度よく推定するには有利である。土砂の粒度分布と、土砂を液体に混入して加振した状態の容器の周面に付着する土砂の状況や、液体に紛れて浮遊している土砂の状況、容器の底に堆積する土砂の状況などには高い相関性がある。それ故、複数種類の土砂に対して事前作業として粒度実測工程と撮影工程を行なって取得した土砂の粒度分布の実測データと容器の画像データとの相関関係を示す粒度分布関係データを粒度分布機械学習部に記憶させる。そして、粒度分布機械学習部に、その複数組の粒度分布関係データを教師データとして用いて機械学習を行わせることで、容器の画像データから土砂の粒度分布を推定する粒度分布推定モデルを生成することが可能となる。この粒度分布推定モデルを生成しておくことで、施工現場などで土砂の粒度分布を推定する際には、その推定対象土砂を液体に混入した混合液を透明な容器の中で加振した後に、その容器を撮影装置によって撮影し、その取得した容器の画像データを粒度分布処理部に入力するだけで、粒度分布推定モデルによって推定された推定対象土砂の粒度分布の推定データを出力することが可能となる。それ故、施工現場などでも推定対象土砂の粒度分布を簡便に精度よく推定できる。

さらに、土砂の粒度分布の推定に、容器を加振しているときに発生する音の音データを利用する構成にすると、容器の画像データと音データとから土砂の粒度分布を複合的に推定できるので、土砂の粒度分布の推定精度を補完することができる。

撮影工程を行っている状況を例示する説明図である。撮影工程で取得した容器の画像データを例示する説明図である。撮影工程で取得した容器の別の画像データを例示する説明図である。土砂の粒度分布のデータを例示するグラフ図である。土砂を液体に混入した混合液を容器の中で加振しているときに発生する音を録音している状況を例示する説明図である。土砂の含水比とコーン指数との相関を示すデータを例示するグラフ図である。土砂の含水比と乾燥密度との相関を示すデータを例示するグラフ図である。

以下、本発明の土砂の特性推定方法および特性推定システムを図に示した実施形態に基づいて説明する。

図１に例示するように、本発明の土砂の特性推定システム１は、撮影装置２と、撮影装置２に通信可能な特性推定装置３とを備えている。撮影装置２としては、デジタルカメラや多機能携帯端末（スマートフォンやタブレット等）などを用いる。特性推定装置３としては、コンピュータや多機能携帯端末などを用いる。特性推定システム１は例えば、撮影装置２と特性推定装置３とを兼用するカメラを備えたノート型のコンピュータや多機能携帯端末などで構成することもできる。特性推定装置３は、粒度分布機械学習部と粒度分布処理部を有している。粒度分布機械学習部および粒度分布処理部の詳細は後述する。

本発明の土砂の特性推定方法では、特性推定システム１と透明な容器５と液体Ｌを用いて土砂Ｓの粒度分布（粒径加積曲線）を推定する。この実施形態では、さらに、撮影用のケーシング６と照明機器７を使用する。ケーシング６と照明機器７は任意で用いることができる。

透明な容器５としては、例えば、ガラス製やプラスチック製の密閉可能な容器を用いる。容器５の透明度は外部から内部が視認可能であればよく、無色透明に限定されない。容器５の大きさは適宜決定できるが、例えば、内容量が２００ｍｌ～１０００ｍｌ程度の容器５を用いるとよい。この実施形態では、容器５として略円筒形状のガラス製のビンとその蓋を使用しているが、容器５の材質や形状は特に限定されず、例えば、角筒形状の容器５を使用してもよい。液体Ｌとしては、水や油などが例示できる。この実施形態では、液体Ｌとして水を用いている。

土砂Ｓを液体Ｌに混入した混合液を容器５の中で加振すると、土砂Ｓと液体Ｌとが撹拌されて土砂Ｓの粒子どうしが分離した状態となる。そして、加振した後の容器５を載置すると、図２や図３に例示するように、土砂Ｓを構成する比較的粒径の小さい粒子（例えば、粘性土）が、容器５の周面に付着した状態や液体Ｌに紛れて浮遊した状態となる。一方で、土砂Ｓを構成する比較的粒径の大きい粒子（例えば、砂や礫）は容器５の底に堆積した状態となる。

土砂Ｓの粒度分布が異なると、この加振した後の容器５の周面に付着する土砂Ｓの状況や、液体Ｌに紛れて浮遊した状態となる土砂Ｓの状況、容器５の底に堆積する土砂Ｓの状況などが異なる。本発明者らは、この土砂Ｓを液体Ｌに混入した混合液を容器５の中で加振した後の状況と、土砂Ｓの粒度分布との相関性に着目して本発明を創作した。

この特性推定方法では、施工現場などで土砂Ｓの粒度分布を推定する以前に、以下で説明する事前作業を予め行っておく。

事前作業では、複数種類の土砂Ｓに対して、粒度実測工程と撮影工程を行う。土砂Ｓに粒径の比較的大きい礫（例えば、粒径が４．７５ｍｍ以上）や枝などの不純物が含まれている場合には、予め篩などを使用して土砂Ｓから礫や不純物を取り除いておく。より好ましくは、予め篩などを使用して土砂Ｓから粒径が２ｍｍ以上の礫を取り除いておくとよい。

粒度実測工程では、土砂Ｓの粒度分布を実測して土砂Ｓの粒度分布の実測データを取得する。粒度実測工程では、例えば、ＪＩＳＡ１２０４に規定されている土の粒度試験方法に従って土砂Ｓの粒度分布を実測する。その他の方法で土砂Ｓの粒度分布を実測してもよい。

撮影工程では、土砂Ｓを液体Ｌに予め設定した所定割合で混合した混合液を容器５の中に入れる。土砂Ｓと液体Ｌとの混合割合は使用する容器５の大きさや液体Ｌの種類に応じて適宜設定できる。具体的には例えば、容器５に入れる土砂Ｓの量は、重量または体積を基準にして予め設定した一定の条件とする。液体Ｌとして水を用いる場合には、容器５に入れる水量は、例えば、土砂Ｓの含水比が予め設定した一定値となる水量に調整する。土砂Ｓの含水比は例えば、１００％～２００％の範囲内の所定値に設定するとよい。液体Ｌとして水以外の油などを用いる場合には、例えば、土砂Ｓの含水比を予め設定した所定値に調整した後に、予め設定した所定の重量または体積の液体Ｌを容器５に入れる。

容器５に入れる土砂Ｓと液体Ｌの量は、土砂Ｓと液体Ｌを入れた容器５を載置した状態で、容器５の内空部の下端部から液面位置まで高さが、容器５の内空部の下端部から上端部までの高さの３０％～７０％の範囲内になるように設定することが好ましい。

次いで、土砂Ｓを液体Ｌに混入した混合液を容器５の中で加振して、土砂Ｓと液体Ｌとを撹拌し、土砂Ｓの粒子どうしを分離させた状態にする。容器５は作業者が振ってもよいが、容器５を加振する方向や加振速度、加振回数などは予め設定した一定の条件に統一することが好ましい。より好ましくは、加振機や振とう機などの機器を使用して容器５を予め設定した一定の条件で加振するとよい。

次いで、図１に例示するように、加振し終えた容器５を載置する。そして、土砂Ｓの粒子どうしを分離させた状態にした時点から予め設定した所定の経過時間の間に、混合液が収容されている容器５を容器５の外側の容器５の周面に対向する方向から撮影装置２で撮影する。これにより、図２や図３に例示するような、容器５の画像データを取得する。土砂Ｓの粒子どうしを分離させた状態にした時点から容器５を撮影するまでの時間が長いと、土砂Ｓの粒度分布に相関性がある、容器５の周面に付着している土砂Ｓや液体Ｌに紛れ込んで浮遊している土砂Ｓが容器５の底に堆積した状態になってしまう。そのため、前述した所定の経過時間は例えば、５分以内に設定する。

容器５を撮影する際には、容器５を撮影する角度や画角、明度、背景などの撮影条件を一定の条件に統一することが好ましい。撮影工程では、容器５の向きを変えて、容器５の周面の周方向全周に渡って複数枚の容器５の画像データを取得するとよい。この実施形態のように、容器５を囲うケーシング６と、ケーシング６内の照度を調整する照明機器７を使用すると、容器５を一定の撮影条件で撮影できる。容器５を撮影する際の撮影装置２の設定は、カラー撮影にすることもできるが、モノクローム撮影にするとより好ましい。以上により、撮影工程が完了する。

事前作業では、前述した粒度実測工程および撮影工程を複数種類の土砂Ｓに対してそれぞれ行うことで、それぞれの土砂Ｓにおける土砂Ｓの粒度分布の実測データと容器５の画像データとの相関関係を示す粒度分布関係データを取得する。そして、それぞれの土砂Ｓにおける粒度分布関係データを特性推定装置３の粒度分布機械学習部に記憶させる。粒度分布機械学習部には粒度分布関係データを多数記憶させることが好ましい。

そして、事前作業では、粒度分布機械学習部により、記憶させた複数組の粒度分布関係データを教師データとして用いて、入力を容器５の画像データとし、出力をその容器５の画像データから推定される土砂Ｓの粒度分布の推定データとする粒度分布推定モデルを機械学習によって予め生成しておく。以上により事前作業が完了する。

粒度分布機械学習部は、記憶されている複数組の粒度分布関係データを教師データとして用いて、土砂Ｓの粒度分布に関係する容器５の画像データにおける特徴を機械学習して、粒度分布推定モデルを生成する。前述した特徴としては、例えば、容器５の周面に付着している土砂Ｓの量や粒子の大きさ、土砂Ｓが紛れ込んでいる液体Ｌの濃淡、容器５の底に堆積している土砂Ｓの量や堆積の仕方、堆積している土砂Ｓの粒子の大きさなどが挙げられる。粒度分布機械学習部による機械学習の手法としては、例えば、ニューラルネットワークや回帰、クラスタリングなどが例示できる。

施工現場などで採取した土砂Ｓの粒度分布を推定する際には、その推定対象土砂Ｓに対して前述した撮影工程を行ってその推定対象土砂Ｓにおける容器５の画像データを取得する。即ち、事前作業で使用した容器５と同型の容器５に、予め設定した所定割合で推定対象土砂Ｓと液体Ｌを入れる。次いで、その液体Ｌに推定対象土砂Ｓを混入した混合液を容器５の中で加振して推定対象土砂Ｓの粒子どうしを分離させた状態にした後に、容器５を載置する。そして、推定対象土砂Ｓの粒子どうしを分離させた状態にした時点から予め設定した所定の経過時間の間に、混合液が収容されている容器５を撮影装置２で撮影して、容器５の画像データを取得する。ケーシング６と照明機器７を使用すると、室外でも概ね事前作業のときと同じ撮影条件で容器５を撮影できる。

次いで、その取得した容器５の画像データを特性推定装置３の粒度分布処理部に入力する。すると、粒子分布処理部が粒子分布機械学習部によって生成された粒子分布推定モデルを用いて、図４に例示するような、入力された容器５の画像データから推定される推定対象土砂Ｓの粒度分布の推定データを出力する。

このように、本発明によれば、土砂Ｓに土塊が含まれている場合にも、土砂Ｓを液体Ｌに混入した混合液を容器５の中で加振することで土砂Ｓの粒子どうしを速やかに効率よく分離させることができる。それ故、土砂Ｓの粒度分布を精度よく推定するには有利である。

さらに、土砂Ｓと液体Ｌを入れて加振した後の容器５の画像データを用いることで、土砂Ｓを単純に撮影した画像データよりも、土砂Ｓの粒度分布の推定に寄与する土砂Ｓの特徴を表す情報をより多く得ることができる。それ故、機械学習の教師データとして土砂Ｓを単純に撮影した画像データを用いる場合よりも、より推定精度の高い粒度分布推定モデルを生成することが可能となる。

粒度分布推定モデルを予め生成しておくことで、施工現場などで土砂Ｓの粒度分布を推定する際には、その推定対象土砂Ｓを液体Ｌに混入した混合液を容器５の中で加振した後に、その容器５を撮影装置２によって撮影し、その取得した容器５の画像データを粒度分布処理部に入力するだけで、粒度分布推定モデルによって推定された推定対象土砂Ｓの粒度分布の推定データを出力することが可能となる。それ故、施工現場などでも推定対象土砂Ｓの粒度分布を簡便に精度よく推定できる。特性推定システム１は、デジタルカメラやノート型のコンピュータ、多機能携帯端末などの比較的コンパクトな機材で構成でき、撮影工程で使用する容器５も２００ｍｌ～１０００ｍｌ程度の小さなものでよいので、非常に利便性が高い。

様々な色の土砂Ｓが存在するが、土砂Ｓの色と土砂Ｓの粒度分布との相関性は比較的弱いと考えられる。それ故、容器５の画像データとしては単色（モノクローム）の画像データを用いることが好ましい。単色の画像データにして土砂Ｓの色の情報を除くことで、粒度分布機械学習部が粒度分布推定モデルを生成する際に、土砂Ｓの粒度分布の特性推定基準としてノイズとなり得る土砂Ｓの色に対する重み付けを重くするようなことを回避できる。それ故、粒度分布推定モデルの推定精度を高めるには有利になる。

土砂Ｓに粒径が大きい礫が含まれている場合には、その粒径が大きい礫が容器５の画像データに比較的大きく表示されるが、粒径が大きい礫の形状と土砂Ｓの粒度分布との相関性は比較的弱いと考えられる。それ故、予め篩などを使用して土砂Ｓから比較的大きい礫、具体的には例えば、粒径が４．７５ｍｍ以上の礫、より好ましくは粒径が２ｍｍ以上の礫を取り除いておくとよい。粒径が比較的大きい礫を土砂Ｓから取り除いておくことで、粒度分布機械学習部が粒度分布推定モデルを生成する際に、土砂Ｓの粒度分布の特性推定基準としてノイズとなり得る礫の形状に対する重み付けを過度に重くするようなことを回避できる。それ故、粒度分布推定モデルの推定精度を高めるにはより有利になる。なお、本発明では、土砂Ｓから粒径が比較的大きい礫を取り除かない場合にも、土砂Ｓの粒度分布を推定することは可能である。

教師データの数が多いほど、粒度分布推定モデルの推定精度を高めるには有利になる。そのため、粒度分布処理部が推定対象土砂Ｓの粒度分布データを出力した後には、その推定対象土砂Ｓにおける容器５の画像データと、その推定対象土砂Ｓに対して粒度実測工程を行って取得した推定対象土砂Ｓの粒度分布の実測データとの粒度分布関係データを新たな教師データとして粒度分布機械学習部に記憶させることが好ましい。このように、粒度分布機械学習部に記憶させる粒度分布関係データの数を増やしていき、粒度分布機械学習部によって生成する粒度分布推定モデルを更新していくことで、粒度分布推定モデルの推定精度を高めていくことができる。

本発明の土砂の特性推定方法および特性推定システム１は図５に例示するような構成にすることもできる。

土砂Ｓを液体Ｌに混入した混合液を容器５の中で加振しているときには、土砂Ｓの粒子どうしがぶつかることや容器５に粒子がぶつかることで、音が発生する。土砂Ｓの粒度分布が異なると、この容器５を加振しているときに発生する音の高さや音色なども異なる。そのため、この実施形態では、土砂Ｓの粒度分布を推定する要素として、容器５を加振しているときに発生する音と土砂Ｓの粒度分布との相関性も加味する。

この実施形態の特性推定システム１は、撮影装置２および特性推定装置３に加えて、録音装置４を備えている。この特性推定システム１を用いる特性推定方法では、図５に例示するように、撮影工程において、容器５を加振しているときに発生する音の音データを録音装置４によって取得する。音データとしては例えば、音紋データや周波数分布データなどが挙げられる。録音装置４による録音条件は一定の条件に統一させることが好ましい。

この実施形態のように、防音ケース８の内側に録音装置４を配置して、容器５を防音ケース８の内部で加振すると、周囲の雑音の影響を低減することができ、室外でも概ね一定の録音条件で音データを取得できる。音データを取得する場合の容器５は、ガラス製のビンのように、容器５と土砂Ｓとが衝突したときに音が発生しやすい材質であることが好ましい。

この特性推定方法の事前作業では、土砂Ｓの粒度分布の実測データと容器５の画像データと音データとの相関関係を示す粒度分布関係データを、特性推定装置３の粒度分布機械学習部に記憶させる。そして、粒度分布機械学習部により、その記憶されている複数組の粒度分布関係データを教師データとして用いて、入力を容器５の画像データおよび音データとし、出力をその容器５の画像データおよび音データから推定される土砂Ｓの粒度分布の推定データとする粒度分布推定モデルを機械学習により予め生成しておく。

施工現場などで採取した土砂Ｓの粒度分布を推定する際には、その推定対象土砂Ｓに対する撮影工程を行って容器５の画像データと音データを取得する。そして、その取得した容器５の画像データと音データを特性推定装置３の粒度分布処理部に入力する。すると、粒度分布処理部が粒度分布機械学習部によって生成された粒度分布推定モデルを用いて、推定対象土砂Ｓの粒度分布の推定データを出力する。

このように、土砂Ｓの粒度分布の推定に、容器５を加振しているときに発生する音の音データを利用すると、容器５の画像データと音データとから土砂Ｓの粒度分布を複合的に推定できるので、土砂Ｓの粒度分布の推定精度を補完することができる。

本発明の土砂の特性推定方法および特性推定システム１は次のような構成にすることもできる。

図６に例示するように、土砂Ｓの含水比とコーン指数との相関を示すデータと、土砂Ｓの粒度分布のデータとの間には相関性がある。そのため、土砂Ｓの粒度分布のデータからその土砂Ｓの含水比とコーン指数との相関を示すデータを推定することが可能である。

この実施形態の特性推定システム１は、さらに、コーン指数機械学習部とコーン指数処理部を有している。粒度分布機械学習部および粒度分布処理部を有する特性推定装置３に、コーン指数機械学習部およびコーン指数処理部を組み込んだ特性推定システム１にすることもできるし、粒度分布機械学習部および粒度分布処理部を有する特性推定装置３と、コーン指数機械学習部およびコーン指数処理部を有する別の特性推定装置３とを有する特性推定システム１にすることもできる。

この実施形態では、事前作業において、複数種類の土砂Ｓにおける、土砂Ｓの粒度分布の実測データとその土砂Ｓの含水比およびコーン指数の相関を示す実測データとの相関関係を示すコーン指数関係データをコーン指数機械学習部に記憶させる。土砂Ｓの含水比およびコーン指数の相関を示す実測データは、例えば、ＪＩＳＡ１２２８に規定されている締固めた土のコーン指数試験方法に従って取得する。土砂Ｓの含水比およびコーン指数の相関を示す実測データは他の方法で取得してもよい。過去に実施した工事などで蓄積していたコーン指数関係データをコーン指数機械学習部に記憶させてもよい。

そして、コーン指数機械学習部により、記憶させている複数組のコーン指数関係データを教師データとして用いて、入力を土砂Ｓの粒度分布のデータとし、出力をその土砂Ｓの粒度分布のデータから推定される土砂Ｓの含水比およびコーン指数の相関を示す推定データとするコーン指数推定モデルを機械学習によって予め生成しておく。

推定対象土砂Ｓの含水比およびコーン指数の相関を推定する際には、前述した粒度分布処理部から出力された土砂Ｓの粒度分布の推定データをコーン指数処理部に入力する。すると、コーン指数処理部が、コーン指数機械学習部が生成したコーン指数推定モデルを用いて、推定対象土砂Ｓの含水比およびコーン指数の相関を示す推定データを出力する。

このような構成にすると、推定対象土砂Ｓの粒度分布の推定データに加えて、推定対象土砂Ｓの含水比とコーン指数との相関を示す推定データを簡便に得ることができるので、特性推定システム１の利便性がより高くなる。

図７に例示するように、土砂Ｓの含水比と乾燥密度との相関（締固め曲線）を示すデータと、土砂Ｓの粒度分布のデータとの間には相関性がある。そのため、土砂Ｓの粒度分布のデータからその土砂Ｓの含水比と乾燥密度との相関を示すデータを推定することが可能である。

この実施形態の特性推定システム１は、さらに、乾燥密度機械学習部と乾燥密度処理部を有している。粒度分布機械学習部および粒度分布処理部を有する特性推定装置３に、乾燥密度学習部および乾燥密度処理部を組み込んだ特性推定システム１にすることもできるし、粒度分布機械学習部および粒度分布処理部を有する特性推定装置３と、乾燥密度機械学習部および乾燥密度処理部を有する別の特性推定装置３とを有する特性推定システム１にすることもできる。粒度分布機械学習部および粒度分布処理部と、コーン指数機械学習部およびコーン指数処理部と、乾燥密度機械学習部および乾燥密度処理部とを兼ね備えた特性推定システム１にすることもできる。

この実施形態では、事前作業において、複数種類の土砂Ｓにおける、土砂Ｓの粒度分布の実測データとその土砂Ｓの含水比および乾燥密度の相関を示す実測データとの相関関係を示す乾燥密度関係データを乾燥密度機械学習部に記憶させる。土砂Ｓの含水比および乾燥密度の相関を示す実測データは、例えば、ＪＩＳＡ１２１０に規定されている突固めによる土の締固め試験方法に従って取得する。土砂Ｓの含水比および乾燥密度の相関を示す実測データは他の方法で取得してもよい。過去に行った工事などで蓄積している乾燥密度関係データを乾燥密度機械学習部に記憶させてもよい。

そして、乾燥密度機械学習部により、記憶させている複数組の乾燥密度関係データを教師データとして用いて、入力を土砂Ｓの粒度分布のデータとし、出力をその土砂Ｓの粒度分布のデータから推定される土砂Ｓの含水比および乾燥密度の相関を示す推定データとする乾燥密度推定モデルを機械学習によって予め生成しておく。

推定対象土砂Ｓの含水比および乾燥密度の相関を推定する際には、前述した粒度分布処理部から出力された土砂Ｓの粒度分布の推定データを乾燥密度処理部に入力する。すると、乾燥密度処理部が、乾燥密度機械学習部が生成した乾燥密度推定モデルを用いて、推定対象土砂Ｓの含水比および乾燥密度の相関を示す推定データを出力する。

このような構成にすると、推定対象土砂Ｓの粒度分布の推定データに加えて、推定対象土砂Ｓの含水比と乾燥密度との相関を示す推定データを簡便に得ることができるので、特性推定システム１の利便性がより高くなる。

１特性推定システム
２撮影装置
３特性推定装置
４録音装置
５（透明な）容器
６（撮影用の）ケーシング
７照明機器
８防音ケース
Ｓ土砂
Ｌ液体

Claims

事前作業として、土砂の粒度分布を実測する粒度実測工程と、その土砂を液体に予め設定した所定割合で混入した混合液を透明な容器の中で加振して前記土砂の粒子どうしを分離させた状態にした時点から予め設定した所定の経過時間の間に、前記混合液が収容されている前記容器を前記容器の外側の前記容器の周面に対向する方向から撮影装置で撮影することで前記混合液の全体の状況を示す容器の画像データを取得する撮影工程とを複数種類の土砂に対して行い、それぞれの土砂における前記粒度実測工程で取得した土砂の粒度分布の実測データと前記撮影工程で取得した前記容器の画像データとの相関関係を示す粒度分布関係データを記憶させた粒度分布機械学習部により、複数組の前記粒度分布関係データを教師データとして用いて、入力を前記容器の画像データとし、出力をその前記容器の画像データから推定される土砂の粒度分布の推定データとする粒度分布推定モデルを機械学習によって予め生成しておき、
土砂の粒度分布を推定する際には、その推定対象土砂に対して前記撮影工程を行って取得した前記容器の画像データを粒度分布処理部に入力し、前記粒度分布処理部が前記粒度分布推定モデルを用いて前記推定対象土砂の粒度分布の推定データを出力することを特徴とする土砂の特性推定方法。
事前作業として、土砂の粒度分布を実測する粒度実測工程と、その土砂を液体に予め設定した所定割合で混入した混合液を透明な容器の中で加振して前記土砂の粒子どうしを分離させた状態にした時点から予め設定した所定の経過時間の間に、前記混合液が収容されている前記容器を前記容器の外側の前記容器の周面に対向する方向から撮影装置で撮影する撮影工程とを複数種類の土砂に対して行い、それぞれの土砂における前記粒度実測工程で取得した土砂の粒度分布の実測データと前記撮影工程で取得した前記容器の画像データとの相関関係を示す粒度分布関係データを記憶させた粒度分布機械学習部により、複数組の前記粒度分布関係データを教師データとして用いて、入力を前記容器の画像データとし、出力をその前記容器の画像データから推定される土砂の粒度分布の推定データとする粒度分布推定モデルを機械学習によって予め生成しておき、
土砂の粒度分布を推定する際には、その推定対象土砂に対して前記撮影工程を行って取得した前記容器の画像データを粒度分布処理部に入力し、前記粒度分布処理部が前記粒度分布推定モデルを用いて前記推定対象土砂の粒度分布の推定データを出力し、
前記撮影工程において、前記容器を加振しているときに発生する音の音データを取得し、前記土砂の粒度分布の実測データと前記容器の画像データと前記音データとの相関関係を示す前記粒度分布関係データを記憶させた前記粒度分布機械学習部により、複数組の前記粒度分布関係データを教師データとして用いて、入力を前記容器の画像データおよび前記音データとし、出力をその前記容器の画像データおよび前記音データから推定される土砂の粒度分布の推定データとする粒度分布推定モデルを機械学習により予め生成しておき、
土砂の粒度分布を推定する際には、その推定対象土砂に対して前記撮影工程を行って取得した前記容器の画像データおよび前記音データを前記粒度分布処理部に入力し、前記粒度分布処理部が前記粒度分布推定モデルを用いて前記推定対象土砂の粒度分布の推定データを出力することを特徴とする土砂の特性推定方法。
事前作業として、土砂の粒度分布を実測する粒度実測工程と、その土砂を液体に予め設定した所定割合で混入した混合液を透明な容器の中で加振して前記土砂の粒子どうしを分離させた状態にした時点から予め設定した所定の経過時間の間に、前記混合液が収容されている前記容器を前記容器の外側の前記容器の周面に対向する方向から撮影装置で撮影する撮影工程とを複数種類の土砂に対して行い、それぞれの土砂における前記粒度実測工程で取得した土砂の粒度分布の実測データと前記撮影工程で取得した前記容器の画像データとの相関関係を示す粒度分布関係データを記憶させた粒度分布機械学習部により、複数組の前記粒度分布関係データを教師データとして用いて、入力を前記容器の画像データとし、出力をその前記容器の画像データから推定される土砂の粒度分布の推定データとする粒度分布推定モデルを機械学習によって予め生成しておき、
土砂の粒度分布を推定する際には、その推定対象土砂に対して前記撮影工程を行って取得した前記容器の画像データを粒度分布処理部に入力し、前記粒度分布処理部が前記粒度分布推定モデルを用いて前記推定対象土砂の粒度分布の推定データを出力し、
複数種類の土砂における、土砂の粒度分布の実測データとその土砂の含水比およびコーン指数の相関を示す実測データとの相関関係を示すコーン指数関係データを記憶させたコーン指数機械学習部により、複数組の前記コーン指数関係データを教師データとして用いて、入力を前記土砂の粒度分布のデータとし、出力をその前記土砂の粒度分布のデータから推定される土砂の含水比およびコーン指数の相関を示す推定データとするコーン指数推定モデルを機械学習によって予め生成しておき、
前記推定対象土砂の含水比およびコーン指数の相関を推定する際には、前記粒度分布処理部から出力された前記推定対象土砂の粒度分布の推定データをコーン指数処理部に入力し、前記コーン指数処理部が前記コーン指数推定モデルを用いて前記推定対象土砂の含水比およびコーン指数の相関を示す推定データを出力することを特徴とする土砂の特性推定方法。
事前作業として、土砂の粒度分布を実測する粒度実測工程と、その土砂を液体に予め設定した所定割合で混入した混合液を透明な容器の中で加振して前記土砂の粒子どうしを分離させた状態にした時点から予め設定した所定の経過時間の間に、前記混合液が収容されている前記容器を前記容器の外側の前記容器の周面に対向する方向から撮影装置で撮影する撮影工程とを複数種類の土砂に対して行い、それぞれの土砂における前記粒度実測工程で取得した土砂の粒度分布の実測データと前記撮影工程で取得した前記容器の画像データとの相関関係を示す粒度分布関係データを記憶させた粒度分布機械学習部により、複数組の前記粒度分布関係データを教師データとして用いて、入力を前記容器の画像データとし、出力をその前記容器の画像データから推定される土砂の粒度分布の推定データとする粒度分布推定モデルを機械学習によって予め生成しておき、
土砂の粒度分布を推定する際には、その推定対象土砂に対して前記撮影工程を行って取得した前記容器の画像データを粒度分布処理部に入力し、前記粒度分布処理部が前記粒度分布推定モデルを用いて前記推定対象土砂の粒度分布の推定データを出力し、
複数種類の土砂における、土砂の粒度分布の実測データとその土砂の含水比および乾燥密度の相関を示す実測データとの相関関係を示す乾燥密度関係データを記憶させた乾燥密度機械学習部により、複数組の前記乾燥密度関係データを教師データとして用いて、入力を前記土砂の粒度分布のデータとし、出力をその前記土砂の粒度分布のデータから推定される土砂の含水比および乾燥密度の相関を示す推定データとする乾燥密度推定モデルを機械学習によって予め生成しておき、
前記推定対象土砂の含水比および乾燥密度の相関を推定する際には、前記粒度分布処理部から出力された前記推定対象土砂の粒度分布の推定データを乾燥密度処理部に入力し、
前記乾燥密度処理部が前記乾燥密度推定モデルを用いて前記推定対象土砂の含水比および乾燥密度の相関を示す推定データを出力することを特徴とする土砂の特性推定方法。
前記粒度分布処理部が前記推定対象土砂の粒度分布の推定データを出力した後に、その推定対象土砂における前記容器の画像データと、その推定対象土砂に対して前記粒度実測工程を行って取得した前記推定対象土砂の粒度分布の実測データとの相関関係を示す前記粒度分布関係データを新たな教師データとして前記粒度分布機械学習部に記憶させる請求項１～４のいずれかに記載の土砂の特性推定方法。
撮影装置と、前記撮影装置に通信可能に接続される特性推定装置とを備え、
前記特性推定装置は、粒度分布機械学習部と粒度分布処理部とを有し、
前記粒度分布機械学習部に、複数種類の土砂における、土砂の粒度分布を実測して取得された土砂の粒度分布の実測データと、その土砂を液体に予め設定した所定割合で混入した混合液を透明な容器の中で加振して前記土砂の粒子どうしを分離させた状態にした時点から予め設定した所定の経過時間の間に、前記混合液が収容されている前記容器を前記容器の外側の前記容器の周面に対向する方向から前記撮影装置で撮影して取得された前記混合液の全体の状況を示す前記容器の画像データと、の相関関係を示す粒度分布関係データが記憶されていて、前記粒度分布機械学習部により、その複数組の前記粒度分布関係データが教師データとして用いられることにより、入力された前記容器の画像データから推定される土砂の粒度分布の推定データが出力される粒度分布推定モデルが機械学習によって生成されていて、
推定対象土砂に対して取得された前記容器の画像データが前記粒度分布処理部に入力されることで、前記粒度分布処理部によって前記粒度分布推定モデルを用いて推定された前記推定対象土砂の粒度分布の推定データが出力される構成であることを特徴とする土砂の特性推定システム。