JP7375909B2 - 設備診断システム、及び、設備診断方法 - Google Patents

Description

本発明は、設備診断システム、及び、設備診断方法に関する。

電力設備等の社会インフラにおいて障害が発生した場合、人々の生活に多大な影響を及ぼすおそれがある。したがって、このような障害が発生しないように、社会インフラの点検、診断を着実に行うことが重要である。しかしながら、診断の対象となる設備の数は膨大であることから、設備の診断を、高い精度で、かつ効率的に行う技術に対する期待が高まってきている。

このような技術に関連する技術として、特許文献１には、航空機に搭載されたカメラにより撮影された画像データをもとに被点検物について巡視点検する巡視点検支援システムが開示されている。このシステムは、撮影した画像データから被点検物に異常が生じた異常箇所の画像データを検出する。そして、このシステムは、その異常箇所の画像データをもとに異常状態を判別し、当該異常箇所の異常状態を含む点検結果を出力する。

また、特許文献２には、車両内に活線状態にある送電線あるいは配電線等の異常を監視するための赤外線による監視装置を搭載した地上監視型装柱点検車が開示されている。この点検車では、当該監視装置で臨む方向の車両の隔壁部は、当該監視装置の監視効果を高めるために赤外線透過結晶により形成した隔壁部材により構成されている。

また、特許文献３には、撮像手段により撮影して得られた画像の輝度分布をもとに、架空線に対し付属物を識別して検出する機能を有する架空線の自動点検装置が開示されている。この装置は、識別した当該架空線やその付属物に対し、異常についての検査判定を行い、その検査判定結果を出力する。

特開２０１９－００９９１９号公報 実開平０６－００５３１２号公報 特開平１０－１１７４１５号公報

社会インフラを構成する診断の対象となる設備は、様々な場所に設定されている。例えば、柱上など作業員が行きにくい場所に設置された、膨大な数の電源設備や通信設備等を診断するのに要するコストは非常に高いという問題がある。上述した特許文献１乃至３が示すような技術は、この課題を解決するのに十分であるとは言えない。

本発明の主たる目的は、設備の診断を、高い精度で、かつ効率的に行うことである。

本発明の一態様に係る設備診断システムは、近赤外線帯域において設備を撮像する撮像手段と、前記撮像手段を搭載し、前記設備を撮像可能な場所に移動する移動手段と、前記撮像手段によって得られた近赤外線撮像画像に基づいて、前記設備の状態を診断する診断手段と、を備える。

上記目的を達成する他の見地において、本発明の一態様に係る設備診断方法は、撮像手段を搭載した移動手段が、前記設備を撮像可能な場所に移動し、前記撮像手段によって、近赤外線帯域において前記設備を撮像し、情報処理装置によって、前記撮像手段によって得られた近赤外線撮像画像に基づいて、前記設備の状態を診断する。

本発明は、設備の診断を、高い精度で、かつ効率的に行うことを可能とする。

本発明の第１の実施形態に係る設備診断システム１の構成を示すブロック図である。 可視光線による撮像画像と近赤外線による撮像画像との違いを示す例を表す図である。 本発明の第１の実施形態に係る設備診断システム１の動作を示すフローチャートである。 本発明の第２の実施形態に係る設備診断システム５の構成を示すブロック図である。 本発明の第１の実施形態に係る設備診断装置１０あるいは第２の実施形態に係る診断部５３を実行可能な情報処理装置９００の構成を示すブロック図である。

以下、本発明の実施の形態について図面を参照して詳細に説明する。

＜第１の実施形態＞
図１は、本発明の第１の実施の形態に係る設備診断システム１の構成を示すブロック図である。本実施形態に係る設備診断システム１は、柱３１の上部に設置された設備３０の状態を表す情報（画像）を収集し、収集した画像に基づいて、設備３０の状態を診断するシステムである。設備３０は、例えば、社会インフラを構成する電源設備や通信設備等である。尚、図１には説明の便宜上１つの設備３０及び柱３１を示しているが、設備診断システム１が診断の対象とする設備３０の数は複数でもよい。

設備診断システム１は、大別して、設備診断装置１０、カメラ２１及び２２、車両２３、及び、管理端末４０を含んでいる。カメラ２１及び２２は、第一及び第二の撮像手段の一例であり、車両２３は移動手段の一例である。

車両２３は、カメラ２１及び２２を搭載し、カメラ２１及び２２によって設備３０を撮像可能な場所に移動する。車両２３は、設備３０が複数である場合、各設備３０を撮像可能な場所を巡回する。車両２３は、作業員による運転操作によって移動してもよいし、あるいは、自動運転機能を備えることによって移動してもよい。但し、車両２３が自動運転機能を備える場合、車両２３には、設備３０の位置を表す地図情報が与えられていることとする。

カメラ２１は、近赤外線によって設備３０を撮像した近赤外線撮像画像２１０を取得する。

ここで近赤外線による撮像について説明する。赤外線は、その波長によって、近赤外線、中赤外線、遠赤外線に大別される。近赤外線は、その波長が０．７－２．５μｍ（マイクロメートル）程度の電磁波であり、赤色の可視光線に近い波長を持つ。中赤外線は、その波長が約２．５－４μｍ程度の電磁波で、近赤外線の一部として分類されることもある。遠赤外線はその波長が約４－１０００μｍ程度の電磁波であり、熱線とも呼ばれる。

近赤外線は、近赤外線に特有の吸光特性や反射特性を有するので、近赤外線を用いて設備３０を撮像することによって、可視光線等による撮像画像では判別が困難な設備３０の表面の状態を判別することが可能となる。近赤外線を用いて設備３０を撮像することによって、例えば、設備３０における、塩分や水分や油分の付着状態等を判別することができる。

図２は、可視光線による撮像画像と近赤外線による撮像画像との違いを示す第一の例を表す図である。図２の（ａ）に示す可視光線による撮像画像Ａ１、及び、図２の（ｂ）に示す近赤外線による撮像画像Ｂ１は、木箱に置いた２つの碍子のうちの一方（画像における上側の碍子）に対して塩水を噴霧したのちに撮像した画像である。この例において、塩水の濃度は、海水に相当する３．５％（パーセント）である。また、図２に例示する撮像画像は、塩水の噴霧と乾燥とを１０回程度繰り返したのちに撮像した画像である。

図２に示す通り、近赤外線による撮像画像Ｂ１は、可視光線による撮像画像Ａ１と比較して、塩分が付着している場所と塩分が付着していない場所とのコントラストがはっきりしている。これは、セラミックスの碍子が近赤外線を吸収する（即ち画像においてより黒く見える）のに対して、塩分は近赤外線を吸収しない（即ち画像においてより白く見える）からである。

また、近赤外線は、撮像対象物に付着した物質（塩分、水分、油分等）によって、吸光特性や反射特性が異なるので、近赤外線による撮像画像から、撮像対象物に付着した物質を判別することも可能である。

図１に示すカメラ２２は、遠赤外線によって設備３０を撮像した遠赤外線撮像画像２２０を取得する。遠赤外線撮像画像２２０は、例えば、設備３０の表面の温度を表している。

カメラ２１によって得られた近赤外線撮像画像２１０、及び、カメラ２２によって得られた遠赤外線撮像画像２２０は、設備診断装置１０へ入力される。カメラ２１及び２２と設備診断装置１０とが通信ネットワーク（不図示）等を介して通信可能に接続されている場合、近赤外線撮像画像２１０及び遠赤外線撮像画像２２０は、当該通信ネットワークを介して、設備診断装置１０へ入力される。また、近赤外線撮像画像２１０及び遠赤外線撮像画像２２０が記憶された不揮発性の記録媒体を介して、近赤外線撮像画像２１０及び遠赤外線撮像画像２２０が設備診断装置１０へ入力されてもよい。

設備診断装置１０は、例えばサーバ等の情報処理装置であり、診断部１１、予測部１２、及び、記憶部１３を備える。診断部１１、予測部１２、及び、記憶部１３は、順に、診断手段、予測手段、及び、記憶手段の一例である。

管理端末４０は、例えばパーソナルコンピュータ等の情報処理装置であり、設備診断装置１０と通信可能に接続されている。管理端末４０は、例えば、作業員が設備診断装置１０に対して情報を入力する場合、あるいは、作業員が設備診断装置１０から出力された情報の内容を確認する場合に、ユーザインタフェースとして使用される装置である。

記憶部１３は、例えば電子メモリや磁気ディスク等の不揮発性の記憶デバイスであり、後述する撮像画像１３１、状態情報１３２、障害実績１３３、診断用学習モデル１３４、及び、予測用学習モデル１３５を記憶している。

記憶部１３は、これまでの設備３０に対する点検作業において得られた近赤外線撮像画像２１０及び遠赤外線撮像画像２２０を、撮像画像１３１として記憶している。

状態情報１３２は、これまでに得られた、設備３０の表面の状態（付着物の状態等）を表す情報である。状態情報１３２は、例えば管理端末４０を介して、作業員により設備診断装置１０に入力された情報である。尚、記憶部１３は、撮像画像１３１と状態情報１３２とを関連付けて記憶している。即ち、記憶部１３は、ある撮像画像１３１が表す設備３０の表面の状態を記憶している。

診断部１１は、上述の通りに関連付けされた撮像画像１３１及び状態情報１３２を教師データとして機械学習を行い、当該機械学習の結果を表す診断用学習モデル１３４を生成あるいは更新する。即ち、診断用学習モデル１３４は、診断部１１が、近赤外線撮像画像２１０及び近赤外線撮像画像２１０に基づいて、設備３０の表面の状態等を診断する際に用いる学習モデルである。

診断部１１は、例えば、教師データとして、図２の（ｂ）に例示する撮像画像Ｂ１のような画像を与えられた場合、設備３０に含まれる碍子に塩分が付着していると診断する基準となる診断用学習モデル１３４を生成あるいは更新する。そしてそののち、診断部１１は、近赤外線撮像画像２１０が図２の（ｂ）に例示する撮像画像Ｂ１のような画像である場合、診断用学習モデル１３４に基づいて、設備３０に含まれる碍子に塩分が付着していると診断する。

診断部１１は、例えば、近赤外線撮像画像２１０が設備３０の壁に水分あるいは油分が付着していることを表しており、遠赤外線撮像画像２２０が設備３０の壁における発熱を表している場合、設備３０における壁の発熱している部分において、壁の内部から水分あるいは油分が漏れていると診断する。

診断部１１は、設備３０の状態を診断した結果を、予測部１２に入力するとともに、管理端末４０に送信する。診断部１１は、また、設備３０の状態を診断した結果を、管理端末４０から参照可能に、記憶部１３に格納してもよい。

予測部１２は、診断部１１から入力された診断結果と予測用学習モデル１３５とに基づいて、設備３０において発生する障害を予測する。例えば、図２に例示するように、予測部１２は、診断部１１による設備３０に含まれる碍子に塩分が付着しているとの診断結果を入力し、予測用学習モデル１３５を用いて、絶縁の低下に伴う停電の発生を予測する。

予測部１２は、また、予測用学習モデル１３５を生成する機械学習を行う機能を有する。記憶部１３にはこれまでに設備３０において発生した障害の実績を表す障害実績１３３が記憶されている。障害実績１３３は、例えば管理端末４０を介して、作業員により設備診断装置１０に入力された情報である。尚、記憶部１３は、状態情報１３２と障害実績１３３とを関連付けて記憶している。即ち、記憶部１３は、設備３０がある状態にある場合に、設備３０において発生する可能性がある障害を表す情報を記憶している。

予測部１２は、診断結果に関する複数のサンプルデータを入力データとし障害実績１３３をラベルとする教師データを用いて機械学習を行い、当該機械学習の結果を表す予測用学習モデル１３５を生成あるいは更新する。即ち、予測用学習モデル１３５は、予測部１２が、診断部１１による設備３０の状態の診断結果に基づいて、設備３０において発生する障害を予測する際に用いる学習モデルである。

予測部１２は、予測用学習モデル１３５を生成後、診断部１１による診断結果を入力し、予測用学習モデル１３５を用いて、設備３０において発生する障害を予測した結果を出力する。予測部１２は、障害を予測した結果を、管理端末４０に出力する。予測部１２は、また、設備３０において発生する障害を予測した結果を、管理端末４０から参照可能に、記憶部１３に格納してもよい。

次に図３のフローチャートを参照して、本実施形態に係る設備診断システム１の動作（処理）について詳細に説明する。

車両２３は、設備３０を撮像可能な場所に移動する（ステップＳ１０１）。カメラ２１は、設備３０を撮像した近赤外線撮像画像２１０を取得し、カメラ２２は、設備３０を撮像した遠赤外線撮像画像２２０を取得する（ステップＳ１０２）。カメラ２１は、近赤外線撮像画像２１０を設備診断装置１０へ入力し、カメラ２２は、遠赤外線撮像画像２２０を、設備診断装置１０へ入力する（ステップＳ１０３）。

設備診断装置１０における診断部１１は、近赤外線撮像画像２１０と遠赤外線撮像画像２２０と診断用学習モデル１３４とに基づいて、設備３０の状態を診断する（ステップＳ１０４）。設備診断装置１０における予測部１２は、診断部１１による設備３０の状態の診断結果と予測用学習モデル１３５とに基づいて、設備３０において発生する障害を予測し（ステップＳ１０５）、全体の処理は終了する。

本実施形態に係る設備診断システム１は、設備の診断を、高い精度で、かつ効率的に行うことができる。その理由は、設備診断システム１では、近赤外線帯域において設備３０を撮像するカメラ２１を搭載した車両２３が設備３０を撮像可能な場所に移動し、診断部１１が、カメラ２１によって得られた近赤外線撮像画像２１０に基づいて、設備３０の状態を診断するからである。

以下に、本実施形態に係る設備診断システム１によって実現される効果について、詳細に説明する。

社会インフラを構成する診断の対象となる設備は、様々な場所に設定されており、例えば、柱上など作業員が行きにくい場所に設置された、膨大な数の電源設備や通信設備等を診断するのに要するコストは非常に高い。従って、設備の診断を、高い精度で、かつ効率的に行うことが課題である。

このような課題に対して、本実施形態に係る設備診断システム１は、カメラ２１と、車両２３と、診断部１１とを備え、例えば図１乃至図３を参照して上述した通り動作する。即ち、カメラ２１は、近赤外線帯域において設備３０を撮像する。車両２３は、カメラ２１を搭載し、設備３０を撮像可能な場所に移動する。そして、診断部１１は、カメラ２１によって得られた近赤外線撮像画像２１０に基づいて、設備３０の状態を診断する。

即ち、本実施形態に係る設備診断システム１では、近赤外線により撮像するカメラ２１を搭載した車両２３が、診断対象の設備３０を撮像可能な場所まで行き、その場所から近赤外線により設備３０を撮影する。近赤外線に特有の吸光特性や反射特性を利用した近赤外線撮像画像２１０は、図２に例示する通り、設備３０の状態を明確に表しているので、設備３０からある程度離れた場所からの撮像された画像であっても、その画像から設備３０の状態を診断可能である。したがって、設備診断システム１は、近赤外線により撮像するカメラ２１を用いることで、例えば設備３０のすぐ近くまで行かなくとも、道路を走行する車両２３から撮像した近赤外線撮像画像２１０に基づく高い精度の診断を行うことができる。

また、本実施形態に係る設備診断システム１は、車両２３に搭載した、遠赤外線により撮像するカメラ２２をさらに備え、カメラ２１により得られた近赤外線撮像画像２１０と、カメラ２２により得られた遠赤外線撮像画像２２０との両方に基づいて設備３０の状態を診断する。近赤外線撮像画像２１０は設備３０の表面における付着物の状態を表し、遠赤外線撮像画像２２０は設備３０の表面の温度を表すので、設備診断システム１はこれらの２種類の撮像画像に基づいて、設備３０の状態をより高い精度で行うことができる。

また、本実施形態に係るカメラ２１あるいはカメラ２２は、設備３０に表示された文字を撮像し、診断部１１は、近赤外線撮像画像２１０あるいは遠赤外線撮像画像２２０に含まれる文字が表す情報を識別し、文字の識別結果をふまえて、設備３０の状態を診断してもよい。この場合、診断部１１は、既存の文字認識技術を用いることによって、画像に含まれる文字を認識可能である。

例えば、診断部１１は、設備３０に塩分の付着に対する注意を喚起する「塩分付着注意」という文字が表示されている場合において、その文字を文字識別処理によって識別する。そして、診断部１１は、設備３０における塩分の付着を近赤外線撮像画像２１０から検出した場合、設備３０において塩分が付着している問題が生じていると診断する。設備３０に「塩分付着注意」という文字が表示されていない場合、診断部１１は、設備３０における塩分の付着を検出したとしても、設備３０は特に問題ないと診断してもよい。

あるいは例えば、診断部１１は、設備３０に高温に対する注意を喚起する「高温注意」という文字が表示されている場合において、その文字を文字識別処理によって識別する。そして、診断部１１は、設備３０における発熱を遠赤外線撮像画像２２０から検出した場合、設備３０において発熱している問題が生じていると診断する。設備３０に「高温注意」という文字が表示されていない場合、診断部１１は、設備３０における発熱を検出したとしても、ユーザが指定する既定の温度範囲内であれば、設備３０は特に問題ないと診断してもよい。

このように、設備診断システム１は、近赤外線撮像画像２１０あるいは遠赤外線撮像画像２２０に含まれる文字が表す情報をふまえて、設備３０の状態をより正確に診断することができる。

また、本実施形態に係る設備診断システム１は、診断用学習モデル１３４を生成及び更新しながら、設備３０の状態を診断するとともに、予測用学習モデル１３５を生成及び更新しながら、設備３０において発生する障害を予測する。これにより設備診断システム１は、設備３０の状態の診断精度や、設備３０において発生する障害の予測精度を向上させることができる。尚、設備診断システム１は、診断用学習モデル１３４や予測用学習モデル１３５を必ずしも備える必要はなく、診断や予測を行うための基準となる情報が与えられればよい。また、本実施形態に係る設備診断システム１は、カメラ２１及び２２を搭載して設備３０を撮像可能な場所に移動する移動手段として、車両２３の代わりに、例えばドローンやヘリコプター等の飛翔体を用いるようにしてもよい。

また、本実施形態に係る設備診断システム１が診断対象とする設備３０は、柱３１の上部に設置された柱上設備に限定されない。設備３０の設置場所は、車両２３等の移動手段が移動可能な場所から設備３０を撮像できるような場所であればよい。

＜第２の実施形態＞
図４は、本発明の第２の実施形態に係る設備診断システム５の構成を示すブロック図である。設備診断システム５は、撮像部５１、移動部５２、及び、診断部５３を備えている。但し、撮像部５１、移動部５２、及び、診断部５３は、順に、撮像手段、移動手段、及び、診断手段の一例である。

撮像部５１は、近赤外線帯域において設備５０を撮像する。但し、撮像部５１は、例えば第１の実施形態に係るカメラ２１のような機器である。

移動部５２は、撮像部５１を搭載し、設備５０を撮像可能な場所に移動する。但し、移動部５２は、例えば第１の実施形態に係る車両２３のような移動手段である。

診断部５３は、撮像部５１によって得られた近赤外線撮像画像５１０に基づいて、設備５０の状態を診断する。診断部５３は、例えば、第１の実施形態に係る設備診断装置１０のような情報処理装置によって実現可能である。診断部５３は、例えば、第１の実施形態に係る診断部１１と同様に、設備５０の診断に関する教師データを用いて機械学習をおこなった結果を表す学習モデルを生成し、当該学習モデルを用いて、設備５０の状態を診断してもよい。

本実施形態に係る設備診断システム５は、設備の診断を、高い精度で、かつ効率的に行うことができる。その理由は、設備診断システム５では、近赤外線帯域において設備５０を撮像する撮像部５１を搭載した移動部５２が設備５０を撮像可能な場所に移動し、診断部５３が、撮像部５１によって得られた近赤外線撮像画像５１０に基づいて、設備５０の状態を診断するからである。

＜ハードウェア構成例＞
上述した各実施形態において図１に示した設備診断装置１０における各部、あるいは、図４に示した診断部５３は、専用のＨＷ（ＨａｒｄＷａｒｅ）（電子回路）によって実現することができる。また、図１及び図４において、少なくとも、下記構成は、ソフトウェアプログラムの機能（処理）単位（ソフトウェアモジュール）と捉えることができる。
・診断部１１及び５３、
・予測部１２、
・記憶部１３における記憶制御機能。

但し、これらの図面に示した各部の区分けは、説明の便宜上の構成であり、実装に際しては、様々な構成が想定され得る。この場合のハードウェア環境の一例を、図５を参照して説明する。

図５は、本発明の第１の実施形態に係る設備診断装置１０あるいは第２の実施形態に係る診断部５３を実行可能な情報処理装置９００（コンピュータ）の構成を例示的に説明する図である。即ち、図５は、図１に示した設備診断装置１０及び図４に示した診断部５３を実現可能なコンピュータ（情報処理装置）の構成であって、上述した実施形態における各機能を実現可能なハードウェア環境を表す。

図５に示した情報処理装置９００は、構成要素として下記を備えているが、下記のうちの一部の構成要素を備えない場合もある。
・ＣＰＵ（Ｃｅｎｔｒａｌ＿Ｐｒｏｃｅｓｓｉｎｇ＿Ｕｎｉｔ）９０１、
・ＲＯＭ（Ｒｅａｄ＿Ｏｎｌｙ＿Ｍｅｍｏｒｙ）９０２、
・ＲＡＭ（Ｒａｎｄｏｍ＿Ａｃｃｅｓｓ＿Ｍｅｍｏｒｙ）９０３、
・ハードディスク（記憶装置）９０４、
・外部装置との通信インタフェース９０５、
・バス９０６（通信線）、
・ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ＿Ｄｉｓｃ＿Ｒｅａｄ＿Ｏｎｌｙ＿Ｍｅｍｏｒｙ）等の記録媒体９０７に格納されたデータを読み書き可能なリーダライタ９０８、
・モニターやスピーカ、キーボード等の入出力インタフェース９０９。

即ち、上記構成要素を備える情報処理装置９００は、これらの構成がバス９０６を介して接続された一般的なコンピュータである。情報処理装置９００は、ＣＰＵ９０１を複数備える場合もあれば、マルチコアにより構成されたＣＰＵ９０１を備える場合もある。情報処理装置９００は、ＣＰＵ９０１に加えてＧＰＵ（Ｇｒａｐｈｉｃａｌ＿Ｐｒｏｃｅｓｓｉｎｇ＿Ｕｎｉｔ）（不図示）を備えてもよい。

そして、上述した実施形態を例に説明した本発明は、図５に示した情報処理装置９００に対して、次の機能を実現可能なコンピュータプログラムを供給する。その機能とは、その実施形態の説明において参照したブロック構成図（図１及び図４）における上述した構成、或いはフローチャート（図３）の機能である。本発明は、その後、そのコンピュータプログラムを、当該ハードウェアのＣＰＵ９０１に読み出して解釈し実行することによって達成される。また、当該装置内に供給されたコンピュータプログラムは、読み書き可能な揮発性のメモリ（ＲＡＭ９０３）、または、ＲＯＭ９０２やハードディスク９０４等の不揮発性の記憶デバイスに格納すれば良い。

また、前記の場合において、当該ハードウェア内へのコンピュータプログラムの供給方法は、現在では一般的な手順を採用することができる。その手順としては、例えば、ＣＤ－ＲＯＭ等の各種記録媒体９０７を介して当該装置内にインストールする方法や、インターネット等の通信回線を介して外部よりダウンロードする方法等がある。そして、このような場合において、本発明は、係るコンピュータプログラムを構成するコード或いは、そのコードが格納された記録媒体９０７によって構成されると捉えることができる。

以上、上述した実施形態を模範的な例として本発明を説明した。しかしながら、本発明は、上述した実施形態には限定されない。即ち、本発明は、本発明のスコープ内において、当業者が理解し得る様々な態様を適用することができる。

尚、上述した各実施形態の一部又は全部は、以下の付記のようにも記載されうる。しかしながら、上述した各実施形態により例示的に説明した本発明は、以下には限られない。

（付記１）
近赤外線帯域において設備を撮像する第一撮像手段と、
前記第一撮像手段を搭載し、前記設備を撮像可能な場所に移動する移動手段と、
前記第一撮像手段によって得られた近赤外線撮像画像に基づいて、前記設備の状態を診断する診断手段と、
を備える設備診断システム。

（付記２）
前記第一撮像手段は、前記設備の表面に物質が付着した状態を表す前記近赤外線撮像画像を取得する、
付記１に記載の設備診断システム。

（付記３）
前記第一撮像手段は、前記設備の表面に、水分、油分、塩分が付着した状態を表す前記近赤外線撮像画像を取得する、
付記２に記載の設備診断システム。

（付記４）
前記第一撮像手段は、前記設備に表示された文字を撮像し、
前記診断手段は、前記第一撮像手段によって得られた文字画像に基づいて、前記設備の状態を診断する、
付記１乃至付記３のいずれか一項に記載の設備診断システム。

（付記５）
遠赤外線帯域において前記設備を撮像する第二撮像手段を備え、
前記移動手段は、前記第二撮像手段を搭載し、
前記第二撮像手段は前記設備における発熱を表す遠赤外線撮像画像を取得し、
前記診断手段は、前記遠赤外線撮像画像と前記近赤外線撮像画像とに基づいて、前記設備の状態を診断する、
付記１乃至付記４のいずれか一項に記載の設備診断システム。

（付記６）
前記近赤外線撮像画像と前記設備の状態を表す情報とを関連付けて記憶する記憶手段をさらに備え、
前記診断手段は、前記近赤外線撮像画像から前記設備の状態を診断する際に用いる第一の学習モデルを生成する、
をさらに備える、付記１乃至付記５のいずれか一項に記載の設備診断システム。

（付記７）
前記診断手段による前記設備の診断結果から前記設備において発生する障害を予測するとともに、前記障害を予測する際に用いる第二の学習モデルを生成する予測手段を更に備え、
前記記憶手段は、前記設備の状態を表す情報と、前記設備において発生した障害の実績とを関連付けて記憶する、
付記６に記載の設備診断システム。

（付記８）
前記移動手段は、車両あるいは飛翔体である、
付記１乃至付記７のいずれか一項に記載の設備診断システム。

（付記９）
前記設備は柱上に設置されている、
付記１乃至付記８のいずれか一項に記載の設備診断システム。

（付記１０）
第一撮像手段を搭載した移動手段が、設備を撮像可能な場所に移動し、
前記第一撮像手段によって、近赤外線帯域において前記設備を撮像し、
情報処理装置によって、前記撮像手段によって得られた近赤外線撮像画像に基づいて、前記設備の状態を診断する、
設備診断方法。

（付記１１）
前記移動手段は、第二撮像手段を搭載し、
前記第二撮像手段によって、遠赤外線帯域において前記設備を撮像した前記設備における発熱を表す遠赤外線撮像画像を取得し、
前記情報処理装置によって、前記遠赤外線撮像画像と前記近赤外線撮像画像とに基づいて、前記設備の状態を診断する、
付記１０に記載の設備診断方法。

１ 設備診断システム
１０ 設備診断装置
１１ 診断部
１２ 予測部
１３ 記憶部
１３１ 撮像画像
１３２ 状態情報
１３３ 障害実績
１３４ 診断用学習モデル
１３５ 予測用学習モデル
２１ カメラ
２１０ 近赤外線撮像画像
２２ カメラ
２２０ 遠赤外線撮像画像
２３ 車両
３０ 設備
３１ 柱
４０ 管理端末
５ 設備診断システム
５０ 設備
５１ 撮像部
５１０ 近赤外線撮像画像
５２ 移動部
５３ 診断部
９００ 情報処理装置
９０１ ＣＰＵ
９０２ ＲＯＭ
９０３ ＲＡＭ
９０４ ハードディスク（記憶装置）
９０５ 通信インタフェース
９０６ バス
９０７ 記録媒体
９０８ リーダライタ
９０９ 入出力インタフェース

Claims (6)

1. 近赤外線帯域において、設備に関して注意を要する問題を示す文字が表示された前記設備を撮像する第一撮像手段と、
   前記第一撮像手段を搭載し、前記設備を撮像可能な場所に移動する移動手段と、
   前記第一撮像手段によって得られた近赤外線撮像画像から前記文字が表す情報と前記設備の状態とを取得し、前記文字が表す情報と関連する前記設備の状態を取得したか否かに応じて前記問題が発生した状態であるか否かを診断する診断手段と、
   を備える設備診断システム。
2. 前記第一撮像手段は、前記設備の表面に物質が付着した状態を表す前記近赤外線撮像画像を取得する、
   請求項１に記載の設備診断システム。
3. 前記第一撮像手段は、前記設備の表面に、水分、油分、塩分が付着した状態を表す前記近赤外線撮像画像を取得する、
   請求項２に記載の設備診断システム。
4. 前記移動手段は、車両あるいは飛翔体である、
   請求項１乃至請求項３のいずれか一項に記載の設備診断システム。
5. 前記設備は柱上に設置されている、
   請求項１乃至請求項４のいずれか一項に記載の設備診断システム。
6. 第一撮像手段を搭載した移動手段が、設備を撮像可能な場所に移動し、
   前記第一撮像手段によって、近赤外線帯域において、前記設備に関して注意を要する問題を示す文字が表示された前記設備を撮像し、
   情報処理装置によって、前記第一撮像手段によって得られた近赤外線撮像画像から前記文字が表す情報と前記設備の状態とを取得し、前記文字が表す情報と関連する前記設備の状態を取得したか否かに応じて前記問題が発生した状態であるか否かを診断する、
   設備診断方法。

Images