JP7402475B1 - 骨材表面水率推定装置、モデル生成プログラム、骨材表面水率推定プログラム、及び学習済みモデルの生成方法 - Google Patents
骨材表面水率推定装置、モデル生成プログラム、骨材表面水率推定プログラム、及び学習済みモデルの生成方法 Download PDFInfo
- Publication number
- JP7402475B1 JP7402475B1 JP2023071066A JP2023071066A JP7402475B1 JP 7402475 B1 JP7402475 B1 JP 7402475B1 JP 2023071066 A JP2023071066 A JP 2023071066A JP 2023071066 A JP2023071066 A JP 2023071066A JP 7402475 B1 JP7402475 B1 JP 7402475B1
- Authority
- JP
- Japan
- Prior art keywords
- aggregate
- learning
- data
- surface water
- density
- 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
- 239000002352 surface water Substances 0.000 title claims abstract description 171
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000010801 machine learning Methods 0.000 claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 229920006395 saturated elastomer Polymers 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 abstract description 6
- 238000003860 storage Methods 0.000 description 25
- 230000000052 comparative effect Effects 0.000 description 22
- 238000003384 imaging method Methods 0.000 description 20
- 238000004891 communication Methods 0.000 description 17
- 239000004567 concrete Substances 0.000 description 12
- 238000001035 drying Methods 0.000 description 7
- 230000010365 information processing Effects 0.000 description 7
- 238000002156 mixing Methods 0.000 description 6
- 239000004568 cement Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 239000012615 aggregate Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000005022 packaging material Substances 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 239000004575 stone Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000009966 trimming Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
【解決手段】表面水率推定装置3は、学習用データを用いた機械学習によって生成される学習済みモデルM2に、入力データを入力し、学習済みモデルM2から出力される出力データが示す値を骨材の表面水率の推定値として取得する表面水率推定部351を備え、学習用データは、学習用として用いる骨材である学習用骨材を撮影した撮影画像を示す画像データ、学習用骨材の密度を示す密度データ、及び学習用骨材の表面水率を示す表面水率データを含み、入力データは、推定対象の骨材である推定対象骨材を撮影した撮影画像を示す画像データを含む。
【選択図】図3
Description
図1は、骨材表面水率推定システム100の構成を示す図である。骨材表面水率推定システム100は、AI(Artificial Intelligence)の技術を利用して、骨材10の表面水率を推定する。なお、骨材10は、細骨材及び粗骨材の少なくとも一方を含む。細骨材としては、例えば砂が挙げられ、粗骨材としては、例えば砂利、砕石等が挙げられる。また、骨材10の表面水率は、骨材10の表面に付着する水量を表面乾燥飽水状態の骨材10の質量で除した比率である。
撮像装置1は、骨材10を撮影可能なカメラであり、撮像装置1は、骨材10を撮影した撮影画像の画像データを出力する。撮像装置1は、レンズ、レンズから入った光を電気信号に変換して出力する撮像素子、撮像素子から出力された電気信号に基づく画像データを出力する出力部等を有する。撮像素子は、CCD(Charge Coupled Device)イメージセンサ、CMOSイメージセンサ等である。本実施形態において、撮像装置1は、ベルトコンベア20によって搬送される骨材10を撮影可能な位置に設けられ、ベルトコンベア20によって搬送される骨材10を撮影する。
次に、図2を参照して、学習装置2の構成について説明する。図2は、学習装置2の構成を示すブロック図である。学習装置2は、コンピュータ等の情報処理装置で構成される。学習装置2は、学習データを用いた機械学習によって学習済みモデルM2を生成する。
続いて、図3を参照して、推定装置3の構成について説明する。図3は、推定装置3の構成を示すブロック図である。推定装置3は、コンピュータ等の情報処理装置で構成され、学習済みモデルM2を用いて表面水率の推定対象の骨材10(以下、「推定対象骨材10T」という;図1参照)の表面水率を推定する。
以下、実施例として、学習済みモデルの生成及び検証について、比較例と対比しながら説明する。なお、本発明は実施例に限定されるものではない。例えば、以下では、骨材として細骨材を用いた実施例について説明しているが、骨材は細骨材に限定されるものではない。骨材は粗骨材であってもよく、細骨材と粗骨材とが混合された骨材であってもよい。
実施例1では、図4に示す骨材A~Fのぞれぞれについてデータセット(学習用データセットと推定用データセットと)を作成した。なお、図4は、実施例1~3及び比較例1~2で用いた14種類の骨材A~Nの属性(種別、岩質、密度、産地、製造会社及び表面水率)を示す。
実施例2では、実施例1で使用した骨材A~Fに加え、図4に示す骨材G~Nのそれぞれについてデータセット(学習用データセットと推定用データセットと)を作成した。学習用データセットは、骨材A~N(14種類)のそれぞれの表面水率の異なる骨材(表面水率1~10の10種類)のデータ(14×8の112組)で構成し、実施例1と同様にして学習済みモデルを生成した。学習用データセットは、骨材A~Nのいずれかであって、表面水率が8種類のうちのいずれかを撮影した撮影画像の画像データと、撮影画像で示される骨材の密度を示す密度データと、撮影画像で示される骨材の表面水率を示す表面水率データとを含む。
実施例3では、クロスバリデーションを行って(本実施例では推定用データセットに用いる表面水率のデータがすべての組み合わせとなるように学習用セットを組み替えて)学習済みモデルを生成する以外は、実施例2と同様にして学習済みモデルを生成し、生成した学習済みモデルから骨材の表面水率の推定値に相当するデータ(出力データ)を得て、出力データの正解データ(表面水率を示すデータ)に対する誤差を求めた。図5に実施例3に係る学習済みモデルからの出力データの正解データに対する誤差を示す。
比較例1では、学習用データセットが密度を示す密度データを含まない以外は、実施例1と同様である。すなわち、骨材を撮影した撮影画像の画像データを用いて学習済みモデルを生成した。そして、生成した学習済みモデルに骨材を撮影した撮影画像の画像データを推定用データセットとして入力し、該骨材の表面水率の推定値に相当するデータ(出力データ)を得て、出力データの正解データ(表面水率を示すデータ)に対する誤差を求めた。図5に比較例1に係る学習済みモデルからの出力データの正解データに対する誤差を示す。
比較例2では、学習用データセットが密度を示す密度データを含まない以外は、実施例2と同様である。すなわち、骨材を撮影した撮影画像の画像データを用いて学習済みモデルを生成した。そして、生成した学習済みモデルに骨材を撮影した撮影画像の画像データを推定用データセットとして入力し、該骨材の表面水率の推定値に相当するデータ(出力データ)を得て出力データの正解データ(表面水率を示すデータ)に対する誤差を求めた。図5に比較例2に係る学習済みモデルからの出力データの正解データに対する誤差を示す。
このように、骨材表面水率推定システム100によれば、骨材10(学習用骨材10S)の密度データ(学習密度データ)を含む学習用データを用いて生成された学習済みモデルM2に推定画像データを含む推定用データを入力することにより、推定対象骨材10Tの表面水率の推定値を取得することができる。つまり、本実施形態の骨材表面水率推定システム100によれば、推定用データセットが推定画像データのみを含み推定密度データを含んでいないので、表面水率の推定のために推定密度データセットを別途入力する必要がない。これにより、骨材の表面水率を簡便に推定することができる。また、推定用データを推定装置3に入力するだけでよいため、経験の浅い未熟練者であっても推定対象骨材10Tの表面水率の推定値を容易に取得することができる。また、推定対象骨材10Tの表面水率を推定する作業者の熟練度による推定値のバラツキを抑制することができる。この結果、推定対象骨材10Tを用いたコンクリートの品質を安定させることができる。
本発明は、上記した実施形態以外に以下のように構成してもよい(実施形態と同じ機能を有するものには、実施形態と共通の番号、符号を付している)。
3 :推定装置(コンピュータ;骨材表面水率推定装置)
10 :骨材
10S :学習用骨材
10T :推定対象骨材
20 :ベルトコンベア
251 :モデル生成部
351 :表面水率推定部
M1 :学習モデル
M2 :学習済みモデル
PG1 :学習装置制御プログラム(モデル生成プログラム)
PG2 :推定装置制御プログラム(骨材表面水率推定プログラム)
Claims (13)
- 学習用データを用いた機械学習によって生成される学習済みモデルに入力データを入力し、前記学習済みモデルから出力される出力データが示す値を骨材の表面水率の推定値として取得する表面水率推定部を備え、
前記学習用データは、学習用として用いる前記骨材である学習用骨材を撮影した撮影画像を示す学習画像データ、前記学習用骨材の密度を示す学習密度データ、及び前記学習用骨材の表面水率を示す学習表面水率データを含み、
前記入力データは、推定対象の前記骨材である推定対象骨材を撮影した撮影画像を示す入力画像データを含み、
前記学習密度データにより前記骨材の前記表面水率の推定精度を向上させる、骨材表面水率推定装置。 - 前記入力データは、前記推定対象骨材の密度を示す入力密度データを含まない、請求項1に記載の骨材表面水率推定装置。
- 前記入力データは、前記推定対象骨材の密度を示す入力密度データを更に含む、請求項1に記載の骨材表面水率推定装置。
- 前記推定対象骨材は、ベルトコンベアで搬送される前記骨材である、請求項1~3のいずれか1項に記載の骨材表面水率推定装置。
- 前記密度は、表面乾燥飽水状態における前記骨材の密度を示す、請求項1~3のいずれか1項に記載の骨材表面水率推定装置。
- 前記入力画像データは、出荷に備えて梱包される直前の前記推定対象骨材を撮影した前記撮影画像のデータである、請求項1~3のいずれか1項に記載の骨材表面水率推定装置。
- コンピュータに、
学習用データを用いた機械学習によって学習済みモデルを生成するモデル生成部として機能させ、
前記学習用データは、学習用として用いる骨材である学習用骨材を撮影した撮影画像を示す学習画像データ、前記学習用骨材の密度を示す学習密度データ、及び前記学習用骨材の表面水率を示す学習表面水率データを含み、
前記学習密度データにより前記骨材の前記表面水率の推定精度を向上させる、モデル生成プログラム。 - コンピュータに、
学習用データを用いた機械学習によって生成される学習済みモデルに入力データを入力し、前記学習済みモデルから出力される出力データが示す値を骨材の表面水率の推定値として取得する表面水率推定部として機能させ、
前記学習用データは、学習用として用いる前記骨材である学習用骨材を撮影した撮影画像を示す学習画像データ、前記学習用骨材の密度を示す学習密度データ、及び前記学習用骨材の表面水率を示す学習表面水率データを含み、
前記入力データは、推定対象の前記骨材である推定対象骨材を撮影した撮影画像を示す入力画像データを含み、
前記学習密度データにより前記骨材の前記表面水率の推定精度を向上させる、骨材表面水率推定プログラム。 - 前記入力データは、前記推定対象骨材の密度を示す入力密度データを含まない、請求項8に記載の骨材表面水率推定プログラム。
- 前記入力データは、前記推定対象骨材の密度を示す入力密度データを更に含む、請求項8に記載の骨材表面水率推定プログラム。
- 骨材である学習用骨材を撮影した撮影画像を示す学習画像データ、前記学習用骨材の密度を示す学習密度データ、及び前記学習用骨材の表面水率を示す学習表面水率データを含む学習用データを取得し、
前記学習用データを用いて学習済みモデルを生成し、
前記学習済みモデルは、推定対象の前記骨材である推定対象骨材を撮影した撮影画像を示す入力画像データが入力されると、前記推定対象骨材の前記表面水率の推定値を出力し、
前記学習密度データにより前記骨材の前記表面水率の推定精度を向上させる、学習済みモデルの生成方法。 - 前記学習済みモデルには、前記推定対象骨材の密度を示す入力密度データが入力されない、請求項11に記載の学習済みモデルの生成方法。
- 前記学習済みモデルは、前記入力画像データに加え、前記推定対象骨材の密度を示す入力密度データが入力されると、前記推定対象骨材の前記表面水率の推定値を出力する、請求項11に記載の学習済みモデルの生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023071066A JP7402475B1 (ja) | 2023-04-24 | 2023-04-24 | 骨材表面水率推定装置、モデル生成プログラム、骨材表面水率推定プログラム、及び学習済みモデルの生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023071066A JP7402475B1 (ja) | 2023-04-24 | 2023-04-24 | 骨材表面水率推定装置、モデル生成プログラム、骨材表面水率推定プログラム、及び学習済みモデルの生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7402475B1 true JP7402475B1 (ja) | 2023-12-21 |
Family
ID=89190422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023071066A Active JP7402475B1 (ja) | 2023-04-24 | 2023-04-24 | 骨材表面水率推定装置、モデル生成プログラム、骨材表面水率推定プログラム、及び学習済みモデルの生成方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7402475B1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002131208A (ja) | 2000-10-25 | 2002-05-09 | Vector Chuo Kenkyusho:Kk | 骨材の表乾密度、吸水率、表面水率の測定方法及びそれに使用する高温骨材冷却装置 |
JP2021135199A (ja) | 2020-02-27 | 2021-09-13 | 太平洋セメント株式会社 | 骨材の品質推定方法およびコンクリート製造方法 |
JP2023031937A (ja) | 2021-08-26 | 2023-03-09 | 太平洋セメント株式会社 | 生コンクリートの品質予測システム、及び生コンクリートの品質予測方法 |
-
2023
- 2023-04-24 JP JP2023071066A patent/JP7402475B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002131208A (ja) | 2000-10-25 | 2002-05-09 | Vector Chuo Kenkyusho:Kk | 骨材の表乾密度、吸水率、表面水率の測定方法及びそれに使用する高温骨材冷却装置 |
JP2021135199A (ja) | 2020-02-27 | 2021-09-13 | 太平洋セメント株式会社 | 骨材の品質推定方法およびコンクリート製造方法 |
JP2023031937A (ja) | 2021-08-26 | 2023-03-09 | 太平洋セメント株式会社 | 生コンクリートの品質予測システム、及び生コンクリートの品質予測方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI721510B (zh) | 雙目圖像的深度估計方法、設備及儲存介質 | |
US11801616B2 (en) | Monitoring system for three-dimensional printing | |
KR102513707B1 (ko) | 학습 장치, 추론 장치, 학습 모델 생성 방법 및 추론 방법 | |
US10267916B2 (en) | Three-dimensional construction systems and methods for creating an object | |
US11823348B2 (en) | Method and system for training generative adversarial networks with heterogeneous data | |
JP6757690B2 (ja) | 検査支援装置、検査支援方法及びプログラム | |
US20140300702A1 (en) | Systems and Methods for 3D Photorealistic Automated Modeling | |
JP7402475B1 (ja) | 骨材表面水率推定装置、モデル生成プログラム、骨材表面水率推定プログラム、及び学習済みモデルの生成方法 | |
JP2018132477A (ja) | 深度推定装置、寸法推定装置、深度推定方法、寸法推定方法、及びプログラム | |
JP6359985B2 (ja) | デプス推定モデル生成装置及びデプス推定装置 | |
CN111931698B (zh) | 基于小型训练集的图像深度学习网络构建方法及装置 | |
JP7321336B2 (ja) | 画像処理装置、画像処理方法、および画像処理プログラム | |
TW202125331A (zh) | 動作分析系統以及動作分析程式產品 | |
CN113506343B (zh) | 基于多源数据的色坐标估计方法、系统、设备及介质 | |
JP2010187130A (ja) | カメラ校正装置、カメラ校正方法、カメラ校正プログラムおよびそのプログラムを記録した記録媒体。 | |
KR102407522B1 (ko) | 실시간 3차원 모델 구축 방법 및 시스템 | |
TWI752332B (zh) | 行車記錄器及畫像記憶系統 | |
JPWO2021192038A5 (ja) | ||
JP2006059165A (ja) | 3次元モデリング装置、幾何学パターン、3次元モデリングデータの生成方法、3次元モデリングプログラム、記録媒体 | |
JP2021009702A (ja) | 検査支援装置、検査支援方法及びプログラム | |
JP2020073892A (ja) | 、情報処理装置、端末装置、情報処理方法、およびプログラム | |
CN110942442A (zh) | 图像通透度计算方法及装置 | |
CN110830848A (zh) | 图像插值方法、装置、计算机设备和存储介质 | |
JP7496858B2 (ja) | 粒度分布予測装置、機械学習装置、粒度分布予測方法、及び、機械学習方法 | |
CN111597882B (zh) | 一种损失函数计算方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230424 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230424 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230711 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230725 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230919 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231006 |
|
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: 20231114 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231201 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7402475 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |