JP7411494B2 - コンクリート管理システム、コンクリート管理方法及びコンクリート管理プログラム - Google Patents

Description

本発明は、荷卸し時のコンクリートの品質を管理するためのコンクリート管理システム、コンクリート管理方法及びコンクリート管理プログラムに関する。

ワーカビリティの低下したフレッシュコンクリート（以下、コンクリートと呼ぶ）を打ち込むことは充てん不良等の初期欠陥の原因となる。このため、アジテータ車により搬送されたコンクリートを現場で使用する場合、コンクリートの品質を評価する必要がある。この品質は、従来、コンクリートの変形および流動性と材料分離に対する抵抗性に関するワーカビリティ（作業性）より評価される。このようなワーカビリティの管理は、荷卸し時の定期的なスランプ試験によって行なわれる。更に、荷卸し時に随時、コンクリートのワーカビリティを目視で確認することとなっている。しかしながら、スランプ試験は抜き取り試験であり、試験間の品質変動は把握できない。また、目視による確認には技術者の高度な経験が必要となる。

そこで、現場等におけるコンクリートの流動状態を、画像情報に基づき、評価するための技術も検討されている（例えば、特許文献１参照）。この文献に記載された技術においては、現場等におけるコンクリート試料の流動状態を、撮像位置や撮像画角を含む撮像条件を考慮することなく撮像し、撮像した画像についての画像処理を実行し、輪郭の変化を解析することで、コンクリートを評価する。

特開２０１９－２１１２４７号公報

しかしながら、特許文献１に記載の技術では、スランプフロー試験におけるコンクリートの流動画像を用いて、現場で利用されるコンクリートのスランプフローを評価している。この場合、コンクリートを評価する環境によって、スランプフロー試験における流動状態と、荷卸しされるコンクリートの状態が異なる場合には、的確な評価が困難である。

上記課題を解決するためのコンクリート管理システムは、撮影装置及び管理者端末に接続された制御部と、シュート上を流下するコンクリートの撮影画像に基づいてワーカビリティを予測するための予測モデルを記録した学習結果記憶部とを備える。前記制御部が、前記撮影装置からシュート上を流下するコンクリートの撮影画像を取得し、前記撮影画像を前記予測モデルに適用してワーカビリティを予測し、前記予測したワーカビリティに関する情報を前記管理者端末に出力する。

本発明によれば、現場において、荷卸しされるコンクリートを効率的かつ的確に評価することができる。

本実施形態の工事現場の説明図。 本実施形態の荷卸し時の撮影画像の説明図。 本実施形態のハードウェア構成の説明図。 本実施形態のコンクリート管理システムの構成を説明する説明図。 本実施形態の記憶部に記録されたデータの説明図であって、（ａ）は第１教師情報と第１予測モデル、（ｂ）は第２教師情報と第２予測モデル、（ｃ）は第３教師情報と第３予測モデル、（ｄ）は第４教師情報と第４予測モデルの説明図。 本実施形態の荷卸し時のコンクリートの撮影画像の説明図であって、（ａ）はスランプ17.5の表面性状、（ｂ）はスランプ12.5の表面性状、（ｃ）はスランプ6.5の表面性状の説明図。 本実施形態の荷卸し時のコンクリートの撮影範囲の説明図。 本実施形態の荷卸し時のコンクリートの堆積画像の説明図。 本実施形態の荷卸し時のコンクリートの堆積状況の説明図であって、（ａ）はレベル１、（ｂ）はレベル２、（ｃ）はレベル３、（ｄ）はレベル４、（ｅ）はレベル５、（ｆ）はレベル６、（ｇ）はレベル７、（ｈ）はレベル８の説明図。 本実施形態の荷卸し時のコンクリートの流速平面分布の説明図であって、（ａ）はスランプ17.5、（ｂ）はスランプ12、（ｃ）はスランプ8.5の説明図。 本実施形態の荷卸し時のコンクリートの流速の計測位置の説明図。 本実施形態の荷卸し時のコンクリートの流速の時間変化の説明図。 本実施形態の荷卸し時のコンクリートの流速のスペクトル分析結果の説明図。 本実施形態の荷卸し時の処理手順の説明図。

以下、一実施形態を、図１～図１４に従って説明する。本実施形態では、工事現場で用いるコンクリートのワーカビリティを評価するコンクリート管理システムとして説明する。

図１に示すように、工事現場Ｃ１において、アジテータ車Ａ１により搬送されたフレッシュコンクリートは、シュートＡ２からポンプ車Ｐ１のホッパーＰ２に供給される。そして、ポンプ車Ｐ１の圧送装置により、打設場所に搬送される。このような工事現場Ｃ１で用いられるコンクリートのワーカビリティを評価する。

図２に示すように、本実施形態では、シュートＡ２からホッパーＰ２に流下（落下）するコンクリートの撮影画像を用いてワーカビリティを評価する。
本実施形態では、図１に示すように、撮影装置１０、支援サーバ２０、管理者端末３０を用いる。

（ハードウェア構成の説明）
図３を用いて、撮影装置１０、支援サーバ２０、管理者端末３０を構成する情報処理装置Ｈ１０のハードウェア構成を説明する。情報処理装置Ｈ１０は、通信装置Ｈ１１、入力装置Ｈ１２、表示装置Ｈ１３、記憶部Ｈ１４、プロセッサＨ１５を備える。なお、このハードウェア構成は一例であり、他のハードウェアにより実現することも可能である。

通信装置Ｈ１１は、他の装置との間で通信経路を確立して、データの送受信を実行するインタフェースであり、例えばネットワークインタフェースカードや無線インタフェース等である。

入力装置Ｈ１２は、各種情報の入力を受け付ける装置であり、例えばマウスやキーボード、カメラ等である。表示装置Ｈ１３は、各種情報を表示するディスプレイ等である。
記憶部Ｈ１４は、撮影装置１０、支援サーバ２０、管理者端末３０の各種機能を実行するためのデータや各種プログラムを格納する記憶装置である。記憶部Ｈ１４の一例としては、ＲＯＭ、ＲＡＭ、ハードディスク等がある。

プロセッサＨ１５は、記憶部Ｈ１４に記憶されるプログラムやデータを用いて、撮影装置１０、支援サーバ２０、管理者端末３０における各処理を制御する。プロセッサＨ１５の一例としては、例えばＣＰＵやＭＰＵ等がある。このプロセッサＨ１５は、ＲＯＭ等に記憶されるプログラムをＲＡＭに展開して、各処理のための各種プロセスを実行する。

プロセッサＨ１５は、自身が実行するすべての処理についてソフトウェア処理を行なうものに限られない。例えば、プロセッサＨ１５は、自身が実行する処理の少なくとも一部についてハードウェア処理を行なう専用のハードウェア回路（例えば、特定用途向け集積回路：ＡＳＩＣ）を備えてもよい。すなわち、プロセッサＨ１５は、〔１〕コンピュータプログラム（ソフトウェア）に従って動作する１つ以上のプロセッサ、〔２〕各種処理のうち少なくとも一部の処理を実行する１つ以上の専用のハードウェア回路、或いは〔３〕それらの組み合わせ、を含む回路（circuitry）として構成し得る。プロセッサは、ＣＰＵ並びに、ＲＡＭ及びＲＯＭ等のメモリを含み、メモリは、処理をＣＰＵに実行させるように構成されたプログラムコード又は指令を格納している。メモリすなわちコンピュータ可読媒体は、汎用又は専用のコンピュータでアクセスできるあらゆる利用可能な媒体を含む。

（システム構成）
次に、図４を用いて、コンクリート管理システムの各機能を説明する。
撮影装置１０は、アジテータ車Ａ１のシュートＡ２からポンプ車Ｐ１のホッパーＰ２（コンクリート投入口）に流下するコンクリートの荷卸し画像（流下画像）を撮影するコンピュータ端末である。動画は、例えば、「1080P HD」、「30fps」の条件で撮影する。本実施形態では、シュートＡ２の正面に三脚を立てて、高さは1.8ｍ程度に撮影装置１０を固定する。撮影時には日除けは行なわない。そして、撮影装置１０は、有線通信や無線通信により、撮影画像を支援サーバ２０に送信する。

支援サーバ２０は、撮影装置１０から取得した撮影画像を用いて、コンクリートを評価するコンピュータシステムである。この支援サーバ２０は、制御部２１、教師情報記憶部２２、学習結果記憶部２３を備える。

制御部２１は、後述する処理（画像取得段階、学習段階、予測段階、判定段階等を含む処理）を行なう。このための各処理のためのプログラムを実行することにより、制御部２１は、画像取得部２１１、学習部２１２、予測部２１３、判定部２１４等として機能する。

画像取得部２１１は、工事現場において、撮影装置１０からコンクリートの荷卸し時の撮影画像を取得する。本実施形態では、後述する第１予測モデル、第２予測モデルの学習処理や予測処理においては、カラー画像をグレー化及びヒストグラム均一化により画像処理を行なう。

学習部２１２は、コンクリートの荷卸し画像からワーカビリティを予測するモデルを作成する。本実施形態では、後述する第１学習処理～第４学習処理を行なうことにより、第１予測モデル～第４予測モデルを生成する。

予測部２１３は、取得した画像を第１予測モデル～第４予測モデルに適用して、コンクリートのワーカビリティを予測する。本実施形態では、第１予測モデル～第４予測モデルをそれぞれ用いた第１予測処理～第４予測処理を行なうことにより、ワーカビリティを予測する。
判定部２１４は、予測したワーカビリティに基づいて、必要に応じて管理者端末３０にアラームメッセージを出力する。

教師情報記憶部２２には、ワーカビリティの予測モデルを生成するために用いる教師情報が記録される。本実施形態では、４種類の予測モデルを生成するために、それぞれ第１教師情報～第４教師情報が記録される。後述するように、第１教師情報～第４教師情報は、コンクリートの荷卸し時の撮影画像から得られる情報に対して、ワーカビリティを関連付けた情報である。本実施形態では、ワーカビリティとして、スランプ試験により算出されたスランプを用いる。教師情報の作成には、ポンプ車Ｐ１に荷卸ししたコンクリートをアジテータ車Ａ１のホッパーに圧送し、２時間程度、循環させて、コンクリートの流動状況を１５分ごとに２分間撮影する。同時にスランプ試験によりスランプを測定する。この場合、コンクリートに直射日光が当たらないようにシートで日除けを行なう。

学習結果記憶部２３には、コンクリートのワーカビリティの予測モデルが記録される。この予測モデルは、学習処理を行なった場合に記録される。本実施形態では、４種類の予測モデル（第１予測モデル～第４予測モデル）が記録される。

図５（ａ）に示すように、第１教師情報２２１は、荷卸し時のコンクリートの表面性状に対応する特徴情報に着目した画像に対してワーカビリティを関連付けた情報である。
図６（ａ）は「スランプ17.5」、図６（ｂ）は「スランプ12.5」、図６（ｃ）は「スランプ6.5」の荷卸し画像である。

本実施形態では、図７に示すように、表面性状の評価のためにシュートＡ２の中央付近の領域ａ１１と、排出口付近の領域ａ１２の２箇所の画像を用いる。画像のサイズは、領域ａ１１では150pixel×150pixel、領域ａ１２では縦300pixel×横500pixelである。スランプの低下に伴い、流動するコンクリートの表面の凹凸が大きくなる。また、ポンプ車Ｐ１のホッパーに落下したコンクリートの堆積形状が大きくなる。

そして、第１学習処理においては、学習部２１２は、第１教師情報２２１を用いて、深層学習のＣＮＮ（Convolutional Neural Network）により、第１予測モデル２３１を生成して、学習結果記憶部２３に記録する。

第１予測処理においては、予測部２１３は、コンクリートの荷卸し時の画像の画像処理を行なって、第１予測モデル２３１を用いて、スランプを予測して出力する。この場合、予測部２１３は、シュートＡ２における撮影状況により、予測に用いる画像のトリミングを行なう。例えば、図７に示す領域ａ１１、ａ１２について、撮影画像のトリミングを行ない、撮影状況が良好なトリミング画像を用いる。そして、予測部２１３は、トリミング画像を第１予測モデルに入力して、第１スランプ予測値を予測する。

図５（ｂ）に示すように、第２教師情報２２２は、荷卸し時のコンクリートの堆積形状に着目した画像に対してワーカビリティを関連付けた情報である。
図８に示すように、本実施形態では、シュートＡ２から流下してホッパーＰ２に堆積したコンクリートの領域ａ２１を切り出して用いる。

図９に示すように、堆積形状を８段階のレベルに分類する。図９（ａ）、（ｂ）、（ｃ）に示すレベル１～３は、それぞれ、コンクリートが占める領域の割合が小～大で、堆積していない状態を示す。図９（ｄ）、（ｅ）、（ｆ）、（ｇ）に示すレベル４～７は、それぞれ、コンクリートが占める領域の割合が小、中、大、特大で、堆積している状態を示す。図９（ｈ）のレベル８は、堆積したコンクリートがボロボロと落下している状態を示す。そして、各レベルには、ワーカビリティ（スランプ）が関連付けられている。

そして、第２学習処理においては、学習部２１２は、第２教師情報２２２を用いて、深層学習のＣＮＮ（Convolutional Neural Network）により、第２予測モデル２３２を生成して、学習結果記憶部２３に記録する。

第２予測処理においては、予測部２１３は、第２予測モデル２３２を用いて、コンクリートの荷卸し時の堆積画像を入力して、堆積レベルを予測して出力する。この場合、予測部２１３は、撮影画像から領域ａ２１をトリミングして、第２予測モデルに入力して、堆積レベルを特定する。そして、予測部２１３は、堆積レベルに応じた第２スランプ予測値を予測する。

図５（ｃ）に示すように、第３教師情報２２３は、荷卸し時のコンクリートの流速平面分布に対してワーカビリティを関連付けた情報である。
図１０は、シュートＡ２における流速平面分布のコンターを模式的に表したものであり、領域ＳＰ１は高速領域、領域ＳＰ２は中速領域、領域ＳＰ３は低速領域である。ここでは、速度そのものではなく、速度分布に注目する。図１０（ａ）は「スランプ17.5」、（ｂ）は「スランプ12」、（ｃ）は「スランプ8.5」である。図１０（ａ）に示すように、スランプが大きい場合、上下方向の流速の差は小さいが中央と左右両端で流速差がある。図１０（ｂ）に示すように、スランプが中程度の場合には、上下方向の流速差が大きくなる。図１０（ｃ）に示すように、スランプが更に小さくなると、中央と左右両端との流速差が小さくなる。

本実施形態では、図１１に示すように、シュートＡ２上のコンクリートにおいて、領域ａ３１～領域ａ３９で特徴点の追跡により速度を求める。なお、流速の画像解析には、特徴点の追跡により速度を求める。第３教師情報では、このような流速平面分布の特徴に着目し、中央の流速に対する相対流速と、１秒間の流速の変動の大きさ（変動係数）を説明変数とし、ワーカビリティ（スランプ）を目的変数とする。

そして、第３学習処理においては、学習部２１２は、第３教師情報２２３を用いて、スランプを目的変数として、１秒間の相対流速の平均値と流速変動の大きさ（変動係数）を説明変数として線形の重回帰式からなる第３予測モデル２３３を生成して、学習結果記憶部２３に記録する。

第３予測処理においては、予測部２１３は、第３予測モデル２３３を用いて、コンクリートの荷卸し時の流下画像を入力して、スランプを予測して出力する。この場合、予測部２１３は、撮影画像において、領域ａ３１～領域ａ３９で特徴点の追跡により速度を求める。次に、予測部２１３は、中央の流速に対する相対流速と、１秒間の流速の変動の大きさ（変動係数）を算出する。そして、予測部２１３は、相対流速と変動係数とを、重回帰式に入力して第３スランプ予測値を取得することにより、ワーカビリティ（スランプ）を予測する。

図５（ｄ）に示すように、第４教師情報２２４は、荷卸し時のコンクリートの流速変動状況に対してワーカビリティを関連付けた情報である。
図１２に示すように、「スランプ14.5」では、流速は大きな周期的変動を有する波形Ｇ１を示し、「スランプ4.5」では細かな不規則な変動を有する波形Ｇ２を示す。スランプが大きい場合の波形Ｇ１は、アジテータ車Ａ１のドラムの回転による周期的な排出に依存すると考えられる。スランプが小さい場合の波形Ｇ２は、ドラムの回転の影響が少なくなり、周期的な変動が小さくなる。一方で、シュートＡ２とコンクリートの摩擦係数が大きくなり、固まり状のコンクリートがシュートＡ２をスリップするように落下するため、ランダムな変動が生じると考えられる。そこで、図１３に示すように、各波形をフーリエ変換した場合、波形Ｇ１は低い周波数範囲に高いピークを有する。

そして、第４学習処理においては、学習部２１２は、第４教師情報２２４を用いて、流速の経時変化をフーリエ変換した周波数スペクトルから、予め定められた２つの周波数範囲の強度平均値（第１強度平均値、第２強度平均値）を算出し、第１及び第２強度平均値の比（強度比）を算出する。そして、強度比とスランプとを関連付けた第４予測モデルを生成して、学習結果記憶部２３に記録する。
第４予測処理においては、予測部２１３は、流速の経時変化をフーリエ変換した周波数スペクトルから算出した第１及び第２強度平均値の強度比を算出し、第４予測モデルに入力して、第４スランプ予測値を取得することにより、ワーカビリティ（スランプ）を予測する。
図４に示す管理者端末３０は、工事現場の管理者が用いるコンピュータ端末である。

（コンクリート監視方法）
次に、図１４を用いて、コンクリート監視方法を説明する。
上述したように、事前に、教師情報記憶部２２を用いて、第１～第４学習処理を行なうことにより、第１～第４予測モデルを生成し、学習結果記憶部２３に記録しておく。
そして、工事現場において、アジテータ車Ａ１のシュートＡ２からポンプ車Ｐ１のホッパーＰ２までが視野に含まれる位置に撮影装置１０を配置する。そして、アジテータ車Ａ１のシュートＡ２からポンプ車Ｐ１のホッパーＰ２に流下するコンクリートを、撮影装置１０を用いて試験的に撮影する。

そして、支援サーバ２０の制御部２１は、スランプ試験結果の取得処理を実行する（ステップＳ１０）。具体的には、アジテータ車Ａ１により搬送されたコンクリートを取得してスランプ試験を行なうことにより、工事現場に搬送されたコンクリートのスランプ（実測スランプ）を測定する。そして、担当者は、管理者端末３０を用いて、スランプ試験の実測スランプを支援サーバ２０に入力する。この場合、支援サーバ２０の制御部２１は、実測スランプをメモリに仮記憶する。

次に、支援サーバ２０の制御部２１は、事前撮影画像の取得処理を実行する（ステップＳ１１）。具体的には、制御部２１の画像取得部２１１は、撮影装置１０を用いて、シュートＡ２からホッパーＰ２に流下するコンクリートの撮影画像を取得する。

次に、支援サーバ２０の制御部２１は、予測モデルの調整処理を実行する（ステップＳ１２）。具体的には、制御部２１の予測部２１３は、取得した撮影画像を、第１予測モデル～第４予測モデルに適用して、第１スランプ予測値～第４スランプ予測値を予測する。

次に、判定部２１４は、実測スランプと第１スランプ予測値～第４スランプ予測値とを比較する。そして、判定部２１４は、実測スランプに対して、予め定められた許容範囲内に含まれるスランプを算出した予測モデルを選択する。

そして、工事に用いるコンクリートを、アジテータ車Ａ１からポンプ車Ｐ１に荷卸しする。
この場合、支援サーバ２０の制御部２１は、荷卸し画像の取得処理を実行する（ステップＳ１３）。具体的には、制御部２１の画像取得部２１１は、撮影装置１０を用いて、シュートＡ２からホッパーＰ２に流下するコンクリートの撮影画像を取得する。

次に、支援サーバ２０の制御部２１は、ワーカビリティの予測処理を実行する（ステップＳ１４）。具体的には、制御部２１の予測部２１３は、取得した撮影画像を、第１予測モデル～第４予測モデルに適用して、第１スランプ予測値～第４スランプ予測値を予測する。

次に、支援サーバ２０の制御部２１は、注意喚起が必要かどうかについての判定処理を実行する（ステップＳ１５）。具体的には、制御部２１の判定部２１４は、第１スランプ予測値～第４スランプ予測値を用いて、ワーカビリティの総合評価を行なう。ここでは、ステップＳ１２において選択された予測モデルにより算出されたスランプ予測値を用いる。例えば、選択された予測モデルにより算出されたスランプの少なくとも一つが基準範囲を逸脱している場合には、注意喚起が必要と判定する。

注意喚起は不要と判定した場合（ステップＳ１５において「ＮＯ」の場合）、支援サーバ２０の制御部２１は、荷卸し画像の取得処理（ステップＳ１３）に戻る。
一方、注意喚起が必要と判定した場合（ステップＳ１５において「ＹＥＳ」の場合）、支援サーバ２０の制御部２１は、アラーム処理を実行する（ステップＳ１６）。具体的には、制御部２１の判定部２１４は、管理者端末３０に対して、基準範囲外を示したアラームメッセージを送信する。

本実施形態によれば、以下のような効果を得ることができる。
（１）本実施形態では、コンクリートの荷卸し時の撮影画像に基づいて、ワーカビリティを予測する。注意喚起が必要と判定した場合（ステップＳ１５において「ＹＥＳ」の場合）、支援サーバ２０の制御部２１は、アラーム処理を実行する（ステップＳ１６）。これにより、コンクリートの荷卸し時に、アジテータ車Ａ１のシュートＡ２を流れるコンクリートを評価することができる。

（２）本実施形態では、第１学習処理においては、第１教師情報２２１を用いて、ＣＮＮにより、第１予測モデル２３１を生成する。これにより、コンクリートの表面性状からワーカビリティを予測することができる。この場合、撮影画像（カラー画像）のグレー化及びヒストグラム均一化を行なう。これにより、コンクリートの表面状態を顕在化させることができる。

（３）本実施形態では、第２学習処理においては、第２教師情報２２２を用いて、ＣＮＮにより、第２予測モデル２３２を生成する。これにより、コンクリートの堆積状況からワーカビリティを予測することができる。この場合、撮影画像（カラー画像）のグレー化及びヒストグラム均一化を行なう。これにより、コンクリートの堆積状態を顕在化させることができる。

（４）本実施形態では、第３学習処理においては、第３教師情報２２３を用いて、スランプを目的変数として、１秒間の相対流速の平均値と流速変動の大きさ（変動係数）とを説明変数として線形の重回帰式からなる第３予測モデル２３３を生成する。これにより、荷卸し時のコンクリートの速度分布からワーカビリティを予測することができる。

（５）本実施形態では、第４学習処理においては、第４教師情報２２４を用いて、流速の経時変化をフーリエ変換した周波数スペクトルからスランプを算出する第４予測モデル２３４を生成する。これにより、荷卸し時のコンクリートの速度変動からワーカビリティを予測することができる。

（６）本実施形態では、支援サーバ２０の制御部２１は、予測モデルの調整処理を実行する（ステップＳ１２）。これにより、コンクリートを用いる工事現場の状況に応じて、予測に適した予測モデルを利用することができる。

（７）本実施形態では、支援サーバ２０の制御部２１は、ワーカビリティの予測処理（ステップＳ１４）、注意喚起が必要かどうかについての判定処理（ステップＳ１５）を実行する。これにより、コンクリートの荷卸し時に、問題があるコンクリートについて注意喚起を行なうことができる。

本実施形態は、以下のように変更して実施することができる。本実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
・上記実施形態では、コンクリートの品質を評価するためのワーカビリティとしてスランプを用いる。ワーカビリティはスランプに限定されるものではなく、材料分離をワーカビリティとして用いてもよい。また、流動性の指標としてスランプフローを用いてもよい。この場合には、各試験により算出したワーカビリティの評価値を関連付けた撮影画像を教師情報として用いた学習処理により予測モデルを生成する。

・上記実施形態では、アジテータ車Ａ１のシュートＡ２からポンプ車Ｐ１のホッパーＰ２に流下するコンクリートの荷卸し画像（流下画像）を撮影する。アジテータ車Ａ１のシュートＡ２からのコンクリートの荷卸し画像であれば、荷卸し先はポンプ車Ｐ１のホッパーＰ２に限定されるものではない。

・上記実施形態では、第１学習処理～第４学習処理により、第１予測モデル～第４予測モデルを生成し、第１予測処理～第４予測処理を行なう。コンクリートのワーカビリティを予測する方法は、４種類に限定されるものではない。

・上記実施形態では、第１予測モデル、第２予測モデルの学習処理や予測処理においては、コンクリートの流下状況の撮影画像については、カラー画像をグレー化及びヒストグラム均一化により加工した画像を用いる。画像処理方法は、グレー化及びヒストグラム均一化に限定されるものではなく、コンクリートの表面状態を強調できる画像処理であればよい。

・上記実施形態では、予測モデルの調整処理（ステップＳ１２）において、荷卸しされるコンクリートの管理に用いる予測モデルを選択する。ここで、利用する予測モデルの優先順位を決定してもよい。この場合には、判定部２１４が、実測スランプに対して、第１スランプ～第４スランプにおいて近い順番に並べて優先順位を高くする。そして、判定部２１４は、優先順位に応じて、重み付け値を設定する。この場合、実測スランプに近い順番で、高い重み付け値を付与する。

注意喚起が必要かどうかについての判定処理（ステップＳ１５）において、第１スランプ～第４スランプに対して重み付け値を乗算することにより、ワーカビリティの総合評価値を算出する。次に、判定部２１４は、総合評価値と基準範囲とを比較する。そして、総合評価値が基準範囲を逸脱している場合に、アラーム処理を実行する（ステップＳ１６）。

・上記実施形態では、第１予測処理において、表面性状の評価のためにシュートＡ２の中央付近の領域ａ１１と、排出口付近の領域ａ１２の２箇所の画像を用いる。ここで、荷卸し時の状況に応じて、利用する予測モデルを特定するようにしてもよい。例えば、荷卸し時の時間帯に応じて、領域ａ１１と領域ａ１２とを使い分けてもよい。朝夕の時間帯と昼間の時間帯とでは、コンクリートの表面性状の凸部から生じる陰の生じ方が異なる。そこで、時間帯に応じて、凹凸を強調できる領域を選択するようにしてもよい。

・上記実施形態では、支援サーバ２０の制御部２１は、注意喚起が必要かどうかについての判定処理を実行する（ステップＳ１５）。ここでは、ステップＳ１２において選択された予測モデルにより算出されたスランプ予測値の少なくとも一つが基準範囲を逸脱している場合には、注意喚起が必要と判定する。注意喚起の条件は、これに限定されるものではなく。第１スランプ予測値～第４スランプ予測値のいずれかが基準値を満足しない場合に、注意喚起が必要と判定するようにしてもよい。
また、支援サーバ２０の制御部２１は、時間帯に応じて、判定方法を変更してもよい。この場合には、時間帯に応じて、判定に用いるスランプ予測値を予め定めた判定方法テーブルを支援サーバ２０に記憶させておき、現在時刻に応じて、一又は複数のスランプ予測値を用いる。これにより、例えば、日射状況に応じて、ワーカビリティを予測しやすい判定方法を用いることができる。

Ａ１…アジテータ車、Ａ２…シュート、Ｐ１…ポンプ車、Ｐ２…ホッパー、１０…撮影装置、２０…支援サーバ、２１…制御部、２１１…学習部、２１２…画像取得部、２１３…予測部、２１４…判定部、２２…教師情報記憶部、２３…学習結果記憶部

Claims (10)

1. 撮影装置及び管理者端末に接続された制御部と、
   シュート上を流下するコンクリートの撮影画像に基づいてワーカビリティを予測するための予測モデルを記録した学習結果記憶部とを備えたコンクリート管理システムであって、
   前記制御部が、
   前記撮影装置からシュート上を流下するコンクリートの撮影画像を取得し、
   前記撮影画像を前記予測モデルに適用して、前記撮影画像において、コンクリート投入口に流下したコンクリートの堆積状況に対応する特徴情報に基づいてワーカビリティを予測し、
   前記予測したワーカビリティに関する情報を前記管理者端末に出力することを特徴とするコンクリート管理システム。
2. 撮影装置及び管理者端末に接続された制御部と、
   シュート上を流下するコンクリートの撮影画像に基づいてワーカビリティを予測するための予測モデルを記録した学習結果記憶部とを備えたコンクリート管理システムであって、
   前記制御部が、
   前記撮影装置からシュート上を流下するコンクリートの撮影画像を取得し、
   前記撮影画像により、前記シュート上の複数の領域の流速を算出し、前記予測モデルに適用して、前記流速の分布に基づいてワーカビリティを予測し、
   前記予測したワーカビリティに関する情報を前記管理者端末に出力することを特徴とするコンクリート管理システム。
3. 撮影装置及び管理者端末に接続された制御部と、
   シュート上を流下するコンクリートの撮影画像に基づいてワーカビリティを予測するための予測モデルを記録した学習結果記憶部とを備えたコンクリート管理システムであって、
   前記制御部が、
   前記撮影装置からシュート上を流下するコンクリートの撮影画像を取得し、
   前記撮影画像により、前記シュート上の流速の時系列変化を取得し、前記予測モデルに適用して、前記時系列変化の周波数分析に基づいてワーカビリティを予測し、
   前記予測したワーカビリティに関する情報を前記管理者端末に出力することを特徴とするコンクリート管理システム。
4. 前記制御部が、前記撮影画像において、流下するコンクリート性状に対応する特徴情報に基づいて、前記ワーカビリティを予測することを特徴とする請求項２又は３に記載のコンクリート管理システム。
5. 撮影装置及び管理者端末に接続された制御部と、
   シュート上を流下するコンクリートの撮影画像に基づいてワーカビリティを予測するための予測モデルを記録した学習結果記憶部とを備えたコンクリート管理システムを用いて、コンクリートを管理する方法であって、
   前記制御部が、
   前記撮影装置からシュート上を流下するコンクリートの撮影画像を取得し、
   前記撮影画像を前記予測モデルに適用して、前記撮影画像において、コンクリート投入口に流下したコンクリートの堆積状況に対応する特徴情報に基づいてワーカビリティを予測し、
   前記予測したワーカビリティに関する情報を前記管理者端末に出力することを特徴とするコンクリート管理方法。
6. 撮影装置及び管理者端末に接続された制御部と、
   シュート上を流下するコンクリートの撮影画像に基づいてワーカビリティを予測するための予測モデルを記録した学習結果記憶部とを備えたコンクリート管理システムを用いて、コンクリートを管理する方法であって、
   前記制御部が、
   前記撮影装置からシュート上を流下するコンクリートの撮影画像を取得し、
   前記撮影画像により、前記シュート上の複数の領域の流速を算出し、前記予測モデルに適用して、前記流速の分布に基づいてワーカビリティを予測し、
   前記予測したワーカビリティに関する情報を前記管理者端末に出力することを特徴とするコンクリート管理方法。
7. 撮影装置及び管理者端末に接続された制御部と、
   シュート上を流下するコンクリートの撮影画像に基づいてワーカビリティを予測するための予測モデルを記録した学習結果記憶部とを備えたコンクリート管理システムを用いて、コンクリートを管理する方法であって、
   前記制御部が、
   前記撮影装置からシュート上を流下するコンクリートの撮影画像を取得し、
   前記撮影画像により、前記シュート上の流速の時系列変化を取得し、前記予測モデルに適用して、前記時系列変化の周波数分析に基づいてワーカビリティを予測し、
   前記予測したワーカビリティに関する情報を前記管理者端末に出力することを特徴とするコンクリート管理方法。
8. 撮影装置及び管理者端末に接続された制御部と、
   シュート上を流下するコンクリートの撮影画像に基づいてワーカビリティを予測するための予測モデルを記録した学習結果記憶部とを備えたコンクリート管理システムを用いて、コンクリートを管理するためのプログラムであって、
   前記制御部を、
   前記撮影装置からシュート上を流下するコンクリートの撮影画像を取得し、
   前記撮影画像を前記予測モデルに適用して、前記撮影画像において、コンクリート投入口に流下したコンクリートの堆積状況に対応する特徴情報に基づいてワーカビリティを予測し、
   前記予測したワーカビリティに関する情報を前記管理者端末に出力する手段として機能させることを特徴とするコンクリート管理プログラム。
9. 撮影装置及び管理者端末に接続された制御部と、
   シュート上を流下するコンクリートの撮影画像に基づいてワーカビリティを予測するための予測モデルを記録した学習結果記憶部とを備えたコンクリート管理システムを用いて、コンクリートを管理するためのプログラムであって、
   前記制御部を、
   前記撮影装置からシュート上を流下するコンクリートの撮影画像を取得し、
   前記撮影画像により、前記シュート上の複数の領域の流速を算出し、前記予測モデルに適用して、前記流速の分布に基づいてワーカビリティを予測し、
   前記予測したワーカビリティに関する情報を前記管理者端末に出力する手段として機能させることを特徴とするコンクリート管理プログラム。
10. 撮影装置及び管理者端末に接続された制御部と、
    シュート上を流下するコンクリートの撮影画像に基づいてワーカビリティを予測するための予測モデルを記録した学習結果記憶部とを備えたコンクリート管理システムを用いて、コンクリートを管理するためのプログラムであって、
    前記制御部を、
    前記撮影装置からシュート上を流下するコンクリートの撮影画像を取得し、
    前記撮影画像により、前記シュート上の流速の時系列変化を取得し、前記予測モデルに適用して、前記時系列変化の周波数分析に基づいてワーカビリティを予測し、
    前記予測したワーカビリティに関する情報を前記管理者端末に出力する手段として機能させることを特徴とするコンクリート管理プログラム。

Images