JP7496858B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP7496858B2 JP7496858B2 JP2022126161A JP2022126161A JP7496858B2 JP 7496858 B2 JP7496858 B2 JP 7496858B2 JP 2022126161 A JP2022126161 A JP 2022126161A JP 2022126161 A JP2022126161 A JP 2022126161A JP 7496858 B2 JP7496858 B2 JP 7496858B2
- Authority
- JP
- Japan
- Prior art keywords
- size distribution
- particle size
- unit
- learning
- data
- 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
- 239000002245 particle Substances 0.000 title claims description 183
- 238000000034 method Methods 0.000 title claims description 74
- 238000010801 machine learning Methods 0.000 title description 110
- 239000002689 soil Substances 0.000 claims description 124
- 239000000463 material Substances 0.000 claims description 86
- 238000011176 pooling Methods 0.000 claims description 52
- 238000012545 processing Methods 0.000 claims description 40
- 239000003550 marker Substances 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 27
- 238000003062 neural network model Methods 0.000 claims description 22
- 239000004576 sand Substances 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 11
- 239000010419 fine particle Substances 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 description 49
- 238000004891 communication Methods 0.000 description 27
- 238000010586 diagram Methods 0.000 description 22
- 238000012360 testing method Methods 0.000 description 14
- 238000013500 data storage Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 210000000225 synapse Anatomy 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000005355 Hall effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002559 palpation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Description
前記判定データ取得工程により取得された前記判定データを、前記盛土・土質材料試料が撮像された学習用画像を含む入力データと、当該学習用画像に対応する粒度分布に関するデータを含む出力データとの相関関係を機械学習させた学習モデルに入力し、前記予測用画像に撮像された前記盛土・土質材料試料の粒度分布を推論する推論工程とを備え、前記予測用画像には、盛土・土質材料試料と共にマーカーが写り込んでおり、前記マーカーが撮影方向に関する情報、及び寸法の基準として用いられることを特徴とする。
(本発明の実施形態)
図1は、本発明の実施形態に係る粒度分布予測システム1の一例を示す全体構成図である。粒度分布予測システム1は、盛土・土質材料試料10に関する情報を取得し、これに基づいて、盛土・土質材料試料10における粒度分布を予測するシステムである。このために、粒度分布予測システム1は、人工知能技術を用いた機械学習装置4と、この機械学習装置4によって学習された学習データに基づいて推論を行う粒度分布予測装置5とを有している。
上記の(a)の形態は、デジタルカメラ等により取得した画像データのファイルを、機械学習装置4としてのパーソナルコンピュータに読み込ませることで機械学習を行う。このような機械学習の形態は、多数の画像データを一括して学習する場合に適した形態である。
(機械学習装置4)
図2は、本発明の実施形態に係る機械学習装置4の一例を示すブロック図である。機械学習装置4は、制御部40、通信部41、学習データ記憶部42、及び、学習済みモデル記憶部43を備える。
(画像データの輝度値)-(画像データの輝度の平均値)+128
の計算式を実行することで輝度の調整を行った。ここで、レンジオーバーした値は切り捨て処理をした。標準偏差などを考慮することで、より精度の高い輝度の調整を行うことができるが、計算が煩雑となるために、本発明においては、先の計算式を利用するようにしている。当該計算式を用いたたとしても、実用上は特に問題がないことを確認している。
(粒度分布予測装置5)
図8は、本発明の実施形態に係る粒度分布予測装置5の一例を示すブロック図である。粒度分布予測装置5は、制御部50、通信部51、及び、学習済みモデル記憶部52を備える。
(スマートフォン800の構成)
本発明に係る粒度分布予測装置で利用され得るコンピュータの一例であるスマートフォン800の構成について説明する。図9は本発明の実施形態に係る粒度分布予測システム1を構成し得るスマートフォン800のハードウエア構成図である。なお、本実施形態では、コンピュータとしてスマートフォンを用いる例に基づいて説明するが、本発明に係る粒度分布予測装置ではコンピュータとしてはタブレット端末装置など他のものも利用され得る。
(コンピュータ900の構成)
図10は、粒度分布予測システム1の各装置3~6を構成し得るコンピュータ900の一例を示すハードウエア構成図である。
(機械学習方法)
図11は、本発明の実施形態に係る機械学習装置4による機械学習方法の一例を示すフローチャートである。
(粒度分布予測方法)
ここでは、撮像装置3と粒度分布予測装置5とを兼ねるスマートフォン800を粒度分布予測装置5として用いる例について説明する。まず、スマートフォン800の撮像部825で、予測用画像を撮像する上で、スマートフォン800にインストールされていると好ましいアプリケーションソフトウェアについて説明する。このようなアプリケーションソフトウェアは、予測用画像として適したものを撮像するように組まれたものである。
図16において、ステップS300では、累積値の算出を行う。累積値は、(1)、(1)+(2)、(1)+(2)+(3)、(1)+(2)+(3)+(4)、・・・、(1)+(2)+(3)+(4)+(5)+(6)+(7)+(8)+(9)の9つの算出を行うことで得ることができる。これらの算出値は、図17の表示例において、Aによって示される箇所に表示される。
2・・・学習モデル
3・・・撮像装置
4・・・機械学習装置
5・・・粒度分布予測装置
6・・・端末装置
7・・・ネットワーク
10・・・盛土・土質材料試料
11・・・バット
15・・・マーカー
20・・・ニューラルネットワークモデル
21・・・入力層
221、222、223、224・・・単位中間層
c・・・畳み込み層
a・・・アベレージプーリング層
m・・・マックスプーリング層
23・・・中間層
251・・・第1結合層
252・・・第2結合層
253・・・第3結合層
26・・・ソフトマックス関数処理部
27・・・出力層
30・・・学習用画像
31・・・予測用画像
40・・・制御部
41・・・通信部
42・・・学習データ記憶部
43・・・学習済みモデル記憶部
50・・・制御部
51・・・通信部
52・・・学習済みモデル記憶部
400・・・学習データ取得部
401・・・機械学習部
410・・・学習データ作成部
500・・・判定データ取得部
501・・・推論部
502・・・出力処理部
510・・・判定データ作成部
800・・・スマートフォン(コンピュータの一例)
811・・・制御部
815・・・記憶部
816・・・基本オペレーティングシステム
817・・・粒度分布予測装置アプリケーションプログラム
818・・・データベース
820・・・通信部
823・・・GPS受信部
825・・・撮像部
830・・・タッチパネル部
831・・・入力部
832・・・表示部
835・・・音声処理部
836・・・マイク
837・・・スピーカー
841・・・加速度センサー
842・・・地磁気センサー
843・・・ジャイロセンサー
900・・・コンピュータ
910・・・バス
912・・・プロセッサ
914・・・メモリ
916・・・入力デバイス
917・・・出力デバイス
918・・・表示デバイス
920・・・ストレージ装置
922・・・通信I/F(インターフェース)部
924・・・外部機器I/F部
926・・・I/O(入出力)デバイスI/F部
928・・・メディア入出力部
Claims (10)
- 盛土・土質材料試料の粒度分布を予測する粒度分布予測装置であって、
盛土・土質材料試料が撮像された予測用画像を含む判定データを取得する判定データ取得部と、
盛土・土質材料試料が撮像された学習用画像を含む入力データと、当該学習用画像に対応する粒度分布に関するデータを含む出力データとの相関関係を機械学習させた学習モデルを記憶する学習済みモデル記憶部と、
前記判定データ取得部により取得された前記判定データを前記学習モデルに入力し、前記予測用画像に撮像された盛土・土質材料試料の粒度分布を推論する推論部とを備え、
前記予測用画像には、盛土・土質材料試料と共にマーカーが写り込んでおり、
前記マーカーが撮影方向に関する情報、及び寸法の基準として用いられることを特徴とする粒度分布予測装置。 - 前記学習モデルがニューラルネットワークモデルであり、
前記ニューラルネットワークモデルは、
複数の畳み込み層と複数のプーリング層との組み合わせを含む複数の単位中間層と、
異なる単位中間層の組み合わせからなる複数の組み合わせ中間層と、を有することを特徴とする請求項1に記載の粒度分布予測装置。 - 前記複数のプーリング層を構成するプーリング層が、アベレージプーリング層であることを特徴とする請求項2に記載の粒度分布予測装置。
- 前記複数のプーリング層を構成するプーリング層が、マックスプーリング層であることを特徴とする請求項2に記載の粒度分布予測装置。
- 前記複数のプーリング層を構成するプーリング層が、アベレージプーリング層とマックスプーリング層の組み合わせであることを特徴とする請求項2に記載の粒度分布予測装置。
- 前記複数の組み合わせ中間層からの出力が入力される複数の結合層を有することを特徴とする請求項2乃至請求項5に記載の粒度分布予測装置。
- 前記複数の結合層からの出力が、ソフトマックス関数処理部に入力されることを特徴とする請求項6に記載の粒度分布予測装置。
- 前記推論部で推論された盛土・土質材料試料の粒度分布に基づいて、細粒分、砂分、礫分割合を算出することを特徴とする請求項7に記載の粒度分布予測装置。
- 盛土・土質材料試料の粒度分布を予測する粒度分布予測方法であって、
盛土・土質材料試料が撮像された予測用画像を含む判定データを取得する判定データ取得工程と、
前記判定データ取得工程により取得された前記判定データを、前記盛土・土質材料試料が撮像された学習用画像を含む入力データと、当該学習用画像に対応する粒度分布に関するデータを含む出力データとの相関関係を機械学習させた学習モデルに入力し、前記予測用画像に撮像された前記盛土・土質材料試料の粒度分布を推論する推論工程とを備え、
前記予測用画像には、盛土・土質材料試料と共にマーカーが写り込んでおり、
前記マーカーが撮影方向に関する情報、及び寸法の基準として用いられることを特徴とする粒度分布予測方法。 - 前記マーカーが白色の円盤又は球体であることを特徴とする請求項9に記載の粒度分布予測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022126161A JP7496858B2 (ja) | 2022-08-08 | 2022-08-08 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022126161A JP7496858B2 (ja) | 2022-08-08 | 2022-08-08 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2024022804A JP2024022804A (ja) | 2024-02-21 |
JP7496858B2 true JP7496858B2 (ja) | 2024-06-07 |
Family
ID=89930443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022126161A Active JP7496858B2 (ja) | 2022-08-08 | 2022-08-08 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7496858B2 (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018026131A (ja) | 2016-08-09 | 2018-02-15 | ダンロップスポーツ株式会社 | 動作解析装置 |
JP2019118670A (ja) | 2018-01-09 | 2019-07-22 | カシオ計算機株式会社 | 診断支援装置、画像処理方法及びプログラム |
JP2020173150A (ja) | 2019-04-10 | 2020-10-22 | 株式会社神戸製鋼所 | 土質判定装置、土質判定用学習モデル生成装置および土質判定方法 |
CN112017164A (zh) | 2020-08-18 | 2020-12-01 | 中国水利水电科学研究院 | 基于深度阈值卷积模型的土石料级配检测方法 |
JP2021117625A (ja) | 2020-01-24 | 2021-08-10 | 株式会社奥村組 | 土の粒度分布の推定方法 |
JP2021130911A (ja) | 2020-02-18 | 2021-09-09 | 五洋建設株式会社 | 粘性土特性推定方法、粘性土を用いた施工方法、粘性土特性推定装置、およびプログラム |
WO2022149028A1 (en) | 2021-01-08 | 2022-07-14 | Alcon Inc. | Real-time detection of artifacts in ophthalmic images |
-
2022
- 2022-08-08 JP JP2022126161A patent/JP7496858B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018026131A (ja) | 2016-08-09 | 2018-02-15 | ダンロップスポーツ株式会社 | 動作解析装置 |
JP2019118670A (ja) | 2018-01-09 | 2019-07-22 | カシオ計算機株式会社 | 診断支援装置、画像処理方法及びプログラム |
JP2020173150A (ja) | 2019-04-10 | 2020-10-22 | 株式会社神戸製鋼所 | 土質判定装置、土質判定用学習モデル生成装置および土質判定方法 |
JP2021117625A (ja) | 2020-01-24 | 2021-08-10 | 株式会社奥村組 | 土の粒度分布の推定方法 |
JP2021130911A (ja) | 2020-02-18 | 2021-09-09 | 五洋建設株式会社 | 粘性土特性推定方法、粘性土を用いた施工方法、粘性土特性推定装置、およびプログラム |
CN112017164A (zh) | 2020-08-18 | 2020-12-01 | 中国水利水电科学研究院 | 基于深度阈值卷积模型的土石料级配检测方法 |
WO2022149028A1 (en) | 2021-01-08 | 2022-07-14 | Alcon Inc. | Real-time detection of artifacts in ophthalmic images |
Also Published As
Publication number | Publication date |
---|---|
JP2024022804A (ja) | 2024-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11250548B2 (en) | Digital image completion using deep learning | |
US10755391B2 (en) | Digital image completion by learning generation and patch matching jointly | |
US11693901B2 (en) | Systems and methods for geolocation prediction | |
CN110730970B (zh) | 优化策略控制器的方法和系统 | |
RU2694021C1 (ru) | Способ и устройство идентификации частей фрагментированного материала в пределах изображения | |
US10997752B1 (en) | Utilizing a colorization neural network to generate colorized images based on interactive color edges | |
CN110222641B (zh) | 用于识别图像的方法和装置 | |
US20230020615A1 (en) | Mirror loss neural networks | |
US10949069B2 (en) | Shake event detection system | |
CN107527024A (zh) | 人脸颜值评估方法及装置 | |
CN108028881A (zh) | 摄像辅助系统、装置及方法、以及摄像终端 | |
KR102358472B1 (ko) | 딥러닝 기반 위성영상의 촬영 스케줄링 방법 | |
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 | |
US20220366533A1 (en) | Generating high resolution fire distribution maps using generative adversarial networks | |
JP6707715B2 (ja) | 学習装置、推定装置、学習方法及びプログラム | |
CN115953330B (zh) | 虚拟场景图像的纹理优化方法、装置、设备和存储介质 | |
CN111062914B (zh) | 用于采集脸部图像的方法、装置、电子设备和计算机可读介质 | |
CN110827194A (zh) | 图像处理的方法、装置及计算机存储介质 | |
US20210304417A1 (en) | Observation device and observation method | |
McFall et al. | Technical feasibility of creating a beach grain size database with citizen scientists | |
JP2021063706A (ja) | プログラム、情報処理装置、情報処理方法及び学習済みモデルの生成方法 | |
CN113256600B (zh) | 基于人工智能的相机灰尘检测方法、装置及电子设备 | |
WO2024127824A1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN112330619B (zh) | 一种检测目标区域的方法、装置、设备及存储介质 | |
Inzerillo et al. | Super-Resolution Images Methodology Applied to UAV Datasets to Road Pavement Monitoring. Drones 2022, 6, 171 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20220818 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230425 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240327 |
|
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: 20240522 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240528 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7496858 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |