JP7842440B2 - 内部構造推定装置、内部構造推定方法、およびプログラム - Google Patents

Description

本発明は、内部構造推定装置、内部構造推定方法、およびプログラムに関する。

対象物の誘電率を推定する手法が提案されている。例えば、特許文献１に記載の技術では、受信された測定データと、測定データを得たときと同じ送信部及び受信部の位置関係において対象物の誘電率を仮定して得られる算出データとの類似度を算出する。なお、送信部は、立体形状を有する対象物の内部に向けて電波を送信し、受信部は、送信部との間に対象物を挟む位置に配置されており、かつ、受信部は、対象物を透過した電波を受信する。

特開２０１９－１４８４３７号公報

しかしながら、特許文献１に記載の技術では、均一な物質の誘電率の実部を推定するだけである。例えば，生体内部や異物が混入しているコンクリート柱などの内部は、複数の誘電率を有する物質が混在し、複数物質の形状も誘電率も未知のものが多いので、特許文献１に記載の技術では、このような対象物に対応できない。さらに、特許文献１に記載の技術では、誘電率が場所によって変化する機能性材料に関しても対応できない。また、従来、誘電率は、均一な物質の誘電率を計測することが多く、複数の物質が存在する場合、非破壊でその物質の位置や誘電率を推定することが困難であった。

本発明は、上記の問題点に鑑みてなされたものであって、被測定物内部の分布誘電率を推定することができる内部構造推定装置、内部構造推定方法、およびプログラムを提供することを目的とする。

上記目的を達成するため、本発明の一態様に係る内部構造推定装置は、対象物体の少なくとも静電容量を含む測定結果を取得する測定結果取得部と、物体の内部構造を含む解析モデルを用いて解析された前記物体の誘電率の分布の解析結果と、前記物体の内部構造に関する情報との対応関係が学習された学習済みのモデルに、前記測定結果を与える供給部と、前記測定結果が与えられた前記学習済みのモデルに基づいて、前記対象物体の内部構造を推定し、推定した推定結果を出力する出力部と、を備える。

また、本発明の一態様に係る内部構造推定装置において、前記解析結果は、前記解析モデルを有限要素法によって解析することにより得られるようにしてもよい。

また、本発明の一態様に係る内部構造推定装置において、前記解析結果は、所定の位置に測定電極を配置した場合における、前記解析モデルで前記物体を回転軸周りに回転させた場合の基準位置からの回転角度と、前記回転角度毎の前記測定電極による前記静電容量の測定結果との関係を示すようにしてもよい。

また、本発明の一態様に係る内部構造推定装置において、前記測定電極には、高電位電極と、互いに面積が異なり前記高電位電極より電位の低い複数の低電位電極とが含まれ、前記回転軸は、前記高電位電極と、複数の前記低電位電極とが対向する空間内に配置され、前記解析結果は、前記解析モデルにおいて、前記空間内に配置された前記物体を、前記回転軸周りに回転させることによって得られるようにしてもよい。

また、本発明の一態様に係る内部構造推定装置において、前記解析結果は、前記高電位電極と前記低電位電極との間の電位、および前記高電位電極と前記低電位電極との間の損失のうちの少なくとも１つを含むようにしてもよい。

また、本発明の一態様に係る内部構造推定装置において、前記測定結果は、所定の位置に配置される測定電極が、高電位電極と、互いに面積が異なり前記高電位電極より電位の低い複数の低電位電極とを含み、前記対象物体を回転させる回転軸が、前記高電位電極と、複数の前記低電位電極とが対向する空間内に配置されている測定装置で測定される前記静電容量であるようにしてもよい。

上記目的を達成するため、本発明の一態様に係る内部構造推定方法は、測定結果取得部が、対象物体の測定結果を取得し、供給部が、物体の内部構造を含む解析モデルを用いて解析された前記物体の分布誘電率の解析結果と、前記物体に関する情報との対応関係が学習された学習済みのモデルに、前記測定結果を与え、出力部が、前記測定結果が与えられた前記学習済みの前記モデルに基づいて、前記対象物体の内部構造を推定し、推定した推定結果を出力する。

上記目的を達成するため、本発明の一態様に係るプログラムは、コンピュータに、対象物体の測定結果を取得させ、物体の内部構造を含む解析モデルを用いて解析された前記物体の分布誘電率の解析結果と、前記物体に関する情報との対応関係が学習された学習済みのモデルに、前記測定結果を与えさせ、前記測定結果が与えられた前記学習済みの前記モデルに基づいて、前記対象物体の内部構造を推定し、推定した推定結果を出力させる。

本発明の一態様によれば、被測定物内部の分布誘電率を推定することができる。

実施形態に係る内部構造推定装置の構成例を示す図である。 実施形態に係る解析モデル例を示す図である。 実施形態に係る電位解析用の解析モデル例を説明するための図である。 実施形態に係る測定装置の構成例を示す図である。 実施形態に係る解析モデルと測定装置の等価回路図である。 実施形態に係る電位測定装置の構成例を示す図である。 実施形態に係るモデルの学習の説明するための図である。 実施形態に係るモデルを用いた推定方法を説明するための図である。 実施形態に係るモデルが学習するデータの第１の例を示す図である。 第２の例の物体例を示す図である。 実施形態に係るモデルが学習するデータの第２の例を示す図である。 電位の解析結果例を示す図である。 電位解析において、解析対象の回転角度を説明するための図である。 物体の回転角度が１８０度付近の誘電率毎の電位の解析結果例を示す図である。 物体が複数の誘電体で構成されている場合の解析モデルを説明するための図である。 図１５の画像ｇ３５０の解析結果を示す図である。 図１５の画像ｇ３６０の解析結果を示す図である。 実施形態に係る内部構造推定装置の処理手順のフローチャートである。 実施形態に係る実測時の処理手順のフローチャートである。

以下、本発明の実施の形態について図面を参照しながら説明する。なお、以下の説明に用いる図面では、各部材を認識可能な大きさとするため、各部材の縮尺を適宜変更している。

［内部構造推定装置の構成例］
図１は、本実施形態に係る内部構造推定装置の構成例を示す図である。図１のように、内部構造推定装置１は、条件取得部１１、算出部１２、学習部１４、モデル記憶部１５、取得部１７（測定結果取得部）、供給部１８、および出力部１９を備える。算出部１２は、例えば解析モデル１３を備える。モデル記憶部１５は、モデル１６を備える。

内部構造推定装置１は、推定する対象物体の内部構造が未知である対象物体の測定結果を取得して、学習済みのモデル１６を用いて対象物体の内部構造に関する情報（以下、「内部構造に関する情報」を「内部構造情報」ともいう）を推定する。測定結果は、少なくとも静電容量であり、電位と損失を含んでいてもよい。内部構造情報は、例えば対象物体内部の比誘電率の分布（分布誘電率）等である。なお、内部構造情報は、例えば、対象物体の内部構造、対象物体の形状、対象物体の大きさ、対象物体が複数の誘電体で構成され場合に誘電体の配置を含んでいてもよい。

測定装置２は、推定時に、対象物体に対して静電容量と損失と電位を測定する。なお、測定装置２の構成例、測定装置２による測定方法等については、後述する。また、測定装置２は、電位測定装置２１を備える。

条件取得部１１は、モデル１６の学習時に、物体の内部構造情報を取得する。

算出部１２は、学習時に、取得された内部構造情報と、解析モデル１３と、例えば有限要素法を用いて誘電率の実数部と虚数部を考慮して解析を行い、物体を回転させたときに測定装置２によって測定されると想定される物体の解析結果を算出する。解析結果は、例えば、回転角度毎の静電容量と損失と、円周上の各位置の電位である。

学習部１４は、条件取得部１１が取得した内部構造情報と、算出部１２が算出した解析結果を対応付けてモデル１６に供給することで、モデル１６の学習を行う。なお、学習対象の物体例は後述するが、学習対象の物体は、例えば形状の異なる物体、大きさの異なる物体、１つの物体で比誘電率が異なる構造の物体、複数の構造体からなる物体等である。また、学習に使用するデータは、シミュレーションして算出された結果であってもよく、測定装置２が実測した実測結果であっても良い。

モデル１６は、学習部１４によって学習を行う。

取得部１７は、推定時に、推定対象の対象物体を測定装置２が測定した測定結果を取得する。取得部１７は、取得した測定結果を供給部１８に出力する。

供給部１８は、推定時に、測定結果を学習済みのモデル１６に供給する。

出力部１９は、測定結果が与えられた学習済みのモデル１６が出力する対象物体に対する推定結果であるパラメータを外部装置３に出力する。外部装置３は、例えば、画像表示装置、印字装置、タブレット端末、パーソナルコンピュータ等である。なお、出力部１９は、無線または有線の通信回路を備えていてもよい。

［解析モデル］
次に、解析モデル１３について説明する。
図２は、本実施形態に係る解析モデル例を示す図である。解析モデル１３は、例えば、外筒１０１の中に、第１電極１０２（高電位電極）、補助電極１０３、補助電極１０４、第２電極１０５（低電位電極）、第３電極１０６（低電位電極）、および第４電極１０７（低電位電極）を備える。なお、解析モデル１３は、図２のように解析対象の物体のモデルも含む。

外筒１０１の直径は、例えば９８（ｍｍ）である。第２電極１０５の一辺の長さは、例えば２０（ｍｍ）である。第３電極１０６の一辺の長さは、例えば１８（ｍｍ）である。第４電極１０７の一辺の長さは、例えば１６（ｍｍ）である。なお、第１電極１０２、補助電極１０３、補助電極１０４、第２電極１０５、第３電極１０６、および第４電極１０７は、同一円周上に配置される。これらの電極の円周の中心は、中心点Ｐであり、物体５を回転させる回転軸である。

外筒１０１は、シールド用で、電圧が０（Ｖ）である。第１電極１０２は、高電位側の電極であり、印加される電圧が例えば２（Ｖ）である。第２電極１０５～第４電極１０７は、低電位側の電極であり、電圧が例えば０（Ｖ）である。補助電極１０３と補助電極１０４は、電圧が例えば０（Ｖ）である。

シミュレーションでは、内部情報を推定する物体５を、図２のように、中心点Ｐから物体５の中心までの距離ｄかつ電極の内側に配置し、中心点Ｐに対して３６０度、自転させる。そして、シミュレーションでは、物体５の自転角度毎に、第２電極１０５、第３電極１０６、および第４電極１０７それぞれの例えば静電容量と電位と損失を算出する。

なお、算出部１２は、電極間に生じる宣伝容量は、次式（１）と次式（２）を用いて算出する。

式（１）、（２）において、Ｑは電荷量（Ｃ）、ｎは測定電極の単位法線ベクトル、Ｓは電流計が接続された低い電位側の電極の面積（ｍ^２）、Ｄは低い電位側の電極側の電極板上の電束密度（Ｃ／ｍ^２）、Ｖは測定電極間の電位差であり２（Ｖ）である。

まず、算出部１２は、式（１）を用いて低い電位側の測定電極上の電荷量Ｑを算出する。このために、算出部１２は、測定電極上の電束密度を電極面積で積分し、電荷量Ｑを算出する。
次に、算出部１２は、式（２）を用いて静電容量を算出する。

なお、図２に示した解析モデル１３は一例であり、これに限らない。例えば、測定電極（第２電極～第４電極）は、２つであっても４つ以上であってもよい。なお、以下の例では、測定電極（第２電極～第４電極）の数が３つの例を説明する。また、各電極の大きさや電圧値は一例であり、これに限らない。

また、第２電極～第４電極の一辺の大きさの順番は、２０（ｍｍ）、１８（ｍｍ）、１６（ｍｍ）の例を説明したが、これに限らない。一辺の大きさの順番は、例えば、２０（ｍｍ）、１６（ｍｍ）、１８（ｍｍ）であってもよく、１８（ｍｍ）、２０（ｍｍ）、１６（ｍｍ）等であってもよい。すなわち、複数の測定電極は、大きさが互いに異なっていればよい。

［電位計測の解析モデル例］
次に、電位解析用の解析モデル例を説明する。
図３は、本実施形態に係る電位解析用の解析モデル例を説明するための図である。図３のように、算出部１２は、丸印で示した全ての位置（ｇ１１）で電位を計測するために、有限要素法によって各位置の電位を算出する。解析モデル１３は、この電位解析用の解析モデルも備える。

［測定装置］
次に、測定装置２について説明する。
図４は、本実施形態に係る測定装置の構成例を示す図である。測定装置２は、例えば、外筒２０１の中に、第１電極２０２（高電位電極）、補助電極２０３（不図示）、補助電極２０４（不図示）、第２電極２０５（低電位電極）、第３電極２０６（低電位電極）、および第４電極２０７（低電位電極）を備える。なお、補助電極２０３は補助電極１０３と同様に第２電極２０５の隣に設けられ、補助電極２０４は補助電極１０４と同様に第４電極２０７の外側に設けられている。測定装置２は、第１電極２０２と第２電極２０５との静電容量を測定する静電容量計２１１と、第１電極２０２と第３電極２０６との静電容量を測定する静電容量計２１２と、第１電極２０２と第４電極２０７との静電容量を測定する静電容量計２１３を備える。測定装置２は、第１電極２０２と第２電極２０５との損失を測定する損失計２２１と、第１電極２０２と第３電極２０６との損失を測定する損失計２２２と、第１電極２０２と第４電極２０７との損失を測定する損失計２２３を備える。

なお、図４に示した測定装置２は一例であり、形状や構成は、これに限らない。例えば、静電容量計や損失計は１つずつであってもよい。この場合、測定装置２は、対象物体の１回転目で第１電極２０２と第２電極２０５との静電容量と損失を測定し、２回転目で第１電極２０２と第３電極２０６との静電容量と損失を測定し、３回転目で第１電極２０２と第４電極２０７との静電容量と損失を測定するようにしてもよい。また、第２電極～第４電極は、２つであってみ４つ以上であってもよく、解析モデル１３に合わせた数であればよい。

図５は、本実施形態に係る解析モデルと測定装置の等価回路図である。
第１電極３０２（高電位電極）は、交流電源３３１の一端と、電圧計３１１の一端と、電圧計３１２の一端と、電圧計３１３の一端とに接続されている。
交流電源３３１は、他端が外筒３０１に接続されている。
補助電極３０３は、外筒３０１に接続されている。
補助電極３０４は、外筒３０１に接続されている。
第２電極３０５（低電位電極）は、電圧計３１１の他端と、電流計３２１の一端とに接続されている。
第３電極３０６（低電位電極）は、電圧計３１２の他端と、電流計３２２の一端とに接続されている。
第４電極３０７（低電位電極）は、電圧計３１３の他端と、電流計３２３の一端とに接続されている。
電流計３２１の他端と、電流計３２２の他端と、電流計３２３の他端とは、外筒３０１に接続されている。

［電位測定装置］
次に、電位測定装置２１について説明する。
図６は、本実施形態に係る電位測定装置の構成例を示す図である。電位測定装置２１は、図３に示した解析モデルと同様に、円周上の各位置での電位を電位計２３１によって測定する。

［学習方法］
次に、モデル１６の学習方法例を説明する。
図７は、本実施形態に係るモデルの学習の説明するための図である。図７のように、学習時、学習部１４は、シミュレーション結果（解析結果）または測定結果（対象物体を回転させたときに測定される測定結果）と、シミュレーションに用いた物体の内部情報とをモデル１６に入力することで、対応関係をモデル１６に学習させる。シミュレーション結果には、解析モデル１３を用いて算出された、電極毎の静電容量と回転角度の関係、電極毎の電位と回転角度の関係、電極毎の損失と回転角度の関係が含まれる。測定結果には、電極毎の静電容量と回転角度の関係、電極毎の電位と回転角度の関係、電極毎の損失と回転角度の関係が含まれる。内部情報は、例えば、物体内部の構造、物体内部の誘電率の分布、物体の形状、物体の大きさ、物体の誘電体の個数、物体の誘電体の配置等）である。なお、学習に用いるアルゴリズムは、例えば、決定木、ランダムフォレスト、サポートベクターマシン、ニューラルネットワーク等である。

このように、本実施形態では、補助電極と、面積および位置が互いに異なる複数の低電位の電極（第２電極～第４電極）とによって、様々な測定パターンにおいて測定された解析パターン毎の解析結果に基づき、物体の内部情報と、物体の内部構造に関する情報との対応関係を学習する。なお、様々な解析パターンとは、物体の形状、舞台の大きさ、物体の比誘電率、物体の比誘電率の数、測定装置２の中心からの距離等、様々な物体に対するものである。

［推定方法］
次に、モデル１６を用いた推定方法例を説明する。
図８は、本実施形態に係るモデルを用いた推定方法を説明するための図である。図８のように、推定時、供給部１８は、測定結果を学習済みモデル１６に入力する。学習済みモデル１６は、入力されたデータに基づいて対象物体の内部情報を推定する。測定結果は、第１電極２０２と第２電極２０５との回転角度毎の静電容量、第１電極２０２と第３電極２０６との回転角度毎の静電容量、第１電極２０２と第４電極２０７との回転角度毎の静電容量、第１電極２０２と第２電極２０５との回転角度毎の電位、第１電極２０２と第３電極２０６との回転角度毎の電位、第１電極２０２と第４電極２０７との回転角度毎の電位、第１電極２０２と第２電極２０５との回転角度毎の損失、第１電極２０２と第３電極２０６との回転角度毎の損失、第１電極２０２と第４電極２０７との回転角度毎の損失である。

［モデルが学習するデータ例］
次に、モデル１６が学習するデータ例を説明する。
なお、解析モデル１３を用いてシミュレーションした結果と、測定装置２で実測した測定結果を比較した結果、回転角度毎の静電容量と電位の傾向が非常に似通っていることが確認できている。

（第１の例）
図９は、本実施形態に係るモデルが学習するデータの第１の例を示す図である。図９において横軸は回転角（度）、縦軸は静電容量（μＦ）である。図９は、図２で示した物体に対するシミュレーション結果である。物体は１つであり、物体５の比誘電率は３であり、中心点Ｐから物体５の中心までの距離ｄが３０（ｍｍ）であり、物体５の直径が３０（ｍｍ）である。四角印と線ｇ１０１は第１電極と第２電極間の静電容量であり、丸印と線ｇ１０２は第１電極と第３電極間の静電容量であり、バツ印と線ｇ１０３は第１電極と第４電極間の静電容量である。

この例では、回転角度１５０（度）付近から２１０（度）付近に電極間毎に極大値がある。そして、極大値が発生する回転角度と静電容量が、電極間毎に異なっている。

（第２の例）
図１０は、第２の例の物体例を示す図である。物体５Ａの形状は、物体５と同じである。物体５Ａの比誘電率は、半分が２であり、残り半分が３である。シミュレーションでは、物体５Ａを比誘電率３が中心側のまま自転させる。

図１１は、本実施形態に係るモデルが学習するデータの第２の例を示す図である。図１１において横軸は回転角（度）、縦軸は静電容量（μＦ）である。中心点Ｐから物体５Ａの中心までの距離ｄが３０（ｍｍ）であり、物体５Ａの直径が３０（ｍｍ）である。なお、図１１は、比誘電体が２の物体のシミュレーション結果と、比誘電体が２と３の物体のシミュレーション結果と、比誘電体が３の物体のシミュレーション結果とを含んでいる。

線ｇ１５１は、比誘電率が３の第１電極と第２電極間の静電容量であり、線ｇ１５２は、比誘電率が３の第１電極と第３電極間の静電容量であり、線ｇ１５３は、比誘電率が３の第１電極と第４電極間の静電容量である。
線ｇ１６１は、比誘電率が２と３の第１電極と第２電極間の静電容量であり、線ｇ１６２は、比誘電率が２と３の第１電極と第３電極間の静電容量であり、線ｇ１６３は、比誘電率が２と３の第１電極と第４電極間の静電容量である。
線ｇ１７１は、比誘電率が２の第１電極と第２電極間の静電容量であり、線ｇ１７２は、比誘電率が２の第１電極と第３電極間の静電容量であり、線ｇ１７３は、比誘電率が２の第１電極と第４電極間の静電容量である。

図１１のように、物体の比によって、さらに複数の比誘電率を備える場合毎に静電容量が異なっている。

（第３の例）
図１２は、電位の解析結果例を示す図である。図１２において、横軸は回転角（度）であり、縦軸は電位（Ｖ）である。電位解析の場合は、図１３のように、解析対象の物体を回転させて角度毎に電位を解析させる。図１３は、電位解析において、解析対象の回転角度を説明するための図である。図１３は、物体の回転角度が０（度）（ｇ２５１）、回転角度が９０（度）（ｇ２５２）の例を示している、また、図１２の解析結果例は、図１３のように、物体が２つの比誘電率２と３で構成されている例である。

図１２の例では、回転角度が７５（度）の場合に、物体の公転角度（０、１０、２０、３０、４０、５０、６０、７０、８０、９０（度））によって電位に差が生じている（ｇ２０１）。例えば、物体の回転角度が１０（度）かわると、電位が約０．００２（Ｖ）減少している。このように、比誘電率によって電位に差が生じている。

図１４は、物体の回転角度が１８０度付近の誘電率毎の電位の解析結果例を示す図である。横軸は測定地点の角度、縦軸は電位である。鎖線ｇ３０１は物体の比誘電率が２の解析結果であり、線ｇ３０２は物体の比誘電率が３の解析結果であり、鎖線ｇ３０３は物体の比誘電率が２と３の解析結果である。
図１４のように、比誘電率によって電位に差が生じている。

（第４の例）
次に、物体が複数の誘電体で構成されている場合を説明する。第１～第３の例では、誘電体が１つであったが、誘電体は２つ以上であってもよい。
図１５は、物体が複数の誘電体で構成されている場合の解析モデルを説明するための図である。図１５の画像ｇ３５０とｇ３６０は、大きさの異なる２つの誘電体を備えかつ配置が異なる例である。画像ｇ３５０では、誘電体３５０ａと誘電体３５０ｂが１８０（度）の間隔で配置されている。画像ｇ３６０では、誘電体３５０ｃと誘電体３５０ｄが９０（度）の間隔で配置されている。

図１６は、図１５の画像ｇ３５０の解析結果を示す図である。横軸は回転角（度）、縦軸は静電容量（μＦ）である。線ｇ４０１は第１電極と第２電極との間の静電容量であり、線ｇ４０２は第１電極と第３電極との間の静電容量であり、線ｇ４０３は第１電極と第４電極との間の静電容量である。

図１７は、図１５の画像ｇ３６０の解析結果を示す図である。横軸は回転角（度）、縦軸は静電容量（μＦ）である。線ｇ４１１は第１電極と第２電極との間の静電容量であり、線ｇ４１２は第１電極と第３電極との間の静電容量であり、線ｇ４１３は第１電極と第４電極との間の静電容量である。

図１６の場合は、第１電極と第２電極との間の静電容量において、約２２０（度）に一番大きな極大値ｇ４０５が現れ、約３０（度）に二番目の極大値ｇ４０６が現れている。
図１７の場合は、第１電極と第２電極との間の静電容量において、約２２０（度）に一番大きな極大値ｇ４１５が現れ、約１２０（度）に二番目の極大値ｇ４１６が現れている。
ここで、誘電体３５０ａと誘電体３５０ｃの比誘電率が等しく大きさも等しく、誘電体３５０ｂと誘電体３５０ｄの比誘電率が等しく大きさも等しい場合は、図１６と図１７のように複数の極大値の現れ方や、極大値と極小値との差等に差異が見られる。

［内部構造推定装置の処理手順］
次に、内部構造推定装置１の処理手順例を説明する。
図１８は、本実施形態に係る内部構造推定装置の処理手順のフローチャートである。

（ステップＳ１）学習時、内部構造推定装置１は、想定される内部情報に関して、多数のパターンのシミュレーションを行って、解析モデル１３を用いて、例えば有限要素法で解析結果（例えば、回転角度毎の静電容量と損失と、各円周位置での電位）を算出する。

（ステップＳ２）学習時、内部構造推定装置１は、シミュレーションで算出した解析結果と、物体の内部情報とを対応付けてモデル１６に学習させる。

（ステップＳ３）推定時、内部構造推定装置１は、内部情報が未知の対象物体について、測定装置２で回転角度毎の静電容量と損失と各円周位置での電位を測定する。

（ステップＳ４）推定時、内部構造推定装置１は、測定結果を取得して、取得した測定結果を学習済みのモデル１６に入力して対象物体の内部構造に関する情報（例えば誘電率の分布）を推定する。

（ステップＳ５）推定時、内部構造推定装置１は、推定した対象物体の内部構造に関する情報を出力する。

次に、実測時の処理手順例を説明する。
図１９は、本実施形態に係る実測時の処理手順のフローチャートである。

（ステップＳ１１）測定装置２は、回転角度を初期化（０（度））（基準位置）する。

測定装置２は、例えば回転角度に６（度）加算する（ステップＳ１２）。測定装置２は、静電容量と空間電位（Potential）を測定する（ステップＳ１３）。

（ステップＳ１４）測定装置２は、回転角度が３６０（度）より大きいか否かを判別する。測定装置２は、回転角度が３６０（度）より大きいであると判別した場合（ステップＳ１４；ＹＥＳ）、処理を終了する。測定装置２は、回転角度が３６０（度）以下であると判別した場合（ステップＳ１４；ＮＯ）、ステップＳ１２の処理に戻す。

なお、図１９に示した処理は一例であり、これに限らない。例えばステップＳ１２で加算する角度は５（度）以下であってもよく、７（度）以上であってもよい。

また、内部構造推定装置１は、学習時に、図１９と同様の処理を行ってシミュレーションを行うようにしてもよい。

以上説明した例では、モデル１６の学習に静電容量以外に電位と損失を用いる例を説明したが、これに限らない。モデル１６の学習に用いるデータは、電位と損失のうちの少なくとも１つであればよく、あるいは他の要素を含んでいてもよい。
同様に、推定に用いるデータは、静電容量以外に電位と損失を用いる例を説明したが、これに限らない。推定に用いるデータは、電位と損失のうちの少なくとも１つであればよく、あるいは他の要素を含んでいてもよい。

図９、図１１、図１２、図１４、図１６、および図１７に示したように、物体の形状や配置や比誘電率によって、回転角度に対する静電容量の変化が異なり、回転角度に対する電位の変化が異なっている。このため、本実施形態では、誘電体の形状、大きさ、配置、個数等、様々なパターンを、解析モデル１３を用いてシミュレーションを行い、その解析結果をモデル１６に学習させておく。そして、本実施形態によれば、このように学習したモデル１６を用いることで、対象物体の内部構造に関する情報（例えば誘電率の分布）を推定することができる。

なお、上述した例では、図９、図１１、図１２、図１４、図１６、および図１７のように、学習に全ての回転角度に対する測定結果を用い、推定でも全ての回転角度に対する測定結果を用いる例を説明したが、これに限らない。例えば、図２に示したような誘電体が１つであり比誘電率が１つであり、形状が円柱等の場合は、シミュレーション結果のうち各電極間の極大値を学習させ、推定時に測定結果のうち極大値をモデル１６に供給して推定するようにしてもよい。または、学習時と推定時には、極大値が複数ある場合、シミュレーション結果のうち各電極間の複数の極大値を学習させ、推定時に測定結果のうち複数の極大値をモデル１６に供給して推定するようにしてもよい。または、学習時と推定時には、シミュレーション結果のうち各電極間の少なくとも１つの極大値と少なくとも１つの極小値を学習させ、推定時に測定結果のうち少なくとも１つの極大値と少なくとも１つの極小値をモデル１６に供給して推定するようにしてもよい。あるいは、学習時と推定時には、シミュレーション結果のうち各電極間の極大値と、極小値と、極大値と極小値との差と、を学習させ、推定時に測定結果のうち極大値と、極小値と、極大値と極小値との差と、をモデル１６に供給して推定するようにしてもよい。

なお、上述した対象物体は、例えば、生体の一部、コンクリートの柱等である。例えば、対象物が生体の場合、対象物内部の誘電率の分布等を推定することで、臓器形状、内蔵脂肪、悪性腫瘍等の診断に適用することができる。

なお、本発明における内部構造推定装置１の機能の全てまたは一部を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより内部構造推定装置１が行う処理の全てまたは一部を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、ホームページ提供環境（あるいは表示環境）を備えたＷＷＷシステムも含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。

また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形および置換を加えることができる。

１…内部構造推定装置、１１…条件取得部、１２…算出部、１３…解析モデル、１４…学習部、１５…モデル記憶部、１６…モデル、１７…取得部、１８…供給部、１９…出力部

Claims (8)

1. 対象物体の少なくとも静電容量および電位を含む測定結果を取得する測定結果取得部と、
   物体の内部構造を含む解析モデルを用いて解析された前記物体の静電容量および電位の解析結果と、前記物体の内部構造に関する情報との対応関係が学習された学習済みのモデルに、前記測定結果を与える供給部と、
   前記測定結果が与えられた前記学習済みのモデルに基づいて、前記対象物体の内部構造を推定し、推定した推定結果を出力する出力部と、
   を備える内部構造推定装置。
2. 前記解析結果は、前記解析モデルを有限要素法によって解析することにより得られる、 請求項１に記載の内部構造推定装置。
3. 前記解析結果は、所定の位置に測定電極を配置した場合における、前記解析モデルで前記物体を回転軸周りに回転させた場合の基準位置からの回転角度と、前記回転角度毎の前記測定電極による前記静電容量の測定結果との関係を示す、
   請求項１または請求項２に記載の内部構造推定装置。
4. 前記測定電極には、高電位電極と、互いに面積が異なり前記高電位電極より電位の低い複数の低電位電極とが含まれ、
   前記回転軸は、前記高電位電極と、複数の前記低電位電極とが対向する空間内に配置され、
   前記解析結果は、前記解析モデルにおいて、前記空間内に配置された前記物体を、前記回転軸周りに回転させることによって得られる、
   請求項３に記載の内部構造推定装置。
5. 前記解析結果は、前記高電位電極と前記低電位電極との間の電位、および前記高電位電極と前記低電位電極との間の損失を含む、
   請求項４に記載の内部構造推定装置。
6. 前記測定結果は、所定の位置に配置される測定電極が、高電位電極と、互いに面積が異なり前記高電位電極より電位の低い複数の低電位電極とを含み、前記対象物体を回転させる回転軸が、前記高電位電極と、複数の前記低電位電極とが対向する空間内に配置されている測定装置で測定される前記静電容量を含む、
   請求項１から請求項５のうちのいずれか１項に記載の内部構造推定装置。
7. 測定結果取得部が、対象物体の少なくとも静電容量および電位を含む測定結果を取得し、
   供給部が、物体の内部構造を含む解析モデルを用いて解析された前記物体の静電容量および電位の解析結果と、前記物体の内部構造に関する情報との対応関係が学習された学習済みのモデルに、前記測定結果を与え、
   出力部が、前記測定結果が与えられた前記学習済みのモデルに基づいて、前記対象物体の内部構造を推定し、推定した推定結果を出力する、
   内部構造推定方法。
8. コンピュータに、
   対象物体の少なくとも静電容量および電位を含む測定結果を取得させ、
   物体の内部構造を含む解析モデルを用いて解析された前記物体の静電容量および電位の解析結果と、前記物体の内部構造に関する情報との対応関係が学習された学習済みのモデルに、前記測定結果を与えさせ、
   前記測定結果が与えられた前記学習済みのモデルに基づいて、前記対象物体の内部構造を推定し、推定した推定結果を出力させる、
   プログラム。