JPH055785A - ニユーラルネツトワークを用いた地中埋設物探知装置及び地中埋設物探知法 - Google Patents

Abstract

(57)【要約】 【目的】比較的少ない計算量で埋設されている管路など
の対象物の位置や種類を探知できるニューラルネットワ
ークを用いた地中埋設物探知装置及び地中埋設物探知法
を提供する。 【構成】サンプルとして計測済みの各対象物に関する受
信された電磁波の振幅情報を教師信号として、その信号
をニューラルネットワークの入力層へ入力し得られる出
力層の出力と、理想的な出力との誤差を用い、逆伝搬学
習則その他の学習則によりユニット間の重みの値を変え
ていき、最終的に各対象物の電磁波の振幅情報を入力す
ると正しい対象物のユニットのみ１を出力するようなネ
ットワークを構成する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は地中に埋設されている管
路などの対象物を電磁波を用いて探知するニューラルネ
ットワークを用いた地中埋設物探知装置及び地中埋設物
探知法に関するものである。

【０００２】

【従来の技術】地中に埋設されている管路などの対象物
を電磁波を用いて探知する地中埋設物探知法に関しては
各種提案されており、そのほとんどが測定された電磁波
の振幅情報から周波数解析、パターン認識等の手法を使
い管路等の位置を探知するというものである。

【０００３】図６に従来から用いられている地中埋設物
探知装置を示す。この装置は電磁波送受信アンテナ１を
持っており、電磁波を地中に送信し対象物に当たって反
射した波を受信する。オペレータはこの装置を図６の矢
印方向に移動させ広範囲の電磁波の振幅データを装置内
に取り込む。この振幅情報を図７に示す。この場合は図
６に示されるように１．５ｍのところにビニル管２と鋼
管３が埋められていた場合である。図６の掘削幅Ａは１
７７分割され、地表面４から原地盤５までは３３３分割
されてデータとして取り込まれている。図７の丸で示し
ているところが管路の位置である。従来の技術ではこの
振幅情報を基に周波数領域情報を利用したパターン認識
手法を用いて管路の位置を求めていた。図６中、６は山
砂（埋め戻し材）、７はアスファルト、８は砕石、９は
ディスプレーである。

【０００４】

【発明が解決しようとする課題】しかし、この方法では
計算量が非常に多くなる。

【０００５】本発明の目的は振幅情報をニューラルネッ
トワークにより処理することにより、埋設されている管
路などの対象物の位置や種類を探知できるニューラルネ
ットワークを用いた地中埋設物探知装置及び地中埋設物
探知法を提供することにある。

【０００６】

【課題を解決するための手段】本発明は上記課題を解決
するために、電磁波を送受信するアンテナとそのアンテ
ナが受信した電磁波の振幅情報を生成する振幅情報生成
装置、および、入力層、少なくとも１層以上の中間層、
そして出力層を持ち、各層がユニットの集合であり、ア
ンテナにより受信された電磁波の振幅情報を入力層の入
力とし、出力層の各ユニットを各対象物を代表するユニ
ットとし、となりあう層のユニット同志がもれなく結合
されており、それぞれの結合に固有の重み係数があり、
前層ユニットの出力値にこの重みを乗じた値が後層ユニ
ットに入力され、後層ユニットは前層のすべてのユニッ
トからの値の総和を計算し、出力関数として定義される
非線形変形を施し、つぎの層へ値を出力するようなニュ
ーラルネットワークとを具備したことを特徴とするもの
である。

【０００７】

【作用】上記手段により、サンプルとして計測済みの各
対象物に関する受信された電磁波の振幅情報を教師信号
として、その信号をニューラルネットワークの入力層へ
入力し得られる出力層の出力と、理想的な出力（計測済
みの対象物を代表するユニットの出力のみ１で、その他
のユニットの出力は０）との誤差を用い、逆伝搬学習則
（バックプロパゲーション）その他の学習則によりユニ
ット間の重みの値を変えていき、最終的に各対象物の電
磁波の振幅情報を入力すると正しい対象物のユニットの
み１を出力するようなネットワークを形成することであ
る。

【０００８】従来の技術との差異は一度ニューラルネッ
トに対象物の位置や種類を学習させれば、従来のパター
ン認識技術に比較して比較的少ない計算量で対象物の位
置種類が認識できる点である。

【０００９】

【実施例】以下図面を参照して本発明の実施例を詳細に
説明する。

【００１０】図１に本発明のニューラルネットワークを
用いた地中埋設物探知装置を示す。本装置は入力層、中
間層、出力層の３層からなるニューラルネットワークか
らなる。各層はユニットの集合であり、となりあう層の
ユニット同志がもれなく結合されている。この結合を通
して前層の各ユニットから後層のユニットへ値が伝えら
れる。このとき、結合に固有の重み係数があり、前層ユ
ニットの出力値にこの重みを乗じた値が後層ユニットに
入力される。後層ユニットは前層のすべてのユニットか
らの値の総和を計算し、出力関数として定義される非線
形変換を施した後、つぎの層へ値を出力する。

【００１１】入力層のユニット数は今回の実施例では３
０個とし、各ユニットへは図１に示すように３０ポイン
トの電磁波の振幅情報が入力される。また中間層のユニ
ット数は任意の数に設定する。ここでは２４個とした。
出力層は判別すべきそれぞれの対象物（管路など）に対
応するユニットを持つ。本実施例では管路１（ビニル
管）、管路２（鋼管）、管路０（管路なし）とした。判
別する対象物の数は出力層のユニット数を変えることに
より、自由に設定できる。各々のユニットからの正の出
力がそのユニットが代表する対象物を認識したことを示
す。もし、あるユニットから近似的に“１”の値が出力
された場合、“測定対象物がそのユニットが代表する対
象物である。”と認識されたことを意味する。

【００１２】ニューラルネットワークによる対象物判別
は大別して２つのプロセスからなる。第一は学習のプロ
セスである。ここではサンプルとして計測済みの電磁波
の振幅情報を学習データとして、その学習データをニュ
ーラルネットワークの入力層へ入力し得られる出力層の
出力と、教師信号（計測済みの対象物を代表するユニッ
トの出力のみ１で、その他のユニットの出力は０）との
誤差を用いてネットワークを改善し、正しいネットワー
クをつくる。このネットワークの改善は逆伝搬学習則
（バックプロパゲーション）という手法によってユニッ
ト間の重みの値を変えていき、最終的に各対象物の変換
装置の出力値を入力すると正しい対象物のユニットのみ
１を出力するようなネットワークを形成する。第２のプ
ロセスでは上記の学習によって完成されたネットワーク
を用いて、未知の対象物の変換装置出力データをニュー
ラルネットワークの入力層の入力に入力し、出力層の出
力より対象物の種類を判別する。

【００１３】以下に本実施例での地中埋設物探知結果を
示す。電磁波の振幅データとしては図７のビニル管と鋼
管が埋設されているものを使った。ニューラルネットの
学習に使ったデータを図２に示す。 学習データ ビニル管に対して１データ、 鋼管に対して１データ、 管路なしに対して４データ 計６データであり、それぞれ３０ポイントとした。 ニューラルネットワークのパラメータ設定値 入力層 ３０ユニット 中間層 ２４ユニット 出力層 ３ユニット シグモイドの傾きに関するパラメータ：１．２ 結合係数：０．３ オフセット値：０．１ モーメント値：０．７ 上記ニューラルネットワークの学習回数と誤差の関係を
図３に示す。学習回数が進むにつれて誤差が減少してい
くのがわかる。学習後のニューラルネットを使って判別
していった地下断面図を図４に示す。判別の仕方として
は電磁波の振幅情報を３０ポイントずつニューラルネッ
トの入力にいれ、出力値によりその部分が管路１なのか
２なのかあるいは管路がない部分かを３０ポイント全体
を１ポイント毎ずらしながら探査した。判別はしきい値
を設け行なった。もし管路１と判別されたらその３０ポ
イントのいちばん最初のポイントの場所を赤で描くよう
にした。同様に管路２の場合は黒で、管路なしの場合は
青とした。図４は白黒なのでわからないが、実際のディ
スプレー上では、線で囲まれた部分の濃い色で描かれた
部分は鋼管（管路２）、その他の濃い部分はビニル管
（管路１）、その他の色の薄い大部分のところは管路な
しと判別されている。学習データが少なかったためか、
管路が実際にはない部分でも管路１と判別されていた
り、実際は管路２の部分なのに管路１に判別されている
ところがある。これは学習データを増やして学習させる
ことにより正確な位置と種類の識別が可能になると思わ
れる。また、図４のデータを使い、３０ポイントの区間
内に管路１があると判別されたポイントが１０ポイント
以上ある時、または３０ポイントの区間内に管路２があ
ると判別されたポイントが１ポイント以上ある時その判
別結果を残し、その以外の場合は、管路なしとすると、
図５のような地下断面図ができ、管路の位置、種類の識
別が可能になる。

【００１４】尚、上記実施例では中間層を１層の場合に
ついて説明したが、これに限らず中間層を２層以上持つ
場合についても実施することができる。

【００１５】

【発明の効果】以上説明したように本発明によれば、一
度ニューラルネットワークに対象物の位置や種類を学習
させれば、従来のパターン認識技術に比較して比較的少
ない計算量で対象物の位置種類が認識できる効果があ
る。

【図面の簡単な説明】

【図１】本発明のニューラルネットワークを用いた地中
埋設物探知装置の一実施例を示す構成説明図である。

【図２】本発明に係るニューラルネットワークの学習に
使ったデータの一例を示す特性図である。

【図３】本発明に係るニューラルネットワークの学習回
数と誤差の関係の一例を示す特性図である。

【図４】本発明に係るニューラルネットワークを使って
判別していった地下断面の一例を示す特性図である。

【図５】本発明に係るデータ処理後の地下断面の一例を
示す特性図である。

【図６】従来から用いられている地中埋設探知装置を示
す構成図である。

【図７】地下断面の電磁波振幅情報を示す特性図であ
る。

【符号の説明】

１…電磁波送受信アンテナ、２…ビニル管、３…鋼管、
４…地表面、５…原地盤、６…山砂、７…アスファル
ト、８…砕石、９…ディスプレー。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 羽成 賢一 東京都武蔵野市吉祥寺南町１丁目27番１号 エヌ・テイ・テイ・アドバンステクノロ ジ株式会社内

Claims (1)

1. 【特許請求の範囲】 【請求項１】 電磁波を送受信するアンテナとそのアン
   テナが受信した電磁波の振幅情報を生成する振幅情報生
   成装置、および、入力層、少なくとも１層以上の中間
   層、そして出力層を持ち、各層がユニットの集合であ
   り、アンテナにより受信された電磁波の振幅情報を入力
   層の入力とし、出力層の各ユニットを各対象物を代表す
   るユニットとし、となりあう層のユニット同志がもれな
   く結合されており、それぞれの結合に固有の重み係数が
   あり、前層ユニットの出力値にこの重みを乗じた値が後
   層ユニットに入力され、後層ユニットは前層のすべての
   ユニットからの値の総和を計算し、出力関数として定義
   される非線形変形を施し、つぎの層へ値を出力するよう
   なニューラルネットワークとを具備したことを特徴とす
   るニューラルネットワークを用いた地中埋設物探知装
   置。 【請求項２】 請求項１記載のニューラルネットワーク
   を用いた地中埋設物探知装置に関して、サンプルとして
   計測済みの各対象物に関する受信された電磁波の振幅情
   報を教師信号として、その信号をニューラルネットワー
   クの入力層へ入力し得られる出力層の出力と、計測済み
   の対象物を代表するユニットの出力のみ１で、その他の
   ユニットの出力は０とする理想的な出力との誤差を用
   い、逆伝搬学習則その他の学習則によりユニット間の重
   みの値を変えていき、最終的に各対象物の電磁波の振幅
   情報を入力すると正しい対象物のユニットのみ１を出力
   するようなネットワークを形成する方法と、前記方法の
   学習によって完成されたネットワークを用いて、未知の
   対象物の振幅情報をニューラルネットワークの入力層の
   入力に入力し、出力層の出力より対象物の種類を判別す
   る方法とを持つことを特徴とするニューラルネットワー
   クを用いた地中埋設物探知法。