WO2010046967A1 - 赤外線熱画像解析装置 - Google Patents

赤外線熱画像解析装置 Download PDF

Info

Publication number
WO2010046967A1
WO2010046967A1 PCT/JP2008/069033 JP2008069033W WO2010046967A1 WO 2010046967 A1 WO2010046967 A1 WO 2010046967A1 JP 2008069033 W JP2008069033 W JP 2008069033W WO 2010046967 A1 WO2010046967 A1 WO 2010046967A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
temperature
temperature difference
infrared thermal
defect
Prior art date
Application number
PCT/JP2008/069033
Other languages
English (en)
French (fr)
Inventor
行雄 明石
橋本　和明
詳悟 林
Original Assignee
西日本高速道路エンジニアリング四国株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 西日本高速道路エンジニアリング四国株式会社 filed Critical 西日本高速道路エンジニアリング四国株式会社
Priority to PCT/JP2008/069033 priority Critical patent/WO2010046967A1/ja
Priority to US12/808,923 priority patent/US8462990B2/en
Priority to EP08877533.3A priority patent/EP2357466B1/en
Priority to ES08877533.3T priority patent/ES2596358T3/es
Priority to KR1020107011332A priority patent/KR101194023B1/ko
Priority to JP2009553858A priority patent/JP5140892B2/ja
Publication of WO2010046967A1 publication Critical patent/WO2010046967A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/72—Investigating presence of flaws
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/38—Concrete; Lime; Mortar; Gypsum; Bricks; Ceramics; Glass
    • G01N33/383—Concrete or cement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Definitions

  • the present invention relates to an infrared thermal image analysis apparatus that enables discrimination between a defective portion and a healthy portion included in a structure using an infrared thermal image acquired when a structure is photographed by an infrared camera, and in particular, a structure Even if a temperature gradient is generated on the surface of an object, it is possible to distinguish between a defective portion and a healthy portion.
  • Bridges and concrete structures represented by elevated bridges are affected by weather changes, ground changes and load loads over many years in addition to deterioration of the structure itself. When these are collected and adverse conditions overlap, partial destruction or peeling of the structure occurs, which may lead to damage to third parties or an accident. Therefore, there is a need for continuous inspection and monitoring of structures in order to prevent peeling of the structures in advance.
  • an infrared ray inspection method which does not require access to the structure and can perform a wide range of investigations efficiently.
  • the surface temperature of a structure is measured by an infrared camera, and the temperature difference is used to discriminate between a non-damaged healthy part and a damaged part.
  • An infrared thermal image analyzer is used for the infrared survey method.
  • FIG. 18 shows a basic configuration of the infrared thermal image analyzer.
  • An infrared camera 91 detects infrared energy radiated from a measurement object 94 such as a structure, and converts the infrared energy into temperature to capture an infrared thermal image showing a temperature distribution on the surface of the measurement object 94 .
  • the display device 93 displays an infrared thermal image taken by the infrared camera 91.
  • the surface temperature of the damaged portion becomes higher than the surface temperature of the healthy portion when the temperature rises as in the daytime. Therefore, if there is a local high temperature portion in the infrared thermal image of the measurement object 94 taken by the infrared camera 91, it is presumed that there is a damaged portion inside that portion.
  • the surface temperature of the structure is not often uniform over the entire surface, but rather the surface temperature of the structure is often inclined to cause a so-called temperature gradient. This is because the amount of heat received from the surface of the structure or the amount of heat radiated from the surface of the structure is partially different depending on the shape of the structure itself and the environment around the structure. If a temperature gradient occurs on the surface of the structure, it will be difficult to distinguish between a healthy part and a damaged part by infrared ray inspection. The reason is as follows.
  • FIG. 19 (a) shows the temperature distribution on the surface of the structure when no temperature gradient occurs
  • FIG. 19 (b) shows the temperature distribution on the surface of the structure when a temperature gradient occurs
  • FIGS. 19 (a) and 19 (b) show a partial temperature distribution centered on the defect in a three-dimensional simulation image
  • FIG. 19 (b) shows a temperature gradient with a constant slope in FIG. 19 (a). It shows a state where is superimposed.
  • FIG. 19A the difference between the defect portion, ie, the local high temperature portion and the healthy portion, ie, the low temperature portion, is clear.
  • FIG. 19B the temperature distribution of the defect portion is buried in the temperature gradient, and the difference between the defect portion and the sound portion is unclear.
  • the present invention has been made in view of these circumstances, and it is possible to easily identify the position of a defect included in a structure using an infrared thermal image even if a temperature gradient is generated on the surface of the structure With the goal.
  • a first invention relates to an infrared thermal image analyzer, An infrared camera that captures an infrared thermal image of the surface of the structure, An image processing unit for extracting from the infrared thermal image the distribution of temperature changes other than the temperature gradient generated on the surface of the structure, and creating an image showing the distribution of the temperature change other than the temperature gradient; And an image display unit for displaying an image created by the image processing unit.
  • the infrared camera 10 captures an infrared thermal image of the surface of the structure 40.
  • a temperature gradient is superimposed on the infrared thermal image taken. Therefore, the image processing unit 21 of the analysis unit 20 extracts the distribution of the temperature change other than the temperature gradient from the infrared thermal image, and creates an image showing the distribution of the temperature change other than the temperature gradient.
  • the image display unit 30 displays the image obtained by the image processing unit 21.
  • the image processing unit creates an average temperature distribution image by performing moving average processing to sequentially obtain an average of temperatures for each of a predetermined number of pixel groups in the infrared thermal image, and the infrared thermal image and the average temperature distribution image And a temperature difference image is generated by calculating the temperature difference at the same pixel.
  • the image processing unit 21 divides the infrared thermal image to form a plurality of matrix pixel groups (FIG. 3), and a predetermined number of pixel groups (9 ⁇ 9 pixel groups in FIG. 3) An average temperature distribution image is created by performing moving average processing to obtain the average sequentially. Furthermore, the image processing unit 21 creates a temperature difference image (FIG. 4) by calculating the temperature difference in the same pixel between the infrared thermal image and the average temperature distribution image. This temperature difference image is an image showing the distribution of temperature change other than the temperature gradient. The image display unit 30 displays this temperature difference image. When there is a defect in the structure, in the temperature difference image, the image of the defect locally has a large temperature change.
  • a third invention relates to the infrared thermal image analyzer of the second invention,
  • the image processing unit performs an emphasizing process of emphasizing a temperature difference in the temperature difference image, and creates an emphasized image in which the temperature difference in the temperature difference image is emphasized.
  • the image processing unit 21 performs, for example, an emphasizing process of emphasizing the temperature difference in the temperature difference image (FIG. 7) to create the emphasis image (FIG. 9).
  • This emphasized image emphasizes the temperature difference image (FIG. 7) and is an image showing the distribution of temperature change other than the temperature gradient.
  • the image display unit 30 displays this emphasized image. That is, the amount of temperature change in the image of the defective portion is further increased.
  • a fourth invention relates to the infrared thermal image analyzer of the second invention, A function storage unit for storing in advance an output function whose output ratio increases as the input increases;
  • the image processing unit performs an emphasizing process for emphasizing the temperature difference for each pixel by inputting the temperature difference in each pixel of the temperature difference image to the output function to obtain an output, and the temperature in the temperature difference image I try to create a highlighted image that emphasizes the difference.
  • the function storage unit 22 of the analysis unit 2 stores in advance an output function (FIG. 8) in which the output ratio increases as the input increases. Further, the image processing unit 21 performs an emphasizing process of emphasizing the temperature difference for each pixel by inputting the temperature difference in each pixel of the temperature difference image (FIG. 7) to the output function (FIG. 8) and obtaining the output. , Create a highlighted image (FIG. 9). This emphasized image (FIG. 9) emphasizes the temperature difference image (FIG. 7) and is an image showing the distribution of temperature change other than the temperature gradient. The image display unit 30 displays this emphasized image. That is, the amount of temperature change in the image of the defective portion is further increased.
  • a fifth invention relates to the infrared thermal image analysis apparatus of the second invention,
  • the image processing unit performs an emphasizing process of emphasizing a temperature difference in the temperature difference image by sequentially obtaining an accumulation of temperature for each predetermined number of pixel groups in the temperature difference image, and the temperature difference in the temperature difference image We try to create a highlighted image that emphasizes.
  • the image processing unit 21 divides the temperature difference image (FIG. 7 or FIG. 9) to form a pixel group (FIG. 10) of a plurality of matrices, and the predetermined number of pixel groups (3.times.3 in FIG. 10).
  • a pixel group (FIG. 10) of a plurality of matrices, and the predetermined number of pixel groups (3.times.3 in FIG. 10).
  • an emphasizing process of emphasizing the temperature difference in the temperature difference image (FIG. 7 or FIG. 9) is performed to create an emphasized image (FIG. 11).
  • This emphasized image (FIG. 11) emphasizes the temperature difference image (FIG. 7 or FIG. 9) and is an image showing the distribution of temperature change other than the temperature gradient.
  • the image display unit 30 displays this emphasized image. That is, the amount of temperature change in the image of the defective portion is further increased.
  • a sixth invention relates to the infrared thermal image analyzer of the second invention,
  • a defect storage unit which stores in advance information indicating the correspondence between the temperature change amount in the temperature difference image and the defect depth included in the structure;
  • the image processing unit obtains a defect depth of a portion where a local temperature change occurs in the generated temperature difference image using the information, and the local temperature change in the temperature difference image is
  • a defect determination image is created in which the display state of the occurring part is changed in accordance with the determined defect depth.
  • the defect storage unit 23 of the analysis unit 20 stores in advance information indicating the correspondence between the temperature change amount in the temperature difference image and the defect depth included in the inside of the structure.
  • the image processing unit 21 creates a temperature difference image (FIG. 13) from the infrared thermal image (FIG. 12) taken by the infrared camera 10, and a local temperature change in the created temperature difference image (FIG.
  • the defect depth for which the display state of the part where the local temperature change occurs in the temperature difference image is determined by using the information stored in the defect storage unit 23 to determine the defect depth of the part that is occurring For example, a defect determination image (FIG. 14) is created in which the display color is changed according to, for example, the defect depth.
  • the image display unit 30 displays this defect determination image.
  • a seventh invention relates to the infrared thermal image analyzer of the sixth invention,
  • the image processing unit is configured to obtain a defect depth corresponding to a temperature change amount at a center of a portion where a local temperature change occurs in the generated temperature difference image using the correspondence relation. .
  • the temperature change amount at the center of the portion of the temperature difference image in which the local temperature change occurs and the defect depth are closely related.
  • the present invention since the distribution of temperature change other than the temperature gradient is extracted from the infrared thermal image taken by the infrared camera, the temperature difference between the defective portion and the healthy portion included in the structure is clearly displayed. be able to. Therefore, even if a temperature gradient is generated on the surface of the structure, the position of the defect included in the structure can be easily determined.
  • the defect depth can be estimated by If the defect depth is known, the magnitude of the risk of peeling can be predicted.
  • FIG. 1 is a functional block diagram showing the basic configuration of the infrared thermal image analysis apparatus according to the present embodiment.
  • the infrared thermal image analyzer 1 includes an infrared camera 10, an analysis unit 20, and an image display unit 30.
  • the analysis unit 20 further includes an image processing unit 21, a function storage unit 22, and a defect storage unit 23.
  • the infrared camera 10 and the analysis unit 20 are communicably connected by a signal line L1.
  • the analysis unit 20 and the image display unit 30 are communicably connected by a signal line L2.
  • the infrared camera 10, the analysis unit 20, the analysis unit 20, and the image display unit 30 may be communicably connected wirelessly.
  • the infrared camera 10 detects infrared energy radiated from the structure 40, and converts the infrared energy into temperature to capture an infrared thermal image showing the temperature distribution on the surface of the structure 40.
  • the image processing unit 21 of the analysis unit 20 performs a series of image processing described later using the infrared thermal image acquired by the infrared camera 10.
  • the function storage unit 22 stores an output function as shown in FIG.
  • the defect storage unit 23 stores in advance information indicating the correspondence between the temperature change amount in the temperature difference image created by the image analysis unit 21 and the defect depth included in the inside of the structure.
  • the image display unit 30 displays the image (temperature difference image) created by the analysis unit 20.
  • the image display unit 30 may display an image on a display device like a monitor, or may print an image like a printer.
  • FIG. 2 shows a flow of a series of processing performed by the analysis unit.
  • the infrared camera 10 captures the surface of the structure 40 and acquires an infrared thermal image.
  • the analysis unit 20 receives an image signal related to an infrared thermal image from the infrared camera 10 (step S1).
  • the image processing unit 21 creates an average temperature distribution image using an infrared thermal image (step S2).
  • the image processing unit 21 generates a temperature difference image by calculating the temperature difference in the same pixel between the infrared thermal image and the average temperature distribution image (step S3).
  • the image processing unit 21 performs an emphasizing process to increase the temperature change amount by emphasizing the temperature difference in the temperature difference image using the output function stored in the function storage unit 22 and the first emphasized image (temperature difference image 1) is created (step S4). Furthermore, the image processing unit 21 performs accumulation processing (a type of enhancement processing) that increases the temperature change amount by emphasizing the temperature difference in the first enhanced image, and creates a second enhanced image (a type of temperature difference image) (Step S5). Furthermore, the image processing unit 21 determines the defect depth of the portion where the local temperature change is generated in the second enhanced image, using the information indicating the correspondence relationship stored in the defect storage unit 23 (step S6).
  • accumulation processing a type of enhancement processing
  • the image processing unit 21 changes the portion of the second enhanced image in which the local temperature change occurs to the display color according to the determined defect depth (the defect determination image (temperature difference image). 1) is created (step S7).
  • the analysis unit 20 transmits an image signal related to the defect determination image to the image display unit 30 (step S8).
  • the image display unit 30 displays a defect determination image.
  • step S2 and S3 four image processing (“steps S2 and S3", “step S4", “step S5" and “steps S6 and S7”) are performed.
  • the image processing in steps S2 and S3 is essential, but the image processing in steps S4 to S7 is optional. That is, one or more image processing in steps S4 to S7 may be performed, or all the image processing in steps S4 to S7 may not be performed. It may be determined in advance whether or not the image processing in steps S4 to S7 is to be performed, or it may be determined whether or not the subsequent image processing is to be performed every time any of the image processing ends. Further, the analysis unit 20 may determine whether the image processing in steps S4 to S7 is to be performed or may be determined by a worker.
  • the analysis unit 20 makes a determination, it may be determined whether the analysis unit 20 can distinguish a portion where a local temperature change occurs in the temperature difference image created immediately before each step. .
  • the temperature difference image created in steps S3, S4, and S5 is displayed on the image display unit 30, and the operator confirms the displayed temperature difference image, and the subsequent images are displayed. It may be determined whether to perform the process.
  • the operator operates the operation unit (not shown) to instruct the analysis unit 20 to perform the image processing of steps S4 to S7.
  • FIG. 3 shows a model of pixel groups of a plurality of matrices created in the moving average process.
  • the infrared thermal image is composed of, for example, a plurality of matrix of pixel groups as shown in FIG.
  • FIG. 3 shows a pixel group consisting of a 101 ⁇ 101 matrix, it is not limited to this numerical value.
  • the image processing unit 21 performs moving average processing described below using this pixel group.
  • an average temperature is calculated for a first pixel group consisting of a predetermined number of pixel groups, in this case, column numbers 1 to 9 and row numbers 1 to 9, and the calculated average temperature is the first pixel group. It is assigned to the central pixel (column number 5, row number 5). Subsequently, an average temperature is calculated for a second pixel group consisting of pixel groups of column numbers 2 to 10 and row numbers 1 to 9 shifted by one column, and the calculated average temperature is a central pixel of the second pixel group (column It is assigned to the number 6, line 5).
  • the average temperature is calculated for the n-th pixel group consisting of the pixel group of the column numbers n to n + 8 and row numbers 1 to 9 sequentially shifted by one column, and the calculated average temperature is the central pixel of the n-th pixel group It is assigned to (column number (n-1) +5, row number 5).
  • the same processing as the above processing is performed on the pixel groups whose rows are shifted by one.
  • the average temperature is calculated for the 8649th pixel group including the pixel numbers of row numbers 93 to 101 and row numbers 93 to 101, and the calculated average temperature is the central pixel of the 8649th pixel group (column It is assigned to the number 97, the line number 97).
  • processing of sequentially obtaining the average of the temperature is performed for each of a predetermined number of pixel groups (9 ⁇ 9 pixel groups in FIG. 3).
  • This process is called moving average process.
  • an average temperature distribution image formed of pixels of column numbers 5 to 93 and row numbers 5 to 93 is formed.
  • the order of processing is such that the columns are shifted one by one, and when the columns are not shifted, the rows are shifted by one and the columns are restored, but the present invention is not limited thereto.
  • an average temperature distribution image having pixels of column numbers 5 to 93 and row numbers 5 to 93 may be obtained, and the processing may be performed in any order.
  • the image processing unit 21 calculates the temperature difference at the same pixel (column number 5-93, row number 5-93) between the infrared thermal image and the average temperature distribution image. As a result of the calculation, a temperature difference image shown in FIG. 4 is created.
  • the temperature difference image is obtained by extracting the distribution of temperature change other than the temperature gradient generated on the surface of the structure from the infrared thermal image, and in other words, it can be considered as the temperature gradient removed from the infrared thermal image. If a defect exists inside the structure, a local temperature change occurs in the temperature difference image of the part including the defect.
  • FIG. 4 is a temperature difference image of a structure having a defect at a depth of 4 cm from the surface.
  • FIG. 5 is a graph showing the temperature distribution in n rows of the infrared thermal image and the temperature difference image.
  • FIG. 6 shows the temperature distribution of FIG. 5 in a three-dimensional simulation image.
  • the temperature distribution of the infrared thermal image is due to the temperature gradient, and the entire graph is upward to the right, which makes it difficult to distinguish between a healthy part and a defective part.
  • step S4 of FIG. 2 The emphasizing process performed in step S4 of FIG. 2 will be described. If a local temperature change can be determined from the temperature difference image created in step S3, there is no problem. For example, as in the temperature difference image shown in FIG. 4, there is no problem if the local temperature change can be clearly discriminated. However, in practice, there may be measurement errors in the infrared camera, or temperature variations other than the temperature gradient may occur in the structure. In these cases, it is difficult to distinguish local temperature changes even with temperature difference images. When the surface temperature of the structure is actually measured, a temperature variation of ⁇ 0.025 ° C. is measured.
  • FIG. 8 shows an example of the output function stored in the function storage unit.
  • the degree of emphasis on the output increases as the input increases.
  • the image calculation unit 21 reads an output function from the function storage unit 22, inputs the temperature difference in each pixel of the temperature difference image to the output function, and calculates an output.
  • a first emphasized image shown in FIG. 9 is created.
  • the first emphasized image is an image in which the temperature difference of the temperature difference image is emphasized, and is a kind of temperature difference image.
  • the temperature change is also increased, and local temperature changes, that is, defects that are difficult to distinguish in the temperature difference image before enhancement are enhanced.
  • step S5 of FIG. 2 The emphasizing process performed in step S5 of FIG. 2 will be described. There is no problem as long as local temperature change can be determined from the first enhanced image created in step S4. However, it may be difficult to determine local temperature changes from the first enhanced image. In such a case, an emphasis process is performed to emphasize each temperature difference of the first emphasized image.
  • the emphasizing process described below is similar to the moving average process performed in step S2 and the calculation method. Here, this emphasizing process is referred to as accumulation process.
  • FIG. 10 shows a model of pixel groups of a plurality of matrices created in the accumulation process.
  • the first enhanced image is composed of, for example, a plurality of matrix of pixel groups as shown in FIG.
  • the first emphasized image shown in FIG. 10 shows a part of the temperature difference image created in step S3.
  • FIG. 10 shows a pixel group consisting of a 16 ⁇ 16 matrix (column numbers 3 to 18 and row numbers 3 to 18), the present invention is not limited to this numerical value.
  • the image processing unit 21 uses the pixel group to perform the accumulation processing described below.
  • the cumulative temperature is calculated for a first pixel group consisting of a predetermined number of pixel groups, in this case pixel groups of column numbers 3 to 5 and row numbers 3 to 5, and the calculated cumulative temperature is the first pixel group. It is assigned to the central pixel (column number 4, row number 4). Subsequently, the accumulated temperature is calculated for the second pixel group consisting of the pixel groups of column numbers 4 to 6 and row numbers 3 to 5 shifted by one column, and the calculated accumulated temperature is the central pixel of the second pixel group (column It is substituted for the number 5, line number 4).
  • the accumulated temperature is calculated for the nth pixel group consisting of the pixel group of column numbers n to n + 2 and row numbers 3 to 5 sequentially shifted by one column, and the calculated accumulated temperature is the central pixel of the nth pixel group It is assigned to (column number (n-1) +4, row number 4).
  • the cumulative temperature is calculated for the 256th pixel group consisting of the pixel numbers of column numbers 16 to 18 and row numbers 16 to 18, and the calculated cumulative temperature is the central pixel of the 256th pixel group (column It is assigned to the number 17, the line number 17).
  • an accumulation process for sequentially determining the accumulation of temperature is performed on a predetermined number of pixel groups (3 ⁇ 3 pixel groups in FIG. 10).
  • a second emphasized image including pixels of column numbers 4 to 17 and row numbers 4 to 17 is formed.
  • the second enhanced image is shown in FIG.
  • the processing order the columns are shifted one by one, and when the columns are not shifted, the rows are shifted by one and the columns are restored, but the present invention is not limited thereto.
  • a second enhanced image consisting of pixels of column numbers 4 to 17 and row numbers 4 to 17 may be obtained, and the processing may be performed in any order.
  • step S5 is performed after step S4 of FIG. That is, the first emphasized image created in step S4 is emphasized to create the second emphasized image.
  • step S5 may be performed without performing step S4 after step S3 of FIG. That is, the second difference image may be created by emphasizing the temperature difference image created in step S3.
  • the second emphasized image is an image in which the temperature difference of the temperature difference image is emphasized, and is a kind of temperature difference image.
  • the temperature change is also increased, and local temperature changes, that is, defects that are difficult to distinguish in the temperature difference image before enhancement are enhanced.
  • the temperature change amount of T1 to T2 (T1> T2) is associated with the defect depth D1
  • the temperature change amount of T2 to T3 (T2> T3) and the defect depth D2 (D2>) Information is stored that corresponds to D1).
  • the image calculation unit 21 reads information from the defect storage unit 23, and determines the defect depth corresponding to the amount of temperature change in each pixel of the temperature difference image from the read information. At this time, it is determined that the defect itself does not exist in the portion where the local temperature change has not occurred. On the other hand, with respect to a portion where a local temperature change occurs, the temperature change amount of the central portion of that portion, for example, the central portion C shown in FIG. 5, that is, the maximum temperature difference (+ temperature difference and ⁇ temperature difference) The defect depth corresponding to is determined to be the defect depth of the portion.
  • the image calculation unit 21 changes the display state of the portion where a local temperature change occurs in the temperature difference image, that is, the defect portion according to the defect depth determined in step S6.
  • the display color of the defect portion is changed according to the defect depth. For example, when the defect depth is shallow, the display color is red, when the defect depth is medium, the display color is yellow, and when the defect depth is deep, the display color is blue. As a result, a defect determination image is created. Note that, instead of changing the display color according to the defect depth, marks having different shapes according to the defect depth may be displayed superimposed on the defect portion. The point is that the display state is such that the defect depth can be determined at a glance.
  • FIG. 12 shows an infrared thermal image of the structure
  • FIG. 13 shows a temperature difference image created using the infrared thermal image of FIG. 12
  • FIG. 14 shows a defect determination image created using the temperature difference image of FIG. Show.
  • the infrared thermal image in FIG. 12 hardly shows the difference between the defect portion and the sound portion, but the defect judgment image in FIG. 14 shows the difference between the defect portion and the sound portion, and the depth of the defect portion The difference is also expressed.
  • the defect depth is shallow, the surface layer of the structure is easily peeled off, which is dangerous.
  • the defect judgment image representing the defect depth in the above-mentioned display color
  • the red part is high risk
  • the yellow part is medium risk
  • the blue part is low risk. It can be judged how.
  • step S7 of FIG. 2 the defect depth is determined using an index of the amount of temperature change in the temperature difference image. The effectiveness of this temperature change will be described.
  • FIGS. 15A to 15D show the relationship between the temperature difference between two change points and the inclination between the change points for each defect depth.
  • FIGS. 15A to 15D show the results of FEM temperature analysis while changing the size of the defect, the thermal environment, and the width of the defect. There is a correlation between the inclination of each of the graphs in FIGS. 15A to 15D (inclination / temperature difference) and the depth of the defect.
  • FIG. 16 shows the relationship between the defect depth and (slope / temperature difference) of FIG.
  • FIG. 16 shows that the defect depths of 2 cm and 4 cm can be distinguished.
  • the defect depths of 6 cm and 8 cm can not be distinguished. That is, there are cases where the defect depth can not be determined by the method using the slope between two change points of the temperature distribution in the infrared thermal image and the temperature difference between the change points. Furthermore, since this method needs to manually detect the defect itself, the defect can not be detected in real time.
  • the temperature difference image created in the present embodiment represents the magnitude of the temperature change excluding the temperature gradient, and is a one-dimensional index, and includes components such as the inclination and the temperature difference in FIG. .
  • FIG. 17 shows the relationship between the defect depth and the amount of temperature change.
  • the amount of temperature change in a portion where a local temperature change occurs is taken as the “absolute value of the central portion”.
  • the reason why the absolute value is taken is that as shown in FIG. 18, the positive and negative temperature differences are reversed between day and night.
  • FIG. 17 shows that unlike in FIG. 16, the defect depths of 2 cm, 4 cm, 6 cm and 8 cm can be distinguished. Further, as shown in FIG. 2, this approach can be fully automated and can detect defects in real time.
  • the present invention can be used to investigate defects in general concrete structures using concrete such as bridges and elevated buildings as well as buildings.
  • FIG. 2 is a functional block diagram showing the basic configuration of the infrared thermal image analysis apparatus according to the present embodiment.
  • FIG. 6 is a graph showing a temperature distribution in n rows of an infrared thermal image and a temperature difference image.
  • the figure which shows the defect determination image produced using the temperature difference image of FIG. The figure which shows the relationship between the temperature difference between two change points, and the inclination between the change points for every defect depth.

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)
  • Radiation Pyrometers (AREA)

Abstract

　赤外線カメラ１０が構造物４０の表面の赤外線熱画像を撮影する。撮影された赤外線熱画像には構造物の健全部と欠陥部との温度差の他に温度勾配が重畳されている。そこで解析部２０の画像処理部２１は赤外線熱画像から温度勾配以外の温度変化の分布を抽出し、温度勾配以外の温度変化の分布を示す画像を作成する。画像表示部３０は画像処理部２１で求められた画像を表示する。赤外線カメラ１０で撮影した赤外線熱画像から温度勾配以外の温度変化の分布を抽出しているので、構造物４０に含まれる欠陥部と健全部との温度差を明確に画像表示することができる。このため構造物の表面に温度勾配が生じていたとしても、構造物に含まれる欠陥の位置を容易に判別できるようになる。

Description

赤外線熱画像解析装置
　本発明は、赤外線カメラで構造物を撮影した際に取得される赤外線熱画像を用いて、構造物に含まれる欠陥部と健全部とを判別できるようにする赤外線熱画像解析装置に関し、特に構造物の表面に温度勾配が生じていても欠陥部と健全部とを判別できるようにするものである。
　橋梁、高架に代表されるコンクリート構造物（以下、単に「構造物」という）は、それ自体の劣化に加え長年の間に気象変化、地盤の変化や荷重負荷の影響を受ける。これらが収集され、悪条件が重なった時点で構造物の部分的な破壊や、剥離などが発生し、第三者に対する被害や事故に繋がるおそれがある。そこで構造物の剥落を未然に防止するために、構造物の継続的な点検と監視が必要とされている。
　構造物の点検と監視の方法としては、構造物へ接近しなくて済み、広範囲な調査を高効率に行うことができる赤外線調査法が研究されている。赤外線調査法は、赤外線カメラによって構造物の表面温度を測定し、その温度差により、損傷のない健全部と損傷部を判別するものである。赤外線調査法には赤外線熱画像解析装置が用いられる。
　図１８は赤外線熱画像解析装置の基本的な構成を示す。　
　赤外線カメラ９１は構造物のような測定対象物９４から放射される赤外線エネルギーを検出し、その赤外線エネルギーを温度に変換することによって測定対象物９４の表面の温度分布を示す赤外線熱画像を撮影する。表示装置９３は赤外線カメラ９１で撮影された赤外線熱画像を表示する。
　測定対象物９４の内部に空洞、クラック、砂すじのような損傷部があると、昼間のような温度上昇時に損傷部の表面温度が健全部の表面温度よりも高くなる。したがって、赤外線カメラ９１で撮影された測定対象物９４の赤外線熱画像に局所的な高温部分が存在すれば、その部位の内部に損傷部があると推測される。
　構造物の表面温度が全面にわたって均一であることはあまり無く、寧ろ構造物の表面温度には傾き、所謂温度勾配が生じていることが多い。これは構造物自体の形状や構造物周辺の環境によって構造物表面の受熱量又は構造物表面からの放熱量が部分的に異なることに起因する。構造物の表面に温度勾配が生じていると、赤外線調査法による健全部と損傷部の判別が困難になる。その理由は次のとおりである。
　図１９（ａ）は温度勾配が生じていない場合の構造物表面の温度分布を示し、図１９（ｂ）は温度勾配が生じている場合の構造物表面の温度分布を示す。図１９（ａ）、（ｂ）共に欠陥部を中心とした部分的な温度分布を３次元のシミュレーション画像にて示しており、図１９（ｂ）は図１９（ａ）に一定傾斜の温度勾配を重畳した様子を示している。　
　図１９（ａ）では欠陥部すなわち局所的な高温部分と健全部すなわち低温部分との相違が明確である。一方、図１９（ｂ）では欠陥部の温度分布が温度勾配に埋もれており、欠陥部と健全部との相違が不明確である。
　経験の浅い作業員が温度勾配の生じた構造物を赤外線カメラで赤外線熱画像を撮影したとしても、図１９のような赤外線熱画像から欠陥部と健全部を区別することは困難である。
　本発明はこうした実状に鑑みてなされたものであり、構造物表面に温度勾配が生じていたとしても、赤外線熱画像を用いて構造物に含まれる欠陥の位置を容易に判別できるようにすることを目的とする。
　第１発明は、赤外線熱画像解析装置において、
　構造物表面の赤外線熱画像を撮影する赤外線カメラと、
　構造物表面に生ずる温度勾配以外の温度変化の分布を前記赤外線熱画像から抽出する処理を行い、温度勾配以外の温度変化の分布を示す画像を作成する画像処理部と、
　前記画像処理部で作成された画像を表示する画像表示部と、を備える。
　第１発明を図１を用いて説明する。　
　第１発明では、赤外線カメラ１０が構造物４０の表面の赤外線熱画像を撮影する。撮影された赤外線熱画像には構造物の健全部と欠陥部との温度差の他に温度勾配が重畳されている。そこで解析部２０の画像処理部２１は赤外線熱画像から温度勾配以外の温度変化の分布を抽出し、温度勾配以外の温度変化の分布を示す画像を作成する。画像表示部３０は画像処理部２１で求められた画像を表示する。
　第２発明は、第１発明の赤外線熱画像解析装置において、
　前記画像処理部は、前記赤外線熱画像のうち所定数の画素群毎に温度の平均を順次求める移動平均処理を行うことによって平均温度分布画像を作成し、前記赤外線熱画像と前記平均温度分布画像との同一画素における温度差を演算することによって温度差画像を作成する
　ようにしている。
　第２発明を図１、図３、図４を用いて説明する。　
　第２発明では、画像処理部２１は、赤外線熱画像を区切って複数行列の画素群（図３）を形成し、所定数の画素群毎（図３では９×９の画素群）に温度の平均を順次求める移動平均処理を行うことによって平均温度分布画像を作成する。さらに画像処理部２１は、赤外線熱画像と平均温度分布画像との同一画素における温度差を演算することによって温度差画像（図４）を作成する。この温度差画像は温度勾配以外の温度変化の分布を示す画像である。画像表示部３０はこの温度差画像を表示する。構造物に欠陥部がある場合、温度差画像において、欠陥部の画像は局所的に温度変化が大きな状態となる。
　第３発明は、第２発明の赤外線熱画像解析装置において、
　前記画像処理部は、前記温度差画像における温度差を強調する強調処理を行い、前記温度差画像における温度差を強調した強調画像を作成する
　ようにしている。
　第３発明を図１、図７、図９を用いて説明する。　
　第３発明では、画像処理部２１は、例えば、温度差画像（図７）における温度差を強調する強調処理を行い、強調画像（図９）を作成する。この強調画像（図９）は温度差画像（図７）を強調したものであり、温度勾配以外の温度変化の分布を示す画像である。画像表示部３０はこの強調画像を表示する。すなわち欠陥部の画像において温度変化量はさらに大きくなる。
　第４発明は、第２発明の赤外線熱画像解析装置において、
　入力が大きくなるにしたがい出力比が大きくなる出力関数を予め記憶する関数記憶部を備え、
　前記画像処理部は、前記温度差画像の各画素における温度差を前記出力関数に入力して出力を求めることによって、各画素毎に温度差を強調する強調処理を行い、前記温度差画像における温度差を強調した強調画像を作成する
　ようにしている。
　第４発明を図１、図７、図９、図８を用いて説明する。　
　第４発明では、解析部２の関数記憶部２２は、入力が大きくなるにしたがい出力比が大きくなる出力関数（図８）を予め記憶する。また画像処理部２１は、温度差画像（図７）の各画素における温度差を出力関数（図８）に入力して出力を求めることによって、各画素毎に温度差を強調する強調処理を行い、強調画像（図９）を作成する。この強調画像（図９）は温度差画像（図７）を強調したものであり、温度勾配以外の温度変化の分布を示す画像である。画像表示部３０はこの強調画像を表示する。すなわち欠陥部の画像において温度変化量はさらに大きくなる。
　第５発明は、第２発明の赤外線熱画像解析装置において、
　前記画像処理部は、前記温度差画像のうち所定数の画素群毎に温度の累積を順次求めることによって、前記温度差画像における温度差を強調する強調処理を行い、前記温度差画像における温度差を強調した強調画像を作成する
　ようにしている。
　第５発明を図１、図７、図９、図１０、図１１を用いて説明する。　
　第５発明では、画像処理部２１は、温度差画像（図７又は図９）を区切って複数行列の画素群（図１０）を形成し、所定数の画素群毎（図１０では３×３の画素群）に温度の累積を順次求めることによって、温度差画像（図７又は図９）における温度差を強調する強調処理を行い、強調画像（図１１）を作成する。この強調画像（図１１）は温度差画像（図７又は図９）を強調したものであり、温度勾配以外の温度変化の分布を示す画像である。画像表示部３０はこの強調画像を表示する。すなわち欠陥部の画像において温度変化量はさらに大きくなる。
　第６発明は、第２発明の赤外線熱画像解析装置において、
　前記温度差画像における温度変化量と構造物内部に含まれる欠陥深さとの対応関係を示す情報を予め記憶する欠陥記憶部を備え、
　前記画像処理部は、作成された前記温度差画像のうち局所的な温度変化が発生している部分の欠陥深さを前記情報を用いて求め、前記温度差画像のうち局所的な温度変化が発生している部分の表示状態を求めた欠陥深さに応じて変化させた欠陥判定画像を作成する
　ようにしている。
　第６発明を図１、図１２、図１３、図１４を用いて説明する。　
　温度差画像における温度差と構造物内部に含まれる欠陥深さとは相関する。　
　第６発明では、解析部２０の欠陥記憶部２３は、温度差画像における温度変化量と構造物内部に含まれる欠陥深さとの対応関係を示す情報を予め記憶する。　
　画像処理部２１は、赤外線カメラ１０で撮影された赤外線熱画像（図１２）から温度差画像（図１３）を作成し、作成された温度差画像（図１３）のうち局所的な温度変化が発生している部分の欠陥深さを欠陥記憶部２３に記憶されている情報を用いて求め、温度差画像のうち局所的な温度変化が発生している部分の表示状態を求めた欠陥深さに応じて変化させた、例えば欠陥深さに応じて表示色を変化させた、欠陥判定画像（図１４）を作成する。画像表示部３０はこの欠陥判定画像を表示する。
　第７発明は、第６発明の赤外線熱画像解析装置において、
　前記画像処理部は、作成された前記温度差画像のうち局所的な温度変化が発生している部分の中心の温度変化量に対応する欠陥深さを前記対応関係を用いて求める
　ようにしている。
　図１７で示すように、温度差画像のうち局所的な温度変化が発生している部分の中心の温度変化量と欠陥深さは密接に関わり合っている。
　本発明によれば、赤外線カメラで撮影した赤外線熱画像から温度勾配以外の温度変化の分布を抽出しているので、構造物に含まれる欠陥部と健全部との温度差を明確に画像表示することができる。このため構造物の表面に温度勾配が生じていたとしても、構造物に含まれる欠陥の位置を容易に判別できるようになる。
　さらに構造物に欠陥部がある場合、温度差画像において、欠陥部の画像は局所的に温度変化が大きな状態となるため、局所的な温度変化が発生している部分の温度変化量を測定することによって欠陥深さを推定できる。欠陥深さが分かれば剥落の危険性の大小を予測できる。
　以下に、本発明の実施形態を図面を参照して説明する。
［本実施形態の構成］
　図１は本実施形態に係る赤外線熱画像解析装置の基本的な構成を機能ブロック化して示している。　
　赤外線熱画像解析装置１は、赤外線カメラ１０と解析部２０と画像表示部３０とを有する。さらに解析部２０は、画像処理部２１と関数記憶部２２と欠陥記憶部２３とを有する。赤外線カメラ１０と解析部２０は信号線Ｌ1で通信自在に接続されている。また解析部２０と画像表示部３０は信号線Ｌ2で通信自在に接続されている。赤外線カメラ１０と解析部２０及び解析部２０と画像表示部３０は無線で通信自在に接続されていても良い。
　赤外線カメラ１０は構造物４０から放射される赤外線エネルギーを検出し、その赤外線エネルギーを温度に変換することによって構造物４０の表面の温度分布を示す赤外線熱画像を撮影する。
　解析部２０の画像処理部２１は、赤外線カメラ１０で取得された赤外線熱画像を用いて後述する一連の画像処理を行う。関数記憶部２２は、図８に示すような出力関数を記憶する。欠陥記憶部２３は、画像解析部２１で作成された温度差画像における温度変化量と構造物内部に含まれる欠陥深さとの対応関係を示す情報を予め記憶する。
　画像表示部３０は解析部２０で作成された画像（温度差画像）を表示する。画像表示部３０はモニターのように画像を表示装置に映し出すものでも良いし、プリンターのように画像を印刷するものでも良い。
［本実施形態の処理］
　図２は解析部で行われる一連の処理のフローを示している。　
　赤外線カメラ１０は構造物４０の表面を撮影し赤外線熱画像を取得する。解析部２０は赤外線カメラ１０から赤外線熱画像に係る画像信号を受信する（ステップＳ１）。画像処理部２１は赤外線熱画像を用いて平均温度分布画像を作成する（ステップＳ２）。さらに画像処理部２１は赤外線熱画像と平均温度分布画像との同一画素における温度差を演算することによって温度差画像を作成する（ステップＳ３）。さらに画像処理部２１は関数記憶部２２に記憶された出力関数を用いて温度差画像中の温度差を強調することによって温度変化量を大きくする強調処理を行い第１の強調画像（温度差画像の一種）を作成する（ステップＳ４）。さらに画像処理部２１は第１の強調画像中の温度差を強調することによって温度変化量を大きくする累積処理（強調処理の一種）を行い第２の強調画像（温度差画像の一種）を作成する（ステップＳ５）。さらに画像処理部２１は、欠陥記憶部２３に記憶された対応関係を示す情報を用いて第２の強調画像のうち局所的な温度変化が発生している部分の欠陥深さを判定する（ステップＳ６）。そして画像処理部２１は、第２の強調画像のうち局所的な温度変化が発生している部分を、判定した欠陥深さに応じた表示色に変化させることによって欠陥判定画像（温度差画像の一種）を作成する（ステップＳ７）。解析部２０は画像表示部３０に欠陥判定画像に係る画像信号を送信する（ステップＳ８）。画像表示部３０は欠陥判定画像を表示する。
　なお図２の処理フローでは４つの画像処理（“ステップＳ２、Ｓ３”、“ステップＳ４”、“ステップＳ５”、“ステップＳ６、Ｓ７”）を行うようにしている。本実施形態においてはステップＳ２、Ｓ３の画像処理は必須であるが、ステップＳ４～Ｓ７の画像処理は任意である。すなわちステップＳ４～Ｓ７の一以上の画像処理を行うようにしても良いし、ステップＳ４～Ｓ７の画像処理の全てを行わないようにしても良い。ステップＳ４～Ｓ７の画像処理を行うか否かを予め定めておいても良いし、何れかの画像処理終了毎に以降の画像処理を行うか否かを判断するようにしても良い。またステップＳ４～Ｓ７の画像処理を行うか否かを解析部２０が判断するようにしても良いし、作業員が判断するようにしても良い。解析部２０が判断する場合は、解析部２０が、各ステップ直前に作成された温度差画像で局所的な温度変化が発生している部分を見分けられるか否かを判断するようにすれば良い。また作業員が判断する場合は、ステップＳ３、Ｓ４、Ｓ５で作成された温度差画像を画像表示部３０に表示するようにし、作業員が表示された温度差画像を確認して、以降の画像処理を行うか否かを判断するようにすれば良い。作業員は図示しない操作部を操作することによって解析部２０にステップＳ４～Ｓ７の各画像処理を行うように指示をする。
　次に図２で示したステップＳ２～Ｓ７の処理について具体的な説明をする。
［温度差画像の作成］
　図２のステップＳ２で行われる画像処理について説明をする。　
　図３は移動平均処理の際に作成される複数行列の画素群をモデル化して示している。　
　赤外線熱画像は例えば図３に示すような複数行列の画素群からなる。図３は１０１×１０１の行列からなる画素群を示しているが、この数値に限るものではない。画像処理部２１はこの画素群を用いて次で説明する移動平均処理を行う。
　先ずは所定数の画素群、ここでは列番号１～９及び行番号１～９の画素群からなる第１の画素群に関して平均温度が演算され、演算された平均温度が第１の画素群の中心画素（列番号５、行番号５）に代入される。続いて１列ずらした列番号２～１０及び行番号１～９の画素群からなる第２の画素群に関して平均温度が演算され、演算された平均温度が第２の画素群の中心画素（列番号６、行番号５）に代入される。このように順次１列ずらした列番号ｎ～ｎ＋８及び行番号１～９の画素群からなる第ｎの画素群に関して平均温度が演算され、演算された平均温度が第ｎの画素群の中心画素（列番号（ｎ－１）＋５、行番号５）に代入される。画素群の列をずらせなくなると、行を１行ずらした画素群について上記処理と同様の処理が行われる。そして最終的には、列番号９３～１０１及び行番号９３～１０１の画素群からなる第８６４９の画素群に関して平均温度が演算され、演算された平均温度が第８６４９の画素群の中心画素（列番号９７、行番号９７）に代入される。
　以上のように、所定数の画素群毎（図３では９×９の画素群）に温度の平均を順次求める処理を行う。この処理を移動平均処理という。移動平均処理の結果、列番号５～９３、行番号５～９３の画素からなる平均温度分布画像が形成される。なお上述した移動平均処理では処理の順序として、列を１列ずつずらし、列をずらせなくなったら行を１行ずらして列を元に戻すようにしているが、これに限るものではない。要は、列番号５～９３、行番号５～９３の画素からなる平均温度分布画像が求められれば良く、どのような順序で処理が行われても良い。
　次に図２のステップＳ３で行われる画像処理について説明をする。　
　画像処理部２１は赤外線熱画像と平均温度分布画像との同一画素（列番号５～９３、行番号５～９３）における温度差を演算する。演算の結果、図４に示す温度差画像が作成される。この温度差画像は、赤外線熱画像から構造物表面に生ずる温度勾配以外の温度変化の分布を抽出したものであり、言い換えれば、赤外線熱画像から温度勾配を取り除いたものと考えることができる。構造物の内部に欠陥部が存在すると、欠陥部が含まれる部分の温度差画像に局所的な温度変化が発生する。図４は表面から深さ４ｃｍの位置に欠陥がある構造物の温度差画像である。
　図５は赤外線熱画像と温度差画像のｎ列における温度分布をグラフ化して示している。　図６は図５の温度分布を３次元のシミュレーション画像にて示している。　
　図５では画素番号ａ～ｂの間に欠陥が存在している。赤外線熱画像の温度分布は温度勾配に起因してグラフ全体が右上がりになっており、健全部と欠陥部を区別しづらい。一方、温度差画像の温度分布は温度勾配以外の温度変化の分布を示しており、健全部の温度変化量がほぼ０となっているのに対して、欠陥部の温度変化量は約０．０５５（＝｜０．０３５－（－０．０２）｜）となっており、欠陥部の温度変化のみが強調されている。したがって健全部と欠陥部を区別し易い。図５を用いて説明したように、温度変化量というのは、局所的な温度変化が発生している部分の温度差のうち最大値と最小値の差（＝｜最大値－最小値｜）で示される。
［第１の強調画像の作成］
　図２のステップＳ４で行われる強調処理について説明をする。　
　ステップＳ３で作成された温度差画像から局所的な温度変化を判別できれば問題は無い。例えば図４に示す温度差画像のように局所的な温度変化を明確に判別できれば問題は無い。しかし実際には赤外線カメラに測定誤差がある場合や、構造物に温度勾配以外の温度のばらつきが生じている場合がある。これらの場合には温度差画像であっても局所的な温度変化を判別しにくくなる。実際に構造物の表面温度を測定すると、±０．０２５℃の温度のばらつきが測定される。
　ここで構造物の表面温度がばらついているケースを想定する。例えば図４に示す温度差画像に±０．０２５℃の温度のばらつきを加えると、図７に示す温度差画像が得られる。図４に示す温度差画像と較べて図７に示す温度差画像からは局所的な温度変化を判別しにくい。図７に示すような温度差画像が得られた場合には、図８に示す出力関数を用いて温度差画像の各温度差を強調する強調処理を行う。
　図８は関数記憶部に記憶される出力関数の一例を示している。　
　図８に示す出力関数は入力が大きくなるにしたがい出力比（＝出力／入力）が大きくなっている。この出力関数では入力が大きいほど出力の強調度が大きくなる。
　画像演算部２１は関数記憶部２２から出力関数を読み出し、その出力関数に温度差画像の各画素における温度差を入力し出力を演算する。演算の結果、図９に示す第１の強調画像が作成される。第１の強調画像は温度差画像の温度差を強調した画像であり、温度差画像の一種である。第１の強調画像では、結果として温度変化も大きくされ、強調前の温度差画像で判別しづらい局所的な温度変化すなわち欠陥部が強調される。
［第２の強調画像の作成］
　図２のステップＳ５で行われる強調処理について説明をする。　
　ステップＳ４で作成された第１の強調画像から局所的な温度変化を判別できれば問題は無い。しかし第１の強調画像から局所的な温度変化を判別しづらい場合もある。そうした場合には、第１の強調画像の各温度差を強調する強調処理を行う。なお以下で説明する強調処理はステップＳ２で行う移動平均処理と演算手法が類似している。ここではこの強調処理を累積処理と称する。
　図１０は累積処理の際に作成される複数行列の画素群をモデル化して示している。　
　第１の強調画像は例えば図１０に示すような複数行列の画素群からなる。ここで図１０に示す第１の強調画像はステップＳ３で作成した温度差画像の一部を示す。図１０は１６×１６の行列（列番号３～１８、行番号３～１８行）からなる画素群を示しているが、この数値に限るものではない。画像処理部２１はこの画素群を用いて次で説明する累積処理を行う。
　先ずは所定数の画素群、ここでは列番号３～５及び行番号３～５の画素群からなる第１の画素群に関して累積温度が演算され、演算された累積温度が第１の画素群の中心画素（列番号４、行番号４）に代入される。続いて１列ずらした列番号４～６及び行番号３～５の画素群からなる第２の画素群に関して累積温度が演算され、演算された累積温度が第２の画素群の中心画素（列番号５、行番号４）に代入される。このように順次１列ずらした列番号ｎ～ｎ＋２及び行番号３～５の画素群からなる第ｎの画素群に関して累積温度が演算され、演算された累積温度が第ｎの画素群の中心画素（列番号（ｎ－１）＋４、行番号４）に代入される。画素群の列をずらせなくなると、行を１行ずらした画素群について上記処理と同様の処理が行われる。そして最終的には、列番号１６～１８及び行番号１６～１８の画素群からなる第２５６の画素群に関して累積温度が演算され、演算された累積温度が第２５６の画素群の中心画素（列番号１７、行番号１７）に代入される。
　以上のように、所定数の画素群毎（図１０では３×３の画素群）に温度の累積を順次求める累積処理を行う。累積処理の結果、列番号４～１７、行番号４～１７の画素からなる第２の強調画像が形成される。第２の強調画像を図１１に示す。なお上述した累積処理では処理の順序として、列を１列ずつずらし、列をずらせなくなったら行を１行ずらして列を元に戻すようにしているが、これに限るものではない。要は、列番号４～１７、行番号４～１７の画素からなる第２の強調画像が求められれば良く、どのような順序で処理が行われても良い。
　また本実施形態では図２のステップＳ４の後にステップＳ５を行うようにしている。すなわちステップＳ４で作成された第１の強調画像を強調して第２の強調画像を作成している。しかし図２のステップＳ３の後にステップＳ４を行わずにステップＳ５を行うようにしても良い。すなわちステップＳ３で作成された温度差画像を強調して第２の強調画像を作成するようにしても良い。
　第２の強調画像は温度差画像の温度差を強調した画像であり、温度差画像の一種である。第２の強調画像では、結果として温度変化も大きくされ、強調前の温度差画像で判別しづらい局所的な温度変化すなわち欠陥部が強調される。
［欠陥判定画像の作成］
　図２のステップＳ６で行われる判定処理について説明をする。　
　温度差画像において、局所的な温度変化が発生する部分の温度変化量と欠陥深さとには相関がある。したがって温度差画像に局所的な温度変化が発生している部分があれば、その温度変化量からその部分の欠陥深さを推測することができる。温度差画像で示される温度変化量と欠陥深さとの相関は予め実測で求めることができる。求めた相関に関する情報は欠陥記憶部２３に記憶される。例えば欠陥記憶部２３には、Ｔ1～Ｔ2（Ｔ1＞Ｔ2）の温度変化量と欠陥深さＤ1とを対応付け、Ｔ2～Ｔ3（Ｔ2＞Ｔ3）の温度変化量と欠陥深さＤ2（Ｄ2＞Ｄ1）とを対応付ける、というような情報が記憶される。
　画像演算部２１は欠陥記憶部２３から情報を読み出し、温度差画像の各画素における温度変化量に対応する欠陥深さを、読み出した情報から判定する。この際、局所的な温度変化が生じていない部分に関しては、欠陥自体が存在しないと判定する。一方、局所的な温度変化が発生している部分に関しては、その部分の中心部、例えば図５で示す中心部Ｃの温度変化量、すなわち最大温度差（＋側温度差と－側温度差）に対応する欠陥深さを、その部分の欠陥深さであると判定する。
　図２のステップＳ７で行われる画像処理について説明をする。　
　画像演算部２１は温度差画像において局所的な温度変化が発生している部分すなわち欠陥部の表示状態をステップＳ６で判定した欠陥深さに応じて変化させる。本実施形態では欠陥深さに応じて欠陥部の表示色を変化させる。例えば、欠陥深さが浅い場合には表示色を赤にし、欠陥深さが中程度の場合には表示色を黄にし、欠陥深さが深い場合には表示色を青にする。その結果、欠陥判定画像が作成される。なお、欠陥深さに応じて表示色を変化させるのではなく、欠陥深さに応じて形状の異なるマークを、欠陥部に重ねて表示するようにしても良い。要は、欠陥深さが一目で判別できる表示状態にすれば良い。
　図１２は構造物の赤外線熱画像を示し、図１３は図１２の赤外線熱画像を用いて作成した温度差画像を示し、図１４は図１３の温度差画像を用いて作成した欠陥判定画像を示すている。　
　図１２の赤外線熱画像には欠陥部と健全部の違いがほとんど表されていないが、図１４の欠陥判定画像には欠陥部と健全部の違いが表されているうえ、欠陥部の深さの違いも表されている。欠陥深さが浅いと構造物の表層が剥離し易く危険である。作業員は、上述の表示色にて欠陥深さを表した欠陥判定画像を見た場合に、赤の部分は危険度大、黄の部分は危険度中、青の部分は危険度小、という具合に判断することができる。
　以上が図２のステップＳ２～Ｓ７の具体的な処理である。
［温度差の有効性］
　図２のステップＳ７では温度差画像における温度変化量という指標を用いて欠陥深さを判定するようにしている。この温度変化量の有効性について説明をする。
　本願発明者らが出願した特開２００５－１４０６２２号公報にあるように、赤外線熱画像における温度分布の二つの変化点間の傾き及びその変化点間の温度差すなわち温度変化量と欠陥深さとには相関があることが判明している。
　図１５（ａ）～（ｄ）は二つの変化点間の温度差とその変化点間の傾きとの関係を欠陥深さ毎に示している。図１５（ａ）～（ｄ）は欠陥部の大きさ、熱環境、欠陥の幅を変化させてＦＥＭ温度解析を行った結果である。図１５（ａ）～（ｄ）の各グラフ自体の傾きを一次元化した（傾き／温度差）と欠陥部の深さには相関がある。
　図１６は欠陥深さと図１５の（傾き／温度差）との関係を示している。　
　図１６は、欠陥深さ２ｃｍと４ｃｍとが判別可能であることを示している。その反面、欠陥深さ６ｃｍと８ｃｍとが判別不可能であることも示している。つまり赤外線熱画像における温度分布の二つの変化点間の傾き及びその変化点間の温度差を用いる手法では欠陥深さを判別できない場合もある。さらにこの手法は欠陥部の検出自体を手動で行う必要があるため、リアルタイムで欠陥部を検出することができない。
　対して、本実施形態で作成する温度差画像は温度勾配を除く温度変化の大きさを表したものであり、一次元の指標でありながら、図１５の傾きと温度差のような成分を含む。
　図１７は欠陥深さと温度変化量との関係を示している。　
　なお図１７では局所的な温度変化が発生している部分の温度変化量を「中心部の絶対値」としている。絶対値をとるのは、図１８に示すように、昼と夜とでは温度差の正負が逆転するためである。
　図１７は、図１６と異なり、欠陥深さ２ｃｍと４ｃｍと６ｃｍと８ｃｍとが判別可能であることを示している。さらに図２に示すように、この手法は完全な自動化が可能であり、リアルタイムで欠陥部を検出することができる。
　本発明は、橋梁、高架のみならずビル等コンクリートを用いたコンクリート構造物全般の欠陥調査に利用することが可能である。
本実施形態に係る赤外線熱画像解析装置の基本的な構成を機能ブロック化して示す図。 解析部で行われる一連の処理のフローを示す図。 移動平均処理の際に作成される複数行列の画素群をモデル化して示す図。 温度差画像を示す図。 赤外線熱画像と温度差画像のｎ列における温度分布をグラフ化して示す図。 図５の温度分布を３次元のシミュレーション画像にて示す図。 図４の温度差画像にばらつきを加えた温度差画像を示す図。 関数記憶部に記憶される出力関数の一例を示す図。 第１の強調画像を示す図。 累積処理の際に作成される複数行列の画素群をモデル化して示す図。 第２の強調画像を示す図。 構造物の赤外線熱画像を示す図。 図１２の赤外線熱画像を用いて作成した温度差画像を示す図。 図１３の温度差画像を用いて作成した欠陥判定画像を示す図。 二つの変化点間の温度差とその変化点間の傾きとの関係を欠陥深さ毎に示す図。 欠陥深さと図１５の（傾き／温度差）との関係を示す図。 欠陥深さと温度変化量との関係を示す図。 従来の赤外線熱画像解析装置の基本的な構成を示す図。 構造物表面の温度分布を示す図。
符号の説明
　１０…赤外線カメラ、
　２０…解析部、２１…画像処理部、２２…関数記憶部、２３…欠陥記憶部、
　３０…画像表示部、
　４０…構造物。

Claims (7)

  1. 　構造物表面の赤外線熱画像を撮影する赤外線カメラと、
    　構造物表面に生ずる温度勾配以外の温度変化の分布を前記赤外線熱画像から抽出する処理を行い、温度勾配以外の温度変化の分布を示す画像を作成する画像処理部と、
    　前記画像処理部で作成された画像を表示する画像表示部と、を備えた
    　赤外線熱画像解析装置。
  2. 　前記画像処理部は、前記赤外線熱画像のうち所定数の画素群毎に温度の平均を順次求める移動平均処理を行うことによって平均温度分布画像を作成し、前記赤外線熱画像と前記平均温度分布画像との同一画素における温度差を演算することによって温度差画像を作成する
    　請求項１記載の赤外線熱画像解析装置。
  3. 　前記画像処理部は、前記温度差画像における温度差を強調する強調処理を行い、前記温度差画像における温度差を強調した強調画像を作成する
    　請求項２記載の赤外線熱画像解析装置。
  4. 　入力が大きくなるにしたがい出力比が大きくなる出力関数を予め記憶する関数記憶部を備え、
    　前記画像処理部は、前記温度差画像の各画素における温度差を前記出力関数に入力して出力を求めることによって、各画素毎に温度差を強調する強調処理を行い、前記温度差画像における温度差を強調した強調画像を作成する
    　請求項２記載の赤外線熱画像解析装置。
  5. 　前記画像処理部は、前記温度差画像のうち所定数の画素群毎に温度の累積を順次求めることによって、前記温度差画像における温度差を強調する強調処理を行い、前記温度差画像における温度差を強調した強調画像を作成する
    　請求項２記載の赤外線熱画像解析装置。
  6. 　前記温度差画像における温度変化量と構造物内部に含まれる欠陥深さとの対応関係を示す情報を予め記憶する欠陥記憶部を備え、
    　前記画像処理部は、作成された前記温度差画像のうち局所的な温度変化が発生している部分の欠陥深さを前記情報を用いて求め、前記温度差画像のうち局所的な温度変化が発生している部分の表示状態を求めた欠陥深さに応じて変化させた欠陥判定画像を作成する
    　請求項２記載の赤外線熱画像解析装置。
  7. 　前記画像処理部は、作成された前記温度差画像のうち局所的な温度変化が発生している部分の中心の温度変化量に対応する欠陥深さを前記対応関係を用いて求める
    　請求項６記載の赤外線熱画像解析装置。
PCT/JP2008/069033 2008-10-21 2008-10-21 赤外線熱画像解析装置 WO2010046967A1 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
PCT/JP2008/069033 WO2010046967A1 (ja) 2008-10-21 2008-10-21 赤外線熱画像解析装置
US12/808,923 US8462990B2 (en) 2008-10-21 2008-10-21 Infrared-ray thermal image analyzer
EP08877533.3A EP2357466B1 (en) 2008-10-21 2008-10-21 Infrared thermal image analyzer
ES08877533.3T ES2596358T3 (es) 2008-10-21 2008-10-21 Analizador de imágenes térmicas infrarrojas
KR1020107011332A KR101194023B1 (ko) 2008-10-21 2008-10-21 적외선 열화상 해석장치
JP2009553858A JP5140892B2 (ja) 2008-10-21 2008-10-21 赤外線熱画像解析装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2008/069033 WO2010046967A1 (ja) 2008-10-21 2008-10-21 赤外線熱画像解析装置

Publications (1)

Publication Number Publication Date
WO2010046967A1 true WO2010046967A1 (ja) 2010-04-29

Family

ID=42119028

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2008/069033 WO2010046967A1 (ja) 2008-10-21 2008-10-21 赤外線熱画像解析装置

Country Status (6)

Country Link
US (1) US8462990B2 (ja)
EP (1) EP2357466B1 (ja)
JP (1) JP5140892B2 (ja)
KR (1) KR101194023B1 (ja)
ES (1) ES2596358T3 (ja)
WO (1) WO2010046967A1 (ja)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101806762A (zh) * 2010-05-31 2010-08-18 哈尔滨工业大学 小温差条件下借助辅助热源识别热工缺陷的方法
JP5017507B1 (ja) * 2011-04-08 2012-09-05 株式会社古田設計 画像処理方法、画像処理装置、建物画像診断方法、及び建物画像診断装置
JP2012221486A (ja) * 2012-01-11 2012-11-12 Furuta Sekkei Co Ltd 画像処理装置及び建物画像診断装置
KR101283413B1 (ko) 2013-01-04 2013-07-08 (주)대우건설 적외선 열화상 카메라를 이용한 구조물의 3차원 실시간 영상계측 모니터링 시스템
JP2013224849A (ja) * 2012-04-20 2013-10-31 West Nippon Expressway Engineering Shikoku Co Ltd 構造物の不具合確率演算方法および不具合確率演算装置、構造物の不具合範囲判定方法および不具合範囲判定装置
RU2525313C2 (ru) * 2012-06-05 2014-08-10 Федеральное агентство по государственным резервам Способ определения степени повреждения силосного корпуса элеватора из сборного железобетона
JP2016223796A (ja) * 2015-05-27 2016-12-28 株式会社パスコ トンネル壁面の損傷検出装置及びトンネル壁面の損傷検出プログラム
JP2017203761A (ja) * 2016-05-11 2017-11-16 直人 今西 物体内変状部分検出装置
EP2583247A4 (en) * 2010-06-15 2017-12-06 Compagnie Générale des Etablissements Michelin Tire surface anomaly detection
JP2018528881A (ja) * 2015-08-10 2018-10-04 ユナイテッド・ステイツ・ジプサム・カンパニー オンライン空隙検出を有するセメント質ボードを製造するシステム及び方法
JP2020024184A (ja) * 2018-07-26 2020-02-13 直人 今西 構造内部変状特性検出装置
JP2021089185A (ja) * 2019-12-03 2021-06-10 国立研究開発法人土木研究所 コンクリート構造物診断システム、コンクリート構造物診断方法及びプログラム
WO2022091702A1 (ja) * 2020-10-30 2022-05-05 富士フイルム株式会社 赤外線熱画像解析装置、赤外線熱画像解析方法、及びプログラム
WO2023135634A1 (ja) * 2022-01-11 2023-07-20 株式会社赤外線高精度技術利用機構 赤外線測定画像解析装置及び赤外線測定画像解析方法
DE112022003175T5 (de) 2021-08-24 2024-04-18 Fujifilm Corporation Bildanalysevorrichtung, -verfahren und -programm

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8203606B2 (en) * 2008-11-07 2012-06-19 Toyota Motor Engineering & Manufacturing North America, Inc. Gradient image processing
JPWO2010073396A1 (ja) * 2008-12-26 2012-05-31 三菱電機株式会社 運用管制装置
JP5028681B2 (ja) * 2009-03-17 2012-09-19 西日本高速道路エンジニアリング四国株式会社 構造物の損傷深さ判定方法とその装置及び構造物の損傷処置判定方法とその装置
SE535435C2 (sv) * 2010-12-15 2012-08-07 Agricam Ab Ett system och en metod för att styra ett automatiskt mjölkningssystem
US20170296065A9 (en) * 2012-04-04 2017-10-19 James G. Spahn Method of Monitoring the Status of a Wound
KR101112582B1 (ko) * 2011-07-21 2012-02-15 공주대학교 산학협력단 석조문화재 박리부의 보존처리 분석방법
KR101709282B1 (ko) * 2011-11-15 2017-02-24 삼성전자주식회사 이미지 센서, 이의 동작 방법, 및 이를 포함하는 장치들
US8759770B1 (en) * 2013-04-08 2014-06-24 General Electric Company System and method for qualifying usability risk associated with subsurface defects in a multilayer coating
US20190236775A1 (en) * 2014-12-19 2019-08-01 Woundvision, Llc Method of Monitoring the Status of a Wound
WO2016142864A1 (en) 2015-03-09 2016-09-15 Alliance For Sustainable Energy, Llc Batch and continuous methods for evaluating the physical and thermal properties of films
US10564041B2 (en) * 2016-02-04 2020-02-18 Worcester Polytechnic Institute Multi-band heat flux gauge
KR101894078B1 (ko) * 2016-11-29 2018-08-31 박영만 열화상 실링 검사 비전 시스템 및 이를 이용한 열화상 실링 검사 방법
KR101864508B1 (ko) * 2016-11-30 2018-07-13 영남대학교 산학협력단 건축물 외관 균열 평가 시스템 및 방법
CN106679581B (zh) * 2016-12-26 2019-01-08 清华大学 一种高温环境下物体变形测量方法
KR20180096371A (ko) 2017-02-21 2018-08-29 엘아이지넥스원 주식회사 유기체 열해석 및 적외선 신호 해석 방법
US11036978B2 (en) * 2018-05-29 2021-06-15 University Of Electronic Science And Technology Of China Method for separating out a defect image from a thermogram sequence based on weighted naive bayesian classifier and dynamic multi-objective optimization
KR102110399B1 (ko) 2018-06-19 2020-05-13 전주대학교 산학협력단 검사 대상체의 내부 또는 표면 결함을 측정하기 위한 적외선 열화상 보정 방법
JP7365278B2 (ja) * 2019-06-19 2023-10-19 株式会社日立ハイテクサイエンス 熱分析装置
CN111398339B (zh) * 2020-03-26 2022-08-30 国网浙江省电力有限公司电力科学研究院 一种现场架空线路复合绝缘子发热缺陷分析判断方法及系统
CN111693536A (zh) * 2020-06-24 2020-09-22 河南高建工程管理有限公司 一种基于红外热成像的地下综合管廊施工防水检测方法
CN112163484B (zh) * 2020-09-17 2023-08-01 湖北省农业机械工程研究设计院 冷库围护结构缺陷智能定位装置及方法
CN114216403B (zh) * 2021-12-17 2022-07-01 河北工业大学 基于红外和可见光双光相机的非连续变形测量方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06201625A (ja) * 1992-10-26 1994-07-22 Puranetsuto Kk 欠陥調査装置および欠陥調査方法
JP2005140622A (ja) 2003-11-06 2005-06-02 Shikoku Doro Engineer Kk 赤外線カメラによる構造物の調査方法
JP2005172664A (ja) * 2003-12-12 2005-06-30 Takenaka Doboku Co Ltd コンクリート構造物の赤外線法による健全度判定法及び判定装置
JP2006329760A (ja) * 2005-05-25 2006-12-07 Shikoku Doro Engineer Kk 赤外線カメラによる構造物の調査方法、構造物の温度環境監視システム、構造物の撮影時期報知システム、構造物の試験体

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2881741B2 (ja) * 1988-09-30 1999-04-12 アイシン精機株式会社 画像処理装置
US5444241A (en) * 1993-10-01 1995-08-22 The Regents Of The University Of California Emissivity corrected infrared method for imaging anomalous structural heat flows
US5999843A (en) * 1995-01-03 1999-12-07 Omnicorder Technologies, Inc. Detection of cancerous lesions by their effect on the spatial homogeneity of skin temperature
US5719395A (en) * 1996-09-12 1998-02-17 Stress Photonics Inc. Coating tolerant thermography
JP3247334B2 (ja) * 1998-03-10 2002-01-15 国際航業株式会社 熱映像による構造物変状診断システム及び診断方法
US7277744B2 (en) * 1999-03-22 2007-10-02 Schaefer Allan L Early detection of inflammation and infection using infrared thermography
JP2003207472A (ja) * 2002-01-09 2003-07-25 Hitachi Metals Ltd セラミックハニカム構造体表面のクラック検出方法
US7179553B2 (en) * 2002-09-06 2007-02-20 General Motors Corporation Method for detecting electrical defects in membrane electrode assemblies
US7157714B2 (en) * 2003-01-30 2007-01-02 Del Grande Nancy K Thermal imaging method to detect subsurface objects
US7214195B2 (en) * 2003-07-23 2007-05-08 Lockheed Martin Corporation Method of and apparatus for detecting diseased tissue by sensing two bands of infrared radiation
EP1828754B1 (en) * 2004-11-12 2013-07-17 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for inspecting coatings, surfaces and interfaces
JP4803652B2 (ja) 2005-12-16 2011-10-26 Ｊｆｅスチール株式会社 構造物の欠陥検出方法および装置
US8354639B2 (en) * 2008-11-25 2013-01-15 Flir Systems Ab IR camera with adjustable view parameter settings

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06201625A (ja) * 1992-10-26 1994-07-22 Puranetsuto Kk 欠陥調査装置および欠陥調査方法
JP2005140622A (ja) 2003-11-06 2005-06-02 Shikoku Doro Engineer Kk 赤外線カメラによる構造物の調査方法
JP2005172664A (ja) * 2003-12-12 2005-06-30 Takenaka Doboku Co Ltd コンクリート構造物の赤外線法による健全度判定法及び判定装置
JP2006329760A (ja) * 2005-05-25 2006-12-07 Shikoku Doro Engineer Kk 赤外線カメラによる構造物の調査方法、構造物の温度環境監視システム、構造物の撮影時期報知システム、構造物の試験体

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP2357466A4 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101806762A (zh) * 2010-05-31 2010-08-18 哈尔滨工业大学 小温差条件下借助辅助热源识别热工缺陷的方法
EP2583247A4 (en) * 2010-06-15 2017-12-06 Compagnie Générale des Etablissements Michelin Tire surface anomaly detection
JP5017507B1 (ja) * 2011-04-08 2012-09-05 株式会社古田設計 画像処理方法、画像処理装置、建物画像診断方法、及び建物画像診断装置
JP2012221235A (ja) * 2011-04-08 2012-11-12 Furuta Sekkei Co Ltd 画像処理方法、画像処理装置、建物画像診断方法、及び建物画像診断装置
JP2012221486A (ja) * 2012-01-11 2012-11-12 Furuta Sekkei Co Ltd 画像処理装置及び建物画像診断装置
JP2013224849A (ja) * 2012-04-20 2013-10-31 West Nippon Expressway Engineering Shikoku Co Ltd 構造物の不具合確率演算方法および不具合確率演算装置、構造物の不具合範囲判定方法および不具合範囲判定装置
RU2525313C2 (ru) * 2012-06-05 2014-08-10 Федеральное агентство по государственным резервам Способ определения степени повреждения силосного корпуса элеватора из сборного железобетона
KR101283413B1 (ko) 2013-01-04 2013-07-08 (주)대우건설 적외선 열화상 카메라를 이용한 구조물의 3차원 실시간 영상계측 모니터링 시스템
JP2016223796A (ja) * 2015-05-27 2016-12-28 株式会社パスコ トンネル壁面の損傷検出装置及びトンネル壁面の損傷検出プログラム
JP7025320B2 (ja) 2015-08-10 2022-02-24 ユナイテッド・ステイツ・ジプサム・カンパニー オンライン空隙検出を有するセメント質ボードを製造するシステム及び方法
JP2018528881A (ja) * 2015-08-10 2018-10-04 ユナイテッド・ステイツ・ジプサム・カンパニー オンライン空隙検出を有するセメント質ボードを製造するシステム及び方法
JP2017203761A (ja) * 2016-05-11 2017-11-16 直人 今西 物体内変状部分検出装置
JP2020024184A (ja) * 2018-07-26 2020-02-13 直人 今西 構造内部変状特性検出装置
JP7304060B2 (ja) 2018-07-26 2023-07-06 直人 今西 構造内部変状特性検出装置
JP2021089185A (ja) * 2019-12-03 2021-06-10 国立研究開発法人土木研究所 コンクリート構造物診断システム、コンクリート構造物診断方法及びプログラム
JP7405362B2 (ja) 2019-12-03 2023-12-26 国立研究開発法人土木研究所 コンクリート構造物診断システム、コンクリート構造物診断方法及びプログラム
WO2022091702A1 (ja) * 2020-10-30 2022-05-05 富士フイルム株式会社 赤外線熱画像解析装置、赤外線熱画像解析方法、及びプログラム
DE112022003175T5 (de) 2021-08-24 2024-04-18 Fujifilm Corporation Bildanalysevorrichtung, -verfahren und -programm
WO2023135634A1 (ja) * 2022-01-11 2023-07-20 株式会社赤外線高精度技術利用機構 赤外線測定画像解析装置及び赤外線測定画像解析方法

Also Published As

Publication number Publication date
EP2357466B1 (en) 2016-07-27
EP2357466A1 (en) 2011-08-17
KR20100087179A (ko) 2010-08-03
US20100260374A1 (en) 2010-10-14
KR101194023B1 (ko) 2012-10-24
US8462990B2 (en) 2013-06-11
EP2357466A4 (en) 2014-03-12
JPWO2010046967A1 (ja) 2012-03-15
JP5140892B2 (ja) 2013-02-13
ES2596358T3 (es) 2017-01-09

Similar Documents

Publication Publication Date Title
WO2010046967A1 (ja) 赤外線熱画像解析装置
JP6454422B2 (ja) 損傷情報抽出装置、損傷情報抽出方法および損傷情報抽出プログラム
JP4675949B2 (ja) 映像処理技法を利用した構造物及び製品のクラック幅測定方法および装置
CN100499057C (zh) 晶片检测方法
Akagic et al. Pothole detection: An efficient vision based method using rgb color space image segmentation
US11935143B2 (en) Structure repair method selection system, structure repair method selection method, and structure repair method selection server
EP3245493B1 (en) Structural damage detection
US20210272262A1 (en) Structure damage cause estimation system, structure damage cause estimation method, and structure damage cause estimation server
JP6548157B2 (ja) 劣化診断装置及び劣化診断方法
WO2017043275A1 (ja) 健全度判定装置、健全度判定方法および健全度判定プログラム
JP2001264257A (ja) 画像欠陥検出装置、画像欠陥検出方法、及び画像欠陥検出方法の手順を記憶した記憶媒体
JP5957250B2 (ja) クラック検出方法、クラック表示装置
JP2021534375A (ja) 赤外線サーモグラフィ及び数学的トレンド関数を用いたフレッシュコンクリートの状態の検出及びデジタル化のためのシステム及び方法
JP5973214B2 (ja) 構造物の不具合確率演算方法および不具合確率演算装置、構造物の不具合範囲判定方法および不具合範囲判定装置
JP2017219314A (ja) 劣化部位検知装置、劣化部位検知方法およびプログラム
JP2011099687A (ja) 赤外線法によるコンクリート表層部の変状部検出方法
JPH01195351A (ja) コンクリート表面のひび割れ測定方法
KR102476385B1 (ko) 영상 내 마커를 이용한 안전 위험도 판독 방법 및 장치
JP2010164446A (ja) 検査対象品の外観検査方法及びプログラム
JP5451716B2 (ja) 構造物の赤外線調査方法及び赤外線調査用演算装置
JP2020056751A (ja) 水位計測プログラム及びこれに用いられるリング状指標
JP7405362B2 (ja) コンクリート構造物診断システム、コンクリート構造物診断方法及びプログラム
JPS6385432A (ja) 線状欠陥の検査方法
CN117421965A (zh) 基于无人机技术的震后桥梁检测方法及系统
Vinodhini et al. An investigation study on automatic crack detection using image processing techniques

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 2009553858

Country of ref document: JP

ENP Entry into the national phase

Ref document number: 20107011332

Country of ref document: KR

Kind code of ref document: A

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 08877533

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 12808923

Country of ref document: US

REEP Request for entry into the european phase

Ref document number: 2008877533

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2008877533

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE