WO2022071255A1 - 情報処理装置、情報処理方法及びプログラム - Google Patents

情報処理装置、情報処理方法及びプログラム Download PDF

Info

Publication number
WO2022071255A1
WO2022071255A1 PCT/JP2021/035476 JP2021035476W WO2022071255A1 WO 2022071255 A1 WO2022071255 A1 WO 2022071255A1 JP 2021035476 W JP2021035476 W JP 2021035476W WO 2022071255 A1 WO2022071255 A1 WO 2022071255A1
Authority
WO
WIPO (PCT)
Prior art keywords
soundness
deformation
determination
information
information processing
Prior art date
Application number
PCT/JP2021/035476
Other languages
English (en)
French (fr)
Inventor
敦史 野上
Original Assignee
キヤノン株式会社
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
Priority claimed from JP2020164108A external-priority patent/JP2022056218A/ja
Priority claimed from JP2020164109A external-priority patent/JP2022056219A/ja
Application filed by キヤノン株式会社 filed Critical キヤノン株式会社
Priority to EP21875556.9A priority Critical patent/EP4224402A1/en
Publication of WO2022071255A1 publication Critical patent/WO2022071255A1/ja
Priority to US18/188,357 priority patent/US20230228647A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0033—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining damage, crack or wear
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0008—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings of bridges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/16—Real estate
    • G06Q50/163—Real estate management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/888—Marking defects
    • 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
    • G06T2207/30132—Masonry; Concrete
    • 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 information processing device, a control method and a program of the information processing device, and particularly to a technique for determining the soundness of an object.
  • the soundness is judged using deformation information such as cracks.
  • Soundness is an index showing the degree of soundness of a structure.
  • the soundness can also be said to be an index showing the degree of structural deterioration or damage.
  • the inspection engineer grasps the predetermined judgment criteria and judgment rules, and then the soundness of the structure is based on the information such as the number and width of cracks and the presence or absence of water leakage. The degree was judged.
  • Patent Document 1 describes a method of determining soundness by multiple regression analysis by inputting inspection records such as the size of deformation.
  • the present invention has been made in view of the above problems, and an object of the present invention is to provide information on deformations related to determination of soundness.
  • a determination means for determining the soundness indicating the soundness of the structure based on the deformation of the structure, and An output means for outputting information on the deformation of the structure, which is the basis of the judgment by the determination means, and an output means. It is characterized by having.
  • FIG. 1 shows the hardware configuration of the information processing apparatus which concerns on this embodiment. It is a block diagram which shows the functional structure of an information processing apparatus. It is a processing flowchart of this embodiment. It is a figure explaining the data handled by the information processing apparatus which concerns on this embodiment. It is a figure explaining the learning of the soundness determination method. It is a figure explaining the learning of the soundness determination method. It is a figure explaining the soundness determination method. It is a figure explaining the determination basis output by a soundness determination unit. It is a figure explaining an example of the display information which concerns on Embodiment 1. FIG. It is a figure explaining another example of the display information which concerns on Embodiment 1. FIG.
  • FIG. It is a figure explaining an example of the association standard change of Embodiment 1.
  • FIG. It is a figure explaining another example of the association standard change of Embodiment 1.
  • FIG. It is a figure explaining another example of the association standard change of Embodiment 1.
  • FIG. It is a figure explaining another example of the association standard change of Embodiment 1.
  • FIG. It is a figure explaining the determination rule of Embodiment 2.
  • It is a figure explaining the learning of the soundness determination method of Embodiment 3.
  • FIG. 4 is data showing a part of the developed view of the tunnel to be inspected.
  • FIG. 4 shows an example of a tunnel as an inspection target
  • the inspection target of the present embodiment is not limited to the tunnel, but may be another structure such as a bridge, a dam, or a building.
  • FIG. 4 is a display example of the tunnel development diagram according to the present embodiment by the information processing apparatus 100.
  • the tunnel development view is data in which a wall surface image of a tunnel wall surface is superimposed on a drawing in which the tunnel is developed. That is, in the present embodiment, the tunnel development view is a drawing and / or at least a part of a photographed image of an inner wall portion (curved surface) of a tunnel, which is a structure, cut out and arranged on two-dimensional coordinates. Further, in the tunnel development view of the present embodiment, the superimposed image in which the design drawing of the tunnel wall surface and the photographed image of the inner wall surface of the tunnel are superimposed is defined as the vertical axis in the circumferential direction of the tunnel and the horizontal axis in the extension direction of the tunnel.
  • the data used in the soundness determination by the information processing apparatus 100 the data of the tunnel development view in which the drawing of the structure and the photographed image of the structure are superimposed is used, but the drawing is not limited to this. Alternatively, data showing only one of the captured images may be used.
  • a tunnel in which the target surface of the structure for determining the soundness is a curved surface is taken as an example, and the developed view is used as the data used in the soundness determination.
  • the object surface is a plane in the three-dimensional space, it is not necessary to use the development view.
  • a drawing of the target surface (plane) of the structure for determining the soundness and / or an image obtained by capturing the target surface may be used as data to be used in the soundness determination.
  • the photographed image corrected for tilt may be used as data to be used in the soundness determination.
  • FIG. 4 shows objects drawn based on deformation information recorded in association with the tunnel development, such as cracks 401, 402, 403, leak 411, efflorescence 412, 413, etc. It shows the situation. That is, in FIG. 4, the cracks 401, 402, 403, the leak 411, and the efflorescence 421, 413, which are objects for identifying the deformation, are further superimposed on the development view of the tunnel based on the deformation information. Is displayed.
  • the object drawn as a thick line is superimposed on the position where the crack is detected on the tunnel development view.
  • the object for identifying the deformation is drawn according to the attribute of the detected deformation. For example, an object showing a crack may be drawn with a different color or line width depending on the width of the crack.
  • the crack 402 is drawn with a thicker line than the crack 401, which indicates that the crack width of the crack 402 is larger than that of the crack 401.
  • the information indicating the crack width such as 0.2 mm width and 0.5 mm width is recorded in the deformation information indicating each crack.
  • the value of the maximum crack width is recorded for one crack.
  • the crack width stored as deformation information is not limited to the maximum value, but may be an average value, a minimum value, or a plurality of values.
  • the type of deformation is not limited to these examples, and may include exposed reinforcing bars, junkers, rust juice, and the like.
  • the information processing apparatus 100 creates the deformation information observed by the user at the site of the structure to be inspected based on the input from the user.
  • the user may visually check the wall surface image of the structure superimposed on the drawing as shown in FIG. 4, and input the position and range of each deformation.
  • the result of the information processing apparatus 100 automatically detecting the deformation based on the image may be used as the deformation information.
  • Deformation can be automatically detected, for example, by applying a detection target to a detection model machine-learned using an existing deformation image in advance.
  • the information processing apparatus 100 stores the position and range of the deformation information indicating the crack as linear vector data. Further, for the deformation information represented by the region such as water leakage, the region is stored as polygon data.
  • these vector data and polygon data are collectively referred to as vector data.
  • This vector data is a coordinate system based on a drawing, and it is assumed that the coordinates of each point are represented.
  • Table 420 in FIG. 4 shows an example of deformation information.
  • the deformation information indicating the crack whose ID is C401 includes the vector data in the drawing coordinate system in the position item, and further includes the crack width information in the width item.
  • the size item contains information on the crack length.
  • the item of size indicates the area of deformation for the deformation of the region other than the crack.
  • the deformation information may include information indicating a deformation composed of a combination of a plurality of deformations.
  • the dotted frame 422 in FIG. 4 is an object drawn based on deformation information indicating a closed crack composed of a plurality of cracks.
  • H422 in Table 420 of the deformation information shows this closed crack
  • the position item shows the coordinate information indicating the dotted frame 422.
  • Deformation information composed of a plurality of cracks includes not only closed cracks but also hexagonal cracks and grid-like cracks.
  • the degree of damage is an index showing the degree of damage to the subject.
  • 431 of FIG. 4 shows a lock bolt of a tunnel in a wall surface image
  • the result of evaluating the degree of damage of the lock bolt may be included in the deformation information.
  • L431 in Table 420 is deformation information indicating damage to the lock bolt, and the coordinates of the range 432 indicating the lock bolt 431 are recorded in the position item.
  • the range 432 in FIG. 4 is an object drawn based on the deformation information indicating the damage of the lock bolt.
  • the degree of damage of the lock bolt 431 is recorded as C.
  • the degree of damage is expressed in, for example, three stages from A to C, and it is assumed that A is the most severely damaged.
  • a human may confirm the target on the site to determine the degree of damage, or a human may visually confirm the image of the target to determine the degree of damage. Further, the information processing apparatus 100 may automatically determine the degree of damage from the target image.
  • a determination model for automatically determining the degree of damage from the image may be generated by machine learning, and the information processing apparatus 100 may determine the degree of damage to be determined by using this determination model.
  • the damage degree judgment model can be constructed by preparing a large amount of data of the image to be damaged degree judgment target and a set of teacher labels in advance using existing data and learning this as learning data. ..
  • the damage degree determination target image is, for example, an image obtained by cutting out the lock bolt from the wall surface image with the size shown by the range 432 showing the lock bolt in FIG.
  • the result of human determination of the degree of damage to such an image is used as a teacher label.
  • Learning can be performed by any machine learning algorithm such as Deep Learning.
  • the deformation information includes information on the crack width, the deformation size, and the degree of damage.
  • information other than these position information will be collectively referred to as attribute information.
  • the deformation information of this embodiment is as shown in Table 420 of FIG. 4 as described above. As will be described later, it is assumed that this deformation information is stored in the information storage unit 206.
  • the soundness is to determine the soundness of the structure by using the deformation information described so far.
  • the soundness may be determined by using the specification information of the structure as described later.
  • the soundness of the present embodiment shall be determined for each predetermined range of the structure.
  • the soundness is determined for each tunnel construction span (hereinafter referred to as a span).
  • the soundness is determined for each of span A, span B, and span C.
  • such a soundness determination target area will be referred to as an evaluation area.
  • the evaluation area is not limited to the construction span, and a predetermined unit area such as every 10 m may be used as the evaluation area.
  • the soundness shall be judged in 5 stages from 1 to 5. As for the soundness, 5 is the most healthy and 1 is the most severely damaged structure.
  • the degree of soundness is not limited to five levels.
  • FIG. 1 is a hardware configuration diagram of the information processing apparatus 100 according to the present embodiment.
  • the information processing apparatus 100 includes a CPU 101, a ROM 102, a RAM 103, an HDD 104, a display unit 105, an operation unit 106, and a communication unit 107.
  • the CPU 101 is a central processing unit (Central Processing Unit), performs calculations and logical determinations for various processes, and controls each component connected to the system bus 108.
  • the ROM (Read-Only Memory) 102 is a program memory, and stores a program for control by the CPU 101 including various processing procedures described later.
  • the RAM (Random Access Memory) 103 is used as a temporary storage area such as a main memory and a work area of the CPU 101.
  • the program memory may be realized by loading the program into the RAM 103 from an external storage device or the like connected to the information processing device 100.
  • the HDD 104 is a hard disk for storing electronic data and programs according to this embodiment.
  • An external storage device may be used to play a similar role.
  • the external storage device can be realized by, for example, a medium (recording medium) and an external storage drive for realizing access to the media.
  • a medium for example, a flexible disk (FD), a CD-ROM, a DVD, a USB memory, an MO, a flash memory and the like are known.
  • the external storage device may be a server device or the like connected by a network.
  • the display unit 105 is, for example, a CRT display, a liquid crystal display, or the like, and is a device that outputs an image on a display screen.
  • the display unit 105 outputs an image according to the display control by the CPU 101.
  • the display unit 105 may be an external device connected to the information processing device 100 by wire or wirelessly.
  • the operation unit 106 includes a keyboard, a mouse, and the like, and receives various operations by the user.
  • the communication unit 107 performs bidirectional communication by wire or wireless with another information processing device, a communication device, an external storage device, or the like by a known communication technique.
  • the information processing device 100 will be described as a single device, but the description is not limited to this, and the information processing device 100 may be a plurality of devices. Further, the information processing device 100 may be a logical device virtualized by a plurality of devices.
  • FIG. 2 is an example of a block diagram showing a functional configuration of the information processing apparatus 100 according to the present embodiment.
  • the information processing apparatus 100 includes an evaluation area management unit 201, a soundness determination unit 202, a deformation information analysis unit 203, a display information processing unit 204, a setting unit 205, a deformation information storage unit 206, a specification information storage unit 207, and learning. It has a unit 208.
  • Each of these functional units is realized by the CPU 101 expanding the program stored in the ROM 102 to the RAM 103 and executing processing according to each flowchart described later. Then, the execution result of each process is held in the RAM 103 or the HDD 104. Further, for example, when hardware is configured as an alternative to software processing using the CPU 101, a calculation unit or a circuit corresponding to the processing of each functional unit described here may be configured.
  • Each functional unit may be composed of, for example, an ASIC or an FPGA.
  • the deformation information storage unit 206 stores the deformation information described with reference to FIG.
  • the specification information storage unit 207 stores the specification information of the structure to be inspected.
  • the specification information is various information about the structure, for example, information such as the number of years since the start of service (the number of years of service), construction method, concrete type, geographical conditions such as coastal / cold regions, and usage environment conditions such as traffic volume. including.
  • the evaluation area management unit 201 associates the deformation information with the evaluation area of soundness based on a predetermined association standard (association rule).
  • the soundness determination unit 202 determines the soundness of the evaluation area by using the deformation information and the specification information associated with the evaluation area management unit 201.
  • the soundness determination unit 202 outputs the determination basis for the soundness determination.
  • the deformation information analysis unit 203 analyzes the deformation included in the determination basis of the soundness determination.
  • the display information processing unit 204 displays the information on the deformation related to the soundness determination on the display unit 105 based on the analysis result of the deformation information analysis unit 203.
  • the setting unit 205 receives the user's input via the operation unit 106 and controls the criteria for associating the deformation with the evaluation area.
  • the learning unit 208 learns the soundness determination method of the soundness determination unit 202. It is not necessary that all of these functional units are included in the information processing device 100, and at least some of the functions may be performed by an external device that can be connected to the information processing device 100. Further, each functional configuration may be realized by distributed processing by a plurality of devices.
  • steps S301 to S303 are processes executed by the evaluation area management unit 201.
  • Step S301 is a step of setting an association criterion.
  • the association criterion is information indicating a method of setting deformation information used for determining the soundness determination for the evaluation area.
  • the association criterion is a criterion such as whether or not to use the deformation existing at the region boundary of the evaluation region for the soundness determination.
  • the association standard can be changed by the setting unit 205, and the details thereof will be described later.
  • the default association criterion is set as the association criterion for performing the subsequent association processing.
  • the initial setting of the association standard in the present embodiment is the setting of "using the deformation information within the evaluation area range of the evaluation target for the soundness judgment".
  • Step S302 is a step of selecting an evaluation area to be the current soundness determination target.
  • the span A in FIG. 4 is selected as the evaluation region for soundness determination in step S302.
  • step S303 the evaluation area management unit 201 associates the deformation information with the evaluation area according to the association criteria. That is, in step S303, the information processing apparatus 100 selects the deformation information used in determining the soundness of the evaluation region according to the association criteria. This process will be described with reference to FIG.
  • the association criterion with the initial setting "use the deformation information within the evaluation area range of the evaluation target for the soundness determination" is set in step S301.
  • the evaluation area management unit 201 selects the deformation information included in the coordinate range of the span A from the deformation information storage unit 206 according to the set association criteria.
  • the range of span A in FIG. 4 includes deformations such as cracks 401 and 402, water leakage 411, and efflorescence 412.
  • the deformation information of these deformations is used as the deformation information used for determining the soundness of the span A.
  • the crack 403 in FIG. 4 is a crack extending from span A to span C.
  • the range 421 included in the span A of the cracks 403 is used as the deformation information used for determining the soundness of the span A according to the current association criteria. Therefore, the evaluation area management unit 201 changes the deformation information indicating the crack 403 to the deformation information indicating the crack up to the boundary of the span A.
  • the evaluation area management unit 201 acquires the deformation information of the crack 403 from the deformation information storage unit 206, and changes the vector data to the range of only the range 421 included in the span A. Further, the size of the attribute information (crack length) is also changed to the length of the range 421. The deformation information changed in this way according to the association criteria to the evaluation area is added to the deformation information for determining the soundness of the span A.
  • the evaluation area management unit 201 may convert the deformation information indicating the crack 403 into the deformation information indicating the three cracks existing in the span A, the span B, and the span C, respectively.
  • the deformation information for determining the soundness of the span A is set.
  • the information processing apparatus 100 uses the deformation information associated with the evaluation area in the evaluation area management unit 201 and the specification information stored in the specification information storage unit 207. Judge the soundness of the evaluation area.
  • the soundness is determined using a machine-learned trained model. This learning is carried out in advance by the learning unit 208.
  • the soundness judgment method is composed of judgment criteria that can be understood by humans.
  • binary determination is preferable as the determination criterion.
  • the decision tree which is a set of binary determinations, is an algorithm suitable for this embodiment.
  • the method for determining the soundness is not limited to the decision tree, and the soundness may be determined using a trained model using another machine learning algorithm.
  • the learning data for soundness determination is created from deformation information such as existing inspection data and data with known soundness.
  • One learning data Di is expressed as follows.
  • Di is data about one evaluation area of a certain structure.
  • Xi is deformation information associated with a certain evaluation area and specification information of a certain structure.
  • y i is soundness data determined by a human using the information of X i , and indicates the soundness of 1 to 5 in the present embodiment. In the training data, this soundness y i indicates the teacher class label.
  • the decision tree is composed of branch nodes 501 and 502 and a terminal node (leaf node) 503.
  • the branch nodes 501 and 502 determine the branch direction based on a predetermined determination criterion. In FIG. 5A, if the determination is True, the node proceeds to the right side, and if the determination is False, the node proceeds to the left side.
  • the judgment standard is to perform binary judgment using deformation information and specification information. Simply, using the deformation information, it is determined whether or not there is a deformation, such as "is there a crack in the evaluation area?", “is there a leak in the evaluation area?", "Is there a closed crack?" Can be a reference. Further, a criterion that combines the deformation type and the attribute information may be used as the determination criterion. For example, in the judgment criteria using the crack width of the attribute information, create judgment criteria such as "is there a crack with a crack width of 0.5 mm or more?" And “is there a crack with a crack width of 1.0 mm or more?" Can be done.
  • the size or width of the deformation can be the criteria for determining the soundness.
  • a threshold value such as a width of 0.5 mm or a width of 1.0 mm for the attribute information
  • a plurality of different determination criteria can be created.
  • a judgment standard using the deformed size of the attribute information it is possible to create a judgment standard such as "is there a crack having a length of 5 m or more?" And "is there a leak of 1 m 2 or more?”. That is, the length and area of the deformed shape can be a criterion for determining the soundness.
  • a determination criterion using the damage degree of the attribute information a determination criterion such as "is there a bolt damage degree A?” Or "is there a bolt damage degree B?" Can be created. That is, the degree of damage can be a criterion for determining the degree of soundness. Further, the number of deformations may be used as a criterion for determining the soundness.
  • the judgment criteria are provided so that the structure is judged to be more unhealthy when there are deformations satisfying the judgment criteria as compared with the case where there are no deformations satisfying the judgment criteria. There is.
  • a criterion can be created by combining these. For example, a determination criterion such as "Are there cracks having a crack width of 0.5 mm or more and is there efflorescence?" May be created.
  • Judgment criteria using specification information can be created in the same way as judgment criteria using deformation information. For example, “30 years or more since the service has passed?" “50 years or more since the service has passed?" “Exists in coastal areas?" “Exists in cold regions?” “PC concrete?” Criteria can be created.
  • a determination standard that combines deformation information and specification information may be created. For example, it is possible to create a determination criterion such as "is there a crack width of 0.5 mm or more and 30 years or more have passed since the service?"
  • the judgment criteria effective for separating the learning data are selected from such various judgment criteria and set for each branch node.
  • the learning method of the decision tree a learning method for setting the judgment criteria of each branch node from the judgment criteria candidates prepared in advance by humans will be described.
  • Table 500 of FIG. 5A shows n judgment standard candidates of C1 to Cn prepared in advance by humans.
  • the learning data set D is subjected to binary determination with n determination criteria candidates C1 to Cn to classify the data.
  • the judgment standard candidate that classifies the learning data most preferably is selected and used as the judgment standard of the node 501.
  • "classifying the most preferable learning data” is a state in which the soundness of the training data set after division can be classified most. A specific example of this will be described with reference to FIG. 5B.
  • B1 has a judgment criterion candidate C1 "is there a crack having a crack width of 0.5 mm or more?"
  • B2 has a judgment criterion candidate C4 "leakage 1 m 2 " in the branch node 501. Does the above exist? ”Is set.
  • Histogram 510 is a histogram of the soundness included in the training data set D. In this example, it is assumed that the same number of learning data having soundnesses 1 to 5 are prepared.
  • the learning data determined to be False by the determination criterion candidate C1 is classified into the node on the left side
  • the learning data determined to be True is classified into the node on the right side.
  • B2 also shows a state in which the training data set is classified by the determination criterion candidate C4, and histograms 513 and 514 of the soundness of each node are shown.
  • the soundness is not sufficiently classified.
  • the soundness is classified with high accuracy.
  • the training data classified into the nodes on the left side contains data having only soundnesses 4 and 5, and the training data classified into the nodes on the right side include the soundnesses. It shows a state in which only data 1, 2, and 3 are included.
  • the determination criterion candidate of C1 becomes the determination criterion that can better distinguish the learning data than the determination criterion candidate of C4.
  • the information gain IG is expressed by the following equation.
  • D is a data set
  • subscript p is a parent node
  • subscripts left and right are left and right child nodes, respectively
  • IG is gini impure
  • N is the number of data in the data set.
  • the information gain IG indicates the judgment performance of each node, it can be used to calculate the importance of the judgment criteria described later. Therefore, the information gain IG of each node calculated during the learning of the decision tree is recorded as the information of each node together with the determination criteria.
  • the judgment criteria to be set in the node 501 can be determined.
  • the criterion that can classify the most data is selected for the learning data set classified by the upper parent node in the same manner as above. By repeating this, the learning of the decision tree can be advanced.
  • FIG. 5A shows a situation where learning ends at a depth of 3.
  • a terminal node (leaf node) is created.
  • FIG. 5A shows a health histogram 505 of the training data set contained in the terminal node 503. Since the histogram 505 contains a plurality of soundnesses, the soundness that is most contained is selected here and used as the soundness indicated by the terminal node. In FIG. 5A, the soundness indicated by the terminal node 503 is soundness 5.
  • FIG. 6 is a diagram illustrating a process of determining soundness. First, as input, the deformation information and the specification information of the evaluation area are input. Then, branching to the child node is performed using the determination criteria of each node. As a result, in FIG. 6, it is assumed that the terminal node 601 is reached. Further, it is assumed that the soundness indicated by the terminal node 601 is the soundness 3. As a result, the soundness of the input data is determined to be soundness 3.
  • a learning method of the decision tree a method of preparing a judgment standard candidate in advance and setting a judgment standard of each branch node from the judgment standard candidate has been described.
  • the learning method of the node determination criteria is not limited to this, and other methods may be used.
  • a plurality of judgment standard candidates may be randomly generated, and the judgment standard having the best classification performance may be selected from these judgment standard candidates.
  • the method of randomly creating the judgment criterion candidate first, the type of deformation and the type of specification information are randomly selected.
  • the threshold value of the attribute information is also randomly selected, and a judgment criterion candidate is created by combining the type of deformation and the type of specification information and the attribute information threshold value. By repeating the creation of the judgment standard candidate by such random selection a plurality of times, a plurality of judgment standard candidates are created. Further, these determination criterion candidates may be combined to create a determination criterion candidate composed of a combination of a plurality of deformation information and specification information such as C7 and C8 in FIG.
  • the soundness judgment unit 202 extracts the judgment criteria related to the soundness judgment from the judgment criteria of the soundness judgment method, and outputs the judgment criteria as the judgment basis.
  • This process corresponds to step S305 in FIG.
  • the determination criterion of the node whose determination is True in the node of the decision tree is used as the determination basis. For example, in FIG. 6, the determination is True at the node 502. At this time, it is assumed that the determination criterion of the node 502 is "is the total crack length 10 m or more?". In this case, this "total crack length of 10 m or more?" Is the basis for the determination. In the simple example of FIG.
  • the soundness determination unit 202 outputs a plurality of determination basis. It should be noted that an example is shown in which the judgment criterion set as True in the node of the decision tree is used as the basis of the judgment, but the present invention is not limited to this. For example, the determination criterion set as False in the node of the decision tree may be used as the determination basis.
  • Step S306 is a process executed by the deformation information analysis unit 203, and the deformation information analysis unit 203 analyzes the deformation related to the soundness determination based on the determination basis output by the soundness determination unit 202.
  • One of the specific processes of the analysis of the deformation is to identify the type of the deformation included in the judgment basis.
  • the soundness determination unit 202 outputs “crack total length of 10 m or more?” As a determination basis.
  • the deformation information analysis unit 203 identifies the deformation used as the basis for determining the soundness of the target evaluation area.
  • FIG. 7 shows the information output by the soundness determination unit 202 as the determination basis for the soundness determination of the tunnel span A in FIG. Using this example, an embodiment for specifying a deformation related to soundness determination will be further described, and calculation of importance will also be described.
  • FIG. 7 shows the results of extracting three judgment criteria as judgment grounds when the span A is judged to have a soundness level of 3.
  • FIG. 7 shows a case where the input data is determined to be True in the nodes N502, N511, and N533 of the decision tree when the deformation information of the span A and the determination basis are input to the decision tree. That is, the span A is determined to have a soundness level of 3 based on the determination criteria of the nodes N502, N511, and N533.
  • the soundness determination unit 202 uses these determination criteria as the determination basis.
  • FIG. 7 shows the determination basis thus obtained and the information related to the determination basis.
  • the transformation information analysis unit 203 sets the transformation type included in the determination basis as the transformation related to the soundness determination. From the judgment basis of FIG. 7, cracks and water leakage are identified as deformations related to the soundness judgment, as described in the item of related deformation types.
  • FIG. 7 shows the information gains of the decision tree nodes N502, N511, N533.
  • the importance is an index showing the degree of contribution to the soundness determination result of the target deformation.
  • the node related to the crack is N502
  • the importance of the crack is 0.32.
  • the nodes related to the leak are N511 and N533, and the importance of the leak is 0.26 due to the sum of these information gains.
  • the method of calculating the importance for each type of deformation is not limited to this, and may be calculated by another method.
  • the number of times the variant type appears in the judgment basis may be set as the importance.
  • the number of times the variant type appears in the judgment basis is taken as the importance, in the example of FIG. 7, since the crack appears only in the determination basis of the node N502, the importance of the crack is 1. Leakage appears at nodes N511 and N533, so its importance is 2.
  • the deformation information analysis unit 203 acquires the position information of each deformation related to the soundness determination. Specifically, the deformation used as the basis for determination is specified from the deformation in the evaluation area, and the position is acquired from the deformation information storage unit 206. For example, in FIG. 7, since the basis for determining the node N502 is "is there a crack having a crack width of 0.5 mm or more?", A crack having a crack width of 0.5 mm or more is extracted from the deformation of the evaluation region. Then, the position information (vector data) of the crack having a crack width of 0.5 mm or more is acquired from the deformation information storage unit 206.
  • the determination basis of the node N511 is "is there a leak?"
  • the leak is extracted from the deformation of the evaluation area, and the position information of the leak is acquired from the deformation information storage unit 206. Since the judgment basis of N533 is "the number of years elapsed is 30 years or more and there is a leak of 1 m 2 or more?", Since the position information of the leak has already been acquired, the process of acquiring the position information for this judgment basis. I will omit it.
  • the deformation information analysis unit 203 identifies the deformation related to the judgment basis, acquires the position information thereof, and calculates the importance of each deformation. Further, the deformation information analysis unit 203 identifies a deformation that satisfies the judgment criteria that is the basis for the judgment. In the following, the process of visualizing the deformation related to the soundness determination is performed using these information created by the deformation information analysis unit 203.
  • step S307 of FIG. 3 if the soundness determination process of all the evaluation areas of the structure to be inspected is completed, the process proceeds to step S308. If the soundness determination processing of all the evaluation areas is not completed, the process returns to step S302, another evaluation area is selected, and the processing of steps S303 to S306 described above is executed.
  • Step S308 in FIG. 3 is a process executed by the display information processing unit 204.
  • the display information processing unit 204 creates and outputs display information indicating the soundness determination result and the information on the deformation related to the soundness determination, and displays the display information on the display unit 105. That is, the display information processing unit 204 generates and outputs information on the deformation that satisfies the determination criteria that is the basis for the determination.
  • FIG. 8 is an example of information created by the display information processing unit 204 and displayed on the display unit 105. Hereinafter, the display information processing unit 204 will be described using this image.
  • the display window 800 in FIG. 8 shows a GUI application window. Further, the display window 800 includes an image display area 801 and an importance display area 802. First, the information described with reference to FIG. 4 is displayed in the image display area 801. Specifically, a structure drawing, an image of the structure superimposed and displayed on the drawing, and deformation information are displayed. The deformation information is superimposed and displayed on the image as polylines and polygons based on the vector data of the position information. Further, the soundness determination result is displayed for each evaluation area, and for example, 811 displays the soundness determination result of the span A.
  • the deformation related to the soundness determination is highlighted based on the information created by the deformation information analysis unit 203.
  • cracks 822 and 823 are cracks having a crack width of 0.5 mm or more, and are highlighted because they are deformations related to soundness determination.
  • the crack 821 is a crack having a crack width of less than 0.5 mm and is not selected as a basis for determining the soundness, so it is not highlighted.
  • the cracks 822 and 823 are displayed with a thicker polyline drawing than the crack 821 selected as the basis for determining the soundness.
  • the highlighting method is not limited to this, and other display methods may be used.
  • the deformation may be displayed in a remarkable color such as red, or a blinking display or the like may be displayed.
  • a blinking display or the like may be displayed.
  • the deformation that is the basis of the soundness determination may be circled, or the deformation may be surrounded by a predetermined object.
  • the leak 824 also has a thick outline of the area as a deformation related to the soundness judgment.
  • the evidence 825 is a variant that has not been selected as the basis for determining the soundness, the outline is not highlighted. It should be noted that the configuration may be such that the deformation related to the soundness determination is extracted and further displayed in a display area separately provided and in which it is possible to identify that the determination is based.
  • the area may be highlighted.
  • the span B in FIG. 8 is determined to have a soundness level of 2
  • the basis for this determination is a closed crack.
  • the area 826 surrounding the closed crack is highlighted with a thick line.
  • the portion of the lock bolt may be highlighted.
  • the information on the basis of the determination may be displayed in the deformation related to the soundness determination of the image display area 801.
  • the balloon 830 indicates that the crack 822 is related to the soundness determination by satisfying the determination criterion "is there a crack having a crack width of 0.5 mm or more?".
  • the display position of the balloon 830 can be determined based on the deformation position information acquired by the deformation information analysis unit 203.
  • span C has a soundness of 5, and soundness 5 does not include unhealthy deformations, and there are no deformations related to soundness determination. Therefore, in the evaluation area of span C, the deformation related to the soundness determination is not highlighted.
  • the importance display area 802 of FIG. 8 displays the importance of the deformation type with respect to the soundness determination of the span A.
  • the user can switch the evaluation area for viewing the importance by a method such as operating the pull-down menu 804.
  • the importance is calculated by the deformation information analysis unit 203, and in FIG. 8, this is shown by the bar graph 803 of the importance.
  • This display indicates that the types of deformation involved in the determination of the soundness of the span A are cracks and water leakage, and in particular, the cracks are strongly related to the determination.
  • the importance information may be used to control the degree of emphasis of the display in the highlighting of the deformation of the image display area 801. For example, depending on the importance of the deformation, the thickness of the display line may be increased so that the more important the deformation is emphasized and displayed. Specifically, in the example of FIG. 8, since the crack is more important than the water leakage, the line thickness of the cracks 822 and 823 is made thicker than the contour line of the water leakage 824 so that the cracks are relatively thick. The display should be highlighted.
  • Inspection records generally record images of important deformed parts and their information. Deformities related to soundness determination are important for inspection, and by automatically organizing them in the form of inspection records, it is possible to simplify the user's document creation work.
  • the soundness of the span A is 3, and information on the deformation related to the soundness determination is displayed.
  • images of two deformations of damage numbers 1 and 2 and information on the deformation are displayed.
  • there is a page feed function 901 and a plurality of deformations are arranged in the form of an inspection record.
  • the display order may be determined based on the importance. For example, the deformations that are more important for the soundness determination may be displayed by arranging the deformations in descending order of importance so that they are displayed first.
  • a deformed area image such as the image 902, which is the basis for determining the soundness, is created by cutting out from the image superimposed on the drawing based on the deformed position information acquired by the deformed information analysis unit 203. Specifically, the rectangular coordinates of the range surrounding the deformed position information of the drawing coordinate system are determined. Since the image is superimposed and displayed on the drawing, it has a coordinate system that is common to or convertible to the drawing. Therefore, an image like the image 902 can be created by cutting out the image range indicated by the rectangular coordinates. Specifically, the image 902 is an image obtained by cutting out a peripheral image of the crack 823 based on the coordinates of the crack 823 of FIG. Similarly, the image 903 is an image obtained by cutting out a peripheral image of the crack 822.
  • the deformation information display area 904 the coordinate information of the deformation and the name of the type of the deformation are displayed.
  • the judgment basis may be converted into a general sentence and displayed as finding information. For example, in the deformation information display area 904, the sentence "there is a crack having a width of 0.5 mm or more" is displayed as the finding information created from the information of the judgment basis.
  • the deformation information display area 904 may be provided with a comment column as a function of creating an inspection record.
  • FIG. 9 the embodiment of displaying the deformation related to the soundness determination in the form of the inspection record has been described.
  • a function of outputting inspection record data in the form of an arbitrary text file may be further provided.
  • Another method of adjusting the soundness judgment result is to change the criteria for associating the deformation with the evaluation area.
  • the soundness is determined by associating the deformation with the evaluation area by the association standard for determining the soundness using only the deformation of the evaluation area range.
  • the association criteria are changed to the evaluation area and, for example, "for the deformation existing at the boundary of the evaluation area, the entire deformation is associated with the evaluation area to judge the soundness", the judgment result of the soundness is obtained. May change.
  • the crack 403 of FIG. 4 in the above embodiment, an embodiment in which only the crack portion 421, which is the range of the span A, is used for determining the soundness of the span A has been described.
  • the entire crack 403 is used for determining the soundness of the span A
  • the total length of the cracks used for determining the soundness of the span A becomes longer. May be determined to worsen.
  • the result of the soundness judgment changes depending on how the deformation is associated with the evaluation area of the soundness judgment. Therefore, the method of associating the deformation with the evaluation area is the soundness judgment result. It is one of the adjustment methods.
  • the setting unit 205 sets the association standard by displaying information on the display unit 105 described below and accepting user input from the operation unit 106.
  • the soundness is judged for each part of the structure. For example, in the case of a bridge, the soundness is determined for each deck and pier. In the tunnel, the soundness is judged for each construction span. Alternatively, an arbitrary area such as a part of a structural member may be used as an evaluation area. In this way, in the determination of soundness, the soundness is determined for each predetermined evaluation area. In Japanese Patent No. 4279159, the soundness of each span of such a tunnel is automatically determined by an information processing apparatus.
  • the soundness determination result may change depending on the association method. For example, when the soundness is determined based on the length of the crack, it is determined that the longer the length of the crack included in the evaluation area, the lower the soundness (not sound). At this time, if there is a long crack that straddles the boundary of the evaluation area, the soundness is judged by the length of the crack in the evaluation area or the soundness including the crack length in the range beyond the evaluation area. , The judgment result of soundness may change.
  • the process related to the setting unit 205 was performed in view of the above problems, and in order to make it possible to set a deformation associated with the evaluation area when determining the soundness of the structure and to obtain a more appropriate soundness determination result. Provides technology.
  • FIG. 10 shows a display unit 105 when the association standard is changed to adjust the soundness.
  • FIG. 10 shows the display window 1000 in which the association criterion of the span A is changed, and the evaluation area for which the association criterion is changed can be changed by, for example, the pull-down menu 1001.
  • the image display area 1002 in the display window 1000 displays an image of the tunnel wall surface superimposed on the tunnel drawing and deformation information. Further, in the soundness display area 1004, the processing result of the soundness determination according to the embodiment described above is displayed as "healthness 3". Further, the image display area 1002 shows the association of the deformation with the evaluation area span A.
  • the deformation information is associated with the evaluation area by the default association standard. The association criterion of this initial setting was "use the deformation in the evaluation area for the soundness judgment". Therefore, in the image display area 801 the deformations existing within the range of the span A, such as the crack 1020 and the leak 1021, are highlighted as being associated with the span A. Specifically, in FIG. 10, the deformed lines and contours existing within the range of the span A are solid lines and are displayed thickly. On the other hand, deformations not associated with span A (deformations of spans B and C) are indicated by dotted lines.
  • the crack 1010 is a deformation extending from span A to C, but in this association standard, the crack portion 1011 within the range of span A is associated with span A. Therefore, only the portion 1011 of the crack 1010 is highlighted.
  • the deformation associated with the predetermined evaluation area is highlighted.
  • the deformations associated with each other according to the set association criteria are displayed in an identifiable manner by the user. This makes it easier for the user to understand which variant is associated with the evaluation area in order to determine the health of the evaluation area.
  • FIG. 11A shows an association reference setting screen displayed by pressing the setting button 1006.
  • the method of associating the deformation existing at the boundary of the evaluation area with the evaluation area is displayed for each type of deformation such as crack and efflorescence.
  • three types of association criteria 1 to 3 are prepared for the deformation existing at the boundary of the evaluation area, and one of the association criteria is set for each modification type.
  • the association criterion 1 (pattern 1) is "for the deformation existing across the boundary of the evaluation region, the entire deformation is used for determining the soundness".
  • the association criterion 2 (pattern 2) is "for the deformation existing across the boundary of the evaluation area, only the deformation in the range of the evaluation area is used for the soundness determination". Note that pattern 2 is an association standard set as an initial setting in the above description.
  • the association criterion 3 (pattern 3) is "exclude the deformation existing across the boundary of the evaluation area from the deformation used for determining the soundness of the evaluation area”.
  • FIG. 11A shows the setting state of the deformation association pattern of these evaluation area boundaries for each deformation type. In FIG. 11A, as the default association criteria, all the variant type association criteria are set as the association pattern 2.
  • the image display area 1003 and the like existing at the lower part of the display window 1000 of FIG. 10 will be described. These are indications for adjusting the setting of criteria for associating variants to the evaluation area.
  • the user sets an association standard different from the association standard (hereinafter referred to as setting 1) at the upper part of the display window 1000, re-determines the soundness, and determines the soundness. The result can be adjusted.
  • the association reference setting screen of FIG. 11B is displayed. This screen is the same as that in FIG. 11A.
  • the user can select any association criteria for each variant by clicking a radio button.
  • this setting is referred to as setting 2.
  • the image display area 1003 of FIG. 10 shows the deformation associated with the span A by this setting 2.
  • the entire crack 1012 existing at the boundary of the evaluation area (span A) is associated with the evaluation area, and the entire crack 1012 is highlighted. There is.
  • step S301 of FIG. 3 the association standard can be set based on the user instruction in this way.
  • the association criterion of setting 2 the user presses the determination button 1008 in order to determine the soundness based on this association criterion.
  • the processes of steps S302 to S306 of FIG. 3 are executed, and the soundness of the span A is determined (in step S302, the span A is selected as the evaluation region).
  • This determination result is displayed on the soundness display unit 1005.
  • FIG. 10 the soundness determination results before and after the association standard is changed are displayed on the soundness display units 1004 and 1005, respectively.
  • the user can compare the results and judge the soundness determination result to be adopted.
  • the embodiment in which the soundness determination process is executed by the user pressing the determination button 1008 has been described, but the execution of the soundness determination process is automatically performed at the timing when the association standard is set. It may be executed as a target.
  • the setting unit 206 when the soundness of the structure is determined, a more appropriate soundness determination result can be obtained by setting the deformation associated with the evaluation area.
  • the evaluation area is the span of the tunnel, but the evaluation area is not limited to this, and any range can be used as the evaluation area as long as it is a predetermined range for determining the soundness. It is also good.
  • FIG. 12 describes a case where a part of the deck of the bridge is used as the evaluation area as another example of the evaluation area.
  • FIG. 12 shows a display window 1200 for changing the association criteria, similar to FIG.
  • the image display areas 1201, 1202, 1203, the wall surface image superimposed on the drawings of the deck deck 1210 and the pier 1211 of the bridge, and the deformation information are displayed.
  • the frames 1221, 1222, and 1223 shown on the deck indicate the evaluation area of the soundness.
  • the area near the pier of the deck is set as the evaluation area instead of the entire deck.
  • the image display areas 1201 and 1202 show the state of associating the deformation with the evaluation area when the association standard is changed for each type of deformation. Specifically, the image display area 1201 shows a state in which only the deformation in the evaluation area is associated, and the image display area 1202 shows the deformation that exists across the boundary of the evaluation area. It shows the state in which the whole is associated with the evaluation area. These are highlighted so that the range of deformation associated with the evaluation area can be understood, as in FIG.
  • the range of the evaluation area may be changed as a modification of the method of setting the criteria for associating the deformation with the evaluation area.
  • the evaluation area 1223 of the image evaluation area 1203 is set as an evaluation area in a wider range than the evaluation areas 1221 and 1222. In this way, the setting unit 205 may arbitrarily set the evaluation range in the vicinity of the pier of the deck based on the user's instruction.
  • the soundness determination method is learned by a machine learning algorithm
  • a decision tree is described as an example.
  • the machine learning algorithm used in the first embodiment is not limited to the decision tree, and other methods may be used.
  • the embodiment using the Randomized Tree which is composed of a binary determination tree structure as in the decision tree, is a suitable modification.
  • the display method of the deformation may be changed depending on the soundness value. For example, first, a predetermined color is set for each of the soundness 1 to 5. Then, the color of the deformation related to the soundness determination to be highlighted in each evaluation area may be displayed in the color of the soundness of the evaluation area. By doing so, it becomes easy to simultaneously confirm the soundness determination results of the plurality of evaluation areas and the deformations related to the soundness determination of each. Further, for the same purpose, the degree of emphasis of the deformation related to the soundness determination may be changed depending on the soundness.
  • the deformation related to the soundness judgment of the evaluation area determined to be soundness 1 is emphasized and displayed rather than the deformation related to the soundness judgment of the evaluation area determined to be soundness 4. ..
  • the deformed line or the area contour line related to the determination of the soundness 1 may be displayed thicker or displayed in a more prominent color.
  • the embodiment for determining the soundness for each evaluation area has been described, but the representative soundness of the entire structure may be browsed.
  • the unhealthy soundness (healthness closest to 1) is taken as the representative soundness of the entire structure. Therefore, in the state where the representative soundness of the entire structure is displayed, the deformation related to the soundness determination result is displayed for the evaluation area in which the soundness of the representative soundness is determined, as described above. Just do it.
  • the average value of the soundness of a plurality of evaluation target areas may be adopted. In this case, it is sufficient to display the deformation related to the soundness determination result for the evaluation area for which the soundness close to the average value is determined among the soundness of each evaluation area of the structure.
  • a person designs and sets a rule for determining each soundness in advance.
  • the information processing apparatus 100 (specifically, the soundness determination unit 202) automatically determines the soundness by using this determination rule.
  • each of the determination rules corresponds to the determination criteria of the first embodiment.
  • the soundness determination process of the soundness determination unit 202 in the second embodiment will be described.
  • FIG. 13 shows an example of the judgment rule of the soundness 2 and the soundness 3 and an example of the soundness judgment result for a certain evaluation area.
  • each determination rule performs binary determination based on the deformation information associated with the evaluation area and the specification information of the structure.
  • the rule R2-1 for determining the soundness 2 in FIG. 13 is "Are there cracks having a crack width of 1.0 mm or more?". According to this rule, if a crack having a crack width of 1.0 mm or more exists in the evaluation region, the soundness of the evaluation region becomes 2.
  • the soundness is 2.
  • the lowest soundness for which the determination rule is True is the soundness determination result.
  • the determination result based on the deformation information and the specification information of a certain evaluation area is shown in the determination item 1301.
  • the determination rule of soundness 1 is False.
  • the determination rule of soundness 3 As shown in FIG. 13, regarding the judgment rule of soundness 2, the deformation information and the specification information of the evaluation area are all False. On the other hand, regarding the determination rule of soundness 3, two determination rules are True. As a result, the soundness of the target evaluation area is determined to be 3 regardless of the results of the determination rules of soundness 4 and 5.
  • the soundness determination unit 202 determines the soundness as described above, and outputs the soundness determination basis as in the first embodiment.
  • the determination basis in the second embodiment is a determination rule (determination standard) that is True in the soundness determination.
  • the determination basis for determining the soundness 3 is the determination rules R3-1 and R3-3.
  • the deformation information analysis unit 203 identifies the deformation information related to the soundness determination based on the judgment basis output by the soundness determination unit 202. For example, based on the determination rule R3-1 in the example of FIG. 13, it is assumed that cracks having a crack width of 0.5 mm or more in the evaluation region are related to the soundness determination. Then, the position information of the crack having a crack width of 0.5 mm or more in the evaluation region is acquired from the deformation information storage unit 206. Similarly, based on the determination rule R3-3, the position information of the grid-like cracks (grid spacing 50 cm) is acquired from the deformation information storage unit 206. The display information processing unit 204 uses the position information of these deformations to highlight the deformations related to the soundness determination and cut out the image of the deformation range as described in the first embodiment.
  • the importance of the deformation type related to the soundness determination may be calculated.
  • the importance is calculated based on the information gain obtained at the time of learning the decision tree, but since the information gain does not exist in the determination rule, the importance is calculated by another method.
  • the number of times that the determination rule becomes True may be counted for each type of deformation. For example, in the example of FIG. 13, in both the determination rules R3-1 and R3-3, assuming that the determination rule regarding cracks is True, the crack counter is set to 2. As a result, the importance of the crack to the soundness determination result is 2.
  • Such processing is carried out for each type of deformation, and the importance is set for each type of deformation.
  • the display information processing unit 204 can also display the importance of each variant type as in the first embodiment.
  • the determination basis output by the soundness determination unit 202 may be displayed in the same manner as in the first embodiment.
  • the judgment rule is used as the judgment method of the soundness judgment
  • the information of the deformation related to the soundness judgment can be displayed, and the user can display the soundness of the information processing apparatus 100. You will be able to understand the basis of the degree judgment.
  • Judgment rule learning by frequent pattern mining is one of the forms of learning binary judgment criteria that can be understood by humans. This is one of the embodiments in which the determination criteria are acquired by learning, and is a modification of the first embodiment. Since the hardware configuration and the functional configuration of the third embodiment are the same as those of the first embodiment, the description thereof will be omitted.
  • FIG. 14 is a diagram showing an overall image of determination rule learning by frequent pattern mining.
  • an item is a single criterion for determining the soundness.
  • Table 1401 in FIG. 14 shows an example of item definitions.
  • item I1 is a criterion for determining "is there a crack?" In the evaluation area.
  • a single determination criterion is one item.
  • the item 14 is "is there a crack having a crack width of 0.5 mm or more?", And is a determination standard composed of deformation information and attribute information threshold value.
  • the judgment criteria for specification information are also items.
  • the item IM is defined as an item with a criterion of "is the number of years elapsed from the start of service 50 years or more?"
  • the item set is a single item or a combination of items.
  • the purpose of frequent pattern mining is to extract an item set that can be used for soundness determination from the total set of items I all .
  • an example of defining an item using a threshold value for the deformed size is shown, but it may be itemized according to a discretized numerical value. Specifically, for example, the classification of the crack width is discretized, and "is there a crack with a crack width of 0.2 mm to 0.5 mm?" And "is there a crack with a crack width of 0.5 mm to 1.0 mm?" You may define such an item.
  • transaction data is created from the learning data D in order to carry out frequent pattern mining.
  • D ⁇ D i ⁇
  • Di is data relating to one evaluation region of a certain structure.
  • Di is defined below.
  • Xi is deformation information associated with a certain evaluation area and specification information of a certain structure.
  • y i is the correct answer data of the soundness judged by a human being based on X i , and shows the soundness of 1 to 5 in this embodiment.
  • One transaction Ti is created from this one learning data Di.
  • Xi transformation information and specification information of the evaluation area
  • Xi contains a crack having a crack width of 0.5 mm
  • frequent pattern mining is executed using this transaction data set T.
  • frequent pattern mining a set of items that frequently appear in the transaction data set T is extracted, and this is used as a determination rule.
  • the frequent pattern extraction process is performed for each soundness, and the determination rule for each soundness is learned.
  • the process of extracting the frequent pattern will be described by taking the judgment rule learning in the soundness 3 as an example.
  • Apriori (Non-Patent Document 1) is used for frequent pattern extraction.
  • the frequency of appearance of a certain item set in a transaction data set is called support (support).
  • Support is expressed by the following formula.
  • N is the number of data in the transaction data set T
  • ⁇ T ( I ) is the number of transaction data Ti including the item set I.
  • a threshold value called minimum support is given in advance, and an item set indicating support equal to or higher than the minimum support is extracted as a frequent pattern. Since Apriori is a known algorithm, we will not explain it in detail, but it is possible to efficiently find item sets with minimum support or more by specifying the minimum support in advance when performing a search for frequently occurring item sets. can.
  • N (3) is the number of data of T (3) .
  • an event set specific to a transaction with a soundness of 3 is selected from I (3) .
  • the event set I (3) is an event set that frequently appears in the learning data of the soundness 3, but it may also include an event set that frequently appears in the learning data of other soundnesses. That is, there is a possibility that items or combinations of items that are always likely to appear are included regardless of the soundness. Therefore, a process of selecting an event set peculiar to the learning data set of soundness 3 is performed using a learning data set other than soundness 3. Specifically, the ratio of the support (occurrence frequency) in the transaction data set T (3 ) of each event set of I (3) to the support in the transaction data set other than the soundness 3 is calculated, and this is a large event set. It is an event set peculiar to soundness 3. This ratio of support is called Growth Rate and is expressed by the following equation.
  • T (not3) be a transaction data set created from a learning data set other than the soundness 3.
  • I is an event set for which the Growth Rate is calculated, and is an event set included in I (3) .
  • Growth Rate will be referred to as GR in the text. It should be noted that such a pattern that appears unevenly in one data set is called Emerging Patterns (Non-Patent Document 2).
  • the event pattern selection based on the GR may be performed by selecting the event patterns of the upper n GRs instead of the threshold processing.
  • the judgment rule of soundness 3 can be learned by frequent pattern mining. The same process is performed for each soundness level, and the determination rules for the soundness levels 1 to 5 are learned. Using the learned determination rule, the process of determining the soundness of the target evaluation area and the process of displaying the information on the deformation related to the subsequent soundness determination may be performed in the same manner as in the second embodiment. can. That is, a determination rule in which the input deformation information and the specification information are True is determined, and this determination rule is used as the determination basis. Then, based on the deformation information included in the determination basis, display such as highlighting of the deformation is performed.
  • the soundness 5 (most healthy) determination rule may not be learned, and if the soundness 1 to 4 is not determined, the soundness 5 may be determined.
  • GR may be used to calculate the importance of the type of deformation.
  • each determination rule for example, each GR of R3-1, R3-2, ... Is saved together with the determination rule.
  • the higher the GR the higher the degree of the event set peculiar to the soundness. Therefore, by using GR in the same manner as the information gain of each node of the decision tree in the first embodiment, the importance of each variant type with respect to the soundness determination result can be calculated.
  • the learned judgment rule may be displayed to the user so that the user can adjust the judgment rule.
  • the determination rule learned by the above method is displayed so that the content of the item can be understood by the user.
  • the items of the item set in Table 1402 of FIG. 14 are displayed as the contents of specific items.
  • the content of the determination rule of R3-1 is the determination criterion of "is there a crack having a crack width of 0.5 mm or more?".
  • the user can confirm what kind of determination rule has been learned by the frequent pattern mining. Based on this display, the user can adjust the judgment rule.
  • a judgment rule that can be judged to be inappropriate as a judgment rule is removed, or a judgment rule that is not learned but can be judged to be added as a judgment rule is added.
  • a judgment rule that is not learned but can be judged to be added as a judgment rule is added.
  • the soundness determination is performed based on the determination rule created by a human being.
  • the input data deformation information and specification information of the evaluation area
  • the determination rule may be learned using the data as learning data.
  • the labels of the soundness 1 to 5 to be learned are the data obtained by humans confirming the soundness determination result of the information processing device and the result of the human correcting the soundness determination result of the information processing device.
  • the learning of the determination rule accompanying the accumulation of data may be performed not only once but also a plurality of times in stages according to the accumulation status of the learning data.
  • the embodiment of accumulating learning data and learning at the timing when a predetermined amount of learning data is accumulated can also be implemented by learning the soundness determination method by the machine learning algorithm of the first embodiment.
  • the judgment rule learning in two steps of the frequent pattern extraction using Apriori and the item set selection peculiar to each soundness by GR calculation has been described, but the judgment rule learning method of the present embodiment is based on this. Not limited. That is, any other method may be used as long as it is a method of extracting a specific item set using learning data. For example, as a method for extracting a frequent pattern, not only Apriori but also a method called FP-Growth is well known. Alternatively, frequent pattern extraction may be performed using another algorithm having good calculation efficiency.
  • the learned judgment rule is used in the same manner as in the second embodiment. That is, if the input data falls under any of the certain soundness determination rules, the soundness is obtained as the soundness determination result.
  • the determination rules obtained by the above learning have different reliability as shown by GR. Therefore, the score may be calculated from the determination rule using the support and GR, and the soundness may be determined based on the score.
  • the decision rule is a set of items that appear in a transaction dataset of a particular health, which is called Emerging Patterns.
  • Non-Patent Document 3 describes an ensemble identification method using this Emerging Patterns. In the following embodiment, an embodiment in which the soundness is determined from the learned determination rule will be described using this method. In order to implement this method, the support and GR of each judgment rule are recorded at the time of learning the judgment rule.
  • the determination score SH of a certain soundness H is expressed as follows based on Non-Patent Document 3.
  • IN is an item included in the deformation information and specification information of the evaluation area to be determined for soundness
  • I (H) indicates a determination rule for soundness H. That is, in the determination rule in which the input data of the deformation information and the specification information of the evaluation area are True, the sum of the values calculated based on the GT and the support is the score SH for determining the soundness H. According to this equation, the higher the GR and the judgment rule indicating the support, the higher the score SH is obtained. This score SH is calculated for each soundness, and the soundness that outputs the highest score SH is defined as the soundness H of the evaluation area.
  • the method of learning the soundness judgment rule by using the frequent pattern mining has been described.
  • the judgment rule by frequent pattern mining it is possible to create a judgment rule that is more complicated and has higher judgment performance than the judgment rule set by humans.
  • the learning result is a determination rule capable of performing binary determination, it is easy for a human to understand the learning result, and the determination rule can be adjusted.
  • the learned determination rule for the soundness determination in the same manner as in the second embodiment, it is possible to display the information on the deformation related to the soundness determination, so that the basis of the soundness determination result is easy to understand. Can be displayed.
  • FIG. 15 shows a display window 1500 displayed on the display unit 105 by the setting unit 205 in order to set the association with the evaluation area for each individual deformation.
  • FIG. 15 shows a state in which a soundness evaluation area is set for each tunnel span, and a criterion for associating the deformation of the span E with the evaluation area is set.
  • the image information display unit 1501 displays four cracks with crack IDs 001 to 004.
  • the cracks ID003 and ID004 exist at positions unrelated to the span E, they are not associated with the span E and are displayed by dotted lines.
  • the user selects a variant that adjusts the settings in order to set the association criteria for the individual variants. For example, with the mouse cursor 1502, select the deformation for which you want to adjust the setting.
  • FIG. 15 shows a state in which the crack of the crack ID 002 is selected.
  • the dotted line 1504 indicates that the crack ID 002 is in focus.
  • the reference setting area 1503 displays information for selecting the reference for associating the crack ID 002 with the span E.
  • association pattern 1 is a pattern in which the entire deformation is used for determining the soundness of the deformation existing at the boundary of the evaluation region.
  • the association pattern 2 is a pattern in which only the deformation in the range of the evaluation area is used for the soundness determination for the deformation existing at the boundary of the evaluation area.
  • the association pattern 3 is a pattern in which the deformation existing at the boundary of the evaluation area is excluded from the deformation used for determining the soundness of the evaluation area.
  • FIG. 15 shows a situation in which the user sets the association pattern 1 as the association standard for the crack ID 002.
  • the image information display unit 1501 displays the entire crack ID 002 as a thick line, indicating that it is associated with the span E.
  • the association standard of the association pattern 2 is set.
  • the crack ID 001 is displayed as a thick line to indicate that the range of the span E is associated with the span E, and the portion outside the range of the span E is not associated with the span E. Therefore, it is displayed as a dotted line.
  • different association criteria can be set for each of the crack ID001 and ID002, which are the same deformation type.
  • the fourth embodiment the embodiment in which the criteria for associating with the evaluation area is set for each individual deformation has been described. As a result, it becomes possible to set the association of the transformation to the evaluation area in detail, and the user can adjust the judgment result of the soundness in detail.
  • an association rule is set to associate the deformations existing in the related related areas, which are different from the evaluation area, in the soundness judgment as the deformations used for the soundness judgment of the evaluation area. do. Since the hardware configuration and the functional configuration of the fifth embodiment are the same as those of the first embodiment, the description thereof will be omitted.
  • FIG. 16 shows a drawing and an image of a road bridge that is a target of soundness determination.
  • the road bridge of FIG. 16 shows a floorboard 1602 with a span between piers 1603.
  • the floor slab 1602 is a portion looking up from the ground, and FIG. 16 also shows a drawing and an image of the road surface 1601.
  • a process of associating the deformation used for the soundness determination of the deck 1602 is performed.
  • the frame line 1604 surrounding the floor slab 1602 indicates that the entire floor slab 1602 is an evaluation area to be processed.
  • FIG. 16 shows an embodiment in which the deformation of the road surface 1601 on the back side of the floor slab is included in the deformation used for determining the soundness of the floor slab 1602.
  • the pothole 1611 is associated with the evaluation area 1604 and used for determining the soundness of the evaluation area 1604 of the deck slab 1602.
  • the criterion for associating the deformation of the evaluation area 1604 in FIG. 16 is set to "associate the pothole on the road surface on the back side with the evaluation area".
  • water such as rain affects the deck, so it is preferable to determine the soundness of the deck including this.
  • a pothole is a round hole or dent formed by peeling off the surface layer of an asphalt road. In this way, even deformations that are not directly included in the evaluation area may be associated with the evaluation area to determine the soundness.
  • the change of the association standard can be set for each variant type or for each individual variant, as in the method described in the first and fourth embodiments. For example, in FIG. 16, the crack 1612 of the road surface 1601 is not associated with the evaluation area 1604 of the deck slab 1602 and is not used for the soundness determination of the evaluation area 1604. The user can set the presence / absence of this association as necessary via the operation unit 105.
  • the target area is an area that is structurally or inspected with respect to the evaluation area, such as the floor plate and the road surface in FIG. Is set in advance. Then, it is possible to adjust the association criteria of whether or not to relate the deformation of this related area to the evaluation area. Further, as another method, it may be possible to carry out a setting in which any deformation at an arbitrary position is individually associated with the evaluation area.
  • the deformation existing at the position not directly related to the evaluation area can be changed to the deformation used for the soundness determination. This makes it possible to perform soundness determination in consideration of deformations outside the evaluation area that affect the soundness of the evaluation area. Further, by adjusting the association criteria, it becomes possible to adjust the result of the soundness determination.
  • FIG. 17A is a configuration diagram of an information processing apparatus 100 (information processing system) according to the present embodiment. It is a figure explaining one form of processing in a server and a client configuration.
  • the client terminal 1711 and the service providing side system 1731 are information processing devices having the same hardware configuration as the information processing device 100 of FIG. 1, respectively.
  • the client terminals 1701 to 1703 operated by the users 1701 to 1703 are connected to the service providing side system 1731 via the Internet 1720.
  • FIG. 17A only the processing related to the display unit 105 and the operation unit 106 is executed by the client terminal, and other processing (for example, the processing of the soundness determination unit 202) is executed by the service providing side system 1731.
  • other processing for example, the processing of the soundness determination unit 202
  • the service providing side system 1731 Only light processing can be executed on the client terminal, and processing with a large amount of calculation such as soundness determination can be executed by the high-performance service provider system 1731.
  • users 1701 to 1703 can receive services simply by preparing a client terminal that is inexpensive and has low processing power.
  • FIG. 17B shows a configuration including an on-premises server 1742 as a processing configuration different from that of FIG. 17A.
  • the processing of the present embodiment is distributed and executed by the client terminal 1741, the on-premises server 1742, and the service providing side system 1743.
  • the service provider system 1743 learns the soundness determination method, creates a soundness determination model of the learning result, or a soundness determination rule, and transmits it to the on-premises server 1742.
  • the on-premises server performs processing such as soundness determination processing, and the client terminal 1741 displays the soundness determination result.
  • the soundness judgment process is performed by the on-premises server 1742 in the company, so that the configuration is safe from the viewpoint of information security. be able to.
  • the latest service can be received, such as being provided with the latest soundness determination model from the service providing side system 1743.
  • the configuration of this embodiment it is possible to provide an appropriate service for each user.
  • the method of determining the soundness may differ depending on the user.
  • the user in this embodiment is assumed to be an inspection company, a structure manager, an infrastructure management department of a local government, or the like. These users may have their own inspection criteria, and different managed structures have different soundness determination methods and criteria. Therefore, by providing a soundness determination method (healthness determination model and determination rule) suitable for the user's request and situation, it becomes possible to carry out the soundness determination suitable for each user.
  • association criteria for the evaluation area an appropriate association criteria may be provided for each user.
  • the association criteria previously set by the user are saved together with the user information. Then, when the user newly performs the soundness determination, the association standard previously set by the user is provided as the initial setting of the association standard.
  • the user's association setting criteria may be learned.
  • the association criteria can be set for each individual variant.
  • this setting tendency of the user we learn this setting tendency of the user. Specifically, the size of the deformation, the position with respect to the evaluation area, the degree of overlap with the evaluation area of the deformation existing at the boundary of the evaluation area, etc. are used as input variables, and the presence or absence of association with the evaluation area is used as the teacher label. Learn with a machine learning algorithm. The model trained as a result associates the deformation with the evaluation area.
  • the service may be provided according to the tendency of the soundness judgment for each user.
  • the present invention supplies a program that realizes one or more functions of the above-described embodiment to a system or device via a network or storage medium, and one or more processors in the computer of the system or device reads and executes the program. It can also be realized by the processing to be performed. It can also be realized by a circuit (for example, ASIC) that realizes one or more functions.
  • a circuit for example, ASIC

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Signal Processing (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

構造物の変状に基づいて、前記構造物の健全性を示す健全度を判定し、当該判定の根拠となった前記構造物の変状に関する情報を出力する。

Description

情報処理装置、情報処理方法及びプログラム
　本発明は、情報処理装置、情報処理装置の制御方法およびプログラムに関し、特に、対象の健全度を判定する技術に関する。
　橋梁、トンネルなどの構造物の点検では、ひび割れなどの変状情報を用いて健全度を判定している。健全度は、構造物の健全性の程度を表す指標である。なお、健全度は、構造の劣化や損傷の程度を表す指標とも言うことができる。従来の健全度判定では、点検技術者が、所定の判定基準、判定ルールを把握した上で、ひび割れの本数や幅の太さや、漏水の発生の有無などの情報を元に、構造物の健全度を判定していた。
　一方、点検技術者の負荷を削減するため、情報処理装置により、健全度を自動的に判定する技術が開示されている。特許文献１には、変状のサイズなどの点検記録を入力として、重回帰分析により健全度を判定する方法が記載されている。
特開２０１７－１７３９９３号公報
Ｒ．Ａｇｒａｗａｌ　ａｎｄ　Ｒ．Ｓｒｉｋａｎｔ：　Ｆａｓｔ　ａｌｇｏｒｉｔｈｍｓ　ｆｏｒ　ｍｉｎｉｎｇ　ａｓｓｏｃｉａｔｉｏｎ　ｒｕｌｅｓ，　Ｉｎ　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　２０ｔｈ　Ｉｎｔ．　Ｃｏｎｆ．　Ｖｅｒｙ　Ｌａｒｇｅ　Ｄａｔａ　Ｂａｓｅｓ，　ＶＬＤＢ，　ｐｐ．４８７－４９９，　１９９４． Ｇｕｏｚｈｕ　Ｄｏｎｇ　，　Ｊｉｎｙａｎ　Ｌｉ　，　"Ｅｆｆｉｃｉｅｎｔ　Ｍｉｎｉｎｇ　ｏｆ　Ｅｍｅｒｇｉｎｇ　Ｐａｔｔｅｒｎｓ：　Ｄｉｓｃｏｖｅｒｉｎｇ　Ｔｒｅｎｄｓ　ａｎｄ　Ｄｉｆｆｅｒｅｎｃｅｓ"，　ＫＤＤ　１９９９：　ｐｐ．４３－５２ Ｇｕｏｚｈｕ　Ｄｏｎｇ，　Ｘｉｕｚｈｅｎ　Ｚｈａｎｇ　ａｎｄ　Ｌｉｍｓｏｏｎ　Ｗｏｎｇ，　"ＣＡＥＰ：　Ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｂｙ　Ａｇｇｒｅｇａｔｉｎｇ　Ｅｍｅｒｇｉｎｇ　Ｐａｔｔｅｒｎｓ，"　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２ｎｄ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｄｉｓｃｏｖｅｒｙ　Ｓｃｉｅｎｃｅ，　３０－４２，　１９９９
　しかしながら、従来技術では、自動的に判定された健全度に対する点検技術者による確認を容易にすることについては考慮されていなかった。点検技術者による健全度の判定結果と自動的に判定された健全度の判定結果と一致を確認するなど、点検技術者が、健全度の自動判定結果を確認する作業を行うことが考えられる。この時、従来方法では、情報処理装置がどの変状に基づいて健全度を判定したのかなどの根拠を点検技術者などのユーザーが把握することはできなかった。したがって、従来技術では、点検技術者等のユーザーは、自動的に判定された健全度の判定結果の根拠が把握できず、その自動判定結果が正しいか否かを確認することが容易ではなかった。
　本発明は、上記課題に鑑みてなされたものであり、健全度の判定に関係した変状の情報を提供することを目的とする。
　上記課題を解決するため、本発明の情報処理装置は、
　構造物の変状に基づいて、前記構造物の健全性を示す健全度を判定する判定手段と、
　前記判定手段による判定の根拠となった前記構造物の変状に関する情報を出力する出力手段と、
　を有することを特徴とする。
　本発明によれば、健全度の判定に関係した変状の情報を提供することができる。
本実施形態に係る情報処理装置のハードウェア構成を示す図である。 情報処理装置の機能構成を示すブロック図である。 本実施形態の処理フローチャートである。 本実施形態に係る情報処理装置が取り扱うデータを説明する図である。 健全度判定方法の学習を説明する図である。 健全度判定方法の学習を説明する図である。 健全度判定方法を説明する図である。 健全度判定部が出力する判定根拠を説明する図である。 実施形態１に係る表示情報の一例を説明する図である。 実施形態１に係る表示情報の他の例を説明する図である。 実施形態１の関連付け基準変更の一例について説明する図である。 実施形態１の関連付け基準変更の他の例について説明する図である。 実施形態１の関連付け基準変更の他の例について説明する図である。 実施形態１の関連付け基準変更の他の例について説明する図である。 実施形態２の判定ルールを説明する図である。 実施形態３の健全度判定方法の学習を説明する図である。 実施形態４の関連付け基準変更について説明する図である。 実施形態５の関連付け基準変更について説明する図である。 実施形態６の情報処理装置の構成を説明する図である。 実施形態６の情報処理装置の構成を説明する図である。
　＜実施形態１＞
　以下、図面を用いて、本発明に係る実施形態を説明する。本実施形態では、構造物の健全度を判定する情報処理装置１００による情報処理方法に係る処理動作について説明する。
　まず、本実施形態の情報処理装置１００で健全度判定において利用するデータについて、図４を用いて説明する。図４は、点検対象のトンネルの展開図の一部を示したデータである。図４では、点検対象としてトンネルの例を示しているが、本実施形態の点検対象は、トンネルに限らず、橋梁や、ダム、建物など、他の構造物でもよい。
　図４は、本実施形態に係るトンネル展開図の情報処理装置１００による表示例である。トンネル展開図は、トンネルを展開した図面に、トンネル壁面を撮影した壁面画像を重畳したデータである。即ち、本実施形態において、トンネル展開図とは、構造物であるトンネルの内壁部分（曲面）の図面または／および撮影画像の少なくとも一部を切り出して２次元座標上に配置したものである。また、本実施形態のトンネル展開図は、トンネル壁面の設計図面と、トンネル内壁面の撮影画像とを重畳した重畳画像を、縦軸をトンネルの円周方向、横軸をトンネルの延長方向とした平面に展開したデータである。トンネル展開図を作成する方法の一例を簡単に説明する。まず、車両に複数の撮影装置を設置し、車両を移動させながら、トンネル壁面を網羅的に撮影する。このように撮影された画像群を２次元座標上に配置し、特徴量のマッチングに基づき連結させた壁面画像を作成する。そして、この壁面画像と、展開されたトンネル壁面の設計図とを位置合わせして重畳し、トンネル展開図とする。この際の位置合わせは、ユーザーからの入力に基づいて行われてもよいし、画像処理によるマッチング処理を利用して行われてもよい。なお、情報処理装置１００で健全度判定において利用するデータとして、構造物の図面と、構造物を撮影した撮影画像とを重畳したトンネル展開図のデータを用いるとしたが、これに限らず、図面または撮影画像の一方のみを示すデータを用いてもよい。
　なお、健全度を判定する構造物の対象面が曲面であるトンネルを例とし、健全度判定において利用するデータとして、その展開図を利用することを説明した。しかし、３次元空間において平面である対象面である場合、展開図を用いなくてもよい。この場合、健全度を判定する構造物の対象面（平面）の図面または／およびその対象面を撮影した画像を健全度判定において利用するデータとして用いてよい。また、構造物の対象面（平面）と撮影装置の撮像面とが並行になるように撮影できなかった場合、あおり補正した撮影画像を健全度判定において利用するデータとして用いてもよい。
　さらに、図４に示すトンネル展開図には、トンネルの変状を示す変状情報が関連付けて記録されている。例えば、図４には、ひび割れ４０１、４０２、４０３や、漏水４１１、エフロレッセンス４１２、４１３など、トンネル展開図に関連付けて記録された変状情報に基づいて描画されたオブジェクトも併せて表示された様子を示している。つまり、図４において、トンネルの展開図には、変状情報に基づき、当該変状を識別するためのオブジェクトであるひび割れ４０１、４０２、４０３や、漏水４１１、エフロレッセンス４１２、４１３がさらに重畳されて表示される。
　なお、ひび割れ４０２は、太い線として描画されたオブジェクトがトンネル展開図上でひび割れが検出された位置に重畳される。なお、変状を識別するためのオブジェクトは、検出された変状の属性に応じて描画される。例えば、ひび割れを示すオブジェクトは、そのひび割れの幅に応じて異なる色や線幅により描画されてもよい。図４において、ひび割れ４０２は、ひび割れ４０１よりも太い線で描画されており、これは、ひび割れ４０１よりもひび割れ４０２のひび割れ幅が太いことを示している。本実施形態では、各ひび割れを示す変状情報において、０．２ｍｍ幅、０．５ｍｍ幅などのひび割れ幅を示す情報が記録されているものとする。ひび割れ幅は、１本のひび割れについて、最大のひび割れ幅の値が記録されている。変状情報として格納されるひび割れ幅は、最大値に限らず、平均値や最小値や複数の値であってもよい。なお、変状の種類は、これらの例に限らず、鉄筋露出、ジャンカ、錆汁などを含んでもよい。
　これらの変状情報は、点検対象構造物の現地でユーザーが観測した変状を、情報処理装置１００は、ユーザーからの入力に基づいて作成する。または、図４のように図面に重畳した構造物の壁面画像を、ユーザーが目視で確認して、各変状の位置や範囲を入力するようにしてもよい。さらにまた、情報処理装置１００が画像を元に、自動的に変状を検知した結果を変状情報としてもよい。変状の自動的な検知は、例えば、予め既存の変状画像を用いて機械学習した検知モデルに、検知対象を適用することで、変状を検知することができる。
　本実施形態では、情報処理装置１００は、ひび割れを示す変状情報の位置や範囲を線状のベクタデータとして格納する。また、漏水などの領域で表される変状情報については、その領域をポリゴンデータとして格納する。以下、これらのベクタデータ、ポリゴンデータを合わせてベクタデータと呼ぶ。このベクタデータは、図面を基準とした座標系で、各点の座標が表されたデータであるとする。
　図４の表４２０には、変状情報の例を示している。例えば、ＩＤがＣ４０１のひび割れを示す変状情報は、位置の項目に図面座標系におけるベクタデータを含んでおり、さらに、幅の項目には、ひび割れ幅の情報を含んでいる。また、サイズの項目には、ひび割れ長さの情報が含まれている。なお、サイズの項目は、ひび割れ以外の領域の変状については、変状の面積を示している。
　また、変状情報には、複数の変状の組み合わせで構成される変状を示す情報を含めてもよい。例えば、図４の点線の枠４２２は、複数のひび割れで構成される閉合ひび割れを示す変状情報に基づいて描画されたオブジェクトである。変状情報の表４２０のＨ４２２は、この閉合ひび割れを示しており、位置の項目には、点線の枠４２２を示す座標情報が示されている。複数のひび割れで構成される変状情報は、閉合ひび割れ以外にも、亀甲状ひび割れや、格子状ひび割れなどがある。
　さらに、構造物の構造部材などの所定部分の損傷度の情報も変状情報に含めるようにしてもよい。損傷度とは、対象の損傷状況の度合いを示す指標である。例えば、図４の４３１は、壁面画像におけるトンネルのロックボルトを示しており、このロックボルトの損傷度を評価した結果も変状情報に含まれてもよい。表４２０のＬ４３１は、ロックボルトの損傷を示す変状情報で、位置の項目には、ロックボルト４３１を示す範囲４３２の座標が記録されている。なお、図４における範囲４３２は、ロックボルトの損傷を示す変状情報に基づいて描画されたオブジェクトである。表４２０のＬ４３１の損傷度の項目には、ロックボルト４３１の損傷度がＣと記録されている。損傷度は、例えば、ＡからＣの３段階で表され、Ａが最も損傷が激しいとする。
　損傷度の評価は、人間が現地の対象を確認して損傷度を判定しもよいし、人間が対象の画像を目視で確認して判定してもよい。また、情報処理装置１００が対象の画像から損傷度を自動的に判定してもよい。この場合、画像から損傷度を自動的に判定するための判定モデルを機械学習により生成し、この判定モデルを利用して情報処理装置１００が判定対象の損傷度を判定するようにしてもよい。損傷度の判定モデルは、予め、既存のデータを用いて、損傷度判定対象の画像と、教師ラベルの組のデータを大量に準備し、これを学習データとして学習することで構築することができる。損傷度判定対象画像は、例えば、図４のロックボルトを示す範囲４３２が示すサイズで、壁面画像からロックボルトを切り出した画像である。このような画像に対して、人間が損傷度を判定した結果を教師ラベルとする。学習は、Ｄｅｅｐ　Ｌｅａｒｎｉｎｇなどの任意の機械学習アルゴリズムで実施することができる。
　以上のように、変状情報には、ひび割れ幅や、変状サイズ、損傷度の情報が含まれる。以下では、これらの位置情報以外の情報をまとめて、属性情報と呼ぶ。
　本実施形態の変状情報は、以上で説明したように図４の表４２０のような情報となる。後述するように、この変状情報は、情報格納部２０６に格納されているものとする。
　次に、本実施形態で判定する健全度について説明する。健全度は、これまでで説明した変状情報を用いて構造物の健全度合いを判定するものである。なお、健全度は、後述するように、構造物の諸元情報も用いて判定するようにしてもよい。また、本実施形態の健全度は、構造物の所定範囲ごとに判定するものとする。例えば、図４のトンネルの例では、トンネルの施工スパン（以下、スパンとする）ごとに、健全度を判定する。具体的には、スパンＡ、スパンＢ、スパンＣのそれぞれについて、健全度を判定する。以下では、このような健全度の判定対象領域を評価領域と呼ぶ。なお、評価領域は、施工スパンに限られず、例えば、１０ｍごと等の所定単位領域を評価領域としてよい。また、健全度は、１～５の５段階で判定されるものとする。健全度は、５が最も健全で、１が最も構造物の損傷が激しい状態であるとする。なお、健全度は、５段階に限られない。
　以下では、図４の変状情報を用いた健全度判定を行う場合を例に、本実施形態に係る情報処理装置１００の構成と処理について説明する。
　図１及び図２を用いて、本実施形態における情報処理装置１００の構成を説明する。
　（ハードウェア構成）
　図１は、本実施形態に係る情報処理装置１００のハードウェア構成図である。図１に示すように、情報処理装置１００は、ＣＰＵ１０１と、ＲＯＭ１０２と、ＲＡＭ１０３と、ＨＤＤ１０４と、表示部１０５と、操作部１０６と、通信部１０７とを有している。ＣＰＵ１０１は、中央演算装置（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）であり、各種処理のための演算や論理判断等を行い、システムバス１０８に接続された各構成要素を制御する。ＲＯＭ（Ｒｅａｄ－Ｏｎｌｙ　Ｍｅｍｏｒｙ）１０２は、プログラムメモリであって、後述する各種処理手順を含むＣＰＵ１０１による制御のためのプログラムを格納する。ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）１０３は、ＣＰＵ１０１の主メモリ、ワークエリア等の一時記憶領域として用いられる。尚、情報処理装置１００に接続された外部記憶装置等からＲＡＭ１０３にプログラムをロードすることで、プログラムメモリを実現しても構わない。
　ＨＤＤ１０４は、本実施形態に係る電子データやプログラムを記憶しておくためのハードディスクである。同様の役割を果たすものとして外部記憶装置を用いてもよい。ここで、外部記憶装置は、例えば、メディア（記録媒体）と、当該メディアへのアクセスを実現するための外部記憶ドライブとで実現することができる。このようなメディアとしては、例えば、フレキシブルディスク（ＦＤ）、ＣＤ－ＲＯＭ、ＤＶＤ、ＵＳＢメモリ、ＭＯ、フラッシュメモリ等が知られている。また、外部記憶装置は、ネットワークで接続されたサーバ装置等であってもよい。
　表示部１０５は、例えばＣＲＴディスプレイや、液晶ディスプレイ等であって、表示画面に画像を出力するデバイスである。表示部１０５は、ＣＰＵ１０１による表示制御に従って、映像を出力する。なお、表示部１０５は、情報処理装置１００と有線あるいは無線で接続された外部デバイスでも構わない。操作部１０６は、キーボードやマウスなどを含み、ユーザーによる各種操作を受け付ける。通信部１０７は、公知の通信技術により、他の情報処理装置や通信機器、外部記憶装置等との間で、有線又は無線による双方向の通信を行う。
　なお、情報処理装置１００は、単一の装置として説明を行うがこれに限られず、複数の装置であってもよい。また、情報処理装置１００は、複数の装置により仮想化された論理的な装置であってもよい。
　（機能構成）
　図２は、本実施形態に係る情報処理装置１００の機能構成を示すブロック図の一例である。情報処理装置１００は、評価領域管理部２０１、健全度判定部２０２、変状情報分析部２０３、表示情報処理部２０４、設定部２０５、変状情報格納部２０６、諸元情報格納部２０７、学習部２０８を有している。これらの各機能部は、ＣＰＵ１０１が、ＲＯＭ１０２に格納されたプログラムをＲＡＭ１０３に展開し、後述する各フローチャートに従った処理を実行することで実現されている。そして、各処理の実行結果をＲＡＭ１０３またはＨＤＤ１０４に保持する。また、例えば、ＣＰＵ１０１を用いたソフトウェア処理の代替としてハードウェアを構成する場合には、ここで説明する各機能部の処理に対応させた演算部や回路を構成すればよい。各機能部は、例えば、ＡＳＩＣやＦＰＧＡで構成してもよい。
　次に、図２の各機能部の概要について説明する。変状情報格納部２０６には、図４で説明した変状情報が保存されている。諸元情報格納部２０７には、点検対象構造物の諸元情報が保存されている。諸元情報は、構造物に関する各種情報で、例えば、供用開始からの年数（供用年数）、工法、コンクリート種類、沿岸・寒冷地などの地理的条件、交通量などの使用環境条件、などの情報を含む。評価領域管理部２０１は、所定の関連付け基準（関連付け規則）に基づいて、健全度の評価領域に変状情報を関連付ける。健全度判定部２０２は、評価領域管理部２０１で関連付けられた変状情報、及び、諸元情報を用いて、評価領域の健全度を判定する。また、健全度判定部２０２は、健全度判定の判定根拠を出力する。変状情報分析部２０３は、健全度判定の判定根拠に含まれる変状を分析する。表示情報処理部２０４は、変状情報分析部２０３の分析結果に基づいて、健全度判定に関係した変状の情報を表示部１０５に表示する。設定部２０５は、操作部１０６を介して、ユーザーの入力を受け付け、評価領域への変状の関連付け基準を制御する。また、学習部２０８は、健全度判定部２０２の健全度判定方法を学習する。なお、これらの各機能部は全て情報処理装置１００に含まれている必要はなく、少なくともその一部の機能が情報処理装置１００と接続可能な外部装置で実施されてもよい。また、各機能構成は、複数の装置により分散処理されることで実現されてもよい。
　（処理）
　続いて、本実施形態に係る処理ついて説明する。以下、図３に示すフローチャートを用いて、本実施形態の処理について説明する。なお、図３に示すフローチャートは、情報処理装置１００が健全度判定を指示された場合に開始される。
　（評価領域管理部に係る処理）
　図３において、まず、ステップＳ３０１からＳ３０３は、評価領域管理部２０１が実行する処理である。ステップＳ３０１は、関連付け基準を設定するステップである。関連付け基準は、評価領域に対して、健全度判定を判定するために利用する変状情報を設定する方法を示した情報である。関連付け基準は、具体的には、評価領域の領域境界に存在する変状を、健全度判定に利用するか否か、などの判断基準である。関連付け基準は、設定部２０５により、変更することができるが、この詳細についての説明は後述する。ここでは、ステップＳ３０１で、初期設定の関連付け基準を、以降の関連付け処理を行うための関連付け基準とする。本実施形態での関連付け基準の初期設定は、「評価対象の評価領域範囲内の変状情報を、健全度判定に用いる」設定とする。
　本実施形態では、点検対象構造物の各評価領域について、順次、健全度判定を実施する。ステップＳ３０２は、現在の健全度判定対象とする評価領域を選択するステップである。以下では、ステップＳ３０２で、図４のスパンＡが健全度判定の評価領域として選択されたとして、説明を行う。
　次のステップＳ３０３では、評価領域管理部２０１が、関連付け基準に従って、評価領域に対して変状情報を関連付ける。即ち、ステップＳ３０３において、情報処理装置１００は、評価領域の健全度を判定するに際して用いる変状情報を関連付け基準に従って選択する。この処理について、図４を用いて説明する。
　前述したように、初期設定である、「評価対象の評価領域範囲内の変状情報を、健全度判定に用いる」との関連付け基準がステップＳ３０１で設定されたとして説明を行う。評価領域管理部２０１は、設定された関連付け基準に従い、スパンＡの座標範囲に含まれる変状情報を、変状情報格納部２０６から選択する。例えば、図４のスパンＡの範囲には、ひび割れ４０１、４０２や、漏水４１１、エフロレッセンス４１２などの変状が含まれている。ステップＳ３０３では、これらの変状の変状情報をスパンＡの健全度判定に用いる変状情報とする。
　ここで、図４のひび割れ４０３は、スパンＡからスパンＣにまたがるひび割れである。このひび割れ４０３については、現在の関連付け基準に従って、ひび割れ４０３の内、スパンＡに含まれる範囲４２１を、スパンＡの健全度判定に用いる変状情報とする。従って、評価領域管理部２０１は、ひび割れ４０３を示す変状情報をスパンＡの境界までのひび割れを示す変状情報に変更する。
　具体的には、評価領域管理部２０１は、ひび割れ４０３の変状情報を変状情報格納部２０６から取得し、ベクタデータをスパンＡに含まれる範囲４２１のみの範囲に変更する。また、さらに、属性情報のサイズ（ひび割れ長さ）も、範囲４２１の範囲の長さに変更する。このようにして評価領域への関連付け基準に従って変更した変状情報を、スパンＡの健全度を判定するための変状情報に加える。なお、評価領域管理部２０１は、ひび割れ４０３を示す変状情報を、スパンＡ、スパンＢおよびスパンＣにそれぞれ存在する３つのひび割れを示す変状情報に変換してもよい。
　以上の評価領域管理部２０１の処理により、スパンＡの健全度を判定するための変状情報が設定される。
　（学習部に係る処理）
　図３の次のステップＳ３０４では、情報処理装置１００は、評価領域管理部２０１で評価領域に関連付けられた変状情報、及び、諸元情報格納部２０７に保存された諸元情報を用いて、評価領域の健全度を判定する。
　まず、健全度の判定方法について説明する。本実施形態では、機械学習された学習済モデルを用いて、健全度の判定を実施する。この学習は学習部２０８で、予め実施しておく。
　ここで、健全度判定の根拠をユーザーに示すため、また、健全度判定に関係した変状の情報を示すために、健全度の判定方法は、人間が理解可能な判定基準で構成されることが好ましく、例えば、判定基準は２値判定が好適である。機械学習のアルゴリズムの内、２値判定の集合である決定木（Ｄｅｃｉｓｉｏｎ　Ｔｒｅｅ）は、本実施形態に好適なアルゴリズムである。以下では、決定木を健全度判定方法に用いる実施形態について説明する。なお、健全度の判定方法は、決定木に限られるものではなく、その他の機械学習のアルゴリズムを用いた学習済モデルを用いて健全度判定を行ってもよい。
　健全度判定の判定モデルを学習する方法について、まず、学習データについて説明する。健全度判定の学習データは、既存の点検データなどの変状情報と健全度が既知のデータから作成する。ある一つの学習データＤｉは、以下のように表される。
Figure JPOXMLDOC01-appb-M000001
　Ｄｉは、ある構造物のある一つの評価領域に関するデータである。Ｘｉは、ある評価領域に関連付けられた変状情報と、ある構造物の諸元情報である。ｙｉはＸｉの情報を用いて、人間が判定した健全度データで、本実施形態では１～５の健全度を示す。学習データにおいて、この健全度ｙｉは教師クラスラベルを示すことになる。このような学習データＤｉを大量に収集して学習データセットＤ＝｛Ｄｉ｝を作成する。
　次に、健全度判定のための決定木の学習方法について、図５Ａを用いて説明する。決定木は、分岐ノード５０１、５０２と、末端ノード（リーフノード）５０３から構成される。分岐ノード５０１、５０２では、所定の判定基準に基づいて分岐方向を判定する。図５Ａでは、判定がＴｒｕｅであれば、右側のノードに進み、判定がＦａｌｓｅであれば、左側のノードに進むとする。
　次に、分岐ノードの判定基準について説明する。判定基準は、変状情報と諸元情報を用いて、２値判定を行うものである。単純には、変状情報を用いて、「評価領域にひび割れが存在する？」「評価領域に漏水が存在する？」「閉合ひび割れが存在する？」などのように、変状の有無が判定基準になり得る。また、変状種類と属性情報を組み合わせた基準を判定基準としてもよい。例えば、属性情報のひび割れ幅を用いた判定基準では、「ひび割れ幅０．５ｍｍ以上のひび割れが存在する？」「ひび割れ幅１．０ｍｍ以上のひび割れが存在する？」などの判定基準を作成することができる。すなわち、変状の有無、変状のサイズまたは幅が健全度の判定基準になり得る。このとき、属性情報に対して、幅０．５ｍｍや幅１．０ｍｍのような閾値を設定することで、複数の異なる判定基準を作成することができる。また、属性情報の変状サイズを用いた判定基準では、「５ｍ以上の長さのひび割れが存在する？」「漏水１ｍ２以上が存在する？」などの判定基準を作成することができる。すなわち、変状の長さや面積が健全度の判定基準になり得る。さらに、属性情報の損傷度を用いた判定基準は、「ボルト損傷度Ａが存在する？」「ボルト損傷度Ｂが存在する？」のような判定基準を作成することができる。すなわち、損傷度が健全度の判定基準になり得る。また、変状の数を健全度の判定基準としてもよい。なお、本実施形態では、判定基準を満たす変状がない場合と比べて、判定基準を満たす変状がある場合の方が、構造物がより不健全と判定されるように判定基準を設けている。
　このように変状情報を用いた判定基準では、変状種類の有無、変状種類、属性情報（変状のサイズ等）により判定基準を作成することができる。また、これらの組み合わせにより判定基準を作成することもできる。例えば、「ひび割れ幅０．５ｍｍ以上のひび割れが存在し、且つ、エフロレッセンスが存在する？」というような判定基準を作成してもよい。
　諸元情報を用いた判定基準も、変状情報を用いた判定基準と同様に作成することができる。例えば、「供用からの経過年数３０年以上？」「供用からの経過年数５０年以上？」「沿岸地域に存在する？」「寒冷地に存在する？」「ＰＣコンクリート？」などのように判定基準を作成することができる。また、変状情報と諸元情報を組み合わせた判定基準を作成してもよい。例えば、「供用からの経過年数３０年以上、且つ、ひび割れ幅０．５ｍｍ以上が存在？」のような判定基準を作成することができる。
　以上のように判定基準は、様々なパターンを作成することができる。決定木の学習では、このような様々な判定基準から、学習データの分離に有効な判定基準を選択して、各分岐ノードに設定していく。以下では、決定木の学習方法の一例として、予め人間が準備した判定基準候補から、各分岐ノードの判定基準を設定する学習方法について説明する。
　図５Ａの表５００には、予め人間が準備したＣ１～Ｃｎのｎ個の判定基準候補を示している。まず、最初の分岐ノード５０１の判定基準を学習する処理について説明する。分岐ノード５０１の学習の第一ステップでは、学習データセットＤに対して、Ｃ１～Ｃｎのｎ個の判定基準候補で２値判定して、データの分類を行う。第二のステップでは、ｎ個の判定基準候補によるデータ分類結果の内、最も好ましく学習データを分類した判定基準候補を選択し、ノード５０１の判定基準とする。ここで、「最も好ましく学習データを分類」とは、分割後の学習データセットの健全度が最も分類できる状態である。この具体的な例を、図５Ｂを用いて説明する。
　図５Ｂの、Ｂ１は、分岐ノード５０１に判定基準候補Ｃ１「ひび割れ幅０．５ｍｍ以上のひび割れが存在する？」を設定した状態で、Ｂ２は、分岐ノード５０１に判定基準候補Ｃ４「漏水１ｍ２以上が存在する？」を設定した状態である。ヒストグラム５１０は、学習データセットＤに含まれる健全度のヒストグラムである。この例では、健全度１～５の学習データがそれぞれ同じ数だけ準備されているものとする。Ｂ１では、判定基準候補Ｃ１により、Ｆａｌｓｅと判定された学習データは左側のノードに分類され、Ｔｒｕｅと判定された学習データは右側のノードに分類されている。さらに、各ノードに分類されたデータセットの健全度のヒストグラム５１１、５１２を示している。Ｂ２も同様に、判定基準候補Ｃ４により学習データセットが分類された状態を示しており、各ノードの健全度のヒストグラム５１３、５１４が示されている。ここで、Ｂ２の各ノードのヒストグラム５１３、５１４は、健全度が十分に分類されていない。
　一方、Ｂ１のヒストグラム５１１、５１２では、健全度が精度良く分類されている。具体的には、ヒストグラム５１１は、左側のノードに分類された学習データには、健全度４、５のみのデータが含まれており、右側のノードの分類された学習データには、健全度、１、２、３のデータのみが含まれている状態を示している。このような場合、Ｃ４よりもＣ１の判定基準候補の方が、学習データを好ましく分るできる判定基準となる。このような比較を、各判定基準候補を用いた学習データ分類結果に対して行うことで、最もよい分類を行う判定基準をノードの判定基準として設定する。
　なお、この比較の基準としては、情報利得を用いる。情報利得ＩＧは、以下の式で表される。
Figure JPOXMLDOC01-appb-M000002
　ここで、Ｄはデータセット、添え字ｐは親ノード、添え字ｌｅｆｔ、ｒｉｇｈｔは、それぞれ左右の子ノードを示し、ＩＧはジニ不純度、Ｎはデータセットのデータ数を示す。情報利得ＩＧは、大きな値であるほど、データを良く分類できていることを示すため、各判定基準候補による分類結果に対して、情報利得ＩＧを算出し、最も情報利得ＩＧが高くなる判定基準候補を選択して、ノードの判定基準とする。
　また、情報利得ＩＧは、各ノードの判定性能を示しているので、後述する判定基準の重要度の算出に用いることができる。従って、決定木の学習中に算出した各ノードの情報利得ＩＧは、判定基準と共に、各ノードの情報として記録しておく。
　以上のようにして、ノード５０１に設定する判定基準を決定することができる。次のノードの学習では、上位の親ノードで分類された学習データセットに対して、上記と同様に、最もデータを分類することができる判定基準を選択する。これを繰り返すことで決定木の学習を進めることができる。
　決定木の学習の終了方法として、ノードに含まれる健全度が１種類のみになるまで、分類を繰り返す方法がある。しかし、このようにして学習した決定木は、一般に過学習の傾向があるため、好ましくは、予め設定した深さ（段数）までノードの学習を実行する。図５Ａの例では、深さ３で学習を終了する状況を示している。この結果、例えば、図５Ａのノード５０３のように、末端ノード（リーフノード）が作成される。図５Ａには、末端ノード５０３に含まれる学習データセットの健全度ヒストグラム５０５を示している。ヒストグラム５０５は、複数の健全度が含まれているため、ここでは、最も多く含まれる健全度を選択し、末端ノードが示す健全度とする。図５Ａでは、末端ノード５０３が示す健全度は健全度５となる。
　（健全度判定部に係る処理）
　図３のステップＳ３０４では、以上のようにして学習した健全度判定モデルを用いて、判定対象データに対して健全度を判定する。図６は、健全度判定の処理を説明する図である。まず、入力として、評価領域の変状情報と諸元情報を入力する。そして、各ノードの判定基準を用いて、子ノードへの分岐を行う。この結果、図６では、末端ノード６０１へ到達したとする。また、末端ノード６０１が示す健全度が健全度３であったとする。この結果、入力データの健全度は健全度３と判定される。
　なお、上述した説明では、決定木の学習方法として、判定基準候補を予め準備して、判定基準候補から各分岐ノードの判定基準を設定する方法について説明した。ノードの判定基準の学習方法は、これに限らず他の方法でもよい。例えば、各ノードの学習時に、複数の判定基準候補をランダムに生成して、これらの判定基準候補の中から最も分類性能がよい判定基準を選択するようにしてもよい。判定基準候補をランダムに作成する方法の具体例としては、まず、変状種類や諸元情報の種類をランダムに選択する。また、属性情報の閾値もランダムに選択し、変状種類や諸元情報の種類と属性情報閾値の組み合わせにより、判定基準候補を作成する。このようなランダム選択による判定基準候補作成を、複数回繰り返すことで、複数の判定基準候補を作成する。また、これらの判定基準候補を組み合わせて、図５のＣ７、Ｃ８のような、複数の変状情報や諸元情報の組み合わせからなる判定基準候補を作成するようにしてもよい。
　さらに、健全度判定部２０２は、健全度判定方法の判定基準から、健全度判定に関係した判定基準を抽出し、判定根拠として出力する。この処理は、図３のステップＳ３０５に相当する。本実施形態では、決定木のノードで、判定がＴｒｕｅとなったノードの判定基準を判定根拠とする。例えば、図６では、ノード５０２で判定がＴｒｕｅとなっている。このとき、ノード５０２の判定基準が「ひび割れ総延長１０ｍ以上？」であったとする。この場合、この「ひび割れ総延長１０ｍ以上？」が判定根拠となる。図６の単純な例では、判定根拠は１つであるが、決定木の複数のノードでＴｒｕｅと判定された場合には、健全度判定部２０２は、複数の判定根拠を出力する。なお、決定木のノードでＴｒｕｅとした判定基準を判定の根拠とする例を示したがこれに限られない。例えば、決定木のノードでＦａｌｓｅとした判定基準を判定根拠としてもよい。
　（変状情報分析部に係る処理）
　次に、図３のステップＳ３０６の処理について説明する。ステップＳ３０６は、変状情報分析部２０３が実行する処理で、変状情報分析部２０３は、健全度判定部２０２が出力した判定根拠に基づいて、健全度判定に関係した変状を分析する。変状の分析の具体的な処理の１つは、判定根拠に含まれる変状種類を特定することである。図６の例では、健全度判定部２０２から、判定根拠として「ひび割れ総延長１０ｍ以上？」が出力されている。この場合、変状情報分析部２０３は、対象の評価領域の健全度判定の根拠とした変状を特定する。
　図７には、図４のトンネルスパンＡの健全度判定の判定根拠として、健全度判定部２０２が出力した情報を示す。この例を用いて、健全度判定に関係した変状を特定する実施形態を更に説明し、また、重要度の算出についても説明する。
　図７では、スパンＡが健全度３と判定された時に、３つの判定基準が判定根拠として抽出された結果を示している。図７では、スパンＡの変状情報と判定根拠を決定木に入力したときに、決定木のノードＮ５０２、Ｎ５１１、Ｎ５３３において、入力データがＴｒｕｅと判定されたケースを示している。すなわち、スパンＡは、ノードＮ５０２、Ｎ５１１、Ｎ５３３の判定基準に基づいて、健全度３と判定されている。健全度判定部２０２は、これらの判定基準を判定根拠とする。図７は、このようにして得られた判定根拠と、判定根拠に関係する情報を示している。変状情報分析部２０３は、判定根拠に含まれる変状種類を健全度判定に関係した変状とする。図７の判定根拠からは、関連変状種類の項目にあるように、ひび割れと漏水が健全度判定に関係した変状として特定される。
　次に、健全度判定に関係した変状の重要度を算出する処理について説明する。図７の例では、前述したように、決定木の各ノードには、学習時の情報利得が記録されている。図７では、決定木のノードＮ５０２、Ｎ５１１、Ｎ５３３の情報利得が示されている。この情報利得を、健全度判定に関係した変状の変状種類ごとに集計することで、変状種類ごとの重要度を算出する。なお、重要度とは、対象となる変状の健全度判定結果への寄与の度合いを示す指標である。図７の例では、ひび割れに関係するノードはＮ５０２なのでひび割れの重要度は０．３２となる。また、漏水に関係するノードはＮ５１１とＮ５３３で、これらの情報利得の和により、漏水の重要度は０．２６となる。
　以上では、決定木のノードに記録された情報利得に基づいて、変状種類ごとの重要度を算出する実施形態を説明した。変状種類ごとの重要度の算出方法はこれに限らず、別の方法で算出してもよい。例えば、判定根拠の中で変状種類が出現する回数を重要度としてもよい。判定根拠の中で変状種類が出現する回数を重要度とする場合、図７の例では、ひび割れはノードＮ５０２の判定根拠でのみ出現するので、ひび割れの重要度は１となる。漏水は、ノードＮ５１１とＮ５３３で出現するので重要度は２となる。
　また、変状情報分析部２０３は、健全度判定に関係した個々の変状の位置情報を取得する。具体的には、評価領域の変状から、判定根拠とした変状を特定し、その位置を変状情報格納部２０６から取得する。例えば、図７では、ノードＮ５０２の判定根拠は「ひび割れ幅０．５ｍｍ以上のひび割れが存在する？」であるので、評価領域の変状から、ひび割れ幅０．５ｍｍ以上のひび割れを抽出する。そして、変状情報格納部２０６から、ひび割れ幅０．５ｍｍ以上のひび割れの位置情報（ベクタデータ）を取得する。また、ノードＮ５１１の判定根拠は「漏水が存在する？」であるため、評価領域の変状から、漏水を抽出し、変状情報格納部２０６から漏水の位置情報を取得する。なお、Ｎ５３３の判定根拠は「経過年数３０年以上、且つ、漏水１ｍ２以上が存在する？」であるため、既に漏水の位置情報を取得しているため、この判定根拠に対する位置情報取得の処理は割愛する。
　以上のように、ステップＳ３０６では、変状情報分析部２０３が、判定根拠に関連している変状を特定し、その位置情報の取得と、変状ごとの重要度算出を行う。また、変状情報分析部２０３は、判定根拠となった判定基準を満たす変状を特定する。以下では、変状情報分析部２０３で作成したこれらの情報を用いて、健全度判定に関係した変状を可視化する処理を行う。
　図３の次のステップＳ３０７では、点検対象構造物の全ての評価領域の健全度判定処理が完了していれば、ステップＳ３０８へ進む。全ての評価領域の健全度判定処理が完了していなければ、ステップＳ３０２へ戻り、別の評価領域を選択して、以上で説明したステップＳ３０３からＳ３０６の処理を実行する。
　（表示情報処理部に係る処理）
　図３のステップＳ３０８は、表示情報処理部２０４が実行する処理である。表示情報処理部２０４は、健全度判定結果と、健全度判定に関係した変状の情報とを示す表示情報を作成して出力し、当該表示情報を表示部１０５で表示させる。即ち、表示情報処理部２０４は、判定根拠となった判定基準を満たす変状に関する情報を生成し、出力する。図８は、表示情報処理部２０４で作成し、表示部１０５に表示する情報の例で、以下、この画像を用いて、表示情報処理部２０４の説明を行う。
　図８の表示ウィンドウ８００は、ＧＵＩのアプリケーションウィンドウを示している。また、表示ウィンドウ８００には、画像表示領域８０１と重要度表示領域８０２を備える。まず、画像表示領域８０１には、図４で説明した情報が表示されている。具体的には、構造物図面と、図面に重畳表示された構造物の画像、及び、変状情報が表示されている。変状情報は、位置情報のベクタデータに基づいて、ポリラインやポリゴンとして画像に重畳表示されている。また、健全度判定結果が評価領域ごとに表示されており、例えば８１１は、スパンＡの健全度判定結果を表示している。
　画像表示領域８０１では、変状情報分析部２０３で作成した情報に基づいて、健全度判定に関係した変状が強調表示されている。例えば、ひび割れ８２２、８２３は、ひび割れ幅０．５ｍｍ以上のひび割れで、これらは健全度判定に関係した変状であるので、強調表示されている。一方、ひび割れ８２１は、ひび割れ幅０．５ｍｍ未満のひび割れで、健全度判定の判定根拠として選択されなかった変状であるので、強調表示はされていない。図８では、強調表示の例として、ひび割れ８２２、８２３を、健全度判定の根拠として選択されなったひび割れ８２１に比べてポリラインの描画を太くして表示している。強調表示の方法は、これに限らず、他の表示方法でもよい。例えば、赤色など、顕著な色で変状を表示してもよいし、点滅表示などの表示を行ってもよい。強調表示の他の例として、健全度判定の根拠となった変状を丸で囲ったり、所定のオブジェクトでその変状を囲ったりする形態であってもよい。
　同様に、漏水８２４も健全度判定に関係した変状として、領域の輪郭線が太く表示されている。一方、エフロレッセンス８２５は、健全度判定の根拠として選択されなった変状であるため、輪郭線の強調表示は行われていない。なお、健全度判定に関係した変状を抽出して、別途設けた表示領域であって、判定根拠になったことを識別可能とする表示領域にさらに表示する構成としてもよい。
　また、健全度判定に関係した変状が、複数の変状の組み合わせや、構造物の構造部材などの所定部分の損傷度である場合は、その領域を強調表示してもよい。例えば、図８のスパンＢは、健全度２と判定されており、この判定根拠が閉合ひび割れであったとする。図８では、閉合ひび割れを囲む範囲８２６が太い線で強調表示されている。また、図８では、不図示であるが、例えば、ロックボルトの損傷度が、健全度判定に関係していた場合には、ロックボルトの部分を強調表示するようにしてもよい。
　さらに、画像表示領域８０１の健全度判定に関係した変状に、判定根拠の情報を表示してもよい。例えば、吹き出し８３０は、ひび割れ８２２が判定基準「ひび割れ幅０．５ｍｍ以上のひび割れが存在する？」を満たしていることにより、健全度判定に関係したことを示している。なお、吹き出し８３０の表示位置は、変状情報分析部２０３で取得した変状の位置情報に基づいて決定することができる。
　なお、スパンＣは健全度５であり、健全度５はでは、不健全な変状が含まれておらず、健全度判定に関係した変状は存在しない。従って、スパンＣの評価領域には、健全度判定に関係した変状の強調表示は行われていない。
　次に、重要度表示領域８０２の表示内容について説明する。本実施形態では、変状種類の重要度を評価領域ごとに表示する。図８の重要度表示領域８０２は、スパンＡの健全度判定に対する変状種類の重要度を表示している。ユーザーは、プルダウンメニュー８０４を操作するなどの方法により、重要度を閲覧する評価領域を切り替えることができる。重要度は、前述のように、変状情報分析部２０３で算出されており、図８では、これを重要度の棒グラフ８０３で示している。この表示により、スパンＡの健全度判定に関わった変状種類が、ひび割れと漏水であり、特に、ひび割れが強く判定に関係していることが示される。
　なお、重要度の情報は、画像表示領域８０１の変状の強調表示において、表示の強調の度合いの制御に用いてもよい。例えば、変状の重要度に応じて、表示の線の太さを太くするなど、重要な変状ほど強調して表示されるようにしてもよい。具体的には、図８の例では、ひび割れの方が漏水よりも重要度が高いため、ひび割れ８２２、８２３の線の太さを、漏水８２４の輪郭線よりも太くすることで、相対的に強調した表示とする。
　以上、図８のように、健全度判定結果と、健全度判定に関係した変状の情報を表示することにより、健全度の判定に関係した変状がユーザーにとって理解しやすくなる。これにより、ユーザーは、情報処理装置１００が自動判定した健全度の確認が容易になる。特に、単に判定根拠（判定基準）を示すだけではなく、健全度判定に関係した変状の位置や、重要度を示すことにより、判定結果と変状の関係を理解しやすくなる。
　次に、健全度判定に関係した変状の表示方法の別の例について図９を用いて説明する。図９では、変状情報分析部２０３が作成した情報に基づいて、健全度判定の根拠とした変状を、点検調書の形態で表示している。点検調書では、一般に、重要な変状部分の画像と、その情報を記録する。健全度判定に関係した変状は、点検上、重要な変状であり、これを自動的に点検調書の形態で整理することで、ユーザーの書類作成業務を簡易化することができる。
　図９の表示ウィンドウ９００には、スパンＡの健全度が３であり、この健全度判定に関係した変状の情報が表示されている。図９には、損傷番号１と２の２つの変状の画像と、変状に関する情報が表示されている。なお、図９では、ページ送り機能９０１があり、さらに複数の変状が、点検調書の形態で整理されている。ここで、損傷番号１、２のように、変状を順に並べる場合、重要度に基づいて表示順序を決定してもよい。例えば、健全度判定に対して重要な変状ほど、先に表示されるように、重要度の高い順に、変状を並べて配置した表示してもよい。
　画像９０２のような、健全度判定の根拠とした変状の領域画像は、変状情報分析部２０３で取得した変状の位置情報に基づいて、図面に重畳した画像から切り出して作成する。具体的には、図面座標系の変状の位置情報から、それを囲う範囲の矩形座標を決定する。画像は図面に重畳表示されているので、図面と共通、あるいは変換可能な座標系を有している。従って、この矩形座標が示す画像範囲を切り出すことで、画像９０２のような画像を作成することができる。具体的には、画像９０２は、図８のひび割れ８２３の座標に基づいて、ひび割れ８２３の周辺画像を切り出した画像である。同様に、画像９０３は、ひび割れ８２２の周辺画像を切り出した画像である。
　また、変状情報表示領域９０４には、変状の座標情報や、変状の種類の名称が表示されている。また、判定根拠を一般的な文に変換して、所見情報として表示してもよい。例えば、変状情報表示領域９０４には、判定根拠の情報から作成された所見情報として「幅０．５ｍｍ以上のひび割れが存在する」の文章が表示されている。さらにまた、変状情報表示領域９０４には、点検調書の作成機能として、コメント欄を備えてもよい。
　以上のように、図９では、点検調書の形態で、健全度判定に関係する変状を表示する実施形態について説明した。図９に示した例において、さらに、任意の文章ファイルの形式で、点検調書のデータを出力する機能を備えてもよい。
　以上、健全度の判定に関係する変状を表示する方法について説明した。ユーザーは、これらの結果を確認して、健全度判定の自動判定結果が、ユーザーの判断と異なる場合には、健全度判定結果を調整する。この結果の調整方法として、変状情報そのものを修正する方法がある。具体的には、例えば、ひび割れの記録が誤りと判断できる場合は、ひび割れ情報を消去したり、逆に、ひび割れを追記したりする。このように変状の記録を修正した上で、健全度を再判定することで、健全度の結果を調整することができる。
　また、別の健全度判定結果の調整方法として、評価領域への変状の関連付け基準を変更する方法がある。例えば、上記の実施形態では、評価領域範囲の変状のみを用いて健全度を判定する関連付け基準により、変状を評価領域に関連付けて健全度を判定した。ここで、評価領域に関連付け基準を変更し、例えば、「評価領域境界に存在する変状は、変状の全体を評価領域に関連付けて健全度を判定する」、すると、健全度の判定結果が変化することがある。
　例えば、図４のひび割れ４０３について、上記の実施形態では、スパンＡの範囲であるひび割れの部分４２１のみをスパンＡの健全度判定に用いる実施形態について説明した。一方、このひび割れ４０３の全体をスパンＡの健全度判定に利用すると、スパンＡの健全度判定に用いるひび割れの総延長が長くなることにより、上記の実施形態に健全度判定結果に比べ、健全度が悪化する判定がなされる可能性がある。このように、健全度判定の評価領域に対して、変状をどのように関連付けるかによって、健全度判定の結果が変化するため、評価領域への変状の関連付け方法は、健全度判定結果の調整方法の一つとなる。
　以下では、設定部２０５を介して、評価領域管理部２０１の関連付け基準を変更し、これにより健全度を調整する方法について、詳細に説明する。
　（設定部に係る処理）
　設定部２０５は、以下で説明する表示部１０５への情報表示、及び、操作部１０６からユーザー入力の受付を実施することで、関連付け基準の設定を行う。
　一般に、健全度は、構造物の部分ごとに判定される。例えば、橋梁であれば、床版や橋脚ごとに健全度を判定する。また、トンネルでは施工スパンごとに健全度を判定する。あるいは、構造部材の一部など、任意の領域を評価領域とする場合もある。このように、健全度の判定では、所定の評価領域ごとに健全度を判定する。特許第４２７９１５９号公報では、このようなトンネルのスパンごとの健全度を、情報処理装置によって自動的に判定している。
　所定の評価領域の健全度を判定する場合、評価領域に関連する変状を特定して、関連付けられた変状を元に、評価領域の健全度を判定する。しかし、例えば、評価領域の境界をまたがる変状については、評価領域に対して複数の関連付け方法が存在し、関連付け方法によって、健全度の判定結果が変化する恐れがある。例えば、ひび割れの長さに基づいて健全度を判定する場合に、評価領域に含まれるひび割れの長さが長いほど、健全度が低く（健全ではないと）判定されるとする。このとき、評価領域の境界をまたがる長いひび割れが存在する場合、評価領域内のひび割れの長さで健全度を判定するか、評価領域を超える範囲のひび割れ長さも含めて健全度を判定するかによって、健全度の判定結果が変化する可能性がある。
　従来技術では、健全度の自動判定に際して、このような、例えば、評価領域の境界をまたがる変状に対して、評価領域への関連付けを設定することについては考慮されていなかった。したがって、従来技術では、評価領域への関連付けの設定に応じて変化し得る健全度を比較検討したうえでの適切な健全度の判定を行うことはできなかった。
　設定部２０５に係る処理は、上記課題に鑑みてなされたものであり、構造物の健全度の判定に際して、評価領域に関連付ける変状を設定可能とし、より適切な健全度の判定結果を得るための技術を提供する。
　以下では、ここまでで説明した処理により、健全度を判定した後、評価領域への変状の関連付け基準を変更して、健全度判定の調整を行う実施形態を説明する。図１０には、関連付け基準を変更して健全度を調整する場合の表示部１０５を示している。図１０は、スパンＡの関連付け基準を変更する状態の表示ウィンドウ１０００を示しており、関連付け基準を変更する対象の評価領域は、例えば、プルダウンメニュー１００１により変更することができる。
　表示ウィンドウ１０００中の画像表示領域１００２には、図８の画像表示領域８０１と同様に、トンネル図面に重畳表示されたトンネル壁面の画像や、変状情報が表示されている。また、健全度表示領域１００４には、上記で説明した実施形態による健全度判定の処理結果が、「健全度３」として表示されている。また、画像表示領域１００２では、評価領域スパンＡへの変状の関連付けを示している。ここで、上記の実施形態では、初期設定の関連付け基準により変状情報を評価領域に関連付けていた。この初期設定の関連付け基準は、「評価領域内の変状を健全度判定に用いる」であった。従って、画像表示領域８０１では、ひび割れ１０２０や漏水１０２１などの、スパンＡの範囲内に存在する変状が、スパンＡに関連付けられているものとして強調表示されている。具体的に、図１０では、スパンＡの範囲内に存在する変状の線や輪郭が実線で、且つ、太く表示されている。一方、スパンＡに関連付けられていない変状（スパンＢやＣの変状）は、点線で表示されている。
　また、ひび割れ１０１０は、スパンＡからＣにまたがる変状であるが、この関連付け基準では、スパンＡの範囲内のひび割れ部分１０１１がスパンＡに関連付けられている。従って、ひび割れ１０１０の部分１０１１のみが強調表示されている。このように、図１０の画像表示領域１００２では、所定の評価領域に関連付けられた変状を強調表示している。このように本実施形態では、設定された関連付け基準に従って関連付けられた変状をユーザーに識別可能に表示させる。これにより、ユーザーは、ある評価領域の健全度を判定するために、どの変状が評価領域に関連付けられているかを理解しやすくなる。
　図１０の表示ウィンドウ１０００では、評価領域への変状の関連付けを、設定ボタン１００６を押下することで確認することができる。図１１Ａには、設定ボタン１００６を押下することにより表示される関連付け基準設定画面を示している。この画面では、ひび割れ、エフロレッセンスなどの変状種類ごとに、評価領域境界に存在する変状についての評価領域への関連付け方法が表示されている。この実施形態では、評価領域境界に存在する変状について、関連付け基準１から３の３種類の関連付け基準が準備されており、変状種類ごとにいずれかの関連付け基準を設定する。関連付け基準１（パターン１）は、「評価領域の境界を跨って存在する変状について、変状の全体を健全度の判定に用いる」である。関連付け基準２（パターン２）は、「評価領域の境界を跨って存在する変状について、評価領域の範囲の変状のみを健全度判定に用いる」である。なおパターン２は、上述の説明において初期設定として設定される関連付け基準である。関連付け基準３（パターン３）は、「評価領域の境界に跨って存在する変状について、評価領域の健全度判定に用いる変状から除外する」である。図１１Ａでは、各変状種類について、これらの評価領域境界の変状の関連付けパターンの設定状態を示している。図１１Ａは、初期設定の関連付け基準として、全ての変状種類の関連付け基準が関連付けパターン２として設定されている。
　次に、図１０の表示ウィンドウ１０００の下部に存在する画像表示領域１００３等について説明する。これらは、評価領域への変状の関連付け基準の設定を調整するための表示である。ユーザーは、この表示、及び、以下に説明する操作により、表示ウィンドウ１０００の上部の関連付け基準（以下、設定１とする）と異なる関連付け基準を設定して、健全度を再判定し、健全度判定結果を調整することができる。
　以下、関連付け基準の変更による健全度判定の調整手順について説明する。まず、ユーザーが、設定ボタン１００７を押下すると、図１１Ｂの関連付け基準設定画面が表示される。この画面は、図１１Ａと同様の画面である。ユーザーは、ラジオボタンをクリックすることにより、変状種類ごとに任意の関連付け基準を選択することができる。ここでは、図１１Ａの設定１から、ひび割れのみを関連付けパターン１に変更した例を示している。以下、この設定を設定２とする。図１０の画像表示領域１００３には、この設定２により、スパンＡに関連付けられた変状を示している。設定１の画像表示領域１００２と異なり、画像表示領域１００３では、評価領域（スパンＡ）の境界に存在するひび割れ１０１２の全体が、評価領域に関連付けられており、ひび割れ１０１２の全体が強調表示されている。
　図３のステップＳ３０１では、このように関連付け基準をユーザー指示に基づいて設定することができる。例えば、設定２の関連付け基準が設定されると、この関連付け基準をもとに、健全度を判定するため、ユーザーは判定ボタン１００８を押下する。これにより、図３のステップＳ３０２からＳ３０６の処理が実行され、スパンＡの健全度が判定される（ステップＳ３０２では、評価領域としてスパンＡが選択される）。この判定結果は、健全度表示部１００５に表示される。図１０では、関連付け基準を変更の前後の健全度判定結果が、健全度表示部１００４、１００５にそれぞれ表示されている。このように変更前後の健全度を同画面で表示することにより、ユーザーは結果を比較して採用する健全度判定結果を判断することができる。なお、上記では、ユーザーが判定ボタン１００８を押下することにより、健全度の判定処理が実行される実施形態について説明したが、健全度の判定処理の実行は、関連付け基準が設定されたタイミングで自動的に実行するようにしてもよい。設定部２０６に係る処理によれば、構造物の健全度の判定に際して、評価領域に関連付ける変状を設定することで、より適切な健全度の判定結果を得ることができる。
　以上説明した方法により、評価領域への変状の関連付け基準を変更して、健全度の判定結果を調整することができるようになる。なお、上述した説明では、スパンＡの関連付け基準のみを変更する例を説明したが、全ての評価領域の関連付け基準を一括で変更して、健全度の判定処理を再実行するようにしてもよい。
　なお、上述した実施形態の説明では、評価領域をトンネルのスパンとしたが、評価領域はこれに限らず、健全度を判定するための所定の範囲であれば、どのような範囲を評価領域としてもよい。
　図１２には、評価領域の別の例として、橋梁の床版の一部を評価領域とする場合について説明する。図１２は、図１０と同様に、関連付け基準を変更する表示ウィンドウ１２００を示している。画像表示領域１２０１、１２０２、１２０３には、橋梁の床版１２１０と橋脚１２１１の図面に重畳された壁面画像と、変状情報が表示されている。また、床版に示している枠１２２１、１２２２、１２２３は、健全度の評価領域を示している。ここでは、床版の健全度判定において、床版全体ではなく、床版の橋脚付近の領域が評価領域として設定されている例を示している。
　図１２において、画像表示領域１２０１、１２０２は、変状種類ごとに関連付け基準を変更したときの、評価領域への変状の関連付け状況を示している。具体的には、画像表示領域１２０１には、評価領域内の変状のみを関連付けている状態を示し、画像表示領域１２０２には、評価領域境界を跨って存在する変状については、変状の全体を評価領域に関連付けた状態を示している。これらは図１０と同様に、評価領域に関連付けられている変状範囲が理解できるように強調表示されている。
　また、評価領域への変状の関連付け基準の設定方法の変形として、評価領域の範囲を変更するようにしてもよい。画像評価領域１２０３の評価領域１２２３は、評価領域１２２１、１２２２に比べて広い範囲が評価領域として設定されている。設定部２０５は、このように、床版の橋脚付近の評価範囲をユーザー指示に基づいて任意に設定できるようにしてもよい。
　以下では、実施形態１の変形例について説明する。
　まず、実施形態１では、健全度判定方法を機械学習アルゴリズムで学習する実施形態について説明し、その例として、決定木を説明した。実施形態１で用いる機械学習アルゴリズムは決定木に限らず他の方法を用いてもよい。特に、決定木と同様に、２値判定の木構造で構成されるＲａｎｄｏｍｉｚｅｄ　Ｔｒｅｅを用いる実施形態は好適な変形例である。
　また、図８のように、複数の評価領域の健全度判定結果と、その判定に関連した変状を強調表示する場合に、健全度の値によって変状の表示方法を変更してもよい。例えば、まず、健全度１から５のそれぞれに所定の色を設定しておく。そして、各評価領域で強調表示する健全度判定に関係した変状の色を、その評価領域の健全度の色で表示するようにしてもよい。このようにすることにより、複数の評価領域の健全度判定結果と、それぞれの健全度判定に関係した変状を同時に確認しやすくなる。また、同様の目的のため、健全度によって、健全度判定に関連した変状の強調度合いを変化させてもよい。例えば、健全度４と判定された評価領域の健全度判定に関連した変状よりも、健全度１と判定された評価領域の健全度判定に関連した変状を強調して表示するようにする。このためには、健全度１の判定に関係した変状の線や領域輪郭の線をより太く表示したり、より顕著な色で表示したりすればよい。
　さらにまた、上記の実施形態では、評価領域ごとの健全度を判定する実施形態について説明したが、構造物全体の代表健全度を閲覧する場合もある。このような場合、構造物の各評価領域の健全度のうち、最も不健全な健全度（最も１に近い健全度）を構造物全体の代表健全度とする。従って、構造物全体の代表健全度を表示する状態では、代表健全度の健全度が判定された評価領域について、上記で説明したように、健全度判定結果に関係する変状の表示を実施すればよい。なお、構造物全体の健全度としては、複数の評価対象領域の健全度の平均値を採用する構成としてもよい。この場合、構造物の各評価領域の健全度のうち平均値と近い健全度が判定された評価領域について、健全度判定結果に関係する変状の表示を実施すればよい。
　＜実施形態２＞
　実施形態１では、健全度の判定方法に機械学習で学習した判定モデルを用いる実施形態について説明した。本実施形態の健全度の判定方法はこれに限らず、他の方法を用いてもよい。実施形態２では、健全度の判定方法に、予め設定したルールを判定基準として用いる方法について説明する。なお、実施形態２のハードウェア構成、機能構成は、実施形態１と同様であるので、説明を省略する。
　実施形態２では、予め各健全度を判定するルールを人間が設計し、設定しておく。情報処理装置１００（具体的には健全度判定部２０２）は、この判定ルールを用いることにより、自動的に健全度を判定する。また、判定ルールの１つ１つが、実施形態１の判定基準に相当することになる。以下では、実施形態２における健全度判定部２０２の健全度判定処理について説明する。
　図１３には、健全度２と健全度３の判定ルールの例と、ある評価領域に対する健全度判定結果の例を示している。まず、各々の判定ルールは、評価領域に関連付けられた変状情報と、構造物の諸元情報に基づいて、２値判定を行うものである。例えば、図１３の健全度２と判定するルールＲ２－１は「ひび割れ幅１．０ｍｍ以上のひび割れが存在する？」である。このルールに従うと、評価領域にひび割れ幅１．０ｍｍ以上のひび割れが存在すると、その評価領域の健全度は２となる。このように、評価領域の変状、及び、諸元情報が、健全度２の判定ルールのいずれかがＴｒｕｅとなると、健全度は２となる。また、判定ルールを用いた健全度判定方法では、判定ルールがＴｒｕｅとなった最も低い健全度が、健全度判定結果となる。例えば、図１３では、ある評価領域の変状情報と諸元情報に基づく判定結果を判定の項目１３０１に示している。この例では、健全度１の判定ルールについては、いずれもＦａｌｓｅとなっていたとする。
　図１３に示すように、健全度２の判定ルールについても、評価領域の変状情報、及び、諸元情報は全てＦａｌｓｅとなっている。一方、健全度３の判定ルールについては、２つの判定ルールがＴｒｕｅとなっている。これにより、健全度４、５の判定ルールの結果によらず、対象の評価領域の健全度は３と判定される。
　健全度判定部２０２は、以上のように健全度を判定するともに、実施形態１と同様に、健全度の判定根拠を出力する。実施形態２における判定根拠は、健全度判定においてＴｒｕｅとなった判定ルール（判定基準）である。図１３の例では、健全度３を判定した判定根拠は、判定ルールＲ３－１とＲ３－３となる。
　変状情報分析部２０３では、健全度判定部２０２が出力した判定根拠に基づいて、健全度判定に関係した変状情報を特定する。例えば、図１３の例の判定ルールＲ３－１に基づいて、評価領域のひび割れ幅０．５ｍｍ以上のひび割れが健全度判定に関係したとする。そして、評価領域のひび割れ幅０．５ｍｍ以上のひび割れの位置情報を、変状情報格納部２０６から取得する。同様に、判定ルールＲ３－３に基づいて、格子状ひび割れ（格子間隔５０ｃｍ）の位置情報を変状情報格納部２０６から取得する。表示情報処理部２０４では、これらの変状の位置情報を用いて、実施形態１で説明したように、健全度判定に関係した変状の強調表示や、変状範囲の画像の切り出しを行う。
　また、判定ルールを用いる健全度判定方法においても、健全度判定に関係した変状種類の重要度を算出するようにしてもよい。実施形態１では、重要度は、決定木の学習時に得られる情報利得に基づいて算出したが、判定ルールに情報利得は存在しないので、別の方法で重要度を算出することになる。実施形態２における重要度の算出方法としては、例えば、変状種類ごとに判定ルールがＴｒｕｅとなった回数をカウントすればよい。例えば、図１３の例では、判定ルールＲ３－１、Ｒ３－３ともに、ひび割れに関する判定ルールがＴｒｕｅとなったとして、ひび割れのカウンタを２とする。この結果、健全度判定結果に対するひび割れの重要度は２となる。このような処理を各変状種類に対して実施し、変状種類ごとの重要度とする。このようにすることにより、表示情報処理部２０４において、実施形態１と同様に、変状種類ごとの重要度の表示も実施できるようになる。また、健全度判定部２０２が出力した判定根拠を、実施形態１と同様に表示してもよい。
　以上のように、健全度判定の判定方法に、判定ルールを用いた場合においても、健全度判定に関係した変状の情報を表示することができるようになり、ユーザーは情報処理装置１００の健全度判定の根拠を理解することができるようになる。
　＜実施形態３＞
　実施形態２では、人為的に作成した判定ルールに基づいて、健全度を判定する実施形態について説明した。人為的に判定ルールを作成する方法は、健全度判定の判定基準が分かりやすくなることや、人間の知識に基づいて判定基準を制御することができるメリットがある。一方、健全度を正しく判定するために、複雑な判定基準を準備したい場合には、全ての判定基準を人間が手動で設計することが難しいという問題がある。例えば、ひび割れなどの変状の有無やサイズだけでなく、構造物の供用経過年数や、地理的位置などの情報を含めて判定基準を設定する場合、条件の組み合わせ数が膨大となり、人間が全ての条件を考慮して判定基準を決定することが困難になる。従って、機械による学習で健全度判定の判定基準を統計的に学習する方が好ましい場合がある。実施形態１の決定木を用いた判定基準の学習は、これを解決する方法の一例である。
　本実施形態では、頻出パターンマイニングにより、判定ルールを学習する実施形態について説明する。頻出パターンマイニングによる判定ルール学習は、人間が理解できる２値判定基準を学習する形態の一つである。これは、学習により判定基準を獲得する実施形態の一つで、実施形態１の変形の実施形態である。なお、実施形態３のハードウェア構成、機能構成は、実施形態１と同様であるので、説明を省略する。
　頻出パターンマイニングでは、所定の条件で頻出するアイテム、または、アイテムの組み合わせを抽出する。以下、この技術を健全度判定の判定ルール学習に適応する実施形態について、図１４を用いて説明する。図１４は、頻出パターンマイニングによる判定ルール学習の全体像を示す図である。
　まず、頻出パターンマイニングの文脈で、本実施形態の判定ルール学習を説明するために、アイテムとアイテム集合について説明する。本実施形態では、健全度を判定するための、ある単独の判定基準をアイテムとする。図１４の表１４０１には、アイテムの定義の例を示している。例えば、アイテムＩ１は、評価領域に「ひび割れが存在する？」という判定基準である。このように、本実施形態では、単独の判定基準が、ある一つのアイテムとなる。なお、変状のサイズ等の属性情報に対する閾値を含む判定基準のアイテムを作成してもよい。例えば、図１４のアイテムＩ２は、「ひび割れ幅０．５ｍｍ以上のひび割れが存在する？」であり、変状情報と属性情報閾値で構成された判定基準である。同様に、諸元情報に関する判定基準もアイテムとする。例えば、アイテムＩＭは「供用開始からの経過年数５０年以上？」という判定基準がアイテムとして定義されている。以下、アイテムの全集合をＩａｌｌ＝｛Ｉ１、Ｉ２、・・・ＩＭ｝で表し、Ｉａｌｌの部分集合をアイテム集合と呼ぶ。アイテム集合には、単体のアイテムやアイテムの組み合わせとなる。頻出パターンマイニングでは、アイテムの全集合Ｉａｌｌから、健全度判定に用いることができるアイテム集合を抽出することが目的となる。
　なお、上記のアイテム定義では、変状サイズに対して、閾値を用いてアイテム定義を行う例を示したが、離散化した数値に従ってアイテム化してもよい。具体的には、例えば、ひび割れ幅の分類を離散化し、「ひび割れ幅０．２ｍｍ～０．５ｍｍのひび割れが存在する？」「ひび割れ幅０．５ｍｍ～１．０ｍｍのひび割れが存在する？」のようなアイテムを定義してもよい。
　次に、頻出パターンマイニングを実施するために、学習データＤから、トランザクションデータを作成する。学習データＤについては、実施形態１と同様に、Ｄ＝｛Ｄｉ｝であり、Ｄｉは、ある構造物のある一つの評価領域に関するデータである。また、Ｄｉは以下で定義される。
Figure JPOXMLDOC01-appb-M000003
　Ｘｉは、ある評価領域に関連付けられた変状情報と、ある構造物の諸元情報である。ｙｉはＸｉに基づいて人間が判定した健全度の正解データで、本実施形態では１～５の健全度を示す。
　この一つの学習データＤｉから一つのトランザクションＴｉを作成する。作成されるトランザクションＴｉは、例えば、Ｔｉ＝｛Ｉ１、Ｉ２、Ｉ９、Ｉ２０；ｙｉ｝のようになる。この場合、データＤｉのＸｉ（評価領域の変状情報と諸元情報）が、アイテム定義Ｉ１、Ｉ２、Ｉ９、Ｉ２０の条件に一致することを示している。また、別の具体的な例として、Ｘｉにひび割れ幅０．５ｍｍのひび割れが含まれていると、アイテムＩ１、Ｉ２が条件に一致する。これ以外のアイテムの条件が、Ｘｉに一致しなければ、Ｔｉ＝｛Ｉ１、Ｉ２；ｙｉ｝となる。
　このように、学習データＤの各Ｄｉについて、トランザクションデータＴｉを作成する。トランザクションデータＴｉに含まれるアイテム集合をＩｉとすると、トランザクションデータＴｉは、Ｔｉ＝｛Ｉｉ；ｙｉ｝で表される。また、全てのトランザクションデータのデータセットをＴとする。ここで、Ｔ＝｛Ｔｉ｝である。
　以下では、このトランザクションデータセットＴを用いて、頻出パターンマイニングを実行する。頻出パターンマイニングでは、トランザクションデータセットＴに頻出するアイテム集合を抽出し、これを判定ルールとする。また、頻出パターン抽出の処理は、各健全度について実施し、各健全度の判定ルールを学習する。以下では、健全度３における判定ルール学習を例に、頻出パターン抽出の処理について説明する。
　本実施形態では、頻出パターン抽出のために、Ａｐｒｉｏｒｉ（非特許文献１）を用いるものとする。Ａｐｒｉｏｒｉでは、あるアイテム集合のトランザクションデータセットにおける出現頻度をサポート（Ｓｕｐｐｏｒｔ、支持度）と呼ぶ。サポートは以下の式で表される。
Figure JPOXMLDOC01-appb-M000004
　Ｎは、トランザクションデータセットＴのデータ数、σＴ（Ｉ）は、アイテム集合Ｉを含むトランザクションデータＴｉの数である。Ａｐｒｉｏｒｉでは、予め最小サポートと呼ばれる閾値を与え、最小サポート以上のサポートを示すアイテム集合を頻出パターンとして抽出する。Ａｐｒｉｏｒｉは公知のアルゴリズムであるため、詳細な説明は行わないが、頻出するアイテム集合の探索の実行時に、予め最小サポートを指定することで、効率的に最小サポート以上のアイテム集合を発見することができる。
　なお、健全度３の判定ルール学習においては、健全度３のトランザクションデータのみに注目する。健全度３のトランザクションデータ、すなわち、ｙｉ＝３のトランザクションデータのみからなるトランザクションデータセットをＴ（３）とすると、このサポートは、
Figure JPOXMLDOC01-appb-M000005
　となる。Ｎ（３）は、Ｔ（３）のデータ数である。このサポートを用いてＡｐｒｉｏｒｉを実行することにより、健全度３のトランザクションデータセットに頻出するイベント集合のセットを抽出することができる。このイベント集合のセットをＩ（３）＝｛Ｉａ、Ｉｂ・・・、Ｉｎ｝で表し、Ｉａ、Ｉｂ・・・は、Ｉａ＝｛Ｉ１、Ｉ４、Ｉ１０｝、Ｉｂ＝｛Ｉ８｝、などの、イベント集合である。
　次に、健全度３のトランザクションに特有なイベント集合をＩ（３）から選択する。イベント集合セットＩ（３）は、健全度３の学習データで頻出するイベント集合であるが、他の健全度の学習データでも頻出しているイベント集合も含まれている可能性がある。つまり、健全度によらず、常に出現しやすいアイテム、あるいは、アイテムの組み合わせが含まれている可能性がある。従って、健全度３以外の学習データセットを用いて、健全度３の学習データセットに特有のイベント集合を選択する処理を行う。具体的には、Ｉ（３）の各イベント集合のトランザクションデータセットＴ（３）におけるサポート（出現頻度）と、健全度３以外のトランザクションデータセットにおけるサポートの比を算出し、これが大きなイベント集合を健全度３に特有のイベント集合とする。このサポートの比はＧｒｏｗｔｈ　Ｒａｔｅと呼ばれており、以下の式で表される。
Figure JPOXMLDOC01-appb-M000006
　ここで、健全度３以外の学習データセットから作成したトランザクションデータセットをＴ（ｎｏｔ３）とする。Ｉは、Ｇｒｏｗｔｈ　Ｒａｔｅを算出する対象のイベント集合で、Ｉ（３）に含まれるイベント集合である。以下、Ｇｒｏｗｔｈ　Ｒａｔｅを文中ではＧＲと表記する。なお、このように片方のデータセットに偏って出現するパターンは、Ｅｍｅｒｇｉｎｇ　Ｐａｔｔｅｒｎｓと呼ばれている（非特許文献２）。
　上記の例では、ＧＲが高いほど、そのアイテム集合は、健全度３に特有のアイテム集合であることを示している。従って、ある閾値以上のＧＲを持つアイテム集合をアイテム集合セットＩ（３）から選択することで、健全度３に特有のアイテム集合のセットを作成することができる。この健全度３に特有のアイテム集合セットＲ（３）＝｛Ｒ３－１、Ｒ３－２、Ｒ－３Ｎ｝は、健全度３を判定する判定ルールとして利用することができる。具体的には、図１４の表１４０２に示すように、例えば、Ｒ３－１＝｛Ｉ２｝であり、アイテムＩ２「ひび割れ幅０．５ｍｍ以上のひび割れが存在する？」が、判定ルールの一つとして学習されている。また、例えば、Ｒ３－２＝｛Ｉ５、Ｉ１０｝のように、複数のアイテムの組み合わせの判定ルールも学習される。なお、ＧＲに基づいたイベントパターンの選択は、閾値処理ではなく、上位ｎ個のＧＲのイベントパターンを選択するようにしてもよい。
　以上のようにして、頻出パターンマイニングにより、健全度３の判定ルールを学習することができる。同様の処理を、各健全度に実施し、健全度１～５の判定ルールを学習する。学習した判定ルールを用いて、対象の評価領域の健全度を判定する処理、及び、その後の健全度判定に関係した変状の情報を表示する処理は、実施形態２と同様に実施することができる。すなわち、入力の変状情報と諸元情報がＴｒｕｅとなる判定ルールを決定し、この判定ルールを判定根拠とする。そして、判定根拠に含まれる変状情報に基づいて、変状の強調表示などの表示を行う。
　なお、健全度５（最も健全）の判定ルールは学習せずに、健全度１～４に判定されなかった場合には、健全度５と判定するようにしてもよい。
　また、変状種類の重要度を算出するために、ＧＲを用いてもよい。この場合、学習時に、各判定ルール、例えば、Ｒ３－１、Ｒ３－２・・・のそれぞれのＧＲを、判定ルールと合わせて保存しておく。ＧＲは、ＧＲが高いほど、その健全度に特有なイベント集合である度合いを示している。従って、ＧＲを実施形態１における、決定木の各ノードの情報利得と同様に利用することで、健全度判定結果に対する各変状種類の重要度を算出することができるようになる。
　さらに、学習した判定ルールをユーザーに表示して、ユーザーが判定ルールを調整することができるようにしてもよい。この場合、まず、上記の方法で学習した判定ルールを、そのアイテムの内容が、ユーザーに理解できるように表示する。具体的には、図１４の表１４０２のアイテム集合の項目を、具体的なアイテムの内容として表示する。例えば、Ｒ３－１の判定ルールの内容が「ひび割れ幅０．５ｍｍ以上のひび割れが存在する？」という判定基準であることを表示する。これにより、ユーザーは、頻出パターンマイニングにより、どのような判定ルールが学習されたかを確認することができるようになる。この表示に基づいて、ユーザーは判定ルールを調整することができる。具体的には、判定ルールとして適切ではない、と判断できる判定ルールを除去したり、学習されていないが、判定ルールとして加えるべき、と判断できる判定ルールと追加したりする。この結果、機械的に獲得された判定ルールを元に、さらに、人間の知識、経験に基づく判定ルールを作成することができるようになる。
　また、一般に、学習データを準備するためには、データ蓄積に時間を要する。従って、健全度判定を情報処理装置により実施する運用では、まず、運用初期には実施形態２で説明したように、人間が作成した判定ルールに基づき健全度判定を実施する。この時の入力データ（評価領域の変状情報と諸元情報）を蓄積し、所定の量のデータが蓄積されたら、そのデータを学習データとして、判定ルールを学習するようにしてもよい。学習する健全度１～５のラベルは、情報処理装置の健全度判定結果を人間が確認したデータや、人間が情報処理装置の健全度判定結果を修正した結果とする。これにより、学習データが存在しない初期段階から、情報処理装置による健全度自動判定を運用することができる。また、データの蓄積に伴う判定ルールの学習は、一度だけでなく、学習データの蓄積状況に応じて、段階的に複数回実施するようにしてもよい。なお、学習データを蓄積して、所定の学習データ量が蓄積されたタイミングで学習する実施形態は、実施形態１の機械学習アルゴリズムによる健全度判定方法の学習でも実施することができる。
　以上の説明では、Ａｐｒｉｏｒｉを用いた頻出パターン抽出と、ＧＲ算出による各健全度に特有なアイテム集合選択の２ステップでの判定ルール学習を説明したが、本実施形態の判定ルール学習方法はこれに限定されない。すなわち、学習データを用いて特定のアイテム集合を抽出する方法であれば、他の方法を用いてもよい。例えば、頻出パターン抽出の方法としては、Ａｐｒｉｏｒｉだけでなく、ＦＰ－Ｇｒｏｗｔｈと呼ばれる方法もよく知られている。あるいは、他の計算効率の良いアルゴリズムを用いて頻出パターン抽出を行ってもよい。
　また、以上では、学習した判定ルールを実施形態２と同様の方法で利用することを説明した。すなわち、入力データが、ある健全度の判定ルールのうちいずれかに該当した場合、その健全度が健全度判定結果として得られるとした。しかし、上記の学習により得られた判定ルールは、ＧＲで示されるように、それぞれ信頼度が異なる。従って、サポートとＧＲを用いて判定ルールからスコアを算出し、スコアに基づいて健全度を判定するようにしてもよい。上記で説明したように、判定ルールは、特定の健全度のトランザクションデータセットに出現するアイテム集合で、これは、Ｅｍｅｒｇｉｎｇ　Ｐａｔｔｅｒｎｓと呼ばれるとした。このＥｍｅｒｇｉｎｇ　Ｐａｔｔｅｒｎｓを利用したアンサンブル識別手法が非特許文献３に記載されている。以下の実施形態では、この方法を用いて、学習した判定ルールから健全度を判定する実施形態について説明する。なお、この方法を実施するためには、判定ルールの学習時に、各判定ルールのサポートとＧＲを記録しておく。
　まず、ある健全度Ｈの判定スコアＳＨは、非特許文献３を元に、以下のように表される。
Figure JPOXMLDOC01-appb-M000007
　ここで、ＩＮは、健全度判定対象の評価領域の変状情報と諸元情報に含まれるアイテムで、Ｉ（Ｈ）は、健全度Ｈの判定ルールを示す。すなわち、評価領域の変状情報と諸元情報の入力データがＴｒｕｅとなる判定ルールにおいて、ＧＴとサポートに基づいて算出された値の総和が、健全度Ｈを判定するスコアＳＨとなる。この式によると、ＧＲとサポートが高い値を示す判定ルールに該当するほど、スコアＳＨは高い値が得られる。このスコアＳＨを、各健全度に対して算出し、最も高いスコアＳＨを出力した健全度を、評価領域の健全度Ｈとする。
Figure JPOXMLDOC01-appb-M000008
　以上、実施形態３では、頻出パターンマイニングを用いて、健全度の判定ルールを学習する方法について説明した。頻出パターンマイニングによる判定ルールの学習により、人間が設定する判定ルールよりも、複雑で判定性能の高い判定ルールを作成することができる。また、学習結果が２値判定を実施することができる判定ルールであるため、人間が学習結果を理解することが容易で、判定ルールの調整も可能になる。さらに、学習した判定ルールを実施形態２と同様の方法で健全度判定に用いることで、健全度判定に関係した変状の情報を表示することができるため、健全度判定結果の根拠を分かりやすく表示することができる。
　＜実施形態４＞
　上述した各実施形態では、評価領域への変状の関連付け基準の設定について、変状種類ごとに設定を実施する実施形態について説明した。関連付け基準の設定については、変状種類ごとに実施する方法だけでなく、個別の変状ごとに設定できるようにしてもよい。実施形態４では、個別の変状ごとに、評価領域への関連付け基準を設定する実施形態について説明する。なお、実施形態４のハードウェア構成、機能構成は、実施形態１と同様であるので、説明を省略する。
　図１５には、個別の変状ごとに評価領域への関連付け設定を実施するために、設定部２０５が、表示部１０５に表示した表示ウィンドウ１５００を示している。図１５では、トンネルのスパンごとに健全度評価領域が設定されており、スパンＥの評価領域への変状の関連付け基準を設定している状態を示している。画像情報表示部１５０１には、ひび割れＩＤ００１～００４の４本のひび割れが表示されている。ここで、ひび割れＩＤ００３、ＩＤ００４は、スパンＥとは無関係の位置に存在しているので、スパンＥとは関連付けられておらず、点線で表示されている。
　ユーザーは、個別の変状の関連付け基準を設定するために、設定を調整する変状を選択する。例えば、マウスカーソル１５０２で、設定を調整したい変状を選択する。図１５では、ひび割れＩＤ００２のひび割れを選択した状態を示している。点線１５０４は、ひび割れＩＤ００２がフォーカスされていることを示している。ひび割れＩＤ００２が選択されると、基準設定領域１５０３に、ひび割れＩＤ００２のスパンＥへの関連付け基準を選択するための情報が表示される。
　図１５では、評価領域に対する変状の関連付け基準として、実施形態１と同様に、評価領域境界に存在する変状について、関連付けパターン１から３の３種類の関連付け基準が準備されている。関連付けパターン１は、評価領域の境界に存在する変状について、変状の全体を健全度の判定に用いるパターンである。関連付けパターン２は、評価領域の境界に存在する変状について、評価領域の範囲の部分の変状のみを健全度判定に用いるパターンである。関連付けパターン３は、評価領域の境界に存在する変状について、評価領域の健全度判定に用いる変状から除外するパターンである。
　図１５では、ユーザーがひび割れＩＤ００２の関連付け基準として、関連付けパターン１を設定した状況を示している。この設定により、画像情報表示部１５０１では、ひび割れＩＤ００２の全体が太い線で表示され、スパンＥに関連付けられていることが示されている。一方、ひび割れＩＤ００１は、設定の状況は不図示であるが、関連付けパターン２の関連付け基準が設定されているものとする。これにより、ひび割れＩＤ００１は、スパンＥの範囲がスパンＥと関連付けられていることを示すために太い線で表示され、スパンＥの範囲外の部分については、スパンＥと関連付けられていないことを示すために、点線で表示されている。このように、実施形態４では、同じ変状種類であるひび割れＩＤ００１とＩＤ００２のそれぞれに、異なる関連付け基準を設定することができる。
　また、個別の変状への関連付け基準を設定する画面において、関連付けの設定によって健全度がどのように変化するかを表示するようにしてもよい。図１５の基準設定領域１５０３には、ひび割れＩＤ００２に、それぞれの関連付けパターンを設定したときの、スパンＥの健全度を判定して、その結果を表示している。このようにすることで、個別の変状の関連付け基準を変更したときの健全度の変化を確認しながら、評価領域への変状の関連付け基準を設定することができるようになる。
　以上、説明したように、実施形態４では、個別の変状ごとに、評価領域への関連付け基準を設定する実施形態について説明した。これにより、評価領域への変状の関連付けを詳細に設定することができるようになり、ユーザーは詳細に健全度の判定結果を調整することができるようになる。
　＜実施形態５＞
　上述した各実施形態では、評価領域内、あるいは評価領域の境界に存在する変状を、評価領域に関連付けて評価領域の健全度を判定する実施形態について説明した。本実施形態では、評価領域への変状の関連付けは、評価領域と直接重複する位置関係には存在しない変状を対象としてもよい。実施形態５では、評価領域と直接関係のない変状を、評価領域の健全度判定に用いる変状として関連付ける実施形態について説明する。即ち、実施形態５では、評価領域と異なる領域ではあるが、健全度の判定においては関連する関連領域に存在する変状を、当該評価領域の健全度判定に用いる変状として関連付ける関連付け規則を設定する。なお、実施形態５のハードウェア構成、機能構成は、実施形態１と同様であるので、説明を省略する。
　図１６は、健全度判定の対象である道路橋の図面と画像を示している。図１６の道路橋は、橋脚１６０３の間の径間の床板１６０２が示されている。床版１６０２は、地面から見上げた部分で、図１６には、その路面１６０１の図面と画像も示されている。ここで、床版１６０２の健全度判定を実施するため、床版１６０２の健全度判定に用いる変状を関連付ける処理を行う。なお、床版１６０２を囲う枠線１６０４は、床版１６０２全体が、処理対象の評価領域であることを示している。
　図１６に示す例では、床版１６０２の健全度判定に用いる変状に、床版の裏側の路面１６０１の変状も含める実施形態を示している。具体的には、ポットホール１６１１を、評価領域１６０４に関連付けておき、床版１６０２の評価領域１６０４の健全度判定に用いる。このようにするために、図１６の評価領域１６０４の変状の関連付け基準は、「裏側の路面のポットホールも評価領域に関連付ける」、と設定されている。ポットホールのように、路面が大きく損傷している部分は、雨などの水が床版にまで影響を与えるため、これも含めて床版の健全度を判定することが好ましい。なお、ポットホールとは、アスファルト道路の表層がはがれて出来る丸い穴、へこみである。このように、評価領域に直接含まれていない変状も、評価領域に関連付けて健全度を判定するようにしてもよい。この関連付け基準の変更は、実施形態１、及び実施形態４で説明した方法と同様に、変状種類ごと、あるいは、個別の変状ごとに設定することができる。例えば、図１６では、路面１６０１のひび割れ１６１２は、床版１６０２の評価領域１６０４とは関連付けておらず、評価領域１６０４の健全度判定には用いていない。ユーザーは、操作部１０５を介して、必要に応じてこの関連付けの有無を設定することができる。
　なお、評価領域と直接関係していない変状を関連付ける場合の、対象とする領域については、図１６の床板と路面のように、評価領域に対して、構造上あるいは点検上、関係がある領域を予め設定しておく。そして、この関係がある領域の変状を評価領域に関連付けるか否かの関連付け基準を調整できるようにする。また、別の方法として、任意の位置にある、任意の変状を、個別に評価領域に関連付ける設定を実施できるようにしてもよい。
　以上、実施形態５に説明した方法により、評価領域と直接関係しない位置に存在する変状も、健全度判定に用いる変状とすることができるようになる。これにより、評価領域外の変状であって、評価領域の健全度に影響を及ぼす変状も考慮した健全度判定が実施できるようになる。また、その関連付け基準を調整することにより、健全度判定の結果を調整することが合できるようになる。
　＜実施形態６＞
　以上の実施形態においては、図１の情報処理装置１００により、各種処理を実施する実施形態について説明した。実施形態６では、ユーザーへのサービスをサーバ、クライアントのシステム構成で実施する処理構成について説明する。
　図１７Ａは、図１は、本実施形態に係る情報処理装置１００（情報処理システム）の構成図である。サーバ、クライアント構成における処理の一形態を説明する図である。図１７Ａにおいて、クライアント端末１７１１、及び、サービス提供側システム１７３１は、それぞれ図１の情報処理装置１００と同様のハードウェア構成を有する情報処理装置である。図１７Ａでは、ユーザー１７０１～１７０３が操作するクライアント端末１７０１～１７０３が、インターネット１７２０を介して、サービス提供側システム１７３１に接続している。
　図１７Ａでは、表示部１０５、操作部１０６に係る処理のみをクライアント端末で実行し、その他の処理（例えば、健全度判定部２０２の処理など）は、サービス提供側システム１７３１で実行する。この構成により、軽い処理のみをクライアント端末で実行し、健全度判定などの計算量が多い処理は、高性能なサービス提供側システム１７３１で実行することができる。これにより、ユーザー１７０１～１７０３は安価で処理能力の低いクライアント端末を準備するだけで、サービスを受けることができるようになる。
　なお、図１７Ａに示した処理の分配に限らず、別の形態としてもよい。例えば、図１７Ｂには、図１７Ａとは異なる処理構成として、オンプレミスサーバー１７４２を備える構成を示す。図１７Ｂでは、クライアント端末１７４１、オンプレミスサーバー１７４２、サービス提供側システム１７４３で、本実施形態の処理を分配して実行する。例えば、サービス提供側システム１７４３で、健全度判定方法の学習を実施し、学習結果の健全度判定モデル、あるいは、健全度判定ルールを作成し、オンプレミスサーバー１７４２へ送信する。オンプレミスサーバーは、健全度判定処理などの処理を実施し、クライアント端末１７４１では、健全度判定結果の表示を行う。このようにすることで、点検画像や健全度判定結果に機密性がある場合にも、自社内のオンプレミスサーバー１７４２で健全度判定の処理を実施するため、情報セキュリティの観点から安全な構成とすることができる。一方、サービス提供側システム１７４３から、最新の健全度判定モデルの提供を受けることができるなど、最新サービスを受けることができる。
　また、本実施形態の構成により、ユーザーごとに適切なサービスを提供することができる。例えば、健全度の判定方法は、ユーザーによって異なる場合がある。例えば、本実施形態でのユーザーは、点検事業者や、構造物管理者、地方自治体のインフラ管理部門などが想定される。これらのユーザーは、それぞれの点検基準を有している場合があり、また、管理対象構造物が異なると、健全度判定方法や判定基準が異なる。従って、ユーザーの要望や状況に適した健全度判定方法（健全度判定モデルや判定ルール）を提供することにより、各ユーザーに適した健全度判定を実施することができるようになる。
　同様に、評価領域への関連付け基準についても、ユーザーごとに適切な関連付け基準を提供するようにしてもよい。例えば、サービス提供側システム１７３１で、ユーザーが以前に設定した関連付け基準を、ユーザー情報と共に保存しておく。そして、当該ユーザーが新規に健全度判定を実施する場合の、関連付け基準初期設定として、以前にユーザーが設定した関連付け基準を提供する。
　また、関連付け基準については、ユーザーの関連付け設定基準を学習するようにしてもよい。例えば、実施形態４で説明したように、関連付け基準は、個別の変状ごとに設定することができる。関連付け基準の学習では、ユーザーのこの設定傾向を学習する。具体的には、変状のサイズや、評価領域に対する位置、評価領域境界に存在する変状の評価領域との重複度合いなどを入力変数として、評価領域への関連付け有無を教師ラベルとして、任意の機械学習アルゴリズムで学習を行う。この結果学習されたモデルにより、評価領域への変状の関連付けを行う。
　このように、ユーザーごとの健全度判定の傾向にあったサービスを提供するようにしてもよい。
　［その他の実施形態］
　本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。
　本発明は上記実施の形態に制限されるものではなく、本発明の精神及び範囲から離脱することなく、様々な変更及び変形が可能である。従って、本発明の範囲を公にするために以下の請求項を添付する。
　本願は、２０２０年９月２９日提出の日本国特許出願特願２０２０－１６４１０８と特願２０２０－１６４１０９を基礎として優先権を主張するものであり、その記載内容の全てをここに援用する。

Claims (20)

  1. 　構造物の変状に基づいて、前記構造物の健全性を示す健全度を判定する判定手段と、
    　前記判定手段による判定の根拠となった前記構造物の変状に関する情報を出力する出力手段と、
    　を有することを特徴とする情報処理装置。
  2. 　前記判定手段は、変状の有無、変状種類または変状のサイズに係る判定基準に基づいて前記健全度を判定し、
    　前記出力手段は、前記判定基準を満たす変状に関する情報を出力することを特徴とする請求項１に記載の情報処理装置。
  3. 　前記出力手段は、前記構造物の画像において、前記判定基準を満たす変状を強調表示する情報と、前記判定基準を示す情報とを出力することを特徴とする請求項２に記載の情報処理装置。
  4. 　前記出力手段は、前記構造物の画像において、前記判定手段による判定の根拠となった変状を強調表示するための情報を出力することを特徴とする請求項１または２に記載の情報処理装置。
  5. 　前記構造物の変状の前記判定手段による判定に寄与した度合いを示す重要度を算出する算出手段を更に有し、
    　前記出力手段は、前記重要度に応じて、前記判定手段による判定の根拠となった変状を強調表示するための情報を出力することを特徴とする請求項４に記載の情報処理装置。
  6. 　前記構造物の変状の前記判定手段による判定に寄与した度合いを示す重要度を算出する算出手段を更に有し、
    　前記出力手段は、前記算出手段により算出された前記重要度を示す情報を出力すること特徴とする請求項１から４のいずれか１項に記載の情報処理装置。
  7. 　前記出力手段は、前記構造物の画像から、前記判定手段による判定の根拠となった変状を切り出した画像を出力することを特徴とする請求項１から６のいずれか１項に記載の情報処理装置。
  8. 　前記構造物の変状の前記判定手段による判定に寄与した度合いを示す重要度を算出する算出手段を更に有し、
    　前記出力手段は、前記構造物の画像から、前記判定手段による判定の根拠となった複数の変状それぞれを切り出した画像を、前記複数の変状のそれぞれの前記重要度に応じた順で配置した情報を出力することを特徴とする請求項７に記載の情報処理装置。
  9. 　前記算出手段は、前記重要度を変状の種類ごとに算出することを特徴とする請求項５、６または８に記載の情報処理装置。
  10. 　前記判定基準は、２値判定の基準であることを特徴とする請求項２または３に記載の情報処理装置。
  11. 　前記判定基準は、前記構造物の諸元情報に係る基準を含むことを特徴とする請求項２、３または１０に記載の情報処理装置。
  12. 　前記判定手段は、機械学習により学習された学習済モデルを用いて前記健全度を判定することを特徴とする請求項１から８のいずれか１項に記載の情報処理装置。
  13. 　前記学習済モデルは、木構造の機械学習アルゴリズムで学習されたことを特徴とする請求項１２に記載の情報処理装置。
  14. 　前記学習済モデルは、頻出パターンマイニングの機械学習アルゴリズムで学習されたことを特徴とする請求項１２に記載の情報処理装置。
  15. 　前記判定手段は、前記構造物の評価領域ごとに前記健全度を判定することを特徴とする請求項１から１４のいずれか１項に記載の情報処理装置。
  16. 　前記判定手段は、複数の評価領域に対する前記健全度の判定結果に基づいて、前記構造物の全体の健全度を示す代表健全度を判定し、
    　前記出力手段は、当該代表健全度の判定の根拠となった前記構造物の変状に関する情報を出力することを特徴とする請求項１から１５のいずれか１項に記載の情報処理装置。
  17. 　前記構造物の変状は、ひび割れ、漏水、ポットホール、鉄筋露出、ジャンカ、錆汁およびエフロレッセンスのうちの少なくとも一つを含むことを特徴とする請求項１から１６のいずれか１項に記載の情報処理装置。
  18. 　構造物の変状に基づいて、前記構造物の健全性を示す健全度を判定し、
    　当該判定の根拠となった前記構造物の変状に関する情報を出力する
    　ことを特徴とする情報処理装置による情報処理方法。
  19. 　コンピュータを請求項１から１７のいずれか１項に記載の情報処理装置として機能させるためのプログラム。
  20. 　構造物の健全度の判定に用いる変状を、前記健全度の判定対象とする評価領域に関連付けるための関連付け規則を複数の関連付け規則から選択し、選択した関連付け規則を判定に用いる関連付け規則として設定する設定手段と、
    　前記設定手段により設定された関連付け規則に従って前記評価領域に関連付けられた変状に基づいて、前記評価領域の健全度を判定する判定手段と、
    　を有することを特徴とする情報処理装置。
PCT/JP2021/035476 2020-09-29 2021-09-28 情報処理装置、情報処理方法及びプログラム WO2022071255A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP21875556.9A EP4224402A1 (en) 2020-09-29 2021-09-28 Information processing device, information processing method, and program
US18/188,357 US20230228647A1 (en) 2020-09-29 2023-03-22 Information processing apparatus and information processing method

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2020-164109 2020-09-29
JP2020-164108 2020-09-29
JP2020164108A JP2022056218A (ja) 2020-09-29 2020-09-29 情報処理装置、情報処理方法及びプログラム
JP2020164109A JP2022056219A (ja) 2020-09-29 2020-09-29 情報処理装置、情報処理方法及びプログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/188,357 Continuation US20230228647A1 (en) 2020-09-29 2023-03-22 Information processing apparatus and information processing method

Publications (1)

Publication Number Publication Date
WO2022071255A1 true WO2022071255A1 (ja) 2022-04-07

Family

ID=80950386

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/035476 WO2022071255A1 (ja) 2020-09-29 2021-09-28 情報処理装置、情報処理方法及びプログラム

Country Status (3)

Country Link
US (1) US20230228647A1 (ja)
EP (1) EP4224402A1 (ja)
WO (1) WO2022071255A1 (ja)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4279159B2 (ja) 2004-01-21 2009-06-17 財団法人鉄道総合技術研究所 トンネル健全度診断システム
JP2011203090A (ja) * 2010-03-25 2011-10-13 Mitsubishi Electric Corp トンネル変状計測装置及びトンネル変状計測方法
JP2017173993A (ja) 2016-03-22 2017-09-28 日本電気株式会社 情報処理装置、情報処理方法、及び、プログラム
JP2018147314A (ja) * 2017-03-07 2018-09-20 東日本高速道路株式会社 点検報告書作成支援装置および点検報告書作成支援プログラム
JP2018198053A (ja) * 2017-05-22 2018-12-13 キヤノン株式会社 情報処理装置、情報処理方法、及びプログラム
JP2019200120A (ja) * 2018-05-16 2019-11-21 公益財団法人鉄道総合技術研究所 鉄筋コンクリート構造物の性能評価方法及び鉄筋コンクリート構造物の性能評価システム
JP2020164109A (ja) 2019-03-29 2020-10-08 マツダ株式会社 自動車走行制御用の演算装置及びそれを用いた走行制御システム
JP2020164108A (ja) 2019-03-29 2020-10-08 マツダ株式会社 自動車用走行制御システム

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4279159B2 (ja) 2004-01-21 2009-06-17 財団法人鉄道総合技術研究所 トンネル健全度診断システム
JP2011203090A (ja) * 2010-03-25 2011-10-13 Mitsubishi Electric Corp トンネル変状計測装置及びトンネル変状計測方法
JP2017173993A (ja) 2016-03-22 2017-09-28 日本電気株式会社 情報処理装置、情報処理方法、及び、プログラム
JP2018147314A (ja) * 2017-03-07 2018-09-20 東日本高速道路株式会社 点検報告書作成支援装置および点検報告書作成支援プログラム
JP2018198053A (ja) * 2017-05-22 2018-12-13 キヤノン株式会社 情報処理装置、情報処理方法、及びプログラム
JP2019200120A (ja) * 2018-05-16 2019-11-21 公益財団法人鉄道総合技術研究所 鉄筋コンクリート構造物の性能評価方法及び鉄筋コンクリート構造物の性能評価システム
JP2020164109A (ja) 2019-03-29 2020-10-08 マツダ株式会社 自動車走行制御用の演算装置及びそれを用いた走行制御システム
JP2020164108A (ja) 2019-03-29 2020-10-08 マツダ株式会社 自動車用走行制御システム

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
GUOZHU DONGJINYAN LI: "Efficient Mining of Emerging Patterns: Discovering Trends and Differences", KDD, 1999, pages 43 - 52, XP002543550
GUOZHU DONGXIUZHEN ZHANGLIMSOON WONG: "CAEP: Classification by Aggregating Emerging Patterns", PROCEEDINGS OF THE 2ND INTERNATIONAL CONFERENCE ON DISCOVERY SCIENCE, 1999, pages 30 - 42
R.AGRAWALR.SRIKANT: "Fast algorithms for mining association rules", PROCEEDINGS OF 20TH INT. CONF. VERY LARGE DATA BASES, 1994, pages 487 - 499

Also Published As

Publication number Publication date
EP4224402A1 (en) 2023-08-09
US20230228647A1 (en) 2023-07-20

Similar Documents

Publication Publication Date Title
JP6764842B2 (ja) 情報処理装置、情報処理システム、情報処理方法、及び情報処理プログラム
JP7391504B2 (ja) 情報処理装置、情報処理方法及びプログラム
CN103578125A (zh) 图像处理设备、图像处理方法和程序
JP6811217B2 (ja) コンクリート表面上のひび割れ特定方法、ひび割れ特定装置、ひび割れ特定システム及びプログラム
JPWO2019009214A1 (ja) 画像から変状を検知する画像処理装置、画像処理方法及びプログラム
US20210004721A1 (en) Inspection system, discrimination system, and learning data generation device
JP7096034B2 (ja) 建築物抽出システム
JP2007041730A (ja) 電線異常検出方法および装置およびプログラム
JP6623851B2 (ja) 学習方法、情報処理装置および学習プログラム
JP2018526754A (ja) 画像処理装置、画像処理方法及び記憶媒体
JP2022056219A (ja) 情報処理装置、情報処理方法及びプログラム
Mirzaei et al. Automatic generation of structural geometric digital twins from point clouds
Wang et al. Instance segmentation of soft‐story buildings from street‐view images with semiautomatic annotation
WO2022071255A1 (ja) 情報処理装置、情報処理方法及びプログラム
JP2019102031A (ja) コンクリート表面上のひび割れ方向特定方法、ひび割れ方向特定装置、ひび割れ方向特定システム及びプログラム
JP6516384B2 (ja) 情報処理装置、情報処理システム、情報処理方法、及び情報処理プログラム
JP2022056218A (ja) 情報処理装置、情報処理方法及びプログラム
JP2010015448A (ja) 地物形状変化検出プログラム、及び、地物形状変化検出システム
JP2007199865A (ja) 画像処理アルゴリズム評価装置、画像処理アルゴリズムの生成装置および画像検査装置ならびに画像処理アルゴリズム評価方法、画像処理アルゴリズムの生成方法および画像検査方法
JP2020140518A (ja) 情報処理装置、情報処理装置の制御方法及びプログラム
JP2022076750A (ja) 情報処理装置、情報処理システム、および情報処理方法
JP7104252B2 (ja) 学習データセット生成装置および方法
JP4963824B2 (ja) 変化領域抽出装置及び変化領域抽出方法
US20230359949A1 (en) Recovery support apparatus, recovery support method, and program
JP4449483B2 (ja) 画像解析装置、および画像解析方法、並びにコンピュータ・プログラム

Legal Events

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

Ref document number: 21875556

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021875556

Country of ref document: EP

Effective date: 20230502