WO2023218641A1 - 付着液体量計測システム - Google Patents

付着液体量計測システム Download PDF

Info

Publication number
WO2023218641A1
WO2023218641A1 PCT/JP2022/020225 JP2022020225W WO2023218641A1 WO 2023218641 A1 WO2023218641 A1 WO 2023218641A1 JP 2022020225 W JP2022020225 W JP 2022020225W WO 2023218641 A1 WO2023218641 A1 WO 2023218641A1
Authority
WO
WIPO (PCT)
Prior art keywords
liquid
adhering
amount
distribution
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2022/020225
Other languages
English (en)
French (fr)
Inventor
卓哉 大塚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Inc
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to PCT/JP2022/020225 priority Critical patent/WO2023218641A1/ja
Priority to US18/863,269 priority patent/US20250297936A1/en
Priority to JP2024520214A priority patent/JPWO2023218641A1/ja
Publication of WO2023218641A1 publication Critical patent/WO2023218641A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N13/00—Investigating surface or boundary effects, e.g. wetting power; Investigating diffusion effects; Analysing materials by determining surface, boundary, or diffusion effects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Definitions

  • the present invention relates to an adhering liquid amount measurement system that measures the distribution of the amount of adhering liquid adhering to a structure.
  • the present invention relates to a technique for utilizing a moisture content estimation method using a near-infrared (NIR) spectrum camera in the design of new structures.
  • NIR near-infrared
  • Non-Patent Document 1 the NIR spectrum of rice crackers is measured using an NIR image measuring device equipped with a NIR spectrum camera, and the amount of moisture attached to the rice crackers is estimated from the measured NIR spectrum image using a moisture content estimation device. Discloses a technique for calculating.
  • the present invention has been made in view of the above circumstances, and an object of the present invention is to appropriately control temporal changes in the distribution of the amount of liquid adhering to the surface of a new structure designed using a computer or the like.
  • the objective is to provide a technology that can be estimated.
  • a system for measuring the amount of adhered liquid images a test specimen placed in a test object observation area from multiple directions, and closely measures the distribution of the amount of adhered liquid adhered to the surface of the test specimen at predetermined time intervals.
  • a measuring device that measures and records by infrared spectroscopy;
  • a photographing device that photographs a particle tracking area adjacent to the test object observation area and tracks and records liquid particles in the particle tracking area;
  • Using a spray device that sprays liquid particles into a particle tracking area, and time-series image data recorded by the measuring device and the imaging device the amount of liquid adhering to the surface of the structure to be installed in the planned installation area is calculated.
  • an estimation device that estimates and calculates a change in the distribution over time.
  • FIG. 1 is a diagram showing a specific example of a structure and an example of installation.
  • FIG. 2 is a diagram showing an example of the device configuration of the adhering moisture amount measuring system.
  • FIG. 3 is a diagram showing an example of the construction and configuration of a time-series estimator for surface moisture content.
  • FIG. 4 is a diagram showing a flow for estimating the temporal change in the distribution of the amount of moisture adhering to the surface of a structure.
  • FIG. 5 is a diagram showing an example of estimating a change over time in the distribution of the amount of moisture adhering to the surface of a structure.
  • FIG. 6 is a diagram illustrating an example of the hardware configuration of a time-series estimator for surface moisture content.
  • the present invention provides a method for estimating changes over time in the distribution of the amount of liquid adhering to the surface of a new structure designed using a computer, etc., and the acquisition of data necessary to construct the method. Regarding methods and.
  • the present invention does not use only an NIR image measurement device or a water content estimation device as in the past, but also includes a particle tracer imaging device that tracks and records liquid particles in an area adjacent to the planned installation area of a structure, and The present invention is characterized in that it further uses a spray processing device that sprays liquid fine particles. That is, the present invention utilizes time-series image data of liquid particles recorded by a particle tracer imaging device in addition to time-series image data of the amount of adhered liquid recorded by an NIR image measuring device.
  • Time-series image data recorded by a particle tracer imaging device records the ever-changing movement of liquid particles that reach a structure, so it is possible to determine the distribution of the amount of liquid adhering to the surface of a structure. It becomes possible to appropriately estimate changes over time. As a result, it becomes possible to appropriately estimate the amount of moisture adhering to the surface of a structure on a computer before creating the structure, making it easier to design the shape and select materials for a structure that is resistant to corrosion.
  • FIG. 1 is a diagram showing a specific example and an installation example of a structure 100 that is planned to be designed.
  • the structure 100 is a structure (for example, a surveillance camera, etc.) that is newly designed on a computer, and is installed outdoors or semi-outdoors (for example, a building, a bridge, etc.).
  • the present invention estimates changes over time in the distribution of the amount of liquid adhering to the surface of the structure 100 in order to contribute to the search for the optimal shape and optimal material for a structure resistant to corrosion.
  • FIG. 2 is a diagram showing an example of the device configuration of the adhesion moisture content measurement system 1.
  • the adhering moisture amount measuring system 1 is an example of an adhering liquid amount measuring system. Water is an example of a deposit, and the system is applicable to any liquid.
  • the attached moisture content measurement system 1 includes, for example, an NIR image measurement device 11, a particulate tracer imaging device 12, a spray processing device 13, an electric fan 14, and a surface moisture content time series estimator 15.
  • AR1 in FIG. 2 is a test object observation area where a test object 200 corresponding to the structure 100 is placed and the surface of the test object 200 is imaged from multiple directions.
  • AR2 is a particle tracking area adjacent to the test object observation area AR1.
  • the NIR image measuring device 11 is a measuring device that is equipped with a NIR spectrum camera and measures changes over time in the distribution of adhering moisture due to water adhesion and water evaporation after spraying on the test specimen 200.
  • the NIR image measurement device 11 is mounted on the tip of a robot arm and images the surface of the test specimen 200 placed in the specimen observation area AR1 from multiple directions, and uses its near-infrared spectroscopy function to Time-series image data of the distribution of the amount of moisture adhering to the surface of the test specimen 200 is measured and recorded at predetermined time intervals.
  • the particulate tracer photographing device 12 is a photographing device that photographs a particulate tracking area AR2 adjacent to the test object observation area AR1, and tracks and records the movement of water particles floating and scattering within the space of the particulate tracking area AR2 during spray processing. be.
  • the particle tracer imaging device 12 tracks and records time-series image data of water particles in the particle tracking area AR2 at predetermined time intervals.
  • the spray processing device 13 operates in conjunction with the NIR image measurement device 11 and the particulate tracer imaging device 12, and sprays water particles to the test object observation area AR1 and the particulate tracking area AR2. This is a spray device that sprays water particles onto a test specimen 200.
  • the electric fan 14 is an auxiliary tool that operates in conjunction with the spray processing device 13 and allows water particles to reach the test specimen 200.
  • the electric fan 14 controls the amount of water particles sprayed onto the test object observation area AR1.
  • the surface water content time series estimator 15 is communicatively connected to the NIR image measuring device 11, the particulate tracer photographing device 12, the spray processing device 13, and the electric fan 14, and is connected to the NIR image measuring device 11 and the particulate tracer photographing device 12, respectively.
  • estimate and calculate the change over time in the distribution of the amount of moisture adhering to the surface of the structure 100 (see Figure 1) to be installed in the planned installation area ( ⁇ test object observation area AR1) This is an estimation device that
  • the surface moisture content time series estimator 15 uses shape data of the test body 200 in the test body observation area AR1, time series image data of the distribution of adhering moisture content on the surface of the test body 200, Using time-series image data of water particles in the particulate tracking area AR2, changes over time in the distribution of the amount of water adhering to the surface of the test specimen 200 are learned.
  • the surface moisture time series estimator 15 also uses shape data of structures to be installed in the planned installation area, time series image data of water particles in a particulate tracking area adjacent to the planned installation area, and information on the amount of attached moisture. Using the learning results of the changes in the distribution over time, the changes over time in the distribution of the amount of moisture adhering to the surface of the structure 100 are estimated and calculated.
  • the user of the attached moisture content measurement system 1 prepares a plurality of basic element shapes of the test specimen 200.
  • the attached moisture content measurement system 1 performs the spraying process multiple times on the test specimen observation area AR1 and the particulate tracking area AR2. Then, the attached moisture content measurement system 1 acquires image data of the sprayed water particles, and further acquires image data obtained by measuring the amount of attached moisture attached to the surface of the test specimen 200 using an NIR spectrum camera.
  • the adhesion moisture measurement system 1 uses the acquired two types of video data to generate a surface moisture content time series for estimating the temporal change in the distribution of adhesion moisture adhering to the surface of the arbitrarily shaped test specimen 200.
  • An estimator 15 is constructed.
  • the adhesion moisture measurement system 1 obtains an estimated value of the change over time in the distribution of adhesion moisture adhering to the surface of the structure 100 whose shape has been newly designed, using the constructed surface moisture amount time series estimator 15. .
  • the attached moisture content measurement system 1 includes an NIR image measurement device 11 that photographs a test specimen 200 placed on a mount M from multiple directions using an NIR spectrum camera, and a particulate matter tracking area AR2 in which floating/scattering particles are detected. and a particulate tracer imaging device 12 that generates image data of water particles.
  • a test specimen 200 having a predetermined basic element shape is placed on a mount M, and the spraying process is performed multiple times according to a spraying process condition pattern in which the spraying conditions such as spray amount, spray time, spray angle, etc. are adjusted and changed. .
  • image data in the particulate tracking area AR2 is measured by the particulate tracer imaging device 12.
  • the amount of water attached to the surface of the test specimen 200 is measured by the NIR image measurement device 11 at predetermined time intervals.
  • the NIR image measurement device 11 obtains time-series image data of a two-dimensional image of the amount of moisture adhering to the surface of the test piece 200 by photographing the test piece 200 from a fixed position with an NIR spectrum camera having a near-infrared spectroscopy function. get.
  • the NIR image measuring device 11 acquires time-series image data of three-dimensional images using an NIR spectrum camera having a movable mechanism.
  • the particulate tracer imaging device 12 uses a laser sheet based on particle image velocimetry (PIV) at a fixed position to capture time-series image data of two-dimensional images of the state of water particle scattering. get.
  • the particulate tracer imaging device 12 acquires time-series image data of a three-dimensional image by time-divisionally scanning the observation space with a plurality of laser sheets.
  • test specimens 200 in which the shapes of basic elements are changed are prepared, and the above processing procedure is performed for each of them.
  • each time series image data of the movement of water particles with respect to the test body 200 and each video data of the distribution of the amount of adhering moisture on the surface of the test body 200 are obtained. Multiple sets are acquired.
  • the basic element shape of the test specimen 200 is a shape that reflects the partial structure and partial shape of the structure 100 to be designed.
  • FIG. 3 is a diagram showing an example of the construction and configuration of the surface water content time series estimator 15.
  • the shape pattern P of the basic elements of the test body 200 For a plurality of test bodies 200 having different shapes, the shape pattern P of the basic elements of the test body 200, the video data D1 of the movement of water particles within the particle tracking area AR2 with respect to the shape pattern P, and the Based on the video data D2 of the distribution of the amount of water adhering to the surface, the shape pattern P of the basic element and the video data D1 of the movement of water particles are input, and the amount of adhering water adhering to the surface of the test specimen 200 is calculated.
  • a surface water content time series estimator 15 is constructed to estimate and calculate distribution video data D2.
  • the surface moisture content time series estimator 15 includes a plurality of first encoding layers 151 that extract image features of water particles from each time series image data of the video data D1, and shape patterns of basic elements included in the test specimen 200. and a second encoding layer 152 that extracts shape features of P.
  • the first encoding layer 151 is a feature extractor such as a CNN (Convolutional Neural Network).
  • the surface water content time series estimator 15 inputs the time series image features of each water particle extracted by each first encoding layer 151 to the estimation unit 153, which is a series estimation layer.
  • the estimation unit 153 is, for example, an LSTM (Long Short Term Memory) or a GRU (Gated Recurrent Unit).
  • the surface moisture content time series estimator 15 inputs the shape features of the basic element shape pattern P extracted in the second encoding layer 152 to the estimation unit 153, and inputs the shape features of the shape pattern P of the basic elements extracted in the second encoding layer 152 into the water content of the video data D1 extracted in the first encoding layer 151. It is input to each decoding layer 154 that constructs video data D2 along with the image characteristics of the particles.
  • autoencoder #1 whose input/output is the shape pattern P of the basic element included in the test object 200 and autoencoder #2 whose input/output is the video data D2 are trained. I'll keep it.
  • an encoder/decoder that connects the encoding layer of autoencoder #1 and the decoding layer of autoencoder #2 generates an average image (for example, The encoder/decoder is trained in advance to output time-averaged images captured during observation periods ranging from several minutes to several hours.
  • the encoding and decoding of this encoder/decoder are respectively defined as the second encoding layer 152 and the decoding layer 154, and each variable parameter of the encoding and decoding at the time of average image output is set as the initial value of the variable parameter of each layer 152, 154,
  • an estimating unit 153 capable of estimating and calculating time-series data of the distribution of the amount of moisture adhering to the surface of the test specimen 200 is constructed.
  • each independently constructed decoding layer 154 further repeats the parameters for image sequence estimation, which is the original purpose, using the parameters at that time as initial values. learn. Eventually, each decoding layer 154 converges into a network having different parameters, thereby generating time-series image data.
  • FIG. 4 is a diagram showing a flow for estimating the temporal change in the distribution of the amount of moisture adhering to the surface of the newly designed structure 100.
  • Step S1; The surface moisture content time series estimator 15 inputs the shape data of the newly designed shape pattern P' of the structure 100 (see FIG. 5).
  • Step S2 Next, water particles are scattered from the spray treatment device 13 in the planned installation area where the structure 100 is to be installed.
  • the surface water content time series estimator 15 acquires image data D1' of water particles floating and scattering in a particle tracking area adjacent to the planned installation area from the particle tracer imaging device 12 (see FIG. 5).
  • Step S3 the surface moisture content time series estimator 15 uses the shape data of the shape pattern P' of the structure 100, the image data D1' of water particles in the particulate tracking area, and the distribution of the adhering moisture content learned so far.
  • the video data D2' of the distribution of the amount of moisture adhering to the surface of the structure 100 is estimated and calculated using the learning results of changes over time (see FIG. 5).
  • the user repeatedly changes the design of the structure 100 so that the time course of the moisture content shown in the video data D2' falls within the predetermined usage conditions of the structure 100.
  • the adhering moisture content measurement system 1 images the test specimen 200 placed in the test specimen observation area AR1 from multiple directions, and determines the distribution of the adhering moisture amount adhering to the surface of the test specimen 300 in a predetermined manner.
  • NIR image measuring device 11 measures and records by near-infrared spectroscopy at time intervals of When recorded by the particulate tracer photographing device 12, the spray processing device 13 that sprays water particles onto the test object observation area AR1 and the particulate tracking area AR2, the NIR image measuring device 11, and the particulate tracer photographing device 12, respectively.
  • the surface moisture content time series estimator 15 of this embodiment described above includes, for example, a CPU 901, a memory 902, a storage 903, a communication device 904, an input device 905, and an output device 906, as shown in FIG. It can be realized using a general-purpose computer system equipped with and. Memory 902 and storage 903 are storage devices. In the computer system, each function of the surface moisture time series estimator 15 is realized by the CPU 901 executing a predetermined program loaded onto the memory 902.
  • the surface moisture content time series estimator 15 may be implemented by one computer.
  • the surface moisture content time series estimator 15 may be implemented using multiple computers.
  • the surface moisture content time series estimator 15 may be a virtual machine implemented in a computer.
  • the program for the surface moisture content time series estimator 15 can be stored in a computer-readable recording medium such as an HDD, SSD, USB memory, CD, or DVD.
  • the program for the surface moisture content time series estimator 15 can also be distributed via a communication network.
  • Adhesive moisture content measurement system 11 NIR image measurement device 12: Particle tracer imaging device 13: Spray processing device 14: Electric fan 15: Surface moisture content time series estimator 151: First encoding layer 152: Second encoding layer 153: Estimation unit 154: Decode layer 100: Structure 200: Test object 901: CPU 902: Memory 903: Storage 904: Communication device 905: Input device 906: Output device

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Environmental Sciences (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

付着液体量計測システム１は、試験体観測エリアに配置された試験体を複数方向から撮像し、前記試験体の表面に付着した付着液体量の分布を所定の時間間隔で近赤外分光法により計測記録する計測装置１１と、前記試験体観測エリアに隣接する微粒子追跡エリアを撮影し、前記微粒子追跡エリア内の液体微粒子を追跡記録する撮影装置１２と、前記試験体観測エリアと前記微粒子追跡エリアに液体微粒子を噴霧する噴霧装置１３と、前記計測装置と前記撮影装置でそれぞれ記録された時系列画像データを用いて、設置予定エリアに設置される構造物の表面に付着する付着液体量の分布の経時変化を推定計算する推定装置１５と、を備える。

Description

付着液体量計測システム
　本発明は、構造物に付着する付着液体量の分布を計測する付着液体量計測システムに関する。特に、近赤外（ＮＩＲ；Ｎｅａｒ　ＩｎｆｒａＲｅｄ）領域スペクトルカメラを用いた水分量推定手法を新規構造物の設計に活用する技術に関する。
　近赤外領域には、水素、炭素、窒素、酸素、硫黄元素等を含む分子の吸収スペクトルが分布し、１４５０ｎｍと１９５０ｎｍとの各領域付近には、水分子の吸収帯が存在する。そこで、非特許文献１では、ＮＩＲスペクトルカメラを備えるＮＩＲ画像計測装置を用いて米菓のＮＩＲスペクトル計測を行い、計測したＮＩＲスペクトル画像より水分量推定装置を用いて米菓の付着水分量を推定計算する技術を開示している。
竹山、外６名、"ポータブル近赤外分光分析装置を用いる米菓の水分測定"、The Japan Society for Analytical Chemistry、BUNSEKI KAGAKU、Vol.60、No.1、2011年、p.33-p.38
　しかしながら、屋外や半屋外等、推定対象の設置予定場所に特有の事情がある場合、ＮＩＲ画像計測装置や水分量推定装置のみを用いる手法では、その推定対象に付着する付着水分量の経時変化を適切に推定できない。これは、屋外の高層建築物や橋梁、半屋外の機器類等は、風雨や大気中微量物質により腐食と劣化が進行するからである。
　そのため、設置予定エリアに設置される構造物において、その構造物の表面に付着する付着水分量の分布の経時変化を適切に推定可能な技術が切望されている。特に金属材料は水分による濡れと太陽光や風による乾燥とが繰り返されることで腐食が進行するため、金属性構造物の設計時に形状設計を適切に検討するための手段が必要とされている。
　本発明は、上記事情に鑑みてなされたものであり、本発明の目的は、計算機等で設計される新規構造物において、その構造物の表面に付着する付着液体量の分布の経時変化を適切に推定可能な技術を提供することである。
　本発明の一態様の付着液体量計測システムは、試験体観測エリアに配置された試験体を複数方向から撮像し、前記試験体の表面に付着した付着液体量の分布を所定の時間間隔で近赤外分光法により計測記録する計測装置と、前記試験体観測エリアに隣接する微粒子追跡エリアを撮影し、前記微粒子追跡エリア内の液体微粒子を追跡記録する撮影装置と、前記試験体観測エリアと前記微粒子追跡エリアに液体微粒子を噴霧する噴霧装置と、前記計測装置と前記撮影装置でそれぞれ記録された時系列画像データを用いて、設置予定エリアに設置される構造物の表面に付着する付着液体量の分布の経時変化を推定計算する推定装置と、を備える。
　本発明によれば、計算機等で設計される新規構造物において、その構造物の表面に付着する付着液体量の分布の経時変化を適切に推定可能な技術を提供できる。
図１は、構造物の具体例及び設置例を示す図である。 図２は、付着水分量計測システムの装置構成例を示す図である。 図３は、表面水分量時系列推定機の構築例・構成例を示す図である。 図４は、構造物の表面付着水分量の分布の経時変化の推定フローを示す図である。 図５は、構造物の表面付着水分量の分布の経時変化の推定例を示す図である。 図６は、表面水分量時系列推定機のハードウェア構成例を示す図である。
　以下、図面を参照して、本発明の実施形態を説明する。図面の記載において同一部分には同一符号を付し説明を省略する。
　［発明の概要］
　本発明は、計算機等で設計される新規構造物において、その構造物の表面に付着する付着液体量の分布の経時変化を推定する手法と、その手法を構築するために必要なデータを取得する手法と、に関する。
　本発明は、従来のようにＮＩＲ画像計測装置や水分量推定装置のみを用いるのではなく、構造物の設置予定エリアに隣接する隣接エリア内の液体微粒子を追跡記録する微粒子トレーサ撮影装置と、その液体微粒子を噴霧する噴霧処理装置と、を更に用いる点に特徴がある。つまり、本発明は、ＮＩＲ画像計測装置で記録された付着液体量の時系列画像データに加えて、微粒子トレーサ撮影装置で記録された液体微粒子の時系列画像データを活用する。
　微粒子トレーサ撮影装置で記録された時系列画像データには、構造物に到達する時々刻々と変化する液体微粒子の移動様子が記録されているので、構造物の表面に付着する付着液体量の分布の経時変化を適切に推定可能となる。その結果、構造物の作成前に計算機上で構造物表面の付着水分量を適切に推定可能になり、腐食に強い構造物の形状設計や材料選定が容易になる。
　［構造物の具体例及び設置例］
　図１は、設計予定である構造物１００の具体例及び設置例を示す図である。構造物１００は、計算機上で新規設計される構造物（例えば、監視カメラ等）であり、屋外や半屋外（例えば、建築物や橋梁等）に設置される。本発明は、腐食に強い構造物の最適形状や最適材料の探索に資するため、この構造物１００の表面に付着する付着液体量の分布の経時変化を推定する。
　［付着水分量計測システムの装置構成例］
　図２は、付着水分量計測システム１の装置構成例を示す図である。なお、付着水分量計測システム１は、付着液体量計測システムの例である。水は付着物の例であり、本システムは任意の液体に応用可能である。
　付着水分量計測システム１は、例えば、ＮＩＲ画像計測装置１１と、微粒子トレーサ撮影装置１２と、噴霧処理装置１３と、扇風機１４と、表面水分量時系列推定機１５と、を備える。図２のＡＲ１は、構造物１００に対応する試験体２００が配置され、その試験体２００の表面が複数方面から撮像される試験体観測エリアである。ＡＲ２は、試験体観測エリアＡＲ１に隣接した微粒子追跡エリアである。
　ＮＩＲ画像計測装置１１は、ＮＩＲスペクトルカメラを備え、試験体２００への噴霧処理後の水付着や水蒸発による付着水分量の分布の経時変化を計測する計測装置である。例えば、ＮＩＲ画像計測装置１１は、ロボットアームの先端に載置され、試験体観測エリアＡＲ１内に配置された試験体２００の表面を複数方向から撮像し、具備する近赤外分光機能により、その試験体２００の表面に付着した付着水分量の分布の時系列画像データを所定の時間間隔で計測記録する。
　微粒子トレーサ撮影装置１２は、試験体観測エリアＡＲ１に隣接する微粒子追跡エリアＡＲ２を撮影し、噴霧処理時に当該微粒子追跡エリアＡＲ２の空間内を浮遊・飛散する水粒子の動きを追跡記録する撮影装置である。例えば、微粒子トレーサ撮影装置１２は、微粒子追跡エリアＡＲ２内の水粒子の時系列画像データを所定の時間間隔で追跡記録する。
　噴霧処理装置１３は、ＮＩＲ画像計測装置１１及び微粒子トレーサ撮影装置１２と連動して動作し、試験体観測エリアＡＲ１や微粒子追跡エリアＡＲ２に水粒子を噴霧することで、試験体観測エリアＡＲ１内の試験体２００に水粒子を噴霧する噴霧装置である。
　扇風機１４は、噴霧処理装置１３と連動して動作し、試験体２００に水粒子を到達させるための補助具である。扇風機１４は、試験体観測エリアＡＲ１に噴霧する水粒子の吹き込み量を制御する。
　表面水分量時系列推定機１５は、ＮＩＲ画像計測装置１１と微粒子トレーサ撮影装置１２と噴霧処理装置１３と扇風機１４とに通信可能に接続され、ＮＩＲ画像計測装置１１と微粒子トレーサ撮影装置１２でそれぞれ記録された時系列画像データを用いて、設置予定エリア（≒試験体観測エリアＡＲ１）に設置される構造物１００（図１参照）の表面に付着する付着水分量の分布の経時変化を推定計算する推定装置である。
　具体的には、表面水分量時系列推定機１５は、試験体観測エリアＡＲ１内の試験体２００の形状データと、試験体２００の表面に付着した付着水分量の分布の時系列画像データと、微粒子追跡エリアＡＲ２内の水粒子の時系列画像データと、を用いて、試験体２００の表面に付着する付着水分量の分布の経時変化を学習する。
　また、表面水分量時系列推定機１５は、設置予定エリアに設置される構造物の形状データと、設置予定エリアに隣接する微粒子追跡エリア内の水粒子の時系列画像データと、付着水分量の分布の経時変化の学習結果と、を用いて、構造物１００の表面に付着する付着水分量の分布の経時変化を推定計算する。
　［付着水分量計測システムの動作概要］
　付着水分量計測システム１のユーザは、試験体２００の基本要素形状を複数種類用意する。
　次に、付着水分量計測システム１は、試験体観測エリアＡＲ１及び微粒子追跡エリアＡＲ２に対して噴霧処理を複数回実施する。そして、付着水分量計測システム１は、噴霧した水粒子の映像データを取得し、更に試験体２００の表面に付着した付着水分量をＮＩＲスペクトルカメラで計測した映像データを取得する。
　その後、付着水分量計測システム１は、取得した２種類の映像データを用いて、任意形状の試験体２００の表面に付着する付着水分量の分布の経時変化を推定するための表面水分量時系列推定機１５を構築する。そして、付着水分量計測システム１は、構築した表面水分量時系列推定機１５により、新規に形状を設計した構造物１００の表面に付着する付着水分量の分布の経時変化の推定値を取得する。
　これにより、構造物１００を実際に作成する前に、その構造物１００の予定設置エリアにおける付着水分量の分布の経時変化の推定値を取得可能となり、腐食に強い構造物の形状設計が容易になる。
　［実施例］
　　［表面に付着する水分量のシステム構成と表面水分量データ取得］
　まず、試験体２００を配置する架台Ｍと試験体２００へ水を噴霧する噴霧処理装置１３とを用いて、試験体２００の表面各部に付着する水分量とその経時変化を計測する付着水分量計測システム１を用意する。
　付着水分量計測システム１は、図２に示したように、架台Ｍに配置された試験体２００を複数方向からＮＩＲスペクトルカメラで撮影するＮＩＲ画像計測装置１１と、微粒子追跡エリアＡＲ２に浮遊・飛散する水粒子の映像データを生成する微粒子トレーサ撮影装置１２と、で構成される。
　所定の基本要素形状を有する試験体２００を架台Ｍに配置し、噴霧処理条件である噴霧量、噴霧時間、噴霧角度等を調整・変更した噴霧処理条件パターンにより、複数回の噴霧処理を実行する。各噴霧処理の実行時に、微粒子追跡エリアＡＲ２内の映像データを微粒子トレーサ撮影装置１２で計測する。また、各噴霧処理の完了毎に、試験体２００の表面に付着した水分量をＮＩＲ画像計測装置１１で所定時間間隔を空けながら計測する。
　例えば、ＮＩＲ画像計測装置１１は、近赤外分光機能を持つＮＩＲスペクトルカメラで固定位置から試験体２００を撮影することで、試験体２００の表面付着水分量の２次元画像の時系列画像データを取得する。あるいは、ＮＩＲ画像計測装置１１は、可動機構を持つＮＩＲスペクトルカメラで３次元画像の時系列画像データを取得する。
　例えば、微粒子トレーサ撮影装置１２は、粒子画像流速測定法（ＰＩＶ；Ｐａｒｔｉｃｌｅ　ＩＭＡＧＥ　Ｖｅｌｏｃｉｍｅｔｒｙ）によるレーザシートを固定位置で使用することで、水粒子の飛散状況が撮影された２次元画像の時系列画像データを取得する。あるいは、微粒子トレーサ撮影装置１２は、観測空間を複数のレーザシートで時間分割走査することで、３次元画像の時系列画像データを取得する。
　上記処理手順により、試験体２００の１つの基本要素形状に対し、試験体２００に対する水粒子の移動の各時系列画像データと試験体２００の表面の付着水分量の分布の各映像データとが複数組取得される。
　また、基本要素の形状を変更した試験体２００を複数種類用意し、それぞれに対しても上記処理手順を実施する。これにより、互いに形状の異なる複数の試験体２００に対して、それぞれ、試験体２００に対する水粒子の移動の各時系列画像データと試験体２００の表面の付着水分量の分布の各映像データとが複数組取得される。
　なお、試験体２００の基本要素形状は、設計対象となる構造物１００の部分構造・部分形状が反映された形状であることが望ましい。
　　［表面水分量時系列推定機の構築例・構成例］
　図３は、表面水分量時系列推定機１５の構築例・構成例を示す図である。
　互いに形状の異なる複数の試験体２００について、試験体２００の備える基本要素の形状パターンＰと、その形状パターンＰに対する微粒子追跡エリアＡＲ２内での水粒子の移動の映像データＤ１と、試験体２００の表面に付着した付着水分量の分布の映像データＤ２と、を基に、基本要素の形状パターンＰと水粒子の移動の映像データＤ１とを入力として試験体２００の表面に付着した付着水分量の分布の映像データＤ２を推定計算する表面水分量時系列推定機１５を構築する。
　例えば、表面水分量時系列推定機１５は、映像データＤ１の各時系列画像データから水粒子の画像特徴をそれぞれ抽出する複数の第１エンコード層１５１と、試験体２００の備える基本要素の形状パターンＰの形状特徴を抽出する第２エンコード層１５２と、を備える。第１エンコード層１５１は、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ）等の特徴抽出器である。
　表面水分量時系列推定機１５は、各第１エンコード層１５１でそれぞれ抽出された時系列な各水粒子の画像特徴を系列推定層である推定部１５３へ入力する。推定部１５３は、例えば、ＬＳＴＭ（Ｌｏｎｇ　Ｓｈｏｒｔ　Ｔｅｒｍ　Ｍｅｍｏｒｙ）、ＧＲＵ（Ｇａｔｅｄ　Ｒｅｃｕｒｒｅｎｔ　Ｕｎｉｔ）である。
　表面水分量時系列推定機１５は、第２エンコード層１５２で抽出された基本要素の形状パターンＰの形状特徴を推定部１５３へ入力し、第１エンコード層１５１で抽出された映像データＤ１の水粒子の画像特徴と共に映像データＤ２を構築する各デコード層１５４へ入力する。
　具体的には、事前に、試験体２００の備える基本要素の形状パターンＰを入力・出力とするオートエンコーダ＃１と、映像データＤ２を入力・出力とするオートエンコーダ＃２と、をそれぞれ学習させておく。
　また、オートエンコーダ＃１のエンコード層とオートエンコーダ＃２のデコード層とを接続したエンコーダ・デコーダが、基本要素の形状パターンＰに対して当該形状パターンＰに対応した映像データＤ２の平均像（例えば、数分から数時間の観測期間中に撮像された時間平均画像）を出力するように、エンコーダ・デコーダを事前学習させておく。
　そして、このエンコーダ・デコーダのエンコードとデコードとをそれぞれ第２エンコード層１５２とデコード層１５４とし、平均像出力時のエンコードとデコードとの各変数パラメータを各層１５２、１５４の変数パラメータの初期値とし、学習を繰り返すことにより、試験体２００の表面に付着する付着水分量の分布の時系列データを推定計算可能な推定部１５３を構築する。
　つまり、平均像を用いてエンコーダ・デコーダを予め学習しておき、その時のパラメータを初期値として、独立して構築された各デコード層１５４がそれぞれ本来の目的である画像系列推定のパラメータを更に繰り返し学習する。最終的に各デコード層１５４がそれぞれ別々のパラメータを持つネットワークに収束していくことで、時系列画像データが生成されることになる。
　　［付着水分量分布の推定］
　図４は、新規に設計された構造物１００の表面付着水分量の分布の経時変化の推定フローを示す図である。
　ステップＳ１；
　表面水分量時系列推定機１５は、新規に設計された構造物１００の形状パターンＰ’の形状データを入力する（図５参照）。
　ステップＳ２；
　次に、構造物１００を設置する設置予定エリアにおいて、噴霧処理装置１３から水粒子を飛散させる。表面水分量時系列推定機１５は、微粒子トレーサ撮影装置１２から、その設置予定エリアに隣接する微粒子追跡エリア内を浮遊・飛散する水粒子の映像データＤ１’を取得する（図５参照）。
　ステップＳ３；
　最後に、表面水分量時系列推定機１５は、構造物１００の形状パターンＰ’の形状データと、微粒子追跡エリア内の水粒子の映像データＤ１’と、これまでに学習した付着水分量の分布の経時変化の学習結果と、を用いて、構造物１００の表面に付着する付着水分量の分布の映像データＤ２’を推定計算する（図５参照）。
　ユーザは、映像データＤ２’に示される水分量の時間推移が当該構造物１００の所定使用条件に収まるように、構造物１００の設計変更を繰り返し実施する。
　［効果］
　本実施形態によれば、付着水分量計測システム１が、試験体観測エリアＡＲ１に配置された試験体２００を複数方向から撮像し、前記試験体３００の表面に付着した付着水分量の分布を所定の時間間隔で近赤外分光法により計測記録するＮＩＲ画像計測装置１１と、前記試験体観測エリアＡＲ１に隣接する微粒子追跡エリアＡＲ２を撮影し、前記微粒子追跡エリアＡＲ２内の水粒子を追跡記録する微粒子トレーサ撮影装置１２と、前記試験体観測エリアＡＲ１と前記微粒子追跡エリアＡＲ２に水粒子を噴霧する噴霧処理装置１３と、前記ＮＩＲ画像計測装置１１と前記微粒子トレーサ撮影装置１２でそれぞれ記録された時系列画像データを用いて、設置予定エリアに設置される構造物１００の表面に付着する付着水分量の分布の経時変化を推定計算する表面水分量時系列推定機１５と、を備えるので、計算機等で設計される新規の構造物において、その構造物の表面に付着する付着液体量の分布の経時変化を適切に推定可能な技術を提供できる。
　［その他］
　本発明は、上記実施形態に限定されない。本発明は、本発明の要旨の範囲内で数々の変形が可能である。
　上記説明した本実施形態の表面水分量時系列推定機１５は、例えば、図６に示すように、ＣＰＵ９０１と、メモリ９０２と、ストレージ９０３と、通信装置９０４と、入力装置９０５と、出力装置９０６と、を備えた汎用的なコンピュータシステムを用いて実現できる。メモリ９０２及びストレージ９０３は、記憶装置である。当該コンピュータシステムにおいて、ＣＰＵ９０１がメモリ９０２上にロードされた所定のプログラムを実行することにより、表面水分量時系列推定機１５の各機能が実現される。
　表面水分量時系列推定機１５は、１つのコンピュータで実装されてもよい。表面水分量時系列推定機１５は、複数のコンピュータで実装されてもよい。表面水分量時系列推定機１５は、コンピュータに実装される仮想マシンであってもよい。表面水分量時系列推定機１５用のプログラムは、ＨＤＤ、ＳＳＤ、ＵＳＢメモリ、ＣＤ、ＤＶＤ等のコンピュータ読取り可能な記録媒体に記憶できる。表面水分量時系列推定機１５用のプログラムは、通信ネットワークを介して配信することもできる。
　１：付着水分量計測システム
　１１：ＮＩＲ画像計測装置
　１２：微粒子トレーサ撮影装置
　１３：噴霧処理装置
　１４：扇風機
　１５：表面水分量時系列推定機
　１５１：第１エンコード層
　１５２：第２エンコード層
　１５３：推定部
　１５４：デコード層
　１００：構造物
　２００：試験体
　９０１：ＣＰＵ
　９０２：メモリ
　９０３：ストレージ
　９０４：通信装置
　９０５：入力装置
　９０６：出力装置

Claims (4)

  1. 　試験体観測エリアに配置された試験体を複数方向から撮像し、前記試験体の表面に付着した付着液体量の分布を所定の時間間隔で近赤外分光法により計測記録する計測装置と、
    　前記試験体観測エリアに隣接する微粒子追跡エリアを撮影し、前記微粒子追跡エリア内の液体微粒子を追跡記録する撮影装置と、
    　前記試験体観測エリアと前記微粒子追跡エリアに液体微粒子を噴霧する噴霧装置と、
    　前記計測装置と前記撮影装置でそれぞれ記録された時系列画像データを用いて、設置予定エリアに設置される構造物の表面に付着する付着液体量の分布の経時変化を推定計算する推定装置と、
    　を備える付着液体量計測システム。
  2. 　前記推定装置は、
    　前記試験体の形状データと、前記試験体の表面に付着した付着液体量の分布の時系列画像データと、前記微粒子追跡エリア内の液体微粒子の時系列画像データと、を用いて、前記試験体の表面に付着する付着液体量の分布の経時変化を学習する請求項１に記載の付着液体量計測システム。
  3. 　前記推定装置は、
    　前記構造物の形状データと、前記設置予定エリアに隣接する微粒子追跡エリア内の液体微粒子の時系列画像データと、前記付着液体量の分布の経時変化の学習結果と、を用いて、前記構造物の表面に付着する付着液体量の分布の経時変化を推定計算する請求項２に記載の付着液体量計測システム。
  4. 　前記液体は、
    　水である請求項１乃至３のいずれかに記載の付着液体量計測システム。
PCT/JP2022/020225 2022-05-13 2022-05-13 付着液体量計測システム Ceased WO2023218641A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
PCT/JP2022/020225 WO2023218641A1 (ja) 2022-05-13 2022-05-13 付着液体量計測システム
US18/863,269 US20250297936A1 (en) 2022-05-13 2022-05-13 Adhesion Amount Measurement System
JP2024520214A JPWO2023218641A1 (ja) 2022-05-13 2022-05-13

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/020225 WO2023218641A1 (ja) 2022-05-13 2022-05-13 付着液体量計測システム

Publications (1)

Publication Number Publication Date
WO2023218641A1 true WO2023218641A1 (ja) 2023-11-16

Family

ID=88730181

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/020225 Ceased WO2023218641A1 (ja) 2022-05-13 2022-05-13 付着液体量計測システム

Country Status (3)

Country Link
US (1) US20250297936A1 (ja)
JP (1) JPWO2023218641A1 (ja)
WO (1) WO2023218641A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009294176A (ja) * 2008-06-09 2009-12-17 Espec Corp 環境試験装置における試料表面への水膜形成方法及び環境試験装置
JP2015230290A (ja) * 2014-06-06 2015-12-21 株式会社村田製作所 結露試験方法および結露試験装置
JP2019184510A (ja) * 2018-04-16 2019-10-24 日本電信電話株式会社 腐食試験方法および腐食試験装置
JP2021193347A (ja) * 2020-06-08 2021-12-23 株式会社東芝 絶縁耐性診断装置及び絶縁耐性診断方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012132848A (ja) * 2010-12-22 2012-07-12 Mitsubishi Heavy Ind Ltd 排煙挙動試験装置
JP6673715B2 (ja) * 2016-02-18 2020-03-25 一般財団法人電力中央研究所 構造物の付着物検出装置及び鉄塔の腐食管理システム
JP7499634B2 (ja) * 2020-07-17 2024-06-14 アズビル株式会社 結露予測装置、空調機器制御装置及び結露予測方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009294176A (ja) * 2008-06-09 2009-12-17 Espec Corp 環境試験装置における試料表面への水膜形成方法及び環境試験装置
JP2015230290A (ja) * 2014-06-06 2015-12-21 株式会社村田製作所 結露試験方法および結露試験装置
JP2019184510A (ja) * 2018-04-16 2019-10-24 日本電信電話株式会社 腐食試験方法および腐食試験装置
JP2021193347A (ja) * 2020-06-08 2021-12-23 株式会社東芝 絶縁耐性診断装置及び絶縁耐性診断方法

Also Published As

Publication number Publication date
JPWO2023218641A1 (ja) 2023-11-16
US20250297936A1 (en) 2025-09-25

Similar Documents

Publication Publication Date Title
Schindelholz et al. Wetting phenomena and time of wetness in atmospheric corrosion: a review.
Garrido González et al. Automatic detection of moistures in different construction materials from thermographic images
Grediac et al. The Grid Method for In‐plane Displacement and Strain Measurement: A Review and Analysis
US20200284686A1 (en) Vision-based fatigue crack detection using feature tracking
Wu et al. Non-contact measurement method of beam vibration with laser stripe tracking based on tilt photography
Guo et al. Structural vibration measurement based on improved phase-based motion magnification and deep learning
CN106066636A (zh) 具有在线取得机械的频率特性的功能的伺服控制装置
CN120123697B (zh) 一种多模态强化学习驱动的pm2.5化学组分垂直廓线反演系统及方法
Wanishsakpong et al. Optimal time series model for forecasting monthly temperature in the southwestern region of Thailand
CN117784864A (zh) 自适应状态控制的光伏板清洗机器人环境调节方法及系统
CN120370716B (zh) 一种适用于无人机的清洗应用和数据处理系统
CN115439463A (zh) 焊接质量的确定方法、装置、处理器及焊接质量诊断系统
Liu et al. Real-time 3D surface measurement in additive manufacturing using deep learning
Yan et al. A review of video‐based rainfall measurement methods
Wang et al. A vision-based method for estimating shallow cable tension via vibrational properties
Lerner et al. The effect of ego-motion on environmental monitoring
WO2023218641A1 (ja) 付着液体量計測システム
Davis et al. Coating evaluation and validation of accelerated test conditions using an in-situ corrosion sensor
Morlier et al. New image processing tools for structural dynamic monitoring
Nsugbe et al. Monitoring the particle size distribution of a powder mixing process with acoustic emissions: a review
CN118567953B (zh) 一种设备功耗确定方法、设备、程序产品及介质
CN114798393A (zh) 一种液态金属涂层的处理方法及系统
Laidi et al. Novel approach for estimating monthly sunshine duration using artificial neural networks: A case study
Schmidt et al. Towards autonomous shotcrete construction: Semantic 3D reconstruction for concrete deposition using stereo vision and deep learning
CN118168547A (zh) 基于电机电流数据分析的轨道式光伏清洁机器人位置检测方法

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: 22941718

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2024520214

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 18863269

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22941718

Country of ref document: EP

Kind code of ref document: A1

WWP Wipo information: published in national office

Ref document number: 18863269

Country of ref document: US