JP2011180120A - Method and device for diagnosis of waterproof sheet - Google Patents
Method and device for diagnosis of waterproof sheet Download PDFInfo
- Publication number
- JP2011180120A JP2011180120A JP2010269969A JP2010269969A JP2011180120A JP 2011180120 A JP2011180120 A JP 2011180120A JP 2010269969 A JP2010269969 A JP 2010269969A JP 2010269969 A JP2010269969 A JP 2010269969A JP 2011180120 A JP2011180120 A JP 2011180120A
- Authority
- JP
- Japan
- Prior art keywords
- crack
- feature
- waterproof sheet
- image
- feature amount
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 140
- 238000003745 diagnosis Methods 0.000 title claims description 64
- 230000006866 deterioration Effects 0.000 claims abstract description 101
- 238000012545 processing Methods 0.000 claims abstract description 93
- 230000008569 process Effects 0.000 claims abstract description 80
- 238000000611 regression analysis Methods 0.000 claims abstract description 31
- 230000015556 catabolic process Effects 0.000 claims abstract description 14
- 238000006731 degradation reaction Methods 0.000 claims abstract description 14
- 230000014759 maintenance of location Effects 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims description 82
- 230000003993 interaction Effects 0.000 claims description 41
- 238000006243 chemical reaction Methods 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 36
- 238000003860 storage Methods 0.000 claims description 31
- 238000005286 illumination Methods 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000003384 imaging method Methods 0.000 claims description 12
- 230000001174 ascending effect Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 238000002405 diagnostic procedure Methods 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 13
- 238000007405 data analysis Methods 0.000 description 11
- 238000007781 pre-processing Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 238000002790 cross-validation Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 9
- 238000009966 trimming Methods 0.000 description 9
- 230000001066 destructive effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 229920000915 polyvinyl chloride Polymers 0.000 description 7
- 239000004800 polyvinyl chloride Substances 0.000 description 7
- 238000010191 image analysis Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000010187 selection method Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 239000012528 membrane Substances 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 229920005989 resin Polymers 0.000 description 3
- 239000011347 resin Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 229920003002 synthetic resin Polymers 0.000 description 2
- 239000000057 synthetic resin Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 241000207961 Sesamum Species 0.000 description 1
- 235000003434 Sesamum indicum Nutrition 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000006229 carbon black Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005297 material degradation process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000009418 renovation Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000003566 sealing material Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 239000013077 target material Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 125000000391 vinyl group Chemical group [H]C([*])=C([H])[H] 0.000 description 1
- 229920002554 vinyl polymer Polymers 0.000 description 1
Images
Landscapes
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
Description
この発明は、建物の屋根やバルコニー床等に用いられる防水シートの劣化の程度を、非破壊検査で診断する防水シート診断方法および診断装置に関する。 The present invention relates to a waterproof sheet diagnostic method and a diagnostic apparatus for diagnosing the degree of deterioration of a waterproof sheet used for a roof of a building, a balcony floor, and the like by nondestructive inspection.
日本では高度経済成長やバブル期に多くの建物が建設されたが、現在それらの多くが老朽化してきている。一方で、近年の経済状況の悪化や環境意識の高まりなどから、コストや環境負荷の大きい建て替えではなく、改修で建物を長く使おうとする機運が高まっている。
建物の高耐久化は、地球環境保全の意味から強く叫ばれている。建物を永く使用していくにあたって、防水シートの劣化診断は、建物の価値を判断する上で重要なファクターになり得る。防水シートは経年するに従い、紫外線・熱・オゾン・雨水・湿気や繰返し疲労などの劣化外力の影響を受けて徐々に劣化する。そして、いずれは補修・張り替えなどの対応が必要な時期が訪れる。その時期を的確に判断するためには、個々の建物における防水シートの劣化度を確認することが必要である。
Many buildings were built in Japan during the period of high economic growth and the bubble period, but many of them are now obsolete. On the other hand, due to the recent deterioration in economic conditions and the increase in environmental awareness, there is an increasing momentum to use buildings for renovation rather than rebuilding with a large cost and environmental burden.
High durability of buildings is strongly screamed from the viewpoint of global environmental conservation. When a building is used for a long time, deterioration diagnosis of a waterproof sheet can be an important factor in judging the value of the building. As the waterproof sheet ages, it gradually deteriorates under the influence of deterioration external forces such as ultraviolet rays, heat, ozone, rainwater, moisture, and repeated fatigue. Eventually, the time will come when repairs and re-working are required. In order to accurately determine the time, it is necessary to confirm the degree of deterioration of the waterproof sheet in each building.
防水シートの劣化度を評価する指標として、一般に引張強度試験での破断時伸び保持率が用いられている。しかし、破断時伸び保持率は実験室での評価法としては適しているが、防水シートを切断および採取して測定する必要があり、現存する建物の現場での劣化診断法としては適さない。そこで、実際に対象とする建物の一部を破壊することなく、何らかの方法で検査し、防水シートの残存強度を測定する必要性が生じる。 As an index for evaluating the degree of deterioration of a waterproof sheet, the elongation retention at break in a tensile strength test is generally used. However, although the elongation retention at break is suitable as an evaluation method in a laboratory, it is necessary to measure by cutting and collecting a waterproof sheet, and it is not suitable as a deterioration diagnosis method in an existing building site. Therefore, there is a need to inspect by some method and measure the residual strength of the waterproof sheet without actually destroying a part of the target building.
非破壊または略非破壊で診断する従来技術として、シート防水材の硬度計による劣化判定方法(特許文献1)や、シート防水材の亀裂写真による劣化判定方法(特許文献2)、合成樹脂製シートの劣化評価方法・劣化評価用スケール(特許文献3)などが提案されている。また、繊維を樹脂で被覆した膜材の強度劣化の判定に関して、パーソナルコンピュータ接続型マイクロスコープを用いた、色分析や、クラック領域の面積和の形態分析等による判定装置,判定システム,判定方法等(特許文献4)が提案されている。 As a conventional technique for diagnosing non-destructively or substantially non-destructively, a deterioration determination method using a hardness meter of a waterproof sheet (Patent Document 1), a deterioration determination method using a crack photograph of the waterproof sheet (Patent Document 2), a synthetic resin sheet A degradation evaluation method, a degradation evaluation scale (Patent Document 3), and the like have been proposed. In addition, regarding the determination of the strength deterioration of the membrane material covered with resin, the determination device, the determination system, the determination method, etc. by color analysis using the personal computer connected microscope, the shape analysis of the area sum of the crack area, etc. (Patent Document 4) has been proposed.
また、画像処理を用いた劣化材料の残存強度の推定に関する既往研究として柳室氏(非特許文献1)は、より客観的で有効な非破壊検査の一つとして、画像解析・画像認識技術を用いて膜材料表面のデジタル画像の色彩特徴や形態特徴などから残存強度を推定する手法を提案している。辻本氏ら(非特許文献2)は、「ポリ塩化ビニル系ルーフィングシートの簡易劣化診断法の提案」の一つとして、表面クラックの程度を画像処理によって定量化する手法を提案している。ただし、前処理として、表面に付着している粉塵などをエタノールを用いて除去し、さらにクラック部分を際立たせるためにカーボンブラックを混入したシリコーングリースをこすりつけるなどしている。 In addition, as a past study on the estimation of the residual strength of degraded materials using image processing, Yanagimuro (Non-Patent Document 1) uses image analysis and image recognition technology as one of the more objective and effective non-destructive inspections. We have proposed a method for estimating the residual intensity from the color and morphological features of digital images on the surface of membrane materials. Enomoto et al. (Non-Patent Document 2) proposes a technique for quantifying the degree of surface cracks by image processing as one of the “suggestion of a simple deterioration diagnosis method for a polyvinyl chloride roofing sheet”. However, as a pretreatment, dust or the like adhering to the surface is removed using ethanol, and silicone grease mixed with carbon black is rubbed in order to make the crack portion stand out.
前記シート防水材の硬度計による劣化判定方法(特許文献1)では、シートに針で穴を明ける必要がある。この穴は検査後に補修するが問題がある。
前記シート防水材の亀裂写真による劣化判定方法(特許文献2)では、クラックを撮影するために着色が必要であり、かつ検証サンプルが少なく精度が低い。フィルムカメラを用いることからも、精度の良い判定が難しい。
前記合成樹脂製シートの劣化評価方法等(特許文献3)では、防水シートに色が付くという問題が有り、また劣化評価する対象が水平面に限定される。
前記色分析や、クラック領域の面積和の形態分析等による判定手法(特許文献4)は、今一つ精度の良い診断が行えない。また、同文献の手法による判定対象は、繊維を樹脂で被覆した膜材であって、塩ビ系防水シート等では、精度の良い診断が困難である。
In the deterioration determination method using a hardness meter of the waterproof sheet (Patent Document 1), it is necessary to make a hole in the sheet with a needle. Although this hole is repaired after inspection, there is a problem.
In the degradation determination method based on the crack photograph of the waterproof sheet (Patent Document 2), coloring is necessary to photograph the crack, and there are few verification samples and the accuracy is low. It is difficult to make a precise determination because a film camera is used.
In the degradation evaluation method of the synthetic resin sheet and the like (Patent Document 3), there is a problem that the waterproof sheet is colored, and the target for degradation evaluation is limited to a horizontal plane.
The determination method based on the color analysis or the shape analysis of the sum of the areas of the crack regions (Patent Document 4) cannot make a highly accurate diagnosis. Moreover, the determination object by the method of the same literature is a film | membrane material which coat | covered the fiber with resin, Comprising: With a polyvinyl chloride waterproof sheet etc., a precise diagnosis is difficult.
また、上記各既往研究(非特許文献1,2)は、いずれも、劣化度を高精度に定量的に評価できるに至っておらず、あるいは付随した前処理等が必要で、間便に短時間で診断を行うことが困難である。
In addition, none of the above previous studies (
この発明の目的は、防水シートの劣化診断を、診断対象の性質を変化させない非破壊検査で行うことができて、現場で実施でき、また簡便で、かつ短い所要時間で行え、劣化度を高精度に定量的に評価することができる防水シート診断方法および診断装置を提供することである。 An object of the present invention is to perform a deterioration diagnosis of a waterproof sheet by a non-destructive inspection that does not change the property of the diagnosis object, can be performed on site, can be easily performed in a short time, and has a high degree of deterioration. It is an object to provide a waterproof sheet diagnostic method and diagnostic apparatus that can quantitatively evaluate the accuracy.
この発明の防水シート劣化診断方法は、
判定対象となる防水シートの表面の一部を撮影したデジタル画像からなる原画像のデータを原画像記憶手段に記憶させる入力処理過程と、
前記原画像のデータを原画像記憶手段に記憶させる入力処理過程と、前記原画像記憶手段に記憶された原画像のデータを処理し、防水シートの劣化に伴って現れる要素として定められた画像の複数種類の特徴量をそれぞれ抽出する画像処理・特徴量抽出過程と、
この抽出した各種類の特徴量を定められた規則に従って解析して、防水シートの破断時の伸び率の保持率である残存品質を求める残存品質演算過程とを含む。
前記画像処理・特徴量抽出過程は、原画像の各ピクセルを、クラック領域を示すピクセルと非クラック領域を示すピクセルとに2値化処理によって領域分割する領域分割過程と、この領域分割された2値画像から特徴量を抽出する特徴量抽出過程とを含む。
前記特徴量抽出過程で抽出する前記複数種類の特徴量として、クラックの大きさに係る特徴量である、前記2値画像のうち、クラック領域の占める面積比率、およびクラック領域の平均幅のいずれか一方または両方の特徴量と、距離変換を用いた重み付けによって得られるクラックの幅に係る特徴量とを用いる。
前記距離変換による重み付けは、クラック領域の各ピクセルから非クラック領域のピクセルまでの最短距離がそのピクセルの距離値であるとしてクラック領域の各ピクセルの値を前記距離値で重み付けした画像を生成する処理であり、この重み付けされた画像における各ピクセルの値の合計、中央値、最大値、および標準偏差の少なくとも一つを前記クラック領域の幅に関する特徴量として用いる。
The waterproof sheet deterioration diagnosis method of this invention is
An input processing step of storing in the original image storage means original image data consisting of a digital image obtained by photographing a part of the surface of the waterproof sheet to be determined;
An input processing process for storing the original image data in the original image storage means, and processing of the original image data stored in the original image storage means, and an image defined as an element appearing with the deterioration of the waterproof sheet Image processing and feature extraction process to extract multiple types of features,
And analyzing the extracted feature quantities of each type according to a predetermined rule to obtain a residual quality calculation process for obtaining a residual quality, which is a retention rate of elongation at break of the waterproof sheet.
In the image processing / feature amount extraction process, each pixel of the original image is divided into a pixel indicating a crack region and a pixel indicating a non-crack region by a binarization process, and the region divided 2 And a feature amount extraction process for extracting a feature amount from the value image.
As the plurality of types of feature amounts extracted in the feature amount extraction process, any one of an area ratio occupied by a crack region and an average width of the crack region in the binary image, which is a feature amount related to the size of a crack One or both feature amounts and the feature amount related to the width of the crack obtained by weighting using distance conversion are used.
The weighting by the distance conversion is a process of generating an image in which the value of each pixel in the crack region is weighted by the distance value assuming that the shortest distance from each pixel in the crack region to the pixel in the non-crack region is the distance value of the pixel. And at least one of the sum, median, maximum value, and standard deviation of the values of each pixel in the weighted image is used as a feature amount related to the width of the crack region.
この劣化診断方法によると、判定対象となる防水シートの表面の一部を撮影し、画像処理して特徴量を抽出し、その特徴量から残存品質を求めるため、防水シートの劣化診断を、診断対象の性質を変化させない非破壊検査で行うことができて、現場で実施でき、また簡便で、かつ短い所要時間で行える。
この場合に、画像の特徴量として、クラックの大きさに係る特徴量である、クラック領域の占める面積比率、およびクラック領域の平均幅のいずれか一方または両方の特徴量と、距離変換を用いた重み付けによって得られるクラックの幅に係る特徴量とを用いるため、劣化度を高精度に定量的に評価することができる。
防水シートは陸屋根など使用されることが多いが、その場合、防水シートは、紫外線、熱、水分などの影響により劣化進行すると考えられる。塩ビ系防水シート等では紫外線による劣化が最も大きく、太陽光による紫外線照射が表面側からの分子量低下に繋がり、この現象が表面のクラックの発生などの外観変化に現れる。そこで、防水シートの劣化過程の画像サンプルを観察した。その結果、残存品質(防水シートの破断時の伸び率の保持率)の劣化の進行に伴ってクラックの幅が広くなり、クラックの領域が広がっていることがわかった。クラック領域の面積和だけでも、劣化の進行をある程度は診断できるが、精度の良い診断には不十分である。これに対し、この発明は、劣化の進行を顕著に現すクラックの幅を、劣化度の診断の特徴量として用いるため、劣化度を高精度に定量的に評価することができる。クラックの幅は、距離変換による重み付けによって得るようにしたため、画像から精度良く求めることができる。また、この発明は、診断に用いる画像の特徴量として、クラックの幅の他に、クラック領域の占める面積比率、およびクラック領域の平均幅のいずれか一方または両方を用い、複数の画像特徴量を組み合わせて診断するため、診断対象を変化させない完全な非破壊検査にもかかわらず、非常に高いに精度で残存品質を求めることができる。
According to this degradation diagnosis method, a part of the surface of the waterproof sheet to be judged is photographed, image processing is performed to extract feature quantities, and residual quality is obtained from the feature quantities. It can be performed by non-destructive inspection that does not change the properties of the object, can be performed in the field, is simple, and can be performed in a short time.
In this case, as the feature amount of the image, the feature amount related to the size of the crack, the ratio of the area occupied by the crack region, the feature amount of one or both of the average width of the crack region, and distance conversion were used. Since the feature amount related to the crack width obtained by weighting is used, the degree of deterioration can be quantitatively evaluated with high accuracy.
In many cases, the waterproof sheet is used for a flat roof. In this case, the waterproof sheet is considered to deteriorate due to the influence of ultraviolet rays, heat, moisture, and the like. In PVC waterproof sheets and the like, deterioration due to ultraviolet rays is the largest, and irradiation with ultraviolet rays due to sunlight leads to a decrease in molecular weight from the surface side, and this phenomenon appears in appearance changes such as generation of cracks on the surface. Therefore, an image sample of the deterioration process of the waterproof sheet was observed. As a result, it was found that as the residual quality (retention rate of elongation at breakage of the waterproof sheet) deteriorates, the width of the crack increases and the crack area widens. Although the progress of deterioration can be diagnosed to some extent only by the sum of the areas of the crack regions, it is insufficient for accurate diagnosis. In contrast, according to the present invention, since the width of a crack that significantly shows the progress of deterioration is used as a characteristic amount for diagnosis of the degree of deterioration, the degree of deterioration can be quantitatively evaluated with high accuracy. Since the crack width is obtained by weighting by distance conversion, it can be obtained from the image with high accuracy. Further, according to the present invention, as the image feature amount used for diagnosis, in addition to the width of the crack, one or both of the area ratio occupied by the crack region and the average width of the crack region are used. Since the diagnosis is performed in combination, the residual quality can be obtained with very high accuracy despite the complete non-destructive inspection that does not change the diagnosis target.
この発明方法において、前記特徴量抽出過程で抽出する特徴量として、前記クラックの大きさに係る特徴量、およびクラックの幅に係る特徴量の他に、次の局所的最大値から得られる特徴量を用いても良い。この局所的最大値から得られる特徴量は、前記距離値で重み付けした画像から、個々のクラック領域におけるピクセルの値の最大値である局所的最大値を抽出し、距離変換の値が小さい順または大きい順にソートし、n(n:2以上の自然数)水準に等分割したヒストグラムを作成し、各水準i(1≦i≦n)の度数を、前記局所的最大値から得られる特徴量とする。
前記局所的最大値は、細いクラックが多いのか、太いクラックが多いのかを示す値である。太いクラックが多ければ、劣化が進行していると考えられる。このため、局所的最大値を診断のための画像特徴量として加えることで、より一層高い精度で残存品質を求めることができる。
In the method of the present invention, as the feature quantity extracted in the feature quantity extraction process, in addition to the feature quantity related to the size of the crack and the feature quantity related to the width of the crack, the feature quantity obtained from the following local maximum value May be used. The feature amount obtained from the local maximum value is obtained by extracting the local maximum value that is the maximum value of the pixel value in each crack region from the image weighted by the distance value, in order of decreasing distance conversion value or Histograms are sorted in descending order and equally divided into n (n: natural number of 2 or more) levels, and the frequency of each level i (1 ≦ i ≦ n) is used as the feature amount obtained from the local maximum value. .
The local maximum value is a value indicating whether there are many thin cracks or many thick cracks. If there are many thick cracks, it is considered that deterioration has progressed. For this reason, the residual quality can be obtained with higher accuracy by adding the local maximum value as an image feature amount for diagnosis.
この発明方法において、前記特徴量抽出過程で抽出する特徴量として、前記クラックの大きさに係る特徴量、およびクラックの幅に係る特徴量の他に、隣接ピクセルを比較することによる特徴量として、一つのピクセルについて、その距離がi(iは自然数)ピクセルだけ離れた帯状の近傍に含まれるピクセルの集合について、全てがクラックのピクセルであるときのみ、その近傍を連続したクラック領域として定め、クラック領域のピクセルの近傍距離別にクラック領域が分布しているかを示す値と、クラック領域の各ピクセルにつきどの範囲まで連続したクラック領域が広がっているかを示す値とを用いても良い。
これらのクラック領域のピクセルの近傍距離別にクラック領域が分布しているかを示す値と、クラック領域の各ピクセルにつきどの範囲まで連続したクラック領域が広がっているかを示す値も、劣化の進行を顕著に現す。そのため、これらの隣接ピクセルを比較することによる特徴量を劣化診断のための画像特徴量として加えることで、多くの種類の画像特徴量を組み合わせて診断することができ、より一層高い精度で残存品質を求めることができる。
In the method of the present invention, as the feature quantity extracted in the feature quantity extraction process, in addition to the feature quantity related to the size of the crack and the feature quantity related to the width of the crack, as a feature quantity by comparing adjacent pixels, For a set of pixels included in a belt-like neighborhood whose distance is i (i is a natural number) pixels, the neighborhood is defined as a continuous crack region only when all pixels are cracked pixels. You may use the value which shows whether the crack area | region is distributed according to the neighborhood distance of the pixel of an area | region, and the value which shows how many continuous crack areas have spread about each pixel of a crack area | region.
The value indicating whether the crack area is distributed according to the proximity distance of the pixels in the crack area and the value indicating how far the continuous crack area is spread for each pixel in the crack area are also prominent in the progress of deterioration. Appear. Therefore, by adding the feature value obtained by comparing these adjacent pixels as an image feature value for deterioration diagnosis, it is possible to make a diagnosis by combining many types of image feature values, and the remaining quality with higher accuracy. Can be requested.
この発明において、画像処理・特徴量抽出過程として、前記2値化処理によって領域分割する領域分割過程およびこの領域分割された2値画像から特徴量を抽出する特徴量抽出過程と共に、前記原画像記憶手段に記憶された原画像の各ピクセルが持つスカラー値を地形の標高とみなし、各盆地を区切る分水嶺を境界として、仕切る領域分割過程と、この分割されたクラスター毎に、そこに分類されるピクセルの明度の中央値、標準偏差、最小値、および最大値のうちの少なくとも一つを計算し、計算結果を昇順または降順に並べ替え、値に関して均等に複数分割してバケット化し、各バケット内のデータの平均値を特徴量として求める特徴量抽出過程とを用い、残存品質演算過程では、前記2値化処理を経て行う領域分割過程を経て得た特徴量と、前記分水嶺を境界として仕切る領域分割過程を経て得た特徴量との両方を、残存品質の解析に用いても良い。
原画像をクラックに関して領域分割する手法として、2値化処理の他に、分水嶺処理による手法も効果的であり、異なる手法でクラックに関する領域分割を行って画像特徴量を抽出することで、より多くの種類の画像特徴量を組み合わせ診断することができ、これにより、さらに高い精度で残存品質を求めることができる。
In the present invention, as the image processing / feature amount extraction process, the original image storage is performed together with a region dividing step of dividing the region by the binarization processing and a feature amount extracting step of extracting a feature amount from the binary image divided into the regions. The scalar value of each pixel of the original image stored in the means is regarded as the elevation of the terrain, and the pixel is classified into each divided cluster by dividing the region with the watershed dividing each basin as a boundary. Calculate at least one of the median, standard deviation, minimum, and maximum values of brightness, sort the calculation results in ascending or descending order, divide the values evenly into buckets, A feature amount extraction process for obtaining an average value of data as a feature quantity, and in the residual quality calculation process, the feature obtained through the region division process performed through the binarization process When, both the characteristic quantity obtained through the area division process for dividing the watershed as a boundary, may be used in the analysis of the residual quality.
In addition to the binarization process, a technique using a water divide process is also effective as a technique for segmenting the original image with respect to the cracks. This type of image feature amount can be combined and diagnosed, whereby the remaining quality can be obtained with higher accuracy.
この発明において、前記残存品質演算過程は、抽出された各種類の特徴量を定められた規則に従って解析して残存品質を求めれば良いが、その定められた規則として、画像処理・特徴量抽出過程で抽出した各種類の特徴量から、回帰分析によって前記残存品質を求める規則が好ましい。
劣化診断の精度は、劣化を現す特徴量としてどのような特徴量を抽出して用いるかと、その抽出した特徴量を如何にするかによって定まる。回帰分析によると、実測値を用いてより精度良く残存品質を求めることができる。
In the present invention, the residual quality calculation process may be performed by analyzing each extracted feature quantity according to a predetermined rule to obtain a residual quality, and as the predetermined rule, image processing / feature quantity extraction process The rule for obtaining the residual quality by regression analysis from the various types of feature values extracted in (1) is preferable.
The accuracy of the deterioration diagnosis is determined by what kind of feature value is extracted and used as the feature amount indicating deterioration and how the extracted feature amount is used. According to the regression analysis, the residual quality can be obtained with higher accuracy using the actual measurement value.
前記回帰分析として、重回帰分析が好ましい。すなわち、前記残存品質演算過程では、前記画像処理・特徴量抽出過程で抽出した各種類の特徴量の全て、またはこれらの特徴量のうち、定められた基準によって選択したものを説明変数とし、前記残存品質を目的変数として、重回帰分析により残存品質を求めるのが良い。重回帰分析によると、推定モデルを状況に応じて再学習でき、今後増えて来る劣化防水シートの実験結果を取り込んで、より多数のサンプルにより信頼性の高いモデルを容易に作ることができ、さらに精度良く残存品質を求めることができる。 As the regression analysis, multiple regression analysis is preferable. That is, in the residual quality calculation process, all of the various types of feature quantities extracted in the image processing / feature quantity extraction process, or those selected from the feature quantities according to a predetermined criterion are used as explanatory variables, The residual quality should be obtained by multiple regression analysis using the residual quality as an objective variable. According to the multiple regression analysis, the estimated model can be re-learned according to the situation, the experimental results of the deteriorated waterproof sheet that will increase in the future can be taken in, and a more reliable model can be easily created with more samples, Residual quality can be obtained with high accuracy.
重回帰分析を行う場合に、前記残存品質演算過程では、前記画像処理・特徴量抽出過程で抽出した各種類の特徴量のうち任意の2つの特徴量を掛け合わせた交互作用項を作成し、前記各特徴量と前記各交互作用項を説明変数とし、これらの説明変数から、定められた判定基準に従って説明変数を選択し、選択された説明変数を用いて重回帰分析により残存品質を求めるのが良い。
豊富に容易された画像特徴量と、それから有意義な変数を効果的に導く変数選択手法により、推定モデルを状況に応じて再学習でき、今後増えて来る劣化防水シートの実験結果を取り込んで、より多数のサンプルにより信頼性の高いモデルを容易に作ることができる。そのため、さらに精度良く残存品質を求めることができる。
When performing multiple regression analysis, in the residual quality calculation process, create an interaction term by multiplying any two feature quantities of each type of feature quantity extracted in the image processing / feature quantity extraction process, Using each feature quantity and each interaction term as an explanatory variable, an explanatory variable is selected from these explanatory variables according to a predetermined criterion, and a residual quality is obtained by multiple regression analysis using the selected explanatory variable. Is good.
A rich selection of image features and a variable selection method that effectively derives meaningful variables from them, the estimated model can be re-learned according to the situation. A large number of samples can make a reliable model easily. Therefore, the remaining quality can be obtained with higher accuracy.
この発明の防水シート劣化診断装置(1)は、
判定対象となる防水シートの表面の一部を撮影したデジタル画像からなる原画像のデータを原画像記憶手段(6)に記憶させる入力処理手段(5)と、
前記原画像記憶手段(6)に記憶された原画像のデータを処理し、防水シートの劣化に伴って現れる要素として定められた画像の複数種類の特徴量をそれぞれ抽出する画像処理・特徴量抽出手段(7)と、
この抽出した各種類の特徴量を解析して、防水シートの破断時の伸び率の保持率である残存品質を求める残存品質演算手段(8)とを備える。
前記画像処理・特徴量抽出手段(7)は、原画像の各ピクセルを、クラック領域を示すピクセルと非クラック領域を示すピクセルとに2値化処理によって領域分割する領域分割部(10)と、この領域分割された2値画像から特徴量を抽出する特徴量抽出部(11)とを有する。
前記特徴量抽出手段(11)は、抽出する前記複数種類の特徴量として、クラックの大きさに係る特徴量である、前記2値画像のうち、クラック領域の占める面積比率、およびクラック領域の平均幅のいずれか一方または両方の特徴量と、距離変換を用いた重み付けによって得られるクラックの幅に係る特徴量とを用いる。
前記距離変換による重み付けは、クラック領域の各ピクセルから非クラック領域のピクセルまでの最短距離がそのピクセルの距離値であるとしてクラック領域の各ピクセルの値を前記距離値で重み付けした画像を生成する処理であり、この重み付けされた画像における各ピクセルの値の合計、中央値、最大値、および標準偏差の少なくとも一つを前記クラック領域の幅に関する特徴量として用いる。
The waterproof sheet deterioration diagnosis device (1) of the present invention is:
An input processing means (5) for storing, in the original image storage means (6), original image data consisting of a digital image obtained by photographing a part of the surface of the waterproof sheet to be determined;
Image processing / feature amount extraction for processing original image data stored in the original image storage means (6) and extracting a plurality of types of feature amounts of images determined as elements appearing with the deterioration of the waterproof sheet. Means (7);
Analyzing the extracted feature quantities of each type to provide a residual quality calculating means (8) for obtaining a residual quality that is a retention rate of elongation at break of the waterproof sheet.
The image processing / feature amount extraction means (7) includes an area dividing unit (10) that divides each pixel of the original image into a pixel indicating a crack area and a pixel indicating a non-crack area by binarization processing; A feature amount extraction unit (11) for extracting a feature amount from the binary image divided into regions;
The feature quantity extraction means (11) is a feature quantity related to the size of a crack as the plurality of types of feature quantities to be extracted. Of the binary image, an area ratio occupied by a crack area, and an average of the crack areas One or both of the feature values of the width and the feature value related to the width of the crack obtained by weighting using distance conversion are used.
The weighting by the distance conversion is a process of generating an image in which the value of each pixel in the crack region is weighted by the distance value assuming that the shortest distance from each pixel in the crack region to the pixel in the non-crack region is the distance value of the pixel. And at least one of the sum, median, maximum value, and standard deviation of the values of each pixel in the weighted image is used as a feature amount related to the width of the crack region.
この発明の防水シート劣化診断装置(1)によると、この発明の防水シート劣化診断方法につき前述したと同様に、防水シートの劣化診断を、診断対象の性質を変化させない非破壊検査で行うことができて、現場で実施でき、また簡便で、かつ短い所要時間で行え、劣化度を高精度に定量的に評価することができる。 According to the waterproof sheet deterioration diagnosis apparatus (1) of the present invention, the waterproof sheet deterioration diagnosis can be performed by a nondestructive inspection that does not change the property of the diagnosis object, as described above for the waterproof sheet deterioration diagnosis method of the present invention. In addition, it can be carried out in the field, can be performed easily and in a short time, and the degree of deterioration can be quantitatively evaluated with high accuracy.
この発明装置において、前記特徴量抽出手部(11)で抽出する特徴量として、前記クラックの大きさに係る特徴量、およびクラックの幅に係る特徴量の他に、次の局所的最大値から得られる特徴量を用い、この局所的最大値から得られる特徴量は、前記距離値で重み付けした画像から、個々のクラック領域におけるピクセルの値の最大値である局所的最大値を抽出し、距離変換の値が小さい順または大きい順にソートし、n(n:2以上の自然数)水準に等分割したヒストグラムを作成し、各水準i(1≦i≦n)の度数を、前記局所的最大値から得られる特徴量としても良い。 In the device according to the present invention, as the feature quantity extracted by the feature quantity extraction unit (11), in addition to the feature quantity relating to the size of the crack and the feature quantity relating to the width of the crack, Using the obtained feature value, the feature value obtained from this local maximum value is obtained by extracting the local maximum value, which is the maximum value of the pixel value in each crack region, from the image weighted by the distance value. Sorting in order of increasing or decreasing value, creating a histogram equally divided into n (n: natural number of 2 or more) levels, and calculating the frequency of each level i (1 ≦ i ≦ n) as the local maximum value It is good also as the feature-value obtained from.
この発明装置において、前記特徴量抽出部(11)で抽出する特徴量として、前記クラックの大きさに係る特徴量、およびクラックの幅に係る特徴量の他に、隣接ピクセルを比較することによる特徴量として、一つのピクセルについて、その距離がi(iは自然数)ピクセルだけ離れた帯状の近傍に含まれるピクセルの集合について、全てがクラックのピクセルであるときのみ、その近傍を連続したクラック領域として定め、クラック領域のピクセルの近傍距離別にクラック領域が分布しているかを示す値と、クラック領域の各ピクセルにつきどの範囲まで連続したクラック領域が広がっているかを示す値とを用いても良い。 In the device according to the present invention, as the feature quantity extracted by the feature quantity extraction unit (11), in addition to the feature quantity related to the size of the crack and the feature quantity related to the width of the crack, a feature obtained by comparing adjacent pixels. As a quantity, for a set of pixels included in a belt-like neighborhood whose distance is i (i is a natural number) pixels, only when the pixel is a crack pixel, the neighborhood is regarded as a continuous crack region. It is also possible to use a value indicating whether the crack region is distributed according to the neighborhood distance of the pixel in the crack region, and a value indicating to what range the continuous crack region is spread for each pixel in the crack region.
この発明装置において、画像処理・特徴量抽出手段(7)として、前記2値化処理によって領域分割する領域分割部(10)およびこの領域分割された2値画像から特徴量を抽出する特徴量抽出部(11)の他に、前記原画像記憶手段(6)に記憶された原画像の各ピクセルが持つスカラー値を地形の標高とみなし、各盆地を区切る分水嶺を境界として、仕切る第2の領域分割部(12)と、この分割されたクラスター毎に、そこに分類されるピクセルの明度の中央値、標準偏差、最小値、および最大値のうちの少なくとも一つを計算し、計算結果を昇順または降順に並べ替え、値に関して均等に複数分割してバケット化し、各バケット内のデータの平均値を特徴量として求める第2の特徴量抽出部(13)とを設け、前記残存品質演算手段(8)では、前記2値化処理を経て行う領域分割部(10)を経て得た特徴量と、前記分水嶺を境界として仕切る領域分割部(12)を経て得た特徴量との両方を、残存品質の解析に用いても良い。 In the present invention apparatus, as the image processing / feature amount extraction means (7), the region dividing unit (10) for dividing the region by the binarization processing and the feature amount extraction for extracting the feature amount from the binary image obtained by the region division In addition to the part (11), a second area that is partitioned by using a watershed dividing each basin as a boundary, considering the scalar value of each pixel of the original image stored in the original image storage means (6) as the altitude of the topography For each divided cluster and each divided cluster, calculate at least one of the median value, standard deviation, minimum value, and maximum value of the lightness of the pixels classified therein, and the calculation results in ascending order Or a second feature quantity extraction unit (13) for rearranging in descending order, dividing the values equally into buckets, and obtaining an average value of data in each bucket as a feature quantity, and providing the remaining quality calculating means In 8), both the feature amount obtained through the region dividing unit (10) performed through the binarization process and the feature amount obtained through the region dividing unit (12) that partitions the watershed as a boundary are retained. It may be used for quality analysis.
この発明装置において、前記残存品質演算手段(8)では、画像処理・特徴量抽出手段(7)で抽出した各種類の特徴量から、回帰分析によって前記残存品質を求めるようにしても良い。
この場合に、前記前記残存品質演算手段(7)は、前記画像処理・特徴量抽出手段(7)で抽出した各種類の特徴量の全て、またはこれらの特徴量のうち、定められた基準によって選択したものを説明変数とし、前記残存品質を目的変数として、重回帰分析により残存品質を求めるようにしても良い。
In the apparatus of the present invention, the residual quality calculating means (8) may obtain the residual quality by regression analysis from each type of feature quantity extracted by the image processing / feature quantity extraction means (7).
In this case, the residual quality calculating means (7) is configured to determine all of the various types of feature quantities extracted by the image processing / feature quantity extraction means (7) or a predetermined standard among these feature quantities. The selected quality may be used as an explanatory variable, and the residual quality may be obtained by multiple regression analysis using the residual quality as an objective variable.
重回帰分析を行うものとする場合に、前記前記残存品質演算手段(8)は、前記画像処理・特徴量抽出手段(7)で抽出した各種類の特徴量のうち任意の2つの特徴量を掛け合わせた交互作用項を作成し、前記各特徴量と前記各交互作用項を説明変数とし、これらの説明変数から、定められた判定基準に従って説明変数を選択し、選択された説明変数を用いて重回帰分析により残存品質を求めるようにしても良い。 In the case of performing multiple regression analysis, the residual quality calculation means (8) calculates any two feature quantities of each type of feature quantity extracted by the image processing / feature quantity extraction means (7). Create a crossed interaction term, use each feature quantity and each interaction term as an explanatory variable, select an explanatory variable from these explanatory variables according to a predetermined criterion, and use the selected explanatory variable Thus, the residual quality may be obtained by multiple regression analysis.
この発明の防水シート劣化診断システムは、この発明の上記いずれかの構成の防水シート劣化診断装置と、この防水シート劣化診断装置における入力処理手段に入力する原画像のデータを得る撮影装置を備え、前記撮影装置が、開口端を防水シートに接触させるカップ状の照明カバーと、この照明カバー内の前記開口端の近傍に、開口中央部回りに複数設けられて開口中央部に向けて照明光を照射する発光ダイオードからなる複数の光源と、前記照明カバー内に先端が位置し前記開口端に接する防水シートの一部の画像を拡大してデジタル画像として撮影する撮影機能付きのマイクロコープとを有することを特徴とする。 前記撮影装置として、照明カバー内の開口端の近傍に、開口中央部に向けて照明光を照射する複数の発光ダイオードが設けられていると、照明光が防水シートの表面に略平行に照射されることになり、防水シートの表面に生じているクラックが影となる。そのため、クラックを明確に示す原画像を得ることができ、この発明の防水シート劣化診断によって残存品質をより精度良く求めることができる。 The waterproof sheet deterioration diagnosis system of the present invention includes the waterproof sheet deterioration diagnosis device of any one of the above configurations of the present invention, and a photographing device for obtaining original image data input to the input processing means in the waterproof sheet deterioration diagnosis device, The photographing device has a cup-shaped lighting cover whose opening end is in contact with the waterproof sheet, and a plurality of lighting devices are provided around the center of the opening in the vicinity of the opening end in the lighting cover and emit illumination light toward the center of the opening. A plurality of light sources composed of light emitting diodes to irradiate, and a microscope with a photographing function for enlarging a part of an image of a waterproof sheet in front of the opening cover and in contact with the opening end to photograph as a digital image It is characterized by that. When a plurality of light-emitting diodes that irradiate illumination light toward the center of the opening are provided in the vicinity of the opening end in the illumination cover as the photographing device, the illumination light is irradiated substantially parallel to the surface of the waterproof sheet. As a result, the crack generated on the surface of the waterproof sheet becomes a shadow. Therefore, an original image clearly showing cracks can be obtained, and the residual quality can be obtained with higher accuracy by the waterproof sheet deterioration diagnosis of the present invention.
この発明の防水シート撮影装置は、この発明の上記いずれかの構成の防水シート劣化診断装置における入力処理手段に入力する原画像のデータを得る撮影装置であって、開口端を防水シートに接触させるカップ状の照明カバーと、この照明カバー内の前記開口端の近傍に、開口中央部回りに複数設けられて開口中央部に向けて照明光を照射する発光ダイオードからなる複数の光源と、前記照明カバー内に先端が位置し前記開口端に接する防水シートの一部の画像を拡大してデジタル画像として撮影する撮影機能付きのマイクロコープとを備えることを特徴とする。
この防水シート撮影装置によると、上記のように、クラックを明確に示す原画像を得ることができる。
The waterproof sheet imaging apparatus of the present invention is an imaging apparatus for obtaining original image data to be input to the input processing means in the waterproof sheet deterioration diagnosis apparatus having any one of the above-described configurations of the present invention, wherein the opening end is brought into contact with the waterproof sheet. A plurality of light sources including a cup-shaped illumination cover, a plurality of light emitting diodes provided around the center of the opening and irradiating illumination light toward the center of the opening in the vicinity of the opening end in the lighting cover; And a microscope with a photographing function for enlarging a part of the image of the waterproof sheet in contact with the opening end and photographing as a digital image.
According to this waterproof sheet photographing apparatus, as described above, an original image clearly showing a crack can be obtained.
この発明の防水シート劣化診断方法は、判定対象となる防水シートの表面の一部を撮影したデジタル画像からなる原画像のデータを原画像記憶手段に記憶させる入力処理過程と、前記原画像記憶手段に記憶された原画像のデータを処理し、防水シートの劣化に伴って現れる要素として定められた画像の複数種類の特徴量をそれぞれ抽出する画像処理・特徴量抽出過程と、この抽出した各種類の特徴量を定められた規則に従って解析して、防水シートの破断時の伸び率の保持率である残存品質を求める残存品質演算過程とを含み、前記画像処理・特徴量抽出過程は、原画像の各ピクセルを、クラック領域を示すピクセルと非クラック領域を示すピクセルとに2値化処理によって領域分割する領域分割過程と、この領域分割された2値画像から特徴量を抽出する特徴量抽出過程とを含み、前記特徴量抽出過程で抽出する前記複数種類の特徴量として、クラックの大きさに係る特徴量である、前記2値画像のうち、クラック領域の占める面積比率、およびクラック領域の平均幅のいずれか一方または両方の特徴量と、距離変換を用いた重み付けによって得られるクラックの幅に係る特徴量とを用い、前記距離変換による重み付けは、クラック領域の各ピクセルから非クラック領域のピクセルまでの最短距離がそのピクセルの距離値であるとしてクラック領域の各ピクセルの値を前記距離値で重み付けした画像を生成する処理であり、この重み付けされた画像における各ピクセルの値の合計、中央値、最大値、および標準偏差の少なくとも一つを前記クラック領域の幅に関する特徴量として用いるため、防水シートの劣化診断を、診断対象の性質を変化させない非破壊検査で行うことができて、現場で実施でき、また簡便で、かつ短い所要時間で行え、劣化度を高精度に定量的に評価することができる。 The waterproof sheet deterioration diagnosis method of the present invention includes an input processing step of storing original image data consisting of a digital image obtained by photographing a part of the surface of a waterproof sheet to be determined in an original image storage means, and the original image storage means Image processing / feature amount extraction process that extracts the multiple types of feature values of the image that are defined as elements that appear along with the deterioration of the waterproof sheet, and the extracted image types And a residual quality calculation process for obtaining a residual quality which is a retention rate of the elongation rate at the time of breaking of the waterproof sheet, and the image processing / feature quantity extraction process includes: Each pixel is divided into a pixel indicating a crack region and a pixel indicating a non-crack region by a binarization process, and a special image is obtained from the binary image obtained by the region division. A feature amount extraction process for extracting a quantity, and the plurality of types of feature quantities to be extracted in the feature quantity extraction process are feature quantities related to the size of a crack. Using the feature amount of one or both of the area ratio and the average width of the crack region, and the feature amount related to the width of the crack obtained by weighting using distance conversion, the weighting by the distance conversion is A process of generating an image in which the value of each pixel in the crack region is weighted by the distance value, assuming that the shortest distance from each pixel to the pixel in the non-crack region is the distance value of the pixel, and each of the weighted images At least one of the sum, median, maximum value, and standard deviation of the pixel values is used as a feature amount related to the width of the crack region. Therefore, waterproof sheet deterioration diagnosis can be performed by non-destructive inspection that does not change the properties of the diagnosis target, can be performed on site, can be performed easily and in a short time, and the degree of deterioration can be determined with high accuracy. Can be evaluated.
特に、前記特徴量抽出過程で抽出する特徴量として、前記クラックの大きさに係る特徴量、およびクラックの幅に係る特徴量の他に、前記局所的最大値から得られる特徴量や、隣接ピクセルを比較することによる特徴量、分水嶺を境界として領域分割して得られる特徴量を用いる場合は、診断対象を変化させない完全な非破壊検査にも係わらず、多数の画像特徴量を組み合わせることで、非常に高い精度で残存品質を求めることができる。 In particular, as the feature quantity extracted in the feature quantity extraction process, in addition to the feature quantity related to the size of the crack and the feature quantity related to the width of the crack, the feature quantity obtained from the local maximum value and the adjacent pixel When using the feature value obtained by dividing the region with the watershed as a boundary, the combination of a large number of image feature values in spite of the complete non-destructive inspection that does not change the diagnosis target, Residual quality can be determined with very high accuracy.
また、上記のように豊富に容易された画像特徴量を用いると共に、それから有意義な変数を効率的に導き出す変数選択手法を用いる場合は、推定モデルを状況に応じて再学習できて、今後増えて来る劣化防水シートの実験結果を取り込んで、より多数のサンプルにより信頼性の高いモデルを容易に作ることができ、さらに高い精度で残存品質を求めることができる。 In addition, when using image features that have been abundantly facilitated as described above, and using a variable selection method that efficiently derives meaningful variables from them, the estimated model can be re-learned according to the situation, and will increase in the future. By taking in the experimental results of the coming deteriorated waterproof sheet, a more reliable model can be easily made with a larger number of samples, and the remaining quality can be obtained with higher accuracy.
この発明の防水シート劣化診断装置は、判定対象となる防水シートの表面の一部を撮影したデジタル画像からなる原画像のデータを原画像記憶手段に記憶させる入力処理手段と、前記原画像記憶手段に記憶された原画像のデータを処理し、防水シートの劣化に伴って現れる要素として定められた画像の複数種類の特徴量をそれぞれ抽出する画像処理・特徴量抽出手段と、この抽出した各種類の特徴量を定められた規則に従って解析して、防水シートの破断時の伸び率の保持率である残存品質を求める残存品質演算手段とを備え、前記画像処理・特徴量抽出手段は、原画像の各ピクセルを、クラック領域を示すピクセルと非クラック領域を示すピクセルとに2値化処理によって領域分割する領域分割部と、この領域分割された2値画像から特徴量を抽出する特徴量抽出部とを有し、前記特徴量抽出手段は、抽出する前記複数種類の特徴量として、クラックの大きさに係る特徴量である、前記2値画像のうち、クラック領域の占める面積比率、およびクラック領域の平均幅のいずれか一方または両方の特徴量と、距離変換を用いた重み付けによって得られるクラックの幅に係る特徴量とを用い、前記距離変換による重み付けは、クラック領域の各ピクセルから非クラック領域のピクセルまでの最短距離がそのピクセルの距離値であるとしてクラック領域の各ピクセルの値を前記距離値で重み付けした画像を生成する処理であり、この重み付けされた画像における各ピクセルの値の合計、中央値、最大値、および標準偏差の少なくとも一つを前記クラック領域の幅に関する特徴量として用いるため、防水シートの劣化診断を、診断対象の性質を変化させない非破壊検査で行うことができて、現場で実施でき、また簡便で、かつ短い所要時間で行え、劣化度を高精度に定量的に評価することができる。 The waterproof sheet deterioration diagnosis apparatus according to the present invention includes an input processing means for storing original image data consisting of a digital image obtained by photographing a part of the surface of a waterproof sheet to be determined in an original image storage means, and the original image storage means Image processing / feature amount extraction means for processing the original image data stored in the image and extracting each of a plurality of types of feature amounts of the image defined as elements appearing with the deterioration of the waterproof sheet, and each of the extracted types And a residual quality calculating means for obtaining a residual quality that is a retention rate of the elongation rate at the time of breaking of the waterproof sheet, wherein the image processing / feature quantity extracting means is an original image Each pixel is divided into a pixel indicating a crack region and a pixel indicating a non-crack region by a binarization process, and a feature is obtained from the binary image divided into regions. A feature amount extracting unit that extracts a crack region of the binary image that is a feature amount related to a crack size as the plurality of types of feature amounts to be extracted. Using the feature amount of one or both of the area ratio and the average width of the crack region and the feature amount related to the width of the crack obtained by weighting using the distance conversion, the weighting by the distance conversion is the crack region In this weighted image, an image is generated by weighting the value of each pixel in the crack region with the distance value, assuming that the shortest distance from each pixel to the pixel in the non-crack region is the distance value of the pixel. At least one of the total value, median value, maximum value, and standard deviation of each pixel is used as a feature value related to the width of the crack region. Therefore, the deterioration diagnosis of waterproof sheets can be performed by non-destructive inspection that does not change the properties of the diagnosis target, can be performed on site, can be performed easily and in a short time, and the degree of deterioration can be determined with high accuracy. Can be evaluated.
この発明の防水シート撮影装置は、この発明の防水シート撮影装置は、この発明の上記いずれかの構成の防水シート劣化診断装置における入力処理手段に入力する原画像のデータを得る撮影装置であって、開口端を防水シートに接触させるカップ状の照明カバーと、この照明カバー内の前記開口端の近傍に、開口中央部回りに複数設けられて開口中央部に向けて照明光を照射する発光ダイオードからなる複数の光源と、前記照明カバー内に先端が位置し前記開口端に接する防水シートの一部の画像を拡大してデジタル画像として撮影する撮影機能付きのマイクロコープとを備えるため、防水シートのクラックを明確に示す原画像を得ることができる。 The waterproof sheet imaging apparatus of the present invention is an imaging apparatus for obtaining original image data to be input to the input processing means in the waterproof sheet deterioration diagnosis apparatus of any one of the above configurations of the present invention. , A cup-shaped lighting cover whose opening end is brought into contact with the waterproof sheet, and a light emitting diode which is provided in the vicinity of the opening end in the lighting cover around the central portion of the opening and emits illumination light toward the central portion of the opening A waterproof sheet having a plurality of light sources, and a micro-coop with a photographing function for enlarging a part of the image of the waterproof sheet that is positioned in the lighting cover and in contact with the opening end to capture a digital image It is possible to obtain an original image that clearly shows the cracks.
この発明の一実施形態に係る防水シート劣化診断方法、診断装置、診断システム、および防水シート撮影装置につき、図1ないし図30と共に説明する。診断対象となる防水シートは、例えば、塩ビ系防水シート、特に全面接着型の塩ビ系防水シートであり、建物の陸屋根や、バルコニーの床部等に用いられたものである。概要を説明すると、この防水シート劣化診断方法は、マイクロスコープ等により撮影された防水シート表面のデジタル画像から、画像解析技術を用いて残存品質を推定する方法である。すなわち、劣化した防水シート表面を撮影した画像から、劣化に伴って現れる特徴量を抽出し、説明変数とする。そして得られた説明変数を用いて回帰分析などを行い、残存品質を目的変数として出力する。 A waterproof sheet deterioration diagnosis method, a diagnostic apparatus, a diagnostic system, and a waterproof sheet photographing apparatus according to an embodiment of the present invention will be described with reference to FIGS. The waterproof sheet to be diagnosed is, for example, a PVC-based waterproof sheet, in particular, a fully-adhesive PVC-based waterproof sheet, and is used on a flat roof of a building, a floor of a balcony, or the like. In brief, this waterproof sheet deterioration diagnosis method is a method for estimating the residual quality from a digital image of the surface of the waterproof sheet taken by a microscope or the like using an image analysis technique. That is, a feature amount that appears with deterioration is extracted from an image obtained by photographing the deteriorated waterproof sheet surface, and is used as an explanatory variable. Then, regression analysis is performed using the obtained explanatory variables, and the residual quality is output as an objective variable.
図1は、この防水シート劣化診断方法の流れ図を示す。この方法は、処理の過程を大別すると、画像解析・画像認識技術を用いて画像特徴量を抽出する画像処理・特徴抽出過程(S1)と、これら特徴量からデータ解析により残存品質を精度よく導く残存品質演算過程(S2)とに分けられる。画像処理・特徴抽出過程(S1)においては、防水シートにおいて、劣化に伴って現れる要素であるクラックに着目し、形態特徴を画像特徴量として抽出する。残存品質演算過程(S2)においては、交互作用項の作成、説明変数の選択を経て、代表的なデータ解析手法である重回帰分析を用いて残存強度予測モデルを構築し、残存品質を求める。この他に、入力処理過程(S0)を含む。 FIG. 1 shows a flow chart of this waterproof sheet deterioration diagnosis method. In this method, the processing process is roughly divided into an image processing / feature extraction process (S1) for extracting image feature amounts using image analysis / image recognition technology, and a residual quality is accurately determined by data analysis from these feature amounts. The remaining quality calculation process (S2) is divided. In the image processing / feature extraction process (S1), attention is paid to cracks, which are elements that appear with deterioration in the waterproof sheet, and form features are extracted as image feature amounts. In the residual quality calculation process (S2), after creating interaction terms and selecting explanatory variables, a residual strength prediction model is constructed using multiple regression analysis, which is a typical data analysis technique, to determine the residual quality. In addition, an input processing step (S0) is included.
入力処理過程(S0)は、原画像のデータを入力する過程(R1)からなる。入力する原画像のデータは、防水シート表面のカラーのデジタル画像であり、ピクセルが縦横に並んだ画像のデータである。
画像処理・特徴抽出過程(S1)は、原画像のトリミング等を行う前処理過程(R1)と、カラーのデジタル画像からなる原画像をグレイ・スケール変換する過程(R2)と、2つの系列の領域分割・特徴量抽出過程(S1a,S1b)とでなる。第1の領域分割・特徴量抽出過程(S1a)は、2値化によりクラック領域と非クラック領域とに分割する領域分割過程(R4)と、その2値画像から画像の特徴量を抽出する過程(R5)とでなる。第2の領域分割・特徴量抽出過程(S1b)は、分水嶺処理(Watershed 処理) による領域分割過程R6と、その領域分割内容から画像の特徴量を抽出する特徴量抽出過程(R7)とでなる。これら2つの系列の領域分割・特徴量抽出過程(S1a,S1b)は、並行して行っても、いずれか一方を先に行っても良いが、2つの系列の領域分割・特徴量抽出過程(S1a,S1b)の両方が行われてから、残存品質演算過程(S2)に進む。
The input processing step (S0) includes a step (R1) of inputting original image data. The input original image data is a color digital image of the surface of the waterproof sheet, and is an image data in which pixels are arranged vertically and horizontally.
The image processing / feature extraction process (S1) includes two processes: a preprocessing process (R1) for trimming an original image, a gray scale conversion process (R2) for an original image composed of a color digital image, and the like. This is a region division / feature amount extraction process (S1a, S1b). The first region segmentation / feature amount extraction step (S1a) includes a region segmentation step (R4) for segmenting into a crack region and a non-crack region by binarization, and a process for extracting image feature amounts from the binary image. (R5). The second region segmentation / feature amount extraction process (S1b) includes a region segmentation process R6 by watershed processing (Watershed process) and a feature amount extraction step (R7) for extracting image feature amounts from the region segmentation contents. . These two series of region segmentation / feature amount extraction processes (S1a, S1b) may be performed in parallel, or one of them may be performed first. After both S1a and S1b) are performed, the process proceeds to the remaining quality calculation process (S2).
残存品質演算過程(S2)は、交互作用項を作成する過程(R8)と、説明変数を選択する過程(R9)と、データ解析過程(R10)と、残存品質の診断結果である予測値を出力する過程(R11)とでなる。
上記各過程R1〜R11は、後に詳しく説明する。
The residual quality calculation process (S2) includes a process of creating an interaction term (R8), a process of selecting explanatory variables (R9), a data analysis process (R10), and a predicted value that is a diagnosis result of the residual quality. And outputting (R11).
Each of the processes R1 to R11 will be described in detail later.
画像処理・特徴抽出過程(S1)および残存品質演算過程(S2)には、コンピュータを用いた図2の防水シート劣化診断装置1を用い、また原画像の撮影にはマイクロスコープ形式の防水シート撮影装置2を用いる。
In the image processing / feature extraction process (S1) and the remaining quality calculation process (S2), the waterproof sheet
図2の防水シート劣化診断装置1は、パーソナルコンピュータ等のコンピュータと、そのオペレーションシステムと、このコンピュータに実行されるアプリケーションプログラムである防水シート劣化診断プログラムとでなり、これらによって同図に示した各機能達成手段が構成されたものである。上記コンピュータは、キーボード、マウス、通信回線の接続用インターフェイス、および記憶媒体のドライバ等の入力機器3と、画像を表示する液晶表示装置やプリンタ等の出力機器4が付随して設けられ、または接続される。
The waterproof sheet
この防水シート劣化診断装置1は、上記機能達成手段として、入力処理手段5、原画像記憶手段6、画像処理・特徴量抽出手段7、残存品質演算手段8、および出力処理手段18を有する。入力処理手段5は、判定対象となる防水シートの表面の一部を撮影したデジタル画像からなる原画像のデータの入力を受け付けて、原画像記憶手段6に記憶させる手段である。原画像のデータの入力の受け付けは、防水シート撮影装置2から配線や通信ネットワークを介して行うようにしても良く、また防水シート撮影装置2で撮影されて記憶媒体に記憶された原画像のデータを、記憶媒体から読み出すようにしても良い。原画像記憶手段6は、コンピュータの備えるメモリやその他の記憶媒体からなる。
The waterproof sheet
画像処理・特徴量抽出手段7は、原画像記憶手段6に記憶された原画像のデータを処理し、防水シートの劣化に伴って現れる要素として定められた画像の複数種類の特徴量をそれぞれ抽出する手段である。画像処理・特徴量抽出手段7は、前処理等処理部9と、第1の領域分割部10と、第1の特徴量抽出部11と、第2の領域分割部12と、第2の特徴量抽出部13とを備える。前処理等処理部9は、図1の前処理過程(R2)、グレイ・スケール変換過程(R3)を実行する手段である。
The image processing / feature
第1の領域分割部10は、原画像の各ピクセルを、クラック領域を示すピクセルと非クラック領域を示すピクセルとに2値化処理によって領域分割する手段である。第1の特徴量抽出手段11は、領域分割された2値画像から特徴量を抽出する手段である。第1の領域分割部10および第1の特徴量抽出手段11は、それぞれ図1の第1の領域分割過程(R4)および第1の特徴量抽出過程(R5)を実行する手段である。
The first
図2において、第2の領域分割部12は、分水嶺処理(Watershed 処理) により領域分割する手段である。第2の特徴量抽出部13は、その領域分割内容から画像の特徴量を抽出する手段である。これら第2の領域分割部12および第2の特徴量抽出部13は、図1の第2の領域分割過程(R6)および第1の特徴量抽出過程(R7)を実行する手段である。
In FIG. 2, the second
図2において、残存品質演算手段8は、画像処理・特徴量抽出手段7によって抽出された各種類の特徴量を定められた規則に従って解析して、防水シートの破断時の伸び率の保持率である残存品質を求める手段である。この残存品質は、残存強度とも呼ばれる。残存品質演算手段8は、交互作用項作成部14、説明変数選択部15、データ解析部16、および実測値等記憶部17を有する。
交互作用項作成部14は、画像処理・特徴量抽出手段7で抽出した各種類の特徴量のうち任意の2つの特徴量を掛け合わせた交互作用項を作成する手段である。説明変数選択部15は、画像処理・特徴量抽出手段7で抽出した各種類の特徴量のうち、解析に用いる説明変数を定められた基準によって選択する手段である。データ解析部16は、説明変数選択部15で 選択された説明変数を用いて重回帰分析により残存品質を求める手段である。実測値等記憶部17は、データ解析部16による重回帰分析に用いるデータを記憶しておく手段であり、記憶内容は逐次更新される。
交互作用項作成部14、説明変数選択部15、およびデータ解析部16は、図1の交互作用項の作成過程(R8)、説明変数選択の過程(R9)、データ解析過程(R10)を実行する手段である。
In FIG. 2, the remaining quality calculation means 8 analyzes each type of feature quantity extracted by the image processing / feature quantity extraction means 7 according to a predetermined rule, and uses the retention rate of the elongation rate when the waterproof sheet breaks. It is a means for obtaining a certain residual quality. This residual quality is also called residual strength. The residual quality calculation means 8 includes an interaction
The interaction
The interaction
図2の出力処理手段18は、残存品質演算手段8で求められた残存品質を出力機器4に出力する手段である。
The output processing means 18 in FIG. 2 is means for outputting the residual quality obtained by the residual quality calculating means 8 to the
図2の防水シート劣化診断装置1を構成する各手段の具体的な構成、および図1の流れ図における各過程で行う処理の内容を、以下の各検討内容の説明と共に述べる。
The specific configuration of each means constituting the waterproof sheet
(対象資料、画像の撮影、前処理について)
・対象とする防水シート
この実施形態および各試験では、塩ビ系防水シート(全面接着型)を対象とする。
・評価方法と劣化度判定基準
従来の防水シートの劣化状況の診断には、引張試験機を用いて行われ、防水シートの破断時の伸び率の保持率で評価される。
(Target materials, image shooting, pre-processing)
-Target waterproof sheet In this embodiment and each test, a vinyl-based waterproof sheet (full adhesion type) is targeted.
・ Evaluation Method and Degree of Degradation Criteria A conventional waterproof sheet is diagnosed for its deterioration state by using a tensile tester and evaluated by the retention rate of the elongation rate when the waterproof sheet breaks.
引張試験機を用いて行われる防水シートの劣化度の判定基準には、表1に示されるように、伸び保持率によって劣化度 Iから IIIまでに判定する。劣化度 Iは初期値比60%以
上を保ち、劣化度 II は初期値比30%以上60%未満、劣化度 IIIは初期値比30%未満で、それぞれ部分補修、大規模または部分補修、大規模改修が必要である。
As shown in Table 1, the criteria for determining the degree of deterioration of a waterproof sheet performed using a tensile tester are determined from the degree of deterioration I to III based on the elongation retention rate. Deterioration degree I maintains 60% or more of the initial value ratio, Degradation degree II is 30% or more and less than 60% of the initial value ratio, and Degradation degree III is 30% or less of the initial value ratio. Partial repair, large scale or partial repair, large A scale improvement is required.
・劣化過程
塩ビ系防水シートは陸屋根で使用されることが多く、防水シートが屋外に完全に暴露された状態で使用されている。そのような場合、防水シートは紫外線、熱、水分などの影響により劣化が進行すると考えられる。世良氏ら(非特許文献3)によると、塩ビ樹脂は紫外線による劣化が最も大きく、太陽光による紫外線照射が表面側からの分子量低下に繋がり、この現象が表面クラックの発生など外観変化に現れているとしている。このように、防水シートにおいて劣化に伴って現れる要素はクラックであり、クラックの形状が劣化に伴って変化すると仮定した上で研究を進める。図8(A)左はそのような典型例であり、同図右は人の歩行などで表面が摩耗したと考えられる例外的なものである。また、図8(B)の画像サンプルからは、残存強度が100%,62%,28%,4 %と劣化の進行に伴ってクラックの幅が広くなり、クラックの領域が広がっていることがわかる。
・ Deterioration process PVC-based tarpaulins are often used on flat roofs, and they are used with the tarpaulins fully exposed outdoors. In such a case, the waterproof sheet is considered to deteriorate due to the influence of ultraviolet rays, heat, moisture and the like. According to Sera et al. (Non-Patent Document 3), polyvinyl chloride resin is the most deteriorated by ultraviolet rays, and ultraviolet irradiation by sunlight leads to a decrease in molecular weight from the surface side, and this phenomenon appears in appearance changes such as generation of surface cracks. It is going to be. In this way, the element that appears with deterioration in the waterproof sheet is a crack, and the research proceeds on the assumption that the shape of the crack changes with the deterioration. The left side of FIG. 8 (A) is such a typical example, and the right side of FIG. 8 (A) is an exceptional case where the surface is worn due to human walking. Further, from the image sample in FIG. 8B, the remaining strength is 100%, 62%, 28%, 4%, and the crack width becomes wider and the crack area is expanded as the deterioration progresses. Recognize.
・防水シートサンプル
引っ張り試験を行った防水シートサンプルの代表的な劣化パタンを示した46枚のサンプルについて、残存品質は図9のような分布となっている。
・画像の撮影
この実施形態では、案出したマイクロスコープ型の防水シート撮影装置2(図3〜図5)によって、防水シート表面の撮影を行う。
正方形サイズで、資料的な意味も考慮してできるだけ高い解像度で撮影し、24ビットカラーのjpg (高品質)で保存する。ただし画像解析にはそのような高解像度は不要なので、撮影画像を640 ×640 ピクセルに縮小したものを用いる。図10に、防水シートの画像サンプルを示す。撮影範囲は縦横約2mmである。
-Waterproof sheet sample About 46 samples which showed the typical deterioration pattern of the waterproof sheet sample which performed the tension test, residual quality has distribution like FIG.
In this embodiment, the surface of the waterproof sheet is photographed by the devised microscope-type waterproof sheet photographing apparatus 2 (FIGS. 3 to 5).
We take a square size and take it with the highest possible resolution in consideration of the meaning of the document, and save it as a 24-bit color jpg (high quality). However, since such high resolution is not necessary for image analysis, a photographed image reduced to 640 × 640 pixels is used. FIG. 10 shows a sample image of the waterproof sheet. The shooting range is about 2mm in length and width.
・画像のトリミング
撮影された画像サンプルは、カメラのレンズの周辺光量の問題等から、中央部が明るく周辺部が暗くなる。また、中心部に焦点を合わせると、周辺部のピントがやや甘くなりやすい。今回使用したサンプルは水平面で撮影したものであるが、防水シートは湾曲した場所で使用されることもあり、上記の問題がより顕著に表れると考えられる。これらの光学的な補正は難しいので、照明むらやピント外れの影響が小さいと思われる、画像の中心部240 ×240 ピクセルを切り抜いて、分析対象とする(図11)。図1の前処理過程(R2)および図2の前処理等処理部9では、上記の画像のトリミングを行う。
-Trimming of the image The photographed image sample is bright in the center and dark in the periphery due to the problem of the amount of light around the camera lens. In addition, when focusing on the center, the focus on the periphery tends to be slightly sweet. Although the sample used this time was taken on a horizontal plane, the waterproof sheet may be used in a curved place, so the above problem appears to be more prominent. Since these optical corrections are difficult, a 240 × 240 pixel central portion of the image, which is considered to be less affected by uneven illumination and out-of-focus, is extracted and analyzed (FIG. 11). In the preprocessing step (R2) of FIG. 1 and the preprocessing and the
参考までに、トリミング前後の画像をマンセル表色系のHSVの表色系に分解し、その明度値(V)の画素毎のグラフを、それぞれ図12(A),(B)に示す。トリミング前には周辺部で低い値となっていた明度値が、トリミング後には均一の近い状態になっている。 For reference, the images before and after trimming are decomposed into the Munsell color system HSV color system, and graphs of the lightness values (V) for each pixel are shown in FIGS. 12A and 12B, respectively. The brightness value, which was low in the peripheral area before trimming, is in a nearly uniform state after trimming.
(画像解析を用いた特徴抽出)
・特徴抽出の概要
劣化に伴う防水シートの変化の考察から、防水シート表面に現れるクラックに着目し、それに対する特徴量を抽出する。
(Feature extraction using image analysis)
・ Outline of feature extraction Focusing on cracks appearing on the surface of the waterproof sheet from the consideration of changes in the waterproof sheet due to deterioration, the feature amount is extracted.
・グレイ・スケール変換
撮影した24bit のカラー画像から、領域分割の前処理として、n階調のグレイ・スケール変換を行う。このグレイ・スケール変換を、図1のグレイ・スケール変換の過程(R3)、図2の前処理等処理部9で行う。この実施形態では、2値化処理用には、一般に用いられる256階調のグレイ・スケール画像に変換する。一方、分水稜処理(Wartershed処理)では、ピクセルの階調が細かすぎるとノイズを拾いやすく適切な分割がなされないので、64階調のやや荒いグレイ・スケール変換を行う。
Gray scale conversion n gradation gray scale conversion is performed as a pre-processing of area division from a photographed 24-bit color image. This gray scale conversion is performed in the gray scale conversion process (R3) in FIG. 1 and the
・領域分割
クラック部分と非クラック部分を領域分割することを試みる。多数の領域分割手法があるが、ここでは、元画像を2値化処理する方法と、分水稜法(Watershed )と呼ばれる方法とを用いる。図1の第1の領域分割の過程(R1)、図2の第1の領域分割部10では、次の2値化処理による領域分割を行う。図1の第2の領域分割の過程(R6)、図2の第2の領域分割部12では、次の分水稜法(Watershed )による領域分割を行う。
・ Area division Try to divide the cracked part and the non-cracked part. There are many area division methods, but here, a method of binarizing the original image and a method called a watershed method are used. The first area dividing process (R1) in FIG. 1 and the first
・2値化処理による領域分割
2値化処理により、サンプル画像からクラック領域と非クラック領域とに画像を分類する。以下では取り出したいクラックを黒(0)、それ以外を白(1)として2値化処理を行う。
2値化処理手法として、代表的なp-タイル法と判別分析法を検討した。p-タイル法は、2値化したい領域が全画像の領域に占める割合を指定して2値化する方法である。一方、判別分析法は、2値化した際に、各領域に関するクラス内分散とクラス間分散の分散比が最大になるように閾値を自動的に決定する方法である。いずれを用いても良いが、ここでは、サンプルを用いて実験を行った結果、分割精度の高かった判別分析法を採用した。さらに、判別分析法によって2値化した画像に対して、メディアン・フィルタをかけて、細かなノイズ除去を施す。
図8(B)の62%,28%,4 %の画像サンプルから得た2値画像を図13に示す。
-Area division by binarization processing By binarization processing, an image is classified into a crack area and a non-crack area from a sample image. In the following, binarization processing is performed with the crack to be taken out as black (0) and the other crack as white (1).
As a binarization processing method, a typical p-tile method and a discriminant analysis method were examined. The p-tile method is a method of binarization by designating the ratio of the area to be binarized to the entire image area. On the other hand, the discriminant analysis method is a method in which, when binarized, a threshold value is automatically determined so that the variance ratio of intra-class variance and inter-class variance for each region is maximized. Any of these methods may be used, but here, a discriminant analysis method with high division accuracy was adopted as a result of experiments using samples. Further, a median filter is applied to the image binarized by the discriminant analysis method to perform fine noise removal.
FIG. 13 shows binary images obtained from the 62%, 28%, and 4% image samples shown in FIG.
判別分析法とメディアン・フィルタの概要を以下に示す。
a)判別分析法
画像の濃度値ヒストグラムにおける濃度値の分布を、閾値をtで2つのクラス(t以上とt未満)に分割したとき、2つのクラスがもっともよく分離するようにtを決める方法が判別分析法による閾値選択法である。分離性の尺度としては、2つのクラスの平均値の分散(クラス間分散)と各クラスの分散(クラス内分散)の比(判別比)が用いられ、この判別比が最大となるようにtが選択される。tの求め方を以下に示す。
The outline of discriminant analysis and median filter is shown below.
a) Discriminant Analysis Method When the density value distribution in the density value histogram of an image is divided into two classes (t or more and less than t) with a threshold value t, t is determined so that the two classes are best separated. Is a threshold selection method based on discriminant analysis. As a measure of separability, the ratio (discriminant ratio) of the variance of the average values of two classes (interclass variance) and the variance of each class (intraclass variance) is used, so that the discriminant ratio is maximized. Is selected. The method for obtaining t is shown below.
与えられた画像がLレベルの濃度値(1,2, …, L) をもつものとする。ここで、閾値がt以上の濃度値をもつ画素と、それより小さな値をもつ画素の2つのクラスに分け、それぞれクラス1,クラス2とする。クラスi(i=1,2)の画素数をWi,分散をσi2とおき、全画素の平均濃度値をMrとおくと、クラス内分散は、
Assume that the given image has L level density values (1, 2,..., L). Here, the threshold value is divided into two classes, ie, a pixel having a density value equal to or greater than t and a pixel having a smaller value than the threshold value, which are
全分散σT 2 はtとは無関係な定数となるので、判別比を最大にするにはσB 2 を最大にすればよいことがわかる。すなわち、tを変化させてσB 2 を最大にするtの値を求めればよい。 Since the total variance σT 2 is a constant unrelated to t, it can be seen that σB 2 should be maximized in order to maximize the discrimination ratio. That is, the value of t that maximizes σB 2 by changing t may be obtained.
b)メディアン・フィルタ
メディアン・フィルタとは、n×nの局所領域における濃度値を小さい順に並べ、中央値を領域中央の画素の出力濃度とすることでノイズを除去し、雑音の性質が画像の内容とは無関係でランダムな白色雑音の場合に特に効果的である。n=3の局所領域でメディアン・フィルタを考えるとき、元画像が図14の場合、注目する中央の画素の8近傍の濃度値を小さい順に並べたとき、{1, 1, 2, 2, 2, 2, 3, 3, 8 }となり、注目画素の8をこの中央値である2 に入れ替えることとなる.このような処理を画像の全画素に対して行うことで、ゴマ塩状のノイズを除去することができる。
b) Median filter The median filter removes noise by arranging the density values in the n × n local area in ascending order and setting the median as the output density of the pixel at the center of the area. This is particularly effective in the case of random white noise that is unrelated to the contents. When considering a median filter in a local region of n = 3, when the original image is FIG. 14, when density values in the vicinity of 8 of the central pixel of interest are arranged in ascending order, {1, 1, 2, 2, 2 , 2, 3, 3, 8}, and replace 8 of the pixel of interest with this median of 2. By performing such processing on all pixels of the image, sesame salt-like noise can be removed.
・分水稜処理(Watershed 処理)による領域分割
分水稜処理(Watershed 処理)とは、画像の各ピクセルが持つスカラー値を地形の標高と見なし、各盆地を区切る分水嶺を領域の境界とする領域分割手法である。図15のように、2つの局所的な標高の最小値が存在する条件下で水が高い位置から低い位置へと流れていく際に、そのどちらかに流れ込むかの境界となる部分を分水稜(Watershed )と呼び、分水稜の部分で領域分割を行う。この実施形態では、画像の256段階のグレイ・スケールの明度値を標高とし、正方形グリッドによる分水稜を用いて領域分割を行う。その例を図16に示す。
-Area division by watershed processing (Watershed processing) Watershed processing (Watershed processing) is a region where the scalar value of each pixel of the image is regarded as the elevation of the terrain and the watershed separating each basin is the boundary of the region This is a division method. As shown in FIG. 15, when water flows from a high position to a low position under the condition that there are two local minimum elevation values, a portion that serves as a boundary for flowing into one of the two is divided. This is called a ridge (Watershed), and the area is divided at the ridge. In this embodiment, the 256-level gray-scale brightness value of the image is used as the altitude, and the region is divided using a diversion ridge formed by a square grid. An example is shown in FIG.
・特徴抽出
次に領域分割された各領域の特徴を示す特徴量を抽出する。2値画像では分割されたクラック領域に関する各種特徴量を計算する。このクラック領域に関する特徴量を計算は、図1の第1の特徴量抽出過程(R5)および図2の第1の特徴量抽出部11で行う。分水稜(Watershed )処理画像では、分割された各領域の明度分布に関して特徴量を計算する。この明度分布に関する特徴量の計算は、図2の第2の特徴量抽出過程(R7)および図2の第2の特徴量抽出部13で行う。
-Feature extraction Next, a feature amount indicating the feature of each region divided is extracted. In the binary image, various feature amounts relating to the divided crack regions are calculated. The feature amount relating to the crack region is calculated by the first feature amount extraction process (R5) in FIG. 1 and the first feature
・2値画像からの特徴抽出
a)クラックの大きさ
劣化の進行に伴って表面クラックの幅が広がりクラックの領域が大きくなると考えられることから、クラック領域の占める面積比率(CrackRatio)、クラック領域の平均幅(CrackWidth)を以下の式で計算する。
-Feature extraction from binary images a) Crack size Since it is considered that the width of the surface crack increases and the crack area increases with the progress of deterioration, the area ratio (CrackRatio) occupied by the crack area, crack area The average width (CrackWidth) is calculated by the following formula.
ここで、CAはクラック領域のピクセル数、TAは画像のピクセル数(=240×240 )、CLはクラックの長さとし、それらの計測単位は1 ピクセルとする。なおここでのクラックの長さは、2値化画像(図17(B))においてクラック領域の中心の線分だけを残す細線化処理(図17(C))を行い残ったピクセルの個数とする。 Here, CA is the number of pixels in the crack area, TA is the number of pixels in the image (= 240 × 240), CL is the length of the crack, and the unit of measurement is 1 pixel. Note that the length of the crack here is the number of pixels remaining after thinning processing (FIG. 17C) that leaves only the center line segment of the crack region in the binarized image (FIG. 17B). To do.
b)距離変換
劣化の進行に伴って表面クラックの幅が広がっていくと考えられる。そこで、この劣化に伴うクラックの形態特徴を抽出するため距離変換を用いた重み付けを行う。
距離変換では、図形の各画素から非クラック画素までの最短距離がその画素における距離値となり、図形の中心にいくほど大きな値をとるように各画素の値が変換される。
2値化処理によって0と1からなる2値画像に対して、値が0のピクセルとその最近傍の値が1のピクセル間の距離を計算し、距離による画像を作成する。この実施形態では、2つの画素x=(i,j)とy=(k,l)に対して、
b) Distance conversion It is considered that the width of the surface crack increases with the progress of deterioration. Therefore, weighting using distance conversion is performed in order to extract the shape feature of the crack accompanying this deterioration.
In the distance conversion, the shortest distance from each pixel of the figure to the non-crack pixel is the distance value in that pixel, and the value of each pixel is converted so that the value increases as it goes to the center of the figure.
For a binary image composed of 0 and 1 by binarization processing, a distance between a pixel having a value of 0 and a pixel having a value of 1 nearest to the pixel is calculated, and an image based on the distance is created. In this embodiment, for two pixels x = (i, j) and y = (k, l)
距離変換により重み付けを行うと、図19のように細いクラックで構成された画像と太いクラックで構成された画像の違いを表現することができる。これらの2つの例は共にクラックの面積は同じであるが、それぞれを距離変換することによって得た値の合計は細いクラックの場合は15となり、太いクラックの場合は20となる。このように劣化が進行していると考えられる太いクラックで構成される画像だと、クラックの面積比率は細いクラックで構成されるものと同程度であっても、より大きな値として得られる。このように2値画像を距離変換して得られた画像から、その合計をDsum,中央値をDmedian 、最大値をDmax、標準偏差をDstdとして、特徴量として抽出する。 When weighting is performed by distance conversion, a difference between an image composed of thin cracks and an image composed of thick cracks can be expressed as shown in FIG. Both of these two examples have the same crack area, but the sum of the values obtained by converting the distance between them is 15 for a thin crack and 20 for a thick crack. In the case of an image composed of thick cracks considered to be deteriorated in this way, even if the area ratio of cracks is about the same as that composed of thin cracks, a larger value can be obtained. In this way, from the image obtained by distance-converting the binary image, the sum is extracted as a feature amount by Dsum, the median value is Dmedian, the maximum value is Dmax, and the standard deviation is Dstd.
c)局所的最大値
前述の距離変換によって得た値を3次元プロットしたものが図20である。この山の部分が2値画像におけるクラック部分に相当しており、距離変換の性質より、高い山ほどクラックの幅が広いことを意味している。この山の各頂点はクラックの最も幅の広い部分、すなわちクラックの中心であり、この局所的最大値から特徴量を抽出する。
まず、距離変換により得た画像から局所的最大値のみを抽出し、距離変換の値が小さい順にソートしてヒストグラムを作成する。検討の結果、局所的最大値を10水準に等分割してヒストグラムを作成することとし、各水準i(1≦i≦10) の度数をMaximaiとして特徴量とする。この指標は、画像全体で小さい山(細いクラック)が多いのか、大きい山(太いクラック)が多いのかを表す。すなわち、Maxima1 方向の度数が大きいヒストグラムであれば細いクラックが多く、逆に、Maxima10方向の度数が大きければ太いクラックが多い、つまり劣化が進行しているシートであると考えられる。
c) Local maximum value FIG. 20 is a three-dimensional plot of the values obtained by the distance conversion described above. This peak portion corresponds to a crack portion in the binary image, and it means that the higher the peak is, the wider the crack width is due to the nature of distance conversion. Each peak of this mountain is the widest part of the crack, that is, the center of the crack, and the feature amount is extracted from this local maximum value.
First, only a local maximum value is extracted from an image obtained by distance conversion, and a histogram is created by sorting in order of increasing distance conversion value. As a result of the examination, the local maximum value is equally divided into 10 levels to create a histogram, and the frequency of each level i (1 ≦ i ≦ 10) is set as Maxima as the feature amount. This index represents whether there are many small peaks (thin cracks) or many large peaks (thick cracks) in the entire image. That is, if the histogram has a large frequency in the
d)隣接ピクセル
2値画像のピクセルxに関して、その値をv(x)={0,1}と表す。今、v(x)=0すなわちクラックに分類されるピクセル集合を
・分水稜(Watershed )処理画像からの特徴抽出
次に、分水稜処理によって分割されたクラスターごとに、そこに分類されるピクセルの明度の平均値、中央値、標準偏差、最小値、および最大値を計算する。これらを昇順に並べ替え、値に関して均等にI分割してバケット化し、水準iのバケット内のデータの平均値を、それぞれ、meani ,mediani ,stdi,mini,maxiとし、特徴量として抽出する。検討の結果、ここではI=9分割とした。
-Feature extraction from the watershed image Next, for each cluster divided by the watershed processing, the average value, median, standard deviation, minimum value of the brightness of the pixels classified there, and Calculate the maximum value. These are rearranged in ascending order, and the values are equally divided into I and converted into buckets, and the average values of the data in the bucket of level i are extracted as feature values by means of meani, mediani, stdi, mini, and maxi, respectively. As a result of the examination, here, I = 9 divisions.
次に、残存品質演算過程(S2)(図1)につき説明する。図1の交互作用項の作成過程(R8)および図2の残存品質演算手段8における交互作用項作成出14では、次のように交互作用項を作成する。
(相関分析)
・各特徴量と残存品質
各特徴量と残存品質との相関係数を表2に、散布図を図22〜図25に示す。散布図は一部のみを図示し、他は図示を省略した。画像特徴量とは別に、サンプルの強度実験を行った際の使用年数をYearとして追加している。
(Correlation analysis)
-Each feature-value and residual quality The correlation coefficient of each feature-value and residual quality is shown in Table 2, and a scatter diagram is shown in FIGS. Only a part of the scatter diagram is shown, and the others are not shown. Apart from the image features, the years of use when the sample strength experiment was performed is added as Year.
・交互作用項と残存強度
交互作用項の説明は5.1でなされるが、簡単に説明すると、単独の属性を掛け合わせて新たな属性を作る操作である。この実施形態の場合、83個の属性から新たに3403個の交互作用項が作られる。これらすべてについて、残存強度との関係を示すことは煩雑なので、5.6.2に示したモデルに使われている交互作用項についてのみ、残存強度との相関を表3に、散布図を図26に示す。なお図中の交互作用項の記号は、平均値を除いた略記となっている。
-Interaction term and residual strength The explanation of the interaction term is made in 5.1, but in brief, it is an operation of creating a new attribute by multiplying single attributes. In the case of this embodiment, 3403 interaction terms are newly created from 83 attributes. Since it is complicated to show the relationship with the residual strength for all of these, only the interaction term used in the model shown in 5.6.2 is correlated with the residual strength in Table 3, and a scatter diagram is shown. 26. In addition, the symbol of the interaction term in the figure is an abbreviation excluding the average value.
残存強度予測モデルの構築
この実施形態では、交互作用項を含めて非線形性を考慮した多変量解析により、残存品質(伸びの保持率)の回帰分析を行う。この回帰分析は、図1のデータ解析の過程(R10)、図2のデータ解析部16で行うが、その際の説明変数の選択を、図1の説明変数選択過程(R9)、図17の説明変数選択部15で行う。
回帰分析モデルには、近年注目が集まっているサポートベクターマシン回帰等の新しい手法を用いても良いが、この実施形態では、予測精度や計算速度等の点から、オーソドックスな重回帰分析を採用した。以下に、モデルの構築手順と検証結果を示す。
Construction of Residual Strength Prediction Model In this embodiment, regression analysis of residual quality (elongation retention rate) is performed by multivariate analysis including nonlinearity including interaction terms. This regression analysis is performed by the data analysis process (R10) of FIG. 1 and the
New methods such as support vector machine regression, which has been attracting attention in recent years, may be used for the regression analysis model, but in this embodiment, orthodox multiple regression analysis is adopted in terms of prediction accuracy and calculation speed. . The model construction procedure and verification results are shown below.
・交互作用項の作成
前述の手法によって抽出された特徴量に加えて、交互作用項を作成する。交互作用項とは二つの異なる説明変数を掛け合わせたものとして定義される。ただし、交互作用項の作成では、主効果の変数と交互作用項の変数の相関が高くなってしまうことを避けるために、変数の中心化を行う。変数の中心化とはもとの変数の値から、該当変数の平均値を引く操作である。なお、交互作用により生成された変数は、“変数1 _変数2 ”のように二つの変数名をアンダーバーで結んで表記する。まとめると交互作用項は以下のように計算される。
変数1 と変数2 の交互作用項=( 変数1 −変数1 の平均) ×( 変数2 −変数2 の平均)
-Creation of interaction term In addition to the feature quantity extracted by the method described above, an interaction term is created. An interaction term is defined as the product of two different explanatory variables. However, in the creation of the interaction term, the variables are centered in order to avoid an increase in the correlation between the main effect variable and the interaction term variable. The variable centering is an operation of subtracting the average value of the corresponding variable from the value of the original variable. A variable generated by the interaction is represented by connecting two variable names with an underscore, such as “
Interaction term between
・重回帰分析
上記の重回帰分析に用いる実測値Yi は、図2の実測値等記憶手段17に、入力機器3からの入力によって記憶させておく。同図の入力処理手段は、上記の原画像を記憶させる処理の他に、実測値Yi を記憶させる処理機能を持つ。なお、データ解析部16は、重回帰分析の過程で得た未知係数aと切片bを記憶しておく。
The actual measurement value Y i used for the multiple regression analysis is stored in the actual measurement
・変数選択
重回帰分析では、多数の説明変数を扱う際には多重共線性の問題が生じやすい。また、モデルの汎化性を高めるためにも、できるだけ説明変数を絞り込む必要がある。変数選択方法には多数の方法があるが、ここでは、モデルの説明変数の有意度(P値)を判定基準として、変数を逐次追加もしくは削除するステップワイズ法と呼ばれる方法で変数を選択する。その具体的手順を図27に示す。
-Variable selection In multiple regression analysis, the problem of multiple collinearity is likely to occur when dealing with a large number of explanatory variables. In order to improve the generalization of the model, it is necessary to narrow down the explanatory variables as much as possible. There are a number of variable selection methods. Here, variables are selected by a method called stepwise method in which variables are added or deleted sequentially using the significance (P value) of explanatory variables of the model as a criterion. The specific procedure is shown in FIG.
なお、交互作用項については、それを組み合わせる前の変数と交互作用項の計3つの変数がすべて有意の時に限り導入する。また、この実施形態では、Pi= Po=0.25としている。 Note that the interaction term is introduced only when all three variables, ie, the variable before the combination and the interaction term are significant. In this embodiment, Pi = Po = 0.25.
・精度評価方法
・交差検証法
この実施形態では46枚の画像を用いてモデル構築を行うが、全てのデータに関して重回帰モデルを適用し、それに対して精度が高いモデルを構築することは、説明変数を増やしていけば難しいことではない。しかし、説明変数を増やせば多重共線性や汎化性の低下が生じ、未知データに対する予測精度が低下していく。
未知データに対する予測精度を近似的に把握する為に、交差検証法と呼ばれる方法で精度評価を行う。これは図28に示したように、データをv 分割し、v-1 組のデータを学習用に、残りの1 組のデータをテスト用に用い、この組み合わせをv 回変えて行うことで、未知データに対する近似的な予測精度を得ようとするものである。なおこの方法では、6.4 の精度評価指標(a,b )は、各テスト用データでの平均値となる。また、v は10回程度が一般に用いられることが多く、この実施形態でもv=10回とした。
-Cross-validation method In this embodiment, a model is constructed using 46 images. However, applying a multiple regression model to all data, and constructing a model with high accuracy, increases the explanatory variables. It ’s not difficult. However, if the explanatory variables are increased, the multicollinearity and generalization will decrease, and the prediction accuracy for unknown data will decrease.
In order to approximately grasp the prediction accuracy for unknown data, accuracy evaluation is performed by a method called a cross-validation method. As shown in FIG. 28, this is done by dividing the data into v, using v-1 set of data for learning, and using the remaining 1 set of data for testing, and changing this combination v times. An attempt is made to obtain approximate prediction accuracy for unknown data. In this method, the accuracy evaluation index (a, b) of 6.4 is the average value for each test data. In addition, v is generally about 10 times, and v = 10 times in this embodiment.
残存強度推定モデルの構築
a)交互作用項を含まないモデル
まず、交互作用項を含めず、表2に示した基本的な83個の特徴量を説明変数として、変数選択を行いモデルを構築した。その結果、表4に示すモデルが構築された。またこの説明変数の組み合わせで10回の交差検証を行った場合の予測精度を図29に示す。
median2 を除いて有意確率5%で有意な変数となっており、多重共線性も発生していない。交差検証の精度は比較的良好であり、これでも実用的には大きな問題が無いモデルとなっている。
Construction of residual strength estimation model a) Model that does not include interaction terms First, the model was constructed by selecting variables using the 83 feature quantities shown in Table 2 as explanatory variables without including interaction terms. . As a result, the model shown in Table 4 was constructed. In addition, FIG. 29 shows the prediction accuracy when the cross-validation is performed 10 times with this combination of explanatory variables.
Except median2, it is a significant variable with a significance probability of 5%, and there is no multicollinearity. The accuracy of cross-validation is relatively good, and even this is a model that does not have any significant problems in practice.
b)交互作用項を含むモデル
次に83個の説明変数から2 次までの交互作用項を作成し、1次(83個)2次(3,403 個)の説明変数から,変数選択を行い表5に示す残存強度推定モデルを得た。そして、この変数の組み合わせで、10回の交差検証を行い、予測精度を求めた結果を図30に示
す。
モデルの各変数のP値は非常に小さく、学習精度もきわめて高い。さらに、交差検証の精度も非常に高く、未知のシートについても良好な推定結果が期待できる。
b) Model including interaction terms Next, the interaction terms up to the second order are created from 83 explanatory variables, and the variables are selected from the primary (83) secondary (3,403) explanatory variables. The residual strength estimation model shown in Fig. 1 was obtained. FIG. 30 shows the result of obtaining the prediction accuracy by performing 10 cross-validations with this combination of variables.
The P value of each variable of the model is very small and the learning accuracy is very high. Furthermore, the accuracy of cross-validation is very high, and good estimation results can be expected for unknown sheets.
この実施形態に係る防水シート劣化診断方法および診断装置1は、上記のように各処理を行うため、以下の特徴を有する。
・対象を変化させない完全な非破壊検査にもかかわらず、複数の画像特徴量を組み合わせることで、非常に高い精度で残存強度を推定できる。
・豊富に用意された画像特徴量と、それらから有意な変数を効率的に導き出す変数選択手法により、推定モデルを状況に応じて再学習でき、今後増えてくる劣化防水シートの実験結果を取り込んで、より多数のサンプルにより信頼性の高いモデルを容易に作ることができる。
The waterproof sheet deterioration diagnosis method and
-Despite complete non-destructive inspection that does not change the target, the residual intensity can be estimated with very high accuracy by combining multiple image feature quantities.
・ By using abundantly prepared image features and variable selection methods that efficiently derive significant variables from them, it is possible to re-learn the estimation model according to the situation and incorporate the results of experiments on the deteriorated waterproof sheet that will increase in the future. With a larger number of samples, a reliable model can be easily created.
図3〜図7と共に、防水シート撮影装置2の具体例を説明する。この防水シート撮影装置2は、この防水シート劣化診断方法,装置に用いる原画像を得るための装置であって、図5に示すように、マイクロスコープ21と、このマイクロスコープ21の上端に取付けられて作業者が手で持つ把手等となる治具22と、照明カバー23とを備える。図3に示すように、照明カバー23は、開口端を防水シートに接触させる上下逆向きのカップ状であり、天井面部付きの円筒形状とされている。照明カバー23の開口端となる周縁には、防水シートに押し付けて隙間を塞ぐOリング等の弾性密封材24が設けられている。
A specific example of the waterproof
照明カバー23内の開口端の近傍には、開口中央部回りに、開口中央部に向けて照明光を照射する光源25が、図4(A)のように複数個(図示の例では4個)等配して設けられている。光源25は、発光ダイオードからなり、固定基盤26に取付けられていて、照射面25aが開口中央部側に向いている。固定基盤26が中央開口を有しかつ円周方向の一部に切欠部26aを有する円板状であり、照明カバー23内のフレーム27の下端に取付けられている。フレーム27には、バッテリーケース部27aが設けられ、単4乾電池等からなるバッテリー28が収容されている。固定基盤26の前記切欠部26aに、バッテリーケース蓋29が開閉可能に設けられている。また、フレーム27には発光ダイオードからなる光源25を駆動する光源駆動用電源基盤30が設けられている。照明カバー23の上面に、照明オンオフ用のスイッチ31が設けられている。
In the vicinity of the opening end in the
マイクロスコープ21は、画像拡大用の光学系と固体撮像素子等の撮像素子(いずれも図示せず)を内蔵しており、照明カバー23に対し、先端が照明カバー23内の位置するように固定され、照明カバー23の開口縁に接する防水シートの一部を拡大してカラーのデジタル画像として撮影する機能を備える。マイクロスコープ21には、ピント調整用のつまみ32を有し、かつ撮影した画像を記録する記憶媒体(図示せず)を内蔵する。
The
この構成の防水シート撮影装置2によると、照明カバー23内の開口端の近傍に、開口中央部に向けて照明光を照射する複数の光源25が設けられているため、図7のように、照明光が防水シートWの表面に略平行に照射されることになり、防水シートWの表面に生じているクラックWaが影となる。そのため、クラックWaを明確に示す原画像を得ることができ、防水シート劣化診断によって残存品質をより精度良く求めることができる。なお、図6は、この防水シート撮影装置2で撮影した防水シート表面の画像例を示す。
According to the waterproof
1…防水シート劣化診断装置
2…防水シート撮影装置
5…入力処理手段
6…原画像記憶手段
7…画像処理・特徴量抽出手段
8…残存品質演算手段
9…前処理等処理部
10…第1の領域分割部
11…第1の特徴量抽出部
12…第2の領域分割部
13…第2の特徴量抽出部
14…交互作用項作成部
15…説明変数選択部
16…データ解析部
17…実測値等記憶部
21…マイクロスコープ
22…治具
23…照明カバー
25…光源
DESCRIPTION OF
Claims (16)
前記原画像記憶手段に記憶された原画像のデータを処理し、防水シートの劣化に伴って現れる要素として定められた画像の複数種類の特徴量をそれぞれ抽出する画像処理・特徴量抽出過程と、
この抽出した各種類の特徴量を定められた規則に従って解析して、防水シートの破断時の伸び率の保持率である残存品質を求める残存品質演算過程とを含み、
前記画像処理・特徴量抽出過程は、原画像の各ピクセルを、クラック領域を示すピクセルと非クラック領域を示すピクセルとに2値化処理によって領域分割する領域分割過程と、この領域分割された2値画像から特徴量を抽出する特徴量抽出過程とを含み、
前記特徴量抽出過程で抽出する前記複数種類の特徴量として、クラックの大きさに係る特徴量である、前記2値画像のうち、クラック領域の占める面積比率、およびクラック領域の平均幅のいずれか一方または両方の特徴量と、距離変換を用いた重み付けによって得られるクラックの幅に係る特徴量とを用い、
前記距離変換による重み付けは、クラック領域の各ピクセルから非クラック領域のピクセルまでの最短距離がそのピクセルの距離値であるとしてクラック領域の各ピクセルの値を前記距離値で重み付けした画像を生成する処理であり、この重み付けされた画像における各ピクセルの値の合計、中央値、最大値、および標準偏差の少なくとも一つを前記クラック領域の幅に関する特徴量として用いる、
ことを特徴とする防水シート劣化診断方法。 An input processing step of storing in the original image storage means original image data consisting of a digital image obtained by photographing a part of the surface of the waterproof sheet to be determined;
Image processing / feature amount extraction process for processing original image data stored in the original image storage means and extracting each of a plurality of types of feature amounts of the image defined as elements appearing with the deterioration of the waterproof sheet;
Analyzing the extracted feature quantities of each type according to a predetermined rule, and including a residual quality calculation process for obtaining a residual quality which is a retention rate of elongation at break of the waterproof sheet,
In the image processing / feature amount extraction process, each pixel of the original image is divided into a pixel indicating a crack region and a pixel indicating a non-crack region by a binarization process, and the region divided 2 A feature amount extraction process for extracting feature amounts from a value image,
As the plurality of types of feature amounts extracted in the feature amount extraction process, any one of an area ratio occupied by a crack region and an average width of the crack region in the binary image, which is a feature amount related to the size of a crack Using one or both feature values and the feature value related to the width of the crack obtained by weighting using distance conversion,
The weighting by the distance conversion is a process of generating an image in which the value of each pixel in the crack region is weighted by the distance value assuming that the shortest distance from each pixel in the crack region to the pixel in the non-crack region is the distance value of the pixel. And using at least one of the sum, median, maximum, and standard deviation of the values of each pixel in the weighted image as a feature amount related to the width of the crack region,
A method for diagnosing deterioration of a waterproof sheet, characterized in that:
この局所的最大値から得られる特徴量は、前記距離値で重み付けした画像から、個々のクラック領域におけるピクセルの値の最大値である局所的最大値を抽出し、距離変換の値が小さい順または大きい順にソートし、n(n:2以上の自然数)水準に等分割したヒストグラムを作成し、各水準i(1≦i≦n)の度数を、前記局所的最大値から得られる特徴量とする防水シート劣化診断方法。 The feature amount obtained from the following local maximum value as the feature amount extracted in the feature amount extraction process according to claim 1, in addition to the feature amount related to the size of the crack and the feature amount related to the width of the crack. Use
The feature amount obtained from the local maximum value is obtained by extracting the local maximum value that is the maximum value of the pixel value in each crack region from the image weighted by the distance value, in order of decreasing distance conversion value or Histograms are sorted in descending order and equally divided into n (n: natural number of 2 or more) levels, and the frequency of each level i (1 ≦ i ≦ n) is used as the feature amount obtained from the local maximum value. Waterproof sheet deterioration diagnosis method.
前記原画像記憶手段に記憶された原画像のデータを処理し、防水シートの劣化に伴って現れる要素として定められた画像の複数種類の特徴量をそれぞれ抽出する画像処理・特徴量抽出手段と、
この抽出した各種類の特徴量を定められた規則に従って解析して、防水シートの破断時の伸び率の保持率である残存品質を求める残存品質演算手段とを備え、
前記画像処理・特徴量抽出手段は、原画像の各ピクセルを、クラック領域を示すピクセルと非クラック領域を示すピクセルとに2値化処理によって領域分割する領域分割部と、この領域分割された2値画像から特徴量を抽出する特徴量抽出部とを有し、
前記特徴量抽出部は、抽出する前記複数種類の特徴量として、クラックの大きさに係る特徴量である、前記2値画像のうち、クラック領域の占める面積比率、およびクラック領域の平均幅のいずれか一方または両方の特徴量と、距離変換を用いた重み付けによって得られるクラックの幅に係る特徴量とを用い、
前記距離変換による重み付けは、クラック領域の各ピクセルから非クラック領域のピクセルまでの最短距離がそのピクセルの距離値であるとしてクラック領域の各ピクセルの値を前記距離値で重み付けした画像を生成する処理であり、この重み付けされた画像における各ピクセルの値の合計、中央値、最大値、および標準偏差の少なくとも一つを前記クラック領域の幅に関する特徴量として用いる、
ことを特徴とする防水シート劣化診断装置。 Input processing means for storing original image data consisting of a digital image obtained by photographing a part of the surface of the waterproof sheet to be determined in the original image storage means;
Image processing / feature amount extraction means for processing original image data stored in the original image storage means and extracting each of a plurality of types of feature amounts of the image defined as elements appearing with the deterioration of the waterproof sheet;
Analyzing each extracted feature amount according to a predetermined rule, and comprising a residual quality calculating means for obtaining a residual quality that is a retention rate of elongation at break of the waterproof sheet,
The image processing / feature amount extraction means includes a region dividing unit that divides each pixel of the original image into a pixel indicating a crack region and a pixel indicating a non-crack region by a binarization process, and the region-divided 2 A feature amount extraction unit that extracts a feature amount from a value image;
The feature quantity extraction unit is a feature quantity related to the size of a crack as the plurality of types of feature quantities to be extracted. Of the binary image, any one of an area ratio occupied by a crack area and an average width of the crack area Using one or both of the feature amounts and the feature amount relating to the width of the crack obtained by weighting using distance conversion,
The weighting by the distance conversion is a process of generating an image in which the value of each pixel in the crack region is weighted by the distance value assuming that the shortest distance from each pixel in the crack region to the pixel in the non-crack region is the distance value of the pixel. And using at least one of the sum, median, maximum, and standard deviation of the values of each pixel in the weighted image as a feature amount related to the width of the crack region,
A waterproof sheet deterioration diagnosis device characterized by that.
この局所的最大値から得られる特徴量は、前記距離値で重み付けした画像から、個々のクラック領域におけるピクセルの値の最大値である局所的最大値を抽出し、距離変換の値が小さい順または大きい順にソートし、n(n:2以上の自然数)水準に等分割したヒストグラムを作成し、各水準i(1≦i≦n)の度数を、前記局所的最大値から得られる特徴量とする防水シート劣化診断装置。 9. The feature quantity obtained from the following local maximum value as the feature quantity extracted by the feature quantity extraction unit according to claim 8, in addition to the feature quantity related to the size of the crack and the feature quantity related to the width of the crack. Use
The feature amount obtained from the local maximum value is obtained by extracting the local maximum value that is the maximum value of the pixel value in each crack region from the image weighted by the distance value, in order of decreasing distance conversion value or Histograms are sorted in descending order and equally divided into n (n: natural number of 2 or more) levels, and the frequency of each level i (1 ≦ i ≦ n) is used as the feature amount obtained from the local maximum value. Waterproof sheet deterioration diagnosis device.
前記撮影装置が、開口端を防水シートに接触させるカップ状の照明カバーと、この照明カバー内の前記開口端の近傍に、開口中央部回りに複数設けられて開口中央部に向けて照明光を照射する発光ダイオードからなる複数の光源と、前記照明カバー内に先端が位置し前記開口端に接する防水シートの一部の画像を拡大してデジタル画像として撮影する撮影機能付きのマイクロコープとを備えることを特徴とする防水シート劣化診断システム。 A waterproof sheet deterioration diagnostic apparatus according to any one of claims 8 to 14, and a photographing apparatus for obtaining original image data to be input to input processing means in the waterproof sheet deterioration diagnostic apparatus,
The photographing device has a cup-shaped lighting cover whose opening end is in contact with the waterproof sheet, and a plurality of lighting devices are provided around the center of the opening in the vicinity of the opening end in the lighting cover and emit illumination light toward the center of the opening. A plurality of light sources composed of light emitting diodes to irradiate, and a microscope with a photographing function for enlarging a part of an image of a waterproof sheet in front of the illumination cover and in contact with the opening end to photograph as a digital image A waterproof sheet deterioration diagnosis system characterized by that.
開口端を防水シートに接触させるカップ状の照明カバーと、この照明カバー内の前記開口端の近傍に、開口中央部回りに複数設けられて開口中央部に向けて照明光を照射する発光ダイオードからなる複数の光源と、前記照明カバー内に先端が位置し前記開口端に接する防水シートの一部の画像を拡大してデジタル画像として撮影する撮影機能付きのマイクロコープとを備えることを特徴とする防水シート撮影装置。 An imaging device for obtaining data of an original image to be input to an input processing means in the waterproof sheet deterioration diagnostic apparatus according to any one of claims 8 to 14,
From a cup-shaped lighting cover that makes the opening end contact the waterproof sheet, and a light emitting diode that is provided in the vicinity of the opening end in the lighting cover around the center of the opening and emits illumination light toward the center of the opening A plurality of light sources, and a microscope with a photographing function for enlarging a part of the image of the waterproof sheet that is located in the lighting cover and in contact with the opening end to photograph as a digital image. Waterproof sheet imaging device.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010269969A JP5649424B2 (en) | 2010-02-03 | 2010-12-03 | Waterproof sheet diagnostic method and diagnostic device |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010022364 | 2010-02-03 | ||
JP2010022364 | 2010-02-03 | ||
JP2010269969A JP5649424B2 (en) | 2010-02-03 | 2010-12-03 | Waterproof sheet diagnostic method and diagnostic device |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011180120A true JP2011180120A (en) | 2011-09-15 |
JP5649424B2 JP5649424B2 (en) | 2015-01-07 |
Family
ID=44691753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010269969A Active JP5649424B2 (en) | 2010-02-03 | 2010-12-03 | Waterproof sheet diagnostic method and diagnostic device |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5649424B2 (en) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013250059A (en) * | 2012-05-30 | 2013-12-12 | Railway Technical Research Institute | Deformation management method for concrete surface |
JP2014006143A (en) * | 2012-06-25 | 2014-01-16 | Daiwa House Industry Co Ltd | Method and system for diagnosing deterioration of building |
JP2014139787A (en) * | 2013-01-21 | 2014-07-31 | International Business Maschines Corporation | Feature selection method for efficient epistasis modeling for phenotype prediction, information processing system, and computer program |
JP2016511884A (en) * | 2013-01-31 | 2016-04-21 | コデクシス, インコーポレイテッド | Method, system, and software for identifying biomolecules having interacting components |
JP2017217649A (en) * | 2016-06-02 | 2017-12-14 | 国立大学法人九州大学 | Detection device for breakage suspected portion of capping sheet, method for detection of breakage suspected portion of capping sheet, and computer program |
JP2018173385A (en) * | 2017-03-31 | 2018-11-08 | 大和ハウス工業株式会社 | Method for diagnosing seal material of indeterminate shape |
CN110531195A (en) * | 2019-09-09 | 2019-12-03 | 河南理工大学 | A method of identification transformer excitation flow and internal fault |
CN111077058A (en) * | 2020-01-13 | 2020-04-28 | 东南大学 | Experimental method for determining using amount of waterproof material on pavement surface of steel bridge deck |
JP2020165622A (en) * | 2019-03-29 | 2020-10-08 | 三機工業株式会社 | Prediction method for air conditioning load and air conditioning system |
JPWO2020230781A1 (en) * | 2019-05-16 | 2020-11-19 | ||
JP2021012570A (en) * | 2019-07-08 | 2021-02-04 | 株式会社日立製作所 | Fracture surface analysis device and fracture surface analysis method |
WO2024089806A1 (en) * | 2022-10-26 | 2024-05-02 | 株式会社Fuji | Deterioration determination device |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5927206A (en) * | 1982-08-06 | 1984-02-13 | Hitachi Ltd | Defective pattern detecting method |
JPH04299147A (en) * | 1991-03-28 | 1992-10-22 | Toshiba Corp | Device for inspecting printed matter |
JPH0627046A (en) * | 1992-07-09 | 1994-02-04 | Sekisui House Ltd | Deterioration deciding method of waterproof sheet based on crack photograph |
JPH06288739A (en) * | 1993-02-03 | 1994-10-18 | Matsushita Electric Ind Co Ltd | Wiring pattern inspection device |
JPH09119900A (en) * | 1995-10-26 | 1997-05-06 | Ishikawajima Harima Heavy Ind Co Ltd | Method for automatically evaluating concrete defect |
JP2006162477A (en) * | 2004-12-08 | 2006-06-22 | Ohbayashi Corp | Crack detecting method on structural surfaces |
JP2008190880A (en) * | 2007-01-31 | 2008-08-21 | Taiyo Kogyo Corp | Determination device, determination system, determination method and computer program |
-
2010
- 2010-12-03 JP JP2010269969A patent/JP5649424B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5927206A (en) * | 1982-08-06 | 1984-02-13 | Hitachi Ltd | Defective pattern detecting method |
JPH04299147A (en) * | 1991-03-28 | 1992-10-22 | Toshiba Corp | Device for inspecting printed matter |
JPH0627046A (en) * | 1992-07-09 | 1994-02-04 | Sekisui House Ltd | Deterioration deciding method of waterproof sheet based on crack photograph |
JPH06288739A (en) * | 1993-02-03 | 1994-10-18 | Matsushita Electric Ind Co Ltd | Wiring pattern inspection device |
JPH09119900A (en) * | 1995-10-26 | 1997-05-06 | Ishikawajima Harima Heavy Ind Co Ltd | Method for automatically evaluating concrete defect |
JP2006162477A (en) * | 2004-12-08 | 2006-06-22 | Ohbayashi Corp | Crack detecting method on structural surfaces |
JP2008190880A (en) * | 2007-01-31 | 2008-08-21 | Taiyo Kogyo Corp | Determination device, determination system, determination method and computer program |
Non-Patent Citations (2)
Title |
---|
柳室純他: "画像解析・画像認識による劣化膜材料の残存強度の推定", 日本建築学会学術講演梗概集A−2, JPN6014036456, 31 July 2007 (2007-07-31), pages 417 - 418, ISSN: 0002936645 * |
辻本吉寛他: "ポリ塩化ビニル系ルーフィングシートの簡易劣化診断法の提案", 日本建築学会構造系論文集, JPN6014036458, November 1996 (1996-11-01), pages 17 - 24, ISSN: 0002936646 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013250059A (en) * | 2012-05-30 | 2013-12-12 | Railway Technical Research Institute | Deformation management method for concrete surface |
JP2014006143A (en) * | 2012-06-25 | 2014-01-16 | Daiwa House Industry Co Ltd | Method and system for diagnosing deterioration of building |
US11335434B2 (en) | 2013-01-21 | 2022-05-17 | International Business Machines Corporation | Feature selection for efficient epistasis modeling for phenotype prediction |
JP2014139787A (en) * | 2013-01-21 | 2014-07-31 | International Business Maschines Corporation | Feature selection method for efficient epistasis modeling for phenotype prediction, information processing system, and computer program |
US10102333B2 (en) | 2013-01-21 | 2018-10-16 | International Business Machines Corporation | Feature selection for efficient epistasis modeling for phenotype prediction |
US10108775B2 (en) | 2013-01-21 | 2018-10-23 | International Business Machines Corporation | Feature selection for efficient epistasis modeling for phenotype prediction |
US11335433B2 (en) | 2013-01-21 | 2022-05-17 | International Business Machines Corporation | Feature selection for efficient epistasis modeling for phenotype prediction |
JP2016511884A (en) * | 2013-01-31 | 2016-04-21 | コデクシス, インコーポレイテッド | Method, system, and software for identifying biomolecules having interacting components |
JP2017217649A (en) * | 2016-06-02 | 2017-12-14 | 国立大学法人九州大学 | Detection device for breakage suspected portion of capping sheet, method for detection of breakage suspected portion of capping sheet, and computer program |
JP2018173385A (en) * | 2017-03-31 | 2018-11-08 | 大和ハウス工業株式会社 | Method for diagnosing seal material of indeterminate shape |
JP7343289B2 (en) | 2019-03-29 | 2023-09-12 | 三機工業株式会社 | Air conditioning load prediction method and air conditioning system |
JP2020165622A (en) * | 2019-03-29 | 2020-10-08 | 三機工業株式会社 | Prediction method for air conditioning load and air conditioning system |
JPWO2020230781A1 (en) * | 2019-05-16 | 2020-11-19 | ||
WO2020230781A1 (en) * | 2019-05-16 | 2020-11-19 | ダイキン工業株式会社 | Learning model generation method, program, storage medium, and prelearned model |
JP7212293B2 (en) | 2019-05-16 | 2023-01-25 | ダイキン工業株式会社 | LEARNING MODEL GENERATION METHOD, PROGRAM, STORAGE MEDIUM, LEARNED MODEL |
JP2021012570A (en) * | 2019-07-08 | 2021-02-04 | 株式会社日立製作所 | Fracture surface analysis device and fracture surface analysis method |
CN110531195B (en) * | 2019-09-09 | 2021-06-01 | 河南理工大学 | Method for identifying magnetizing inrush current and internal fault of transformer |
CN110531195A (en) * | 2019-09-09 | 2019-12-03 | 河南理工大学 | A method of identification transformer excitation flow and internal fault |
CN111077058B (en) * | 2020-01-13 | 2020-09-11 | 东南大学 | Experimental method for determining using amount of waterproof material on pavement surface of steel bridge deck |
CN111077058A (en) * | 2020-01-13 | 2020-04-28 | 东南大学 | Experimental method for determining using amount of waterproof material on pavement surface of steel bridge deck |
WO2024089806A1 (en) * | 2022-10-26 | 2024-05-02 | 株式会社Fuji | Deterioration determination device |
Also Published As
Publication number | Publication date |
---|---|
JP5649424B2 (en) | 2015-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5649424B2 (en) | Waterproof sheet diagnostic method and diagnostic device | |
US20230419696A1 (en) | Image analysis method, apparatus, program, and learned deep learning algorithm | |
JP7422825B2 (en) | Focus-weighted machine learning classifier error prediction for microscope slide images | |
CN103518224B (en) | Method for analysing microbial growth | |
JP2017049974A (en) | Discriminator generator, quality determine method, and program | |
CN107918931A (en) | Image processing method and system | |
JP3581149B2 (en) | Method and apparatus for identifying an object using a regular sequence of boundary pixel parameters | |
US20220092856A1 (en) | Crack detection, assessment and visualization using deep learning with 3d mesh model | |
CN103957771A (en) | Image processing device, image processing method, and image processing program | |
WO2014087689A1 (en) | Image processing device, image processing system, and program | |
CN110796661B (en) | Fungal microscopic image segmentation detection method and system based on convolutional neural network | |
JP7226493B2 (en) | Contact wire wear inspection method | |
US20170364664A1 (en) | Method for stratifying and selecting candidates for receiving a specific therapeutic approach | |
Mickler et al. | Drop swarm analysis in dispersions with incident-light and transmitted-light illumination | |
JP2019164450A (en) | Image processing method, computer program and recording medium | |
Kromp et al. | Deep Learning architectures for generalized immunofluorescence based nuclear image segmentation | |
Chalfoun et al. | Segmenting time‐lapse phase contrast images of adjacent NIH 3T3 cells | |
CN116660271A (en) | Method for detecting surface flatness and smoothness of indium ingot after demolding | |
JP2020115283A (en) | Feature quantity determination method, learning data generation method, learning data set, evaluation system, program, and learning method | |
Wang et al. | Crowdsourced generation of annotated video datasets: a zebrafish larvae dataset for video segmentation and tracking evaluation | |
Rezaei et al. | One step clustering based on a-contrario framework for detection of alterations in historical violins | |
JP5644655B2 (en) | Edible fruit inspection method, inspection apparatus and program | |
TWI282847B (en) | Method to measure the weight based on machine vision | |
Puan et al. | Automated pavement imaging program (APIP) for pavement cracks classification and quantification | |
JP7120528B2 (en) | Classifier construction method, image classification method, classifier construction device, and image classification device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20131126 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140314 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140902 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141010 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20141111 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20141111 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5649424 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |