JP2013224849A - 構造物の不具合確率演算方法および不具合確率演算装置、構造物の不具合範囲判定方法および不具合範囲判定装置 - Google Patents

Abstract

【課題】異常部の範囲を判定し範囲に不具合が含まれる確率を求めて赤外線調査の信頼度を向上させる。
【解決手段】構造物の熱画像内で健全部と温度差がある各異常部の周囲に境界を画定してその範囲を仮定し、異常部の像の特徴量を求めて各異常部の範囲に不具合が含まれる確率を演算する第一の演算処理を行う。境界が画定された複数の異常部の範囲の中から一の範囲を基準範囲として設定する第一の範囲処理を行う。複数の異常部の範囲のうち基準範囲から所定距離内にある１以上の範囲を基準範囲と個別にグループ化し、その周囲に境界を画定してその範囲を仮定し、各グループの範囲に含まれる異常部の像の特徴量を求めて各グループの範囲に不具合が含まれる確率を演算する第二の演算処理を行う。全てのグループの範囲の確率より大きい最大の確率を有するグループを基準範囲としてその確率を求める。
【選択図】図２

Description

本発明は、赤外線カメラで撮影される熱画像を用いて構造物の不具合を調査する構造物の赤外線調査に関するものであり、構造物に含まれる不具合の存在範囲を判定し、その範囲に不具合が含まれる確率を求めるものである。

橋梁、高架、ビルディングのようなコンクリート構造物（以下、単に「構造物」という）の内部には、経年劣化によって発生する損傷や建設当初から存在する初期欠陥といった不具合が存在する。不具合は、それ自体が空洞（クラックを含む）であったり、また空洞（クラックを含む）の起点となることもある。このように不具合が空洞部を伴うと、その表層では剥離が生じやすくなり、これが剥落に至ると危険である。このため空洞部を伴う不具合を見付けて剥離を予防することが求められる。

空洞部を伴う不具合を見付ける手段として、赤外線カメラを用いた赤外線調査が提案されている。赤外線カメラは被写体から放出される赤外線帯域のエネルギーを検出し、検出したエネルギーを温度に変換して温度分布の画像データを生成する。この温度分布の２次元画像を熱画像又はサーモグラフィ画像と称する。赤外線調査の一例は、例えば下記特許文献１−５で開示されている。

構造物は外気や太陽光の影響を受けて構造物外部から内部への吸熱と構造物内部から外部への放熱を繰り返す。吸熱と放熱の際に空洞部を伴う不具合は断熱層として機能するため、不具合で熱移動は遮断される。その結果、不具合が有る部分と不具合が無い部分との間で温度差が生じ、赤外線の放射率に差が生ずる。こうした状態のときに赤外線カメラで構造物の熱画像を撮影すると、不具合が有る部分と不具合が無い部分は相違する色で表示される。このとき不具合が有る部分は不具合が無い部分の中に局所的に表示される。このように周囲と異なる色の部分を異常部と称し、それ以外の部分を健全部と称する。熱画像を観察して異常部が存在するか否かを判定することで、構造物内部の不具合の有無を判定でき、さらには不具合の位置を判別できる。赤外線調査は外観の観察では解らない構造物内部の不具合の有無を判定でき損傷を予防できるという利点を有する。

その一方で赤外線調査には問題がある。構造物には、内部に不具合が無いにも関わらずその表面温度が周囲と異なる部分、すなわち不具合と関係なく赤外線放射率が周囲と異なる部分が存在する。例えば構造物が補修されている場合、使用される補修材の熱伝導率の違いに応じて補修跡における赤外線放射率は変化する。また表面に遊離石灰等の付着物が有る構造物と無い構造物とでは赤外線放射率が相違する。つまり補修や付着物は熱画像に異常部を生じさせる要因となる。他にも構造物表面の凹凸や構造物表面に付着する異物など不具合と関係なく熱画像に異常部を生じさせる要因は幾つかかある。赤外線調査において不具合と関係のない異常部の検出は誤検出といえる。このように赤外線調査には誤検出が多いという問題がある。

本発明者らはこうした問題に対応するための一つの手段として、熱画像に表示される異常部が不具合を含むか否かを推測する技術を発明した。この発明は検出された異常部が不具合を含む確率を求めるものであり、特願２０１１−２３７２５０で特許出願されている。この発明では異常部の外観情報等を変数とする多変量解析の関係式を用いて異常部が不具合を含む確率を求める。この発明によれば、検出された異常部が不具合を含むか否か、すなわち異常部が不具合に起因するものなのか否かを確率の高低によって推測できる。

特開２００５−１４０６２２号公報 特開２００６−３２９７６０号公報 国際公開第２０１０／０４６９６７号パンフレット 国際公開第２０１０／０８９９１３号パンフレット 国際公開第２０１０／１０６６３９号パンフレット

熱画像では一つの不具合に対して異常部の集合体、所謂クラスターが表示されることがある。上述した構造物表面の補修跡、遊離石灰、凹凸、付着物等（以下、これらをまとめて「補修跡等」という）についても同様である。

しかしながら同一クラスター内であっても個々の異常部の形状、大きさ、温度等は一定でなくまた異常部間に相関も見られないことから、熱画像に異常部が散在する場合には個々のクラスターの範囲を判定することが困難である。結果として個々の不具合や補修跡等の範囲を判定することが困難となる。

上述した特願２０１１−２３７２５０の技術のように熱画像を用いて構造物が不具合を含む確率を求める場合、異常部がクラスターを形成するのであれば、異常部単位で不具合を含む確率を求めるのではなく、クラスター単位で不具合を含む確率を求めるのが適切である。したがってクラスターの範囲を判定する必要があるのだが、上述したようにクラスターの範囲を判定する方法は不定である。このためクラスターの範囲の判定は各作業員の主観に委ねられることになる。すると作業員毎にクラスターの範囲の判定結果が異なることになりかねず、結果として求められた確率が作業員毎に異なることになり、求められた確率の信頼度、ひいては構造物の赤外線調査の信頼度を低下させる原因となる。

本発明はこうした実状に鑑みてなされたものであり、クラスターの範囲を判定する手段を確立しまたその範囲に不具合が含まれる確率を求める手段を確立することで赤外線調査の信頼度を向上させることを目的とするものである。

第１の発明は、
構造物の熱画像を用いて構造物に不具合が含まれる確率を求める構造物の不具合確率演算方法において、
構造物の熱画像を撮影する熱画像撮影処理と、
熱画像内で健全部と温度差がある各異常部の周囲に境界を画定することによって各異常部の範囲を仮定し、各異常部の範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各異常部の範囲に不具合が含まれる確率を演算する第一の演算処理と、
前記第一の演算処理で境界が画定された複数の異常部の範囲の中から一の範囲を基準範囲として設定する第一の範囲処理と、
前記第一の演算処理で境界が画定された複数の異常部の範囲のうち基準範囲から所定距離内にある１以上の範囲を基準範囲と個別にグループ化し、各グループの周囲に境界を画定することによって各グループの範囲を仮定し、各グループの範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各グループの範囲に不具合が含まれる確率を演算する第二の演算処理と、
「基準範囲の確率＜何れかのグループの範囲の確率」となる場合に、最大の確率を有するグループの範囲を新たな基準範囲として設定し、「基準範囲の確率≧全てのグループの範囲の確率」となる場合に、その基準範囲の確率を求める確率として決定する第二の範囲処理と、
を行い、
「基準範囲の確率≧全てのグループの範囲の確率」となるまで前記第二の演算処理と前記第二の範囲処理を順次行う
ことを特徴とする。

第１の発明では、
前記第一の演算処理および前記第二の演算処理で、異常部の像の特徴量を変数とする多変量解析の関係式を用いて確率を求める
ことが可能である。

第１の発明では、
前記第一の演算処理および前記第二の演算処理で、異常部の像の特徴量として、異常部の面積と、範囲内での異常部の面積占有率と、異常部の形状の複雑度と、異常部の形状の円形度と、を求める
ことが可能である。

第１の発明では、
熱画像において異常部を温度に応じた色で表示し、表示色別の面積と複雑度と円形度を求める
ことが可能である。

第１の発明では、
前記第二の範囲処理で「基準範囲の確率≧全てのグループ化範囲の確率」となった後に、その時点の基準範囲に対応する構造物の部位の外観情報を求め、求めた外観情報とその時点の基準範囲の確率とを用いて基準範囲に不具合が含まれる確率を改めて演算する第三の演算処理をさらに行う
ことが可能である。

第１の発明では、
前記第三の演算処理で、基 準範囲の確率と求めた外観情報とを変数とした多変量解析の関係式を用いて確率を求める
ことが可能である。

第１の発明の処理は装置で実施でき、またコンピュータで実行可能なプログラムにすることもでき、またそのプログラムをコンピュータ読み取り可能な記録媒体に保存することもできる。

第２の発明は、
構造物の熱画像を用いて構造物に含まれる不具合の範囲を判定する構造物の不具合範囲判定方法において、
構造物の熱画像を撮影する熱画像撮影処理と、
熱画像内で健全部と温度差がある各異常部の周囲に境界を画定することによって各異常部の範囲を仮定し、各異常部の範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各異常部の範囲に不具合が含まれる確率を演算する第一の演算処理と、
前記第一の演算処理で境界が画定された複数の異常部の範囲の中から一の範囲を基準範囲として設定する第一の範囲処理と、
前記第一の演算処理で境界が画定された複数の異常部の範囲のうち基準範囲から所定距離内にある１以上の範囲を基準範囲と個別にグループ化し、各グループの周囲に境界を画定することによって各グループの範囲を仮定し、各グループの範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各グループの範囲に不具合が含まれる確率を演算する第二の演算処理と、
「基準範囲の確率＜何れかのグループの範囲の確率」となる場合に、最大の確率を有するグループの範囲を新たな基準範囲として設定し、「基準範囲の確率≧全てのグループの範囲の確率」となる場合に、その基準範囲を求める範囲として決定する第二の範囲処理と、
を行い、
「基準範囲の確率≧全てのグループの範囲の確率」となるまで前記第二の演算処理と前記第二の範囲処理を順次行う
ことを特徴とする。

第２の発明の処理は装置で実施でき、またコンピュータで実行可能なプログラムにすることもでき、またそのプログラムをコンピュータ読み取り可能な記録媒体に保存することもできる。

本発明は、クラスターの範囲を判定する手段を確立しまたその範囲に不具合が含まれる確率を求める手段を確立する。本発明によれば、クラスターの範囲の判定や不具合の確率を求める処理から作業員の主観が排除されることから、どの作業員が処理を行っても同じ結果が得られるようになる。したがって作業員の能力差に起因する結果のばらつきがなくなり、赤外線調査の信頼度が向上する。

図１は実施例１に係る赤外線調査システムの構成を示す。 図２は実施例１に係る赤外線調査の処理手順を示す。 図３は異常部の周囲に境界を画定した様子を示す。 図４は異常部の範囲内に設定された格子を示す。 図５は異常部の範囲の不具合確率を演算した様子を示す。 図６はグループ化のイメージを示す。 図７はグループの周囲に境界を画定した様子を示す。 図８はグループの範囲および不具合確率を決定した様子を示す。 図９は典型的な不具合とその表面温度との関係を示す。 図１０は実施例２に係る赤外線調査システムの構成を示す。 図１１は実施例２に係る赤外線調査の処理手順を示す。 図１２は実橋を赤外線調査した際に誤検出した原因の度数を示す。 図１３は温度変化原因別の不具合確率の平均値を示す。 図１４は決定木分析の結果を示す。

以下、本発明の実施形態を図面を参照して説明する。

［１−１．赤外線調査システムの構成の概要］
図１は実施例１に係る赤外線調査システムの構成を示す。
赤外線調査システム１は、構造物３から放出される赤外線を検出して熱画像データを生成する赤外線カメラ１０と、赤外線カメラ１０で生成された熱画像データを用いて構造物３の熱画像を形成すると共にその熱画像において異常部が形成するクラスターの範囲を判定する処理とその範囲に不具合が含まれる確率（以下、「不具合確率」という）を演算する処理とを行う熱画像処理装置２０と、熱画像処理装置２０で形成された熱画像および熱画像処理装置２０で行われた処理結果を表示する表示装置３０と、を備える。

赤外線カメラ１０は、構造物３から放出される赤外線帯域のエネルギーを赤外線検出素子で検出し、検出したエネルギーを温度に変換し、変換後の温度の分布を画像化するための熱画像データを生成する。赤外線検出素子としては、例えばInSb、QWIP、μ−ボロメータなどの中赤外線を検出する素子が用いられる。赤外線カメラ１０は生成した熱画像データを熱画像信号Ｓ1にして熱画像処理装置２０に直接出力するか、又は記憶媒体１１に保存する。

熱画像処理装置２０は熱画像形成部２１と記憶部２３と処理部２５を備える。熱画像処理装置２０としてはＣＰＵやメモリを備えたコンピュータを使用可能である。

熱画像形成部２１は、赤外線カメラ１０から出力された熱画像信号Ｓ1又は記憶媒体１１から熱画像データを取得して熱画像を形成する。熱画像形成部２１は次のような熱画像の補正処理も行う。構造物３の周囲の環境等の影響により、構造物３の表面には一方向から他方向にわたる温度差、所謂温度勾配が発生することがある。温度勾配が発生した状態で撮影された熱画像は温度勾配の温度分布を含むが、こうした熱画像では健全部と異常部との違いが不明確になる。そこで熱画像における健全部と異常部との違いを明確にするために、熱画像形成部２１は、構造物３の表面の素の温度分布を示す熱画像すなわち温度勾配の温度分布を含む熱画像から温度勾配の温度分布を除去する補正処理を行う。補正処理後の熱画像は温度勾配の温度分布が除去されており、健全部と異常部との違いが明確になる。こうした補正処理については上記特許文献３として提示した国際公開第２０１０／０４６９６７号パンフレットに示されているので、その説明を省略する。

さらに熱画像形成部２１は異常部を健全部との温度差に対応した色で表示する。異常部と健全部の温度差の範囲は１以上の閾値によって複数の温度帯に分けられており、各温度帯が特定の色と対応づけられている。本実施例で熱画像形成部２１は異常部を健全部との温度差が大きい順に赤、黄、青の色で表示する。一つの異常部内で健全部との温度差にばらつきがある場合は一つの異常部は複数色で表示される。例えば異常部の一部が赤で表示され、赤の周囲が黄で表示され、黄の周囲が青で表示される。一方、一つの異常部内で健全部との温度差にばらつきがない場合は一つの異常部は単色で表示される。

記憶部２３は、処理部２５で行われるクラスターの範囲を判定する処理と不具合確率を演算する処理の手順を示したプログラムを記憶する。本実施例では、１以上の異常部の周囲に境界を画定し、境界内の範囲に含まれる異常部の特徴量を求め、その異常部の特徴量を変数とするロジスティック回帰式を用いて不具合確率を求めるようにしている。記憶部２３はこのようなロジスティック回帰式を用いた処理手順を示すプログラムを記憶する。記憶部２３はこのプログラムを磁気ディスク、光学ディスク、フラッシュメモリ等の記録媒体や通信回線を介して取得することが可能であり、また製造段階で取得しておくことも可能である。

処理部２５は、熱画像形成部２１で形成された補正処理後の熱画像を入力情報とし、記憶部２３で記憶されたプログラムを実行してクラスターの範囲を判定しまた不具合確率を演算する。処理部２５が行う処理の詳細は後述の［１−２．処理手順］で説明する。

表示装置３０は、熱画像処理装置２０の熱画像形成部２１で形成された熱画像を画面に表示し、その熱画像上に熱画像処理装置２０の処理部２５で特定されたクラスターの範囲を表示し、また熱画像処理装置２０の処理部２５で求められた不具合確率を表示する。なお表示装置３０の代わりに印刷装置を使用して熱画像やクラスターの範囲が表示された熱画像や不具合確率を印刷することも可能であり、表示装置３０と印刷装置を併用することも可能である。

［１−２．処理手順］
図２は実施例１に係る赤外線調査の処理手順を示す。ここでは本実施例の処理手順を図２の他に図１および図３〜８を参照して説明する。

赤外線カメラ１０は構造物３を撮影して熱画像データを生成する（ステップＳ２０１）。熱画像処理装置２０の熱画像形成部２１は熱画像データを取り込んで熱画像を形成する（ステップＳ２０２）。形成された熱画像には温度勾配の温度分布が重畳していることがある。そこで熱画像形成部２１は、上記特許文献３で示されている補正処理を行い、熱画像から温度勾配の温度分布を除去する（ステップＳ２０３）。補正処理後の熱画像は健全部と異常部を明確に表示する。さらに補正処理後の熱画像は異常部を健全部との温度差に対応した色で表示する。本実施例では異常部を健全部との温度差が大きい順に赤、黄、青の色で表示しており、０．０４≦青＜０．０８≦黄＜０．１１≦赤（単位℃）としている。

熱画像の補正処理が終了したら、熱画像処理装置２０の処理部２５は、熱画像形成部２１で形成された補正処理後の熱画像を入力情報とし、記憶部２３で記憶されたプログラムを実行して、次のようなクラスターの範囲を判定する処理と不具合確率を演算する処理を行う（ステップＳ２０４〜Ｓ２１４）。

先ず熱画像内の各異常部の周囲に長方形又は正方形の境界をそれぞれ画定する（ステップＳ２０４）。図３は異常部の周囲に境界ｂを画定した様子を示す。なお説明の便宜のため図３は実際の熱画像の一部を模式化して示している。境界ｂは他の形状でも良いが、長方形又は正方形が扱い易く便利である。互いに直交する境界ｂの二辺のうちの一辺を「縦辺ｂ1」と称し他辺を「横辺ｂ2」と称すると、熱画像内の全ての境界ｂの縦辺ｂ1は互いに平行し、横辺ｂ2も互いに平行する。つまり熱画像内の全ての境界ｂの傾斜は一致する。境界ｂは異常部の外形線と接していても良いし一定の極小距離だけ離れていても良い。このように各異常部の周囲に境界ｂを画定することによって各異常部の範囲を仮定する。

なお本実施例では全異常部の周囲に同一の傾斜を有する境界ｂを画定するようにしているが、異常部毎に境界ｂの傾斜を変えることも可能である。この場合は、各異常部の範囲の面積が最小になるように各境界ｂを画定すれば良い。

次いで各異常部の範囲に含まれる異常部の像の特徴量を求める（ステップＳ２０５）。本実施例では異常部の像の特徴量として異常部の周囲長Ｌと異常部の面積Ｓと異常部の占有率Ｏと異常部の複雑度Ｃと異常部の円形度ＣＣを求める。各特徴量を求めるためには、図４で示すように、異常部の範囲内に所定サイズのマス目を備えた格子を設定する。各特徴量の基本的な求め方は以下のとおりである。
・異常部の周囲長Ｌ
Ｌ＝異常部の外形線と交わるマス目の数×１マスの辺長
・異常部の面積Ｓ
Ｓ＝異常部の外形線内に含まれるマス目の数×１マスの面積
・異常部の占有率Ｏ
Ｏ＝Ｓ／（Ｈ×Ｗ）〔Ｈ：縦辺のマス目の数、Ｗ：横辺のマス目の数〕
・異常部の複雑度Ｃ
Ｃ＝Ｓ／Ｌ
・異常部の円形度ＣＣ
ＣＣ＝４πＳ／Ｌ^２
上記各特徴量の求め方は一例であり、他の方法で求めることも可能である。例えば複雑度をＣ′＝Ｓ／Ｌ^２という式にて求めることも可能である。

なお本実施例では異常部を健全部との温度差が大きい順に赤、黄、青の色で表示しており、表示色毎に特徴量を求めることが可能である。後述するロジスティック回帰式は面積Ｓと占有率Ｏと複雑度Ｃと円形度ＣＣを変数とする多変量解析の関係式であり、そのうち占有率Ｏと複雑度Ｃに関しては青部分の占有率Ｏbと複雑度Ｃbを使用し、円形度ＣＣに関しては赤部分の円形度ＣＣrを使用する。以上のようにして異常部の範囲毎にそこに含まれる異常部の像の特徴量を求める。

次いで各異常部の範囲に不具合が含まれる確率すなわち不具合確率を演算する（ステップＳ２０６）。図５は異常部の範囲の不具合確率を演算した様子を示す。本実施例では各範囲内にある異常部の像から求められた面積Ｓと青占有率Ｏbと赤円形度ＣＣrと青複雑度Ｃbを、下記（１）式で表されるロジスティック回帰式に代入して、異常部の範囲の不具合確率を演算する。なお（１）式のＰｒｏｂ（ｅｖｅｎｔ）は不具合確率を意味する。

上記（１）式および各変数を特定した経緯については下記［３．式・変数の特定］で説明する。

以上のようにして異常部の範囲毎に不具合確率を演算する。

次いで複数の異常部の範囲の中から一の範囲を選択し、選択した範囲を基準範囲として設定する（ステップＳ２０７）。本実施例では不具合確率の高さと異常部の赤・黄面積の大きさを選択基準としており、周囲の範囲と比較して不具合確率が高いことを第一の条件とし、周囲の範囲と比較して赤・黄の面積が大きいことを第二の条件としている。図５においては範囲Ｆsが基準範囲とされる。

次いでステップＳ２０４の処理で境界が画定された複数の異常部の範囲のうち基準範囲から所定範囲内にある１以上の範囲を基準範囲と個別にグループ化する（ステップＳ２０８）。図６はグループ化のイメージを示す。図６においては基準範囲Ｆsと実線で結ばれた範囲Ｆrが基準範囲Ｆsと個々にグループを形成する。具体的には次のような処理を行う。基準範囲Ｆsの重心を求め、またステップＳ２０４の処理で境界が画定された複数の範囲のうち、基準範囲Ｆsの周囲に位置する１以上の範囲（「周囲範囲」という）Ｆrの重心をそれぞれ求める。基準範囲Ｆsの重心と周囲範囲Ｆrの重心との距離が所定値以下、例えば３０ｃｍ以下、であれば、基準範囲Ｆsに含まれる異常部と周囲範囲Ｆrに含まれる異常部は同一クラスターに含まれる可能性があるとみなして、基準範囲Ｆsとその周囲範囲Ｆrをグループ化する。対して、基準範囲Ｆsの重心と周囲範囲Ｆrの重心との距離が所定値を超えていれば、基準範囲Ｆsとその周囲範囲Ｆrをグループ化しない。このようなグループ判別処理およびグループ化処理を個々の周囲範囲毎に行い、基準範囲Ｆsと個々の周囲範囲Ｆrとを含む１以上のグループを形成する。

次いで各グループの周囲に長方形又は正方形の境界をそれぞれ画定する（ステップＳ２０９）。図７はグループの周囲に境界ｂを画定した様子を示す。境界ｂの画定の仕方はステップＳ２０４の処理と同じである。このように基準範囲Ｆsと個別の周囲範囲Ｆrを含む各グループの周囲に境界ｂを画定することによって各グループの範囲を仮定する。

次いで各グループの範囲に含まれる異常部の像の特徴量を求める（ステップＳ２１０）。特徴量の求め方はステップＳ２０５の処理と同じである。

次いで各グループの範囲の不具合確率を演算する（ステップＳ２１１）。不具合確率の演算の仕方はステップＳ２０６の処理と同じである。

次いで基準範囲の不具合確率と各グループの範囲の不具合確率を比較する（ステップＳ２１２）。「基準範囲の不具合確率＜何れかのグループの範囲の不具合確率」となる場合には（ステップＳ２１２の判断“＜”）、最大の不具合確率を有するグループの範囲を新たな基準範囲として設定する（ステップＳ２１３）。図７においては３つの範囲のうち左上の範囲を基準範囲Ｆsとして設定している。そして新たな基準範囲ＦsにてステップＳ２０８〜Ｓ２１２の処理を行う。

一方、「基準範囲の不具合確率≧全てのグループの範囲の不具合確率」となる場合には（ステップＳ２１２の判断“≧”）、その時点で基準範囲として設定されている範囲を求める範囲、すなわちクラスターの範囲として決定し、また基準範囲として設定されている範囲の不具合確率を求める不具合確率、すなわちクラスターに不具合が含まれる確率として決定する（ステップＳ２１４）。このステップＳ２１４の処理を処理部２５が行ったら、熱画像処理装置２０は一連の処理を終了する。図８はグループの範囲および不具合確率を決定した様子を示す。

熱画像処理装置２０の処理が終了し、クラスターの範囲およびその範囲の不具合確率が決定したら、表示装置３０は熱画像処理装置２０の処理結果を表示する（ステップＳ２１５）。

なお実際の熱画像では多数の異常部が検出されるため、ステップＳ２０７の処理においては複数の基準範囲Ｆsを設定し、基準範囲Ｆs毎にステップＳ２０８〜Ｓ２１４の処理を行うようにするのが効率的である。

［１−３．式・変数の特定］
本発明者らは本実施例で使用する多変量解析の関係式およびその関係式で用いる変数を次のようにして特定した。

図９は典型的な不具合とその表面温度との関係を示す。図９の下図は内部にひび４を含む構造物３′の断面をそれぞれ示す模式図である。図９の左下図は構造物３′の表面にひび４が達しない浮きの断面図であり、図９の右下図は構造物３′の表面にひび４が達した剥離の断面図である。各断面図はひび４の左半分の形状を示している。図９の上図は下図に示すひび４の各位置に対応する構造物３′の表面温度を示す。横軸はひび４の位置に対応し、縦軸は各位置における健全部との温度差を示す。図９によれば、浮きは中心付近が健全部との温度差が大きく、剥離は周縁部付近が健全部との温度差が大きいことが判る。

本発明者らは図９の左右図で示されるような不具合を想定した。そして多変量解析の関係式および変数を特定するために変数減少法ステップワイズ（Wald）を用いて解析を行った。変数減少法ステップワイズ（Wald）は、ロジスティック回帰モデルを検討する際に有効なモデルとなるように投入した変数を適宜除く変数選択法である。下記表１のステップ１で示されるように投入した変数は７項目である。そして解析の結果、有効なモデルはステップ４となり、変数は面積mm（Ｓ）、青占有率（Ｏb）、赤円形度（ＣＣr）、青複雑度（Ｃb）となった。

本発明者らは変数減少法ステップワイズ（Wald）による変数の推定の他に、実際の撮影結果によっても変数の推定を行った。本発明者らは構造物の試験体を作成し、その試験体を室内で撮影して得た熱画像を検証すると共に、実際の橋梁を撮影して得た熱画像を検証して、変数の推定を行った。その結果は上記表１の結果とほぼ一致していたため、上記表１は妥当と判断した。そしてステップ４のモデルに基づいて上記（１）式を得ると共に、４つの変数〔面積mm（Ｓ）、青占有率（Ｏb）、赤円形度（ＣＣr）、青複雑度（Ｃb）〕を特定した。

上記（１）式によって不具合確率を求めた場合の正解の割合を下記表２に示す。この結果によれば、上記（１）式によって不具合の有無を見極められる割合は約７７％である。この結果から上記（１）式は有効であると考えられる。

なお本実施例では面積mm（Ｓ）、青占有率（Ｏb）、赤円形度（ＣＣr）、青複雑度（Ｃb）という変数を用いたが、他の変数を用いる実施例も可能である。その場合、本実施例よりも精度は劣るかもしれないが、ある程度の精度は期待できる。

本実施例は、実施例１の一連の処理を行った後に、実施例１で求めた不具合確率等を変数とするロジスティック回帰式を用いて改めて不具合確率を演算するものである。本実施例によれば、実施例１よりも精度の高い不具合確率を求めることができる。

［２−１．赤外線調査システムの構成の概要］
図１０は実施例２に係る赤外線調査システムの構成を示す。なお実施例１と同一の構成に対しては同一の符号を付し、その詳細な説明を省略する。
赤外線調査システム２は、赤外線カメラ１０と熱画像処理装置２０と表示装置３０の他に、構造物３の外観画像データを生成するカメラ４０と、カメラ４０で生成された外観画像データを用いて構造物３の外観画像を形成すると共にその外観画像から得られる外観情報を用いて不具合確率を演算する処理を行う外観画像処理装置５０と、を備える。

カメラ４０は、構造物３の撮影に応じて構造物３の外観画像データを生成する。カメラ４０は一般的なスチールカメラやビデオカメラに相当する。構造物３の外観を静止画・動画問わずに撮影できるカメラであればどのようなものでも利用可能である。カメラ４０は生成した外観画像データを外観画像信号Ｓ2にして外観画像処理装置５０に直接送信するか、又は記憶媒体４１に保存する。

外観画像処理装置５０は外観画像形成部５１と記憶部５３と処理部５５を備える。外観画像処理装置５０としてはＣＰＵやメモリを備えたコンピュータを使用可能である。また熱画像処理装置２０の機能と外観画像処理装置５０の機能を一つの装置に併合することも可能である。例えば一つのコンピュータを熱画像処理装置２０および外観画像処理装置５０として併用することも可能である。

外観画像形成部５１は、カメラ４０から出力された外観画像信号Ｓ2又は記憶媒体４１から外観画像データを取得して外観画像を形成する。

記憶部５３は、処理部５５で行われる不具合確率を演算する処理の手順を示したプログラムを記憶する。本実施例では、熱画像処理装置２０で判定されたクラスターの範囲の外観情報を因子とするロジスティック回帰式を用いて不具合確率を求めるようにしている。記憶部５３はこのようなロジスティック回帰式を用いた処理手順を示すプログラムを記憶する。記憶部５３はこのプログラムを磁気ディスク、光学ディスク、フラッシュメモリ等の記録媒体や通信回線を介して取得することが可能であり、また製造段階で取得しておくことも可能である。

処理部５５は、外観画像形成部５１で形成された外観画像と熱画像処理装置２０で判定されたクラスターの範囲の位置情報を入力情報とし、外観画像におけるクラスターの範囲の位置を特定する。そして特定した位置の外観画像すなわちクラスターの範囲の外観画像を解析し、ロジスティック回帰式の変数に関する外観情報を抽出する。さらに処理部５５は、熱画像処理装置２０で演算されたクラスターの範囲の不具合確率を入力情報とし、記憶部５３で記憶されたプログラムを実行して改めてクラスターの範囲の不具合確率を演算する。処理部５５が行う処理の詳細は後述の［２−２．処理手順］で説明する。

［２−２．処理手順］
図１１は実施例２に係る赤外線調査の処理手順を示す。ここでは本実施例の処理手順を図１１の他に図２および図１０を参照して説明する。

本実施例では図２で示されるステップＳ２０１〜Ｓ２１４の処理が行われる（ステップＳ１１００）。ステップＳ２０１〜Ｓ２１４の処理については実施例１の［１−２．処理手順］で既に説明しているため、ここではその説明を省略する。

カメラ４０は構造物３を撮影して外観画像データを生成する（ステップＳ１１０１）。外観画像処理装置５０の外観画像形成部５１は外観画像データを取り込んで外観画像を形成する（ステップＳ１１０２）。

外観画像処理装置５０の処理部５５は外観画像形成部５１で形成された外観画像から特定の外観情報を抽出する（ステップＳ１１０３）。処理部５５は、熱画像処理装置２０からクラスターの範囲の位置情報を取得し、その位置と一致する外観画像の位置を特定する。そして特定した位置の外観画像すなわちクラスターの範囲の外観画像を解析し、ロジスティック回帰式で用いる因子の情報を抽出する。本実施例では因子の情報として、構造物の「表面形状」および構造物の表面に顕在化する「ひび割れの有無」という２つの外観情報を抽出する。「表面形状」は「健全」、「段差」、「表面凹凸」という項目に分類されており、クラスターの範囲の外観画像がこのうちの何れに該当するかを判断する。また「ひび割れの有無」は「無」、「有」という項目に分類されており、クラスターの範囲の外観画像がこのうちの何れに該当するかを判断する。

外観情報の抽出が終了したら、外観画像処理装置５０の処理部５５は、記憶部５３で記憶されたプログラムを実行して、クラスターの範囲の不具合確率を演算する処理を行う（ステップＳ１１０４）。この演算では下記（２）式で表されるロジスティック回帰式が用いられる。

上記（２）式のうち、「式１確率」というのは熱画像処理装置２０で演算されたクラスターの範囲の不具合確率である。一方、「ひび無」というのはステップ１１０３における「ひび割れの有無」の判断結果に応じて決定される項であり、「健全」、「段差」というのはステップ１１０３における「表面形状」の判断結果に応じて決定される項であり、それぞれ下記表３を用いて数値化される。

例えばステップ１１０３における「ひび割れの有無」の判断結果が「無」の場合は、上記表３に従って上記（２）式の「ひび無」の項が「１」となる。またステップ１１０３における「ひび割れの有無」の判断結果が「有」の場合は、上記表３に従って上記（２）式の「ひび無」の項が「０」となる。

一方、ステップ１１０３における「表面形状」の判断結果が「健全」の場合は、上記表３に従って上記（２）式の「健全」の項が「１」となり、「段差」の項が「０」となる。またステップ１１０３における「表面形状」の判断結果が「段差」の場合は、上記表３に従って上記（２）式の「健全」の項が「０」となり、「段差」の項が「１」となる。またステップ１１０３における「表面形状」の判断結果が「表面凹凸」の場合は、上記表３に従って上記（２）式の「健全」、「段差」の項が共に「０」となる。

以上のようにして、外観画像処理装置５０の処理部５５は、熱画像処理装置２０の演算結果、クラスターの範囲の外観情報、上記表３、上記（２）式を用いて最終的な不具合確率を演算する。

外観画像処理装置５０の処理が終了し、改めてクラスターの範囲の不具合確率が決定したら、表示装置３０は外観画像処理装置５０の処理結果を表示する（ステップＳ１１０５）。

なおステップＳ１１０３において外観情報の抽出の代わりに作業員が目視で判断した外観情報を入力するようにしても良い。本実施例の外観情報の判断は作業員の能力差がでにくいので、作業員の判断が介在しても大きな問題はない。

［２−３．式・変数の特定］
本発明者らは本実施例で使用する多変量解析の関係式およびその関係式で用いる変数を次のようにして特定した。

図１２は実橋を赤外線調査した際に誤検出した原因の度数を示しており、実際は健全部であるにもかかわらず熱画像を用いた解析で異常部と判断された原因の度数を示している。図１２で示される原因のうち、「段差」とは型枠目地の箇所に発生している段差をいう。「色むら」とはコンクリート表面に付着したカビや苔、型枠剥離材によって変色したものをいう。「エフロレッセンス」とは遊離石灰の初期段階で、白い粉が表面に付着している状態をいう。「異物付着」とはコンクリート表面に泥やビニルテープ・木片が付着しているものをいう。

図１３は温度変化原因別の不具合確率の平均値を示している。図１３で示す不具合確率は実施例１で使用する上記（１）式で求めたものである。図１３からは、「浮き」の確率は非常に高い値となっており精度が高いと考えられるが、「異物混入・付着」の確率は低くなっており精度が低いと考えられる。

そこで本発明者らは、実施例１で使用する上記（１）式の精度を向上させるために、外観画像から得られる情報を考慮することとした。具体的には、上記（１）式で演算した不具合確率と外観画像から得られる情報を基に決定木分析を実施した。

図１４は決定木分析の結果を示す。この決定木分析の結果から下記（ａ）〜（ｄ）がいえる。
（ａ）上記（１）式の演算結果が０．３８より大きく且つコンクリート表面に何も無い範囲は内部に不具合を含むことが多い。
（ｂ）上記（１）式の演算結果が０．３８より大きくてもコンクリート表面に何か有る範囲は殆どが内部に不具合を含まない。
（ｃ）上記（１）式の演算結果が０．３８以下であって且つコンクリート表面にひび割れが無い範囲は殆どが内部に不具合を含まない。
（ｄ）上記（１）式の演算結果が０．３８以下であってもコンクリート表面にひび割れが有る範囲は内部に不具合を含む。

図１４の決定木分析によって、外観画像の情報において有効な因子は「表面形状」と「ひび割れの有無」であった。これらの因子を用いてロジスティック回帰分析を実施して、上記表３および下記表４を得て、上記（２）式を得た。

上記（２）式によって不具合確率を求めた場合の正解の割合を下記表５に示す。この結果によれば、上記（２）式によって不具合の有無を見極められる割合は約９３％であり、上記（１）式のみによる約７７％と比較して、大幅に精度が向上している。

なお本実施例では「表面形状」と「ひび割れの有無」という因子を用いたが、他の因子を用いる実施例も可能である。その場合、本実施例よりも精度は劣るかもしれないが、ある程度の精度は期待できる。

１、２…赤外線調査システム
１０…赤外線カメラ
２０…熱画像処理装置
２１…熱画像形成部
２３…記憶部
２５…処理部
３０…表示装置
４０…カメラ
５０…外観画像処理装置
５１…外観画像形成部
５３…記憶部
５５…処理部

Claims (13)

1. 構造物の熱画像を用いて構造物に不具合が含まれる確率を求める構造物の不具合確率演算方法において、
   構造物の熱画像を撮影する熱画像撮影処理と、
   熱画像内で健全部と温度差がある各異常部の周囲に境界を画定することによって各異常部の範囲を仮定し、各異常部の範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各異常部の範囲に不具合が含まれる確率を演算する第一の演算処理と、
   前記第一の演算処理で境界が画定された複数の異常部の範囲の中から一の範囲を基準範囲として設定する第一の範囲処理と、
   前記第一の演算処理で境界が画定された複数の異常部の範囲のうち基準範囲から所定距離内にある１以上の範囲を基準範囲と個別にグループ化し、各グループの周囲に境界を画定することによって各グループの範囲を仮定し、各グループの範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各グループの範囲に不具合が含まれる確率を演算する第二の演算処理と、
   「基準範囲の確率＜何れかのグループの範囲の確率」となる場合に、最大の確率を有するグループの範囲を新たな基準範囲として設定し、「基準範囲の確率≧全てのグループの範囲の確率」となる場合に、その基準範囲の確率を求める確率として決定する第二の範囲処理と、
   を行い、
   「基準範囲の確率≧全てのグループの範囲の確率」となるまで前記第二の演算処理と前記第二の範囲処理を順次行う
   ことを特徴とする構造物の不具合確率演算方法。
2. 前記第一の演算処理および前記第二の演算処理で、異常部の像の特徴量を変数とする多変量解析の関係式を用いて確率を求める
   請求項１に記載の構造物の不具合確率演算方法。
3. 前記第一の演算処理および前記第二の演算処理で、異常部の像の特徴量として、異常部の面積と、範囲内での異常部の面積占有率と、異常部の形状の複雑度と、異常部の形状の円形度と、を求める
   請求項１または請求項２に記載の構造物の不具合確率演算方法。
4. 熱画像において異常部を温度に応じた色で表示し、表示色別の面積と複雑度と円形度を求める
   請求項３に記載の構造物の不具合確率演算方法。
5. 前記第二の範囲処理で「基準範囲の確率≧全てのグループ化範囲の確率」となった後に、その時点の基準範囲に対応する構造物の部位の外観情報を求め、求めた外観情報とその時点の基準範囲の確率とを用いて基準範囲に不具合が含まれる確率を改めて演算する第三の演算処理をさらに行う
   請求項１乃至４の何れかに記載の構造物の不具合確率演算方法。
6. 前記第三の演算処理で、基準範囲の確率と求めた外観情報とを変数とした多変量解析の関係式を用いて確率を求める
   請求項５に記載の構造物の不具合確率演算方法。
7. 構造物の熱画像を用いて構造物に不具合が含まれる確率を求める構造物の不具合確率演算装置において、
   撮影された構造物の熱画像内で健全部と温度差がある各異常部の周囲に境界を画定することによって各異常部の範囲を仮定し、各異常部の範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各異常部の範囲に不具合が含まれる確率を演算する第一の演算処理と、
   前記第一の演算処理で境界が画定された複数の異常部の範囲の中から一の範囲を基準範囲として設定する第一の範囲処理と、
   前記第一の演算処理で境界が画定された複数の異常部の範囲のうち基準範囲から所定距離内にある１以上の範囲を基準範囲と個別にグループ化し、各グループの周囲に境界を画定することによって各グループの範囲を仮定し、各グループの範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各グループの範囲に不具合が含まれる確率を演算する第二の演算処理と、
   「基準範囲の確率＜何れかのグループの範囲の確率」となる場合に、最大の確率を有するグループの範囲を新たな基準範囲として設定し、「基準範囲の確率≧全てのグループの範囲の確率」となる場合に、その基準範囲の確率を求める確率として決定する第二の範囲処理と、
   を行い、
   「基準範囲の確率≧全てのグループの範囲の確率」となるまで前記第二の演算処理と前記第二の範囲処理を順次行う処理部を備えた
   ことを特徴とする構造物の不具合確率演算装置。
8. コンピュータに、
   撮影された構造物の熱画像内で健全部と温度差がある各異常部の周囲に境界を画定することによって各異常部の範囲を仮定し、各異常部の範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各異常部の範囲に不具合が含まれる確率を演算する第一の演算処理と、
   前記第一の演算処理で境界が画定された複数の異常部の範囲の中から一の範囲を基準範囲として設定する第一の範囲処理と、
   前記第一の演算処理で境界が画定された複数の異常部の範囲のうち基準範囲から所定距離内にある１以上の範囲を基準範囲と個別にグループ化し、各グループの周囲に境界を画定することによって各グループの範囲を仮定し、各グループの範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各グループの範囲に不具合が含まれる確率を演算する第二の演算処理と、
   「基準範囲の確率＜何れかのグループの範囲の確率」となる場合に、最大の確率を有するグループの範囲を新たな基準範囲として設定し、「基準範囲の確率≧全てのグループの範囲の確率」となる場合に、その基準範囲の確率を求める確率として決定する第二の範囲処理と、
   を実行させ、
   「基準範囲の確率≧全てのグループの範囲の確率」となるまで前記第二の演算処理と前記第二の範囲処理を順次実行させるプログラム。
9. コンピュータに、
   撮影された構造物の熱画像内で健全部と温度差がある各異常部の周囲に境界を画定することによって各異常部の範囲を仮定し、各異常部の範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各異常部の範囲に不具合が含まれる確率を演算する第一の演算処理と、
   前記第一の演算処理で境界が画定された複数の異常部の範囲の中から一の範囲を基準範囲として設定する第一の範囲処理と、
   前記第一の演算処理で境界が画定された複数の異常部の範囲のうち基準範囲から所定距離内にある１以上の範囲を基準範囲と個別にグループ化し、各グループの周囲に境界を画定することによって各グループの範囲を仮定し、各グループの範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各グループの範囲に不具合が含まれる確率を演算する第二の演算処理と、
   「基準範囲の確率＜何れかのグループの範囲の確率」となる場合に、最大の確率を有するグループの範囲を新たな基準範囲として設定し、「基準範囲の確率≧全てのグループの範囲の確率」となる場合に、その基準範囲の確率を求める確率として決定する第二の範囲処理と、
   を実行させ、
   「基準範囲の確率≧全てのグループの範囲の確率」となるまで前記第二の演算処理と前記第二の範囲処理を順次実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。
10. 構造物の熱画像を用いて構造物に含まれる不具合の範囲を判定する構造物の不具合範囲判定方法において、
    構造物の熱画像を撮影する熱画像撮影処理と、
    熱画像内で健全部と温度差がある各異常部の周囲に境界を画定することによって各異常部の範囲を仮定し、各異常部の範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各異常部の範囲に不具合が含まれる確率を演算する第一の演算処理と、
    前記第一の演算処理で境界が画定された複数の異常部の範囲の中から一の範囲を基準範囲として設定する第一の範囲処理と、
    前記第一の演算処理で境界が画定された複数の異常部の範囲のうち基準範囲から所定距離内にある１以上の範囲を基準範囲と個別にグループ化し、各グループの周囲に境界を画定することによって各グループの範囲を仮定し、各グループの範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各グループの範囲に不具合が含まれる確率を演算する第二の演算処理と、
    「基準範囲の確率＜何れかのグループの範囲の確率」となる場合に、最大の確率を有するグループの範囲を新たな基準範囲として設定し、「基準範囲の確率≧全てのグループの範囲の確率」となる場合に、その基準範囲を求める範囲として決定する第二の範囲処理と、
    を行い、
    「基準範囲の確率≧全てのグループの範囲の確率」となるまで前記第二の演算処理と前記第二の範囲処理を順次行う
    ことを特徴とする構造物の不具合範囲判定方法。
11. 構造物の熱画像を用いて構造物に含まれる不具合の範囲を判定する構造物の不具合範囲判定装置において、
    撮影された熱画像内で健全部と温度差がある各異常部の周囲に境界を画定することによって各異常部の範囲を仮定し、各異常部の範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各異常部の範囲に不具合が含まれる確率を演算する第一の演算処理と、
    前記第一の演算処理で境界が画定された複数の異常部の範囲の中から一の範囲を基準範囲として設定する第一の範囲処理と、
    前記第一の演算処理で境界が画定された複数の異常部の範囲のうち基準範囲から所定距離内にある１以上の範囲を基準範囲と個別にグループ化し、各グループの周囲に境界を画定することによって各グループの範囲を仮定し、各グループの範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各グループの範囲に不具合が含まれる確率を演算する第二の演算処理と、
    「基準範囲の確率＜何れかのグループの範囲の確率」となる場合に、最大の確率を有するグループの範囲を新たな基準範囲として設定し、「基準範囲の確率≧全てのグループの範囲の確率」となる場合に、その基準範囲を求める範囲として決定する第二の範囲処理と、
    を行い、
    「基準範囲の確率≧全てのグループの範囲の確率」となるまで前記第二の演算処理と前記第二の範囲処理を順次行う処理部を備えた
    ことを特徴とする構造物の不具合確率演算装置。
12. コンピュータに、
    撮影された構造物の熱画像内で健全部と温度差がある各異常部の周囲に境界を画定することによって各異常部の範囲を仮定し、各異常部の範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各異常部の範囲に不具合が含まれる確率を演算する第一の演算処理と、
    前記第一の演算処理で境界が画定された複数の異常部の範囲の中から一の範囲を基準範囲として設定する第一の範囲処理と、
    前記第一の演算処理で境界が画定された複数の異常部の範囲のうち基準範囲から所定距離内にある１以上の範囲を基準範囲と個別にグループ化し、各グループの周囲に境界を画定することによって各グループの範囲を仮定し、各グループの範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各グループの範囲に不具合が含まれる確率を演算する第二の演算処理と、
    「基準範囲の確率＜何れかのグループの範囲の確率」となる場合に、最大の確率を有するグループの範囲を新たな基準範囲として設定し、「基準範囲の確率≧全てのグループの範囲の確率」となる場合に、その基準範囲を求める範囲として決定する第二の範囲処理と、
    を実行させ、
    「基準範囲の確率≧全てのグループの範囲の確率」となるまで前記第二の演算処理と前記第二の範囲処理を順次実行させるプログラム。
13. コンピュータに、
    撮影された構造物の熱画像内で健全部と温度差がある各異常部の周囲に境界を画定することによって各異常部の範囲を仮定し、各異常部の範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各異常部の範囲に不具合が含まれる確率を演算する第一の演算処理と、
    前記第一の演算処理で境界が画定された複数の異常部の範囲の中から一の範囲を基準範囲として設定する第一の範囲処理と、
    前記第一の演算処理で境界が画定された複数の異常部の範囲のうち基準範囲から所定距離内にある１以上の範囲を基準範囲と個別にグループ化し、各グループの周囲に境界を画定することによって各グループの範囲を仮定し、各グループの範囲に含まれる異常部の像の特徴量を求め、求めた特徴量を用いて各グループの範囲に不具合が含まれる確率を演算する第二の演算処理と、
    「基準範囲の確率＜何れかのグループの範囲の確率」となる場合に、最大の確率を有するグループの範囲を新たな基準範囲として設定し、「基準範囲の確率≧全てのグループの範囲の確率」となる場合に、その基準範囲を求める範囲として決定する第二の範囲処理と、
    を実行させ、
    「基準範囲の確率≧全てのグループの範囲の確率」となるまで前記第二の演算処理と前記第二の範囲処理を順次実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。

Images