JP2788431B2 - 地中埋設物の種類の識別装置 - Google Patents
地中埋設物の種類の識別装置Info
- Publication number
- JP2788431B2 JP2788431B2 JP7238625A JP23862595A JP2788431B2 JP 2788431 B2 JP2788431 B2 JP 2788431B2 JP 7238625 A JP7238625 A JP 7238625A JP 23862595 A JP23862595 A JP 23862595A JP 2788431 B2 JP2788431 B2 JP 2788431B2
- Authority
- JP
- Japan
- Prior art keywords
- identification
- signal
- output
- type
- underground object
- 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.)
- Expired - Lifetime
Links
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Description
波を利用し、地中埋設物の材質の種類を安定した高い精
度で特定することができる地中埋設物の種類の識別装置
に関する。
電磁波、超音波などを用いる方法が採用されている。こ
れらの方法は、地表面から地中に向けて電磁波などを送
出し、地中埋設物での反射波または屈折波などを検出す
るものであり、地中埋設物の埋設位置および大きさなど
の情報を得ることができる。しかしながら、これらの方
法では地中埋設物の種類を特定するための材質などの情
報を得ることができない。
て地中埋設物の探知を行うことも可能であるけれども、
この場合、探知できる地中埋設物は金属から成るものの
みであり、たとえばプラスチックやガラスなどから成る
ものは探知できない。
としては、地中に探針を貫入し、貫入した前記探針を打
振したときの感触や探針のすべり具合などによって操作
者自身が識別する方法がある。しかしながらこの場合、
操作者の主観によって識別精度が決まるので、安定した
埋設物の種類の識別が困難となる。また、人による判断
であることから、時間がかかるとともに、識別作業の省
力化・省人化の妨げとなる。このような不都合を解消す
るためには、以下に示すような認識装置を利用した客観
的な識別が考えられる。
認識装置71の構成を示すブロック図である。画像や音
声などの入力パターンは、特徴抽出手段72に与えられ
る。特徴抽出手段72は、入力パターンからそのパター
ンを特徴づける特徴量を抽出する。特徴量とは、たとえ
ば画像であれば、画像パターンをより簡潔に表現し、後
述する識別に用いられる本質的な情報のことである。抽
出された特徴量を要素とする特徴ベクトルは、識別手段
73に与えられる。
に基づいて、前記入力パターンが複数の予め定めた種類
のカテゴリのどのカテゴリに属するかを表現するカテゴ
リベクトルを算出して出力する。識別手段73は、特徴
ベクトルとカテゴリベクトルとの関係を予め学習させた
ニューラルネットワークで実現される。算出されたカテ
ゴリベクトルは、識別結果判定手段74に与えられる。
識別結果判定手段74は、与えられたカテゴリベクトル
に基づいて、入力パターンが属するカテゴリを決定し、
識別結果として出力する。識別結果は、出力手段75に
与えられる。出力手段75は、たとえばCRT(陰極線
管)などの表示装置で実現され、識別結果を外部(操作
者)に出力(報知)する。
ネットワークとしては、たとえば、公知の技術であるバ
ックプロパゲーションニューラルネットワーク(以下、
「BPNN」と略称する)が使用される。このBPNN
については、「NATURE vol.323 9 p536-553 (Oct 1986)
Learning Representations by backpropagationerror
s」に述べられている。
または複数の中間層から成り、これらの各層は複数のノ
ード群で構成される。ニューラルネットワークによる識
別では、たとえばニューラルネットワークの出力層の各
ノードを識別させたいカテゴリに1対1で対応させた一
般的な構成の場合、出力層を構成する複数のノードの中
で最大値を出力しているノードに対応したカテゴリを識
別結果としている。
射波または屈折波を検出する従来技術においては、地中
埋設物の種類を特定することができないという問題があ
る。また、地中に貫入した探針を打振したときの感触や
探針のすべり具合などによる識別の場合は、前述のよう
に埋設物14の種類の特定は操作者が行うので、操作者
が異なると識別精度も異なることとなり、安定して識別
することが困難となる。また、人による判断であること
から、時間がかかるとともに、識別作業の省力化・省人
化の妨げとなる。
した識別の場合は、前述したような操作者が識別する場
合のような不都合は解消するけれども、前記入力パター
ンとしてどのようなデータを入力すれば最適な識別が実
現できるかなど、具体的な方法は明らかではない。
つ高速に埋設物の材質の種類を識別することができる地
中埋設物の種類の識別装置を提供することである。
当接するまで地中に挿入される加振用探針を有し、前記
地中埋設物に振動を与える発振手段と、地中埋設物に当
接するまで地中に挿入される受振用探針を有し、前記発
振手段が地中埋設物に振動を与えることによって発生す
る弾性波を受振し、弾性波信号として出力する受振手段
と、前記受振手段が出力した弾性波信号から、地中埋設
物の種類を識別するための識別信号を作成する信号処理
手段と、前記識別信号に基づいて当該識別信号が表す地
中埋設物の種類を識別する識別手段とを備え、前記識別
手段は、複数の入力部を有する入力層と、地中埋設物の
種類に対応した数の出力部を有する出力層と、前記入力
層と出力層との間に介在される1または複数の中間層と
から成るニューラルネットワークを含み、前記信号処理
手段は、前記識別信号として、弾性波信号をアナログ/
デジタル変換した後フーリエ変換して周波数応答信号を
作成し、当該周波数応答信号を複数の周波数帯域毎に分
割した分割応答信号を前記ニューラルネットワークの入
力層の複数の入力部にそれぞれ与えることを特徴とする
地中埋設物の種類の識別装置である。本発明に従えば、
発振手段の加振用探針と、受振手段の受振用探針とは、
地中埋設物に当接するまで地中に挿入され、発振手段の
加振用探針を介して地中埋設物に振動を与え、当該地中
埋設物で発生した弾性波を受振手段の受振用探針を介し
て受振する。受振した弾性波に基づく弾性波信号から地
中埋設物の材質の種類を識別するための識別信号が作成
され、作成された識別信号に基づいて当該識別信号が表
す地中埋設物の種類が識別される。地中埋設物で発生す
る弾性波は、地中埋設物に固有のものであり、このため
上述のようにして地中埋設物の材質の種類を識別するこ
とが可能である。上述のような地中埋設物の識別方法
は、発振手段、受振手段、信号処理手段および識別手段
を備える地中埋設物の種類の識別装置を用いて行われ
る。信号処理手段は前記識別信号を作成し、識別手段は
信号処理手段が作成した識別信号に基づいて、当該識別
信号が表す地中埋設物の材質の種類を識別する。前記識
別手段は、複数の入力部を有する入力層と、地中埋設物
の種類に対応した数の出力部を有する出力層と、前記入
力層と出力層との間に介在される1または複数の中間層
とから成るニューラルネットワークを含み、前記信号処
理手段は、前記識別信号として、以下の信号を前記ニュ
ーラルネットワークの入力層の複数の入力部にそれぞれ
与える。すなわち、信号処理手段は、前記弾性波信号を
アナログ/デジタル変換した後フーリエ変換して周波数
応答信号を作成し、当該周波数応答信号を複数の周波数
帯域毎に分割した分割応答信号を、複数の入力部にそれ
ぞれ与える。前記分割応答信号が識別信号である。この
ような地中埋設物の種類の識別装置を用いて上述の方法
で地中埋設物の材質の種類を識別するので、従来技術の
ように人手によって地中埋設物の種類を識別することと
比較して、安定した高い精度での識別が可能となる。ま
た、識別に要する時間が短くなるとともに、省力化・省
人化を図ることが可能となる。さらに、複数の発振およ
び受振手段を用いると、一度に多数の地中埋設物の種類
の識別を行うことが可能となり、識別効率をさらに向上
させることができる。また、ニューラルネットワークを
用いると、入力層への入力データ数および出力層からの
出力データ数の変更が比較的容易である。
ネットワークの出力層の出力部から地中埋設物の種類毎
に出力される出力信号レベルに基づいて、地中埋設物の
種類を判定する判定手段を含むことを特徴とする。本発
明に従えば、前記識別手段は判定手段を含み、ニューラ
ルネットワークの出力層の出力部から地中埋設物の種類
毎に出力される出力信号レベルに基づいて地中埋設物の
材質の種類を判定する。したがって、識別精度をさらに
向上することが可能となる。
出力する出力手段を含むことを特徴とする。本発明に従
えば、前記地中埋設物の識別装置は出力手段を含み、識
別手段の識別結果を出力する。したがって、操作者は、
識別手段の識別結果を知ることができる。
段の識別結果を表示する表示手段であることを特徴とす
る。本発明に従えば、前記地中埋設物の識別装置は出力
手段を含み、識別手段の識別結果を出力する。前記出力
手段は、たとえば表示手段で実現される。したがって、
操作者は、識別手段の識別結果を知ることができる。
探針は、同一の探針であることを特徴とする。本発明に
従えば、前記加振用探針と受振用探針とは、同一の探針
で実現される。したがって、地中へは1つの探針を挿入
するだけでよく、作業の簡略化を図ることができる。
性波信号を逐次に記憶する記憶手段を含み、前記識別手
段は、当該識別手段による識別結果が誤っていたときに
は、前記記憶手段に記憶された弾性波信号を読出し、読
出した弾性波信号を用いて当該識別手段が有するニュー
ラルネットワークを学習させることを特徴とする。本発
明に従えば、前記地中埋設物の識別装置は前記受振手段
が出力した弾性波信号を逐次に記憶する記憶手段を含
み、前記識別手段は、当該識別手段による識別結果が誤
っていたときには、前記記憶手段に記憶された弾性波信
号を読出し、読出した弾性波信号を用いて当該識別手段
が有するニューラルネットワークを学習させる。したが
って、誤った識別を行ったとしても、次回からは正しい
識別ができるようになり、識別性能がさらに向上する。
また、識別性能を容易に向上させることができる。
ある地中埋設物の識別装置27を示すブロック図であ
る。識別装置27は、発振装置21、受振装置22、信
号処理回路23、識別回路24、表示処理回路25、表
示装置26およびデータベース回路43を含んで構成さ
れる。
29、モータ30およびばね31を備える。加振用探針
28の一方端部側には、ばね31によって加振用探針2
8の長手方向(上下方向)に平行にばね付勢されたハン
マ29が配置される。ハンマ駆動回路30aによってモ
ータ30を駆動してハンマ29を上方に引上げた後、ハ
ンマ29を下方に落下させると、ハンマ29によって加
振用探針28に衝撃が加わる。
に当接するまで地中34に挿入され、ハンマ29によっ
て上述のようにして加えられた衝撃は、減衰する振動と
なって加振用探針28を伝播して埋設物35に伝わる。
振動が伝わった埋設物35では、物質に固有の弾性波が
発生する。前記加振用探針28は、たとえば地表面に対
して30°〜45°の角度で挿入され、また0.1kg
重〜0.3kg重で加振される。
ンサ33を備える。受振用探針32の一方端部側にはセ
ンサ33が取付けられる。受振用探針32の他方端部
は、前記埋設物35に当接するまで地中34に挿入され
る。上述のようにして埋設物35で発生した弾性波は、
受振用探針32で受振され、当該受振用探針32を伝播
してセンサ33で弾性波信号に変換される。当該弾性波
信号は、信号処理回路23の信号増幅器36、データベ
ース回路43および表示処理回路25に入力される。
/D変換器37、波形記憶回路38、FFT演算回路3
9および入力ベクトル生成回路40を含んで構成され
る。信号処理回路23では、受振した弾性波から地中埋
設物を識別するための識別信号が作成される。すなわ
ち、センサ33で変換された弾性波信号は、信号増幅器
36に入力されて増幅される。また、必要に応じて、信
号増幅器36が備えるフィルタを用いて不要な信号が取
り除かれる。信号増幅器36で処理された信号は、A/
D(アナログ/デジタル)変換器37に入力されてデジ
タル信号に変換され、さらに波形記憶回路38に入力さ
れて時間軸応答信号として記憶される。
信号は、FFT(高速フーリエ変換)演算回路39でフ
ーリエ変換されて周波数応答信号が作成される。作成さ
れた周波数応答信号は、入力ベクトル生成回路40で複
数の周波数帯域毎に分割された分割応答信号が作成され
る。たとえば、20Hz〜5kHzの周波数帯域の信号
が、10〜100の範囲に分割される。たとえば50に
分割される。これらの分割信号は、予め学習し、データ
ベース回路43に記憶されるデータ中の各成分の最大値
で割算され、0〜1の値に正規化される。このようにし
て作成された分割応答信号が前記識別信号である。
41および出力ベクトル判定回路42を含んで構成され
る。ニューラルネットワーク41としては、たとえばB
PNNが使用される。ニューラルネットワーク41に
は、入力ベクトル生成回路40からの分割応答信号が入
力され、当該分割応答信号に基づく地中埋設物の種類毎
の出力信号を作成して出力ベクトル判定回路42に与え
る。出力ベクトル判定回路42は、ニューラルネットワ
ーク41からの出力信号レベルに基づいて、地中埋設物
の種類を判定する。
入力ベクトル生成回路40、ニューラルネットワーク4
1および出力ベクトル判定回路42からの出力信号は、
表示処理回路25で画像処理され、たとえば液晶表示装
置で実現される表示装置26に表示される。
ットワーク41の概略的構成を示す図である。ニューラ
ルネットワーク41は、前記BPNNであり、入力層4
4、中間層45および出力層46で構成される。入力層
44は、複数のノードNI1〜NImで構成される。中
間層45は、1または複数の層構造であり、各層はそれ
ぞれ複数のノードNMで構成される。本形態では中間層
45を1層とし、当該中間層45は、複数のノードNM
1〜NMpで構成される。出力層46は、複数のノード
NO1〜NOnで構成される。
る各ノードの数は、入力されるデータの数および出力す
べきデータの数に対応して決定される。すなわち、入力
層44を構成するノードNIの数は、入力ベクトル生成
回路40で作成された分割応答信号の数に相当する。ま
た、出力層46を構成するノードNOの数は、埋設物の
種類の数に相当する。たとえば、ノードNIの数は50
に、ノードNOの数は4にそれぞれ選ばれ、また中間層
45を構成するノードNMの数は経験的に20に選ばれ
る。
学習は、データベース回路43に予め記憶された弾性波
信号と地中埋設物の種類とのデータが利用される。地中
埋設物の種類に対応したカテゴリベクトルは、識別した
い種類をニューラルネットワーク41の出力層46のノ
ードNOの状態で表したものである。出力層46のノー
ドNOと識別したいカテゴリとを1対1に対応させてい
る。たとえば、出力層46のノードNOnに対応したカ
テゴリを学習させるときには、入力層44のノードNI
1〜NImに予め定める特徴ベクトルをそれぞれ与える
とともに、出力層46のノードNO1〜NOnに教師信
号としてCi(i=n)=1、Ci(i≠n)=0のカ
テゴリベクトルをそれぞれ与える。
回路42での判定方法を説明するための図である。埋設
物の種類としてA〜Dの4種類を仮定して説明する。し
たがってニューラルネットワーク41の出力層は4つの
ノードNO1〜NO4で構成され、当該ニューラルネッ
トワーク41からは、A〜Dの種類に対応した4つの出
力信号が出力されて出力ベクトル判定回路42に入力さ
れる。このとき、出力信号レベルが最大値のものが識別
候補として選ばれる。出力ベクトル判定回路42では、
予め2つの閾値T1,T2(T1>T2)が設定され
る。
ベルが最大であり、識別候補として選ばれたBの信号レ
ベルは、T1以上であり、A,C,Dの信号レベルがT
2以下であれば、識別候補としたBを埋設物の種類とし
て採用する。図3(2)に示されるように、Bの信号レ
ベルがT2以上、T1以下であり、A,C,Dの信号レ
ベルがT2以下であるとき、または図3(3)に示され
るようにBの信号レベルがT1以上であり、A,C,D
のいずれか、たとえばAがT2以上であるときには、識
別候補としたBを棄却する。
れる。たとえば、4つの出力信号レベルが近接する場合
に、T1,T2を出力信号レベル付近の比較的差の小さ
い値に設定すると、選択した識別候補を採用することが
できるし、T1,T2を差の大きい値に設定すると、選
択した識別候補が棄却される。T1,T2は、所望とす
る識別精度に応じて設定される。たとえば、出力信号レ
ベルの最大値を1としてT1=0.7,T2=0.3に
それぞれ設定される。
面47の構成を示す図である。表示画面47は、時間波
形表示領域48、周波数スペクトル表示領域49,5
0、入力ベクトル表示領域51、ニューラルネットワー
ク構成表示領域52、出力ベクトル表示領域53および
埋設物名称表示領域54を含んで構成される。
38からの時間軸応答信号に基づく波形が表示され、た
とえば0〜50msecの間の波形が表示される。周波
数スペクトル表示領域49,50には、FFT演算回路
39からの周波数応答信号に基づくスペクトルが表示さ
れる。一方の周波数スペクトル表示領域49には、たと
えば0〜20kHzの間のスペクトルが表示され、他方
の周波数スペクトル表示領域50には、たとえば20H
z〜5kHzの間のスペクトルが対数表示される。
トル生成回路40からの複数の分割応答信号に基づくグ
ラフ、すなわちニューラルネットワーク41に入力され
る入力ベクトルが表示される。ニューラルネットワーク
構成表示領域52には、前述したニューラルネットワー
ク41の構成が表示される。出力ベクトル表示領域53
には、ニューラルネットワーク41からの出力ベクトル
が、たとえば棒グラフとして表示される。埋設物名称表
示領域54には、出力ベクトル判定回路42で判定され
た埋設物の種類を表す名称が表示される。
を示すフローチャートである。また、図6は、表示画面
47の一例を示す図である。ステップa1では、受振装
置22で受信した弾性波信号が、信号処理回路23の信
号増幅器36に入力され、A/D変換器37でデジタル
信号に変換されて波形記憶回路38に時間軸応答信号と
して記憶される。ステップa2では、波形記憶回路38
に記憶された時間軸応答信号がFFT演算回路39でフ
ーリエ変換され、周波数応答信号が作成される。さら
に、入力ベクトル生成回路40で複数の分割応答信号が
作成される。ステップa3では、受信した弾性波信号が
データベース回路43に記憶される。データベース回路
43に記憶することによって、誤った識別をしたときに
ニューラルネットワークを再学習させることが可能とな
る。
かが判断される。識別モードである場合、ステップa5
に移り、識別モードでなく、学習モードである場合、ス
テップa9に移る。ステップa5では、入力ベクトル生
成回路40で作成された分割応答信号が、ニューラルネ
ットワーク41に入力されてニューラルネットワーク識
別処理される。ステップa6では、ニューラルネットワ
ーク41からの出力信号が出力ベクトル判定回路42に
入力されて識別結果判定処理される。ステップa7で
は、表示装置26に、たとえば図6に示される表示画面
47が表示される。
され、終了でない場合にはステップa1に戻る。
ステップa9では、前記ステップa3でデータベース回
路43に記憶された弾性波信号が読出されて、当該弾性
波信号がニューラルネットワーク41の学習に使用され
る。
号と対応する埋設物の種類との関係がニューラルネット
ワーク41で学習処理される。学習処理が終了するとス
テップa8に戻る。
とともに、識別を行い、当該識別の結果が誤っていたと
きにも実行できる。識別の結果の誤りは、操作者によっ
て判断される。このように学習モードを運用することに
よって、識別能力をさらに向上させることができる。
波の一例を示すグラフである。図7(1),(3),
(5),(7)および図8(1),(3),(5),
(7)は、弾性波強度と時間との関係を示すグラフであ
り、図7(2),(4),(6),(8)および図8
(2),(4),(6),(8)は、弾性波強度と周波
数との関係を示すグラフである。図7および図8の
(1),(2)は埋設物が金属片である場合、(3),
(4)はプラスチック片である場合、(5),(6)は
石片である場合、(7),(8)は木片である場合をそ
れぞれ表す。図7は、土壌が乾燥したローム土である場
合、図8は湿った砂地である場合をそれぞれ表す。
物質固有の応答特性があることがわかる。また、測定条
件による影響が少ないこともわかる。さらに、再現性も
優れていることが確認されている。これらのことから、
弾性波を利用した地中埋設物の種類の識別を安定して精
度よく行うことが可能であることがわかる。
の他の例である発振・受振装置55を示すブロック図で
ある。発振・受振装置55は、発振装置21の加振用探
針28と受振装置22の受振用探針32とを同じ探針と
したものであり、前記発振・受振装置55は、ハンマ5
6、モータ57、ばね58、センサ59および加振・受
振用探針60を備える。ハンマ56およびモータ57に
よって、前記発振装置21と同様にして探針60に衝撃
が加えられて発生した減衰する振動は、加振・受振用探
針60を伝播して埋設物35に伝わる。埋設物35で発
生した弾性波は、前記加振・受振用探針60で受振さ
れ、当該加振・受振用探針60を伝播してセンサ59で
弾性波信号に変換される。当該弾性波信号は、信号増幅
器36に入力される。
のように操作者が埋設物の種類を識別することと比較す
ると、安定した高い精度で識別することが可能となる。
また、短時間で識別できるとともに、省力化・省人化を
図ることが可能となる。
いると、入力層44への入力データ数、および出力層4
6からの出力データ数の変更が比較的容易である。ニュ
ーラルネットワーク41の入力層44への入力データと
して分割応答信号に加えて、地質条件(たとえば探針の
挿入力、土壌の密度など)や、測定条件(たとえば探針
の挿入角度、挿入深さなど)を表すデータを入力するこ
とによって、識別精度をさらに向上することが可能であ
る。なお、本形態では、BPNNの例について説明した
けれども、たとえばシグモイド関数以外の非線形関数を
用いたり、さらにBPNN以外のどのようなニューラル
ネットワークを用いた場合でも、同様の効果が得られ
る。
ラルネットワーク41からの出力信号レベルに基づく判
定を行うことによって、識別精度の向上を図ることが可
能となる。なお、出力ベクトル判定回路42を設けなか
った場合には、たとえば出力信号レベルが最大であるニ
ューラルネットワーク41からの出力信号によって地中
埋設物の種類が決定される。
表示されるので、操作者が識別結果を知ることができる
上に、さらに識別処理の過程を知ることができる。な
お、表示装置26に表示する以外に、識別結果が所望と
する埋設物の種類であるときにブザー音を鳴らす報知手
段を設ける例や、警告灯でフラッシュ(点滅)表示する
例も本発明の範囲に属するものである。
によって、地中への探針の挿入は1つでよくなり、作業
の簡略化を図ることができる。
物の材質の種類を安定した高い精度で、かつ短時間で識
別することができ、作業の省力化・省人化を図ることが
可能となる。また、ニューラルネットワークを用いるこ
とは、ニューラルネットワークへの入力データ数、ニュ
ーラルネットワークからの出力データ数の変更が比較的
容易である。さらに、判定手段を設けることによって識
別精度が向上する。またさらに、識別結果を出力するこ
とによって、操作者は識別結果を知ることができる。さ
らに、加振用探針と受振用探針とを同一の探針とするこ
とによって、作業の簡略化を図ることができる。また、
誤った識別を行った場合であっても、ニューラルネット
ワークを学習させることによって、次回からは正しい識
別ができるようになり、識別性能がさらに向上する。
の識別装置27を示すブロック図である。
概略的構成を示す図である。
判定方法を説明するための図である。
を示す図である。
フローチャートである。
の構成を示すブロック図である。
Claims (6)
- 【請求項1】 地中埋設物に当接するまで地中に挿入さ
れる加振用探針を有し、前記地中埋設物に振動を与える
発振手段と、 地中埋設物に当接するまで地中に挿入される受振用探針
を有し、前記発振手段が地中埋設物に振動を与えること
によって発生する弾性波を受振し、弾性波信号として出
力する受振手段と、 前記受振手段が出力した弾性波信号から、地中埋設物の
種類を識別するための識別信号を作成する信号処理手段
と、 前記識別信号に基づいて当該識別信号が表す地中埋設物
の種類を識別する識別手段とを備え、 前記識別手段は、 複数の入力部を有する入力層と、 地中埋設物の種類に対応した数の出力部を有する出力層
と、 前記入力層と出力層との間に介在される1または複数の
中間層とから成るニューラルネットワークを含み、 前記信号処理手段は、前記識別信号として、弾性波信号
をアナログ/デジタル変換した後フーリエ変換して周波
数応答信号を作成し、当該周波数応答信号を複数の周波
数帯域毎に分割した分割応答信号を前記ニューラルネッ
トワークの入力層の複数の入力部にそれぞれ与えること
を特徴とする地中埋設物の種類の識別装置。 - 【請求項2】 前記識別手段は、ニューラルネットワー
クの出力層の出力部から地中埋設物の種類毎に出力され
る出力信号レベルに基づいて、地中埋設物の種類を判定
する判定手段を含むことを特徴とする請求項1記載の地
中埋設物の種類の識別装置。 - 【請求項3】 前記識別手段の識別結果を出力する出力
手段を含むことを特徴とする請求項1記載の地中埋設物
の種類の識別装置。 - 【請求項4】 前記出力手段は、前記識別手段の識別結
果を表示する表示手段であることを特徴とする請求項3
記載の地中埋設物の種類の識別装置。 - 【請求項5】 前記加振用探針および受振用探針は、同
一の探針であることを特徴とする請求項1記載の地中埋
設物の種類の識別装置。 - 【請求項6】 前記受振手段が出力した弾性波信号を逐
次に記憶する記憶手段を含み、 前記識別手段は、当該識別手段による識別結果が誤って
いたときには、前記記憶手段に記憶された弾性波信号を
読出し、読出した弾性波信号を用いて当該識別手段が有
するニューラルネットワークを学習させることを特徴と
する請求項1記載の地中埋設物の種類の識別装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP7238625A JP2788431B2 (ja) | 1995-09-18 | 1995-09-18 | 地中埋設物の種類の識別装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP7238625A JP2788431B2 (ja) | 1995-09-18 | 1995-09-18 | 地中埋設物の種類の識別装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH0980034A JPH0980034A (ja) | 1997-03-28 |
JP2788431B2 true JP2788431B2 (ja) | 1998-08-20 |
Family
ID=17032932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP7238625A Expired - Lifetime JP2788431B2 (ja) | 1995-09-18 | 1995-09-18 | 地中埋設物の種類の識別装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2788431B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3723107B2 (ja) * | 2001-09-13 | 2005-12-07 | 三菱重工業株式会社 | 波形データ解析装置及び解析システム |
JP2018096763A (ja) * | 2016-12-10 | 2018-06-21 | 株式会社ポート電子 | 打音判別装置及び判別方法 |
JP7037776B2 (ja) * | 2017-03-27 | 2022-03-17 | 株式会社アミック | コンクリート構造物の診断方法及びその診断装置 |
JP7225876B2 (ja) | 2019-02-08 | 2023-02-21 | 富士通株式会社 | 情報処理装置、演算処理装置および情報処理装置の制御方法 |
JP2021139821A (ja) * | 2020-03-08 | 2021-09-16 | 大同特殊鋼株式会社 | 丸棒材の超音波探傷方法 |
CN114426004B (zh) * | 2020-10-29 | 2022-12-09 | 北京钛方科技有限责任公司 | 一种碰撞物类型识别方法和装置 |
-
1995
- 1995-09-18 JP JP7238625A patent/JP2788431B2/ja not_active Expired - Lifetime
Non-Patent Citations (3)
Title |
---|
IEE Conference Publication No.409 P393−398「NEURAL NETWORKS FOR THE DETE CTION OF BURIED PLANT」′Artificial Neural Networks’,26−28 June 1995 |
IGARSS VOL.1994 NO.4 P2117−2119「WAVELETS AND NEUTRAL NETS」 |
防衛技術ジャーナル「地中探査レーダ」VOL.15 NO.8 P9−17 8月、1995 |
Also Published As
Publication number | Publication date |
---|---|
JPH0980034A (ja) | 1997-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108932480A (zh) | 基于1d-cnn的分布式光纤传感信号特征学习与分类方法 | |
KR20150035633A (ko) | 지진측정장치 및 지진측정방법 | |
JPH08105977A (ja) | 地中埋設物の探知識別方法及びその装置 | |
US6581466B1 (en) | Acoustic inspection of structures | |
Zhang et al. | Underground object characterization based on neural networks for ground penetrating radar data | |
CA2676378A1 (en) | Wave analysis using phase velocity processing | |
JP2788431B2 (ja) | 地中埋設物の種類の識別装置 | |
CN111811617A (zh) | 一种基于短时傅里叶变换和卷积神经网络的液位预测方法 | |
CN105862935A (zh) | 一种用于挡土墙结构***的损伤识别方法 | |
CN111982271A (zh) | 一种基于Wavenet的φ-OTDR模式识别***及方法 | |
US6598485B1 (en) | Method and device for evaluating quality of concrete structures | |
RU2282875C1 (ru) | Устройство зондирования строительных конструкций | |
JP2000098031A (ja) | インパルスソーナー | |
RU2300122C1 (ru) | Способ дистанционного определения параметров инфразвукового сигнала вблизи неопознанного источника сигнала | |
Benson et al. | Geoacoustic model inversion using artificial neural networks | |
CN110231401A (zh) | 一种测点间信息关联方法及土木结构无损检测方法 | |
Vilbig | Air-Coupled and ground-coupled ground penetrating radar techniques | |
WO2023025451A1 (en) | Method and device for generating synthetic training data for an ultrasonic sensor model | |
JP2002148244A (ja) | コンクリート構造物の調査・診断方法 | |
JPH09178863A (ja) | 地盤強度解析方法 | |
CN110806444B (zh) | 基于浅地层剖面仪与svm的海底底质识别与分类方法 | |
JP2003149214A (ja) | 超音波センサを用いた非破壊検査法及びその装置 | |
CN111007464A (zh) | 基于最优加权的道路地下空洞识别方法、装置及*** | |
JPH0886775A (ja) | 構造物耐久性評価方法 | |
CN115330897B (zh) | 基于Matrix Pencil和全连接神经网络的声波测井成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090605 Year of fee payment: 11 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100605 Year of fee payment: 12 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110605 Year of fee payment: 13 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110605 Year of fee payment: 13 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120605 Year of fee payment: 14 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120605 Year of fee payment: 14 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130605 Year of fee payment: 15 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130605 Year of fee payment: 15 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130605 Year of fee payment: 15 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
EXPY | Cancellation because of completion of term |