JP7438220B2 - 鉄筋判定装置および鉄筋判定方法 - Google Patents
鉄筋判定装置および鉄筋判定方法 Download PDFInfo
- Publication number
- JP7438220B2 JP7438220B2 JP2021537556A JP2021537556A JP7438220B2 JP 7438220 B2 JP7438220 B2 JP 7438220B2 JP 2021537556 A JP2021537556 A JP 2021537556A JP 2021537556 A JP2021537556 A JP 2021537556A JP 7438220 B2 JP7438220 B2 JP 7438220B2
- Authority
- JP
- Japan
- Prior art keywords
- reinforcing bar
- image
- sample
- bar image
- reinforcing
- 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.)
- Active
Links
- 230000003014 reinforcing effect Effects 0.000 title claims description 620
- 238000000034 method Methods 0.000 title claims description 32
- 238000011156 evaluation Methods 0.000 claims description 77
- 238000001228 spectrum Methods 0.000 claims description 48
- 230000001131 transforming effect Effects 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 5
- 238000007689 inspection Methods 0.000 description 50
- 238000010586 diagram Methods 0.000 description 33
- 238000010276 construction Methods 0.000 description 29
- 238000003384 imaging method Methods 0.000 description 22
- 238000004891 communication Methods 0.000 description 15
- 238000010606 normalization Methods 0.000 description 13
- 230000002787 reinforcement Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 5
- 235000017491 Bambusa tulda Nutrition 0.000 description 5
- 241001330002 Bambuseae Species 0.000 description 5
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 5
- 239000011425 bamboo Substances 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 239000003973 paint Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011150 reinforced concrete Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E04—BUILDING
- E04G—SCAFFOLDING; FORMS; SHUTTERING; BUILDING IMPLEMENTS OR AIDS, OR THEIR USE; HANDLING BUILDING MATERIALS ON THE SITE; REPAIRING, BREAKING-UP OR OTHER WORK ON EXISTING BUILDINGS
- E04G21/00—Preparing, conveying, or working-up building materials or building elements in situ; Other devices or measures for constructional work
- E04G21/12—Mounting of reinforcing inserts; Prestressing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Landscapes
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Image Analysis (AREA)
Description
(評価例1)
評価例1では、画像から鉄筋の節間隔と幅に関連する情報を収集する。図5は、実施形態に係る画像からの鉄筋に関する情報の収集を例示する図である。図5(a)に示すように、制御部301は、例えば、画像の画素値を鉄筋の長手方向にフーリエ変換し、直流成分を除いて最大ピークの周波数の情報を取得してよい。鉄筋の長手方向の画素値の周波数成分のうちで、直流成分を除いた最大のピークの周波数は、節間隔と対応していることが推定される。そのため、制御部301は、例えば、鉄筋の長手方向にフーリエ変換した周波数スペクトルにおいて直流成分を除いて最大のピークの周波数を特定する。最大のピークの周波数は、一例では、周波数スペクトルにおいて最大強度の極大値の周波数として特定されてよい。なお、画素値は、画像の画素に関する値であってよく、例えば、輝度値および色値である。
評価例2では、画像の画素値を鉄筋の長手方向にフーリエ変換して得た周波数スペクトルの直流成分を除いたピークのうちで、複数のピークの周波数の情報を取得する。図5(b)は、実施形態に係る周波数スペクトルから複数の周波数の情報を特徴情報として収集する例を示している。図5(b)に示すように、制御部301は、最大ピーク以外のピークの周波数も収集して類似度の評価に用いてよい。複数の周波数の情報を用いて比較を行うことで、節間隔以外の例えばメーカや同一メーカのロットごとの節の形状の微細な違いなどに応じた周波数成分の比較を実行することができる。その結果、より正確に判定対象の鉄筋画像と、サンプル鉄筋画像との類似度を評価することができる。
鉄筋の長手方向に画像の画素値をフーリエ変換した波形同士を、判定対象の鉄筋画像と、サンプル鉄筋画像との間で比較して類似度を評価してもよい。一例として、波形の類似度の評価に積率相関係数を用いることができる。例えば、xおよびyを組みとするn組のデータ(x1, y1),(x2, y2),…,(xn, yn)があるとする。この場合に、組となったxおよびyの間の相関は、以下のピアソンの積率相関係数rxyの式を用いて計算することができる。
画像内に写る鉄筋の長手方向の画素値の周波数の情報に加えて、鉄筋の長手方向に直交する鉄筋の幅方向の画素値の周波数の情報を類似度の評価に用いてもよい。図5(c)は、幅方向の画素値の周波数スペクトルを例示する図である。なお、図5(c)では、画像内の鉄筋の長手方向の異なる位置で複数の幅方向の画素値を取得し、それらを合成して幅方向の周波数スペクトルの生成に用いている。それにより、1つの位置で幅方向の画素値の特徴を収集するよりも鉄筋の幅方向の特徴を多く取得でき、鉄筋の種別の判定精度を向上させることが可能である。なお、合成は、様々な方法で実行することができ、例えば、複数の位置における幅方向の画素値を1つにつなぎ合わせることで実行されてもよく、また、画素値の平均をとることで実行されてもよい。しかしながら、実施形態は、1つの位置で幅方向の画素値の特徴を収集してもよい。
画像に写る鉄筋の長手方向の画素値の波形をそのまま、判定対象の鉄筋画像と、サンプル鉄筋画像との類似度の評価に用いてもよい。なお、この場合、画像の上辺または下辺など、軸方向の画素値の一方の端部から最初に検出されるピークの位置で、判定対象の鉄筋画像から得られた波形と、サンプル鉄筋画像から得られた波形とを位置合わせした後で、波形を用いた類似度の評価が行われてよい。類似度の評価は、例えば、画素値の波形におけるピークの周期を取得して比較を行ってもよいし、波形の軸方向の座標に対する画素値を入力として積率相関係数を用いて行ってもよい。
判定対象の鉄筋画像と、サンプル鉄筋画像とで局所特徴量のマッチングを行い、類似度を評価してもよい。局所特徴量としては、例えば、SIFT(Scale-Invariant Feature Transform)、SURF(Speeded-Up Robust Features)などの種々の局所特徴量を用いることができる。
フーリエ変換の結果から位相の情報を収集して類似度の評価に用いてもよい。例えば、判定対象の鉄筋画像と、サンプル鉄筋画像とに2次元フーリエ変換を行った結果から位相情報を取得し、位相画像を生成することが考えられる。位相画像では、鉄筋の輪郭の情報などが強調される。例えば、輝度画像では、鉄筋に光が上からあたっているか、下からあたっているかの違いで、画像中で鉄筋の明るく写る領域が変わることがある。しかしながら、位相画像では外形が強調されるため、撮影の際の鉄筋に対する光の照射角などの影響を受けにくい。そのため、位相画像を比較に用いることで類似度の評価精度を高めることが可能である。判定対象の鉄筋画像から得た位相画像と、サンプル鉄筋画像から得た位相画像との類似度の評価は、一例では、局所特徴量を用いたマッチングにより実行されてよい。
深層学習などの機械学習を行い得られた学習済みモデルを用いて、判定対象の鉄筋画像に写る鉄筋の種別を特定してもよい。図6は、実施形態に係る学習済みモデルの生成を例示する図である。例えば、鉄筋を写したサンプル鉄筋画像と、そのサンプル鉄筋画像に写る鉄筋の種別を示す種別情報と対応づけた複数の情報を学習の教師データとして用いる(図6(a))。そして、例えば、入力層に入力されたサンプル鉄筋画像に対して、そのサンプル鉄筋画像に写る鉄筋の種別情報を出力層から出力するように、ニューラルネットワークの重み付けを学習することで学習済みモデルが生成されてよい(図6(b))。制御部301は、得られた学習済みモデルに、判定対象の鉄筋画像を入力することで、学習済みモデルから鉄筋画像と対応する鉄筋の種別情報の出力を受けることができる(図6(c))。また、一例として、シャムネットワーク(Siamese Network)を用いて学習が実行されてもよい。シャムネットワークは、例えば、2つの画像を入力として、その画像どうしが似ているか似ていないかの距離を算出するのに適したネットワークである。また、機械学習手法としては、深層学習に限られるものではなく、サポートベクターマシン(support vector machine:SVM)等を用いてもよい。
続いて、鉄筋画像の正規化について説明する。例えば、施工検査の現場で撮影された画像に写る判定対象の鉄筋画像と、サンプル鉄筋画像との類似度の評価は、2つの画像に写る鉄筋の撮影条件ができるだけ揃っていた方が、類似度の評価精度が向上する。例えば、判定対象の鉄筋画像とサンプル鉄筋画像とで、画像に写る鉄筋の向きはおおよそ揃っている方が類似度の比較において好ましい。また、画像に写る鉄筋のサイズも、実際の鉄筋のサイズに対して同じ比率で拡大または縮小されて写っている方が、画像間での鉄筋のサイズの比較が可能となるため、好ましい。
制御部301は、例えば、類似度の評価に用いる鉄筋を撮影して得られた画像内での鉄筋の向きを、所定の向きに変換する処理を実行してよい。一例では、制御部301は、画像に写る鉄筋が、撮影装置の光軸に対して正対するように画像内での鉄筋の向きを変更してよい。なお、正対するとは、例えば、鉄筋が含まれる平面の法線方向と、撮影装置の撮影方向(例えば、光軸)とが略平行になる位置姿勢の関係であってよい。施工検査の現場では、撮影環境の制限などによって判定対象の鉄筋に正対した位置から撮影することが難しいことがある。この場合に、制御部301は、画像に写る判定対象の鉄筋の向きを、正対する位置から撮影した際の鉄筋の向きとなるように画像変換する処理を実行してよい。なお、画像内に略平行に配置された複数の判定対象の鉄筋ある場合には、制御部301は、例えば、複数の判定対象の鉄筋が含まれる平面の法線方向と、撮影装置の撮影方向とが略平行になるように、画像を正対変換する処理を実行してよい。
判定対象の鉄筋画像における鉄筋の長手方向の向きと、サンプル鉄筋画像に写る鉄筋の長手方向の向きとは、略平行となる向きで類似度の判定を実行することが好ましい。そのため、制御部301は、判定対象の鉄筋画像と、サンプル鉄筋画像とで画像に写る鉄筋の長手方向の向きが略平行になるように、画像を回転させる正規化を行ってもよい。
画像サイズについても、例えば、類似度を評価する2つの画像において鉄筋上の所定の長さが、実空間における鉄筋の同じ長さを表すように、正規化されることが望ましい。なお、画像サイズの正規化は、例えば、以下のように実施することができる。
続いて、図9および図10を参照して、第1の実施形態を説明する。図9は、第1の実施形態に係る鉄筋情報900を例示する図である。鉄筋情報900は、上述の鉄筋情報401の一例である。鉄筋情報900には、例えば、種別情報と、サンプル鉄筋画像情報とが対応づけられたレコードが登録されている。図9の例では、種別情報は、メーカ、径、節の種別の情報を含んでいる。メーカは、レコードのサンプル鉄筋画像に写る鉄筋の製造メーカを識別するための情報である。径は、例えば、レコードのサンプル鉄筋画像に写る鉄筋の径を示す情報である。節の種別は、例えば、レコードのサンプル鉄筋画像に写る鉄筋の節の種別を示す情報であり、一例では、竹節またはネジ節の情報が登録されていてよい。また、サンプル鉄筋画像情報には、例えば、サンプル鉄筋画像の画像データまたは記憶部302におけるサンプル鉄筋画像の保存場所などを示す情報が登録されていてよい。制御部301は、鉄筋情報900を参照することで、判定対象の鉄筋画像との類似度の評価に用いるサンプル鉄筋画像の情報を取得することができる。
続いて、第2の実施形態について説明する。異形鉄筋にはリブや節などが形成されており、その形状は様々である。例えば、鉄筋の長手方向の軸を回転軸として鉄筋を回転させて、長手方向の軸に直交する定位置から観察すると、図11に示すように、回転角によって鉄筋が異なる形状をしていることがある。例えば、図11(a)では、鉄筋の全体に節が示されているが、図11(b)では、軸方向に一部において節が形成されていない。そして、このように、異なる形状をしている回転角で撮影された画像で類似度を評価すると、同じ種別の鉄筋の鉄筋画像同士で類似度を評価しても、類似度が低くなってしまうことがある。その結果、鉄筋の種別の判定精度が低下することがある。
上述の実施形態では、例えば、図9に示すように、記憶部302の鉄筋情報900のサンプル鉄筋画像情報には、サンプル鉄筋画像の情報が登録され、記憶部302にはサンプル鉄筋画像が保存されている場合の例を説明した。しかしながら、実施形態はこれに限定されるものではない。例えば、鉄筋情報900のサンプル鉄筋画像情報には、サンプル鉄筋画像の情報の代わりに、類似度の評価に用いるサンプル鉄筋画像から抽出された特徴情報が登録されてもよい。
画像を用いた種別の判定を多段階で実行してもよい。例えば、図14に例示するように、制御部301は、まず竹節であるか、またはネジ節であるかなどの仕分種別を先に判定する。続いて、竹節であると判定された場合には、2段階目で、制御部301は、竹節に属する鉄筋のみが登録された鉄筋情報1401を参照して図10の動作フローを実行し、更なる種別判定を行ってよい。また、同様に、例えば、ネジ節であると判定された場合には、2段階目で、制御部301は、ネジ節に属する鉄筋のみが登録された鉄筋情報1402を参照して図10の動作フローを実行し、更なる種別判定を行ってよい。
上述の実施形態の図10のS1005において、種別情報を出力する出力先は、一例では表示部303の表示画面であってよいし、別の例では、配筋検査の検査結果を記録する帳票などの検査情報1500あってもよい。
上述の実施形態において、例えば、判定対象の鉄筋画像からフーリエ変換により取得した周波数スペクトルに、鉄筋の表面にマーカとしてつけられた塗料などに起因する低周波のノイズが含まれてしまうことがある。
また、上述のように、例えば、種別の判定対象の鉄筋画像と、サンプル鉄筋画像との類似度の評価は、2つの画像に写る鉄筋の撮影条件ができるだけ揃っていた方が、類似度の評価精度が向上する。そのため、第7の実施形態では、種別の判定対象の鉄筋の写る鉄筋画像の一部を抽出し、抽出した領域をサンプル鉄筋画像として用いて鉄筋の種別判定を実行する。
(1)記憶部302に予めインストールされている。
(2)プログラムサーバなどのサーバから提供される。
102 :撮影装置
200 :鉄筋判定システム
201 :鉄筋判定装置
205 :ネットワーク
301 :制御部
302 :記憶部
303 :表示部
304 :通信部
311 :入力部
312 :評価部
313 :出力部
314 :判定部
1800 :コンピュータ
1801 :プロセッサ
1802 :メモリ
1803 :記憶装置
1804 :通信インタフェース
1805 :外部インタフェース
1806 :表示装置
1807 :入力装置
Claims (8)
- 鉄筋が写るサンプル鉄筋画像および前記サンプル鉄筋画像から抽出された特徴情報の少なくとも一方と、前記サンプル鉄筋画像に写る鉄筋の種別を示す種別情報とを対応づけた情報を含む鉄筋情報を記憶する記憶部と、
判定対象の鉄筋が写る鉄筋画像の入力を受け付ける入力部と、
前記鉄筋情報に基づいて、前記サンプル鉄筋画像と前記鉄筋画像との類似度を評価する評価部と、
前記類似度の評価結果に基づいて、前記鉄筋画像と前記サンプル鉄筋画像とが所定の条件を満たして類似している場合に、前記サンプル鉄筋画像と対応する前記種別情報を出力する出力部と、
を備え、
前記種別情報は、前記鉄筋の径に基づいて分類された種別を含み、
前記評価部は、前記サンプル鉄筋画像および前記鉄筋画像を鉄筋の画素値を鉄筋の長手方向にフーリエ変換して得られる周波数スペクトルの所定の周波数範囲の波形の類似度と前記周波数スペクトルに含まれる複数のピークの周波数の類似度により前記サンプル鉄筋画像と前記鉄筋画像との類似度を評価することを特徴とする鉄筋判定装置。 - 前記評価部は、前記サンプル鉄筋画像および前記鉄筋画像を鉄筋の画素値を鉄筋の長手方向にフーリエ変換して得られる周波数スペクトルの所定の周波数範囲の波形の類似度と前記周波数スペクトルの前記周波数範囲に含まれる複数のピークの周波数の類似度により前記サンプル鉄筋画像と前記鉄筋画像との類似度を評価することを特徴とする請求項1に記載の鉄筋判定装置。
- 前記サンプル鉄筋画像から抽出された特徴情報は、前記サンプル鉄筋画像をフーリエ変換した周波数スペクトル、前記周波数スペクトルのピークの周波数、前記フーリエ変換の結果から抽出した位相情報、前記サンプル鉄筋画像から抽出した局所特徴量、ならびに前記サンプル鉄筋画像に写る鉄筋の長手方向に略平行な鉄筋のエッジ間の距離のうちの少なくとも1つを含む、請求項1に記載の鉄筋判定装置。
- 前記評価部は、更に、前記鉄筋画像を撮影した撮影装置と、前記鉄筋画像に写る鉄筋との相対的な位置姿勢に関する情報に基づいて、前記撮影装置と前記鉄筋画像に写る鉄筋との相対的な位置姿勢が所定の関係となるように前記鉄筋画像を正規化した後、前記類似度の評価を実行することを特徴とする請求項1に記載の鉄筋判定装置。
- 前記評価部は、更に、前記サンプル鉄筋画像を撮影した撮影装置と、前記サンプル鉄筋画像に写る鉄筋との相対的な位置姿勢に関する情報に基づいて、前記撮影装置と前記サンプル鉄筋画像に写る鉄筋との相対的な位置姿勢が所定の関係となるように前記サンプル鉄筋画像を正規化した後、前記類似度の評価を実行することを特徴とする請求項1に記載の鉄筋判定装置。
- 前記記憶部は、前記鉄筋情報を、異なる複数の種別ごとに複数記憶しており、
前記所定の条件は、前記類似度の評価結果に基づいて、前記鉄筋画像と最も類似していると評価されることである、請求項1に記載の鉄筋判定装置。 - 判定対象の鉄筋が写る鉄筋画像の入力を受け付け、
鉄筋が写るサンプル鉄筋画像および前記サンプル鉄筋画像から抽出された特徴情報の少なくとも一方と、前記サンプル鉄筋画像に写る鉄筋の種別を示す種別情報とを対応づけた情報を含む鉄筋情報に基づいて、前記サンプル鉄筋画像と前記鉄筋画像との類似度を評価し、
前記類似度の評価結果に基づいて、前記鉄筋画像と前記サンプル鉄筋画像とが所定の条件を満たして類似している場合に、前記サンプル鉄筋画像と対応する前記種別情報を出力する、ことを含み、
前記種別情報は、前記鉄筋の径に基づいて分類された種別を含み、
前記サンプル鉄筋画像および前記鉄筋画像を鉄筋の画素値を鉄筋の長手方向にフーリエ変換して得られる周波数スペクトルの所定の周波数範囲の波形の類似度と前記周波数スペクトルに含まれる複数のピークの周波数の類似度により前記サンプル鉄筋画像と前記鉄筋画像との類似度を評価する鉄筋判定方法。 - 前記サンプル鉄筋画像および前記鉄筋画像を鉄筋の画素値を鉄筋の長手方向にフーリエ変換して得られる周波数スペクトルの所定の周波数範囲の波形の類似度と前記周波数スペクトルの前記周波数範囲に含まれる複数のピークの周波数の類似度により前記サンプル鉄筋画像と前記鉄筋画像との類似度を評価することを特徴とする請求項7に記載の鉄筋判定方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/031535 WO2021024499A1 (ja) | 2019-08-08 | 2019-08-08 | 鉄筋判定装置および鉄筋判定方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021024499A1 JPWO2021024499A1 (ja) | 2021-02-11 |
JPWO2021024499A5 JPWO2021024499A5 (ja) | 2022-05-09 |
JP7438220B2 true JP7438220B2 (ja) | 2024-02-26 |
Family
ID=74503389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021537556A Active JP7438220B2 (ja) | 2019-08-08 | 2019-08-08 | 鉄筋判定装置および鉄筋判定方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7438220B2 (ja) |
WO (1) | WO2021024499A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7186821B2 (ja) * | 2021-04-19 | 2022-12-09 | 三菱電機エンジニアリング株式会社 | 配筋検査装置、配筋検査方法およびプログラム |
WO2022254715A1 (ja) * | 2021-06-04 | 2022-12-08 | 日本電信電話株式会社 | 劣化判定装置、劣化判定方法、及びプログラム |
JP7214023B1 (ja) | 2022-02-07 | 2023-01-27 | 三菱電機エンジニアリング株式会社 | 配筋検査装置、配筋検査方法およびプログラム |
CN114565540B (zh) * | 2022-04-30 | 2022-07-22 | 深圳市巨力方视觉技术有限公司 | 基于多路对照图像去噪用机器视觉集成*** |
JP7283849B1 (ja) | 2022-10-18 | 2023-05-30 | コムシス情報システム株式会社 | 配筋検査システムおよび配筋検査方法。 |
WO2024084673A1 (ja) * | 2022-10-21 | 2024-04-25 | 三菱電機株式会社 | 配筋検査装置、学習装置、配筋検査システムおよび配筋検査方法 |
JP7494341B1 (ja) | 2023-02-22 | 2024-06-03 | 戸田建設株式会社 | 鉄筋検査方法及び鉄筋検査装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001292314A (ja) | 2000-04-06 | 2001-10-19 | Canon Inc | 画像処理装置及び画像処理方法並びに記憶媒体 |
JP2013040549A (ja) | 2011-07-15 | 2013-02-28 | Ohbayashi Corp | 鉄筋規格判別装置及び鉄筋規格情報作成装置 |
JP2014002536A (ja) | 2012-06-18 | 2014-01-09 | Ohbayashi Corp | 配筋検査システム |
JP2015087801A (ja) | 2013-10-28 | 2015-05-07 | セイコーエプソン株式会社 | 画像処理装置、ロボットシステム、画像処理方法、および画像処理プログラム |
JP2016003981A (ja) | 2014-06-18 | 2016-01-12 | 株式会社大林組 | 配筋検査システム、配筋検査用のプログラム、及び配筋検査方法 |
WO2017094456A1 (ja) | 2015-12-02 | 2017-06-08 | 富士フイルム株式会社 | 物体検査装置及び物体検査方法 |
JP2018173277A (ja) | 2017-03-31 | 2018-11-08 | オリンパス株式会社 | 情報処理装置、情報処理方法、及び、プログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2830459B2 (ja) * | 1990-11-13 | 1998-12-02 | 松下電器産業株式会社 | 電子部品の品種判別方法 |
JP3110167B2 (ja) * | 1992-09-16 | 2000-11-20 | 富士通株式会社 | 階層型ニューラルネットワークを用いた物体認識方式 |
-
2019
- 2019-08-08 JP JP2021537556A patent/JP7438220B2/ja active Active
- 2019-08-08 WO PCT/JP2019/031535 patent/WO2021024499A1/ja active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001292314A (ja) | 2000-04-06 | 2001-10-19 | Canon Inc | 画像処理装置及び画像処理方法並びに記憶媒体 |
JP2013040549A (ja) | 2011-07-15 | 2013-02-28 | Ohbayashi Corp | 鉄筋規格判別装置及び鉄筋規格情報作成装置 |
JP2014002536A (ja) | 2012-06-18 | 2014-01-09 | Ohbayashi Corp | 配筋検査システム |
JP2015087801A (ja) | 2013-10-28 | 2015-05-07 | セイコーエプソン株式会社 | 画像処理装置、ロボットシステム、画像処理方法、および画像処理プログラム |
JP2016003981A (ja) | 2014-06-18 | 2016-01-12 | 株式会社大林組 | 配筋検査システム、配筋検査用のプログラム、及び配筋検査方法 |
WO2017094456A1 (ja) | 2015-12-02 | 2017-06-08 | 富士フイルム株式会社 | 物体検査装置及び物体検査方法 |
JP2018173277A (ja) | 2017-03-31 | 2018-11-08 | オリンパス株式会社 | 情報処理装置、情報処理方法、及び、プログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2021024499A1 (ja) | 2021-02-11 |
JPWO2021024499A1 (ja) | 2021-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7438220B2 (ja) | 鉄筋判定装置および鉄筋判定方法 | |
Prasanna et al. | Automated crack detection on concrete bridges | |
Zhu et al. | Detection of large-scale concrete columns for automated bridge inspection | |
KR102256181B1 (ko) | 강구조물의 도막 상태 검사 및 평가 방법과 이를 위한 시스템 | |
Hoang et al. | Metaheuristic optimized edge detection for recognition of concrete wall cracks: a comparative study on the performances of roberts, prewitt, canny, and sobel algorithms | |
US9235902B2 (en) | Image-based crack quantification | |
US8019164B2 (en) | Apparatus, method and program product for matching with a template | |
JP2017053819A (ja) | コンクリートのひび割れ検出方法及び検出プログラム | |
US9805443B2 (en) | Image processing method, image processing apparatus, program, storage medium, production apparatus, and method of producing assembly | |
JP2016524334A (ja) | 自由形態の保護領域を使用するウエハ検査 | |
CN105718931B (zh) | 用于确定采集图像中的杂斑的***和方法 | |
Adhikari et al. | Tracking of defects in reinforced concrete bridges using digital images | |
JP7387261B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
KR20160034928A (ko) | 주요지점 식별 | |
JP2003216931A (ja) | 特定パターン認識方法、特定パターン認識プログラム、特定パターン認識プログラム記録媒体および特定パターン認識装置 | |
Calderón et al. | Crack detection in concrete elements from RGB pictures using modified line detection kernels | |
CN110532725B (zh) | 基于数字图像的工程结构力学参数识别方法及*** | |
CA2731385C (en) | Image analysis system and method | |
JP6516384B2 (ja) | 情報処理装置、情報処理システム、情報処理方法、及び情報処理プログラム | |
JP4894747B2 (ja) | 部分領域検出装置、対象物識別装置、及びプログラム | |
EP3582179B1 (en) | Image processing apparatus, image processing method, and image processing program | |
Shao et al. | Damage Detection of the RC Building in TLS Point Clouds Using 3D Deep Neural Network PointNet++ | |
JP2004240909A (ja) | 画像処理装置及び画像処理方法 | |
Petty et al. | Improved image analysis methodology for detecting changes in evidence positioning at crime scenes | |
JP2009265998A (ja) | 画像処理システム、画像処理方法及び画像処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220201 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220622 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230801 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230927 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231124 |
|
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: 20240206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240213 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7438220 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |