JP7510768B2 - 工程判別システム、及び工程判別方法 - Google Patents
工程判別システム、及び工程判別方法 Download PDFInfo
- Publication number
- JP7510768B2 JP7510768B2 JP2020026826A JP2020026826A JP7510768B2 JP 7510768 B2 JP7510768 B2 JP 7510768B2 JP 2020026826 A JP2020026826 A JP 2020026826A JP 2020026826 A JP2020026826 A JP 2020026826A JP 7510768 B2 JP7510768 B2 JP 7510768B2
- Authority
- JP
- Japan
- Prior art keywords
- classification
- single image
- classified
- individual
- image
- 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
- 238000000034 method Methods 0.000 title claims description 407
- 238000012850 discrimination method Methods 0.000 title claims description 9
- 238000005553 drilling Methods 0.000 claims description 55
- 238000010276 construction Methods 0.000 claims description 51
- 238000009412 basement excavation Methods 0.000 claims description 41
- 239000011435 rock Substances 0.000 claims description 40
- 238000005422 blasting Methods 0.000 claims description 33
- 229910000831 Steel Inorganic materials 0.000 claims description 28
- 239000010959 steel Substances 0.000 claims description 28
- 238000005507 spraying Methods 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 description 23
- 238000005516 engineering process Methods 0.000 description 12
- 239000002360 explosive Substances 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000011900 installation process Methods 0.000 description 2
- 238000010008 shearing Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003721 gunpowder Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Description
(1)同一の建設機械が異なる個別工程で使用されるケースであっても、これら異なる個別工程を判別することができる。
(2)建設現場にサイクルタイム調査者を常時配置することなく、しかも昼夜2交代制であっても長時間にわたってサイクルタイムを調査することができる。
(3)適正なサイクルタイム分析を行うことができるため、トンネル掘削における無理や無駄を把握することができ、その結果、実績に基づく適切な原価管理と工程管理を行うことができる。
(4)個別工程を判別するために2段階で学習モデルを利用することから各学習モデルにかかる負担が軽減され、したがって従来の画像認識技術等に比して機械学習に用いる教師データの数を大幅に低減することができる。
(5)一度形成された工程判別システムは、簡易なチューニングを実行するだけで、他の建設現場でも利用することができる。
本願発明は、例えばトンネル切羽を撮影した動画や連続静止画に基づいて個別工程の工種を判別する技術である。より詳しくは、図1に示すように動画や連続静止画を構成する個々の画像(以下、便宜上ここでは「単画像」という。)に収められた施工状況の個別工程を判別する。例えば、図2に示す単画像にはドリルジャンボによって切羽削孔が行われている状況が収められており、この単画像から「切羽削孔工程」を自動的に判別するわけである。なお、「動画」、「連続静止画」ともに極めて短い間隔で並べられた単画像(フレーム)を順に表示していくものであるが、「動画」が毎秒24~60枚(つまり、24~60fps)の単画像による構成とされることもあるため、ここでは特に24fps未満あるいは60fpsを超える単画像で構成されるものを「連続静止画」としている。
次に、本願発明の工程判別システムについて詳しく説明する。なお、本願発明の工程判別方法は、本願発明の工程判別システムを用いて各個別工程を判別する方法である。したがって、まずは本願発明の工程判別システムについて説明し、その後に本願発明の工程判別方法について説明することとする。
図4のケースと同様、まず大分類手段101が対象単画像に収められている施工状況を所定の機械分類に分類する(図5のStep110)。より詳しくは、第1学習済みモデルを用いた画像認識によって対象単画像を、「発破分類(発破工程のみ)」、「ずり出し分類(ずり出し工程のみ)」、「削孔系分類(切羽削孔工程とロックボルト工程)」、「支保系分類(コンクリート吹付工程と鋼製支保工建込工程)」のうちいずれかに分類する。なお、大分類手段101がいずれかの機械分類に判別することができないときもあり、この場合はその対象単画像を「分類不能」とするとよい。
一方、大分類手段101によって、「削孔系分類」や「支保系分類」に分類された対象単画像は、細分類手段102が対象単画像の個別工程を判別する(図5のStep130)。すなわち、「削孔系分類」とされた対象単画像を切羽削孔工程とロックボルト工程のいずれかに判別し、「支保系分類」とされた対象単画像をコンクリート吹付工程と鋼製支保工建込工程のいずれかに判別する。「削孔系分類」には、切羽削孔工程に特徴的なオブジェクト(以下、「切羽削孔用オブジェクト」という。)とロックボルト工程に特徴的なオブジェクト(以下、「ロックボルト用オブジェクト」という。)が用意されており、「削孔系分類」とされた対象単画像に対しては、切羽削孔用オブジェクトとロックボルト用オブジェクトに基づいてオブジェクトの識別を行うことによって個別工程を判別する。同様に、「支保系分類」には、コンクリート吹付工程に特徴的なオブジェクト(以下、「コンクリート吹付用オブジェクト」という。)と鋼製支保工建込工程に特徴的なオブジェクト(以下、「鋼製支保工建込用オブジェクト」という。)が用意されており、「支保系分類」とされた対象単画像に対しては、コンクリート吹付用オブジェクトと鋼製支保工建込用オブジェクトに基づいてオブジェクトの識別を行うことによって個別工程を判別する。
図4や図5では、大分類手段101や細分類手段102によって判別された対象単画像の個別工程をそのまま決定している。もちろん、このようにそのまま決定する仕様とすることもできるし、大分類手段101や細分類手段102によって判別された個別工程の適否を、適否判定手段104(図3)が判定する仕様とすることもできる。なお、個別工程の適否判定は、対象単画像の画像に対して判別された個別工程に基づいて適否判定する手法(以下、「頻度判定」という。)と、個別工程の順序に基づいて適否判定する手法(以下、「前工程判定」という。)を挙げることができる。以下、頻度判定と前工程判定について順に説明する。
大分類手段101がいずれかの機械分類に判別することができないとき、あるいは適否判定手段104によって不適と判定されたとき、その対象単画像は「分類不能」とすることができる。この対象単画像は「分類不能」のまま扱うこともできるが、前後の単画像の個別工程に基づいて分類不能とされた対象単画像の個別固定を推定する仕様とすることもできる。
続いて本願発明の工程判別方法について図15を参照しながら説明する。なお、本願発明の工程判別方法は、ここまで説明した工程判別システム100を用いて各個別工程を判別する方法であり、したがって工程判別システム100で説明した内容と重複する説明は避け、本願発明の工程判別方法に特有の内容のみ説明することとする。すなわち、ここに記載されていない内容は、「2.工程判別システム」で説明したものと同様である。
101 (工程判別システムの)大分類手段
102 (工程判別システムの)細分類手段
103 (工程判別システムの)動作検知手段
104 (工程判別システムの)適否判定手段
105 (工程判別システムの)動画等記憶手段
106 (工程判別システムの)第1モデル記憶手段
107 (工程判別システムの)第2モデル記憶手段
Claims (7)
- 掘削中のトンネル切羽を撮影した動画又は連続静止画を用いて、該動画又は該連続静止画を構成する単画像に収められたトンネル掘削に係る各個別工程を判別するシステムであって、
機械学習によって構築された第1の学習済みモデルを用いて画像認識を行うことで、前記単画像を機械別分類に分類する大分類手段と、
機械学習によって構築された第2の学習済みモデルを用いてオブジェクトの識別を行うことで、前記単画像を前記個別工程に分類する細分類手段と、を備え、
前記機械別分類には、切羽削孔工程とロックボルト工程からなる削孔系分類と、コンクリート吹付工程と鋼製支保工建込工程からなる支保系分類と、が設けられ、
異なる前記個別工程であっても使用する建設機械が共通する該個別工程は同一の前記機械別分類とされ、
前記細分類手段は、前記単画像が前記削孔系分類に分類されたとき、該削孔系分類に用意された前記オブジェクトを用いて前記切羽削孔工程又は前記ロックボルト工程のいずれかに分類し、前記単画像が前記支保系分類に分類されたとき、該支保系分類に用意された前記オブジェクトを用いて前記コンクリート吹付工程又は前記鋼製支保工建込工程のいずれかに分類する、
ことを特徴とする工程判別システム。 - 前記機械別分類には、発破工程のみからなる発破分類と、ずり出し工程のみからなるずり出し分類と、が設けられ、
前記細分類手段は、前記単画像が前記発破分類に分類されたとき前記発破工程に分類し、前記単画像がずり出しに分類されたとき前記ずり出し工程に分類する、
ことを特徴とする請求項1記載の工程判別システム。 - 時間的に連続する複数の前記単画像を用いて動態検知を行う動作検知手段を、さらに備え、
前記細分類手段は、前記動作検知手段が前後の前記単画像間で動作を検知しないときに、前記単画像を前記トンネル切羽で作業が行われていない休止工程に分類する、
ことを特徴とする請求項1又は請求項2記載の工程判別システム。 - 前記細分類手段によって分類された前記個別工程の適否を判定する適否判定手段を、さらに備え、
前記適否判定手段は、前記単画像に対して分類された前記個別工程が、該単画像を基準とする一定期間内に分類された前記個別工程のうち最頻出の前記個別工程であって、該一定期間内に分類されたすべての前記個別工程の所定の割合を超えるとき、前記細分類手段によって分類された前記個別工程を適正として判定する、
ことを特徴とする請求項1乃至請求項3のいずれかに記載の工程判別システム。 - 前記細分類手段によって分類された前記個別工程の適否を判定する適否判定手段を、さらに備え、
前記適否判定手段は、前記単画像に対して分類された前記個別工程に先行する前記個別工程が、当該単画像から遡った所定期間に得られた前記単画像のうち所定期間以上にわたる該単画像に対して分類されたとき、前記細分類手段によって分類された前記個別工程を適正として判定する、
ことを特徴とする請求項1乃至請求項3のいずれかに記載の工程判別システム。 - 前記細分類手段は、前記個別工程の分類が不能とされた前記単画像の前後の前記単画像が同一の前記個別工程に分類されたとき、分類不能とされた該単画像も前後と同じ該個別工程に分類する、
ことを特徴とする請求項1乃至請求項5のいずれかに記載の工程判別システム。 - 掘削中のトンネル切羽を撮影した動画又は連続静止画を用いて、該動画又は該連続静止画を構成する単画像に収められたトンネル掘削に係る各個別工程を判別する方法であって、
請求項1乃至請求項6のいずれかに記載の前記工程判別システムを用い、前記単画像を機械別分類に分類する大分類工程と、
請求項1乃至請求項6のいずれかに記載の前記工程判別システムを用い、前記単画像を前記個別工程に分類する細分類工程と、を備え、
前記機械別分類には、切羽削孔工程とロックボルト工程からなる削孔系分類と、コンクリート吹付工程と鋼製支保工建込工程からなる支保系分類と、が設けられ、
前記単画像が前記削孔系分類に分類されたとき、該削孔系分類に用意された前記オブジェクトを用いて前記切羽削孔工程又は前記ロックボルト工程のいずれかに分類され、前記単画像が前記支保系分類に分類されたとき、該支保系分類に用意された前記オブジェクトを用いて前記コンクリート吹付工程又は前記鋼製支保工建込工程のいずれかに分類される、
ことを特徴とする工程判別方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020026826A JP7510768B2 (ja) | 2020-02-20 | 2020-02-20 | 工程判別システム、及び工程判別方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020026826A JP7510768B2 (ja) | 2020-02-20 | 2020-02-20 | 工程判別システム、及び工程判別方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021131738A JP2021131738A (ja) | 2021-09-09 |
JP7510768B2 true JP7510768B2 (ja) | 2024-07-04 |
Family
ID=77551056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020026826A Active JP7510768B2 (ja) | 2020-02-20 | 2020-02-20 | 工程判別システム、及び工程判別方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7510768B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7429016B2 (ja) | 2022-06-23 | 2024-02-07 | ダイキン工業株式会社 | 画像処理方法、コンピュータプログラム及び画像処理装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017107443A (ja) | 2015-12-10 | 2017-06-15 | 株式会社大林組 | 状況判定システム、状況判定方法及び状況判定プログラム |
JP2017141635A (ja) | 2016-02-12 | 2017-08-17 | 株式会社錢高組 | トンネル坑内の環境を制御する環境制御システム |
JP2017206847A (ja) | 2016-05-17 | 2017-11-24 | 鹿島建設株式会社 | トンネル施工における作業工程判別方法及びサイクルタイムの測定方法 |
JP2019016226A (ja) | 2017-07-07 | 2019-01-31 | 株式会社日立製作所 | 作業データ管理システム及び作業データ管理方法 |
JP2019212067A (ja) | 2018-06-06 | 2019-12-12 | 前田建設工業株式会社 | 工程判別システム及び工程判別方法 |
JP2020194243A (ja) | 2019-05-24 | 2020-12-03 | コニカミノルタ株式会社 | 作業分析システム、作業分析装置、および作業分析プログラム |
-
2020
- 2020-02-20 JP JP2020026826A patent/JP7510768B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017107443A (ja) | 2015-12-10 | 2017-06-15 | 株式会社大林組 | 状況判定システム、状況判定方法及び状況判定プログラム |
JP2017141635A (ja) | 2016-02-12 | 2017-08-17 | 株式会社錢高組 | トンネル坑内の環境を制御する環境制御システム |
JP2017206847A (ja) | 2016-05-17 | 2017-11-24 | 鹿島建設株式会社 | トンネル施工における作業工程判別方法及びサイクルタイムの測定方法 |
JP2019016226A (ja) | 2017-07-07 | 2019-01-31 | 株式会社日立製作所 | 作業データ管理システム及び作業データ管理方法 |
JP2019212067A (ja) | 2018-06-06 | 2019-12-12 | 前田建設工業株式会社 | 工程判別システム及び工程判別方法 |
JP2020194243A (ja) | 2019-05-24 | 2020-12-03 | コニカミノルタ株式会社 | 作業分析システム、作業分析装置、および作業分析プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2021131738A (ja) | 2021-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | Analyzing context and productivity of tunnel earthmoving processes using imaging and simulation | |
CN107605536B (zh) | 基于多源信息融合的煤与瓦斯突出实时预警装置与方法 | |
Khademi Hamidi et al. | Application of fuzzy set theory to rock engineering classification systems: an illustration of the rock mass excavability index | |
Frough et al. | Predicting TBM utilization factor using discrete event simulation models | |
Gong et al. | Development of a real-time muck analysis system for assistant intelligence TBM tunnelling | |
CA2873816C (en) | Systems and methods for processing geophysical data | |
Navarro et al. | Application of drill-monitoring for chargeability assessment in sublevel caving | |
Onifade et al. | Challenges and applications of digital technology in the mineral industry | |
Fu et al. | Data-driven real-time advanced geological prediction in tunnel construction using a hybrid deep learning approach | |
JP7510768B2 (ja) | 工程判別システム、及び工程判別方法 | |
Abdi Oskouei et al. | A method for data-driven evaluation of operator impact on energy efficiency of digging machines | |
Manzoor et al. | Rock fragmentation variations with increasing extraction ratio in sublevel caving: a case study | |
KR20220029396A (ko) | 딥러닝 모델을 이용한 암반 등급을 평가하는 자동화 장치 및 방법 | |
Manzoor et al. | Predicting rock fragmentation based on drill monitoring: A case study from Malmberget mine, Sweden | |
Liu et al. | Research progress and prospects of intelligent technology in underground mining of hard rock mines | |
Sarna et al. | Predicting upcoming collapse incidents during tunneling in rocks with continuation length based on influence zone | |
Hartl et al. | Passive seismic monitoring in conventional tunnelling–An innovative approach for automatic process recognition using support vector machines | |
Bahrampour et al. | Ground characterization and roof mapping: Online sensor signal-based change detection | |
Shao et al. | Dat modifications and its application in large-scale cavern construction | |
Kansake et al. | Impact of Availability and Utilisation of Drill Rigs on Production at Kanjole Minerals Limited | |
Whiteman | Smart Marker System–a new tool for measuring underground orebody flow in block and sublevel mines | |
JP7412171B2 (ja) | 教師データ生成装置、及び教師データ生成方法 | |
Rafiee et al. | Tunnels stability analysis using binary and multinomial logistic regression (LR) | |
Marcher et al. | Capabilities and challenges using machine learning in tunnelling | |
Molaei et al. | Automatic estimation of excavator actual and relative cycle times in loading operations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20200310 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230217 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240305 |
|
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: 20240528 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240624 |