JP7765010B2 - Hammering inspection system and program - Google Patents
Hammering inspection system and programInfo
- Publication number
- JP7765010B2 JP7765010B2 JP2022053628A JP2022053628A JP7765010B2 JP 7765010 B2 JP7765010 B2 JP 7765010B2 JP 2022053628 A JP2022053628 A JP 2022053628A JP 2022053628 A JP2022053628 A JP 2022053628A JP 7765010 B2 JP7765010 B2 JP 7765010B2
- Authority
- JP
- Japan
- Prior art keywords
- abnormal
- normal
- probability
- matrix
- inspection
- 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
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Description
本発明は、構造物を打撃することで生じる打撃音に基づき構造物の状態を判定する打音検査システムおよびプログラムに関する。 The present invention relates to a hammering inspection system and program that determines the condition of a structure based on the hammering sounds produced by striking the structure.
従来、構造物の検査を行う際には、熟練した作業員がハンマー等を用いて構造物の表面を打撃し、生じる打撃音に基づき以上の有無を確認していた。 Traditionally, when inspecting a structure, a skilled worker would hit the surface of the structure with a hammer or similar tool and check for any abnormalities based on the sound produced.
しかし、近年の社会の少子高齢化と労働人口の減少により、こうした作業員が不足しているため、検査に要する人員の確保が困難になったり、検査精度が低下したりすることが懸念されていた。 However, in recent years, due to the declining birthrate, aging population, and shrinking working population, there has been a shortage of such workers, which has raised concerns that it may become difficult to secure the necessary personnel for testing and that testing accuracy may decline.
そこで、構造物の打撃音の解析を補助するための検査装置が開発されている（特許文献１参照）。この検査装置は、構造物の打音の周波数分布に対して特定の部分の音圧レベルが高くなっている箇所を特定し可視化するものであり、この検査装置を用いることで、打撃音に基づく構造物の異常の検出を行いやすくすることができる。 In response, an inspection device has been developed to assist in the analysis of impact sounds from structures (see Patent Document 1). This inspection device identifies and visualizes specific areas where the sound pressure level is high relative to the frequency distribution of impact sounds from the structure, making it easier to detect abnormalities in structures based on impact sounds.
しかし、上述した特許文献１に係る検査装置は打撃音の周波数分布を可視化することができ検査の一助にはなるものの、可視化された周波数分布に基づき異常の判定を行うのは作業員であるため、やはり熟練した作業員が必要になるという状況に変わりはなかった。また、特許文献１には検査の自動化への言及があるものの、具体的にどのようにして検査を自動化するかについては一切考察がなされていなかった。 However, although the inspection device described in Patent Document 1 can visualize the frequency distribution of impact sounds and is therefore useful for inspections, it is still the worker who must determine whether there are any abnormalities based on the visualized frequency distribution, so the situation remains one in which skilled workers are still required. Furthermore, while Patent Document 1 mentions the automation of inspections, it does not consider at all how to specifically automate inspections.
本発明はこのような問題を解決することを課題とするものであって、構造物の状態を自動的かつ高精度に検査することができる打音検査システムおよびプログラムを提供することを目的とする。 The present invention aims to solve these problems and provide a hammering inspection system and program that can automatically and accurately inspect the condition of a structure.
本発明は、正常であることが判明している構造物の基準正常打撃音に基づき作成された正常教師データおよび異常が生じていることが判明している構造物の基準異常打撃音に基づき作成された異常教師データを学習する教師データ学習部と、検査対象構造物の検査打撃音に基づき検査データを取得する検査データ取得部と、前記検査データを前記正常教師データおよび前記異常教師データに基づき解析し、前記検査打撃音が正常な状態の構造物の打撃音である確率を取得する確率取得部と、前記確率が第１閾値以上であれば正常と判定し、第２閾値以下であれば異常と判定し、前記第２閾値より大きく前記第１閾値よりも小さければ注意と判定する判定部と、を備えることを特徴とする。 The present invention is characterized by comprising a teacher data learning unit that learns normal teacher data created based on reference normal impact sounds of structures known to be normal and abnormal teacher data created based on reference abnormal impact sounds of structures known to be abnormal; an inspection data acquisition unit that acquires inspection data based on the inspection impact sounds of the structure being inspected; a probability acquisition unit that analyzes the inspection data based on the normal teacher data and the abnormal teacher data and acquires the probability that the inspection impact sound is an impact sound of a structure in a normal state; and a judgment unit that determines the probability as normal if the probability is equal to or greater than a first threshold, determines the probability as abnormal if the probability is equal to or less than a second threshold, and judges the probability to be abnormal if the probability is greater than the second threshold and less than the first threshold.
上記打音検査システムについて、前記正常教師データは、前記基準正常打撃音にＨａｎｎ窓を適用して時間をＸ軸、周波数をＹ軸とする基準正常スペクトログラムを作成し、前記基準正常スペクトログラムから基準正常行列を作成し、前記基準正常行列の各要素を正規化して得られ、前記異常教師データは、前記基準異常打撃音にＨａｎｎ窓を適用して時間をＸ軸、周波数をＹ軸とする基準異常スペクトログラムを作成し、前記基準異常スペクトログラムから基準異常行列を作成し、前記基準異常行列の各要素を正規化して得られ、前記検査データは、前記検査打撃音にＨａｎｎ窓を適用して時間をＸ軸、周波数をＹ軸とする検査スペクトログラムを作成し、前記検査スペクトログラムから検査行列を作成し、前記検査行列の各要素を正規化して得られることが好ましい。 In the above-mentioned hammering sound inspection system, it is preferable that the normal teacher data is obtained by applying a Hann window to the reference normal impact sound to create a reference normal spectrogram with time on the X axis and frequency on the Y axis, creating a reference normal matrix from the reference normal spectrogram, and normalizing each element of the reference normal matrix; the abnormal teacher data is obtained by applying a Hann window to the reference abnormal impact sound to create a reference abnormal spectrogram with time on the X axis and frequency on the Y axis, creating a reference abnormal matrix from the reference abnormal spectrogram, and normalizing each element of the reference abnormal matrix; and the inspection data is obtained by applying a Hann window to the inspection impact sound to create an inspection spectrogram with time on the X axis and frequency on the Y axis, creating a check matrix from the inspection spectrogram, and normalizing each element of the check matrix.
また、上記打音検査システムについて、前記教師データ学習部は、前記正常教師データについて前記基準正常打撃音に対応する前記基準正常行列の要素を１とするとともに、前記異常教師データについて前記基準異常打撃音に対応する前記基準異常行列の要素を０として学習することが好ましい。 Furthermore, in the above-mentioned hammering sound inspection system, it is preferable that the teacher data learning unit learns by setting the elements of the reference normal matrix corresponding to the reference normal impact sound for the normal teacher data to 1, and setting the elements of the reference abnormal matrix corresponding to the reference abnormal impact sound for the abnormal teacher data to 0.
また、上記打音検査システムについて、前記正常教師データ、前記異常教師データおよび前記検査データは、それぞれ前記基準正常行列、前記基準異常行列および前記検査行列の各要素を正規化した後、さらに前記異常打撃音に特徴的な所定周波数に対応する重み付け行列を乗じることで得られることが好ましい。 Furthermore, with regard to the above-mentioned hammering sound inspection system, it is preferable that the normal training data, the abnormal training data, and the inspection data are obtained by normalizing each element of the reference normal matrix, the reference abnormal matrix, and the inspection matrix, respectively, and then multiplying them by a weighting matrix corresponding to a predetermined frequency characteristic of the abnormal impact sound.
また、上記打音検査システムについて、前記重み付け行列は、前記所定周波数に対応する列の各要素の値が１であり、他の列の要素が１以下の行列であることが好ましい。 Furthermore, with regard to the above-mentioned hammering inspection system, it is preferable that the weighting matrix is a matrix in which the value of each element in the column corresponding to the predetermined frequency is 1, and the elements in other columns are 1 or less.
また、上記打音検査システムについて、前記教師データ学習部、前記確率取得部および前記判定部はニューラルネットワークにより実現されることが好ましい。 Furthermore, in the above-mentioned hammering inspection system, it is preferable that the teacher data learning unit, the probability acquisition unit, and the judgment unit are realized by a neural network.
また、上記打音検査システムについて、前記教師データ学習部、前記確率取得部および前記判定部はクラウドサービスにより実現されることが好ましい。 Furthermore, in the above-mentioned hammering inspection system, it is preferable that the teacher data learning unit, the probability acquisition unit, and the judgment unit are realized by a cloud service.
また、本発明は、打音検査システムをコンピュータに実行させるプログラムであって、正常であることが判明している構造物の基準正常打撃音に基づき作成された正常教師データおよび異常が生じていることが判明している構造物の基準異常打撃音に基づき作成された異常教師データを学習する教師データ学習工程と、検査対象構造物の検査打撃音に基づき検査データを取得する検査データ取得工程と、前記検査データを前記正常教師データおよび前記異常教師データに基づき解析し、前記検査打撃音が前記基準正常打撃音である確率を取得する確率取得工程と、前記確率が第１閾値以上であれば正常と判定し、第２閾値以下であれば異常と判定し、前記第２閾値より大きく前記第１閾値よりも小さければ注意と判定する判定工程と、を備えることを特徴とする。 The present invention also provides a program for causing a computer to execute a hammering inspection system, comprising: a teacher data learning process for learning normal teacher data created based on standard normal hammering sounds of structures known to be normal and abnormal teacher data created based on standard abnormal hammering sounds of structures known to be abnormal; an inspection data acquisition process for acquiring inspection data based on the inspection impact sounds of the inspected structure; a probability acquisition process for analyzing the inspection data based on the normal teacher data and the abnormal teacher data to acquire the probability that the inspection impact sound is the standard normal hammering sound; and a judgment process for determining the sound as normal if the probability is equal to or greater than a first threshold, determining the sound as abnormal if the probability is equal to or less than a second threshold, and determining that caution is required if the probability is greater than the second threshold and less than the first threshold.
本発明の打音検査システムおよびプログラムによれば、構造物の状態を自動的かつ高精度に検査することができる。 The hammering inspection system and program of the present invention enable the condition of a structure to be inspected automatically and with high accuracy.
以下、添付の図面を参照しながら、本発明に従う打音検査システムの実施形態について説明する。 An embodiment of a hammering inspection system according to the present invention will be described below with reference to the accompanying drawings.
図１は、本発明の実施形態に係る打音検査システム１を示す模式図である。図１に示すように、打音検査システム１は、コンクリート等により形成されている構造物Ｓの表面を打撃装置４により打撃した際に生じる打撃音を収音する収音端末２と、収音端末２からネットワークＮを介して提供される打撃音データに基づき構造物の状態を検査するシステム管理サーバ３とを備えて構成されている。 Figure 1 is a schematic diagram showing a hammering inspection system 1 according to an embodiment of the present invention. As shown in Figure 1, the hammering inspection system 1 is configured to include a sound collection terminal 2 that collects impact sounds generated when an impact device 4 strikes the surface of a structure S made of concrete or the like, and a system management server 3 that inspects the condition of the structure based on the impact sound data provided from the sound collection terminal 2 via a network N.
収音端末２は、収音を行う収音部、収音した音声を所定の形式のデータにしてネットワークＮを介してシステム管理サーバ３に送信するとともにシステム管理サーバ３による検査結果を示す所定のデータをネットワークＮを介して受信する送受信部、および受信した検査結果を表示する表示部を備えている。このような収音端末２として、専用の端末機の他、市販のスマートフォン、携帯電話、タブレット端末等を利用してもよく、本実施形態においてはスマートフォンを採用した態様を例に説明を行う。 The sound collection terminal 2 includes a sound collection unit that collects sound, a transceiver unit that converts the collected sound into data in a predetermined format and transmits it to the system management server 3 via the network N, and receives predetermined data indicating the test results from the system management server 3 via the network N, and a display unit that displays the received test results. In addition to dedicated terminals, commercially available smartphones, mobile phones, tablet terminals, etc. may also be used as this sound collection terminal 2; this embodiment will be described using a smartphone as an example.
システム管理サーバ３は、クラウドサーバにより構成されていて、システム全体を制御するＣＰＵ（Central processing unit）３１と、ＣＰＵ３１上で動作する制御プログラム等を格納したＲＯＭ（Read-only memory）３２と、各種データを一時的に格納するためのＲＡＭ（Random access memory）３３と、収音端末２から送信される打撃音のデータや打音検査システム１により生成される各種データ等を記憶するための記憶部３４とを備えて構成されている。 The system management server 3 is configured as a cloud server and includes a CPU (Central Processing Unit) 31 that controls the entire system, a ROM (Read-Only Memory) 32 that stores control programs and the like that run on the CPU 31, a RAM (Random Access Memory) 33 for temporarily storing various data, and a storage unit 34 for storing data on impact sounds transmitted from the sound collection terminal 2 and various data generated by the impact sound inspection system 1.
図２は、本発明の実施形態に係る打音検査システム１に用いられるシステム管理サーバ３の機能ブロック図である。図２に示すように、システム管理サーバ３は、ＣＰＵ３１がＲＯＭ３２に格納されている制御プログラムをＲＡＭ３３に展開して実行することにより、教師データ学習部３１１、検査データ取得部３１２、確率取得部３１３および判定部３１４として機能する。 Figure 2 is a functional block diagram of the system management server 3 used in the hammering inspection system 1 according to an embodiment of the present invention. As shown in Figure 2, the system management server 3 functions as a teacher data learning unit 311, an inspection data acquisition unit 312, a probability acquisition unit 313, and a judgment unit 314 by the CPU 31 expanding a control program stored in the ROM 32 into the RAM 33 and executing it.
教師データ学習部３１１は、正常であることが判明している構造物の基準正常打撃音に基づき作成された正常教師データおよび異常が生じていることが判明している構造物の基準異常打撃音に基づき作成された異常教師データを学習する。正常教師データと異常教師データの学習の詳細については後述する。 The teacher data learning unit 311 learns normal teacher data created based on reference normal impact sounds of structures that are known to be normal, and abnormal teacher data created based on reference abnormal impact sounds of structures that are known to be abnormal. Details of learning normal teacher data and abnormal teacher data will be described later.
検査データ取得部３１２は、検査対象構造物の検査打撃音に基づき検査データを取得する。検査データの取得の詳細については後述する。 The inspection data acquisition unit 312 acquires inspection data based on the inspection impact sound of the inspected structure. Details of the acquisition of inspection data will be described later.
確率取得部３１３は、検査データを正常教師データおよび異常教師データに基づき解析し、検査打撃音が基準正常打撃音である確率を取得する。この基準正常打撃音である確率の取得の詳細については後述する。 The probability acquisition unit 313 analyzes the test data based on the normal teacher data and abnormal teacher data, and acquires the probability that the test impact sound is a reference normal impact sound. Details of acquiring the probability that the test impact sound is a reference normal impact sound will be described later.
判定部３１４は、検査打撃音が基準正常打撃音である確率が第１閾値以上であれば正常と判定し、第２閾値以下であれば異常と判定し、第２閾値より大きく第１閾値よりも小さければ注意と判定する。 The judgment unit 314 judges the test impact sound to be normal if the probability that it is a reference normal impact sound is equal to or greater than a first threshold, judges it to be abnormal if it is equal to or less than a second threshold, and judges it to require caution if it is greater than the second threshold and less than the first threshold.
打撃装置４は、電源、制御部、駆動装置等（何れも不図示）が内蔵されている本体部４１と、本体部４１に対して進退可能に設けられ一定の打力で構造物を打撃することができるハンマー部４２を備えて構成されている。打撃装置４を用いて構造物の打撃を自動化することで、打撃の際の打力のばらつきを抑制し、精度良い検査を行うことが可能になる。ただし、打撃装置４は本発明においては必須の構成ではなく、これを省略して作業者がハンマーを用いて手作業により構造物Ｓの打撃を行ってもよい。 The impact device 4 is composed of a main body 41 that houses a power supply, control unit, drive unit, etc. (none of which are shown), and a hammer unit 42 that is movable forward and backward relative to the main body 41 and can strike a structure with a constant impact force. By using the impact device 4 to automate the impact on a structure, it is possible to reduce variation in impact force during impact and perform highly accurate inspections. However, the impact device 4 is not a required component of the present invention, and it may be omitted so that an operator can manually strike the structure S using a hammer.
次に、上述した構成を有する打音検査システム１の動作の詳細について説明する。図３は、本発明の実施形態に係る打音検査システム１による構造物Ｓの状態を判定する処理を示すフローチャートである。 Next, we will explain in detail the operation of the hammering inspection system 1 configured as described above. Figure 3 is a flowchart showing the process of determining the condition of a structure S using the hammering inspection system 1 according to an embodiment of the present invention.
図３に示すように、まず、教師データ学習部３１１により教師データの学習が行われる（ステップＳ１）。具体的には、教師データ学習部３１１は、正常であることが判明している構造物の打撃音である基準正常打撃音に基づき正常教師データを作成するとともに、異常が生じていることが判明している構造物の打撃音である基準異常打撃音に基づき異常教師データを作成し、これらの学習を行う。この教師データ学習部３１１による教師データの学習は、実際に構造物Ｓの検査を行う前にあらかじめ行われている。この教師データの学習の詳細について以下に説明する。 As shown in FIG. 3, first, the teacher data learning unit 311 learns the teacher data (step S1). Specifically, the teacher data learning unit 311 creates normal teacher data based on reference normal impact sounds, which are impact sounds of structures that are known to be normal, and creates abnormal teacher data based on reference abnormal impact sounds, which are impact sounds of structures that are known to be abnormal, and then learns these. The teacher data learning unit 311 learns the teacher data in advance, before actually inspecting the structure S. Details of this teacher data learning are described below.
図４は、構造物Ｓの打撃により得られる打撃音の波形を示すグラフである。構造物Ｓを所定の時間間隔、所定の打力で繰り返し打撃することで発生する打撃音について、Ｘ軸を時間（秒）、Ｙ軸を音の強度（ｂｉｔ）としてグラフ化すると、図４に示すように打撃毎に波が表れるグラフが得られる。 Figure 4 is a graph showing the waveform of the impact sound obtained by striking structure S. When the impact sound generated by repeatedly striking structure S with a predetermined striking force at a predetermined time interval is graphed with time (seconds) on the X axis and sound intensity (bits) on the Y axis, a wave appears for each strike, as shown in Figure 4.
図５は、図４の打撃音のグラフのうち１つの波について所定時間経過後に波長が最大になるように切り出したグラフである。図６は、図４の打撃音のグラフのうち他の波について図５と同じ条件で切り出したグラフである。図４に示すグラフの各波について、図５および図６に示すようにピーク毎に所定の時間範囲で切り出しを行う。この切り出された波は、それぞれ１回の打撃に対応する打撃音を表している。なお、図５および図６についても、Ｘ軸の単位は秒、Ｙ軸の単位はｂｉｔである。 Figure 5 is a graph of one wave from the impact sound graph in Figure 4, cut out so that the wavelength reaches its maximum after a predetermined time has elapsed. Figure 6 is a graph of another wave from the impact sound graph in Figure 4, cut out under the same conditions as Figure 5. For each wave in the graph shown in Figure 4, a predetermined time range is cut out for each peak, as shown in Figures 5 and 6. Each of these cut-out waves represents the impact sound corresponding to one hit. Note that in Figures 5 and 6, the X-axis is in seconds and the Y-axis is in bits.
そして、切り出されたそれぞれの波について、Ｘ軸を時間、Ｙ軸を周波数としてＨａｎｎ窓を適用してスペクトログラムを作成し、そのスペクトログラムから数１に例示するような行列を取得する。この数１に示す行列を基準行列という。なお、ここでは便宜上基準行列を３行３列の行列としているが、実際の教師データの学習や、後述する検査データの取得に際しては、より多くの任意の行および列により構成される行列を用いることができる。 For each extracted wave, a spectrogram is created by applying a Hann window with the X axis representing time and the Y axis representing frequency, and a matrix such as that shown in Equation 1 is obtained from this spectrogram. The matrix shown in Equation 1 is called the reference matrix. Note that for convenience, the reference matrix is assumed to be a 3-row, 3-column matrix here, but when learning actual training data or acquiring test data, as described below, a matrix consisting of any number of rows and columns can be used.
次に、基準行列の正規化を行う。まず、基準行列の要素の最大値Ｍ（Ｍ＝ｍａｘ（ａｉｊ））を求め、数１の行列の全要素をその最大値Ｍで割り、数２に示す行列を取得する。 Next, the reference matrix is normalized. First, the maximum value M (M=max(a ij )) of the elements of the reference matrix is found, and all elements of the matrix of Equation 1 are divided by this maximum value M to obtain the matrix shown in Equation 2.
ここで、数２の各要素は０以上１以下である。 Here, each element of number 2 is between 0 and 1.
次に、数２の行列の各要素を１０，０００倍した後、対数化して数３に示す対数を得る。この数３に示す行列は、行列要素が０、１００００の２値により構成されるものになっている。 Next, each element of the matrix in Equation 2 is multiplied by 10,000, and then logarithmized to obtain the logarithm shown in Equation 3. The matrix shown in Equation 3 has matrix elements consisting of two values: 0 and 10,000.
そして、数３の行列をＬоｇ１００００で割り数４に示す行列を得る。この数４に示す行列は、行列要素が０、１の２値により構成されるものになっている。 Then, divide the matrix in equation 3 by Log10000 to obtain the matrix shown in equation 4. The matrix shown in equation 4 has matrix elements consisting of two values, 0 and 1.
教師データ学習部３１１は、上述した基準行列の取得と正規化を、正常であることが判明している構造物の打撃音（基準正常打撃音）から得られるスペクトログラム（基準正常スペクトログラム）と、異常が生じていることが判明している構造物の打撃音（基準異常打撃音）から得られるスペクトログラム（基準異常スペクトログラム）についてそれぞれ行う。そして、教師データ学習部３１１は、基準正常スペクトログラムから得られる基準行列（基準正常行列）を正規化して得られる行列を正常教師データとして、基準異常スペクトログラムから得られる基準行列（基準異常行列）を正規化して得られる行列を異常教師データとして学習する。なお、教師データ学習部３１１は、正常教師データについて基準正常打撃音に対応する基準正常行列の要素を１とするとともに、異常教師データについて基準異常打撃音に対応する基準異常行列の要素を０として学習する。 The teacher data learning unit 311 obtains and normalizes the reference matrix described above for a spectrogram (reference normal spectrogram) obtained from an impact sound from a structure known to be normal (reference normal impact sound) and a spectrogram (reference abnormal spectrogram) obtained from an impact sound from a structure known to be abnormal (reference abnormal impact sound). The teacher data learning unit 311 then learns the matrix obtained by normalizing the reference matrix (reference normal matrix) obtained from the reference normal spectrogram as normal teacher data, and the matrix obtained by normalizing the reference matrix (reference abnormal matrix) obtained from the reference abnormal spectrogram as abnormal teacher data. Note that the teacher data learning unit 311 sets the elements of the reference normal matrix corresponding to the reference normal impact sound for normal teacher data to 1, and sets the elements of the reference abnormal matrix corresponding to the reference abnormal impact sound for abnormal teacher data to 0.
正常教師データと異常教師データは、それぞれ正常な状態の構造物に特徴的な周波数および異常が生じている構造物に特徴的な周波数が識別しやすい態様の行列になっている。このことは、図７と図８に示すように、正常教師データと異常教師データをスペクトログラム化すると分かり易い。図７は、正常教師データから得られるスペクトログラムである。図８は、異常教師データから得られるスペクトログラムである。図８に示す異常教師データから得られるスペクトログラムでは、図７に示す正常教師データから得られるスペクトログラムには見られない、４０００Ｈｚ付近の特徴的なピークが出現している。この周波数のピークが、本実施形態において用いられている、異常が生じている構造物に特有の打撃音のピークである。この周波数のピークはあくまで一例であり、構造物の種類や異常の種類に応じて変化する。 The normal teacher data and abnormal teacher data are in matrices that make it easy to distinguish frequencies characteristic of normal structures and frequencies characteristic of abnormal structures. This can be easily understood by converting the normal teacher data and abnormal teacher data into spectrograms, as shown in Figures 7 and 8. Figure 7 is a spectrogram obtained from normal teacher data. Figure 8 is a spectrogram obtained from abnormal teacher data. The spectrogram obtained from the abnormal teacher data shown in Figure 8 shows a characteristic peak around 4000 Hz that is not seen in the spectrogram obtained from the normal teacher data shown in Figure 7. This frequency peak is the peak of the impact sound specific to abnormal structures, as used in this embodiment. This frequency peak is merely an example, and will vary depending on the type of structure and the type of abnormality.
図９は、本発明の実施形態に係る打音検査システムの教師データ学習部３１１において用いられるニューラルネットワーク３１１０を示す模式図である。図９に示すように、本実施形態において、ニューラルネットワーク３１１０は、入力層３１１１、中間層３１１２および出力層３１１３の３層により構成されている。教師データ学習部３１１は、このニューラルネットワーク３１１０を用いて基準正常行列の要素を１とするとともに、基準異常行列の要素を０として学習する。具体的には、入力層３１１１は基準正常行列および基準異常行列の取得を行い、中間層３１１２は基準正常行列および基準異常行列により２次（０、１）の出力を行うための所定の前計算を行い、出力層３１１３が２次の出力を行う。 Figure 9 is a schematic diagram showing a neural network 3110 used in the teacher data learning unit 311 of a hammering inspection system according to an embodiment of the present invention. As shown in Figure 9, in this embodiment, the neural network 3110 is composed of three layers: an input layer 3111, an intermediate layer 3112, and an output layer 3113. The teacher data learning unit 311 uses this neural network 3110 to learn by setting the elements of the reference normal matrix to 1 and the elements of the reference anomalous matrix to 0. Specifically, the input layer 3111 acquires the reference normal matrix and the reference anomalous matrix, the intermediate layer 3112 performs predetermined pre-calculation using the reference normal matrix and the reference anomalous matrix to produce a quadratic (0, 1) output, and the output layer 3113 produces the quadratic output.
図３に戻り、教師データ学習部３１１による教師データの学習が行われた後、次に検査データ取得部３１２による検査データの取得が行われる（ステップＳ２）。検査データの取得は、本実施形態においては図１に示すように収音端末２により検査対象である構造物Ｓの打撃音（検査打撃音）のデータがネットワークＮを介してシステム管理サーバ３に送信され、検査データ取得部３１２が当該打撃音のデータに基づき検査データを生成することで行われる。 Returning to Figure 3, after the teacher data learning unit 311 has learned the teacher data, the test data acquisition unit 312 then acquires test data (step S2). In this embodiment, as shown in Figure 1, test data is acquired by sending data of the impact sound (test impact sound) of the structure S being inspected by the sound collection terminal 2 via the network N to the system management server 3, and the test data acquisition unit 312 generates test data based on the impact sound data.
具体的には、検査データは、検査データ取得部３１２が検査打撃音にＨａｎｎ窓を適用して時間をＸ軸、周波数をＹ軸とする検査スペクトログラムを作成し、検査スペクトログラムから検査行列を作成し、検査行列の各要素を正規化することで得られる。この検査データ取得部３１２による検査打撃音からの検査スペクトログラムと検査行列の取得、および検査行列の正規化は、ニューラルネットワーク３１１０と同様のニューラルネットワークを用いて、上述した教師データ学習部３１１による基準正常打撃音（基準異常行列）からの基準正常スペクトログラム（基準異常スペクトログラム）と基準正常行列（基準異常行列）の取得、および基準正常行列（基準異常行列）の正規化と同様の一連の処理を実行することで行われる。 Specifically, the test data is obtained by the test data acquisition unit 312 applying a Hann window to the test impact sound to create a test spectrogram with time on the X axis and frequency on the Y axis, creating a check matrix from the test spectrogram, and normalizing each element of the check matrix. The test data acquisition unit 312 acquires the test spectrogram and check matrix from the test impact sound and normalizes the check matrix by using a neural network similar to neural network 3110 and executing a series of processes similar to those performed by the teacher data learning unit 311 described above to acquire a reference normal spectrogram (reference abnormal spectrogram) and a reference normal matrix (reference abnormal matrix) from a reference normal impact sound (reference abnormal matrix), and normalizing the reference normal matrix (reference abnormal matrix).
次に、確率取得部３１３により、取得した検査データ、正常教師データおよび異常教師データに基づいて検査打撃音が正常な状態の構造物Ｓの打撃音である確率の取得が行われる（ステップＳ３）。 Next, the probability acquisition unit 313 acquires the probability that the inspection impact sound is an impact sound of the structure S in a normal state based on the acquired inspection data, normal teacher data, and abnormal teacher data (step S3).
図１０は、正常な状態の構造物Ｓを打撃した際に生じる打撃音について確率取得部３１３が算出した正常な確率および異常な確率を示すグラフである。図１１は、異常が生じている構造物Ｓを打撃した際に生じる打撃音について確率取得部が算出した正常な確率および異常な確率を示すグラフである。教師データを基に学習した中間層３１１２内の閾値データを参照するニューラルネットワーク処理により、入力された行列データの処理が行われ、正常、異常である確率が求められる。 Figure 10 is a graph showing the normal probability and abnormal probability calculated by the probability acquisition unit 313 for impact sounds generated when a structure S in a normal state is struck. Figure 11 is a graph showing the normal probability and abnormal probability calculated by the probability acquisition unit for impact sounds generated when a structure S in an abnormal state is struck. The input matrix data is processed by neural network processing that references threshold data in the intermediate layer 3112, which has been trained based on training data, to determine the probability of normality or abnormality.
図１０に示す正常な状態の構造物Ｓの例では、正常な状態であることが判明している構造物について１６ヵ所で打撃した場合、いずれのも正常な状態の構造物である確率はほぼ１であり、異常な状態の構造物である確率はほぼ０と算出された。 In the example of structure S in a normal state shown in Figure 10, when a structure known to be in a normal state is struck at 16 locations, the probability that any of the structures is in a normal state is calculated to be approximately 1, and the probability that any of the structures is in an abnormal state is calculated to be approximately 0.
図１１に示す異常が生じている構造物Ｓの例では、異常な状態であることが判明している構造物Ｓについて１５か所で打撃した場合、いずれも正常な構造物である確率は０．３未満であり、異常な状態の構造物である確率は０．７以上であると算出された。 In the example of structure S, which is known to be in an abnormal state, shown in Figure 11, if structure S, which is known to be in an abnormal state, is struck at 15 locations, the probability that any of the structures is normal is calculated to be less than 0.3, and the probability that any of the structures is in an abnormal state is calculated to be 0.7 or greater.
このように、確率取得部３１３による確率の演算では、正常な状態の構造物Ｓと異常が生じている構造物Ｓについて、高精度で確率の差として反映できることが分かる。 In this way, it can be seen that the probability calculation by the probability acquisition unit 313 can accurately reflect the difference in probability between a structure S in a normal state and a structure S in which an abnormality has occurred.
この確率取得部３１３による確率の演算を実際の構造物Ｓについて行った場合を図１２および図１３を用いて説明する。図１２は、実際の構造物Ｓを打撃した際に生じる打撃音について確率取得部３１３が算出した正常な確率および異常な確率の示すグラフの一例である。図１３は、実際の構造物Ｓを打撃した際に生じる打撃音について確率取得部３１３が算出した正常な確率および異常な確率を示すグラフの他の例である。 The case where this probability calculation by the probability acquisition unit 313 is performed for an actual structure S will be explained using Figures 12 and 13. Figure 12 is an example of a graph showing the normal probability and abnormal probability calculated by the probability acquisition unit 313 for the impact sound generated when the actual structure S is struck. Figure 13 is another example of a graph showing the normal probability and abnormal probability calculated by the probability acquisition unit 313 for the impact sound generated when the actual structure S is struck.
図１２に示す例では、構造物Ｓについて１７か所で打撃を行った結果、いずれの打撃についても正常な状態である確率が０．７以上であり、異常が生じている構造物である確率は０．３未満になっている。 In the example shown in Figure 12, impacts were applied to 17 locations on structure S, and the probability that each impact was normal was 0.7 or higher, while the probability that the structure was abnormal was less than 0.3.
一方、図１３に示す例では、他の構造物Ｓについて１８か所で打撃を行った結果、それぞれの箇所で正常な状態である確率と異常が生じている確率にばらつきがあり、構造物Ｓについて、異常が生じている箇所や注意を要する箇所があることが推測される。 On the other hand, in the example shown in Figure 13, impacts were performed at 18 locations on another structure S. As a result, there was variation in the probability that each location was in a normal state and the probability that an abnormality had occurred, and it was inferred that there were locations on structure S that were abnormal or required attention.
図３に戻り、次に、このようにして確率取得部３１３により演算された確率に基づき、判定部３１４が構造物Ｓの状態の判定を行う（ステップＳ４）。 Returning to Figure 3, next, based on the probability calculated by the probability acquisition unit 313 in this manner, the judgment unit 314 judges the state of the structure S (step S4).
具体的には、判定部３１４は、確率取得部３１３により演算された確率について、第１閾値および第１閾値よりも低い閾値である第２閾値と比較することで、構造物Ｓの状態判定を行う。本実施形態においては第１閾値は０．７、第２閾値は０．４として判定を行うが、これらの閾値は０より大きく１．０よりも小さい範囲で任意の数値を設定することができる。 Specifically, the determination unit 314 determines the state of the structure S by comparing the probability calculated by the probability acquisition unit 313 with a first threshold value and a second threshold value that is lower than the first threshold value. In this embodiment, the determination is made using a first threshold value of 0.7 and a second threshold value of 0.4, but these threshold values can be set to any value within the range greater than 0 and less than 1.0.
具体的な判定では、まず、確率が第１閾値と比較される（ステップＳ５）。確率が第１閾値以上である場合（ステップＳ５：Ｙｅｓ）、判定部３１４は構造物Ｓが「正常」であると判定する。 In a specific determination, the probability is first compared with a first threshold value (step S5). If the probability is equal to or greater than the first threshold value (step S5: Yes), the determination unit 314 determines that the structure S is "normal."
また、確率が第１閾値よりも低い場合（ステップＳ５：Ｎｏ）、次に確率が第２閾値と比較される（ステップＳ６）。確率が第２閾値以下ではない場合（ステップＳ６：Ｎｏ）、判定部３１４は構造物Ｓに異常が生じている可能性があり注意を要するとして「注意」と判定する。 Also, if the probability is lower than the first threshold (step S5: No), the probability is then compared with the second threshold (step S6). If the probability is not lower than the second threshold (step S6: No), the judgment unit 314 judges that there may be an abnormality in the structure S and that attention is required, and judges it to be "Caution."
一方、確率が第２閾値以下である場合（ステップＳ６：Ｙｅｓ）、判定部３１４は構造物Ｓに異常が生じているとして「異常」と判定する。 On the other hand, if the probability is less than or equal to the second threshold (step S6: Yes), the judgment unit 314 judges that an abnormality has occurred in the structure S and judges it to be "abnormal."
そして、判定部３１４による「正常」、「注意」または「異常」の判定結果を示すデータが記憶部３４に外部機器から参照可能なように保存されるとともに、システム管理サーバ３からネットワークＮを介して収音端末２へと送信され、収音端末２の表示部に当該判定結果が表示される。これにより作業者は作業現場において構造物Ｓの打撃した箇所の状態を即時に知ることができる。 Data indicating the judgment result of the judgment unit 314, whether "normal," "caution," or "abnormal," is then stored in the memory unit 34 so that it can be referenced by external devices, and is also transmitted from the system management server 3 to the sound collection terminal 2 via the network N, where the judgment result is displayed on the display unit of the sound collection terminal 2. This allows workers at the work site to instantly know the condition of the struck area of the structure S.
このように、本発明に係る打音検査システム１によると、従来熟練した作業員のカンと経験に基づき行われていた構造物Ｓの打音による状態検査を、自動的に、判定のばらつきが無く高精度に行うことができる。 In this way, with the hammering inspection system 1 according to the present invention, condition inspection of the structure S by hammering, which was previously carried out based on the intuition and experience of skilled workers, can now be carried out automatically, with high accuracy and without variability in judgment.
また、クラウドサーバであるシステム管理サーバ３に保存された打音データや判定データを現場や事務所等とリアルタイムで共有することができる。さらに、システム管理サーバ３に保存された過去の打音データや判定データを比較することが可能であるため、構造物Ｓの経年劣化を観測することができる。 In addition, hammering sound data and assessment data stored on the system management server 3, which is a cloud server, can be shared in real time with work sites, offices, etc. Furthermore, since it is possible to compare past hammering sound data and assessment data stored on the system management server 3, it is possible to observe the deterioration of the structure S over time.
なお、本発明は上述した実施形態に限定されることなく、種々の変形を採用することができる。 The present invention is not limited to the above-described embodiment, and various modifications can be made.
例えば、上述した教師データ学習部３１１および検査データ取得部３１２による正常教師データ、異常教師データおよび検査データの取得に際して、それぞれ基準正常行列、基準異常行列および検査行列の各要素を正規化した後、さらに基準異常打撃音に特徴的な所定周波数に対応する重み付け行列を乗じることが行われてもよい。例えば、上述した実施形態のように、教師データから得られるスペクトログラムにおいて４０００Ｈｚ付近に特徴的なピークが表れる場合には、以下の数５に示すように、４０００Ｈｚに対応する列の各要素が１であり、その他の列の各要素については１以下であり、当該周波数から離れるに従い漸次値が減少していくような重み付け行列を乗じてもよい。 For example, when the above-mentioned teacher data learning unit 311 and test data acquisition unit 312 acquire normal teacher data, abnormal teacher data, and test data, the elements of the reference normal matrix, reference abnormal matrix, and test matrix may be normalized, and then multiplied by a weighting matrix corresponding to a predetermined frequency characteristic of the reference abnormal impact sound. For example, as in the above-mentioned embodiment, if a characteristic peak appears around 4000 Hz in the spectrogram obtained from the teacher data, the elements may be multiplied by a weighting matrix in which each element in the column corresponding to 4000 Hz is 1 and each element in the other columns is 1 or less, and the value gradually decreases as the frequency moves away from that frequency, as shown in Equation 5 below.
ここで、基準正常行列、基準異常行列および検査行列の各要素を正規化した行列をＤ＝（ｄｉｊ）、重み付け行列をＷ＝（ｗｉｊ）とすると、重み付けをした行列Ｅ＝（ｗｉｊ＊ｄｉｊ）となる。 Here, if the matrix obtained by normalizing each element of the reference normal matrix, the reference abnormal matrix, and the check matrix is D=(d ij ), and the weighting matrix is W=(w ij ), then the weighted matrix E=(w ij *d ij ).
このように、異常な構造物Ｓにおいて見られるピークを強調する重み付け行列を基準正常行列、基準異常行列および検査行列の各要素を正規化した行列に乗じることにより、構造物Ｓの異常をより鮮明に判断可能な正常教師データ、異常教師データおよび検査データを得ることができる。 In this way, by multiplying a weighting matrix that emphasizes peaks found in abnormal structure S by a matrix in which each element of the reference normal matrix, reference abnormal matrix, and inspection matrix is normalized, normal training data, abnormal training data, and inspection data can be obtained that allow for a clearer determination of abnormalities in structure S.
また、上述した実施形態においてはシステム管理サーバ３が検査データ取得部３１２を備えているが、本発明においてはこれに限らず、収音端末２が検査データ取得部３１２を備えていて、収音端末２により得られた検査データをシステム管理サーバ３に送信することで構造物Ｓの状態判定を行ってもよい。 In addition, in the above-described embodiment, the system management server 3 is equipped with the inspection data acquisition unit 312, but the present invention is not limited to this. The sound collection terminal 2 may also be equipped with the inspection data acquisition unit 312, and the state of the structure S may be determined by transmitting the inspection data obtained by the sound collection terminal 2 to the system management server 3.
さらに、上述した実施形態においては収音端末２とシステム管理サーバ３とを別個の構成としているが、本発明においてはこれに限らず、例えばシステム管理サーバ３を廃して、収音端末２にシステム管理サーバ３が有する上述した諸機能（教師データ学習部３１１、検査データ取得部３１２、確率取得部３１３および判定部３１４）を組み込んでもよい。 Furthermore, while in the above-described embodiment the sound collection terminal 2 and the system management server 3 are configured as separate units, the present invention is not limited to this. For example, the system management server 3 may be eliminated, and the sound collection terminal 2 may incorporate the above-described functions of the system management server 3 (teacher data learning unit 311, test data acquisition unit 312, probability acquisition unit 313, and judgment unit 314).
また、上述した実施形態においては収音端末２が収集した打音データがリアルタイムでシステム管理サーバ３に送信されて打音検査が行われていたが、本発明においてはこれに限らず、予め収音端末２等を用いて収音され保存された打音データを、所望のタイミングでシステム管理サーバ３に送信して打音検査を行ってもよい。この際、打音データのシステム管理サーバ３への送信は、収音端末２からに限らず、例えば事務所に設置したＰＣ（Personal Computer）等から行われてもよい。そして、システム管理サーバ３による判定結果についても、収音端末２だけでなく、他の外部機器に送信されるようにしてもよい。 In addition, in the above-described embodiment, the hammering data collected by the sound collection terminal 2 is transmitted in real time to the system management server 3 for hammering inspection, but the present invention is not limited to this. The hammering inspection may be performed by transmitting hammering data that has been collected and saved in advance using the sound collection terminal 2 or the like to the system management server 3 at a desired timing. In this case, the hammering data may not be transmitted to the system management server 3 from the sound collection terminal 2 alone, but may also be transmitted from a PC (Personal Computer) installed in an office, for example. The assessment results by the system management server 3 may also be transmitted not only to the sound collection terminal 2, but also to other external devices.
１：打音検査システム
２：収音端末
３：システム管理サーバ
４：打撃装置
３１：ＣＰＵ
３２：ＲＯＭ
３３：ＲＡＭ
３４：記憶部
３１１：教師データ学習部
３１２：検査データ取得部
３１３：確率取得部
３１４：判定部
Ｓ：構造物
Ｎ：ネットワーク
1: hammering sound inspection system 2: sound collection terminal 3: system management server 4: hammering device 31: CPU
32: ROM
33: RAM
34: Storage unit 311: Teacher data learning unit 312: Inspection data acquisition unit 313: Probability acquisition unit 314: Determination unit S: Structure N: Network
Claims (8)
検査対象構造物の検査打撃音に基づき検査データを取得する検査データ取得部と、
前記検査データを前記正常教師データおよび前記異常教師データに基づき解析し、前記検査打撃音が正常な状態の構造物の打撃音である確率を取得する確率取得部と、
前記確率が第１閾値以上であれば正常と判定し、第２閾値以下であれば異常と判定し、前記第２閾値より大きく前記第１閾値よりも小さければ注意と判定する判定部と、
を備えることを特徴とする打音検査システム。 a teacher data learning unit that learns normal teacher data created based on a reference normal impact sound of a structure that is known to be normal and abnormal teacher data created based on a reference abnormal impact sound of a structure that is known to be abnormal;
an inspection data acquisition unit that acquires inspection data based on the inspection impact sound of the inspection target structure;
a probability acquisition unit that analyzes the inspection data based on the normal teacher data and the abnormal teacher data and acquires a probability that the inspection impact sound is an impact sound of a structure in a normal state;
a determination unit that determines the probability to be normal if the probability is equal to or greater than a first threshold, determines the probability to be abnormal if the probability is equal to or less than a second threshold, and determines that caution is required if the probability is greater than the second threshold and smaller than the first threshold;
A hammering inspection system comprising:
前記異常教師データは、前記基準異常打撃音にＨａｎｎ窓を適用して時間をＸ軸、周波数をＹ軸とする基準異常スペクトログラムを作成し、前記基準異常スペクトログラムから基準異常行列を作成し、前記基準異常行列の各要素を正規化して得られ、
前記検査データは、前記検査打撃音にＨａｎｎ窓を適用して時間をＸ軸、周波数をＹ軸とする検査スペクトログラムを作成し、前記検査スペクトログラムから検査行列を作成し、前記検査行列の各要素を正規化して得られる請求項１に記載の打音検査システム。 the normal teacher data is obtained by applying a Hann window to the reference normal impact sound to create a reference normal spectrogram with time on the X axis and frequency on the Y axis, creating a reference normal matrix from the reference normal spectrogram, and normalizing each element of the reference normal matrix;
the abnormal teacher data is obtained by applying a Hann window to the reference abnormal impact sound to create a reference abnormal spectrogram with time as the X axis and frequency as the Y axis, creating a reference abnormal matrix from the reference abnormal spectrogram, and normalizing each element of the reference abnormal matrix;
2. The hammering inspection system according to claim 1, wherein the inspection data is obtained by applying a Hann window to the inspection impact sound to create an inspection spectrogram in which time is represented on the X axis and frequency is represented on the Y axis, creating a check matrix from the inspection spectrogram, and normalizing each element of the check matrix.
正常であることが判明している構造物の基準正常打撃音に基づき作成された正常教師データおよび異常が生じていることが判明している構造物の基準異常打撃音に基づき作成された異常教師データを学習する教師データ学習工程と、
検査対象構造物の検査打撃音に基づき検査データを取得する検査データ取得工程と、
前記検査データを前記正常教師データおよび前記異常教師データに基づき解析し、前記検査打撃音が前記基準正常打撃音である確率を取得する確率取得工程と、
前記確率が第１閾値以上であれば正常と判定し、第２閾値以下であれば異常と判定し、前記第２閾値より大きく前記第１閾値よりも小さければ注意と判定する判定工程と、
を備えることを特徴とするプログラム。
A program for causing a computer to execute a hammering inspection system,
a teacher data learning process for learning normal teacher data created based on a reference normal impact sound of a structure that is known to be normal and abnormal teacher data created based on a reference abnormal impact sound of a structure that is known to be abnormal;
an inspection data acquisition step of acquiring inspection data based on the inspection impact sound of the inspection target structure;
a probability acquisition step of analyzing the test data based on the normal teacher data and the abnormal teacher data to acquire a probability that the test impact sound is the reference normal impact sound;
a determination step of determining that the probability is normal if the probability is equal to or greater than a first threshold, determining that the probability is abnormal if the probability is equal to or less than a second threshold, and determining that caution is required if the probability is greater than the second threshold and less than the first threshold;
A program comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022053628A JP7765010B2 (en) | 2022-03-29 | 2022-03-29 | Hammering inspection system and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022053628A JP7765010B2 (en) | 2022-03-29 | 2022-03-29 | Hammering inspection system and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2023146440A JP2023146440A (en) | 2023-10-12 |
| JP7765010B2 true JP7765010B2 (en) | 2025-11-06 |
Family
ID=88286734
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022053628A Active JP7765010B2 (en) | 2022-03-29 | 2022-03-29 | Hammering inspection system and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7765010B2 (en) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017157234A (en) | 2015-12-25 | 2017-09-07 | 株式会社リコー | Diagnostic device, diagnostic method, program, and diagnostic system |
| JP2018013348A (en) | 2016-07-19 | 2018-01-25 | 日本電信電話株式会社 | Striking inspection system and percussion inspection method |
| JP2020107138A (en) | 2018-12-27 | 2020-07-09 | 沖電気工業株式会社 | Classification device, classification system, classification method and program |
| JP2020148619A (en) | 2019-03-13 | 2020-09-17 | 株式会社ナベル | Egg classification device, egg classification method and computer program |
| CN112185419A (en) | 2020-09-30 | 2021-01-05 | 天津大学 | Glass bottle crack detection method based on machine learning |
| JP2021032287A (en) | 2019-08-21 | 2021-03-01 | 日立Ｇｅニュークリア・エナジー株式会社 | State monitoring system and method |
| WO2021137760A1 (en) | 2019-12-31 | 2021-07-08 | Envision Digital International Pte. Ltd. | Method and apparatus for inspecting wind turbine blade, and device and storage medium thereof |
| US20210231515A1 (en) | 2018-04-30 | 2021-07-29 | University Of Houston System | Monitoring bolt tightness using percussion and machine learning |
-
2022
- 2022-03-29 JP JP2022053628A patent/JP7765010B2/en active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017157234A (en) | 2015-12-25 | 2017-09-07 | 株式会社リコー | Diagnostic device, diagnostic method, program, and diagnostic system |
| JP2018013348A (en) | 2016-07-19 | 2018-01-25 | 日本電信電話株式会社 | Striking inspection system and percussion inspection method |
| US20210231515A1 (en) | 2018-04-30 | 2021-07-29 | University Of Houston System | Monitoring bolt tightness using percussion and machine learning |
| JP2020107138A (en) | 2018-12-27 | 2020-07-09 | 沖電気工業株式会社 | Classification device, classification system, classification method and program |
| JP2020148619A (en) | 2019-03-13 | 2020-09-17 | 株式会社ナベル | Egg classification device, egg classification method and computer program |
| JP2021032287A (en) | 2019-08-21 | 2021-03-01 | 日立Ｇｅニュークリア・エナジー株式会社 | State monitoring system and method |
| WO2021137760A1 (en) | 2019-12-31 | 2021-07-08 | Envision Digital International Pte. Ltd. | Method and apparatus for inspecting wind turbine blade, and device and storage medium thereof |
| CN112185419A (en) | 2020-09-30 | 2021-01-05 | 天津大学 | Glass bottle crack detection method based on machine learning |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023146440A (en) | 2023-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6823025B2 (en) | Inspection equipment and machine learning method | |
| Tondreau et al. | Numerical and experimental analysis of uncertainty on modal parameters estimated with the stochastic subspace method | |
| CN105022860A (en) | Method and system for predicting random vibration life of PCB solder point | |
| US11624687B2 (en) | Apparatus and method for detecting microcrack using orthogonality analysis of mode shape vector and principal plane in resonance point | |
| JP6934434B2 (en) | Building evaluation system and building evaluation method | |
| US20230095525A1 (en) | System and method for evaluating residual life of components made of composite materials | |
| JP2019027814A (en) | Method and device for analyzing vibration acoustic analysis and method and device for estimating abnormal part of apparatus | |
| CN118965731A (en) | A method and device for calculating component failure risk based on vibration load simulation | |
| CN119290426B (en) | Automobile cushion framework fatigue test method and system | |
| JP7765010B2 (en) | Hammering inspection system and program | |
| WO2023067379A1 (en) | System and method for measuring compressive strength of a concrete block | |
| JP7219647B2 (en) | Tile deterioration diagnosis method, building wall surface repair cost estimation method, tile deterioration diagnosis system, and building wall surface repair cost estimation system | |
| CN114659765B (en) | Method, equipment, storage medium and device for testing constraint mode of gearbox shell | |
| JP2009287923A (en) | Method and apparatus for evaluating unstableness of rock mass on slope of rock bed | |
| CN112834184A (en) | Detection method, controller and detection system for sound quality of glass lifter | |
| KR102433600B1 (en) | System and methods for mold life management | |
| JP2004301792A (en) | Structure for diagnosing integrity of structure | |
| JP6746348B2 (en) | Method and device for identifying building stiffness of a building | |
| CN117005377B (en) | Automatic cone dynamic sounding test method, system and device | |
| CN113610644B (en) | System transaction screening method and device | |
| CN111179669B (en) | Method and device for quantifying physical mechanics experiment result, terminal and storage medium | |
| JP7757363B2 (en) | Diagnostic device, diagnostic method, and diagnostic program | |
| JP7668398B1 (en) | Hammering inspection device, hammering inspection method, hammering inspection program | |
| CN111919101A (en) | Impact testing device and method of operating impact testing device | |
| CN119988784B (en) | A method for calculating the damping loss factor curve of a vehicle window glass. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20250324 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20250820 |
|
| 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: 20250930 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20251015 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7765010 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |