特許ウォッチ

公開番号2024154816
公報種別公開特許公報(A)
公開日2024-10-31
出願番号2023068913
出願日2023-04-20
発明の名称肌落ち予測装置、機械学習装置、肌落ち予測方法、及び、機械学習方法
出願人一般財団法人先端建設技術センター,基礎地盤コンサルタンツ株式会社,NSW株式会社,株式会社想画,株式会社安藤・間,鹿島建設株式会社,清水建設株式会社,戸田建設株式会社
代理人個人,個人,個人,個人
主分類E21D 9/00 20060101AFI20241024BHJP(地中もしくは岩石の削孔;採鉱)
要約【課題】より精度高く肌落ちの危険性がある箇所を予測することができる肌落ち予測装置を提供する。
【解決手段】本発明は、トンネル切羽における肌落ちを予測する肌落ち予測装置であって、トンネル切羽が撮像された切羽画像を取得する情報取得部と、前記情報取得部により取得された切羽画像を、切羽画像と、画像単位毎の肌落ち確率との相関関係を機械学習により学習させた学習モデルに入力することで、切羽画像に対応する画像単位毎の肌落ち確率を生成する生成処理部と、を備え、機械学習に供される画像単位毎の肌落ち確率は、切羽における岩石の種別に係る岩石グループに応じて算出される。
【選択図】図2
特許請求の範囲【請求項１】
トンネル切羽における肌落ちを予測する肌落ち予測装置であって、
トンネル切羽が撮像された切羽画像を取得する情報取得部と、
前記情報取得部により取得された切羽画像を、切羽画像と、画像単位毎の肌落ち確率との相関関係を機械学習により学習させた学習モデルに入力することで、切羽画像に対応する画像単位毎の肌落ち確率を生成する生成処理部と、を備え、
機械学習に供される画像単位毎の肌落ち確率は、切羽における岩石の種別に係る岩石グループに応じて算出される、
肌落ち予測装置。
続きを表示（約 1,200 文字）【請求項２】
肌落ちの危険性が想定される箇所に係る危険箇所設定範囲と、
危険箇所設定範囲の切羽における位置に係る設定範囲位置と、が設定されており、
機械学習に供される画像単位毎の肌落ち確率は、
危険箇所設定範囲に係る連続関数である第１重み関数と、設定範囲位置に係る連続関数である第２重み関数の２種類の重み関数に基づいた重み付けがなされることで算出される、
請求項１に記載の肌落ち予測装置。
【請求項３】
第１重み関数と第２重み関数が、切羽における岩石の種別に係る岩石グループに応じて変更される、
請求項３に記載の肌落ち予測装置。
【請求項４】
前記生成処理部で生成された画像単位毎の肌落ち確率が、ヒートマップ表示される、
請求項１に記載の肌落ち予測装置。
【請求項５】
前記学習モデルが、トンネル掘削工事の現場で取得されるデータに基づいてアップデートされる、
請求項１に記載の肌落ち予測装置。
【請求項６】
切羽画像と、切羽における岩石の種別に係る岩石グループに応じて算出される、画像単位毎の肌落ち確率とで構成される学習用データを複数組記憶する学習用データ記憶部と、
複数組の前記学習用データを学習モデルに入力することで、切羽画像と、画像単位毎の肌落ち確率との相関関係を前記学習モデルに学習させる機械学習部と、
前記機械学習部により前記相関関係を学習させた前記学習モデルを記憶する学習済みモデル記憶部と、を備える、
機械学習装置。
【請求項７】
トンネル切羽における肌落ちを予測する肌落ち予測方法であって、
トンネル切羽が撮像された切羽画像を取得する情報取得工程と、
前記情報取得工程により取得された切羽画像を、切羽画像と、画像単位毎の肌落ち確率との相関関係を機械学習により学習させた学習モデルに入力することで、切羽画像に対応する画像単位毎の肌落ち確率を生成する生成処理工程と、を備え、
機械学習に供される画像単位毎の肌落ち確率は、切羽における岩石の種別に係る岩石グループに応じて算出される、
肌落ち予測方法。
【請求項８】
切羽画像と、切羽における岩石の種別に係る岩石グループに応じて算出される、画像単位毎の肌落ち確率とで構成される学習用データを複数組記憶する学習用データ記憶工程と、
複数組の前記学習用データを学習モデルに入力することで、切羽画像と、画像単位毎の肌落ち確率との相関関係を前記学習モデルに学習させる機械学習工程と、
前記機械学習工程により前記相関関係を学習させた前記学習モデルを記憶する学習済みモデル記憶工程と、を備える、
機械学習方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、トンネル切羽における肌落ちの可能性を予測する肌落ち予測装置、肌落ち予測装置に用いられる学習モデルを生成する機械学習装置、トンネル切羽における肌落ちの可能性を予測する肌落ち予測方法、及び、肌落ち予測方法に用いられる学習モデルを生成する機械学習方法に関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
山岳トンネル工事における掘削の最先端（切羽）においては、岩石の落下など（肌落ち）による重大災害を可能な限り抑制することが肝要となる。このため、切羽観察を行い、剥落が予測される箇所を推定し、あらかじめ当該箇所をたたき落としたり、当該箇所に対してコンクリート吹き付けを行ったりなどの対策が講じられる。切羽観察は熟練の技術者の目視判断に依存しているため、見落としや個人差が発生しやすい。そこで、非特許文献１においては、人工知能技術を用いて、切羽における肌落ちを予測する技術が提案されている。
【先行技術文献】
【特許文献】
【０００３】
西沢ほか「マルチモーダル深層学習による切羽崩落予測」２０１９年人工知能学会全国大会第３３回論文集
特開２０２３－３４７４５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
非特許文献１記載の従来技術では、切羽画像、風化変質度数値、割目交差密度数値をＲｅｓｎｅｔ５０で特徴抽出し、ニューラルネットワークで肌落ちの可能性あり、なしの二択を検出するものであり、肌落ちの危険性がある位置を予測することができない、という課題があった。
【０００５】
そこで、特許文献２においては、肌落ちの危険性がある位置を予測する技術についての提案がなされた。しかしながら、特許文献２記載の従来技術では、切羽を構成する岩石の種類に係る要因が考慮されておらず、予測精度の点で問題があった。
【０００６】
本発明は、上述した課題に鑑みてなされたものであって、肌落ちの危険性がある位置の予測精度を向上させる肌落ち予測装置、肌落ち予測装置に用いられる学習モデルを生成する機械学習装置、肌落ちの危険性がある位置の予測精度を向上させることが可能な肌落ち予測方法、及び、肌落ち予測方法に用いられる学習モデルを生成する機械学習方法を提供することを目的とする。
【課題を解決するための手段】
【０００７】
上記目的を達成するために、本発明の一態様に係る肌落ち予測装置は、
トンネル切羽における肌落ちを予測する肌落ち予測装置であって、
トンネル切羽が撮像された切羽画像を取得する情報取得部と、
前記情報取得部により取得された切羽画像を、切羽画像と、画像単位毎の肌落ち確率との相関関係を機械学習により学習させた学習モデルに入力することで、切羽画像に対応する画像単位毎の肌落ち確率を生成する生成処理部と、を備え、
機械学習に供される画像単位毎の肌落ち確率は、切羽における岩石の種別に係る岩石グループに応じて算出される。
【０００８】
また、本発明の一態様に係る肌落ち予測装置は、
肌落ちの危険性が想定される箇所に係る危険箇所設定範囲と、
危険箇所設定範囲の切羽における位置に係る設定範囲位置と、が設定されており、
機械学習に供される画像単位毎の肌落ち確率は、
危険箇所設定範囲に係る連続関数である第１重み関数と、設定範囲位置に係る連続関数である第２重み関数の２種類の重み関数に基づいた重み付けがなされることで算出される。
【０００９】
また、本発明の一態様に係る肌落ち予測装置は、
第１重み関数と第２重み関数が、切羽における岩石の種別に係る岩石グループに応じて変更される。
【００１０】
また、本発明の一態様に係る肌落ち予測装置は、
前記生成処理部で生成された画像単位毎の肌落ち確率が、ヒートマップ表示される。
（【００１１】以降は省略されています）

関連特許