特開 2022-139447 打音検査システム及びその方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022139447

(43)【公開日】2022-09-26

(54)【発明の名称】打音検査システム及びその方法

(51)【国際特許分類】

   G01N 29/04 20060101AFI20220915BHJP

   G01N 29/12 20060101ALI20220915BHJP

   G01N 29/46 20060101ALI20220915BHJP

   G01H 17/00 20060101ALI20220915BHJP

   G01M 99/00 20110101ALI20220915BHJP

【ＦＩ】

G01N29/04

G01N29/12

G01N29/46

G01H17/00 Z

G01M99/00 Z

【審査請求】未請求

【請求項の数】5

【出願形態】ＯＬ

(21)【出願番号】P 2021039840

(22)【出願日】2021-03-12

(71)【出願人】

【識別番号】521105802

【氏名又は名称】株式会社ＳＵＫＥＲＵ

(74)【代理人】

【識別番号】100090413

【弁理士】

【氏名又は名称】梶原 康稔

(72)【発明者】

【氏名】鈴木 浩章

【テーマコード（参考）】

2G024

2G047

2G064

【Ｆターム（参考）】

2G024BA12

2G024CA13

2G024DA12

2G024FA04

2G024FA06

2G024FA11

2G047AA05

2G047AB01

2G047BA04

2G047BC04

2G047BC11

2G047CA03

2G047EA12

2G047GD02

2G047GF26

2G047GG10

2G047GG20

2G047GG32

2G047GG33

2G064AB01

2G064AB13

2G064BA02

2G064BD02

2G064CC41

2G064CC42

2G064DD02

(57)【要約】

【課題】 検査現場における検査機器設置の手間を省くとともに、客観的な検査結果を得る。
【解決手段】 検査現場において、スマートフォン４００で打音検査アプリ４１０を立ち上げると、スマートフォン４００のディスプレイ４０６に検査画面が表示される。作業者は、検査画面において、検査対象の素材の人工知能を選択し、検査場所をハンマーで打つ。このときに生ずる打音は、マイク４０４で電気信号に変換され、打音測定部４１２に打音データ１４０として計測され、打音データ送信部４１４によって、打音検査ＡＩ１００に送信される。打音検査ＡＩ１００では、前記素材に対応して選択された人工知能２００又は３００において、正解データ２４０，３４０と比較され、劣化の程度が判定されて、スマートフォン４００に送信される。スマートフォン４００では、受信した判定結果が、判定結果受信表示部４１６で受信されてディスプレイ４０６に表示される。
【選択図】図４

【特許請求の範囲】

【請求項1】

打音によって検査対象の良否判定を行う打音検査システムであって、
クラウド上に用意された検査対象の良否判定を行う判定手段，
検査現場で検査対象に打音を行って、打音データを得る情報端末，
を備えており、
前記情報端末は、ネットワークを通じて前記打音データを前記判定手段に送信するとともに、前記判定手段による判定結果を受信して表示することを特徴とする打音検査システム。

【請求項2】

前記判定手段は、前記打音データから得た周波数スペクトラムから、検査対象の良否判定を行うことを特徴とする請求項１記載の打音検査システム。

【請求項3】

前記判定手段は、過去の検査で得た打音データ及びその判定結果から学習し、良否判定の正解データを修正する人工知能であることを特徴とする請求項１又は２記載の打音検査システム。

【請求項4】

前記判定手段は、素材の種類毎に人工知能を構成したことを特徴とする請求項３記載の打音検査システム。

【請求項5】

請求項１～４のいずれか一項に記載の打音検査システムを使用する打音検査方法であって、
検査対象に対して打音を行い、前記情報端末で打音データを得るステップ，
得られた打音データを、前記情報端末でネットワークを通じて前記判定手段に送信するステップ，
前記判定手段で、検査対象の良否判定を行うステップ，
判定結果を、ネットワークを通じて前記情報端末に送信するステップ，
受信した判定結果を、前記情報端末で表示するステップ，
を備えたことを特徴とする打音検査方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、各種素材の腐食ないし劣化の程度を打音によって検査する打音検査システム及びその方法に関する。

【背景技術】

【0002】

従来の劣化の検査技術としては、例えば、下記特許文献１記載の材質劣化検出方法がある。これは、超音波の伝播特性の変化を利用して金属の材質の劣化を簡単且つ高精度で検出することを目的としたもので、被検査体が新しい時の超音波伝播特性を測定してこれを記録しておくと共に、被検査体に熱時効等が加った後に、前記最初の測定時と同じ条件の下で被検査体の超音波伝播特性を測定し、両測定で得られた受信プローブによる検出信号を対比することにより、両検出信号間の位相差Δｔの検出並びに位相差Δｔの変化率Δｔ／Ｔ（即ち音速変化率）の演算を行ない、当該位相差の変化率Δｔ／Ｔを基準にして被検査体の材質劣化を検出するようにしたものである。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開2001-249118号

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、上述した背景技術では、パソコン，波形発生器，電磁超音波探触子などの検査機器を検査対象のある現場に持ち込む必要がある。また、現場の状況によっては、それらの検査機器を設置できない可能性もある。更に、従来の検査方法では、検査者の経験と勘に頼る面もあり、必ずしも、的確な検査結果が得られるとは限らない。

【0005】

本発明は、以上のような点に着目したもので、検査現場における検査機器設置の手間を省くとともに、客観的な検査結果を得ることを、その目的とする。

【課題を解決するための手段】

【0006】

本発明の打音検査システムは、打音によって検査対象の良否判定を行う打音検査システムであって、クラウド上に用意された検査対象の良否判定を行う判定手段，検査現場で検査対象に打音を行って、打音データを得る情報端末，を備えており、前記情報端末は、ネットワークを通じて前記打音データを前記判定手段に送信するとともに、前記判定手段による判定結果を受信して表示することを特徴とする。

【0007】

主要な形態の一つによれば、前記判定手段は、前記打音データから得た周波数スペクトラムから、検査対象の良否判定を行うことを特徴とする。他の形態によれば、前記判定手段は、過去の検査で得た打音データ及びその判定結果から学習し、良否判定の正解データを修正する人工知能であることを特徴とする。また、前記判定手段は、素材の種類毎に人工知能を構成したことを特徴とする。

【0008】

本発明の打音検査システムは、前記いずれかの打音検査システムを使用する打音検査方法であって、検査対象に対して打音を行い、前記情報端末で打音データを得るステップ，得られた打音データを、前記情報端末でネットワークを通じて前記判定手段に送信するステップ，前記判定手段で、検査対象の良否判定を行うステップ，判定結果を、ネットワークを通じて前記情報端末に送信するステップ，受信した判定結果を、前記情報端末で表示するステップ，を備えたことを特徴とする。本発明の前記及び他の目的，特徴，利点は、以下の詳細な説明及び添付図面から明瞭になろう。

【発明の効果】

【0009】

本発明によれば、検査対象の良否判定を行う判定手段をクラウド上に用意し、検査現場で得た検査対象の打音データを情報端末で前記判定手段にネットワークを通じて送信し、判定結果を情報端末で表示することとしたので、検査現場への検査機器の運搬や設置の手間を省くとともに、作業者の経験や勘に頼ることなく、客観的な検査結果を得ることができるといった効果が得られる。

【図面の簡単な説明】

【0010】

【図1】本発明の実施例１における打音検査ＡＩの構成を示すブロック図である。

【図2】打音の周波数スペクトラムの一例を示すグラフである。

【図3】前記実施例における学習時の様子を示す図である。

【図4】前記実施例における計測時の様子を示す図である。

【図5】前記実施例における計測時の動作手順を示す図である。

【図6】前記実施例におけるマッピングの一例を示す図である。

【図7】前記実施例における計測時の現場の様子を示す図である。

【発明を実施するための形態】

【0011】

以下、本発明を実施するための最良の形態を、実施例に基づいて詳細に説明する。

【実施例0012】

最初に、図１を参照しながら、本発明の打音検査システムの全体構成を説明する。同図において、検査システムは、打音検査ＡＩ（人工知能）１００を中心に構成されており、打音検査ＡＩ１００は２つの人工知能２００，３００を備えている。すなわち、鉄（Ｆｅ）の劣化判定を行うＦＥ－ＡＩ、ステンレスの劣化判定を行うＳＵＳ―ＡＩがある。これら人工知能２００，３００は、劣化判定の対象となる素材が異なるのみで、基本的な構成は同じであるので、以下、人工知能２００を中心に説明する。

【0013】

ＦＥ―ＡＩ２００は、ＦＥ学習データ２１０，ＦＥ参照データ２２０，ＦＥ学習部２３０，ＦＥ正解データ２４０，ＦＥ判定部２５０を備えている。ＦＥ学習データ２１０，ＦＥ参照データ２２０，ＦＥ正解データ２４０は、メモリに格納されており、ＦＥ学習部２３０及びＦＥ判定部２５０は、ＣＰＵでＡＩとしてのプログラムを実行することで、実現されている。人工知能３００についても同様である。

【0014】

打音検査ＡＩ１００はクラウド上に設けられており、複数の検査対象における打音検査のデータがインターネットなどを通じて送信され、当該検査対象の劣化の程度ないし良否の判定が行われるようになっている。検査対象としては、例えば、火力発電所，製鉄所などの配管などが該当する。

【0015】

以上のうち、ＦＥ学習データ２１０は、鉄について、人工知能２００が学習すべきデータ（教師データ）であり、例えば、
ａ，ＦＥをハンマーで叩いたときに生ずる音の録音データ，
ｂ，この録音データの周波数スペクトルデータ，
ｃ，残留音の広がり，
ｄ，それらａ～ｃのデータと劣化の有無の関係を示す経験値，
ｅ，打音検査を行った素材の厚さや形状のデータ，
が該当する。

【0016】

次に、ＦＥ参照データ２２０には、
ａ，検査対象の耐用年数，
ｂ，検査対象の修理時期，
ｃ，検査対象の交換時期，
が該当し、多くの場合、検査対象の製造メーカーによって指定されている。

【0017】

次に、ＦＥ正解データ２４０は、ＦＥ学習部２３０によって学習した結果取得するデータで、このＦＥ正解データ２４０に基づいて、検査時の劣化の程度の判定がＦＥ判定部２５０で行われるようになっている。詳細は後述する。

【0018】

以上のような点は、ステンレスについても同様であり、人工知能３００は、ＳＵＳ学習データ３１０，ＳＵＳ参照データ３２０，ＳＵＳ学習部３３０，ＳＵＳ正解データ３４０，ＳＵＳ判定部３５０を備えている。ＳＵＳ学習データ３１０，ＳＵＳ参照データ３２０，ＳＵＳ正解データ３４０は、メモリに格納されており、ＳＵＳ学習部３３０及びＳＵＳ判定部３５０は、ＣＰＵでＡＩとしてのプログラムを実行することで、実現されている。

【0019】

図２には、上述したＦＥ学習データ２１０の周波数スペクトルデータの一例が示されている。同図のグラフは、円柱形状の複数の厚さの鉄板をハンマーで叩いたときに生じた打音の周波数スペクトラムの一例を示すもので、横軸は周波数を示し、縦軸は音圧を示す。そして、点線は「健全」な状態のスペクトラムを示し、細実線は「注意」すべき状態のスペクトラムを示し、太実線は「危険」な状態のスペクトラムを示す。

【0020】

これらのグラフから、
ａ，検査対象が劣化しておらず、健全な状態にあるときは、比較的平坦で、注目すべきピークは存在しない。
ｂ，検査対象に多少の劣化があり、注意すべき状態にあるときは、３６００～４４００Ｈｚの間に顕著なピークＰＡ，ＰＢが認められる。
ｃ，検査対象に劣化があり、危険な状態にあるときは、２８００Ｈｚに極めて顕著なピークＰＣが認められる。また、４７００Ｈｚ付近や６８００付近にも、それぞれピークＰＤ，ＰＥが認められる。
これらのグラフのピークＰＡ～ＰＥを参照すれば、検査対象が「健全」，「注意」，「危険」のいずれであるかを判定することができる。

【0021】

次に、図３を参照しながら、人工知能ＡＩ２００，３００における学習動作について説明する。同図(A)には、検査対象１１０から得られる各種データの一例が示されており、
ａ，素材種別（本例では鉄とステンレス）データ１２０，
ｂ，素材厚さ・形状データ１３０，
ｃ，打音データ１４０，
ｄ，その周波数スペクトラム１４２，
ｅ，その残留音データ１４４，
ｆ，劣化の経験値データ１５０，
ｇ，耐用年数，修理・交換時期データ１６０，
が代表的なデータである。これらの各種データは、図３(A)に示すように、多数の検査対象１１０から過去の実測値として得られる。

【0022】

次に、図３(B)に示すように、前記ａ～ｆのデータは、人工知能２００，３００の学習データ２１０，３１０のうち、該当する素材のデータとして集積される（ステップＳＡ）。前記ｇのデータは、参照データ２２０，３２０のうちの該当する素材のデータとして集積される。人工知能２００，３００は、集積した学習データ２１０，３１０に基づいて、学習部２３０，３３０で素材劣化の判定基準について学習し（ステップＳＢ）、結果を正解データ２４０，３４０として保存する（ステップＳＣ）。このとき、必要があれば、参照データ２２０，３２０を参照する。

【0023】

例えば、図２の例において、
ａ，ピークＰＣに隣接するピークＰＣ１においても、「危険」と判定された事例が生じたときは、ピークＰＣ１が存在するときも「危険」と判定する。
ｂ，過去の事例において、ピークＰＤ，ＰＥがないときでも、ピークＰＡ，ＰＢが検出されて「注意」と判定された事例が生じたときは、ピークＰＡ，ＰＢの有無で「注意」かどうかの判定を行う。
といった具合に正解データ２４０，３４０を修正する。

【0024】

具体的には、素材厚さ・形状データ１３０と、打音データ１４０の周波数スペクトラム１４２と、劣化の経験値データ１５０から、どのような厚さ・形状の場合に、図２に示したピーク周波数と劣化判定との対応関係になるかを把握するといった具合である。

【0025】

次に、図４を参照して、打音検査に用いる携帯情報端末について説明する。本実施例では、打音検査時に、スマートフォン４００が用いられる。スマートフォン４００には、カメラ４０２，マイク（マイクロフォン）４０４，ディスプレイ４０６，打音検査アプリ４１０を備えている。打音検査アプリ４１０は、打音測定部４１２，打音データ送信部４１４，判定結果受信表示部４１６の機能を備えている。打音測定部４１２は、検査画面をディスプレイ４０６に表示したり、マイク４０４から打音データ１４０を取得する機能を備えている。なお、打音データ１４０から周波数スペクトラム１４２を求める演算を行うようにしてもよい。打音データ送信部４１４は、打音測定部４１２で測定した打音データ１４０を、打音検査ＡＩ１００に対して送信する機能を備えている。判定結果受信表示部４１６は、打音検査ＡＩ１００から判定結果を受信し、ディスプレイ４０６に表示する機能を備えている。

【0026】

次に、図５を参照して、検査時の動作を説明する。打音検査を行う作業者は、検査現場において、スマートフォン４００で打音検査アプリ４１０を立ち上げる（ステップＳ１０）。すると、スマートフォン４００のディスプレイ４０６に検査画面が表示される。作業者は、検査画面において、検査対象の素材の人工知能を選択する（ステップＳ１２）。次に、検査対象の検査場所にハンマーで打つ（ステップＳ１４）。次に、このときに生ずる打音は、マイク４０４で電気信号に変換され、打音測定部４１２に打音データ１４０として計測される。（ステップＳ１６）。この打音データ１４０は、打音データ送信部４１４によって、打音検査ＡＩ１００に送信される。

【0027】

打音検査ＡＩ１００では、前記素材に対応して選択された人工知能２００又は３００において、正解データ２４０，３４０と比較され（ステップＳ１８）、劣化の程度が判定されて（ステップＳ２０）、スマートフォン４００に送信される（ステップＳ２２）。スマートフォン４００では、受信した判定結果が、判定結果受信表示部４１６で受信されてディスプレイ４０６に表示される（ステップＳ２４）。

【0028】

更に、本実施例では、打音検査ＡＩ１００で検査場所，問題個所のマッピングが行われ（ステップＳ２６）、これがスマートフォン４００に送信されて表示される（ステップＳ２８）。図６には、このようなマッピングが行われた検査マップＭＰの一例が示されており、地図上に複数の検査対象１１０の位置が示されている。また、各検査対象１１０の判定結果が、文字，図形，着色などにより適宜の方法で示される。図示の例では、検査対象１１０Ａ～１１０Ｃが「安心」と判定されており、検査対象１１０Ｄが「注意」、検査対象１１０Ｅが「危険」と判定されている。

【0029】

次に、図７を参照して、打音検査時のスマートフォン４００のディスプレイ４０６の表示例を説明する。まず、作業者は、同図(A)に示すように、スマートフォン４００で打音検査アプリ４１０を立ち上げて検査対象の配管Ｗにかざすとともに、打音用のハンマー５００を持つ（ステップＳ４０）。すると、スマートフォン４００のカメラ４０２で配管Ｗが撮影されてディスプレイ４０６に表示されるとともに、更に測定ボタンＳＷ，打音ボタンＤＰがそれぞれ表示される。次に、作業者が測定ボタンＳＷをタッチすると（ステップＳ４２）、測定ボタンＳＷのアイコンが変化し、測定可能状態であることを知ることができる。

【0030】

次に、作業者は、同図(B-1)に示すように、ディスプレイ４０６上に表示されている打音ボタンＤＰに相当する配管Ｗの位置を、ハンマー５００で１０回以上テンポよく叩く（ステップＳ４４）。すると、打音データ１４０がスマートフォン４００のマイク４０４で電気信号に変換され、打音検査アプリ４１０に取り込まれる。打音検査アプリ４１０では、取り込まれた打音データ１４０が十分かどうかを評価し、その程度に応じて、同図(B-2)に示すように打音ボタンＤＰのアイコンを変化させる。十分な打音データ１４０が得られたと判断されたら、打音ボタンＤＰのアイコンを濃い二重丸とし、これを見た作業者は打音を完了する（ステップＳ４６）。

【0031】

次に、作業者が、ディスプレイ４０６の測定ボタンＳＷをタッチすると、打音検査アプリ４１０は、打音データ１４０を打音検査ＡＩ１００に送信するとともに、同図(C)に示すように、打音ボタンＤＰのアイコンを回転させて、判定中であることを作業者に知らせる。そして、打音検査ＡＩ１００による配管Ｗの良否判定の結果を受信すると(ステップＳ４８)、同図(D-1)に示すように、打音ボタンＤＰのアイコンに判定結果が表示される（ステップＳ５０）。判定表示は、色やアイコン形状など、適宜としてよいが、例えば、同図(D-2)に示すように、
ａ，「安心」：配管Ｗの厚さが３ｍｍ以上あるような場合，
ｂ，「注意」：配管Ｗの厚さが２～３ｍｍの場合，
ｃ，「危険」：配管Ｗの厚さが０．５～１．９ｍｍの場合，
のように表示される。

【0032】

加えて、上記判定で「危険」と判定されて配管Ｗを交換したときに、交換前の配管Ｗをチェックし、「注意」と判定すべきであったことが判明したときは、当該事例のデータを打音検査ＡＩ１００に学習データ２１０，３１０としてフィードバックする。人工知能２００，３００は、提供された学習データ２１０，３１０から学習部２３０，３３０で学習し、正解データ２４０，３４０を修正する。

【0033】

以上のように、本実施例によれば、劣化の良否判定を行う打音検査ＡＩ１００をクラウド上に用意し、ハンマー５００で検査対象を叩いたときに生ずる打音データ１４０の周波数スペクトラムから、検査対象の劣化の程度を判定することとしたので、ネットワーク環境さえあれば、スマートフォン４００を検査現場に用意だけで打音検査を行うことができ、検査現場への検査機器の運搬や設置の手間を省くとともに、作業者の経験や勘に頼ることなく、客観的な検査結果を得ることができる。

【0034】

なお、本発明は、上述した実施例に限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変更を加え得ることができる。例えば、以下のものも含まれる。
(1)前記実施例では、検査対象の良否判定に、人工知能を用いたが、例えば、図２に示した周波数スペクトラムと判定結果との関係が変動しないときは、学習を行って正解データを修正する必要がないので、単に周波数スペクトラムの波形を比較すればよい。
(2)また、周波数スペクトラムの良否判定には、ピークが出現する周波数の値のみならず、ピークの数や大きさ、広がりを考慮してもよいし、周波数スペクトラムの微分のグラフなどを用いるなど、良否判定に好適なものを用いてよい。
(3)前記実施例に示した人工知能やスマートフォンの構成は一例であり、同様の機能を奏するように適宜変更してよい。スマートフォンの表示についても同様である。また、スマートフォンの代わりに、タブレットやノートパソコンなどの情報端末を用いてよい。
(4)前記実施例では、素材が鉄及びステンレスの場合を示したが、他の金属材料，磁器・陶器材料，樹脂材料であってよい。
(5)前記実施例では、検査対象の良否判定を「安心」，「注意」，「危険」の３段階としたが、必要に応じて適宜変更してよい。

【産業上の利用可能性】

【0035】

本発明によれば、検査対象の良否判定を行う判定手段をクラウド上に用意し、検査現場で得た検査対象の打音データを情報端末で前記判定手段にネットワークを通じて送信し、判定結果を情報端末で表示することとしたので、検査現場への検査機器の運搬や設置の手間を省くとともに、作業者の経験や勘に頼ることなく、客観的な検査結果を得ることができるといった効果があり、発電所，製鉄所など、各種の事業所や工場における配管検査などに好適である。

【符号の説明】

【0036】

１００：打音検査ＡＩ
１１０：検査対象
１２０：素材種別データ
１３０：素材厚さ・形状データ
１４０：打音データ
１４２：周波数スペクトラム
１４４：残留音データ
１５０：劣化の経験値データ
１６０：耐用年数，修理・交換時期データ
２００，３００：人工知能
２１０，３１０：学習データ
２２０，３２０：参照データ
２３０，３３０：学習部
２４０，３４０：正解データ
２５０，３５０：判定部
４００：スマートフォン
４０２：カメラ
４０４：マイク
４０６：ディスプレイ
４１０：打音検査アプリ
４１２：打音測定部
４１４：打音データ送信部
４１６：判定結果受信表示部
５００：ハンマー
ＤＰ：打音ボタン
ＭＰ：検査マップ
ＰＡ～ＰＥ：ピーク
ＳＷ：測定ボタン
Ｗ：配管

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】