特開 2024-132637 データ拡張方法、プログラム、学習済みモデル、検査方法及びデータ拡張システム

(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】P2024132637

(43)【公開日】2024-10-01

(54)【発明の名称】データ拡張方法、プログラム、学習済みモデル、検査方法及びデータ拡張システム

(51)【国際特許分類】

   G01N 29/44 20060101AFI20240920BHJP

   G01H 17/00 20060101ALI20240920BHJP

   G01M 99/00 20110101ALI20240920BHJP

   G01N 29/24 20060101ALI20240920BHJP

【ＦＩ】

G01N29/44

G01H17/00 Z

G01M99/00 Z

G01N29/24

【審査請求】有

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2023043486

(22)【出願日】2023-03-17

(71)【出願人】

【識別番号】518013497

【氏名又は名称】大阪市高速電気軌道株式会社

(71)【出願人】

【識別番号】591114803

【氏名又は名称】公益財団法人レーザー技術総合研究所

(74)【代理人】

【識別番号】110002527

【氏名又は名称】弁理士法人北斗特許事務所

(72)【発明者】

【氏名】柳川 知道

(72)【発明者】

【氏名】森 貴大

(72)【発明者】

【氏名】井澤 靖和

(72)【発明者】

【氏名】染川 智弘

(72)【発明者】

【氏名】倉橋 慎理

【テーマコード（参考）】

2G024

2G047

2G064

【Ｆターム（参考）】

2G024AD34

2G024CA13

2G024CA21

2G024FA04

2G024FA06

2G024FA15

2G047AA10

2G047BC07

2G047CA04

2G047GD01

2G047GF11

2G047GG20

2G047GG33

2G047GG36

2G047GG37

2G064AB01

2G064AB02

2G064AB21

2G064BA02

2G064BD02

2G064CC41

2G064DD02

(57)【要約】

【課題】本開示は、コンクリートの欠陥の有無を判定する学習済みモデルを生成するために用いられる複数の学習用データを、データ拡張により生成することを目的とする。
【解決手段】データ拡張方法は、取得ステップと、生成ステップと、を有する。取得ステップでは、複数の実測データを取得する。生成ステップでは、データ拡張処理を行う。データ拡張処理は、複数の要素のうち少なくとも１つの要素に関する情報と、複数の実測データと、に基づいて複数の拡張データを生成する処理である。
【選択図】図１

【特許請求の範囲】

【請求項1】

レーザ検出装置から出力される複数の検出信号に基づく複数の実測データを用いて、複数の拡張データを生成するデータ拡張方法であって、
前記レーザ検出装置は、
コンクリートの表面を振動させるための第１レーザ光を出射するパルスレーザと、
前記コンクリートの前記表面の振動を検出するための第２レーザ光を出射する振動検出用レーザと、
前記コンクリートの前記表面で反射された前記第２レーザ光を検出し、前記検出信号に変換する光検出器と、を備え、
前記データ拡張方法は、
前記複数の実測データを取得する取得ステップと、
前記複数の拡張データを生成する生成ステップと、を有し、
前記生成ステップでは、
前記コンクリートの内部における音速のばらつきに関する情報、前記パルスレーザから照射される前記第１レーザ光の強度のばらつきに関する情報、前記振動検出用レーザから照射される前記第２レーザ光の強度のばらつきに関する情報、前記光検出器の感度のばらつきに関する情報、前記レーザ検出装置で生じるノイズのばらつきに関する情報、及び、前記レーザ検出装置と前記コンクリートとの間の距離に関する情報、のうち少なくとも１つと、前記複数の実測データと、に基づいて前記複数の拡張データを生成する、データ拡張処理を行う、
データ拡張方法。

【請求項2】

前記複数の実測データの各々から上限周波数以下の成分を抽出する抽出ステップを更に有し、
前記データ拡張処理では、前記複数の実測データの各々の前記上限周波数以下の成分に基づいて前記複数の拡張データを生成する、
請求項１に記載のデータ拡張方法。

【請求項3】

前記上限周波数は、４０ｋＨｚ以上６０ｋＨｚ以下である、
請求項２に記載のデータ拡張方法。

【請求項4】

前記データ拡張処理で生成された前記複数の拡張データを、訓練データ群と、検証データ群と、テストデータ群と、に分割する、データ分割ステップを更に有し、
前記データ分割ステップは、第１データ分割ステップと、第２データ分割ステップと、を含み、
前記第１データ分割ステップでは、１つの実測データに基づいて生成された３以上の拡張データから、前記訓練データ群に属する拡張データと、前記検証データ群に属する拡張データと、前記テストデータ群に属する拡張データと、を選択し、
前記第２データ分割ステップでは、
前記複数の実測データのうち第１実測データに基づいて生成された拡張データを、前記訓練データ群に属させ、
前記複数の実測データのうち第２実測データに基づいて生成された拡張データを、前記検証データ群に属させ、
前記複数の実測データのうち第３実測データに基づいて生成された拡張データを、前記テストデータ群に属させる、
請求項１に記載のデータ拡張方法。

【請求項5】

請求項１～４のいずれか一項に記載のデータ拡張方法を、コンピュータシステムの１以上のプロセッサに実行させるための、
プログラム。

【請求項6】

請求項１～４のいずれか一項に記載のデータ拡張方法により生成された前記複数の拡張データを、学習用データとして用いて、機械学習により生成され、
前記検出信号に相当する入力データに基づいて、前記コンクリートの欠陥の有無に関する検査結果を出力する、
学習済みモデル。

【請求項7】

請求項６に記載の学習済みモデルに、前記検出信号に相当する入力データを入力し、前記コンクリートの欠陥の有無に関する前記検査結果を得る推論ステップを有する、
検査方法。

【請求項8】

レーザ検出装置から出力される複数の検出信号に基づく複数の実測データを用いて、複数の拡張データを生成するデータ拡張システムであって、
前記レーザ検出装置は、
コンクリートの表面を振動させるための第１レーザ光を出射するパルスレーザと、
前記コンクリートの前記表面の振動を検出するための第２レーザ光を出射する振動検出用レーザと、
前記コンクリートの前記表面で反射された前記第２レーザ光を検出し、前記検出信号に変換する光検出器と、を備え、
前記データ拡張システムは、
前記複数の実測データを取得する取得部と、
前記複数の拡張データを生成する生成部と、を備え、
前記生成部は、
前記コンクリートの内部における音速のばらつきに関する情報、前記パルスレーザから照射される前記第１レーザ光の強度のばらつきに関する情報、前記振動検出用レーザから照射される前記第２レーザ光の強度のばらつきに関する情報、前記光検出器の感度のばらつきに関する情報、前記レーザ検出装置で生じるノイズのばらつきに関する情報、及び、前記レーザ検出装置と前記コンクリートとの間の距離に関する情報、のうち少なくとも１つと、前記複数の実測データと、に基づいて前記複数の拡張データを生成する、データ拡張処理を行う、
データ拡張システム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は一般にデータ拡張方法、プログラム、学習済みモデル、検査方法及びデータ拡張システムに関する。本開示は、より詳細には、学習用データとしての拡張データを生成するデータ拡張方法、プログラム及びデータ拡張システムに関する。また、本開示は、上記拡張データを用いて生成される学習済みモデル、及び、この学習済みモデルを用いた検査方法に関する。

【背景技術】

【0002】

特許文献１に記載の検査システムは、検査対象物に対して非接触で検査を行う。検査システムは、第１計測手段と、第１取得手段と、第１生成手段と、を備える。第１計測手段は、第１レーザを用いて検査対象物に発生した第１振動を計測し、第１振動データを生成する。第１取得手段は、第１振動データに基づく第１データを含む第１検査対象情報を取得する。第１生成手段は、第１参照データベースを参照し、第１検査対象情報に対する第１検査データを生成する。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２１－１１３７１５号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１における第１検査データのような情報を学習用データとして用いて、検査対象物の欠陥の有無を判定するための学習済みモデルを生成するためには、欠陥に対応する学習用データを含んだ多数の学習用データを用意する必要がある。しかしながら、検査対象物に欠陥が発生する頻度が少ない場合等には、学習用データの個数が不足しがちである。

【0005】

そこで、既存の学習用データに基づいて新たに拡張データを生成する、いわゆるデータ拡張により、学習用データの個数を増やす技術が存在する。しかしながら、技術分野によっては、既知のデータ拡張が必ずしも有効ではない。具体的には、コンクリートの欠陥の有無の判定の分野においては、既知のデータ拡張が必ずしも有効ではない。

【0006】

本開示は、コンクリートの欠陥の有無を判定する学習済みモデルを生成するために用いられる複数の拡張データを、データ拡張により生成することができるデータ拡張方法、プログラム及びデータ拡張システム、並びに、複数の拡張データを用いて生成される学習済みモデル、及び、この学習済みモデルを用いた検査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】

本開示の一態様に係るデータ拡張方法では、複数の実測データを用いて、複数の拡張データを生成する。前記複数の実測データは、レーザ検出装置から出力される複数の検出信号に基づくデ―タである。前記レーザ検出装置は、パルスレーザと、振動検出用レーザと、光検出器と、を備える。前記パルスレーザは、コンクリートの表面を振動させるための第１レーザ光を出射する。前記振動検出用レーザは、前記コンクリートの前記表面の振動を検出するための第２レーザ光を出射する。前記光検出器は、前記コンクリートの前記表面で反射された前記第２レーザ光を検出し、前記検出信号に変換する。前記データ拡張方法は、取得ステップと、生成ステップと、を有する。前記取得ステップでは、前記複数の実測データを取得する。前記生成ステップでは、前記複数の拡張データを生成する。前記生成ステップでは、データ拡張処理を行う。前記データ拡張処理は、前記コンクリートの内部における音速のばらつきに関する情報、前記パルスレーザから照射される前記第１レーザ光の強度のばらつきに関する情報、前記振動検出用レーザから照射される前記第２レーザ光の強度のばらつきに関する情報、前記光検出器の感度のばらつきに関する情報、前記レーザ検出装置で生じるノイズのばらつきに関する情報、及び、前記レーザ検出装置と前記コンクリートとの間の距離に関する情報、のうち少なくとも１つと、前記複数の実測データと、に基づいて前記複数の拡張データを生成する処理である。

【0008】

本開示の一態様に係るプログラムは、前記データ拡張方法を、コンピュータシステムの１以上のプロセッサに実行させるためのプログラムである。

【0009】

本開示の一態様に係る学習済みモデルは、前記データ拡張方法により生成された前記複数の拡張データを、学習用データとして用いて、機械学習により生成される。前記学習済みモデルは、前記検出信号に相当する入力データに基づいて、前記コンクリートの欠陥の有無に関する検査結果を出力する。

【0010】

本開示の一態様に係る検査方法は、推論ステップを有する。推論ステップでは、学習済みモデルに、前記検出信号に相当する入力データを入力し、前記コンクリートの欠陥の有無に関する前記検査結果を得る。

【0011】

本開示の一態様に係るデータ拡張システムは、複数の実測データを用いて、複数の拡張データを生成する。前記複数の実測データは、レーザ検出装置から出力される複数の検出信号に基づくデ―タである。前記レーザ検出装置は、パルスレーザと、振動検出用レーザと、光検出器と、を備える。前記パルスレーザは、コンクリートの表面を振動させるための第１レーザ光を出射する。前記振動検出用レーザは、前記コンクリートの前記表面の振動を検出するための第２レーザ光を出射する。前記光検出器は、前記コンクリートの前記表面で反射された前記第２レーザ光を検出し、前記検出信号に変換する。前記データ拡張システムは、取得部と、生成部と、を備える。前記取得部は、前記複数の実測データを取得する。前記生成部は、前記複数の拡張データを生成する。前記生成部は、データ拡張処理を行う。前記データ拡張処理は、前記コンクリートの内部における音速のばらつきに関する情報、前記パルスレーザから照射される前記第１レーザ光の強度のばらつきに関する情報、前記振動検出用レーザから照射される前記第２レーザ光の強度のばらつきに関する情報、前記光検出器の感度のばらつきに関する情報、前記レーザ検出装置で生じるノイズのばらつきに関する情報、及び、前記レーザ検出装置と前記コンクリートとの間の距離に関する情報、のうち少なくとも１つと、前記複数の実測データと、に基づいて前記複数の拡張データを生成する処理である。

【発明の効果】

【0012】

本開示は、コンクリートの欠陥の有無を判定する学習済みモデルを生成するために用いられる複数の拡張データを、データ拡張により生成することができるという利点がある。

【図面の簡単な説明】

【0013】

【図1】図１は、一実施形態に係るデータ拡張システム及びデータ拡張システムに関連する構成のブロック図である。

【図2】図２は、同上のデータ拡張システムを用いたデータ拡張方法を表すフローチャートである。

【図3】図３Ａ、図３Ｂは、同上のデータ拡張システムに入力される検出信号の波形図である。

【図4】図４Ａ、図４Ｂは、同上のデータ拡張システムにおいて求められる実測データを表す図である。

【図5】図５Ａ～図５Ｆは、同上のデータ拡張システムにおいて求められる拡張データを表す図である。

【図6】図６Ａ～図６Ｆは、同上のデータ拡張システムにおいて求められる拡張データを表す図である。

【図7】図７Ａ～図７Ｈは、同上のデータ拡張システムにおいて求められる複数の実測データの分布図である。

【図8】図８Ａ～図８Ｈは、同上のデータ拡張システムにおいて求められる複数の実測データの分布図である。

【図9】図９Ａ～図９Ｄは、同上のデータ拡張システムにおいて求められる複数の実測データの分布図である。

【発明を実施するための形態】

【0014】

（実施形態）
以下、実施形態に係るデータ拡張方法、プログラム、学習済みモデル４、検査方法及びデータ拡張システム１について、図面を用いて説明する。ただし、下記の実施形態は、本開示の様々な実施形態の１つに過ぎない。下記の実施形態は、本開示の目的を達成できれば、設計等に応じて種々の変更が可能である。また、下記の実施形態において説明する各図は、模式的な図であり、図中の各構成要素の大きさ及び厚さそれぞれの比が必ずしも実際の寸法比を反映しているとは限らない。

【0015】

（概要）
図１に、本実施形態のデータ拡張システム１の構成を示す。データ拡張システム１は、レーザ検出装置２及び学習器３と共に使用される。

【0016】

レーザ検出装置２は、第２レーザ光Ｌ２を出射し、コンクリートＣ１で反射された第２レーザ光Ｌ２を検出して、検出結果を示す検出信号Ｄ１を出力する。検出信号Ｄ１は、より詳細には、レーザ検出装置２の光検出器２３から出力される波形信号である。データ拡張システム１は、検出信号Ｄ１に基づいて実測データを生成する。実測データは、例えば、検出信号Ｄ１を時間周波数解析して生成されるデータである。データ拡張システム１は、実測データに基づいて拡張データを生成する。さらに、データ拡張システム１は、複数の実測データと複数の拡張データとを含む複数の学習用データＴ１を、学習器３へ出力する。学習器３は、複数の学習用データＴ１を用いて機械学習を行い、学習済みモデル４を生成する。学習済みモデル４は、光検出器２３から出力される出力信号Ｄ２に基づくデータを入力として、コンクリートＣ１の欠陥の有無の判定結果を出力する。

【0017】

ここで言う、学習済みモデル４に入力されるデータのもととなる出力信号Ｄ２は、学習用データＴ１の生成のために検出される検出信号Ｄ１とは別に、コンクリートＣ１の欠陥の有無の判定用に新たに検出される信号である。ただし、出力信号Ｄ２は、学習用データＴ１の生成のために検出される検出信号Ｄ１と同様にして検出される。

【0018】

データ拡張システム１は、ボックスカルバート用コンクリート、又は、無筋コンクリートについての検出信号Ｄ１の処理に特に適している。コンクリートＣ１は、例えば、トンネルの内壁、橋梁又は建物を構成する。コンクリートＣ１の欠陥とは、例えば、コンクリートＣ１の内部に存在する、空洞又はひび割れ等である。

【0019】

ここでいう学習済みモデル４は、例えば機械学習を用いたモデルを含み得る。学習済みモデル４は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）又はＦＰＧＡ（Field-Programmable Gate Array）等の集積回路に、学習済みのモデルを実装することで実現される。

【0020】

本実施形態のデータ拡張システム１は、複数の実測データを用いて（複数の実測データに基づいて）、複数の拡張データを生成する。複数の実測データは、レーザ検出装置２から出力される複数の検出信号Ｄ１に基づくデ―タである。レーザ検出装置２は、パルスレーザ２１と、振動検出用レーザ２２と、光検出器２３と、を備える。パルスレーザ２１は、コンクリートＣ１の表面を振動させるための第１レーザ光Ｌ１を出射する。振動検出用レーザ２２は、コンクリートＣ１の表面の振動を検出するための第２レーザ光Ｌ２を出射する。光検出器２３は、コンクリートＣ１の表面で反射された第２レーザ光Ｌ２を検出し、検出信号Ｄ１に変換する。データ拡張システム１は、取得部１３２と、生成部１３３と、を備える。取得部１３２は、複数の実測データを取得する。生成部１３３は、複数の拡張データを生成する。生成部１３３は、データ拡張処理を行う。データ拡張処理は、コンクリートＣ１の内部における音速のばらつきに関する情報、パルスレーザ２１から照射される第１レーザ光Ｌ１の強度のばらつきに関する情報、振動検出用レーザ２２から照射される第２レーザ光Ｌ２の強度のばらつきに関する情報、光検出器２３の感度のばらつきに関する情報、レーザ検出装置２で生じるノイズのばらつきに関する情報、及び、レーザ検出装置２とコンクリートＣ１との間の距離に関する情報、のうち少なくとも１つと、複数の実測データと、に基づいて複数の拡張データを生成する処理である。

【0021】

本実施形態によれば、データ拡張システム１は、複数の拡張データを生成することができる。そして、複数の拡張データを含む複数の学習用データＴ１に基づいて、学習器３が機械学習を行うことで、コンクリートＣ１の欠陥の有無の判定に適した学習済みモデル４を生成することができる。

【0022】

また、データ拡張システム１と同様の機能は、データ拡張方法にて具現化可能である。本実施形態のデータ拡張方法では、複数の実測データを用いて（複数の実測データに基づいて）、複数の拡張データを生成する。複数の実測データは、レーザ検出装置２から出力される複数の検出信号Ｄ１に基づくデ―タである。レーザ検出装置２は、パルスレーザ２１と、振動検出用レーザ２２と、光検出器２３と、を備える。パルスレーザ２１は、コンクリートＣ１の表面を振動させるための第１レーザ光Ｌ１を出射する。振動検出用レーザ２２は、コンクリートＣ１の表面の振動を検出するための第２レーザ光Ｌ２を出射する。光検出器２３は、コンクリートＣ１の表面で反射された第２レーザ光Ｌ２を検出し、検出信号Ｄ１に変換する。データ拡張方法は、取得ステップと、生成ステップと、を有する。取得ステップでは、複数の実測データを取得する。生成ステップでは、複数の拡張データを生成する。生成ステップでは、データ拡張処理を行う。データ拡張処理は、コンクリートＣ１の内部における音速のばらつきに関する情報、パルスレーザ２１から照射される第１レーザ光Ｌ１の強度のばらつきに関する情報、振動検出用レーザ２２から照射される第２レーザ光Ｌ２の強度のばらつきに関する情報、光検出器２３の感度のばらつきに関する情報、レーザ検出装置２で生じるノイズのばらつきに関する情報、及び、レーザ検出装置２とコンクリートＣ１との間の距離に関する情報、のうち少なくとも１つと、複数の実測データと、に基づいて複数の拡張データを生成する処理である。

【0023】

また、データ拡張方法は、プログラムにて具現化可能である。本実施形態のプログラムは、データ拡張方法を、コンピュータシステムの１以上のプロセッサに実行させるためのプログラムである。プログラムは、コンピュータシステムで読み取り可能な非一時的記録媒体に記録されていてもよい。

【0024】

また、データ拡張方法の一部の処理が、人により実行されてもよい。例えば、実測データを構成するパラメータに変更を加えて拡張データを生成する処理において、一部のパラメータの変化量を人が決定してもよい。本実施形態では、特に断りを入れる場合を除いて、データ拡張方法の全ての処理が、コンピュータシステムを主構成とするデータ拡張システム１により実行されるとして説明する。

【0025】

本実施形態の学習済みモデル４は、データ拡張方法により生成された複数の拡張データを、学習用データＴ１として用いて、機械学習により生成される。学習済みモデル４は、検出信号Ｄ１に相当する入力データ（出力信号Ｄ２に基づくデータ）に基づいて、コンクリートＣ１の欠陥の有無に関する検査結果を出力する。

【0026】

本実施形態の検査方法は、推論ステップを有する。推論ステップでは、学習済みモデル４に、検出信号Ｄ１に相当する入力データ（出力信号Ｄ２に基づくデータ）を入力し、コンクリートＣ１の欠陥の有無に関する検査結果を得る。

【0027】

図２に、本実施形態のデータ拡張方法と、データ拡張方法により生成された複数の拡張データを含む複数の学習用データＴ１を用いて機械学習を行う処理と、の全体の流れを、概略的に示す。ただし、図２のフローチャートは一例に過ぎず、処理の順序が適宜変更されてもよいし、処理が適宜追加又は省略されてもよい。

【0028】

まず、データ拡張システム１は、レーザ検出装置２から検出信号Ｄ１を取得する（ステップＳＴ１）。次に、データ拡張システム１は、検出信号Ｄ１から上限周波数以下の成分を抽出する（ステップＳＴ２）。これにより、検出信号Ｄ１から、機械学習において有用ではない高周波成分が除去される。さらに、データ拡張システム１は、ステップＳＴ２で高周波成分が除去された検出信号Ｄ１に基づいて実測データを生成する（ステップＳＴ３）。すなわち、データ拡張システム１は、検出信号Ｄ１を機械学習に適した形式の実測データに変換する。

【0029】

次に、データ拡張システム１は、実測データに基づいて拡張データを生成する（ステップＳＴ４）。さらに、データ拡張システム１は、学習用データＴ１（実測データ及び拡張データ）を学習器３へ出力する（ステップＳＴ５）。

【0030】

学習器３に入力された学習用データＴ１の個数が、閾値以下の場合は（ステップＳＴ６：Ｎｏ）、ステップＳＴ１～ＳＴ５が繰り返され、新たな実測データ及び拡張データが生成される。

【0031】

学習器３に入力された学習用データＴ１の個数が、閾値よりも多いと（ステップＳＴ６：Ｙｅｓ）、学習器３は複数の学習用データＴ１に基づいて機械学習を行い、学習済みモデル４を生成する（ステップＳＴ７）。学習器３は、生成した学習済みモデル４を出力する（ステップＳＴ８）。

【0032】

（詳細）
（１）判定システム
以下では、本実施形態の構成について、より詳細に説明する。

【0033】

図１に示すように、判定システム１００は、データ拡張システム１と、レーザ検出装置２と、学習器３と、学習済みモデル４と、を含む。

【0034】

（２）レーザ検出装置
レーザ検出装置２は、例えば、パルスレーザ２１と、振動検出用レーザ２２と、光検出器２３と、光学系２４と、を含む。

【0035】

光学系２４は、例えば、図１に示すように、ミラー群２６と、ハーフミラー２５ａと、反射ミラー２５ｂと、ハーフミラー２５ｃと、ハーフミラー２５ｄと、を含む。また、光学系２４は、レンズを含んでいてもよい。

【0036】

ミラー群２６は、ミラー２６ｂ、２６ａ、２６ｃを備える。ミラー２６ａは、ダイクロイックミラーである。ミラー群２６は、第１レーザ光Ｌ１及び第２レーザ光Ｌ２の照射位置を調整するための構成である。

【0037】

パルスレーザ２１は、第１レーザ光Ｌ１を出射する。第１レーザ光Ｌ１は、例えば、検査対象物としてのコンクリートＣ１の表面を振動させるための衝撃波励起用レーザ光である。第１レーザ光Ｌ１は、パルスレーザ光である。パルスレーザ２１としては、例えば、パルス幅１０ｎｓのパルスレーザ光を出力するＮｄ：ＹＡＧレーザ（基本波）を採用できるが、これに限らない。

【0038】

振動検出用レーザ２２は、第２レーザ光Ｌ２を出射する。第２レーザ光Ｌ２は、検査対象物としてのコンクリートＣ１の表面の振動を検出するために用いられる。レーザ検出装置２では、第２レーザ光Ｌ２のコンクリートＣ１での反射光をプローブ光Ｌ２１として用いる。振動検出用レーザ２２は、例えば、ＣＷレーザを含む。振動検出用レーザ２２としては、例えば、波長５３２ｎｍのレーザ光を連続出力するＮｄ：ＹＡＧレーザ（２倍高調波）を採用できるが、これに限らない。

【0039】

光学系２４は、第１光路と、第２光路と、第３光路と、第４光路とが形成されるように構成されている。第１光路は、パルスレーザ２１から出射された第１レーザ光Ｌ１をコンクリートＣ１の表面へ導く光路である。第２光路は、振動検出用レーザ２２から出射された第２レーザ光Ｌ２をコンクリートＣ１の表面へ導く光路である。第３光路は、コンクリートＣ１の表面に照射された第２レーザ光Ｌ２の反射光であるプローブ光Ｌ２１を光検出器２３へ導く光路である。第４光路は、振動検出用レーザ２２から出射された第２レーザ光Ｌ２の一部を参照光Ｌ２２として光検出器２３へ導く光路である。

【0040】

第１光路は、ミラー２６ａと、ミラー２６ｂと、によって形成される。

【0041】

第２光路は、ミラー２６ｃと、ミラー２６ｂと、によって形成される。

【0042】

第３光路は、ミラー２６ｂと、ミラー２６ｃと、ハーフミラー２５ａと、反射ミラー２５ｂと、によって形成される。

【0043】

第４光路は、ハーフミラー２５ｃと、ハーフミラー２５ｄと、によって形成される。

【0044】

図１では、第１レーザ光Ｌ１を実線で模式的に示し、第２レーザ光Ｌ２、プローブ光Ｌ２１及び参照光Ｌ２２を一点鎖線で模式的に示してある。

【0045】

パルスレーザ２１から出射された第１レーザ光Ｌ１は、ミラー２６ａ及びミラー２６ｂで反射されてコンクリートＣ１の表面に照射される。

【0046】

振動検出用レーザ２２から出射された第２レーザ光Ｌ２は、ハーフミラー２５ｃ及びハーフミラー２５ａを通過してミラー２６ｃで反射され、ミラー２６ａを通過した後、ミラー２６ｂで反射されてコンクリートＣ１の表面に照射される。

【0047】

コンクリートＣ１の表面に照射された第２レーザ光Ｌ２の反射光であるプローブ光Ｌ２１は、ミラー２６ｂで反射され、ミラー２６ａを通過した後、ミラー２６ｃにより、ハーフミラー２５ａへ向けて反射される。その後、プローブ光Ｌ２１は、ハーフミラー２５ａ及び反射ミラー２５ｂで反射され、ハーフミラー２５ｄを通過して、光検出器２３に照射される。

【0048】

振動検出用レーザ２２から出射された第２レーザ光Ｌ２の一部は、ハーフミラー２５ｃ、２５ｄで反射され、参照光Ｌ２２として光検出器２３に照射される。

【0049】

光検出器２３は、第２レーザ光Ｌ２により形成されるプローブ光Ｌ２１及び参照光Ｌ２２を検出する。より詳細には、光検出器２３は、プローブ光Ｌ２１と参照光Ｌ２２との干渉縞を検出する。光検出器２３は、干渉縞の検出強度の時間変化を表す波形を、検出信号Ｄ１として出力する。

【0050】

図３Ａは、欠陥が存在するコンクリートＣ１に第１レーザ光Ｌ１及び第２レーザ光Ｌ２を照射したときに得られる検出信号Ｄ１の一例である。図３Ｂは、欠陥が存在しないコンクリートＣ１に第１レーザ光Ｌ１及び第２レーザ光Ｌ２を照射したときに得られる検出信号Ｄ１の一例である。

【0051】

図３Ａ、図３Ｂではそれぞれ、全ての周波数の成分（強度）を１枚の図に表している。欠陥が存在する場合には、欠陥が存在しない場合と比較して、特定の周波数において検出信号Ｄ１の強度が大きくなる。なお、周波数ごとの成分は、後述する図４Ａ、図４Ｂに表されている。

【0052】

（３）データ拡張システム
（３．１）構成
図１に示すように、データ拡張システム１は、通信部１１と、記憶部１２と、処理部１３と、を備える。

【0053】

通信部１１は、通信インタフェース装置を含んでいる。データ拡張システム１は、通信インタフェース装置を介して、レーザ検出装置２及び学習器３と通信可能である。本開示でいう「通信可能」とは、有線通信又は無線通信の適宜の通信方式により、直接的、又はネットワーク若しくは中継器等を介して間接的に、信号を授受できることを意味する。

【0054】

記憶部１２は、ハードディスクドライブ（ＨＤＤ）又はソリッドステートドライブ（ＳＳＤ）等によって構成される記憶装置である。記憶部１２は、情報を記憶する。記憶部１２は、例えば、検出信号Ｄ１、及び、複数の学習用データＴ１を記憶する。また、記憶部１２は、例えば、処理部１３で実行される（コンピュータ）プログラムを記憶する。

【0055】

処理部１３は、１以上のプロセッサ及びメモリを有するコンピュータシステムを含んでいる。コンピュータシステムのメモリに記録されたプログラムを、コンピュータシステムのプロセッサが実行することにより、処理部１３の少なくとも一部の機能が実現される。プログラムは、メモリに記録されていてもよいし、インターネット等の電気通信回線を通して提供されてもよく、メモリカード等の非一時的記録媒体に記録されて提供されてもよい。

【0056】

処理部１３は、信号処理部１３１と、取得部１３２と、生成部１３３と、データ分割部１３４と、を有する。なお、これらは、処理部１３によって実現される機能を示しているに過ぎず、必ずしも実体のある構成を示しているわけではない。

【0057】

信号処理部１３１は、検出信号Ｄ１から上限周波数以下の成分を抽出し、上限周波数よりも大きい成分を破棄する。上限周波数の決定方法については、後述する。

【0058】

信号処理部１３１は、検出信号Ｄ１（更に詳細には、検出信号Ｄ１のうち上限周波数以下の成分）に基づいて実測データを生成する。より詳細には、信号処理部１３１は、１つの検出信号Ｄ１から、１つの実測データを生成する。例えば、信号処理部１３１は、検出信号Ｄ１に対して時間周波数解析を行うことで、実測データを生成する。

【0059】

図３Ａの検出信号Ｄ１に対して時間周波数解析を行うことで、図４Ａに示す実測データが得られる。また、図３Ｂの検出信号Ｄ１に対して時間周波数解析を行うことで、図４Ｂに示す実測データが得られる。図４Ａ、図４Ｂにおいて、色が白に近い点ほど、強度が大きい。また、図４Ａ、図４Ｂでは、コンクリートＣ１の欠陥の有無に対応した出力が得られている期間のデータを、長方形の白枠で囲んでいる。白枠の外の期間、すなわち、０秒から約０．０１秒までの期間は、第２レーザ光Ｌ２の反射光が検出されていない無音期間である。

【0060】

取得部１３２は、実測データを信号処理部１３１から取得し、生成部１３３に提供する。

【0061】

生成部１３３は、実測データに基づいて、拡張データを生成する。より詳細には、生成部１３３は、１つの実測データから、１以上の拡張データを生成する。本実施形態では、生成部１３３が１つの実測データから２以上の拡張データを生成するとして説明する。

【0062】

データ分割部１３４は、データ拡張処理で生成された複数の拡張データを、訓練データ群と、検証データ群と、テストデータ群と、に分割する。詳しくは、後述する。

【0063】

（３．２）データ拡張処理
検出信号Ｄ１の波形を決定付ける要素として、複数の要素が存在する。複数の要素のうち一の要素は、例えば、第１レーザ光Ｌ１の強度である。

【0064】

ある要素が一定量変化したときに、検出信号Ｄ１の波形がどの程度変化するか、ひいては、検出信号Ｄ１に基づく実測データがどの程度変化するかは、実験結果に基づいて経験則的に知る（予測する）ことができる。記憶部１２は、各要素の変化と実測データの変化との対応関係を記憶している。

【0065】

また、各要素が現実的にどの程度変化し得るか（変化幅又はばらつき）は、実験結果に基づいて経験則的に知ることができる。あるいは、各要素の変化幅は、ユーザにより適宜決定されてもよい。記憶部１２は、各要素の変化幅を記憶している。

【0066】

生成部１３３は、複数の要素のうち少なくとも１つの要素の変化を、記憶部１２に記憶された変化幅の範囲内でランダムに決定し、取得部１３２から提供された実測データの変化を、記憶部１２に記憶された上記対応関係に基づいて求める。これにより、少なくとも１つの要素がランダムに変化したときの実測データが求められる。このようにして求められた実測データは、すなわち、生成部１３３により生成された拡張データである。つまり、生成部１３３は、少なくとも１つの要素がランダムに変化したときの実測データを、拡張データとして求める。生成部１３３は、例えば、乱数（疑似乱数）を使用することで、少なくとも１つの要素がランダムに変化した状況を疑似的に作ることができる。

【0067】

次に、図５Ａ～図６Ｆについて説明する。ここで、コンクリートＣ１に第１レーザ光Ｌ１及び第２レーザ光Ｌ２を照射して得た検出信号Ｄ１から、上限周波数以下の成分を抽出し、このような検出信号Ｄ１を複数用意した。さらに、複数の検出信号Ｄ１に基づいて複数の実測データを求め、複数の実測データを、「欠陥実測データ」と「正常実測データ」とに分類した。欠陥実測データは、欠陥が存在するコンクリートＣ１に第１レーザ光Ｌ１及び第２レーザ光Ｌ２を照射したときに得られる検出信号Ｄ１に基づく実測データである。正常実測データは、欠陥が存在しないコンクリートＣ１に第１レーザ光Ｌ１及び第２レーザ光Ｌ２を照射したときに得られる検出信号Ｄ１に基づく実測データである。これらの複数の実測データに基づいて、複数の拡張データを求めた。このようにして求められた拡張データを、図５Ａ～図６Ｆに示す。

【0068】

図５Ａ～図５Ｃはそれぞれ、同一の欠陥実測データ（Ｓ１）に基づいて求められた拡張データである。図５Ｄ～図５Ｆはそれぞれ、同一の欠陥実測データ（Ｓ２）に基づいて求められた拡張データである。欠陥実測データ（Ｓ２）は、欠陥実測データ（Ｓ１）とは別の欠陥実測データである。

【0069】

図６Ａ～図６Ｃはそれぞれ、同一の正常実測データ（Ｓ３）に基づいて求められた拡張データである。図６Ｄ～図６Ｆはそれぞれ、同一の正常実測データ（Ｓ４）に基づいて求められた拡張データである。正常実測データ（Ｓ４）は、正常実測データ（Ｓ３）とは別の正常実測データである。

【0070】

（３．３）複数の要素
検出信号Ｄ１の波形及び実測データを決定付ける複数の要素は、以下の要素を含み得る。生成部１３３は、以下の複数の要素のうち少なくとも１つがランダムに変化したときの実測データを、拡張データとして求める。すなわち、生成部１３３は、以下の複数の要素のうち少なくとも１つに関する情報に基づいて、拡張データを求める。

【0071】

一の要素は、コンクリートＣ１の内部における音速である。コンクリートＣ１における欠陥の有無、並びに、コンクリートＣ１の成分、水分の含有量、及び、温度等の条件によって、コンクリートＣ１の内部における音速が変化する。欠陥が存在すると、コンクリートＣ１の強度が小さくなり、音速も小さくなる。また、欠陥が存在すると、欠陥が存在しない場合と比較して、実測データも変化する。音速の変化幅（ばらつき）は、ある程度決まっており、実験により求められる。また、音速の変化に伴う実測データの変化も、実験により求められる。よって、音速を一の要素として、生成部１３３は、音速が変化したときの実測データを、拡張データとして求めることができる。言い換えると、生成部１３３は、音速のばらつきに関する情報に基づいて拡張データを求めることができる。

【0072】

別の一の要素は、パルスレーザ２１から照射される第１レーザ光Ｌ１の強度である。第１レーザ光Ｌ１の強度が変化すると、実測データも変化する。第１レーザ光Ｌ１の強度の変化幅（ばらつき）は、ある程度決まっており、例えば、２％程度である。また、第１レーザ光Ｌ１の強度の変化に伴う実測データの変化は、実験により求められる。よって、第１レーザ光Ｌ１の強度を一の要素として、生成部１３３は、第１レーザ光Ｌ１の強度が変化したときの実測データを、拡張データとして求めることができる。

【0073】

更に別の一の要素は、振動検出用レーザ２２から照射される第２レーザ光Ｌ２の強度である。振動検出用レーザ２２としては、パルスレーザ２１と比較して高精度のレーザが用いられることが一般的であり、第２レーザ光Ｌ２の強度の変化幅（ばらつき）は、例えば、１％程度である。第１レーザ光Ｌ１の強度を一の要素とする場合と同様に、第２レーザ光Ｌ２の強度を一の要素として、生成部１３３は、第２レーザ光Ｌ２の強度が変化したときの実測データを、拡張データとして求めることができる。

【0074】

更に別の一の要素は、光検出器２３の感度である。光検出器２３の感度が変化すると、実測データも変化する。光検出器２３は、受光素子を含んでおり、受光素子の出力電流には、電流値の平方根に相当する量のノイズが発生する。したがって、光検出器２３の感度の変化幅（ばらつき）は、電流値の平方根に相当する幅である。また、光検出器２３の感度の変化に伴う実測データの変化は、実験により求められる。よって、光検出器２３の感度を一の要素として、生成部１３３は、光検出器２３の感度が変化したときの実測データを、拡張データとして求めることができる。

【0075】

また、一の要素に関する情報としての、光検出器２３の感度のばらつきに関する情報は、周波数ごとの感度のばらつきに関する情報であってもよい。つまり、生成部１３３は、周波数ごとの感度のばらつきに関する情報に基づいて拡張データを求めてもよい。

【0076】

更に別の一の要素は、レーザ検出装置２で生じるノイズである。当該要素は、例えば、第２レーザ光Ｌ２のＳ／Ｎ比で表される。検査環境によって、第２レーザ光Ｌ２のＳ／Ｎ比が変化する。例えば、検査環境がトンネル内である場合はトンネル外である場合と比較して、反射によるノイズが大きくなる。よって、検査環境がトンネル内であるか、トンネル外であるかによって、第２レーザ光Ｌ２のＳ／Ｎ比が変化する。また、例えば、レーザ検出装置２とコンクリートＣ１との間の距離によって、第２レーザ光Ｌ２のＳ／Ｎ比が変化する。また、コンクリートＣ１の含水率、及び、表面の汚れ具合い等によって、コンクリートＣ１の反射率が変化するので、コンクリートＣ１で反射された第２レーザ光Ｌ２のＳ／Ｎ比が変化する。また、第２レーザ光Ｌ２の照射角度によって、コンクリートＣ１で反射された第２レーザ光Ｌ２のＳ／Ｎ比が変化する。Ｓ／Ｎ比の変化幅（ばらつき）は、検査環境等に基づいて決定できる。また、Ｓ／Ｎ比の変化に伴う実測データの変化は、実験により求められる。よって、Ｓ／Ｎ比（ノイズ）を一の要素として、生成部１３３は、Ｓ／Ｎ比（ノイズ）が変化したときの実測データを、拡張データとして求めることができる。

【0077】

更に別の一の要素は、レーザ検出装置２とコンクリートＣ１との間の距離（照射距離）である。なお、この要素に関する情報は、第２レーザ光Ｌ２のＳ／Ｎ比のばらつきに関する情報と重複し得る。照射距離が長いほど、第２レーザ光Ｌ２が減衰するので、実測データも変化する。一般的に、第２レーザ光Ｌ２の強度は、照射距離の－２乗に比例する。また、照射距離が長いほど、第２レーザ光Ｌ２の集光ビーム径は大きくなり、実測データが変化する。集光ビーム径をｗ、集光前のビーム径をＤ、光学系２４（図１参照）が備えるレンズの焦点距離をｆ、ビーム波長をλとすると、ｗ＝ｆλ／Ｄの関係が成り立つ。なお、照射距離は、第２レーザ光Ｌ２の照射角度によって変化する。照射距離の変化幅（ばらつき）は、検査環境等に基づいて決定できる。また、照射距離の変化に伴う実測データの変化は、実験により求められる。よって、照射距離を一の要素として、生成部１３３は、照射距離が変化したときの実測データを、拡張データとして求めることができる。

【0078】

各要素の変化幅（例えば、光検出器２３の感度のばらつき）、及び、要素の変化に伴う実測データの変化に関する情報は、記憶部１２に予め記憶されている。これらの情報は、例えば、データ拡張システム１の通信部１１により取得されてもよいし、データ拡張システム１が備える入力インタフェースに対するユーザの操作により入力されてもよい。

【0079】

（３．４）ラベル
各実測データには、欠陥あり又は欠陥なしのラベルが付されている。ラベルは、例えば、ユーザにより付されてもよい。具体的には、ラベルを示す情報が、データ拡張システム１の通信部１１により取得されてもよいし、データ拡張システム１が備える入力インタフェースに対するユーザの操作により入力されてもよい。

【0080】

また、複数の実測データは、次節「（３．５）上限周波数」で説明するように、分類アルゴリズムにより、欠陥実測データと正常実測データとに分類される。この結果に基づいて、データ拡張システム１は、欠陥実測データに欠陥ありのラベルを付して、正常実測データに欠陥なしのラベルを付してもよい。

【0081】

欠陥ありのラベルが付された実測データに基づいて生成された拡張データには、欠陥ありのラベルが付される。欠陥なしのラベルが付された実測データに基づいて生成された拡張データには、欠陥なしのラベルが付される。

【0082】

（３．５）上限周波数
信号処理部１３１は、検出信号Ｄ１から上限周波数以下の成分を抽出し、上限周波数よりも大きい成分を破棄する。これにより、検出信号Ｄ１に基づいて生成される実測データ、及び、実測データに基づいて生成される拡張データも、上限周波数以下の成分を含み上限周波数よりも大きい成分を含まないデータとなる。このように、信号処理部１３１は、複数の実測データの各々から上限周波数以下の成分を抽出する抽出ステップを実行する。生成部１３３は、データ拡張処理において、複数の実測データの各々の上限周波数以下の成分に基づいて複数の拡張データを生成する。

【0083】

上限周波数を色々に変化させた場合に、複数の検出信号Ｄ１から生成された複数の実測データを分類アルゴリズムにより分類できたか否かを検証した結果を、図７Ａ～図９Ｄに示す。この結果より、上限周波数は、４０ｋＨｚ以上６０ｋＨｚ以下であることが好ましい。すなわち、上限周波数を４０ｋＨｚ以上６０ｋＨｚ以下に設定して、検出信号Ｄ１から上限周波数以下の成分を抽出することにより、学習用データＴ１（実測データ及び拡張データ）は、機械学習に適したデータとなる。

【0084】

以下では、図７Ａ～図９Ｄについて、詳細に説明する。

【0085】

図７Ａ～図９Ｄは、欠陥実測データと正常実測データとを含む多数の実測データを、分類アルゴリズムを使用して分類したときの、多数の実測データの分布を表している。周波数ごとの強度の情報を含んだ多次元の実測データを次元圧縮することで、図７Ａ～図９Ｄでは、実測データを、縦軸で表される特徴量と、横軸で表される特徴量と、からなる２次元データで表している。白色の丸印は欠陥実測データを示し、黒色の丸印は正常実測データを示す。

【0086】

図７Ａ～図７Ｄ、図８Ａ～図８Ｄ、及び図９Ａ～図９Ｂはそれぞれ、分類アルゴリズムとしてＰＣＡ(Principal Components Analysis)（主成分分析）を使用して、教師なし学習により、多数の実測データを分類した結果を表している。図７Ｅ～図７Ｈ、図８Ｅ～図８Ｈ、及び図９Ｃ～図９Ｄはそれぞれ、分類アルゴリズムとしてｔ－ＳＮＥ(t-distributed Stochastic Neighbor Embedding）（ｔ分布型確率的近傍埋め込み法）を使用して、教師なし学習により、多数の実測データを分類した結果を表している。

【0087】

図７Ａ、図７Ｅは、上限周波数を１０ｋＨｚに設定したときの結果である。図７Ｂ、図７Ｆは、上限周波数を２０．１６１ｋＨｚに設定したときの結果である。図７Ｃ、図７Ｇは、上限周波数を２９．７６２ｋＨｚに設定したときの結果である。図７Ｄ、図７Ｈは、上限周波数を４０．３２３ｋＨｚに設定したときの結果である。

【0088】

図８Ａ、図８Ｅは、上限周波数を４４．６４３ｋＨｚに設定したときの結果である。図８Ｂ、図８Ｆは、上限周波数を５０ｋＨｚに設定したときの結果である。図８Ｃ、図８Ｇは、上限周波数を５４．３４８ｋＨｚに設定したときの結果である。図８Ｄ、図８Ｈは、上限周波数を５９．５２４ｋＨｚに設定したときの結果である。

【0089】

図９Ａ、図９Ｃは、上限周波数を６９．４４４ｋＨｚに設定したときの結果である。図９Ｂ、図９Ｄは、上限周波数を７８．１２５ｋＨｚに設定したときの結果である。

【0090】

上限周波数が１０ｋＨｚ、２０．１６１ｋＨｚ、２９．７６２ｋＨｚのときは、欠陥実測データと正常実測データとが十分に分離されていない。上限周波数が４０．３２３ｋＨｚ、４４．６４３ｋＨのときは、欠陥実測データと正常実測データとがやや分離されている。上限周波数が５０ｋＨｚのときは、欠陥実測データと正常実測データとが明確に分離されている。上限周波数が５４．３４８ｋＨｚ、５９．５２４ｋＨｚのときは、欠陥実測データと正常実測データとがやや分離されている。上限周波数が６９．４４４ｋＨｚ、７８．１２５ｋＨｚのときは、欠陥実測データと正常実測データとが十分に分離されていない。

【0091】

このように、上限周波数が概ね４０～６０ｋＨｚのときに欠陥実測データと正常実測データとが比較的よく分離されている。そのため、上限周波数は、４０ｋＨｚ以上６０ｋＨｚ以下であることが好ましい。

【0092】

（３．６）データ分割
データ拡張システム１のデータ分割部１３４は、データ分割ステップを実行する。データ分割ステップは、複数の拡張データを、訓練データ群と、検証データ群と、テストデータ群と、に分割（分類）する処理である。

【0093】

データ分割ステップは、第１データ分割ステップと、第２データ分割ステップと、を含む。第２データ分割ステップは、第１データ分割ステップとは異なる分割（分類）方法によって、複数の拡張データを、訓練データ群と、検証データ群と、テストデータ群と、に分割（分類）する処理である。

【0094】

以下では、訓練データ群に属するデータを訓練データ、検証データ群に属するデータを検証データ、テストデータ群に属するデータをテストデータと呼ぶ。すなわち、第１データ分割ステップ及び第２データ分割ステップの各々では、学習用データＴ１が訓練データ、検証データ、及びテストデータに分類される。これは、機械学習のホールドアウト法における分類である。

【0095】

訓練データは、機械学習におけるいわゆる学習フェーズで使用され、訓練データに基づいて、学習済みモデル４が構築される。その後、検証データに基づいて、学習済みモデル４のハイパーパラメータがチューニングされる。その後、テストデータに基づいて、学習済みモデル４の性能が評価される。

【0096】

１つの拡張データに着目すると、第１データ分割ステップにおける分類と、第２データ分割ステップにおける分類と、が異なる場合がある。例えば、第１データ分割ステップでは訓練データに分類された拡張データが、第２データ分割ステップでは検証データ又はテストデータに分類される場合がある。

【0097】

第１データ分割ステップでは、１つの実測データに基づいて生成された３以上の拡張データから、訓練データ群に属する拡張データ（訓練データ）と、検証データ群に属する拡張データ（検証データ）と、テストデータ群に属する拡張データ（テストデータ）と、を選択する。

【0098】

第２データ分割ステップでは、複数の実測データのうち第１実測データに基づいて生成された拡張データを、訓練データ群に属させる。また、第２データ分割ステップでは、複数の実測データのうち第２実測データに基づいて生成された拡張データを、検証データ群に属させる。さらに、第２データ分割ステップでは、複数の実測データのうち第３実測データに基づいて生成された拡張データを、テストデータ群に属させる。

【0099】

下記の［表１］は、複数の拡張データを第１データ分割ステップにより分割（分類）した例を示している。下記の［表２］は、複数の拡張データを第２データ分割ステップにより分割（分類）した例を示している。

【0100】

【表1】

【0101】

【表2】

【0102】

［表１］、［表２］では、複数の実測データ及び複数の拡張データにそれぞれ番号を振って区別している。同じ番号が振られたデータは、同一のデータである。

【0103】

ラベル”n-d” (no defect)は、同じ行に位置する実測データが正常実測データであること、及び、同じ行に位置する各拡張データが、当該正常実測データに基づいて生成された拡張データであることを意味する。

【0104】

ラベル”d” (defect)は、同じ行に位置する実測データが欠陥実測データであること、及び、同じ行に位置する各拡張データが、当該欠陥実測データに基づいて生成された拡張データであることを意味する。

【0105】

［表１］、［表２］に示すように、訓練データ群、検証データ群及びテストデータ群の各々は、正常実測データに基づいて生成された拡張データと、欠陥実測データに基づいて生成された拡張データと、を含む。

【0106】

［表１］に示す例では、任意の１つの実測データに着目すると、当該実測データに基づいて生成された８つの拡張データのうち、４つの拡張データが、訓練データ群に属し、２つの拡張データが、検証データ群に属し、２つの拡張データが、テストデータ群に属する。また、複数の実測データは、適宜、訓練データ、検証データ及びテストデータに分割される。

【0107】

［表２］に示す例では、複数の実測データは、訓練データ群に属する（対応する）第１実測データ（番号１～４、９～１２）と、検証データ群に属する（対応する）第２実測データ（番号５～６、１３～１４）と、テストデータ群に属する（対応する）第３実測データ（番号７～８、１５～１６）と、に分類される。各実測データに基づいて生成された拡張データは、もととなった実測データと対応する群に分類される（属する）。

【0108】

なお、［表１］、［表２］はあくまで一例であるから、訓練データの個数、検証データの個数、及びテストデータの個数は、特に限定されない。

【0109】

［表２］に示す第２データ分割ステップでは、訓練データと、検証データと、テストデータと、をそれぞれ異なる実測データに基づいて生成している。そのため、［表１］に示す第１データ分割ステップと比較して、実計測で得られる学習用データセット（実測データのみで構成される学習用データセット）により近い学習用データセットが得られると考えられる。

【0110】

データ拡張システム１は、第１データ分割ステップで決定された第１データ分割に関する情報と、第２データ分割ステップで決定された第２データ分割に関する情報と、を学習器３へ出力する。第１データ分割に関する情報、及び、第２データ分割に関する情報は、それぞれ、複数（ｍ個）の実測データ及び複数（ｍ×ｎ個）の拡張データを訓練データと、検証データと、テストデータと、に分割する情報である。

【0111】

以下では、第１データ分割ステップにより訓練データと、検証データと、テストデータと、に分割された複数の実測データ及び複数の拡張データを、第１データ分割が施された学習用データセットと呼ぶ。また、以下では、第２データ分割ステップにより訓練データと、検証データと、テストデータと、に分割された複数の実測データ及び複数の拡張データを、第２データ分割が施された学習用データセットと呼ぶ。

【0112】

学習器３は、第１データ分割が施された学習用データセットに基づいて、学習済みモデル４として第１学習済みモデルを生成する。また、学習器３は、第２データ分割が施された学習用データセットに基づいて、学習済みモデル４として第２学習済みモデルを生成する。欠陥の種類、及びコンクリートＣ１の成分等の条件によって、第１学習済みモデルと第２学習済みモデルとのうち、いずれが判定に適しているかが変わる。ユーザは、第１学習済みモデルと第２学習済みモデルとのうち、より判定に適した学習済みモデルを採用すればよい。

【0113】

また、ユーザは、例えば、第１学習済みモデルと第２学習済みモデルとの少なくともいずれかにおいて所望の精度が得られない場合に、第１学習済みモデルと第２学習済みモデルとのいずれも、欠陥の有無の判定に適していないと判断してもよい。このような場合は、ユーザは、モデルを選定し直して、新たに第１学習済みモデルと第２学習済みモデルとを生成すればよい。

【0114】

学習済みモデル４が第１学習済みモデルである場合、推論フェーズでは、第１学習済みモデルに出力信号Ｄ２に基づくデータを入力することで、計測対象のコンクリートＣ１の欠陥の有無についての第１判定結果が得られる。出力信号Ｄ２に基づくデータは、検出信号Ｄ１に基づいて実測データが生成される過程と同様にして生成される。より詳細には、出力信号Ｄ２に基づくデータは、出力信号Ｄ２に時間周波数解析、及び、上限周波数以下の成分を除去する処理がなされることで生成されるデータである。

【0115】

あるいは、学習済みモデル４が第２学習済みモデルである場合、推論フェーズでは、第２学習済みモデルに出力信号Ｄ２に基づくデータを入力することで、計測対象のコンクリートＣ１の欠陥の有無についての第２判定結果が得られる。あるいは、１つの出力信号Ｄ２に基づいて、第１判定結果と第２判定結果との両方を得てもよい。言い換えると、学習済みモデル４が第１学習済みモデル及び第２学習済みモデルである場合、第１判定結果と第２判定結果との両方が得られる。

【0116】

また、第１学習済みモデルと第２学習済みモデルとが、それぞれ異なる学習手法を利用したモデルであってもよい。例えば、第１学習済みモデルはニューラルネットワークを用いたモデルであって、第２学習済みモデルはニューラルネットワークとは異なるモデルに学習をさせたモデルであってもよい。

【0117】

学習済みモデル４としては、例えば、ニューラルネットワークを用いたモデルが好適である。

【0118】

（実施形態の変形例）
以下、実施形態の変形例を列挙する。以下の変形例は、適宜組み合わせて実現されてもよい。以下では、上述した実施形態の態様を、「基本例」と呼ぶ。

【0119】

学習器３は、教師あり学習により学習済みモデル４を生成してもよいし、教師なし学習により学習済みモデル４を生成してもよい。

【0120】

基本例では、学習器３により生成された学習済みモデル４は、コンクリートＣ１の欠陥の有無の判定結果を出力する。ただし、学習済みモデル４は、コンクリートＣ１の欠陥の有無の判定結果だけではなく、欠陥がある場合に欠陥の種類に関する情報をも出力してもよい。

【0121】

学習済みモデル４は、検出信号Ｄ１に相当する入力データとして、出力信号Ｄ２を入力として、コンクリートＣ１の欠陥の有無の判定結果を出力してもよい。

【0122】

学習器３は、追加の学習（再学習）を行うことで学習済みモデル４を更新してもよい。

【0123】

基本例では、検出信号Ｄ１に基づいて実測データを生成する信号処理部１３１は、データ拡張システム１の構成である。ただし、信号処理部１３１は、データ拡張システム１の外部の構成であってもよい。

【0124】

光検出器２３は、干渉縞を検出する機器に限定されず、例えば、レーザドップラー振動計であってもよい。

【0125】

本開示におけるデータ拡張システム１又はデータ拡張方法の実行主体は、コンピュータシステムを含んでいる。コンピュータシステムは、ハードウェアとしてのプロセッサ及びメモリを主構成とする。コンピュータシステムのメモリに記録されたプログラムをプロセッサが実行することによって、本開示におけるデータ拡張システム１又はデータ拡張方法の実行主体としての機能の少なくとも一部が実現される。プログラムは、コンピュータシステムのメモリに予め記録されてもよく、電気通信回線を通じて提供されてもよく、コンピュータシステムで読み取り可能なメモリカード、光学ディスク、ハードディスクドライブ等の非一時的記録媒体に記録されて提供されてもよい。コンピュータシステムのプロセッサは、半導体集積回路（ＩＣ）又は大規模集積回路（ＬＳＩ）を含む１ないし複数の電子回路で構成される。ここでいうＩＣ又はＬＳＩ等の集積回路は、集積の度合いによって呼び方が異なっており、システムＬＳＩ、ＶＬＳＩ（Very Large Scale Integration）、又はＵＬＳＩ（Ultra Large Scale Integration）と呼ばれる集積回路を含む。さらに、ＬＳＩの製造後にプログラムされる、ＦＰＧＡ（Field-Programmable Gate Array）、又はＬＳＩ内部の接合関係の再構成若しくはＬＳＩ内部の回路区画の再構成が可能な論理デバイスについても、プロセッサとして採用することができる。複数の電子回路は、１つのチップに集約されていてもよいし、複数のチップに分散して設けられていてもよい。複数のチップは、１つの装置に集約されていてもよいし、複数の装置に分散して設けられていてもよい。ここでいうコンピュータシステムは、１以上のプロセッサ及び１以上のメモリを有するマイクロコントローラを含む。したがって、マイクロコントローラについても、半導体集積回路又は大規模集積回路を含む１ないし複数の電子回路で構成される。

【0126】

また、データ拡張システム１における複数の機能が、１つの装置に集約されていることはデータ拡張システム１に必須の構成ではなく、データ拡張システム１の複数の構成要素は、複数の装置に分散して設けられていてもよい。さらに、データ拡張システム１の少なくとも一部の機能、例えば、データ分割部１３４の機能がサーバ又はクラウド（クラウドコンピューティング）等によって実現されてもよい。

【0127】

反対に、実施形態において、複数の装置に分散されている複数の機能が、１つの装置に集約されていてもよい。例えば、データ拡張システム１と学習器３とに分散されている複数の機能が、１つの装置に集約されていてもよい。

【0128】

（まとめ）
以上説明した実施形態等から、以下の態様が開示されている。

【0129】

第１の態様に係るデータ拡張方法では、複数の実測データを用いて、複数の拡張データを生成する。複数の実測データは、レーザ検出装置（２）から出力される複数の検出信号（Ｄ１）に基づくデ―タである。レーザ検出装置（２）は、パルスレーザ（２１）と、振動検出用レーザ（２２）と、光検出器（２３）と、を備える。パルスレーザ（２１）は、コンクリート（Ｃ１）の表面を振動させるための第１レーザ光（Ｌ１）を出射する。振動検出用レーザ（２２）は、コンクリート（Ｃ１）の表面の振動を検出するための第２レーザ光（Ｌ２）を出射する。光検出器（２３）は、コンクリート（Ｃ１）の表面で反射された第２レーザ光（Ｌ２）を検出し、検出信号（Ｄ１）に変換する。データ拡張方法は、取得ステップと、生成ステップと、を有する。取得ステップでは、複数の実測データを取得する。生成ステップでは、複数の拡張データを生成する。生成ステップでは、データ拡張処理を行う。データ拡張処理は、コンクリート（Ｃ１）の内部における音速のばらつきに関する情報、パルスレーザ（２１）から照射される第１レーザ光（Ｌ１）の強度のばらつきに関する情報、振動検出用レーザ（２２）から照射される第２レーザ光（Ｌ２）の強度のばらつきに関する情報、光検出器（２３）の感度のばらつきに関する情報、レーザ検出装置（２）で生じるノイズのばらつきに関する情報、及び、レーザ検出装置（２）とコンクリート（Ｃ１）との間の距離に関する情報、のうち少なくとも１つと、複数の実測データと、に基づいて複数の拡張データを生成する処理である。

【0130】

上記の構成によれば、複数の拡張データを生成することができる。そして、複数の拡張データを含む複数の学習用データ（Ｔ１）に基づいて学習器（３）が機械学習を行うことで、コンクリート（Ｃ１）の欠陥の有無の判定に適した学習済みモデル（４）を生成することができる。

【0131】

また、第２の態様に係るデータ拡張方法は、第１の態様において、抽出ステップを更に有する。抽出ステップでは、複数の実測データの各々から上限周波数以下の成分を抽出する。データ拡張処理では、複数の実測データの各々の上限周波数以下の成分に基づいて複数の拡張データを生成する。

【0132】

上記の構成によれば、コンクリート（Ｃ１）の欠陥の有無の判定により適した学習済みモデル（４）を生成することができる。

【0133】

また、第３の態様に係るデータ拡張方法では、第２の態様において、上限周波数は、４０ｋＨｚ以上６０ｋＨｚ以下である。

【0134】

上記の構成によれば、コンクリート（Ｃ１）の欠陥の有無の判定により適した学習済みモデル（４）を生成することができる。

【0135】

また、第４の態様に係るデータ拡張方法は、第１～３の態様のいずれか１つにおいて、データ分割ステップを更に有する。データ分割ステップでは、データ拡張処理で生成された複数の拡張データを、訓練データ群と、検証データ群と、テストデータ群と、に分割する。データ分割ステップは、第１データ分割ステップと、第２データ分割ステップと、を含む。第１データ分割ステップでは、１つの実測データに基づいて生成された３以上の拡張データから、訓練データ群に属する拡張データと、検証データ群に属する拡張データと、テストデータ群に属する拡張データと、を選択する。第２データ分割ステップでは、複数の実測データのうち第１実測データに基づいて生成された拡張データを、訓練データ群に属させる。また、第２データ分割ステップでは、複数の実測データのうち第２実測データに基づいて生成された拡張データを、検証データ群に属させる。さらに、第２データ分割ステップでは、複数の実測データのうち第３実測データに基づいて生成された拡張データを、テストデータ群に属させる。

【0136】

上記の構成によれば、学習器（３）は、第１データ分割ステップにより分割された複数の拡張データに基づいて生成された第１学習済みモデルと、第２データ分割ステップにより分割された複数の拡張データに基づいて生成された第２学習済みモデルと、を生成することができる。よって、ユーザは、第１学習済みモデルと第２学習済みモデルとのうち、より判定に適した学習済みモデルを採用することができる。

【0137】

第１の態様以外の構成については、データ拡張方法に必須の構成ではなく、適宜省略可能である。

【0138】

また、第５の態様に係るプログラムは、第１～４の態様のいずれか１つに係るデータ拡張方法を、コンピュータシステムの１以上のプロセッサに実行させるためのプログラムである。

【0139】

上記の構成によれば、複数の拡張データを生成することができる。そして、複数の拡張データを含む複数の学習用データ（Ｔ１）に基づいて学習器（３）が機械学習を行うことで、コンクリート（Ｃ１）の欠陥の有無の判定に適した学習済みモデル（４）を生成することができる。

【0140】

また、第６の態様に係る学習済みモデル（４）は、第１～４の態様のいずれか１つに係るデータ拡張方法により生成された複数の拡張データを、学習用データ（Ｔ１）として用いて、機械学習により生成される。学習済みモデル（４）は、検出信号（Ｄ１）に相当する入力データ（出力信号（Ｄ２）に基づくデータ）に基づいて、コンクリート（Ｃ１）の欠陥の有無に関する検査結果を出力する。

【0141】

上記の構成によれば、コンクリート（Ｃ１）の欠陥の有無の判定に適した学習済みモデル（４）を生成することができる。

【0142】

また、第７の態様に係る検査方法は、推論ステップを有する。推論ステップでは、学習済みモデル（４）に、検出信号（Ｄ１）に相当する入力データ（出力信号（Ｄ２）に基づくデータ）を入力し、コンクリート（Ｃ１）の欠陥の有無に関する検査結果を得る。

【0143】

上記の構成によれば、コンクリート（Ｃ１）の欠陥の有無を判定できる。

【0144】

また、第８の態様に係るデータ拡張システム（１）は、複数の実測データを用いて、複数の拡張データを生成する。複数の実測データは、レーザ検出装置（２）から出力される複数の検出信号（Ｄ１）に基づくデ―タである。レーザ検出装置（２）は、パルスレーザ（２１）と、振動検出用レーザ（２２）と、光検出器（２３）と、を備える。パルスレーザ（２１）は、コンクリート（Ｃ１）の表面を振動させるための第１レーザ光（Ｌ１）を出射する。振動検出用レーザ（２２）は、コンクリート（Ｃ１）の表面の振動を検出するための第２レーザ光（Ｌ２）を出射する。光検出器（２３）は、コンクリート（Ｃ１）の表面で反射された第２レーザ光（Ｌ２）を検出し、検出信号（Ｄ１）に変換する。データ拡張システム（１）は、取得部（１３２）と、生成部（１３３）と、を備える。取得部（１３２）は、複数の実測データを取得する。生成部（１３３）は、複数の拡張データを生成する。生成部（１３３）は、データ拡張処理を行う。データ拡張処理は、コンクリート（Ｃ１）の内部における音速のばらつきに関する情報、パルスレーザ（２１）から照射される第１レーザ光（Ｌ１）の強度のばらつきに関する情報、振動検出用レーザ（２２）から照射される第２レーザ光（Ｌ２）の強度のばらつきに関する情報、光検出器（２３）の感度のばらつきに関する情報、レーザ検出装置（２）で生じるノイズのばらつきに関する情報、及び、レーザ検出装置（２）とコンクリート（Ｃ１）との間の距離に関する情報、のうち少なくとも１つと、複数の実測データと、に基づいて複数の拡張データを生成する処理である。

【0145】

上記の構成によれば、複数の拡張データを生成することができる。そして、複数の拡張データを含む複数の学習用データ（Ｔ１）に基づいて学習器（３）が機械学習を行うことで、コンクリート（Ｃ１）の欠陥の有無の判定に適した学習済みモデル（４）を生成することができる。

【0146】

上記態様に限らず、実施形態に係るデータ拡張システム（１）の種々の構成（変形例を含む）は、データ拡張方法、（コンピュータ）プログラム、又はプログラムを記録した非一時的記録媒体にて具現化可能である。

【符号の説明】

【0147】

１ データ拡張システム
２ レーザ検出装置
４ 学習済みモデル
２１ パルスレーザ
２２ 振動検出用レーザ
２３ 光検出器
１３２ 取得部
１３３ 生成部
Ｃ１ コンクリート
Ｄ１ 検出信号
Ｄ２ 出力信号
Ｌ１ 第１レーザ光
Ｌ２ 第２レーザ光
Ｔ１ 学習用データ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】