特開 2024-157655 切羽評価システム及び切羽評価方法

(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】P2024157655

(43)【公開日】2024-11-08

(54)【発明の名称】切羽評価システム及び切羽評価方法

(51)【国際特許分類】

   E21D 9/00 20060101AFI20241031BHJP

【ＦＩ】

E21D9/00 C

【審査請求】未請求

【請求項の数】10

【出願形態】ＯＬ

(21)【出願番号】P 2023072128

(22)【出願日】2023-04-26

(71)【出願人】

【識別番号】000166627

【氏名又は名称】五洋建設株式会社

(71)【出願人】

【識別番号】592161372

【氏名又は名称】ＮＳＷ株式会社

(74)【代理人】

【識別番号】100105946

【弁理士】

【氏名又は名称】磯野 富彦

(74)【代理人】

【識別番号】100189500

【弁理士】

【氏名又は名称】鉾田 慶亮

(72)【発明者】

【氏名】前田 智之

(72)【発明者】

【氏名】野村 貴律

(57)【要約】      （修正有）

【課題】切羽性状を適切に精度よく評価できる切羽評価システムを提供する。
【解決手段】削孔データと切羽のＲＧＢ画像データと切羽のスペクトル画像データとが入力される入力部と、削孔データを入力変数とし習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成された削孔学習モデルを用いて第１算出値を出力する第１算出部３０と、ＲＧＢ画像データを入力変数とし習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成されたＲＧＢ学習モデルを用いて第２算出値を出力する第２算出部４０と、スペクトル画像データを入力変数とし習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成されたスペクトル学習モデルを用いて第３算出値を出力する第３算出部５０と、第１算出値、第２算出値、及び第３算出値を統合して切羽評価値を算出する切羽評価値算出部６０と、を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

削孔するときに測定装置により測定された削孔データと、ＲＧＢ画像撮像装置で取得された切羽のＲＧＢ画像データと、スペクトル画像撮像装置で取得された切羽のスペクトル画像データとが入力される入力部と、
前記削孔データを入力変数とし、当該削孔データに対応する習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成された削孔学習モデルを用いて前記削孔データを入力データとし、出力変数として第１算出値を出力する第１算出部と、
前記ＲＧＢ画像データを入力変数とし、当該ＲＧＢ画像データに対応する習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成されたＲＧＢ学習モデルを用いて前記ＲＧＢ画像データを入力変数とし、出力変数として第２算出値を出力する第２算出部と、
前記スペクトル画像データを入力変数とし、当該スペクトル画像に対応する習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成されたスペクトル学習モデルを用いて前記スペクトル画像データを入力データとし、出力変数として第３算出値を出力する第３算出部と、
前記第１算出値、前記第２算出値、及び前記第３算出値を統合して切羽評価値を算出する切羽評価値算出部と、を備える切羽評価システム。

【請求項2】

前記第１算出部は、前記削孔学習モデルを生成する際に、前記削孔学習モデルの説明変数となる前記削孔データに対して地山の地質に応じた重みづけを行う、請求項１に記載の切羽評価システム。

【請求項3】

前記重みづけがされる前記削孔データは、削孔箇所の位置情報データと、前記位置情報データに対応する削孔箇所での削孔機のフィード圧、回転圧、打撃圧、及び削孔速度のデータと、前記削孔箇所の湧水圧データの少なくとも２以上のデータを含む、請求項２に記載の切羽評価システム。

【請求項4】

前記切羽評価値算出部は、前記第１算出値、前記第２算出値、及び前記第３算出値を統合する際に、各算出値に対して地山の地質に応じた重みづけを行う、請求項１～３のいずれか一項に記載の切羽評価システム。

【請求項5】

前記切羽評価値算出部は、前記第１算出値、前記第２算出値、及び前記第３算出値を入力変数とし、当該入力変数に対応する習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成された切羽評価学習モデルを用いて、前記第１算出値、前記第２算出値、及び前記第３算出値を入力データとし、出力変数として前記切羽評価値を算出する、請求項４に記載の切羽評価システム。

【請求項6】

削孔するときに測定装置により削孔データを取得することと、
ＲＧＢ画像撮像装置により切羽のＲＧＢ画像データを取得することと、
スペクトル画像撮像装置により切羽のスペクトル画像データを取得することと、
削孔データを入力変数とし、当該削孔データに対応する習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成された削孔学習モデルに入力変数として前記削孔データを入力して第１算出値を算出することと、
ＲＧＢ画像データを入力変数とし、当該ＲＧＢ画像データに対応する習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成されたＲＧＢ学習モデルに入力変数として前記ＲＧＢ画像データを入力して第２算出値を算出することと、
スペクトル画像データを入力変数とし、当該スペクトル画像データに対応する習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成されたスペクトル学習モデルに入力変数として前記スペクトル画像データを入力して第３算出値を算出することと、
前記第１算出値、前記第２算出値、及び前記第３算出値を統合して切羽評価値を算出することと、
を含む切羽評価方法。

【請求項7】

前記削孔学習モデルを生成する際に、前記削孔学習モデルの説明変数となる前記削孔データに対して地山の地質に応じて重みづけを行う、請求項６に記載の切羽評価方法。

【請求項8】

前記重みづけがされる前記削孔データは、削孔箇所の位置情報データと、前記位置情報データに対応する削孔箇所での削孔機のフィード圧、回転圧、打撃圧、及び削孔速度のデータと、前記削孔箇所の湧水圧データの少なくとも２以上のデータを含む、請求項７に記載の切羽評価方法。

【請求項9】

前記第１算出値、前記第２算出値、及び前記第３算出値を統合する際に、各算出値に対して地山の地質に応じて重みづけを行う、請求項６～８のいずれか一項に記載の切羽評価方法。

【請求項10】

前記切羽価値の算出に、前記第１算出値、前記第２算出値、及び前記第３算出値を入力変数とし、当該入力変数に対応する習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成された切羽評価学習モデルを用いて、前記第１算出値、前記第２算出値、及び前記第３算出値を入力データとし、出力変数として前記切羽評価値を算出する、請求項９に記載の切羽評価方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、切羽評価システム及び切羽評価方法に関する。

【背景技術】

【0002】

トンネルの掘削工事では、施工を安全かつ合理的に進めるため、地山の地質を適切に把握することが重要である。施工者は、切羽性状（例えば岩盤の硬軟、亀裂の有無、湧水状況など）を評価することで、地山の地質を把握する。そして、施工者は、その評価の結果に基づいて、適切な安全方策を講じたり、発破工法に際して適切な爆薬の量を決定する。

【0003】

このような切羽性状の評価は、技術者が切羽を目視して行われるが、熟練が必要であり、人間の知識と経験に基づくものであるため、評価の精度にばらつきが生じるおそれがある。そこで、切羽性状の評価を、削孔時に計測したデータから自動判定する方法や、人工知能（Artificial Intelligence、ＡＩ）を活用して自動判定する方法が提案されている。例えば、下記特許文献１には、装薬孔の削孔時に計測したデータ（例えば打撃圧や、フィード圧、削孔速度等）を取得してこれに基づき切羽性状を評価する方法が開示されている。また、下記特許文献２には、トンネル施工において撮影入手した複数の学習用切羽画像を機械学習させた切羽判定モデルを用いて画像から切羽を評価する方法が開示されている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０２２－３７７８６号公報

【特許文献2】特開２０２１－９２０３１号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかし、削孔時の計測データを取得して切羽性状を評価する方法では、切羽の地質の硬軟を判定することはできるが、切羽面の風化変質や、割れ目の状態、割れ目の間隔などを用いた評価はできないため、切羽性状を適切に評価できないおそれがある。また、地山の地質は、地山の成り立ちや地域などによって異なるため、上記の切羽判定モデルを用いた切羽性状評価方法では、機械学習に用いられた切羽画像の地山と実際に評価する地山とが異なる場合、切羽性状を適切に評価できないおそれがある。

【0006】

本発明は、前述した事情に鑑みてなされたものであり、切羽を適切に精度よく評価できる切羽評価システム及び切羽評価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、本発明では、削孔するときに測定装置により測定された削孔データと、ＲＧＢ（赤（Ｒ）、緑（Ｇ）、青（Ｂ））画像撮像装置で取得された切羽のＲＧＢ画像データと、スペクトル画像撮像装置で取得された切羽のスペクトル画像データとが入力される入力部と、削孔データを入力変数とし、当該削孔データに対応する習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成された削孔学習モデルを用いて削孔データを入力データとし、出力変数として第１算出値を出力する第１算出部と、ＲＧＢ画像データを入力変数とし、当該ＲＧＢ画像データに対応する習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成されたＲＧＢ学習モデルを用いてＲＧＢ画像データを入力変数とし、出力変数として第２算出値を出力する第２算出部と、スペクトル画像データを入力変数とし、当該スペクトル画像に対応する習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成されたスペクトル学習モデルを用いてスペクトル画像データを入力データとし、出力変数として第３算出値を出力する第３算出部と、第１算出値、第２算出値、及び第３算出値を統合して切羽評価値を算出する切羽評価値算出部と、を備える切羽評価システムを提供する。

【0008】

また、上記した切羽評価システムでは、前記第１算出部は、削孔学習モデルを生成する際に、前記削孔学習モデルの説明変数となる前記削孔データに対して地山の地質に応じた重みづけを行ってもよい。

【0009】

また、重みづけがされる前記削孔データは、削孔箇所の位置情報データと、前記位置情報データに対応する削孔箇所での削孔機のフィード圧、回転圧、打撃圧、及び削孔速度のデータと、前記削孔箇所の湧水圧データの少なくとも２以上のデータを含んでもよい。

【0010】

また、前記切羽評価値算出部は、前記第１算出値、前記第２算出値、及び前記第３算出値を統合する際に、各算出値に対して地山の地質に応じた重みづけをしてもよい。

【0011】

また、前記切羽評価値算出部は、前記第１算出値、前記第２算出値、及び前記第３算出値を入力変数とし、当該入力変数に対応する習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成された切羽評価学習モデルを用いて、前記第１算出値、前記第２算出値、及び前記第３算出値を入力データとし、出力変数として前記切羽評価値を算出してもよい。

【0012】

また、本発明では、削孔するときに測定装置により削孔データを取得することと、ＲＧＢ画像撮像装置により切羽のＲＧＢ画像データを取得することと、スペクトル画像撮像装置により切羽のスペクトル画像データを取得することと、削孔データを入力変数とし、当該削孔データに対応する習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成された削孔学習モデルに入力変数として前記削孔データを入力して第１算出値を算出することと、ＲＧＢ画像データを入力変数とし、当該ＲＧＢ画像データに対応する習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成されたＲＧＢ学習モデルに入力変数として前記ＲＧＢ画像データを入力して第２算出値を算出することと、スペクトル画像データを入力変数とし、当該スペクトル画像データに対応する習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成されたスペクトル学習モデルに入力変数として前記スペクトル画像データを入力して第３算出値を算出することと、前記第１算出値、前記第２算出値、及び前記第３算出値を統合して切羽評価値を算出することと、を含む切羽評価方法を提供する。

【0013】

また、上記した切羽評価方法では、削孔学習モデルを生成する際に、前記削孔学習モデルの説明変数となる前記削孔データに対して地山の地質に応じて重みづけを行ってもよい。

【0014】

また、重みづけがされる前記削孔データは、削孔箇所の位置情報データと、位置情報データに対応する削孔箇所での削孔機のフィード圧、回転圧、打撃圧、及び削孔速度のデータと、前記削孔箇所の湧水圧データの少なくとも２以上のデータを含んでもよい。

【0015】

また、前記第１算出値、前記第２算出値、及び前記第３算出値を統合する際に、各算出値に対して地山の地質に応じて重みづけを行ってもよい。

【0016】

また、切羽価値の算出に、前記第１算出値、前記第２算出値、及び前記第３算出値を入力変数とし、当該入力変数に対応する習熟技術者による切羽評価を出力変数とする教師データにより機械学習を行い生成された切羽評価学習モデルを用いて、前記第１算出値、前記第２算出値、及び前記第３算出値を入力データとし、出力変数として前記切羽評価値を算出してもよい。

【発明の効果】

【0017】

本発明によれば、切羽を適切に精度よく評価することができる。

【図面の簡単な説明】

【0018】

【図1】第１実施形態に係る切羽評価システムの構成の一例を示すブロック図である。

【図2】第１実施形態に係る切羽評価システムにおけるデータの流れを示す図である。

【図3】削孔学習モデルの生成方法の一例を示すフローチャートである。

【図4】（ａ）は習熟技術者による切羽評価を説明するための図、（ｂ）は削孔データの位置情報を説明するための図である。

【図5】（ａ）は技術者評価データの一例を示す図、（ｂ）は削孔データの一例を示す図である。

【図6】重みづけデータの一例を示す図である。

【図7】切羽を評価する際の切羽評価システムの動作の一例を示すフローチャートである。

【図8】重みづけデータの一例を示す図である。

【図9】第２実施形態を説明するための図である。

【発明を実施するための形態】

【0019】

以下、本発明の実施形態について図面を参照して説明する。ただし、本発明はこれに限定されるものではない。また、図面においては、実施形態を説明するため、一部分を大きくまたは強調して記載するなど適宜縮尺を変更して表現することがある。

【0020】

図１は、第１実施形態に係る切羽評価システム１００の構成の一例を示すブロック図である。なお、図１には、切羽評価システム１００の他に、測定装置７０、ＲＧＢ画像撮像装置８０、及びスペクトル画像撮像装置９０も示している。切羽評価システム１００は、切羽を評価し、切羽性状を判定するためのシステムである。

【0021】

測定装置７０は、削孔データを測定する装置である。削孔データとは、削孔する際の削孔機（例えばドリルジャンボなどの切羽穿孔機）の動作状況又は削孔箇所の湧水状況を示すデータである。削孔機の動作状況を示すデータとは、例えば、削孔機が回転する削孔ビットを押し付けながら削孔するときの削孔ビットの回転圧、打撃圧、及び削孔速度のデータである。湧水状況を示すデータとは、例えば、削孔箇所における湧水の圧力（湧水圧）や湧水の量のデータである。測定装置７０は、各種センサを含み構成され、例えば、削孔機に搭載されたセンサである。本実施形態では、測定装置７０は、上記の回転圧、打撃圧、削孔速度、及び湧水圧の各データを、切羽の削孔箇所を示す位置情報データと共に取得する。なお、本実施形態において、削孔データは、削孔箇所の位置情報データと、位置情報データに対応する削孔箇所での削孔機のフィード圧、回転圧、打撃圧、及び削孔速度のデータと、削孔箇所の湧水圧データを含むが、これらのうち少なくとも２以上のデータを含んで構成されてもよい。位置情報データは、例えば、平面的又は空間的な座標データである。

【0022】

ＲＧＢ画像撮像装置８０は、切羽を削孔する前（測定装置７０が削孔データを取得する前）の切羽のＲＧＢ画像データを取得する装置である。このＲＧＢ画撮像装置８０は、例えば、カラーカメラである。

【0023】

スペクトル画像撮像装置９０は、切羽を削孔する前の切羽のスペクトル画像データ（以下、単に「ＳＰ画像データ」と称する場合がある。）を取得する装置である。このスペクトル画撮像装置９０は、例えば、マルチスペクトルカメラである。スペクトル画像撮像装置９０が取得するスペクトル画像データは、例えば、複数の波長帯の電磁波を記録した画像のデータであり、可視光線、紫外線、赤外線、遠赤外線などの波長帯の電磁波が記録される。

【0024】

測定装置７０、ＲＧＢ画像撮像装置８０、及びスペクトル画像撮像装置９０は、それぞれ切羽評価システム１００とデータ通信可能である。

【0025】

図１に示すように、切羽評価システム１００は、入力部１０、記憶部２０、第１算出部３０、第２算出部４０、第３算出部５０、及び切羽評価値算出部６０を有している。切羽評価システム１００は、コンピュータにより構成される。

【0026】

入力部１０は、測定装置７０で測定された削孔データと、ＲＧＢ画像撮像装置８０で取得された切羽のＲＧＢ画像データと、スペクトル画像撮像装置９０で取得された切羽のスペクトル画像データとを入力する処理部である。また、入力部１０は、測定装置７０から入力された削孔データ、ＲＧＢ画像撮像装置８０から入力されたＲＧＢ画像データ、及びスペクトル画像撮像装置９０から入力されたスペクトル画像データのそれぞれに、削孔箇所の位置情報（例えば座標データ）を対応付ける。

【0027】

記憶部２０は、切羽評価システム１００の動作において入力あるいは出力される各種のデータ等を記憶する。例えば、記憶部２０には、入力部１０から入力された削孔データ、ＲＧＢ画像データ、スペクトル画像データ、いずれも後述する、削孔学習モデル３１の生成に用いられる削孔教師データ、重みづけデータ、技術者評価データなどが記憶される。なお、削孔学習モデル３１の生成に用いられる削孔教師データは、所定の評価項目（例えば、岩盤強度、風化変質）について、切羽の削孔箇所の削孔データ（図５（ｂ）参照）と、当該削孔箇所の習熟技術者による切羽評価点を含むデータ（図５（ａ）参照）とが対応付けられたデータである。

【0028】

また、記憶部２０には、切羽評価システム１００が後述する処理を実現するためのプログラムが記憶されている。切羽評価システム１００を構成するコンピュータの演算手段が当該プログラムを実行することにより、第１算出部３０、第２算出部４０、第３算出部５０、切羽評価値算出部６０といった各機能が構成される。

【0029】

図２は、第１実施形態に係る切羽評価システム１００におけるデータの流れを示す図である。引き続き、切羽評価システム１００の構成について図２を参照しつつ説明する。

【0030】

第１算出部３０は、削孔データを入力変数とし、当該削孔データに対応する習熟技術者による切羽評価を出力変数とする教師データ（以下、他の教師データと区分するため削孔教師データという。）を用いた機械学習により削孔学習モデル３１を生成する処理部である。また、第１算出部３０は、入力部１０に入力された削孔データ７１を入力データとして削孔学習モデル３１を用いて切羽評価である第１算出値３２を算出する処理部である。

【0031】

第２算出部４０は、ＲＧＢ画像データを入力変数とし、当該ＲＧＢ画像データに対応する習熟技術者による切羽評価を出力変数とする教師データ（以下、他の教師データと区分するためＲＧＢ教師データという。）を用いた機械学習により生成されたＲＧＢ学習モデル４１を用いて、入力部１０に入力されたＲＧＢ画像データ８１を入力データとして切羽評価である第２算出値４２を算出する処理部である。

【0032】

第３算出部５０は、スペクトル画像データを入力変数とし、当該スペクトル画像に対応する習熟技術者による切羽評価を出力変数とする教師データ（以下、他の教師データと区分するためスペクトル教師データという。）を用いた機械学習により生成されたスペクトル学習モデル５１を用いて、入力部１０に入力されたスペクトル画像データ９１を入力データとして切羽評価である第３算出値５２を算出する処理部である。なお、以下では、スペクトル学習モデルを単に「ＳＰ学習モデル」と称することがある。

【0033】

切羽評価値算出部６０は、第１算出部３０、第２算出部４０、及び第３算出部５０により算出された各切羽評価第１算出値３２、第２算出値４２、及び第３算出値５２を統合して総合的に算出された切羽評価である切羽評価値６２を算出する処理部である。切羽評価値算出部６０は、教師データを用いた機械学習により生成された切羽評価学習モデル６１を用いて切羽評価値６２を算出する。

【0034】

ここで、削孔学習モデル３１の生成方法について説明する。削孔学習モデル３１は、削孔教師データを用いた機械学習により生成される。具体的な生成方法は、例えば次のとおりである。図３は、削孔学習モデル３１の生成方法の一例を示すフローチャートである。図４（ａ）は、習熟技術者による切羽評価について説明するための図である。図５（ａ）は、技術者評価データの一例を示す図である。

【0035】

図３に示す処理において、第１算出部３０は、習熟技術者による切羽評価点データ（技術者評価データ）を取得する（ステップＳ０１）。ステップＳ０１で取得される技術者評価データは例えば次のように作成される。まず、切羽Ｃの画像データＩＭにおいて切羽Ｃの画像を複数の区分に分割する。例えば図４（ａ）に示すように、切羽Ｃの画像を任意のサイズのメッシュで区分する。分割された画像Ｄ，Ｄ・・・のファイルデータにはそれぞれファイル番号（例えば「１０１」、「１０２」、「１０３」）が対応付けられる。そして、分割された画像Ｄごとに、切羽の所定の評価項目（例えば岩盤強度、割れ目）について、習熟技術者が切羽を実際に目視するなどして評価し評価点を決定することで、技術者評価データが作成される。図５（ａ）に示す例では、切羽Ｃにおいてファイル番号「１０１」に対応する領域の岩盤強度の評価点は「１０」、割れ目の評価点は「２０」、ファイル番号「１０２」に対応する領域の岩盤強度の評価点は「１５」などとなっている。技術者評価データは、上述した削孔教師データを構成する出力変数データである。

【0036】

また、第１算出部３０は、削孔データを取得する（ステップＳ０２）。図４（ｂ）は、削孔データの位置情報について説明するための図である。ステップＳ０２では、切羽Ｃの複数の削孔Ｈ１，Ｈ２，Ｈ３等のそれぞれについて、削孔番号（例えば「１」，「２」等）が対応付けられ、それぞれの位置情報及び削孔データを取得する。取得された位置情報と削孔データとは削孔Ｈごとにそれぞれ対応付けられる。削孔Ｈの位置情報としては、例えば、図４（ｂ）に示すように、切羽面における水平方向の位置をＸ、垂直方向の位置をＹに設定したときのローカル座標（Ｘ，Ｙ）のデータが用いられる。例えば、削孔Ｈ１の位置情報は「（Ｘ１，Ｙ１）」、削孔Ｈ２の位置情報は「（Ｘ２，Ｙ２）」となる。図５（ｂ）は、削孔データの一例を示す図である。図５（ｂ）に示す例では、削孔番号「１」の削孔（例えば削孔Ｈ１）に係る座標（例えば（Ｘ１，Ｙ１））は（１，１）、フィード圧は「４０ＭＰａ」、削孔番号「２」の削孔Ｈに係る座標は「（２，２）」などとなっている。なお、ステップＳ０２において取得される削孔データは、技術者評価データと共に削孔教師データを構成するデータである。削孔教師データは、削孔学習モデル３１を機械学習するときに用いられる教師データであり、削孔データを入力変数とし当該削孔データに対応する習熟技術者による切羽評価を出力変数とするデータである。削孔教師データは、評価項目ごとに習熟技術者による評価点と削孔データとを対応させたデータであるので、容易に取得（採取）が可能である。

【0037】

ステップＳ０２に引き続き、削孔データに重みづけを行う（ステップＳ０３）。ステップＳ０３では、削孔学習モデル３１を機械学習するときに削孔学習モデル３１に入力される削孔データに対して重みづけを行う。地山はその成り立ちや地域などによって地質が異なるため、削孔した切羽の地山の地質に応じて削孔データに重みづけをする。ステップＳ０３では、まず、記憶部２０のデータから重みづけに係る数値を読み取る。具体的には、いずれも予め記憶部２０に記憶されたデータである、地山ごとの地質レベルを示す地質レベルデータ（不図示）と、地質のレベルに応じて設定された重みづけに係る数値を含む重みづけデータとの両データから重みづけに係る数値を読み取る。図６は、この重みづけデータの一例を示す図である。図６に示す例では、地山の地質を「１」、「２」、「３」などのレベルに分けてレベルごとに重みづけに係る数値が設定されている。即ち、地山の地質に応じて重みづけに係る数値が設定されている。例えば、削孔された地山の地質レベルが「１」の場合に「フィード圧」の数値に対する重み係数は「２．１」、地質レベルが「２」の場合に「座標（Ｘ，Ｙ）」に対する重み係数は「１．０」などとなっている。ステップＳ０３では、地質レベルデータから削孔した地山の地質レベル（例えば「１」、「２」、「３」・・・）を読み取り、読み取った地質レベルの重みづけに係る数値を重みづけデータから読み取る。そして、重みづけデータから読み取った数値を重み係数として削孔データを重みづけする。このように、削孔学習モデル３１を機械学習させる際に、削孔学習モデル３１への入力変数に対して地山の地質に応じた重みづけを行う。

【0038】

前述したステップＳ０３では、削孔データを構成する全てのデータに対してそれぞれ重みづけをする。即ち、削孔箇所の位置情報データ、位置情報データに対応する削孔箇所での削孔機のフィード圧、回転圧、打撃圧、及び削孔速度のデータ、削孔箇所の湧水圧データ、を含むデータに対してそれぞれ重みづけする。なお、ステップＳ０３では、このように削孔データを構成する全てのデータを重みづけするのではなく、削孔データを構成するデータの一部についてだけ重みづけをしてもよい。例えば、ステップＳ０３では、上記位置情報データ、上記フィード圧、回転圧、打撃圧、及び削孔速度のデータ、並びに上記湧水圧データのうち少なくとも２以上のデータについて重みづけをしてもよい。

【0039】

続いて、機械学習を行う（ステップＳ０４）。ステップＳ０４では、削孔教師データを用いて行われ、重みづけされた削孔データの数値を入力したときに、これに対応する切羽評価点を出力するように機械学習する。このとき、出力する切羽評価点は、入力される削孔データの位置情報（つまり削孔Ｈの位置）に基づいて決定され、切羽面のうち当該位置情報の示す位置を含む領域の評価値が用いられる。例えば、位置（Ｘ１，Ｙ１）の削孔Ｈ１の削孔データを入力したとき、この削孔Ｈ１の位置（Ｘ１，Ｙ１）を含む画像Ｄ１（領域Ｒ）（図４（ｂ）参照）の切羽評価点を出力するように機械学習する。このような機械学習により削孔学習モデル３１が生成される。削孔学習モデル３１は、削孔データを説明変数とし第１算出値３２を目的変数とする学習モデルであり、削孔データの各数値が入力されると第１算出値３２を出力する。

【0040】

ＲＧＢ学習モデル４１は、ＲＧＢ画像データが入力されると第２算出値４２を出力する。スペクトル学習モデル５１は、スペクトル画像データが入力されると第３算出値５２を出力する。ＲＧＢ学習モデル４１及びスペクトル学習モデル５１は、重みづけの設定（ステップＳ０３）を要しない点を除き、上述した削孔学習モデル３１の生成方法と同様に、各教師データを用いて機械学習することにより生成される。ＲＧＢ学習モデル４１を生成するときに用いられるＲＧＢ教師データは、切羽の所定領域における習熟技術者の評価点と当該領域のＲＧＢ画像とが対応付けられたデータを含み、ＲＧＢ画像データを入力変数とし当該ＲＧＢ画像データに対応する習熟技術者による切羽評価を出力変数とするデータである。スペクトル学習モデル５１を生成するときに用いられるスペクトル教師データは、切羽の所定領域における習熟技術者の評価点と当該領域のスペクトル画像とが対応付けられたデータとを含み、スペクトル画像データを入力変数とし当該スペクトル画像に対応する習熟技術者による切羽評価を出力変数とするデータである。切羽評価学習モデル６１の生成方法については後述する。

【0041】

切羽評価システム１００は、例えばトンネル工事現場などにおいて、上記した学習モデルを用いて切羽を評価する。

【0042】

続いて、切羽評価システム１００の動作について説明する。図７は、切羽を評価する際の、切羽評価システム１００の動作の一例を示すフローチャートである。図７において、ステップＳ１１～ステップＳ１３については第１算出部３０が実行し、ステップＳ２１～ステップＳ２４については第２算出部４０が実行し、ステップＳ３１～ステップＳ３４については第３算出部５０が実行する。また、ステップＳ１４、ステップＳ２５、ステップＳ３５、ステップＳ４１、及びステップＳ４２は切羽評価値算出部６０が実行する。以下、図７のフローチャートに沿って説明する。

【0043】

図７に示すように、まず、切羽の削孔データを取得する（ステップＳ１１）。ここで取得される削孔データは、評価及び判定の対象となる切羽の削孔データである。ところでトンネル工事などにおいては、切羽の一部を削孔機で削孔してさぐり孔や発破孔などを設ける。ステップＳ１１では、このような削孔の際に測定装置７０で測定された削孔データを入力部１０を介して取得する。ここで入力される削孔データには、削孔箇所の位置情報データ（例えば、上記の座標（Ｘ，Ｙ）データ）が含まれる。

【0044】

また、切羽のＲＧＢ画像データを取得する（ステップＳ２１）。ステップＳ２１では、削孔前にＲＧＢ画像撮像装置８０が撮像し取得した、切羽のＲＧＢ画像データを入力部１０を介して取得する。そして、取得されたＲＧＢ画像を削孔位置に応じて切り出す（ステップＳ２２）。ステップＳ２２では、入力されたＲＧＢ画像データについて、ステップＳ１１で入力された位置情報データに基づき、削孔位置のそれぞれに対応する画像を切り出す。例えば、削孔箇所ごとに削孔位置を中心とする１ｍ^２の正方形状のＲＧＢ画像を切り出す（図９（ｂ）参照）。このようにして削孔箇所ごとにＲＧＢ画像が生成される。

【0045】

また、切羽のＳＰ画像データを取得する（ステップＳ３１）。ステップＳ３１では、削孔前にスペクトル画像撮像装置９０が撮像し取得した、切羽のＳＰ画像データを入力部１０を介して取得する。そして、取得されたスペクトル画像を削孔位置に応じて切り出す（ステップＳ３２）。ステップＳ３２では、入力されたＳＰ画像データについて、ステップＳ１１で取得された位置情報データに基づき、削孔位置のそれぞれに対応する画像を切り出す。例えば、削孔箇所ごとに削孔位置を中心とする１ｍ^２の正方形状のスペクトル画像を切り出す。このようにして削孔箇所ごとにＲＧＢ画像が生成される。

【0046】

ステップＳ２２及びステップＳ３２において削孔位置ごとに生成されたＲＧＢ画像データ及びＳＰ画像データは、それぞれ対応する削孔位置の削孔データと紐付けられる。したがって、削孔の位置情報データ（例えば座標データ）、削孔データ、ＲＧＢ画像データ、及びＳＰ画像データの各データを紐づけしたデータが、切羽Ｃの削孔Ｈごとに生成される。

【0047】

ステップＳ１１に引き続き、削孔学習モデル３１に削孔データを入力し（ステップＳ１２）、第１算出値３２を算出する（ステップＳ１３）。また、ステップＳ２２に引き続き、ＲＧＢ学習モデル４１にＲＧＢ画像データを入力し（ステップＳ２３）、第２算出値４２を出力（算出）する（ステップＳ２４）。第２算出値４２は、ＲＧＢ画像データに基づいて切羽性状を数値化したデータである。また、ステップＳ３２に引き続き、ＳＰ学習モデル５１にＳＰ画像データを入力し（ステップＳ３３）、第３算出値５２を出力（算出）する（ステップＳ３４）。第３算出値５２は、ＳＰ画像データに基づいて切羽性状を数値化したデータである。出力（算出）された第１～第３算出値３２，４２，５２は、切羽評価値６２を求める説明変数である。

【0048】

続いて、ステップＳ１３で算出された第１算出値３２に対して重みづけを行う（ステップＳ１４）。また、ステップＳ２４で算出された第２算出値４２に対して重みづけを行う（ステップＳ２５）。また、ステップＳ３４で算出された第３算出値５２に対して重みづけを行う（ステップＳ３５）。即ち、切羽評価値６２を求める説明変数の数値に対して重みづけを行う。

【0049】

ステップＳ１４、ステップＳ２５、及びステップＳ３５では、予め記憶部２０に記憶された、地山ごとの地質レベルを示す地質レベルデータと、地質のレベルに応じて決定された重みづけの数値を含む重みづけデータと、を共に読み取ることで重み係数が決定される。このとき、評価対象の地山の地質レベル（例えば「１」、「２」、「３」・・・）を地質レベルデータから読み取り、読み取った地質レベルに係る重みづけに係る数値を重みづけデータから読み取る。図８は、重みづけデータの一例を示す図である。図８に示す例では、削孔された地山の地質レベルが「１」の場合に第１算出値３２に対して設定される重みづけに係る数値は「１．１」、地質レベルが「２」の場合に第１算出値３２に対して設定される重みづけに係る数値は「１．０」などとなっており、地山の地質レベルに応じて各算出値に対する重み係数の数値が設定されている。

【0050】

ステップＳ１４、ステップＳ２５、及びステップＳ３５に引き続き、それぞれ重みづけを行った後の第１算出値３２、第２算出値４２、及び第３算出値５２を切羽評価学習モデル６１に入力する（ステップＳ４１）。これにより、重みづけされた第１～３算出値３２等が統合され、切羽評価学習モデル６１により算出された切羽評価値６２が出力される。このようにして、選択された評価項目に係る切羽評価値６２が算出される。そして、算出された切羽評価値６２に基づいて切羽性状を判定する。

【0051】

ステップＳ４１で用いられる切羽評価学習モデル６１は、教師データを用いた機械学習により生成される。ここで用いられる教師データは、習熟技術者による総合的な切羽の評価と、第１算出値３２、第２算出値４２、及び第３算出値５２と、が対応付けられたデータを含む。第１算出値３２、第２算出値４２、及び第３算出値５２の数値を入力したときに、これに対応する切羽の技術者評価データを出力するように機械学習することで生成される。

【0052】

以上説明した切羽評価システム１００及び切羽評価方法によれば、次のような効果を発揮できる。即ち、上記のシステム及び方法では、切羽の判定に影響する性質の異なる複数のデータ（削孔データ、ＲＧＢ画像データ、及びＳＰ画像データ）を取得すると共に、取得したデータを複数の算出手段（第１～第３算出部３０，４０，５０及び切羽評価値算出部６０）を用いて切羽評価値６２を算出し、算出した第１算出値３２、第２算出値４２、及び第３算出値５２を統合することにより切羽評価値６２を算出するので、切羽評価値６２を精度よく算出できる。したがって、このように精度よく算出された切羽評価値６２に基づいて切羽性状を適切に判定することができる。

【0053】

また、削孔学習モデル３１に削孔教師データを入力する際、並びに、第１～第３算出値３２，４２，５２を統合する際に、入力変数及び各算出値３２，４２，５２に対して、それぞれ地山の地質に応じた重みづけを行うので、地山の地質に応じた適切な切羽評価値６２を得ることができる。

【0054】

また、削孔データは、削孔箇所の位置情報データと、位置情報データに対応する削孔箇所での削孔機のフィード圧、回転圧、打撃圧、及び削孔速度のデータと、削孔箇所の湧水圧データとを含むので、このように種々の測定データを用いることで、切羽評価の誤差やばらつきを減少させ、より一層精度の高い切羽評価値を得ることができる。

【0055】

また、切羽評価値算出部６０は、第１算出値３２、第２算出値４２、及び第３算出値５２を説明変数とする切羽評価学習モデル６１を用いて切羽評価値６２を算出するので、より適切な切羽評価値６２を得ることができる。

【0056】

続いて、第２実施形態に係る切羽評価システムについて説明する。図９は、第２実施形態を説明するための図である。なお、本実施形態の説明では、上記した第１実施形態と同一又は同等の内容の説明を省略する。

【0057】

上記した第１実施形態では、切羽評価学習モデル６１の切羽評価値６２を求める説明変数は、第１算出値３２、第２算出値４２、及び第３算出値５２であったが、第２実施形態では、これらに加えて、図９（ａ）に示すように、距離、角度（方向）、最大値、最小値、平均値、及び分散値（以下、これらを「距離等」という。）が、切羽評価値６２を求める説明変数に加わる。即ち、第２実施形態では、これらの距離や最大値といった数値も切羽評価学習モデル６１に入力することで切羽評価値６２を算出する。なお、この場合に用いられる切羽評価学習モデル６１は教師データを用いた機械学習により生成されるが、ここで用いられる教師データは、習熟技術者による切羽の評価点と、第１算出値３２、第２算出値４２、第３算出値５２、及び距離等とが対応付けられたデータを含み、第１算出値３２、第２算出値４２、第３算出値５２、及び距離等を入力変数とし、第１算出値３２、第２算出値４２、第３算出値５２、及び距離等に対応する習熟技術者による切羽評価を出力変数とするデータである。

【0058】

切羽評価学習モデル６１の切羽評価値６２を求める説明変数において距離とは、削孔Ｈ間の距離をいい、例えば、図９（ｂ）（ｃ）に示すように、切羽面上において隣接する削孔Ｈどうしのユークリッド距離をいう。また、角度（方向）とは、例えば、切羽面における削孔Ｈどうしを結ぶ線分と水平線とのなす角度（水平角）をいう。なお、図９（ｃ）では、削孔Ｈ４と削孔Ｈ６とのユークリッド距離及び角度を例示している。また、上記した説明変数の最大値、最小値、平均値、及び分散値とは、切羽Ｃの削孔Ｈを含む領域の切羽評価値６２について当該削孔Ｈを含む複数の削孔Ｈに係るデータを用いて算出する場合に、これら複数の削孔Ｈに係るデータの最大値、最小値、平均値、及び分散値をいい、例えば、所定の削孔Ｈとこれを囲む複数の削孔Ｈとのそれぞれのユークリッド距離の最大値、最小値、平均値、及び分散値、並びに、上記複数の削孔Ｈにおける第１算出値３２、第２算出値４２、及び第３算出値５２の最大値、最小値、平均値、及び分散値である。

【0059】

上述したように、第１算出値３２、第２算出値４２、及び第３算出値５２を算出する過程で、切羽Ｃの削孔Ｈごとに、その位置情報データ（例えばローカル座標データ）、削孔データ、ＲＧＢ画像データ、及びＳＰ画像データの各データを互いに紐づけしたデータが生成される。削孔Ｈ１に着目した場合、上述した第１実施形態では、この削孔Ｈ１の位置情報データ、削孔Ｈ１の削孔データ、削孔Ｈ１のＲＧＢ画像データ、及び削孔Ｈ１のＳＰ画像データを用いて切羽評価値６２を算出する。これに対して、第２実施形態では、さらに、この削孔Ｈ１に隣接する削孔Ｈ２～Ｈ７に係る各種データ等を用いて切羽評価値６２を算出する。

【0060】

図９（ｂ）に示すように、切羽Ｃにおいて、削孔Ｈ４に隣接し削孔Ｈ４を囲む６つの削孔Ｈ５～Ｈ１０があるときに、削孔Ｈ４に着目した場合、削孔Ｈ４を含む領域の切羽評価値６２は、例えば次のように算出される。

【0061】

まず、Ｈ４～Ｈ１０の削孔データ、Ｈ４～Ｈ１０のＲＧＢ画像データ（画像Ａ，ａ～ｆ）、削孔Ｈ４～Ｈ１０のＳＰ画像データを用いて、削孔Ｈ４～Ｈ１０のそれぞれに対応する第１算出値３２、第２算出値４２、及び第３算出値５２を算出する。第１算出値３２、第２算出値４２、及び第３算出値５２のそれぞれは、評価項目（例えば岩盤強度、割れ目など）ごとに分けて算出された複数のデータを含んでいる。また、算出した第１算出値３２、第２算出値４２、及び第３算出値５２についてそれぞれの平均値及び分散値を算出する。また、削孔Ｈ４と、これを囲む削孔Ｈ５～Ｈ１０のそれぞれとのユークリッド距離を算出し、これらのユークリッド距離の平均値及び分散値をさらに算出する。また、削孔Ｈ４と削孔Ｈ５～Ｈ１０との位置により定まる上記角度（方向）をそれぞれ算出する。

【0062】

そして、算出された上記データ、即ち、削孔Ｈ４～Ｈ１０のそれぞれに対応する第１算出値３２並びにその最大値及び最小値、削孔Ｈ４～Ｈ１０のそれぞれの位置に対応する第２算出値４２並びにその最大値及び最小値、削孔Ｈ４～Ｈ１０のそれぞれの位置に対応する第３算出値５２並びにその最大値及び最小値、削孔Ｈ４～Ｈ１０に係る第１算出値３２、第２算出値４２、及び第３算出値５２の平均値及び分散値、算出した上記ユークリッド距離並びにその最大値、最小値、平均値、及び分散値、上記角度（方向）を切羽評価学習モデル６１に入力することにより、切羽評価値６２が算出される。このように、第２実施形態では、第１算出値３２、第２算出値４２、及び第３算出値５２を統合し、さらに距離等のデータを用いて、切羽評価値６２を算出する。このような第２実施形態によれば、切羽評価値６２をより一層精度よく算出することができる。

【0063】

以上、本発明の実施形態を説明したが、本発明の技術的範囲は、上記の実施形態に記載の範囲には限定されない。本発明の趣旨を逸脱しない範囲で、上記の実施形態に、多様な変更または改良を加えることが可能である。また、切羽価値６２を求めるため切羽評価値学習モデルへの入力変数として第１算出値、第２算出値、第３算出値を用いるとしたが、第１算出値と第２算出値、若しくは第１算出値と第３算出値だけを入力変数として用いるようにしてもよく、上記の実施形態で説明した要件の一つ以上は、省略されることがある。そのような変更または改良、省略した形態も本発明の技術的範囲に含まれる。

【符号の説明】

【0064】

１０ 入力部
３０ 第１算出部
３１ 削孔学習モデル
３２ 第１算出値
４０ 第２算出部
４２ 第２算出値
５０ 第３算出部
５２ 第３算出値
６０ 切羽評価値算出部
７０ 測定装置
８０ ＲＧＢ画像撮像装置
９０ スペクトル画像撮像装置
１００ 切羽評価システム

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】