特開 2024-53351 劣化診断プログラム、劣化診断方法、および情報処理装置

(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】P2024053351

(43)【公開日】2024-04-15

(54)【発明の名称】劣化診断プログラム、劣化診断方法、および情報処理装置

(51)【国際特許分類】

   G01N 21/88 20060101AFI20240408BHJP

【ＦＩ】

G01N21/88 J

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2022159561

(22)【出願日】2022-10-03

(71)【出願人】

【識別番号】000005223

【氏名又は名称】富士通株式会社

(74)【代理人】

【識別番号】110002918

【氏名又は名称】弁理士法人扶桑国際特許事務所

(72)【発明者】

【氏名】金野 佑治

【テーマコード（参考）】

2G051

【Ｆターム（参考）】

2G051AA90

2G051AB03

2G051AB07

2G051AC15

2G051CA04

2G051EB05

2G051EC02

2G051ED04

(57)【要約】

【課題】画像に基づく設備の劣化状態の判定精度を向上させる。
【解決手段】情報処理装置１０は、検査対象の設備１の画像４を示す画像データ３を取得する。次に情報処理装置１０は、画像４内の設備１の腐食領域５を特定する。さらに情報処理装置１０は、腐食領域５内の複数の画素それぞれの輝度を算出する。そして情報処理装置１０は、輝度の値ごとの画素数を示す頻度分布に基づいて、腐食による設備１の劣化の度合いを判定する。
【選択図】図１

【特許請求の範囲】

【請求項1】

検査対象の設備の画像を示す画像データを取得し、
前記画像内の前記設備の腐食領域を特定し、
前記腐食領域内の複数の画素それぞれの輝度を算出し、
前記輝度の値ごとの画素数を示す頻度分布に基づいて、腐食による前記設備の劣化の度合いを判定する、
処理をコンピュータに実行させる劣化診断プログラム。

【請求項2】

腐食による前記設備の劣化の度合いを判定する処理では、前記頻度分布において最も画素数の多い輝度値に基づいて、劣化の度合いを判定する、
請求項１記載の劣化診断プログラム。

【請求項3】

腐食による前記設備の劣化の度合いを判定する処理では、前記頻度分布において前記輝度が所定値以下の画素の割合に基づいて、劣化の度合いを判定する、
請求項１記載の劣化診断プログラム。

【請求項4】

腐食による前記設備の劣化の度合いを判定する処理では、前記頻度分布において最も画素数の多い輝度値が第１の閾値以下であり、かつ前記頻度分布において輝度値が第２の閾値以下の画素が所定の割合以上の場合、補修を要する劣化度合いであると判定する、
請求項１記載の劣化診断プログラム。

【請求項5】

前記画像データに示される前記画像から、所定の部品とひびとを特定し、
前記部品を囲む周辺領域を特定し、
前記周辺領域内に前記ひびが含まれるか否かにより、前記ひびによる前記設備の劣化の度合いを判定する、
処理を前記コンピュータにさらに実行させる請求項１から４までのいずれかに記載の劣化診断プログラム。

【請求項6】

検査対象の設備の画像を示す画像データを取得し、
前記画像内の前記設備の腐食領域を特定し、
前記腐食領域内の複数の画素それぞれの輝度を算出し、
前記輝度の値ごとの画素数を示す頻度分布に基づいて、腐食による前記設備の劣化の度合いを判定する、
処理をコンピュータが実行する劣化診断方法。

【請求項7】

検査対象の設備の画像を示す画像データを取得し、前記画像内の前記設備の腐食領域を特定し、前記腐食領域内の複数の画素それぞれの輝度を算出し、前記輝度の値ごとの画素数を示す頻度分布に基づいて、腐食による前記設備の劣化の度合いを判定する処理部、
を有する情報処理装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、劣化診断プログラム、劣化診断方法、および情報処理装置に関する。

【背景技術】

【0002】

生活基盤を支えるインフラストラクチャに関する設備は、常時正常に機能していることが求められる。このような設備として、例えば、発電所で発電した電力を使用者の施設まで送電するための配電設備がある。このような設備は時間の経過とともに劣化が進行する。そこで、設備の補修を行う適切な時期を判断するために、定期的に点検が行われる。定期点検では、例えば作業員が設備を目視で観察し、作業員が劣化の状況を判断する。

【0003】

インフラストラクチャに関する設備は広範囲に設置されており、すべての点検範囲を作業員が目視で観察していたのでは、設備の劣化状態の点検に膨大な時間を要する。そこでカメラなどで撮影した画像を作業員が目視確認する点検手法も考えられる。画像の撮影は例えばドローンなどを利用して行うことも可能であり、撮影した画像に基づいて劣化の状況を判断することで、作業を効率的に行うことができる。

【0004】

ただし、劣化の度合いを作業員が判断していたのでは、腐食などの劣化状態を定量的に判定することができない。そこで、例えば３次元構造物の画像をもとに３次元構造物に対する錆などの劣化状態の評価を迅速かつ高精度に行うことができる劣化状態検出装置が提案されている。

【0005】

なお、画像を用いた処理では、画像を事前に加工する場合がある。画像を加工する技術としては、例えば、精度の高いコントラスト補正を行うことが可能な画像補正装置が提案されている。

【先行技術文献】

【特許文献】

【0006】

【特許文献1】特開２０２１－３２６５０号公報

【特許文献2】国際公開第２００９／０７２２０７号

【発明の概要】

【発明が解決しようとする課題】

【0007】

従来技術を用いれば、例えば腐食の範囲を画像から特定して、劣化の状態を判断できるが、判定精度が十分ではない。
１つの側面では、本件は、画像に基づく設備の劣化状態の判定精度を向上させることを目的とする。

【課題を解決するための手段】

【0008】

１つの案では、以下の処理をコンピュータに実行させる劣化診断プログラムが提供される。
コンピュータは、検査対象の設備の画像を示す画像データを取得する。コンピュータは、画像内の設備の腐食領域を特定する。コンピュータは、腐食領域内の複数の画素それぞれの輝度を算出する。そしてコンピュータは、輝度の値ごとの画素数を示す頻度分布に基づいて、腐食による設備の劣化の度合いを判定する。

【発明の効果】

【0009】

１態様によれば、画像に基づく設備の劣化状態の判定精度を向上させる。

【図面の簡単な説明】

【0010】

【図1】第１の実施の形態に係る劣化診断方法の一例を示す図である。

【図2】第２の実施の形態のシステム構成の一例を示す図である。

【図3】劣化診断サーバのハードウェアの一例を示す図である。

【図4】劣化診断サーバの機能の一例を示すブロック図である。

【図5】劣化診断処理の手順の一例を示すフローチャートである。

【図6】コントラスト調整の一例を示す図である。

【図7】腐食領域の画像解析の一例を示す図である。

【図8】腐食領域の劣化度判定の一例を示す図である。

【図9】劣化度判定基準の一例を示す図である。

【図10】腐食劣化度判定処理の手順の一例を示すフローチャートである。

【図11】診断結果の一例を示す図である。

【図12】ひびによる配電設備の劣化度の判定方法の一例を示す図である。

【図13】ひび劣化度判定処理の手順の一例を示すフローチャートである。

【図14】ひび検出画像の一例を示す図である。

【発明を実施するための形態】

【0011】

以下、本実施の形態について図面を参照して説明する。なお各実施の形態は、矛盾のない範囲で複数の実施の形態を組み合わせて実施することができる。
〔第１の実施の形態〕
第１の実施の形態は、画像を用いた設備の劣化状態を高精度に判定することができる劣化診断方法である。

【0012】

図１は、第１の実施の形態に係る劣化診断方法の一例を示す図である。図１には、劣化診断方法を実施する情報処理装置１０が示されている。情報処理装置１０は、例えば劣化診断プログラムを実行することにより、劣化診断方法を実施することができる。

【0013】

情報処理装置１０は、記憶部１１と処理部１２とを有する。記憶部１１は、例えば情報処理装置１０が有するメモリまたはストレージ装置である。処理部１２は、例えば情報処理装置１０が有するプロセッサまたは演算回路である。

【0014】

記憶部１１は、検査対象の設備１の画像４を示す画像データ３を記憶する。例えばカメラ２で設備１を撮影することで得られた画像データ３が情報処理装置１０に入力されると、その画像データ３が記憶部１１に格納される。

【0015】

処理部１２は、画像データ３に基づいて、設備１の劣化の度合いを判定する。例えば処理部１２は、記憶部１１から画像データ３を取得する。次に処理部１２は、画像４内の設備１の腐食領域５を特定する。例えば処理部１２は、ニューラルネットワークを用いた深層学習技術の１つであるセマンティックセグメンテーションを用いて、画像４に写っているものの種別を特定する。セマンティックセグメンテーションにおける学習時には、腐食領域を特定可能なモデルを学習させることで、画像４内の腐食領域５の特定が可能となる。

【0016】

処理部１２は、腐食領域５内の複数の画素それぞれの輝度を算出する。例えば処理部１２は、画像４をグレースケールに変換し、各画素のグレースケールでの明るさを輝度とする。なお処理部１２は、予め画像４に対してコントラスト調整処理を行ってもよい。コントラスト調整処理により、腐食領域５内での明暗の差を明確にすることができる。

【0017】

処理部１２は、輝度の値ごとの画素数を示す頻度分布に基づいて、腐食による設備１の劣化の度合いを判定する。例えば処理部１２は、腐食領域５内の複数の画素それぞれの輝度に基づいて、頻度分布図６を生成する。頻度分布図６は、横軸に輝度値が設定され、縦軸に輝度値ごとの、該当輝度値を有する画素数（頻度）が設定される。

【0018】

腐食領域５では、腐食の進行度合いが高い部分ほど暗い画像となる。暗い画像では、輝度値が低くなる。従って輝度値に基づいて腐食の進行度合いを識別できる。すなわち輝度の値ごとの画素数を示す頻度分布に基づいて設備１の劣化度合いを判断することで、腐食の範囲だけでなく、腐食の進行度合いに応じた劣化度合いを判断することができる。その結果、設備１の劣化状態を高精度に判定可能となる。

【0019】

例えば処理部１２は、頻度分布において最も画素数の多い輝度値が所定値以下か否かに基づいて、劣化の度合いを判定する。すなわち頻度分布図６における画素数がピークとなる輝度値（最頻値）に基づいて、腐食の進行度合いを判断できる。そこで処理部１２は、例えば最も画素数が多い輝度値が所定値以下となるほど暗い（腐食が進行している）場合、設備１の劣化度が高いと判断する。これにより、劣化状態を正しく判定することができる。

【0020】

また処理部１２は、頻度分布において輝度が所定値以下の画素の割合に基づいて、劣化の度合いを判定することもできる。すなわち腐食領域５における、腐食がある程度以上進行した領域の割合に応じて、劣化の度合いが判定される。これにより、腐食の進行度合いが高い範囲の割合を反映させて、劣化状態を正しく判定することができる。

【0021】

具体的には、処理部１２は、例えば頻度分布において最も画素数の多い輝度値が第１の閾値以下であり、かつ頻度分布において輝度が第２の閾値以下の画素が所定の割合以上の場合、補修を要する劣化度合いであると判定する。第１の閾値と第２の閾値とは、同じ値であってもよいし、異なる値であってもよい。これにより、劣化度合いを正しく判断し、無駄な補修作業が発生することを抑止できる。

【0022】

なお設備１の劣化状態としては、腐食の発生以外に、ひびの発生も考えられる。そこで処理部１２は、画像データ３に基づいて、ひびによる設備１の劣化の度合いを判定することもできる。例えば処理部１２は、画像データ３に示される画像４から、所定の部品とひびとを特定する。所定の部品は、劣化で破損した場合に特に危険な部品である。例えば所定の部品は、電柱に設置された配電設備の碍子である。処理部１２は、部品を囲む周辺領域を特定する。さらに処理部１２は、周辺領域内にひびが含まれるか否かにより、ひびによる設備１の劣化の度合いを判定する。例えば処理部１２は、周辺領域内にひびが含まれていれば、補修を要するほどに劣化度が高いと判定する。このようにして、ひびによる劣化状態についても正確に判定することができる。

【0023】

〔第２の実施の形態〕
第２の実施の形態は、配電設備を撮影した画像に基づいて、その配電設備の劣化状態を容易に判断することができるコンピュータシステムである。

【0024】

図２は、第２の実施の形態のシステム構成の一例を示す図である。例えば配電設備の劣化状態を調査する作業員３０は、デジタル式のカメラ３１、カメラ内蔵の無人航空機３２などを用いて、配電設備の写真を撮影する。撮影対象の配電設備は、例えば電柱４１，４２上のアーム４３，４４とアーム間に張られた電線４５などである。なお無人航空機３２には、無線操縦される無線操縦機、プログラムに従って自律飛行するドローンなどが含まれる。

【0025】

作業員３０は、ネットワーク２０を介して劣化診断サーバ１００と通信可能な端末３３を所持する。そして作業員３０は、撮影した画像を示す画像データを、端末３３を用いて劣化診断サーバ１００に送信する。劣化診断サーバ１００は、画像データに基づいて配電設備の劣化状態を診断するコンピュータである。劣化診断サーバ１００は、劣化診断の結果を端末３３に送信する。すると端末３３の画面に、配電設備の劣化状態の診断結果が表示される。

【0026】

このようにして、作業員３０の主観的な判断ではなく、劣化診断サーバ１００による客観的な劣化状態の診断結果を得ることができる。そして作業員３０は、端末に表示された診断結果に基づいて、配電設備の補修の要否を迅速に判断することができる。

【0027】

図３は、劣化診断サーバのハードウェアの一例を示す図である。劣化診断サーバ１００は、プロセッサ１０１によって装置全体が制御されている。プロセッサ１０１には、バス１０９を介してメモリ１０２と複数の周辺機器が接続されている。プロセッサ１０１は、マルチプロセッサであってもよい。プロセッサ１０１は、例えばＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、またはＤＳＰ（Digital Signal Processor）である。プロセッサ１０１がプログラムを実行することで実現する機能の少なくとも一部を、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）などの電子回路で実現してもよい。

【0028】

メモリ１０２は、劣化診断サーバ１００の主記憶装置として使用される。メモリ１０２には、プロセッサ１０１に実行させるＯＳ（Operating System）のプログラムやアプリケーションプログラムの少なくとも一部が一時的に格納される。また、メモリ１０２には、プロセッサ１０１による処理に利用する各種データが格納される。メモリ１０２としては、例えばＲＡＭ（Random Access Memory）などの揮発性の半導体記憶装置が使用される。

【0029】

バス１０９に接続されている周辺機器としては、ストレージ装置１０３、ＧＰＵ（Graphics Processing Unit）１０４、入力インタフェース１０５、光学ドライブ装置１０６、機器接続インタフェース１０７およびネットワークインタフェース１０８がある。

【0030】

ストレージ装置１０３は、内蔵した記録媒体に対して、電気的または磁気的にデータの書き込みおよび読み出しを行う。ストレージ装置１０３は、劣化診断サーバ１００の補助記憶装置として使用される。ストレージ装置１０３には、ＯＳのプログラム、アプリケーションプログラム、および各種データが格納される。なお、ストレージ装置１０３としては、例えばＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）を使用することができる。

【0031】

ＧＰＵ１０４は画像処理を行う演算装置であり、グラフィックコントローラとも呼ばれる。ＧＰＵ１０４には、モニタ２１が接続されている。ＧＰＵ１０４は、プロセッサ１０１からの命令に従って、画像をモニタ２１の画面に表示させる。モニタ２１としては、有機ＥＬ（Electro Luminescence）を用いた表示装置や液晶表示装置などがある。

【0032】

入力インタフェース１０５には、キーボード２２とマウス２３とが接続されている。入力インタフェース１０５は、キーボード２２やマウス２３から送られてくる信号をプロセッサ１０１に送信する。なお、マウス２３は、ポインティングデバイスの一例であり、他のポインティングデバイスを使用することもできる。他のポインティングデバイスとしては、タッチパネル、タブレット、タッチパッド、トラックボールなどがある。

【0033】

光学ドライブ装置１０６は、レーザ光などを利用して、光ディスク２４に記録されたデータの読み取り、または光ディスク２４へのデータの書き込みを行う。光ディスク２４は、光の反射によって読み取り可能なようにデータが記録された可搬型の記録媒体である。光ディスク２４には、ＤＶＤ（Digital Versatile Disc）、ＤＶＤ－ＲＡＭ、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）、ＣＤ－Ｒ（Recordable）／ＲＷ（ReWritable）などがある。

【0034】

機器接続インタフェース１０７は、劣化診断サーバ１００に周辺機器を接続するための通信インタフェースである。例えば機器接続インタフェース１０７には、メモリ装置２５やメモリリーダライタ２６を接続することができる。メモリ装置２５は、機器接続インタフェース１０７との通信機能を搭載した記録媒体である。メモリリーダライタ２６は、メモリカード２７へのデータの書き込み、またはメモリカード２７からのデータの読み出しを行う装置である。メモリカード２７は、カード型の記録媒体である。

【0035】

ネットワークインタフェース１０８は、ネットワーク２０に接続されている。ネットワークインタフェース１０８は、ネットワーク２０を介して、他のコンピュータまたは通信機器との間でデータの送受信を行う。ネットワークインタフェース１０８は、例えばスイッチやルータなどの有線通信装置にケーブルで接続される有線通信インタフェースである。またネットワークインタフェース１０８は、基地局やアクセスポイントなどの無線通信装置に電波によって通信接続される無線通信インタフェースであってもよい。

【0036】

劣化診断サーバ１００は、以上のようなハードウェアによって、第２の実施の形態の処理機能を実現することができる。なお、第１の実施の形態に示した情報処理装置１０も、図３に示した劣化診断サーバ１００と同様のハードウェアにより実現することができる。

【0037】

劣化診断サーバ１００は、例えばコンピュータ読み取り可能な記録媒体に記録されたプログラムを実行することにより、第２の実施の形態の処理機能を実現する。劣化診断サーバ１００に実行させる処理内容を記述したプログラムは、様々な記録媒体に記録しておくことができる。例えば、劣化診断サーバ１００に実行させるプログラムをストレージ装置１０３に格納しておくことができる。プロセッサ１０１は、ストレージ装置１０３内のプログラムの少なくとも一部をメモリ１０２にロードし、プログラムを実行する。また劣化診断サーバ１００に実行させるプログラムを、光ディスク２４、メモリ装置２５、メモリカード２７などの可搬型記録媒体に記録しておくこともできる。可搬型記録媒体に格納されたプログラムは、例えばプロセッサ１０１からの制御により、ストレージ装置１０３にインストールされた後、実行可能となる。またプロセッサ１０１が、可搬型記録媒体から直接プログラムを読み出して実行することもできる。

【0038】

このような劣化診断サーバ１００は、画像データに基づいて、配電設備における腐食領域の広さだけでなく、腐食状態のレベルを適切に判断し、腐食状態のレベルと腐食領域の広さとに基づいて、劣化状態を適切に診断する。例えば劣化診断サーバ１００は、画像データから、配電設備の腐食領域の濃淡の情報を取得する。このとき劣化診断サーバ１００は、撮影時の明度のバラつきを吸収するため原画像に対しコントラスト調整を行った後、腐食領域をグレースケールに変換する。一般的に腐食が進行している領域は色が濃くなる。そこで劣化診断サーバ１００は、濃度の濃い領域は腐食が進行していると判定する。

【0039】

なお腐食の色で劣化判定すると照明条件により実際の劣化度合いと異なる判定結果になる可能性がある。そのため劣化診断サーバ１００は、コントラスト調整により明度の平滑化を行い、コントラスト調整後の画像に基づいて腐食領域の濃淡の情報を取得する。

【0040】

図４は、劣化診断サーバの機能の一例を示すブロック図である。劣化診断サーバ１００は、画像データ受信部１１０、記憶部１２０、コントラスト調整部１３０、領域抽出部１４０、画像解析部１５０、劣化度判定部１６０、および診断結果送信部１７０を有する。

【0041】

画像データ受信部１１０は、端末３３から、配電設備の画像を示す画像データを取得する。画像データ受信部１１０は、取得した画像データを記憶部１２０に格納する。記憶部１２０は、画像データを記憶する。

【0042】

コントラスト調整部１３０は、画像データに示される配電設備の画像のコントラストを調整する。例えばコントラスト調整部１３０は、部分領域ごとに適切なコントラストとなるようにコントラストを調整する。

【0043】

領域抽出部１４０は、配電設備に画像から腐食、ひび、部材領域などの領域抽出を行う。領域抽出は、例えば画像セグメンテーションによって行うことができる。画像セグメンテーションの具体的手法の一例として、ディープラーニングのアルゴリズムであるセマンティックセグメンテーションがある。セマンティックセグメンテーションとは、画像のピクセル（画素）一つ一つに対して、何が写っているかといった、ラベルやカテゴリを関連付ける技術である。セマンティックセグメンテーションには、例えばＦＣＮ（Fully Convolutional Networks）を用いることができる。

【0044】

画像解析部１５０は、腐食領域をグレースケール画像に変換する。そして画像解析部１５０は、腐食領域内において、濃淡の値ごとの画素数を算出する。
劣化度判定部１６０は、腐食領域をレベル分けして、所定のレベル以上に腐食が進んだ領域が占める割合に基づいて、劣化度を判定する。劣化度判定部１６０は、劣化度の判定結果を診断結果送信部１７０に通知する。

【0045】

診断結果送信部１７０は、劣化度の判定結果に基づく診断結果を端末３３に送信する。例えば診断結果送信部１７０は、補修を要する程に劣化が進んでいる場合、該当箇所の画像を含む診断結果を端末３３に送信する。

【0046】

なお、図４に示した各要素間を接続する線は通信経路の一部を示すものであり、図示した通信経路以外の通信経路も設定可能である。また、図４に示した各要素の機能は、例えば、その要素に対応するプログラムモジュールをコンピュータに実行させることで実現することができる。

【0047】

図５は、劣化診断処理の手順の一例を示すフローチャートである。以下、図５に示す処理をステップ番号に沿って説明する。
［ステップＳ１０１］画像データ受信部１１０は、端末３３から画像データを受信する。画像データ受信部１１０は、受信した画像データを記憶部１２０に格納する。

【0048】

［ステップＳ１０２］コントラスト調整部１３０は、記憶部１２０から画像データを取得し、取得した画像データに示される配電設備の画像のコントラストを調整する。例えばコントラスト調整部１３０は、腐食領域の明暗の差がより広がるようにコントラストの調整を行う。

【0049】

［ステップＳ１０３］領域抽出部１４０は、セマンティックセグメンテーションにより、コントラスト調整後の画像のセグメンテーションを行う。セグメンテーションにより、画素ごとに、その画素に写っているものが何なのかが特定される。例えばセグメンテーションにより、腐食領域、ひびなどが特定される。

【0050】

［ステップＳ１０４］画像解析部１５０は、画素ごとに、その画素の輝度を取得し、輝度ごとの画素数を計数する。そして画像解析部１５０は、輝度ごとの頻度を示す頻度分布図を生成する。

【0051】

［ステップＳ１０５］劣化度判定部１６０は、輝度ごとの頻度を示す頻度分布図に基づいて、腐食領域における劣化度を判定する。腐食劣化度判定処理の詳細は後述する（図１０参照）。

【0052】

［ステップＳ１０６］劣化度判定部１６０は、ひびの劣化度を判定する。ひび劣化度判定処理の詳細は後述する（図１３参照）。
［ステップＳ１０７］診断結果送信部１７０は、診断結果を端末３３に送信する。診断結果送信部１７０は、例えば診断結果に、腐食部分を強調した画像、またはひび領域を強調した画像を含める。送信された診断結果は、端末３３の画面に表示される。

【0053】

このような処理により、腐食などによる劣化の度合いを正確に判断した診断結果を得ることができる。
図６は、コントラスト調整の一例を示す図である。図６の上段には比較例として、画像全体について統一した基準で階調調整を行う例を示している。例えば原画像５１には、森林の先に遺跡が写っている。森林は全体的に暗い色調であり、遺跡は明るい色調である。このような原画像５１に対して、全体を統一した基準で階調調整するようなコントラスト調整によって暗部を明るくすると、処理結果画像５２では、元々明るかった遺跡部分の階調が欠落する場合がある。

【0054】

そこでコントラスト調整部１３０は、部位ごとに階調の最適化が可能なコントラスト調整技術によって、原画像の５１のコントラストを調整する。図６の下段には、コントラスト調整部１３０によって実施される部位ごとの階調調整技術の例が示されている。

【0055】

コントラスト調整部１３０は、例えば、上記特許文献２に示したコントラスト調整技術を実施する。このコントラスト調整技術では、入力画像における各画素の画素値から当該入力画像の平均的な明るさを示す特徴値が算出される。そして算出された入力画像の特徴値に基づいて、入力画像のコントラストが調整される。例えば特徴値を境界となる画素値とし、その画素値より暗い領域が明るく調整され、その画素値より明るい領域が暗く調整される。

【0056】

図６に示した原画像５１の例であれば、遺跡の領域は全体的に明るい画像であるため、暗く調整される。また森林の領域は全体的に暗い画像であるため、明るく調整される。これにより、部位ごとに階調を最適化したコントラスト調整が行われる。その結果、処理結果画像５３では、森林と遺跡とのコントラストが明瞭となっている。

【0057】

配電設備の画像に対して適切なコントラスト調整を行うことにより、配電設備の腐食部分における濃淡の違いが明瞭となる。すなわち、腐食の進行度合いの違いが、腐食部分の輝度の違いとして明確に現れる。

【0058】

そこで腐食領域などの劣化箇所の領域抽出後に、その部分の画像解析が行われる。
図７は、腐食領域の画像解析の一例を示す図である。原画像６１には、電柱上のアームと電線が写っている。アームが腐食している場合、アームの色が濃くなる。原画像６１のコントラストを調整することで、コントラスト調整画像６２が得られる。コントラスト調整画像６２では、腐食領域の画素の輝度の値の範囲が広がっている。

【0059】

コントラスト調整画像６２についてセマンティックセグメンテーションを実施することで、ひび領域と腐食領域などが特定される。さらにコントラスト調整画像６２をグレースケール化すると、グレースケール画像６３が得られる。グレースケール画像６３における腐食領域内の各画素の輝度の値ごとの画素数を計数することで、腐食の濃淡（輝度値）の頻度分布図６４を得ることができる。

【0060】

頻度分布図６４に基づいて、腐食による劣化の程度を定量的に判定することができる。
図８は、腐食領域の劣化度判定の一例を示す図である。頻度分布図６４は、横軸が腐食領域の画素の濃淡（輝度）を示し、縦軸が腐食の濃淡ごとの画素数を示している。濃淡は、０％～１００％で表されている。グレースケールにおける濃淡は「０～２５５」の２５６階調の輝度の数値データで表される。最も濃度の濃い画素の輝度は「０」、最も濃度が薄い画素の輝度は「２５５」になる。グレースケール画像６３の画素ごとの濃淡に基づき、濃度ごと腐食領域内の画素数を示す頻度分布図６４は得られる。図８の例では、横軸の濃淡を「０～１００」の割合で表示するため、最も濃淡の濃い数値（グレースケールで「０」）が「１００」、最も濃淡が薄い数値（グレースケールで「２５５」）が「０」となっている。

【0061】

劣化度判定部１６０は、画像解析部１５０が生成した頻度分布図６４に基づき劣化度を判定する。例えば劣化度判定部１６０は、濃淡に基づいて、腐食の進行度合いを示すレベル分けをする。

【0062】

図８の例では、腐食の進行度合いが５段階にレベル分けされている。腐食の濃淡「０～１９」の範囲が「レベル１」である。腐食の濃淡「０～１９」の画素は、グレースケールにおける輝度が「２５５～２０５」の画素である。腐食の濃淡「２０～３９」の範囲が「レベル２」である。腐食の濃淡「２０～３９」の画素は、グレースケールにおける輝度が「２０４～１５４」の画素である。腐食の濃淡「４０～５９」の範囲が「レベル３」である。腐食の濃淡「４０～５９」の画素は、グレースケールにおける輝度が「１５３～１０３」の画素である。腐食の濃淡「６０～７９」の範囲が「レベル４」である。腐食の濃淡「６０～７９」の画素は、グレースケールにおける輝度が「１０２～５２」の画素である。腐食の濃淡「８０～１００」の範囲が「レベル５」である。腐食の濃淡「８～１００」の画素は、グレースケールにおける輝度が「５１～０」の画素である。なお、腐食の濃淡と腐食レベルとの対応関係はユーザが任意に設定を変更可能である。

【0063】

劣化度判定部１６０は、腐食の濃度ごとの画素数のピーク（最頻値）を求める。画素数がピークとなる濃度の腐食のレベルが、腐食による劣化度となる。図８の例では腐食濃度ごとの画素数のピークが腐食の濃淡の「７８」付近にある。そのため腐食による腐食レベルは「レベル４」と判定される。

【0064】

なお、腐食レベルが高くても、腐食レベルが高い範囲が狭ければ、補修の緊急性は低い。そこで劣化度判定部１６０は、一定の腐食レベル以上の範囲の広さに基づいて、劣化度を判定する。

【0065】

図９は、劣化度判定基準の一例を示す図である。例えば劣化度判定部１６０は、配電設備の錆による劣化度を、腐食レベル判定結果と腐食レベル４以上の領域の割合に基づき判定する。劣化度判定表７１は、横軸に腐食レベル判定結果を示し、縦軸に腐食レベル４以上の領域の割合を示している。劣化度判定表７１において、斜線で塗りつぶされている領域が、劣化度「高」の域である。それ以外の領域は、劣化度「低」の領域である。

【0066】

図９の例では、頻度分布図６４でのピーク位置の腐食レベル（レベル１～レベル５の５段階）がレベル４以上であり、腐食領域全体に対する腐食レベル４以上の割合が５０％以上の場合、劣化度「高」と判定される。

【0067】

図１０は、腐食劣化度判定処理の手順の一例を示すフローチャートである。以下、図１０に示す処理をステップ番号に沿って説明する。
［ステップＳ１２１］劣化度判定部１６０は、ピークの腐食レベルを判定する。例えば劣化度判定部１６０は、腐食の濃淡の頻度分布図６４において、画素数が最も多い濃淡の値を求める。そして劣化度判定部１６０は、その濃淡の値を含む腐食レベルを判断する。

【0068】

［ステップＳ１２２］劣化度判定部１６０は、ピークの腐食レベルが「レベル４」以上か否かを判断する。劣化度判定部１６０は、「レベル４」以上であれば、処理をステップＳ１２３に進める。また劣化度判定部１６０は、「レベル４」未満であれば、処理をステップＳ１２５に進める。

【0069】

［ステップＳ１２３］劣化度判定部１６０は、腐食レベルが「レベル４」以上の腐食領域の割合を算出する。例えば劣化度判定部１６０は、腐食領域全体の画素数を計数する。また劣化度判定部１６０は、腐食レベルが「レベル４」以上（輝度値が「１０２」以下）の画素数を計数する。そして劣化度判定部１６０は、腐食レベルが「レベル４」以上の画素数を腐食領域全体の画素数で除算し、除算結果を腐食領域の割合とする。

【0070】

［ステップＳ１２４］劣化度判定部１６０は、腐食レベル「レベル４」以上の領域の割合が５０％を超えているか否かを判断する。劣化度判定部１６０は、５０％を超えていれば、処理をステップＳ１２６に進める。劣化度判定部１６０は、５０％を超えていなければ、処理をステップＳ１２５に進める。

【0071】

［ステップＳ１２５］劣化度判定部１６０は、劣化度の判定結果を「低」として、腐食劣化度判定処理を終了する。
［ステップＳ１２６］劣化度判定部１６０は、劣化度の判定結果を「高」とする。

【0072】

［ステップＳ１２７］劣化度判定部１６０は、腐食領域のカラーマップ画像を生成する。例えば劣化度判定部１６０は、腐食領域の腐食レベルの違いを、色の違いに置き換えたカラーマップ画像を生成する。

【0073】

［ステップＳ１２８］劣化度判定部１６０は、カラーマップ画像を、配電設備を撮影した原画像と合成する。劣化度判定部１６０は、合成した画像を診断結果に含める。
このようにカラーマップ画像を合成することで、作業員は腐食領域および腐食の度合いを、容易に認識することができる。

【0074】

図１１は、診断結果の一例を示す図である。図１１には、劣化度「高」の腐食が検出された場合の例が示されている。この場合、グレースケール画像６３における濃淡が、カラーマップで定義された色に置き換えられる。

【0075】

図１１の例では、ｊｅｔと呼ばれるカラーマップが使用されている。このカラーマップでは、腐食レベル「レベル１」の領域の色は「赤」、腐食レベル「レベル２」の領域の色は「黄」、腐食レベル「レベル３」の領域の色は「緑」、腐食レベル「レベル４」の領域の色は「青」、腐食レベル「レベル５」の領域の色は「紫」である。

【0076】

グレースケール画像６３における腐食領域の各画素に対してカラーマップによって色を設定することで、カラーマップ適用画像６５が生成される。原画像６１に対してカラーマップ適用画像６５を合成することで、腐食部表示画像８１が得られる。腐食部表示画像８１は、配電設備における腐食部分における腐食の度合いを色で表した画像である。

【0077】

例えば腐食部表示画像８１を含む診断結果画面８０が、作業員３０の所持する端末３３に送信される。作業員３０は、診断結果画面８０を参照することで、配電設備の劣化の度合いを容易に認識することができる。

【0078】

このように、「腐食レベル判定」と「腐食レベル４以上の腐食の割合」の両方が大きい場合は劣化度が高くそれ以外は劣化度が低いと判定される。判定の閾値は運用に合わせて変更可能である。適切な閾値を設定して劣化度を判定することで、不必要な補修作業の発生を抑止できる。すなわち、部材の交換が多発するとコスト増となるので、多少劣化が進んでいても安全上問題のない配電設備はそのまま使い続けることができる。例えば配電設備の部材は錆の量が多ければ劣化度が高いとは必ずしもいえず、腐食領域が広範囲でも腐食の程度が低ければ劣化判定は低い値にするのが適切である。

【0079】

腐食がレベル４以上の腐食領域の割合を算出することにより、例えば腐食がアーム全体に存在している場合でも腐食レベルがレベル３以下の領域の割合が多い場合は、劣化度は「低」となる。このような判定手法を用いることで交換部材の適正化を図ることができる。なお図９の例では、レベル４以上を腐食レベルが高いと定義したが、運用に合わせてレベルの閾値を変更してもよい。

【0080】

このように画像解析部１５０で腐食領域を抽出して解析対象を絞り、またコントラスト調整部１３０で明度の平滑化を行い、グレースケールの濃淡で劣化判定を行うことで、画像解析と実物の目視確認との乖離を低減して腐食の劣化判定を行うことができる。しかも錆による腐食領域をグレースケールに変換して２５６階調の数値データで錆の濃淡を判別することができる。グレースケールに変換することで、ＲＧＢ（赤：Red、緑：Green、青：Blue）やＨＳＶ（色相：Hue、彩度：Saturation・Chroma、明度：Value・Brightness）による数値化に比べて扱う数値情報が少なくて済む。そのため劣化判定処理を効率的に行うことができる。

【0081】

次に、ひびによる配電設備の劣化度の判定方法について説明する。ひびによる配電設備の劣化度は、例えば特に危険度の高い部品の周囲で発生したひびか否かによって判定される。

【0082】

図１２は、ひびによる配電設備の劣化度の判定方法の一例を示す図である。電柱９０に設けられた配電設備はアーム９１や碍子９２，９３などの部材で構成される。碍子９２，９３が劣化すると感電の危険性があるため点検では特に重点的に確認することが求められる。またアーム９１は腐食が進行するとひび９５，９６や穴になる場合がある。このとき碍子９２，９３の周辺にひび９５，９６や穴があると危険である。そのため碍子周辺内にひびや穴がある配電設備は部材交換の優先度が高い。そこで劣化度判定部１６０は、画像から碍子９２の周辺の碍子周辺領域９４を特定して、碍子周辺領域９４内にひび９５，９６や穴が検出された場合、劣化判定度として高い値を出力する。

【0083】

図１３は、ひび劣化度判定処理の手順の一例を示すフローチャートである。以下、図１３に示す処理をステップ番号に沿って説明する。
［ステップＳ１４１］劣化度判定部１６０は、セマンティックセグメンテーションの結果に基づいて、碍子領域を特定する。

【0084】

［ステップＳ１４２］劣化度判定部１６０は、碍子検出画像を二値化し、二値画像を取得する。
［ステップＳ１４３］劣化度判定部１６０は、碍子周辺領域を特定する。例えば劣化度判定部１６０は、碍子領域を、上下それぞれに碍子の縦方向の幅の分だけ領域を拡げ、左右それぞれに碍子の横方向の幅の分だけ領域を広げる。劣化度判定部１６０は、拡げられた領域を、碍子周辺領域とする。

【0085】

［ステップＳ１４４］劣化度判定部１６０は、ひび領域を特定する。劣化度判定部１６０は、例えばセマンティックセグメンテーションの結果に基づいてひび領域を特定する。
［ステップＳ１４５］劣化度判定部１６０は、碍子周辺領域を示す画像にひび領域を示す画像を重ねる。

【0086】

［ステップＳ１４６］劣化度判定部１６０は、ひび領域が碍子周辺領域内にあるか否かを判断する。劣化度判定部１６０は、ひび領域が碍子周辺領域内にある場合、処理をステップＳ１４７に進める。また劣化度判定部１６０は、ひび領域が碍子周辺領域内にない場合、処理をステップＳ１４８に進める。

【0087】

［ステップＳ１４７］劣化度判定部１６０は、ひびの劣化度を「高」と判定し、ひび劣化度判定処理を終了する。
［ステップＳ１４８］劣化度判定部１６０は、ひびの劣化度を「低」と判定し、ひび劣化度判定処理を終了する。

【0088】

図１４は、ひび検出画像の一例を示す図である。原画像６１に基づいて、碍子９２の周囲の碍子周辺領域９４が特定される。図１４の例では、碍子周辺領域９４内にひび９５が検出されている。そこで、劣化度「高」のひびの存在を示すひび検出画像６６が生成される。ひび検出画像６６では、ひび９５が所定の色（例えば緑）でマーキングされている。碍子周辺領域９４は、半透明の白色でマーキングされている。ひび検出画像６６におけるアーム左端にあるひび９５は碍子周辺領域９４に重なっているので、劣化判定度は高い値（補修を要する）となる。

【0089】

このように、碍子周辺領域内にひびが存在する場合は、ひびの劣化度が高く判定される。なお、腐食の劣化状態の判定においても、碍子周辺領域内の腐食については腐食レベルを何ランクか高く判断するようにしてもよい。

【0090】

〔その他の実施の形態〕
第２の実施の形態では配電設備の劣化状態の診断を行っているが、同様の処理により、他の設備の劣化状態の診断を行うことができる。

【0091】

また第２の実施の形態では端末３３とネットワーク２０で接続された劣化診断サーバ１００によって劣化状態を診断しているが、例えば端末３３において劣化状態の診断を行ってもよい。

【0092】

以上、実施の形態を例示したが、実施の形態で示した各部の構成は同様の機能を有する他のものに置換することができる。また、他の任意の構成物や工程が付加されてもよい。さらに、前述した実施の形態のうちの任意の２以上の構成（特徴）を組み合わせたものであってもよい。

【符号の説明】

【0093】

１ 設備
２ カメラ
３ 画像データ
４ 画像
５ 腐食領域
６ 頻度分布図
１０ 情報処理装置
１１ 記憶部
１２ 処理部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】