特許 7424066 地質評価システム、地質評価方法及び地質評価プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-01-22

(45)【発行日】2024-01-30

(54)【発明の名称】地質評価システム、地質評価方法及び地質評価プログラム

(51)【国際特許分類】

   E02D 1/02 20060101AFI20240123BHJP

   G06T 7/00 20170101ALI20240123BHJP

【ＦＩ】

E02D1/02

G06T7/00 350B

【請求項の数】 7

(21)【出願番号】P 2020006988

(22)【出願日】2020-01-20

(65)【公開番号】P2021113457

(43)【公開日】2021-08-05

【審査請求日】2022-12-05

(73)【特許権者】

【識別番号】000000549

【氏名又は名称】株式会社大林組

(74)【代理人】

【識別番号】100105957

【弁理士】

【氏名又は名称】恩田 誠

(74)【代理人】

【識別番号】100068755

【弁理士】

【氏名又は名称】恩田 博宣

(72)【発明者】

【氏名】辻本 理

(72)【発明者】

【氏名】阿部 留美子

(72)【発明者】

【氏名】土橋 武夫

【審査官】佐久間 友梨

(56)【参考文献】

【文献】特開２０１８－０１７５７０（ＪＰ，Ａ）

【文献】特開２０１９－１５７３４６（ＪＰ，Ａ）

【文献】国際公開第２０１７／２２１８６０（ＷＯ，Ａ１）

【文献】特開平０９－３０３０７１（ＪＰ，Ａ）

【文献】特開２０１９－１１７４３７（ＪＰ，Ａ）

【文献】特開２０２０－００９１４１（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｅ０２Ｄ １／００－３／１１５

Ｅ２１Ｄ １／００－９／１４

Ｇ０６Ｔ ７／００－７／９０

Ｇ０６Ｖ １０／００－２０／９０

３０／４１８

４０／１６

４０／２０

Ｇ０６Ｑ ５０／０８

Ｇ０１Ｖ ８／１０

(57)【特許請求の範囲】

【請求項1】

地表面位置に関連付けて、地表面を撮影した撮影画像を記憶した画像情報記憶部と、
地表面位置に関連付けて、岩質区分及び岩級区分の少なくとも１つの区分を記憶した地質情報記憶部と、
前記区分を予測する制御部とを備えて、地質の評価を実行する地質評価システムであって、
前記制御部が、
前記画像情報記憶部に記憶された撮影画像を地表面位置に関連付けて単位領域に分割し、
前記地表面位置に対応させて、前記単位領域に対応付けられる区分を前記地質情報記憶部から取得し、
単一の区分のみが対応付けられている前記単位領域に関連付けられた前記撮影画像と前記区分とを教師情報として用いて、撮影画像に基づいて前記区分を予測するための予測モデルを生成し、
評価対象領域の地表面位置の撮影画像と前記予測モデルとを用いて、前記評価対象領域における区分を予測することを特徴とする地質評価システム。

【請求項2】

前記制御部は、
前記画像情報記憶部に記憶された撮影画像を繋ぎ合わせて学習対象領域を１つの画像とした全体画像を生成し、
前記単位領域に分割する際には、前記生成した全体画像を、前記地表面位置に関連付けて分割することを特徴とする請求項１に記載の地質評価システム。

【請求項3】

前記画像情報記憶部には、基準線測量により設けられた地表面のマーキングに基づく地表面位置に関連付けて、前記地表面を撮影した撮影画像が記憶され、
前記地質情報記憶部には、前記地表面のマーキングに基づく地表面位置に関連付けて、前記区分が記憶され、
前記制御部は、
前記単位領域に分割する際には、前記マーキングの位置に関連付けて分割することを特徴とする請求項１又は２に記載の地質評価システム。

【請求項4】

前記教師情報の撮影画像及び前記評価対象領域の撮影画像として、マーキングされた地表面を、地表面の清掃状態、乾湿状態及び日光の照射状態を所定条件で撮影した画像を用いることを特徴とする請求項１に記載の地質評価システム。

【請求項5】

前記制御部は、前記予測した前記区分の中で、前記予測した区分とは異なる区分を取得した場合、新たに取得した区分と前記単位領域の撮影画像とを関連付けた新規教師情報を生成し、前記新規教師情報を用いて、前記予測モデルを再生成することを特徴とする請求項１又は４に記載の地質評価システム。

【請求項6】

地表面位置に関連付けて、地表面を撮影した撮影画像を記憶した画像情報記憶部と、
地表面位置に関連付けて、岩質区分及び岩級区分の少なくとも１つの区分を記憶した地質情報記憶部と、
前記区分を予測する制御部とを備えた地質評価システムを用いて、地質の評価を実行する方法であって、
前記制御部が、
前記画像情報記憶部に記憶された撮影画像を地表面位置に関連付けて単位領域に分割し、
前記地表面位置に対応させて、前記単位領域に対応付けられる区分を前記地質情報記憶部から取得し、
単一の区分のみが対応付けられている前記単位領域に関連付けられた前記撮影画像と前記区分とを教師情報として用いて、撮影画像に基づいて前記区分を予測するための予測モデルを生成し、
評価対象領域の地表面位置の撮影画像と前記予測モデルとを用いて、前記評価対象領域における区分を予測することを特徴とする地質評価方法。

【請求項7】

地表面位置に関連付けて、地表面を撮影した撮影画像を記憶した画像情報記憶部と、
地表面位置に関連付けて、岩質区分及び岩級区分の少なくとも１つの区分を記憶した地質情報記憶部と、
前記区分を予測する制御部とを備えた地質評価システムを用いて、地質の評価を実行するプログラムであって、
前記制御部を、
前記画像情報記憶部に記憶された撮影画像を地表面位置に関連付けて単位領域に分割し、
前記地表面位置に対応させて、前記単位領域に対応付けられる区分を前記地質情報記憶部から取得し、
単一の区分のみが対応付けられている前記単位領域に関連付けられた前記撮影画像と前記区分とを教師情報として用いて、撮影画像に基づいて前記区分を予測するための予測モデルを生成し、
評価対象領域の地表面位置の撮影画像と前記予測モデルとを用いて、前記評価対象領域における区分を予測する手段として機能させることを特徴とする地質評価プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、地質図等を作成するために地質を評価する地質評価システム、地質評価方法及び地質評価プログラムに関する。

【背景技術】

【0002】

ダムの建設工事等においては、施工や材料採取の予定現場の岩盤を構成する岩石の特性及びその基礎岩盤の地質状況を明らかにし、安全かつ経済的なダムの設計・施工に必要な地質工学的性質をできるだけ正確に把握するとともに、最適な施工方法や材料採取の実施方法等を決定している。このような岩石の特性の調査は、一般的に、地質専門技術者により、施工や材料採取の予定場所で行なわれる。この場合、地質専門技術者は、ロックハンマーやクリノメータ等の道具により、岩石を露頭から取り出し、目視や感触等により岩石の特性を観察して、岩石の名称及び岩盤の工学的性質を判定する。このため、地質専門技術者のスキルや知識が必要であった。また、地質図を作成する場合には、野外において地質図上の位置が判る基準となる位置（基準線）をペンキ等で現地に明示したり、割れ目の位置をオフセット測量によって測定したりするので、野外作業が多かった。

【0003】

そこで、採取現場で簡易に実行可能な岩石判定システムが検討されている（例えば、特許文献１参照。）。この文献に記載の岩石判定システムは、各岩石の特徴を示す質問事項及び回答と回答確信度とを記述した岩石分類フレーム、各岩石の曖昧的特徴を記述したファジィルール、及びそのファジィルールに対応するメンバーシップ関数からなる知識データベース装置を備える。そして、この岩石判定システムは、知識データベース装置に対応してルールベース型推論機構及びファジィ推論機構を行ない、岩石の種別を判定する。

【先行技術文献】

【特許文献】

【0004】

【文献】特開平６－２２０８３３号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、地質専門技術者による岩石及び岩盤の工学的性質の判定は現場における岩肌の画像や打撃応答情報等に基づいており、判定が難しかった。また、評価対象が広範囲の場合、評価対象における打撃応答情報を取得するには、時間が掛かる。このため、地質を効率的に評価することは難しかった。

【課題を解決するための手段】

【0006】

上記課題を解決する地質評価システムは、地表面位置に関連付けて、地表面を撮影した撮影画像を記憶した画像情報記憶部と、地表面位置に関連付けて、地質情報を記憶した地質情報記憶部と、地質を予測する制御部とを備えて、地質の評価を実行する地質評価システムであって、前記制御部が、前記画像情報記憶部に記憶された撮影画像を地表面位置に関連付けて単位領域に分割し、前記地表面位置に対応させて、前記単位領域の地質情報を前記地質情報記憶部から取得し、単一の地質情報が含まれている前記単位領域に関連付けられた前記撮影画像と前記地質情報とを教師情報として用いて、撮影画像に基づいて地質情報を予測するための予測モデルを生成し、評価対象領域の地表面位置の撮影画像と前記予測モデルとを用いて、前記評価対象領域における地質情報を予測する。

【発明の効果】

【0007】

本発明によれば、効率的に妥当な地質の評価を行なうことができる。

【図面の簡単な説明】

【0008】

【図1】実施形態における地質評価装置のシステム構成図。

【図2】実施形態のハードウェア構成の説明図。

【図3】実施形態におけるデータ記憶部に記憶されたデータ構成の説明図であって、（ａ）は画像情報記憶部、（ｂ）は地質図記憶部、（ｃ）は教師情報記憶部、（ｄ）は予測結果記憶部。

【図4】実施形態における地質評価工程の全体の処理手順を示す流れ図。

【図5】実施形態における画像データ作成処理の処理手順を説明する流れ図。

【図6】実施形態における撮影工程を説明する説明図。

【図7】実施形態における教師データ生成処理の処理手順を説明する流れ図。

【図8】実施形態における教師データ生成処理を説明するための図であって、（ａ）は撮影画像、（ｂ）は岩質区分図、（ｃ）はフィルタリングを説明する図。

【図9】実施形態における予測処理の処理手順を説明する流れ図。

【図10】実施形態における再検討領域の反発度の記録処理を説明する説明図。

【図11】実施形態における修正処理の処理手順を説明する流れ図。

【発明を実施するための形態】

【0009】

以下、図１～図１１を用いて、地質評価システム、地質評価方法及び地質評価プログラムを具体化した一実施形態を説明する。本実施形態では、ダムの建設現場（評価対象領域）の地質を評価して、その評価に応じて地質図を作成する地質評価システムとして説明する。この場合、同じ建設現場において、地質専門技術者が地質図を作成した場所（学習対象領域）の教師情報を用いて機械学習を行ない、地質専門技術者が地質図を作成していない他の場所について、学習結果を用いて地質を評価する。

【0010】

図１に示すように、本実施形態では、撮像装置１０に接続可能な地質評価装置２０を用いる。
撮像装置１０は、例えばカメラ等であって、被写体を撮影した画像を生成する。この撮像装置１０は、いわゆるドローン等の無人航空機１１に搭載される。この無人航空機１１を、学習対象領域や評価対象領域に対して所定距離の位置で走査させながら飛行させる。そして、撮像装置１０を用いて、対象領域の全体を分割して撮影する。

【0011】

（ハードウェア構成）
図２を用いて、地質評価装置２０を構成する情報処理装置Ｈ１０のハードウェア構成を説明する。情報処理装置Ｈ１０は、通信装置Ｈ１１、入力装置Ｈ１２、表示装置Ｈ１３、記憶部Ｈ１４、プロセッサＨ１５を備える。なお、このハードウェア構成は一例であり、他のハードウェアにより実現することも可能である。

【0012】

通信装置Ｈ１１は、他の装置との間で通信経路を確立して、データの送受信を実行するインタフェースであり、例えばネットワークインタフェースカードや無線インタフェース等である。

【0013】

入力装置Ｈ１２は、作業者が、地質評価に必要な指示や、地質専門技術者が作成した地質図の情報、修正する地質情報等の入力を受け付ける装置であり、例えばマウスやキーボード等である。表示装置Ｈ１３は、各種情報を表示するディスプレイ等であり、評価対象領域において予測（評価）された地質をマッピングした地質図等を出力する。

【0014】

記憶部Ｈ１４は、地質評価装置２０の各種機能を実行するためのデータや各種プログラムを格納する記憶装置である。記憶部Ｈ１４の一例としては、ＲＯＭ、ＲＡＭ、ハードディスク等がある。また、記憶部Ｈ１４としてクラウドを利用して、データを保存してもよい。

【0015】

プロセッサＨ１５は、記憶部Ｈ１４に記憶されるプログラムやデータを用いて、地質評価装置２０における各処理を制御する。プロセッサＨ１５の一例としては、例えばＣＰＵやＭＰＵ等がある。このプロセッサＨ１５は、ＲＯＭ等に記憶されるプログラムをＲＡＭに展開して、地質評価のための各種プロセスを実行する。

【0016】

プロセッサＨ１５は、自身が実行するすべての処理についてソフトウェア処理を行なうものに限られない。例えば、プロセッサＨ１５は、自身が実行する処理の少なくとも一部についてハードウェア処理を行なう専用のハードウェア回路（例えば、特定用途向け集積回路：ＡＳＩＣ）を備えてもよい。すなわち、プロセッサＨ１５は、（１）コンピュータプログラム（ソフトウェア）に従って動作する１つ以上のプロセッサ、（２）各種処理のうち少なくとも一部の処理を実行する１つ以上の専用のハードウェア回路、或いは（３）それらの組み合わせ、を含む回路（circuitry）として構成し得る。プロセッサは、ＣＰＵ並びに、ＲＡＭ及びＲＯＭ等のメモリを含み、メモリは、処理をＣＰＵに実行させるように構成されたプログラムコード又は指令を格納している。メモリすなわちコンピュータ可読媒体は、汎用又は専用のコンピュータでアクセスできるあらゆる利用可能な媒体を含む。

【0017】

（地質評価装置２０の機能）
図１を用いて、地質評価装置２０の機能を説明する。この地質評価装置２０は、評価対象領域の地質を評価するコンピュータシステムである。この地質評価装置２０は、制御部２１、画像情報記憶部２２、地質情報記憶部としての地質図記憶部２３、教師情報記憶部２４、学習結果記憶部２５及び予測結果記憶部２６を備える。

【0018】

制御部２１は、制御手段（ＣＰＵ、ＲＡＭ、ＲＯＭ等）を備え、後述する処理（画像管理段階、学習段階、予測段階、地質図作成段階及び修正段階等を含む処理）を行なう。このために、メモリに記憶された地質評価プログラムを実行することにより、制御部２１は、画像管理部２１１、学習部２１２、予測部２１３、地質図作成部２１４及び修正部２１５等として機能する。

【0019】

画像管理部２１１は、撮像装置１０により撮影された撮影画像を管理する処理を実行する。
学習部２１２は、教師情報を用いた機械学習により、地質を評価するための学習処理を実行する。ここで、学習部２１２は、撮影画像及び地質図情報を用いて、撮影画像を入力とし地質図情報を出力とする予測モデルを生成するように学習する。本実施形態では、機械学習として、例えば、ＣＮＮ（Convolutional Neural Network）を用いるが、これに限定されるものではない。

【0020】

予測部２１３は、学習部２１２による学習結果を用いて、地質を評価する処理を実行する。ＣＮＮにおいては、入力層において入力された情報を用いて、多層に重ね合わせた畳み込み層、プーリング層を介して、全結合層において特徴量から最終的な判定を行なう。畳み込み層では、種々のフィルタを介して、岩質及び岩級の局所領域の特徴を捉える。プーリング層では、畳み込み層で得られた特徴点を代表的な数値に置き換える。本実施形態では、予測部２１３は、岩質及び岩級をそれぞれ判定するための学習結果を保持する。なお、本実施形態では、全結合層において、畳み込み層、プーリング層から出力された特徴量に応じて、分類器（例えば、ＳＶＭ：Support Vector Machine）を用いて、分析結果と、岩質又は岩級とを結び付け、分析のための閾値を決定する。

【0021】

地質図作成部２１４は、予測部２１３が予測した地質情報に基づいて地質図を作成し、この地質図を出力する処理を実行する。本実施形態では、地質図作成部２１４は、後述する予測岩質区分図及び予測岩級区分図を作成する。
修正部２１５は、予測された岩級情報を修正する処理を実行する。

【0022】

図３（ａ）に示すように、画像情報記憶部２２には、地質を評価するための学習や予測に用いる画像管理データが記憶される。この画像管理データは、後述する画像データ作成処理において、ダムの建設現場で露出している地盤（地表面）を撮影して画像データを生成した場合に記録される。各画像管理データは、撮影画像データ２２０及び全体画像データ２２５を含んで構成される。

【0023】

撮影画像データ２２０は、被写体を撮影した撮影画像（フルカラー画像）の画像データである。この撮影画像データ２２０には、撮影された画像を撮影した位置（座標）に関するデータが記録される。この撮影位置に基づいて、撮影画像を並べながら全体画像を作成することができる。
全体画像データ２２５は、撮影画像データ２２０を用いて作成された学習対象範囲全体や評価対象範囲全体の画像データである。

【0024】

図３（ｂ）に示すように、地質図記憶部２３には、地質専門技術者によって作成された地質図（地質情報）に関するデータが記憶される。この地質図は、地質専門技術者が地質図を作成して入力された場合に記録される。この地質図記憶部２３には、岩質区分図データ２３１、岩級区分図データ２３２が記憶される。各区分図データには、地質位置としての空間的配置（緯度、経度、高度）に関するデータが関連付けられている。

【0025】

岩質区分図データは、学習対象領域について、岩質の種類が区分されて表示されたマップである。岩質区分としては、火山岩類、堆積岩類及び変成岩類等がある。この場合、岩質区分図には、撮影対象において、マーキングに対応する位置を含める。ここで、マーキングは、基準線測量により設けたペンキや鋲等によって行われ、予め定めた数ｍの等間隔で配置される。

【0026】

岩級区分図データは、学習対象領域について、岩級が区分されて表示されたマップである。岩級区分としては、Ａ級岩盤、Ｂ級岩盤、ＣＨ級岩盤、ＣＭ級岩盤、ＣＬ級岩盤、Ｄ級岩盤等がある。この場合、岩級区分図には、撮影対象においてマーキングに対応する位置を含める。

【0027】

図３（ｃ）に示すように、教師情報記憶部２４には、機械学習を行なうための教師情報が記憶される。この教師情報は、学習処理を行なう前に記録される。教師情報には、岩質教師情報２４１、岩級教師情報２４２を記憶している。これら教師情報（２４１，２４２）は、例えば、予め定めた学習単位の大きさ（例えば０．５ｍ×０．５ｍ）のグリッドに分割し、グリッド単位で作成される。

【0028】

岩質教師情報２４１は、グリッド識別子、グリッド位置、撮影画像及び岩質情報を含む。
岩級教師情報２４２は、グリッド識別子、グリッド位置、撮影画像及び岩級情報を含む。

【0029】

グリッド識別子は、単位領域としてのグリッドをそれぞれ特定するための識別子である。
グリッド位置は、このグリッドの位置を特定するための座標である。
撮影画像は、このグリッドの位置の地表面を撮影した画像である。
岩質情報及び岩級情報は、このグリッドの位置における岩質区分及び岩級区分である。

【0030】

学習結果記憶部２５には、地質図を作成するための予測モデル（学習結果）が記憶される。この学習結果は、後述する学習処理が実行された場合に記録される。本実施形態では、グリッド毎の画像情報を用いて、岩質及び岩級をそれぞれ予測するための予測モデル（岩質予測モデル及び岩級予測モデル）が記憶される。

【0031】

図３（ｄ）に示すように、予測結果記憶部２６には、撮影画像に基づいて予測した予測結果情報２６０及び再検討情報２６５が記憶される。この予測結果情報２６０は、評価対象範囲において特定の大きさの各領域についての予測処理を行なった場合に記録される。ここで、予測される各領域は、教師情報に用いたグリッドと同じ大きさの範囲（グリッド）を用いる。再検討情報２６５は、予測結果情報２６０を修正する可能性がある場合に記録される。予測結果情報２６０には、グリッド識別子、グリッド位置、評価対象分割画像、予測岩質及び予測岩級に関するデータが含まれ、再検討情報２６５には、反発度及び修正岩級に関するデータが含まれる。

【0032】

グリッド識別子は、予測結果のそれぞれを示す各グリッドを特定するための識別子である。
グリッド位置は、このグリッドの位置を特定するための座標である。このグリッド位置は、教師情報のグリッド位置とは異なる位置が記録される。
評価対象分割画像は、このグリッドの撮影画像（評価対象）である。
予測岩質は、このグリッドに対して予測した岩質である。
予測岩級は、このグリッドに対して予測した岩盤等級である。
反発度は、このグリッド位置において、シュミット式ハンマー試験による反発度である。この反発度は、予測された岩盤等級の確認のためにハンマー試験で取得される。
修正岩級は、予測岩級を修正した岩盤等級である。

【0033】

次に、図４～図１１を用いて、地質評価装置２０により地質を評価する場合の処理手順について説明する。本実施形態では、学習工程、予測工程、修正工程及び再学習工程を順番に実行する。ここで、学習工程は、撮影画像から地質評価を学習するための工程であり、予測工程は、評価対象領域において地質評価を行なう工程である。修正工程は、予測した地質評価の修正を行なう工程であり、再学習工程は、修正された情報を用いて再度学習する工程である。

【0034】

＜学習工程＞
図４に示すように、学習工程においては、画像データ作成処理（ステップＳＡ１）、教師データ生成処理（ステップＳＡ２）及び学習処理（ステップＳＡ３）を行なう。

【0035】

（画像データ作成処理）
図５に示すように、画像データ作成処理（ステップＳＡ１）においては、撮影準備作業を行なう（ステップＳ１－１）。具体的には、学習対象となる地表面を濡らして清掃し、乾燥させて、表面の乾湿状態、清掃状態を予め定められた状態で統一しておく。更に、撮影対象範囲において、地質図と対応させるために、分割画像の整数倍の長さで、基準線測量によりマーキングを設ける。

【0036】

次に、撮影作業を行なう（ステップＳ１－２）。ここでは、日射状態が同じとなる昼の予め定められた時間（例えば、晴れた日の１２時～１時）において、撮像装置１０を搭載させて無人航空機１１を飛行させる。この場合、無人航空機１１を操作して、撮像装置１０が学習対象の地表面を走査するように、予め定めた高さで飛行させる。

【0037】

図６に示すように、無人航空機１１の撮像装置１０は、範囲Ａ１の撮影後、この範囲Ａ１と重ねるように次の範囲Ａ２を撮影する。そして、撮像装置１０は、撮影画像を、撮影位置に関連付けてメモリに記憶する。

【0038】

その後、地質評価装置２０の制御部２１は、撮影画像の取得処理を実行する（ステップＳ１－３）。具体的には、制御部２１の画像管理部２１１は、撮像装置１０から撮影画像を取得し、撮影画像データ２２０として画像情報記憶部２２に記録する。

【0039】

次に、地質評価装置２０の制御部２１は、全体画像の生成処理を実行する（ステップＳ１－４）。具体的には、制御部２１の画像管理部２１１は、取得した複数の撮影画像を、撮影画像の位置情報を用いて、撮影画像の周縁部を重ねるように並べる。この場合、１つの画像において、周囲８０％程度を隣接画像と重ねる。そして、画像管理部２１１は、各画像を重なった部分で繋ぎ合わせて、学習対象領域を１つの画像とした全体画像データ２２５を生成して、画像情報記憶部２２に記憶する。

【0040】

（教師データ生成処理）
次に、図７を用いて、教師データ生成処理（ステップＳＡ２）を説明する。
まず、地質評価装置２０の制御部２１は、各グリッドの分割画像の特定処理を実行する（ステップＳ２－１）。具体的には、制御部２１の学習部２１２は、画像情報記憶部２２に記憶されている全体画像データ２２５に映り込んだマーキングに基づいて、１つのグリッドの大きさに応じて、全体画像を各グリッドに分割した分割画像を生成する。そして、学習部２１２は、各グリッドにグリッド識別子を付与し、グリッドの位置と、各分割画像とに関連付けてメモリに記憶する。

【0041】

次に、地質評価装置２０の制御部２１は、各グリッドの地質図の特定処理を実行する（ステップＳ２－２）。具体的には、制御部２１の学習部２１２は、マーキングに基づいて、各グリッドに対応する地質図（岩質区分図及び岩級区分図）の領域を特定する。

【0042】

次に、地質評価装置２０の制御部２１は、分割画像と地質図の対応付け処理を実行する（ステップＳ２－３）。具体的には、制御部２１の学習部２１２は、同じグリッドに対応付けた分割画像と地質図とを関連付けてメモリに記憶する。

【0043】

例えば、図８（ａ）に示す撮影画像を各グリッドに分割した分割画像は、グリッド位置に基づいて、図８（ｂ）に示す各グリッドの岩盤等級と対応付けられる。なお、図８（ｂ）は、グリッドに分割した岩級区分図であり、網掛部分はＣＨ級であり、その他の部分はＣＭ級である。

【0044】

次に、地質評価装置２０の制御部２１は、グリッドのフィルタリング処理を実行する（ステップＳ２－４）。具体的には、制御部２１の学習部２１２は、各分割画像に対応した地質図において、複数の区分が含まれている分割画像を除き、単一の区分が割り当てられた分割画像のみを抽出する。ここでは、複数の岩質区分が含まれているグリッド、複数の岩級区分が含まれているグリッドを削除する。例えば、図８（ｃ）において、網掛けで示したグリッドには複数の岩級区分が含まれているため、網掛されたグリッドに関連付けられた分割画像及び地質図（岩級情報）を除いたグリッドに関連付けられた分割画像及び地質図を教師情報として特定する。

【0045】

そして、地質評価装置２０の制御部２１は、教師情報としての記録処理を実行する（ステップＳ２－５）。具体的には、制御部２１の学習部２１２は、特定した教師情報を教師情報記憶部２４に記憶する。

【0046】

（学習処理）
次に、予測モデルを生成する学習処理（ステップＳＡ３）を説明する。
まず、制御部２１の学習部２１２は、教師情報の分割画像を入力層、地質情報を出力層として用いた深層学習を行なう。ここでは、学習部２１２は、教師情報の分割画像及び岩質区分図を用いた学習により、グリッドの大きさの領域における岩質区分（岩質情報）を予測するための岩質予測モデルを生成する。また、学習部２１２は、教師情報の分割画像及び岩級区分図を用いた学習により、グリッドの大きさの領域における岩級区分（岩級情報）を予測するための岩級予測モデルを生成し、学習結果記憶部２５に記録する。

【0047】

＜予測工程＞
図４に示すように、予測工程においては、画像データ作成処理（ステップＳＢ１）、予測処理（ステップＳＢ２）及び地質図表示処理（ステップＳＢ３）を順番に実行する。

【0048】

画像データ作成処理（ステップＳＢ１）では、学習工程の画像データ作成処理（ステップＳＡ１）と同様に、撮影準備作業、撮影作業、撮影画像の取得処理及び全体画像の生成処理を実行する。これにより、評価対象の全体画像が生成される。

【0049】

（予測処理）
図９を用いて、予測処理（ステップＳＢ２）について説明する。
まず、地質評価装置２０の制御部２１は、評価対象画像の分割処理を実行する（ステップＳ３－１）。具体的には、制御部２１の予測部２１３は、評価対象の全体画像を、マーキングの間隔に基づいてグリッドに分割した評価対象分割画像を生成し、グリッドの位置に関連付けて、メモリに記憶する。

【0050】

次に、地質評価装置２０の制御部２１は、グリッド毎に地質情報の予測処理を実行する（ステップＳ３－２）。具体的には、制御部２１の予測部２１３は、グリッド毎に、分割画像を取得し、地質予測モデルを用いて地質情報の予測を実行する。

【0051】

この場合、予測部２１３は、学習結果記憶部２５から岩質予測モデルを取得し、分割画像を入力層とした岩質予測モデルを用いて各グリッドにおける岩質を予測する。そして、予測した岩質を、そのグリッドのグリッド識別子、グリッド位置及び評価対象分割画像に関連付けて予測結果記憶部２６に記憶する。更に、予測部２１３は、学習結果記憶部２５から岩級予測モデルを取得し、分割画像を入力層とした岩級予測モデルを用いて各グリッドにおける岩級を予測し、そのグリッドのグリッド識別子、グリッド位置及び評価対象分割画像に関連付けて予測結果記憶部２６に記憶する。

【0052】

（地質図表示処理）
図４に示すように、評価対象領域に含まれるすべての分割画像についての予測を終了した場合、地質評価装置２０の制御部２１は、地質図表示処理（ステップＳＢ３）を実行する。具体的には、制御部２１の地質図作成部２１４は、予測結果記憶部２６に記憶された各グリッドの地質情報（岩質及び岩級）を、グリッドの座標を用いてマッピングし、評価対象領域全体についての予測岩質区分図及び予測岩級区分図を生成する。ここで、岩質及び岩級においては、各種類の識別子に応じて同一種類を特定し、各種類の範囲（区分）を特定する。そして、制御部２１の地質図作成部２１４は、作成した各区分図を、表示装置Ｈ１３に表示する。この場合、岩級区分図には、各グリッドを任意に指定可能な状態で表示する。

【0053】

＜修正工程＞
次に、図４に示すように、修正工程を実行する。ここでは、地質図における再検討領域の取得処理（ステップＳＣ１）、修正する修正処理（ステップＳＣ２）及び再表示処理（ステップＳＣ３）を順番に実行する。

【0054】

再検討領域の取得処理（ステップＳＣ１）において、まず、作業員は、表示装置Ｈ１３に表示された岩質区分図及び岩級区分図を確認して、岩質や連続状態に応じて、予測した岩盤等級に疑義がある位置のグリッドを指定する。この場合、地質評価装置２０の制御部２１は、指定されたグリッドの予測結果情報２６０に関連付けて、データが記録されていない再検討情報２６５を生成する。

【0055】

そして、図１０に示すように、再検討領域の岩盤を、岩検ハンマー４０で打撃する指示を表示装置Ｈ１３に表示する。作業員は、表示された再検討領域においてハンマー試験を行なう。この岩検ハンマー４０には、岩盤表面からの反発力（反発度）を計測する計測器が接続されている。岩検ハンマー４０で岩盤表面を打撃した際に、岩検ハンマー４０は打撃応答を計測し、反発度を算出する。この場合、反発度と、打撃した岩盤の打撃位置（グリッド位置）とを関連付けておく。

【0056】

次に、図１１に示すように、修正処理（ステップＳＣ２）において、地質評価装置２０の制御部２１は、打撃位置と関連付けて反発度の記録処理を実行する（ステップＳ４－１）。具体的には、作業員により、再検討領域のグリッドの位置に対応する位置の反発度が入力された場合、制御部２１の修正部２１５は、このグリッドのグリッド識別子の反発度を再検討情報２６５に記録する。

【0057】

次に、地質評価装置２０の制御部２１は、岩盤等級の修正処理を実行する（ステップＳ４－２）。具体的には、制御部２１の修正部２１５は、予測した岩質区分図と、再検討領域の反発度とを表示させる。そして、表示された岩質区分図と反発度とを確認して、再検討領域のグリッドに対して、修正する岩盤等級を入力する。修正部２１５は、修正入力されたグリッド識別子の再検討情報２６５に、入力された岩級を修正岩級として記録する。

【0058】

次に、地質評価装置２０の制御部２１は、再表示処理を実行する（ステップＳＣ３）。具体的には、制御部２１の地質図作成部２１４は、ステップＳＢ３と同様な処理を実行して、作成した各区分図を、表示装置Ｈ１３に表示する。

【0059】

＜再学習工程＞
次に、図４に示すように、再学習工程を実行する。この工程は、修正工程の修正処理（ステップＳＣ２）において、再検討情報２６５の修正岩級が記録された場合に実行される。

【0060】

この再学習処理において、地質評価装置２０の制御部２１は、教師データ更新処理（ステップＳＤ１）を実行する。具体的には、制御部２１の学習部２１２は、反発度が記録された再検討情報２６５及びこれに関連付けられた予測結果情報２６０を予測結果記憶部２６から抽出する。そして、学習部２１２は、抽出した予測結果情報２６０のグリッド識別子、グリッド位置、評価対象分割画像と、再検討情報２６５の修正岩級とを関連付けた新規教師情報を生成し、このグリッド識別子を含む岩級教師情報２４２として教師情報記憶部２４に記録する。

【0061】

次に、地質評価装置２０の制御部２１は、ステップＳＡ３と同様に、学習処理を実行する（ステップＳＤ２）。この場合、制御部２１の学習部２１２は、教師情報の分割画像及び岩級区分図を用いた学習により、グリッドの大きさの領域における岩級区分を予測するための岩級予測モデルを再度、生成し、この岩級予測モデルを学習結果記憶部２５に記録する。

【0062】

（作用）
地質評価装置２０の制御部２１は、単一の地質情報が含まれている地質図と分割画像とを対応付けた教師情報を用いて学習処理を実行する。これにより、グリッドの地質図を的確に予測することができる。

【0063】

本実施形態によれば、以下のような効果を得ることができる。
（１）本実施形態では、地質評価装置２０の制御部２１は、各グリッドに対して分割画像と単一地質情報を含む地質図とを関連付けた教師情報を用いて学習処理を実行し、地質予測モデルを生成する。そして、制御部２１は、評価対象の地表面を撮影した画像を、教師データのグリッドと同じ大きさのグリッドに分割した評価対象分割画像と地質予測モデルとを用いて、地質情報を予測する。これにより、グリッドに対して的確な地質情報を予測することができる。そして、地質専門技術者の負担を軽減し、効率的に妥当な地質の評価を行なうことができる。

【0064】

（２）本実施形態では、地質評価装置２０の制御部２１は、分割画像と、地質情報とを、マーキングに基づいて関連付ける。これにより、画像情報及び地質図情報を、効率的に対応付けて、教師データを生成することができる。

【0065】

（３）本実施形態では、地質評価装置２０の制御部２１は、グリッド毎に、岩質及び岩級を予測し、地質図を作成する。これにより、撮影画像を地質図として出力することができる。

【0066】

（４）本実施形態では、撮影準備作業（ステップＳ１－１）において地表面の乾湿状態や清掃状態を統一し、撮影作業において同じ時間に撮影を行なう。乾湿状態や日射光の照射状態による撮影画像のムラや清掃状態に起因する相違を排除して、的確な機械学習を行なうことができる。

【0067】

（５）本実施形態では、地質評価装置２０の制御部２１は、撮影画像の周縁部を重ねて繋ぎ合わせて、全体画像データ２２５を生成し、全体画像を各グリッドに分割した分割画像を生成する。これにより、撮影画像において歪みの発生が少ない中心領域を用いて全体画像を生成することができる。

【0068】

（６）本実施形態では、地質評価装置２０の制御部２１は、更新された予測岩盤等級と評価対象分割画像とを教師データとして用いて学習処理を実行する（ステップＳＤ２）。これにより、補正された教師データを用いて再学習し、的確な予測モデルを生成することができる。

【0069】

（７）本実施形態では、予測岩盤等級に疑義があるグリッドにおける反発度を取得する。これにより、疑義があるグリッドのみの反発度を計測すればよく、的確な岩盤等級を効率的に特定することができる。

【0070】

本実施形態は、以下のように変更して実施することができる。本実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
・上記実施形態においては、地質評価装置２０の制御部２１は、画像データ作成処理（ステップＳＡ１）の撮影準備処理（ステップＳ１－１）において、表面の乾湿状態、清掃状態を統一し、撮影処理（ステップＳ１－２）において、日射状態が同じとなるように所定時間に撮影を行なった。撮影時の状態を調整する代わりに、色補正の見本がほぼ同じ色になるように撮像装置１０のホワイトバランスを調整してもよい。

【0071】

・上記実施形態においては、マーキングに基づいて、各グリッドの分割画像と地質図とを対応付けた。グリッドの分割画像と地質図との対応付けは、相互の位置を調整できれば、マーキングを用いる方法に限定されるものではない。例えば、経度や緯度等を用いて行なってもよい。

【0072】

・上記実施形態においては、地質専門技術者が地質図を作成していない場所について、学習結果を用いて地質を評価する。ここで、教師データとなるグリッドを、評価対象のグリッドの近傍に点在させた方が、正答率がよいことが判明している。そこで、教師データとなる撮影画像を、評価対象地域内において離散して設けることが好ましい。

【0073】

・上記実施形態において、地質評価装置２０の制御部２１は、地質専門技術者が作成した地質図を用いて、学習処理を実行した。地質位置に関連付けた地質情報は、地質図に限られず、評価対象領域において地質専門技術者が判定した複数の地点における地質情報を用いてもよい。

【0074】

・上記実施形態において、地質評価装置２０の制御部２１は、ＣＮＮを用いた深層学習によって、地質予測モデルを算出する。制御部２１が用いる機械学習は、これに限定されない。例えば、撮影画像、地質情報に含まれる多様な情報を、重み付けしながら相互に結び付けたネットワークを構成した地質予測モデルを算出してもよい。この場合、撮影画像から地質情報を予測するための雛形予測モデル（例えば、雛形ネットワーク）を準備する。例えば、この雛形予測モデルとしては、汎用的に利用可能なように、各ノード間を統計的な重み付け値で結合したネットワークを用いる。そして、学習対象領域の複数の位置の撮影画像を雛形予測モデルに入力し、雛形予測モデルからの出力値と、地質専門技術者によって作成された地質図の値と比較して、両者が近くなるように重み付けを調整するフィードバックを繰り返す。そして、複数の位置における両者の差分が許容範囲に含まれる場合に、この調整された予測モデル（ネットワーク）を地質予測モデルとして用いる。

【符号の説明】

【0075】

Ａ１，Ａ２…範囲、１０…撮像装置、１１…無人航空機、２０…地質評価装置、２１…制御部、２２…画像情報記憶部、２４…教師情報記憶部、２５…学習結果記憶部、２６…予測結果記憶部、４０…岩検ハンマー、２１１…画像管理部、２１２…学習部、２１３…予測部、２１４…地質図作成部、２１５…修正部、２２０…撮影画像データ、２２５…全体画像データ、２４１…岩質教師情報、２４２…岩級教師情報、２６０…予測結果情報、２６５…再検討情報。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】