ホーム > 特許ランキング > 株式会社ブリヂストン
(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】2024-10-09
(45)【発行日】2024-10-18
(54)【発明の名称】配管劣化診断方法、及び、配管劣化診断システム
(51)【国際特許分類】
G01N 21/954 20060101AFI20241010BHJP
G01N 17/00 20060101ALI20241010BHJP
【ＦＩ】
G01N21/954 A
G01N17/00
【請求項の数】
9
(21)【出願番号】P 2020195499
(22)【出願日】2020-11-25
(65)【公開番号】P2022083893
(43)【公開日】2022-06-06
【審査請求日】2023-05-12
(73)【特許権者】
【識別番号】000005278
【氏名又は名称】株式会社ブリヂストン
(74)【代理人】
【識別番号】100147485
【弁理士】
【氏名又は名称】杉村 憲司
(74)【代理人】
【識別番号】230118913
【弁護士】
【氏名又は名称】杉村 光嗣
(74)【代理人】
【識別番号】100186015
【弁理士】
【氏名又は名称】小松 靖之
(74)【代理人】
【識別番号】100174023
【弁理士】
【氏名又は名称】伊藤 怜愛
(72)【発明者】
【氏名】飯塚 建郎
【審査官】橘 皇徳
(56)【参考文献】
【文献】特開２０１７－１９４８１３（ＪＰ，Ａ）
【文献】特開平１０－１５３６７９（ＪＰ，Ａ）
【文献】特開２０２０－１８７１１０（ＪＰ，Ａ）
【文献】特開２０２０－１２９０１１（ＪＰ，Ａ）
【文献】特開２００９－１７５１１０（ＪＰ，Ａ）
【文献】特開平０９－３１１１０６（ＪＰ，Ａ）
【文献】特開平０９－２７３９７８（ＪＰ，Ａ）
【文献】特開平０７－３１８４９８（ＪＰ，Ａ）
【文献】特開２０１９－１３８７５５（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０１Ｎ ２１／９５４
Ｇ０１Ｎ １７／００
(57)【特許請求の範囲】
【請求項1】
配管の内部に撮影装置を挿入し、前記撮影装置により前記配管の内部の動画を撮影する、動画撮影ステップと、処理部が、前記動画撮影ステップで撮影された前記動画から、複数の撮像画像を取得する、撮像画像取得ステップと、
前記処理部が、前記撮像画像取得ステップで取得した前記複数の撮像画像に基づいて、クラックの有無及び状態を検出する、クラック検出ステップと、
前記処理部が、前記クラック検出ステップの検出結果に基づいて、前記配管の劣化状態を診断する、診断ステップと、
を含む、配管劣化診断方法であって、
前記クラック検出ステップは、
前記処理部が、前記複数の撮像画像のそれぞれについて、クラックの有無を判定する、クラック有無判定ステップと、
前記処理部が、前記クラック有無判定ステップにおいてクラックが有ると判定した場合に、当該クラックの状態を判断する、クラック状態判断ステップと、
を含み、
前記配管劣化診断方法は、測定装置が、前記動画撮影ステップの前記撮影中において前記配管から前記撮影装置に作用する通管抵抗力を測定する、通管抵抗力測定ステップを、さらに含み、
前記撮像画像取得ステップにおいて、前記処理部は、前記動画のうち、単位時間当たりの前記通管抵抗力の変化率が所定値以上である時間帯の動画部分から、前記複数の撮像画像を取得する、配管劣化診断方法。
【請求項2】
前記クラック有無判定ステップにおいて、前記処理部は、前記複数の撮像画像のそれぞれについて、学習済みモデルに前記撮像画像を入力することで、クラックの有無の判定結果を前記学習済みモデルから取得し、前記学習済みモデルは、配管の内部を撮像した学習画像とクラックの有無の判定結果とを関連付けた教師データを用いて、機械学習により生成されたものである、請求項１に記載の配管劣化診断方法。
【請求項3】
前記学習済みモデルは、配管の内部を撮像した学習画像と前記配管の周方向に延在するクラックの有無の判定結果とを関連付けた教師データを用いて、機械学習により生成されたものである、請求項２に記載の配管劣化診断方法。
【請求項4】
前記クラック状態判断ステップにおいて、前記処理部は、前記クラック有無判定ステップにおいてクラックが有ると判定した前記撮像画像に基づいて、前記クラックの長さを算出する、請求項１に記載の配管劣化診断方法。
【請求項5】
前記クラック有無判定ステップにおいて、前記処理部は、前記複数の撮像画像のそれぞれについて、周方向に延在するクラックの有無を判定し、前記クラック状態判断ステップにおいて、前記処理部は、前記クラック有無判定ステップにおいて周方向に延在するクラックが有ると判定した前記撮像画像から前記クラックの角度範囲を測定し、前記測定した前記クラックの角度範囲と前記配管の内周長さとに基づいて、前記クラックの長さを算出する、請求項１～４のいずれか一項に記載の配管劣化診断方法。
【請求項6】
前記クラック状態判断ステップにおいて、前記処理部は、前記クラック有無判定ステップにおいて前記クラックが有ると判定した前記撮像画像に基づいて、前記クラックの深さを推定する、請求項１に記載の配管劣化診断方法。
【請求項7】
前記処理部が、出力部に、前記診断ステップの診断結果を出力させる、出力ステップを、さらに含む、請求項１～６のいずれか一項に記載の配管劣化診断方法。
【請求項8】
前記配管は、可撓性を有するとともに、樹脂製である、請求項１～７のいずれか一項に記載の配管劣化診断方法。
【請求項9】
撮影装置と、処理部と、
測定装置と、
備え、
前記処理部は、
前記撮影装置により配管の内部を撮影した動画から、複数の撮像画像を取得する、撮像画像取得処理と、
前記撮像画像取得処理で取得した前記複数の撮像画像に基づいて、クラックの有無及び状態を検出する、クラック検出処理と、
前記クラック検出処理の検出結果に基づいて、前記配管の劣化状態を診断する、診断処理と、
を行うように構成されており、
前記クラック検出処理は、
前記処理部が、前記複数の撮像画像のそれぞれについて、クラックの有無を判定する、クラック有無判定処理と、
前記処理部が、前記クラック有無判定処理においてクラックが有ると判定した場合に、当該クラックの状態を判断する、クラック状態判断処理と、
を含み、
前記測定装置は、前記動画の撮影中において前記配管から前記撮影装置に作用する通管抵抗力を測定するように構成されており、
前記撮像画像取得処理において、前記処理部は、前記動画のうち、単位時間当たりの前記通管抵抗力の変化率が所定値以上である時間帯の動画部分から、前記複数の撮像画像を取得する、配管劣化診断システム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、配管劣化診断方法、及び、配管劣化診断システムに関する。
【背景技術】
【0002】
従来より、配管の表面の一部を採取して配管の劣化状態を診断する方法がある（例えば、特許文献１）。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２０１９－１１７２１２号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
上述の従来の方法では、配管の一部を採取する必要があることから、配管を傷つけるおそれがあった。
【0005】
本発明は、配管を傷つけることなく配管の劣化診断が可能な、配管劣化診断方法、及び、配管劣化診断システムを、提供することを目的とする。
【課題を解決するための手段】
【0006】
本発明の配管劣化診断方法は、
配管の内部に撮影装置を挿入し、前記撮影装置により前記配管の内部の動画を撮影する、動画撮影ステップと、
処理部が、前記動画撮影ステップで撮影された前記動画から、複数の撮像画像を取得する、撮像画像取得ステップと、
前記処理部が、前記撮像画像取得ステップで取得した前記複数の撮像画像に基づいて、クラックの有無及び状態を検出する、クラック検出ステップと、
前記処理部が、前記クラック検出ステップの検出結果に基づいて、前記配管の劣化状態を診断する、診断ステップと、
を含む。
本発明の配管劣化診断方法によれば、配管を傷つけることなく配管の劣化診断が可能である。
配管の内部に撮影装置を挿入し、前記撮影装置により前記配管の内部の動画を撮影する、動画撮影ステップと、
処理部が、前記動画撮影ステップで撮影された前記動画から、複数の撮像画像を取得する、撮像画像取得ステップと、
前記処理部が、前記撮像画像取得ステップで取得した前記複数の撮像画像に基づいて、クラックの有無及び状態を検出する、クラック検出ステップと、
前記処理部が、前記クラック検出ステップの検出結果に基づいて、前記配管の劣化状態を診断する、診断ステップと、
を含む。
本発明の配管劣化診断方法によれば、配管を傷つけることなく配管の劣化診断が可能である。
【0007】
本発明の配管劣化診断方法において、
前記クラック検出ステップは、
前記処理部が、前記複数の撮像画像のそれぞれについて、クラックの有無を判定する、クラック有無判定ステップと、
前記処理部が、前記クラック有無判定ステップにおいてクラックが有ると判定した場合に、当該クラックの状態を判断する、クラック状態判断ステップと、
を含むと、好適である。
前記クラック検出ステップは、
前記処理部が、前記複数の撮像画像のそれぞれについて、クラックの有無を判定する、クラック有無判定ステップと、
前記処理部が、前記クラック有無判定ステップにおいてクラックが有ると判定した場合に、当該クラックの状態を判断する、クラック状態判断ステップと、
を含むと、好適である。
【0008】
本発明の配管劣化診断方法において、
前記クラック有無判定ステップにおいて、前記処理部は、前記複数の撮像画像のそれぞれについて、学習済みモデルに前記撮像画像を入力することで、クラックの有無の判定結果を前記学習済みモデルから取得し、
前記学習済みモデルは、配管の内部を撮像した学習画像とクラックの有無の判定結果とを関連付けた教師データを用いて、機械学習により生成されたものであると、好適である。
これにより、より正確にクラックの有無を判定することができる。
前記クラック有無判定ステップにおいて、前記処理部は、前記複数の撮像画像のそれぞれについて、学習済みモデルに前記撮像画像を入力することで、クラックの有無の判定結果を前記学習済みモデルから取得し、
前記学習済みモデルは、配管の内部を撮像した学習画像とクラックの有無の判定結果とを関連付けた教師データを用いて、機械学習により生成されたものであると、好適である。
これにより、より正確にクラックの有無を判定することができる。
【0009】
本発明の配管劣化診断方法において、
前記学習済みモデルは、配管の内部を撮像した学習画像と前記配管の周方向に延在するクラックの有無の判定結果とを関連付けた教師データを用いて、機械学習により生成されたものであると、好適である。
これにより、クラック有無判定ステップにおいて、周方向に延在するクラックの有無を判定することができる。
前記学習済みモデルは、配管の内部を撮像した学習画像と前記配管の周方向に延在するクラックの有無の判定結果とを関連付けた教師データを用いて、機械学習により生成されたものであると、好適である。
これにより、クラック有無判定ステップにおいて、周方向に延在するクラックの有無を判定することができる。
【0010】
本発明の配管劣化診断方法において、
前記クラック状態判断ステップにおいて、前記処理部は、前記クラック有無判定ステップにおいてクラックが有ると判定した前記撮像画像に基づいて、前記クラックの長さを算出すると、好適である。
これにより、より正確にクラックの劣化診断をすることができる。
前記クラック状態判断ステップにおいて、前記処理部は、前記クラック有無判定ステップにおいてクラックが有ると判定した前記撮像画像に基づいて、前記クラックの長さを算出すると、好適である。
これにより、より正確にクラックの劣化診断をすることができる。
【0011】
本発明の配管劣化診断方法において、
前記クラック有無判定ステップにおいて、前記処理部は、前記複数の撮像画像のそれぞれについて、周方向に延在するクラックの有無を判定し、
前記クラック状態判断ステップにおいて、前記処理部は、前記クラック有無判定ステップにおいて周方向に延在するクラックが有ると判定した前記撮像画像から前記クラックの角度範囲を測定し、前記測定した前記クラックの角度範囲と前記配管の内周長さとに基づいて、前記クラックの長さを算出すると、好適である。
これにより、より正確にクラックの劣化診断をすることができる。
前記クラック有無判定ステップにおいて、前記処理部は、前記複数の撮像画像のそれぞれについて、周方向に延在するクラックの有無を判定し、
前記クラック状態判断ステップにおいて、前記処理部は、前記クラック有無判定ステップにおいて周方向に延在するクラックが有ると判定した前記撮像画像から前記クラックの角度範囲を測定し、前記測定した前記クラックの角度範囲と前記配管の内周長さとに基づいて、前記クラックの長さを算出すると、好適である。
これにより、より正確にクラックの劣化診断をすることができる。
【0012】
本発明の配管劣化診断方法において、
前記クラック状態判断ステップにおいて、前記処理部は、前記クラック有無判定ステップにおいて前記クラックが有ると判定した前記撮像画像に基づいて、前記クラックの深さを推定してもよい。
前記クラック状態判断ステップにおいて、前記処理部は、前記クラック有無判定ステップにおいて前記クラックが有ると判定した前記撮像画像に基づいて、前記クラックの深さを推定してもよい。
【0013】
本発明の配管劣化診断方法において、
測定装置が、前記動画撮影ステップの前記撮影中において前記配管から前記撮影装置に作用する通管抵抗力を測定する、通管抵抗力測定ステップを、さらに含み、
前記撮像画像取得ステップにおいて、前記処理部は、前記動画のうち、単位時間当たりの前記通管抵抗力の変化率が所定値以上である時間帯の動画部分から、前記複数の撮像画像を取得すると、好適である。
これにより、より効率的にクラックの劣化診断をすることができる。
測定装置が、前記動画撮影ステップの前記撮影中において前記配管から前記撮影装置に作用する通管抵抗力を測定する、通管抵抗力測定ステップを、さらに含み、
前記撮像画像取得ステップにおいて、前記処理部は、前記動画のうち、単位時間当たりの前記通管抵抗力の変化率が所定値以上である時間帯の動画部分から、前記複数の撮像画像を取得すると、好適である。
これにより、より効率的にクラックの劣化診断をすることができる。
【0014】
本発明の配管劣化診断方法において、
前記処理部が、出力部に、前記診断ステップの診断結果を出力させる、出力ステップを、さらに含むと、好適である。
これにより、人が診断結果を知ることができる。
前記処理部が、出力部に、前記診断ステップの診断結果を出力させる、出力ステップを、さらに含むと、好適である。
これにより、人が診断結果を知ることができる。
【0015】
本発明の配管劣化診断方法において、
前記配管は、可撓性を有するとともに、樹脂製であると、好適である。
前記配管は、可撓性を有するとともに、樹脂製であると、好適である。
【0016】
本発明の配管劣化診断システムは、
処理部を備え、
前記処理部は、
配管の内部を撮影した動画から、複数の撮像画像を取得する、撮像画像取得処理と、
前記撮像画像取得処理で取得した前記複数の撮像画像に基づいて、クラックの有無及び状態を検出する、クラック検出処理と、
前記クラック検出処理の検出結果に基づいて、前記配管の劣化状態を診断する、診断処理と、
を行うように構成されている。
本発明の配管劣化診断システムによれば、配管を傷つけることなく配管の劣化診断が可能である。
処理部を備え、
前記処理部は、
配管の内部を撮影した動画から、複数の撮像画像を取得する、撮像画像取得処理と、
前記撮像画像取得処理で取得した前記複数の撮像画像に基づいて、クラックの有無及び状態を検出する、クラック検出処理と、
前記クラック検出処理の検出結果に基づいて、前記配管の劣化状態を診断する、診断処理と、
を行うように構成されている。
本発明の配管劣化診断システムによれば、配管を傷つけることなく配管の劣化診断が可能である。
【発明の効果】
【0017】
本発明によれば、配管を傷つけることなく配管の劣化診断が可能な、配管劣化診断方法、及び、配管劣化診断システムを、提供することができる。
【図面の簡単な説明】
【0018】
【図1】本発明の一実施形態に係る配管劣化診断システムを概略的に示す概略図である。
【図2】本発明の一実施形態に係る配管劣化診断方法を示すフローチャートである。
【図3】配管内に撮影装置を通管する間における通管抵抗力を説明するための説明図である。
【図5】クラックの長さの算出方法の説明図である。
【図6】クラック進展特性の説明図である。
【図8】クラックが発生するメカニズムの説明図である。
【発明を実施するための形態】
【0019】
本発明の配管劣化診断方法、及び、配管劣化診断システムは、任意の種類の配管の劣化状態を診断するために使用されることができ、可撓性を有する樹脂製の配管の劣化状態を診断するために使用されると好適なものであり、例えば、給水又は給湯用の可撓性を有する樹脂製の配管の劣化状態を診断するために使用されると好適なものである。
【0020】
以下、本発明に係る配管劣化診断方法、及び、配管劣化診断システムの実施形態について、図面を参照しながら例示説明する。
各図において共通する構成要素には同一の符号を付している。
各図において共通する構成要素には同一の符号を付している。
【0021】
図１は、本発明の一実施形態に係る配管劣化診断システム１を示している。この配管劣化診断システム１は、配管Ｐにおけるクラックに着目して、配管Ｐの劣化状態を診断するように構成されている。配管劣化診断システム１が対象とする配管Ｐは、可撓性を有する配管であると好適であり、可撓性を有する樹脂製の配管であるとより好適であり、給水又は給湯用の可撓性を有する樹脂製の配管であるとさらに好適である。配管Ｐを構成し得る樹脂は、例えば、ポリブテン又は架橋ポリエチレンが挙げられる。
【0022】
ここで、まず、給水又は給湯用の可撓性を有する樹脂製の配管Ｐにおけるクラック発生のメカニズムについて、図８を参照しながら説明する。
図８は、配管Ｐを、曲げて配設された状態で示している。図８の配管Ｐは、給水又は給湯用の可撓性を有する樹脂製の配管である。図８に示すように、配管Ｐの中心軸線Ｏに沿う断面で観たときに、配管Ｐにおける曲げ部分では、配管Ｐの中心軸線Ｏに対して曲率中心Ｃ側の周壁部分に、圧縮方向の応力負荷が掛かるとともに、中心軸線Ｏに対して曲率中心Ｃとは反対側の周壁部分に、引張方向の応力負荷が掛かる。一方、一般的に、配管Ｐを構成する樹脂には、樹脂の酸化による劣化を抑制するために、酸化防止剤が添加されているが、その酸化防止剤は、配管Ｐの内周側から搬送流体中に流出する。また、一般的に、水道水には、消毒のために塩素が含まれているが、塩素は、樹脂の酸化による劣化を促進する作用がある。このように、配管Ｐを構成する樹脂内の酸化防止剤が徐々に減少することや、配管Ｐが常に配管Ｐ内の水に含まれる塩素に晒されること等に起因して、時間の経過とともに、配管Ｐは、内周側から徐々に劣化していく。また、配管Ｐ内の水が高温にされることも、配管Ｐの内周側の劣化に寄与し得る。配管Ｐの内周側の劣化がある程度進行すると、引張方向の応力負荷が常に掛かっている、中心軸線Ｏに対して曲率中心Ｃとは反対側の内周面部分に、配管Ｐの周方向に沿うクラックＫが発生し易くなる。このように、配管においては、曲げて配設された場合に、長期間の使用後に、その曲げ部分で、配管の内周面に、周方向に延在するクラックが生じ易くなる。クラックは、配管Ｐの曲げ部分の曲げ半径（曲率半径）が小さいほど、生じ易くなる。クラックが生じた場合には、クラックが配管Ｐの周壁を貫通して、漏水の発生に至るおそれがある。
なお、一般的に、給水又は給湯用以外の用途の可撓性を有する樹脂製の配管にも、同様にして、曲げて配設された場合に、長期間の使用後に、その曲げ部分で、配管の内周面に、周方向に延在するクラックが生じ得る。
ここで、クラックに関し、「周方向に延在する」とは、略周方向に延在する場合も含む。
図８は、配管Ｐを、曲げて配設された状態で示している。図８の配管Ｐは、給水又は給湯用の可撓性を有する樹脂製の配管である。図８に示すように、配管Ｐの中心軸線Ｏに沿う断面で観たときに、配管Ｐにおける曲げ部分では、配管Ｐの中心軸線Ｏに対して曲率中心Ｃ側の周壁部分に、圧縮方向の応力負荷が掛かるとともに、中心軸線Ｏに対して曲率中心Ｃとは反対側の周壁部分に、引張方向の応力負荷が掛かる。一方、一般的に、配管Ｐを構成する樹脂には、樹脂の酸化による劣化を抑制するために、酸化防止剤が添加されているが、その酸化防止剤は、配管Ｐの内周側から搬送流体中に流出する。また、一般的に、水道水には、消毒のために塩素が含まれているが、塩素は、樹脂の酸化による劣化を促進する作用がある。このように、配管Ｐを構成する樹脂内の酸化防止剤が徐々に減少することや、配管Ｐが常に配管Ｐ内の水に含まれる塩素に晒されること等に起因して、時間の経過とともに、配管Ｐは、内周側から徐々に劣化していく。また、配管Ｐ内の水が高温にされることも、配管Ｐの内周側の劣化に寄与し得る。配管Ｐの内周側の劣化がある程度進行すると、引張方向の応力負荷が常に掛かっている、中心軸線Ｏに対して曲率中心Ｃとは反対側の内周面部分に、配管Ｐの周方向に沿うクラックＫが発生し易くなる。このように、配管においては、曲げて配設された場合に、長期間の使用後に、その曲げ部分で、配管の内周面に、周方向に延在するクラックが生じ易くなる。クラックは、配管Ｐの曲げ部分の曲げ半径（曲率半径）が小さいほど、生じ易くなる。クラックが生じた場合には、クラックが配管Ｐの周壁を貫通して、漏水の発生に至るおそれがある。
なお、一般的に、給水又は給湯用以外の用途の可撓性を有する樹脂製の配管にも、同様にして、曲げて配設された場合に、長期間の使用後に、その曲げ部分で、配管の内周面に、周方向に延在するクラックが生じ得る。
ここで、クラックに関し、「周方向に延在する」とは、略周方向に延在する場合も含む。
【0023】
図１に戻り、本実施形態の配管劣化診断システム１の構成を説明する。本実施形態の配管劣化診断システム１は、撮影装置２と、リール３と、送り出し装置４と、測定装置５と、ローカル端末６と、サーバ７と、クライアント端末８と、を備えている。
【0024】
撮影装置２は、配管Ｐの内部に挿入されることができるとともに、動画を撮影できるように構成されている。撮影装置２は、配管Ｐの内部に挿入されるように構成された、ケーブル状の挿入部２１を有している。撮影装置２は、例えば、工業用内視鏡から構成される。
【0025】
リール３は、撮影装置２の挿入部２１を巻き取るように構成されている。撮影装置２の挿入部２１は、リール３に巻き掛けられている。
【0026】
送り出し装置４は、撮影装置２の挿入部２１を所定の一定速度で配管Ｐ内へ送り出すように構成されている。
【0027】
測定装置５は、撮影装置２の挿入部２１が配管Ｐ内に通管（挿入）される間において配管Ｐから撮影装置２の挿入部２１に作用する力（以下、「通管抵抗力」という）を測定するように構成されている。測定装置５は、例えば、力センサーから構成される。
測定装置５は、図１に示すように、撮影装置２の挿入部２１の先端部に装着されてもよいし、あるいは、撮影装置２の他の部分に装着されてもよい。
測定装置５は、図１に示すように、撮影装置２の挿入部２１の先端部に装着されてもよいし、あるいは、撮影装置２の他の部分に装着されてもよい。
【0028】
ローカル端末６は、例えば、配管Ｐのある現場の付近に配置される。ローカル端末６は、例えば、パーソナルコンピュータ、タブレット、スマートホン、専用端末、サーバ等から構成される。
ローカル端末６は、例えば、処理部６１と、通信部６２と、記憶部６３と、入力部６４と、表示部６５とを、備える。
ローカル端末６は、例えば、処理部６１と、通信部６２と、記憶部６３と、入力部６４と、表示部６５とを、備える。
【0029】
処理部６１は、例えばＣＰＵ(Central Processing Unit)のようなプロセッサを１つ又は複数含んで構成される。処理部６１は、記憶部６３に記憶されたプログラム６３１を実行することにより、通信部６２、記憶部６３、入力部６４、及び表示部６５を含む、ローカル端末６の全体を制御するように構成されている。処理部６１の具体的な処理については、後述する。
【0030】
通信部６２は、例えば、通信インタフェースから構成される。通信部６２は、他の装置（例えば、サーバ７、撮影装置２、及び／又は、測定装置５）との間で、無線通信及び／又は有線通信により、様々な情報を送受信するように構成されている。
【0031】
記憶部６３は、例えば、１つ又は複数のＲＯＭや１つ又は複数のＲＡＭ等から構成される。また、記憶部６３は、メモリカード（ＵＳＢ等）のような外部記憶装置から構成されてもよい。また、記憶部６３は、処理部６１を構成するプロセッサの内部メモリであってもよい。記憶部６３は、処理部６１によって実行されるプログラム６３１等を、記憶している。
【0032】
入力部６４は、例えばキーボード、マウス、及び／又は押しボタン等から構成され、ユーザからの入力を受け付けるように構成されている。
ローカル端末６は、入力部６４を備えていなくてもよい。
ローカル端末６は、入力部６４を備えていなくてもよい。
【0033】
表示部６５は、例えば、ディスプレイ又はモニタ等から構成される。表示部６５と入力部６４でタッチパネルを構成してもよい。表示部６５は、処理部６１で処理した結果、入力部６４で入力された情報、記憶部６３が記憶する情報等、種々の情報を、表示するように構成されている。
ローカル端末６は、表示部６５を備えていなくてもよい。
ローカル端末６は、表示部６５を備えていなくてもよい。
【0034】
サーバ７は、例えば、配管Ｐのある現場から遠隔の場所に配置される。
サーバ７は、処理部７１と、通信部７２と、記憶部７３とを、備える。
サーバ７は、処理部７１と、通信部７２と、記憶部７３とを、備える。
【0035】
処理部７１は、例えばＣＰＵ(Central Processing Unit)のようなプロセッサを１つ又は複数含んで構成される。処理部７１は、記憶部７３に記憶されたプログラム７３１を実行することにより、通信部７２及び記憶部７３を含む、サーバ７の全体を制御するように構成されている。処理部７１の具体的な処理については、後述する。
【0036】
通信部７２は、例えば、通信インタフェースから構成される。通信部７２は、他の装置（例えば、サーバ７、及び／又は、クライアント端末８）との間で、無線通信及び／又は有線通信により、様々な情報を送受信するように構成されている。
【0037】
記憶部７３は、例えば、１つ又は複数のＲＯＭや１つ又は複数のＲＡＭ等から構成される。また、記憶部７３は、メモリカード（ＵＳＢ等）のような外部記憶装置から構成されてもよい。また、記憶部７３は、処理部７１を構成するプロセッサの内部メモリであってもよい。記憶部７３は、処理部７１によって実行されるプログラム７３１と、学習済みモデル７３２と、教師データ７３３とを、記憶している。記憶部７３は、教師データ７３３を記憶していなくてもよい。学習済みモデル７３２及び教師データ７３３については、図４を参照しつつ後述する。
【0038】
クライアント端末８は、例えば、配管Ｐの製造メーカー又はメンテナンス業者の従業者によって使用される。クライアント端末８は、例えば、パーソナルコンピュータ、タブレット、スマートホン、専用端末、サーバ等から構成される。
クライアント端末８は、例えば、処理部８１と、通信部８２と、記憶部８３と、出力部８４とを、備える。
クライアント端末８は、例えば、処理部８１と、通信部８２と、記憶部８３と、出力部８４とを、備える。
【0039】
処理部８１は、例えばＣＰＵ(Central Processing Unit)のようなプロセッサを１つ又は複数含んで構成される。処理部８１は、記憶部８３に記憶されたプログラム８３１を実行することにより、通信部８２、記憶部８３、及び出力部８４を含む、クライアント端末８の全体を制御するように構成されている。処理部８１の具体的な処理については、後述する。
【0040】
通信部８２は、例えば、通信インタフェースから構成される。通信部８２は、他の装置（例えば、サーバ７）との間で、無線通信及び／又は有線通信により、様々な情報を送受信するように構成されている。
【0041】
記憶部８３は、例えば、１つ又は複数のＲＯＭや１つ又は複数のＲＡＭ等から構成される。また、記憶部８３は、メモリカード（ＵＳＢ等）のような外部記憶装置から構成されてもよい。また、記憶部８３は、処理部８１を構成するプロセッサの内部メモリであってもよい。記憶部８３は、処理部８１によって実行されるプログラム８３１等を、記憶している。
【0042】
出力部８４は、サーバ７から受け取った診断結果等、種々の情報を、出力するように構成されている。出力部８４は、文字、画像、動画等を表示するように構成された表示部（図示せず）を有してもよい。表示部は、例えば、ディスプレイ又はモニタ等から構成される。出力部８４は、紙等の媒体に印刷するように構成された印刷部を有してもよい。印刷部は、例えば、プリンタ等から構成される。出力部８４は、音声を出力するように構成された音声出力部を有してもよい。音声出力部は、例えば、スピーカー等から構成される。
【0043】
なお、上記とは別の見方をすると、配管劣化診断システム１は、処理部９１と、記憶部９２とを、備えている。
処理部９１は、例えばＣＰＵ(Central Processing Unit)のようなプロセッサを１つ又は複数含んで構成される。処理部９１は、記憶部９２に記憶されたプログラム９３を実行することにより、様々な処理をするように構成されている。
記憶部９２は、例えば、１つ又は複数のＲＯＭや１つ又は複数のＲＡＭ等から構成される。また、記憶部９２は、メモリカード（ＵＳＢ等）のような外部記憶装置から構成されてもよい。また、記憶部９２は、処理部９１を構成するプロセッサの内部メモリであってもよい。記憶部９２は、処理部９１によって実行されるプログラム９３と、学習済みモデル７３２と、教師データ７３３とを、記憶している。
本実施形態において、処理部９１は、ローカル端末６の処理部６１と、サーバ７の処理部７１と、クライアント端末８の処理部８１とから、構成されている。また、本実施形態において、記憶部９２は、ローカル端末６の記憶部６３と、サーバ７の記憶部７３と、クライアント端末８の記憶部８３とから、構成されている。また、本実施形態において、プログラム９３は、ローカル端末６のプログラム６３１と、サーバ７のプログラム７３１と、クライアント端末８のプログラム８３１とから、構成されている。このように、本実施形態において、処理部９１、記憶部９２、及びプログラム９３は、それぞれ、ローカル端末６、サーバ７、及びクライアント端末８の３つの装置に分散して設けられている。ただし、処理部９１、記憶部９２、及びプログラム９３は、それぞれ、任意の１つの装置に集約して設けられてもよいし、あるいは、任意の複数の装置に分散して設けられてもよい。
処理部９１は、例えばＣＰＵ(Central Processing Unit)のようなプロセッサを１つ又は複数含んで構成される。処理部９１は、記憶部９２に記憶されたプログラム９３を実行することにより、様々な処理をするように構成されている。
記憶部９２は、例えば、１つ又は複数のＲＯＭや１つ又は複数のＲＡＭ等から構成される。また、記憶部９２は、メモリカード（ＵＳＢ等）のような外部記憶装置から構成されてもよい。また、記憶部９２は、処理部９１を構成するプロセッサの内部メモリであってもよい。記憶部９２は、処理部９１によって実行されるプログラム９３と、学習済みモデル７３２と、教師データ７３３とを、記憶している。
本実施形態において、処理部９１は、ローカル端末６の処理部６１と、サーバ７の処理部７１と、クライアント端末８の処理部８１とから、構成されている。また、本実施形態において、記憶部９２は、ローカル端末６の記憶部６３と、サーバ７の記憶部７３と、クライアント端末８の記憶部８３とから、構成されている。また、本実施形態において、プログラム９３は、ローカル端末６のプログラム６３１と、サーバ７のプログラム７３１と、クライアント端末８のプログラム８３１とから、構成されている。このように、本実施形態において、処理部９１、記憶部９２、及びプログラム９３は、それぞれ、ローカル端末６、サーバ７、及びクライアント端末８の３つの装置に分散して設けられている。ただし、処理部９１、記憶部９２、及びプログラム９３は、それぞれ、任意の１つの装置に集約して設けられてもよいし、あるいは、任意の複数の装置に分散して設けられてもよい。
【0044】
つぎに、図２～図７を参照しつつ、本発明の一実施形態に係る配管劣化診断方法について説明する。本実施形態に係る配管劣化診断方法は、上述した本発明の一実施形態に係る配管劣化診断システム１を用いるものである。
図２は、本発明の一実施形態に係る配管劣化診断方法を示すフローチャートである。図２に示すように、本実施形態に係る配管劣化診断方法は、動画撮影ステップＳ１と、通管抵抗力測定ステップＳ２と、フラグ処理ステップＳ３と、撮像画像取得ステップＳ４と、画像処理ステップＳ５と、クラック検出ステップＳ６と、診断ステップＳ７と、出力ステップＳ８とを、含む。以下、これらのステップについて、順番に説明する。
図２は、本発明の一実施形態に係る配管劣化診断方法を示すフローチャートである。図２に示すように、本実施形態に係る配管劣化診断方法は、動画撮影ステップＳ１と、通管抵抗力測定ステップＳ２と、フラグ処理ステップＳ３と、撮像画像取得ステップＳ４と、画像処理ステップＳ５と、クラック検出ステップＳ６と、診断ステップＳ７と、出力ステップＳ８とを、含む。以下、これらのステップについて、順番に説明する。
【0045】
動画撮影ステップＳ１では、図１に示すように、配管Ｐの内部に撮影装置２を挿入し、撮影装置２により配管Ｐの内部の動画を撮影する。
より具体的に、本実施形態では、図１に示すように、送り出し装置４によって、撮影装置２の挿入部２１を、所定の一定速度で配管Ｐ内へ送り出す。その間、撮影装置２により、配管Ｐの内部の動画を撮影する。
撮影装置２が撮影した動画は、撮影中又は撮影後に、ローカル端末６に渡される。撮影装置２からローカル端末６へは、無線通信又は有線通信によって動画が渡されてもよいし、あるいは、メモリカード（ＵＳＢ等）のような外部記憶装置を介して動画が渡されてもよい。
より具体的に、本実施形態では、図１に示すように、送り出し装置４によって、撮影装置２の挿入部２１を、所定の一定速度で配管Ｐ内へ送り出す。その間、撮影装置２により、配管Ｐの内部の動画を撮影する。
撮影装置２が撮影した動画は、撮影中又は撮影後に、ローカル端末６に渡される。撮影装置２からローカル端末６へは、無線通信又は有線通信によって動画が渡されてもよいし、あるいは、メモリカード（ＵＳＢ等）のような外部記憶装置を介して動画が渡されてもよい。
【0046】
通管抵抗力測定ステップＳ２では、図１に示すように、動画撮影ステップＳ１の撮影中において、測定装置５が、配管Ｐから撮影装置２（具体的には、挿入部２１）に作用する通管抵抗力を測定する。
通管抵抗力測定ステップＳ２は、動画撮影ステップＳ１と並行して行われる。
測定装置５は、連続的に、又は、所定時間間隔毎に、通管抵抗力を測定する。
測定装置５が測定した通管抵抗力の測定結果は、測定中又は測定後に、ローカル端末６に渡される。測定装置５からローカル端末６へは、無線通信又は有線通信によって通管抵抗力の測定結果が渡されてもよいし、あるいは、メモリカード（ＵＳＢ等）のような外部記憶装置を介して通管抵抗力の測定結果が渡されてもよい。
なお、撮影装置２の挿入部２１が一定速度で配管Ｐ内に通管（挿入）される間、通管抵抗力（Ｎ）は、例えば図３に示すようになる。図３のグラフにおいて、横軸は通管中の時刻（秒）であり、縦軸は通管抵抗力（Ｎ）である。配管Ｐのうち、曲げ半径（曲率半径）が一定である部分では、図３において破線で示すように、単位時間当たりの通管抵抗力の変化率（増加率、傾き）は、一定となる。一方、配管Ｐのうち、曲げ半径が非一定である部分では、図３において実線で示すように、単位時間当たりの通管抵抗力の変化率（増加率、傾き）が、非一定となり、特に曲げ半径が小さい部分（曲げのきつい部分）Ｍでは、単位時間当たりの通管抵抗力の変化率（増加率、傾き）が特に大きくなる。
通管抵抗力測定ステップＳ２は、動画撮影ステップＳ１と並行して行われる。
測定装置５は、連続的に、又は、所定時間間隔毎に、通管抵抗力を測定する。
測定装置５が測定した通管抵抗力の測定結果は、測定中又は測定後に、ローカル端末６に渡される。測定装置５からローカル端末６へは、無線通信又は有線通信によって通管抵抗力の測定結果が渡されてもよいし、あるいは、メモリカード（ＵＳＢ等）のような外部記憶装置を介して通管抵抗力の測定結果が渡されてもよい。
なお、撮影装置２の挿入部２１が一定速度で配管Ｐ内に通管（挿入）される間、通管抵抗力（Ｎ）は、例えば図３に示すようになる。図３のグラフにおいて、横軸は通管中の時刻（秒）であり、縦軸は通管抵抗力（Ｎ）である。配管Ｐのうち、曲げ半径（曲率半径）が一定である部分では、図３において破線で示すように、単位時間当たりの通管抵抗力の変化率（増加率、傾き）は、一定となる。一方、配管Ｐのうち、曲げ半径が非一定である部分では、図３において実線で示すように、単位時間当たりの通管抵抗力の変化率（増加率、傾き）が、非一定となり、特に曲げ半径が小さい部分（曲げのきつい部分）Ｍでは、単位時間当たりの通管抵抗力の変化率（増加率、傾き）が特に大きくなる。
【0047】
フラグ処理ステップＳ３では、処理部９１（本実施形態では、ローカル端末６の処理部６１）が、通管抵抗力測定ステップＳ２で得られた通管抵抗力の測定結果に基づいて、動画撮影ステップＳ１で撮影された動画に対して、フラグ処理を行う。
ここで、本実施形態において、処理部９１（本実施形態では、ローカル端末６の処理部６１）は、当該動画のうち、単位時間当たりの通管抵抗力の変化率（増加率、傾き）が所定値以上である時間帯Ｍ（図３）の動画部分に、フラグ処理を行う。これにより、当該動画のうち、配管Ｐにおける曲げ半径が小さい部分（曲げのきつい部分）を撮影した時間帯Ｍの動画部分に、フラグ処理をすることができる。あるいは、処理部９１（本実施形態では、ローカル端末６の処理部６１）は、当該動画のうち、単位時間当たりの通管抵抗力の変化率（増加率、傾き）が所定値以上である時間帯Ｍを含む時間帯の動画部分に、フラグ処理を行ってもよい。この場合、当該動画のうち、配管Ｐにおける曲げ半径が小さい部分（曲げのきつい部分）を撮影した時間帯Ｍを含む時間帯の動画部分に、フラグ処理をすることができる。
なお、当該動画と、上記通管抵抗力の測定結果との紐づけは、例えば、時間（通管開始時点からの経過時間）により行うことができる。
処理部９１（本実施形態では、ローカル端末６の処理部６１）は、フラグ処理を、ユーザによる入力部６４での操作によらずに、自動で行ってもよい。あるいは、処理部９１（本実施形態では、ローカル端末６の処理部６１）は、フラグ処理を、ユーザによる入力部６４での操作に従って行ってもよい。この場合、例えば、表示部６５には、動画撮影ステップＳ１で撮影された動画と、通管抵抗力測定ステップＳ２で得られた通管抵抗力の測定結果とが、表示され、ユーザは、表示部６５に表示された動画及び測定結果を見ながら、上記動画部分を特定し、入力部６４を操作することにより、当該動画部分にフラグ処理を行う。
フラグ処理ステップＳ３の後、ローカル端末６の処理部６１は、通信部６２に、上記フラグ処理を行った動画を、サーバ７の通信部７２へと送信させる。
ここで、本実施形態において、処理部９１（本実施形態では、ローカル端末６の処理部６１）は、当該動画のうち、単位時間当たりの通管抵抗力の変化率（増加率、傾き）が所定値以上である時間帯Ｍ（図３）の動画部分に、フラグ処理を行う。これにより、当該動画のうち、配管Ｐにおける曲げ半径が小さい部分（曲げのきつい部分）を撮影した時間帯Ｍの動画部分に、フラグ処理をすることができる。あるいは、処理部９１（本実施形態では、ローカル端末６の処理部６１）は、当該動画のうち、単位時間当たりの通管抵抗力の変化率（増加率、傾き）が所定値以上である時間帯Ｍを含む時間帯の動画部分に、フラグ処理を行ってもよい。この場合、当該動画のうち、配管Ｐにおける曲げ半径が小さい部分（曲げのきつい部分）を撮影した時間帯Ｍを含む時間帯の動画部分に、フラグ処理をすることができる。
なお、当該動画と、上記通管抵抗力の測定結果との紐づけは、例えば、時間（通管開始時点からの経過時間）により行うことができる。
処理部９１（本実施形態では、ローカル端末６の処理部６１）は、フラグ処理を、ユーザによる入力部６４での操作によらずに、自動で行ってもよい。あるいは、処理部９１（本実施形態では、ローカル端末６の処理部６１）は、フラグ処理を、ユーザによる入力部６４での操作に従って行ってもよい。この場合、例えば、表示部６５には、動画撮影ステップＳ１で撮影された動画と、通管抵抗力測定ステップＳ２で得られた通管抵抗力の測定結果とが、表示され、ユーザは、表示部６５に表示された動画及び測定結果を見ながら、上記動画部分を特定し、入力部６４を操作することにより、当該動画部分にフラグ処理を行う。
フラグ処理ステップＳ３の後、ローカル端末６の処理部６１は、通信部６２に、上記フラグ処理を行った動画を、サーバ７の通信部７２へと送信させる。
【0048】
撮像画像取得ステップＳ４では、処理部９１（本実施形態では、サーバ７の処理部７１）が、動画撮影ステップＳ１で撮影された動画（より具体的に、本実施形態では、フラグ処理ステップＳ３でフラグ処理された動画）から、複数の撮像画像を取得する、撮像画像取得処理を行う。
ここで、処理部９１（本実施形態では、サーバ７の処理部７１）は、当該動画の一部又は全部から、複数の撮像画像を取得する。例えば、処理部９１（本実施形態では、サーバ７の処理部７１）は、当該動画の一部又は全部を、フレーム毎に、静止画像である撮像画像に変換することにより、複数の撮像画像を取得する。ただし、処理部９１（本実施形態では、サーバ７の処理部７１）は、当該動画の一部又は全部を、複数のフレーム毎に、静止画像である撮像画像に変換することにより、複数の撮像画像を取得してもよい。
本実施形態では、撮像画像取得ステップＳ４において、処理部９１（本実施形態では、サーバ７の処理部７１）は、当該動画のうち、フラグ処理ステップＳ３でフラグ処理された動画部分（ひいては、単位時間当たりの通管抵抗力の変化率が所定値以上である時間帯Ｍの動画部分）から、複数の撮像画像を取得する。これにより、この後のクラック検出ステップＳ６において、配管Ｐのうち曲げ半径が小さい部分（曲げのきつい部分）について、重点的に、クラックの有無及び状態を検出することができるので、より効率的にクラックの劣化診断をすることができる。
ここで、処理部９１（本実施形態では、サーバ７の処理部７１）は、当該動画の一部又は全部から、複数の撮像画像を取得する。例えば、処理部９１（本実施形態では、サーバ７の処理部７１）は、当該動画の一部又は全部を、フレーム毎に、静止画像である撮像画像に変換することにより、複数の撮像画像を取得する。ただし、処理部９１（本実施形態では、サーバ７の処理部７１）は、当該動画の一部又は全部を、複数のフレーム毎に、静止画像である撮像画像に変換することにより、複数の撮像画像を取得してもよい。
本実施形態では、撮像画像取得ステップＳ４において、処理部９１（本実施形態では、サーバ７の処理部７１）は、当該動画のうち、フラグ処理ステップＳ３でフラグ処理された動画部分（ひいては、単位時間当たりの通管抵抗力の変化率が所定値以上である時間帯Ｍの動画部分）から、複数の撮像画像を取得する。これにより、この後のクラック検出ステップＳ６において、配管Ｐのうち曲げ半径が小さい部分（曲げのきつい部分）について、重点的に、クラックの有無及び状態を検出することができるので、より効率的にクラックの劣化診断をすることができる。
【0049】
画像処理ステップＳ５では、処理部９１（本実施形態では、サーバ７の処理部７１）が、撮像画像取得ステップＳ４で取得した複数の撮像画像のそれぞれに対して、画像処理を行う。
ここで、処理部９１（本実施形態では、サーバ７の処理部７１）は、撮像画像をカラー画像から白黒画像にする白黒化処理を行うと、好適である。これに加えて又は代えて、処理部９１（本実施形態では、サーバ７の処理部７１）は、撮像画像のぼやけた部分をはっきりさせるようなエッジ強調処理を行うと、好適である。
画像処理ステップＳ５を行うことにより、この後のクラック検出ステップＳ６において、より正確に、クラックの有無及び状態を検出することができる。
ここで、処理部９１（本実施形態では、サーバ７の処理部７１）は、撮像画像をカラー画像から白黒画像にする白黒化処理を行うと、好適である。これに加えて又は代えて、処理部９１（本実施形態では、サーバ７の処理部７１）は、撮像画像のぼやけた部分をはっきりさせるようなエッジ強調処理を行うと、好適である。
画像処理ステップＳ５を行うことにより、この後のクラック検出ステップＳ６において、より正確に、クラックの有無及び状態を検出することができる。
【0050】
クラック検出ステップＳ６では、処理部９１（本実施形態では、サーバ７の処理部７１）は、撮像画像取得ステップＳ４で取得した複数の撮像画像（より具体的に、本実施形態では、画像処理ステップＳ５で画像処理がされた複数の撮像画像）に基づいて、クラックの有無及び状態を検出する、クラック検出処理を行う。
より具体的に、本実施形態において、クラック検出ステップＳ６は、クラック有無判定ステップと、クラック状態判断ステップとを、含む。
より具体的に、本実施形態において、クラック検出ステップＳ６は、クラック有無判定ステップと、クラック状態判断ステップとを、含む。
【0051】
まず、クラック有無判定ステップにおいて、処理部９１（本実施形態では、サーバ７の処理部７１）が、上記複数の撮像画像のそれぞれについて、クラックの有無を判定する、クラック有無判定処理を行う。ここで、処理部９１（本実施形態では、サーバ７の処理部７１）は、学習済みモデル７３２を用いて、クラックの有無を判定する。
ここで、図４を参照しつつ、学習済みモデル７３２について説明する。学習済みモデル７３２は、ニューラルネットワーク等の機械学習アルゴリズムに基づいて、教師データ７３３を用いて機械学習により生成されたものである。ニューラルネットワークを用いる場合、畳み込み処理を含む畳み込みニューラルネットワーク（ＣＮＮ:Convolutional Neural Network）を用いてもよいし、再帰的処理を含むリカレントニューラルネットワーク（ＲＮＮ:Recurrent Neural Network）を用いてもよい。機械学習としては、ディープラーニングを採用してもよい。教師データ７３３は、配管の内部を撮像した学習画像ＬＩとクラックの有無の判定結果（「クラック有り」又は「クラック無し」）ＪＲとを関連付けたデータである。すなわち、教師データ７３３において、配管の内周面にクラックが有る学習画像ＬＩに対しては「クラック有り」との判定結果ＪＲが関連付けられており、配管の内周面にクラックが無い学習画像ＬＩに対しては「クラック無し」との判定結果ＪＲが関連付けられている。学習済みモデル７３２は、撮像画像ＴＩが入力されると、クラックの有無の判定結果ＪＲを出力するように構成されている。学習画像ＬＩは、「クラック有り」の判定結果ＪＲに対応付けられたものと「クラック無し」の判定結果ＪＲに対応付けられたものとが、それぞれ複数ずつあると、判定精度を向上できるので、好適である。「クラック有り」の判定結果ＪＲに対応付けられた複数の学習画像ＬＩは、クラックの長さや周方向位置や数が様々であると、判定精度を向上できるので、好適である。クラックの有無の判定結果ＪＲは、「クラック有り」及び「クラック無し」を、「〇」及び「×」等の記号で表してもよいし、あるいは、「１」及び「０」等の数値で表してもよいし、あるいは、「Ｙ」及び「Ｎ」等の文字で表してもよい。
クラック有無判定ステップにおいて、処理部９１（本実施形態では、サーバ７の処理部７１）は、上記複数の撮像画像のそれぞれについて、学習済みモデル７３２に撮像画像ＴＩを入力することで、クラックの有無の判定結果ＪＲを学習済みモデル７３２から取得する。
本実施形態では、より具体的に、教師データ７３３は、配管の内部を撮像した学習画像ＬＩと、周方向に延在するクラックの有無の判定結果ＪＲ（「クラック有り」又は「クラック無し」）とを、関連付けている。すなわち、教師データ７３３において、配管の内周面に周方向に延在するクラックが有る学習画像ＬＩに対しては「クラック有り」との判定結果ＪＲが関連付けられており、配管の内周面に周方向に延在するクラックが無い学習画像ＬＩに対しては「クラック無し」との判定結果ＪＲが関連付けられている。これにより、クラック有無判定ステップにおいて、処理部９１（本実施形態では、サーバ７の処理部７１）は、上記複数の撮像画像のそれぞれについて、周方向に延在するクラックの有無を判定する。
ここで、図４を参照しつつ、学習済みモデル７３２について説明する。学習済みモデル７３２は、ニューラルネットワーク等の機械学習アルゴリズムに基づいて、教師データ７３３を用いて機械学習により生成されたものである。ニューラルネットワークを用いる場合、畳み込み処理を含む畳み込みニューラルネットワーク（ＣＮＮ:Convolutional Neural Network）を用いてもよいし、再帰的処理を含むリカレントニューラルネットワーク（ＲＮＮ:Recurrent Neural Network）を用いてもよい。機械学習としては、ディープラーニングを採用してもよい。教師データ７３３は、配管の内部を撮像した学習画像ＬＩとクラックの有無の判定結果（「クラック有り」又は「クラック無し」）ＪＲとを関連付けたデータである。すなわち、教師データ７３３において、配管の内周面にクラックが有る学習画像ＬＩに対しては「クラック有り」との判定結果ＪＲが関連付けられており、配管の内周面にクラックが無い学習画像ＬＩに対しては「クラック無し」との判定結果ＪＲが関連付けられている。学習済みモデル７３２は、撮像画像ＴＩが入力されると、クラックの有無の判定結果ＪＲを出力するように構成されている。学習画像ＬＩは、「クラック有り」の判定結果ＪＲに対応付けられたものと「クラック無し」の判定結果ＪＲに対応付けられたものとが、それぞれ複数ずつあると、判定精度を向上できるので、好適である。「クラック有り」の判定結果ＪＲに対応付けられた複数の学習画像ＬＩは、クラックの長さや周方向位置や数が様々であると、判定精度を向上できるので、好適である。クラックの有無の判定結果ＪＲは、「クラック有り」及び「クラック無し」を、「〇」及び「×」等の記号で表してもよいし、あるいは、「１」及び「０」等の数値で表してもよいし、あるいは、「Ｙ」及び「Ｎ」等の文字で表してもよい。
クラック有無判定ステップにおいて、処理部９１（本実施形態では、サーバ７の処理部７１）は、上記複数の撮像画像のそれぞれについて、学習済みモデル７３２に撮像画像ＴＩを入力することで、クラックの有無の判定結果ＪＲを学習済みモデル７３２から取得する。
本実施形態では、より具体的に、教師データ７３３は、配管の内部を撮像した学習画像ＬＩと、周方向に延在するクラックの有無の判定結果ＪＲ（「クラック有り」又は「クラック無し」）とを、関連付けている。すなわち、教師データ７３３において、配管の内周面に周方向に延在するクラックが有る学習画像ＬＩに対しては「クラック有り」との判定結果ＪＲが関連付けられており、配管の内周面に周方向に延在するクラックが無い学習画像ＬＩに対しては「クラック無し」との判定結果ＪＲが関連付けられている。これにより、クラック有無判定ステップにおいて、処理部９１（本実施形態では、サーバ７の処理部７１）は、上記複数の撮像画像のそれぞれについて、周方向に延在するクラックの有無を判定する。
【0052】
処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック有無判定ステップにおいてクラックが有ると判定した場合に、クラック状態判断ステップにおいて、当該クラックの状態を判断する、クラック状態判断処理を行う。
クラック状態判断ステップにおいて、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック有無判定ステップにおいてクラックが有ると判定した撮像画像ＴＩに基づいて、クラックの長さを算出すると、好適である。ここで、処理部９１（本実施形態では、サーバ７の処理部７１）は、例えば、図５に示すように、撮像画像ＴＩからクラックＫの角度範囲θを測定し、測定したクラックＫの角度範囲θと配管Ｐの内周長さとに基づいて、クラックＫの長さを算出すると、好適である。すなわち、以下の式から算出することができる。
（クラックＫの長さ）＝（配管Ｐの内周長さ）×（クラックＫの角度範囲θ°）／３６０°
ここで、「クラックＫの角度範囲θ」とは、配管Ｐの中心軸線Ｏを中心とする、クラックＫの周方向の一端から他端までの角度範囲（すなわち、クラックＫの周方向両端と配管Ｐの中心軸線Ｏとを結んでなる角の角度）を指す。また、「配管Ｐの内周長さ」とは、配管Ｐの内周面の円周長さを指す。
配管Ｐの内周長さの情報は、例えば、予め、任意のタイミングで、ローカル端末６又はクライアント端末８からサーバ７に伝えられる。
クラック状態判断ステップにおいて、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック有無判定ステップにおいてクラックが有ると判定した撮像画像ＴＩに基づいて、クラックの深さを推定してもよい。ここで、処理部９１（本実施形態では、サーバ７の処理部７１）は、例えば、上述のように算出したクラックＫの長さに基づいて、クラックＫの深さを推定すると、好適である。一般的に、クラックＫは、長さが長いほど、深さが大きいという関係が成り立つ。よって、処理部９１（本実施形態では、サーバ７の処理部７１）は、例えば、上述のように算出したクラックＫの長さが長いほど、深さが大きいように、クラックＫの深さを推定すると、好適である。
クラック状態判断ステップにおいて、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック有無判定ステップにおいてクラックが有ると判定した撮像画像ＴＩに基づいて、クラックの長さを算出すると、好適である。ここで、処理部９１（本実施形態では、サーバ７の処理部７１）は、例えば、図５に示すように、撮像画像ＴＩからクラックＫの角度範囲θを測定し、測定したクラックＫの角度範囲θと配管Ｐの内周長さとに基づいて、クラックＫの長さを算出すると、好適である。すなわち、以下の式から算出することができる。
（クラックＫの長さ）＝（配管Ｐの内周長さ）×（クラックＫの角度範囲θ°）／３６０°
ここで、「クラックＫの角度範囲θ」とは、配管Ｐの中心軸線Ｏを中心とする、クラックＫの周方向の一端から他端までの角度範囲（すなわち、クラックＫの周方向両端と配管Ｐの中心軸線Ｏとを結んでなる角の角度）を指す。また、「配管Ｐの内周長さ」とは、配管Ｐの内周面の円周長さを指す。
配管Ｐの内周長さの情報は、例えば、予め、任意のタイミングで、ローカル端末６又はクライアント端末８からサーバ７に伝えられる。
クラック状態判断ステップにおいて、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック有無判定ステップにおいてクラックが有ると判定した撮像画像ＴＩに基づいて、クラックの深さを推定してもよい。ここで、処理部９１（本実施形態では、サーバ７の処理部７１）は、例えば、上述のように算出したクラックＫの長さに基づいて、クラックＫの深さを推定すると、好適である。一般的に、クラックＫは、長さが長いほど、深さが大きいという関係が成り立つ。よって、処理部９１（本実施形態では、サーバ７の処理部７１）は、例えば、上述のように算出したクラックＫの長さが長いほど、深さが大きいように、クラックＫの深さを推定すると、好適である。
【0053】
診断ステップＳ７において、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６の検出結果に基づいて、配管Ｐの劣化状態を診断する、診断処理を行う。
ここで、処理部９１（本実施形態では、サーバ７の処理部７１）は、配管Ｐの劣化状態の診断として、例えば、配管Ｐの劣化度合を評価してもよいし、あるいは、配管Ｐの残存寿命を推定してもよい。
診断ステップＳ７において、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの長さに基づいて、配管Ｐの劣化状態を診断してもよい。この場合、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの長さが長いほど、劣化度合が高いと評価する、あるいは、より短い残存寿命を推定すると、好適である。あるいは、診断ステップＳ７において、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの深さに基づいて、配管Ｐの劣化状態を診断してもよい。この場合、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの深さが大きいほど、劣化度合が高いと評価する、あるいは、より短い残存寿命を推定すると、好適である。あるいは、診断ステップＳ７において、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの長さ及びクラックＫの深さに基づいて、配管Ｐの劣化状態を診断してもよい。この場合、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの長さが長いほど、また、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの深さが大きいほど、劣化度合が高いと評価する、あるいは、より短い残存寿命を推定すると、好適である。
なお、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック状態判断ステップにおいて複数のクラックＫの長さを算出した場合、そのうち最も長いクラックＫの長さを用いて、診断ステップＳ７において配管Ｐの劣化状態を診断すると、好適である。同様に、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック状態判断ステップにおいて複数のクラックＫの深さを推定した場合、そのうち最も深いクラックＫの深さを用いて、診断ステップＳ７において配管Ｐの劣化状態を診断すると、好適である。
また、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック有無判定ステップにおいて、いずれの撮像画像においてもクラックが無いと判定した場合は、クラックＫの長さ及び／又は深さを０ｍｍとして、診断ステップＳ７において配管Ｐの劣化状態を診断すると、好適である。
ここで、処理部９１（本実施形態では、サーバ７の処理部７１）は、配管Ｐの劣化状態の診断として、例えば、配管Ｐの劣化度合を評価してもよいし、あるいは、配管Ｐの残存寿命を推定してもよい。
診断ステップＳ７において、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの長さに基づいて、配管Ｐの劣化状態を診断してもよい。この場合、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの長さが長いほど、劣化度合が高いと評価する、あるいは、より短い残存寿命を推定すると、好適である。あるいは、診断ステップＳ７において、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの深さに基づいて、配管Ｐの劣化状態を診断してもよい。この場合、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの深さが大きいほど、劣化度合が高いと評価する、あるいは、より短い残存寿命を推定すると、好適である。あるいは、診断ステップＳ７において、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの長さ及びクラックＫの深さに基づいて、配管Ｐの劣化状態を診断してもよい。この場合、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの長さが長いほど、また、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの深さが大きいほど、劣化度合が高いと評価する、あるいは、より短い残存寿命を推定すると、好適である。
なお、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック状態判断ステップにおいて複数のクラックＫの長さを算出した場合、そのうち最も長いクラックＫの長さを用いて、診断ステップＳ７において配管Ｐの劣化状態を診断すると、好適である。同様に、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック状態判断ステップにおいて複数のクラックＫの深さを推定した場合、そのうち最も深いクラックＫの深さを用いて、診断ステップＳ７において配管Ｐの劣化状態を診断すると、好適である。
また、処理部９１（本実施形態では、サーバ７の処理部７１）は、クラック検出ステップＳ６のクラック有無判定ステップにおいて、いずれの撮像画像においてもクラックが無いと判定した場合は、クラックＫの長さ及び／又は深さを０ｍｍとして、診断ステップＳ７において配管Ｐの劣化状態を診断すると、好適である。
【0054】
ここで、図６～図７を参照しつつ、診断ステップＳ７において、処理部９１（本実施形態では、サーバ７の処理部７１）が、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの長さに基づいて、配管Ｐの残存寿命を推定する方法の一例について、説明する。本例において、処理部９１（本実施形態では、サーバ７の処理部７１）は、図６に示すようなクラック進展特性を用いる。クラック進展特性は、基準時間とクラックの長さとの関係を表すものであり、すなわち、基準時間の経過とともにクラックの長さがどのように進展するかを表すものである。クラック進展特性は、予め、試験（例えば、促進試験）を実施した結果に基づいて、準備される。なお、前記促進試験としては、例えば、配管Ｐを曲げた状態で配管Ｐ内に通水し、配管Ｐ内を通る水の塩素濃度や温度を通常よりも高くするものが挙げられる。促進試験の結果に基づいてクラック進展特性を準備する場合、基準時間は、促進試験における試験時間とするとよい。図６の例のクラック進展特性においては、クラックの長さが所定閾値Ｌｔ（ｍｍ）であるときに、配管Ｐが寿命に達する（すなわち、残存寿命が０年）ものと設定されている。図６からわかるように、クラックＫの長さが長いほど、より短い残存寿命が推定されることとなる。また、図７の表に例示するように、本例のクラック進展特性においては、基準時間と実際の時間との関係が、これまでの配管Ｐの使用期間に応じて決定される。具体的には、これまでの配管Ｐの使用期間が短いほど、より長い基準時間が実際の１年に対応付けられる。このようにすることで、クラックの長さだけでなく、配管Ｐの実際の使用頻度をも考慮して、残存寿命を推定することができる。よって、例えば、これまでの使用期間が２４年であり、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの長さがＬｔ／２ｍｍである場合は、クラックＫの長さが所定閾値Ｌｔに達するまでに掛かる基準時間が（Ｔ５－Ｔ３）時間であり（図６）、また、基準時間の１００時間が実際の１年に対応することから（図７）、残存寿命は、（Ｔ５－Ｔ３）／１００年（＝（Ｔ５－Ｔ３）時間／（１００時間／１年））と推定される。また、例えば、これまでの使用期間が１２年であり、クラック検出ステップＳ６のクラック状態判断ステップにおいて算出したクラックＫの長さがＬｔ／２ｍｍである場合は、クラックＫの長さが所定閾値Ｌｔに達するまでに掛かる基準時間が（Ｔ５－Ｔ３）時間であり（図６）、また、基準時間の２００時間が実際の１年に対応することから（図７）、残存寿命は、（Ｔ５－Ｔ３）／２００年（＝（Ｔ５－Ｔ３）時間／（２００時間／１年））と推定される。
図６に示すようなクラック進展特性のデータや、図７に示すような基準時間と実際の時間との関係を表すデータは、予め、記憶部９２（本実施形態では、サーバ７の記憶部７３）に記憶されている。
配管Ｐのこれまでの使用期間の情報は、例えば、予め、任意のタイミングで、ローカル端末６又はクライアント端末８からサーバ７に伝えられる。
図６に示すようなクラック進展特性のデータや、図７に示すような基準時間と実際の時間との関係を表すデータは、予め、記憶部９２（本実施形態では、サーバ７の記憶部７３）に記憶されている。
配管Ｐのこれまでの使用期間の情報は、例えば、予め、任意のタイミングで、ローカル端末６又はクライアント端末８からサーバ７に伝えられる。
【0055】
診断ステップＳ７の後、サーバ７の処理部７１は、通信部７２に、診断結果（例えば、劣化度合の情報又は残存寿命の情報）を、クライアント端末８の通信部８２へと送信させる。
【0056】
出力ステップＳ８において、処理部９１（本実施形態では、クライアント端末８の処理部８１）は、出力部８４に、診断ステップＳ７の診断結果を出力させる、出力処理を行う。これにより、人（本実施形態では、クライアント端末８を使用する人）が、当該診断結果を知ることができる。
その後、例えば、クライアント端末８を使用する人から、配管Ｐが配設された建物の管理者等へ、当該診断結果を記載したレポートが送られる。これにより、管理者等は、配管Ｐの劣化状態を知ることができ、必要に応じて配管Ｐの交換等の対策を取ることができる。
その後、例えば、クライアント端末８を使用する人から、配管Ｐが配設された建物の管理者等へ、当該診断結果を記載したレポートが送られる。これにより、管理者等は、配管Ｐの劣化状態を知ることができ、必要に応じて配管Ｐの交換等の対策を取ることができる。
【0057】
上述した実施形態に係る配管劣化診断システム１及び配管劣化診断方法によれば、配管を傷つけることなく配管の劣化診断が可能である。
【0058】
以上、本発明の一実施形態に係る配管劣化診断システム１及び配管劣化診断方法について説明したが、本発明の配管劣化診断システム及び配管劣化診断方法は、上述のものに限られず、様々な変形例も含む。
【0059】
例えば、通管抵抗力測定ステップＳ２及びフラグ処理ステップＳ３は、行わなくてもよい。この場合、配管劣化診断システム１は、測定装置５を備えなくてもよい。また、この場合、配管劣化診断システム１は、送り出し装置４を備えなくてもよく、動画撮影ステップＳ１において、人が撮影装置２の挿入部２１を配管Ｐ内に通管（挿入）するようにしてもよい。この場合、撮像画像取得ステップＳ４において、処理部９１（例えば、サーバ７の処理部７１）は、動画撮影ステップＳ１で撮影された動画の全部から、複数の撮像画像を取得する。
【0060】
また、本明細書で説明する各例において、配管劣化診断システム１は、リール３を備えなくてもよい。
【0061】
また、本明細書で説明する各例において、画像処理ステップＳ５は、行わなくてもよい。
【0062】
また、本明細書で説明する各例において、出力ステップＳ８は、行わなくてもよい。
【0063】
また、本明細書で説明する各例において、上述したローカル端末６の機能は、撮影装置２に備えられていてもよい。その場合、配管劣化診断システム１は、ローカル端末６を備えなくてもよい。
【0064】
また、本明細書で説明する各例において、配管劣化診断システム１が対象とする配管Ｐは、給水又は給湯用以外の用途の可撓性を有する樹脂製の配管であってもよいし、また、可撓性を有する非樹脂製の配管であってもよいし、また、可撓性の無い配管であってもよい。
【0065】
また、本明細書で説明する各例において、配管劣化診断システム１は、周方向に延在するクラックに限らず、任意の方向に延在するクラックに着目して、配管Ｐの劣化状態を診断するように構成されてもよい。
【0066】
また、本明細書で説明する各例において、配管劣化診断システム１は、ビルディング・インフォメーション・モデリング（ＢＩＭ：Building Information Modeling）を記憶部９２が予め記憶し、処理部９１がＢＩＭを用いるようにされていてもよい。ＢＩＭは、配管Ｐが配設された建物の全体を３次元的に表す３次元データである。ＢＩＭは、配管Ｐの情報も含む。例えば、処理部９１は、ＢＩＭを用いて、配管Ｐのうち特に曲げ半径が小さい部分を予め特定し、フラグ処理ステップＳ３において、動画撮影ステップＳ１で撮影された動画のうち、配管Ｐのうち特に曲げ半径が小さい部分を撮影した時間帯又はそれを含む時間帯の動画部分に、フラグ処理をするようにしてもよい。この場合、配管劣化診断システム１は、測定装置５を備えなくてもよい。
【産業上の利用可能性】
【0067】
本発明の配管劣化診断方法、及び、配管劣化診断システムは、任意の種類の配管の劣化状態を診断するために使用されることができ、可撓性を有する樹脂製の配管の劣化状態を診断するために使用されると好適なものであり、例えば、給水又は給湯用の可撓性を有する樹脂製の配管の劣化状態を診断するために使用されると好適なものである。
【符号の説明】
【0068】
１：配管劣化診断システム、 ２：撮影装置、 ２１：挿入部、 ３：リール、 ４：送り出し装置、 ５：測定装置、
６：ローカル端末、 ６１：処理部、 ６２：通信部、 ６３：記憶部、 ６３１：プログラム、 ６４：入力部、 ６５：表示部、
７：サーバ、 ７１：処理部、 ７２：通信部、 ７３：記憶部、 ７３１：プログラム、 ７３２：学習済みモデル、 ７３３：教師データ、
８：クライアント端末、 ８１：処理部、 ８２：通信部、 ８３：記憶部、 ８３１：プログラム、 ８４：出力部、
９１：処理部、 ９２：記憶部、 ９３：プログラム、
Ｐ：配管、 Ｋ：クラック、 Ｏ：配管の中心軸線、
ＬＩ：学習画像、 ＴＩ：撮像画像、 ＪＲ：判定結果
６：ローカル端末、 ６１：処理部、 ６２：通信部、 ６３：記憶部、 ６３１：プログラム、 ６４：入力部、 ６５：表示部、
７：サーバ、 ７１：処理部、 ７２：通信部、 ７３：記憶部、 ７３１：プログラム、 ７３２：学習済みモデル、 ７３３：教師データ、
８：クライアント端末、 ８１：処理部、 ８２：通信部、 ８３：記憶部、 ８３１：プログラム、 ８４：出力部、
９１：処理部、 ９２：記憶部、 ９３：プログラム、
Ｐ：配管、 Ｋ：クラック、 Ｏ：配管の中心軸線、
ＬＩ：学習画像、 ＴＩ：撮像画像、 ＪＲ：判定結果
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】