特許ウォッチ

公開番号2025110665
公報種別公開特許公報(A)
公開日2025-07-29
出願番号2024004624
出願日2024-01-16
発明の名称設備点検システム及び設備点検方法
出願人日本ゼオン株式会社
代理人弁理士法人とこしえ特許事務所
主分類G01N 23/203 20060101AFI20250722BHJP(測定;試験)
要約【課題】設備の大きさや外装材の有無に関わらず、設備の劣化可能性を簡易に判定できる設備点検システム及び設備点検方法を提供する。
【解決手段】設備点検システム100は、設備1にX線L0を照射し、設備1で反射したX線L0である後方散乱X線L1を検出し、後方散乱X線L1に基づくX線画像Gを取得する画像取得装置10と、設備1の劣化状況とX線画像Gとが紐付けられた教師データにより学習された機械学習モデル22を有し、機械学習モデル22を用いてX線画像Gに基づき劣化可能性の有無を判定する判定装置20と、判定装置20が算出した判定結果を出力する出力装置30とを備える。
【選択図】図1
特許請求の範囲【請求項１】
設備の劣化可能性を判定する設備点検システムであって、
前記設備にＸ線を照射し、前記設備で反射した前記Ｘ線である後方散乱Ｘ線を検出し、前記後方散乱Ｘ線に基づくＸ線画像を取得する画像取得装置と、
前記設備の劣化状況と前記Ｘ線画像とが紐付けられた教師データにより学習された機械学習モデルを有し、前記機械学習モデルを用いて前記Ｘ線画像に基づき前記劣化可能性の有無を判定する判定装置と、
前記判定装置が算出した判定結果を出力する出力装置とを備える設備点検システム。
続きを表示（約 640 文字）【請求項２】
前記設備が外装材で被覆されている場合は、前記判定装置は、前記外装材の内側における前記設備の前記劣化可能性の有無を判定する、請求項１に記載の設備点検システム。
【請求項３】
前記設備は前記外装材に被覆された配管である、請求項２に記載の設備点検システム。
【請求項４】
前記機械学習モデルは、前記設備の前記劣化可能性として、前記設備における錆、結露又はスケールの発生の可能性の有無を判定する、請求項１に記載の設備点検システム。
【請求項５】
前記機械学習モデルは、前記後方散乱Ｘ線を利用して前記設備を複数の方向から撮像した学習用Ｘ線画像を用いて学習される、請求項１に記載の設備点検システム。
【請求項６】
前記判定装置は、サーバに設けられる、請求項１に記載の設備点検システム。
【請求項７】
設備の劣化可能性を判定する設備点検方法であって、
画像取得装置を用いて、前記設備にＸ線を照射し、前記設備で反射した前記Ｘ線である後方散乱Ｘ線を検出し、前記後方散乱Ｘ線に基づくＸ線画像を取得し、
判定装置を用いて、前記設備の劣化状況と前記Ｘ線画像の特徴量とが紐付けられた学習データにより学習された機械学習モデルを有し、前記機械学習モデルを用いて前記Ｘ線画像に基づき前記劣化可能性の有無を判定し、
前記判定装置が算出した判定結果を出力装置に出力する、設備点検方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、設備点検システム及び設備点検方法に関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
工場の配管等の設備は腐食等が発生していないか等の劣化状況を定期的に点検する必要がある。特許文献１に記載の配管腐食検査装置は、透過Ｘ線を用いて、配管の腐食状況を画像化する。また、特許文献２に記載の腐食状態判定装置は、学習済みの学習モデルを用いて、設備の部材の画像に基づき、腐食状態を判定する。
【先行技術文献】
【特許文献】
【０００３】
特開２００１－００４５６２号公報
特開２０２３－１１２２７２号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、特許文献１に記載の配管腐食検査方法では、透過Ｘ線を照射するためのＸ線発生装置と透過Ｘ線を検出するセンサとを、検査対象である設備の両側に設置しなければならず、広い作業スペースが必要となる。また、設備の板厚が厚い場合は、透過Ｘ線は設備を透過できない。そのため、特許文献１に記載の配管腐食検査方法では、大型の設備の点検を実施できないおそれがある。
【０００５】
また、特許文献２に記載の腐食状態判定方法では、設備が保温材等の外装材で被覆されている場合は、外装材を解体して取り外さなければ設備の腐食状態を判定できない。外装材を解体するためには仮設足場の設置が必要となる場合もあるため、特許文献２に記載の腐食状態判定方法には、設備点検にかかる時間及び費用が過大になるという問題がある。
【０００６】
本発明は、このような実状に鑑みてなされたものであり、設備の大きさや外装材の有無に関わらず、設備の劣化可能性を簡易に判定できる設備点検システム及び設備点検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】
本発明者は、上記目的を達成すべく検討を行ったところ、点検対象である設備で反射した後方散乱Ｘ線に基づくＸ線画像を取得し、機械学習モデルを用いてＸ線画像に基づき劣化可能性の有無を判定することにより、上記目的を達成できることを見出し、本発明を完成させるに至った。
【０００８】
すなわち、本発明によれば、以下の設備点検システム及び設備点検方法が提供される。
【０００９】
［１］設備の劣化可能性を判定する設備点検システムであって、
前記設備にＸ線を照射し、前記設備で反射した前記Ｘ線である後方散乱Ｘ線を検出し、前記後方散乱Ｘ線に基づくＸ線画像を取得する画像取得装置と、
前記設備の劣化状況と前記Ｘ線画像とが紐付けられた教師データにより学習された機械学習モデルを有し、前記機械学習モデルを用いて前記Ｘ線画像に基づき前記劣化可能性の有無を判定する判定装置と、
前記判定装置が算出した判定結果を出力する出力装置とを備える設備点検システム。
［２］前記設備が外装材で被覆されている場合は、前記判定装置は、前記外装材の内側における前記設備の前記劣化可能性の有無を判定する、［１］に記載の設備点検システム。
［３］前記設備は前記外装材に被覆された配管である、［２］に記載の設備点検システム。
［４］前記機械学習モデルは、前記設備の前記劣化可能性として、前記設備における錆、結露又はスケールの発生の可能性の有無を判定する、［１］～［３］のいずれかに記載の設備点検システム。
［５］前記機械学習モデルは、前記後方散乱Ｘ線を利用して前記設備を複数の方向から撮像した学習用Ｘ線画像を用いて学習される、［１］～［４］のいずれかに記載の設備点検システム。
［６］前記判定装置は、サーバに設けられる、［１］～［５］のいずれかに記載の設備点検システム。
［７］設備の劣化可能性を判定する設備点検方法であって、
画像取得装置を用いて、前記設備にＸ線を照射し、前記設備で反射した前記Ｘ線である後方散乱Ｘ線を検出し、前記後方散乱Ｘ線に基づくＸ線画像を取得し、
判定装置を用いて、前記設備の劣化状況と前記Ｘ線画像の特徴量とが紐付けられた学習データにより学習された機械学習モデルを有し、前記機械学習モデルを用いて前記Ｘ線画像に基づき前記劣化可能性の有無を判定し、
前記判定装置が算出した判定結果を出力装置に出力する、設備点検方法。
【発明の効果】
【００１０】
本発明によれば、設備の大きさや外装材の有無に関わらず、設備の劣化可能性を簡易に判定できる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許