赤外領域の見方

最近、赤外領域を対象とした分析やカメラをよく目にします。

web 上の製品情報を整理しました。故、汎用性に欠けますが、概ねどの光を対象にしている分析方法や装置か？という程度の理解には使えるでしょう。

区分

可視光：0.38～0.78μm

近赤外光：0.78~2.5μm

中赤外線：2.5~25μm

測定対象

近赤外分光分析：近赤外光

赤外分光分析　：中赤外光

短波赤外カメラ：近赤外光

熱赤外カメラ　：中赤外光（8～14µm）

ハイパースペクトルカメラ：紫外～可視～近赤外光(0.2~2.2μm)

LANDSAT バンド5：近赤外光(0.85 – 0.88μm)

　　　　　バンド9：近赤外光(1.36 – 1.39μm)

　　　　　バンド6：近赤外光(1.56 – 1.66μm)

　　　　　バンド7：近赤外光(2.10 – 2.30μm)

　　　　　バンド10：中赤外光(10.60-11.19μm)

　　　　　バンド11：中赤外光(11.50-12.51μm）

おまけ（SAR）

Xバンド：25-37.5mm

Cバンド：37.5-75mm

Lバンド：150-300mm

HEC-RAS 2D unsteady flow

HEC-RAS Ver.5.0.7 で2次元の非定常計算を実施。

参考にした動画はコチラ↓

https://www.youtube.com/watch?v=mUgXQucQTuE

ArcGIS で GeoTIFF を作成し、RAS Mapper に取り込む。

解析範囲をぐるりと囲み、メッシュ生成。

境界条件を設定し、計算条件を整え、実行。

解析結果を RAS Mapper で確認。

以上が大まかな流れです。

1次元に比べ、非常に手軽です。拡散波近似を扱えます。雨を降らせて地表流を生成することもできます。

何より、RAS Mapper が素晴らしい。プリ・ポストとして十分な機能を有しています。これが無償で配布されているのに日本で使われていないのは、勿体ない。日本も負けずにこのようなソフトを作って公開してほしいものです。

残念ながら、当Ver.では ２D河床変動を未サポート。別のソフトで試す必要が出てきました。

プロに紹介いただいていますので、後日試してみましょう。

CNN + KNN

CNNにKNNを組み合わせて精度を上げる手法を散見します。

https://www.kaggle.com/salokr/a-simple-cnn-knn-based-model-to-get-99-score

https://www.ijrte.org/wp-content/uploads/papers/v8i2/B1051078219.pdf

https://www.kaggle.com/lieblos/knn-cnn-ensembling

昨夜、Youtube Live で M5Stack の M5StickV を 画像数枚でAIカメラとして機能させる Brownie のデモ を見ました。アルゴリズムとして、この組み合わせを利用されたそうです。

https://qiita.com/ksasao/items/6d6bcac4c5e92fa692a2

https://github.com/ksasao/brownie

０~１を返す関数なので、その中間値を表示することができます。空のビンを０として１回写し、液体で満たしたビンを100としてもう一度写すと、液体を減らしたビンはその中間の値として表示してくれます。これは面白い。作者によれば量のみならず、距離でも使えそうとのこと。各種センサー代わりに利用可能であり、使い道がありそうです（別の視点で全く受け付けない方もいらっしゃるとは思います）。

ライブカメラでも、同様のアルゴリズムで判定させることは可能でしょう。混雑度判定や水位計の代用品としてに使えそうです。交通、農業、マーケティングなど、様々な分野で需要はあるでしょう。

センサー、カメラ、機会学習。個別技術の進展のみならず、組み合わせや他分野での動向をも追う必要に迫られているようです。いつの時代も大変です。

********************************

20200613追記

Keras で CNN をかけた結果に対し、KNN をかけると精度向上！

と思いきや、imbalanced dataでした。これ、Kを多くすれば意味なく精度は上がります。

imbalanced data で実施する際には、over sampling 等で分布数をそろえたモデルを作成し、予測する必要がありました。

ライブカメラと機械学習

国総研さんの年次報告書では、機械学習を利用した研究報告が散見されます。

道路についているライブカメラにて異常検知を目指したり、交通量調査の省力化を目指したり。特に後者では、以下のようなソフトの作成を目指されているのでしょう。

https://www.youtube.com/watch?v=XwzbFzqhF1Y

https://datafromsky.com/

自動車の場合はそれ自体が発信するデータを使えるため、交通量調査の省力化、高精度化は容易に実現できるでしょう。建設分野と自動車分野との共同で、さらなる飛躍が期待できます。

目的によっては既設のカメラでできること、できないことも出てくるでしょう。新たなカメラに切り替える場合には、カメラや映像、ネットワークの知識のみならず、機械学習の知識が要求されるでしょう（発信側の集計のみで対応できるようになれば不要になりますが）。AWS DeepLens のように機械学習とクラウド側がハードをも一体として要求してしまうかもしれません。あるいは、安価なAIボードを積んだ「AIカメラ」と呼ばれているハードがより進化し、同等以上の働きをするようになるかもしれません。

いろいろと忙しい分野になりそうです。

土石流と浮遊砂

国土技術政策総合研究所 業務 入札公示新着情報に、以下の案内が出ておりました。

「急勾配移動床水理模型実験業務」

河川、砂防の実験は1990年代に盛んだったようです。砂防のプロに聞いても、近年では珍しいのではないか？とのこと。

そういえば、今年の年次報告に河床変動の研究が掲載されていました。このモデルを確立する過程なのでしょうか。

「細粒土砂の挙動を考慮した土砂・洪水氾濫事例の再現」

http://www.nilim.go.jp/lab/bcg/siryou/2020report/index.htm

http://www.nilim.go.jp/lab/bcg/siryou/2020report/ar2020hp024.pdf

高橋モデルに浮遊砂は入っていません（侵食・堆積速度がパラスタなので、実質的には含まれているとも言えますが）。河川で使用されている掃流砂・浮遊砂式を掃流区間の式と置き換えてしまえばこの部分は対応可能でしょう。が、掃流状集合流動区間に組み込むべき式は日本にあるのでしょうか？海外の式が対応できるのかもしれませんが、実験で確かめようという流れなのでしょうか？

実際はこの業務でどのようなことを目指されているのかわかりませんが、来年の今頃にはある程度の結果が報告されているでしょう。

見逃さないようにしましょう。

土石流の Fortran コード

Hyper KANAKO の不具合が多く、代替えコードを使用することになりました。

先輩が調達した土石流の Fortran コードを読んでいたのですが、これがとても読み易い。素晴らしい書き方だと感心しながら読んでいました。

中身は高橋モデルの一部が使用されており、少し手を加えることで河川砂防技術基準に適合させることができそうでした。流れがシンプルかつ明快で、偏微分の離散化もわかりやすく、すぐに読み終わりました。

おそらく、KANAKO の計算部分も同様にシンプルなはずです。なのになぜ不具合が多いのでしょう？

おそらく後付けの GUI 側の不具合がメインなのでしょう。GUI はソフトウェアメーカーさんに任せるのが一番良いのですが、残念ながら FORUM8 さんの開発は止まっています。ユーザーが少なく採算に合わないので Ver.UP されないのだと想像されます。

エンジンと GUI を完全に切り離し、データフォーマットをマニュアルに載せておけば扱いやすくなるでしょう。

ま、Fortran コードも整備しながら、ゆっくり待ちましょう。

「高橋のモデル」平衡土砂濃度

平衡土砂濃度を３区分する水面勾配の閾値（0.03、0.138）と、平衡土砂濃度算出式の解釈に参考となる説明が以下にありました。※式2

高橋「土石流発生のメカニズム (2)」

https://www.jstage.jst.go.jp/article/sabo1973/45/3/45_3_38/_article/-char/ja/

式 (2) では, 勾配が急になればなるほど平衡砂礫濃度が大きくなるが, 密に詰めた充填濃度になれば, 実際上流動は不可能となる。実験によれば, 流動が可能な最高濃度は0.7程度で, 式 (2) がそれ以上の値となる時でも0.7あるいはもっと小さい濃度で流れる1)。一方, 式 (2) は,勾配が小さくなればいくらでも小さい砂礫濃度を与える。しかしながら, 実験によれば, 砂礫濃度は0.2～0.3以下では, 砂礫は全流動層には分散できず, 図-1 (2) に示しているような掃流状集合流動となる。図-2は通常の粗い砂礫を用いた実験によって得られた砂礫濃度と勾配の関係と, 式 (2), 掃流状集合流動に関して著者が理論的に求めた平衡濃度csooを与える式(3)2), および水山の経験式3), さらに, 芦田・高橋・水山の掃流砂量式4)による掃流砂の土砂濃度とを示している。砂礫濃度がいかに勾配に支配されて変化するかがよく分かる。図-2によれば,土石流と掃流状集合流動の境界は流路勾配10. 程度にあり, 十分長い一様な堆積層があれば, 100程度の渓床で土石流が発生できることを示している。なお, 式 (3) は以下のようである。

2013年 Hyper KANAKO 勉強会の第一部で紹介されたスライドによれば、掃流状集合流動と掃流砂の境界：0.03と土石流と掃流状集合流動の境界：0.138は、勾配1.7度、7.9度に相当します。図では3度、10度程度となっていますので、小さめの値が採用されています。その後の実験で決めた閾値だと推察されるのですが、出典がないため追いかけられません。

平衡土砂濃度（掃流状集合流動（式3）、掃流砂）の導出や出典はよくわかりませんでした。理論式だそうですが。

いずれにしても、ある理論式をある範囲で使い分けている、範囲の閾値は実験で決めているというようなことだと推察されます。

ひとまずここまで。