CN104438096A - 分拣装置 - Google Patents

分拣装置 Download PDF

Info

Publication number
CN104438096A
CN104438096A CN201410478964.7A CN201410478964A CN104438096A CN 104438096 A CN104438096 A CN 104438096A CN 201410478964 A CN201410478964 A CN 201410478964A CN 104438096 A CN104438096 A CN 104438096A
Authority
CN
China
Prior art keywords
sorting
value
identifying information
characteristic quantity
characteristic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410478964.7A
Other languages
English (en)
Inventor
入江文平
浜村伦行
前田匡哉
朴英
渡边优香
马场贤二
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Original Assignee
Toshiba Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp filed Critical Toshiba Corp
Publication of CN104438096A publication Critical patent/CN104438096A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/196—Recognition using electronic means using sequential comparisons of the image signals with a plurality of references
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/42—Document-oriented image-based pattern recognition based on the type of document
    • G06V30/424—Postal images, e.g. labels or addresses on parcels or postal envelopes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Sorting Of Articles (AREA)
  • Character Input (AREA)
  • Character Discrimination (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

根据实施方式，分拣装置具有传感器、特征提取部、特征检索部、判别部以及分拣部。传感器从对象物中检测物理量。特征提取部从由传感器检测出的对象物的物理量中提取多种特征量。特征检索部基于特征提取部提取的多种特征量的值，从特征数据库中确定对象物识别信息，在所述特征数据库中，以使多种特征量的值与对象物识别信息相对应的方式，预先存储有多种特征量的值以及对象物识别信息。判别部基于特征检索部确定的对象物识别信息，从分拣数据库中确定对象物的分拣信息，在所述分拣数据库中，以使对象物识别信息与分拣信息相对应的方式，预先存储有对象物识别信息以及分拣信息。分拣部根据判别部判别出的分拣信息对对象物进行分拣。

Description

分拣装置
本申请以2013年9月18日在先申请的日本国专利申请第2013-193445号的优先权利益为基础，并且享有该申请的优先权，通过引用将该申请的全部内容包含于此。
技术领域
本发明的实施方式涉及分拣装置。
背景技术
分拣装置根据地址等分拣信息，对对象物进行分拣。例如，分拣装置在分拣处理(分拣阶段)中，取得包含文字或码等分拣信息在内的对象物的图像，辨识出取得的图像中包含的分拣信息，并根据作为该辨识结果所得到的分拣信息对对象物进行分拣。分拣装置为了对对象物进行细分，有时会对每个对象物执行多次分拣处理(分拣阶段)。分拣装置在第一次分拣处理中，朝对象物打印识别信息(例如条形码)，使打印的识别信息与从该对象物读取的分拣信息相对应并保存，并且根据分拣信息对对象物进行分拣。分拣装置在第二次以后的分拣处理中，根据被打印上的识别信息确定对象物的分拣信息，并根据已确定的分拣信息对对象物进行分拣。
但是，朝对象物打印识别信息时，存在着需要在分拣装置上设置打印机构、并且由于对象物的形状和性质而难以打印识别信息的问题。
发明内容
本发明的目的在于，提供一种无需在对象物上打印识别信息即可高精度地识别对象物的分拣装置。
根据实施方式，分拣装置具有传感器、特征提取部、特征检索部、判别部以及分拣部。传感器用于从对象物中检测物理量。特征提取部从由传感器检测出的对象物的物理量中提取多种特征量。特征检索部基于特征提取部提取的多种特征量的值，从特征数据库中确定对象物识别信息，在所述特征数据库中，以使多种特征量的值与对象物识别信息相对应的方式，预先存储有多种特征量的值以及对象物识别信息。判别部基于特征检索部确定的对象物识别信息，从分拣数据库中确定对象物的分拣信息，在所述分拣数据库中，以使对象物识别信息与分拣信息相对应的方式，预先存储有对象物识别信息以及分拣信息。分拣部根据判别部判别出的分拣信息，对对象物进行分拣。
根据以上结构的分拣装置，无需在对象物上打印信息即可高精度地识别对象物。
附图说明
图1是示出包括涉及实施方式的分拣装置在内的分拣系统的结构的一个示例的框图。
图2是示出涉及实施方式的分拣装置的识别部的结构的一个示例的框图。
图3是示出涉及实施方式的分拣装置的识别部中的特征数据库的结构的一个示例的图。
图4是示出对涉及实施方式的分拣装置的识别部中的使用了第一特征量表的投票表中投票的一个示例的图。
图5是示出对涉及实施方式的分拣装置的识别部中的使用了第二特征量表的投票表中投票的一个示例的图。
图6是示出对涉及实施方式的分拣装置的识别部中的使用了第三特征量表的投票表中投票的一个示例的图。
图7是示出对涉及实施方式涉及的分拣装置的识别部中的使用了第四特征量表的投票表中投票的一个示例的图。
图8是示出表示投票结果的投票表的一个示例的图。
图9是用于说明涉及实施方式的分拣装置中的第一次分拣处理的一个示例的流程图。
图10是用于说明涉及实施方式的分拣装置中的第二次分拣处理的一个示例的流程图。
具体实施方式
以下，参照附图对实施方式进行说明。
图1是示出一个实施方式的分拣系统1的概略结构的图。
如图1所示，分拣系统1具有分拣装置2和VCS(Video coding system：视频编码系统)3。分拣装置2根据地址信息等的分拣信息对对象物进行分拣。另外，VCS3用于通过操作员的编码作业输入无法由分拣装置2判别分拣信息的对象物的分拣信息。
分拣装置2分拣的对象物是能够通过搬运机构进行搬运并进行分拣的物体，是被赋予了可辨识的分拣信息的物体。例如，设想对象物是记载有分拣信息、或者粘贴有记载了分拣信息的标签的纸张类(例如明信片、书信等的邮件等)、包裹或者物品等。
被赋予给对象物的分拣信息用文字、数字、符号或条形码等表示。分拣信息中使用的文字、数字、符号或条形码可以通过图案辨识技术从对它们进行扫描所获得的图像中进行辨识。被赋予给对象物的分拣信息例如是包含邮政编码、地址、收件人姓名等在内的收件人信息。另外，在对象物中，分拣信息被赋予在扫描器可读取出分拣信息的位置。例如，分拣信息通过打印或者手写被记载在对象物的表面。另外，也可以将记载了分拣信息的标签粘贴到对象物上。
分拣装置2一边搬运对象物一边根据分拣信息确定分拣目的地，并执行将对象物分拣到已确定的分拣目的地的分拣处理(分拣处理、分拣阶段)。涉及本实施方式的分拣装置2具有执行第一次分拣处理以及第二次以后的分拣处理的功能。第一次分拣处理对处于尚未确定分拣信息的状态的对象物进行分拣，也就是根据通过辨识处理所得到的分拣信息对对象物进行分拣。第二次以后的分拣处理在已确定了对象物的分拣信息的状态下，对可从识别信息(ID)中确定出分拣信息的对象物进行分拣。也就是，通过与识别信息相对应的分拣信息，对对象物进行分拣。
如图1所示，分拣装置2具有操作面板10、供给部11、搬运部12、传感器部13、识别部14、判别部15、分拣数据库16、以及分拣控制部17。
分拣装置2的前表面设有操作面板10。操作面板10由触摸屏内置的显示装置等构成。操作面板10显示分拣装置2的动作状态等。操作员利用操作面板10，可以指定处理模式以及开始处理。此外，处理模式例如是指第一次分拣处理或者第二次以后的分拣处理。
供给部11将待处理的对象物供给至搬运部12。供给部11上放置有多个对象物。如上所述，各对象物被赋予有分拣信息。操作员将多个对象物放置在供给部11，选择处理模式，在选择了处理模式的状态下指示开始分拣处理。当分拣处理开始时，供给部11以规定的间距将放置好的对象物逐一供给至搬运部12。
搬运部12通过通往分拣部18的搬运路径，将被从供给部11供给的对象物搬运至分拣部18。搬运部12的搬运路径上设置有传感器部13。传感器部13连接着识别部14和判别部15。该各部通过分拣控制部17进行控制。分拣控制部17对从供给部11供给至搬运部12的对象物分配识别信息。
搬运部12以如下方式对各对象物进行搬运：使经过了传感器部13的对象物在结束识别部14以及判别部15处的处理之后到达分拣部18。也就是，搬运部12以如下方式对各对象物进行搬运：在对象物在到达分拣部18的过程中，使识别部14以及判别部15对该对象物执行处理。
传感器部13具有一个或多个物理传感器13a、13b、13c、…，用于检测由搬运部12搬运的对象物的物理量。例如，作为物理传感器，传感器部13具有扫描器13a、尺寸测量传感器13b、重量传感器13c等。
作为传感器部13的一个物理传感器，涉及本实施方式的分拣装置2至少包括扫描器13a。扫描器13a取得由搬运部12搬运的对象物的图像。扫描器13a设置为，可取得包含有由搬运部12搬运的对象物中的分拣信息记载区域的图像。扫描器13a将取得的对象物的图像供给至识别部14以及判别部15。对象物的图像在识别部14中被用作用于提取特征量的物理量，该特征量用于识别对象物，另外在判别部15中被用于对分拣信息的辨识处理。
尺寸测量传感器13b用于测量对象物的大小。重量传感器13c用于测量对象物的重量。
另外，传感器部13还可以具备用于检测对象物厚度的厚度传感器、用于检测对象物中包含的特定物质的传感器、或者多个使用不同波长区域的光的图像传感器等。即，传感器部13包含测量用于识别对象物的物理量的物理传感器即可。与设想的对象物的形状或运用方式相应的各种物理传感器被设置于传感器部13。
识别部14具有特征提取功能、登记功能、检索功能、异常检测功能等。作为特征提取功能，识别部14根据各传感器13从对象物中检测出的信息，提取特征量。作为登记功能，识别部14以使通过特征提取功能提取的对象物的特征量的值与分配到该对象物上的识别信息(ID)相对应的方式，登记对象物的特征量的值以及识别信息(ID)。另外，作为检索功能(确定功能)，识别部14根据通过特征提取功能提取的对象物的特征量的值，检索(确定)与该特征量的值相类似的特征量的值所对应的识别信息(ID)。
判别部15用于确定对象物的分拣信息。判别部15具有用于从图像中辨识分拣信息的辨识部15a。辨识部15a通过对扫描器13a取得的对象物的图像进行图案辨识，从而辨识该对象物的分拣信息。例如，辨识部15a由文字辨识装置(OCR)等构成，用于从图像中辨识表示分拣信息的文字。
在对分拣信息未确定的对象物(分拣数据库16中未登记的对象物)进行分拣处理(例如，第一次分拣处理)的过程中，判别部15通过辨识部15a执行用于从图像中辨识出分拣信息的辨识处理。当能够从图像中确定分拣信息时，判别部15以使分拣信息的辨识结果与该对象物识别信息相对应的方式，将该辨识结果和识别信息登记到分拣数据库16中。
另外，当无法从图像中辨识出分拣信息时，判别部15将包含该对象物的识别信息和该对象物的图像的编码信息供给至VCS3。VCS3根据编码信息，使由操作员输入的该对象物的分拣信息与该对象物识别信息相对应，并将该分拣信息与该识别信息登记到分拣数据库16中。
另外，在对分拣数据库16中已登记了分拣信息的对象物(得到了辨识结果的对象物、或者通过VCS3输入了分拣信息的对象物)进行分拣处理(例如，第一次分拣处理中的再分拣处理、第二次以后的分拣处理)的过程中，判别部15将通过识别部14的检索功能确定的对象物识别信息(ID)作为检索关键字，从分拣数据库16中确定该对象物的分拣信息。
分拣部18根据基于分拣控制部17的控制，将由搬运部12供给的对象物分拣至各个分拣目的地。例如，分拣部18可以将划分为多段与多列的多个分拣袋(未图示)作为分拣目的地使用。此外，分拣部18可以设置成，即使分拣信息相同，也根据对象物的形状以及大小等，朝不同的分拣目的地分拣。
分拣部18的各个分拣目的地被分配有分拣信息。分拣部18根据基于分拣控制部17的控制，将对象物分拣至与分拣信息相对应的分拣目的地。另外，分拣部18设有VCS隔离部(未图示)，无法辨识出分拣目的地的对象物被分拣到该VCS隔离部。在通过VCS3输入分拣信息之后，堆积到VCS隔离部的对象物再次被供给至供给部11。再次被供给至供给部11的该对象物根据如下的分拣信息被再次进行分拣：以通过识别部14的检索功能确定的该对象物识别信息(ID)作为检索关键字而从分拣数据库16中确定出的分拣信息。
如前所述，分拣控制部17向对象物分配识别信息(ID)。对象物识别信息(ID)只要是在全部对象物中独一无二的值，可以是任意的值。例如，对象物识别信息(ID)可以是依据从供给部11供给的对象物的顺序而朝对象物赋予的编号的值。分拣控制部17控制通过各部对对象物进行的处理。分拣控制部17根据基于各部的处理状况来控制对象物的搬运。分拣控制部17根据从判别部15得到的对象物的分拣信息(基于辨识结果的分拣信息、或者与对象物识别信息相对应的分拣信息)，执行对该对象物进行分拣的控制。例如，分拣控制部17确定与判别部15判别出的分拣信息相对应的分拣目的地，并控制分拣部18，该控制分拣部18用于将该对象物搬运并分拣至与分拣信息相对应的分拣目的地。
此外，识别部14、判别部15以及分拣控制部17例如可以由具有与电子计算机(计算机)相同的硬件结构的装置来实现，该电子计算机具有处理器、各种存储器、储存在存储器中的程序以及各种接口。即，基于识别部14、判别部15或者分拣控制部17的各处理可以是通过处理器执行程序而实现的功能。另外，识别部14、判别部15以及分拣控制部17分别可以由具有处理器、存储器以及接口等的电子计算机(计算机)来实现。另外，也可以由一台电子计算机来实现识别部14、判别部15以及分拣控制部17的各功能。
接下来，对VCS3进行说明。
如图1所示，VCS3由信息累积分配装置31以及多个视频编码终端(以下称作VCD)32等构成。
信息累积分配装置31将分拣装置2无法辨识出分拣信息的对象物的图像传送至各VCD32，并将基于VCD32的地址信息的按键输入结果返回给分拣装置2。信息累积分配装置31连接到分拣装置2。信息累积分配装置31例如由具有CPU、各种存储器、储存在存储器中的程序以及各种接口的个人计算机(PC)构成。信息累积分配装置31在辨识部15a无法辨识出分拣信息的对象物的图像上关联该对象物识别信息(ID)，并存储对象物的图像以及该对象物识别信息(ID)。
VCD32具有显示器(显示部)、键盘(操作部)等。VCD32例如由个人计算机(PC)构成。VCD32将从信息累积分配装置31分配的对象物的图像显示在显示器上。在显示了对象物的图像的状态下，操作员在VCD32中通过键盘输入地址信息等分拣信息。基于VCD32的输入结果与该对象物识别信息(ID)相对应，并将输入结果和该对象物识别信息(ID)返回给信息累积分配装置31。另外，信息累积分配装置31将来自VCD32的输入结果与该对象物识别信息(ID)相对应，并将该来自VCD32的输入结果登记到分拣装置2的分拣数据库16中。由此，对于辨识部15a无法辨识出分拣信息的对象物，与该对象物识别信息(ID)相对应的分拣信息也被登记到分拣数据库16中。
接下来，对涉及本实施方式的分拣装置2中的识别部14的结构进行说明。
图2是示出涉及本实施方式的分拣装置中的识别部14的结构例的框图。
在图2示出的结构例中，识别部14具有特征提取部101、特征登记部102、特征数据库103、特征检索部104、异常检测部107等。特征提取部101、特征登记部102以及特征检索部104可以是通过CPU等的处理器使用RAM等存储器并执行程序而实现的功能。
在第一次分拣处理(第一次的分拣阶段)中，识别部14通过特征提取部101以及特征登记部102，对于各对象物，使特征量的值与识别信息(ID)相对应，并执行将该特征量的值以及该识别信息登记到特征数据库103中的登记处理。另外，在第二次以后的分拣处理(第二次以后的分拣阶段)中，识别部14通过特征提取部101以及特征检索部104，执行用于根据处理对象的对象物的特征量的值来识别处理对象的对象物识别信息的检索处理(识别处理)。
特征提取部101在各分拣阶段中，从传感器部13的各个物理传感器13a、13b、…、13n自对象物中检测出的数据中，提取用于识别该对象物的多种特征量。如上所述，传感器部13只需检测对象物的物理量即可，由一个或多个物理传感器13a、…、13n构成。另外，只要保证通过传感器部13的各个物理传感器13a、…、13n进行的检测是从同一对象物中得到的，也可以不在同一时刻进行检测。例如，当传感器部13具备对在搬送路径上移动的对象物进行追踪的功能时，传感器部13能够利用该功能，将多个时刻的检测数据作为该对象物的数据加以利用。
特征提取部101分别取得传感器部13的各个物理传感器13a、13b、…、13n从一个对象物中检测出的数据(检测数据)。特征提取部101从各个物理传感器13a、…的检测数据中提取(计算)用于识别该对象物的特征量。特征提取部101只需提取用于识别对象物的特征量即可，提取在每个分拣处理的处理条件下不易变动的种类的特征量。处理条件例如是位置、角度等对象物的搬运状态。例如，在传感器部13中的一个物理传感器是图像传感器的情况下，特征提取部101可以提取SIFT(Scale-invariant feature transform：尺度不变特征变换)特征作为特征量，该SIFT特征是相对于平行移动和旋转而不发生改变的值。
特征提取部101提取用于对象物识别的规定数量种类的特征量。例如，在使用N种特征量识别对象物的情况下，特征提取部101在每次分拣处理时对各对象物提取N种特征量。
特征登记部102使特征提取部101提取的特征量的值与分拣控制部17分配到该对象物识别信息(ID)相对应，并将该特征量的值与该识别信息(ID)登记到特征数据库103中。特征量的值表现为多个等级。例如，等级数为从0级到N-1级的N个。特征数据库103具有分别与特征提取部101提取的特征量的种类相对应的特征量表105(105a～105n)。例如，在特征提取部101提取4种特征量的情况下，特征数据库103中设置有4个特征量表105。
在各个特征量表105中，对象物识别信息(ID)与特征量的值相对应。例如，在各个特征量表105中，对应于特征量的值的等级数，特征量的值被划分成多个阶段(例如N个阶段)。在各个特征量表105中，对象物识别信息(ID)被与对象物的特征量的值相对应地进行登记。在这样的特征量表105中，在设计时，将向特征量的各值中进行登记的对象物识别信息(ID)的数量尚未确定。因此，各个特征量表105具有长度不定的记录(record)。特征量表105只要能够从特征量的值中确定出对象物识别信息(ID)即可，可以通过任意的实现方法来实现。例如，特征量表105可以通过动态内存分配或者链表构造(list struct)等的实现方法来实现。
特征检索部104根据从对象物中提取的特征量的值，执行从特征数据库103中检索(确定)已登记的识别信息(ID)的检索(确定)处理。当对特征量的值以及识别信息(ID)已登记在特征数据库103中的对象物进行分拣处理时，特征检索部104检测具有与特征提取部101提取的特征量的值相类似的特征量的值的、对象物识别信息(ID)。例如，特征检索部104利用投票表106进行识别处理，该投票表格106是用于将规定的值以各种特征量为单位进行投票的表。关于利用投票表进行的识别处理，将在后面进行详细说明。
异常检测部107用于检测各个物理传感器13a、…、13n的异常以及对象物的异常等。即，当特征提取部101提取的特定的特征量的值是异常值时，异常检测部107检测物理传感器可能发生了异常，该物理传感器是用于对提取该特征量的物理量进行检测的物理传感器。例如，当特征量的值超过了规定的通常范围值时，或者当连续的多个对象物的特定的特征量的值相同时，异常检测部107检测与该特征量相对应的物理传感器可能发生了异常。
另外，异常检测部107根据特征检索部104的检索结果，检测对象物或者物理传感器的异常。例如，在基于特征检索部104对某个对象物进行的识别处理中，当一部分的特征量的值的变化(已登记在特征数据库中的特征量的值与在该分拣处理中得到的特征量的值之间的差异)超过了规定的阈值时，异常检测部107检测该对象物是否发生了异常(物理上的变化)，或者检测用于检测该特征量所对应的物理量的物理传感器可能发生了异常。
另外，异常检测部107可以设置成输出与检测出的异常内容相对应的警告。
此外，在特定的物理传感器被检测出异常的情况下，异常检测部107可以关停被检测出异常的物理传感器，也可以将由被检测出异常的物理传感器所检测出的物理量作废。
下面，列举具体示例对识别部14中的处理例进行说明。
如上所述，识别部14在第一次分拣处理中，执行使对象物识别信息(ID)与各种特征量的值相对应、并将其登记到特征数据库103中的登记处理。另外，识别部14在第二次分拣处理中，参照特征数据库103执行用于从对象物的各种特征量的值中确定出对象物识别信息(ID)的检索(确定)处理。
首先，对第一次分拣处理中的、向特征数据库103登记对象物识别信息(ID)的登记处理进行说明。
图3示出了设置在特征数据库103中的特征量表105的例子。在图3的示例中，用于识别对象物的特征量的种类有4种，特征数据库中备有与4种特征量相对应的4个特征量表。另外，在图3所示的各个特征量表105中，特征量的值用0、1、…、7八个阶段表示。该阶段数与特征量的值的等级数相同。因此，特征量表105的特征量的值表示特征提取部101提取的特征量的值。对象物识别信息(ID)被登记在与对象物的特征量的值相对应的栏中。
此外，在将被保存到特征数据库103中的特征量中，可以有不被登记到特征量表105中的特征量。在这种情况下，当最终得到多个对象物识别信息(ID)作为确定候选时，可以最终在选择未被登记的特征量中的某一特征量的处理中使用。
在第一次分拣处理(分拣阶段)中，特征登记部102将用于登记作为处理对象的对象物识别信息(ID)的各个特征量表105初始化。例如，特征登记部102将特征数据库103的各个特征量表105中的所有栏的记录初始化为空。
在对各个特征量表105进行了初始化之后，特征登记部102取得被赋予到对象物上的识别信息(ID)以及该对象物的特征量的值。如上所述，识别信息(ID)通过分拣控制部17被赋予到对象物上，另外对象物的特征量的值通过特征提取部101被提取出来。
特征登记部102以每个特征量表105为单位，在与该对象物的特征量值相对应的栏中登记该对象物识别信息(ID)。例如，当从对象物中提取的第K个特征量的值为Vk时，特征登记部102在与第K个特征量相对应的特征量表的、特征量的值与Vk相对应的栏中，登记(追加)该对象物识别信息(ID)。特征登记部102对所有的对象物、所有的特征量执行朝各个特征量表登记识别信息(ID)的处理。但是，也可以有不登记到特征量表中的特征量。
图3示出了在第一次分拣阶段中登记了对象物识别信息(ID)的四个特征量表105U1～105U4的例子。
在图3中，在特征量表105U1中相对于特征量U1的各个值，登记有对象物识别信息(ID)，同样地，在各个特征量表105U2、105U3、105U4中相对于特征量U2、U3、U4，登记有各个对象物识别信息(ID)。根据图3中示出的特征量表，能够参照各个对象物的特征量的值。
接下来，说明特征检索部104的动作。
特征检索部104参照特征数据库103，根据从对象物的检测数据中提取的特征量的值，检索(确定)该对象物识别信息(ID)。特征检索部104以作为检索对象的对象物为单位备有投票表106。特征检索部104在第二次分拣处理(分拣阶段)中，每次开始求取各个对象物识别信息(ID)的处理时，就初始化投票表106。
在第二次分拣处理中，特征检索部104根据传感器部13的各个传感器从对象物中检测出的数据，取得特征提取部提取的特征量。例如，假定提取的第k个特征量的值为Uk。在这种情况下，特征检索部104选出在第k个特征量表105Uk中的、特征量的值与Uk±j(j＝0、1、…、m，0≦K+j≦Dk)相对应的栏中所登记的对象物识别信息(ID)。作为对投票表106的投票，特征检索部104将投票表106中的、选出的对象物识别信息(ID)所对应的投票数的栏的值更新为，该投票数的栏的值加上相应于j而预先定义好的值(M[j])之后的值。
而m设为事先定义的非负整数的常数。在此，当m＝0时，只对Uk所对应的对象物识别信息(ID)进行投票。但是，即使特征量是从同一对象物取得的，也应考虑到由于各种条件而会产生若干的变动。因此，为了应对那样的变动，也对前后的多个值所对应的对象物识别信息(ID)进行投票。因此，作为m的值，设定为大于0的整数值。另外，M[j]设定为，通常在j＝0的情况下最大，并以随着j的增加而在广义上单调递减的方式加权后的值。该M[j]相当于模糊掩码，是用于应对特征量的变动的关键。
特征检索部104在对对象物的多种特征量进行投票后，根据对该对象物的多种特征量的投票结果，确定该对象物识别信息(ID)。特征检索部104在投票结果中求出投票后的值最大的对象物识别信息(ID)。特征检索部104将投票数最大的对象物识别信息(ID)作为处理对象的对象物识别信息(ID)的检索(确定)结果而输出。
下面，说明对对象物的多种特征量所对应的投票表106进行的投票处理。
图4、图5、图6以及图7示出了基于某个对象物的多种特征量对投票表106进行投票的例子。在图4、图5、图6以及图7的例子中，m＝1、M[0]＝2、M[1]＝1。另外，图4、图5、图6、图7的例子示出了，参照图3所示的状态的特征量表，并基于在第二次分拣阶段中提取的特征量的值，对投票表106进行的投票。
图4示出了某个对象物的第一特征量的值为U1(＝1)的情况下对投票表106进行投票的投票例。
在图4的示例中，特征检索部104提取第一特征量表105U1中的、第一特征量的值与U1±j(j＝0、1，0≦U1±j≦7)对应于的栏中所登记的对象物识别信息(ID)。另外，特征检索部104根据特征量，使投票表106中的、提取的对象物识别信息(ID)的栏中的投票数的值增加M[0]或者M[1]。例如，M[0]＝2，M[1]＝1。M[0]以及M[1]的值表示根据特征量进行投票的值。
此外，M[0]以及M[1]的值(投票的值)是反映了对应于投票的加权后的值，可以根据各个特征量的特性等而设定为任意的值。另外，投票的范围也可以根据特征量进行设定。
首先，特征检索部104设定j＝0，并参照第一特征量表105U1中的、第一特征量的值与“1(＝1(U1)+0)”相对应的栏。在图4的示例中，在第一特征量的值与“1”相对应的栏中，作为对象物识别信息(ID)登记着“3”和“5”。由此，特征检索部104使投票表106中的、对象物识别信息(ID)与“3”相对应的栏以及对象物识别信息(ID)与“5”相对应的栏中的投票数的值分别增加M[0](＝2)。在图4示例的情况下，由于投票数的各栏的初始值为0，因此，特征检索部104在投票表106中，对对象物识别信息(ID)与“3”相对应的栏、以及对象物识别信息(ID)与“5”相对应的栏分别投票“2”，将“3”以及“5”的栏中的投票数的值更新为“2(＝0+2)”。
另外，特征检索部104设定j＝-1，并参照第一特征量表105U1中的、第一特征量的值与“0(＝1(U1)-1)”相对应的栏。在图4的示例中，在第一特征量表105U1中，第一特征量的值与“0”相对应的栏中未登记对象物识别信息(ID)。因此，特征检索部104将第一特征量的值设定成对于“0”没有投票对象。
进一步，特征检索部104设定j＝+1，并参照第一特征量表105U1中的、第一特征量的值与“2(＝1(U1)+1)”相对应的栏。在第一特征量表105U1中，在第一特征量的值与“2”相对应的栏中，作为对象物识别信息(ID)登记着“2”。因此，特征检索部104在投票表106中，使对象物识别信息(ID)与“2”相对应的栏的投票数的值增加M[1](＝1)。作为结果，特征检索部104对投票表106中的、对象物识别信息(ID)与“2”相对应的栏中投票“1”，将投票数的值更新为“1(＝0+1)”。
当基于第一特征量U1的对投票表106进行的投票结束之后，特征检索部104执行基于第二特征量的对投票表106进行的投票。
图5示出了在第二特征量的值为U2(＝4)的情况下对图4中表示的投票后的投票表106进行投票的投票例。
在图5的示例中，特征检索部104提取第二特征量表105U2中的、第二特征量的值与U2±j(j＝0、1，0≦U2±j≦7)相对应的栏中所登记的对象物识别信息(ID)。另外，特征检索部104使投票表106中的、提取的对象物识别信息(ID)所对应的栏中的投票数的值分别增加M[0](＝2)或者M[1](＝1)。
首先，特征检索部104设定j＝0，并参照第二特征量表105U2中的、第二特征量的值与“4(＝4(U2)+0)”相对应的栏。在图5的示例中，在第二特征量的值与“4”相对应的栏中，作为对象物识别信息(ID)登记着“8”。由此，特征检索部104使投票表106中的、对象物识别信息(ID)与“8”相对应的栏中的投票数的值增加M[0](＝2)。在图5示例的情况下，投票前的投票表106中的、对象物识别信息(ID)与“8”相对应的栏中的投票数的值为“0”。特征检索部104对对象物识别信息(ID)与“8”相对应的栏投票“2”，将投票数的值更新为“2(＝0+2)”。
另外，特征检索部104设定j＝-1，并参照第二特征量表105U2中的、第二特征量的值与“3(＝4(U2)-1)”相对应的栏。在图5的示例中，在第二特征量表105U2中，在第二特征量的值与“3”相对应的栏中作为对象物识别信息(ID)登记着“3”。因此，特征检索部104使投票表106中的、对象物识别信息(ID)与“3”相对应的栏中的投票数的值增加M[1](＝1)。在图5的示例中，投票前的投票表106中的、对象物识别信息(ID)与“3”相对应的栏中的投票数值为“2”。特征检索部104对对象物识别信息(ID)与“3”相对应的栏投票“1”，将投票数的值更新为“3(＝2+1)”。
进一步，特征检索部104设定j＝+1，并参照第二特征量表105U2中的、第二特征量的值与“5(＝4(U2)+1)”相对应的栏。在图5的示例中，在第二特征量表105U2中，在第二特征量的值与“5”相对应的栏中未登记对象物识别信息(ID)。因此，特征检索部104将第二特征量的值设定为对于“5”没有投票对象。
当基于第二特征量U2的对投票表106进行的投票结束之后，特征检索部104执行基于第三特征量的对投票表106进行的投票。
图6示出了在第三特征量的值为U3(＝5)的情况下对图5表示的投票后的投票表106进行投票的投票例。
在图6的示例中，特征检索部104提取第三特征量表105U3中的、第三特征量的值与U3±j(j＝0、1，0≦U3±j≦7)相对应的栏中所登记的对象物识别信息(ID)。另外，特征检索部104使投票表106中的、提取的对象物识别信息(ID)所对应的栏中的投票数的值分别增加M[0](＝2)、M[1](＝1)。
首先，特征检索部104设定j＝0，并参照第三特征量表105U3中的第三特征量的值与“5(＝5(U3的值)+0)”相对应的栏。在图6的示例中，在第三特征量的值与“5”相对应的栏中，作为对象物识别信息(ID)登记着“1”和“3”。由此，特征检索部104在投票表106中使对象物识别信息(ID)与“1”、以及对象物识别信息(ID)与“3”相对应的栏中的投票数的值增加M[0](＝2)。在图6示例的情况下，投票前的投票表106中的、对象物识别信息(ID)与“1”相对应的栏中的投票数的值为“0”，另外对象物识别信息(ID)与“3”相对应的栏中的投票数的值为“3”。特征检索部104对对象物识别信息(ID)与“1”相对应的栏投票“2”，将投票数的值更新为“2(＝0+2)”，并对对象物识别信息(ID)与“3”相对应的栏投票“2”，将投票数的值更新为“5(＝3+2)”。
另外，特征检索部104设定j＝-1，并参照第三特征量表105U3中的、第三特征量的值与“4(＝5(U3)-1)”相对应的栏。进一步，特征检索部104设定j＝+1，并参照第三特征量表105U3中的、第三特征量的值与“6(＝5(U3)+1)”相对应的对象物识别信息(ID)的栏。在图6的示例中，在第三特征量表105U3中，在第三特征量的值与“4”相对应的栏中以及在第三特征量的值与“6”相对应的栏中，未登记对象物识别信息(ID)。因此，特征检索部104将第三特征量的值设定为对于“4”、以及将第三特征量的值设定为对于“6”没有投票对象。
当基于第三特征量U3的对投票表106进行的投票结束之后，特征检索部104执行基于第四特征量的对投票表106进行的投票。
图7是示出了在第四特征量的值为U4(＝4)的情况下对图6表示的投票后的投票表106进行投票的投票例的图。
在图7的示例中，对于第四特征量表105U4中的、第四特征量的值与U4±j(j＝0、1，0≦U4±j≦7)相对应的栏中所登记的对象物识别信息(ID)，特征检索部104使投票表106的各个值增加M[0]＝2、M[1]＝1。
首先，特征检索部104设定j＝0，并参照第四特征量表105U4中的、第四特征量的值与“4(＝4(U4)+0)”相对应的栏。在图7的示例中，在第四特征量表105U4的第四特征量的值为“4”的栏中，作为对象物识别信息(ID)登记着“6”。由此，特征检索部104在投票表106中使对象物识别信息(ID)与“6”相对应的栏中的投票数的值增加M[0](＝2)。在图7示例的情况下，投票前的投票表106中的、对象物识别信息(ID)与“4”相对应的栏为“0”。特征检索部104对投票表106中的、对象物识别信息(ID)与“4”相对应的栏投票“2”，将投票数的值更新为“2(＝0+2)”。
另外，特征检索部104设定j＝-1，并参照第四特征量表105U4中的、第四特征量的值与“3(＝4(U4)-1)”相对应的栏。在图7的示例中，在第四特征量表105U4中，在第四特征量的值与“3”相对应的栏中，作为对象物识别信息(ID)登记着“3”。因此，特征检索部104使投票表106中的、对象物识别信息(ID)与“3”相对应的栏中的投票数的值增加M[1](＝1)。在图7的示例中，投票前的投票表106中的、对象物识别信息(ID)与“3”相对应的栏为“5”。特征检索部104对投票表106中的、对象物识别信息(ID)与“3”相对应的栏投票“1”，将投票数的值更新为“6(＝5+1)”。
进一步，特征检索部104设定j＝+1，并参照第四特征量表105U4中的、第四特征量的值与“5(＝4(U4)+1)”相对应的栏。另外，在图7的示例中，在第四特征量的值与“5”相对应的栏中，作为对象物识别信息(ID)登记着“7”。因此，特征检索部104使投票表106中的、对象物识别信息(ID)与“7”相对应的栏的投票数的值增加M[1](＝1)。在图7的示例中，投票前的投票表106中的、对象物识别信息(ID)与“7”相对应的栏中的投票数的值为“0”。特征检索部104对投票表106中的、对象物识别信息(ID)与“7”相对应的栏中投票“1”，将投票数的值更新为“1(＝0+1)”。
接下来，说明基于对投票表106的投票结果进行的对象物确定。
对于一个对象物，当基于多种特征量的对投票表106的投票结束之后，特征检索部104根据对投票表106进行的投票结果，确定对象物识别信息(ID)，并确定对象物识别信息(ID)。
图8是示出了最终投票结果的投票表106的示例的图。图8示出了基于图4、图5、图6以及图7所示的投票处理的投票结果。
如果投票表106中投票数的最大值大于等于规定的基准值，则特征检索部104将投票数最大的对象物识别信息(ID)作为基于投票结果的识别结果。即，在图8示出的投票表106中，最大的投票数(投票值)为“6”，投票数最大的对象物识别信息(ID)为“3”。在此，如果投票数“6”大于等于规定的基准值，则特征检索部104根据图8示出的投票结果，将对象物识别信息(ID)为“3”确定为识别结果。
另外，特征检索部104也可以对基于投票结果的识别结果进行验证。例如，作为基于投票结果的识别结果，对象物识别信息(ID)为“3”的情况下，对于从投票结果中得到的识别信息为“3”的对象物，特征检索部104对第一次分拣处理中得到的各个特征量与第二次以后的分拣处理中得到的各个特征量进行比较。特征检索部104将对应的特征量彼此之间的值的差异(变化)作为由各个传感器13a、…、13n检测时的各种变动而引起的变动量的界限(变动的容许值)，判断该差异(变化)是否位于预设的阈值以内。
如果对于所有的特征量，在第一次分拣处理中得到的特征量的值与在第二次分拣处理中得到的特征量的值之间的差位于上述阈值以内时，则特征检索部104将作为基于投票结果的识别结果而得到的对象物ID(在上述例子中为“3”)确定为识别结果。
如果对于所有的特征量，在第一次分拣处理中得到的特征量的值与在第二次分拣处理中得到的特征量的值之间的差超过了上述阈值时，特征检索部104则判断在第一次分拣处理与第二次分拣处理之间该对象物或者物理传感器本身发生了某种变化。可以设定成，当某个特征量的值发生了大于等于阈值的变化时，特征检索部104输出发生了对象物的变化或者发生了物理传感器的不良等变化的信息。
另外，当一部分的特征量发生了大于等于阈值的变化时，特征检索部104可以输出基于投票结果的识别结果(在上述例子中识别信息(ID)为“3”)，也可以输出识别结果不确定的信息。例如，当发生了大于等于阈值的变化的特征量的数量小于规定数量时，特征检索部104可以输出基于投票结果的识别结果，当特定的特征量发生了大于等于阈值的变化时，特征检索部104可以输出识别结果不确定的信息。
另外，对于各个特征量的值的变化，可以根据物理传感器以及特征量的种类对设想的变化及其原因进行预先分类，并将其存储在存储部。例如，当重量显著减少(发生了大于等于阈值的减少)时，设想其原因是内容物的脱落等。另外，当外形尺寸发生较大变化(发生了大于等于阈值的变化)时，设想其原因是对象物的破损等。可以在输出特征量发生了大于等于阈值的变化的信息时，一并输出设想作为上述变化的原因的事项。
进一步，当特征量的值发生了大于等于阈值的变化时，特征检索部104可以发出该特征量所对应的物理传感器发生了故障的警告。另外，当对于多个对象物检测出特定的特征量的值发生了大于等于阈值的变化时，特征检索部104可以发出该特征量所对应的物理传感器发生了故障的警告。
另外，在利用了上述投票进行的检索(确定)中，必要的处理量，是特征量的种类数乘以(2m+1)次的投票、以及为了求得投票表的最大值而对对象物的ID进行一次遍历查找的处理的量。这些处理量远远少于执行如下的匹配处理的次数即可完成：对象物识别信息(ID)的最大数×特征量的种类数×特征量的值的等级数。
此外，投票表中的最大值能够通过一次遍历查找投票表来求出。但是，由于设想特征量的种类少于对象物的数量，因此，也可以实现在每次投票时追加更新最大值的处理。在这种情况下，将削减掉与对象物识别信息(ID)的最大数成比例的处理。
另外，在每次对各个对象物所对应的识别信息(ID)进行识别处理时，对投票表进行初始化。每次识别处理都执行初始化处理会花费与对象物识别信息(ID)的最大数成比例的时间。因此，在投票表中追加“最后更新该栏时的阶段ID”列，只在机器启动时执行一次初始化。从第二次开始，取代初始化所有数据，而每次生成不同的阶段ID，在更新投票表时查验“最后更新该栏时的阶段ID”，可以在其早于当前处理的阶段ID时对该栏的投票值进行初始化，并在此基础上更新“最后更新该栏时的阶段ID”。由此，在每次识别处理时，不会再花费与用于初始化投票表的对象物的ID的最大数成比例的时间，作为整体处理，处理变得快速。
另外，也可以根据特征量的种类不同，考虑由各个物理传感器进行检测时会发生何种程度的变动，预先将投票次数以及用于设定投票值的上述m的值与M[j]的值分别设为不同的值。
接下来，对分拣装置2中的第一次分拣处理进行说明。
图9是用于说明分拣装置2中的第一次分拣处理的例子的流程图。
首先，操作员将第一次分拣处理的对象物放置在供给部11。接下来，操作员选择第一次分拣处理作为处理模式，然后在选择了第一次分拣处理的状态下，在操作面板10上指示开始分拣处理。一旦指示开始第一次分拣处理，供给部11以规定的间距逐一将放置好的对象物供给至搬运部12(步骤S11)。搬运部12通过搬运路径搬运由供给部11供给的对象物(步骤S12)。另外，分拣控制部17对从供给部11被供给并通过搬运部12被搬运的对象物发行识别信息(ID)，并向各部通知。另外，分拣控制部17持续监视(追踪)通过搬运部12搬运的对象物的搬运状况。
一旦搬运部12搬运对象物，传感器部13的各个物理传感器(扫描器13a以及各个物理传感器13b、13c、…)就从通过搬运部12搬运的对象物中检测各种物理量(步骤S13)。传感器部13的各个物理传感器13a、…将从对象物中检测出的数据(检测数据)供给至识别部14。由此，识别部14取得通过各个物理传感器13a、…从对象物中检测出的各种检测数据(步骤S14)。
此外，对对象物的搬运状况进行监视。因此，即使是各个物理传感器13a、…在不同的位置或者不同的时机检测出的数据，从一个对象物中检测出的各种检测数据也作为从一个对象物中检测的检测数据被供给至识别部14。
当识别部14取得对象物的各种检测数据后，从取得的检测数据中提取用于识别对象物的各种特征量(步骤S15)。例如，识别部14通过N种特征量识别对象物时，识别部14的特征提取部101从取得的检测数据中提取N种特征量。当特征提取部101提取各种特征量后，异常检测部107通过检查提取的特征量的值是否为异常值，从而检查各个物理传感器13a、…中有无异常(故障)(步骤S16)。
当异常检测部107判断某个物理传感器13a、…有异常时(步骤S17，否)，异常检测部107输出表示异常内容的警告(步骤S18)。例如，异常检测部107预先将特征量的种类与特征量的值变为异常值时可预想到的异常内容相对应并将其保存，根据被判断为异常值的特征量的种类，输出预想的异常内容的警告。另外，当异常检测部107判断某个物理传感器13a有异常时，异常检测部107或者特征登记部102根据异常内容判断是否可以继续进行登记处理(步骤S19)。判断为不可继续进行登记处理时(步骤S19，是)，识别部14结束登记处理。
当判断各个物理传感器13a、…没有异常时(步骤S17，是)，特征提取部101将从该对象物提取的各种特征量供给至特征登记部102。另外，某个物理传感器13a、…被判断为有异常之后，判断为可继续进行登记处理时(步骤S19，否)，特征提取部101将从该对象物中提取的各种特征量供给至特征登记部102。在这种情况下，特征登记部102也可以取得从由判断为异常的物理传感器检测出的物理量以外的物理量中提取的特征量。
另外，特征登记部102从特征提取部101取得该对象物的各种特征量，并取得分拣控制部17发行的该对象物识别信息(ID)。当特征登记部102取得从该对象物中提取的各种特征量以及识别信息(ID)之后，对于各种特征量所对应的各个特征量表105，在该对象物的特征量的值所对应的栏中登记该对象物识别信息(ID)(步骤S20)。
另外，向判别部15供给扫描器13a从该对象物中读取出的图像。当从扫描器13a供给对象物的读取图像之后，判别部15通过辨识部15a，根据取得的读取图像，执行辨识该对象物的分拣信息的辨识处理(步骤S21)。另外，判别部15也通知该对象物识别信息(ID)。由此，判别部15使扫描器13a读取的对象物的图像与该对象物识别信息(ID)相对应，并进行管理。
当得到基于辨识部15a的相对于对象物的读取图像的识别结果后，判别部15将辨识结果与识别信息相对应，并将辨识结果以及识别信息登记到分拣数据库16中(步骤S22)。例如，当辨识部15a能够从对象物的读取图像中辨识出分拣信息时，判别部15使作为辨识结果而得到的分拣信息与该对象物识别信息(ID)相对应，并登记到分拣数据库16中。另外，当辨识部15a无法从对象物的读取图像中辨识出分拣信息时，判别部15使不可判别的内容(或者基于VCS的处理)的辨识结果与该对象物识别信息(ID)相对应，并登记到分拣数据库16中。对于无法辨识出分拣信息的对象物，判别部15使该对象物的读取图像与识别信息(ID)相对应，并制成编码信息供给至VCS3。VCS3利用视频编码终端VCD将操作员输入的分拣信息与识别信息(ID)相对应，并将分拣信息以及识别信息(ID)登记到分拣数据库16中。
得到基于辨识部15a的辨识结果之后，判别部15将辨识结果通知给分拣控制部17。分拣控制部17根据基于判别部15的分拣信息的辨识结果来控制分拣部18，以使对象物被分拣到基于分拣信息的分拣目的地(步骤S23)。分拣装置2对各个对象物执行上述步骤S11～S24的处理，直到对对象物的第一次分拣处理结束或者不再有对象物为止。
根据上述的处理，作为对于对象物的第一次分拣处理，分拣装置2相对于对象物，使从各个物理传感器检测出的物理量中提取的各种特征量的值与该对象物识别信息(ID)相对应，并登记到特征数据库中。另外，分拣装置2使对象物的分拣信息的辨识结果与识别信息(ID)相对应，并登记到分拣数据库中。由此，分拣装置2在第一次分拣处理中，根据分拣信息的辨识结果分拣各个对象物，并能够保持可根据从各个物理传感器检测出的物理量中提取的各种特征量的值而参照对象物识别信息(ID)的信息。
接下来，对分拣装置2中的第二次分拣处理进行说明。
图10是用于说明分拣装置2中的第二次分拣处理的例子的流程图。
首先，操作员将第二次分拣处理的对象物放置在供给部11。接下来，操作员选择第二次分拣处理作为处理模式，然后，在已选择第二次分拣处理的状态下，在操作面板10上指示开始分拣处理。一旦指示开始第二次分拣处理，供给部11就以规定的间距逐一将布置好的对象物供给至搬运部12(步骤S31)。搬运部12通过搬运路径搬运从供给部11供给的对象物(步骤S32)。此外，分拣控制部17持续监视(追踪)通过供给部11供给并通过搬运部12搬运的对象物的搬运状况。
一旦搬运部12搬运对象物，传感器部13的各个物理传感器(扫描器13a以及各个物理传感器13b、13c、…)从由搬运部12搬运的对象物中检测各种物理量(步骤S33)。传感器部13的各个物理传感器13a、…将从对象物中检测出的数据(检测数据)供给至识别部14。由此，识别部14取得各个物理传感器13a、…从对象物中检测出的各种检测数据(步骤S34)。
此外，对对象物的搬运状况进行着监视。因此，即使是各个物理传感器13a、…在不同的位置或者不同的时机检测出的数据，从一个对象物中检测出的各种检测数据也作为从一个对象物中检测出的检测数据被供给至识别部14。
当识别部14取得一个对象物所对应的各种检测数据后，从取得的检测数据中提取用于识别对象物的各种特征量(步骤S35)。例如，识别部14通过N种特征量识别对象物时，识别部14的特征提取部101从取得的检测数据中提取N种特征量。当特征提取部101提取各种特征量之后，异常检测部107通过检查提取的特征量的值是否为异常值，从而检查各个物理传感器13a、…中有无异常(故障)(步骤S36)。
当异常检测部107判断某个物理传感器13a、…有异常时(步骤S37，否)，异常检测部107输出表示异常内容的警告(步骤S38)。例如，异常检测部107根据被判断为异常值的特征量的种类，输出预想的异常内容的警告。另外，当异常检测部107判断某个物理传感器13a、…有异常时，异常检测部107或者特征检索部104根据异常内容判断是否可以继续进行识别信息(ID)的检索(确定)(步骤S39)。判断为不可继续进行检索处理时(步骤S39，是)，识别部14结束该分拣处理。
当判断各个物理传感器13a、…没有异常时(步骤S37，是)，特征提取部101将从该对象物提取的各种特征量供给至特征检索部104。另外，某个物理传感器13a、…被判断为有异常之后，判断为可继续进行识别信息(ID)的检索处理时(步骤S39，否)，特征提取部101将从该对象物中提取的各种特征量供给至特征检索部104。在这种情况下，特征检索部104也可以取得从由判断为异常的物理传感器检测出的物理量以外的物理量中提取的特征量。
当取得从该对象物的检测数据中提取的各种特征量之后，特征检索部104参照各种特征量所对应的各个特征量表105(105a、…)，对于各种特征量，对从该对象物中得到的特征量的值、以及以该值为中心的规定范围的值所对应的识别信息(ID)进行投票处理(步骤S40)。即，特征检索部104备有用于识别该对象物识别信息(ID)的投票表106，并以各种特征量为单位进行投票。例如，对于投票表106，特征检索部104以各种特征量为单位，对从该对象物中得到的特征量的值中所登记的识别信息(ID)投票(加上)M[0]的值，对与从该对象物中得到的特征量的值相距“n”的值中所登记的ID投票(加上)M[n]的值。
当对于全特征量的投票结束后，特征检索部104根据投票表106中的投票结果选出作为识别结果的识别信息(ID)(步骤S41)。例如，特征检索部104选出投票数最大的识别信息(ID)作为识别结果。另外，特征检索部104也可以选出投票数大于等于规定的基准值的识别信息(ID)作为识别结果。另外，特征检索部104还可以选出投票数最大、且该投票数大于等于规定的基准值的识别信息(ID)作为识别结果。
此外，当选出多个识别信息(ID)作为识别结果时，特征检索部104可以参照特定的特征量所对应的投票结果来确定识别结果。例如，对于各种特征量，在预先设定了用于确定识别结果的优先顺序、并选出了多个识别信息(ID)作为识别结果时，可以参照优先顺序高的特征量所对应的投票结果来确定作为识别结果的一个识别信息(ID)。
当选出作为投票结果的识别信息(ID)时，异常检测部107基于从对象物中得到的特征量检查有无异常(步骤S42)。例如，异常检测部107通过检查登记在被选出的识别信息(ID)的特征数据库103中的特征量的值(也就是，在第一次分拣处理中得到的特征量的值)与在该分拣处理中得到的特征量的值(在第二次分拣处理中得到的特征量的值)之间的差分值是否在阈值以内，从而对各个特征量进行异常检查。
某个特征量的上述差分值超过了阈值时，异常检测部107根据上述差分值超过阈值的特征量的种类，输出表示相应的异常内容的警告(步骤S44)。例如，异常检测部107以特征量的种类为单位预先保存当差分值超过阈值时可预想到的异常内容，由此，根据差分值超过阈值的特征量的种类，输出表示相应的异常内容的警告。另外，当异常检测部107判断某个特征量有异常时，异常检测部107或者特征检索部104根据异常内容判断是否可以继续进行识别信息(ID)的检索(确定)处理(步骤S45)。判断为不可继续进行识别信息(ID)的检索处理时(步骤S45，是)，识别部14结束该分拣处理。
当判断为各种特征量没有异常时(步骤S43，是)，或者在某个特征量被判断为有异常之后、判断为可继续进行识别信息(ID)的检索处理时(步骤S45，否)，特征检索部104确定从投票结果中选出的识别信息(ID)作为该对象物识别信息(ID)(步骤S46)。当通过识别处理确定对象物识别信息(ID)之后，特征检索部104将已确定的识别信息(ID)作为该对象物识别信息(ID)通知给判别部15。
当对象物识别信息(ID)被通知后，判别部105基于通知的识别信息(ID)来确定该对象物的分拣信息(步骤S47)。即，判别部15基于由识别部14通知的识别信息(ID)来确定登记在分拣数据库16中的该识别信息(ID)的对象物所对应的分拣信息。当确定该对象物的分拣信息之后，判别部15将已确定的该对象物的分拣信息通知给分拣控制部17。分拣控制部17控制分拣部18，以使该对象物被分拣到基于判别部15确定了分拣信息的分拣目的地(步骤S48)。
分拣装置2对各个对象物执行上述步骤S31～S48的处理，直到对放置在供给部11的对象物的分拣处理结束，或者不再有对象物为止(步骤S49，否)。
根据上述处理，作为对对象物的第二次分拣处理，对于对象物，分拣装置从各个物理传感器检测出的物理量中提取各种特征量的值，以各种特征量为单位参照特征数据库并进行投票，通过投票结果确定该对象物识别信息(ID)。由此，分拣装置即使不在各个对象物上打印条形码等，也能够识别对象物，并且能够通过以各种特征量为单位进行的投票实现高精度的对象物的识别处理。
虽然对本发明的实施方式进行了说明，但该实施方式是作为示例而提出，并不意味着限定发明的保护范围。这些新的实施方式可以以其他多种方式实施，在不偏离发明宗旨的范围内，可以进行各种省略、替换、变更。本实施方式及其变形包含于发明的保护范围以及宗旨内，并包含于权利要求书中记载的发明及其均等的保护范围内。

Claims (10)

1.一种分拣装置，其特征在于，具有：
传感器，用于从对象物中检测对象物的物理量；
特征提取部，用于从由所述传感器检测出的对象物的物理量中提取多种特征量；
特征检索部，基于所述特征提取部提取的所述多种特征量的值，从特征数据库中确定对象物识别信息，在所述特征数据库中，以使多种特征量的值与对象物识别信息相对应的方式，预先存储有所述多种特征量的值以及所述对象物识别信息；
判别部，基于所述特征检索部确定的所述对象物识别信息，从分拣数据库中确定所述对象物的分拣信息，在所述分拣数据库中，以使对象物识别信息与分拣信息相对应的方式，预先存储有所述对象物识别信息以及所述分拣信息；以及
分拣部，基于所述判别部确定的所述分拣信息，对所述对象物进行分拣。
2.根据权利要求1所述的分拣装置，其特征在于，
所述特征检索部参照所述特征数据库，在投票表中对所述特征提取部提取的所述特征量的值所对应的对象物识别信息进行投票，并根据对所述投票表进行的投票结果来确定该对象物识别信息，其中，所述投票表用于存储各个对象物识别信息的投票值。
3.根据权利要求2所述的分拣装置，其特征在于，
所述特征检索部对所述特征提取部提取的特征量的值所对应的对象物识别信息进行投票，并且，还对以所述特征提取部提取的特征量的值为基准的、规定范围内的特征量的值所对应的对象物识别信息进行投票。
4.根据权利要求3所述的分拣装置，其特征在于，
所述特征检索部在对以所述特征提取部提取的特征量的值为基准的、规定范围内的特征量的值所对应的对象物识别信息进行投票的值当中，投票给所述特征提取部提取的特征量的值所对应的对象物识别信息的值最大。
5.根据权利要求1所述的分拣装置，其特征在于，
所述特征检索部选定对所述投票表进行的投票结果中投票值最大的对象物识别信息，作为通过所述传感器检测出物理量的所述对象物的识别信息。
6.根据权利要求5所述的分拣装置，其特征在于，
所述特征检索部选定对所述投票表进行的投票结果中投票值最大且大于等于规定基准值的对象物识别信息，作为通过所述传感器检测出物理量的所述对象物的识别信息。
7.根据权利要求1所述的分拣装置，其特征在于，具有：
特征登记部，以使所述特征量提取部提取的所述多种特征量的值与被提取出所述多种特征量的值的所述对象物识别信息相对应的方式，将所述多种特征量的值以及该对象物识别信息登记到特征数据库中；以及
辨识部，用于辨识由所述特征登记部将识别信息登记到所述特征数据库中的对象物所具有的分拣信息；
其中，所述判别部根据所述辨识部的辨识结果判别所述对象物的分拣信息，以使所述对象物识别信息与所述分拣信息相对应的方式，将所述对象物识别信息以及所述分拣信息存储到所述分拣数据库中。
8.根据权利要求7所述的分拣装置，其特征在于，
所述特征数据库具有按照每个特征量种类而设置的多个特征量表，在各个特征量表格中，以特征量的值与对象物识别信息相对应的方式，登记该特征量的值以及该对象物识别信息；
所述特征登记部以使对象物识别信息与由所述特征量提取部提取的特征量的值相对应的方式，将特征量的值以及对象物识别信息登记到所述特征数据库中的各个所述多个特征量表中。
9.根据权利要求8所述的分拣装置，其特征在于，
在第一次分拣处理中，每当由特征提取部从对象物中提取特征量时，所述特征登记部以使对象物识别信息与所述特征提取部提取的特征量的值相对应的方式，将该对象物识别信息登记到所述特征量表中。
10.根据权利要求1所述的分拣装置，其特征在于，
进一步具备异常检测部，用于在所述特征检索部确定了对象物识别信息的情况下，当登记在所述特征数据库中的、与所述特征检索部确定的所述对象物识别信息相对应的特征量的值与特征提取部提取的特征量的值之间的差分值超过规定的阈值时，检测出与该特征量相关的异常。
CN201410478964.7A 2013-09-18 2014-09-18 分拣装置 Pending CN104438096A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013193445A JP6151141B2 (ja) 2013-09-18 2013-09-18 仕分装置および仕分方法
JP2013-193445 2013-09-18

Publications (1)

Publication Number Publication Date
CN104438096A true CN104438096A (zh) 2015-03-25

Family

ID=51589098

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410478964.7A Pending CN104438096A (zh) 2013-09-18 2014-09-18 分拣装置

Country Status (4)

Country Link
US (1) US9375758B2 (zh)
EP (1) EP2851846B1 (zh)
JP (1) JP6151141B2 (zh)
CN (1) CN104438096A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106391487A (zh) * 2016-10-17 2017-02-15 桐城市闲产网络服务有限公司 一种实现物流自动分拣的系统
CN106778871A (zh) * 2016-12-19 2017-05-31 上海理工大学 轴承分类装置以及轴承分类方法
CN108480220A (zh) * 2018-03-12 2018-09-04 滨州职业学院 一种物流分拣系统

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10432927B2 (en) 2014-09-30 2019-10-01 Ningbo Sunny Opotech Co., Ltd. 3D test chart, adjusting arrangement, forming method and adjusting method thereof
JP6470118B2 (ja) * 2015-06-10 2019-02-13 株式会社東芝 配達物処理装置、配達物処理支援装置、配達物処理システム、配達物処理プログラム、および配達物処理支援プログラム
WO2017120182A1 (en) 2016-01-05 2017-07-13 United States Postal Service Accurate tracking of item delivery using a confidence event recorder
JP6730143B2 (ja) * 2016-09-08 2020-07-29 株式会社東芝 配達物処理システム、配達物処理装置、および配達物処理プログラム
US11361273B2 (en) 2017-10-09 2022-06-14 United States Postal Service Use of geospatial coordinate systems for tracking item delivery
EP3553740A1 (en) * 2018-04-13 2019-10-16 Koninklijke Philips N.V. Automatic slice selection in medical imaging
EP3946840A4 (en) 2019-04-04 2022-12-28 Plus One Robotics, Inc. INDUSTRIAL ROBOTICS SYSTEMS AND METHODS FOR CONTINUOUS AND AUTOMATIC LEARNING
US10949635B2 (en) * 2019-04-11 2021-03-16 Plus One Robotics, Inc. Systems and methods for identifying package properties in an automated industrial robotics system
JP2021015546A (ja) * 2019-07-16 2021-02-12 株式会社日立製作所 情報処理システムおよび情報処理方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3712831B2 (ja) * 1997-05-29 2005-11-02 日立オムロンターミナルソリューションズ株式会社 文書理解装置および郵便区分機
CN101133429A (zh) * 2005-03-01 2008-02-27 公立大学法人大阪府立大学 文档和/或图像检索方法及其程序、文档和/或图像存储设备和检索设备
CN101234381A (zh) * 2008-03-07 2008-08-06 天津市华核科技有限公司 基于视觉识别的颗粒物料分选分级方法
CN101277368A (zh) * 2007-03-28 2008-10-01 夏普株式会社 图像处理装置、系统、方法、和图像形成装置
CN101536035A (zh) * 2006-08-31 2009-09-16 公立大学法人大阪府立大学 图像识别方法、图像识别装置以及图像识别程序
CN102928431A (zh) * 2012-10-24 2013-02-13 浙江工业大学 基于单目多视角机器视觉的珍珠大小形状在线自动分级装置

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3942932A1 (de) * 1989-12-23 1991-06-27 Licentia Gmbh Verfahren zum verteilen von paketen o. ae.
DE10034629A1 (de) * 1999-08-11 2001-03-22 Ibm Verfahren und System zum Verzahnen von OCR und ABL zur automatischen Postsortierung
DE19947259C1 (de) * 1999-09-30 2000-09-28 Siemens Ag Verfahren und Vorrichtung zum Sortieren von Sendungen
JP2004136201A (ja) * 2002-10-17 2004-05-13 Toshiba Corp 区分機と区分機に用いられる区分方法
US7590260B2 (en) * 2003-09-25 2009-09-15 Siemens Aktiengesellschaft Method and apparatus for video coding by validation matrix
FR2866252B1 (fr) * 2004-02-18 2006-04-21 Solystic Procede pour trier des envois postaux en plusieurs passes de tri
US7668376B2 (en) * 2004-06-30 2010-02-23 National Instruments Corporation Shape feature extraction and classification
US7258277B2 (en) * 2004-12-17 2007-08-21 Pitney Bowes Inc. Method for enhancing mail piece processing system
US8055079B2 (en) * 2007-03-06 2011-11-08 Sharp Kabushiki Kaisha Image processing method, image processing apparatus, and image forming apparatus
EP2255894B1 (en) 2008-03-05 2016-12-14 NEC Corporation Delivery classification device and method of sorting a delivery
US7958136B1 (en) * 2008-03-18 2011-06-07 Google Inc. Systems and methods for identifying similar documents
US8059861B2 (en) * 2008-11-17 2011-11-15 Lockheed Martin Corporation Method and system for identifying and recognizing products for sorting/sequencing operations
JP5407485B2 (ja) * 2009-03-27 2014-02-05 日本電気株式会社 物品区分機、物品区分方法、及び物品区分プログラム
DE102009019054A1 (de) * 2009-04-27 2010-11-11 Siemens Aktiengesellschaft Verfahren und Vorrichtung zum Sortieren von Gegenständen in zwei Sortiervorgängen
JP5984327B2 (ja) * 2010-07-24 2016-09-06 キヤノン株式会社 情報処理方法及びその装置、プログラム
KR20120063378A (ko) * 2010-12-07 2012-06-15 한국전자통신연구원 운송물 처리 시스템 및 그 방법
JP5596628B2 (ja) * 2011-06-17 2014-09-24 トヨタ自動車株式会社 物体識別装置
EP2751748B1 (en) * 2011-08-30 2019-05-08 Digimarc Corporation Methods and arrangements for identifying objects
US9033238B2 (en) * 2011-08-30 2015-05-19 Digimarc Corporation Methods and arrangements for sensing identification information from objects
DE102011083580A1 (de) * 2011-09-28 2013-03-28 Siemens Aktiengesellschaft Sortieranlage und Sortierverfahren zum gemeinsamen Sortieren von verschiedenartigen Gegenständen
TW201437925A (zh) * 2012-12-28 2014-10-01 Nec Corp 物體識別裝置、方法及電腦程式產品

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3712831B2 (ja) * 1997-05-29 2005-11-02 日立オムロンターミナルソリューションズ株式会社 文書理解装置および郵便区分機
CN101133429A (zh) * 2005-03-01 2008-02-27 公立大学法人大阪府立大学 文档和/或图像检索方法及其程序、文档和/或图像存储设备和检索设备
CN101536035A (zh) * 2006-08-31 2009-09-16 公立大学法人大阪府立大学 图像识别方法、图像识别装置以及图像识别程序
CN101277368A (zh) * 2007-03-28 2008-10-01 夏普株式会社 图像处理装置、系统、方法、和图像形成装置
CN101234381A (zh) * 2008-03-07 2008-08-06 天津市华核科技有限公司 基于视觉识别的颗粒物料分选分级方法
CN102928431A (zh) * 2012-10-24 2013-02-13 浙江工业大学 基于单目多视角机器视觉的珍珠大小形状在线自动分级装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106391487A (zh) * 2016-10-17 2017-02-15 桐城市闲产网络服务有限公司 一种实现物流自动分拣的系统
CN106778871A (zh) * 2016-12-19 2017-05-31 上海理工大学 轴承分类装置以及轴承分类方法
CN108480220A (zh) * 2018-03-12 2018-09-04 滨州职业学院 一种物流分拣系统

Also Published As

Publication number Publication date
EP2851846A3 (en) 2016-01-13
JP2015058390A (ja) 2015-03-30
US20150076041A1 (en) 2015-03-19
EP2851846A2 (en) 2015-03-25
EP2851846B1 (en) 2019-10-23
US9375758B2 (en) 2016-06-28
JP6151141B2 (ja) 2017-06-21

Similar Documents

Publication Publication Date Title
CN104438096A (zh) 分拣装置
JP4580233B2 (ja) 画像シグネチャによる郵便物の識別タグおよび関連するメール操作機
US8428772B2 (en) Method of processing mailpieces using customer codes associated with digital fingerprints
JP2008529761A5 (zh)
US20100232642A1 (en) Method of Processing Mailpieces, The Method Including Graphically Classifying Signatures Associated With The Mailpieces
US10118202B2 (en) Method of sorting postal articles into a sorting frame with the sorted articles being counted automatically
JPH11238097A (ja) 郵便物宛先読取装置及び宛先読取方法
JP5433470B2 (ja) 住所データベース構築装置および住所データベース構築方法
US8672140B2 (en) Method of storing a plurality of articles with information being scrutinized
CN112550886B (zh) 检查装置及标签粘贴装置
EP2255894A1 (en) Delivery classification device, method for classifying delivery, program and computer readable recording medium
CA2706301A1 (en) Method and apparatus for analysis of a database
CN113378601A (zh) 防止货损的方法、自助设备及存储介质
JP2006293992A (ja) 紙葉類処理装置と紙葉類処理方法
US20090177632A1 (en) Method and Device for Transporting Objects
EP2253389B1 (en) Apparatus and method for postal matter
US11640702B2 (en) Structurally matching images by hashing gradient singularity descriptors
WO2010110190A1 (ja) 物品区分機、物品区分方法、及びプログラム記録媒体
JP6976158B2 (ja) 区分装置および区分システム
US10885661B2 (en) Location determination
CN116368542A (zh) 用于处理有价文件的方法以及有价文件处理系统
JP4737861B2 (ja) 配達物処理装置
JP5558065B2 (ja) 区分装置、区分情報の認識方法および区分情報の認識プログラム
US20070084641A1 (en) Method for producing and/or updating learning and/or random test samples
JP2002189983A (ja) 文字認識装置と配達物処理装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150325