CN112590392A - 信息处理装置、学习装置以及信息处理方法 - Google Patents

Abstract

本发明提供一种用于针对印刷头的喷嘴板中的结露的产生而执行适当的处理的信息处理装置、学习装置以及信息处理方法。信息处理装置(200)包括：存储部(230)，其对基于将温度信息、设定信息和对策信息建立了对应关系的数据组而进行机械学习从而得到的学习完毕模型进行存储；接受部(210)，其接受由印刷头(30)实施的油墨喷出时的温度信息以及设定信息；处理部(220)，其基于所接受到的温度信息、设定信息和学习完毕模型来决定针对结露而执行的对策。

Description

信息处理装置、学习装置以及信息处理方法

技术领域

本发明涉及一种信息处理装置、学习装置以及信息处理方法等。

背景技术

在被搭载于印刷装置上的印刷头的喷嘴板表面上，有时会因周围的环境温度、环境湿度的影响而发生结露。在例如专利文献1中，公开了一种因印刷区域内的温度上升而产生与头之间的温度差，从而在喷嘴面上产生结露的情况。

在专利文献1中，公开了一种根据油墨消耗量来预测结露量的方法、以及通过光模块来检测结露量的方法。但是，由于在结露的发生状况中，关联有油墨消耗量以外的各种各样的因素，因此在专利文献1的方法中难以进行在足够精度下的预测。此外，在设置了光模块等的专用的检测部的情况下，部件数量就会增多。此外，在专利文献1等的现有的方法中，并没有与机器学习有关的公开。

专利文献1：日本特开2015-131419号公报

发明内容

本公开的一个方式涉及一种信息处理装置，其包括：存储部，其对基于如下数据组而进行机械学习从而得到的学习完毕模型进行存储，所述数据组为，将具有印刷头的印刷装置的使用环境以及所述印刷头的喷嘴板中的至少一方的温度信息、通过所述印刷头而向印刷介质喷出油墨时的设定信息、和表示针对在所述喷嘴板上所产生的结露的对策的对策信息建立了对应关系的数据组；接受部，其接受由所述印刷头实施的油墨喷出时的所述温度信息以及所述设定信息；处理部，其基于所接受到的所述温度信息、所述设定信息和所述学习完毕模型来决定针对所述结露而执行的所述对策。

附图说明

图1为印刷装置的结构例。

图2为表示印刷头周边的结构的图。

图3为表示头单元的结构的剖视图。

图4为对印刷头中的头单元的配置例进行说明的图。

图5为对因结露而导致的飞行弯曲进行说明的图。

图6为对结露的发生因素进行说明的图。

图7为学习装置的结构例。

图8为神经网络的说明图。

图9为神经网络的输入和输出的示例。

图10为喷嘴板图像的示例。

图11为神经网络的输入和输出的示例。

图12为信息处理装置的结构例。

图13为信息处理装置的其他结构例。

图14为对信息处理装置中的处理进行说明的流程图。

图15为神经网络的输入和输出的示例。

图16为对信息处理装置中的处理进行说明的其他流程图。

具体实施方式

以下，对本实施方式进行说明。另外，在下文中所说明的本实施方式并非对权利要求书中所记载的内容进行不当限定。此外，在本实施方式中所说明的结构的全部内容并不一定都是必须结构要件。

1.概要

1.1印刷装置的结构例

图1为，表示本实施方式所涉及的印刷装置1的结构的图。如图1所示那样，印刷装置1包括：输送单元10、滑架单元20、印刷头30、驱动信号生成部40、油墨抽吸单元50、擦拭单元55、冲洗单元60、摄像单元70、检测器组90和控制器100。印刷装置1为朝向印刷介质喷出油墨的装置，且以能够通信的方式而与计算机CP连接在一起。计算机CP为了使印刷装置1印刷图像，而将与该图像相对应的印刷数据发送至印刷装置1。

图2为，对印刷头30周边的结构进行说明的图。印刷介质通过输送单元10而在预定的方向上被输送。印刷介质为，例如纸张S。纸张S既可以为预定尺寸的印刷纸张，也可以为连续纸。此外，印刷介质并不限定于纸，也可以使用布、薄膜、PVC(polyvinyl chloride：聚氯乙烯)等各种各样的介质。以下，将印刷介质被输送的方向记载为输送方向。输送方向与图2中的D1相对应。输送单元10包括未图示的输送辊以及输送电机等。输送电机使输送辊旋转。被实施了供纸的印刷介质通过输送辊的旋转，从而被输送至作为可执行印刷处理的区域的印刷区域为止。印刷区域是指，能够与印刷头30对置的区域。

印刷头30被搭载在滑架单元20上。滑架单元20具有滑架21和未图示的滑架电机，所述滑架21以能够沿着导轨22而向纸张S的纸张宽度方向进行往复移动的方式被支承。滑架电机基于来自处理器102的滑架控制信号而被驱动。滑架21通过该滑架电机的驱动，从而与印刷头30成为一体并移动。例如像图2所示的那样，本实施方式的印刷装置1为串行头式的印刷装置。串行头式是指，通过使印刷头30在纸张宽度方向上往复从而实施纸张宽度量的印刷的方式。另外，所谓纸张宽度方向也可以换一种表达为主扫描方向。纸张宽度方向或者主扫描方向与图2中的D2相对应。

印刷头30包括多个头单元31。各个头单元31包括例如沿着输送方向而被配置的多个喷嘴Nz、和未图示的头控制部。以下，将沿着预定方向而被配置的多个喷嘴Nz记载为喷嘴列。

驱动信号生成部40生成驱动信号。当有驱动信号被施加在作为驱动元件的压电元件PZT上时，压电元件PZT进行伸缩，从而从各个喷嘴Nz中喷出油墨。关于包括压电元件PZT的头单元31的详细内容，将使用图3而进行后文记述。头控制部基于来自处理器102的头控制信号以及来自驱动信号生成部40的驱动信号，从而实施从喷嘴Nz向印刷介质喷出油墨的控制。由此，在印刷介质上形成了图像。

油墨抽吸单元50从印刷头30的喷嘴Nz中对头内的油墨进行抽吸并将其向头外排出。油墨抽吸单元50在使未图示的帽盖紧贴于印刷头30的喷嘴面上的状态下，通过使未图示的抽吸泵进行动作而使帽盖的空间成为负压，从而对印刷头30内的油墨与混入到印刷头30内的气泡一起进行抽吸。由此，能够使喷嘴Nz的喷出不良恢复。

擦拭单元55将附着在印刷头30的喷嘴板NP上的液滴去除。擦拭单元55具有能够与印刷头30的喷嘴板NP抵接的擦拭器。擦拭器为，具有可挠性的弹性部件。当滑架21通过滑架电机的驱动而在纸张宽度方向上进行移动时，擦拭器的顶端部与印刷头30的喷嘴板NP抵接并发生挠曲。由此，擦拭单元55将附着在喷嘴板NP上的液滴去除掉。或者，擦拭单元55也可以包括布等的擦抹部件、缠绕有该擦抹部件的第一卷轴以及第二卷轴。被缠绕在第一卷轴上的擦抹部件通过给定的进给单元而被给送至第二卷轴上。在该路径上，通过擦抹部件相对于喷嘴板NP而进行按压，从而除去了附着在喷嘴板NP上的液滴。通过擦拭单元55的擦拭，从而能够抑制因结露而导致的飞行弯曲的发生。另外，擦拭单元55也可以被用于去除掉附着在喷嘴板NP上的纸粉等异物。在这种情况下，能够使因该异物而发生了堵塞的喷嘴Nz正常地喷出油墨。

冲洗单元60接受通过印刷头30实施冲洗动作而被喷出的油墨并将其贮留。冲洗动作是指，将与所印刷的图像无关的驱动信号施加到驱动元件上，从而强制性地连续地使油墨滴从喷嘴Nz喷出的动作。由此，由于能够抑制头内的油墨发生增稠、干燥而无法喷出适当的量的油墨的情况，因此能够使喷嘴Nz的喷出不良恢复。

摄像单元70基于被形成在纸张S上的印刷图像的状态来检查喷出不良。摄像单元70包括摄像部71和图像处理部72。例如，摄像单元70通过对油墨被喷出到印刷介质上的结果进行拍摄，从而取得喷出结果图像信息。另外，虽然在图1中分别记载了图像处理部72和控制器100，但图像处理部72也可以通过控制器100来实现。例如，如图2所示的那样，摄像单元70被搭载在滑架21上。如果设为这样，则即使在摄像部71的视角窄于纸张宽度的情况下，也能够有效地对较宽广的范围的印刷结果进行拍摄。

控制器100为，用于实施印刷装置1的控制的控制单元。控制器100包括：接口部101、处理器102、存储器103和单元控制电路104。接口部101在作为外部装置的计算机CP与印刷装置1之间实施数据的接收与发送。处理器102为，用于实施印刷装置1整体的控制的运算处理装置。处理器102为，例如CPU(Central Processing Unit：中央处理器)。存储器103为，用于确保对处理器102的程序进行存储的区域或工作区域等的部件。处理器102通过按照被储存在存储器103中的程序的单元控制电路104而对各个单元进行控制。

检测器组90为对印刷装置1的工作状况进行监视的部件，并且包括例如温度传感器91、湿度传感器92。检测器组90也可以包括气压传感器、高度传感器、气泡传感器、灰尘传感器、摩擦传感器等未图示的传感器。此外，检测器组90也可以包括被利用于印刷介质的输送等的控制中的旋转编码器、对被输送的印刷介质的有无进行检测的纸张检测传感器、用于对滑架21的移动方向的位置进行检测的线性编码器等的结构。

另外，在上文中，对串行头式的印刷装置1进行了说明。但是，本实施方式的印刷装置1也可以为印刷头30以覆盖纸张宽度的方式而被设置的行头式的印刷装置。

1.2印刷头的结构例

图3为，对印刷头30中所包括的头单元31的结构进行说明的剖视图。头单元31具有壳体32、流道单元33和压电元件单元34。另外，在图3中，省略了用于对压电元件PZT进行驱动的配线等。

壳体32为用于对压电元件PZT等进行收纳并将其固定的部件，通过例如环氧树脂等的非导电性的树脂材料而被制作出来。

流道单元33具有流道形成基板33a、喷嘴板NP和振动板33c。在流道形成基板33a中的一个表面上接合有喷嘴板NP，在另一个表面上接合有振动板33c。在流道形成基板33a中，形成有成为压力室331、油墨供给通道332、以及共同油墨室333的空部或槽。该流道形成基板33a通过例如硅基板而被制作。在喷嘴板NP上，设置有由多个喷嘴Nz构成的一个或者多个喷嘴列。该喷嘴板NP通过具有导电性的板状的部件、例如较薄的金属板而被制作。在振动板33c中的与各个压力室331相对应的部分处设置有隔膜部334。该隔膜部334通过压电元件PZT而进行变形，从而使压力室331的容积变化。另外，通过振动板33c或粘合层等介于其间，从而使压电元件PZT和喷嘴板NP成为被电绝缘的状态。

压电元件单元34具有压电元件组341和固定部件342。压电元件组341呈梳齿状。而且，一个一个梳齿均为压电元件PZT。各个压电元件PZT的顶端面被粘结在相对应的隔膜部334所具有的岛部335上。固定部件342对压电元件组341进行支承，并且成为相对于壳体32的安装部。压电元件PZT为电气机械转换元件的一个示例，且通过在被施加有驱动信号时在长边方向上进行伸缩，从而对压力室331内的液体赋予压力变化。在压力室331内的油墨中，因压力室331的容积的变化而产生压力变化。利用该压力变化，从而能够使油墨滴从喷嘴Nz喷出。另外，代替作为电气机械转换元件的压电元件PZT，也可以设为通过使之产生与被施加的驱动信号相应的气泡而使油墨滴喷出的结构。

图4为，表示印刷头30中的喷出油墨一侧的面的结构的图。如图4所示那样，印刷头30包括固定板35和被固定在该固定板35上的多个头单元31。如图3所示那样，在油墨被喷出的面中，露出有头单元31的喷嘴板NP。另外，如图4所示那样，温度传感器91例如也可以被设置在印刷头30上。在图4的示例中，温度传感器91被配置在固定板35上。

一个头单元31包括例如沿着输送方向而被设置的一列喷嘴列。图4所示的印刷头30通过包括八个头单元31，从而例如在其下表面上分别具有两个黑色油墨喷嘴列、蓝绿色油墨喷嘴列、品红色油墨喷嘴列、以及黄色油墨喷嘴列。而且，印刷头30从各个喷嘴列分别朝向纸张S喷出所对应的颜色的油墨。但是，一个头单元31也可以包括两个以上的喷嘴列。此外，印刷头30中所包括的头单元数并不限定于八个，能够为各种各样的变形方式。此外，本实施方式所涉及的印刷头30也可以具备仅某个特定的油墨颜色的喷嘴列。

此外，在图2中，对在滑架21上设置有一个印刷头30的示例进行了说明。但是，也可以在滑架21上设置两个以上的印刷头30。例如，通过将多个印刷头30配置在于输送方向上不同的位置处，从而能够在使滑架21进行一个往复的期间内使可印刷的面积增大。此外，印刷头30以及头单元31已知有各种各样结构，在本实施方式中能够广泛应用这些结构。

1.3结露

已知在印刷装置1中会发生结露的情况。这里的结露是表示，液滴附着在喷嘴板NP的印刷介质侧的面上的情况。例如，在喷嘴板NP的温度与周围温度相比而相对降低了的情况下，将因温度差而发生结露。而且，在液滴的附着位置接近喷嘴Nz的情况下，存在有发生因结露而导致飞行弯曲等的喷出不良的情况。

图5为，对因结露而导致的飞行弯曲进行说明的图。在图5中，上方为油墨的喷出方向。图5的A1为油墨喷出前的状态，在此，液滴附着在喷嘴Nz的附近。如A2所示那样，通过压电元件PZT被驱动，从而油墨的液面被吸引至与喷出方向相反的方向。以下，将液面形状记载为弯液面。之后，如A3以及A4所示那样，随着油墨的喷出，弯液面欲恢复原状。但是，在有液滴存在于喷嘴Nz的附近的情况下，将如A5所示那样，在弯液面和被喷出的油墨分离时，油墨会向液滴侧被牵引。其结果为，被喷出的油墨的一部分的喷出方向会发生弯曲，从而喷落在与原本的喷落位置相比而向液滴侧偏移了的位置处。

如图5所示那样，结露会导致印刷品质的降低。以往，通过定期地实施由擦拭单元55进行的擦拭，从而实施将附着在喷嘴板NP上的液滴去除的控制。但是，在实施擦拭的间隔较长的情况下，在从给定的擦拭执行定时到下一次的执行定时为止的期间内发生结露的可能性较高。另一方面，在实施擦拭的间隔较短的情况下，则存在执行了不必要的擦拭的情况。

考虑到以上情况，在本实施方式中，在考虑了与结露产生相关联的因素的基础上，实施结露产生状况的推断、或者针对结露的对策的决定、或者这双方。使用图6来对与结露产生相关联的信息进行讨论。

图6为，从水平方向对印刷头30以及印刷介质进行观察时的剖视图。另外，在图6中，印刷头30等结构以简化的方式进行记载。如上述那样，印刷头30伴随着滑架21的驱动而在纸张宽度方向上进行往复移动。印刷头30具有多个喷嘴Nz，且从该喷嘴朝向印刷介质喷出油墨滴。印刷介质通过输送单元10在压印板11之上被输送。以下，将喷嘴板NP与印刷介质的距离记载为打印间隙PG。

如上述那样，液滴附着在喷嘴板NP上，这是因喷嘴板NP的温度相对降低而产生温度差从而导致的。因此，表示喷嘴板NP的温度的温度信息能够作为与结露产生相关联的信息来使用。

此外，在印刷头30上，除了压电元件PZT之外再没有较大的热源，而压电元件PZT的发热量也没有大到使喷嘴板NP的温度相对于气温而产生较大地变动。也就是说，代替表示喷嘴板NP的温度的温度信息，能够将表示使用环境的温度的温度信息作为与结露产生相关联的信息来使用。

但是，如果考虑后述的加热器12等热源，则可认为也存在有喷嘴板NP的温度与使用环境的温度不一致的情况。因此，在本实施方式中，可以将喷嘴板NP的温度和使用环境的温度这双方作为与结露产生相关联的信息来使用。在这种情况下，由于不仅取得了喷嘴板NP本身的温度，而且还取得了周边的温度，因此也能够实施考虑了喷嘴板NP的温度变化倾向等的处理。

此外，如图6所示那样，存在有在压印板11上设置加热器12的情况。通过使用加热器12，从而能够提高油墨的速干性。此外，通过加热，从而油墨会变得易于向印刷介质中浸透。另外，加热器12也可以包括被设置在与印刷区域相比靠上游侧的第一加热器和被设置在与印刷区域相对应的位置或者与其相比靠下游侧的第二加热器。第一加热器被用于对油墨喷出前的印刷介质进行预加热。第二加热器被用于被喷出了的油墨的加热。如果采用这种方式，则即使在各个加热器的尺寸较小的情况下，也能够有效地提高油墨的速干性、渗透性。但是，加热器12可以为一个，也可以为能够加热较大面积的形状，并且具体的结构能够为各种各样的变形方式。

在使用了加热器12的情况下，由于加热器12的周边的温度上升，从而易于产生与喷嘴板NP的温度差。因此，能够将加热器12的温度信息作为与结露产生相关联的信息来使用。

此外，已知如下内容，即，作为对象的空间中所包含的水蒸气量或者湿度会对结露的产生造成较大影响。在湿度较高的情况下，该空间中所包含的水蒸气或挥发的油墨会成为液体从而变得易于附着在喷嘴板NP上。如果是印刷装置1中的结露，则所谓作为对象的空间，将如图6所示那样为印刷头30与印刷介质之间的空间。在该空间的空气有效地进行了循环的情况下，由于湿度与周边大气中的湿度相比而增大的情况被抑制，因此结露的产生也被抑制。相反地，在空气未循环的情况下，湿度增大将变得易于产生结露。即，对于结露的产生而言，使印刷头30与印刷介质之间的空气循环的风速是有关联的。使用图2，在像上述那样印刷装置1为串行头式的情况下，能够将滑架21的移动速度认为是上述风速。即，能够将滑架21的移动速度信息作为与结露产生相关联的信息来使用。

此外，考虑到温度差很重要，那么如果通过使在加热器12中产生的热向周边传播而使其与喷嘴板NP的温度差降低，则可抑制结露的产生。也就是说，喷嘴板NP与印刷介质的距离即打印间隙PG越小，则越易于降低温度差。另外，也考虑有因缩小打印间隙PG而使印刷头30下部空间的空气变得难以循环的情况。也就是说，减小打印间隙PG的情况，可能会在抑制结露产生的方向和推进结露产生的方向这双方上作出贡献。虽然哪一方的贡献较大取决于状况，但不论如何打印间隙PG是与结露产生相关联的信息。另外，在以下的本实施方式中，设为如下情况来进行说明，即，易于消除温度差的贡献度相对较大，通过减小打印间隙PG从而可抑制结露。

由于在上文中所说明的表示加热器12的温度的加热器温度信息、滑架21的移动速度信息、打印间隙PG为，对印刷时的动作进行设定的参数，因此在下文中记载为设定信息。加热器12的温度以及滑架21的移动速度能够使用加热器12以及滑架电机的控制信息来进行调节。对于打印间隙PG而言，既存在印刷装置1能够自动地进行变更的情况，也存在用户通过手动来进行变更的情况。此外，根据印刷介质的厚度的不同，打印间隙PG也会发生变化。例如，即使压印板11的位置是固定的，在使用纸等的较薄的印刷介质的情况下，打印间隙PG变大，在使用布或PVC等的较厚的印刷介质的情况下，打印间隙PG变小。

2.学习处理

2.1学习装置的结构例

图7为，表示本实施方式的学习装置400的结构例的图。学习装置400包括取得在学习中被使用的训练数据的取得部410、和基于该训练数据而实施机器学习的学习部420。

取得部410为，例如从其他装置取得训练数据的通信接口。或者，取得部410也可以取得学习装置400所保持的训练数据。例如，学习装置400包括未图示的存储部，取得部410为用于从该存储部读取训练数据的接口。本实施方式中的学习为，例如有监督学习(supervised learning)。有监督学习中的训练数据为，将输入数据和正解标签建立了对应关系的数据组。

学习部420实施基于取得部410所取得的训练数据的机器学习，并生成学习完毕模型。另外，本实施方式的学习部420由下述的硬件构成。硬件能够包括对数字信号进行处理的电路以及对模拟信号进行处理的电路中的至少一方。例如，硬件能够由被安装于电路基板上的一个或者多个电路装置、或一个或者多个电路元件构成。一个或者多个电路装置为，例如IC等。一个或者多个电路元件为，例如电阻、电容器等。

此外，学习部420也可以由下述的处理器来实现。本实施方式的学习装置400包括对信息进行存储的存储器、和基于被存储于存储器中的信息而进行动作的处理器。信息为，例如程序和各种的数据等。处理器包括硬件。处理器能够使用CPU、GPU(GraphicsProcessing Unit：图形处理器)、DSP(Digital Signal Processor：数字信号处理器)等各种处理器。存储器既可以为SRAM(Static Random Access Memory：静态随机存储器)、DRAM(Dynamic Random Access Memory：动态随机存储器)等半导体存储器，又可以为寄存器，也可以为硬盘装置等磁存储装置，还可以为光盘装置等光学式存储装置。例如，存储器对能够由计算机读取的命令进行存储，并通过该命令被处理器执行，从而使学习装置400的各部的功能作为处理而被实现。这里的命令既可以为构成程序的命令集的命令，也可以为针对处理器的硬件电路而指示动作的命令。例如，通过存储器对规定学习算法的程序进行存储且处理器根据该学习算法而进行动作，从而执行学习处理。

更具体而言，取得部410取得将温度信息、设定信息和对策信息建立了对应关系的数据组。温度信息为，表示具有印刷头30的印刷装置1的使用环境的温度以及印刷头30的喷嘴板NP的温度中的至少一方的信息。所谓使用环境表示，印刷装置1被使用的环境。由于假定了印刷装置1在室内被使用的情况，因此使用环境中的温度在狭义上是指在该室内所测量出的气温。设定信息为，表示通过印刷头30而向印刷介质喷出油墨时的设定的信息。学习部420基于所取得的数据组，而对与结露的产生状况相应的对策进行机器学习。

根据本实施方式的方法，使用与结露产生状况相关联的信息、即温度信息以及设定信息来实施机器学习。使用图5以及图6而如上述那样，成为问题的现象是液滴向喷嘴板NP的附着。但是，在印刷装置1的工作中，并不容易观察到喷嘴板NP的状态。通过使用摄像部71所拍摄到的喷出结果图像，从而能够推断是否发生了飞行弯曲。但是，由于飞行弯曲也会因结露以外的因素而产生，因此也很难仅根据喷出结果图像来推断结露产生状况。针对于此，在本实施方式中，将与结露产生状况相关联的各种各样的信息、和表示与结露产生状况相应的适当的对策的对策信息用于机器学习中。因此，通过利用学习结果，从而能够高精度地推断出用于抑制、消除因结露而导致的飞行弯曲等的不良的适当的对策。例如，在实施了处于结露易于发生的状况中这一推断的情况下，能够通过实施擦拭来消除结露，或实施使结露变得难以产生的这样的设定变更等对策。

图7所示的学习装置400也可以被包括在例如图1所示的印刷装置1中。在这种情况下，学习部420与印刷装置1的控制器100相对应。更具体而言，学习部420也可以为处理器102。印刷装置1将温度信息以及设定信息存储在存储器103中。取得部410也可以为，读取被存储于存储器103中的温度信息以及设定信息的接口。此外，印刷装置1也可以将所存储的温度信息以及设定信息发送至计算机CP或服务器系统等外部设备中。取得部410也可以为，从该外部设备接收学习所需的训练数据的接口部101。对策信息为，例如用户通过手动而输入的信息。这里的用户为，例如印刷装置1的开发者或熟练的服务人员等、具有对于结露的知识和见识的用户。

此外，学习装置400也可以被包含在与印刷装置1不同的设备中。例如，学习装置400也可以被包含在经由网络而与印刷装置1连接的外部设备中。这里的网络既可以为内部网络等的专用网络，也可以为因特网等的公共通信网。此外，对于网络而言，有线、无线都可以。

2.2神经网络

作为机器学习的具体例，对使用了神经网络的机器学习进行说明。图8为，神经网络的基本的结构例。神经网络为，在计算机上对脑功能进行模拟的数学模型。将图8的一个圆圈称为节点或者神经元。在图8的示例中，神经网络具有输入层、两个中间层和输出层。输入层为I，中间层为H1以及H2，输出层为O。此外，在图8的示例中，输入层的神经元数为3，中间层的神经元数分别为4，输出层的神经元数为1。但是，中间层的层数、或各层中所包含的神经元的数量能够进行各种各样的变形实施。输入层中所包含的神经元分别与第一中间层即H1的神经元相结合。第一中间层中所包含的神经元分别与第二中间层即H2的神经元相结合，第二中间层中所包含的神经元分别与输出层的神经元相结合。另外，中间层也可以换一种表达称为隐藏层。

输入层为，分别输出输入值的神经元。在图8的示例中，神经网络作为输入而接受x1、x2、x3，输入层的各个神经元分别输出x1、x2、x3。另外，也可以针对输入值而实施一些预处理，输入层的各个神经元输出预处理后的值。

在中间层以后的各个神经元中，实施模拟了在脑中信息作为电气信号而被传递的情况的运算。由于在脑中，信息传递的容易度是根据突触的结合强度而变化的，因此在神经网络中用权重W来表现该结合强度。图8的W1为，输入层与第一中间层之间的权重。W1表示输入层中所包含的给定的神经元与第一中间层中所包含的给定的神经元之间的权重的集合。在将输入层的第p个神经元数与第一中间层的第q个神经元之间的权重表现为w¹ _pq的情况下，图8的W1为包括w¹ ₁₁～w¹ ₃₄这12个权重的信息。更广义而言，权重W1为，仅由输入层的神经元数与第一中间层的神经元数的乘积的个数的权重构成的信息。

在第一中间层中的第1个神经元中，实施下式(1)所示的运算。在一个神经元中实施如下运算，即，对与该神经元相连接的前一层的各个神经元的输出进行乘积求和，再加上偏差值的运算。下式(1)中的偏差值为b1。

数学式1

此外，如上式(1)所示那样，在一个神经元内的运算中，使用作为非线性函数的激活函数f。激活函数f使用例如下式(2)所示的ReLU函数。ReLU函数为，如果变量为0以下，则为0，如果大于0，则成为变量本身的值的函数。但是，已知激活函数f可以利用各种函数，既可以利用S形函数，也可以利用改良了ReLU函数的函数。虽然在上式(1)中，例示了关于h1的运算式，但只要在第一中间层的其他神经元中也实施相同的运算即可。

数学式2

此外，对于这之后的层而言，也是同样的。例如，在将第一中间层与第二中间层之间的权重设为W2的情况下，在第二中间层的神经元中，实施使用了第一中间层的输出和权重W2的积和运算，并实施加上偏差值并应用激活函数的运算。在输出层的神经元中，实施对其前一层的输出进行加权相加，并加上偏差值的运算。如果为图8的示例，则输出层的前一层为第二中间层。神经网络将输出层中的运算结果设为该神经网络的输出。

由以上的说明中可知，为了从输入获得所期望的输出，需要设定适当的权重和偏差值。另外，在下文中，也将权重记载为加权系数。此外，假设也可以在加权系数中包括偏差值。在学习中，预先准备将给定的输入x、和在该输入下的正确的输出建立了对应关系的数据组。正确的输出为正解标签。所谓神经网络的学习处理能够认为是，基于该数据组而求出最似然的加权系数的处理。另外，在神经网络的学习处理中，已知有误差反向传播法(Backpropagation)等各种各样的学习方法。在本实施方式中，由于能够广泛地应用这些学习方法，因此省略详细的说明。在使用神经网络的情况下的学习算法是指，例如实施进行上式(1)等的运算而取得正向结果的处理、以及使用误差反向传播法来更新加权系数信息的处理这双方的算法。

此外，神经网络并不限定于图8所示的结构。例如，在本实施方式的学习处理、以及后述的推论处理中，也可以使用广泛公知的卷积神经网络(CNN：Convolutional neuralnetwork)。CNN具有卷积层以及池化层。卷积层实施卷积运算。这里的卷积运算具体而言是指过滤器处理。池化层实施缩小数据的纵横的尺寸的处理。在CNN中，通过实施使用了误差反向传播法等的学习处理，从而学习用于卷积运算的过滤器的特性。即，在神经网络中的加权系数中，包括CNN中的过滤器特性。CNN在作为基于喷嘴板图像的信息或者喷出结果图像信息而使用二维图像数据的情况等下，较为优选。

另外，在上文中，对学习完毕模型为使用了神经网络的模型的示例进行了说明。但是，本实施方式中的机器学习并不限定于使用神经网络的方法。例如，在本实施方式的方法中，能够应用SVM(support vector machine：支持向量机)等广泛公知的各种方式的机器学习、或者从这些方式发展出来的方式的机器学习。

2.3训练数据的示例和学习处理的详细内容

如上述那样，作为与结露产生相关联的信息可以考虑温度信息以及设定信息。温度信息为，例如℃单位的数值数据。此外，在使用喷嘴板NP的温度和使用环境的温度这双方的情况下，温度信息为多个数值数据的集合。但是，温度数据也可以使用其他形式的数据。

如上述那样，设定信息包括印刷头30的喷嘴板NP与印刷介质之间的距离信息、搭载印刷头30的滑架21的移动速度信息、以及使印刷介质干燥的加热器12的加热器温度信息中的至少一个。

所谓喷嘴板NP与印刷介质之间的距离信息，狭义而言为上述的打印间隙PG。打印间隙PG为，表示距离的数值数据。或者，在打印间隙PG为能够阶段性地调节的结构的情况下，也可以将能够特别指定该阶段的信息作为表示打印间隙PG的信息来使用。移动速度信息既可以为表示滑架21的移动速度本身的信息，也可以为滑架电机的控制信息。加热器温度信息既可以为表示使用温度传感器而检测加热器12附近的温度的结果的信息，也可以为能够特别指定加热器12的目标温度的控制信息。这里的温度传感器为，与对喷嘴板NP的温度进行测量的传感器不同的传感器。

另外，滑架21的移动速度信息可作为表示印刷头30与印刷介质之间的风速的信息而被使用。因此，当在印刷装置1上设置有风扇的情况下，也可以将表示该风扇的风速的风扇风速信息包含在设定信息中。例如，风扇风速信息为，能够特别指定风扇的驱动量的控制信息。此外，在使用行式头的印刷装置1的情况下，移动速度信息例如设为0来处理。

本实施方式的数据组包括表示在通过给定的温度信息、设定信息而被特别指定的状况中应该实施什么样的对策的对策信息。例如，在学习阶段中，印刷装置1实施对训练数据收集用的样本图像进行印刷的处理，从而取得并存储实施该处理时的温度信息以及设定信息。与此同时，依次确认印刷头30的喷嘴板NP的状态。虽然在喷嘴板NP的状态确认中，需要拆卸印刷头30、设置专用的摄像单元等，但是这里是以生成训练数据为目的的，从而不考虑停机时间与成本增加。

例如，考虑如下情况，即，在给定的定时之前在喷嘴板NP上并未附着有液滴，且在该给定的定时下确认有液滴的附着的情况。在这种情况下，可推断为，在该给定的定时、以及与之相比靠前的预定期间中，印刷装置1处于易于产生结露的状态中。因此，通过相对于在该预定期间中所取得的温度信息以及设定信息而与表示对策执行的对策信息建立对应关系从而生成训练数据。另一方面，当在预定期间继续而在喷嘴板NP上未附着有液滴的情况下，推断为，在该预定期间中，印刷装置1处于不易产生结露的状态中。因此，通过相对于在该预定期间中所取得的温度信息以及设定信息而与表示不需要对策的信息建立对应关系从而生成训练数据。另外，在下文中，对于表示不需要对策的信息，也作为对策信息中所包含的信息来进行说明。

在与表示对策执行的对策信息建立对应关系时，也可以根据液滴的量或位置而对通过对策信息而被特别指定的对策的内容进行变更。例如，对策信息为，对包括擦拭的执行、设定信息的变更、使用环境中的温度或者湿度的调节在内的多个对策中的任意一个进行特别指定的信息。

擦拭的执行是指，使用擦拭单元55来对喷嘴板NP的表面进行擦拭。通过实施擦拭，从而能够消除在该时间点下产生的结露。因此，例如，在液滴的量较多的情况或者液滴的位置接近喷嘴Nz的情况等的情况下，可实施将表示擦拭的执行的信息作为对策信息而包括在数据组中的处理。

设定信息的变更包括降低加热器12的温度的控制、提高滑架21的移动速度的控制、缩小打印间隙PG的控制中的任意一个。另外，这些控制也可以省略一部分。例如，在提高滑架21的移动速度的情况下，对于油墨从喷嘴Nz喷出的喷出定时等的控制信息而言，也需要进行变更，从而处理负荷较大。此外，印刷品质也有可能降低。因此，设定信息的变更也可以不包括对滑架21的移动速度进行变更的控制。

使用环境中的温度或者湿度的调节是指，例如被设置在与印刷装置1相同的空间中的空调、空气净化器、加湿器、除湿机等的控制。相同的空间是指，例如设置有印刷装置1的室内。虽然本实施方式中的结露为印刷装置1的内部中的现象，但是由于印刷装置1的筐体并不是被密封的部件，因此会受到外部空气的影响。因此，能够通过对外部空气的温度进行调节来抑制喷嘴板NP的相对性地温度降低，或者通过对外部空气的湿度进行调节而使印刷头30与印刷介质之间的湿度降低。例如，印刷装置1和空调等设备分别与网络相连接，经由该网络，从而能够从印刷装置1来实施空调等的控制。

设定信息的变更与使用环境中的温度或者湿度的调节与擦拭相比，对于直接性地消除结露的贡献度较小。但是，能够将印刷装置1的内部以及周边的环境设成不易发生结露的环境。因此，例如，在液滴的量较小的情况或液滴的位置离喷嘴Nz较远的情况等情况下，可实施将设定信息的变更与表示使用环境中的温度或者湿度的调节的信息作为对策信息而包含在数据组中的处理。

另外，也可以根据液滴的量或位置的时间序列的变化来变更通过对策信息而被特别指定的对策的内容。例如，在液滴的增加量较多的情况下，在将来发生因液滴而导致的飞行弯曲的可能性较高。因此，即使在该阶段中液滴的量较少，为了防止飞行弯曲于未然，也将实施相对于该定时下的温度信息以及设定信息而与表示擦拭执行的对策信息建立对应关系的处理。

此外，通过对策信息而被特别指定的对策也可以为多个对策的组合。例如，对策信息也可以为对如下对策进行特别指定的信息，该对策为，在通过实施擦拭来去除当前所附着的液滴的同时，通过组合设定信息的变更来抑制将来的结露的产生这一对策。

此外，在上文中，对在生成训练数据的目的下使印刷装置1进行工作的示例进行了说明。例如，训练数据可通过使出厂前的印刷装置1进行测试用动作而取得。但是，训练数据也可以从出厂后在办公室或工厂等处进行工作的印刷装置1中取得。例如，可考虑印刷装置1的工作信息被汇集在服务器系统中，服务人员基于该工作信息而实施印刷装置1的维护的服务。在这里的工作信息中，包括有温度信息与设定信息。此外，在通过服务人员的维护而判断为异常因素为结露的情况下，该主旨以及服务人员实施的对策的信息也被存储在服务器系统中。在这种情况下，能够取得将温度信息以及设定信息、和表示适于通过该温度信息以及设定信息而被特别指定的状况的对策的对策信息建立了对应关系的数据组。

图9为，表示本实施方式中的神经网络的模型的一个示例。NN1所表示的神经网络将温度信息和设定信息作为输入而接受，且将表示被推荐的对策的对策信息作为输出数据而输出。在图9的示例中，对策信息为，表示被推荐的对策是“擦拭”，还是“设定信息的变更”，还是“使用环境的调节”，还是“不需要”的信息。神经网络的输出层也可以为例如广泛公知的softmax层。在这种情况下，神经网络的输出为，表示“擦拭”的概率数据、表示“设定信息的变更”的概率数据、表示“使用环境的调节”的概率数据、表示“不需要”的概率数据的这四个数据。

例如，基于训练数据的学习处理按照以下的流程来实施。首先，学习部420向神经网络输入输入数据，并通过使用此时的权重来实施正向的运算，从而取得输出数据。在本实施方式中，输入数据为温度信息和设定信息。如上述那样，通过正向的运算而求出的输出数据是总和为1的四个概率数据。

学习部420基于所求出的输出数据和正解标签而对误差函数进行运算。例如，在正解标签为，与被推荐的对策相对应的概率数据的值成为1、其他三个概率数据的值成为0的信息。例如，在应该推荐的对策为“擦拭”的情况下，具体的正解标签为，表示“擦拭”的概率数据的值成为1、表示“设定信息的变更”的概率数据、表示“使用环境的调节”的概率数据、表示“不需要”的概率数据这三个值成为0的信息。

学习部420将通过正向的运算而求出的四个概率数据、和与正解标签相对应的四个概率数据的差异度作为误差函数而进行计算，并在误差变小的方向上更新加权系数信息。另外，对于误差函数而言，已知有各种形式，在本实施方式中能够广泛地应用这些形式。此外，虽然加权系数信息的更新是例如使用误差反向传播法来实施的，但也可以使用其他的方法。

以上为基于一个训练数据的学习处理的概要。学习部420也通过针对其他训练数据而反复进行同样的处理，从而学习适当的加权系数信息。例如，学习部420将所取得的数据的一部分作为训练数据，并将剩余部分作为测试数据。测试数据也可以换一种表达为评价数据、验证数据。并且，学习部420针对通过训练数据而生成的学习完毕模型而应用测试数据，并进行学习，直到正解率为规定阈值以上为止。

另外，数据组中所包含的信息并未被限定于温度信息、设定信息以及对策信息。例如，数据组也可以包含使用环境中的湿度信息。湿度信息为，例如通过被设置在印刷装置1中的湿度传感器92而检测到的信息。湿度信息既可以为0％以上且100％以下的数值数据，也可以为能够特别指定湿度的其他形式的数据。或者，取得部410也可以从被设置在与印刷装置1相同的空间中的湿度传感器中取得湿度信息。

如果采用这种方式，则能够进行考虑了使用环境的湿度的机器学习。如上述那样，由于结露与成为对象的空间的湿度关联较密切，因此能够生成可推断更适当的对策的学习完毕模型。

此外，数据组也可以包括通过拍摄油墨从印刷头30喷出到印刷介质上的结果从而取得的喷出结果图像信息。所谓喷出结果图像信息狭义而言，与摄像单元70的输出相对应。对于喷出结果图像信息而言，既可以为使用摄像部71而对形成有图像的印刷介质进行拍摄的结果即喷出结果图像本身，也可以为实施了由图像处理部72进行的图像处理的结果。图像处理部72例如对是否发生了飞行弯曲进行判断，并将判断结果作为喷出结果图像信息而输出。

喷出结果图像信息为，能够对是否发生了喷出不良进行推断的信息。通过使用喷出结果图像信息，从而能够进行实际上考虑了是否发生了喷出不良的机器学习。因此，能够进行生成可对适当的对策进行推断的学习完毕模型。另外，飞行弯曲的主要原因并不限定于结露，在产生了烟雾的情况、纸片等的异物混入到了喷嘴Nz中的情况、打印间隙PG过长的情况等的情况下也会发生。因此，虽说发生了飞行弯曲，但并不一定是发生了结露。但是，如果考虑当产生了液滴的量较多的重度结露的情况下，其结果会表现为飞行弯曲，则喷出结果图像信息就是与结露相关联的信息，用在机器学习中是有用的。

此外，数据组也可以包括由印刷装置1执行的任务的执行历史信息。如上述那样，喷嘴板NP的温度因压电元件PZT的驱动而上升。因此，越是大量的压电元件PZT以高频度被驱动，则喷嘴板NP与周边的温度差越降低，越是压电元件PZT未被驱动，则越是处于易于产生温度差的倾向。这里的任务表示，在印刷装置1执行一次印刷处理时所使用的数据的集合。因此，能够基于任务的执行历史信息而对压电元件PZT的驱动状态进行特征指定。由于执行历史信息成为与基于温度传感器91的温度信息不同的观点的信息，因此通过进行使用了执行历史信息的机器学习，从而能够生成可推断更适当的对策的学习完毕模型。

另外，在机器学习中使用的任务的执行历史信息也可以为能够对各个喷嘴Nz的驱动信息进行特别指定的信息。或者，为了简化处理，也可以使用任务的执行定时或继续时间等的简易的信息。此外，喷嘴板NP的温度可认为是，在印刷装置1的电源断开的期间较低，在接通之后上升。由此，数据组中所包含的信息也可以为从电源接通起的经过时间。

湿度信息、喷出结果图像信息、执行历史信息等，作为例如神经网络的输入而被使用。例如，学习部420实施将温度信息、设定信息、湿度信息、喷出结果图像信息以及执行历史信息作为输入、将对策信息作为正解标签的学习处理。后文叙述的信息处理装置200的接受部210接受温度信息、设定信息、湿度信息、喷出结果图像信息以及执行历史信息。处理部220通过将所接受的信息输入到学习完毕模型中从而决定对策。另外，对于湿度信息、喷出结果图像信息以及执行历史信息而言，不需要追加其全部，也可以追加任意一个信息或任意两个信息。此外，也可以在数据组中追加除此之外的信息。

此外，数据组也可以包括基于对喷嘴板NP进行拍摄而得到的喷嘴板图像的信息。

图10为喷嘴板图像的示例。喷嘴板图像为，例如从喷出油墨一侧对包括喷嘴板NP在内的区域进行拍摄而得到的图像。在图10的示例中，喷嘴板图像为，对与给定的头单元31相对应的喷嘴板NP和对该头单元31进行固定的固定板35的一部分进行拍摄而得到的图像。此外，在图10的示例中，液滴附着在喷嘴板NP以及固定板35上。

如上述那样，也可以通过用户对喷嘴板图像进行观察，从而手动输入对策信息。但是，也可以将基于喷嘴板图像的信息直接用于机器学习。所谓基于喷嘴板图像的信息，既可以为喷嘴板图像本身，也可以为通过针对喷嘴板图像的图像处理而取得的信息。例如，通过实施对作为处理对象的喷嘴板图像和在未发生结露的状态下所拍摄到的喷嘴板图像进行比较的图像处理，从而能够很容易地对喷嘴板图像中的液滴的位置、尺寸进行特别指定。例如，基于喷嘴板图像的信息为，通过被特别指定的液滴的位置、尺寸而计算出的结露的严重度。严重度为，液滴的量越多、以及液滴的位置越接近喷嘴Nz，越变大的数值信息。严重度越高，越表示如果不采取适当的对策，则产生飞行弯曲等的喷出不良的可能性越高。此外，严重度也可以为“高”、“中”、“低”等的阶段性的数据。

图11为，表示本实施方式中的神经网络的模型的一个示例。神经网络包括两个神经网络即NN2以及NN3。NN2为，将温度信息和设定信息作为输入而接受并输出表示结露的产生状况的结露信息的网络。NN3为，将结露信息作为输入而接受并输出表示被推荐的对策的对策信息的网络。

学习部420通过将基于喷嘴板图像的信息作为结露信息而实施NN2以及NN3的学习。训练数据为，将温度信息、设定信息、结露信息、对策信息建立了对应关系的数据组。学习部420通过将温度信息以及设定信息作为输入并将结露信息作为正解标签的学习处理，从而对NN2的加权系数进行学习。学习部420通过将结露信息作为输入并将对策信息作为正解标签的学习处理，从而对NN3的加权系数进行学习。或者，学习部420也可以通过将温度信息以及设定信息作为输入并将结露信息作为正解标签的学习处理，从而对NN2的加权系数进行学习，并且，通过将温度信息以及设定信息作为输入并将对策信息作为正解标签的学习处理，从而对NN2以及NN3的加权系数进行学习。

如果采用这种方式，则能够进行考虑了此时的结露产生状况的处理。具体而言，如图11所示那样，由于以使神经网络的中间层中的状态接近所期望的正解标签的方式学习了加权系数，因此能够生成可输出更适当的对策信息的学习完毕模型。

3.推论处理

3.1信息处理装置的结构例

图12为，表示本实施方式的推论装置的结构例的图。推论装置为信息处理装置200。信息处理装置200包括接受部210、处理部220和存储部230。

存储部230对学习完毕模型进行存储，该学习完毕模型为，基于将温度信息、设定信息和对策信息建立了对应关系的数据组而进行了机器学习的模型。接受部210将印刷头30的油墨喷出时的温度信息以及设定信息作为输入而接受。处理部220基于作为输入而接受的温度信息以及设定信息、学习完毕模型，从而针对结露而决定所推荐的对策。

如上述那样，温度信息以及设定信息为与结露相关联的信息。在使用温度信息以及设定信息而进行机器学习而得到的学习完毕模型中，能够通过输入油墨喷出时的温度信息以及设定信息，从而高精度地推断用于抑制由结露造成的不良的对策。

另外，学习完毕模型作为人工智能软件的一部分即程序模块而被利用。处理部220根据来自被存储于存储部230中的学习完毕模型的指令，而输出表示与作为输入的温度信息和设定信息相应的对策的数据。

与学习装置400的学习部420同样地，信息处理装置200的处理部220由包括对数字信号进行处理的电路以及对模拟信号进行处理的电路中的至少一方的硬件构成。此外，处理部220也可以通过下述的处理器来实现。本实施方式的信息处理装置200包括对信息进行存储的存储器、和基于被存储于存储器中的信息而进行动作的处理器。处理器可以使用CPU、GPU、DSP等的各种处理器。存储器既可以为半导体存储器，又可以为寄存器，也可以为磁存储装置，还可以为光学式存储装置。这里的存储器为，例如存储部230。即，存储部230为半导体存储器等的信息存储介质，学习完毕模型等的程序被存储在该信息存储介质中。

另外，按照学习完毕模型的处理部220中的运算，也就是用于基于输入数据而输出输出数据的运算既可以通过软件来执行，也可以通过硬件来执行。换而言之，上式(1)等的积和运算也可以以软件的方式被执行。或者，上述运算也可以通过FPGA(field-programmable gate array：现场可编程门阵列)等的电路装置来执行。此外，上述运算也可以通过软件和硬件的组合来执行。以此方式，按照来自被存储于存储部230中的学习完毕模型的指令的处理部220的动作能够通过各种方式来实现。例如学习完毕模型包括推论算法、和在该推论算法中所使用的参数。推论算法是指，基于输入数据来实施上式(1)的积和运算等的算法。参数是指，通过学习处理而取得的参数，且例如为加权系数信息。在这种情况下，推论算法和参数这双方被存储在存储部230中，处理部220也可以通过读取该推论算法和参数，从而以软件的方式实施推论处理。或者，推论算法也可以通过FPGA等来实现，存储部230也可以存储参数。

图12所示的信息处理装置200被包括在例如图1所示的印刷装置1中。即，本实施方式的方法能够应用在包含信息处理装置200的印刷装置1中。在这种情况下，处理部220与印刷装置1的控制器100相对应，并且狭义而言与处理器102相对应。存储部230与印刷装置1的存储器103相对应。接受部210与读取被存储在存储器103中的温度信息以及设定信息的接口相对应。此外，印刷装置1也可以将所存储的工作信息向计算机CP或服务器系统等的外部设备发送。接受部210也可以为从该外部设备接收推论所需的温度信息和设定信息的接口部101。但是，信息处理装置200也可以被包含在与印刷装置1不同的设备中。例如，信息处理装置200被包含在从多个印刷装置1中收集工作信息的服务器系统等外部设备中。外部设备基于所收集到的工作信息，从而关于各个印刷装置1而实施对所推荐的对策进行推断的处理，并且实施向印刷装置1发送用于指示该对策的执行的信息或报知该对策的信息的处理。

在上文中，分开对学习装置400和信息处理装置200进行了说明。但是，本实施方式的方法并未被限定于此。例如，如图13所示那样，信息处理装置200也可以包括取得部410和学习部420，所述取得部410取得将温度信息、设定信息和对策信息建立了对应关系的数据组，所述学习部420基于该数据组从而对针对结露而推荐的对策进行机器学习。换而言之，信息处理装置200除了图12的结构之外，还包括与图7所示的学习装置400相对应的结构。如果采用这种方式，则能够在相同的装置中有效地执行学习处理和推论处理。

此外，本实施方式的信息处理装置200所实施的处理也可以作为信息处理方法来实现。信息处理方法为，取得学习完毕模型，接受印刷头30的油墨喷出时的温度信息以及设定信息，基于所接受到的温度信息以及设定信息和学习完毕模型来决定针对结露而执行的对策的方法。如上述那样，这里的学习完毕模型为，基于将印刷装置1的使用环境以及印刷头30的喷嘴板NP中的至少一方的温度信息、通过印刷头30而向印刷介质喷出油墨时的设定信息、和表示对于在喷嘴板NP上产生的结露的对策的对策信息建立了对应关系的数据组来实施机器学习而获得的模型。

3.2推论处理的流程

图14为，对信息处理装置200中的处理进行说明的流程图。当该处理开始时，首先，接受部210接受温度信息以及设定信息(S101、S102)。

此时，接受部210将基于被用于油墨的喷出控制且被设置于印刷头30上的温度传感器91而被检测出的喷嘴板NP的温度信息作为输入而接受。例如，在信息处理装置200与印刷装置1相对应的情况下，该信息处理装置200包括印刷头30和被用于油墨的喷出控制且被设置于印刷头30上的温度传感器91。

压电元件PZT的动作特性根据温度而变化。具体而言，即使在作为驱动信号而被施加了相同波形的电压信号的情况下，压电元件PZT根据温度而喷出的油墨的量也会发生变化。因此，实施取得压电元件PZT附近的温度并根据该温度来调节驱动信号的波形的温度补偿处理。在本实施方式的方法中，能够将压电元件PZT的温度补偿用的温度传感器91挪用到喷嘴板NP的温度信息的取得中。如果采用这种方式，则能够通过有效的结构来执行油墨的喷出控制以及与结露相关的对策的推断处理。

另外，在此，在取得推论处理中的温度信息时，对使用被设置于印刷头30上的温度传感器91的示例进行了说明。但是，被设置于印刷头30上的温度传感器91也可以被用于学习处理中的温度信息的取得。即，被用于学习处理中的数据组中所包括的温度信息也可以通过被设置于印刷头30上的温度传感器91而检测出来。

接下来，处理部220基于所取得的温度信息以及设定信息和被存储于存储部230中的学习完毕模型而实施对所推荐的对策进行推断的处理(S103)。在使用图9或者图11所示的神经网络的情况下，S103中的处理为，求出分别表示“擦拭”、“设定信息的变更”、“使用环境的调节”、“不需要”这四个概率数据并特别指定其中的最大值的处理。

接下来，处理部220对是否需要对策进行判断(S104)。在S103中，判断为“不需要”的情况下，处理部220判断为不需要对策(在S104中为否)，并结束处理。在除此以外的情况下，处理部220判断为需要对策(在S104中为是)，并执行具体的对策(S105)。具体而言，处理部220在S105中，将设定信息的变更处理、使用环境中的温度或者湿度的调节处理、喷嘴板NP的擦拭处理中的任意一个处理作为对策而执行。

例如，当在S103中“擦拭”的概率为最大的情况下，处理部220实施使擦拭单元55实施擦拭的控制。此外，当在S103中“设定信息的变更”的概率为最大的情况下，处理部220作为对策而实施包括加热器温度的变更、滑架21的移动速度的变更、打印间隙PG的变更中的至少一个的处理。此外，当在S103中“使用环境的调节”的概率为最大的情况下，处理部220对于被配置在与印刷装置1相同的空间内的空调等实施指示温度或者湿度的变更的处理。例如，处理部220通过对未图示的通信部进行控制，从而发送对于空调等而指示温度变更的控制信息。另外，控制信息的发送既可以从印刷装置1直接对空调等实施，也可以经由服务器系统等其他的设备来实施。

其中，S105的处理并未被限定于自动地执行对策，也可以为用于催促用户执行该对策的报知处理。这里的报知处理为，在印刷装置1的未图示的显示部或者计算机CP的显示部上，显示用于提示对策内容的画面、用于催促用户执行对策的画面的处理。其中，报知处理并未被限定于显示，既可以为使LED(light emitting diode:发光二极管)等发光部发光的处理，也可以为从扬声器输出警告音或语音的处理。此外，执行报知处理的设备并未被限定于印刷装置1或计算机CP，也可以为用户所使用的便携终端装置等其他设备。

如果采用这种方式，则能够在怀疑产生结露以及产生因该结露而导致的飞行弯曲的情况下，执行适当的对策，或将对策的必要性报知给用户。其结果为，能够继续执行品质较高的印刷。

另外，在上文中，对作为对策之一而执行擦拭的示例进行了说明。此时，处理部220也可以在实施了浸湿喷嘴板NP的控制之后，执行擦拭处理。浸湿喷嘴板NP的控制，既可以为通过使冲洗单元60实施冲洗而直接浸湿喷嘴板NP的控制，也可以为通过浸湿擦拭单元55中的与喷嘴板NP接触的部件而间接地浸湿喷嘴板NP的控制。与喷嘴板NP接触的部件为，擦拭器或布等擦抹部件。如果采用这种方式，则由于抑制了在干燥的状态下实施擦拭的情况，因此能够抑制印刷头30的破损。例如，能够保护喷嘴板NP表面的防水加工。

此外，处理部220也可以执行在实施了浸湿喷嘴板NP的控制之后执行擦拭的对策、和在不实施浸湿喷嘴板NP的控制的条件下执行擦拭的对策这双方。例如，在判断为附着在喷嘴板NP上的液滴的量为预定量以上的情况下，将可省略擦拭前的浸湿喷嘴板NP的控制。如果采用这种方式，则能够进行与状况相应的适当的擦拭。具体而言，作为神经网络的输出数据，也可以分别输出推荐伴随着浸湿控制的擦拭处理的概率数据、和推荐不伴随着浸湿控制而进行擦拭处理的概率数据。

此外，虽然在上文中，对即时执行擦拭的对策进行了例示，但本实施方式中的对策并未被限定于此。例如，在实施以给定的间隔定期地执行擦拭的设定的情况下，处理部220也可以执行对该给定的间隔进行调节的对策。例如，在被判断为印刷装置1处于易于产生结露的状况下，处理部220执行将该给定的间隔缩短的对策。

4.改变例

4.1学习完毕模型的输出

在上文中，对于生成以温度信息以及设定信息为输入且以对策信息为输出的学习完毕模型的学习处理、以及使用了该学习完毕模型的推论处理进行了说明。但是，本实施方式的方法并未被限定于此。

学习装置400的取得部410取得将温度信息、设定信息、表示在喷嘴板NP上所发生的结露的产生状况的结露信息建立了对应关系的数据组。学习部420基于所取得的数据组，从而对所述温度信息以及所述设定信息与结露的产生状况的关系进行机器学习。

结露信息为，基于对喷嘴板NP进行拍摄而得到的喷嘴板图像的信息。如果采用这种方式，则能够在通过温度信息以及设定信息而被特别指定的状况中，基于图像信息而对喷嘴板NP是处于什么样的状态中进行学习。但是，结露信息也可以为通过直接或者经由摄像单元而对喷嘴板NP进行目视观察的用户而被手动输入的信息。

图15为，表示本实施方式中的神经网络的模型的一个示例。神经网络与图11中的NN2相对应。NN2为，将温度信息和设定信息作为输入而接受、且输出表示结露的产生状况的结露信息的网络。

学习部420通过将基于喷嘴板图像的信息作为结露信息，从而实施NN2的学习。训练数据为，将温度信息、设定信息、结露信息建立了对应关系的数据组。学习部420通过以温度信息以及设定信息为输入且以结露信息为正解标签的学习处理，从而对NN2的加权系数进行学习。

信息处理装置200的存储部230对基于将温度信息、设定信息和结露信息建立了对应关系的数据组而进行了机器学习的学习完毕模型进行存储。接受部210接受印刷头30的油墨喷出时的温度信息和设定信息。处理部220基于所接受到的温度信息、设定信息和学习完毕模型来推断结露的产生状况。

如果通过采用这种方式，则能够对油墨喷出时的结露的产生状况进行高精度地推断。在结露信息为喷嘴板图像的情况下，学习完毕模型的输出成为表示液滴如何附着在喷嘴板NP上的图像信息。在露信息为结露的严重度的情况下，学习完毕模型的输出为当前的严重度的推断值。

此外，本实施方式的信息处理装置200所实施的处理也可以作为信息处理方法来实现。信息处理方法为，取得学习完毕模型，接受印刷头30的油墨喷出时的温度信息以及设定信息，基于所接受到的温度信息以及设定信息、学习完毕模型，从而对结露的产生状况进行推断的方法。这里的学习完毕模型为，基于将印刷装置1的使用环境以及印刷头30的喷嘴板NP中的至少一方的温度信息、通过印刷头30而向印刷介质喷出油墨时的设定信息、和表示在喷嘴板NP上发生的结露的产生状况的结露信息建立了对应关系的数据组，进行了机器学习而得到的模型。

图16为，对信息处理装置200中的处理进行说明的流程图。S201以及S202的处理与图14的S101以及S102是相同的。接下来，处理部220根据所取得的温度信息以及设定信息和被存储于存储部230中的学习完毕模型来实施推论处理(S203)。由于S203中的推论处理为例如图15所示的求出神经网络的输出的处理，因此输出成为表示结露的产生状况的信息。

处理部220基于结露的产生状况的推断结果来决定针对结露而执行的对策(S204)。例如，与使用图9以及图11等进行了上文叙述的示例同样地，处理部220实施将设定信息的变更处理、使用环境中的温度或者湿度的调节处理、喷嘴板NP的擦拭处理中的任意一个处理决定作为对策的处理。例如，在输出为图像信息的情况下，处理部220实施对液滴的量或位置进行判断的处理。在输出为严重度的情况下，执行对其高低进行判断的处理。高低的判断为，例如与给定的阈值的比较的比较处理。如果采用这种方式，则能够决定与结露的产生状况相应的适当的对策。

接下来，处理部220对是否需要对策进行判断(S205)。在为不需要对策的情况下(在S205中为否)，处理部220结束处理。在为需要对策的情况下(在S205中为是)，处理部220执行具体的对策(S206)。另外，S206的处理也可以为对对策进行报知的报知处理。

另外，处理部220也可以在S204中不决定具体的对策，而仅对是否需要对策进行判断。在这种情况下，S206的处理成为催促用户采取对策的报知处理。即，也可以将对策内容的决定委托给用户。

此外，处理部220也可以代替S204～S206的处理，而实施对结露的产生状况的推断结果进行报知的报知处理。在这种情况下，不仅是对策内容的决定，而且对于是否需要对策的判断也被委托给了用户。

4.2追加学习

在本实施方式中，也可以明确地区分学习阶段和推论阶段。例如，学习处理预先在印刷装置1的厂家等处实施，并在印刷装置1出厂时在该印刷装置1的存储器103中存储有学习完毕模型。然后，在使用印刷装置1的阶段中，固定地使用被存储的学习完毕模型。

但是，本实施方式的方法并不限定于此。本实施方式的学习处理也可以包括生成初期学习完毕模型的初期学习、和对学习完毕模型进行更新的追加学习。初期学习完毕模型是指，例如上文所述那样，在出厂前被预先存储于印刷装置1中的通用的学习完毕模型。然后，追加学习是指，用于例如根据个别用户的使用状况而对学习完毕模型进行更新的学习处理。

追加学习也可以在学习装置400中被执行，学习装置400也可以为与信息处理装置200不同的装置。但是，信息处理装置200为了推论处理而实施取得温度信息以及设定信息的处理。该温度信息以及设定信息能够作为追加学习中的训练数据的一部分来利用。如果考虑这点，则追加学习也可以在信息处理装置200中被实施。具体而言，如图13所示那样，信息处理装置200包括取得部410和学习部420。取得部410取得温度信息和设定信息。例如，取得部410取得接受部210在图14的S101以及S102中所接受的信息。学习部420基于相对于温度信息和设定信息而对应建立了对策信息的数据组来对学习完毕模型进行更新。

这里的对策信息例如像上文叙述的那样，为服务人员等的用户所输入的信息。如果采用这种方式，则能够在工作中的印刷装置1中存储训练数据。关于训练数据取得后的追加学习处理，由于与上述的学习处理的流程相同，因此省略详细的说明。

如上文所述，本实施方式的信息处理装置包括：存储部，其对学习完毕模型进行存储；接受部，其接受由印刷头实施的油墨喷出时的温度信息以及设定信息；处理部，其基于所接受到的温度信息、设定信息和学习完毕模型来决定针对结露而执行的对策。学习完毕模型为，基于将温度信息、设定信息和对策信息建立了对应关系的数据组而进行了机器学习而得到的模型。温度信息为，表示具有印刷头的印刷装置的使用环境以及印刷头的喷嘴板中的至少一方的温度的信息。设定信息为，表示通过印刷头而向印刷介质喷出油墨时的设定的信息。对策信息为，表示针对在喷嘴板上产生的结露的对策的信息。

根据本实施方式的方法，能够使用学习完毕模型来决定针对结露的对策。此时，通过使用基于包括与结露的产生状况相关联的温度信息以及设定信息在内的数据组而进行了机器学习的学习完毕模型，从而能够对与状况相应的适当的对策进行推断。

此外，设定信息也可以包括印刷头的喷嘴板与印刷介质的距离信息、搭载印刷头的滑架的移动速度信息、以及使印刷介质干燥的加热器的加热器温度信息中的至少一个。

以此方式，通过将与结露的产生状况相关联的信息作为设定信息来使用，从而能够对与状况相应的适当的对策进行推断。

此外，数据组也可以包括基于对喷嘴板进行拍摄而得到的喷嘴板图像的信息。

如果采用这种方式，则由于能够成为考虑了结露的产生状况的处理，因此能够对与状况相应的适当的对策进行推断。

此外，数据组也可以包括使用环境中的湿度信息。

以此方式，通过将与结露的产生状况相关联的信息包含在数据组中，从而能够对与状况相应的适当的对策进行推断。

此外，数据组也可以包含通过对从印刷头向印刷介质喷射了油墨的结果进行拍摄而取得的喷出结果图像信息。

以此方式，通过将与结露的产生状况相关联的信息包含在数据组中，从而能够对与状况相应的适当的对策进行推断。

此外，处理部也可以将设定信息的变更处理、使用环境中的温度或者湿度的调节处理、喷嘴板的擦拭处理中的任意一个处理作为对策而执行。

如果采用这种方式，则能够执行实现不易产生结露的环境的对策、或消除所产生的结露的对策。

此外，处理部也可以作为对策而在实施了浸湿喷嘴板的控制之后，实施擦拭处理。

如果采用这种方式，则能够抑制由擦拭造成的印刷头的破损。

此外，本实施方式的信息处理装置也可以包括：印刷头；温度传感器，其被用于油墨的喷出控制、且被设置在印刷头上。接受部接受基于温度传感器而被检测出的喷嘴板的温度信息。

如果采用这种方式，则能够将被用于油墨的喷出控制的温度传感器挪用到针对结露的对策的决定处理中。

此外，本实施方式的信息处理装置包括：存储部，其对学习完毕模型进行存储；接受部，其接受由印刷头实施的油墨喷出时的温度信息以及设定信息；处理部，其基于所接受到的温度信息、设定信息和学习完毕模型来推断结露的产生状况。学习完毕模型为，基于将温度信息、设定信息和表示在喷嘴板上所产生的结露的产生状况的结露信息建立了对应关系的数据组而进行机器学习从而得到的模型。

根据本实施方式的方法，能够使用学习完毕模型来推断结露的产生状况。此时，通过使用基于包括与结露的产生状况相关联的温度信息以及设定信息在内的数据组而进行机器学习从而得到的学习完毕模型，从而能够实施精度较高的推断处理。

此外，处理部也可以基于结露的产生状况的推断结果来决定针对结露而执行的对策。

如果采用这种方式，则能够决定与所推断的结露的产生状况相应的适当的对策。

此外，处理部也可以将设定信息的变更处理、使用环境中的温度或者湿度的调节处理、喷嘴板的擦拭处理中的任意一个处理作为对策而执行。

如果采用这种方式，则能够执行实现不易产生结露的环境的对策、或消除所产生的结露的对策。

此外，结露信息也可以为基于对喷嘴板进行拍摄而得到的喷嘴板图像的信息。

如果采用这种方式，则由于能够将反映了结露的产生状况的信息用在机器学习中，因此能够提高推断精度。

此外，本实施方式的学习装置包括：取得部，其取得将温度信息、设定信息和对策信息建立了对应关系的数据组；学习部，其基于所取得的数据组而对与结露的产生状况相应的对策进行机器学习。

根据本实施方式的方法，能够在通过温度信息以及设定信息而被特别指定的状况中，输出能够推断被认为是适当的对策的学习结果。

此外，本实施方式的学习装置包括：取得部，其取得将温度信息、设定信息和表示在喷嘴板上所产生的结露的产生状况的结露信息建立了对应关系的数据组；学习部，其基于所取得的数据组而对温度信息以及设定信息与结露的产生状况的关系进行机器学习。

根据本实施方式的方法，能够输出可高精度地推断通过温度信息以及设定信息而被特别指定的状况中的结露的产生状况的学习结果。

此外，在本实施方式的信息处理方法中，取得学习完毕模型，接受由印刷头实施的油墨喷出时的温度信息以及设定信息，基于所接受到的温度信息、设定信息和学习完毕模型来决定针对结露而执行的对策。学习完毕模型基于将具有印刷头的印刷装置的使用环境以及印刷头的喷嘴板中的至少一方的温度信息、通过印刷头而向印刷介质喷出油墨时的设定信息、和表示针对在喷嘴板上所产生的结露的对策的对策信息建立了对应关系的数据组而进行机器学习。

此外，在本实施方式的信息处理方法中，取得学习完毕模型，接受由印刷头实施的油墨喷出时的温度信息以及设定信息，基于所接受到的温度信息、设定信息和学习完毕模型来推断结露的产生状况。学习完毕模型基于将具有印刷头的印刷装置的使用环境以及印刷头的喷嘴板中的至少一方的温度信息、通过印刷头而向印刷介质喷出油墨时的设定信息和表示在喷嘴板上所产生的结露的产生状况的结露信息建立了对应关系的数据组而进行机器学习。

另外，虽然如上述那样对本实施方式进行了详细地说明，但是本领域技术人员理应很容易地理解到如下内容，即，能够进行实际上不脱离本实施方式的新颖事项以及效果的很多的变形。因此，设为这样的变形例全部被包含在本公开的范围内。例如，在说明书或者附图中，至少一次、与更广义或者同义的不同用语一起被记载的用语在说明书或者附图的任意位置均能够替换为该不同的用语。此外，本实施方式以及变形例的所有的组合也被包括在本公开的范围内。此外，学习装置、信息处理装置以及包括这些装置的系统的结构以及动作等也均不限定于在本实施方式中所说明的内容，能够进行各种各样的变形实施。

符号说明

1…印刷装置；10…输送单元；11…压印板；12…加热器；20…滑架单元；21…滑架；22…导轨；30…印刷头；31…头单元；32…壳体；33…流道单元；33a…流道形成基板；33c…振动板；34…压电元件单元；35…固定板；40…驱动信号生成部；50…油墨抽吸单元；55…擦拭单元；60…冲洗单元；70…摄像单元；71…摄像部；72…图像处理部；90…检测器组；91…温度传感器；92…湿度传感器；100…控制器；101…接口部；102…处理器；103…存储器；104…单元控制电路；200…信息处理装置；210…接受部；220…处理部；230…存储部；331…压力室；332…油墨供给通道；333…共同油墨室；334…隔膜部；335…岛部；341…压电元件组；342…固定部件；400…学习装置；410…取得部；420…学习部；NP…喷嘴板；Nz…喷嘴；PG…打印间隙；S…纸张；PZT…压电元件。

Claims (16)

1.一种信息处理装置，其特征在于，包括：

存储部，其对基于如下数据组而进行机械学习从而得到的学习完毕模型进行存储，所述数据组为，将具有印刷头的印刷装置的使用环境以及所述印刷头的喷嘴板中的至少一方的温度信息、通过所述印刷头而向印刷介质喷出油墨时的设定信息、和表示针对在所述喷嘴板上所产生的结露的对策的对策信息建立了对应关系的数据组；

接受部，其接受由所述印刷头实施的油墨喷出时的所述温度信息以及所述设定信息；

处理部，其基于所接受到的所述温度信息、所述设定信息和所述学习完毕模型来决定针对所述结露而执行的所述对策。

2.如权利要求1所述的信息处理装置，其特征在于，

所述设定信息包括所述印刷头的所述喷嘴板与所述印刷介质的距离信息、搭载所述印刷头的滑架的移动速度信息、以及使所述印刷介质干燥的加热器的加热器温度信息中的至少一个。

3.如权利要求1或2所述的信息处理装置，其特征在于，

所述数据组包括基于对所述喷嘴板进行拍摄而得到的喷嘴板图像的信息。

4.如权利要求1所述的信息处理装置，其特征在于，

所述数据组包括所述使用环境中的湿度信息。

5.如权利要求1所述的信息处理装置，其特征在于，

所述数据组包括通过对从所述印刷头向所述印刷介质喷出了所述油墨的结果进行拍摄而取得的喷出结果图像信息。

6.如权利要求1所述的信息处理装置，其特征在于，

所述处理部将所述设定信息的变更处理、所述使用环境中的温度或者湿度的调节处理、所述喷嘴板的擦拭处理中的任意一个处理作为所述对策而执行。

7.如权利要求6所述的信息处理装置，其特征在于，

所述处理部作为所述对策而在实施了浸湿所述喷嘴板的控制之后，实施所述擦拭处理。

8.如权利要求1所述的信息处理装置，其特征在于，包括：

所述印刷头；

温度传感器，其被用于所述油墨的喷出控制，且被设置在所述印刷头上，

所述接受部接受基于所述温度传感器而被检测出的所述喷嘴板的所述温度信息。

9.一种信息处理装置，其特征在于，包括：

存储部，其对基于如下数据组而进行机械学习从而得到的学习完毕模型进行存储，所述数据组为，将具有印刷头的印刷装置的使用环境以及所述印刷头的喷嘴板中的至少一方的温度信息、通过所述印刷头而向印刷介质喷出油墨时的设定信息、和表示在所述喷嘴板上所产生的结露的产生状况的结露信息建立了对应关系的数据组；

接受部，其接受由所述印刷头实施的油墨喷出时的所述温度信息以及所述设定信息；

处理部，其基于所接受到的所述温度信息、所述设定信息和所述学习完毕模型来推断所述结露的所述产生状况。

10.如权利要求9所述的信息处理装置，其特征在于，

所述处理部基于所述结露的所述产生状况的推断结果来决定针对所述结露而执行的对策。

11.如权利要求10所述的信息处理装置，其特征在于，

所述处理部将所述设定信息的变更处理、所述使用环境中的温度或者湿度的调节处理、所述喷嘴板的擦拭处理中的任意一个处理作为所述对策而执行。

12.如权利要求9至11中的任意一项所述的信息处理装置，其特征在于，

所述结露信息为，基于对所述喷嘴板进行拍摄而得到的喷嘴板图像的信息。

13.一种学习装置，其特征在于，包括：

取得部，其取得将具有印刷头的印刷装置的使用环境以及所述印刷头的喷嘴板中的至少一方的温度信息、通过所述印刷头而向印刷介质喷出油墨时的设定信息、和表示针对在所述喷嘴板上所产生的结露的对策的对策信息建立了对应关系的数据组；

学习部，其基于所取得的所述数据组而对与所述结露的产生状况相应的对策进行机器学习。

14.一种学习装置，其特征在于，包括：

取得部，其取得将具有印刷头的印刷装置的使用环境以及所述印刷头的喷嘴板中的至少一方的温度信息、通过所述印刷头而向印刷介质喷出油墨时的设定信息、和表示在所述喷嘴板上所产生的结露的产生状况的结露信息建立了对应关系的数据组；

学习部，其基于所取得的所述数据组而对温度信息以及设定信息与所述结露的所述产生状况的关系进行机器学习。

15.一种信息处理方法，其特征在于，

取得基于如下数据组而进行机械学习从而得到的学习完毕模型，其中，所述数据组为，将具有印刷头的印刷装置的使用环境以及所述印刷头的喷嘴板中的至少一方的温度信息、通过所述印刷头而向印刷介质喷出油墨时的设定信息、和表示针对在所述喷嘴板上所产生的结露的对策的对策信息建立了对应关系的数据组，

接受由所述印刷头实施的油墨喷出时的所述温度信息以及所述设定信息，

基于所接受到的所述温度信息、所述设定信息和所述学习完毕模型来决定针对所述结露而执行的所述对策。

16.一种信息处理方法，其特征在于，

取得基于如下数据组而进行机械学习从而得到的学习完毕模型，其中，所述数据组为，将具有印刷头的印刷装置的使用环境以及所述印刷头的喷嘴板中的至少一方的温度信息、通过所述印刷头而向印刷介质喷出油墨时的设定信息、和表示在所述喷嘴板上所产生的结露的产生状况的结露信息建立了对应关系的数据组，

接受由所述印刷头实施的油墨喷出时的所述温度信息以及所述设定信息，

基于所接受到的所述温度信息、所述设定信息和所述学习完毕模型来推断所述结露的所述产生状况。

Images