JP2022038936A - 野菜選別システム及び野菜選別方法 - Google Patents

Abstract

【課題】撮影手段により撮影された画像を解析して野菜を識別する際に、塵埃の発生に伴う野菜の識別精度の低下を抑制可能とする。【解決手段】野菜選別システムは、搬送手段により搬送されている野菜（１２）を上方から撮影可能に構成される撮影ユニット（３４）と、撮影された画像を解析して野菜（１２）を識別する識別手段を備える。撮影ユニット（３４）は、画像の撮影時において、搬送手段の上方から撮影面（５５）が搬送手段に向くように設けられる撮影手段（５４）と、撮影手段（５４）に向けて送風する送風手段（５６）を備える。【選択図】図３

Description

本発明は、野菜選別システム及び野菜選別方法に関する。

従来から、生産ライン上にある加工中又は加工後の食品をカメラなどの撮影手段を用いて撮影し、得られた画像を解析することで当該食品の状態などを認識する食品検査システムが知られている。

例えば、特許文献１には、学習済みの畳み込みニューラルネットワークを用いて、食品に異物が混在しているか否かを識別する検査システムが開示されている。

特許第６５４２４７７号公報

ところで、この類のシステムは、加工後の食品のみならず、加工前の食材にも適用することができる。例えば、野菜を搬送させながら野菜の画像を撮影し、その画像を解析することで野菜を識別するシステムが想定される。この場合、搬送に伴う野菜の移動や振動などにより、野菜の外表に付着した塵埃が舞い上がりやすくなる。例えば、撮影手段の撮影面に塵埃が付着して撮像面が汚れた場合、解析対象の画像の写りが悪化することで、野菜の識別精度が低下するおそれがある。

しかしながら、特許文献１では、厳しい衛生管理が要求される検査工程を想定しているため、上記した塵埃が発生するような状況が何ら考慮されていない。

本発明はこのような課題に鑑みてなされたものであり、その目的は、撮影手段により撮影された画像を解析して野菜を識別する際に、塵埃の発生に伴う野菜の識別精度の低下を抑制可能な野菜選別システム及び野菜選別方法を提供することにある。

上記課題を解決するために、本発明の第一態様における野菜選別システムは、搬送手段により搬送されている野菜を上方から撮影可能に構成される撮影ユニットと、前記撮影ユニットにより撮影された画像を解析して前記野菜を識別する識別手段と、を備え、前記撮影ユニットは、前記画像の撮影時において前記搬送手段の上方から撮影面が前記搬送手段に向くように設けられる撮影手段と、前記撮影手段に向けて送風する送風手段と、を備える。

本発明の第二態様における野菜選別システムでは、前記野菜は、外皮が残っている玉ねぎである。

本発明の第三態様における野菜選別システムでは、前記識別手段は、前記玉ねぎの品種がスマイルボール（登録商標）であるか否か、又はさらさらレッド（登録商標）であるか否かを識別する。

本発明の第四態様における野菜選別システムでは、前記送風手段は、前記撮影手段の上方に設けられ、前記撮影手段の上方から下方に向けて送風する。

本発明の第五態様における野菜選別システムでは、前記撮影ユニットは、遮光性材料からなり、かつ前記撮影手段の周囲を覆うカバー部材と、前記カバー部材がなす空間内に設けられて照明光を発する照明手段と、をさらに備える。

本発明の第六態様における野菜選別システムでは、前記送風手段は、前記カバー部材の外部から内部に空気を引き込んで気流を生成するファンと、前記ファンの位置に対して気流の上流側に設けられるエアフィルタと、を備える、

本発明の第七態様における野菜選別システムでは、前記搬送手段は、前記野菜を個々に載置可能なトレイを搬送方向に搬送し、複数の野菜を投入可能であり、投入された野菜を落下させて前記トレイに前記野菜を案内する案内手段をさらに備える、

本発明の第八態様における野菜選別システムでは、前記識別手段は、前記画像を入力とし、前記画像の認識結果を出力とするニューラルネットワークを構築可能に構成されるコンピュータである。

本発明の第九態様における野菜選別方法は、搬送手段を用いて野菜を搬送する搬送工程と、前記搬送手段により搬送されている前記野菜を、撮影手段を用いて上方から撮影する撮影工程と、撮影された画像を解析して前記野菜を識別する識別工程と、を備え、前記撮影工程は、前記搬送手段の上方から撮影面が前記搬送手段に向くように前記撮影手段が設けられ、かつ、前記撮影手段に向けて送風させながら実行される。

本発明によれば、撮影手段により撮影された画像を解析して野菜を識別する際に、塵埃の発生に伴う野菜の識別精度の低下が抑制される。

本発明の一実施形態における野菜選別システムの全体構成図である。 図１に示す野菜選別システムの要部ブロック図である。 図１及び図２に示す撮影ユニットの模式的な側面図である。 図１及び図２の画像解析装置により構築されるニューラルネットワークの機能ブロック図である。 図１の画像解析システムによる動作の一例を示すフローチャートである。 送風機の送風動作による効果を示す図である。 図３のカメラにより撮影された画像の一例を示す図である。 図１の搬送装置による動作の一例を示すフローチャートである。 変形例におけるカバー部材の部分側面図である。

以下、添付図面を参照しながら本発明の実施形態について説明する。説明の理解を容易にするため、各図面において同一の構成要素及びステップに対しては可能な限り同一の符号を付して、重複する説明は省略する。

［全体構成］
図１は、本発明の一実施形態における野菜選別システム１０の全体構成図である。図２は、図１に示す野菜選別システム１０の要部ブロック図である。なお、図示の便宜上、図２は、１組のトレイ２０及びアクチュエータ２２のみを示している。

この野菜選別システム１０は、食材としての野菜、例えば、玉ねぎ１２を選別可能に構成される。玉ねぎ１２には、［１］カット時に目に染みず、生で食べても辛みを感じない「スマイルボール」（登録商標）という品種や、［２］ケルセチンとアントシアニンが多く含まれ、健康効果が期待される「さらさらレッド」（登録商標）という品種がある。通常は、これらの特定の品種とそれ以外の品種が混在しないように管理される。ところが、何らかの理由で、見た目が似通った複数の品種が混在してしまうと、人手による仕分け作業に手間や工数が掛かってしまう。また、普通の玉ねぎが混じったまま流通してしまうと、品質上の問題になり得る。

そこで、カメラ５４を含む撮影手段を用いて玉ねぎ１２を撮影し、得られた画像を解析する機能が追加されたシステムを導入する。具体的には、この野菜選別システム１０は、玉ねぎ１２を搬送しながら選別する搬送装置１４（「搬送手段」に相当）に、画像解析システム１６を組み込んで構成される。

搬送装置１４は、投入器１８（「案内手段」に相当）と、複数のトレイ２０を搬送する搬送チェーン２４と、複数のシュート２６と、通信モジュール２８と、制御装置３０（「仕分手段」に相当）と、を含んで構成される。

投入器１８は、選別対象の玉ねぎ１２を投入可能に構成される。投入された玉ねぎ１２は、１個ずつ、トレイ２０に向けて案内される。具体的には、投入器１８には、玉ねぎ１２の１個分の大きさ又は２個分の大きさ程度の開口部が設けられており、当該開口部からトレイ２０に向かって１個ずつ玉ねぎ１２が落下させて案内するようになっている。

各々のトレイ２０は、上側が開口して玉ねぎ１２を個々に載置（あるいは収容）可能な、平面視にて矩形状の容器である。トレイ２０は、玉ねぎ１２の保持面をなす凹部と、この凹部を囲む逆Ｕ字状の壁部と、を有する。トレイ２０は、制御装置３０による駆動制御に従って駆動するアクチュエータ２２を介して、搬送チェーン２４に機械的に接続される。つまり、トレイ２０は、アクチュエータ２２の駆動によって倒せるように設けられる。

搬送チェーン２４は、制御装置３０による駆動制御に従って、搬送方向Ｃに沿って回転する無端状のチェーンである。搬送チェーン２４には、略等間隔で複数のアクチュエータ２２が取り付けられている。つまり、搬送チェーン２４は、複数のトレイ２０を同時に、搬送方向Ｃに沿って移動可能に設けられる。なお、搬送チェーン２４の移動速度（すなわち、搬送速度）は、例えば、数十～数百［ｍｍ／ｓ］の範囲内において様々な値に設定され得る。

複数のシュート２６は、投入器１８の下流側の位置（以下、「仕分位置」）に、搬送チェーン２４の外周に沿って並んで配置される。シュート２６は、トレイ２０の前傾動作により放出された玉ねぎ１２を所望の場所に案内する機能を果たす。これにより、玉ねぎ１２は、例えば、スマイルボール（登録商標）かそれ以外（非該当品や不良品など）に仕分けされる。

通信モジュール２８は、有線又は無線により外部装置と通信するための機器である。これにより、搬送装置１４は、玉ねぎ１２の識別結果を含む制御信号を画像解析装置３６から受信可能である。

制御装置３０は、搬送装置１４を構成する各部を統括的に制御するコンピュータである。具体的には、制御装置３０は、［１］搬送チェーン２４の駆動制御、［２］通信モジュール２８の通信制御、及び［３］アクチュエータ２２の駆動制御、を実行可能に構成される。また、制御装置３０は、画像解析装置３６による識別結果に応じて玉ねぎ１２を仕分ける仕分処理を行う。

一方、画像解析システム１６は、撮影ユニット３４と、画像解析装置３６（「識別手段」に相当）と、を含んで構成される。撮影ユニット３４は、投入器１８からシュート２６までの搬送区間内のいずれかの位置に設けられる。画像解析装置３６は、撮影ユニット３４と通信可能な範囲内にある任意の場所に設けられる。

図３は、図１及び図２に示す撮影ユニット３４の模式的な側面図である。本図では、搬送方向Ｃ（図１）の上流側から下流側を視た場合の撮影ユニット３４の内部構造を示している。また、本図では、搬送装置１４と撮影ユニット３４の間の相対的位置関係を明示するため、トレイ２０上にある玉ねぎ１２を併せて表記している。

撮影ユニット３４は、支持台５０と、照明器５２（「照明手段」に相当）と、カメラ５４（「撮像手段」に相当）と、送風機５６（「送風手段」に相当）と、暗幕５８（「カバー部材」に相当）と、を含んで構成される。

支持台５０は、概略直方体状のフレーム構造を有する。このフレーム構造により、下側から順に、照明器５２、カメラ５４及び送風機５６が一直線上に固定配置される。

照明器５２は、カメラ５４による撮影を補助する照明光を発する器具である。照明器５２には、下側に向けて露出する環状の照明灯（以下、リング照明５３）が設けられている。リング照明５３の種類として、例えば、短時間のストロボ発光が可能なＬＥＤ（Light Emitting Diode）などが挙げられる。

カメラ５４は、被写体の画像を撮影する光学機器であり、撮影面５５が下方を向くように配置される。これにより、カメラ５４は、搬送チェーン２４によりトレイ２０と一緒に搬送されている玉ねぎ１２を撮影可能である。

送風機５６は、空気に運動エネルギーを与えて送り出す装置であり、下方に向けて送風するように配置される。具体的には、送風機５６は、暗幕５８の外部から内部に空気を引き込んで気流を生成するファン５６ａと、ファン５６ａの位置に対して気流の上流側に設けられるエアフィルタ５６ｂと、を含んで構成される。ここで、ファン５６ａの送風方式は、軸流式あるいは遠心式のいずれであってもよい。

暗幕５８は、外部の環境光を遮断するための部材であり、例えば、黒色の布を含む遮光性材料からなる。この材料は、ある程度の気密性を確保できればよく、布に限られない。暗幕５８は、その下端がトレイ２０の高さ位置よりも下方に位置するように設けられる。なお、リング照明５３の光像が写り込まないように、暗幕５８の内側には、照明光の散乱を促すような加工が施されてもよい。

図２に戻って、画像解析装置３６は、プロセッサ、メモリや通信Ｉ／Ｆ（いずれも不図示）を含むコンピュータから構成される。画像解析装置３６は、画像解析用プログラム及び学習パラメータ群をメモリから読み出して実行することで、ニューラルネットワーク７０を構築可能に構成される。このプログラムは、例えば、市販のディープラーニングソフトウェアであってもよい。なお、学習パラメータ群は、ニューラルネットワーク７０の演算規則を特定可能なパラメータの集合体であり、少なくとも一部が機械学習を通じて定められる。

図４は、図２の画像解析装置３６により構築されるニューラルネットワーク７０の機能ブロック図である。このニューラルネットワーク７０は、玉ねぎ１２が写り込んだ画像８０（図７）を示す画像データを入力とし、玉ねぎ１２の確率分布を出力する学習モデルに相当する。この学習モデルは、画像８０を認識してクラス分類を行う「画像認識モデル」であってもよいし、物体の有無・種類及びその位置を検出する「物体検出モデル」であってもよい。

ここでは、画像認識モデルを例に挙げて説明する。画像認識モデルの例として、ＡｌｅｘＮｅｔ、ＶＧＧ１６、ＲｅｓＮｅｔ、ＲｅｓＮｅＸｔなどが挙げられる。この場合、ニューラルネットワーク７０は、特徴量生成部７１及び種別推定部７２として機能する。

特徴量生成部７１は、画像データに対して畳み込み演算及びプーリング演算（いわゆるＣＮＮ演算）を繰り返して実行することで、画像８０の形態的特徴を示す特徴マップをチャンネル毎に生成する。

種別推定部７２は、チャンネル毎の特徴マップを用いて、玉ねぎ１２の有無及び種別を推定して識別結果を出力する。識別結果を示すラベル値は、例えば、［１］スマイルボール（登録商標）に該当、［２］非該当、［３］２個乗り、［４］なし、の４種類である。

［野菜選別システム１０の動作］
この実施形態における野菜選別システム１０は、以上のように構成される。続いて、野菜選別システム１０の動作について、図５～図８を参照しながら説明する。ここでは、玉ねぎ１２の選別は、搬送装置１４及び画像解析システム１６の協働により行われる。

図５は、図１の画像解析システム１６による動作の一例を示すフローチャートである。以下、搬送装置１４が稼働中であり、玉ねぎ１２を収容したトレイ２０が撮影ユニット３４内を逐次通過する場合を想定する。

ステップＳＰ１０において、撮影ユニット３４の照明器５２及び送風機５６の電源をオンにして、それぞれ利用可能な状態にする。このスイッチ動作は、作業者により手動で行われてもよいし、図示しないセンサによって搬送装置１４の作動を検知したことを契機として自動で行われてもよい。

ステップＳＰ１２において、撮影ユニット３４のカメラ５４は、画像８０の撮影を開始する時点（以下、撮影開始時点）が到来したか否かを確認する。この撮影開始時点は、例えば、図示しないセンサが１個のトレイ２０を検出し、当該トレイ２０がカメラ５４の撮影領域内に収まる位置に到達した時点に相当する。撮影開始時点がまだ到来していない場合（ステップＳＰ１２：ＮＯ）、当該時点が到来するまでステップＳＰ１２に留まる。一方、撮影開始時点が到来した場合（ステップＳＰ１２：ＹＥＳ）、次のステップＳＰ１４に進む。

ステップＳＰ１４において、カメラ５４は、ステップＳＰ１２で到来した撮影開始時点に、搬送チェーン２４によりトレイ２０と一緒に搬送されている玉ねぎ１２を上方から撮影する。また、カメラ５４の撮影タイミングと同期しながら、照明器５２は、玉ねぎ１２がある下方に向けてストロボ発光を行う。ここで、トレイ２０の移動に起因する画像８０のブレが無いか軽微になるように、撮影条件及び照明条件の最適化設計がなされることが望ましい。例えば、トレイ２０の搬送速度が３３３［ｍｍ／ｓ］、カメラ５４の露光時間が１．５［ｍｓ］である場合、画像８０のブレは０．５［ｍｍ］となる。

図６は、送風機５６の送風動作による効果を示す図である。本図は、図３の場合と同一の構成であるが、説明の便宜上、撮影ユニット３４の要部（ここでは、カメラ５４及び暗幕５８のみ）を模式的に示している。

トレイ２０への収容時に玉ねぎ１２が移動し、あるいはトレイ２０の搬送時に玉ねぎ１２が振動すると、玉ねぎ１２の周辺から塵埃ＤＳが舞い上がりやすくなる。塵埃ＤＳの一部は、空間６０内を浮遊しながら、カメラ５４の撮影面５５に向かって移動する。一方、送風機５６の作動中は、カメラ５４の上方から光軸Ａに沿って、つまり、塵埃ＤＳが上昇する方向と対向するように送風される。そうすると、カメラ５４の撮影面５５に向う塵埃ＤＳは、送風の作用によって撮影面５５から遠ざかる方向に逸れていく。特に、暗幕５８の下端がトレイ２０の高さ位置よりも下方にあるので、暗幕５８の案内によって、送風機５６からの送風が玉ねぎ１２の高さ位置まで伝わりやすくなる。

また、遮光性材料からなる暗幕５８を設けることで、外部の環境光の影響を受けることなく、撮影時の照明条件を一定に近づけることができる。その反面、既に空間６０内にある塵埃ＤＳが暗幕５８によって閉じ込められる可能性があるが、上記した送風機５６と併用することで、暗幕５８による弊害を取り除くことができる。

なお、送風機５６には、ファン５６ａの位置に対して気流の上流側（本図の例では、上側）にエアフィルタ５６ｂが設けられるので、ファン５６ａの送風動作の際に、暗幕５８の周囲にて浮遊する塵埃ＤＳが、暗幕５８がなす空間６０内に導入されることを阻止できる。これにより、塵埃ＤＳが除去された空気が、暗幕５８がなす空間６０内に供給され続けることになる。

図７は、図３のカメラ５４により撮影された画像８０の一例を示す図である。画像８０の前景領域８２には、識別対象である玉ねぎ１２の投影像が形成される。一方、残りの画像領域である背景領域８４には、玉ねぎ１２を除く物体（例えば、トレイ２０）の投影像が形成される。

そして、撮影ユニット３４（具体的には、カメラ５４及び／又はそのコントローラ）は、画像８０を撮影した後、画像８０を示す画像データをトレイ２０のＩＤ情報と併せて画像解析装置３６に送信する。これにより、画像データは、画像解析装置３６により取得される。

ステップＳＰ１６において、画像解析装置３６は、ステップＳＰ１４で撮影された画像８０の解析処理を行う。具体的には、ニューラルネットワーク７０は、画像データを入力し、ラベル毎の確率の集合体である確率分布を出力する。そして、所与のラベル群（例えば、該当／非該当／２個乗り／なし）のうち、確率が最大となるラベルが、玉ねぎ１２の識別結果として選択される。

ステップＳＰ１８において、画像解析装置３６は、ステップＳＰ１６で得られた玉ねぎ１２の識別結果を搬送装置１４に向けて出力する。具体的には、画像解析装置３６は、識別結果としてのラベル情報を含む制御信号を制御装置３０に送信する。以下、ステップＳＰ１２に戻って、図５のステップＳＰ１２～ＳＰ１８を順次繰り返す。

図８は、図１の搬送装置１４による動作の一例を示すフローチャートである。以下、搬送装置１４が稼働中であり、玉ねぎ１２を収容したトレイ２０が搬送されている場合を想定する。

ステップＳＰ２２において、制御装置３０は、ステップＳＰ１８で識別された玉ねぎ１２を収容するトレイ２０（以下、該当トレイ）を監視対象に設定する。

ステップＳＰ２４において、制御装置３０は、図５のステップＳＰ１８にて画像解析装置３６が送信した識別結果を取得したか否かを確認する。制御装置３０が識別結果をまだ取得していない場合（ステップＳＰ２４：ＮＯ）、当該結果を取得するまでステップＳＰ２４に留まる。一方、識別結果を取得した場合（ステップＳＰ２４：ＹＥＳ）、次のステップＳＰ２６に進む。

ステップＳＰ２６において、制御装置３０は、該当トレイの駆動を開始する時点（以下、駆動開始時点）を設定する。この設定に先立ち、制御装置３０は、ステップＳＰ２４で取得された識別結果に応じて玉ねぎ１２の仕分けを行う。例えば、識別結果が「該当」である場合、玉ねぎ１２が「スマイルボール」（登録商標）であると仕分けされる。一方、識別結果が「該当」以外である場合、玉ねぎ１２が「スマイルボール」（登録商標）でないと仕分けされる。そして、制御装置３０は、該当トレイが対応する仕分位置に到達する時点を、駆動開始時点として設定する。

ステップＳＰ２８において、制御装置３０は、駆動開始時点が到来したか否かを確認する。駆動開始時点がまだ到来していない場合（ステップＳＰ２８：ＮＯ）、当該時点が到来するまでステップＳＰ２８に留まる。一方、駆動開始時点が到来した場合（ステップＳＰ２８：ＹＥＳ）、次のステップＳＰ３０に進む。

ステップＳＰ３０において、制御装置３０は、ステップＳＰ２８で到来した駆動開始時点から、該当トレイのアクチュエータ２２に対して一連の駆動制御を行う。この駆動制御に伴って、該当トレイは、水平位置から一時的に前方に傾いた後、初期の水平位置に戻る。これにより、該当トレイ上の玉ねぎ１２は、所望のシュート２６に案内される。

ステップＳＰ３２において、制御装置３０は、ステップＳＰ３０で一連の動作を終了した該当トレイを監視対象から除外する。このようにして、１個のトレイ２０に対するフローチャートの動作を終了する。以下、搬送装置１４は、図８のフローチャートを繰り返すことで、トレイ２０毎の選果動作を連続的に実行する。

［野菜選別システム１０による効果］
以上のように、野菜選別システム１０は、搬送手段により搬送されている野菜を上方から撮影可能に構成される撮影ユニット３４と、撮影ユニット３４により撮影された画像８０を解析して野菜を識別する識別手段と、を備える。そして、撮影ユニット３４は、撮影時においてトレイ２０の上方から撮影面５５が搬送手段に向くように設けられるカメラ５４と、カメラ５４に向けて送風する送風機５６と、を備える。

また、野菜選別システム１０を用いた野菜選別方法によれば、搬送手段を用いて野菜を搬送する搬送工程と、搬送されている野菜を、カメラ５４を用いて上方から撮影する撮影工程（ＳＰ１４）と、撮影された画像８０を解析して野菜を識別する識別工程（ＳＰ１６）と、を備える。そして、この撮影工程は、搬送手段の上方から撮影面５５が搬送手段に向くようにカメラ５４が設けられ、かつ、カメラ５４に向けて送風させながら実行される。

搬送に伴う野菜の移動や振動などにより、野菜の外表に付着した塵埃ＤＳが舞い上がりやすくなる。そこで、カメラ５４に向けて送風する送風機５６を設けることで、塵埃ＤＳが上昇する方向に対向又は交差するように送風される。これにより、カメラ５４の撮影面５５や照射野から塵埃ＤＳを除去可能となり、塵埃ＤＳの発生に伴う野菜の識別精度の低下が抑制される。また、カメラ５４の撮影面５５及び野菜選別システム１０が照明器５２を備える場合において、照明器５２の照射面への塵埃ＤＳの付着を防ぐことが可能となり、照明光の明るさや画像８０の写りの経時変化を抑制する追加的な効果もある。

特に、野菜が、外皮が残っている玉ねぎ１２である場合、上記した抑制効果がより顕著に現われる。なぜならば、外皮が残っている状態では、外皮に付着した土や外皮自体の剥がれによって、塵埃ＤＳが生じやすいからである。また、概略球体状の玉ねぎ１２はトレイ２０上で転動しやすく、その分だけ塵埃ＤＳを巻き上げやすいという理由もある。

さらに、識別手段が、玉ねぎ１２の品種がスマイルボール（登録商標）であるか否か、あるいは、さらさらレッド（登録商標）であるか否かを識別する場合、上記した抑制効果がより顕著に現われる。なぜならば、当該品種と通常の品種とは外観がきわめて似通っており、両者を認識するには高画質の画像８０が要求されるからである。

また、送風機５６は、カメラ５４の上方に設けられ、カメラ５４の上方から下方に向けて送風してよい。これにより、カメラ５４の画像８０に送風機５６が写り込まずに、しかも塵埃ＤＳが上昇する方向に対向するように送風される。

また、撮影ユニット３４は、遮光性材料からなり、かつカメラ５４の周囲を覆う暗幕５８と、暗幕５８がなす空間６０内に設けられて照明光を発する照明器５２と、をさらに備えてもよい。これにより、外部の環境光の影響を受けることなく、撮影時の照明条件を一定に近づけることができ、その結果、野菜の識別精度の低下がさらに抑制される。

特に、野菜が、外皮が残っている玉ねぎ１２である場合、上記した抑制効果がより顕著に現われる。なぜならば、外皮が残っている状態では、外部の環境光の変動によって、玉ねぎ１２の種別毎の特徴となる光沢や色合いが変動しやすいからである。その反面、既に空間６０内にある塵埃ＤＳが暗幕５８によって閉じ込められる可能性があるが、上記した送風機５６と併用することで、暗幕５８による弊害を取り除くことができる。

また、送風機５６は、暗幕５８の外部から内部に空気を引き込んで気流を生成するファン５６ａと、ファン５６ａの位置に対して気流の上流側に設けられるエアフィルタ５６ｂと、を備えてもよい。これにより、ファン５６ａの送風動作の際に、暗幕５８の周囲にて浮遊する塵埃ＤＳが、暗幕５８がなす空間６０内に導入されることを阻止できる。

また、搬送手段が、野菜を個々に載置可能なトレイ２０を搬送方向Ｃに搬送する搬送装置１４である場合、野菜選別システム１０は、複数の野菜を投入可能であり、投入された野菜を落下させてトレイ２０に野菜を案内する投入器１８をさらに備えてもよい。野菜の落下に伴い塵埃ＤＳが発生しやすくなるので、その分だけ上記した抑制効果がより顕著に現われる。

また、識別手段は、画像８０を入力とし、画像８０の認識結果を出力とするニューラルネットワーク７０を構築可能に構成されるコンピュータ（つまり、画像解析装置３６）であってもよい。

［変形例］
なお、本発明は上記の具体例に限定されるものではない。すなわち、上記の具体例に、当業者が適宜設計変更を加えたものも、本発明の特徴を備えている限り、本発明の範囲に包含される。また、前述した実施形態及び後述する変形例が備える各要素は、技術的に可能な限りにおいて組み合わせることができ、これらを組み合わせたものも本発明の特徴を含む限り本発明の範囲に包含される。

＜カバー部材の改良例＞
図９は、変形例におけるカバー部材９０の部分側面図である。本図では、搬送方向Ｃ（図１）の上流側から下流側、あるいは下流側から上流側を視た場合のカバー部材９０の外部構造を示している。このカバー部材９０は、カバー本体９２と、切欠部９４と、複数枚（本図の例では、６枚）の切片部材９６と、を含んで構成される。

カバー本体９２は、外部の環境光を遮断するための部材であり、暗幕５８（図３）と同一の又は異なる遮光性材料からなる。カバー本体９２の中央下部には、概略矩形状の切欠部９４が設けられる。カバー本体９２は、使用時に、その切欠部９４が玉ねぎ１２の搬送経路上に位置するように設置される。

各々の切片部材９６は、可撓性を有する短冊状の部材である。切片部材９６は、カバー本体９２の上下方向に延びており、その一端部のみが、切欠部９４よりも上方にてカバー本体９２に固定される。複数枚の切片部材９６は、幅方向に沿って部分的に重なるように並んで配置される。これにより、切欠部９４の全体を覆うカーテンが形成される。

このように構成することで、カバー部材９０の遮光性及び気密性をより高めることができる。なぜならば、玉ねぎ１２の出入りの際に、切片部材９６が玉ねぎ１２の外形にならって変形することで、カバー部材９０の隙間が小さくなるからである。

＜その他の構成＞
上記した実施形態では、玉ねぎ１２を選別する例を説明したが、これに代えて、ジャガイモ、キャベツ、スイカなどの様々な野菜を選別対象としてもよい。なぜならば、収穫後の野菜には土などの異物が付着しており、選別時に塵埃ＤＳが発生しやすいからである。

上記した実施形態では、ニューラルネットワーク７０が４種類のラベルに関する確率分布を出力する例を説明したが、ラベルの数や定義はこれに限られない。例えば、ラベルの数が２又は３種類、あるいは５種類以上であってもよい。また、ラベルの定義として、野菜のサイズ（例えば、Ｓ／Ｍ／Ｌサイズ）が含まれてもよい。

上記した実施形態では、カメラ５４と送風機５６が同軸的に配置されているが、相対的位置関係がこれに限られない。例えば、送風機５６は、その送風方向が光軸Ａに対して所定範囲内（概ね、±２０度以内）で傾斜するように配置されてもよい。

上記した実施形態では、トレイ２０を用いて野菜を搬送しているが、これに代えて搬送ベルトを含む様々な搬送手段が用いられてもよい。また、上記した実施形態では、１枚の画像８０につき１個の野菜が撮影されているが、２個以上の野菜が同時に撮影されてもよい。この場合には、ニューラルネットワークの学習モデルとして、ＹＯＬＯ（You Only Look Once）、ＳＳＤ（Single Shot multiBox Detector）を含む物体検出モデルが採用され得る。

上記した実施形態では、制御装置３０が画像解析装置３６による識別結果に応じて野菜を仕分けているが、野菜の仕分方法はこれに限られない。例えば、画像解析装置３６は、上記した識別結果及び重量の計測結果の組み合わせに応じて野菜を仕分けてもよい。例えば、識別結果が「該当」である場合、制御装置３０は、重量に応じた仕分け（サイズＳ／Ｍ／Ｌ）を行う。また、識別結果が「非該当」である場合、制御装置３０は、重量にかかわらず「その他」に仕分けを行う。また、識別結果が「２個乗り」である場合、制御装置３０は、重量にかかわらず「その他」に仕分けを行う。また、計測結果と識別結果が整合しない場合、制御装置３０は、識別結果又は計測結果のうちいずれか一方を優先して仕分けを行う。

上記した実施形態では、制御装置３０と画像解析装置３６が別々の装置である例を説明したが、これに代えて一体の装置で構成されてもよい。この場合、画像解析装置３６を設けない代わりに、制御装置３０に画像解析機能を付与すればよい。

上記した実施形態では、送風機５６を備える撮影ユニット３４を例に挙げて説明したが、送風手段の設置はこの態様に限られない。例えば、送風手段は、生産工場内に設置された空気調和装置であってもよい。この場合、空気調和装置は、カバー部材との隙間を作らないように、図示しないダクトを介して撮影ユニットに接続される。

上記した実施形態では、エアフィルタ５６ｂを備える送風機５６を例に挙げて説明したが、エアフィルタの設置はこの態様に限られない。例えば、エアフィルタは、送風機５６の外部に設けられてもよいし、部屋自体にエアフィルタが設けられたクリーンルーム内の使用であれば省略されてもよい。

１０…野菜選別システム、１２…玉ねぎ（野菜）、１４…搬送装置（搬送手段）、２０…トレイ、３４…撮影ユニット、３６…画像解析装置（識別手段）、５４…カメラ（撮影手段）、５５…撮影面、５６…送風機（送風手段）

Claims (9)

1. 搬送手段により搬送されている野菜を上方から撮影可能に構成される撮影ユニットと、
   前記撮影ユニットにより撮影された画像を解析して前記野菜を識別する識別手段と、
   を備え、
   前記撮影ユニットは、
   前記画像の撮影時において前記搬送手段の上方から撮影面が前記搬送手段に向くように設けられる撮影手段と、
   前記撮影手段に向けて送風する送風手段と、
   を備える、野菜選別システム。
2. 前記野菜は、外皮が残っている玉ねぎである、
   請求項１に記載の野菜選別システム。
3. 前記識別手段は、前記玉ねぎの品種がスマイルボール（登録商標）であるか否か、又はさらさらレッド（登録商標）であるか否かを識別する、
   請求項２に記載の野菜選別システム。
4. 前記送風手段は、前記撮影手段の上方に設けられ、前記撮影手段の上方から下方に向けて送風する、
   請求項１～３のいずれか１項に記載の野菜選別システム。
5. 前記撮影ユニットは、
   遮光性材料からなり、かつ前記撮影手段の周囲を覆うカバー部材と、
   前記カバー部材がなす空間内に設けられて照明光を発する照明手段と、
   をさらに備える、
   請求項４に記載の野菜選別システム。
6. 前記送風手段は、
   前記カバー部材の外部から内部に空気を引き込んで気流を生成するファンと、
   前記ファンの位置に対して気流の上流側に設けられるエアフィルタと、
   を備える、
   請求項５に記載の野菜選別システム。
7. 前記搬送手段は、前記野菜を個々に載置可能なトレイを搬送方向に搬送し、
   複数の野菜を投入可能であり、投入された野菜を落下させて前記トレイに前記野菜を案内する案内手段をさらに備える、
   請求項１～６のいずれか１項に記載の野菜選別システム。
8. 前記識別手段は、前記画像を入力とし、前記画像の認識結果を出力とするニューラルネットワークを構築可能に構成されるコンピュータである、
   請求項１～７のいずれか１項に記載の野菜選別システム。
9. 搬送手段を用いて野菜を搬送する搬送工程と、
   前記搬送手段により搬送されている前記野菜を、撮影手段を用いて上方から撮影する撮影工程と、
   撮影された画像を解析して前記野菜を識別する識別工程と、
   を備え、
   前記撮影工程は、前記搬送手段の上方から撮影面が前記搬送手段に向くように前記撮影手段が設けられ、かつ、前記撮影手段に向けて送風させながら実行される、野菜選別方法。
   
   
   

Images