JP2023127804A - 体積推定装置および体積推定方法 - Google Patents
体積推定装置および体積推定方法 Download PDFInfo
- Publication number
- JP2023127804A JP2023127804A JP2022031712A JP2022031712A JP2023127804A JP 2023127804 A JP2023127804 A JP 2023127804A JP 2022031712 A JP2022031712 A JP 2022031712A JP 2022031712 A JP2022031712 A JP 2022031712A JP 2023127804 A JP2023127804 A JP 2023127804A
- Authority
- JP
- Japan
- Prior art keywords
- wastes
- volume
- image data
- type
- waste
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000002699 waste material Substances 0.000 claims abstract description 204
- 239000010812 mixed waste Substances 0.000 description 22
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 6
- 239000002023 wood Substances 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 229920003023 plastic Polymers 0.000 description 3
- 239000004033 plastic Substances 0.000 description 3
- 238000011179 visual inspection Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- BZHJMEDXRYGGRV-UHFFFAOYSA-N Vinyl chloride Chemical compound ClC=C BZHJMEDXRYGGRV-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000002440 industrial waste Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
Images
Abstract
【課題】複数の廃棄物の種類および体積を高い精度で安定して推定することができる体積推定装置および体積推定方法を提供する。【解決手段】体積推定システム1の制御装置40は、カメラ20によって撮影された複数の廃棄物Wの画像データに基づいて複数の廃棄物Wを識別する。制御装置40は、複数の廃棄物Wのそれぞれについて画像データに基づいて種類を推定する。制御装置40は、複数の廃棄物Wのそれぞれについて画像データに基づいて体積を推定する。制御装置40は、複数の廃棄物Wについて種類毎に体積の合計値を算出する。そして、制御装置40は、算出した合計値をタブレット端末50に出力する。タブレット端末50は、廃棄物Wの種類毎に体積の合計値を表示する。【選択図】図4
Description
本発明は、廃棄物の体積を推定する体積推定装置および体積推定方法に関する。
近年、資源の有効活用の観点から、廃棄物をリサイクル可能な資源として再利用することが求められている。建築廃材などの種類の異なる廃棄物が混在した混合廃棄物は、種類毎に廃棄物を選別して、再利用しやすいように破砕処理することで価値ある資源として蘇る。混合廃棄物は、処理場において選別処理および破砕処理が行われる。処理場では、運び込まれた混合廃棄物の量が推定される。
特許文献1は、廃棄物の体積を推定する従来の体積推定システムを開示している。この体積推定システムは、廃棄物が載せられるトラックの荷台上の三次元空間を撮影する深度カメラから画素毎に奥行き情報を含む深度画像データを取得する。体積推定システムは、荷台に廃棄物が載せられていない空荷状態の深度画像データの画素の奥行き情報に基づいて、深度カメラから当該画素に対応する領域までの距離を空荷時距離として取得する。体積推定システムは、荷台に廃棄物が載せられている稼働状態の深度画像データの画素の奥行き情報に基づいて、深度カメラから当該画素に対応する領域までの距離を稼働時距離として取得する。そして、体積推定システムは、空荷時距離と稼働時距離とに基づいて荷台上の廃棄物の体積を推定する。
混合廃棄物の排出事業者は、処理事業者に混合廃棄物の処理を委託する。このとき、排出事業者は、混合廃棄物に含まれる廃棄物の種類および量を記入した産業廃棄物管理票(以下、「マニフェスト」という。)を作成する。そして、処理事業者は、処理を委託された混合廃棄物を処理場に運び込み、混合廃棄物に含まれる廃棄物の種類および量がマニフェストに記入されたものと一致しているか確認する。
上述した体積推定システムは、混合廃棄物がトラックで廃棄物処理場に運び込まれる際に、トラックの荷台に載せられた混合廃棄物全体の体積を推定することができる。しかしながら、体積推定システムは、混合廃棄物に複数種類の廃棄物が含まれている場合に廃棄物の種類毎に体積を推定することができない。そのため、図8に示すように、処理事業者の作業者が、廃棄物処理場の床に混合廃棄物を広げて、目視により、混合廃棄物に含まれている複数の廃棄物の種類および体積を推定し、マニフェストと一致しているか否かを確認する必要があった。そのため、確認に手間がかかるとともに、確認の精度が作業者の経験に依存することがあった。
そこで、本発明は、複数の廃棄物の種類および体積を高い精度で安定して推定することができる体積推定装置および体積推定方法を提供することを目的とする。
上記目的を達成するため、本発明の一態様に係る体積推定装置は、撮影装置によって撮影された複数の廃棄物の画像データに基づいて前記複数の廃棄物を識別する識別部と、前記複数の廃棄物のそれぞれについて前記画像データに基づいて種類を推定する種類推定部と、前記複数の廃棄物のそれぞれについて前記画像データに基づいて体積を推定する体積推定部と、前記複数の廃棄物について前記種類毎に前記体積の合計値を算出する合計部と、前記合計値を出力する出力部と、を有することを特徴とする。
本発明によれば、作業者の目視によることなく、画像認識によって廃棄物の種類および体積を推定し、種類毎に体積の合計値を算出することができる。そのため、複数の廃棄物の種類および体積を高い精度で安定して推定することができる。
本発明において、前記撮影装置が、前記複数の廃棄物が置かれる載置面の上方に配置された深度カメラを含み、前記画像データが、前記深度カメラによって撮影された、画素毎に奥行き情報を含む深度画像データを含み、前記体積推定部が、前記複数の廃棄物のそれぞれについて前記深度画像データに基づいて前記体積を推定する、ことが好ましい。このようにすることで、複数の廃棄物のそれぞれの体積をより高い精度で推定することができる。
本発明において、前記撮影装置が、前記複数の廃棄物が置かれる載置面の上方を移動可能な移動カメラを含み、前記体積推定部が、前記複数の廃棄物のそれぞれについて、第1の位置にある前記移動カメラによって撮影された前記画像データと、前記第1の位置とは異なる第2の位置にある前記移動カメラによって撮影された前記画像データと、に基づいて前記体積を推定する、ことが好ましい。このようにすることで、複数の廃棄物のそれぞれの体積を視差に基づいて推定することができる。移動カメラによって互いに異なる複数の位置において撮影された複数の画像データを用いることで、複数の廃棄物のそれぞれの体積をより高い精度で推定することができる。
本発明において、前記撮影装置が、前記複数の廃棄物が置かれる載置面の上方を移動可能な移動カメラを含み、前記種類推定部が、前記複数の廃棄物のそれぞれについて、前記移動カメラによって撮影された前記画像データに基づいて種類を推定する、ことが好ましい。このようにすることで、例えば、複数の廃棄物の搬入時は作業に影響のないように移動カメラを上方に移動し、撮影時は移動カメラを複数の廃棄物に近づけて撮影することができる。移動カメラを横方向に移動させてもよい。そのため、作業性を向上できるとともに、複数の廃棄物のそれぞれの種類をより高い精度で推定することができる。
本発明において、前記移動カメラが、前記載置面の上方を飛行可能なドローンに搭載されたカメラである、ことが好ましい。このようにすることで、例えば、カメラを移動させるクレーンなどを設置する必要がなくなり、簡易な構成でカメラを移動させることができる。
本発明において、前記出力部が、前記種類が推定された前記複数の廃棄物にあらかじめ指定された種類以外の種類(以下、「指定外種類」という。)の廃棄物が含まれていたとき、前記複数の廃棄物に前記指定外種類の廃棄物が含まれる旨の報知情報を出力する、ことが好ましい。このようにすることで、例えば、マニフェストに基づいて複数の廃棄物に含まれることが予想される廃棄物の種類をあらかじめ指定しておくことで、複数の廃棄物に予想していない種類(指定外種類)の廃棄物が混入していることを報知することができる。
本発明において、前記出力部が、前記種類が推定された前記複数の廃棄物にあらかじめ指定された種類(以下、「指定種類」という。)の廃棄物が含まれていたとき、前記複数の廃棄物に前記指定種類の廃棄物が含まれる旨の報知情報を出力する、ことが好ましい。このようにすることで、例えば、注意が必要な廃棄物の種類をあらかじめ指定しておくことで、複数の廃棄物に注意が必要な種類(指定種類)の廃棄物が混入していることを報知することができる。
本発明において、前記出力部が、前記体積が推定された前記複数の廃棄物にあらかじめ指定された体積上限値を超える廃棄物が含まれていたとき、前記複数の廃棄物に前記体積上限値を超える廃棄物が含まれる旨の報知情報を出力する、ことが好ましい。このようにすることで、例えば、後工程で処理可能な廃棄物の体積上限値を設定しておくことで、複数の廃棄物に後工程で処理できない廃棄物が混入していることを報知することができる。
上記目的を達成するため、本発明の他の一態様に係る体積推定方法は、コンピュータが、撮影装置によって撮影された複数の廃棄物の画像データに基づいて前記複数の廃棄物を識別し、前記複数の廃棄物のそれぞれについて前記画像データに基づいて種類を推定し、前記複数の廃棄物のそれぞれについて前記画像データに基づいて体積を推定し、前記複数の廃棄物について前記種類毎に前記体積の合計値を算出し、前記合計値を出力する、ことを特徴とする。
本発明によれば、作業者の目視によることなく、画像認識によって廃棄物の種類および体積を推定し、種類毎に体積の合計値を算出することができる。そのため、複数の廃棄物の種類および体積を高い精度で安定して推定することができる。
本発明によれば、複数の廃棄物の種類および体積を高い精度で安定して推定することができる。
以下、本発明の実施例に係る体積推定装置を有する体積推定システムについて、図1~図7を参照して説明する。
図1は、本発明の一実施例に係る体積推定装置を有する体積推定システムの概略構成を説明する図である。図2は、図1の体積推定システムの機能ブロックを説明する図である。図3は、深度カメラにより撮影される三次元空間を模式的に示す図である。図4は、図1の体積推定装置が有する制御装置における処理(体積推定処理)の一例を示すフローチャートである。図5は、図1の体積推定システムのカメラによって撮影された複数の廃棄物の一例を示す図である。図6は、混合廃棄物に含まれる複数の廃棄物のそれぞれについて種類および体積を推定した結果の一例を示す図である。図7は、混合廃棄物に含まれる複数の廃棄物について種類毎に体積合計値を算出した結果の一例を図である。
体積推定システム1は、廃棄物処理場の水平な床Fに置かれた混合廃棄物に含まれる複数の廃棄物について、廃棄物の種類毎に体積の合計値を算出するものである。床Fは、複数の廃棄物が置かれる載置面である。混合廃棄物に含まれる廃棄物の種類は、例えば、木くず、金属くず、廃プラスチック類、ガラス・コンクリート・陶磁器くず、がれき類などがある。
図1に示すように、体積推定システム1は、撮影装置としてのカメラ20と、体積推定装置としての制御装置40と、を有している。
カメラ20は、床Fの上方に固定して配置されている。カメラ20は、床Fの撮影領域Sに向けられている。図1、図5において、カメラ20の撮影領域Sを一点鎖線で示す。
カメラ20は、デジタルスチルカメラを含む。カメラ20は、撮影領域Sを撮影して静止画像データを生成する。
また、カメラ20は、深度カメラを含む。カメラ20は、撮影領域Sを撮影して深度画像データを生成する。具体的には、カメラ20は、床Fまたは床Fに置かれた廃棄物Wの表面で反射された超音波やレーザ光を検知して、カメラ20から反射面までの距離に係る情報(「奥行き情報」という。)を取得し、画素毎に奥行き情報を含む深度画像データを生成する。
カメラ20が生成する画像データは、縦方向および横方向に並ぶ多数の画素により構成されており、詳細には多数の画素に対応するデータの集合である。本実施例において、静止画像データは、例えば、各画素を24ビットカラーで表したカラー画像に係る画像データである。深度画像データは、例えば、各画素を奥行きに応じた濃淡で表したグレースケール画像に係る画像データである。深度画像データは、距離が小さいほど淡く、距離が大きいほど濃くなるように、各画素について256階調の濃淡として表現されている。なお、深度画像データは、各画素について奥行きに応じた色で表現されていてもよい。深度画像データは、画素毎に奥行き情報を含むデータであればよく、その視認態様は任意である。
図3に、深度カメラによって撮影される三次元空間を模式的に示す。深度カメラは、四角錐状の三次元空間の頂点(位置P0)に位置し、この三次元空間を撮影して深度画像データを生成する。三次元空間内で平面状の撮影領域S1、S2を撮影した場合、位置P0から距離L1離れた位置P1にある撮影領域S1の面積は、位置P0から距離L2(L2<L1)離れた位置P2にある平面状の撮影領域S2の面積よりも大きい。そのため、撮影領域S1を撮影したときに生成される深度画像データの画素に対応する領域s1は、撮影領域S2を撮影したときに生成される深度画像データの画素に対応する領域s2より面積が大きい。すなわち、深度カメラからの距離が大きいことを示す奥行き情報を含む画素に対応する領域の面積は、深度カメラからの距離が小さいことを示す奥行き情報を含む画素に対応する領域の面積よりも大きい。このことから、深度画像データの画素に対応する領域は、深度カメラからの距離に応じた面積を有することがわかる。各領域の面積は、深度カメラの画角等に基づいて算出してもよく、または、各領域について奥行き情報(深度カメラからの距離)と面積とを関連付けたテーブルなどを用いて取得するようにしてもよい。
廃棄物Wの体積は、次のようにして推定される。深度カメラから床Fまでの距離をあらかじめ測定しておく。床Fに置かれた廃棄物Wを撮影した深度画像データから廃棄物Wの輪郭の内側にある画素を抽出する。抽出した各画素の奥行き情報に基づいて、各画素に対応する領域における面積および床Fまでの距離(高さ)を取得する。高さは、深度カメラから床Fまでの距離から奥行き情報に示される距離を減算することにより得られる。各画素に対応する領域について取得した面積に高さを掛けて体積を算出し、算出した体積を合計した値を廃棄物Wの体積とする。
制御装置40は、体積推定システム1全体の動作を司る。制御装置40は、コンピュータを有している。コンピュータは、パーソナルコンピュータでもよく、ワークステーションやサーバ装置のような大型コンピュータでもよい。コンピュータは、中央処理装置(CPU)と、CPUによって実行される各種プログラムを格納したメモリやハードディスク装置などからなるプログラム記憶装置と、を有している。制御装置40には、無線通信回線を通じてタブレット端末50が接続されている。タブレット端末50は、体積推定システム1が出力する情報を表示する表示装置および体積推定システム1に対する操作が入力される操作入力装置として用いられる。
なお、制御装置40には、タブレット端末50に代えて、液晶ディスプレイ装置や有機ELディスプレイ装置などの表示装置、ならびに、キーボードおよびマウスなどの操作入力装置が接続されていてもよい。または、タブレット端末50が有する、コンピュータからなる制御部(図示なし)を制御装置40として用いてもよい。
また、制御装置40には、外付けハードディスク装置などの記憶装置60が接続されている。制御装置40は、各種処理の実行結果を記憶装置60に格納する。
記憶装置60には、廃棄物Wの種類を推定するための学習に用いられる教師データも格納される。この教師データは、あらかじめ用意した廃棄物Wの画像(例えば、木くずの静止画像データ)と、当該画像に含まれる廃棄物Wの種類(例えば、「木くず」)と、の組み合わせを含む。なお、教師データの生成については、本出願人が出願した特開2017-109161号公報などで開示されており、本明細書での詳細説明は省略する。制御装置40と、記憶装置60およびタブレット端末50とは、例えば、インターネットなどを介して接続されていてもよい。
制御装置40のコンピュータは、プログラム記憶装置に格納されたプログラム(体積推定プログラム)を実行することにより、図2に示す、識別部41、種類推定部42、体積推定部43、合計部44および出力部45として機能する。
識別部41は、カメラ20から出力された画像データ(静止画像データ、深度画像データ)を取得する。識別部41は、画像データに基づいて、床Fにおける撮影領域Sに置かれた複数の廃棄物Wを識別し、複数の廃棄物Wのそれぞれについて位置および形状を取得する。識別部41は、画像データについて複数の廃棄物Wのそれぞれに対応する部分を切り出すなどの加工をして種類推定部42および体積推定部43に出力する。なお、識別部41は、画像データを加工せずに種類推定部42および体積推定部43に出力してもよい。
種類推定部42は、識別部41によって識別された複数の廃棄物Wのそれぞれについて種類を推定する。具体的には、種類推定部42は、識別部41から画像データを取得し、これら画像データについて種類毎に用意した認識パターンデータを用いたパターンマッチング処理を行うことにより、複数の廃棄物Wのそれぞれの種類を推定する。もちろん、これ以外の処理方法によって種類を推定してもよい。推定に用いる認識パターンデータは、記憶装置60に格納された教師データを用いた機械学習により更新される。
種類推定部42は、例えば、周期的に、または、体積推定システム1が体積推定処理を行っていない期間に、または、記憶装置60に新たな教師データが追加されたときに、など所定のタイミングで記憶装置60から教師データを読み出し、機械学習を行って認識パターンデータを更新する。本実施例において、種類推定部42は、誤差逆伝播法による最適化手法を用いた畳み込みニューラルネットワークにより機械学習を行うように構成されている。もちろん、これ以外の方法で機械学習を行ってもよい。
体積推定部43は、識別部41によって識別された複数の廃棄物Wのそれぞれについて体積を推定する。具体的には、体積推定部43は、識別部41から画像データを取得し、廃棄物Wの輪郭内に含まれる各画素の奥行き情報に基づいて、各画素に対応する領域における面積および床Fまでの距離(高さ)を取得する。体積推定部43は、各画素に対応する領域について取得した面積に高さを掛けて体積を算出し、算出した体積を合計した値を廃棄物Wの体積とする。
合計部44は、識別部41によって識別された複数の廃棄物Wについて、種類推定部42によって推定された種類毎に、体積推定部43で推定された体積の合計値を算出する。
出力部45は、合計部44によって算出された、複数の廃棄物Wの種類毎の体積の合計値をタブレット端末50に出力する。
次に、上述した実施例の体積推定システム1の制御装置40のコンピュータにおいて実行される本発明に係る処理(体積推定処理)の一例について、図4に示すフローチャートを参照して説明する。
混合廃棄物に含まれる複数の廃棄物Wは互いに重ならないように床Fの撮影領域Sに置かれる。そのあと、作業者が、制御装置40に対して体積推定処理の実行を要求する操作をタブレット端末50に入力する。制御装置40は、タブレット端末50からの要求に応じて体積推定処理を実行する。
制御装置40は、カメラ20を制御して撮影領域Sを撮影する(S110)。
次に制御装置40は、カメラ20から出力された画像データを解析して、画像データに含まれる複数の廃棄物Wを識別し、識別された複数の廃棄物Wのそれぞれについて位置および形状を特定する(S120)。
具体的には、制御装置40は、図5に例示する複数の廃棄物W(W11~W34)を撮影した画像データがカメラ20から出力されると、画像データを解析して、廃棄物W11~W34を識別する。制御装置40は、図6に示すように、廃棄物W11~W34に識別番号を付与して記憶装置60に格納する。そして、制御装置40は、画像データを解析して、廃棄物W11~W34について位置および形状を特定する。
次に制御装置40は、識別された複数の廃棄物Wのそれぞれについて画像データに基づいて種類を推定する(S130)。
具体的には、制御装置40は、静止画像データに含まれる廃棄物W11~W34のそれぞれに対してパターンマッチング処理を行うことにより種類を推定する。そして、制御装置40は、図6に示すように、廃棄物W11~W34のそれぞれについて推定した種類を廃棄物W11~W34の識別番号に関連付けて記憶装置60に格納する。
次に制御装置40は、識別された複数の廃棄物Wのそれぞれについて画像データに基づいて体積を推定する(S140)。
具体的には、制御装置40は、深度画像データに含まれる廃棄物W11~W34のそれぞれの輪郭の内側にある画素を抽出し、廃棄物W11~W34のそれぞれについて抽出した各画素の奥行き情報を用いて体積を算出する。そして、制御装置40は、図6に示すように、廃棄物W11~W34のそれぞれについて推定した体積を廃棄物W11~W34の識別番号に関連付けて記憶装置60に格納する。
次に制御装置40は、識別された複数の廃棄物Wについて種類毎に体積の合計値を算出する(S150)。
具体的には、制御装置40は、記憶装置60に格納された廃棄物W11~W34について、種類が「木くず」と推定された廃棄物W11~W14、W16、W21、W22、W25、W28、W30、W31、W33、W34の体積の合計値を算出し、種類が「金属くず」と推定された廃棄物W15、W17、W18、W20、W24、W27、W29の体積の合計値を算出し、種類が「廃プラスチック類」と推定された廃棄物W19、W23、W26、W32の体積の合計値を算出する。そして、図7に示すように、制御装置40は、種類毎に算出した体積の合計値を記憶装置60に格納する。
次に制御装置40は、複数の廃棄物Wについて種類毎に算出した体積の合計値をタブレット端末50に出力する(S160)。そして、タブレット端末50において、混合廃棄物に含まれる複数の廃棄物Wの種類とその体積の合計値が表示される。作業者は、タブレット端末50の表示を参照して、複数の廃棄物Wの種類および体積の合計値がマニフェストと一致しているか否かを確認する。
以上説明したように、体積推定システム1は、床Fの撮影領域Sを撮影するカメラ20と、制御装置40と、を有している。制御装置40は、識別部41と、種類推定部42と、体積推定部43と、合計部44と、出力部45と、を有している。識別部41は、カメラ20によって撮影された複数の廃棄物Wの画像データに基づいて複数の廃棄物Wを識別する。種類推定部42は、複数の廃棄物Wのそれぞれについて画像データに基づいて種類を推定する。体積推定部43は、複数の廃棄物Wのそれぞれについて画像データに基づいて体積を推定する。合計部44は、複数の廃棄物Wについて種類毎に体積の合計値を算出する。そして、出力部45は、算出した合計値をタブレット端末50に出力する。タブレット端末50は、廃棄物Wの種類毎に体積の合計値を表示する。
このようにしたことから、制御装置40は、作業者の目視によることなく、画像認識によって廃棄物Wの種類および体積を推定し、種類毎に体積の合計値を算出することができる。そのため、制御装置40は、複数の廃棄物Wの種類および体積を高い精度で安定して推定することができる。
また、カメラ20が、複数の廃棄物Wが置かれる床Fの上方に配置された深度カメラを含む。カメラ20によって撮影された複数の廃棄物Wの画像データが、深度カメラによって撮影された、画素毎に奥行き情報を含む深度画像データを含む。体積推定部43が、複数の廃棄物Wのそれぞれについて深度画像データに基づいて体積を推定する。このようにすることで、複数の廃棄物Wのそれぞれの体積をより高い精度で推定することができる。
なお、体積推定システム1において、カメラ20が、床Fの上方を移動可能な移動カメラを含み、体積推定部43が、複数の廃棄物Wのそれぞれについて、第1の位置にある移動カメラによって撮影された画像データと、第1の位置とは異なる第2の位置にある移動カメラによって撮影された画像データと、に基づいて体積を推定するようにしてもよい。第2の位置は、例えば、第1の位置から水平方向に移動した位置である。このようにすることで、制御装置40は、複数の廃棄物Wのそれぞれの体積を視差に基づいて推定することができる。制御装置40は、移動カメラによって互いに異なる2つ以上の位置において撮影された複数の画像データを用いることで、複数の廃棄物Wのそれぞれの体積をより高い精度で推定することができる。
また、体積推定システム1において、カメラ20が、床Fの上方を移動可能な移動カメラを含み、種類推定部42が、複数の廃棄物Wのそれぞれについて、移動カメラによって撮影された画像データに基づいて種類を推定するようにしてもよい。例えば、制御装置40が、複数の廃棄物Wを床Fに置くときに移動カメラを上方に移動し、撮影するときに移動カメラを下方に移動して複数の廃棄物Wに近づけて撮影する。または、制御装置40が、移動カメラを横方向に移動してもよい。これにより、作業性を向上できるとともに、複数の廃棄物Wのそれぞれの種類をより高い精度で推定することができる。
移動カメラは、床F上を飛行可能なドローンに搭載されたカメラであってもよい。このようにすることで、例えば、カメラを移動させるクレーンなどを設置する必要がなくなり、簡易な構成でカメラを移動させることができる。
また、体積推定システム1において、タブレット端末50に体積推定処理の実行を要求する操作を入力する際、複数の廃棄物Wに含まれることが予想される廃棄物Wの種類(例えば、木くず、金属くずおよび廃プラスチック類、以下、「予想種類」という。)を入力可能としてもよい。または、記憶装置60に予想種類が格納されていてもよい。そして、出力部45が、種類推定部42によって種類が推定された複数の廃棄物Wに予想種類以外の種類の廃棄物Wが含まれていたとき、複数の廃棄物Wに予想種類以外の種類の廃棄物Wが含まれる旨の報知情報をタブレット端末50に出力するようにしてもよい。このようにすることで、例えば、マニフェストに基づいて複数の廃棄物Wに含まれることが予想される廃棄物Wの種類をあらかじめ指定しておくことで、タブレット端末50が、複数の廃棄物Wに予想していない種類(指定外種類)の廃棄物Wが混入していることを報知することができる。
また、体積推定システム1において、記憶装置60に注意が必要な廃棄物Wの種類(例えば、塩化ビニルなど、以下、「指定種類」という。)が格納されていてもよい。そして、出力部45が、種類推定部42によって種類が推定された複数の廃棄物Wに指定種類の廃棄物Wが含まれていたとき、複数の廃棄物Wに指定種類の廃棄物Wが含まれる旨の報知情報をタブレット端末50に出力するようにしてもよい。このようにすることで、注意が必要な廃棄物Wの種類をあらかじめ指定しておくことで、タブレット端末50が、複数の廃棄物Wに注意が必要な種類(指定種類)の廃棄物Wが混入していることを報知することができる。
また、体積推定システム1において、記憶装置60に後工程で処理可能な廃棄物Wの体積上限値が格納されていてもよい。そして、出力部45が、体積推定部43によって体積が推定された複数の廃棄物Wに体積上限値を超える廃棄物Wが含まれていたとき、複数の廃棄物Wに体積上限値を超える廃棄物Wが含まれる旨の報知情報をタブレット端末50に出力するようにしてもよい。このようにすることで、後工程で処理可能な廃棄物Wの体積上限値をあらかじめ設定しておくことで、タブレット端末50が、複数の廃棄物Wに後工程で処理できない廃棄物Wが混入していることを報知することができる。
上述した体積推定システム1は、混合廃棄物に含まれる複数の廃棄物Wの種類および体積を推定するものであったが、これに限定されるものではない。体積推定システム1は、1種類の廃棄物Wのみ含むものと予想される複数の廃棄物Wの種類および体積を推定するものであってもよい。
上記に本発明の実施例を説明したが、本発明は実施例の構成に限定されるものではない。前述の実施例に対して、当業者が適宜、構成要素の追加、削除、設計変更を行ったものや、実施例の特徴を適宜組み合わせたものも、本発明の趣旨に反しない限り、本発明の範囲に含まれる。
1…体積推定システム
20…カメラ
40…制御装置
41…識別部
42…種類推定部
43…体積推定部
44…合計部
45…出力部
50…タブレット端末
60…記憶装置
20…カメラ
40…制御装置
41…識別部
42…種類推定部
43…体積推定部
44…合計部
45…出力部
50…タブレット端末
60…記憶装置
Claims (9)
- 撮影装置によって撮影された複数の廃棄物の画像データに基づいて前記複数の廃棄物を識別する識別部と、
前記複数の廃棄物のそれぞれについて前記画像データに基づいて種類を推定する種類推定部と、
前記複数の廃棄物のそれぞれについて前記画像データに基づいて体積を推定する体積推定部と、
前記複数の廃棄物について前記種類毎に前記体積の合計値を算出する合計部と、
前記合計値を出力する出力部と、を有することを特徴とする体積推定装置。 - 前記撮影装置が、前記複数の廃棄物が置かれる載置面の上方に配置された深度カメラを含み、
前記画像データが、前記深度カメラによって撮影された、画素毎に奥行き情報を含む深度画像データを含み、
前記体積推定部が、前記複数の廃棄物のそれぞれについて前記深度画像データに基づいて前記体積を推定する、請求項1に記載の体積推定装置。 - 前記撮影装置が、前記複数の廃棄物が置かれる載置面の上方を移動可能な移動カメラを含み、
前記体積推定部が、前記複数の廃棄物のそれぞれについて、第1の位置にある前記移動カメラによって撮影された前記画像データと、前記第1の位置とは異なる第2の位置にある前記移動カメラによって撮影された前記画像データと、に基づいて前記体積を推定する、請求項1に記載の体積推定装置。 - 前記撮影装置が、前記複数の廃棄物が置かれる載置面の上方を移動可能な移動カメラを含み、
前記種類推定部が、前記複数の廃棄物のそれぞれについて、前記移動カメラによって撮影された前記画像データに基づいて種類を推定する、請求項1~請求項3のいずれか一項に記載の体積推定装置。 - 前記移動カメラが、前記載置面の上方を飛行可能なドローンに搭載されたカメラである、請求項3または請求項4に記載の体積推定装置。
- 前記出力部が、前記種類が推定された前記複数の廃棄物にあらかじめ指定された種類以外の種類(以下、「指定外種類」という。)の廃棄物が含まれていたとき、前記複数の廃棄物に前記指定外種類の廃棄物が含まれる旨の報知情報を出力する、請求項1~請求項5のいずれか一項に記載の体積推定装置。
- 前記出力部が、前記種類が推定された前記複数の廃棄物にあらかじめ指定された種類(以下、「指定種類」という。)の廃棄物が含まれていたとき、前記複数の廃棄物に前記指定種類の廃棄物が含まれる旨の報知情報を出力する、請求項1~請求項6のいずれか一項に記載の体積推定装置。
- 前記出力部が、前記体積が推定された前記複数の廃棄物にあらかじめ指定された体積上限値を超える廃棄物が含まれていたとき、前記複数の廃棄物に前記体積上限値を超える廃棄物が含まれる旨の報知情報を出力する、請求項1~請求項7のいずれか一項に記載の体積推定装置。
- コンピュータが、
撮影装置によって撮影された複数の廃棄物の画像データに基づいて前記複数の廃棄物を識別し、
前記複数の廃棄物のそれぞれについて前記画像データに基づいて種類を推定し、
前記複数の廃棄物のそれぞれについて前記画像データに基づいて体積を推定し、
前記複数の廃棄物について前記種類毎に前記体積の合計値を算出し、
前記合計値を出力する、ことを特徴とする体積推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022031712A JP2023127804A (ja) | 2022-03-02 | 2022-03-02 | 体積推定装置および体積推定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022031712A JP2023127804A (ja) | 2022-03-02 | 2022-03-02 | 体積推定装置および体積推定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023127804A true JP2023127804A (ja) | 2023-09-14 |
Family
ID=87972300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022031712A Pending JP2023127804A (ja) | 2022-03-02 | 2022-03-02 | 体積推定装置および体積推定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2023127804A (ja) |
-
2022
- 2022-03-02 JP JP2022031712A patent/JP2023127804A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gobert et al. | Application of supervised machine learning for defect detection during metallic powder bed fusion additive manufacturing using high resolution imaging. | |
JP5969685B1 (ja) | 廃棄物選別システム及びその選別方法 | |
JP6679188B1 (ja) | 廃棄物選別装置及び廃棄物選別方法 | |
JP2017109197A (ja) | 廃棄物選別システム及びその選別方法 | |
CA2676903A1 (en) | Method and apparatus for determining a threat status for a liquid product | |
JP7108283B2 (ja) | 廃棄物選別システム、教師データ生成装置、教師データ生成システム、および教師データ生成プログラム | |
CN110148106A (zh) | 一种利用深度学习模型检测物体表面缺陷的系统及方法 | |
CN111819839B (zh) | 摄影装置、摄影方法、摄影程序以及摄影系统 | |
CN104917916B (zh) | 图像形成装置、图像形成方法以及图像形成系统 | |
Lin et al. | Applications of computer vision on tile alignment inspection | |
JP2015124955A (ja) | ごみ攪拌状態検出装置およびごみ攪拌状態検出方法 | |
CN113911916A (zh) | 用于智能塔吊的吊钩物料结合定位控制方法和系统 | |
JP2023127804A (ja) | 体積推定装置および体積推定方法 | |
CA2709468A1 (en) | Method and system for performing x-ray inspection of a liquid product at a security checkpoint | |
CN114170435A (zh) | 回收检测的外观影像筛选方法及装置 | |
US11494889B2 (en) | Imaging evaluation map, imaging evaluation map generating device, imaging evaluation map generating method, and imaging evaluation map generating program | |
JP2020041801A (ja) | 土壌改質判定装置、及び異物除去方法 | |
CA2696031A1 (en) | Method and system for performing x-ray inspection of a product at a security checkpoint using simulation | |
Oks et al. | Embedded vision device integration via OPC UA: Design and evaluation of a neural network-based monitoring system for Industry 4.0 | |
JP4781044B2 (ja) | 画像解析装置、画像解析方法、及び画像解析処理のためのプログラム | |
JP2022137641A (ja) | 廃棄物選別支援装置、廃棄物選別支援システムおよび廃棄物選別支援方法 | |
CN104175200B (zh) | 一种可以随时提供石材大板信息的抛光设备 | |
CN114155192A (zh) | 基于反射灰度的煤矿除铁方法及系统 | |
Semenishchev et al. | Algorithm for the automated analysis of the shape of objects located on the cutting table of industrial robotic systems | |
Olumo et al. | Reality Data Capture for Reclaimed Construction Materials |