JP2023157254A - 重量判定システムおよび重量判定プログラム - Google Patents
重量判定システムおよび重量判定プログラム Download PDFInfo
- Publication number
- JP2023157254A JP2023157254A JP2022067043A JP2022067043A JP2023157254A JP 2023157254 A JP2023157254 A JP 2023157254A JP 2022067043 A JP2022067043 A JP 2022067043A JP 2022067043 A JP2022067043 A JP 2022067043A JP 2023157254 A JP2023157254 A JP 2023157254A
- Authority
- JP
- Japan
- Prior art keywords
- weight
- baggage
- determined
- weight determination
- luggage
- 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
- 238000010586 diagram Methods 0.000 description 10
- 229910000831 Steel Inorganic materials 0.000 description 9
- 239000010959 steel Substances 0.000 description 9
- 238000012790 confirmation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 206010033307 Overweight Diseases 0.000 description 4
- 238000012856 packing Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 229910000746 Structural steel Inorganic materials 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】簡易な構成で荷物の重量を判定可能で、しかも、広く適用可能な重量判定システムを提供する。【解決手段】荷物の種類ごとに、当該荷物の画像と重量を含む荷物情報を記憶する荷物情報記憶手段と、判定対象の荷物2を撮影するスマートフォン3と、スマートフォン3で撮影された撮影画像と荷物情報とに基づいて、判定対象の荷物2の重量を判定する管理サーバ4と、を備える。【選択図】図1
Description
本発明は、トラックに荷物を積み込む際の荷物の重量などを判定する重量判定システムおよび重量判定プログラムに関する。
例えば、鉄塔材などの荷物をトラッククレーン(ユニック車)で積み込む際に、従来から、積荷重量が規定重量以下になるように作業員が数量調整する必要があった。また、ヘリコプターで荷物を輸送するのに先立って荷造りする際にも、各荷物の重量や総重量を確認しながら、輸送重量が規定重量以下になるように調整する必要があった。
また、クレーンが吊っている吊荷の表示用荷重の精度を向上させられる、という吊荷重演算装置が知られている(例えば、特許文献1参照。)。この装置は、クレーンの吊荷の荷重を特定するための情報を検出する検出部と、検出部により検出された値に基づいて吊荷重を算出する算出部と、ブーム長さを取得する取得部と、を有し、取得部によって取得されるブーム長さに応じた補正値により、吊荷重を補正するものである。
ところで、トラッククレーンで荷物を積み込んだり、ヘリコプターで輸送するための荷造りをしたりする際に、従来、作業員が各荷物の重量を確認しながら、総重量が規定重量以下になるように調整しなければならず、労力と時間を要するばかりでなく、確認ミスによって重量オーバーするおそれがあった。また、特許文献1の装置では、吊荷の表示用荷重の精度を向上可能ではあるが、検出部や算出部、取得部などを備えなければならず、構成が複雑で、既存のトラッククレーンなどに適用するのは容易ではない。しかも、吊荷するクレーンにしか適用することができず、クレーンを使用しない荷造りなどには適用することができない。
そこで本発明は、簡易な構成で荷物の重量を判定可能で、しかも、広く適用可能な重量判定システムおよび重量判定プログラムを提供することを目的とする。
上記課題を解決するために、請求項1の発明は、荷物の種類ごとに、当該荷物の画像と重量を含む荷物情報を記憶する荷物情報記憶手段と、判定対象の荷物を撮影する撮影手段と、前記撮影手段で撮影された撮影画像と前記荷物情報とに基づいて、前記判定対象の荷物の重量を判定する重量判定手段と、を備えることを特徴とする重量判定システムである。
この発明によれば、撮影手段で判定対象の荷物を撮影すると、その撮影画像と荷物情報記憶手段に記憶された荷物情報とに基づいて、重量判定手段によって判定対象の荷物の重量が判定される。
請求項2の発明は、請求項1に記載の重量判定システムにおいて、前記荷物情報記憶手段は、荷物の種類と大きさごとに前記荷物情報を記憶する、ことを特徴とする。
請求項3の発明は、請求項1または2に記載の重量判定システムにおいて、前記重量判定手段は、前記撮影画像と前記荷物情報が入力されると、前記判定対象の荷物の重量が出力されるように、過去の実績データに基づいて機械学習された重量判定用学習モデルを用いる、ことを特徴とする。
請求項4の発明は、請求項1から3に記載の重量判定システムにおいて、前記重量判定手段は、前記判定対象の荷物の重量が所定の規定重量を超える場合に警報を出力する、ことを特徴とする。
請求項5の発明は、請求項1から4に記載の重量判定システムにおいて、前記重量判定手段は、複数の前記判定対象の荷物の重量を順次判定し、その総重量が所定の規定総重量を超える場合に警報を出力する、ことを特徴とする。
請求項6の発明は、コンピュータを、荷物の種類ごとに、当該荷物の画像と重量を含む荷物情報を記憶する荷物情報記憶手段と、判定対象の荷物が撮影された撮影画像と前記荷物情報とに基づいて、前記判定対象の荷物の重量を判定する重量判定手段、として機能させることを特徴とする重量判定プログラムである。
請求項7の発明は、請求項6に記載の重量判定プログラムにおいて、前記荷物情報記憶手段は、荷物の種類と大きさごとに前記荷物情報を記憶する、ことを特徴とする。
請求項8の発明は、請求項6または7に記載の重量判定プログラムにおいて、前記重量判定手段は、前記撮影画像と前記荷物情報が入力されると、前記判定対象の荷物の重量が出力されるように、過去の実績データに基づいて機械学習された重量判定用学習モデルを用いる、ことを特徴とする。
請求項9の発明は、請求項6から8に記載の重量判定プログラムにおいて、前記重量判定手段は、前記判定対象の荷物の重量が所定の規定重量を超える場合に警報を出力する、ことを特徴とする。
請求項10の発明は、請求項6から9に記載の重量判定プログラムにおいて、前記重量判定手段は、複数の前記判定対象の荷物の重量を順次判定し、その総重量が所定の規定総重量を超える場合に警報を出力する、ことを特徴とする。
請求項1および請求項6に記載の発明によれば、判定対象の荷物の撮影画像と予め記憶された荷物の画像および重量とに基づいて、判定対象の荷物の重量が判定されるため、簡易な構成で判定対象の荷物の重量を判定することが可能となる。すなわち、判定対象の荷物の重量を1つずつ測ったり、多様な機器を備えたりすることなく、判定対象の荷物を撮影するだけで、判定対象の荷物の重量を判定することが可能となる。しかも、判定対象の荷物を撮影するだけでよいため、多様なシーン・場面で広く適用することが可能となる。
請求項2および請求項7に記載の発明によれば、荷物の種類と大きさごとに画像と重量が予め記憶されているため、判定対象の荷物の種類だけではなく大きさも考慮して、判定対象の荷物の重量をより適正に判定することが可能となる。
請求項3および請求項8に記載の発明によれば、機械学習された重量判定用学習モデルを用いて判定対象の荷物の重量が出力されるため、判定対象の荷物の重量をより適正に判定することが可能となる。
請求項4および請求項9に記載の発明によれば、判定対象の荷物の重量が所定の規定重量を超える場合に警報が出力されるため、所定の規定重量を超える荷物の吊り上げやコンベア移送などを未然に防止して、安全を確保することが可能となる。つまり、確認ミスによる重量オーバーを確実に防止することが可能となる。
請求項5および請求項10に記載の発明によれば、複数の判定対象の荷物の重量を順次判定して、その総重量が所定の規定総重量を超える場合に警報が出力されるため、所定の規定総重量を超える荷物のトラックへの積み込みや輸送などを未然に防止して、安全を確保することが可能となる。つまり、確認ミスによる総重量オーバーを確実に防止することが可能となる。
以下、この発明を図示の実施の形態に基づいて説明する。
図1は、この発明の実施の形態に係る重量判定システム1を示す概略構成図である。この重量判定システム1は、判定対象の荷物2の重量を判定するシステムであり、荷物2の重量の判定シーン・場面を問わないが、この実施の形態では、複数の判定対象の荷物2をトラックTに積み込む際に、荷物2の重量を判定する場合を例にして、主として以下に説明する。これに対して、ヘリコプターで複数の判定対象の荷物2を輸送するために荷造りする場合や、フォークリフトで1つの判定対象の荷物2を運ぶ場合、あるいは、判定対象の荷物2をホイストで吊り上げる場合、判定対象の荷物2をコンベアで移送する場合などにも適用することができる。
ここで、判定対象の荷物2を指す場合には、符号「2」を付し、判定対象の荷物2の重量を判定する際に参考とする荷物(参考荷物)を指す場合には、符号を付さないこととする。また、この実施の形態では、判定対象の荷物2が鉄塔の構成部材の場合について主として説明するが、その他の荷物であってもよいことは勿論である。
重量判定システム1は、主として撮影手段として機能するスマートフォン3と、主として荷物情報記憶手段および重量判定手段として機能する管理サーバ4と、を備え、1つの管理サーバ4に対して複数のスマートフォン3を備えることが可能である。すなわち、後述するような重量判定要求を複数のスマートフォン3から管理サーバ4に送信して、管理サーバ4から複数のスマートフォン3に対して判定結果を返信可能となっている。
スマートフォン3は、既製・既存の多機能携帯端末と同等の構成でカメラ機能(撮影手段)やタッチパネル(表示部および入力部)を備え、作業員Mなどが携帯し、判定対象の荷物2を撮影して管理サーバ4に送信する。このように、この実施の形態では、作業員Mがスマートフォン3を持って撮影する場合について説明するが、カメラ機能と通信機能を備えた装置を設置して、判定対象の荷物2を自動的に撮影して管理サーバ4に送信するようにしてもよい。また、判定対象の荷物2を撮影した撮影画像は、静止画でも動画でもよいが、この実施の形態では、主として静止画の場合について説明する。
また、このスマートフォン3には、判定対象の荷物2の撮影や撮影画像の送信などを画面上(タッチパネル上)で案内するための、アプリケーション・プログラムである重量判定アプリがインストールされている。この重量判定アプリは、所定の操作を行うと起動され、まず、図2に示すような第1の案内画面(ログイン画面)をタッチパネルに表示する。この第1の画面には、規定総重量を入力する入力欄が設けられ、この入力欄にトラックTに積み込める最大重量である規定総重量が入力されて、画面上の「重量判定開始」ボタンが押下されると、重量判定開始の旨を管理サーバ4に送信してカメラを作動する。
このように、この実施の形態では、スマートフォン3で規定総重量を入力、設定するようになっているが、重量の判定シーンや使用するトラックTなどに応じて、管理サーバ4において予め設定、登録するようにしてもよい。また、重量の判定シーンなどに応じて、規定総重量に加えて規定重量(規定個別重量)を入力できるようにしてもよい。この規定重量は、1つの判定対象の荷物2の上限重量であり、例えば、トラックTのクレーン(ユニック)T1で吊ることができる荷重の上限である。
続いて、図3(a)の第2の案内画面に示すように、カメラで判定対象の荷物2が撮影されると、図3(b)の第3の案内画面をタッチパネルに表示する。ここで、荷物2の撮影は、どのような状態であってもよく、例えば、図3(a)に示すように、クレーンT1で吊られた状態であってもよく、あるいは、クレーンT1で吊られる前の状態であってもよい。
第3の案内画面には、撮影画像と、「重量判定する」ボタン、「再撮影する」ボタンなどが表示されている。そして、「再撮影する」ボタンが押下されると、図3(a)の第2の案内画面に戻り、判定対象の荷物2の再撮影(撮影のやり直し)が可能となる。一方、「重量判定する」ボタンが押下されると、入力された上記の規定総重量(規定重量が入力された場合には、規定重量も)と、判定対象の荷物2の撮影画像と、スマートフォン3の識別情報(IPアドレス)などを含む重量判定要求を管理サーバ4に送信する。
次に、後述するようにして管理サーバ4で判定対象の荷物2の重量が判定されて、管理サーバ4から総重量以下の判定結果を受信すると、図4の第4の案内画面をタッチパネルに表示する。この判定結果には、重量判定要求が送信された判定対象の荷物2の重量(直前の荷物重量)と、「重量判定開始」ボタンが押下されてから判定されたすべての判定対象の荷物2の累積重量(総重量)と、この総重量を規定総重量から減算したこれから積載可能な重量(残重量)とが含まれる。そして、第4の案内画面には、これらの直前の荷物重量、総重量および残重量と、「重量判定を続ける」ボタン、「終了する」ボタンなどが表示されている。
そして、「重量判定を続ける」ボタンが押下されると、カメラを作動して図3(a)の第2の案内画面に戻って、次の判定対象の荷物2の撮影が可能となり、上記のような処理を繰り返す。また、「終了する」ボタンが押下されると、重量判定終了の旨を管理サーバ4に送信して重量判定アプリを終了する。
一方、管理サーバ4から総重量オーバーの判定結果を受信すると、図5の第5の案内画面をタッチパネルに表示する。この判定結果には、直前の荷物重量と総重量と規定総重量とが含まれ、第5の案内画面には、これらの直前の荷物重量、総重量および規定総重量と、「警報 規定総重量をオーバーしました!」という警報表示と、「終了する」ボタンなどが表示されている。すなわち、複数の判定対象の荷物2の重量を順次判定し、その総重量が所定の規定総重量を超える場合に、警報を出力するものである。さらに、このような表示と同時に、警報音を出力する。これにより、作業員Mなどは、総重量オーバーで直前の荷物2をトラックTに積み込めないことがわかる。そして、「終了する」ボタンが押下されると、重量判定終了の旨を管理サーバ4に送信して重量判定アプリを終了する。
ここで、上記のようにして規定重量が入力された場合、後述するように、1つの判定対象の荷物2の重量を判定するごとに、その重量が規定重量以下であるか否かが判定され、規定重量より大きい場合には、管理サーバ4から重量オーバーの判定結果を受信する。この場合も、同様な警報を出力する。このように、判定対象の荷物2の重量が所定の規定重量を超える場合にも、警報を出力する。この際、第4の案内画面と同様な「重量判定を続ける」ボタンと、「終了する」ボタンをタッチパネルに表示し、次の判定対象の荷物2の重量判定や重量判定アプリの終了が可能となる。
管理サーバ4は、管理センタCに配設され、判定対象の荷物2の重量を判定したりするためのサーバ・コンピュータであり、図4に示すように、主として、記憶部41と、通信部42と、重量判定タスク(重量判定手段)43と、学習タスク44と、これらを制御などする中央処理部45と、を備える。ここで、この実施の形態では、判定対象の荷物2の重量を管理サーバ4で判定する場合について説明するが、スマートフォン3つまり撮影装置で判定してもよく、この場合には、管理サーバ4を不要にすることが可能である。
記憶部41は、主として、荷物情報データベース(荷物情報記憶手段)411と、重量判定用学習モデル412と、重量判定用実績データベース413と、を備える。ここでは、荷物情報データベース411について説明し、重量判定用学習モデル412と重量判定用実績データベース413については後述する。
荷物情報データベース411は、参考荷物の種類と大きさごとに、当該参考荷物の画像と重量を含む荷物情報を記憶するデータベースである。すなわち、判定対象の荷物2の重量を判定する際に参考とする参考荷物に関する情報を予め記憶するデータベースであり、図7に示すように、荷物ID4111ごとに、種類4112、サイズ4113、画像4114、重量4115およびその他4116が記憶されている。
荷物ID4111には、当該参考荷物および荷物情報の識別情報が記憶され、種類4112には、当該参考荷物の種類が記憶されている。例えば、鉄塔の主柱材、斜材、水平材などが記憶され、その際、材料の種類、例えば、山形鋼、中空鋼管、コンクリート充填鋼管など記憶されている。サイズ4113には、当該参考荷物の大きさ、寸法が記憶され、画像4114には、当該参考荷物の画像が記憶されている。例えば、図8(a)に示すように、山形鋼から成る鉄塔の主柱材の画像や、図8(b)に示すように、中空鋼管材から成る鉄塔の主柱材の画像が記憶されている。
ここで、画像は、後述する重量判定タスク43において判定対象の荷物2の重量を判定しやすい画像であり、例えば、判定対象の荷物2の撮影画像と同様な状態(想定される撮影時の荷物2の状態で、例えば、クレーンT1で吊られた状態や吊られる前の状態)の画像が記憶され、また、その数は1つでも複数でもよい。重量4115には、当該参考荷物の重量が記憶されている。すなわち、上記のような参考荷物の種類、サイズ、画像における参考荷物の重量が記憶されている。このように、荷物情報データベース411には、判定対象の荷物2に関連する荷物(参考荷物)に関する情報が記憶されている。
通信部42は、外部と通信するためのインターフェイスであり、例えば、各スマートフォン3から重量判定要求を受信したり、各スマートフォン3に判定結果を送信したりする。
重量判定タスク43は、スマートフォン3で撮影された撮影画像と荷物情報データベース411の荷物情報とに基づいて、判定対象の荷物2の重量を判定・推定するタスク・プログラムである。すなわち、スマートフォン3から重量判定要求を受信すると起動され、重量判定要求に含まれる判定対象の荷物2の撮影画像を画像解析して、荷物情報データベース411に記憶されている各荷物ID4111の画像4114と比較することで、重量4115に基づいて判定対象の荷物2の重量を判定する。
具体的には、判定対象の荷物2の撮影画像と一致・近似している画像の画像4114を割り出し、この画像4114の重量4115の重量から判定対象の荷物2の重量を判定する。この際、判定対象の荷物2の撮影画像から荷物2の大きさを割り出し、その大きさがサイズ4113の大きさよりも小さい場合には、その差分だけ重量4115の重量から差し引いたり、判定対象の荷物2の大きさがサイズ4113の大きさよりも大きい場合には、その差分だけ重量4115の重量に加算したりして、判定対象の荷物2の重量を判定する。
このような重量判定タスク43は、判定対象の荷物2の撮影画像と参考荷物の荷物情報が入力されると、判定対象の荷物2の重量が出力されるように、過去の実績データに基づいて機械学習された重量判定用学習モデル412を用いる。この重量判定用学習モデル412は、学習タスク44によって作成される。
すなわち、学習タスク44は、重量判定用実績データベース413に記録・蓄積されている過去の実績データを用いて、ニューラルネットワーク等の公知の機械学習アルゴリズムにより重量判定用学習モデル412を作成する。この重量判定用実績データベース413は、入力情報としての判定対象の荷物2の撮影画像と荷物情報データベース411の荷物情報に基づいて、画像解析や重量判定の専門家・経験者などが判定した判定対象の荷物2の重量と、実際に判定対象の荷物2の重量を計測した結果を含む実績データが記録・蓄積されているデータベースである。なお、過去の実績データには、実際の判定対象の荷物2の撮影画像と荷物情報データベース411の荷物情報と、画像解析の専門家などが実際に判定した重量や実際に計測した重量とに基づいて作成されたデータの他、事前訓練などで作成されたデータなどが含まれる。
この学習タスク44は、図9に示すように、ニューラルネットワークを利用した機械学習・深層学習を用い、重量判定用実績データベース413に記録されている実績データに基づいて、例えば、判定対象の荷物2の撮影画像と荷物情報データベース411の荷物情報を入力層、判定対象の荷物2の重量を出力層、入力層から出力層への解析処理を中間層とするニューラルネットワークを作成する。そして、学習タスク44は、重量判定用学習モデル412の実績データを学習データとして用いて、中間層における各種パラメータについて学習を行う。すなわち、学習タスク44は、判定対象の荷物2の撮影画像と荷物情報データベース411の荷物情報に基づいて、判定対象の荷物2の重量が適正に判定されるように、中間層における各種パラメータの学習を行う。
このようにして判定対象の荷物2の重量を判定すると、スマートフォン3で「重量判定開始」ボタンが押下されてから判定されたすべての判定対象の荷物2の累積重量(総重量)を算出し、この総重量がスマートフォン3から受信した規定総重量を超えるか否かを判定する。そして、規定総重量を超えない場合には、直前の判定対象の荷物2の重量(直前の荷物重量)と、上記の総重量と、総重量を規定総重量から減算したこれから積載可能な重量(残重量)と、を含む総重量以下の判定結果をスマートフォン3に送信する。一方、規定総重量を超える場合には、直前の荷物重量と総重量と規定総重量を含む総重量オーバーの判定結果をスマートフォン3に送信(警報を出力)する。
さらに、スマートフォン3において上記のような規定重量が入力された場合、1つの判定対象の荷物2の重量を判定するごとに、その重量が規定重量以下であるか否かを判定する。そして、規定重量を超える場合には、判定した重量を含む重量オーバーの判定結果をスマートフォン3に送信(警報を出力)する。
このような構成の重量判定システム1によって判定対象の荷物2を判定するには、スマートフォン3で判定対象の荷物2を撮影して、その撮影画像を管理サーバ4に送信すればよい。例えば、複数の判定対象の荷物2をトラックTに積み込む際に、スマートフォン3の重量判定アプリを起動して、タッチパネルに表示された案内画面に従って順次、判定対象の荷物2を撮影したり、撮影画像を管理サーバ4に送信したりすればよい。これにより、管理サーバ4において複数の判定対象の荷物2の重量が順次判定され、各判定対象の荷物2の重量や総重量、残重量などを含む判定結果がスマートフォン3に送信されて表示される。
以上のように、この重量判定システム1によれば、判定対象の荷物2の撮影画像と予め記憶された参考荷物の画像および重量とに基づいて、判定対象の荷物2の重量が判定されるため、簡易な構成で判定対象の荷物2の重量を判定することが可能となる。すなわち、判定対象の荷物2の重量を1つずつ測ったり、多様な機器を備えたりすることなく、判定対象の荷物2を撮影するだけで、判定対象の荷物2の重量を判定することが可能となる。しかも、判定対象の荷物2を撮影するだけでよいため、多様なシーン・場面で広く適用することが可能となる。
また、参考荷物の種類と大きさごとに画像と重量が予め記憶されているため、判定対象の荷物2の種類だけではなく大きさも考慮して、判定対象の荷物2の重量をより適正に判定することが可能となる。
さらに、機械学習された重量判定用学習モデル412を用いて判定対象の荷物2の重量が出力されるため、判定対象の荷物2の重量をより適正に判定することが可能となる。
そして、判定対象の荷物2の重量が所定の規定重量を超える場合に警報が出力されるため、所定の規定重量を超える荷物2の吊り上げやコンベア移送などを未然に防止して、安全を確保することが可能となる。つまり、確認ミスによる重量オーバーを確実に防止することが可能となる。
さらに、複数の判定対象の荷物2の重量を順次判定して、その総重量が所定の規定総重量を超える場合に警報が出力されるため、所定の規定総重量を超える荷物2のトラックTへの積み込みや輸送などを未然に防止して、安全を確保することが可能となる。つまり、確認ミスによる総重量オーバーを確実に防止することが可能となる。
また、判定対象の荷物2の撮影や撮影画像の送信などをタッチパネル上で案内する重量判定アプリがスマートフォン3に備わっているため、画面の案件に従って誰でも容易かつ適正に、判定対象の荷物2の撮影や撮影画像の送信などを行うことが可能となる。
以上、この発明の実施の形態を詳述してきたが、具体的な構成はこの実施の形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計の変更等があっても、この発明に含まれる。例えば、上記の実施の形態では、判定対象の荷物2が鉄塔の構成部材である場合について主として説明したが、その他の物であってもよいことは勿論である。また、複数の判定対象の荷物2を同時に撮影してもよく、この場合、撮影画像に含まれる各荷物2の重量をそれぞれ判定すればよい。
一方、次のような重量判定プログラムを汎用のコンピュータにインストールすることで、上記のような管理サーバ4および重量判定計システム1を構成してもよい。すなわち、コンピュータを、荷物の種類と大きさごとに、当該荷物の画像と重量を含む荷物情報を記憶する荷物情報記憶手段(荷物情報データベース411)と、判定対象の荷物2が撮影された撮影画像と荷物情報とに基づいて、判定対象の荷物2の重量を判定する重量判定手段(重量判定タスク43)、として機能させる重量判定プログラムであり、重量判定手段は、撮影画像と荷物情報が入力されると、判定対象の荷物2の重量が出力されるように、過去の実績データに基づいて機械学習された重量判定用学習モデル412を用い、重量判定手段は、判定対象の荷物2の重量が所定の規定重量を超える場合に警報を出力し、さらに、複数の判定対象の荷物2の重量を順次判定し、その総重量が所定の規定総重量を超える場合に警報を出力する。
1 重量判定システム
2 判定対象の荷物
3 スマートフォン(撮影手段)
4 管理サーバ
411 荷物情報データベース(荷物情報記憶手段)
412 重量判定用学習モデル
413 重量判定用実績データベース
43 重量判定タスク(重量判定手段)
M 作業員
T トラック
2 判定対象の荷物
3 スマートフォン(撮影手段)
4 管理サーバ
411 荷物情報データベース(荷物情報記憶手段)
412 重量判定用学習モデル
413 重量判定用実績データベース
43 重量判定タスク(重量判定手段)
M 作業員
T トラック
Claims (10)
- 荷物の種類ごとに、当該荷物の画像と重量を含む荷物情報を記憶する荷物情報記憶手段と、
判定対象の荷物を撮影する撮影手段と、
前記撮影手段で撮影された撮影画像と前記荷物情報とに基づいて、前記判定対象の荷物の重量を判定する重量判定手段と、
を備えることを特徴とする重量判定システム。 - 前記荷物情報記憶手段は、荷物の種類と大きさごとに前記荷物情報を記憶する、
ことを特徴とする請求項1に記載の重量判定システム。 - 前記重量判定手段は、前記撮影画像と前記荷物情報が入力されると、前記判定対象の荷物の重量が出力されるように、過去の実績データに基づいて機械学習された重量判定用学習モデルを用いる、
ことを特徴とする請求項1または2のいずれか1項に記載の重量判定システム。 - 前記重量判定手段は、前記判定対象の荷物の重量が所定の規定重量を超える場合に警報を出力する、
ことを特徴とする請求項1から3のいずれか1項に記載の重量判定システム。 - 前記重量判定手段は、複数の前記判定対象の荷物の重量を順次判定し、その総重量が所定の規定総重量を超える場合に警報を出力する、
ことを特徴とする請求項1から4のいずれか1項に記載の重量判定システム。 - コンピュータを、
荷物の種類ごとに、当該荷物の画像と重量を含む荷物情報を記憶する荷物情報記憶手段と、
判定対象の荷物が撮影された撮影画像と前記荷物情報とに基づいて、前記判定対象の荷物の重量を判定する重量判定手段、
として機能させることを特徴とする重量判定プログラム。 - 前記荷物情報記憶手段は、荷物の種類と大きさごとに前記荷物情報を記憶する、
ことを特徴とする請求項6に記載の重量判定プログラム。 - 前記重量判定手段は、前記撮影画像と前記荷物情報が入力されると、前記判定対象の荷物の重量が出力されるように、過去の実績データに基づいて機械学習された重量判定用学習モデルを用いる、
ことを特徴とする請求項6または7のいずれか1項に記載の重量判定プログラム。 - 前記重量判定手段は、前記判定対象の荷物の重量が所定の規定重量を超える場合に警報を出力する、
ことを特徴とする請求項6から8のいずれか1項に記載の重量判定プログラム。 - 前記重量判定手段は、複数の前記判定対象の荷物の重量を順次判定し、その総重量が所定の規定総重量を超える場合に警報を出力する、
ことを特徴とする請求項6から9のいずれか1項に記載の重量判定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022067043A JP2023157254A (ja) | 2022-04-14 | 2022-04-14 | 重量判定システムおよび重量判定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022067043A JP2023157254A (ja) | 2022-04-14 | 2022-04-14 | 重量判定システムおよび重量判定プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023157254A true JP2023157254A (ja) | 2023-10-26 |
Family
ID=88469327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022067043A Pending JP2023157254A (ja) | 2022-04-14 | 2022-04-14 | 重量判定システムおよび重量判定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2023157254A (ja) |
-
2022
- 2022-04-14 JP JP2022067043A patent/JP2023157254A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180346294A1 (en) | Method and apparatus for load handling | |
JP6918651B2 (ja) | 荷物管理システム | |
WO2019117908A1 (en) | Baggage transportation using autonomous vehicle | |
CN110168585B (zh) | 一种数据处理方法、装置及系统 | |
CN105173945B (zh) | 电梯轿厢载人空间检测方法 | |
JP5700625B2 (ja) | 重心位置測定装置 | |
EP2326927A1 (en) | Systems and methods for freight tracking and monitoring | |
JP2014174021A (ja) | トラック搭載コンテナの重心計測システム及び重心計測方法 | |
JP7444687B2 (ja) | 車載器、稼働管理装置、運転支援システム、及び運転支援プログラム | |
CN106744089A (zh) | 电梯控制方法及装置 | |
CN111320082A (zh) | 确定货物重量的方法、装置及仓库管理方法 | |
JP2023157254A (ja) | 重量判定システムおよび重量判定プログラム | |
JP6096558B2 (ja) | 測定システム | |
KR20100110450A (ko) | 강재 관리 시스템 및 방법 | |
JP6149145B1 (ja) | 資材搬送システム | |
JP2003012122A (ja) | 入出庫管理システム | |
JP7154826B2 (ja) | 車両吊上防止システム | |
JP2015225440A (ja) | 検収システム | |
MX2014005118A (es) | Sistemas y metodos de calibracion de vehiculos con bascula de pesaje. | |
JP2022123570A (ja) | 荷物の積み込みの支援システムおよびエレベーターシステム | |
JP6902188B2 (ja) | 搬送管理システム、搬送管理方法及び搬送管理プログラム | |
CN113554395B (zh) | 一种轻量级自动化仓储物流安全预警方法 | |
CN112074851A (zh) | 物流系统和费用计算方法 | |
EP2144191A1 (en) | Method and system for monitoring material flows | |
CN110937512B (zh) | 一种桥吊远程自动化控制方法、系统、计算机存储介质 |