JP5811159B2 - 電子機器分析装置、ライブラリ提供システム - Google Patents

電子機器分析装置、ライブラリ提供システム Download PDF

Info

Publication number
JP5811159B2
JP5811159B2 JP2013236109A JP2013236109A JP5811159B2 JP 5811159 B2 JP5811159 B2 JP 5811159B2 JP 2013236109 A JP2013236109 A JP 2013236109A JP 2013236109 A JP2013236109 A JP 2013236109A JP 5811159 B2 JP5811159 B2 JP 5811159B2
Authority
JP
Japan
Prior art keywords
component
board
type
target
data
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.)
Active
Application number
JP2013236109A
Other languages
English (en)
Other versions
JP2014081943A (ja
Inventor
敦司 久野
敦司 久野
貴子 大西
貴子 大西
信治 杉田
信治 杉田
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.)
Omron Corp
Original Assignee
Omron 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 Omron Corp filed Critical Omron Corp
Priority to JP2013236109A priority Critical patent/JP5811159B2/ja
Publication of JP2014081943A publication Critical patent/JP2014081943A/ja
Priority to PCT/JP2014/078896 priority patent/WO2015072338A1/ja
Priority to EP14861853.1A priority patent/EP3070460A4/en
Priority to US15/037,005 priority patent/US20160267443A1/en
Application granted granted Critical
Publication of JP5811159B2 publication Critical patent/JP5811159B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/30—Administration of product recycling or disposal
    • C—CHEMISTRY; METALLURGY
    • C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
    • C22B—PRODUCTION AND REFINING OF METALS; PRETREATMENT OF RAW MATERIALS
    • C22B1/00—Preliminary treatment of ores or scrap
    • C22B1/005—Preliminary treatment of scrap
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B09—DISPOSAL OF SOLID WASTE; RECLAMATION OF CONTAMINATED SOIL
    • B09B—DISPOSAL OF SOLID WASTE NOT OTHERWISE PROVIDED FOR
    • B09B3/00—Destroying solid waste or transforming solid waste into something useful or harmless
    • B09B3/80—Destroying solid waste or transforming solid waste into something useful or harmless involving an extraction step
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/20—Recycling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/82—Recycling of waste of electrical or electronic equipment [WEEE]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Library & Information Science (AREA)
  • Artificial Intelligence (AREA)
  • Chemical & Material Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Sustainable Development (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Geology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Materials Engineering (AREA)
  • Mechanical Engineering (AREA)

Description

本発明は、電子機器に含まれる有用な物質のリサイクルを効率化するための技術に関する。
廃棄された電子機器から貴金属やレアメタルなどの有用資源を回収し再利用する取り組みが始まっている。レアメタルを中心とした希少資源の確保は、国家の安全保障上も大きな課題となっている。
電子機器のリサイクル技術に関わる公知技術としては、例えば、特許文献１〜３が存在する。しかし、これらは製品を破砕するか、粉にするか、混合物にした後に、物理的処理又は化学的処理によって、有用資源の再利用のために抽出するものである。このような方法では、有用資源の再利用のためのコストが大きくなり、有用資源の回収コストを抽出した有用資源の売価を下回るようにする事が大変に困難である。
特許文献４、５には、取り出し対象の部品の位置を検出した上で、製品内からその部品を切り取って、取り出す方法が提案されている。特許文献４の方法は、構造が規格化されたＨＤＤ（ハードディスクドライブ）について、その構造情報を用いながら、希少資源を含む部品を選択的に切り取って処理するものである。また、特許文献５の方法は、Ｘ線を用いて対象製品の透過像を形成し、その透過像からモータの位置を測定し、適切な切断位置を決定して対象製品を切断して、モータを取り出すというものである。しかし、これらの方法は汎用性が小さいため、市場に出回っている様々な種類の製品に対し、製品種別や製品仕様に応じた的確な処理を提供することが難しい。
特開２０１３−６８５号公報 特開２０１２−２１２１８号公報 特開２０１２−１７４７７０号公報 特開２０１２−４１５７５号公報 特開２０００−１９７８７０号公報
携帯電話やコンピュータなどの電子機器から取り出せる有用資源の価値が、回収コストに比べて高くなければ、リサイクルビジネスが成立しない。この回収コストを小さくするためには、実際の回収プロセスにかける前に、電子機器や部品実装基板に含まれている有用資源の種類や含有量、さらにはどの位置に含まれているかなどを把握できるとよい。事前にこれらの情報が得られれば、それに基づき電子機器や基板の裁断・仕分けをしたり、回収プロセスを決定したり、あるいは回収処理に回すか（コストが合わないとして）廃棄するかを判断したりすることが可能となり、回収コストを可及的に低減できるからである。
本来、電子機器はＣＡＤで設計されているので、この設計データを活用することができれば、電子機器に搭載されている部品の種類や位置が容易にわかるため、部品から回収可能な有用資源の種類や量を知ることができる。しかし、電子機器の設計データにはメーカ
の機密情報が多く含まれているため、メーカが設計データを公開することは稀である。その結果、設計データを利用して、電子機器内の有用資源の種類や含有量を検知する、というシステムは実現性に乏しい。
本発明は上記実情に鑑みなされたものであり、電子機器やその構成品に含まれる再生利用可能な特定物質の種類や量を簡易な方法で検知し、特定物質の回収を効率化するための技術を提供することを目的とする。
請求項１に係る電子機器分析装置は、再生利用可能な特定物質を含有する電子機器又は電子機器の構成品である有用物体を分析する電子機器分析装置であって、データベースを格納する記憶装置を有し、前記データベースは、有用物体の種類ごとに、有用物体の種類を特定するための物体認識処理に利用される、当該有用物体の特徴を表す特徴データと、当該有用物体に実装されている電子部品である実装部品を表すデータと、当該有用物体に含まれる特定物質の種類及び量を決定する処理に利用される、当該有用物体に含まれる特定物質の種類及び合計量、又は、当該有用物体に実装された実装部品のそれぞれに含まれる特定物質の種類及び量を表す含有物質データと、を対応付けたデータベースと、電子部品の種類ごとに、電子部品の種類を特定するための物体認識処理に利用される、当該電子部品の特徴を表す部品特徴データと、当該電子部品に含まれる特定物質の種類及び量を決定する処理に利用される、当該電子部品に含まれる特定物質の種類及び量を表す含有物質データと、を対応付けたデータベースと、を含み、前記電子機器分析装置は、さらに、分析対象物となる有用物体である対象有用物体から得られる情報を前記データベースにおける各有用物体の特徴データと比較して、前記対象有用物体の種類を特定する有用物体認識部と、前記対象有用物体から得られる情報を前記データベースにおける各電子部品の部品特徴データと比較して、前記対象有用物体に実装されている電子部品である実装部品の種類を特定する部品認識部と、前記有用物体認識部又は前記部品認識部の認識結果に基づき、前記対象有用物体の種類又は前記対象有用物体に実装されている実装部品の種類に対応付けられた含有物質データを前記データベースから取得することにより、前記対象有用物体に含まれている特定物質の種類及び量を決定する含有物質決定部と、を有することを特徴とする。請求項１に係る構成によれば、電子機器やその構成品のなかに再利用可能な特定物質がどの程度含まれているかどうかを自動で判別できるので、特定物質の回収および再資源化の処理を効率的に実行できる。
請求項１に記載されたデータベース（以下、「有用物体ライブラリ」ともよぶ。）を用いると、例えば使用済みの電子機器或いはその構成品が与えられたときに、コンピュータによる物体認識により当該電子機器或いは構成品の種類を特定（つまり、いずれの有用物体に該当するかを識別）することができ、さらにその認識結果に基づいて当該電子機器やその構成品に再利用可能な特定物質がどの程度含まれているかを簡単に判断することができる。したがって、有用物体ライブラリを活用した情報処理によって、電子機器やその構成品からの特定物質の回収処理を効率化できる。
電子機器の構成品とは、電子機器から分離又は分解し得る物品であり、例えば、電子機器に内蔵された部品実装基板、部品実装基板に搭載された電子部品などが該当する。有用物体ライブラリとしては、例えば、電子部品の種類ごとに電子部品の特徴データと含有物質データを対応付けたもの（「部品ライブラリ」ともよぶ。）、部品実装基板の種類ごとに部品実装基板の特徴データと基板の含有物質データを対応づけたもの（「基板ライブラリ」ともよぶ。）、電子機器の種類ごとに電子機器の特徴データと電子機器の含有物質データを対応付けたもの（「電子機器ライブラリ」ともよぶ。）などを用いることができる。基板の含有物質データは、基板に搭載された部品個別の含有物質の種類及び量のデータを含んでいてもよいし、基板に搭載されたすべての部品の含有物質の合計量のデータを含んでいてもよい。電子機器の含有物質データについても同様である。記憶装置内に、複数種類のライブラリが格納されていてもよいし、同じライブラリの中に電子機器、部品実装基板、電子部品のデータが混在していてもよい。
前記特徴データが、前記有用物体の画像データ及び／又は前記有用物体の画像データから抽出される特徴を表すデータを含み、前記部品特徴データが、前記電子部品の画像データ及び／又は前記電子部品の画像データから抽出される特徴を表すデータを含むとよい。
このように、有用物体の画像データや画像の特徴を表すデータを特徴データとして有用物体ライブラリに登録しておけば、電子機器やその構成品を撮影した画像を用いた画像認識処理への適用が容易になる。
前記画像データが、Ｘ線像データであるとよい。
このように、Ｘ線像データ及び／又はＸ線像データから抽出されるデータを特徴データとして用いれば、電子機器の内部にある部品のように、外観からは視認できない部品についても認識が可能となり、様々な対象物への適用が可能である。
請求項２に係る電子機器分析装置は、再生利用可能な特定物質を含有する電子機器又は
電子機器の構成品である有用物体を分析する電子機器分析装置であって、データベースを有するシステムとネットワークを介して接続可能であり、前記データベースは、有用物体の種類ごとに、有用物体の種類を特定するための物体認識処理に利用される、当該有用物体の特徴を表す特徴データと、当該有用物体に実装されている電子部品である実装部品を表すデータと、当該有用物体に含まれる特定物質の種類及び量を決定する処理に利用される、当該有用物体に含まれる特定物質の種類及び合計量、又は、当該有用物体に実装された実装部品のそれぞれに含まれる特定物質の種類及び量を表す含有物質データと、を対応付けたデータベースと、電子部品の種類ごとに、電子部品の種類を特定するための物体認識処理に利用される、当該電子部品の特徴を表す部品特徴データと、当該電子部品に含まれる特定物質の種類及び量を決定する処理に利用される、当該電子部品に含まれる特定物質の種類及び量を表す含有物質データと、を対応付けたデータベースと、を含み、前記電子機器分析装置は、分析対象物となる有用物体である対象有用物体から得られる情報を前記データベースにおける各有用物体の特徴データと比較して、前記対象有用物体の種類を特定する有用物体認識部と、前記対象有用物体から得られる情報を前記データベースにおける各電子部品の部品特徴データと比較して、前記対象有用物体に実装されている電子部品である実装部品の種類を特定する部品認識部と、前記有用物体認識部又は前記部品認識部の認識結果に基づき、前記対象有用物体の種類又は前記対象有用物体に実装されている実装部品の種類に対応付けられた含有物質データを前記データベースから取得することにより、前記対象有用物体に含まれている特定物質の種類及び量を決定する含有物質決定部と、を有することを特徴とする。
請求項２に係る構成によれば、電子機器やその構成品のなかに再利用可能な特定物質がどの程度含まれているかどうかを自動で判別できるので、特定物質の回収および再資源化の処理を効率的に実行できる。
請求項３に係る電子機器分析装置は、前記部品認識部は、前記有用物体認識部による前記対象有用物体の認識に失敗した場合に、前記対象有用物体に実装されている実装部品の認識処理を実行することを特徴とする。
請求項４に係るライブラリ提供システムは、再生利用可能な特定物質を含有する電子機器又は電子機器の構成品である有用物体を分析する電子機器分析装置に対しデータを提供するライブラリ提供システムであって、データベースを記憶する記憶装置と、ネットワークを介して接続された前記電子機器分析装置からの要求に応じて、前記記憶装置に格納されているデータベースのデータを前記電子機器分析装置に対しネットワークを介して提供するデータ提供部と、を有し、前記データベースは、有用物体の種類ごとに、有用物体の種類を特定するための物体認識処理に利用される、当該有用物体の特徴を表す特徴データと、当該有用物体に実装されている電子部品である実装部品を表すデータと、当該有用物体に含まれる特定物質の種類及び量を決定する処理に利用される、当該有用物体に含まれる特定物質の種類及び合計量、又は、当該有用物体に実装された実装部品のそれぞれに含まれる特定物質の種類及び量を表す含有物質データと、を対応付けたデータベースと、電子部品の種類ごとに、電子部品の種類を特定するための物体認識処理に利用される、当該電子部品の特徴を表す部品特徴データと、当該電子部品に含まれる特定物質の種類及び量を決定する処理に利用される、当該電子部品に含まれる特定物質の種類及び量を表す含有物質データと、を対応付けたデータベースと、を含むすることを特徴とする。
請求項４に係るライブラリ提供システムを用いれば、例えば、クラウドによる有用物体
ライブラリの提供サービスを簡単に実現できる。また、ライブラリ提供システムを利用する電子機器分析装置のユーザにとっては、有用物体ライブラリのオンライン利用が可能になることで、電子機器分析装置側の記憶容量を削減できるとともに、（自ら有用物体ライブラリのデータ更新を行わなくても）常に最新のライブラリを利用できるという利点がある。
請求項５に係る電子機器分析装置は、部品実装基板の種類ごとに、当該部品実装基板の特徴を表す基板特徴データと、当該部品実装基板に実装された電子部品とそれに含まれる特定物質の種類及び量を表す実装部品データとを対応付けたデータ構造を有する基板ライブラリ、並びに、電子部品の種類ごとに、当該電子部品の特徴を表す部品特徴データと当該電子部品に含まれる特定物質の種類及び量を表す含有物質データとを対応付けたデータ構造を有する部品ライブラリを記憶する記憶装置と、分析対象物の部品実装基板である対象基板を撮影し、画像データを取得する撮像部と、前記撮像部で得られた前記対象基板の画像データの特徴と前記基板ライブラリに記憶されている各部品実装基板の基板特徴データとを比較して、前記対象基板の種類を特定する基板認識部と、前記基板認識部による前記対象基板の認識に失敗した場合に、前記撮像部で得られた前記対象基板の画像データの特徴と前記部品ライブラリに記憶されている各電子部品の部品特徴データとを比較して、前記対象基板に実装されている電子部品の種類を特定することにより、前記対象基板の種類を特定する部品認識部と、前記基板認識部又は前記部品認識部の認識結果に基づき前記基板ライブラリから該当する部品実装基板の実装部品データを取得することにより、前記対象基板に含まれている特定物質の種類及び量を決定する含有物質決定部と、を有することを特徴とする。
請求項５に係る電子機器分析装置によれば、電子機器や部品実装基板のなかに貴金属やレアメタルなどの特定物質が含まれているかどうかを自動で判別できるので、特定物質の回収および再資源化の処理を効率的に実行できる。また、比較的軽い処理である基板認識を最初に実施し、基板単位での認識が困難な場合に補助的に部品認識を実施するようにしたことで、基板の認識率を向上できるとともに、全体としての処理効率を向上できるという利点がある。
請求項６に係る電子機器分析装置は、電子部品の種類ごとに、当該電子部品の特徴を表す部品特徴データと当該電子部品に含まれる特定物質の種類及び量を表す含有物質データとを対応付けたデータ構造を有する部品ライブラリ、並びに、部品実装基板の種類ごとに、当該部品実装基板に実装された電子部品とそれに含まれる特定物質の種類及び量を表す実装部品データを対応付けたデータ構造を有する基板ライブラリを記憶する記憶装置と、分析対象物の部品実装基板である対象基板を撮影し、画像データを取得する撮像部と、前記撮像部で得られた前記対象基板の画像データの特徴と前記部品ライブラリに記憶されている各電子部品の部品特徴データとを比較して、前記対象基板に実装されている電子部品の種類を特定する部品認識部と、前記部品認識部の認識結果と前記基板ライブラリに記憶されている各部品実装基板の実装部品データとを比較して、前記対象基板の種類を特定する基板認識部と、前記基板認識部の認識結果に基づき前記基板ライブラリから該当する部品実装基板の実装部品データを取得することにより、前記対象基板に含まれている特定物質の種類及び量を決定する含有物質決定部と、を有することを特徴とする。
請求項６に係る電子機器分析装置によれば、電子機器や部品実装基板のなかに貴金属やレアメタルなどの特定物質が含まれているかどうかを自動で判別できるので、特定物質の回収および再資源化の処理を効率的に実行できる。また、部品認識の結果を元に基板を特定し、基板ライブラリから各部品の情報を取得するようにしたので、分析対象物の画像からすべての部品を高精度に認識する必要がなくなり、処理の簡易化及び高速化を図ることができる。加えて、基板上の各部品の含有物質の正確な情報を取得することができる。
請求項７に係る電子機器分析装置は、部品実装基板の種類ごとに、当該部品実装基板の特徴を表す基板特徴データと、当該部品実装基板に実装された電子部品とそれに含まれる特定物質の種類及び量を表す実装部品データとを対応付けたデータ構造を有する基板ライブラリ、並びに、電子部品の種類ごとに、当該電子部品の特徴を表す部品特徴データと当該電子部品に含まれる特定物質の種類及び量を表す含有物質データとを対応付けたデータ構造を有する部品ライブラリ、を記憶する記憶装置と、分析対象物の部品実装基板である対象基板を撮影し、画像データを取得する撮像部と、前記対象基板を前記撮像部よりも簡易的に計測し、前記対象基板の第２の画像データを取得するプレセンシング部と、前記プレセンシング部で得られた前記対象基板の第２の画像データの特徴と前記基板ライブラリに記憶されている各部品実装基板の基板特徴データとを比較して、前記対象基板の種類を特定する基板認識部と、前記撮像部で得られた前記対象基板の画像データの特徴と前記部品ライブラリに記憶されている各電子部品の部品特徴データとを比較して、前記対象基板に実装されている電子部品の種類を特定する部品認識部と、前記対象基板に含まれている特定物質の種類及び量を決定する含有物質決定部と、を有し、前記基板認識部により前記
対象基板の種類が特定できた場合には、前記撮像部による前記対象基板の撮影及び前記部品認識部による電子部品の認識処理を行わず、前記含有物質決定部は、前記基板認識部の認識結果に基づき前記基板ライブラリから該当する部品実装基板の実装部品データを取得することにより、前記対象基板に含まれている特定物質の種類及び量を決定し、前記基板認識部により前記対象基板の種類が特定できなかった場合には、前記撮像部による前記対象基板の撮影及び前記部品認識部による電子部品の認識処理を行い、前記含有物質決定部は、前記部品認識部の認識結果に基づき前記部品ライブラリから該当する実装部品の含有物質データを取得することにより、前記対象基板に含まれている特定物質の種類及び量を決定することを特徴とする。
請求項７に係る電子機器分析装置によれば、電子機器や部品実装基板のなかに貴金属やレアメタルなどの特定物質が含まれているかどうかを自動で判別できるので、特定物質の回収および再資源化の処理を効率的に実行できる。また、プレセンシングの結果に応じて撮像部による撮影や部品認識の要否を判断しているので、全体としての処理効率を向上できるという利点がある。
請求項８に係る電子機器分析装置は、部品実装基板の種類ごとに、当該部品実装基板の特徴を表す基板特徴データと、当該部品実装基板に実装された電子部品とそれに含まれる特定物質の種類及び量を表す実装部品データとを対応付けたデータ構造を有する基板ライブラリ、並びに、電子部品の種類ごとに、当該電子部品の特徴を表す部品特徴データと当該電子部品に含まれる特定物質の種類及び量を表す含有物質データとを対応付けたデータ構造を有する部品ライブラリ、を記憶するシステムとネットワークを介して接続可能であり、分析対象物の部品実装基板である対象基板を撮影し、画像データを取得する撮像部と、前記撮像部で得られた前記対象基板の画像データの特徴と前記基板ライブラリに記憶されている各部品実装基板の基板特徴データとを比較して、前記対象基板の種類を特定する基板認識部と、前記基板認識部による前記対象基板の認識に失敗した場合に、前記撮像部で得られた前記対象基板の画像データの特徴と前記部品ライブラリに記憶されている各電子部品の部品特徴データとを比較して、前記対象基板に実装されている電子部品の種類を特定することにより、前記対象基板の種類を特定する部品認識部と、前記基板認識部又は前記部品認識部の認識結果に基づき前記基板ライブラリから該当する部品実装基板の実装部品データを取得することにより、前記対象基板に含まれている特定物質の種類及び量を決定する含有物質決定部と、を有することを特徴とする。
請求項８に係る電子機器分析装置によれば、電子機器や部品実装基板のなかに貴金属やレアメタルなどの特定物質が含まれているかどうかを自動で判別できるので、特定物質の回収および再資源化の処理を効率的に実行できる。また、比較的軽い処理である基板認識を最初に実施し、基板単位での認識が困難な場合に補助的に部品認識を実施するようにしたことで、基板の認識率を向上できるとともに、全体としての処理効率を向上できるという利点がある。
請求項９に係る電子機器分析装置は、電子部品の種類ごとに、当該電子部品の特徴を表す部品特徴データと当該電子部品に含まれる特定物質の種類及び量を表す含有物質データとを対応付けたデータ構造を有する部品ライブラリ、並びに、部品実装基板の種類ごとに、当該部品実装基板に実装された電子部品とそれに含まれる特定物質の種類及び量を表す実装部品データを対応付けたデータ構造を有する基板ライブラリ、を記憶するシステムとネットワークを介して接続可能であり、分析対象物の部品実装基板である対象基板を撮影し、画像データを取得する撮像部と、前記撮像部で得られた前記対象基板の画像データの特徴と前記部品ライブラリに記憶されている各電子部品の部品特徴データとを比較して、前記対象基板に実装されている電子部品の種類を特定する部品認識部と、前記部品認識部の認識結果と前記基板ライブラリに記憶されている各部品実装基板の実装部品データとを比較して、前記対象基板の種類を特定する基板認識部と、前記基板認識部の認識結果に基づき前記基板ライブラリから該当する部品実装基板の実装部品データを取得することにより、前記対象基板に含まれている特定物質の種類及び量を決定する含有物質決定部と、を有することを特徴とする。
請求項９に係る電子機器分析装置によれば、電子機器や部品実装基板のなかに貴金属やレアメタルなどの特定物質が含まれているかどうかを自動で判別できるので、特定物質の回収および再資源化の処理を効率的に実行できる。また、部品認識の結果を元に基板を特定し、基板ライブラリから各部品の情報を取得するようにしたので、分析対象物の画像からすべての部品を高精度に認識する必要がなくなり、処理の簡易化及び高速化を図ることができる。加えて、基板上の各部品の含有物質の正確な情報を取得することができる。
請求項１０に係る電子機器分析装置は、部品実装基板の種類ごとに、当該部品実装基板の特徴を表す基板特徴データと、当該部品実装基板に実装された電子部品とそれに含まれる特定物質の種類及び量を表す実装部品データとを対応付けたデータ構造を有する基板ライブラリ、並びに、電子部品の種類ごとに、当該電子部品の特徴を表す部品特徴データと当該電子部品に含まれる特定物質の種類及び量を表す含有物質データとを対応付けたデータ構造を有する部品ライブラリ、を記憶するシステムとネットワークを介して接続可能であり、分析対象物の部品実装基板である対象基板を撮影し、画像データを取得する撮像部と、前記対象基板を前記撮像部よりも簡易的に計測し、前記対象基板の第２の画像データを取得するプレセンシング部と、前記プレセンシング部で得られた前記対象基板の第２の画像データの特徴と前記基板ライブラリに記憶されている各部品実装基板の基板特徴データとを比較して、前記対象基板の種類を特定する基板認識部と、前記撮像部で得られた前記対象基板の画像データの特徴と前記部品ライブラリに記憶されている各電子部品の部品特徴データとを比較して、前記対象基板に実装されている電子部品の種類を特定する部品認識部と、前記対象基板に含まれている特定物質の種類及び量を決定する含有物質決定部と、を有し、前記基板認識部により前記対象基板の種類が特定できた場合には、前記撮像部による前記対象基板の撮影及び前記部品認識部による電子部品の認識処理を行わず、前記含有物質決定部は、前記基板認識部の認識結果に基づき前記基板ライブラリから該当する部品実装基板の実装部品データを取得することにより、前記対象基板に含まれている特定物質の種類及び量を決定し、前記基板認識部により前記対象基板の種類が特定できなかった場合には、前記撮像部による前記対象基板の撮影及び前記部品認識部による電子部品の認識処理を行い、前記含有物質決定部は、前記部品認識部の認識結果に基づき前記部品ライブラリから該当する実装部品の含有物質データを取得することにより、前記対象基板に含まれている特定物質の種類及び量を決定することを特徴とする。
請求項１０に係る電子機器分析装置によれば、電子機器や部品実装基板のなかに貴金属やレアメタルなどの特定物質が含まれているかどうかを自動で判別できるので、特定物質の回収および再資源化の処理を効率的に実行できる。また、プレセンシングの結果に応じて撮像部による撮影や部品認識の要否を判断しているので、全体としての処理効率を向上できるという利点がある。
請求項１１に係る電子機器分析装置は、請求項５〜１０のうちいずれか１項に記載の電子機器分析装置において、前記撮像部は、前記対象基板のＸ線像を取得するＸ線撮像装置
であることを特徴とする。
請求項１１に係る電子機器分析装置によれば、Ｘ線像を用いたので、電子機器の内部にある部品、多層基板の部品、裏面に実装された部品のように、外観からは視認できない部品についても認識が可能となり、様々な対象物への適用が可能である。
請求項１２に係る電子機器分析装置は、請求項５〜１１のうちいずれか１項に記載の電子機器分析装置において、前記含有物質決定部は、前記対象基板に含まれている特定物質の種類及び量の情報と当該特定物質を含む部品の基板上の位置の情報とを含むデータを出力することを特徴とする。
請求項１２に係る電子機器分析装置によれば、このようなデータを後段の回収工程で活用することで、回収作業の効率化及び回収コストの低減を期待できる。
請求項１３に係る電子機器分析装置は、請求項１２に記載の電子機器分析装置において、前記含有物質決定部により出力される、前記対象基板に含まれている特定物質の種類及び量の情報と当該特定物質を含む部品の基板上の位置の情報とを含むデータに基づいて、前記対象基板のなかから当該特定物質を取り出す方法を定義したデータを生成する特定物質抽出方法決定部、をさらに有することを特徴とする。
請求項１３に係る電子機器分析装置によれば、このようなデータを後段の回収工程で活用することで、回収作業の効率化及び回収コストの低減を期待できる。
請求項１４に係る電子機器分析装置は、請求項５〜１３のうちいずれか１項に記載の電子機器分析装置において、部品実装基板の種類ごとに、当該部品実装基板のなかから特定物質を取り出す方法を定義した抽出方法定義データを対応付けたデータ構造を有する特定物質情報ライブラリから、前記基板認識部の認識結果に基づき該当する部品実装基板の抽出方法定義データを取得する特定物質抽出方法決定部、をさらに有することを特徴とする。
請求項１４に係る電子機器分析装置によれば、このようなデータを後段の回収工程で活用することで、回収作業の効率化及び回収コストの低減を期待できる。
本発明によれば、電子機器や部品実装基板に含まれる特定物質の種類や量を簡易な方法で検知し、特定物質の回収を効率化することができる。
電子機器分析装置の構成を模式的に示す図。 第１実施形態の分析装置の主たる機能構成を示すブロック図。 第１実施形態の分析装置による分析処理の流れを示すフローチャート。 はんだ特徴による部品認識について説明する図。 含有物質リストの例。 第２実施形態の分析装置の主たる機能構成を示すブロック図。 第２実施形態の分析装置による分析処理の流れを示すフローチャート。 第３実施形態の分析装置の主たる機能構成を示すブロック図。 第３実施形態の分析装置による分析処理の流れを示すフローチャート。 第４実施形態の分析装置の主たる機能構成を示すブロック図。 第４実施形態の分析装置による分析処理の流れを示すフローチャート。 第５実施形態のライブラリ作成装置を説明する図。 第６実施形態の電子機器分析装置の構成を模式的に示す図。 第６実施形態の分析装置による分析処理の流れを示すフローチャート。 第７実施形態の分析装置が備える特定物質抽出方法決定機能を示す図。 第７実施形態の分析装置が備える特定物質抽出方法決定機能の別の構成例を示す図。 （ａ）は部品ライブラリのデータ構造の一例を示す図であり、（ｂ）は基板ライブラリのデータ構造の一例を示す図である。 ライブラリのクラウドサービスの構成例を示す図。
＜第１実施形態＞
（分析装置の構成）
図１および図２を参照して、本発明の第１実施形態に係る電子機器分析装置の構成を説明する。図１は、電子機器分析装置（「分析装置」ともよぶ。）の外観および動作の様子を模式的に示す図であり、図２は、分析装置の主たる機能構成を示す機能ブロック図である。
図１に示すように、分析装置１は、概略、撮像部１０と情報処理部１１とから構成される。撮像部１０は、ベルトコンベヤなどの搬送装置１２によって搬送される分析対象物１３（電子機器、部品実装基板など）を撮影し、その画像データを情報処理部１１に出力する装置である。情報処理部１１は、撮像部１０から入力された分析対象物１３の画像データから実装部品や基板を認識（特定）し、その認識結果をもとに分析対象物１３に含まれる特定物質（例えば、貴金属やレアメタルなどの有用材料）の含有量などを推定する装置である。
本実施形態では、撮像部１０として、２次元の透過Ｘ線像を撮影するＸ線撮像部を用いる。具体的には、撮像部１０は、分析対象物１３にＸ線を照射するＸ線発生器１００と、分析対象物１３を透過したＸ線を検出するＸ線検出器１０１と、画像生成部１０２から構成される。本実施形態では、主走査方向に多数の検出素子を並べたラインセンサ状のＸ線検出器１０１を用い、搬送装置１２によって分析対象物１３を副走査方向に搬送しながら透過線量の検出を連続的に行うことで、２次元Ｘ線像を取得する。画像生成部１０２は、２次元画像データの生成の他、必要に応じた前処理（濃度やコントラストの補正、ノイズ除去、分析対象物１３の領域のトリミング、画像の回転など）を行う機能である。なお、画像生成部１０２の機能は情報処理部１１のなかに設けてもよい。
なお、撮像部１０の構成は、これに限られない。例えば、検出素子を２次元アレイ状に配置したＸ線検出器１０１を用いてもよい。また、トモシンセシス、ＣＴ（コンピュータ・トモグラフィー）のようにＸ線断層像を取得可能なＸ線撮像装置を用いてもよい（これらのＸ線撮像装置の詳しい構成については例えば特許第５２６３２０４号公報を参照のこと。）。さらに、Ｘ線撮像装置とともに、あるいは、Ｘ線撮像装置に代えて、ＣＣＤカメラなどの可視光撮像装置、赤外線撮像装置、その他のセンサなどを用いてもよい。
情報処理部１１は、図２に示すように、部品ライブラリ１１０、部品認識部１１１、含有物質決定部１１２などの機能を有している。情報処理部１１は、典型的には、ＣＰＵ（中央演算処理装置）、ＲＡＭ（主記憶装置）、磁気ディスクや半導体ディスクなどの補助記憶装置、入力装置、表示装置、通信ＩＦなどを備えるコンピュータにより構成することができる。その場合、情報処理部１１の各機能は、ＣＰＵが補助記憶装置などの記憶装置に格納されたプログラムを読み込み、実行することで実現されるものである。なお、情報処理部１１の構成は、一台のコンピュータで実現する方式以外にも、クライアント−サーバ方式、グリッドコンピューティング、クラウドコンピューティングなどの構成を採ることもできる。あるいは、情報処理部１１の機能の全部または一部を、ＡＳＩＣやＦＰＧＡなどのロジック回路や、オンボードコンピュータを用いて構成することもできる。
部品ライブラリ１１０は、電子部品に関する情報である「部品データ」を記憶するデータベースである。部品ライブラリ１１０には、多くの種類の電子部品の部品データがあらかじめ登録されている。部品ライブラリ１１０は、補助記憶装置のようなローカルストレージに格納されてもよいし、サーバやクラウドのようなネットワーク上のストレージに格納されてもよいし、複数のストレージに分散していてもよい。
「部品データ」には、図１７（ａ）に示すように、少なくとも、「部品ＩＤ」、「部品特徴データ」、「含有物質データ」が含まれる。「部品ＩＤ」は、部品を一意に特定するための識別情報である。分析装置１あるいはユーザが部品ごとに部品ＩＤを付与してもよいし、部品のメーカ・型番などを部品ＩＤに利用することもできる。「部品特徴データ」は、画像認識に利用する部品のモデルデータであり、当該部品の特徴を表すものであればどのような種類の情報でもよい。例えば、部品の画像データそのものや、画像データから抽出される各種の特徴量などを部品特徴データとして用いることができる。一つの部品について、複数の画像データ（Ｘ線像と可視光像のように撮像方式の異なる画像、解像度の異なる画像、異なる画像処理が施された画像など）が登録されてもよいし、複数種類の部品特徴データが登録されていてもよい。図１７（ａ）のデータ構造例では、部品特徴データとして、ＪＰＥＧ形式の画像データと、画像データから抽出された特徴量のデータとが登録されている。なお、画像データから抽出可能な特徴量には様々なものがある。例えば、部品のサイズ、形状、はんだの個数・形状・サイズ・配置、電極の個数・形状・サイズ・配置、濃淡やテクスチャの特徴、エッジ特徴など、画像認識による部品の特定（同定）に有意な特徴量であればどのようなものを用いてもよい。「含有物質データ」は、当該部品に含まれる（あるいは当該部品から回収可能な）特定物質の種類および量などの情報である。特定物質には、例えば、金、銀、白金などの貴金属や、パラジウム、コバルトなどのレアメタルが該当する。なお、部品から回収し再利用することが可能な有用材料であれば、貴金属やレアメタル以外の物質を対象としてもよい。
部品認識部１１１は、撮像部１０から入力された分析対象物１３の基板の画像データから当該基板に実装されている電子部品を認識（特定）する機能であり、含有物質決定部１１２は、部品認識部１１１の認識結果をもとに分析対象物１３に含まれる特定物質の種類や含有量などを判断する機能である。以下、これらの機能の詳細を、分析装置１の動作の流れとともに説明する。
（分析装置の動作）
図３は、分析装置１による分析処理の流れを示すフローチャートである。
まず、分析対象物１３である電子機器に内蔵された部品実装基板のＸ線像が撮像部１０によって撮像され、その画像データが情報処理部１１に取り込まれる（ステップＳ３０）。図４（ａ）は、部品実装基板の透過Ｘ線像４０の一例である。基板上の部品の材質や厚
みによって透過するＸ線量に違いが出るため、画像の濃淡で部品各々の外形を観測できるだけでなく、特にＸ線吸収率の高い金属部分（はんだ、リード、金属配線など）を明瞭な像として観測することができる。
次に、部品認識部１１１は、基板全体の画像４０の中から部品の領域を検出する（ステップＳ３１）。例えば、パターンマッチングにより部品らしい領域を検出する方法、二値化やクラスタリングにより同程度の濃度（画素値）の領域を抽出する方法など、どのような検出アルゴリズムを用いてもよい。図４（ｂ）は、検出された部品領域を拡大して示した例である。
ステップＳ３１で検出された部品領域のそれぞれに対し、部品認識処理が実行される。ここでは一例として、はんだの特徴に基づいて部品の認識を行うアルゴリズムを説明する。部品認識部１１１は、注目する部品領域を選び、二値化処理を行う（ステップＳ３２）。図４（ｂ）の部品領域を二値化した結果を図４（ｃ）に示す。前述のようにはんだ部分はＸ線吸収率が高く、明瞭な像としてＸ線像に表れているため、二値化によってはんだ部分のみを抽出することが容易である。そして、部品認識部１１１は、二値画像から、はんだの特徴を抽出する（ステップＳ３３）。例えば、はんだの個数・形状・サイズ（面積、径、幅など）・配置などをはんだの特徴として用いるとよい。なお、図４（ｃ）には部品４１の外形を破線で示しているが、この破線は説明の便宜のために示した仮想的な補助線であり、実際の二値画像には存在しない線である（図４（ｄ）〜図４（ｆ）における破線についても同様である）。
図４（ｃ）の部品４１は、ＢＧＡ（Ball Grid Array）パッケージの部品であり、この
タイプの場合は、部品裏面に多数のボール型（円形）のはんだ４１ａが狭ピッチで配列されている。図４（ｄ）〜図４（ｆ）は、他のパッケージタイプの部品のはんだを示している。抵抗やコンデンサなどのチップ部品４２では部品の両端に蒲鉾型のはんだ４２ａがあり、リード部品４３の場合は各々のリード部分に比較的狭小のはんだ４３ａがある。また、ＬＧＡ（Land Grid Array）タイプの部品４４の場合は部品４４の裏面に多数の矩形の
はんだ４４ａが配列されている。このようなはんだの特徴の違いは、同じパッケージタイプの部品であっても、メーカーが型番が違えば、はんだの個数や配列やピッチなどに違いがあることが多い。よって、Ｘ線像４０から得られるはんだの特徴に着目することで、部品を区別（特定）することが可能である。なお、はんだの特徴のみで区別できない部品については、はんだ以外の特徴（例えば、部品の形状など）も考慮することで部品を特定してもよいし、（特定物質の含有量を同じとみなしても問題ない場合などには）同じ部品として取り扱っても構わない。
部品認識部１１１は、部品ライブラリ１１０を参照し、各登録部品の部品特徴データのはんだ特徴と、Ｘ線像の部品領域から抽出したはんだ特徴とを比較し、はんだ特徴の類似度（一致度）を評価することにより、部品の特定を行う（ステップＳ３４）。類似度の計算式や評価アルゴリズムに関しては、一般的な画像認識で用いられている各種の手法を利用できるため、ここでは詳しい説明を割愛する。なお、部品ライブラリ１１０の登録部品のいずれとも類似しない場合（例えば、類似度が所定の閾値を超える登録部品が存在しない場合）には、当該部品領域については以降の処理をスキップすればよい。
部品認識部１１１による部品認識が成功した場合、含有物質決定部１１２は、当該部品の部品ＩＤと含有物質データを部品ライブラリ１１０から読み込み、含有物質リストに追加する（ステップＳ３５）。含有物質リストとは、基板に実装されている電子部品に含有されている（回収可能な）特定物質の種類及び量を記録したデータである。図５（ａ）は含有物質リストの一例であり、特定された部品ごとに、部品ＩＤと含有物質データが記述されている。含有物質リストの形式はこれに限らず、図５（ｂ）のように、部品ＩＤごと
に、部品の個数と含有物質データを記述する形式や、図５（ｃ）のように、基板上の部品の位置の情報（部品領域の左上と右下の頂点の座標値など）も記述する形式や、図５（ｄ）のように、特定物質の種類ごとの含有量（すべての部品の累計値）を記述する形式など、どのような形式でもよい。
ステップＳ３２〜Ｓ３５の処理を、分析対象物１３のすべての部品に対して繰り返した後、含有物質決定部１１２が含有物質リストを出力して、分析処理を終了する（ステップＳ３６）。
このようにして作成された含有物質リストのデータは、後工程にて利用される。例えば、含有物質の有無（あるいは含有量の多少）に基づき、回収工程へ送るか／廃棄するかの選別を行ったり、含有物質の種類に基づきいずれの回収工程へ送るか仕分けたりすることができる。あるいは、特定物質を含有する部品の位置情報に基づき裁断機を制御することで、電子機器や部品実装基板のなかから必要な部品のみを自動的に取り出すこともできる。特に集積度のあまり高くない大型基板の場合には、このような方法で価値ある部品のみを取り出すことで、回収処理の大幅な効率向上が期待できる。
以上述べた分析装置によれば、電子機器や部品実装基板のなかに貴金属やレアメタルなどの特定物質が含まれているかどうかを自動で判別できるので、特定物質の回収および再資源化の処理を効率的に実行できる。また、Ｘ線像を用いたので、電子機器の内部にある部品、多層基板の部品、裏面に実装された部品のように、外観からは視認できない部品についても認識が可能となり、様々な対象物への適用が可能である。さらに、Ｘ線像で明瞭な像となるはんだの特徴を部品認識に利用したので、比較的簡易な処理で十分な認識精度を得ることができる。
なお本実施形態では、はんだ特徴の類似度を評価することで部品の特定を行ったが、例えば、登録部品の画像と分析対象物から抽出した部品の画像のあいだの相関係数や差分画像などを計算することで画像同士の類似度を評価することも好ましい。画像同士の類似度を評価する場合には、低解像度画像を用いたり、画像を小ブロックに分割したりすることで、処理を高速化してもよい。
＜第２実施形態＞
第１実施形態では個々の部品を認識したのに対し、第２実施形態では基板を認識の対象とする。以下、第２実施形態に特有の構成を主に説明し、第１実施形態と共通する構成については説明を割愛する。
図６に、第２実施形態の情報処理部の機能構成を示す。情報処理部６０は、基板ライブラリ６００、基板認識部６０１、含有物質決定部６０２などの機能を有している。基板ライブラリ６００は、部品実装基板に関する情報である「基板データ」を記憶するデータベースである。基板ライブラリ６００には、多数の部品実装基板の基板データがあらかじめ登録されている。基板ライブラリ６００は、第１実施形態の部品ライブラリと同様、ローカルストレージに格納されてもよいし、ネットワーク上のストレージに格納されてもよいし、複数のストレージに分散していてもよい。
「基板データ」には、図１７（ｂ）に示すように、「基板ＩＤ」、「基板特徴データ」、「実装部品データ」が含まれる。「基板ＩＤ」は、基板を一意に特定するための識別情報である。分析装置あるいはユーザが基板ごとに基板ＩＤを付与してもよいし、基板のメーカ・型番などを基板ＩＤに利用することもできる。「基板特徴データ」は、画像認識に利用する基板のモデルデータであり、基板の特徴を表すものであればいかなる種類の情報でもよい。例えば、基板の画像データ、画像データから抽出される各種の特徴量などを基
板特徴データとして用いることができる。一つの基板について、複数の画像データ（Ｘ線像と可視光像のように撮像方式の異なる画像、解像度の異なる画像、異なる画像処理が施された画像など）が登録されてもよいし、複数種類の基板特徴データが登録されていてもよい。図１７（ｂ）のデータ構造例では、基板特徴データとして、ＪＰＥＧ形式の画像データと、画像データから抽出された特徴量のデータとが登録されている。なお、画像データから抽出可能な基板の特徴量には様々なものがある。例えば、部品のレイアウト、濃淡やテクスチャの特徴、エッジ特徴、ヒストグラムなど、画像認識による基板の特定（同定）に有意な特徴量であればどのようなものを用いてもよい。「実装部品データ」は、この基板に実装された電子部品の種類、基板上の位置、電子部品に含有されている（回収可能な）特定物質の種類及び量などを記述したデータであり、例えば、図５（ｃ）に示した含有物質リストと同じような形式のデータを用いることができる。なお、後段の処理で部品の位置情報を利用しないのであれば、実装部品データには少なくとも実装部品の種類（部品ＩＤなど）と含有されている特定物質の情報が含まれていればよい。
（分析装置の動作）
図７は、第２実施形態の分析処理の流れを示すフローチャートである。
まず、分析対象物１３である部品実装基板のＸ線像が撮像部１０によって撮像され、その画像データが情報処理部６０に取り込まれる（ステップＳ７０）。部品実装基板の透過Ｘ線像の一例を図４（ａ）に示す。基板上の部品の材質や厚みによって透過するＸ線量に違いが出るため、画像の濃淡で部品各々の外形を観測できるだけでなく、特にＸ線吸収率の高い金属部分（はんだ、リード、金属配線など）を明瞭な像として観測することができる。
次に、基板認識部６０１は、分析対象物のＸ線像から基板の特徴量を抽出する（ステップＳ７１）。基板の特徴量としては、前述のとおり、部品のレイアウト、濃淡やテクスチャの特徴、エッジ特徴、ヒストグラムなど様々なものが利用できる。
次に、基板認識部６０１は、基板ライブラリ６００を参照し、各登録基板の基板特徴データと、分析対象物のＸ線像から抽出した特徴量とを比較し、特徴量の類似度（一致度）を評価することにより、基板の特定を行う（ステップＳ７２）。類似度の計算式や評価アルゴリズムに関しては、一般的な画像認識で用いられている各種の手法を利用できるため、ここでは詳しい説明を割愛する。なお、基板ライブラリ６００の登録基板のいずれとも類似しない場合（例えば、類似度が所定の閾値を超える登録基板が存在しない場合）、つまり未知の基板である場合には、以降の処理をスキップすればよい。
本実施形態では、特徴量の類似度を評価することで基板の特定を行ったが、例えば、登録基板の画像と分析対象物の画像のあいだの相関係数や差分画像などを計算することで画像同士の類似度を評価することも好ましい。画像同士の類似度を評価する場合には、低解像度画像を用いたり、画像を小ブロックに分割したりすることで、処理を高速化してもよい。
基板認識部６０１による基板認識が成功した場合、含有物質決定部６０２は、当該基板の基板ＩＤと実装部品データを基板ライブラリ６００から読み込む。そして、図５（ａ）〜図５（ｄ）に例示したような含有物質リストを生成し、基板ＩＤと含有物質リストを分析結果として出力し、処理を終了する（ステップＳ７３）。
以上述べた分析装置によれば、第１実施形態と同様、電子機器や部品実装基板のなかに貴金属やレアメタルなどの特定物質が含まれているかどうかを自動で判別できるので、特定物質の回収および再資源化の処理を効率的に実行できる。また、Ｘ線像を用いたので、
電子機器の内部にある部品、多層基板の部品、裏面に実装された部品のように、外観からは視認できない部品についても認識が可能となり、様々な対象物への適用が可能である。さらに、基板そのものを認識する方法を採ることで、処理の簡易化および高速化を期待できるとともに、基板上の各部品の含有物質や位置の正確な情報を基板ライブラリ６００から取得できるという利点がある。
＜第３実施形態＞
第３実施形態は、基板認識と部品認識を組み合わせることで、認識率の向上を図る構成である。以下、第３実施形態に特有の構成を主に説明し、前述の実施形態と共通する構成については説明を割愛する。
図８に、第３実施形態の情報処理部の機能構成を示す。情報処理部８０は、基板ライブラリ８００、基板認識部８０１、部品ライブラリ８０２、部品認識部８０３、含有物質決定部８０４などの機能を有している。基板ライブラリ８００と部品ライブラリ８０２に格納されるデータは、前述の実施形態で述べたものと同様である。
図９は、第３実施形態の分析処理の流れを示すフローチャートである。
まず、分析対象物である部品実装基板のＸ線像が撮像部１０によって撮像され、その画像データが情報処理部８０に取り込まれる（ステップＳ９０）。次に、基板認識部８０１が、分析対象物のＸ線像から基板の特徴量を抽出する（ステップＳ９１）。そして、基板認識部８０１は、基板ライブラリ８００を参照し、各登録基板の基板特徴データと、分析対象物のＸ線像から抽出した特徴量とを比較し、特徴量の類似度（一致度）を評価することにより、基板の特定を行う（ステップＳ９２）。ここまでの処理は、第２実施形態の図７のステップＳ７０〜Ｓ７２と同じである。
次に、基板認識部８０１は、分析対象物である基板の認識に成功したか否かによって、処理を分岐する（ステップＳ９３）。認識の成否については、例えば、類似度が所定の閾値を超える登録基板が一つだけ検出された場合に認識成功と判断し、類似度が所定の閾値を超える登録基板が一つもなかったり、類似度が同程度の登録基板が複数存在したりした場合に（つまり一つの基板に絞り込めなかった場合に）、認識失敗と判断すればよい。
基板の認識に失敗した場合（ステップＳ９３：ＮＯ）には、基板認識部８０１は、基板ライブラリ８００の中から、分析対象物と同じ基板である可能性のあるいくつかの登録基板を候補基板として選び出す（ステップＳ９４）。例えば、ステップＳ９２で計算した類似度が高いものから順にＮ個の候補基板を選択してもよいし、類似度がある基準を超えているものすべてを候補基板として選んでもよい。基板認識部８０１は、選び出した候補基板それぞれの基板ＩＤを記述した候補基板ＩＤリストを作成し、部品認識部８０３へと引き渡す。
部品認識部８０３は、部品実装基板のＸ線像に対し部品認識処理を適用し、分析対象物である基板に実装された各部品を特定する（ステップＳ９５）。部品認識処理の内容は、第１実施形態の図３のステップＳ３１〜Ｓ３５で述べたものと同様のため、説明を省略する。なお、ステップＳ９５では、基板上のすべての部品を特定する必要はなく、主要ないくつかの部品（例えば、サイズの大きい部品、ＢＧＡやＬＧＡのパッケージの部品など）のみを特定するだけでもよい。そして、部品認識部８０３は、候補基板ＩＤリストに含まれる複数の候補基板のなかから、ステップＳ９５で特定された部品群を含んでいる基板を絞り込む（ステップＳ９６）。各候補基板に実装されている部品の情報（部品ＩＤ、部品の位置など）は、基板ＩＤにより基板ライブラリ８００の基板データを参照することで取得できる。ステップＳ９６において、一つの基板への絞り込みができなかった場合は、分
析対象物は未知の基板と判断し、以降の処理をスキップする。
ステップＳ９６において一つの基板に絞り込めた場合、あるいは、ステップＳ９３において基板の認識に成功した場合には、含有物質決定部８０４は、当該基板の基板ＩＤと実装部品データを基板ライブラリ８００から読み込む。そして、図５（ａ）〜図５（ｄ）に例示したような含有物質リストを生成し、基板ＩＤと含有物質リストを分析結果として出力し、処理を終了する（ステップＳ９７）。
以上述べた分析装置によれば、前述の実施形態と同様、電子機器や部品実装基板のなかに貴金属やレアメタルなどの特定物質が含まれているかどうかを自動で判別できるので、特定物質の回収および再資源化の処理を効率的に実行できる。また、Ｘ線像を用いたので、電子機器の内部にある部品、多層基板の部品、裏面に実装された部品のように、外観からは視認できない部品についても認識が可能となり、様々な対象物への適用が可能である。加えて、比較的軽い処理である基板認識を最初に実施し、基板単位での認識が困難な場合に補助的に部品認識を実施するようにしたことで、基板の認識率を向上できるとともに、全体としての処理効率を向上できるという利点がある。
＜第４実施形態＞
第４実施形態は、部品認識の結果を用いて基板を特定する構成である。以下、第４実施形態に特有の構成を主に説明し、前述の実施形態と共通する構成については説明を割愛する。
図１０に、第４実施形態の情報処理部の機能構成を示す。情報処理部１０１０は、部品ライブラリ１０００、部品認識部１００１、基板ライブラリ１００２、基板認識部１００３、含有物質決定部１００４などの機能を有している。部品ライブラリ１０００と基板ライブラリ１００２に格納されるデータは、前述の実施形態で述べたものと同様である。ただし、基板認識部１００３が基板特徴データを利用しない場合には、基板ライブラリ１００２内に基板特徴データを格納しなくてもよい。
図１１は、第４実施形態の分析処理の流れを示すフローチャートである。
まず、分析対象物である部品実装基板のＸ線像が撮像部１０によって撮像され、その画像データが情報処理部１０１０に取り込まれる（ステップＳ１１０）。次に、部品認識部１００１が、分析対象物のＸ線像に対し部品認識処理を適用し、分析対象物である基板に実装されている各部品の特定を行う（ステップＳ１１１）。部品認識処理の内容は、第１実施形態の図３のステップＳ３１〜Ｓ３５で述べたものと同様のため、説明を省略する。なお、ステップＳ１１１では、基板上のすべての部品を特定する必要はなく、主要ないくつかの部品（例えば、サイズの大きい部品、ＢＧＡやＬＧＡのパッケージの部品など）のみを特定するだけでもよい。部品認識部１００１は、特定された部品それぞれの部品ＩＤを記述した部品ＩＤリストを作成し、基板認識部１００３へと引き渡す（ステップＳ１１２）。
基板認識部１００３は、基板ライブラリ１００２を参照し、登録基板のなかから部品ＩＤリストに記述された部品群を含んでいる基板を絞り込む（ステップＳ１１３）。もし、部品ＩＤリストに記述された部品群を含む登録基板が複数存在した場合には、基板認識部１００３は、基板の画像データやその特徴量を比較することで一つの基板に絞り込めばよい。その具体的な方法は、第２実施形態で述べたとおりである。なお、登録基板のなかに該当する基板が見つからなかった場合、つまり分析対象物が未知の基板であった場合には、以降の処理をスキップする。
ステップＳ１１３において一つの基板に絞り込めた場合には、含有物質決定部１００４は、当該基板の基板ＩＤと実装部品データを基板ライブラリ１００２から読み込む。そして、図５（ａ）〜図５（ｄ）に例示したような含有物質リストを生成し、基板ＩＤと含有物質リストを分析結果として出力し、処理を終了する（ステップＳ１１４）。
以上述べた分析装置によれば、前述の実施形態と同様、電子機器や部品実装基板のなかに貴金属やレアメタルなどの特定物質が含まれているかどうかを自動で判別できるので、特定物質の回収および再資源化の処理を効率的に実行できる。また、Ｘ線像を用いたので、電子機器の内部にある部品、多層基板の部品、裏面に実装された部品のように、外観からは視認できない部品についても認識が可能となり、様々な対象物への適用が可能である。さらに、部品認識の結果を元に基板を特定し、基板ライブラリから各部品の含有物質や位置の情報を取得するようにしたので、分析対象物の画像からすべての部品を高精度に認識する必要がなくなり、処理の簡易化及び高速化を図ることができる。加えて、基板上の各部品の含有物質や位置の正確な情報を取得することができる。
＜第５実施形態＞
第５実施形態では、部品データの生成及び部品ライブラリへの登録と、基板データの生成及び基板ライブラリへの登録について説明する。
図１２は、部品データ及び基板データの作成及びライブラリへの登録を行うライブラリ作成装置を説明するための図である。ライブラリ装置は、概略、計測部１２０と情報処理部１２１とから構成される。このライブラリ装置は、前述した分析装置とは別の装置とすることもできるし、分析装置の一機能として実装することもできる。
計測部１２０は、登録対象物１２６（電子機器、部品実装基板など）を計測し、登録対象物１２６から得られた計測データを情報処理部１２１に出力する装置である。本実施形態では、計測部１２０として、透過Ｘ線像を撮影するＸ線撮像部１２０ａ、可視光像（外観）を撮影する可視光撮像部１２０ｂ、基板や部品の３次元形状を計測する形状計測部１２０ｃなどを備える。形状計測部１２０ｃとしては、特殊なパタン照明を用いて表面形状を計測する装置や、レーザ変位計にて表面形状を計測する装置など、様々なものを用いることができる。また、ここで挙げた装置以外にも、例えば、トモシンセシスやＣＴなどのＸ線断層撮像装置などを計測部１２０として用いてもよい。
情報処理部１２１は、対話型基板データ登録部１２２、部品データ登録部１２３などの機能を有している。情報処理部１２１は、典型的には、ＣＰＵ（中央演算処理装置）、ＲＡＭ（主記憶装置）、磁気ディスクや半導体ディスクなどの補助記憶装置、入力装置、表示装置、通信ＩＦなどを備えるコンピュータにより構成することができる。その場合、情報処理部１２１の各機能は、ＣＰＵが補助記憶装置などの記憶装置に格納されたプログラムを読み込み、実行することで実現されるものである。なお、情報処理部１２１の構成は、一台のコンピュータで実現する方式以外にも、クライアント−サーバ方式、グリッドコンピューティング、クラウドコンピューティングなどの構成を採ることもできる。あるいは、情報処理部１２１の機能の全部または一部を、ＡＳＩＣやＦＰＧＡなどのロジック回路や、オンボードコンピュータを用いて構成することもできる。図１２に示す基板ライブラリ１２４及び部品ライブラリ１２５は、情報処理部１２１の補助記憶装置などのローカルストレージに格納されてもよいし、サーバやクラウドのようなネットワーク上のストレージに格納されてもよい。
（登録処理）
例えば、メーカから新しい電子機器が発売された場合や、前述した分析装置において未知の基板と判断された場合などに、ライブラリ作成装置を用いて新たな基板データ及び部
品データの登録を行う。
図１２に示すように、登録対象物１２６としての部品実装基板が与えられると、計測部１２０により当該基板の計測が行われる。本実施形態では、Ｘ線撮像部１２０ａにより基板の２次元透過Ｘ線像のデータが得られ、可視光撮像部１２０ｂにより基板の２次元可視光像のデータが得られ、形状計測部１２０ｃにより基板の表面形状（３次元プロファイル）のデータが得られる。これらの計測データは、情報処理部１２１に取り込まれる。
対話型基板データ登録部１２２は、ＧＵＩ（グラフィカル・ユーザ・インターフェイス）を利用して対話的に基板データ及び部品データの入力を可能とする環境をユーザに提供する機能である。例えば、ユーザが計測部１２０から取り込まれた計測データを選び、新規基板コマンドを実行すると、これらの計測データが表示装置に表示されるとともに、対話型基板データ登録部１２２によって基板ＩＤが割り当てられる。基板ＩＤには任意の数字・文字列を割り当ててもよいし、可視光像からメーカ・製造番号・基板番号などを読み取り、それらの情報から基板ＩＤを生成してもよい。あるいはユーザが基板ＩＤを入力してもよい。
ユーザは、表示装置に表示された透過Ｘ線像又は可視光像に対して、部品データの入力を行う。例えば、マウスなどの入力装置を利用して部品の領域を指定し、部品登録コマンドを実行すると、部品データ入力ウィンドウ（不図示）が表示され、部品ＩＤ及び含有物質データの入力が促される。ユーザは、当該部品の部品ＩＤを入力するとともに、当該部品が含有する特定物質の種類及び含有量の情報を入力する。このとき、対話型基板データ登録部１２２は部品ライブラリ１２５を探索し、当該部品と同じ登録部品（あるいは類似する登録部品）が存在した場合には、その情報をユーザに提示したり、当該部品の部品データに自動で反映することで、部品データの入力をアシストしてもよい。
また、対話型基板データ登録部１２２は、当該部品の部品特徴データの抽出を実行する。部品特徴データは、例えば、部品の可視光像の画像データ、部品の透過Ｘ線像の画像データ、これらの画像データから抽出される各種特徴量（部品サイズ・形状、はんだの個数・形状・サイズ・配置、電極の個数・形状・サイズ・配置、濃淡やテクスチャの特徴、エッジ特徴、ヒストグラムなど）、基板上の部品の位置、表面形状のデータから得られる部品の高さ・姿勢などである。登録する部品特徴データの種類は、分析装置の機能や用途に合わせて適宜選択すればよい。
基板上のすべての部品に対し部品データの入力を終えた後、ユーザがデータ登録コマンドを実行すると、対話型基板データ登録部１２２によって、基板特徴データの生成が行われる。基板特徴データは、例えば、基板の可視光像データや透過Ｘ線像データ、これらの画像データから抽出される各種特徴量（部品のレイアウト、濃淡やテクスチャの特徴、エッジ特徴、ヒストグラム）などである。登録する基板特徴データの種類についても、分析装置の機能や用途に合わせて適宜選択すればよい。以上のようにして取得された基板データは、対話型基板データ登録部１２２により基板ライブラリ１２４に追加登録される。
部品データ登録部１２３は、部品ライブラリ１２５に対して部品データの登録を行う機能である。上述した対話型基板データ登録部１２２において入力又は取得された部品データを、部品データ登録部１２３が受け取り、部品ライブラリ１２５のデータを更新する。このとき、すでに部品ライブラリ１２５のなかに同じ部品のデータが登録されていた場合には、部品データ登録部１２３は、部品特徴データ及び含有物質データについては、新たなデータと既存のデータのうちより信頼性の高い方のデータを採用するか、新たなデータと既存データを統計処理（平均など）することでデータの信頼性を向上するとよい。そうすることで、分析装置における部品認識の認識率の向上を期待できる。
以上で、未知の対象物１２６の基板データ及び部品データのライブラリへの登録が完了する。本実施形態で述べた登録処理は、分析装置のユーザが未知の対象物を分析装置に学習させるためのプロセスで利用することもできるし、分析装置の販売・保守を行う者（サービス提供者）が新製品のデータを作成し分析装置のユーザへ提供するためのプロセスで利用することもできる。新製品のデータの提供手段としては、記録媒体を配布してもよいし、ネットワークを通じてダウンロード可能にしてもよいし、クラウドサービス（オンラインストレージに最新の基板ライブラリ及び部品ライブラリを準備する）として提供してもよい。
図１８は、ライブラリのクラウドサービスの構成例である。ライブラリ提供システム１８０は、基板ライブラリや部品ライブラリが格納された大容量のストレージ（記憶装置）１８１と、データ提供部１８２と、を有している。ライブラリ提供システム１８０は、典型的には、ＣＰＵ（中央演算処理装置）、ＲＡＭ（主記憶装置）、磁気ディスクや半導体ディスクなどの補助記憶装置、入力装置、通信ＩＦなどを備えるサーバコンピュータにより構成することができる。その場合、ライブラリ提供システム１８０の各機能は、ＣＰＵが補助記憶装置などの記憶装置に格納されたプログラムを読み込み、実行することで実現されるものである。なお、ライブラリ提供システム１８０は、一台のコンピュータで構成してもよいし、複数台のコンピュータ構成してもよい。
データ提供部１８２は、インターネットなどのネットワーク１８３を介して接続された電子機器分析装置１８４からライブラリの利用要求を受信すると、それに応じてストレージ１８１に格納されている基板ライブラリ又は部品ライブラリのデータを当該電子機器分析装置１８４に対し送信する。すなわち、データ提供部１８２は、図２、図６、図８、図１０、図１３に示される電子機器分析装置の基板認識部、部品認識部、含有物質決定部等の機能と、オンラインストレージ１８１の基板ライブラリ及び部品ライブラリ（「オンラインライブラリ」ともよぶ。）との仲介を行う機能である。
このような仕組みによれば、複数台の電子機器分析装置１８４で同じライブラリを共用できるので、データの有効利用を図ることができる。また、電子機器分析装置１８４のユーザにとっては、ライブラリのオンライン利用が可能になることで、電子機器分析装置１８４側の記憶容量を削減できるとともに、（自らライブラリのデータ更新を行わなくても）常に最新のライブラリを利用できるという利点がある。
オンラインライブラリを利用可能な場合、電子機器分析装置１８４のローカルストレージの中にはライブラリを格納しなくてもよい。あるいは、電子機器分析装置１８４のローカルストレージの中にもライブラリ（「ローカルライブラリ」ともよぶ。）を格納しておき、ローカルライブラリとオンラインライブラリを適宜使い分けてもよい。例えば、デフォルトではローカルライブラリを参照し、ローカルライブラリの中に該当する部品や基板が見つからない場合にオンラインライブラリを参照しにいってもよい。あるいは、電子機器分析装置１８４が、自動又は手動で、オンラインライブラリから最新のデータを取得し、ローカルライブラリをアップデートすることも好ましい。
なお、部品データや基板データを作成しライブラリへ登録した者が、クラウドサービスによって、これらのデータを第三者に有償で提供するというビジネスモデルを構築してもよい。これは、言わば、Ｘ線撮像装置などで得たセンシングデータを、それを必要とするアプリケーションシステムを利用するコンシューマに、インターネットを通じて販売する、というセンシングデータのマーケットを形成するものとなる。
最適化社会を実現するインフラとしてＩｏＴ（Internet of Things：モノのインターネ
ット）が提唱されている。マクロに見ると、ＩｏＴは時間・空間・人・モノ・情報・エネルギーなどの資源を、様々な粒度で最適化するためのシステムを形成する。最適化するということは、必要性が低い部分から必要性が高い部分に資源を移転したり、価値の高い形態での資源の使用を可能にするということである。資源の移転や使用権の設定において「取引」が行われるので、そのインフラとしての流通機能が必要となる。この流通機能の１つとして「センシングデータ流通機能」がＩｏＴには必須となる。
上述した部品データや基板データのクラウドサービスは、ＩｏＴにおけるセンシングデータ流通機能に該当する。すなわち、注目する特定物質（資源）の種類と対象部品の種類と対価の金額などを含むメタデータを、データ流通のためのマッチング項目として用いて、ユーザがどのライブラリ提供者からセンシングデータを購入するのかを決定する、という仕組みを構築できる。
＜第６実施形態＞
第６実施形態は、プレセンシングの結果に基づき、基板の分析手法を適宜選択する構成である。
（分析装置の構成）
図１３を参照して、第６実施形態に係る分析装置の構成を説明する。図１３は、分析装置の構成を模式的に示す図である。
本実施形態の分析装置は、プレセンシング部１３０と撮像部１３１と情報処理部１３２とを有している。また、情報処理部１３２は、基板ライブラリ１３３、基板認識部１３４、部品ライブラリ１３５、部品認識部１３６、含有物質決定部１３７などの機能を有している。
プレセンシング部１３０は、撮像部１３１での本計測に先立ち、分析対象物１３（電子機器、部品実装基板など）の簡易的な計測を行う装置である。本実施形態では、プレセンシング部１３０として、分析対象物１３の可視光像（外観画像）を撮影するＣＣＤカメラを用いる。プレセンシング部１３０で得られたセンシングデータ（画像データ）は情報処理部１３２に入力される。撮像部１３１は、分析対象物１３の断層撮影が可能な装置であり、本実施形態では、トモシンセシス又はＣＴなどのＸ線撮像装置を用いる。Ｘ線断層撮影は、電子機器や多層基板の詳細な情報を観測できるという利点がある反面、撮影及び画像再構成の処理時間がかかるというデメリットがある。そこで本実施形態では、短時間かつ簡易的に計測可能なプレセンシングの結果からＸ線断層撮影の要否を判断し、処理の効率化を図る。
図１４は、第６実施形態の分析処理の流れを示すフローチャートである。
まず、分析対象物１３の可視光像（外観画像）がプレセンシング部１３０によって撮像され、その画像データが情報処理部１３２に取り込まれる（ステップＳ１４０）。すると、基板認識部１３４が、分析対象物１３の画像データから基板の特徴量を抽出する（ステップＳ１４１）。例えば、基板のサイズ・色・形状、部品のレイアウト、濃淡やテクスチャの特徴、エッジ特徴などを用いることができる。そして、基板認識部１３４は、基板ライブラリ１３３を参照し、各登録基板の基板特徴データと、分析対象物１３の画像データから抽出した特徴量とを比較し、特徴量の類似度（一致度）を評価することにより、基板の特定を行う（ステップＳ１４２）。
外観画像で基板の認識に成功した場合（ステップＳ１４３：ＹＥＳ）は、基板に実装されている部品や含有物質に関する情報を基板ライブラリ１３３から取得可能であるため、
Ｘ線断層撮影および部品認識処理をスキップする。すなわち、含有物質決定部１３７は、基板ライブラリ１３３から当該基板の実装部品データを読み込み、これから含有物質リストを生成し出力して、分析処理を終了する（ステップＳ１４４）。
一方、外観画像では基板を認識できなかった場合（ステップＳ１４３：ＮＯ）は、分析対象物１３は撮像部１３１に搬送される。そして、撮像部１３１によって、分析対象物１３のＸ線断層像が撮影され、その画像データが情報処理部１３２に取り込まれる（ステップＳ１４５）。そして、部品認識部１３６が、Ｘ線断層像に対し部品認識処理を適用し、基板に実装された各部品を特定する（ステップＳ１４６）。ステップＳ１４６の内容は、第１実施形態の図３のステップＳ３１〜Ｓ３５と同様である。そして、含有物質決定部１３７がステップＳ１４６で特定された各部品の含有物質の種類及び量などの情報を記録した含有物質リストを生成・出力して、分析処理を終了する（ステップＳ１４７）。ステップＳ１４７の内容は、図３のステップＳ３６と同様である。
本実施形態の分析装置によれば、第１実施形態と同様、電子機器や部品実装基板のなかに貴金属やレアメタルなどの特定物質が含まれているかどうかを自動で判別できるので、特定物質の回収および再資源化の処理を効率的に実行できる。また、プレセンシングの結果に応じてＸ線撮像及び部品認識の要否を判断しているので、全体としての処理効率を向上できるという利点がある。
なお、プレセンシングには、外観画像でなく、例えば図１に示したような２次元透過Ｘ線像を用いてもよい。第２実施形態のごとく透過Ｘ線像による基板認識を実施し、認識に成功したら基板ライブラリから実装部品データを取得すればよいし、例えば多層基板のように部品の重なりのため透過Ｘ線像での基板認識が困難な場合には、Ｘ線断層撮影を実施すればよい。
また、本実施形態では、プレセンシングの結果に応じてＸ線断層撮影を実施するか否かを判断しているが、プレセンシングの結果に応じてＸ線断層撮影の撮影条件を変えてもよい。例えば、プレセンシングにおいて、レーザー変位計等で分析対象物の厚みを計測し、その厚みに応じてＸ線断層撮影の撮影回数やピッチを調整してもよい。すなわち、厚みの小さい電子機器の場合には１層のみを撮影し、厚みの大きい電子機器の場合には２層以上の撮影を行うのである。このような構成によっても無駄な断層撮影が省かれるので、全体としての処理効率の向上を図ることができる。
＜第７実施形態＞
第７実施形態の分析装置は、電子機器や部品実装基板のなかから特定物質を取り出す方法を自動で決定する機能を有する。以下、第７実施形態に特有の構成を主に説明し、前述の実施形態と共通する構成については説明を割愛する。
図１５は、第７実施形態の分析装置が備える特定物質抽出方法決定機能を模式的に示している。この機能は、前述の各実施形態の分析装置の追加機能として付加できるものである。抽出方法決定部１５０は、基板認識及び／又は部品認識によって得られた含有物質リストを受け取る。この含有物質リストには、基板ＩＤ、各部品に含まれる特定物質の種類及び量、各部品の位置情報が含まれている。例えば、特定物質「タンタル」を当該基板から抽出したい場合、抽出方法決定部１５０は、含有物質リストに基づきタンタルを含む部品（タンタルコンデンサなど）が基板上のどの位置に存在するかを判断し、それらの抽出対象の部品を効率的に取り出すためには基板をどのように切断すればよいか決定する。そして、基板の切断位置及び切断手順を定義した切断作業シーケンスデータを生成し、このシーケンスデータを後工程の裁断・仕分け装置に送る。裁断・仕分け装置では、切断作業シーケンスデータに従って当該基板を切断し、抽出対象の部品とそれ以外の部分を仕分け
ることが可能となる。このような部品の裁断及び仕分けを自動化することで、特定物質の回収を効率化でき、回収コストを小さくすることができる。
図１６は、特定物質抽出方法決定機能の別の構成例である。基板の種類ごとに特定物質の取り出し方法を定義した抽出方法定義データをあらかじめ作成し、特定物質情報ライブラリ１６０に基板ＩＤと抽出方法定義データを対応づけて登録してある。抽出方法決定部１６１は、基板認識及び／又は部品認識によって特定された基板ＩＤを受け取ると、対応する抽出方法定義データを特定物質情報ライブラリ１６０から読み出す。そして、抽出したい特定物質に対応する抽出方法（基板の切断位置や切断手順など）を抽出方法定義データから取得し、切断作業シーケンスデータを生成し、裁断・仕分け装置に送る。この構成によっても、部品の裁断及び仕分けを自動化し、特定物質の回収コストを小さくすることができる。
＜その他の実施形態＞
上述した実施形態の構成は本発明の一具体例を示したものにすぎず、本発明の範囲を限定する趣旨のものではない。本発明はその技術思想を逸脱しない範囲において、種々の具体的構成を採り得るものである。
例えば、上記実施形態では部品認識や基板認識にＸ線像を利用する例を説明したが、Ｘ線像以外の画像データ（例えば、可視光像（外観画像）など）を部品認識や基板認識に利用してもよい。また、上記実施形態では基板ライブラリの部品の位置情報を画像から計算していたが、電子機器や基板の設計情報（ＣＡＤデータなど）を利用できる場合には、基板ライブラリの基板データのなかに設計情報を格納してもよい。また、上記実施形態で示した部品ライブラリや基板ライブラリのデータ構造はあくまでも一例であり、本発明に係る情報処理が実行でき目的が達成できれば、データベースやそのデータ構造やデータの内容などはどのように設計してもよい。
１：電子機器分析装置
１０：撮像部
１１：情報処理部
１２：搬送装置
１３：分析対象物

Claims (14)

  1. 再生利用可能な特定物質を含有する電子機器又は電子機器の構成品である有用物体を分析する電子機器分析装置であって、
    データベースを格納する記憶装置を有し、
    前記データベースは、
    有用物体の種類ごとに、
    有用物体の種類を特定するための物体認識処理に利用される、当該有用物体の特徴を表す特徴データと、
    当該有用物体に実装されている電子部品である実装部品を表すデータと、
    当該有用物体に含まれる特定物質の種類及び量を決定する処理に利用される、当該有用物体に含まれる特定物質の種類及び合計量、又は、当該有用物体に実装された実装部品のそれぞれに含まれる特定物質の種類及び量を表す含有物質データと、
    を対応付けたデータベースと、
    電子部品の種類ごとに、
    電子部品の種類を特定するための物体認識処理に利用される、当該電子部品の特徴を表す部品特徴データと、
    当該電子部品に含まれる特定物質の種類及び量を決定する処理に利用される、当該電子部品に含まれる特定物質の種類及び量を表す含有物質データと、
    を対応付けたデータベースと、を含み、
    前記電子機器分析装置は、さらに、
    分析対象物となる有用物体である対象有用物体から得られる情報を前記データベースにおける各有用物体の特徴データと比較して、前記対象有用物体の種類を特定する有用物体認識部と、
    前記対象有用物体から得られる情報を前記データベースにおける各電子部品の部品特徴データと比較して、前記対象有用物体に実装されている電子部品である実装部品の種類を特定する部品認識部と、
    前記有用物体認識部又は前記部品認識部の認識結果に基づき、前記対象有用物体の種類又は前記対象有用物体に実装されている実装部品の種類に対応付けられた含有物質データを前記データベースから取得することにより、前記対象有用物体に含まれている特定物質の種類及び量を決定する含有物質決定部と、を有する
    ことを特徴とする電子機器分析装置。
  2. 再生利用可能な特定物質を含有する電子機器又は電子機器の構成品である有用物体を分析する電子機器分析装置であって、
    データベースを有するシステムとネットワークを介して接続可能であり、
    前記データベースは、
    有用物体の種類ごとに、
    有用物体の種類を特定するための物体認識処理に利用される、当該有用物体の特徴を表す特徴データと、
    当該有用物体に実装されている電子部品である実装部品を表すデータと、
    当該有用物体に含まれる特定物質の種類及び量を決定する処理に利用される、当該有用物体に含まれる特定物質の種類及び合計量、又は、当該有用物体に実装された実装部品のそれぞれに含まれる特定物質の種類及び量を表す含有物質データと、
    を対応付けたデータベースと、
    電子部品の種類ごとに、
    電子部品の種類を特定するための物体認識処理に利用される、当該電子部品の特徴を表す部品特徴データと、
    当該電子部品に含まれる特定物質の種類及び量を決定する処理に利用される、当該電子部品に含まれる特定物質の種類及び量を表す含有物質データと、
    を対応付けたデータベースと、を含み、
    前記電子機器分析装置は、
    分析対象物となる有用物体である対象有用物体から得られる情報を前記データベースにおける各有用物体の特徴データと比較して、前記対象有用物体の種類を特定する有用物体認識部と、
    前記対象有用物体から得られる情報を前記データベースにおける各電子部品の部品特徴データと比較して、前記対象有用物体に実装されている電子部品である実装部品の種類を特定する部品認識部と、
    前記有用物体認識部又は前記部品認識部の認識結果に基づき、前記対象有用物体の種類又は前記対象有用物体に実装されている実装部品の種類に対応付けられた含有物質データを前記データベースから取得することにより、前記対象有用物体に含まれている特定物質の種類及び量を決定する含有物質決定部と、を有する
    ことを特徴とする電子機器分析装置。
  3. 前記部品認識部は、前記有用物体認識部による前記対象有用物体の認識に失敗した場合に、前記対象有用物体に実装されている実装部品の認識処理を実行する
    ことを特徴とする請求項１又は２に記載の電子機器分析装置。
  4. 再生利用可能な特定物質を含有する電子機器又は電子機器の構成品である有用物体を分析する電子機器分析装置に対しデータを提供するライブラリ提供システムであって、
    データベースを記憶する記憶装置と、
    ネットワークを介して接続された前記電子機器分析装置からの要求に応じて、前記記憶装置に格納されているデータベースのデータを前記電子機器分析装置に対しネットワークを介して提供するデータ提供部と、を有し、
    前記データベースは、
    有用物体の種類ごとに、
    有用物体の種類を特定するための物体認識処理に利用される、当該有用物体の特徴を表す特徴データと、
    当該有用物体に実装されている電子部品である実装部品を表すデータと、
    当該有用物体に含まれる特定物質の種類及び量を決定する処理に利用される、当該有用物体に含まれる特定物質の種類及び合計量、又は、当該有用物体に実装された実装部品
    のそれぞれに含まれる特定物質の種類及び量を表す含有物質データと、
    を対応付けたデータベースと、
    電子部品の種類ごとに、
    電子部品の種類を特定するための物体認識処理に利用される、当該電子部品の特徴を表す部品特徴データと、
    当該電子部品に含まれる特定物質の種類及び量を決定する処理に利用される、当該電子部品に含まれる特定物質の種類及び量を表す含有物質データと、
    を対応付けたデータベースと、を含む
    ことを特徴とするライブラリ提供システム。
  5. 部品実装基板の種類ごとに、当該部品実装基板の特徴を表す基板特徴データと、当該部品実装基板に実装された電子部品とそれに含まれる特定物質の種類及び量を表す実装部品データとを対応付けたデータ構造を有する基板ライブラリ、並びに、電子部品の種類ごとに、当該電子部品の特徴を表す部品特徴データと当該電子部品に含まれる特定物質の種類及び量を表す含有物質データとを対応付けたデータ構造を有する部品ライブラリ、を記憶する記憶装置と、
    分析対象物の部品実装基板である対象基板を撮影し、画像データを取得する撮像部と、
    前記撮像部で得られた前記対象基板の画像データの特徴と前記基板ライブラリに記憶されている各部品実装基板の基板特徴データとを比較して、前記対象基板の種類を特定する基板認識部と、
    前記基板認識部による前記対象基板の認識に失敗した場合に、前記撮像部で得られた前記対象基板の画像データの特徴と前記部品ライブラリに記憶されている各電子部品の部品特徴データとを比較して、前記対象基板に実装されている電子部品の種類を特定することにより、前記対象基板の種類を特定する部品認識部と、
    前記基板認識部又は前記部品認識部の認識結果に基づき前記基板ライブラリから該当する部品実装基板の実装部品データを取得することにより、前記対象基板に含まれている特定物質の種類及び量を決定する含有物質決定部と、を有する
    ことを特徴とする電子機器分析装置。
  6. 電子部品の種類ごとに、当該電子部品の特徴を表す部品特徴データと当該電子部品に含まれる特定物質の種類及び量を表す含有物質データとを対応付けたデータ構造を有する部品ライブラリ、並びに、部品実装基板の種類ごとに、当該部品実装基板に実装された電子部品とそれに含まれる特定物質の種類及び量を表す実装部品データを対応付けたデータ構造を有する基板ライブラリ、を記憶する記憶装置と、
    分析対象物の部品実装基板である対象基板を撮影し、画像データを取得する撮像部と、
    前記撮像部で得られた前記対象基板の画像データの特徴と前記部品ライブラリに記憶されている各電子部品の部品特徴データとを比較して、前記対象基板に実装されている電子部品の種類を特定する部品認識部と、
    前記部品認識部の認識結果と前記基板ライブラリに記憶されている各部品実装基板の実装部品データとを比較して、前記対象基板の種類を特定する基板認識部と、
    前記基板認識部の認識結果に基づき前記基板ライブラリから該当する部品実装基板の実装部品データを取得することにより、前記対象基板に含まれている特定物質の種類及び量を決定する含有物質決定部と、を有する
    ことを特徴とする電子機器分析装置。
  7. 部品実装基板の種類ごとに、当該部品実装基板の特徴を表す基板特徴データと、当該部品実装基板に実装された電子部品とそれに含まれる特定物質の種類及び量を表す実装部品データとを対応付けたデータ構造を有する基板ライブラリ、並びに、電子部品の種類ごとに、当該電子部品の特徴を表す部品特徴データと当該電子部品に含まれる特定物質の種類及び量を表す含有物質データとを対応付けたデータ構造を有する部品ライブラリ、を記憶
    する記憶装置と、
    分析対象物の部品実装基板である対象基板を撮影し、画像データを取得する撮像部と、
    前記対象基板を前記撮像部よりも簡易的に計測し、前記対象基板の第２の画像データを取得するプレセンシング部と、
    前記プレセンシング部で得られた前記対象基板の第２の画像データの特徴と前記基板ライブラリに記憶されている各部品実装基板の基板特徴データとを比較して、前記対象基板の種類を特定する基板認識部と、
    前記撮像部で得られた前記対象基板の画像データの特徴と前記部品ライブラリに記憶されている各電子部品の部品特徴データとを比較して、前記対象基板に実装されている電子部品の種類を特定する部品認識部と、
    前記対象基板に含まれている特定物質の種類及び量を決定する含有物質決定部と、を有し、
    前記基板認識部により前記対象基板の種類が特定できた場合には、前記撮像部による前記対象基板の撮影及び前記部品認識部による電子部品の認識処理を行わず、前記含有物質決定部は、前記基板認識部の認識結果に基づき前記基板ライブラリから該当する部品実装基板の実装部品データを取得することにより、前記対象基板に含まれている特定物質の種類及び量を決定し、
    前記基板認識部により前記対象基板の種類が特定できなかった場合には、前記撮像部による前記対象基板の撮影及び前記部品認識部による電子部品の認識処理を行い、前記含有物質決定部は、前記部品認識部の認識結果に基づき前記部品ライブラリから該当する実装部品の含有物質データを取得することにより、前記対象基板に含まれている特定物質の種類及び量を決定する
    ことを特徴とする電子機器分析装置。
  8. 部品実装基板の種類ごとに、当該部品実装基板の特徴を表す基板特徴データと、当該部品実装基板に実装された電子部品とそれに含まれる特定物質の種類及び量を表す実装部品データとを対応付けたデータ構造を有する基板ライブラリ、並びに、電子部品の種類ごとに、当該電子部品の特徴を表す部品特徴データと当該電子部品に含まれる特定物質の種類及び量を表す含有物質データとを対応付けたデータ構造を有する部品ライブラリ、を記憶するシステムとネットワークを介して接続可能であり、
    分析対象物の部品実装基板である対象基板を撮影し、画像データを取得する撮像部と、
    前記撮像部で得られた前記対象基板の画像データの特徴と前記基板ライブラリに記憶されている各部品実装基板の基板特徴データとを比較して、前記対象基板の種類を特定する基板認識部と、
    前記基板認識部による前記対象基板の認識に失敗した場合に、前記撮像部で得られた前記対象基板の画像データの特徴と前記部品ライブラリに記憶されている各電子部品の部品特徴データとを比較して、前記対象基板に実装されている電子部品の種類を特定することにより、前記対象基板の種類を特定する部品認識部と、
    前記基板認識部又は前記部品認識部の認識結果に基づき前記基板ライブラリから該当する部品実装基板の実装部品データを取得することにより、前記対象基板に含まれている特定物質の種類及び量を決定する含有物質決定部と、を有する
    ことを特徴とする電子機器分析装置。
  9. 電子部品の種類ごとに、当該電子部品の特徴を表す部品特徴データと当該電子部品に含まれる特定物質の種類及び量を表す含有物質データとを対応付けたデータ構造を有する部品ライブラリ、並びに、部品実装基板の種類ごとに、当該部品実装基板に実装された電子部品とそれに含まれる特定物質の種類及び量を表す実装部品データを対応付けたデータ構造を有する基板ライブラリ、を記憶するシステムとネットワークを介して接続可能であり、
    分析対象物の部品実装基板である対象基板を撮影し、画像データを取得する撮像部と、
    前記撮像部で得られた前記対象基板の画像データの特徴と前記部品ライブラリに記憶されている各電子部品の部品特徴データとを比較して、前記対象基板に実装されている電子部品の種類を特定する部品認識部と、
    前記部品認識部の認識結果と前記基板ライブラリに記憶されている各部品実装基板の実装部品データとを比較して、前記対象基板の種類を特定する基板認識部と、
    前記基板認識部の認識結果に基づき前記基板ライブラリから該当する部品実装基板の実装部品データを取得することにより、前記対象基板に含まれている特定物質の種類及び量を決定する含有物質決定部と、を有する
    ことを特徴とする電子機器分析装置。
  10. 部品実装基板の種類ごとに、当該部品実装基板の特徴を表す基板特徴データと、当該部品実装基板に実装された電子部品とそれに含まれる特定物質の種類及び量を表す実装部品データとを対応付けたデータ構造を有する基板ライブラリ、並びに、電子部品の種類ごとに、当該電子部品の特徴を表す部品特徴データと当該電子部品に含まれる特定物質の種類及び量を表す含有物質データとを対応付けたデータ構造を有する部品ライブラリ、を記憶するシステムとネットワークを介して接続可能であり、
    分析対象物の部品実装基板である対象基板を撮影し、画像データを取得する撮像部と、
    前記対象基板を前記撮像部よりも簡易的に計測し、前記対象基板の第２の画像データを取得するプレセンシング部と、
    前記プレセンシング部で得られた前記対象基板の第２の画像データの特徴と前記基板ライブラリに記憶されている各部品実装基板の基板特徴データとを比較して、前記対象基板の種類を特定する基板認識部と、
    前記撮像部で得られた前記対象基板の画像データの特徴と前記部品ライブラリに記憶されている各電子部品の部品特徴データとを比較して、前記対象基板に実装されている電子部品の種類を特定する部品認識部と、
    前記対象基板に含まれている特定物質の種類及び量を決定する含有物質決定部と、を有し、
    前記基板認識部により前記対象基板の種類が特定できた場合には、前記撮像部による前記対象基板の撮影及び前記部品認識部による電子部品の認識処理を行わず、前記含有物質決定部は、前記基板認識部の認識結果に基づき前記基板ライブラリから該当する部品実装基板の実装部品データを取得することにより、前記対象基板に含まれている特定物質の種類及び量を決定し、
    前記基板認識部により前記対象基板の種類が特定できなかった場合には、前記撮像部による前記対象基板の撮影及び前記部品認識部による電子部品の認識処理を行い、前記含有物質決定部は、前記部品認識部の認識結果に基づき前記部品ライブラリから該当する実装部品の含有物質データを取得することにより、前記対象基板に含まれている特定物質の種類及び量を決定する
    ことを特徴とする電子機器分析装置。
  11. 前記撮像部は、前記対象基板のＸ線像を取得するＸ線撮像装置である
    ことを特徴とする請求項５〜１０のうちいずれか１項に記載の電子機器分析装置。
  12. 前記含有物質決定部は、前記対象基板に含まれている特定物質の種類及び量の情報と当該特定物質を含む部品の基板上の位置の情報とを含むデータを出力する
    ことを特徴とする請求項５〜１１のうちいずれか１項に記載の電子機器分析装置。
  13. 前記含有物質決定部により出力される、前記対象基板に含まれている特定物質の種類及び量の情報と当該特定物質を含む部品の基板上の位置の情報とを含むデータに基づいて、前記対象基板のなかから当該特定物質を取り出す方法を定義したデータを生成する特定物質抽出方法決定部、をさらに有する
    ことを特徴とする請求項１２に記載の電子機器分析装置。
  14. 部品実装基板の種類ごとに、当該部品実装基板のなかから特定物質を取り出す方法を定義した抽出方法定義データを対応付けたデータ構造を有する特定物質情報ライブラリから、前記基板認識部の認識結果に基づき該当する部品実装基板の抽出方法定義データを取得する特定物質抽出方法決定部、をさらに有する
    ことを特徴とする請求項５〜１３のうちいずれか１項に記載の電子機器分析装置。
JP2013236109A 2013-11-14 2013-11-14 電子機器分析装置、ライブラリ提供システム Active JP5811159B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2013236109A JP5811159B2 (ja) 2013-11-14 2013-11-14 電子機器分析装置、ライブラリ提供システム
PCT/JP2014/078896 WO2015072338A1 (ja) 2013-11-14 2014-10-30 データ構造、ライブラリ作成装置、電子機器分析装置、ライブラリ提供システム
EP14861853.1A EP3070460A4 (en) 2013-11-14 2014-10-30 Data structure, library creation device, electronic device analysis device, and library provision system
US15/037,005 US20160267443A1 (en) 2013-11-14 2014-10-30 Data structure, library creation device, electronic device analysis device, and library provision system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2013236109A JP5811159B2 (ja) 2013-11-14 2013-11-14 電子機器分析装置、ライブラリ提供システム

Publications (2)

Publication Number Publication Date
JP2014081943A JP2014081943A (ja) 2014-05-08
JP5811159B2 true JP5811159B2 (ja) 2015-11-11

Family

ID=50786024

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013236109A Active JP5811159B2 (ja) 2013-11-14 2013-11-14 電子機器分析装置、ライブラリ提供システム

Country Status (4)

Country Link
US (1) US20160267443A1 (ja)
EP (1) EP3070460A4 (ja)
JP (1) JP5811159B2 (ja)
WO (1) WO2015072338A1 (ja)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015232449A (ja) * 2014-06-09 2015-12-24 アサヒプリテック株式会社 廃電子基板に含まれる有価物の量を非破壊で評価する装置
US10091270B2 (en) * 2015-04-22 2018-10-02 SafeNet International LLC Method and system for allowing cloud-based applications to automatically integrate network enabled sensors during runtime
JP6470109B2 (ja) * 2015-05-26 2019-02-13 日本電信電話株式会社 含有資源量推定装置、含有資源量推定方法、および、含有資源量推定プログラム
JP6416742B2 (ja) * 2015-12-09 2018-10-31 日本電信電話株式会社 含有資源量推定装置、含有資源量推定方法、および、含有資源量推定プログラム
US10832358B2 (en) 2017-01-19 2020-11-10 International Business Machines Corporation Disposition manager for resource recovery
GB201913406D0 (en) * 2019-09-17 2019-10-30 Peregrine Tech Holdings Limited Recycling of flat panel displays
JP7301783B2 (ja) * 2020-04-01 2023-07-03 Ｊｘ金属株式会社 電子・電気機器部品屑の組成解析方法、電子・電気機器部品屑の処理方法、電子・電気機器部品屑の組成解析装置及び電子・電気機器部品屑の処理装置
JP7301782B2 (ja) * 2020-04-01 2023-07-03 Ｊｘ金属株式会社 電子・電気機器部品屑の組成解析方法、電子・電気機器部品屑の処理方法、電子・電気機器部品屑の組成解析装置及び電子・電気機器部品屑の処理装置
JP7264936B2 (ja) * 2021-04-21 2023-04-25 Ｊｘ金属株式会社 電気電子部品屑の処理方法及び電気電子部品屑の処理装置
CN113699388A (zh) * 2021-09-01 2021-11-26 信丰华锐钨钼新材料有限公司 一种钨废料分解工艺选择系统
KR102646286B1 (ko) * 2021-09-23 2024-03-11 주식회사 스피어테크 부품 검사 시스템
EP4163626A1 (en) * 2021-10-11 2023-04-12 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Apparatus and method for assigning a material value score to a waste printed circuit board or a portion thereof and system for sorting waste printed circuit boards
WO2024038855A1 (ja) * 2022-08-17 2024-02-22 三菱マテリアル株式会社 取引管理装置、取引管理システム、ユーザ端末、取引管理方法、表示制御方法、およびプログラム
JP7456544B2 (ja) 2022-08-17 2024-03-27 三菱マテリアル株式会社 取引管理装置、取引管理システム、ユーザ端末、取引管理方法、表示制御方法、およびプログラム
JP7389528B1 (ja) * 2023-08-10 2023-11-30 株式会社日本選別化工 小型家電ごみの処理装置

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4332236A1 (de) * 1992-11-26 1995-03-23 F E S Used Electronics Elektro Anlage zur automatischen Entstückung
JPH11244836A (ja) * 1998-03-02 1999-09-14 Mitsubishi Electric Corp リサイクル素材回収率演算装置
JPH11285682A (ja) * 1998-04-06 1999-10-19 Hitachi Ltd リサイクル処理装置
JP2000197870A (ja) 1998-10-29 2000-07-18 Daikin Ind Ltd 機械装置の解体方法および解体装置
US6889163B2 (en) * 2002-06-21 2005-05-03 Fujitsu Limited System and method for assessing environmental load
JP4082939B2 (ja) * 2002-06-21 2008-04-30 富士通株式会社 環境負荷評価システム及び環境負荷評価方法
JP2007265360A (ja) * 2006-03-30 2007-10-11 Epson Imaging Devices Corp 有価金属管理システム
JP5263204B2 (ja) 2010-03-15 2013-08-14 オムロン株式会社 Ｘ線検査装置およびｘ線検査方法
JP5570334B2 (ja) 2010-07-16 2014-08-13 Ｄｏｗａエコシステム株式会社 タンタルの回収方法
JP5704681B2 (ja) 2010-08-16 2015-04-22 独立行政法人産業技術総合研究所 希少金属回収処理方法及び回収処理装置
JP5601999B2 (ja) * 2010-12-08 2014-10-08 富士機械製造株式会社 実装部品分別回収装置
JP2012174770A (ja) 2011-02-18 2012-09-10 Aqua Science Kk 希少金属を回収する機構を有する基板処理装置
US8807189B2 (en) * 2011-05-25 2014-08-19 Empire Technology Development Llc Removing and segregating components from printed circuit boards
JP5775752B2 (ja) 2011-06-17 2015-09-09 三井金属鉱業株式会社 家電製品からの有価金属回収方法

Also Published As

Publication number Publication date
WO2015072338A1 (ja) 2015-05-21
JP2014081943A (ja) 2014-05-08
EP3070460A1 (en) 2016-09-21
US20160267443A1 (en) 2016-09-15
EP3070460A4 (en) 2017-11-22

Similar Documents

Publication Publication Date Title
JP5811159B2 (ja) 電子機器分析装置、ライブラリ提供システム
Yeum et al. Vision‐based automated crack detection for bridge inspection
US8792715B2 (en) System and method for forms classification by line-art alignment
US9784566B2 (en) Systems and methods for enhancing dimensioning
JP5509773B2 (ja) パラメータ決定支援装置およびパラメータ決定支援プログラム
JP5381166B2 (ja) モデル画像取得支援装置、モデル画像取得支援方法およびモデル画像取得支援プログラム
TW201419169A (zh) 物體識別裝置、物體識別方法及程式產品
KR102028563B1 (ko) 영상 처리를 이용한 발 사이즈 및 모양 측정 방법
US20130034305A1 (en) Image-based crack quantification
WO2020189044A1 (ja) 検査装置、異常検出方法、コンピュータプログラム、学習モデルの生成方法、及び学習モデル
WO2019047248A1 (zh) 高光谱遥感图像的特征提取方法及装置
KR101717768B1 (ko) 부품 결함 검사 방법 및 그 장치
JP2008203916A (ja) 画像処理装置、プログラム及び画像処理方法
JP4536533B2 (ja) Ｘ線異物検出装置
JP2018081629A (ja) 判定装置、判定方法および判定プログラム
JP4536548B2 (ja) Ｘ線検査装置および蓄積情報抽出システム
Ghamisi et al. Anomaly detection in automated fibre placement: Learning with data limitations
JP7307918B2 (ja) データ処理装置、データ処理プログラムおよび基板群評価システム
JP7505635B2 (ja) 連続する動的スキャンのセグメンテーション
JP2013200238A (ja) 画像検査方法および画像検査装置
JP5447641B2 (ja) モデル画像取得支援装置、モデル画像取得支援方法およびモデル画像取得支援プログラム
Fonseka et al. Localization of component lead inside a THT solder joint for solder defects classification
JP6731883B2 (ja) 参照画像選択装置、方法、及びプログラム
JP2014174003A (ja) 画像検査方法および画像検査装置
JPH05192326A (ja) 断層像輪郭線描画装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20140212

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20140212

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20140303

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20140402

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20141117

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20141216

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150216

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20150407

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150603

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20150818

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20150831

R150 Certificate of patent or registration of utility model

Ref document number: 5811159

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150