JP6554148B2 - 廃棄物の質を推定する装置、システム、プログラム、方法、及びデータ構造 - Google Patents

Description

本発明は、廃棄物処理プラントにおいて廃棄物の質を推定する装置、システム、プログラム、及び方法に関する。

廃棄物処理プラントでは、家庭ごみや粗大破砕ごみ、剪定枝、汚泥など、さまざまな質を持った廃棄物がごみピット内に投入される。これらのさまざまな質を持った廃棄物は一緒に焼却炉に投入されて、焼却炉内で焼却処理される。しかしながら、焼却炉内に投入される廃棄物の質が急激に変化すると、焼却の際に、焼却炉内部の温度が急変する、あるいはダイオキシン等の有害ガスや物質が発生して環境問題になることがある。

そこで、例えば特許文献１では、ごみピットに投入される一般ごみと異質ごみを色調により識別し、クレーンを制御してピット内の廃棄物を攪拌して廃棄物の質の均一化を図っている。

しかしながら、特許文献１に記載の技術では、例えば厨芥（ちゅうかい）ごみとプラスチック類等の質が違うが色調が近いごみの識別や、布団類等の質が同じであるが色調が一定でない廃棄物の質の識別は困難であった。

特許第５０２５１２０号明細書

本技術は上述の点に鑑みてなされたものであり、質が違うが色調が近い廃棄物や、質が同じであるが色調が異なる廃棄物が混在していても、廃棄物の質を推定することのできる装置、システム、プログラム、及び方法を提供することを目的の１つとする。

〔形態１〕形態１によれば、ごみピット内に貯留される廃棄物を撮像した画像に対応付けられた教師データを生成する、教師データ生成部と、前記教師データを用いた学習によって、モデルを構築するモデル構築部と、ごみピット内に貯留される廃棄物を撮像した新たな画像のデータを、前記モデルに入力して、前記新たな画像に対応する廃棄物の質を表す値を取得する推定部と、を備える装置が提供される。

〔形態２〕形態２によれば、形態１に記載の装置において、前記推定部は、さらに前記廃棄物を撮像した新たな画像を複数のブロックに分割し、ブロック毎に、前記新たな画像に対応する廃棄物の質を表す値を出力し、出力された廃棄物の質を表す値を、前記ブロックの各々に対応付けた推論マップを生成する。

〔形態３〕形態３によれば、形態２に記載の装置において、前記装置は、さらに、前記推論マップに基づいて、クレーンの制御を行うクレーン制御装置に対する指示、あるいは焼却炉の制御を行う燃焼制御装置に対する指示のうち少なくとも一方を生成する指示部を備える。

〔形態４〕形態４によれば、形態３に記載の装置において、前記クレーン制御装置に対する指示は、クレーンに対し前記ごみピット内の廃棄物を移動させる指示であり、前記燃焼制御装置に対する指示は、焼却炉に投入された廃棄物を燃焼させるのに必要な指示である。

〔形態５〕形態５によれば、形態１から４のいずれか１つの形態の装置において、前記教師データは、廃棄物処理プラントの運転履歴に基づいて特定された廃棄物の特性を示す値と、ごみピット内の廃棄物の画像データを元に作業者が廃棄物の質を分類したラベルとのうち少なくとも一方から収集される。

〔形態６〕形態６によれば、形態１から５のいずれか１つの形態の装置において、前記廃棄物の質を表す値は、前記廃棄物の燃えやすさを示す指標である。

〔形態７〕形態７によれば、廃棄物処理プラントシステムであって、ごみピット内に貯留される廃棄物を撮像した画像に対応付けられた教師データを生成する、教師データ生成部と、前記教師データを用いた学習によって、モデルを構築するモデル構築部と、ごみピット内に貯留される廃棄物を撮像した新たな画像を、複数のブロックに分割し、ブロック毎の新たな画像のデータを、前記モデルに入力して、前記新たな画像に対応する廃棄物の質を表す値を、各前記ブロックに対応付けた推論マップを生成する推定部と、前記推論マップに基づいて、クレーンの制御を行うクレーン制御装置に対する指示、あるいは焼却炉の制御を行う燃焼制御装置に対する指示のうち少なくとも一方を生成する指示部と、を備える、システムが提供される。

〔形態８〕形態８によれば、廃棄物処理プラントのごみピット内に貯留される廃棄物の質を推定する方法であって、ごみピット内に貯留される廃棄物を撮像した画像に対応付けられた教師データを生成するステップと、前記教師データを用いた学習によって、モデルを構築するステップと、ごみピット内に貯留される廃棄物を撮像した新たな画像のデータを、前記モデルに入力して、前記新たな画像に対応する廃棄物の質を表す値を取得するステップと、を備える方法が提供される。

〔形態９〕形態９によれば、形態８に記載の方法を、前記廃棄物処理プラントに備えられたプロセッサに実行させるためのプログラムが提供される。

〔形態１０〕形態１０によれば、廃棄物処理プラントの動作を制御する装置が、廃棄物処理プラント内のごみピット内に貯留される廃棄物の画像に対応する廃棄物の質を推定するために用いる、データ構造であって、当該データ構造は、前記廃棄物処理プラントの運転履歴から生成された廃棄物の質を表す値と、当該廃棄物の質を表す値に対応する廃棄物の画像とを含む教師データを含み、前記装置は、前記教師データを用いた学習によって、前記ごみピット内に貯留される廃棄物の新たな画像に対応する廃棄物の質を推定することを特徴とする、データ構造が提供される。

一実施形態に係る廃棄物処理プラントの概略図である。 一実施形態に係る廃棄物処理プラントシステムの概略構成図である。 一実施形態に係る廃棄物処理プラントの情報処理装置の機能構成図である。 出力データと、ごみピット内の位置との対応を示す、推論マップの一構成例である。 一実施形態による廃棄物処理プラントシステムの動作を示すフローチャートである。

以下、本発明の実施形態について図面を参照して詳しく説明する。

図１は、一実施形態による廃棄物処理プラントの概略図を示しており、図１において、１は廃棄物を焼却する焼却炉、２は廃熱ボイラ、３はごみを貯留しておくピット、４はホッパ、５はごみをピット３からホッパ４に移すためのクレーン、６はピット３内に貯留した廃棄物の表面を撮影する撮像装置である。また、図１において、２１はプラットホームであり、該プラットホーム２１からごみ収集車２２で収集されたごみがごみピット３内に投入される。

図２は、図１に示す廃棄物処理プラントの動作を制御するシステム１００の構成図を示す。廃棄物処理プラントシステム１００は、撮像装置６が撮影した画像データを用いて、廃棄物の質を表す値を推定し、推定された廃棄物の質を表す値に基づいて、廃棄物処理プラントの動作を制御するよう構成されたシステムである。廃棄物処理プラントシステム１００は、情報処理装置２００と、ごみピット３（図１に示す）内を撮影する撮像装置６と、クレーン制御装置１１０と、燃焼制御装置１２０とを備える。情報処理装置２００は、例えば廃棄物処理プラント内に付設された構内ＬＡＮ等のネットワークを介して、撮像装置６と、クレーン制御装置１１０と、燃焼制御装置１２０とに、相互に通信可能に接続されている。情報処理装置２００は、例えば、パーソナルコンピュータや、ワークステーション、サーバ装置で構成されてもよいし、タブレット端末などの携帯型コンピュータによって構成されてもよい。なお、この構成は一例であり、本発明を適用できる構成は図２に示すものに限られない。例えば、撮像装置６、クレーン制御装置１１０と、燃焼制御装置１２０と、情報処理装置２００とは２つ以上あっても構わない。

撮像装置６は、ごみピット３内に堆積した廃棄物の表面を撮影し、ピット３内の画像データを取得する装置である。撮像装置６は、例えば、廃棄物の形状及び色彩画像を撮影するＲＧＢカメラ、廃棄物の近赤外線画像を撮影する近赤外線カメラ、廃棄物の３次元画像を撮影する３ＤカメラまたはＲＧＢ−Ｄカメラである。

情報処理装置２００は、主たる構成要素として、プロセッサ２０２と、メモリ２０４と、通信インターフェース２０６と、ストレージ２０８とを備える。ある態様において、情報処理装置２００は、撮像装置６から送信されたごみピット３内の画像データに基づいて、学習モデルに与える教師データを生成する。情報処理装置２００において実行される機能の詳細については、図３を用いて後述する。

プロセッサ２０２は、メモリ２０４に格納されたプログラムを読み出して、それに従った処理を実行するように構成される。プロセッサ２０２がメモリ２０４に格納されたプログラムを実行することによって、後述する処理の各機能が実現される。ある態様において、プロセッサ２０２は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｏｒ Ｕｎｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等のデバイスとして実現される。

メモリ２０４は、プログラム及びデータを一時的に保存する。プログラムは、例えば、ストレージ２０８からロードされる。データは、情報処理装置２００に入力されたデータと、プロセッサ２０２によって生成されたデータと、ストレージ２０８からロードされたデータとを含む。ある態様において、メモリ２０４は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等の揮発性メモリとして実現される。メモリ２０４に格納されるデータは、撮像装置６により撮影された廃棄物の画像データ、廃棄物の画像データに基づいて生成される教師データ等を含む。

通信インターフェース２０６は、撮像装置６と、クレーン制御装置１１０と、燃焼制御装置１２０と、情報処理装置２００との間で信号を通信する。ある態様において、例えば、通信インターフェース２０６は、撮像装置６から出力された画像データを受信する。別の態様において、通信インターフェース２０６は、プロセッサ２０２が生成した指示を、クレーン制御装置１１０、あるいは燃焼制御装置１２０へ送る。

ストレージ２０８は、プログラム及びデータを永続的に保持する。ストレージ２０８は、例えば、ＲＯＭ（Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ）、ハードディスク装置、フラッシュメモリ等の不揮発性記憶装置として実現される。ストレージ２０８に格納されるプログラムは、例えば、撮像装置６により撮影された廃棄物の画像データに基づいて教師データを生成させるためのプログラム、クレーン制御装置１１０、あるいは燃焼制御装置１２０に指示を与えためのプログラムを含む。ストレージ２０８には、例えば、廃棄物処理プラントの運転履歴が時系列に記憶されている。廃棄物処理プラントの運転履歴は、廃棄物処理プラントに取り付けられた複数のセンサ等のデバイス、例えば焼却炉１（図１に示す）内の温度を感知する温度センサ、によって測定されたローデータを含む。また、ストレージ２０８は、データベース２０９を備え、データベース２０９には、例えば、廃棄物処理プラントの運転履歴に基づいて得られたプロセスデータが時系列に記憶されている。なお、プロセスデータは、メモリ２０４に記憶されてもよい。

クレーン制御装置１１０は、クレーン５（図１に示す）の動作を制御する装置である。クレーン制御装置１１０は、情報処理装置２００から送信された指示に従って、クレーン５にごみピット３内の廃棄物を攪拌する動作を行わせる、あるいはごみピット３内の廃棄物をホッパ４（図１に示す）に搬送させる。ごみピット３内の廃棄物の攪拌とは、ごみピット３内のあるブロックに積まれている廃棄物の一部分をクレーン５で掴んで、ごみピット３内の別のブロックへ移動する、あるいはクレーン５で掴んだ廃棄物を再び同一ブロックに落とすことである。廃棄物の攪拌を繰り返し行うことで、ごみピット３内のごみを均質に混ぜることができる。これにより、焼却炉１での廃棄物の燃え方を均質にすることができる。

燃焼制御装置１２０は、焼却炉１（図１に示す）の燃焼制御を行う装置である。燃焼制御装置１２０は、情報処理装置２００から送信された指示に従って、焼却炉１における燃焼時間や燃焼温度を制御する、あるいは焼却炉１内に送る空気量を制御する。

図３は、本発明の一実施形態に係る情報処理装置２００の機能的な構成を示すブロック図である。本実施形態にかかる情報処理装置２００は、教師データ生成部２２０と、モデル構築部２３０と、画像取得部２４０と、推定部２５０と、指示部２６０とを備える。各部２２０から２６０は、図２に示すプロセッサ２０２がメモリ２０４内のコンピュータプログラムを読み出して実行することによって実現される機能を表す。

本実施形態によると、廃棄物処理プラントの運転履歴に含まれる廃棄物の画像データ等から教師データを生成し、当該廃棄物の画像データと、該教師データとのセットを複数収集して、これらを機械学習することにより、学習モデルを構築する。そして、構築された学習モデルに、推定対象となる廃棄物の画像データを入力して、出力（推論結果）を取得し、該出力に基づいて推論マップを生成する。また、推論マップに基づいて、クレーン制御装置１１０（図２に示す）、および燃焼制御装置１２０（図２に示す）へ指示を与える。以下に、各部２２０〜２６０の動作等について詳細に説明する。

教師データ生成部２２０は、学習モデルに与える教師データを生成する。教師データ生成部２２０は、予め定められたデータベース２０９（図２に示す）に時系列に記憶された廃棄物処理プラントの過去、あるいは現在の運転履歴から、教師データを生成する。デー
タベース２０９には、撮像装置６により撮像されたごみピット３内の廃棄物の画像データと、該廃棄物の画像データに対応するプロセスデータとが、時系列に格納されている。教師データ生成部２２０は、データベース２０９から、ごみピット３内の廃棄物の画像データに対応するプロセスデータを読み出しし、該プロセスデータから学習のための教師データを生成する。ごみピット３内の廃棄物の画像データと、プロセスデータとは、例えば、これらが取得される時刻で対応付けられる。すなわち、過去の廃棄物の画像データには、過去のプロセスデータが対応付けられる。プロセスデータから生成される教師データは、廃棄物の質を表す値を含む。廃棄物の質を表す値は、廃棄物の燃えやすさ、あるいは燃えにくさを示す指標である。プロセスデータは、廃棄物処理プラントの運転履歴に基づいて収集される廃棄物の特性を示すデータと、廃棄物処理プラントの運転履歴を元に作業者が廃棄物の質を分類したラベルとのうち少なくとも一方を備える。

廃棄物の特性を示すデータは、例えば、ピット３内に投入された廃棄物の重量（ｋｇ・ｍ／ｓ^２）、密度（ｋｇ／ｍ^３）、ピット３内に投入された廃棄物に含まれる水分量（ｋｇ）、あるいは廃棄物を燃やしたときに発生する発熱量（ｋＪ／ｋｇ）である。重量が小さい、密度が低い、水分量が少ない、発熱量が大きいことは、廃棄物が燃えやすいことを示す。一般に、密度が低いほど廃棄物は燃えやすい。従って、同じ体積を有するが、重量が小さい廃棄物は燃えやすい。クレーン５が掴むことのできる廃棄物の体積はほぼ同じであるため、クレーン５が掴む廃棄物の重量が測定されれば、当該廃棄物の燃えやすさを判定することができる。

また、例えば、データベース２０９には、廃棄物処理プラントの過去の運転履歴に基づく、廃棄物の特性を示すデータが予め記録されている。一例として、データベース２０９には、過去の所定期間（例えば３年間）にわたる、廃棄物処理プラントの月ごとの発熱量の情報が予め記憶されている。データベース２０９に記憶されている月ごとの発熱量の履歴情報を参照することにより、ごみピット３内の廃棄物の画像に示される廃棄物が、ごみピット３へ投入されたときの、実際の廃棄物の発熱量を特定することができる。

本態様においては、ごみピット３内の廃棄物の画像データは、該廃棄物の画像に示される廃棄物が、ごみピット３に投入されたときに特定された廃棄物の特性を示すデータに対応付けられる。そして、教師データ生成部２２０は、特定された廃棄物の特性を示すデータを整形等して、廃棄物の画像データに対応する、当該廃棄物の質を表す教師データを生成する。

一方、廃棄物の質を分類したラベルは、データベース２０９に格納された過去の廃棄物の画像のデータを元に、作業者が、当該画像に示される廃棄物の質を目視により分類することによって特定される。例えば、作業者が、画像に示される廃棄物が、高質ごみで構成されると判断した場合、ラベル「Ｈ」を割り当て、基準ごみで構成されると判断した場合、ラベル「Ｍ」を割り当て、低質ごみで構成されると判断した場合、ラベル「Ｌ」を割り当てる。割り当てられたラベルは、不図示の入力インターフェースを介して、情報処理装置２００へ入力され、データベース２０９へ記憶される。

本態様においては、撮像装置６により撮像されたごみピット３内の廃棄物の画像データから、作業者が目視で廃棄物の質を分類したラベルが、教師データとして収集される。

このように、教師データ生成部２２０は、廃棄物処理プラントの運転履歴から、ごみピット３内の廃棄物の画像に対応するプロセスデータを取得し、該プロセスデータから教師データを生成する。教師データ生成部２２０は、廃棄物の画像のデータと、該廃棄物の画像に対応する、廃棄物の質を表す値を含む教師データとのセットを複数収集し、学習データとしてメモリ２０４へ格納する。

なお、教師データ生成部２２０は、データベース２０９に格納された過去の廃棄物の画像データの画像を複数のブロックに分割し、分割されたブロック毎に、当該画像に対応するプロセスデータを取得し、該取得されたプロセスデータから教師データを生成してもよい。この場合、教師データ生成部２２０は、一例として、分割されたブロック個々にブロック番号を割り当てて、該ブロック番号と共に、廃棄物の質を表す値をメモリ２０４へ格納する。従って、教師データ生成部２２０は、ピット３内のどのブロックにある廃棄物が、どのくらい燃えやすいかを示す教師データのマップを生成することができる。

モデル構築部２３０は、生成した教師データを機械学習することによりモデル（関数）を構築する。モデルは、新しい入力が来たときに、それに対応する正しい出力をするよう構築される。モデル構築部２３０は、所定の関数ｙ＝ｆ（ｘ、θ）を有している。ここで、入力ｘは、ごみピット３内の廃棄物の画像データ、出力ｙは、廃棄物の質を表す値、θはこの関数の内部パラメータである。モデル構築部２３０は、入力ｘと出力ｙとのセットを複数与えて、機械学習させることにより、正しい出力が得られるよう内部パラメータθを調整する。機械学習のために与えられる入力ｘは、教師データ生成部２２０により生成された、廃棄物処理プラントの運転履歴から収集されたごみピット３内の廃棄物の画像データであり、出力ｙは、該入力ｘに対応する教師データである。機械学習のために入力ｘとして与えられるごみピット３内の廃棄物の画像データの画像には、様々な形状や様々な色調を有する廃棄物が示される。モデル構築部２３０は、これらの様々な画像のデータと、当該様々な画像のデータに対応する教師データとの複数のセットを機械学習することで、画像データと、教師データとの関係を見つけ出し、モデルの内部パラメータθを調整する。これにより、モデルは、これまで与えられた入力ｘとは異なる新たな入力が与えられても、新たな入力に対応する正しい出力をするよう構成される。なお、学習に用いるアルゴリズムとしては、線形回帰、ボルツマンマシン、ニューラルネットワーク、サポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォレストを用いた統計的推定、強化学習、深層学習の内の少なくとも１つがある。

画像取得部２４０は、構築されたモデルに入力するための、ごみピット３内の廃棄物の画像データを取得する。画像取得部２４０は、撮像装置６からごみピット３内の廃棄物の画像データを定期的に、若しくはクレーン５のピット３内への廃棄物の投入要求などをトリガーとして、受信し、メモリ２０４へ格納する。

推定部２５０は、メモリ２０４から新たな廃棄物の画像データを取得し、構築されたモデルに、該新たな廃棄物の画像データを入力して、出力データを取得する。出力データは、該新たな画像データに対応する、廃棄物の質を表す値であり、例えば廃棄物の特性を示すデータである。

推定部２５０は、さらに、取得された出力データと、該出力データのごみピット３内における位置との対応を示す推論マップを生成してもよい。推定部２５０は、画像取得部２４０により取得された新たな画像を複数のブロックに分割し、該複数のブロックに分割された新たな画像のデータのそれぞれを、構築されたモデルに入力して、ブロックごとに出力データを得る。図４は、ごみピット３の表面を複数のブロック４０２に分割して構成される推論マップ４００の一例を示す。図４の例では、ごみピット３内の表面は横４、縦１２に分割されており、推論マップ４００は計４８のブロック４０２から構成される。なお、推定部２５０は、過去に生成されたマップを用いることで、推論マップを３次元的に生成することもできる。

推論マップ４００を構成する各ブロック４０２には、一例として、出力データが示される。図４に示す例では、出力データは廃棄物の燃えやすさを示す指標(図４では無単位)で
ある。例えば、図４に示す指標の値が大きいほど、廃棄物が燃えやすいことを示す。各ブロック４０２に記される出力データは、図４に示すものに限られず、他のもの、例えば、廃棄物の重量（ｋｇ・ｍ／ｓ^２）、密度（ｋｇ／ｍ^３）、廃棄物の水分量（ｋｇ）、発熱量（ｋＪ／ｋｇ）であってもよいし、これらの任意の組み合わせであってもよい。推論マップ４００を構成する各ブロック４０２に示される出力データは複数あってもよい。推論マップ４００は、画像取得部２４０により取得された画像データに変化がある度に、あるいは、一定期間毎に更新／記録される。また、推論マップ４００は不図示のディスプレイに視覚的に表示されてもよい。

また、推論マップ４００を構成する各ブロック４０２には、出力データそのものではなく、出力データに基づいて抽出される値（ラベル、フラグなど）が示されてもよい。例えば、各ブロック４０２には、出力データの大きさに基づいて分類されたラベルが示される。一例として、出力データが、廃棄物の水分量である場合、水分量が大きいものにラベル「Ｌ（あるいは低質ゴミ）」、水分量が平均的なものにラベル「Ｍ（あるいは基準ごみ）」、水分量が小さいものにラベル「Ｈ（あるいは高質ごみ）」を割り当てる。また、例えば、各ブロック４０２には、出力データの大きさに基づいて求められたフラグが示される。一例として、出力データが、発熱量である場合、廃棄物の発熱量が一定以上であり焼却炉１への投入に適すると判定された場合、フラグ「ＯＫ」、発熱量が一定未満であり焼却炉１への投入に適さないと判定された場合、フラグ「ＮＧ」を割り当てる。また、１つのブロック４０２に対応する出力データが複数ある場合、これらの複数の出力データから、各ブロック４０２に示される値を新たに抽出してもよい。

本技術によると、新しい画像データが入力されたときに、それに対応する正しい値（廃棄物の質を表す値）を出力するよう構築されたモデルを用いて、新たな画像データに対応する廃棄物の質を推定する。従って、廃棄物の新しい画像データを収集して、これらの画像データを学習モデルに入力することで、新しい画像データに対応する廃棄物の質の推定を行うことができる。さらに、色調が近くても質が異なる廃棄物や、一定の色調を持たなくても質が同じ廃棄物が、ピット３内に混在していても、色調のみから廃棄物の質を推定する場合と比較して、より高い精度で廃棄物の質を推定することができる。また、本技術によると、学習モデルを用いて機械的に廃棄物の質の推定を行うので、熟練の作業者がいなくても、廃棄物の質の推定を行うことができる、あるいはこれまで廃棄物の質を目視で行っていた作業員の判断の確からしさをサポートすることができる。さらに、新しい画像データとそれに対応するプロセスデータを用いて定期的に追加学習、再学習を行うことで、経年による廃棄物の質の変化に対応することもできる。

また、本技術によると、ごみピット３内を複数のブロック４０２に分割し、ブロック４０２毎に、廃棄物の質を表す値等が示された推論マップ４００が生成される。作業者あるいは情報処理装置２００は、推論マップ４００を参照することにより、ごみピット３内の廃棄物が、ブロック４０２毎にどのような質を有しているかを把握することができる。従って、廃棄物の質の位置的な分布を把握することができる。

指示部２６０は、推論マップ４００に基づいて、クレーン制御装置１１０（図２に示す）へ指示を与える。より具体的には、指示部２６０は、推論マップ４００に基づいて、ごみピット３内のどのブロックからどのブロックへ廃棄物を移動させるべきかを示す指示、あるいはごみピット３内のどのブロックの廃棄物を焼却炉１（図１に示す）へ投入させるべきかを示す指示を作成し、クレーン制御装置１１０へ送信する。クレーン制御装置１１０は、該指示に従って、クレーン５によるごみピット３内の廃棄物の移動を制御する。指示部２６０は、推論マップ４００に示される値を用いて、ピット３内の廃棄物の質が均一になるように、あるいは、前回焼却炉１へ投入した廃棄物の質と近くなるように、廃棄物の移動を指示する。

また、指示部２６０は、推論マップ４００に基づいて、燃焼制御装置１２０（図２に示す）へ指示を与える。より具体的には、指示部２６０は、推論マップ４００内のどのブロックの廃棄物が焼却炉１へ投入されたかの投入情報と、当該ブロックに示される値、例えば出力データとを用いて、焼却炉１において、投入された廃棄物の燃焼に必要な指示を作成し、燃焼制御装置１２０へ送信する。燃焼制御装置１２０は、該指示に従って、焼却炉１に投入された廃棄物の質に適した燃焼温度、燃焼時間、空気量となるよう、焼却炉１の燃焼制御を行う。

なお、上記した発明の実施の形態は、本発明を限定するものではない。例えば、指示部２６０は、情報処理装置２００ではなく、他の装置、一例としてクレーン制御装置１１０に備えられてもよい。この場合、情報処理装置２００で生成される推論マップ４００を、クレーン制御装置１１０へ送信し、クレーン制御装置１１０が、推論マップ４００上のどのブロックにある廃棄物を焼却炉１へ投入するかの指示を生成して、クレーン５の動作を制御する。そして、クレーン制御装置１１０は、廃棄物の焼却炉１へ投入された廃棄物のブロック位置情報と、ブロックに示される値とを用いて、燃焼制御装置１２０に対する制御指示を生成する。

あるいは、指示部２６０は、一例としてクレーン制御装置１１０と、燃焼制御装置１２０の両方に備えられてもよい。この場合、情報処理装置２００で生成される推論マップ４００を、クレーン制御装置１１０へ送信し、クレーン制御装置１１０が、推論マップ４００上のどのブロックにある廃棄物を焼却炉１へ投入するかの指示を生成して、クレーン５の動作を制御する。そして、燃焼制御装置１２０は、情報処理装置２００から推論マップ４００を受信し、クレーン制御装置１１０から焼却炉１へ投入された廃棄物のブロック位置情報を受信する。燃焼制御装置１２０は、廃棄物の焼却炉１へ投入された廃棄物のブロック位置情報と、ブロックに示される値とを用いて、焼却炉１の制御指示を生成する。

図５は、一実施形態による廃棄物処理プラントシステム１００の動作を示すフローチャート５００である。

ステップＳ５１０において、教師データ生成部２２０は、データベース２０９（図２に示す）に格納された廃棄物処理プラントの運転履歴を、メモリ２０４（図２に示す）へロードする。そして、メモリ２０４にロードされた廃棄物処理プラントの運転履歴から、ごみピット３内の廃棄物の画像データに対応するプロセスデータを収集し、該プロセスデータに基づいて教師データを生成する。

ステップＳ５２０において、モデル構築部２３０は、ごみピット３内の廃棄物の画像データと、ステップＳ５１０で生成された当該画像データに対応する教師データとを用いた教師ありの学習によって、モデル構築部２３０が有する関数の内部パラメータが調整されたモデルを構築する。

ステップＳ５３０において、画像取得部２４０は、撮像装置６により撮像されたごみピット３内の廃棄物の画像データを取得する。

ステップＳ５４０において、推定部２５０は、画像取得部２４０により取得されたごみピット３内の廃棄物の画像データを、１以上のブロックに分割する。そして、推定部２５０は、分割された画像データのそれぞれを、ステップＳ５２０にて構築されたモデルに入力して、ブロックごとに出力データを得る。

ステップＳ５５０において、推定部２５０は、ステップＳ５４０にて取得されたブロッ
ク毎の出力データによって特定された廃棄物の質を表す値を、各ブロックに対応付けて、推論マップ４００を生成する。

ステップＳ５６０において、指示部２６０は、ステップＳ５５０にて生成された推論マップ４００に基づいて、クレーン制御装置１１０、あるいは燃焼制御装置１２０へ動作指示を与える。

以上、本発明の実施の形態について説明してきたが、上記した発明の実施の形態は、本発明の理解を容易にするためのものであり、本発明を限定するものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得るとともに、本発明にはその均等物が含まれることはもちろんである。また、上述した課題の少なくとも一部を解決できる範囲、または、効果の少なくとも一部を奏する範囲において、実施形態および変形例の任意の組み合わせが可能であり、特許請求の範囲および明細書に記載された各構成要素の任意の組み合わせ、または、省略が可能である。

１…焼却炉、３…ピット、４…ホッパ、５…クレーン、６…撮像装置、１００…廃棄物処理プラントシステム、１１０…クレーン制御装置、１２０…燃焼制御装置、２００…情報処理装置、２０２…プロセッサ、２０４…メモリ、２０６…通信インターフェース、２０８…ストレージ、２０９…データベース、２２０…教師データ生成部、２３０…モデル構築部、２４０…画像取得部、２５０…推定部、２６０…指示部、４００…推論マップ

Claims (10)

1. ごみピット内に貯留される廃棄物を撮像した画像に対応付けられた教師データを用いた学習によって構築されたモデルに、前記ごみピット内に貯留される廃棄物を撮像した新たな画像のデータを入力して、前記新たな画像に対応する廃棄物の質を表す値を取得する推定部を備え、
   前記教師データは、廃棄物処理プラントの運転履歴に基づいて特定された廃棄物の特性を示す値と、前記ごみピット内の廃棄物の画像データを元に作業者が廃棄物の質を分類したラベルとのうち少なくとも一方から収集される、
   ことを特徴とする装置。
2. 前記推定部は、さらに
   前記廃棄物を撮像した新たな画像を複数のブロックに分割し、ブロック毎に、前記新たな画像に対応する廃棄物の質を表す値を出力し、
   出力された廃棄物の質を表す値を、前記ブロックの各々に対応付けた推論マップを生成する、
   請求項１に記載の装置。
3. 前記装置は、さらに
   前記推論マップに基づいて、クレーンの制御を行うクレーン制御装置に対する指示、あるいは焼却炉の制御を行う燃焼制御装置に対する指示のうち少なくとも一方を生成する指示部を備える、請求項２に記載の装置。
4. 前記クレーン制御装置に対する指示は、クレーンに対し前記ごみピット内の廃棄物を移動させる指示であり、前記燃焼制御装置に対する指示は、焼却炉に投入された廃棄物を燃焼させるのに必要な指示である、請求項３に記載の装置。
5. 前記廃棄物の質を表す値は、前記廃棄物の燃えやすさを示す指標である、請求項１から
   ４のいずれか１項に記載の装置。
6. 前記ごみピット内に貯留される廃棄物を撮像した画像に対応付けられた前記教師データを生成する、教師データ生成部
   をさらに備えたことを特徴とする請求項１から５のいずれか１項に記載の装置。
7. 前記教師データを用いた学習によって、前記モデルを構築するモデル構築部
   をさらに備えたことを特徴とする請求項６に記載の装置。
8. 廃棄物処理プラントシステムであって、
   ごみピット内に貯留される廃棄物を撮像した画像に対応付けられた教師データを用いた学習によって構築されたモデルに、前記ごみピット内に貯留される廃棄物を撮像した新たな画像を複数のブロックに分割することによって得られた、ブロック毎の新たな画像のデータを入力して、前記新たな画像に対応する廃棄物の質を表す値を、各前記ブロックに対応付けた推論マップを生成する推定部と、
   前記推論マップに基づいて、クレーンの制御を行うクレーン制御装置に対する指示、あるいは焼却炉の制御を行う燃焼制御装置に対する指示のうち少なくとも一方を生成する指示部と
   を備える、システム。
9. 廃棄物処理プラントのごみピット内に貯留される廃棄物の質を推定する方法であって、
   ごみピット内に貯留される廃棄物を撮像した画像に対応付けられた教師データを用いた学習によって構築されたモデルに、前記ごみピット内に貯留される廃棄物を撮像した新たな画像のデータを入力して、前記新たな画像に対応する廃棄物の質を表す値を取得するステップ
   を備え、
   前記教師データは、廃棄物処理プラントの運転履歴に基づいて特定された廃棄物の特性を示す値と、前記ごみピット内の廃棄物の画像データを元に作業者が廃棄物の質を分類したラベルとのうち少なくとも一方から収集される、
   ことを特徴とする方法。
10. 請求項９に記載の方法を、前記廃棄物処理プラントに備えられたプロセッサに実行させるためのプログラム。