JP6751812B1 - 容器を含むごみから容器を選別する容器選別システム、容器選別方法および容器選別プログラム - Google Patents
容器を含むごみから容器を選別する容器選別システム、容器選別方法および容器選別プログラム Download PDFInfo
- Publication number
- JP6751812B1 JP6751812B1 JP2019231446A JP2019231446A JP6751812B1 JP 6751812 B1 JP6751812 B1 JP 6751812B1 JP 2019231446 A JP2019231446 A JP 2019231446A JP 2019231446 A JP2019231446 A JP 2019231446A JP 6751812 B1 JP6751812 B1 JP 6751812B1
- Authority
- JP
- Japan
- Prior art keywords
- pet bottle
- pet
- image data
- analysis
- bottles
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000003384 imaging method Methods 0.000 claims abstract description 33
- 230000010365 information processing Effects 0.000 claims description 16
- 238000011144 upstream manufacturing Methods 0.000 claims description 15
- 239000000284 extract Substances 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 239000004033 plastic Substances 0.000 claims description 8
- 229920003023 plastic Polymers 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 6
- 238000006748 scratching Methods 0.000 claims description 4
- 230000002393 scratching effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 abstract description 3
- 229920000139 polyethylene terephthalate Polymers 0.000 description 202
- 239000005020 polyethylene terephthalate Substances 0.000 description 202
- 229920006300 shrink film Polymers 0.000 description 18
- 238000000605 extraction Methods 0.000 description 15
- 239000002699 waste material Substances 0.000 description 8
- 239000000463 material Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000007790 scraping Methods 0.000 description 6
- -1 polyethylene terephthalate Polymers 0.000 description 5
- 230000001105 regulatory effect Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000004743 Polypropylene Substances 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000010791 domestic waste Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000002985 plastic film Substances 0.000 description 1
- 229920006255 plastic film Polymers 0.000 description 1
- 229920001225 polyester resin Polymers 0.000 description 1
- 239000004645 polyester resin Substances 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Landscapes
- Sorting Of Articles (AREA)
- Image Analysis (AREA)
Abstract
Description
また、ペットボトルに(シュリンク)フィルムが巻かれたままであったり、紙などのラベルが貼られたままのもある。
さらに、ペットボトルの内容物(液体、油、固形物)がそのまま残っている場合もある。
しかし、ペットボトルの再利用(例えば、繊維、シート、ペットボトルの原料として再利用)のためには、内容物がなく、かつポリエステル樹脂以外のプラスチック(キャップ、リング、フィルム)、ラベルなどが付いていない状態のペットボトルだけを選別する必要がある。
このように、さまざまな状態のペットボトルから所望の状態のペットボトルとそれ以外とを選別することが求められている。
しかしながら、近年の労働者減少の問題や作業環境改善の要請から、人による作業から自動選別機への導入が提案されている。
つまり、ペットボトルの再利用にあたって、上記基準を遵守する必要がある。
また、機械学習などの知的情報処理技術を利用して生成した選別プログラムを提供することを目的とする。
選別対象である複数のペットボトルを搬送する搬送手段(例えば、ベルトコンベアなど)と、
前記搬送手段で搬送されるペットボトルを撮像する撮像部(1つまたは複数でもよい)と、
前記撮像部で撮像された画像データ(例えば、動画、静止画)から、第一の不適合ペットボトルを解析する第一解析部と、
前記撮像部で撮像された画像データ(例えば、動画、静止画)から、第二の不適合ペットボトルを解析する第二解析部と、
前記第一解析部および前記第二解析部で解析された第一および第二の不適合ペットボトルを排出する排出用ロボットと、を備える。
上記第一解析部は、画像データに画像処理を施し、第一の不適合ペットボトルを抽出する。上記画像処理は、例えば、フィルタ処理、HSV色空間への変換処理、ノイズ除去処理などのいずれか1つもしくは2つ以上の組み合わせであってもよい。
上記第一解析部は、抽出されたシュリンクフィルム、ラベル、汚れなどを含むペットボトルを、第一の不適合ペットボトルと決定してもよい。
決定された第一の不適合ペットボトルの画像データは、画像データから取得される位置情報、時刻、搬送速度と紐づけられて、記憶部に記憶されてもよい。
第一解析部は、解析する際に、記憶部から上記画像処理を実行する画像処理プログラム、および解析処理を実行する解析プログラムを読み出し、1または複数のプロセッサーで実行させてもよい。プロセッサーは、例えば、CPU、MPU、GPUなどを1つ以上使用してもよい。
上記第二解析部は、少なくともキャップ付きペットボトル、キャップリング付きペットボトルおよびキャップなしペットボトルを含む学習データを用いて知的情報処理技術によって生成される、キャップ付きペットボトルまたはキャップなしペットボトルを検出するキャップ検出プログラムによって、画像データ(上記画像処理された画像データであってもよく、第一の不適合ペットボトルの画像データであってもよい)から第二の不適合ペットボトルを抽出してもよい。
学習データには、さらに、汚れありペットボトル、ラベル付きペットボトル、シュリンクフィルム付きペットボトル、キャップリング付きペットボトルを含んでいてもよい。
上記キャップ検出プログラムは、画像データ(上記画像処理された画像データであってもよく、第一の不適合ペットボトルの画像データであってもよい)中の複数のペットボトルから、ボトル口部分(キャップありもなしも含む部分)を抽出してキャップ候補領域を決定する第一抽出処理ステップと、キャップ候補領域からキャップ付きペットボトルまたはキャップなしペットボトルを判定する第二抽出処理ステップとを有していてもよい。
「知的情報処理技術」は、例えば、機械学習、深層学習、強化学習、深層強化学習などが挙げられる。
機械学習、深層学習、強化学習、深層強化学習のアルゴリズムは、特に制限されず、従来のアルゴリズムを用いてもよい。教師あり学習として、例えば、線形回帰、一般化線形モデル、サポートベクター回帰、ガウス過程回帰、アンサンブル法、決定木、ニューラルネットワーク、サポートベクターマシン、判別分析、単純ベイズ、最近傍法などの各種アルゴリズムを採用してもよい。
上記第二解析部は、抽出されたキャップ付きペットボトルを、第二の不適合ペットボトルと決定してもよい。
決定された第二の不適合ペットボトルの画像データは、画像データから取得される位置情報、時刻、搬送速度と紐づけられて、記憶部に記憶されてもよい。
上記キャップ検出プログラムは、記憶部(メモリ)に記憶されていてもよい。第二解析部は、解析する際に、記憶部から上記キャップ検出プログラムを読み出し、1または複数のプロセッサーで実行させてもよい。プロセッサーは、例えば、CPU、MPU、GPUなどを1つ以上使用してもよい。
上記排出用ロボットは、把持対象を撮像する撮像部と、把持対象までの距離を測定する測距センサ(超音波センサ、レーダセンサ、レーザセンサなど)と、各種センサ(加速度センサ、ポジションセンサ、力覚センサ、ジャイロなど)を有していてもよい。
上記排出用ロボットは、人と協働作業が可能な協働ロボット(例えば、パラレルリンクロボット、多自由度・多関節アームロボットなど)でもよい。
上記ペットボトルには、キャップおよび/またはキャップリング(キャップの下にあるリング)が付いていてもよい。
上記ペットボトルには、シュリンクフィルムが付いていてもよい。
上記ペットボトルには、ラベル(紙製、プラスチック製)が付いていてもよい。
上記ペットボトルは、内容物(液、油、固形物)が入っていてもよい。
上記ペットボトルは、洗浄されていない状態であってもよい。
上記ペットボトルは、その外側および/または内側に、異物(ごみ)、汚れなどが付着していてもよい。
上記ペットボトルは、潰れていてもよい。
搬送される前記複数のペットボトルの少なくとも上下方向の重なりをなくす高さ調整装置(搬送方向に平行な列の整列調整を含んでもよい)を備えていてもよい。
上記高さ調整装置は、少なくともキャップ口部が重ならないように(少なくともキャップまたはキャップリングが他のペットボトルと上下方向で重ならないように)することが好ましい。
上記高さ調整装置は、搬送手段の上に配置され、搬送手段(表面)から(潰れた状態または潰れていない状態の)ペットボトル本体の最大径または長径(横に寝かせて搬送した場合の高さ)を基準にした高さ位置に配置される高さ規制部を有し、搬送されている状態で重なっているペットボトルが高さ規制部に衝突して、ペットボトル同士の重なりを無くし(少なくともキャップ口部が重ならないようにし)、高さ規制部の下を通過させて下流へ搬送可能とする構成でもよい。
上記高さ規制部は、ペットボトルが通過する通過部と重なった状態のペットボトルが衝突する衝突部を有していてもよい。衝突部は、特に形状に制限がなく、板状、ブラシ状、櫛状などでもよい。通過部は例えば空洞でもよい。
上記搬送手段は、搬送方向に平行に複数の溝(凹状)が設けられていてもよい。溝と溝との間隔が所定の長さ(約1cmから5cmなど)とし、溝の幅が最大サイズペットボトル(例えば2Lボトル)のボトル本体幅(例えば、約12から13cm)に対応したサイズとした場合に、通過部がその溝幅と同じ空洞の幅を有し、溝間隔の位置で衝突部が設けられていてもよい。この場合に、衝突部によって、重なりに加え、搬送方向と直交する幅方向で規制がなされて、搬送手段の溝にペットボトルが横に寝た状態で下流へ搬送されるため、きれいに整列させることができる。
上記搬送手段は、搬送方向に平行に複数のガイドレールが設けられていてもよい。また、上記搬送手段は、搬送方向上流側に前処理段階の搬送手段を備えていてもよい。前処理段階の搬送手段は、搬送方向に平行に複数のガイドレールが設けられていてもよい。隣り合うガイドレール同士の間隔が最大サイズペットボトル(例えば2Lボトル)のボトル本体幅(例えば、約11から12cm)に対応していることが好ましい。搬送方向と直交する幅方向に複数のガイドレールで列の規制がなされて、ガイドレールに沿ってペットボトルが横に寝た状態で下流へ搬送される。さらに、上下方向の重なりがあるペットボトルに対し、高さ調整装置がその重なりを無くすように機能する。
上記前処理段階の搬送手段は、搬送方向上流端がその下流端よりも高く傾斜するように構成されていてもよい。上記前処理段階の搬送手段は、搬送手段に振動を与える振動発生部が設けられていてもよい。搬送されているペットボトルに振動が伝わり、ペットボトル同士の重なりを無くし(少なくともキャップ口部が重ならないようにし)、下流へ搬送可能とする構成でもよい。
上記前処理段階の搬送手段には、上記高さ調整装置が設置されていてもよい。前処理段階の搬送手段に高さ調整装置が設置される場合に、搬送手段にも高さ調整装置が設置されていてもよくされていなくてもよい。
上記掻き部は、上記回転体の径方向に伸縮可能または取り付け位置調整可能であってもよい。先端位置が可変であることで、搬送されるペットボトル本体の最大径または長径(横に寝かせて搬送した場合の高さ)に合わせることが可能となる。
ペットボトルが潰れた状態である場合、重なった状態で搬送されやすい。本発明の高さ調整装置によれば、少なくともキャップ口部が他のペットボトルと重ならないようにできるため、後段に配置される撮像手段で重なりのない状態で画像データを取得でき、第一、第二解析部による不適合ペットボトルの抽出を高精度にできる。
選別対象である複数のペットボトルを搬送する搬送ステップと、
搬送されるペットボトルを撮像する撮像ステップと、
前記撮像された画像データ(例えば、動画、静止画)から、第一の不適合ペットボトルを解析する第一解析ステップと、
前記撮像された画像データ(例えば、動画、静止画)から、第二の不適合ペットボトルを解析する第二解析ステップと、
前記第一解析ステップおよび前記第二解析ステップで解析された第一および第二の不適合ペットボトルを排出する排出ステップと、を含む。
上記第一解析ステップは、画像データをフィルタ処理でボトル輪郭などをエッジ検出し、HSV色空間で、ペットボトルに付いているシュリンクフィルム、ラベル、汚れなどの候補領域を抽出し、シュリンクフィルム、ラベル、汚れなど以外をノイズとして処理するノイズ除去を施して、ノイズ除去して残った物をシュリンクフィルム、ラベル、汚れなどとして検出してもよい。
上記第二解析ステップは、少なくともキャップ付きペットボトル、キャップリング付きペットボトルおよびキャップなしペットボトルを含む学習データを用いて知的情報処理技術によって生成される、キャップ付きペットボトルまたはキャップなしペットボトルを検出するキャップ検出プログラムによって、画像データから第二の不適合ペットボトルを抽出してもよい。
上記容器選別方法は、上記撮像ステップよりも前に、搬送される前記複数のペットボトルの少なくとも上下方向の重なりをなくす高さ調整ステップを、含んでいてもよい。
少なくとも1つのプロセッサーにより、上記第一解析ステップおよび/または上記第二解析ステップを実現するプログラムである。
他の本発明は、コンピュータ読み取り可能な記録媒体であって、
上記解析出プログラムが記憶されている、コンピュータ読み取り可能な記録媒体である。
他の本発明は、情報処理装置であって、
少なくとも1つのプロセッサーと、
前記プロセッサーで実行可能な容器解析プログラムを記憶するためのメモリと、を含み、
前記プロセッサーは、解析プログラムを実行する、情報処理装置である。
少なくとも1つのプロセッサーと、
前記プロセッサーで実行可能なキャップ検出プログラムを記憶するためのメモリと、を含み、
前記プロセッサーは、キャップ検出プログラムを実行する、情報処理装置である。
また、他の本発明は、コンピュータ読み取り可能な記録媒体であって、
前記キャップ検出プログラムが記憶されている、コンピュータ読み取り可能な記録媒体である。
少なくともキャップ付きペットボトル、キャップリング付きペットボトルおよびキャップなしペットボトルを含む学習データを生成する学習データ生成ステップと、
前記学習データを用いて知的情報処理技術によって生成される、キャップ付きペットボトルまたはキャップなしペットボトルを検出するキャップ検出プログラムを生成するモデル生成ステップと、を含む。
上記モデル生成ステップは、
画像データ中の複数のペットボトルから、ボトル口部分(キャップありもなしも含む部分)を抽出してキャップ候補領域を決定する第一抽出処理を実行し、
キャップ候補領域からキャップ付きペットボトルまたはキャップなしペットボトルを判定する第二抽出処理を実行し、キャップ検出プログラムを生成してもよい。
上記モデル生成ステップは、
上記第一抽出処理をディープニューラルネットワークのプログラムで実行し、上記第二抽出処理を畳み込みニューラルネットワークのプログラムで実行するように、キャップ検出プログラムを生成してもよい。
また、他の発明のキャップ検出プログラム生成方法は、
モデル生成ステップで生成されたキャップ検出プログラムを再学習(チューニング)する再学習ステップと、を含む。再学習は、例えば、学習回数(Epoch)の変更、学習データの変更または追加、特徴量の変更などでもよい。
キャップ検出プログラム生成方法で生成されたキャップ検出プログラムは、記憶媒体に記憶され、外部装置へ出力可能に構成される。
図1A、2A、3Aは、本発明を適用した実施形態である容器選別システム1の一例を示す。本実施形態では、選別対象の容器はペットボトルである。ペットボトルは、潰した状態と潰れていない状態がある。ペットボトルは、容器回収袋(例えば、プラスチックフィルム製袋)に収納されており、選別前に圧縮手段などで、潰されてもよく、潰されていない状態でもよく、人が手で押し潰した状態であってもよい。
ペットボトルには、キャップ付き、キャップなし、ラベル付きキャップ付き、ラベル付きキャップなしがある。ラベルはプラスチックラベル、紙ラベルでもよく、シュリンクフィルムラベルでもよい。
ベルトコンベア2は、無端ベルトコンベアの単一構成、または複数の無端ベルトコンベアの組み合わせで構成されていてもよく、特に制限されない。
撮像された画像は、容器解析部5の第一記憶部51へ送信される。容器解析部5は、画像データに各種画像処理を施してもよい。撮像部4は、エリアセンサカメラ、ラインセンサカメラでもよい。
容器解析部5は、第一記憶部51、第一解析部52、第二解析部53、第二記憶部54を有する。
第一記憶部51は、撮像部4で撮像された画像データ、画像内の位置情報(二次元座標)、撮像時刻、ベルトコンベア2の搬送速度とを紐づけて記憶してもよい。
第一解析部52は、撮像部4で撮像された画像データから、第一の不適合ペットボトルを解析する。
第二解析部53は、撮像部4で撮像された画像データから、第二の不適合ペットボトルを解析する。
第二記憶部54は、キャップ検出プログラムを記憶している。キャップ検出プログラムは、後述するキャップ検出プログラム生成装置100からネットワークを介して取得されてもよく、不図示のクラウド環境、オンプレミス環境のサーバを介して、またはCD−ROMなどコンピュータ可読記憶媒体を介して、取得されてもよい。
解析プログラムは、第一記憶部51から読み出した画像データをフィルタ処理でボトル輪郭などをエッジ検出し、HSV色空間でペットボトルに付いているシュリンクフィルム、ラベル、汚れなどの候補領域を抽出し、シュリンクフィルム、ラベル、汚れなど以外をノイズとして処理するノイズ除去を施して、ノイズ除去して残ったものをシュリンクフィルム、ラベル、汚れなどとして検出する。
第一解析部52は、検出されたシュリンクフィルム、ラベル、汚れなどを含むペットボトルを、第一の不適合ペットボトルと決定する。
第一記憶部51は、決定された第一の不適合ペットボトルの画像データと、第一の不適合ペットボトルの画像内の位置情報(二次元座標)、撮像時刻、ベルトコンベア2の搬送速度とを紐づけて記憶する。これらを第一解析データと称する。
第二解析部53は、キャップ検出プログラムを第二記憶部54から読み出し、プロセッサーでこのキャップ検出プログラムを実行し、画像データからキャップ付きペットボトルまたはキャップなしペットボトルを検出する。
具体的に、キャップ検出プログラムは、画像データ中の複数のペットボトルから、ボトル口部分(キャップありもなしも含む部分)を抽出してキャップ候補領域を決定する第一抽出処理ステップと、キャップ候補領域からキャップ付きペットボトルまたはキャップなしペットボトルを判定する第二抽出処理ステップとを有する。
キャップ検出プログラムの第一抽出処理ステップは、ディープニューラルネットワークのプログラムで処理することを含んでいてもよく、第二抽出処理ステップは畳み込みニューラルネットワークのプログラムで処理することを含んでいてもよい。
第二解析部53は、抽出されたキャップ付きペットボトルを、第二の不適合ペットボトルと決定する。
第一記憶部51は、決定された第二の不適合ペットボトルの画像データと、第二の不適合ペットボトルの画像内の位置情報(二次元座標)、撮像時刻、ベルトコンベア2の搬送速度とを紐づけて記憶する。これらを第二解析データと称する。
なお、キャップ検出プログラムの生成は後述する。
図2Aに示すパラレルリンクロボット6は、リンク機構を備える本体61と、リンク機構の先端に設けられる把持手段62と、リンク機構動作と把持手段62の動作を駆動する駆動手段(不図示)と、駆動手段を制御する動作制御部(不図示)とを有する。本実施形態の把持手段62は、例えば、吸引パットである。吸引パットに接続されて空気を引き込む吸引装置(不図示)が設けられる。パラレルリンクロボット6は、把持対象を撮像する撮像部と、把持対象までの距離を測定する測距センサ(超音波センサ、レーダセンサ、レーザセンサなど)と、各種センサ(加速度センサ、ポジションセンサ、力覚センサ、ジャイロなど)を有していてもよい。
容器解析部5で決定された第一および第二の不適合ペットボトルに係る第一、第二解析データが第一記憶部51から読み出されてパラレルリンクロボット6の動作制御部へ送られ、この第一、第二解析データに基づいてパラレルリンクロボット6が動作し、第一および第二の不適合ペットボトルを吸引して、排出ボックス71、72へ排出する。
図3Aに示す、キャップ検出プログラム生成装置100は、少なくともキャップ付きペットボトル、キャップリング付きペットボトルおよびキャップなしペットボトルを含む学習データを生成する学習データ生成部101と、前記学習データを用いて知的情報処理技術によって生成される、キャップ付きペットボトルまたはキャップなしペットボトルを検出するキャップ検出プログラムを生成するモデル生成部102と、を有する。
モデル生成部102は、画像データ中の複数のペットボトルから、ボトル口部分(キャップありもなしも含む部分)を抽出してキャップ候補領域を決定する第一抽出処理部1021と、キャップ候補領域からキャップ付きペットボトルまたはキャップなしペットボトルを判定する第二抽出処理部1022を有するキャップ検出プログラムを生成する。モデル生成部102は、第一抽出処理部1021の処理をディープニューラルネットワークのプログラムで実行するように構成し、第二抽出処理部1022の処理を畳み込みニューラルネットワークのプログラムで実行するように構成する。
また、キャップ検出プログラム生成装置100は、モデル生成部102で生成されたキャップ検出プログラムを再学習(チューニング)する再学習部104を有していてもよい。
再学習は、例えば、学習回数(Epoch)の変更、学習データの変更または追加、特徴量の変更などでもよい。
モデル生成部102で生成されたまたは再学習されたキャップ検出プログラムは、記憶部103に記憶され、外部装置または容器選別システム1へ送信可能に構成される。
図1B、2B、3Bに示す実施形態2は、実施形態1と同じ構成要素に加え、さらに撮像装置4より搬送方向上流側のベルトコンベア2に高さ調整装置3が配置されている。高さ調整装置3は、少なくともキャップ口部が他のペットボトルと上下方向で重ならないようにする機能である。符号が同じ構成要素は同じ機能を有しているため説明を省略または簡単にする。以下同様である。
図2Bに示す高さ調整装置3は、回転体(ロータ)31と、ベルトコンベア2の搬送方向と逆方向に回転体31を回転する回転駆動部(モータなど、不図示)と、回転体31の径方向に設けられる複数の掻き部32と、を有する。複数の掻き部32は、回転体31の径方向に放射状に8つ同間隔に設けられているがこれに制限されず、8つ以下、8つ以上でもよい。回転体31の全周に掻き部に相当する複数の凸部が形成されていてもよい。掻き部32は、例えば、板状、ブラシ状、櫛状などである。
掻き部32(先端可動部321)に、搬送されている状態で重なっている上側のペットボトルが衝突して、ペットボトル同士の重なりを無くし(少なくともキャップ口部が重ならないようにし)、下流へ搬送できる。
図4に示す別実施形態の高さ調整装置は、ベルトコンベア2の上に配置され、ベルトコンベア表面からペットボトル本体の最大径または長径(横に寝かせて搬送した場合の高さ)を基準にした高さ位置に配置される高さ規制部35を有する。高さ規制部35は、ペットボトルが通過する通過部352と、重なった状態のペットボトルが衝突する衝突部351を有する。衝突部351は、特に形状に制限がなく、板状、ブラシ状、櫛状などでもよい。通過部352は、例えば空洞でもよく、門型でもよい。
搬送されている状態で重なっているペットボトルが衝突部351に衝突し、ペットボトル同士の重なりを無くし、少なくともキャップ口部が重ならないようにした状態のペットボトルが通過部352を通過し、下流へ搬送させることができる。
図5A、5Bに示す前処理段階の搬送装置210は、上記ベルトコンベア2の上流に設けられる。本実施形態において、前処理段階の搬送装置210は、ベルトコンベアとして構成されている。
図5Aの平面視において、搬送装置201は、搬送方向に平行に複数のガイドレールが設けられている。複数のガイドレール211、212、213、214、215、216は、搬送装置210の上方に設けられる。ガイドレール同士の間隔Wは、最大サイズペットボトル(例えば2Lボトル)のボトル本体幅(例えば、約11から12cm)に対応している。ガイドレール211、212、213、214、215、216の長さは、搬送方向上流側から下流側まで伸びているがこれに制限されず、これよりも短くてもよい。ガイドレールの高さは、搬送装置210のベルト面から最大サイズペットボトル(例えば2Lボトル)のボトル本体幅(例えば、約11から12cm)の1/2よりも高いことが好ましい。
なお、ガイドレールの替わりに、ベルトコンベア表面からレール状に複数の突起物が搬送方向に平行に立設されていてもよい。
また、前処理段階の搬送装置210には実施形態1と同様の高さ調整装置3が配置される。
第一振動発生部220は、搬送方向に対し所定角度で下方に傾斜する搬送装置210の搬送方向上流側に設けられており、搬送装置210に振動を与え、ペットボトルの重なりを解消させる。
第二振動発生部221は、第一振動発生部24より搬送方向下流側に設けられ、搬送装置210に振動を与える。第二振動発生部221による振動は、第一振動発生部220の振動で解消されなかったペットボトルの重なりを解消させるのに寄与する。
第一、第二振動発生部220、221による振動と、複数のガイドレールと、高さ調整装置3によって、ペットボトルの重なりを解消するとともに、ペットボトルを整列した状態で、下流へ搬送することが可能になる。
なお、別実施形態として高さ調整装置3が省略されていてもよい。
図6に示す別実施形態のベルトコンベア2は、搬送方向に平行に複数のガイドレールが設けられている。
ガイドレール201、202、203、204、205、206は、ベルトコンベア2の上方に設けられる。ガイドレール同士の間隔Wは、最大サイズペットボトル(例えば2Lボトル)のボトル本体幅(例えば、約11から12cm)に対応している。
ガイドレール201、202、203、204、205、206の長さは、搬送方向上流側から下流側まで伸びているがこれに制限されず、少なくとも高さ調整装置を通過するまでの長さであることが好ましく、排出用ロボットより上流まで、撮像部の撮像エリア範囲まで、または撮影エリア範囲より上流までのいずれかまでの長さでもよい。
複数のガイドレールによって、ペットボトルを整列した状態で、下流へ搬送することが可能になる。
また、ガイドレールの替わりに、ベルトコンベア表面からレール状に複数の突起物が搬送方向に平行に立設されていてもよい。
また、本実施形態における第二解析部は、キャップの有無に限定されず、汚れありペットボトル、ラベル付きペットボトル、シュリンクフィルム付きペットボトル、キャップリング付きペットボトルを抽出してもよい。
第二解析部は、少なくともキャップ付きペットボトル、キャップリング付きペットボトルおよびキャップなしペットボトル、汚れありペットボトル、ラベル付きペットボトル、シュリンクフィルム付きペットボトル、キャップリング付きペットボトルを含む学習データを用いて知的情報処理技術によって生成される、キャップ付きペットボトル、キャップなしペットボトル、汚れありペットボトル、ラベル付きペットボトル、シュリンクフィルム付きペットボトルまたはキャップリング付きペットボトルを検出する検出プログラムによって、画像データから不適合ペットボトルを抽出してもよい。
2 搬送手段(ベルトコンベア)
3 高さ調整装置
4 撮像部
5 容器解析部
6 排出用ロボット
51 第一記憶部
52 第一解析部
53 第二解析部
54 第二記憶部
100 キャップ検出プログラム生成装置
101 学習データ生成部
102 モデル生成部
103 記憶部
104 再学習部
210 前処理段階の搬送装置
220 第一振動発生部
221 第二振動発生部
Claims (7)
- 複数のペットボトルを搬送する搬送手段と、
前記搬送手段で搬送されるペットボトルを撮像する撮像部と、
前記撮像部で撮像された画像データから、第一の不適合ペットボトルを解析する第一解析部と、
前記撮像部で撮像された画像データから、第二の不適合ペットボトルを解析する第二解析部と、
前記第一解析部および前記第二解析部で解析された第一および第二の不適合ペットボトルを排出する排出用ロボットと、を備え、
前記第一解析部は、画像データに画像処理を施し、第一の不適合ペットボトルを抽出し、
前記第二解析部は、少なくともキャップ付きペットボトル、キャップリング付きペットボトルおよびキャップなしペットボトルを含む学習データを用いて知的情報処理技術によって生成される、キャップ付きペットボトルまたはキャップなしペットボトルを検出するキャップ検出プログラムによって、画像データから第二の不適合ペットボトルを抽出する、容器選別システム。 - 複数のペットボトルを搬送する搬送手段と、
前記搬送手段で搬送されるペットボトルを撮像する撮像部と、
前記撮像部で撮像された画像データから、第一の不適合ペットボトルを解析する第一解析部と、
前記撮像部で撮像された画像データから、第二の不適合ペットボトルを解析する第二解析部と、
前記第一解析部および前記第二解析部で解析された第一および第二の不適合ペットボトルを排出する排出用ロボットと、
搬送される前記複数のペットボトルの少なくとも上下方向の重なりをなくす高さ調整装置と、を備え、
前記高さ調整装置は、回転体と、前記搬送手段の搬送方向と逆方向に前記回転体を回転する回転駆動部と、前記回転体の径方向に設けられる複数の掻き部と、を有する容器選別システム。 - 前記掻き部は、前記回転体の径方向に伸縮可能または取り付け位置調整可能である、請求項2に記載の容器選別システム。
- 前記第一解析部は、画像データに画像処理を施し、第一の不適合ペットボトルを抽出し、
前記第二解析部は、少なくともキャップ付きペットボトル、キャップリング付きペットボトルおよびキャップなしペットボトルを含む学習データを用いて知的情報処理技術によって生成される、キャップ付きペットボトルまたはキャップなしペットボトルを検出するキャップ検出プログラムによって、画像データから第二の不適合ペットボトルを抽出する、請求項2に記載の容器選別システム。 - 前記搬送手段は、搬送方向上流側に前処理段階の搬送手段を備え、
前記前処理段階の搬送手段は、搬送方向上流端がその下流端よりも高く傾斜するように構成されており、
前記前処理段階の搬送手段は、
搬送方向に平行に複数のガイドレールと、当該搬送手段に振動を与える振動発生部と、高さ調整装置とを備える、請求項1または2に記載の容器選別システム。 - 複数のペットボトルを搬送する搬送ステップと、
搬送されるペットボトルを撮像する撮像ステップと、
前記撮像された画像データから、第一の不適合ペットボトルを解析する第一解析ステップと、
前記撮像された画像データから、第二の不適合ペットボトルを解析する第二解析ステップと、
前記第一解析ステップおよび前記第二解析ステップで解析された第一および第二の不適合ペットボトルを排出する排出ステップと、を含み、
前記第一解析ステップは、画像データに画像処理を施し、第一の不適合ペットボトルを抽出し、
前記第二解析ステップは、少なくともキャップ付きペットボトル、キャップリング付きペットボトルおよびキャップなしペットボトルを含む学習データを用いて知的情報処理技術によって生成される、キャップ付きペットボトルまたはキャップなしペットボトルを検出するキャップ検出プログラムによって、画像データから第二の不適合ペットボトルを抽出する、容器選別方法。 - 複数のペットボトルを搬送する搬送ステップと、
搬送される前記複数のペットボトルの少なくとも上下方向の重なりをなくす高さ調整ステップと、
搬送されるペットボトルを撮像する撮像ステップと、
前記撮像された画像データから、第一の不適合ペットボトルを解析する第一解析ステップと、
前記撮像された画像データから、第二の不適合ペットボトルを解析する第二解析ステップと、
前記第一解析ステップおよび前記第二解析ステップで解析された第一および第二の不適合ペットボトルを排出する排出ステップと、を含み、
前記高さ調整ステップは、回転体と、前記搬送手段の搬送方向と逆方向に前記回転体を回転する回転駆動部と、前記回転体の径方向に設けられる複数の掻き部と、を有する高さ調整装置で実行される、容器選別方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019231446A JP6751812B1 (ja) | 2019-12-23 | 2019-12-23 | 容器を含むごみから容器を選別する容器選別システム、容器選別方法および容器選別プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019231446A JP6751812B1 (ja) | 2019-12-23 | 2019-12-23 | 容器を含むごみから容器を選別する容器選別システム、容器選別方法および容器選別プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6751812B1 true JP6751812B1 (ja) | 2020-09-09 |
JP2021099691A JP2021099691A (ja) | 2021-07-01 |
Family
ID=72333487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019231446A Active JP6751812B1 (ja) | 2019-12-23 | 2019-12-23 | 容器を含むごみから容器を選別する容器選別システム、容器選別方法および容器選別プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6751812B1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TR202018824A2 (tr) * | 2020-11-23 | 2021-03-22 | Robo Maker Muehendislik Sanayi Ve Ticaret Ltd Sirketi | Robotick picker |
WO2023042389A1 (ja) * | 2021-09-17 | 2023-03-23 | 株式会社Pfu | 物体処理装置 |
KR102578919B1 (ko) * | 2021-11-16 | 2023-09-15 | 주식회사 앤에이치씨 | 재활용 pet에 대한 자동 선별 분리 시스템 |
KR102578920B1 (ko) * | 2021-11-16 | 2023-09-15 | 주식회사 앤에이치씨 | 인공지능을 기반으로 하는 pet 선별장치 |
KR102578921B1 (ko) * | 2021-11-22 | 2023-09-15 | 주식회사 앤에이치씨 | 인공지능을 기반으로 하는 해양쓰레기 선별 시스템 |
WO2023148929A1 (ja) * | 2022-02-04 | 2023-08-10 | 株式会社Pfu | 容器選別システム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1994025186A1 (de) * | 1993-04-30 | 1994-11-10 | Robert Massen | Verfahren und vorrichtung zur sortierung von materialteilen |
JP3307745B2 (ja) * | 1993-12-15 | 2002-07-24 | 新明和工業株式会社 | びんの色選別装置 |
JP2001054764A (ja) * | 1999-08-19 | 2001-02-27 | Nitta Ind Corp | ペットボトルの色選別装置 |
JP2001252886A (ja) * | 2000-03-10 | 2001-09-18 | Hitachi Zosen Corp | 物体のハンドリングシステム |
JP3647799B2 (ja) * | 2001-12-03 | 2005-05-18 | 株式会社御池鐵工所 | 使用済みボトルの色別・材質別選別装置 |
JP2012139650A (ja) * | 2011-01-04 | 2012-07-26 | Daio Engineering Co Ltd | ペットボトルのキャップ選別装置 |
JP6599707B2 (ja) * | 2015-09-28 | 2019-10-30 | ジャパンテック株式会社 | ボトル選別システム |
JP2017109197A (ja) * | 2016-07-06 | 2017-06-22 | ウエノテックス株式会社 | 廃棄物選別システム及びその選別方法 |
-
2019
- 2019-12-23 JP JP2019231446A patent/JP6751812B1/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2021099691A (ja) | 2021-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6751812B1 (ja) | 容器を含むごみから容器を選別する容器選別システム、容器選別方法および容器選別プログラム | |
US11080496B2 (en) | Systems and methods for separating objects using vacuum diverts with one or more object processing systems | |
US11301654B2 (en) | Systems and methods for limiting induction of objects to one or more object processing systems | |
US11481566B2 (en) | Systems and methods for separating objects using a vacuum roller with one or more object processing systems | |
US5150307A (en) | Computer-controlled system and method for sorting plastic items | |
CN103052342B (zh) | 收银台 | |
US9156628B2 (en) | Sort systems and methods | |
US10597238B2 (en) | Transporting arrangement and empty-container accepting arrangement | |
US11416695B2 (en) | Systems and methods for distributing induction of objects to a plurality of object processing systems | |
US11200390B2 (en) | Systems and methods for separating objects using drop conveyors with one or more object processing systems | |
US11205059B2 (en) | Systems and methods for separating objects using conveyor transfer with one or more object processing systems | |
CA3126276C (en) | Systems and methods for separating objects using a vacuum roller with one or more object processing systems | |
EP3866988B1 (en) | System for the sorting of materials from collected waste | |
CN110000175A (zh) | 用于对瓶子进行清洁的瓶子清洁机 | |
JP3952908B2 (ja) | 物体の個別認識方法及び個別認識装置 | |
CN115683780A (zh) | 一种食品检测实验室样品高通量预处理系统及方法 | |
KR200473110Y1 (ko) | 화장품 포장박스의 분류장치 | |
KR20060004143A (ko) | 재활용 플라스틱 선별방법 | |
US20230005127A1 (en) | Method and device for detecting containers which have fallen over and/or are damaged in a container mass flow | |
JP2000085783A (ja) | 容器類流通方法および容器類流通システム | |
EP3913526A1 (en) | Platform detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200217 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200217 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200603 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200616 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200708 |
|
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: 20200729 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200817 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6751812 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |