JP6944962B2 - 汚れ情報推定システム - Google Patents

Description

本開示は、汚れ情報推定システムに関する。

空気調和装置及び空気清浄機等の空気処理装置は、自装置の稼働に伴って徐々に汚れる部品を含む。特許文献１には、この部品の状態を診断する技術が開示されている。

特開２００５−２９２０６６号公報

上記特許文献１では、上記部品の画像のみに基づいて部品の状態が推定（診断）される。部品の画像のみでは、推定精度は向上し難い。

本開示の目的は、空気処理装置の構成部品の推定精度を向上させることである。

本開示の第１の態様は、空気処理装置（10）のケーシング（20）内部ドレンパン（50）を撮像する撮像部（72）と、上記撮像部（72）が撮像した画像データと、上記空気処理装置（10）の運転データ及び／または上記空気処理装置（10）が設けられている環境に関する環境データとを入力データとして機械学習により生成した推定モデル（82）に基づいて、上記ドレンパン（50）の汚れに関する汚れ情報を推定する推定部（81）と、を備えることを特徴とする汚れ情報推定システムである。

ドレンパン（50）の汚れ情報の推定には、ドレンパン（50）の画像データに加えて、空気処理装置の運転データ及び／または環境データが用いられる。これにより、汚れ情報の推定精度は向上する。

本開示の第２の態様は、第１の態様において、上記推定部（81）は、時間の経過に従って上記撮像部（72）が上記ドレンパン（50）を複数回撮像した複数の上記画像データを、上記汚れ情報の推定に用いることを特徴とする汚れ情報推定システムである。

これにより、推定部（81）はドレンパン（50）の汚れの推移を把握できるため、汚れ情報の推定精度はより向上し易くなる。

本開示の第３の態様は、第１の態様または第２の態様において、上記環境データは、上記ケーシング（20）内部に吸い込まれた空気質に関するデータを含むことを特徴とする汚れ情報推定システムである。

空気質は、細菌やカビの繁殖量に影響を及ぼすことがある。この空気質に関するデータが汚れ情報の推定に用いられることで、汚れ情報の推定精度は向上し易くなる。

本開示の第４の態様は、第１の態様から第３の態様のいずれか１つにおいて、上記環境データは、上記空気処理装置（10）の据え付け場所に関するデータを含むことを特徴とする汚れ情報推定システムである。

空気処理装置（10）の据え付け場所は、ドレンパン（50）の汚れ方や汚れの程度等に影響を及ぼすことがある。この据付場所に関するデータが汚れ情報の推定に用いられることで、汚れ情報の推定精度は向上し易くなる。

本開示の第５の態様は、第１の態様から第４の態様のいずれか１つにおいて、上記運転データは、上記ケーシング（20）内部に含まれる熱交換器（43）の温度、上記ケーシング（20）内部に含まれるファン（40）の駆動に用いられる制御パラメータ、上記ケーシング（20）に設けられたフラップ（103）の角度、上記熱交換器（43）への冷媒の流入が停止している時間、上記ケーシング（20）内部に含まれるドレンポンプ（60）の回転数、上記空気処理装置（10）の稼働時間、の少なくとも１つを含むことを特徴とする汚れ情報推定システムである。

熱交換器（43）の温度は、細菌やカビのみならず、熱交換器（43）自体またはその周辺の構成部品の状態に影響を及ぼすことがある。ファン（40）の駆動に用いられる制御パラメータは、ファン（40）の周辺の構成部品の状態の把握等に役立つ。フラップ（103）の角度は、フラップ（103）自体の状態の把握、及び、ケーシング（20）内部の状態の把握に役立つ。熱交換器（43）への冷媒の流入が停止している時間、ドレンポンプ（60）の回転数、空気処理装置（10）の稼働時間も、ケーシング（20）内部の状態の把握に役立つ。これらの情報の少なくとも１つが汚れ情報の推定に用いられることで、汚れ情報の推定精度は向上し易くなる。

本開示の第６の態様は、第１の態様から第５の態様のいずれか１つにおいて、上記汚れ情報は、上記ドレンパン（50）の汚れ度合い、上記ドレンパン（50）の汚れの種類、上記ドレンパン（50）における汚れの位置、上記ドレンパン（50）のメンテナンスの要否、上記ドレンパン（50）のメンテナンスを行うべき時期、の少なくとも１つを含むことを特徴とする汚れ情報推定システムである。

本開示の第７の態様は、第６の態様において、上記汚れ情報を報知する報知部（92,93）を更に備えることを特徴とする汚れ情報推定システムである。

これにより、ユーザは、ドレンパン（50）の汚れ情報を知ることができる。

本開示の第８の態様は、第１の態様から第７の態様のいずれか１つの汚れ情報推定システム（70）が組み込まれたことを特徴とする空気処理装置である。

本開示の第９の態様は、第８の態様において、
上記空気処理装置は、空気調和装置であることを特徴とする空気処理装置である。

図１は、空気調和装置の内部構造を示す平面図である。 図２は、空気調和装置の正面図である。 図３は、空気調和装置の内部構造を示す縦断面図である。 図４は、空気調和装置の正面視における概略構成を示す斜視図である。 図５は、点検蓋の内側の構造を示す斜視図である。 図６は、汚れ情報推定システムの構成の模式図である。 図７は、汚れ情報推定システムの動作の流れ図である。 図８は、変形例に係る空気調和装置の内部構造を示す縦断面図である。

以下、本開示の実施形態について図面を参照しながら説明する。なお、以下の実施形態は、本質的に好ましい例示であって、本発明、その適用物、あるいはその用途の範囲を制限することを意図するものではない。

≪実施形態≫
本実施形態に係る空気処理装置は、室内の少なくとも温度を調節する空気調和装置（10）である。図１の空気調和装置（10）は、空気（RA）の温度を調節し、温度を調節した空気を供給空気（SA）として室内に供給する。空気調和装置（10）は、冷房運転と暖房運転とを行う。

空気調和装置（10）は、室内ユニット（11）を備える。室内ユニット（11）は、天井裏の空間に設置される。室内ユニット（11）は、冷媒配管を介して室外ユニットに接続される。この接続により、空気調和装置（10）には、冷媒回路が形成される。室外ユニットの図示は、省略する。

冷媒回路では、冷媒が循環することで蒸気圧縮式の冷凍サイクルが行われる。冷媒回路では、圧縮機、室外熱交換器、膨張弁、及び室内熱交換器（43）が接続される。冷媒回路では、第１冷凍サイクルと第２冷凍サイクルとが切り替えて行われる。

第１冷凍サイクルは、冷房運転時に行われる。第１冷凍サイクルは、室外熱交換器を放熱器または凝縮器とし、室内熱交換器（43）を蒸発器とする冷房サイクルである。第２冷凍サイクルは、暖房運転時に行われる。第２冷凍サイクルは、室内熱交換器（43）を放熱器または凝縮器とし、室外熱交換器を蒸発器とする暖房サイクルである。

＜室内ユニットの構成＞
室内ユニット（11）の構成について、図１〜図４を参照しながら説明する。室内ユニット（11）は、ケーシング（20）、ファン（40）、室内熱交換器（43）、ドレンパン（50）及びドレンポンプ（60）を備える。ケーシング（20）は、天井裏に設置される。ファン（40）、室内熱交換器（43）、ドレンパン（50）及びドレンポンプ（60）は、ケーシング（20）内部に配置される。

ファン（40）、室内熱交換器（43）、ドレンパン（50）及びドレンポンプ（60）は、空気調和装置（10）の構成部品である。

−ケーシング−
ケーシング（20）は、直方体の中空箱形に形成されている。ケーシング（20）は、天板（21）、底板（22）、前板（23）、後板（24）、第１側板（25）及び第２側板（26）を含む。前板（23）及び後板（24）は、互いに対向する。第１側板（25）及び第２側板（26）は、互いに対向する。

前板（23）は、メンテナンス用空間（15）に面している。メンテナンス用空間（15）は、サービス業者の作業用スペースである。前板（23）には、点検口（27）が形成される。点検口（27）には、点検蓋（28）が着脱可能に取り付けられる。点検口（27）の内側には、ドレンパン（50）が配置される。点検口（27）とドレンパン（50）とは、前板（23）の厚さ方向視において重なる。サービス業者は、点検口（27）を通じてドレンパン（50）を視認できる。

第１側板（25）には、吸込口（31）が形成されている。ケーシング（20）内部の吸込口（31）付近には、フィルタ（図示せず）が設けられている。吸込口（31）には、吸込ダクトが接続される。吸込ダクトの流入端は、室内空間に繋がっている。第２側板（26）には、吹出口（32）が形成されている。吹出口（32）には、吹出ダクトが接続される。吹出ダクトの流出端は、室内空気に繋がっている。ケーシング（20）の内部には、吸込口（31）から吹出口（32）までの間に空気流路（33）が形成されている。吸込ダクト及び吹出ダクトの図示は、省略している。

−ファン−
ファン（40）は、空気流路（33）における第１側板（25）寄りに配置されている。図１では、空気流路（33）に、ファン（40）が３台配置されている場合を例示する。

本実施形態では、各ファン（40）が、シロッコ型ファンである場合を例示する。３台のファン（40）は、回転軸（41）によって互いに連結され、１つのモータ（42）によって駆動される。

−室内熱交換器−
室内熱交換器（43）は、空気流路（33）における第２側板（26）寄りに配置されている。本実施形態では、室内熱交換器（43）が、フィンアンドチューブ式の熱交換器である場合を例示する。図３では、室内熱交換器（43）は、垂直方向に対して斜めに配置されている。

第１冷凍サイクル中の室内熱交換器（43）は、空気を冷却する。この際、空気中の水分が結露し、凝縮水が発生する。

第２冷凍サイクル中の室内熱交換器（43）は、空気を加熱する。

−ドレンパン−
ドレンパン（50）は、ケーシング（20）の内部の底板（22）に設置されている。ドレンパン（50）は、空気流路（33）に配置されている。ドレンパン（50）は、室内熱交換器（43）の下方に配置されている。ドレンパン（50）は、水を受けるトレーである。具体的には、ドレンパン（50）は、室内熱交換器（43）の近傍で発生した凝縮水を受ける。

ドレンパン（50）は、第１側壁（51）、第２側壁（52）及び底部（53）を有する。空気流路（33）において、第１側壁（51）は、室内熱交換器（43）に対し空気流の上流側に位置する。空気流路（33）において、第２側壁（52）は、室内熱交換器（43）に対し空気流の下流側に位置する。底部（53）は、第１側壁（51）及び第２側壁（52）に亘って形成される。底部（53）には、凹部（54）が形成されている。この凹部（54）の底面は、ドレンパン（50）の高さ方向において最も低い場所である。

ドレンパン（50）は、樹脂材料または金属で構成される。ドレンパン（50）の少なくとも底部（53）の表面の色は、白、ベージュなどの比較的薄い色である。換言すると、ドレンパン（50）の少なくとも底部（53）の色の明度は、比較的高い。

−ドレンポンプ−
ドレンポンプ（60）は、ドレンパン（50）の内部に配置される。ドレンポンプ（60）は、ドレンパン（50）内の水を排出するポンプである。ドレンポンプ（60）の下部には、水を吸い込む吸込部（61）が設けられている。この吸込部（61）が、ドレンパン（50）の凹部（54）の内部に配置されるように、ドレンポンプ（60）は配置されている。

吸込部（61）の下端には、水が流入する流水口（62）が形成されている。流水口（62）は、凹部（54）の底面に向かって開口する。

ドレンポンプ（60）の上部には、排水管（63）が接続されている。排水管（63）は、ドレンポンプ（60）の吐出側に繋がっている。排水管（63）は、ケーシング（20）の前板（23）の上部を、該前板（23）の厚さ方向に貫通する。

ドレンポンプ（60）が運転すると、ドレンパンに溜まった水がドレンポンプ（60）の吸込部（61）に吸い込まれる。吸い込まれた水は、ドレンポンプ（60）から吐出される。吐出された水は、排水管（63）を通ってケーシング（20）の外部に排出される。

−電装品箱−
図１に示すように、室内ユニット（11）は、電装品箱（16）を備える。

電装品箱（16）は、前板（23）及びファン（40）の近くに配置されている。電装品箱（16）の内部には、プリント基板（17）が収容されている。プリント基板（17）には、制御部（18）、記憶部（19）及び電源部が実装されている。

制御部（18）は、ＣＰＵ及びメモリを含むマイクロコンピュータで構成される。制御部（18）は、空気調和装置（10）の構成部品の駆動、及び、空気調和装置（10）自体の運転を制御する。

記憶部（19）は、半導体メモリで構成される。記憶部（19）には、空気調和装置（10）の構成部品の駆動及び制御に関するログデータ、空気調和装置（10）自体の運転に関するログデータが記憶されている。記憶部（19）には、空気調和装置（10）の据付場所を表すデータも、記憶されている。空気調和装置（10）の据付場所を表すデータは、空気調和装置（10）が据え付けられた際に、空気調和装置（10）のリモートコントローラ等を介して、サービス業者等によって入力される。

電源部は、空気調和装置（10）を構成する構成部品のうち、駆動に電力を要する構成部品に供給するための電源を生成する。

電装品箱（16）は、前側が開口する箱本体（16a）と、箱本体（16a）の開口面を開閉する電装品蓋（16b）とを含む。電装品蓋（16b）は、前板（23）の一部を構成する。電装品蓋（16b）を取り外すことで、電装品箱（16）の内部がメンテナンス用空間（15）に露出される。

図示していないが、空気調和装置（10）には、吸込空気用センサ、空気質センサ、熱交換センサ、管温度センサ、ドレンパン用センサ、が設けられている。上記制御部（18）は、これらのセンサに接続されている。制御部（18）には、各センサの検知結果が入力される。各センサの検知結果は、制御部（18）による各種制御動作にて利用される。

吸込空気用センサは、吸込口（31）付近に設けられ、ケーシング（20）内に吸い込まれる空気（RA）の温度及び湿度を検知する。空気質センサは、ケーシング（20）内部かつ吸込口（31）付近に設けられ、フィルタ（図示せず）を介してケーシング（20）内部に吸い込まれた空気（RA）の空気質を検知する。空気質には、当該空気（RA）に含まれる粉じん量、ＶＯＣ（Volatile Organic Compounds）が含まれる。

熱交換センサは、室内熱交換器（43）の表面に設けられ、室内熱交換器（43）の温度を検知する。管温度センサは、冷媒回路の液管付近及びガス管付近の少なくとも１つに設けられ、対応する管の温度を検知する。ドレンパン用センサは、ドレンパン（50）の内部に設けられ、ドレンパン（50）内の水位及び温度を検知する。

―ステー―
図５に示すように、点検蓋（28）の内面には、ステー（65）が設けられている。ステー（65）は、後述するカメラ（72）が取り付けられる支持部材であって、点検蓋（28）に固定されている。ステー（65）の基端は、点検蓋（28）の内面に締結部材を介して締結されてもよい。ステー（65）には、カメラ（72）が着脱可能に取り付けられる。これにより、点検蓋（28）の内面には、カメラ（72）が支持される。

点検口（27）に点検蓋（28）が取りつけられると、カメラ（72）の撮像方向が撮像対象を向いた状態で、カメラ（72）は空気調和装置（10）のケーシング（20）内部に取り付けられた状態となる。

なお、カメラ（72）のレンズ（73）が撮像対象を向くように、カメラ（72）が動いても良い。

＜空気調和装置の運転動作＞
空気調和装置（10）の基本的な運転動作を説明する。空気調和装置（10）は、冷房運転と暖房運転とを行う。

冷房運転では、室外ユニットの圧縮機で圧縮された冷媒が、室外熱交換器で放熱（凝縮）し、膨張弁で減圧される。減圧された冷媒は、室内ユニット（11）の室内熱交換器（43）で蒸発し、圧縮機で再び圧縮される。

ファン（40）が運転されると、空気（RA）が吸込口（31）から空気流路（33）に吸い込まれる。空気流路（33）の空気は、室内熱交換器（43）を通過する。室内熱交換器（43）では、冷媒が空気から吸熱することで、この空気が冷却される。冷却された空気は、吹出口（32）を通過した後、供給空気（SA）として室内空間へ供給される。

室内熱交換器（43）で空気が露点温度以下にまで冷却されると、空気中の水分が凝縮する。この凝縮水は、ドレンパン（50）に受け止められる。ドレンパン（50）で受け止められた凝縮水は、ドレンポンプ（60）によってケーシング（20）の外部へ排出される。

暖房運転では、室外ユニットの圧縮機で圧縮された冷媒が、室内ユニット（11）の室内熱交換器（43）で放熱（凝縮）し、膨張弁で減圧される。減圧された冷媒は、室外ユニットの室外熱交換器で蒸発し、圧縮機で再び圧縮される。室内熱交換器（43）では、冷媒が空気に放熱し、該空気が加熱される。加熱された空気は、吹出口（32）を通過した後、供給空気（SA）として室内空間へ供給される。

＜汚れ情報推定システムの構成＞
上述したように、冷房運転中、ドレンパン（50）には凝縮水が溜まるため、ドレンパン（50）には細菌やカビが発生及び繁殖することがある。そこで、本実施形態では、ドレンパン（50）の細菌やカビ等の汚れを推定する汚れ情報推定システム（70）が、構築されている。

図６の汚れ情報推定システム（70）は、カメラ（72）と、演算装置（80）と、通信端末（90）と、通信ユニット（100）とを備える。カメラ（72）は、撮像部に相当し、空気調和装置（10）内部に位置する。

空気調和装置（10）、演算装置（80）、通信端末（90）及び通信ユニット（100）は、ネットワークNを介して通信可能に接続されている。

−カメラ−
カメラ（72）は、撮像対象であるドレンパン（50）を撮像し、撮像した画像データを出力する。

カメラ（72）は、レンズ（73）及び光源（74）を有する。

レンズ（73）には、広角レンズ、魚眼レンズ等が採用される。カメラ（72）が点検蓋（28）の内面に取り付けられている状態の間、レンズ（73）は、ドレンパン（50）の内部を向く。

カメラ（72）が撮像を行っている間、光源（74）は、ドレンパン（50）に向かって発光する。ケーシング（20）内部は比較的暗く、撮像にはある程度の光が必要だからである。

カメラ（72）は、サービス業者の操作に従って撮像してもよいし、所定時間毎に自動で撮像してもよい。カメラ（72）が撮像した画像データは、演算装置（80）に逐次送信される。

−演算装置−
演算装置（80）は、主に、ドレンパン（50）の汚れに関する様々な情報を推定する。以下では、汚れに関する様々な情報を、「汚れ情報」と云う。

演算装置（80）は、記憶部（88）及びＣＰＵ（89）等からなるコンピュータで構成されたクラウドサーバである。記憶部（88）は、半導体メモリ、ＳＳＤ、ＨＤＤ等で構成される。

演算装置（80）は、画像データ、空気調和装置（10）の運転データ及び環境データを、ネットワークNを介して空気調和装置（10）から取得する。画像データは、カメラ（72）によって撮像されたドレンパン（50）の画像のデータである。環境データは、空気調和装置（10）が設けられている環境に関するデータである。演算装置（80）は、自身が推定した推定結果である汚れ情報を、ネットワークNを介して通信端末（90）に送信する。

演算装置（80）が取得した各種データ、及び、上記汚れ情報は、記憶部（88）に記憶される。汚れ情報は、推定したタイミングで通信端末（90）に送信されてもよいし、通信端末（90）からの送信要求に応じて該通信端末（90）に送信されてもよい。

本実施形態では、演算装置（80）が、空気調和装置（10）とは別の装置である場合を例示している。演算装置（80）は、制御部（18）のように、空気調和装置（10）内に組み込まれていてもよい。

演算装置（80）のＣＰＵ（89）は、推定部（81）として機能する。推定部（81）は、画像データと、運転データと、環境データとに基づいて、主にドレンパン（50）の汚れ情報を推定する。推定部（81）は、推定モデル（82）を有する。

推定モデル（82）は、汚れ情報を演算にて求める専用モデルである。推定モデル（82）は、機械学習により分類能力を獲得した、多階層のニューラルネットワークとして、予め構築されている。推定モデル（82）の作成及び学習については、“（推定モデルの作成方法）”にて説明する。

（汚れ情報の内容）
汚れ情報としては、以下の（a1）〜（a6）の少なくとも１つが含まれる。

（a1）汚れ度合い
（a2）汚れの種類及び量
（a3）汚れの位置
（a4）メンテナンスの要否
（a5）メンテナンスが必要な場合は、メンテナンス方法
（a6）メンテナンスを行うべきタイミング
上記（a1）は、現在のドレンパン（50）がどの程度汚れているかを表す情報である。上記（a1）には、ドレンパン（50）が今後どの程度汚れる可能性があるかが、更に含まれていても良い。

上記（a2）は、ドレンパン（50）の汚れが、油、カビ、細菌、水垢、及びホコリのうち、何によるものかを表す情報である。

上記（a3）は、ドレンパン（50）のうち、どの部分が汚れているのかを示す情報である。

上記（a4）は、上記（a1）の汚れ度合いを基に判定される情報であって、メンテナンスが必要であるか否かを表す情報である。汚れ度合いが閾値を超えている場合、推定部（81）は、空気調和装置（10）のメンテナンスが必要と判定する。汚れ度合いが閾値以下の場合、推定部（81）は、空気調和装置（10）のメンテナンスが不要と判定する。

上記（a5）は、メンテナンスが必要な構成部品の名称、メンテナンスにおいて使用を推奨する薬剤の名称、メンテナンスの具体的な工程のうち、少なくとも１つを表す情報である。例えば、ドレンパン（50）の汚れが黒カビによるものであれば、ドレンパン（50）のメンテナンスには次亜塩素酸塩を含む薬剤の使用が推奨される。ドレンパン（50）の汚れが、室内熱交換器（43）の汚れに起因するものであれば、ドレンパン（50）及び室内熱交換器（43）がメンテナンス対象となる。

上記（a6）は、空気調和装置（10）のメンテナンスを推奨するタイミングを、時期または現在からの期間にて表す情報である。例えば、上記タイミングは、メンテナンスを“今すぐ”“２０２０年６月頃”“３ヶ月後”と表される。

（運転データの内容）
以下では、推定動作に用いられる運転データの内容について、具体的に説明する。

運転データには、以下の（b1）〜（b10）の少なくとも１つが挙げられる。

（b1）空気調和装置（10）の稼働時間
冷房運転中、室内熱交換器（43）にて発生した凝縮水は、ドレンパン（50）に貯留される。この状態で空気調和装置（10）が運転を停止すると、凝縮水は蒸発し始める。すると、ケーシング（20）内部の湿度は上昇し、ケーシング（20）内部はカビや細菌が繁殖しやすい環境となる。推定部（81）は、空気調和装置（10）の稼働時間を運転データとして推定動作に用いることにより、凝縮水の貯留量を把握できる。上記（b1）は、上記（a2）におけるカビ及び細菌の量の把握、及び上記（a1）の推定に役立つ。

（b2）ケーシング（20）内部の清掃をこれまでに実施した時期
推定部（81）は、ケーシング（20）内部の清掃をこれまでに実施した時期を把握することにより、当該清掃以前の汚れがなくなった要因を判断できる。当該要因には、ケーシング（20）内部を通過する空気及び／または凝縮水の流れによって汚れが自然に除去されたこと、清掃により汚れが除去されたこと、が含まれる。

ケーシング（20）内部の清掃をこれまでに実施した時期に応じて、推定部（81）は、清掃により除去可能な汚れと除去不可能な汚れとの存在を把握できる。これは、上記（a4）の推定に役立つ。ケーシング（20）内部の清掃をこれまでに実施した時期に応じて、推定部（81）は、どの程度汚れている時に清掃が行われたのかを把握できる。これは、上記（a6）を推定する際に役立つ。

（b3）ドレンポンプ（60）の回転数及び電流値
ドレンポンプ（60）の回転数は、ドレンポンプ（60）を駆動するモータの回転数である。ドレンポンプ（60）の電流値は、上記モータに流れる電流値である。ドレンパン（50）内の凝縮水をドレンポンプ（60）が吸い上げる量や、吸い上げられる凝縮水の粘度等に応じて、上記モータにかかる負荷は変化する。この負荷に応じて、ドレンポンプ（60）の回転数及び電流値は、変化する。

従って、推定部（81）は、ドレンポンプ（60）の回転数及び電流値を運転データとして推定動作に用いることで、ドレンパン（50）の凝縮水の量、粘度、凝縮水内におけるごみ及びバイオフィルムの混入の有無等を、判定できる。この判定は、上記（a1）〜（a6）の推定の精度を向上させる。

（b4）吸込空気用センサが検知した空気（RA）の温度及び湿度
空気（RA）の温度及び湿度は、ケーシング（20）内の温度及び湿度に近似できる。細菌やカビの繁殖量は、ケーシング（20）内の温度及び湿度に応じて変化する。ケーシング（20）内に吸い込まれた空気（RA）の温度及び湿度が運転データとして推定動作に用いられることで、上記（a2）におけるカビや細菌の繁殖状況、及び上記（a1）の推定精度は向上する。

空気（RA）の温度及び湿度と、ケーシング（20）内の温度及び湿度との厳密な差に基づいて、推定部（81）は、室内ユニット（11）の仕事量を把握できる。この仕事量に基づき、推定部（81）は、ドレンパン（50）のみならず、室内熱交換器（43）の汚れ度合い等も推定できる。この仕事量は、室内熱交換器（43）における凝縮水の発生量の把握にも役立つ。

（b5）熱交換センサが検知した室内熱交換器（43）の温度
空気の温度及び湿度が細菌やカビに与える影響は大きい。細菌やカビの増殖状況を把握するためには、ドレンパン（50）の周囲の空気の状態を正確に把握することが望ましい。推定部（81）は、室内熱交換器（43）の温度を運転データとして推定動作に用いることで、ドレンパン（50）の周囲の空気の状態をより正確に把握できる。そのため、室内熱交換器（43）の温度は、上記（a1）〜（a6）の汚れ情報の推定に役立つ。

吸込口（31）付近のフィルタが詰まっていたり、室内熱交換器（43）が汚れていたりすると、ケーシング（20）内に吸い込まれる空気（RA）の風量の低下、及び、風速の偏りが生じる場合がある。この現象は、室内熱交換器（43）の性能を低下させ、冷房運転中の室内熱交換器（43）の温度低下、暖房運転中の室内熱交換器（43）の温度上昇を招く。そのため、室内熱交換器（43）の温度は、ドレンパン（50）のみならず、室内熱交換器（43）の汚れ度合いや、フィルタの詰まり状態の把握も役立つ。

フィルタの詰まりは、ケーシング（20）内の空気流のよどみを招き、ドレンパン（50）におけるカビや細菌の増殖の要因となり得る。従って、フィルタの詰まりの把握は、ドレンパン（50）の上記（a1）〜（a6）の汚れ情報の推定にも役立つ。

運転データとして、室内熱交換器（43）の温度に加えて、空気（RA）の温度及び湿度を用いることにより、推定部（81）は、室内熱交換器（43）における凝縮水の発生量を把握することができる。推定部（81）は、凝縮水の発生量と、ドレンポンプ（60）によって吸い上げられ排水された凝縮水の量とを把握することで、ドレンポンプ（60）の異常の有無を、できるだけ正確に把握することもできる。ドレンポンプ（60）の異常の有無の把握は、ドレンパン（50）の上記（a1）〜（a6）の推定に役立つ。

（b6）吹出口（32）から吹き出される空気（SA）の風量
ケーシング（20）内の温度及び湿度それぞれの分布には、ムラがある。推定部（81）は、空気（SA）の風量を運転データとして推定動作に用いることで、ケーシング（20）内部の温度及び湿度の各分布をできるだけ正確に把握できる。この把握は、ドレンパン（50）の（a1）〜（a6）の推定に役立つ。

また、細菌やカビの増殖量は、ケーシング（20）内へ流入する粉じん量等と関係がある。推定部（81）は、空気（SA）の風量を運転データとして推定動作に用いることで、粉じん量の流入量をある程度把握して、細菌やカビの増殖量を把握することができる。

（b7）ファン（40）の駆動に用いられる制御パラメータ
ファン（40）の駆動に用いられる制御パラメータには、ファン（40）のモータ（42）に流れる電流値、及び、ファン（40）の回転数が含まれる。

吸込口（31）付近に位置するフィルタの詰まりは、ケーシング（20）における圧力損失を増大させる。圧力損失の増大は、ファン（40）のモータ（42）に流れる電流値を増大させる。従って、推定部（81）は、上記電流値からフィルタの詰まり等を把握できる。フィルタの詰まりの把握は、ドレンパン（50）の上記（a1）〜（a6）の汚れ情報の推定にも役立つ。

（b8）管温度センサが検知した液管温度及び／またはガス管温度
室内熱交換器（43）の温度は、一様でない場合がある。推定部（81）は、液管温度及び／またはガス管温度を運転データとして推定動作に用いることで、室内熱交換器（43）の温度分布をできるだけ正確に把握できる。この把握は、ケーシング（20）内部の空気の状態のより正確な把握にも役立つ。

既に述べたように、室内熱交換器（43）が汚れ、空気（RA）の風量の低下及び風速の偏り等は、室内熱交換器（43）の性能を低下させる。室内熱交換器（43）の性能の低下は、液管温度及びガス管温度に変化を及ぼす。推定部（81）は、液管温度またはガス管温度を運転データとして推定動作に用いることにより、空気（RA）の風量、空気（RA）の風速分布、室内熱交換器（43）の状態等を把握できる。これらの把握は、ドレンパン（50）の上記（a1）〜（a6）の精度向上に役立つ。

更に、液管の結露の度合いによっても、細菌の繁殖状態は変化する。液管温度を運転データとして推定動作に用いることは、ドレンパン（50）を含むケーシング（20）内部の汚れ情報の推定に役立つ。

（b9）ドレンパン用センサが検知したドレンパン（50）内の水位及び温度
細菌の増殖速度は、水温に依存する。推定部（81）は、ドレンパン（50）内の凝縮水の温度を運転データとして推定動作に用いることにより、細菌の増殖状態をできるだけ正確に推定できる。この推定は、上記（a2）の推定に役立つ。

水温により、増殖しやすい細菌の種類は異なる。推定部（81）は、ドレンパン（50）内の凝縮水の温度を運転データとして推定動作に用いることにより、上記（a2）の細菌の種類を推測し易くなる。

ドレンポンプ（60）が詰まると、ドレンパン（50）から凝縮水が排出されにくくなり、ドレンパン（50）内の水位は上昇する。推定部（81）は、ドレンパン（50）の水位を運転データとして推定動作に用いることにより、ドレンポンプ（60）の詰まり度合いを把握できる。ドレンポンプ（60）の詰まり度合いは、上記（a1）〜（a6）の推定に役立つ。

（b10）細菌が増殖する可能性のある運転モードの有無
ドレンパン（50）の主な汚れの原因の一つである細菌は、凝縮水中で繁殖する。凝縮水がドレンパン（50）からケーシング（20）外部に排出され続けている間、細菌はこの凝縮水と共にケーシング（20）外部に排出される。新しくドレンパン（50）に流入する凝縮水の温度は、比較的低い。そのため、凝縮水がドレンパン（50）からケーシング（20）外部に排出され続けている間、細菌の増殖は抑えられる。

空気調和装置（10）が運転停止中もしくは凝縮水の発生しない運転を実行中の場合で、かつ、ケーシング（20）内部の温度が上昇した場合は、細菌の増殖が予想される。そのため、細菌が増殖する可能性のある運転モードの有無を、運転データとして推定動作に用いることは、上記（b1）〜（b6）の推定に役立つ。

細菌が増殖する可能性のある運転モードとは、凝縮水がドレンパン（50）内に所定時間以上溜まり続け、かつ、新たな凝縮水がドレンパン（50）に供給されない状態となるモードを云う。上記所定時間は、比較的長時間に設定される。下記（I）〜（IV）は、細菌が増殖する可能性のある運転モードに該当する。
（I）冷房運転中であって室内熱交換器（43）から凝縮水が発生している状態中に、空気調和装置（10）が運転を停止した場合
（II）冷房運転中であって室内熱交換器（43）から凝縮水が発生している状態中に、室内の負荷が低下または設定温度が変更したため、空気調和装置（10）がサーモオフし続ける場合
（III）冷房運転中であって室内熱交換器（43）から凝縮水が発生している状態中に、室内の湿度が低下し、その結果凝縮水の発生が停止した場合
（IV）冷房運転中であって室内熱交換器（43）から凝縮水が発生している状態中に、設定温度の変更によって室内熱交換器（43）の温度が上昇し、その結果凝縮水の発生が停止した場合
上記（II）の“サーモオフ”とは、室内熱交換器（43）への冷媒の流入を停止させて、室内熱交換器（43）における空気が冷媒により冷却されることを停止する運転動作をいう。サーモオフし続けている時間も、運転データとして推定動作に用いることができる。

（環境データの内容）
以下では、推定動作に用いられる環境データの内容について、具体的に説明する。

環境データには、以下の（c1）（c2）の少なくとも１つが挙げられる。

（c1）空気質センサが検知した空気質
空気質は、空気中に含まれるオイルミスト等のＶＯＣ及び粉じんである。

オイルミスト等のＶＯＣ及び粉じん量は、細菌やカビの栄養素となる。吸い込み空気（RA）の空気質を、環境データとして推定動作に用いることは、上記（a2）における細菌やカビの増殖状況、及び、上記（a1）の推定に役立つ。

ケーシング（20）内に吸い込まれる空気質は、吸込口（31）付近のフィルタの詰まり具合に応じて変化する。空気質を環境データとして推定動作に用いることは、ドレンパン（50）の汚れ情報のみならず、上記フィルタの詰まり度合いの推定にも役立つ。

空気調和装置（10）の稼働時間が長い程、ケーシング（20）に吸い込まれるＶＯＣ及び粉じん量は多くなる。上記（b1）の運転データ及び上記（c1）の環境データを共に推定動作に用いることで、推定部（81）は、ドレンパン（50）のみならず、フィルタや室内熱交換器（43）の汚れ度合いも、推定できる。

（c2）記憶部（19）に記憶されている、空気調和装置（10）の据付場所
室内ユニット（11）の汚れ方は、空気調和装置（10）が据え付けられている環境に応じて異なる。例えば、空気調和装置（10）の設置場所が焼肉店である場合、大量の煙と油とがケーシング（20）内に吸い込まれる。フィルタや室内熱交換器（43）には油が付着し易くなり、付着した油を要因とした細菌やカビが発生し易くなる。空気調和装置（10）の設置場所が美容院である場合、パーマ液等の、揮発性の比較的高い薬剤がケーシング（20）内に吸い込まれる。この場合も、細菌やカビが発生し易くなる。

推定部（81）は、空気調和装置（10）の据付場所を環境データとして推定動作に用いることにより、上記（b2）を推定し易くなる他、フィルタ等の詰まりの有無とその原因を特定し易くなる。

（画像データについて）
推定部（81）が、推定動作に用いる画像データは、１つであってもよいし、複数であってもよい。

カメラ（72）が所定時間毎に自動で撮像する場合、推定部（81）は、所定時間毎に撮像された複数の画像データを、汚れ情報の推定に用いる。換言すれば、推定部（81）は、時間の経過に従ってカメラ（72）がドレンパンを複数回撮像した複数の画像データを、汚れ情報の推定に用いる。定期的に撮像された画像データを用いることにより、推定部（81）は、所定時間あたりの汚れの変化の推移を把握できる。この把握は、汚れ情報の推定の精度を向上させる。

（推定モデルの作成及び学習方法）
推定部（81）が推定動作にて用いる推定モデル（82）の、作成及び学習方法について説明する。

推定モデル（82）であるニューラルネットワークの作成にあたり、用いられる機械学習には、ディープラーニング等がある。学習方法には、教師あり学習と教師なし学習との２種類がある。

−教師あり学習−
教師あり学習の場合、推定モデル（82）のニューラルネットワークは、学習データと識別関数とを用いて学習する。学習データとは、入力データと、それに対応する教示データとの対の集合である。教示データは、例えば、入力データの識別、分類及び評価に関するパラメータである。この学習を繰り返すことで、ニューラルネットワークのパラメータは適宜更新される。これにより、推定モデル（82）は、汚れ情報をより精度良く推定可能なモデルとなる。

例えば、入力データとして、ドレンパン（50）の画像データが大量に用意され、教示データとして、各画像データに対するラベルが用意される。ラベルは、ドレンパン（50）の汚れ度合いを示すものである。この画像データ及びラベルを用いてニューラルネットワークを学習させることで、推定モデル（82）が生成及び更新される。

教師あり学習によるニューラルネットワークの作成及び更新では、画像データのみならず、運転データ及び環境データが、入力データとして用いられる。

ラベルの作成は、汚れ情報推定システム（70）の構築者が行っても良いし、ＡＩまたは画像処理プログラムにより自動で行っても良い。ＡＩまたは画像処理プログラムにより自動的で作成されたラベルを、汚れ情報推定システム（70）の構築者が視認してもよい。

なお、１つの画像データに、複数のラベルが付与されたり、ラベルには、画像データ内における汚れの位置情報が付与されたりしてもよい。

学習に用いる画像データは、回転、拡大、縮小させた画像データであってもよい。学習に用いる画像データは、故意にノイズをのせた画像データ、他のＡＩによって作成された画像データ、これらが組合せられた画像データ、であってもよい。

−教師なし学習−
教師なし学習の場合、複数の入力データそれぞれがどの分類に属するかを表したラベルは、事前に付与されない。クラスタリングにより、互いに類似する入力データが同じ分類となるように、複数の入力データを複数の分類にグループ化する学習動作が繰り返されることで、ニューラルネットワークが作成及び更新される。

例えば、入力データとして、空気調和装置（10）の運転データ及び環境データが用意され、各データについて分類が行われる。分類された運転データ及び環境データを、学習データとして用いたり、分類後のデータの集合（クラスター）を推定モデル（82）として用いたりすることができる。

教師なし学習によるニューラルネットワークの作成及び更新では、運転データ及び環境データのみならず、画像データも、学習データとして用いられる。

作成された推定モデル（82）を用いての推定結果が、ドレンパン（50）の実際の汚れ情報と乖離している場合、推定モデル（82）の精度が比較的低いことが想定される。この場合、システムの構築者は、精度の低い推定にて用いられた各種データにラベルを付与してもよい。当該ラベルは、ドレンパン（50）の実際の汚れ情報を表すものとなるように作成される。このラベルと、当該ラベルに対応する各種データとを用いて、推定モデル（82）が更新されることにより、推定モデル（82）の精度の更なる向上が図れる。

−通信ユニット−
通信ユニット（100）は、空気調和装置（10）をネットワークNに接続するためのアダプタであって、受信部（101）と無線通信部（102）とを含む。受信部（101）は、空気調和装置（10）との通信インターフェースであって、画像データ、空気調和装置（10）の環境データ及び運転データを、空気調和装置（10）から受信する。無線通信部（102）は、受信部（101）が受信した環境データ、運転データ及び画像データを、無線にてネットワークNに送信する。

−通信端末−
通信端末（90）は、スマートフォン、タブレット端末、携帯電話、パーソナルコンピュータ等で構成される。通信端末（90）は、操作部（91）、表示部（92）及び音声出力部（93）を有する。

操作部（91）は、キーボードやタッチパネル等で構成される。サービス業者等は、操作部（91）を操作して、所定のアプリケーションソフトを操作する。このアプリケーションを介して、サービス業者等は、カメラ（72）の撮像を実行させたり、撮像された画像データを通信端末（90）にダウンロードしたりできる。

表示部（92）は、例えば液晶モニタで構成される。表示部（92）には、カメラ（72）で撮像された画像データ、及び、上記汚れ情報が表示される。サービス業者は、上記（a1）〜（a6）の少なくとも１つを、視覚にて把握できる。

音声出力部（93）は、スピーカで構成される。音声出力部（93）からは、上記汚れ情報が音声にて出力される。サービス業者は、上記（a1）〜（a6）の少なくとも１つを、聞くことができる。

＜汚れ情報推定システムの動作＞
図７は、汚れ情報推定システム（70）の動作を表す。

カメラ（72）がドレンパン（50）を撮像すると（ステップＳｔ１１）、演算装置（80）は、ステップＳｔ１１にて撮像された画像データを取得する。演算装置（80）は、運転データ及び環境データを、空気調和装置（10）内の制御部（18）、記憶部（19）及び各種センサからネットワークNを介して取得する（ステップＳｔ１２）。

ステップＳｔ１２にて演算装置（80）が取得する運転データには、空気調和装置（10）の現時点での運転データの他に、空気調和装置（10）の過去の運転データが含まれる。運転データとしては、上記（b1）〜（b10）の少なくとも１つが用いられる。環境データとしては、上記（c1）（c2）の少なくとも１つが用いられる。

演算装置（80）の推定部（81）は、ステップＳｔ１２で取得した画像データ、運転データ及び環境データを、推定モデル（82）に入力する。推定部（81）は、この推定モデル（82）を用いて、主にドレンパン（50）の汚れ情報を推定する（ステップＳｔ１３）。

ステップＳｔ１３の汚れ情報には、上記（a1）〜（a6）の少なくとも１つが含まれる。演算装置（80）は、ステップＳｔ１３の汚れ情報を、通信端末（90）に送信する。

通信端末（90）は、ステップＳｔ１３の汚れ情報を、表示部（92）及び音声出力部（93）に出力する。表示部（92）及び音声出力部（93）は、汚れ情報を報知する（ステップＳｔ１４）。これにより、サービス業者等のユーザは、ドレンパン（50）の汚れ情報を把握し、必要に応じて、ドレンパン（50）の清掃等を行うことができる。

ステップＳｔ１４の後、カメラ（72）がドレンパン（50）を新たに撮像した場合（ステップＳｔ１５のＹｅｓ）、ステップＳｔ１２以降の動作が繰り返される。

＜効果＞
カメラ（72）は、空気調和装置（10）の構成部品の１つであるドレンパン（50）を撮像する。推定部（81）は、ドレンパン（50）の画像データに加えて、空気調和装置（10）の運転データ及び環境データを用いて、主にドレンパン（50）の汚れ情報を推定する。これにより、汚れ情報の推定精度は向上する。

推定部（81）は、時間の経過に従ってカメラ（72）がドレンパン（50）を複数回撮像した複数の画像データを、汚れ情報の推定に用いる。これにより、推定部（81）はドレンパン（50）の汚れの推移を把握できるため、汚れ情報の推定精度はより向上し易くなる。

空気質は、細菌やカビの繁殖量に影響を及ぼすことがある。この空気質に関するデータが環境データとして、汚れ情報の推定に用いられることで、汚れ情報の推定精度は向上し易くなる。

空気調和装置（10）の据え付け場所は、ドレンパン（50）の汚れ方や汚れの程度等に影響を及ぼすことがある。この据付場所に関するデータが、環境データとして汚れ情報の推定に用いられることで、汚れ情報の推定精度は向上し易くなる。

室内熱交換器（43）の温度は、細菌やカビのみならず、室内熱交換器（43）自体またはその周辺の構成部品の状態に影響を及ぼすことがある。ファン（40）の駆動に用いられる制御パラメータは、ファン（40）の周辺の構成部品の状態の把握等に役立つ。室内熱交換器（43）への冷媒の流入が停止している時間、ドレンポンプ（60）の回転数、空気調和装置（10）の稼働時間も、ケーシング（20）内部の状態の把握に役立つ。これらの情報の少なくとも１つが、運転データとして汚れ情報の推定に用いられることで、汚れ情報の推定精度は向上し易くなる。

汚れ情報は、ドレンパン（50）の汚れ度合い、汚れの種類、汚れの位置、メンテナンスの要否、メンテナンスを行うべき時期、の少なくとも１つを含む。この汚れ情報は、表示部（92）及び音声出力部（93）によって報知される。サービス業者等のユーザは、これらの汚れ情報を知ることができる。

＜変形例＞
汚れ情報推定システム（70）は、図８に示すように、天井吊り式ないし天井埋め込み式の空気調和装置（10）にも適用できる。

図８の空気調和装置（10）は、室外ユニット（図示省略）と、室内ユニット（11）とを有し、これらが冷媒配管で接続されることで、冷媒回路が構成される。

室内ユニット（11）は、天井裏に設置されるケーシング（20）を備えている。ケーシング（20）は、ケーシング本体（20a）と、パネル（100）とを備える。ケーシング本体（20a）は、下側に開口面が形成される矩形箱状に形成される。パネル（100）は、ケーシング本体（20a）の開口面に着脱可能に設けられる。パネル（100）は、矩形枠状のパネル本体（101）と、パネル本体（101）の中央に設けられる吸込グリル（102）とを有する。

パネル本体（101）の中央には１つの吸込口（31）が形成される。吸込口（31）を覆うように、フィルタ（31a）が設けられている。吸込グリル（102）は、フィルタ（31a）の下方に、吸込口（31）に取り付けられる。パネル本体（101）の４つの側縁部には、それぞれ吹出口（32）が１つずつ形成される。各吹出口（32）は、４つの側縁に沿うように延びている。各吹出口（32）の内部には、風向を変更するフラップ（103）がそれぞれ設けられる。

ケーシング本体（20a）の内部には、ベルマウス（104）と、ファン（40）と、室内熱交換器（43）と、ドレンパン（50）とが設けられる。ベルマウス（104）及びファン（40）は、吸込グリル（102）の上方に配置される。室内熱交換器（43）は、ファン（40）の周囲を囲むように配置される。室内熱交換器（43）は、フィンアンドチューブ式の熱交換器で構成される。ドレンパン（50）は、室内熱交換器（43）の下側に配置される。

カメラ（72）のレンズ（73）は、ドレンパン（50）の底面を向く。カメラ（72）は、ドレンパン（50）の少なくとも底面を撮像する。

図８の空気調和装置（10）でも、図６の汚れ情報推定システム（70）は、ドレンパン（50）の汚れに関する汚れ情報を推定する。

図８の空気調和装置（10）では、汚れ情報の推定動作に用いられる運転データの内容として、上記（b1）〜（b10）に加えて、以下の（b11）が挙げられる。

（b11）フラップ（103）の角度
フラップ（103）の角度により、ケーシング（20）内の風量が変化する。推定部（81）は、フラップ（103）の角度を、運転データとして推定動作に用いることで、ケーシング（20）内の空気の状態をできるだけ正確に把握できる。

フラップ（103）の角度を変更すると、室内への空気の流れも変化し、室内ユニット（11）へ吸い込まれる空気の流れも変化する。フラップ（103）の角度を学習データとして利用することで、推定部（81）は、粉じん及びVOCが吸い込まれやすいフラップ（103）の角度を学習できる。換言すれば、フラップ（103）の角度は、推定モデル（82）を更新する際のデータとしても役立つ。

湿った空気がフラップ（103）に接触している場合、そのフラップ（103）にカビが生える可能性がある。推定部（81）は、フラップ（103）の角度を運転データとして推定動作に用いることで、ドレンパン（50）のみならず、フラップ（103）の汚れも推定できる。

図８の空気調和装置（10）において、汚れ情報の推定動作に用いられる環境データの内容、及び、汚れ情報の内容は、上記と同様である。汚れ情報の報知動作も、上記と同様である。

≪その他の実施形態≫
カメラ（72）は、フラッシュを焚くための光源（74）以外に、可視光を発するためのＬＥＤを更に有していても良い。汚れ情報の推定において、細菌が繁殖していると推定部（81）が把握した場合、ＬＥＤは、ドレンパン（50）に向けて可視光を発する。これにより、ドレンパン（50）内の凝縮水にはラジカルが発生し、細菌の繁殖の程度が軽減される。

汚れ情報推定システム（70）は、空気調和装置（10）内に組み込まれていてもよい。

撮像対象であるトレーは、水を受けるものであれば、ドレンパン（50）以外の部品であってもよい。トレーは、加湿タンクの下側に設置される水受けであってもよい。水受けには、加湿タンク内の水が供給される。水受け内の水は、空気の加湿に利用される。加湿タンク及び水受けは、例えば空気清浄機や調湿装置に搭載される。

撮像部は、カメラに限定されず、例えば光学センサであってもよい。

カメラ（72）の光源（74）は、カメラ本体と別体であってもよい。

撮像部は、室外ユニットのケーシングの内部に配置されてもよい。

空気処理装置は、空気が流れるケーシングを有する装置であれば、他の装置であってもよい。空気処理装置は、調湿装置、換気装置、及び空気清浄機であってもよい。調湿装置は、対象空間の空気の湿度を調節する。換気装置は、対象空間を換気する。空気清浄機は、対象空間の空気を浄化する。

例えば、空気調和装置は、取り込んだ室外空気の温度及び湿度を調節する、外気処理方式であってもよい。この空気調和装置は、空気を加湿するための加湿器を備える。加湿器は、複数の吸水部材を有する。

空気処理装置の種類によっては、軸流ファンが採用される場合がある。この場合も、汚れ情報の推定動作に用いられる運転データの内容として、上記（b1）〜（b10）が挙げられる。軸流ファンにおいて、圧力損失が比較的大きくなったり、ファンの回転数が比較的高くなったりした場合、軸流ファンの遠心方向の空気の流れが増大する。そのため、推定部（81）は、上記（b7）を運転データとして推定動作に用いることで、ケーシング内の空気の様子を、より正確に把握できる。

推定モデル（82）の学習の際に、ファン（40）のモータ（42）に流れる電流値が学習データとして用いられる場合、ファン（40）の回転数を学習データとして用いる場合よりも、推定モデル（82）の推定精度は向上する。

推定部（81）は、推定モデル（82）を用いてドレンパン（50）の汚れ情報を推定する際、前回推定した汚れ情報と新たに推定した汚れ情報とを比較してもよい。その比較結果から、推定部（81）は、汚れ付着の変化量を把握できる。この変化量は、推定モデル（82）の更なる学習に用いることができ、推定モデル（82）の推定精度は更に向上する。

推定に利用される画像データは、静止画データではなく、動画データであってもよい。

ドレンパン（50）の全体像が１つの画像に入らない場合、カメラ本体の位置またはレンズ（73）の位置を変えて、カメラ（72）は、複数回にわたってドレンパン（50）を撮像してもよい。この場合、複数回にわたって撮像された画像データが、汚れ情報の推定動作に利用される。

汚れ情報の報知は、必須ではない。汚れ情報が報知される場合、報知方法は、表示のみ、音声出力のみであってもよい。

汚れ情報の推定動作には、運転データ及び環境データのいずれか一方と、画像データとが用いられても良い。換言すれば、汚れ情報の推定動作に用いられるデータの組合せには、運転データと画像データ、環境データと画像データ、運転データと環境データと画像データ、の３つが挙げられる。

以上、実施形態および変形例を説明したが、特許請求の範囲の趣旨および範囲から逸脱することなく、形態や詳細の多様な変更が可能なことが理解されるであろう。また、以上の実施形態、変形例、その他の実施形態は、本開示の対象の機能を損なわない限り、適宜組み合わせたり、置換したりしてもよい。

以上説明したように、本開示は、汚れ情報推定システムとして有用である。

70 汚れ情報推定システム
72 カメラ（撮像部）
81 推定部
92 表示部（報知部）
93 音声出力部（報知部）
103 フラップ

Claims (9)

1. 空気処理装置（10）のケーシング（20）内部のドレンパン（50）を撮像する撮像部（72）と、
   上記撮像部（72）が撮像した画像データと、上記空気処理装置（10）の運転データ及び／または上記空気処理装置（10）が設けられている環境に関する環境データとを入力データとして機械学習により生成した推定モデル（82）に基づいて、上記ドレンパン（50）の汚れに関する汚れ情報を推定する推定部（81）と、
   を備えることを特徴とする汚れ情報推定システム。
2. 請求項１において、
   上記推定部（81）は、時間の経過に従って上記撮像部（72）が上記ドレンパン（50）を複数回撮像した複数の上記画像データを、上記汚れ情報の推定に用いる
   ことを特徴とする汚れ情報推定システム。
3. 請求項１または請求項２において、
   上記環境データは、上記ケーシング（20）内部に吸い込まれた空気質に関するデータを含む
   ことを特徴とする汚れ情報推定システム。
4. 請求項１から請求項３のいずれか１項において、
   上記環境データは、上記空気処理装置（10）の据え付け場所に関するデータを含む
   ことを特徴とする汚れ情報推定システム。
5. 請求項１から請求項４のいずれか１項において、
   上記運転データは、上記ケーシング（20）内部に含まれる熱交換器（43）の温度、上記ケーシング（20）内部に含まれるファン（40）の駆動に用いられる制御パラメータ、上記ケーシング（20）に設けられたフラップ（103）の角度、上記熱交換器（43）への冷媒の流入が停止している時間、上記ケーシング（20）内部に含まれるドレンポンプ（60）の回転数、上記空気処理装置（10）の稼働時間、の少なくとも１つを含む
   ことを特徴とする汚れ情報推定システム。
6. 請求項１から請求項５のいずれか１項において、
   上記汚れ情報は、上記ドレンパン（50）の汚れ度合い、上記ドレンパン（50）の汚れの種類、上記ドレンパン（50）における汚れの位置、上記ドレンパン（50）のメンテナンスの要否、上記ドレンパン（50）のメンテナンスを行うべき時期、の少なくとも１つを含む
   ことを特徴とする汚れ情報推定システム。
7. 請求項６において、
   上記汚れ情報を報知する報知部（92,93）
   を更に備えることを特徴とする汚れ情報推定システム。
8. 請求項１から請求項７のいずれか１項に記載の汚れ情報推定システム（70）が組み込まれたことを特徴とする空気処理装置。
9. 請求項８において、
   上記空気処理装置は、空気調和装置であることを特徴とする空気処理装置。

Images