JP6958663B2 - 解体物の選別装置 - Google Patents

Description

この発明は、解体物のうち特定の選別対象物を選別する解体物の選別装置に関する。

近年、家電リサイクル法の施行に伴い、テレビ、冷蔵庫、エアコン等の家電品に含まれている有用な部品のリサイクルが普及しつつある。家電リサイクル工場では、使用済みとなった冷蔵庫、洗濯機、エアコン、テレビの多くを手作業で解体を行っている。解体後は、モータ、コンプレッサ、トランスなど、価値の高い金属が多く含まれている特定の部品や、破砕に適さない部品を選別して回収し、それ以外の部品は機械処理工程に投入され、破砕、選別を行うことが一般的である。

こうした家電リサイクル工場において、家電の解体物の中からモータ、コンプレッサ、トランス等の部品を選別して回収する作業は、様々な解体物が流れるコンベアから作業者が直接、手作業でピッキングしている。このような特定の部品のピッキング作業は、様々な大きさ、形状、重量の部品を直接手で扱うため、作業者の負担が大きく、かつ、単位時間当たりのピッキング量も限られる。

このため、ピッキング作業を効率化し、作業者の負担を減らすことができるピッキング装置が知られている（例えば、特許文献１〜３を参照）。

特開２０１９−１８１５７３号公報 特開２０１８−１０３２９０号公報 特開２０１３−０００８６０号公報

しかしながら、特許文献１に開示されたピッキング装置は、ピッキング対象物の三次元点群情報を取得するなど、処理が複雑であり、低コストで迅速に対象物のピッキングを行うことは難しかった。
また、特許文献２に開示されたピッキング装置は、在庫棚に位置を揃えて収納された物品から注文品をピッキングするものであり、雑多な解体物が様々な向きで流れてくる状態でピッキング対象物を選別する目的に利用することは困難である。
更に、特許文献３に開示されたピッキングシステムは、対象物を撮像した画像の画像領域を分割した分割領域ごとに、分割領域に属するワークの保持動作を当該分割領域に対応するロボットに対して指示する構成であり、２つ以上の複数のロボットが必要になるなど、複雑でコストが高いという課題がある。

この発明は、前述した事情に鑑みてなされたものであって、簡易な構成で、低コストに、解体物から特定の選別対象物を効率良く選別することが可能な解体物の選別装置を提供することを目的とする。

前述の課題を解決するために、本発明の解体物の選別装置は、解体物を搬送するコンベアと、前記コンベアに載置されて移動する前記解体物を撮像する撮像装置と、前記撮像装置で撮像された撮像データに基づいて、前記解体物に含まれる特定の選別対象物を画像認識する制御部と、前記コンベアに載置されて移動する前記解体物のうち、前記選別対象物を前記コンベアの外側に移動させるロボットと、前記コンベアに供給される前記解体物の高さを検出する最大高さ検知部と、を有し、前記解体物は、廃家電品を解体して得られる廃家電品の解体部品であり、前記制御部は、前記選別対象物を複数の視点から撮像した画像データを用いて、前記選別対象物の画像上の特徴を学習させた学習済みモデルを有し、前記学習済みモデルを参照して、前記解体物の前記撮像データに基づき、前記選別対象物を検出し、前記制御部は、前記選別対象物を撮像した画像データを用いて、前記選別対象物の種類に応じて、前記ロボットの動作を制御し、画像データは、前記解体物を一方向から撮像した二次元画像データであることを特徴とする。

また、本発明では、前記ロボットは、前記選別対象物を把持するハンド部を有し、前記制御部は、前記選別対象物の種類に応じて、前記ハンド部の移動速度、移動量、移動高さ、把持方向、把持力、開き幅のうち、少なくとも１つ以上を制御してもよい。

また、本発明では、前記ロボットは、アーム部を有し、前記ハンド部は、前記アーム部に対して着脱自在であってもよい。

また、本発明では、前記選別対象物は、モータ、コンプレッサ、トランス、のうち、少なくとも１つ以上を含んでいてもよい。

本発明によれば、簡易な構成で、低コストに、解体物から特定の選別対象物を効率良く選別することが可能な解体物の選別装置を提供することが可能となる。

本発明の実施形態に係る解体物の選別装置を示す概略構成図である。 解体物の選別方法を段階的に説明したフローチャートである。

以下、本発明を適用した一実施形態である解体物の選別装置について図面を参照して説明する。なお、以下に示す実施形態は、発明の趣旨をより良く理解させるために具体的に説明するものであり、特に指定のない限り、本発明を限定するものではない。また、以下の説明で用いる図面は、本発明の特徴をわかりやすくするために、便宜上、要部となる部分を拡大して示している場合があり、各構成要素の寸法比率などが実際と同じであるとは限らない。

図１は、本発明の実施形態に係る解体物の選別装置の概略構成図である。
本実施形態である選別装置（解体物の選別装置）１０は、例えば、各種機器、装置等をそれぞれの構成部品と、切断した筐体等に分けた解体物Ｄから、特定の選別対象物を選別するものである。
ここで、解体物Ｄとしては、廃家電品、例えば、冷蔵庫、洗濯機、テレビ、エアコン等を解体したものが挙げられる。また、選別対象物Ｔとしては、有用な金属などを含む部品、例えば、モータ、コンプレッサ、トランス、熱交換器等が挙げられる。

選別装置１０は、解体物Ｄを搬送方向Ｌに搬送するコンベア１１と、このコンベア１１を上から見下ろす位置に配置された撮像装置１２と、撮像装置１２で撮像された撮像データに基づいて、解体物Ｄに含まれる特定の選別対象物Ｔを画像認識する制御部１３と、この選別対象物Ｔをハンド部１４ａで把持してコンベア１１の外側に移動（ピッキング）するロボット１４とを有している。

コンベア１１は、例えば、無端状のゴムベルト１１ａをモータ（図示略）で動かすベルトコンベアであればよい。こうしたコンベア１１には、ゴムベルト１１ａの移動量を制御部１３に出力するエンコーダ１１ｂが設けられている。

撮像装置１２は、例えば、コンベア１１のゴムベルト１１ａを幅方向に跨ぐように設置されたフレーム１２ｃと、このフレーム１２ｃに配され、コンベア１１上を移動する解体物Ｄを全て撮像可能な二次元エリアカメラ１２ａと、撮像領域を照明するライト１２ｂとを備えている。

こうした撮像装置１２で撮像された解体物Ｄの撮像データは、制御部１３に出力される。なお、撮像装置１２は、コンベア１１が稼働中、連続して撮像を行う構成であっても、解体物Ｄの到来を検出した時だけ撮像を行う構成であってもよい。

本実施形態においては、こうした撮像装置１２で撮像された撮像データは、解体物を鉛直方向から見下ろした二次元画像データとして画像処理される。これにより、例えば、解体物Ｄを鉛直方向に対して傾斜した斜め方向から撮像した三次元画像データよりも、データ容量が小さくなり、高速に画像処理を行うことができる。また、三次元画像データを用いる場合と比べて、システムを単純化し、低いコストで選別装置１０を構成できる。

ロボット１４は、解体物Ｄを挟持可能なハンド部１４ａと、このハンド部１４ａを上下左右に自在に移動させるアーム部１４ｂとを有する多関節アーム状ロボットであればよい。

ハンド部１４ａは、アーム部１４ｂに対して着脱自在に構成されている。これにより、例えば、解体物Ｄの形状やサイズに合わせて、把持するために最適な形状のハンド部１４ａを選択して装着することができる。
こうしたロボット１４は、ロボットコントローラ１４ｃを介して制御部１３から制御される。

ロボット１４が設置された周囲には、ロボット１４によって把持され、コンベア１１の外部に移動（ピッキング）された選別対象物Ｔを種類ごとに分別して収容する収納箱（フレコン）１６，１６…が設置されていればよい。
そして、これらコンベア１１やロボット１４など機械的な可動領域を囲むように、メンテナンス扉１９ａを備えた安全柵１９が設置されている。

制御部１３は、画像処理を行うＣＰＵや学習済みモデルを記憶する記憶部を有するパソコン２１と、パソコン２１によって演算、処理されたデータに基づいて、選別装置１０の各構成部を制御するＰＬＣ（Programmable Logic Controller）２２とを有している。

ここでいう学習済みモデルとは、選別が想定される全ての種類の選別対象物Ｔを、予め複数の視点から撮像した学習用画像データ（サンプル画像）を用いて、その画像上の特徴（形状の特徴）をＡＩ（Artificial Intelligence）が抽出して学習させたモデルである。

学習済みモデルの作成においては、例えば、前段階として選別対象物Ｔの種類、例えば、サンプル画像に対してモータやトランスといった関連付けを行い、こうしたサンプル画像とその画像が示す選別対象物Ｔの種類とを関連付けたデータから、ＡＩがその学習過程で、色や形状等の特徴の重み付けを自ら行い、学習済みモデルを生成する。

こうした学習済みモデルは、実際に選別対象物Ｔを選別する過程で、誤判定を修正する学習を任意のタイミングで行って、その結果を反映させることによって、学習済みモデルを更新することにより、選別精度を向上させていくこともできる。

制御部１３を構成するパソコン２１は、上述した学習済みモデルを参照して、二次元エリアカメラ１２ａで撮影した解体物Ｄの撮像データから、この解体物Ｄが選別対象物Ｔであるか物体検出を行い、信頼度スコアが例えば９０％以上となる解体物Ｄを選別対象物Ｔと判定する。そして、特定された選別対象物Ｔの画像上の座標、即ち撮像時のコンベア１１上での座標をロボットコントローラ１４ｃに出力し、ロボットコントローラ１４ｃは、エンコーダ１１ｂによって検出されたゴムベルト１１ａの速度、およびロボット１４のアーム部１４ｂの移動速度に基づいて、ロボット１４が特定された選別対象物Ｔを把持するのに最も最適な把持位置座標を算出する。

そして、ロボットコントローラ１４ｃは、この算出された把持位置座標によりロボット１４のハンド部１４ａを移動させ、特定された選別対象物Ｔを把持させる。
特定された選別対象物Ｔを把持したロボット１４は、選別対象物Ｔの種類に応じて対応する収納箱１６に選別対象物Ｔを載置する。

パソコン２１に記憶される学習済みモデルは、想定される選別対象物Ｔの種類ごとに、それぞれ少なくとも６面から撮像した平面画像データを用いて作成したモデルである。更に、学習用画像データには載置可能な姿勢での任意の方向から撮像した選別対象物Ｔの平面画像データを含むことが好ましい。

こうした平面画像データは、例えば、モータ、コンプレッサ、トランス、熱交換器等を互いに区別できる程度の平面画像データであっても、更に細分化されたそれぞれの部品の個々の型式まで区別できる高精細な平面画像データであってもよい。

パソコン２１には、個々の選別対象物Ｔのそれぞれに、平面視した時の実寸法、載置姿勢ごとの高さ、硬さ、重さなどの情報が記憶されている。ロボットコントローラ１４ｃは、これら把持位置座標、実寸法、高さ、硬さ、重さなどの情報に基づいて、ロボット１４のハンド部１４ａの向き、把持方向、ハンド部１４ａの開き量、把持高さ位置、および選別対象物Ｔを破損させず、かつ脱落することのない把持力をそれぞれ設定して、ロボット１４を駆動して、特定された選別対象物Ｔを把持（ピッキング）させる。

ＰＬＣ２２には、各部の設定を入力し、また確認するタッチパネル３１および操作ボタン３２、緊急時に選別装置１０全体をシャットダウンさせる非常停止ボタン３３、動作状態を例えば３色灯で表示するシグナルタワー３４がそれぞれ接続されている。

また、ＰＬＣ２２には、最大高さ検知部３５が接続されている。最大高さ検知部３５は、コンベア１１の上流側から供給される解体物Ｄの高さを検出し、投入可能最大高さを超える高さ、例えば、ピッキング動作を行うロボット１４に当接する高さの解体物Ｄ（障害物）が検出された際に、ＰＬＣ２２を介してピッキング動作中のロボット１４をワンサイクル動作終了後、この障害物がロボット１４のピッキング動作範囲外に搬送されるまで、ＰＬＣ２２を介してロボット１４を一時停止、および待機させる。

また、撮像データが解体物Ｄを鉛直方向から見下ろした二次元画像データである場合に、画像から解体物Ｄの高さは検出できないため、最大高さ検知部３５を解体物Ｄの高さ検出手段として用い、検出した解体物Ｄの高さに応じて、ロボット１４の動作範囲を調節する構成にすることもできる。

また、ＰＬＣ２２には、開扉検知部３６が接続されている。この開扉検知部３６は、選別装置１０の動作中に安全柵１９のメンテナンス扉１９ａの開扉を検知して、選別装置１０を非常停止させる。

以上の様な構成の本実施形態の選別装置の作用、および解体物の選別方法を説明する。
図２は、解体物の選別方法を段階的に説明したフローチャートである。
本実施形態の解体物の選別装置１０を用いて、解体物Ｄから選別対象物Ｔを選別する際には、予め手作業によって、例えば廃家電品を大まかに解体する。例えば、エアコンであれば、筐体を切断して熱交換器やコンプレッサを分離し、洗濯機であれば、筐体と洗濯槽を切断して、モータとトランスを分離する、といった程度に解体する。こうして得られた解体物Ｄを、コンベア１１の上流側から選別装置１０に投入する（解体物投入工程Ｓ１）。

投入された解体物Ｄはコンベア１１上を搬送方向Ｌに沿って搬送され、撮像装置１２の下を通過する。この時、解体物Ｄは、撮像装置１２によって上から見下ろすアングルで撮像される（撮像工程Ｓ２）。撮像された解体物Ｄの二次元画像の撮像データは、パソコン２１に入力される。

パソコン２１は、学習済みモデルを使用して、入力された解体物Ｄの撮像データより物体検出を行う（画像解析工程Ｓ３）。そして、例えば、信頼度スコア９０％以上となる解体物Ｄを、選別対象物Ｔとして認識する。
画像解析工程Ｓ３における物体検出で使用する学習済みモデルは、ＡＩが学習用画像データから、選別対象物Ｔの特徴を抽出し、特徴量（着目点）の獲得、重み付けを自ら行うことで生成する。

パソコン２１は、画像解析工程Ｓ３によって選別対象物Ｔを検知すると、特定された選別対象物Ｔの画像上の座標、即ち撮像時のコンベア１１上での座標をロボットコントローラ１４ｃに転送し、ロボットコントローラ１４ｃは、エンコーダ１１ｂによって検出されたゴムベルト１１ａの速度、およびロボット１４のアーム部１４ｂの移動速度に基づいて、ロボット１４が特定された選別対象物Ｔを把持するのに最も最適な把持位置座標を算出する（把持位置座標算出工程Ｓ４）。

パソコン２１は、把持位置座標、選別対象物Ｔの実寸法、高さ情報、硬さなどのデータをロボットコントローラ１４ｃに出力する。ロボットコントローラ１４ｃは、これらのデータおよびゴムベルト１１ａの速度に基づいて、ロボット１４のハンド部１４ａが実際に選別対象物Ｔを把持する位置の座標、ハンド部１４ａの向き、ハンド部１４ａの把持方向、ハンド部１４ａの開き量、ハンド部１４ａの把持高さ位置、およびハンド部１４ａの把持力をそれぞれ設定して、ロボット１４を駆動させる。そして、特定された選別対象物Ｔを把持して、ゴムベルト１１ａ上から取り除く（ピッキング工程Ｓ５）。

そして、選別対象物Ｔを把持したロボット１４は、把持した選別対象物Ｔを回収する収納箱１６を選択して、該当する収納箱１６に選別対象物Ｔを載置する。
このような撮像工程Ｓ２からピッキング工程Ｓ５を連続して繰り返すことにより、解体物Ｄから予め設定した選別対象物Ｔだけが選別されて取り除かれ、取り除かれた選別対象物Ｔは、種類別に収納箱１６、１６…に回収される。また、残りの解体物Ｄｅは、別工程で例えばシュレッダーによって微細化され、素材原料などとして再利用されればよい。

なお、制御部１３は、ロボット１４に対して選別対象物Ｔの把持を支持した後に、所定の時間が経過した後も選別対象物Ｔの把持を検出できない場合、選別対象物Ｔを回収できなかった（ロスト状態）と判断し、ロボット１４を原点位置に戻すようにする制御ステップ（工程）を含むことも好ましい。

これにより、何らかの理由で選別対象物Ｔをロストした場合に、ロボット１４が不必要な動作を行って、別な選別対象物Ｔの回収が間に合わなくなることを防止できる。なお、ロボット１４の把持の検出は、ハンド部１４ａに圧力センサなどを設けることにより実現できる。

以上のような、解体物の選別方法において、選別対象物Ｔの検出精度を向上させるには、画像解析工程Ｓ３に使用する学習済みモデルの精度を向上させることが好ましい。このとき、学習用画像データの選択が非常に重要であり、多種多様な画像データを繰り返し学習させることにより、選別対象物Ｔの検出精度を向上させることができる。

例えば、選別対象物は、品目ごとに形状、サイズ、色等が多種多様で、それらを一つの品目として認識させるためには、同じ品目で形状、サイズ、色等の特徴の違う物をバランス良く選び取って、学習用画像データを集める必要がある。

二次元エリアカメラで撮像する学習用画像データは、コンベア上の照度の不均一性や画像の歪みにより、物の見え方が変わってくるため、同じ物を多数の位置で撮影する必要がある。また、二次元エリアカメラで撮像する画像データは二次元画像であるため、平面的な画像から形状、サイズ、色等の特徴を利用して品目判定を行うことになる。従って、精度の良い品目判定結果を取得する為、コンベア１１上を流れる選別対象物Ｔのあらゆる姿勢を撮像して学習させる必要がある。

また、選別対象物Ｔだけを学習させると、選別対象物Ｔではないが、一部に選別対象物Ｔの像と類似する部分を持つ解体物を選別対象物Ｔとして誤検知する場合がある。信頼度の閾値を設定する（信頼度スコアを上げる）ことで、低信頼度の誤検知を防ぐことができるが、高信頼度の誤検知品に対しては、別の品目に定義して除外させる（除外品目を設定して、学習させる）必要がある。よって、コンベア１１上に流れるすべての解体物に対して長期間の検証を行い、高信頼度で誤検知される物を抽出し、分別定義することが好ましい。

以上、本発明の実施形態を説明したが、こうした実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。この実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。この実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１０…選別装置（解体物の選別装置）
１１…コンベア
１２…撮像装置
１３…制御部
１４…ロボット
Ｄ…解体物
Ｔ…選別対象物

Claims (3)

1. 解体物を搬送するコンベアと、
   前記コンベアに載置されて移動する前記解体物を撮像する撮像装置と、
   前記撮像装置で撮像された撮像データに基づいて、前記解体物に含まれる特定の選別対象物を画像認識する制御部と、
   前記コンベアに載置されて移動する前記解体物のうち、前記選別対象物を前記コンベアの外側に移動させるロボットと、
   前記コンベアに供給される前記解体物の高さを検出する最大高さ検知部と、を有し、
   前記解体物は、廃家電品を解体して得られる廃家電品の解体部品であり、
   前記制御部は、前記選別対象物を複数の視点から撮像した画像データを用いて、前記選別対象物の画像上の特徴を学習させた学習済みモデルを有し、前記学習済みモデルを参照して、前記解体物の前記撮像データに基づき、前記選別対象物を検出し、
   前記制御部は、前記選別対象物を撮像した画像データを用いて、前記選別対象物の種類に応じて、前記ロボットの動作を制御し、
   画像データは、前記解体物を一方向から撮像した二次元画像データであることを特徴とする解体物の選別装置。
2. 前記ロボットは、前記選別対象物を把持するハンド部を有し、
   前記制御部は、前記選別対象物の種類に応じて、前記ハンド部の移動速度、移動量、移動高さ、把持方向、把持力、開き幅のうち、少なくとも１つ以上を制御することを特徴とする請求項１に記載の解体物の選別装置。
3. 前記ロボットは、アーム部を有し、前記ハンド部は、前記ロボットの前記アーム部に対して着脱自在であることを特徴とする請求項２に記載の解体物の選別装置。

Images