JP6987698B2 - 選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体 - Google Patents

Description

本発明は、複数種類の物体で構成される混合物の中から選別対象物を選別する選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体に関する。

近年、廃棄物等を再資源化し、新たな製品の原料として利用するリサイクルは、環境保護の観点や企業イメージの向上等の目的から、多くの企業によって実施されている。

リサイクル分野は多岐にわたっているが、例えば、古紙をリサイクルして再生紙を生産する分野では、古紙の中に、例えば、ラミネート等のプラスチックが混入すると、紙の純度が下がるといった不純物の問題がある。また、有害物質が混入すると、この有害物質を広く拡散させてしまうこととなる。このため、リサイクルの前に、原料として用いる物体と不純物とを選別する工程が必要となる。また、例えば白色の紙と着色された紙とを選別するというように、リサイクルの用途に応じて自由に選別対象物を選別できることが求められている。

また、リサイクルに拘わらず、製品製造時において、良品と不良品とを選別する必要があるため、物体を２以上に選別する技術は、製造業において必要不可欠な技術の１つであるといえる。この種の物体を２以上の種類に選別する技術は、例えば、特許文献１及び特許文献２に開示されている。

特許文献１には、光源と光センサとからなる検知手段を備え、反射光の輝度に基づいて物体を選別する選別装置に関する技術が開示されている。

また、特許文献２には、重力センサと、撮像装置として、ＲＧＢカメラ、Ｘ線カメラ、近赤外線カメラ、３Ｄカメラを備え、人工知能によって物体を自動選別する選別装置に関する技術が開示されている。

特開２０１８−０１７６３９号公報 特開２０１７−１０９１９７号公報

しかしながら、特許文献１に開示された選別装置は、反射光の輝度に基づいて物体を選別する基準やアルゴリズムを予め設定しておく必要があり、これらの設定に専門的な知識や経験が必要であるため、ユーザが容易に設定や設定の変更を行うことができなかった。

また、人工知能を用いた特許文献２に開示された選別装置は、前述のような設定は必要ないものの、予め人工知能に選別する基準や方法を学習させる工程が必要であり、ユーザが容易に設定できる態様とはなっていなかった。

このように、従来の選別装置や選別方法では、選別装置に選別対象物を選別させるための設定を行うことが容易でないため、ユーザは、予め選別対象物に応じた設定がなされた選別装置を提供してもらい運転を行っていた。このため、混合物（廃棄物等）や選別対象物が変更になった場合等に、ユーザが、設定を変更したくても容易に変更できないという問題があった。

また、ユーザの選別の目的が、大まかに分類できればよいという場合から、所望の物体だけ高精度に抽出したい場合等種々想定されるところ、ユーザは、自らの選別の目的に応じて、選別精度を簡単に設定・変更できないという問題があった。

本発明は、従来のこのような問題点に鑑みてなされたものである。本発明の目的の一は、ユーザが、専門的な技術や知識が無くとも、選別の目的に応じて、選別精度を簡単に設定・変更できる態様の選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体を提供することにある。

課題を解決するための手段及び発明の効果

本発明の第１の側面に係る選別装置は、複数種類の物体で構成される混合物の中から選別対象物を選別する選別装置であって、種類ごとに分別された前記物体である種別物体又は前記混合物に基づくデータを取得するデータ取得部と、前記データ取得部で取得された前記種別物体のデータから学習データを作成する学習データ作成部と、前記学習データ作成部によって作成された学習データを用いて混合物を種類ごとに分別し、種別物体にする方法を学習し、該学習によって得られた知識及び経験をデータ化した学習モデルを作成する学習部と、前記種別物体の中から前記選別対象物の種類を選択する選別対象選択部と、前記学習部にて作成された学習モデルに基づいて、前記データ取得部で取得した混合物のデータから、前記混合物中の各物体が前記選別対象選択部にて選択された選別対象物である確率を示す第一の認識率を算出し、該第一の認識率に基づいて、前記選別対象物の有無及び位置を判断する判断部と、前記判断部の判断結果及び前記第一の認識率に対して設けられる閾値に基づいて前記混合物の中から前記選別対象物を選別する選別部と、を備えることができる。

前記構成によれば、混合物から選別対象物を選別する運転時において、混合物の各物体が選別対象物である確率を示す第一の認識率を人工知能に算出させ、該認識率とユーザが設定できる閾値とを紐付けて選別対象を判断するので、人工知能を用いながらも、選別精度をユーザがコントロールできるようになる。これにより、選別の目的が、大まかに分類できればよいという場合から、所望の物体だけ高精度に抽出したい場合等種々想定されるところ、選別精度に対するユーザのニーズに応じた選別が可能となる。

本発明の第２の側面に係る選別装置は、前記選別部が、前記第一の認識率が前記閾値以上の選別対象物を選別できる。前記構成によれば、閾値を高く設定することで、高精度に選別でき、閾値を低く設定することで、大まかに選別できる。

本発明の第３の側面に係る選別装置は、前記判断部は、前記学習部にて作成された学習モデルに基づいて、前記データ取得部で取得した混合物のデータから、前記混合物中の各物体が前記種別物体毎に該種別物体である確率を示す第二の認識率を算出し、該第二の認識率に基づいて、前記混合物中の各物体の種類を特定し、該種類が前記選別対象物の種類と一致する場合の第二の認識率を前記第一の認識率とみなして、前記選別対象物の有無及び位置を判断できる。前記構成によれば、混合物の各物体に対して、種別物体毎に第二の認識率が全て算出されるので、物体の種類を第二の認識率が最高値となる種類と判別でき、選別対象物と種類が同一と判別された物体に対して、ユーザが設定できる閾値と紐付けて選別を行うので、ユーザは、選別対象物を変更する場合でも、選別対象物に特化した学習モデルを改めて作成する必要がなく、選別対象物を容易に変更できる。

本発明の第４の側面に係る選別装置は、さらに、前記第一の認識率に対して所望の閾値を設定する閾値設定部と、前記データ取得部、前記学習データ作成部、前記学習部、前記選別対象選択部、前記閾値設定部、前記判断部及び前記選別部に対して、ユーザからの操作を受けて指示を与える操作部と、を備え、前記操作部が、前記データ取得部にデータの取得を指示するデータ取得指示部と、前記学習データ作成部に前記学習データの作成開始を指示する学習データ作成指示部と、前記学習部に前記学習モデルの作成を指示する学習開始指示部と、前記選別対象選択部に前記選別対象物の種類の選択を指示する選別対象選択指示部と、前記閾値設定部に前記閾値の設定を指示する閾値設定指示部と、前記判断部に前記選別対象物の有無及び位置を判断させ、前記選別部に、該判断結果に基づいて前記混合物の中から前記選別対象物を選別させる運転開始指示部と、を有するよう構成できる。前記構成によれば、簡単な操作により、煩雑な設定作業の大半を人工知能に行わせることができるので、ユーザが、専門的な技術や知識が無くとも、選別対象物を選別するための設定を容易に行える。また、ユーザは選別精度を容易に設定・変更できる。

本発明の第５の側面に係る選別装置は、前記操作部が、少なくとも、前記データ取得指示部、学習データ作成指示部及び学習開始指示部を表示する学習モードと、少なくとも、前記運転開始指示部を表示する運転モードとを含むモード切替操作を指示するモード切替指示部を備えることができる。前記構成によれば、ユーザは、学習モードと運転モードという選別装置の動作状況のうち、いずれの動作状況下にあるかを把握しながら、作業を行うことができ、学習モードおける設定作業は、設定に係る指示部が集約されているので誤操作を防ぎやすい。

本発明の第６の側面に係る選別装置は、前記操作部が、前記データ取得指示部、学習データ作成指示部、学習開始指示部、選別対象選択指示部、閾値設定指示部及び運転開始指示部を一画面に表示できる。前記構成によれば、学習モード、運転モードというようにモードとして区別されておらず、設定に係る指示部も運転に係る指示部も一画面に表示されるので、学習モードと運転モードとのモードの切り換え操作を不要とできる。

本発明の第７の側面に係る選別装置は、前記操作部が、タッチパネルであるよう構成できる。前記構成によれば、ユーザが簡単に操作できる。

本発明の第８の側面に係る選別装置は、前記データ取得部が可視カメラを備え、前記データ取得部によって取得されるデータが画像データであるよう構成できる。前記構成によれば、データ取得部が可視カメラを備え、データを画像データとして取得できることから、選別対象物を、該選別対象物の形態や位置、大きさ、範囲に基づいて選別できる。なお、例えばデータ取得部が分光器付カメラである場合には、データは分光分布データとして取得できる。

本発明の第９の側面に係る選別装置は、前記選別部が、前記判断結果に基づいて前記選別対象物に圧縮した空気を当て、前記混合物の中から前記選別対象物を選別できる。

本発明の第１０の側面に係る選別方法は、複数種類の物体で構成される混合物の中から選別対象物を選別する選別方法であって、データ取得指示部からの操作を受けて、種類ごとに分別された前記物体である種別物体又は前記混合物に基づくデータを取得するデータ取得工程と、学習データ作成指示部からの操作を受けて、前記データ取得工程にて取得した前記種別物体のデータから学習データを作成する学習データ作成工程と、学習開始指示部からの操作を受けて、前記学習データ作成工程にて作成した学習データを用いて混合物を種類ごとに分別し、種別物体にする方法を学習し、該学習によって得られた知識及び経験をデータ化した学習モデルを作成する学習工程と、選別対象選択指示部からの操作を受けて、前記種別物体の中から前記選別対象物の種類を選択する選別対象選択工程と、運転開始指示部からの操作を受けて、前記学習工程にて作成した学習モデルに基づいて、前記データ取得工程で取得した混合物のデータから、前記混合物中の各物体が前記選別対象選択工程において選択された選別対象物である確率を示す第一の認識率を算出し、該第一の認識率に基づいて、前記選別対象物の有無及び位置を判断し、該判断結果及び前記第一の認識率に対して設けられる閾値に基づいて前記混合物の中から前記選別対象物を選別する運転工程と、を含むことができる。

本発明の第１１の側面に係る選別方法は、前記運転工程において、前記第一の認識率が前記閾値以上の選別対象物を選別できる。

本発明の第１２の側面に係る選別方法は、前記運転工程において、前記学習工程にて作成された学習モデルに基づいて、前記データ取得工程で取得した混合物のデータから、前記混合物中の各物体が前記種別物体毎に該種別物体である確率を示す第二の認識率を算出し、該第二の認識率に基づいて、前記混合物中の各物体の種類を特定し、該種類が前記選別対象物の種類と一致する場合の第二の認識率を前記第一の認識率とみなして、前記選別対象物の有無及び位置を判断できる。

本発明の第１３の側面に係る選別プログラムは、複数種類の物体で構成される混合物の中から選別対象物を選別するための選別プログラムであって、データ取得指示部からの操作を受けて、種類ごとに分別された前記物体である種別物体又は前記混合物に基づくデータを取得する機能と、学習データ作成指示部からの操作を受けて、前記取得した前記種別物体の撮像データから学習データを作成する機能と、学習開始指示部からの操作を受けて、前記作成した学習データを用いて混合物を種類ごとに分別し、種別物体にする方法を学習し、該学習によって得られた知識及び経験をデータ化した学習モデルを作成する機能と、選別対象選択指示部からの操作を受けて、前記種別物体の中から前記選別対象物の種類を選択する機能と、運転開始指示部からの操作を受けて、前記作成した学習モデルに基づいて、前記取得した混合物のデータから、前記混合物中の各物体が前記選別対象物の種類を選択する機能によって選択された選別対象物である確率を示す第一の認識率を算出し、該第一の認識率に基づいて、前記選別対象物の有無及び位置を判断し、該判断結果及び第一の認識率に対して設けられる閾値に基づいて前記混合物の中から前記選別対象物を選別する機能と、をコンピュータに実現させることができる。

本発明の第１４の側面に係る選別プログラムは、前記第一の認識率が前記閾値以上の選別対象物を選別する機能をコンピュータに実現させることができる。

本発明の第１５の側面に係る選別プログラムは、前記作成した学習モデルに基づいて、前記取得した混合物のデータから、前記混合物中の各物体が前記種別物体毎に該種別物体である確率を示す第二の認識率を算出し、該第二の認識率に基づいて、前記混合物中の各物体の種類を特定し、該種類が前記選別対象物の種類と一致する場合の第二の認識率を前記第一の認識率とみなして、前記選別対象物の有無及び位置を判断する機能をコンピュータに実現させることができる。

さらにまた、本発明の第１６の側面に係るプログラムを格納したコンピュータで読み取り可能な記録媒体は、前記プログラムを格納したものである。記録媒体には、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷやフレキシブルディスク、磁気テープ、ＭＯ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、ＤＶＤ−Ｒ、ＤＶＤ＋Ｒ、ＤＶＤ−ＲＷ、ＤＶＤ＋ＲＷ、Ｂｌｕ−ｒａｙ（登録商標）、ＢＤ−Ｒ、ＢＤ−ＲＥ、ＨＤ ＤＶＤ（ＡＯＤ）等の磁気ディスク、光ディスク、光磁気ディスク、半導体メモリその他のプログラムを格納可能な媒体が含まれる。またプログラムには、前記記録媒体に格納されて配布されるものの他、インターネット等のネットワーク回線を通じてダウンロードによって配布される形態のものも含まれる。さらに記録媒体にはプログラムを記録可能な機器、例えば前記プログラムがソフトウエアやファームウエア等の形態で実行可能な状態に実装された汎用もしくは専用機器を含む。さらにまたプログラムに含まれる各処理や機能は、コンピュータで実行可能なプログラムソフトウエアにより実行してもよいし、各部の処理を所定のゲートアレイ（ＦＰＧＡ、ＡＳＩＣ）等のハードウエア又はプログラムソフトウエアとハードウエアの一部の要素を実現する部分的ハードウエアモジュールとが混在する形式で実現してもよい。

本発明の実施の形態に係る選別装置の概略図である。 本発明の実施の形態に係るラインセンサカメラとコンベアとの位置関係の説明図である。 本発明の実施の形態に係るラインセンサカメラで作成する画像データの説明図である。 画像データから物体が写る部分を抽出し、抽出画像データを作成する方法の説明図である。 画像データから物体が写る部分を抽出し、抽出画像データを作成する方法の説明図である。 人工的な混合物の画像データを作成する方法の説明図である。 噴射領域及びエアー噴射ノズルごとの噴射タイミングを設定する方法の説明図である。 本発明の実施の形態に係る選別装置の機能ブロック図である。 学習モードにおける選別装置の操作方法の流れを示すフローチャートである。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 運転モードにおける選別装置の操作方法の流れを示すフローチャートである。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。

以下、本発明の実施の形態を図面に基づいて説明する。ただし、以下に示す実施の形態は、本発明の技術思想を具体化するための選別装置を例示するものであって、本発明はそれらを以下のものに特定しない。また、本明細書は特許請求の範囲に示される部材を、実施の形態の部材に特定するものでは決してない。特に実施の形態に記載されている構成部品の寸法、材質、形状、その相対的配置等は特に特定的な記載がない限りは、本発明の範囲をそれのみに限定する趣旨ではなく、単なる説明例にすぎない。なお、各図面が示す部材の大きさや位置関係等は、説明を明確にするため誇張していることがある。さらに以下の説明において、同一の名称、符号については同一もしくは同質の部材を示しており、詳細説明を適宜省略する。さらに、本発明を構成する各要素は、複数の要素を同一の部材で構成して一の部材で複数の要素を兼用する態様としてもよいし、逆に一の部材の機能を複数の部材で分担して実現することもできる。
（選別装置１）

本発明の実施の形態に係る選別装置１について、概略図である図１、機能ブロック図である図８、及びラインセンサカメラ１１とコンベア１３との位置関係の説明図である図２に基づいて説明する。

図１に示すように、本実施の形態に係る選別装置１は、供給装置２から供給され、コンベア１３に流れる複数種類の物体で構成される混合物ＭＯの中から選別対象物ＳＯを、圧縮空気を放つエアー噴射ノズル１４を用いて選別する装置であって、主として、ラインセンサカメラ１１（特許請求の範囲における「データ取得部」の一例に対応する。）、第一制御部１２、コントローラ１５（特許請求の範囲における「操作部」の一例に対応する。）、コンベア１３及びエアー噴射ノズル１４とで構成される。供給装置２は、例えば、投入ホッパー２１と移送コンベア２２と投入フィーダー２３とからなる。投入ホッパー２１は、混合物ＭＯを受け入れ可能に構成されている。移送コンベア２２は、投入ホッパー２１から供給される混合物ＭＯを投入フィーダー２３に供給する。投入フィーダー２３は、振動フィーダー又は電磁フィーダー等で構成されており、振動することによって、混合物ＭＯ同士の重畳を防止しながら混合物ＭＯをコンベア１３に供給する。

選別装置１は、学習モードＬＭ及び運転モードＯＭの２つのモードを備えている。学習モードＬＭは、選別装置１を動作させるための準備、設定を行うモードである。一方、運転モードＯＭは、実際に混合物ＭＯから選別対象物ＳＯを選別するモードである。

混合物ＭＯは、金属や紙、プラスチック等、ラインセンサカメラ１１によって取得した画像データから個々の物体を識別可能であって、エアー噴射ノズル１４によるエアーの噴射によって進路を変更できる複数種類の物体で構成されている。混合物ＭＯに含まれる物体の種類としては、例えば、金属や紙、プラスチック等が想定されるが、例えば金属という大きな括りに限定されず、より下層に分類される銅やアルミ等、色彩と形状から識別できるものは全て対象となり得る。また、本実施の形態に係る選別装置１は、例えば、アルミ、真鍮、金、銀、銅というように一度に５種類まで物体を識別できるようになっており、そのような物体で構成された混合物ＭＯの中から、選別対象物ＳＯとして、例えば銅のみというように一種類を選別することもできるし、例えばアルミ・真鍮・金というように同時に複数の種類を選別することもできるように構成されている。

以下、各部材について詳細に説明する。なお、以下の説明において、便宜上、混合物ＭＯは物体Ａ〜Ｃ（特許請求の範囲における「種別物体」の一例に対応する。）で構成され、選別対象物ＳＯとして物体Ａを選択したものとする。
（ラインセンサカメラ１１）

選別装置１は、図２に示すように、２つのラインセンサカメラ１１がコンベア１３の幅方向に並べて設けられている。ラインセンサカメラ１１は、コンベア１３のエンコーダ１３１からパルスを受ける度に撮像を行い、この撮像結果から画像データＩＤを取得する部材である。

ラインセンサカメラ１１のＸ方向はコンベア１３の幅方向、Ｙ方向はコンベア１３の進行方向に対応しており、図２に示すように、１つのラインセンサカメラ１１で、所定のＸ方向撮像範囲１１ａを撮像できる。このＸ方向範囲１１ａから、コンベア１３両端の除外範囲１１ｂとコンベア１３中央の除外範囲１１ｃとを除いたＸ方向有効範囲１１ｄを２つ足し合わせたＸ方向範囲１１ｅを、図３に示すように、Ｙ方向に所定のＹ方向範囲１１ｆで抜き出して画像データＩＤを作成する。作成された画像データＩＤのうち、Ｙ方向の一端から所望の重複範囲１１ｇは、直前に作成された画像データＩＤと重複する範囲である。

学習モードにおけるラインセンサカメラ１１は、混合物ＭＯに含まれる物体を、物体ごとに撮像し、各物体の画像データＩＤを作成する。具体的には、複数の物体Ａがコンベア１３に流された状態で撮像を行い、物体Ａの画像データＩＤを作成する。物体Ｂ、Ｃも同様にして、物体Ｂ、Ｃの画像データＩＤを作成する。作成された各物体の画像データＩＤは、撮像された物体の名称と関連付けられた状態で記憶部１２１に送信される。また、物体をコンベア１３に流していない状態で撮像を行い、背景画像ＢＩを作成し、図８に示す記憶部１２１に送信する。

また、運転モードＯＭにおけるラインセンサカメラ１１は、混合物ＭＯがコンベア１３に流された状態で撮像を行い、混合物ＭＯの画像データＩＤを作成する。作成された混合物ＭＯの画像データＩＤは、判断部１２５に送信される。

なお、特許請求の範囲における「データ取得部」の一例としてラインセンサカメラ１１を説明したが、「データ取得部」はこれに限定されず、エリアセンサカメラであってもよいし、可視光、赤外線、Ｘ線のいずれを用いたものであってもよい。Ｘ線を用いた場合、Ｘ線光源をコンベアで搬送される物体の上部、Ｘ線カメラをコンベアのベルトの下部に配置することができるし、その逆の配置も可能である。また、作成された各物体の画像データＩＤは、物体の名称以外にも、後述する選別対象選択部１２４において、選別対象物ＳＯを選択する際にユーザが物体の種類が何であるか分かる情報と関連付けられていればよい。また、背景画像ＢＩは必ずしもラインセンサカメラ１１で撮像、作成する必要はなく、選別装置１の製造段階で、別途用意された背景画像ＢＩを記憶部１２１に保存しておいてもよい。
（第一制御部１２）

第一制御部１２は、記憶部１２１、学習データ作成部１２２、学習部１２３、選別対象選択部１２４、閾値設定部１２６及び判断部１２５を備える。第一制御部１２は、運転モードＯＭにおいて、ラインセンサカメラ１１で取得した混合物ＭＯの画像データＩＤから選別対象物ＳＯの有無及び位置を判断する。また、学習モードＬＭにおいては、該判断のための準備、設定が行われる。以下、各部材について詳細に説明する。
（記憶部１２１）

記憶部１２１は、ラインセンサカメラ１１で作成された物体Ａ〜Ｃの画像データＩＤ及び画像データＩＤに関連づけられた物体の名称と、背景画像ＢＩとを保存する部材である。
（学習データ作成部１２２）

学習データ作成部１２２は、ラインセンサカメラ１１にて撮像され、取得された物体Ａ〜Ｃの画像データＩＤと背景画像ＢＩから、学習データＬＤを作成し、保存する。学習データ作成部１２２は、画像抽出部１２２ａ、画像合成部１２２ｂ及び解答作成部１２２ｃの３つの部材で構成される。各部材の構成は後述の通りである。

作成された学習データＬＤは学習部１２３で行う学習に用いられる。１回の学習につき、１つの学習データＬＤが用いられ、この学習を繰り返す回数が多いほど運転モードＯＭにおける選別の精度は向上する。すなわち、学習データ作成部１２２で作成する学習データＬＤが多いほど、運転モードＯＭにおける選別の精度は向上する。なお、本発明の第一の実施例に係る選別装置１は、上限を４万回とし、ユーザが学習の繰り返し回数を自由に設定することができる態様である（詳細は後述する。）。
（画像抽出部１２２ａ）

画像抽出部１２２ａは、記憶部１２１から物体Ａ〜Ｃの画像データＩＤ及び背景画像ＢＩを呼び出し、背景画像ＢＩに基づいて、物体Ａ〜Ｃの画像データＩＤから物体が写る部分を抽出し、抽出画像データＳＤを作成する。例えば、物体Ａの画像データＩＤを抽出する場合、図４に示すように、直前の画像データＩＤと重複する範囲を除く範囲を１ピクセルごとに背景画像ＢＩと比較する。比較の結果、背景画像ＢＩと一致しない部分を物体Ａが写る部分として切り出し、物体Ａの抽出画像データＳＤを作成する。以上の通り、基本的に、直前の画像データＩＤと重複する範囲を除く範囲で比較を行うが、図５に示すように、物体Ａがこの範囲からはみ出る位置にある場合、重複する範囲にまで範囲を広げて比較を行う。同様にして、物体Ｂ、Ｃの画像データＩＤからも物体Ｂ、Ｃの抽出画像データＳＤを作成する。

なお、厳密に物体が写る部分のみを抽出する必要はなく、背景画像ＢＩが残っていてもよい。
（画像合成部１２２ｂ）

画像合成部１２２ｂは、図６に示すように、画像抽出部１２２ａで作成された物体Ａ〜Ｃの抽出画像データＳＤの中から、ランダムにいくつかのデータを選択し、背景画像ＢＩに、ランダムな位置、角度、サイズで合成して、人工的な混合物ＭＯの画像データＩＤを作成する。

すなわち、抽出画像データＳＤの位置、角度、サイズを変更することで、少ない物体Ａ〜Ｃの画像データＩＤから、多数の人工的な混合物ＭＯの画像データＩＤを作成することができる。
（解答作成部１２２ｃ）

解答作成部１２２ｃは、画像合成部１２２ｂで作成された人工的な混合物ＭＯの画像データＩＤのどの位置に物体Ａ〜Ｃのいずれが配置されているかを記録した情報を人工的な混合物ＭＯの画像データＩＤに関連付けたデータである学習データＬＤを作成する。
（学習部１２３）

学習部１２３は、人工知能を有し、学習データ作成部１２２にて作成された学習データＬＤを用いて、物体Ａ〜Ｃを判別する方法を学習し、学習モデルＧＭを作成する。

具体的には、まず、学習データＬＤ中の人工的な混合物ＭＯの画像データＩＤに写る各物体が物体Ａである確率を算出する。同様に、物体Ｂである確率及び物体Ｃである確率を算出する（これらの算出した確率を、以下では認識率ＲＲと称す。また、認識率ＲＲは、特許請求の範囲における「第二の認識率」の一例に対応する。）。次に、各物体を、物体Ａ〜Ｃの認識率ＲＲのうち最も高かった種類の物体であると予想し、解答作成部１２２ｃで関連付けられた情報に基づいて予想が当たっていたか否かを調べる。これを繰り返して得られた知識や経験をデータ化したものである学習モデルＧＭを作成し、保存する。
（選別対象選択部１２４）

選別対象選択部１２４は、ユーザが物体Ａ〜Ｃの中から選択した選別対象物ＳＯの情報を学習モデルＧＭに関連付けたデータであるレシピＲＥを作成し、保存する。運転モードにおいて、ユーザに選択されたレシピＲＥは判断部１２５に読み出される。

以上のとおり、選別装置１は、学習部１２３には物体Ａ〜Ｃを判別する方法を学習させ、選別対象物ＳＯがいずれであるかは学習させない態様である。これにより、例えば、選別対象物ＳＯを物体Ａから物体Ｂに変更したい場合であっても、選別対象選択部１２４にて選別対象物ＳＯとして物体Ｂを選択するだけでよいので、学習部１２３に学習をやり直させる必要がない。なお、学習部１２３に学習させる前に、選別対象物ＳＯを選択する態様としてもよい。
（閾値設定部１２６）

閾値設定部１２６は、選別対象物ＳＯの認識率ＲＲに対して閾値を設定する。設定された閾値の情報は、第二制御部１４１に送信され、選別対象物ＳＯを選別する際に参照される（詳細は後述する。）。なお、閾値は必ずしも設定しなくてもよい。
（判断部１２５）

判断部１２５は、人工知能を有し、運転モードＯＭにおいて、選別対象選択部１２４からレシピＲＥを読み出し、このレシピＲＥに基づいて、ラインセンサカメラ１１にて作成され、送信された混合物ＭＯの画像データＩＤの中から、物体Ａの有無を判断し、物体Ａがある場合は、そのピクセル単位の位置の情報を第二制御部１４１に送信する。

物体Ａの有無の判断は、学習部１２３と同様に、各物体の物体Ａ〜Ｃの認識率ＲＲを算出し、物体Ａの認識率ＲＲが最も高かった物体を物体Ａと判断する。なお、同様に、物体Ｂの認識率ＲＲが最も高かった物体は物体Ｂと判断し、物体Ｃの認識率ＲＲが最も高かった物体は物体Ｃと判断する。
（コンベア１３）

コンベア１３は、ラインセンサカメラ１１の撮像範囲を通過し、エアー噴射ノズル１４の位置に物体を流して移動させる部材である。コンベア１３は、所定の速度で物体を移動させる。また、コンベア１３にはエンコーダ１３１が設けられ、エンコーダ１３１はコンベア１３が所定距離移動する度に、ラインセンサカメラ１１、第一制御部１２及び第二制御部１４１にパルスを送信する。ラインセンサカメラ１１は、このパルスを受ける度に撮像を行う。すなわち、ラインセンサカメラ１１で撮像される画像データＩＤの１ピクセルは所定距離に相当する。また、第一制御部１２及び第二制御部１４１は、このパルスに基づいて、物体の位置を特定する。
（エアー噴射ノズル１４）

エアー噴射ノズル１４は、選別対象物ＳＯの認識率ＲＲが閾値設定部１２６で設定された閾値以上の選別対象物ＳＯに対して圧縮空気を放ち、選別対象物ＳＯを選別する部材である。選別装置１は、複数のエアー噴射ノズル１４が、コンベア１３の幅方向の全体に微小間隔で配される。前記構成により、認識率ＲＲとユーザが設定できる閾値とを紐付けて選別対象を判断するので、人工知能を用いながらも、選別精度をユーザがコントロールできるようになり、選別精度に対するユーザのニーズに応じた選別が可能となる。具体的に、閾値を低く設定すれば大まかな分類が可能であり、閾値を高く設定すれば所望の物体だけを高精度に抽出できる。なお、選別する対象は、選別対象物ＳＯの認識率ＲＲが閾値設定部１２６で設定された閾値以上の選別対象物ＳＯに限定されない。例えば、選別対象物ＳＯの認識率ＲＲが閾値設定部１２６で設定された閾値より大きい選別対象物ＳＯを選別する態様としてもよい。また、上限と下限の閾値を設定して、その間の認識率ＲＲの選別対象物ＳＯを選別する態様としてもよいし、閾値を設定せず、全ての選別対象物ＳＯを選別する態様としてもよい。さらにまた、選別対象物ＳＯ以外に対して圧縮空気を放ち、選別対象物ＳＯを選別する態様としてもよい。

また、エアー噴射ノズル１４は、第二制御部１４１から、圧縮空気を噴射するタイミングである噴射タイミングが指示される。具体的に第二制御部は、まず、図７に示すように、判断部１２５から送信された物体Ａの位置情報に基づき、圧縮空気を噴射する噴射領域ＩＲを設定する。次に、エアー噴射ノズル１４ごとに噴射領域ＩＲに基づいて噴射タイミングを設定する。噴射タイミングは、コンベア１３の進行方向に対して所定の時間間隔で設けられる。すなわち、図７に示す混合物ＭＯの画像データＩＤを例として考えると、画像データＩＤの上端部がエアー噴射ノズル１４の位置に到達した時間Ｔ０を基準に、ｄ〜ｈ列のエアー噴射ノズル１４に対して、エアー噴射ノズル１４が噴射領域ＩＲを通過するタイミングで圧縮空気を噴射するよう指示する。

エアー噴射ノズル１４で圧縮空気を噴射された物体Ａは、コンベア１３の下部に配置され、選別される材質の種類毎に設けられた回収ホッパー３のホッパー３１によって回収される。エア噴射ノズル１４で圧縮空気が噴射されない物体Ｂ、物体Ｃは、ホッパー３２によって回収される。
（コントローラ１５）

コントローラ１５は、タッチパネル式のコントローラであって、ユーザは、コントローラ１５を用いることで、選別装置１を容易に操作することができる。コントローラ１５は、モード切替ボタン１５ａ（特許請求の範囲における「モード切替指示部」の一例に対応する。）、撮像ボタン１５ｂ（特許請求の範囲における「データ取得指示部」の一例に対応する。）、学習データ作成ボタン１５ｃ（特許請求の範囲における「学習データ作成指示部」の一例に対応する。）、学習開始ボタン１５ｄ（特許請求の範囲における「学習開始指示部」の一例に対応する。）、選別対象選択ボタン１５ｅ（特許請求の範囲における「選別対象選択指示部」の一例に対応する。）、閾値設定ボタン１５ｈ（特許請求の範囲における「閾値設定部」の一例に対応する。）、運転開始ボタン１５ｆ（特許請求の範囲における「運転開始指示部」の一例に対応する。）及び運転終了ボタン１５ｇを備える。
（選別装置１の操作方法）

以下でコントローラ１５を用いて選別装置１を操作する方法について説明する。
（学習モードＬＭにおける操作方法）

学習モードＬＭにおける、選別装置１の操作方法について図８の機能ブロック図、図９のフローチャート及び図１０〜図１７のコントローラ１５に表示される画面の説明図に基づき説明する。

まず、ステップＳＴ１０１でモード切替ボタン１５ａを用いて、選別装置１を学習モードＬＭに切り替える。選別装置１を起動した際、コントローラ１５には図１０に示す画面が表示されるので、学習モードボタン１５１ａを押下することで選別装置１を学習モードＬＭに切り替えられ、コントローラ１５に図１１に示す画面が表示される。

次に、ステップＳＴ１０２でラインセンサカメラ１１に物体Ａ〜Ｃの画像データＩＤ及び背景画像ＢＩを作成させる。ユーザは、複数の物体Ａをコンベアに流し、図１１に示される画面における撮像ボタン１５ｂを押下するとラインセンサカメラ１１は撮像を開始し、物体Ａの画像データＩＤを作成する。物体Ａの画像データＩＤの取得が完了すると、コントローラ１５には、図１２に示す画面が表示されるので、ユーザは名称入力部１５１ｂに物体Ａの名称を入力し、記憶部１２１に保存する。物体Ａの保存が完了すると、コントローラ１５には再度図１１の画面が表示されるので、ユーザは、同様の手順で、物体Ｂ、Ｃ及び背景画像ＢＩの撮影を行う。

次いで、ステップＳＴ１０３で学習データ作成部に学習データＬＤを作成させる。ユーザが、図１１に示される画面における学習データ作成ボタン１５ｃを押下すると、コントローラ１５には図１３に示す画面が表示される。ユーザは、物体選択ボタン１５１ｃを押下することで図１４に示すように表示される記憶部１２１に保存された物体の名称の一覧から、学習データＬＤの作成に用いる物体（本説明の場合は「物体Ａ」、「物体Ｂ」、「物体Ｃ」）を選択する。選択を完了すると、コントローラ１５には再度、図１３に示す画面が表示されるので、データ数入力部１５２ｃに作成する学習データＬＤの数を入力する。入力が完了すると、コントローラ１５には図１５に示すように、ユーザに学習データＬＤの作成が完了するまでの予想時間を示す待機画面が表示される。学習データＬＤの作成が完了すると、コントローラ１５には図１１に示す画面が表示される。

最後に、ステップＳＴ１０４で学習部１２３に学習データＬＤを用いて学習させ、学習モデルＧＭを作成させる。ユーザが、図１１に示される画面における学習開始ボタン１５ｄを押下すると、コントローラ１５には図１６に示す画面が表示される。ユーザは、図１６に示すように表示される学習データ作成部１２２に保存された学習データＬＤの一覧（学習データＬＤの作成に用いられた物体の名称が表示される。）から、学習部１２３の学習に用いる学習データＬＤ（本説明の場合は「物体Ａ、物体Ｂ、物体Ｃ」）を選択する。選択を完了すると、コントローラ１５には図１７に示すように、ユーザに学習モデルＧＭの作成が完了するまでの予想時間を示す待機画面が表示される。学習モデルＧＭの作成が完了すると、コントローラ１５には図１１に示す画面が表示される。
（運転モードＯＭにおける操作方法）

運転モードＯＭにおける、選別装置１の操作方法について図８の機能ブロック図、図１８のフローチャート及び図１９〜図２１のコントローラ１５に表示される画面の説明図に基づき説明する。

まず、ステップＳＴ２０１でモード切替ボタン１５ａを用いて、選別装置１を運転モードＯＭに切り替える。選別装置１を起動した際、コントローラ１５には図１０に示す画面が表示されるので、運転モードボタン１５２ａを押下することで選別装置１は運転モードＯＭに切り替えられ、コントローラ１５に図１９に示す画面が表示される。

次に、ステップＳＴ２０２で選別対象物ＳＯに物体Ａを選択し、選別対象選択部１２４にレシピＲＥを作成させる。ユーザが、図１９に示される画面における選別対象選択ボタン１５ｅを押下すると、コントローラ１５には図２０に示す画面が表示される。ユーザは、図２０に示すように表示される学習部１２３に保存された学習モデルＧＭの一覧（学習モデルＧＭの作成に用いられた物体の名称が表示される。）から、判別に用いる学習モデルＧＭ（この実施例の場合は「物体Ａ、物体Ｂ、物体Ｃ」）を選択する。選択を完了すると、コントローラ１５には図２１に示す画面が表示される。ユーザは、図２１に示すように表示される選択した学習モデルＧＭの作成に用いられた物体の一覧から、選別対象物ＳＯ（本説明の場合は「物体Ａ」）を選択する。選択を完了すると、選別対象選択部１２４はレシピＲＥを作成し、コントローラ１５には図１９に示す画面が表示される。

次いで、ステップＳＴ２０３で選別対象物ＳＯの認識率ＲＲに対して閾値を設定させる。ユーザが、図１９に示される画面における閾値設定ボタン１５ｈを押下すると、コントローラ１５には図２２に示す画面が表示されるので、閾値入力部１５１ｈに所望の閾値を入力する。入力が完了すると、閾値設定部１２６は、閾値の情報を第二制御部１４１に送信し、コントローラ１５には図１９に示す画面が表示される。なお、閾値入力部１５１ｈに所望の閾値を入力しなかった場合は、閾値を設定しなかったものと判断して、全ての選別対象物ＳＯを選別する。

次いで、ステップＳＴ２０４で物体Ａを選別させる。ユーザは、混合物ＭＯをコンベアに流し、図１９に示される画面における運転開始ボタン１５ｆを押下すると、ラインセンサカメラ１１は撮像を開始し、判断部１２５は物体Ａの有無及び物体Ａのピクセル単位の位置を判断し、この判断に基づいて、エアー噴射ノズル１４は物体Ａを選別する。

最後に、ステップＳＴ２０５で、運転終了ボタン１５ｇを押下し、選別を終了させる。

なお、コントローラ１５の態様や、画面の表示は前述のものに限定されず、ユーザが選別装置１を容易に操作できるよう適宜変更してよい。例えば、押しボタンを用いたコントローラ１５であってもよく、この場合、モード切替ボタン１５ａは不要である。また、モード切替ボタン１５ａを設けず、一画面にすべてのボタンを表示する態様としてもよい。また、コントローラ１５に、ユーザに対して次の操作を指示する表示をしてもよい。

また、前述した実施の形態では、各々のボタンにそれぞれ別々の機能を持たせているが、各々の機能が連動したり、所定のボタンが種々の機能を兼用するようにしてもよい。例えば、学習データ作成ボタン１５ｃを押下することによって、学習データＬＤを作成するとともに、該学習データに基づいて学習モデルＧＭを作成するようにしてもよい。また、例えば、運転開始ボタン１５ｆが運転終了を指示する機能を兼ねており、一回目の運転開始ボタン１５ｆの押下で運転が開始し、二回目の押下で運転が終了するようにしてもよい。また、前述した実施の形態では、物体Ａを選別対象にして説明しているが、複数の物体を選別対象とし、それに応じてエアー噴射ノズルやホッパーを複数個設けるようにしても良い。

以上説明したように、本発明を適用した選別装置１は、人工知能を用いて混合物ＭＯの撮像データから選別対象物ＳＯの有無及び位置を判断することができるため、物体を選別する基準やアルゴリズムの設定が不要であることに加え、混合物の各物体が選別対象物である確率を示す認識率を人工知能に算出させ、該認識率とユーザが設定できる閾値とを紐付けて選別対象を判断するので、選別精度をユーザがコントロールできるようになる。

また、コントローラ１５に表示される各種ボタンを用いて、閾値を設定する工程を含め、容易に操作することができる。したがって、本発明によれば、簡単な操作により、煩雑な設定作業の大半を人工知能に行わせることができるので、ユーザが、専門的な技術や知識が無くとも、選別対象物ＳＯを選別するための設定を容易に行える。

本発明に係る選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体は、物体を２以上の種類に選別する用途に適用できる。

１…選別装置
１１…ラインセンサカメラ
１１ａ…Ｘ方向撮像範囲；１１ｂ、１１ｃ…除外範囲；１１ｄ…Ｘ方向有効範囲；１１ｅ…Ｘ方向範囲；１１ｆ…Ｙ方向範囲；１１ｇ…重複範囲
１２…第一制御部
１２１…記憶部
１２２…学習データ作成部；１２２ａ…画像抽出部；１２２ｂ…画像合成部；１２２ｃ…解答作成部
１２３…学習部
１２４…種類選択部
１２６…閾値設定部
１２５…判断部
１３…コンベア
１３１…エンコーダ
１４…エアー噴射ノズル
１４１…第二制御部
１５…コントローラ
１５ａ…モード切替ボタン；１５１ａ…学習モードボタン；１５２ａ…運転モードボタン
１５ｂ…撮像ボタン；１５１ｂ…名称入力部
１５ｃ…学習データ作成ボタン；１５１ｃ…物体選択ボタン；１５２ｃ…データ数入力部
１５ｄ…学習開始ボタン
１５ｅ…選別対象選択ボタン
１５ｈ…閾値設定ボタン；１５１ｈ…閾値入力部
１５ｆ…運転開始ボタン
１５ｇ…運転終了ボタン
２…供給装置
２１…投入ホッパー；２２…移送コンベア；２３…投入フィーダー
３…回収ホッパー
３１、３２…ホッパー
ＭＯ…混合物
ＳＯ…選別対象物
ＩＤ…画像データ
ＬＤ…学習データ
ＳＤ…抽出画像データ
ＢＩ…背景画像
ＧＭ…学習モデル
ＲＥ…レシピ
ＲＲ…認識率
ＩＲ…噴射領域
ＬＭ…学習モード
ＯＭ…運転モード

Claims (16)

1. 複数種類の物体で構成される混合物の中から選別対象物を選別する選別装置であって、
   種類ごとに分別された前記物体である種別物体又は前記混合物に基づくデータを取得するデータ取得部と、
   前記データ取得部で取得された前記種別物体のデータから学習データを作成する学習データ作成部と、
   前記学習データ作成部によって作成された学習データを用いて混合物を種類ごとに分別し、種別物体にする方法を学習し、該学習によって得られた知識及び経験をデータ化した学習モデルを作成する学習部と、
   前記種別物体の中から前記選別対象物の種類を選択する選別対象選択部と、
   前記学習部にて作成された学習モデルに基づいて、前記データ取得部で取得した混合物のデータから、前記混合物中の各物体が前記選別対象選択部にて選択された選別対象物である確率を示す第一の認識率を算出し、該第一の認識率に基づいて、前記選別対象物の有無及び位置を判断する判断部と、
   前記判断部の判断結果及び前記第一の認識率に対して設けられる閾値に基づいて前記混合物の中から前記選別対象物を選別する選別部と、
   を備える選別装置。
2. 請求項１に記載の選別装置であって、
   前記選別部が、前記第一の認識率が前記閾値以上の選別対象物を選別することを特徴とする選別装置。
3. 請求項１又は請求項２に記載の選別装置であって、
   前記判断部は、前記学習部にて作成された学習モデルに基づいて、前記データ取得部で取得した混合物のデータから、前記混合物中の各物体が前記種別物体毎に該種別物体である確率を示す第二の認識率を算出し、該第二の認識率に基づいて、前記混合物中の各物体の種類を特定し、該種類が前記選別対象物の種類と一致する場合の第二の認識率を前記第一の認識率とみなして、前記選別対象物の有無及び位置を判断することを特徴とする選別装置。
4. 請求項１〜３のいずれか一に記載の選別装置であって、さらに、
   前記第一の認識率に対して所望の閾値を設定する閾値設定部と、
   前記データ取得部、前記学習データ作成部、前記学習部、前記選別対象選択部、前記閾値設定部、前記判断部及び前記選別部に対して、ユーザからの操作を受けて指示を与える操作部と、
   を備え、
   前記操作部が、
   前記データ取得部にデータの取得を指示するデータ取得指示部と、
   前記学習データ作成部に前記学習データの作成開始を指示する学習データ作成指示部と、
   前記学習部に前記学習モデルの作成を指示する学習開始指示部と、
   前記選別対象選択部に前記選別対象物の種類の選択を指示する選別対象選択指示部と、
   前記閾値設定部に前記閾値の設定を指示する閾値設定指示部と、
   前記判断部に前記選別対象物の有無及び位置を判断させ、前記選別部に、該判断結果に基づいて前記混合物の中から前記選別対象物を選別させる運転開始指示部と、
   を有することを特徴とする選別装置。
5. 請求項４に記載の選別装置であって、
   前記操作部が、少なくとも、前記データ取得指示部、学習データ作成指示部及び学習開始指示部を表示する学習モードと、少なくとも、前記運転開始指示部を表示する運転モードとを含むモード切替操作を指示するモード切替指示部を備えることを特徴とする選別装置。
6. 請求項４に記載の選別装置であって、
   前記操作部が、前記データ取得指示部、学習データ作成指示部、学習開始指示部、選別対象選択指示部、閾値設定指示部及び運転開始指示部を一画面に表示することを特徴とする選別装置。
7. 請求項４〜６のいずれか一に記載の選別装置であって、
   前記操作部が、タッチパネルであることを特徴とする選別装置。
8. 請求項１〜７のいずれか一に記載の選別装置であって、
   前記データ取得部が可視カメラを備え、
   前記データ取得部によって取得されるデータが画像データであることを特徴とする選別装置。
9. 請求項１〜８のいずれか一に記載の選別装置であって、
   前記選別部が、前記判断結果に基づいて前記選別対象物に圧縮した空気を当て、前記混合物の中から前記選別対象物を選別することを特徴とする選別装置。
10. 複数種類の物体で構成される混合物の中から選別対象物を選別する選別方法であって、
    データ取得指示部からの操作を受けて、種類ごとに分別された前記物体である種別物体又は前記混合物に基づくデータを取得するデータ取得工程と、
    学習データ作成指示部からの操作を受けて、前記データ取得工程にて取得した前記種別物体のデータから学習データを作成する学習データ作成工程と、
    学習開始指示部からの操作を受けて、前記学習データ作成工程にて作成した学習データを用いて混合物を種類ごとに分別し、種別物体にする方法を学習し、該学習によって得られた知識及び経験をデータ化した学習モデルを作成する学習工程と、
    選別対象選択指示部からの操作を受けて、前記種別物体の中から前記選別対象物の種類を選択する選別対象選択工程と、
    運転開始指示部からの操作を受けて、前記学習工程にて作成した学習モデルに基づいて、前記データ取得工程で取得した混合物のデータから、前記混合物中の各物体が前記選別対象選択工程において選択された選別対象物である確率を示す第一の認識率を算出し、該第一の認識率に基づいて、前記選別対象物の有無及び位置を判断し、該判断結果及び前記第一の認識率に対して設けられる閾値に基づいて前記混合物の中から前記選別対象物を選別する運転工程と、
    を含む選別方法。
11. 請求項１０に記載の選別方法であって、
    前記運転工程において、前記第一の認識率が前記閾値以上の選別対象物を選別することを特徴とする選別方法。
12. 請求項１０又は請求項１１に記載の選別方法であって、
    前記運転工程において、前記学習工程にて作成された学習モデルに基づいて、前記データ取得工程で取得した混合物のデータから、前記混合物中の各物体が前記種別物体毎に該種別物体である確率を示す第二の認識率を算出し、該第二の認識率に基づいて、前記混合物中の各物体の種類を特定し、該種類が前記選別対象物の種類と一致する場合の第二の認識率を前記第一の認識率とみなして、前記選別対象物の有無及び位置を判断することを特徴とする選別方法。
13. 複数種類の物体で構成される混合物の中から選別対象物を選別するための選別プログラムであって、
    データ取得指示部からの操作を受けて、種類ごとに分別された前記物体である種別物体又は前記混合物に基づくデータを取得する機能と、
    学習データ作成指示部からの操作を受けて、前記取得した前記種別物体の撮像データから学習データを作成する機能と、
    学習開始指示部からの操作を受けて、前記作成した学習データを用いて混合物を種類ごとに分別し、種別物体にする方法を学習し、該学習によって得られた知識及び経験をデータ化した学習モデルを作成する機能と、
    選別対象選択指示部からの操作を受けて、前記種別物体の中から前記選別対象物の種類を選択する機能と、
    運転開始指示部からの操作を受けて、前記作成した学習モデルに基づいて、前記取得した混合物のデータから、前記混合物中の各物体が前記選別対象物の種類を選択する機能によって選択された選別対象物である確率を示す第一の認識率を算出し、該第一の認識率に基づいて、前記選別対象物の有無及び位置を判断し、該判断結果及び第一の認識率に対して設けられる閾値に基づいて前記混合物の中から前記選別対象物を選別する機能と、
    をコンピュータに実現させる選別プログラム。
14. 請求項１３に記載の選別プログラムであって、
    前記第一の認識率が前記閾値以上の選別対象物を選別することを特徴とする選別プログラム。
15. 請求項１３又は請求項１４に記載の選別プログラムであって、
    前記作成した学習モデルに基づいて、前記取得した混合物のデータから、前記混合物中の各物体が前記種別物体毎に該種別物体である確率を示す第二の認識率を算出し、該第二の認識率に基づいて、前記混合物中の各物体の種類を特定し、該種類が前記選別対象物の種類と一致する場合の第二の認識率を前記第一の認識率とみなして、前記選別対象物の有無及び位置を判断することを特徴とする選別プログラム。
16. 請求項１３〜１５のいずれか一に記載のプログラムを記録したコンピュータで読み取り可能な記録媒体又は記憶した機器。

Images