JP7115812B1 - プログラム、方法、情報処理装置、システム - Google Patents
プログラム、方法、情報処理装置、システム Download PDFInfo
- Publication number
- JP7115812B1 JP7115812B1 JP2021106892A JP2021106892A JP7115812B1 JP 7115812 B1 JP7115812 B1 JP 7115812B1 JP 2021106892 A JP2021106892 A JP 2021106892A JP 2021106892 A JP2021106892 A JP 2021106892A JP 7115812 B1 JP7115812 B1 JP 7115812B1
- Authority
- JP
- Japan
- Prior art keywords
- series
- image
- concern
- continuous time
- employee
- 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 description 131
- 230000010365 information processing Effects 0.000 title claims description 9
- 238000010191 image analysis Methods 0.000 claims abstract description 64
- 238000012544 monitoring process Methods 0.000 claims abstract description 45
- 230000008569 process Effects 0.000 claims description 119
- 238000003384 imaging method Methods 0.000 claims description 58
- 230000033001 locomotion Effects 0.000 claims description 52
- 238000003860 storage Methods 0.000 claims description 25
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 46
- 238000010586 diagram Methods 0.000 description 29
- 238000004891 communication Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 16
- 230000009471 action Effects 0.000 description 15
- 230000005856 abnormality Effects 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 8
- 238000009434 installation Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 7
- 230000005236 sound signal Effects 0.000 description 7
- 238000012790 confirmation Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000004886 process control Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本実施形態に係るシステムは、工場内に設置される複数の撮影装置により撮影される時系列的に連続する画像に基づき、工場内の状況を多角的に管理する。
図1は、システム1の全体構成の例を示すブロック図である。図1に示すシステム1は、例えば、端末装置10、サーバ20、エッジサーバ30、撮影装置31、センサ32、及びスピーカー33を含む。端末装置10、サーバ20、エッジサーバ30、及びスピーカー33は、例えば、ネットワーク80を介して通信接続する。
・工作機器の動作に異常又は懸念がないかを確認すること
本実施形態において、安全管理は、例えば、作業者の安全を管理することである。作業者の安全を管理することには、例えば、以下が含まれる。
・工場内における火事等の災害を防止すること
・工場内で発生した火事等の災害を早期に解決すること
・工場内における事故を防止すること
・工程が遅延しないか確認すること
・製造されるプロダクトの質が乱れていないか確認すること
図2は、図1に示す端末装置10の構成例を表すブロック図である。図2に示す端末装置10は、携帯端末、PC、又はウェアラブル端末により実現される。図2に示すように、端末装置10は、通信部120と、入力装置13と、出力装置14と、音声処理部17と、マイク171と、スピーカー172と、カメラ161と、位置情報センサ150と、記憶部180と、制御部190とを備える。端末装置10に含まれる各ブロックは、例えば、バス等により電気的に接続される。
・従業員の業務内容の入力
・端末装置10により提示される情報に対する応答の入力
図3は、サーバ20の機能的な構成の例を示す図である。図3に示すように、サーバ20は、通信部201と、記憶部202と、制御部203としての機能を発揮する。
・複数フレームにわたる動作が、正常時の動作よりも遅いこと
・複数フレームにわたる動作において、正常時の動作と違いがあること
・複数フレームにわたる動作において、火事等の災害の発生
・複数フレームにわたる動作において、火事等の災害の発生の兆候
・複数フレームにわたる動作において、工作機器と従業員とが近接すること
・複数フレームにわたる動作において、所定の業務を遂行する従業員が他の従業員と接触する懸念があること
・複数フレームにわたる処理が、正常時の処理よりも遅いこと
・所定の従業員が作業に携わっていること
・従業員が所定の動作をとること
・従業員が間違った作業を行っていること
・正常時の値よりも所定値以上値が高いこと、又は正常時の値よりも所定値以上値が低いこと
・正常時の値よりも所定値以上値が高いこと、又は正常時の値よりも所定値以上値が低いこと
・正常時の値よりも所定値以上値が高いこと、又は正常時の値よりも所定値以上値が低いこと
図4~図7は、サーバ20が記憶するデータベースのデータ構造を示す図である。なお、図4~図7は一例であり、記載されていないデータを除外するものではない。
・エラーが発生したときの業務内容
・エラーの発生に係る設備
・エラーが発生した工場名
・エラーが発生したときの監督者名
・所定期間におけるエラーの発生回数
・エラーの発生に係る従業員
・所定期間におけるエラーの発生回数
・関連する設備機器についての情報
・画像解析による評価
・業務の成果物に基づく評価
・監督者による評価
・設備機器毎
・機器の型毎
・設置される場所毎
・導入された時期毎
・動作する工程毎
工場内の状況を管理するサーバ20の動作について説明する。
上記実施形態では、システムが工場に設置される場合を例に説明した。しかしながら、システムが設置される場所は、工場に限定されない。監視対象エリア内に複数の人と設備機器とが存在し、稼働管理、安全管理、工程管理が必要となる場所であればどのような場所に設置されてもよい。例えば、本実施形態に係るシステムは、病院、空港、駅、学校、スポーツジム、漁港、農場、牧場等に設けられてもよい。
上記実施形態では、結合画像における、稼働状況に懸念がある位置、安全に懸念がある位置、及び工程管理に懸念がある位置に、それぞれ同様のアイコンが付される場合を説明した。稼働状況に懸念がある位置、安全に懸念がある位置、及び工程管理に懸念がある位置に付されるアイコンは種類毎に識別可能であってもよい。例えば、種類毎に色が違っていてもよいし、形が違っていてもよい。こうすることで、監督者は、懸念事項の種類を直感的に把握することが可能となる。
以上の各実施形態で説明した事項を以下に付記する。
(付記1)
プロセッサ29と、メモリ25とを備えるコンピュータに実行させるためのプログラムであって、プログラムは、プロセッサに、監視対象エリアに設置される複数の撮影装置31により撮影された、連続する時系列の第1画像を取得するステップ(2031)と、撮影装置により撮影された、連続する時系列の第1画像に基づく画像解析を実施し、監視対象エリア内に設置される機器に起因する事象の発生を推定するステップ(ステップS12)と、推定の結果に基づく情報を第1者へ提示するステップ(ステップS14)とを実行させるプログラム。
(付記2)
撮影装置により撮影された第1画像から監視対象エリア全体を表す第2画像を作成するステップ(ステップS11)をプロセッサに実行させ、推定するステップにおいて、第2画像を解析する(付記1)に記載のプログラム。
(付記3)
撮影装置は、超広角レンズを有し、第2画像を作成するステップにおいて、超広角レンズを有する撮影装置により撮影された第1画像に対してオルソ補正を実施して第2画像を作成する(付記2)に記載のプログラム。
(付記4)
推定するステップにおいて、正常に動作している工作機器を撮影した動画を入力とし、工作機器が正常に動作していることを正解出力として学習された学習済みモデルに、連続する時系列の第1画像に基づく画像を入力することで、監視対象エリア内に設置される機器の稼働状況に懸念が発生しているか否かを推定する(付記1)乃至(付記3)のいずれかに記載のプログラム。
(付記5)
提示するステップにおいて、推定の結果に基づく情報は、懸念が発生している機器の監視対象エリア内の位置に関する情報である(付記4)に記載のプログラム。
(付記6)
提示するステップにおいて、推定の結果に基づく情報は、懸念が発生している機器についての詳細情報である(付記4)又は(付記5)に記載のプログラム。
(付記7)
提示するステップにおいて、推定の結果に基づく情報は、発生している懸念と関連する情報である(付記4)乃至(付記6)のいずれかに記載のプログラム。
(付記8)
推定するステップにおいて、安全に懸念がある状況を撮影した動画を入力とし、当該状況において安全に懸念があることを正解出力として学習された学習済みモデルに、連続する時系列の第1画像に基づく画像を入力することで、監視対象エリア内の安全に懸念が発生しているか否かを推定する(付記1)乃至(付記7)のいずれかに記載のプログラム。
(付記9)
推定するステップにおいて、連続する時系列の第1画像は、工作機器に接近する第2者を含む(付記8)に記載のプログラム。
(付記10)
推定するステップにおいて、連続する時系列の第1画像は、所定の業務を遂行する第2者と、その他の第2者とが所定の位置関係にあることを含む(付記8)に記載のプログラム。
(付記11)
推定するステップにおいて、第2者を識別し、識別した第2者へ、注意を促すステップをプロセッサに実行させる(付記9)又は(付記10)に記載のプログラム。
(付記12)
提示するステップにおいて、推定の結果に基づく情報は、安全に懸念が発生している領域の監視対象エリア内の位置に関する情報である(付記8)乃至(付記11)のいずれかに記載のプログラム。
(付記13)
推定するステップにおいて、作業工程に懸念が発生しているか否かを出力するように学習された学習済みモデルに、連続する時系列の第1画像に基づく画像を入力することで、監視対象エリア内の作業工程に懸念が発生しているか否かを推定する(付記1)乃至(付記12)のいずれかに記載のプログラム。
(付記14)
学習済みモデルは、正常に機能している作業工程を撮影した動画を入力とし、作業工程が正常に機能していることを正解出力として学習された学習済みモデルである(付記13)に記載のプログラム。
(付記15)
学習済みモデルは、第2者と、第2者の勤務についての情報とを入力とし、異常が発生する蓋然性を正解出力として学習された学習済みモデルである(付記13)又は(付記14)に記載のプログラム。
(付記16)
学習済みモデルは、第2者についての動作を入力とし、作業工程における懸念の蓋然性を正解出力として学習された学習済みモデルである(付記13)乃至(付記15)のいずれかに記載のプログラム。
(付記17)
推定するステップにおいて、第2者を識別し、識別した第2者へ、メッセージを提示するステップをプロセッサに実行させる(付記15)又は(付記16)に記載のプログラム。
(付記18)
提示するステップにおいて、推定の結果に基づく情報は、作業工程に懸念が発生している領域の監視対象エリア内の位置に関する情報である(付記13)乃至(付記17)のいずれかに記載のプログラム。
(付記19)
提示するステップにおいて、推定の結果に基づく情報は、懸念の要因と推定される機器又は第2者についての詳細情報である(付記13)乃至(付記18)のいずれかに記載のプログラム。
(付記20)
提示するステップにおいて、推定の結果に基づく情報は、発生している懸念と関連する情報である(付記13)乃至(付記19)のいずれかに記載のプログラム。
(付記21)
監視対象エリアに設置される複数のセンサにより検出されたセンシングデータを取得するステップと、取得したセンシングデータに基づくデータ解析を実施し、監視対象エリア内に設置される機器に起因する事象の発生を推定するステップ(ステップS15)とをプロセッサに実行させる(付記1)乃至(付記20)のいずれかに記載のプログラム。
(付記22)
プロセッサと、メモリとを備えるコンピュータに実行される方法であって、プロセッサが、監視対象エリアに設置される複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、撮影装置により撮影された、連続する時系列の第1画像に基づく画像解析を実施し、監視対象エリア内に設置される機器に起因する事象の発生を推定するステップと、推定の結果に基づく情報を第1者へ提示するステップとを実行する方法。
(付記23)
制御部203と、記憶部202とを備える情報処理装置20であって、制御部が、監視対象エリアに設置される複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、撮影装置により撮影された、連続する時系列の第1画像に基づく画像解析を実施し、監視対象エリア内に設置される機器に起因する事象の発生を推定するステップと、推定の結果に基づく情報を第1者へ提示するステップとを実行する情報処理装置。
(付記24)
監視対象エリアに設置される複数の撮影装置により撮影された、連続する時系列の第1画像を取得する手段と、撮影装置により撮影された、連続する時系列の第1画像に基づく画像解析を実施し、監視対象エリア内に設置される機器に起因する事象の発生を推定する手段と、推定の結果に基づく情報を第1者へ提示する手段とを具備するシステム。
10…端末装置
12…通信IF
120…通信部
13…入力装置
131…タッチ・センシティブ・デバイス
14…出力装置
141…ディスプレイ
15…メモリ
150…位置情報センサ
16…ストレージ
161…カメラ
17…音声処理部
171…マイク
172…スピーカー
180…記憶部
181…従業員情報
19…プロセッサ
190…制御部
191…操作受付部
192…送受信部
193…提示制御部
20…サーバ
201…通信部
202…記憶部
2021…従業員情報DB
2022…設備情報DB
2023…勤務ログ情報DB
2024…動作ログ情報DB
2025…学習済みモデル
203…制御部
2031…受信制御モジュール
2032…送信制御モジュール
2033…画像処理モジュール
2034…画像解析モジュール
2035…情報解析モジュール
2036…第1管理モジュール
2037…第2管理モジュール
2039…提示モジュール
22…通信IF
23…入出力IF
25…メモリ
26…ストレージ
29…プロセッサ
30…エッジサーバ
31…撮影装置
32…センサ
33…スピーカー
41…ベルトコンベア
42…ロボットアーム
43…フォークリフト
44…パトロールロボット
80…ネットワーク
Claims (35)
- プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムであって、前記プログラムは、前記プロセッサに、
監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像解析を実施し、前記監視対象エリア内に設置される機器に起因する事象の発生を推定するステップと、
前記推定の結果に基づく情報を第1者へ提示するステップと
を実行させ、
前記推定するステップにおいて、正常の頻度で使用されている工作機器を撮影した動画を入力とし、前記工作機器が正常の頻度で使用されていることを正解出力として学習された学習済みモデルに、前記連続する時系列の第1画像に基づく画像を入力することで、前記監視対象エリア内に設置される機器のうち使用頻度が低い機器が存在しているか否かを推定するプログラム。 - プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムであって、前記プログラムは、前記プロセッサに、
監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像を学習済みモデルに入力することで、前記監視対象エリア内の安全に懸念が発生しているか否かを推定し、前記学習済みモデルは、安全に懸念がある状況を撮影した動画を入力とし、当該状況において安全に懸念があることを正解出力として学習されるステップと、
前記推定の結果に基づく情報を第1者へ提示するステップと
を実行させるプログラム。 - プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムであって、前記プログラムは、前記プロセッサに、
監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像を学習済みモデルに入力することで、前記監視対象エリア内の作業工程に懸念が発生しているか否かを推定し、前記学習済みモデルは、正常に機能している前記監視対象エリア内の物流を撮影した動画を入力とし、作業工程が正常に機能していることを正解出力として学習されるステップと、
前記推定の結果に基づく情報を第1者へ提示するステップと
を実行させるプログラム。 - プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムであって、前記プログラムは、前記プロセッサに、
監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像であって業務に携わっている従業員を含む画像を学習済みモデルに入力することで、前記監視対象エリア内の作業工程に懸念が発生しているか否かを推定し、前記学習済みモデルは、従業員の識別情報と、当該従業員の業務内容についての情報とを入力とし、当該従業員により作業工程に懸念が発生する蓋然性の判断を正解出力として学習されるステップと、
前記推定の結果に基づく情報を第1者へ提示するステップと
を実行させるプログラム。 - プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムであって、前記プログラムは、前記プロセッサに、
監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像であって業務に携わっている従業員を含む画像を学習済みモデルに入力することで、前記監視対象エリア内の作業工程に懸念が発生しているか否かを推定し、前記学習済みモデルは、動作を含む画像を入力とし、当該動作に応じて作業工程に懸念が発生する蓋然性の判断を正解出力として学習されるステップと、
前記推定の結果に基づく情報を第1者へ提示するステップと
を実行させるプログラム。 - 前記撮影装置により撮影された第1画像から監視対象エリア全体を表す第2画像を作成するステップを前記プロセッサに実行させ、
前記推定するステップにおいて、前記第2画像を学習済みモデルに入力する請求項1乃至5のいずれかに記載のプログラム。 - 前記撮影装置は、超広角レンズを有し、
前記第2画像を作成するステップにおいて、前記超広角レンズを有する撮影装置により撮影された第1画像に対してオルソ補正を実施して前記第2画像を作成する請求項6記載のプログラム。 - 前記提示するステップにおいて、前記推定の結果に基づく情報は、懸念が発生している機器の前記監視対象エリア内の位置に関する情報である請求項1記載のプログラム。
- 前記提示するステップにおいて、前記推定の結果に基づく情報は、懸念が発生している機器についての詳細情報である請求項1又は8に記載のプログラム。
- 前記提示するステップにおいて、前記推定の結果に基づく情報は、発生している懸念と関連する情報である請求項1、8、及び9のいずれかに記載のプログラム。
- 前記推定するステップにおいて、前記連続する時系列の第1画像は、工作機器に接近する第2者を含む請求項2記載のプログラム。
- 前記推定するステップにおいて、前記連続する時系列の第1画像は、所定の業務を遂行する第2者と、その他の第2者とが所定の位置関係にあることを含む請求項2記載のプログラム。
- 前記推定するステップにおいて、前記第2者を識別し、
前記識別した第2者へ、注意を促すステップを前記プロセッサに実行させる請求項11又は12に記載のプログラム。 - 前記提示するステップにおいて、前記推定の結果に基づく情報は、安全に懸念が発生している領域の前記監視対象エリア内の位置に関する情報である請求項2、11乃至13のいずれかに記載のプログラム。
- 前記推定するステップにおいて、前記画像に含まれる従業員を識別し、
前記識別した従業員へ、メッセージを提示するステップを前記プロセッサに実行させる請求項4又は5に記載のプログラム。 - 前記提示するステップにおいて、前記推定の結果に基づく情報は、作業工程に懸念が発生している領域の前記監視対象エリア内の位置に関する情報である請求項3乃至5、及び15のいずれかに記載のプログラム。
- 前記提示するステップにおいて、前記推定の結果に基づく情報は、懸念の要因と推定される機器についての詳細情報である請求項3記載のプログラム。
- 前記推定するステップにおいて、前記画像に含まれる従業員を識別し、
前記提示するステップにおいて、前記推定の結果に基づく情報は、懸念の要因と推定される従業員についての詳細情報である請求項4又は5に記載のプログラム。 - 前記提示するステップにおいて、前記推定の結果に基づく情報は、発生している懸念と関連する情報である請求項3乃至5、15乃至18のいずれかに記載のプログラム。
- 前記監視対象エリアに設置される複数のセンサにより検出されたセンシングデータを取得するステップと、
前記取得したセンシングデータに基づくデータ解析を実施し、前記監視対象エリア内に設置される機器に起因する事象の発生を推定するステップと
を前記プロセッサに実行させる請求項1記載のプログラム。 - プロセッサと、メモリとを備えるコンピュータに実行される方法であって、前記プロセッサが、
監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像解析を実施し、前記監視対象エリア内に設置される機器に起因する事象の発生を推定するステップと、
前記推定の結果に基づく情報を第1者へ提示するステップと
を実行し、
前記推定するステップにおいて、正常の頻度で使用されている工作機器を撮影した動画を入力とし、前記工作機器が正常の頻度で使用されていることを正解出力として学習された学習済みモデルに、前記連続する時系列の第1画像に基づく画像を入力することで、前記監視対象エリア内に設置される機器のうち使用頻度が低い機器が存在しているか否かを推定する方法。 - プロセッサと、メモリとを備えるコンピュータに実行される方法であって、前記プロセッサが、
監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像を学習済みモデルに入力することで、前記監視対象エリア内の安全に懸念が発生しているか否かを推定し、前記学習済みモデルは、安全に懸念がある状況を撮影した動画を入力とし、当該状況において安全に懸念があることを正解出力として学習されるステップと、
前記推定の結果に基づく情報を第1者へ提示するステップと
を実行する方法。 - プロセッサと、メモリとを備えるコンピュータに実行される方法であって、前記プロセッサが、
監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像を学習済みモデルに入力することで、前記監視対象エリア内の作業工程に懸念が発生しているか否かを推定し、前記学習済みモデルは、正常に機能している前記監視対象エリア内の物流を撮影した動画を入力とし、作業工程が正常に機能していることを正解出力として学習されるステップと、
前記推定の結果に基づく情報を第1者へ提示するステップと
を実行する方法。 - プロセッサと、メモリとを備えるコンピュータに実行される方法であって、前記プロセッサが、
監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像であって業務に携わっている従業員を含む画像を学習済みモデルに入力することで、前記監視対象エリア内の作業工程に懸念が発生しているか否かを推定し、前記学習済みモデルは、従業員の識別情報と、当該従業員の業務内容についての情報とを入力とし、当該従業員により作業工程に懸念が発生する蓋然性の判断を正解出力として学習されるステップと、
前記推定の結果に基づく情報を第1者へ提示するステップと
を実行する方法。 - プロセッサと、メモリとを備えるコンピュータに実行される方法であって、前記プロセッサが、
監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像であって業務に携わっている従業員を含む画像を学習済みモデルに入力することで、前記監視対象エリア内の作業工程に懸念が発生しているか否かを推定し、前記学習済みモデルは、動作を含む画像を入力とし、当該動作に応じて作業工程に懸念が発生する蓋然性の判断を正解出力として学習されるステップと、
前記推定の結果に基づく情報を第1者へ提示するステップと
を実行する方法。 - 制御部と、記憶部とを備える情報処理装置であって、前記制御部が、
監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像解析を実施し、前記監視対象エリア内に設置される機器に起因する事象の発生を推定するステップと、
前記推定の結果に基づく情報を第1者へ提示するステップと
を実行し、
前記推定するステップにおいて、正常の頻度で使用されている工作機器を撮影した動画を入力とし、前記工作機器が正常の頻度で使用されていることを正解出力として学習された学習済みモデルに、前記連続する時系列の第1画像に基づく画像を入力することで、前記監視対象エリア内に設置される機器のうち使用頻度が低い機器が存在しているか否かを推定する情報処理装置。 - 制御部と、記憶部とを備える情報処理装置であって、前記制御部が、
監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像を学習済みモデルに入力することで、前記監視対象エリア内の安全に懸念が発生しているか否かを推定し、前記学習済みモデルは、安全に懸念がある状況を撮影した動画を入力とし、当該状況において安全に懸念があることを正解出力として学習されるステップと、
前記推定の結果に基づく情報を第1者へ提示するステップと
を実行する情報処理装置。 - 制御部と、記憶部とを備える情報処理装置であって、前記制御部が、
監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像を学習済みモデルに入力することで、前記監視対象エリア内の作業工程に懸念が発生しているか否かを推定し、前記学習済みモデルは、正常に機能している前記監視対象エリア内の物流を撮影した動画を入力とし、作業工程が正常に機能していることを正解出力として学習されるステップと、
前記推定の結果に基づく情報を第1者へ提示するステップと
を実行する情報処理装置。 - 制御部と、記憶部とを備える情報処理装置であって、前記制御部が、
監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像であって業務に携わっている従業員を含む画像を学習済みモデルに入力することで、前記監視対象エリア内の作業工程に懸念が発生しているか否かを推定し、前記学習済みモデルは、従業員の識別情報と、当該従業員の業務内容についての情報とを入力とし、当該従業員により作業工程に懸念が発生する蓋然性の判断を正解出力として学習されるステップと、
前記推定の結果に基づく情報を第1者へ提示するステップと
を実行する情報処理装置。 - 制御部と、記憶部とを備える情報処理装置であって、前記制御部が、
監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得するステップと、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像であって業務に携わっている従業員を含む画像を学習済みモデルに入力することで、前記監視対象エリア内の作業工程に懸念が発生しているか否かを推定し、前記学習済みモデルは、動作を含む画像を入力とし、当該動作に応じて作業工程に懸念が発生する蓋然性の判断を正解出力として学習されるステップと、
前記推定の結果に基づく情報を第1者へ提示するステップと
を実行する情報処理装置。 - 監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得する手段と、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像解析を実施し、前記監視対象エリア内に設置される機器に起因する事象の発生を推定する手段と、
前記推定の結果に基づく情報を第1者へ提示する手段と
を具備し、
前記推定する手段は、正常の頻度で使用されている工作機器を撮影した動画を入力とし、前記工作機器が正常の頻度で使用されていることを正解出力として学習された学習済みモデルに、前記連続する時系列の第1画像に基づく画像を入力することで、前記監視対象エリア内に設置される機器のうち使用頻度が低い機器が存在しているか否かを推定するシステム。 - 監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得する手段と、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像を学習済みモデルに入力することで、前記監視対象エリア内の安全に懸念が発生しているか否かを推定し、前記学習済みモデルは、安全に懸念がある状況を撮影した動画を入力とし、当該状況において安全に懸念があることを正解出力として学習される手段と、
前記推定の結果に基づく情報を第1者へ提示する手段と
を具備するシステム。 - 監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得する手段と、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像を学習済みモデルに入力することで、前記監視対象エリア内の作業工程に懸念が発生しているか否かを推定し、前記学習済みモデルは、正常に機能している前記監視対象エリア内の物流を撮影した動画を入力とし、作業工程が正常に機能していることを正解出力として学習される手段と、
前記推定の結果に基づく情報を第1者へ提示する手段と
を具備するシステム。 - 監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得する手段と、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像であって業務に携わっている従業員を含む画像を学習済みモデルに入力することで、前記監視対象エリア内の作業工程に懸念が発生しているか否かを推定し、前記学習済みモデルは、従業員の識別情報と、当該従業員の業務内容についての情報とを入力とし、当該従業員により作業工程に懸念が発生する蓋然性の判断を正解出力として学習される手段と、
前記推定の結果に基づく情報を第1者へ提示する手段と
を具備するシステム。 - 監視対象エリアにおける所定の区画をそれぞれ撮影可能に設置され、動画として一連の動きを認識可能な程度のフレームレートで前記区画内を撮影する複数の撮影装置により撮影された、連続する時系列の第1画像を取得する手段と、
前記撮影装置により撮影された、連続する時系列の第1画像に基づく画像であって業務に携わっている従業員を含む画像を学習済みモデルに入力することで、前記監視対象エリア内の作業工程に懸念が発生しているか否かを推定し、前記学習済みモデルは、動作を含む画像を入力とし、当該動作に応じて作業工程に懸念が発生する蓋然性の判断を正解出力として学習される手段と、
前記推定の結果に基づく情報を第1者へ提示する手段と
を具備するシステム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021106892A JP7115812B1 (ja) | 2021-06-28 | 2021-06-28 | プログラム、方法、情報処理装置、システム |
PCT/JP2022/024038 WO2023276676A1 (ja) | 2021-06-28 | 2022-06-15 | プログラム、方法、情報処理装置、システム |
JP2022118773A JP2023009034A (ja) | 2021-06-28 | 2022-07-26 | プログラム、方法、情報処理装置、システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021106892A JP7115812B1 (ja) | 2021-06-28 | 2021-06-28 | プログラム、方法、情報処理装置、システム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022118773A Division JP2023009034A (ja) | 2021-06-28 | 2022-07-26 | プログラム、方法、情報処理装置、システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7115812B1 true JP7115812B1 (ja) | 2022-08-09 |
JP2023005151A JP2023005151A (ja) | 2023-01-18 |
Family
ID=82780708
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021106892A Active JP7115812B1 (ja) | 2021-06-28 | 2021-06-28 | プログラム、方法、情報処理装置、システム |
JP2022118773A Pending JP2023009034A (ja) | 2021-06-28 | 2022-07-26 | プログラム、方法、情報処理装置、システム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022118773A Pending JP2023009034A (ja) | 2021-06-28 | 2022-07-26 | プログラム、方法、情報処理装置、システム |
Country Status (2)
Country | Link |
---|---|
JP (2) | JP7115812B1 (ja) |
WO (1) | WO2023276676A1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018116325A (ja) | 2017-01-16 | 2018-07-26 | 沖電気工業株式会社 | 異常検知システム、異常検知装置、異常検知方法およびプログラム |
JP2018128729A (ja) | 2017-02-06 | 2018-08-16 | コニカミノルタ株式会社 | 工程監視装置、工程監視装置の制御方法およびプログラム |
JP2018207349A (ja) | 2017-06-06 | 2018-12-27 | キヤノン株式会社 | 生産システムの制御方法、生産セル、および生産システム |
JP2019192107A (ja) | 2018-04-27 | 2019-10-31 | 株式会社シーイーシー | 管理装置、及び、管理装置のプログラム |
JP2021027579A (ja) | 2019-07-31 | 2021-02-22 | 株式会社リコー | 画像判定装置および画像判定システム |
-
2021
- 2021-06-28 JP JP2021106892A patent/JP7115812B1/ja active Active
-
2022
- 2022-06-15 WO PCT/JP2022/024038 patent/WO2023276676A1/ja active Application Filing
- 2022-07-26 JP JP2022118773A patent/JP2023009034A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018116325A (ja) | 2017-01-16 | 2018-07-26 | 沖電気工業株式会社 | 異常検知システム、異常検知装置、異常検知方法およびプログラム |
JP2018128729A (ja) | 2017-02-06 | 2018-08-16 | コニカミノルタ株式会社 | 工程監視装置、工程監視装置の制御方法およびプログラム |
JP2018207349A (ja) | 2017-06-06 | 2018-12-27 | キヤノン株式会社 | 生産システムの制御方法、生産セル、および生産システム |
JP2019192107A (ja) | 2018-04-27 | 2019-10-31 | 株式会社シーイーシー | 管理装置、及び、管理装置のプログラム |
JP2021027579A (ja) | 2019-07-31 | 2021-02-22 | 株式会社リコー | 画像判定装置および画像判定システム |
Non-Patent Citations (1)
Title |
---|
加藤慶信,作業手順の順守はカメラが見守る,日経情報ストラテジー,日本,日経BP社,2016年12月29日,第298号,第30-35頁 |
Also Published As
Publication number | Publication date |
---|---|
WO2023276676A1 (ja) | 2023-01-05 |
JP2023005151A (ja) | 2023-01-18 |
JP2023009034A (ja) | 2023-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020211428A1 (zh) | 一种园区安全监管系统及方法 | |
US8792867B1 (en) | System and method for responding to service requests and facilitating communication between relevant parties | |
US10297129B2 (en) | Fire/security service system with augmented reality | |
US8989700B2 (en) | Method and system for an interactive community alert network | |
US11216783B2 (en) | Collaborative work environment for computer-aided dispatch | |
US9934663B2 (en) | Apparatus and method for improved live monitoring and alarm handling in video surveillance systems | |
US20150201167A1 (en) | Fabrication equipment monitoring device and monitoring method | |
EP2818948A1 (en) | Method and data presenting device for assisting a remote user to provide instructions | |
KR20110130033A (ko) | 행동패턴 데이터베이스를 이용한 능동형 영상감시 시스템 및 그 방법 | |
US10223886B2 (en) | Monitoring installation for a monitoring area, method and computer program | |
JP2017138652A (ja) | 報告書作成システム | |
US20230410519A1 (en) | Suspicious person alarm notification system and suspicious person alarm notification method | |
CA2966139C (en) | Alarm verification system and method thereof | |
JP7115812B1 (ja) | プログラム、方法、情報処理装置、システム | |
US20210173529A1 (en) | Incident card system | |
JP6226859B2 (ja) | 作業監視システム | |
US20210334926A1 (en) | System and a method for creating and transmitting an occupant safety test for occupants in an organization | |
JP6534171B2 (ja) | 呼出支援システム | |
JP2007010879A (ja) | 警報表示器監視システム | |
US11880795B1 (en) | System and method of managing workflow for observed events | |
GB2592035A (en) | Object location status monitoring apparatus and method | |
US9607502B1 (en) | Real-time incident control and site management | |
JP6652606B1 (ja) | アラーム検証方法 | |
JP2007174473A (ja) | 映像監視支援システム | |
US20240064273A1 (en) | System gateway analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210628 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210628 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211012 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211210 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220314 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220426 |
|
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: 20220722 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220726 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7115812 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |