JP7248316B2 - 豆腐類検査装置、豆腐類製造システム、豆腐類の検査方法、およびプログラム - Google Patents
豆腐類検査装置、豆腐類製造システム、豆腐類の検査方法、およびプログラム Download PDFInfo
- Publication number
- JP7248316B2 JP7248316B2 JP2020191601A JP2020191601A JP7248316B2 JP 7248316 B2 JP7248316 B2 JP 7248316B2 JP 2020191601 A JP2020191601 A JP 2020191601A JP 2020191601 A JP2020191601 A JP 2020191601A JP 7248316 B2 JP7248316 B2 JP 7248316B2
- Authority
- JP
- Japan
- Prior art keywords
- tofu
- inspection
- learning
- photographed image
- data
- 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
Images
Description
豆腐類検査装置であって、
検査対象となる豆腐類を撮影する撮像部と、
豆腐類の撮影画像を含む学習用データを用いて機械学習を行うことにより生成された、入力データにて示される豆腐類の品質の判定を行うための学習済みモデルに対して、前記撮像部にて撮影された豆腐類の撮影画像を入力データとして入力することで得られる出力データとしての評価値を用いて、当該撮影画像にて示される豆腐類の品質を判定する検査手段と
を有する。
豆腐類の検査方法であって、
検査対象となる豆腐類の撮影画像を取得する取得工程と、
豆腐類の撮影画像を含む学習用データを用いて機械学習を行うことにより生成された、入力データにて示される豆腐類の品質の判定を行うための学習済みモデルに対して、前記取得工程にて取得された豆腐類の撮影画像を入力データとして入力することで得られる出力データとしての評価値を用いて、当該撮影画像にて示される豆腐類の品質を判定する検査工程と
を有する。
プログラムは、コンピュータに、
検査対象となる豆腐類の撮影画像を取得する取得工程と、
豆腐類の撮影画像を含む学習用データを用いて機械学習を行うことにより生成された、入力データにて示される豆腐類の品質の判定を行うための学習済みモデルに対して、前記取得工程にて取得された豆腐類の撮影画像を入力データとして入力することで得られる出力データとしての評価値を用いて、当該撮影画像にて示される豆腐類の品質を判定する検査工程と
を実行させる。
以下、本願発明の第1の実施形態について説明を行う。
図1は、本実施形態に係る豆腐類製造システム(以下、単に「製造システム」)の全体構成を示す概略構成図である。製造システムにおいて、制御装置1、検査装置2、排除装置5、第1の搬送装置6、第2の搬送装置7、および格納装置8を含んで構成される。ここでは、製造物を「豆腐類」としてまとめて記載するが、それに含まれるより詳細な分類は特に限定するものではない。豆腐類としては、例えば、油揚げ、寿司揚げ、薄揚げ、厚揚げ、生揚げ、ガンモドキなどが含まれてもよい。また、豆腐類として、例えば、充填豆腐、絹豆腐、木綿豆腐、焼き豆腐、または凍り豆腐などが含まれてもよい。また、それらの中間の生地、包装前後の製品、冷却・冷凍・加熱前後の製品であってもよい。以下の説明において製造物(豆腐類)について、一定の品質以上(すなわち、良品)であると判定された製造物をPにて示し、一定の品質よりも低い(すなわち、不良品)と判定された製造物をP’にて示す。なお、製造物を包括的に説明する場合には上記符号を省略して説明する。
図3は、本実施形態に係る制御装置1の機能構成の例を示すブロック図である。制御装置1は、例えば、PC(Personal Computer)などの情報処理装置などであってよい。図3に示す各機能は、不図示の制御部が、不図示の記憶部に記憶された本実施形態に係る機能のプログラムを読み出して実行することで実現されてよい。記憶部としては、揮発性の記憶領域であるRAM(Random Access Memory)や、不揮発性の記憶領域であるROM(Read Only Memory)やHDD(Hard Disk Drive)などが含まれてよい。制御部としては、CPU(Central Processing Unit)、GPU(Graphical Processing Unit)、またはGPGPU(General-Purpose computing on Graphics Processing Units)などが用いられてよい。
本実施形態においては、学習手法として機械学習のうちのニューラルネットワークによるディープラーニング(深層学習)の手法を用い、教師あり学習を例に挙げて説明する。なお、ディープラーニングのより具体的な手法(アルゴリズム)は特に限定するものではなく、例えば、畳み込みニューラルネットワーク(CNN:Convolutional Neural Network)など公知の方法が用いられてよい。図4は、本実施形態に係る学習処理の概念を説明するための概略図である。本実施形態にて用いられる学習用データは、入力データとしての製造物の画像データと、教師データとしての当該製造物に対して人(豆腐類の製造者)が評価した評価値との対から構成される。ここでは、評価値として、0~100の値を設定し、数字が大きいほど評価がより高いものとして扱う。なお、評価値の粒度はこれに限定するものではなく、例えば、A、B、Cの3段階や、良品/不良品の2値にて行われてもよく、複数の不良品項目毎の評価値にて行われてもよい。また、製造物に対する評価値の正規化の方法は上記に限定するものではなく、他の分類を用いてもよい。なお、ニューラルネットワーク以外の機械学習として、決定木、サポートベクトルマシン、ランダムフォレスト、回帰分析(多変量解析、重回帰分析)など、広義での機械学習であれば、特に限定しない。
以下、本実施形態に係る制御装置1の処理フローについて、図5を用いて説明する。以下に示す処理は、例えば、制御装置1が備えるCPU(不図示)やGPU(不図示)がHDDなどの記憶装置(不図示)に記憶されたプログラムを読み出して実行することにより実現される。なお、以下の処理は、製造システムが動作している間、継続的に行われてよい。
本実施形態において、豆腐類の製造物に対して行った検査結果として、不良品として判定された製造物P’の画像を表示部(不図示)にて表示する際に、その不良品として判定された根拠(不良個所)を表示するような構成であってもよい。上述したようなニューラルネットワークの学習においては、GRAD-CAMやGuided Grad-CAMといった可視化手法がある。このような手法を用いて、検査対象である製造物が不良品として判定された際にその根拠として着目した領域を特定し、可視化して表示するような構成であってもよい。また、良品として判定された製造物の場合であっても、その評価値が不良品として判定される評価値に近い場合には、上記のような手法を用いて着目した領域を特定し、表示するような構成であってもよい。
以下、本願発明の第2の実施形態について説明を行う。第1の実施形態では、学習処理として教師あり学習を用いた例について説明した。これに対し、本願発明の第2の実施形態として、学習処理として教師なし学習を用いた例について説明する。なお、第1の実施形態と重複する構成については、説明を省略し、差分に着目して説明を行う。
本実施形態においては、学習手法として機械学習のうちのニューラルネットワークによるディープラーニング(深層学習)の手法を用い、教師なし学習を例に挙げて説明する。なお、ディープラーニングのより具体的な手法(アルゴリズム)は特に限定するものではなく、オートエンコーダ(VAE:Variational Auto-Encoder)など公知の方法が用いられてよい。図6は、本実施形態に係る学習処理の概念を説明するための概略図である。
本実施形態に係る処理フローは、第1の実施形態にて図5を用いて説明した処理フローと基本的な流れは同じである。このとき、図6にて示したような教師なし学習による学習処理がすでに行われており、学習済みモデルが生成されているものとする。処理の差異としては、S504の処理内容が異なる。
本実施形態において、豆腐類の製造物に対して行った検査結果として、不良品や準良品など良品ではないとして判定された製造物P’の画像を表示部(不図示)にて表示する際に、その不良品や準良品として判定された根拠や原因を表示するような構成であってもよい。上述したようなオートエンコーダでは、入力データと出力データとの比較により、その差分となる位置を特定することができる。この特定された位置に対して、アイコン(赤丸など)を付与したり、色分けしたりすることで可視化して表示するような構成であってもよい。
上記の実施形態では、図1に示すように、検査装置2は、製造物の一方の面(図1では上面)のみを撮影し、検査する構成を示した。しかし、これに限定するものではなく、例えば、表面に加え、裏面や側面の画像を取得して検査するような構成であってもよい。この場合、複数の検査装置2を備え、複数の検査装置2それぞれが備える撮像部(カメラ)により、複数の方向から製造物を撮影するような構成であってもよい。例えば、第1の撮像部(不図示)が第1の方向から製造物の表面を撮影するように設置され、第2の撮像部(不図示)が第2の方向から当該製造物の裏面を撮影するように設置されてよい。または、第1の搬送装置6において搬送経路上で製造物を反転させるような構成(反転機構)を設け、反転前後でそれぞれ製造物を撮影し、各撮影画像を用いて検査を行うような構成であってもよい。このとき、製造物の表面、裏面、側面それぞれに対して異なる学習済みモデルを用いて検査を行ってもよい。つまり、第1の搬送装置6にて搬送される製造物の種類や包装状態などに応じて、表面、裏面、側面それぞれの異なる学習用データを用いて学習を行っておくことで各面に対応した学習済みモデルを生成する。そして、撮影方向に対応したそれらの学習済みモデルを用いて検査を行うような構成であってよい。
(1) 検査対象となる豆腐類を撮影する撮像部と、
豆腐類の撮影画像を含む学習用データを用いて機械学習を行うことにより生成された、入力データにて示される豆腐類の品質の判定を行うための学習済みモデルに対して、前記撮像部にて撮影された豆腐類の撮影画像を入力データとして入力することで得られる出力データとしての評価値を用いて、当該撮影画像にて示される豆腐類の品質を判定する検査手段と
を有することを特徴とする豆腐類検査装置。
この構成によれば、豆腐類の製造時の特性を考慮しつつ、人手による検査の負荷を軽減することができる。
この構成によれば、予め設定された閾値を基準として豆腐類の品質を良品を含む複数の分類にて判定を行うことができる。
この構成によれば、豆腐類の良品/不良品の判定を行う際に用いられる基準としての閾値を豆腐類の製造者が任意に設定することが可能となる。
この構成によれば、豆腐類検査装置は、未知(未学習)の評価値を有する新たな撮影画像データについて学習済みモデルを更新していくことができ、検査対象となる豆腐類に応じた学習処理が可能となる。
この構成によれば、豆腐類の製造者が設定した設定値に基づく学習用データを用いて教師あり学習による検査を行うことが可能となる。
この構成によれば、豆腐類の製造者が、豆腐類に対して任意の範囲の評価値を正規化して設定して学習用データとして用いることができ、それに基づいた検査結果を取得することが可能となる。
この構成によれば、豆腐類の製造者は良品である豆腐類の画像データのみを用意すればよく、学習に要するデータを準備するための負荷を低減することが可能となる。
この構成によれば、豆腐類の製造者は、良品とは異なる分類として判定された実際の豆腐類の画像を確認することが可能となる。
この構成によれば、豆腐類の製造者は、より明確に良品とは異なる分類として判定された実際の豆腐類の画像およびその原因を確認することが可能となる。
前記豆腐類を第1の方向から撮影する第1の撮像部と、
前記豆腐類を前記第1の方向とは異なる第2の方向から撮影する第2の撮像部と
を含んで構成され、
前記検査手段は、前記第1の撮像部および前記第2の撮像部それぞれにて撮影された撮影画像を入力データとして用いることを特徴とする(1)~(9)のいずれかに記載の豆腐類検査装置。
この構成によれば、複数の視点からの豆腐類の検査が可能となり、より精度の高い検査が可能となる。
前記第2の方向は、前記豆腐類の裏面を撮影するための方向である
ことを特徴とする(10)に記載の豆腐類検査装置。
この構成によれば、豆腐類の表面と裏面に対する検査を行うことで、より精度の高い検査が可能となる。
この構成によれば、豆腐類の検査対象となる方向に応じて用いる学習済みモデルを切り替えることで、その方向に合わせた検査が可能となり、より精度の高い検査が可能となる。
この構成によれば、豆腐類として、具体的な種類の製造物に対応した検査が可能となる。
豆腐類を搬送する搬送装置と、
前記豆腐類検査装置による検査結果に基づき、前記搬送装置にて搬送されている豆腐類を仕分ける仕分け機構と、
を備えることを特徴とする豆腐類製造システム。
この構成によれば、豆腐類の製造時の特性を考慮しつつ、人手による検査および品質に応じた製造物の仕分けの負荷を軽減する豆腐類の製造システムを提供することができる。
この構成によれば、豆腐類の製造時の特性を考慮しつつ、人手による検査および品質に応じた製造物の整列の負荷を軽減する豆腐類の製造システムを提供することができる。
豆腐類の撮影画像を含む学習用データを用いて機械学習を行うことにより生成された、入力データにて示される豆腐類の品質の判定を行うための学習済みモデルに対して、前記取得工程にて取得された豆腐類の撮影画像を入力データとして入力することで得られる出力データとしての評価値を用いて、当該撮影画像にて示される豆腐類の品質を判定する検査工程と
を有することを特徴とする豆腐類の検査方法。
この構成によれば、豆腐類の製造時の特性を考慮しつつ、人手による検査の負荷を軽減することができる。
検査対象となる豆腐類の撮影画像を取得する取得工程と、
豆腐類の撮影画像を含む学習用データを用いて機械学習を行うことにより生成された、入力データにて示される豆腐類の品質の判定を行うための学習済みモデルに対して、前記取得工程にて取得された豆腐類の撮影画像を入力データとして入力することで得られる出力データとしての評価値を用いて、当該撮影画像にて示される豆腐類の品質を判定する検査工程と
を実行させるためのプログラム。
この構成によれば、豆腐類の製造時の特性を考慮しつつ、人手による検査の負荷を軽減することができる。
2…検査装置
3…撮像部
4…照射部
5…排除装置
6…第1の搬送装置
7…第2の搬送装置
8…格納装置
P…製造物(良品)
P’…製造物(不良品)
11…検査装置制御部
12…排除装置制御部
13…学習用データ取得部
14…学習処理部
15…検査データ取得部
16…検査処理部
17…検査結果判定部
18…表示制御部
Claims (14)
- 検査対象となる豆腐類を撮影する撮像部と、
豆腐類の撮影画像を含む学習用データを用いて機械学習を行うことにより生成された、入力データにて示される豆腐類の品質の判定を行うための学習済みモデルに対して、前記撮像部にて撮影された豆腐類の撮影画像を入力データとして入力することで得られる出力データとしての評価値を用いて、当該撮影画像にて示される豆腐類の品質を判定する検査手段と、
前記検査手段による検査結果に基づいて、複数の分類のうち、良品とは異なる分類として判定された豆腐類を示す撮影画像および判定の統計値を表示する表示手段と、
前記出力データとして得られる評価値の範囲において複数の値の設定を、所定の閾値として受け付ける設定手段と、
を有し、
前記検査手段は、前記入力データに対する評価値と前記所定の閾値との比較により、当該入力データにて示される豆腐類の品質を、良品および不良品を含む複数の分類にて判定し、
前記表示手段は、前記複数の分類のうち、良品とは異なる分類として判定された豆腐類を示す撮影画像において、良品とは異なる分類として判定された原因となる箇所を特定して表示することを特徴とする豆腐類検査装置。 - 豆腐類の新たな撮影画像を用いて機械学習を繰り返し行うことにより、前記学習済みモデルを新たに生成および更新する学習処理手段を更に有することを特徴とする請求項1に記載の豆腐類検査装置。
- 前記機械学習は、豆腐類の撮影画像と、当該撮影画像にて示される豆腐類の品質に対応する評価値とを対とした学習用データを用いた教師あり学習であることを特徴とする請求項1または2に記載の豆腐類検査装置。
- 前記評価値は、所定の範囲の点数にて表現された値であることを特徴とする請求項3に記載の豆腐類検査装置。
- 前記機械学習は、豆腐類の良品を示す撮影画像を学習用データとして用いた教師なし学習であることを特徴とする請求項1または2に記載の豆腐類検査装置。
- 前記機械学習は、転移学習による学習モデルを用いることを特徴とする請求項1乃至5のいずれか一項に記載の豆腐類検査装置。
- 前記撮像部は、
前記豆腐類を第1の方向から撮影する第1の撮像部と、
前記豆腐類を前記第1の方向とは異なる第2の方向から撮影する第2の撮像部と
を含んで構成され、
前記検査手段は、前記第1の撮像部および前記第2の撮像部それぞれにて撮影された撮影画像を入力データとして用いることを特徴とする請求項1乃至6のいずれか一項に記載の豆腐類検査装置。 - 前記第1の方向は、前記豆腐類の表面を撮影するための方向であり、
前記第2の方向は、前記豆腐類の裏面を撮影するための方向である
ことを特徴とする請求項7に記載の豆腐類検査装置。 - 前記検査手段において、前記第1の撮像部にて撮影された撮影画像を入力データとして用いる場合の学習済みモデルと、前記第2の撮像部にて撮影された撮影画像を入力データとして用いる場合の学習済みモデルとは異なることを特徴とする請求項7または8に記載の豆腐類検査装置。
- 前記豆腐類は、充填豆腐、絹豆腐、木綿豆腐、焼き豆腐、凍り豆腐、油揚、寿司揚げ、薄揚、厚揚、生揚、または、ガンモドキのいずれかであることを特徴とする請求項1乃至9のいずれか一項に記載の豆腐類検査装置。
- 請求項1乃至10のいずれか一項に記載の豆腐類検査装置と、
豆腐類を搬送する搬送装置と、
前記豆腐類検査装置による検査結果に基づき、前記搬送装置にて搬送されている豆腐類を仕分ける仕分け機構と、
を備えることを特徴とする豆腐類製造システム。 - 前記豆腐類検査装置による検査結果に基づき、前記仕分け機構にて仕分けられた豆腐類を所定の規則にて整列させる整列装置を更に備えることを特徴とする請求項11に記載の豆腐類製造システム。
- 検査対象となる豆腐類の撮影画像を取得する取得工程と、
豆腐類の撮影画像を含む学習用データを用いて機械学習を行うことにより生成された、入力データにて示される豆腐類の品質の判定を行うための学習済みモデルに対して、前記取得工程にて取得された豆腐類の撮影画像を入力データとして入力することで得られる出力データとしての評価値を用いて、当該撮影画像にて示される豆腐類の品質を判定する検査工程と、
前記検査工程における検査結果に基づいて、複数の分類のうち、良品とは異なる分類として判定された豆腐類を示す撮影画像および判定の統計値を表示させる表示制御工程と、
前記出力データとして得られる評価値の範囲において複数の値の設定を、所定の閾値として受け付ける設定工程と、
を有し、
前記検査工程では、前記入力データに対する評価値と前記所定の閾値との比較により、当該入力データにて示される豆腐類の品質を、良品および不良品を含む複数の分類にて判定し、
前記表示制御工程では、前記複数の分類のうち、良品とは異なる分類として判定された豆腐類を示す撮影画像において、良品とは異なる分類として判定された原因となる箇所を特定して表示させることを特徴とする豆腐類の検査方法。 - コンピュータに、
検査対象となる豆腐類の撮影画像を取得する取得工程と、
豆腐類の撮影画像を含む学習用データを用いて機械学習を行うことにより生成された、入力データにて示される豆腐類の品質の判定を行うための学習済みモデルに対して、前記取得工程にて取得された豆腐類の撮影画像を入力データとして入力することで得られる出力データとしての評価値を用いて、当該撮影画像にて示される豆腐類の品質を判定する検査工程と、
前記検査工程における検査結果に基づいて、複数の分類のうち、良品とは異なる分類として判定された豆腐類を示す撮影画像および判定の統計値を表示させる表示制御工程と、
前記出力データとして得られる評価値の範囲において複数の値の設定を、所定の閾値として受け付ける設定工程と、
を実行させ、
前記検査工程では、前記入力データに対する評価値と前記所定の閾値との比較により、当該入力データにて示される豆腐類の品質を、良品および不良品を含む複数の分類にて判定し、
前記表示制御工程では、前記複数の分類のうち、良品とは異なる分類として判定された豆腐類を示す撮影画像において、良品とは異なる分類として判定された原因となる箇所を特定して表示させるプログラム。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020227036201A KR20230004506A (ko) | 2020-04-30 | 2021-04-30 | 두부류 검사 장치, 두부류 제조 시스템, 두부류의 검사 방법, 및 프로그램 |
PCT/JP2021/017304 WO2021221176A1 (ja) | 2020-04-30 | 2021-04-30 | 豆腐類検査装置、豆腐類製造システム、豆腐類の検査方法、およびプログラム |
US17/906,942 US20230145715A1 (en) | 2020-04-30 | 2021-04-30 | Inspection device for tofu products, manufacturing system for tofu products, inspection method for tofu products, and program |
CN202180022271.5A CN115335855A (zh) | 2020-04-30 | 2021-04-30 | 豆腐制品的检查设备、豆腐制品的制造系统、豆腐制品的检查方法及程序 |
JP2021165097A JP2022008924A (ja) | 2020-04-30 | 2021-10-06 | 豆腐類検査装置、豆腐類製造システム、豆腐類の検査方法、およびプログラム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020080296 | 2020-04-30 | ||
JP2020080296 | 2020-04-30 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021165097A Division JP2022008924A (ja) | 2020-04-30 | 2021-10-06 | 豆腐類検査装置、豆腐類製造システム、豆腐類の検査方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021179418A JP2021179418A (ja) | 2021-11-18 |
JP7248316B2 true JP7248316B2 (ja) | 2023-03-29 |
Family
ID=78509785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020191601A Active JP7248316B2 (ja) | 2020-04-30 | 2020-11-18 | 豆腐類検査装置、豆腐類製造システム、豆腐類の検査方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7248316B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7189642B1 (ja) | 2022-07-20 | 2022-12-14 | 株式会社ティー・エム・ピー | 油揚の検査装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003106995A (ja) | 2001-09-28 | 2003-04-09 | Takai Seisakusho:Kk | ゲル形成性食品の品質判定方法 |
JP6110863B2 (ja) | 2011-10-07 | 2017-04-05 | ショット アクチエンゲゼルシャフトSchott AG | 縁部が特殊に形成されたガラスフィルム |
JP2018120373A (ja) | 2017-01-24 | 2018-08-02 | 株式会社安川電機 | 産業機器用の画像認識装置及び画像認識方法 |
JP2019174481A (ja) | 2016-08-22 | 2019-10-10 | キユーピー株式会社 | 検査装置及び検査装置の識別手段の学習方法 |
JP2019211288A (ja) | 2018-06-01 | 2019-12-12 | 埼玉県 | 食品検査システムおよびプログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2838343B2 (ja) * | 1992-09-28 | 1998-12-16 | 株式会社 高井製作所 | ニューラルネットワークを用いた判別方法 |
JP2001133233A (ja) * | 1999-11-05 | 2001-05-18 | Nichimo Co Ltd | 被検出物の形状における欠損検出方法および装置 |
-
2020
- 2020-11-18 JP JP2020191601A patent/JP7248316B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003106995A (ja) | 2001-09-28 | 2003-04-09 | Takai Seisakusho:Kk | ゲル形成性食品の品質判定方法 |
JP6110863B2 (ja) | 2011-10-07 | 2017-04-05 | ショット アクチエンゲゼルシャフトSchott AG | 縁部が特殊に形成されたガラスフィルム |
JP2019174481A (ja) | 2016-08-22 | 2019-10-10 | キユーピー株式会社 | 検査装置及び検査装置の識別手段の学習方法 |
JP2018120373A (ja) | 2017-01-24 | 2018-08-02 | 株式会社安川電機 | 産業機器用の画像認識装置及び画像認識方法 |
JP2019211288A (ja) | 2018-06-01 | 2019-12-12 | 埼玉県 | 食品検査システムおよびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2021179418A (ja) | 2021-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021221176A1 (ja) | 豆腐類検査装置、豆腐類製造システム、豆腐類の検査方法、およびプログラム | |
Li et al. | Computer vision based system for apple surface defect detection | |
EP2923305B1 (en) | Method for scoring and controlling quality of food products in a dynamic production line | |
CN107402220A (zh) | 一种激光选区熔化成形铺粉质量视觉在线检测方法及系统 | |
Ali et al. | Automated fruit grading system | |
JP7191566B2 (ja) | 商品検査装置 | |
JP7129669B2 (ja) | ラベル付き画像データ作成方法、検査方法、プログラム、ラベル付き画像データ作成装置及び検査装置 | |
Tao | Spherical transform of fruit images for on-line defect extraction of mass objects | |
JPWO2019151393A1 (ja) | 食品検査システム、食品検査プログラム、食品検査方法および食品生産方法 | |
JP2019211288A (ja) | 食品検査システムおよびプログラム | |
JP7248317B2 (ja) | 豆腐類製造システム | |
JP5455409B2 (ja) | 異物選別方法および異物選別設備 | |
JP7248316B2 (ja) | 豆腐類検査装置、豆腐類製造システム、豆腐類の検査方法、およびプログラム | |
WO2021193733A1 (ja) | 教師データ生成装置、検査装置及びプログラム | |
Mohamed et al. | Development of a real-time machine vision prototype to detect external defects in some agricultural products | |
KR101041524B1 (ko) | 최적 불량인식 방법 | |
US20230148640A1 (en) | Tofu production system | |
CN111028250A (zh) | 一种实时智能验布方法及系统 | |
Scaria et al. | AI Based Robotic Systems for the quality control of Date Palm Fruits-A Review | |
JP2020012808A (ja) | 人工知能による皮革の検出方法及び皮革検出設備、並びに皮革製品の製造方法 | |
JP2022052167A (ja) | X線検査装置およびx線検査方法 | |
Buch et al. | Detection of fruit skin defects using machine vision system | |
JP7445621B2 (ja) | X線検査装置およびx線検査方法 | |
KR20210114216A (ko) | 수삼 선별기 | |
JP2022160796A (ja) | 食品検査システム、食品検査学習装置および食品検査方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201118 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20201118 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20210218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210224 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210423 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210706 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211006 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20211006 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20211015 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20211019 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20211210 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20211214 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20221129 |
|
C23 | Notice of termination of proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C23 Effective date: 20230124 |
|
C03 | Trial/appeal decision taken |
Free format text: JAPANESE INTERMEDIATE CODE: C03 Effective date: 20230221 |
|
C30A | Notification sent |
Free format text: JAPANESE INTERMEDIATE CODE: C3012 Effective date: 20230221 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230309 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7248316 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |