JP7391286B2 - 情報処理装置、情報処理方法、および情報処理プログラム - Google Patents
情報処理装置、情報処理方法、および情報処理プログラム Download PDFInfo
- Publication number
- JP7391286B2 JP7391286B2 JP2022031778A JP2022031778A JP7391286B2 JP 7391286 B2 JP7391286 B2 JP 7391286B2 JP 2022031778 A JP2022031778 A JP 2022031778A JP 2022031778 A JP2022031778 A JP 2022031778A JP 7391286 B2 JP7391286 B2 JP 7391286B2
- Authority
- JP
- Japan
- Prior art keywords
- evaluation
- data
- combustion state
- incinerator
- information processing
- 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
- 230000010365 information processing Effects 0.000 title claims description 123
- 238000003672 processing method Methods 0.000 title claims description 19
- 238000002485 combustion reaction Methods 0.000 claims description 392
- 238000011156 evaluation Methods 0.000 claims description 336
- 238000003384 imaging method Methods 0.000 claims description 199
- 239000000463 material Substances 0.000 claims description 97
- 238000000034 method Methods 0.000 claims description 64
- 230000008569 process Effects 0.000 claims description 60
- 238000003331 infrared imaging Methods 0.000 claims description 56
- 238000010191 image analysis Methods 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 36
- 238000010801 machine learning Methods 0.000 claims description 36
- 238000010276 construction Methods 0.000 claims description 33
- 239000002699 waste material Substances 0.000 claims description 31
- 238000012549 training Methods 0.000 claims description 28
- 238000013507 mapping Methods 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 238000012706 support-vector machine Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 12
- 239000000567 combustion gas Substances 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 8
- 238000009434 installation Methods 0.000 claims description 8
- 238000007476 Maximum Likelihood Methods 0.000 claims description 7
- 238000003066 decision tree Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000007637 random forest analysis Methods 0.000 claims description 7
- 230000002787 reinforcement Effects 0.000 claims description 7
- 238000002474 experimental method Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 230000032258 transport Effects 0.000 claims description 6
- 238000003756 stirring Methods 0.000 claims description 3
- 239000010813 municipal solid waste Substances 0.000 description 80
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 13
- 238000011144 upstream manufacturing Methods 0.000 description 8
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- 238000001704 evaporation Methods 0.000 description 4
- 230000008020 evaporation Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 239000000123 paper Substances 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000001035 drying Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 2
- 235000017491 Bambusa tulda Nutrition 0.000 description 2
- 241001330002 Bambuseae Species 0.000 description 2
- 240000000491 Corchorus aestuans Species 0.000 description 2
- 235000011777 Corchorus aestuans Nutrition 0.000 description 2
- 235000010862 Corchorus capsularis Nutrition 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 2
- 235000019735 Meat-and-bone meal Nutrition 0.000 description 2
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 2
- 229920006328 Styrofoam Polymers 0.000 description 2
- 239000010868 animal carcass Substances 0.000 description 2
- 239000011425 bamboo Substances 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 150000002013 dioxins Chemical class 0.000 description 2
- 238000002309 gasification Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 239000010806 kitchen waste Substances 0.000 description 2
- 239000002906 medical waste Substances 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 239000013502 plastic waste Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000010802 sludge Substances 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 239000010902 straw Substances 0.000 description 2
- 239000008261 styrofoam Substances 0.000 description 2
- 239000010784 textile waste Substances 0.000 description 2
- 125000000391 vinyl group Chemical group [H]C([*])=C([H])[H] 0.000 description 2
- 229920002554 vinyl polymer Polymers 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000004056 waste incineration Methods 0.000 description 1
Landscapes
- Incineration Of Waste (AREA)
- Image Analysis (AREA)
Description
第1撮像装置で撮像した焼却炉内の第1撮像データに対して、燃焼状態を判断する要素となる少なくとも1つの第1評価軸における分類ラベルが付与されることにより生成された第1教師データを機械学習した第1学習済みモデルを用いて、焼却炉内の新たな第1撮像データを入力として前記第1評価軸での評価を行う第1画像解析部と、
第2撮像装置で撮像した焼却炉内の第2撮像データに対して、燃焼状態を判断する要素となる少なくとも1つの第2評価軸における分類ラベルが付与されることにより生成された第2教師データを機械学習した第2学習済みモデルを用いて、焼却炉内の新たな第2撮像データを入力として前記第2評価軸での評価を行う第2画像解析部と、
前記第1評価軸および第2評価軸の各々での評価結果を、前記第1評価軸および第2評価軸を座標軸とする予め定められた燃焼状態判定マップ上へマッピングすることにより、現在の燃焼状態を判定する燃焼状態判定部と、
を備える。
前記第1撮像装置は、赤外線撮像装置であり、前記第2撮像装置は、可視光撮像装置である。
前記第1評価軸は、被燃焼物の量、被燃焼物の質、被燃焼物の種類、被燃焼物の温度、燃焼ガス発生量(CO等)、焼却炉の壁の温度のうちの少なくとも1つを含む。
前記第2評価軸は、火炎状態、燃焼完結点の位置、燃焼完結点の形状、被燃焼物の量、被燃焼物の質、被燃焼物の種類、未燃物の量、焼却灰の量、のうちの少なくとも1つを含む。
前記第1撮像データは、60秒以内の動画像データである、および/または、
前記第2撮像データは、60秒以内の動画像データである。
前記第1撮像データは、5秒以上の動画像データである、および/または、
前記第2撮像データは、5秒以上の動画像データである。
前記第1教師データにおける分類ラベルは、あらかじめ定められた分類項目のうちどれに該当するかを示すラベルと、複数の第1撮像データの間での相対的な順序のうち少なくとも一方である、および/または、
前記第2教師データにおける分類ラベルは、あらかじめ定められた分類項目のうちどれに該当するかを示すラベルと、複数の第2撮像データの間での相対的な順序のうち少なくとも一方である。
前記第1画像解析部は、焼却炉内の第1撮像データと、施設内に設置されたセンサから得られるプロセスデータおよび/または当該プロセスデータから演算により得られる演算量との組み合わせに対して、前記第1評価軸における分類ラベルが付与されることにより生成された第1教師データを機械学習した第1学習済みモデルを用いて、焼却炉内の新たな第1撮像データと、新たなプロセスデータおよび/または当該プロセスデータから演算により得られる演算量との組み合わせを入力として前記第1評価軸での評価を行う、および/または、
前記第2画像解析部は、焼却炉内の第2撮像データと、施設内に設置されたセンサから得られるプロセスデータおよび/または当該プロセスデータから演算により得られる演算量との組み合わせに対して、前記第2評価軸における分類ラベルが付与されることにより生成された第2教師データを機械学習した第2学習済みモデルを用いて、焼却炉内の新たな第2撮像データと、新たなプロセスデータおよび/または当該プロセスデータから演算により得られる演算量との組み合わせを入力として前記第2評価軸での評価を行う。
前記プロセスデータは、前記第1撮像データおよび/または第2撮像データの撮像時刻と前記センサの応答時刻との間のタイムラグを考慮したデータである。タイムラグは前記センサの応答速度、施設内での前記センサの設置位置、実験、シミュレーション、運転員の経験則のうちの少なくとも1つに基づいて適宜決定されてよい。
第1撮像装置で撮像した焼却炉内の第1撮像データに対して、燃焼状態を判断する要素となる2つ以上の第1評価軸の各々における分類ラベルが付与されることにより生成された第1教師データを機械学習した第1学習済みモデルを用いて、焼却炉内の新たな撮像データを入力として2つ以上の前記第1評価軸の各々での評価を行う第1画像解析部と、
2つ以上の前記第1評価軸の各々での評価結果を、2つ以上の前記第1評価軸を座標軸とする予め定められた燃焼状態判定マップ上へマッピングすることにより、現在の燃焼状態を判定する燃焼状態判定部と、
を備える。
前記第1撮像装置は、赤外線撮像装置である。
前記第1撮像装置は、可視光撮像装置である。
前記燃焼状態判定部は、燃焼状態の判定結果を、施設内に設置されたセンサから得られるプロセスデータおよび/または当該プロセスデータから演算により得られる演算量に応じて補正する。
前記燃焼状態判定部は、燃焼状態の判定結果に応じてアラートの表示または発報を行う。
前記燃焼状態判定部の判定結果に基づいて、クレーン制御装置および/または燃焼制御装置へ操作指示を送信する指示部をさらに備える。
前記機械学習に用いられるアルゴリズムは、最尤分類法、ボルツマンマシン、ニューラルネットワーク(NN)、サポートベクターマシン(SVM)、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォレストを用いた統計的推定、ブースティング、強化学習、ディープラーニングのうちの少なくとも1つを含む。
第1撮像装置で撮像した焼却炉内の第1撮像データに対して、燃焼状態を判断する要素となる少なくとも1つの第1評価軸における分類ラベルが付与されることにより生成された第1教師データを機械学習することにより、前記第1学習済みモデルを生成する第1モデル構築部、および/または、
第2撮像装置で撮像した焼却炉内の第2撮像データに対して、燃焼状態を判断する要素となる少なくとも1つの第2評価軸における分類ラベルが付与されることにより生成された第2教師データを機械学習することにより、前記第2学習済みモデルを生成する第2モデル構築部をさらに備える。
第15の態様に係る情報処理装置と、
前記情報処理装置から送信された操作指示に基づいて、廃棄物の攪拌または搬送を行うクレーンを制御する前記クレーン制御装置、および/または、焼却炉での廃棄物の燃焼を制御する前記燃焼制御装置と、
を備える。
第1撮像装置で撮像した焼却炉内の第1撮像データに対して、燃焼状態を判断する要素となる少なくとも1つの第1評価軸における分類ラベルが付与されることにより生成された第1教師データを機械学習した第1学習済みモデルを用いて、焼却炉内の新たな第1撮像データを入力として前記第1評価軸での評価を行うステップと、
第2撮像装置で撮像した焼却炉内の第2撮像データに対して、燃焼状態を判断する要素となる少なくとも1つの第2評価軸における分類ラベルが付与されることにより生成された第2教師データを機械学習した第2学習済みモデルを用いて、焼却炉内の新たな第2撮像データを入力として前記第2評価軸での評価を行うステップと、
前記第1評価軸および第2評価軸の各々での評価結果を、前記第1評価軸および第2評価軸を座標軸とする予め定められた燃焼状態判定マップ上へマッピングすることにより、現在の燃焼状態を判定するステップと、
を含む。
第1撮像装置で撮像した焼却炉内の第1撮像データに対して、燃焼状態を判断する要素となる2つ以上の第1評価軸の各々における分類ラベルが付与されることにより生成された第1教師データを機械学習した第1学習済みモデルを用いて、焼却炉内の新たな第1撮像データを入力として2つ以上の前記第1評価軸の各々での評価を行うステップと、
2つ以上の前記第1評価軸の各々での評価結果を、2つ以上の前記第1評価軸を座標軸とする予め定められた燃焼状態判定マップ上へマッピングすることにより、現在の燃焼状態を判定するステップと、
を含む。
第1撮像装置で撮像した焼却炉内の第1撮像データに対して、燃焼状態を判断する要素となる少なくとも1つの第1評価軸における分類ラベルが付与されることにより生成された第1教師データを機械学習した第1学習済みモデルを用いて、焼却炉内の新たな第1撮像データを入力として前記第1評価軸での評価を行うステップと、
第2撮像装置で撮像した焼却炉内の第2撮像データに対して、燃焼状態を判断する要素となる少なくとも1つの第2評価軸における分類ラベルが付与されることにより生成された第2教師データを機械学習した第2学習済みモデルを用いて、焼却炉内の新たな第2撮像データを入力として前記第2評価軸での評価を行うステップと、
前記第1評価軸および第2評価軸の各々での評価結果を、前記第1評価軸および第2評価軸を座標軸とする予め定められた燃焼状態判定マップ上へマッピングすることにより、現在の燃焼状態を判定するステップと、
を実行させる。
第1撮像装置で撮像した焼却炉内の第1撮像データに対して、燃焼状態を判断する要素となる2つ以上の第1評価軸の各々における分類ラベルが付与されることにより生成された第1教師データを機械学習した第1学習済みモデルを用いて、焼却炉内の新たな第1撮像データを入力として2つ以上の前記第1評価軸の各々での評価を行うステップと、
2つ以上の前記第1評価軸の各々での評価結果を、2つ以上の前記第1評価軸を座標軸とする予め定められた燃焼状態判定マップ上へマッピングすることにより、現在の燃焼状態を判定するステップと、
を実行させる。
図1は、第1の実施形態に係る焼却施設1の構成を示す概略図である。
次に、図5~7を参照し、第2の実施形態について説明する。図5は、第2の実施形態に係る焼却施設1の構成を示す概略図である。
次に、図8~10を参照し、第3の実施形態について説明する。図8は、第3の実施形態に係る焼却施設1の構成を示す概略図である。
2 ボイラ
3 ごみピット
4 ホッパ
5 クレーン
6 焼却炉
71 赤外線撮像装置
72 可視光撮像装置
10 情報処理装置
11 通信部
12 制御部
12a1 第1撮像データ取得部
12a2 第2撮像データ取得部
12b1 第1教師データ生成部
12b2 第2教師データ生成部
12c1 第1モデル構築部
12c2 第2モデル構築部
12d1 第1画像解析部
12d2 第2画像解析部
12e 燃焼状態判定部
12f 指示部
12g プロセスデータ取得部
13 記憶部
13a1 第1アルゴリズム
13a2 第2アルゴリズム
13b1 第1撮像データ
13b2 第2撮像データ
13c1 第1教師データ
13c2 第2教師データ
13d 燃焼状態判定マップ
20 燃焼制御装置
21 プラットホーム
22 搬送車両
50 クレーン制御装置
Claims (25)
- 第1撮像装置で撮像した焼却炉内の第1撮像データに対して、燃焼状態を判断する要素となる少なくとも1つの第1評価軸における分類ラベルが付与されることにより生成された第1教師データを機械学習した第1学習済みモデルを用いて、焼却炉内の新たな第1撮像データを入力として前記第1評価軸での評価を行う第1画像解析部と、
第2撮像装置で撮像した焼却炉内の第2撮像データに対して、燃焼状態を判断する要素となる少なくとも1つの第2評価軸における分類ラベルが付与されることにより生成された第2教師データを機械学習した第2学習済みモデルを用いて、焼却炉内の新たな第2撮像データを入力として前記第2評価軸での評価を行う第2画像解析部と、
前記第1評価軸および第2評価軸の各々での評価結果を、前記第1評価軸および第2評価軸を座標軸とする予め定められた燃焼状態判定マップ上へマッピングすることにより、現在の燃焼状態を判定する燃焼状態判定部と、
を備えたことを特徴とする情報処理装置。 - 前記第1撮像装置は、赤外線撮像装置であり、前記第2撮像装置は、可視光撮像装置である、
ことを特徴とする請求項1に記載の情報処理装置。 - 前記第1評価軸は、被燃焼物の量、被燃焼物の質、被燃焼物の種類、被燃焼物の温度、燃焼ガス発生量、焼却炉の壁の温度のうちの少なくとも1つを含む、
ことを特徴とする請求項2に記載の情報処理装置。 - 前記第2評価軸は、火炎状態、燃焼完結点の位置、燃焼完結点の形状、被燃焼物の量、被燃焼物の質、被燃焼物の種類、未燃物の量、焼却灰の量のうちの少なくとも1つを含む、
ことを特徴とする請求項2または3に記載の情報処理装置。 - 前記第1撮像データは、60秒以内の動画像データである、および/または、
前記第2撮像データは、60秒以内の動画像データである、
ことを特徴とする請求項1~4のいずれかに記載の情報処理装置。 - 前記赤第1撮像データは、5秒以上の動画像データである、および/または、
前記赤第2撮像データは、5秒以上の動画像データである、
ことを特徴とする請求項1~5のいずれかに記載の情報処理装置。 - 前記第1教師データにおける分類ラベルは、あらかじめ定められた複数の分類項目のうちどれに該当するかを示すラベルと、複数の第1撮像データの間での相対的な順序のうち少なくとも一方である、および/または、
前記第2教師データにおける分類ラベルは、あらかじめ定められた複数の分類項目のうちどれに該当するかを示すラベルと、複数の第2撮像データの間での相対的な順序のうち少なくとも一方である、
ことを特徴とする請求項1~6のいずれかに記載の情報処理装置。 - 前記第1画像解析部は、焼却炉内の第1撮像データと、施設内に設置されたセンサから得られるプロセスデータおよび/または当該プロセスデータから演算により得られる演算量との組み合わせに対して、前記第1評価軸における分類ラベルが付与されることにより生成された第1教師データを機械学習した第1学習済みモデルを用いて、焼却炉内の新たな第1撮像データと、新たなプロセスデータおよび/または当該プロセスデータから演算により得られる演算量との組み合わせを入力として前記第1評価軸での評価を行う、および/または、
前記第2画像解析部は、焼却炉内の第2撮像データと、施設内に設置されたセンサから得られるプロセスデータおよび/または当該プロセスデータから演算により得られる演算量との組み合わせに対して、前記第2評価軸における分類ラベルが付与されることにより生成された第2教師データを機械学習した第2学習済みモデルを用いて、焼却炉内の新たな第2撮像データと、新たなプロセスデータおよび/または当該プロセスデータから演算により得られる演算量との組み合わせを入力として前記第2評価軸での評価を行う、
ことを特徴とする請求項1~7のいずれかに記載の情報処理装置。 - 前記プロセスデータは、
前記第1撮像データおよび/または前記第2撮像データの撮像時刻と前記センサの応答時刻との間のタイムラグを考慮したデータであり、
前記タイムラグは前記センサの応答速度、施設内での前記センサの設置位置、実験、シミュレーション、運転員の経験則のうち少なくとも1つに基づいて決定される
ことを特徴とする請求項8に記載の情報処理装置。 - 第1撮像装置で撮像した焼却炉内の第1撮像データに対して、燃焼状態を判断する要素となる2つ以上の第1評価軸の各々における分類ラベルが付与されることにより生成された第1教師データを機械学習した第1学習済みモデルを用いて、焼却炉内の新たな撮像データを入力として2つ以上の前記第1評価軸の各々での評価を行う第1画像解析部と、
2つ以上の前記第1評価軸の各々での評価結果を、2つ以上の前記第1評価軸を座標軸とする予め定められた燃焼状態判定マップ上へマッピングすることにより、現在の燃焼状態を判定する燃焼状態判定部と、
を備えたことを特徴とする情報処理装置。 - 前記第1撮像装置は、赤外線撮像装置である、
ことを特徴とする請求項10に記載の情報処理装置。 - 前記第1評価軸は、被燃焼物の量、被燃焼物の質、被燃焼物の種類、被燃焼物の温度、燃焼ガス発生量、焼却炉の壁の温度のうちの少なくとも1つを含む、
ことを特徴とする請求項11に記載の情報処理装置。 - 前記第1撮像装置は、可視光撮像装置である、
ことを特徴とする請求項10に記載の情報処理装置。 - 前記第1評価軸は、火炎状態、燃焼完結点の位置、燃焼完結点の形状、被燃焼物の量、被燃焼物の質、被燃焼物の種類、未燃物の量、焼却灰の量のうちの少なくとも1つを含む、
ことを特徴とする請求項13に記載の情報処理装置。 - 前記燃焼状態判定部は、燃焼状態の判定結果を、施設内に設置されたセンサから得られるプロセスデータおよび/または当該プロセスデータから演算により得られる演算量に応じて補正する、
ことを特徴とする請求項1~14のいずれかに記載の情報処理装置。 - 前記燃焼状態判定部は、燃焼状態の判定結果に応じてアラートの表示または発報を行う、
ことを特徴とする請求項1~15のいずれかに記載の情報処理装置。 - 前記燃焼状態判定部の判定結果に基づいて、クレーン制御装置および/または燃焼制御装置へ操作指示を送信する指示部をさらに備えた
ことを特徴とする請求項1~16のいずれかに記載の情報処理装置。 - 前記機械学習に用いられるアルゴリズムは、最尤分類法、ボルツマンマシン、ニューラルネットワーク(NN)、サポートベクターマシン(SVM)、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォレストを用いた統計的推定、ブースティング、強化学習、ディープラーニングのうちの少なくとも1つを含む、
ことを特徴とする請求項1~17のいずれかに記載の情報処理装置。 - 第1撮像装置で撮像した焼却炉内の第1撮像データに対して、燃焼状態を判断する要素となる少なくとも1つの第1評価軸における分類ラベルが付与されることにより生成された第1教師データを機械学習することにより、前記第1学習済みモデルを生成する第1モデル構築部、および/または、
第2撮像装置で撮像した焼却炉内の第2撮像データに対して、燃焼状態を判断する要素となる少なくとも1つの第2評価軸における分類ラベルが付与されることにより生成された第2教師データを機械学習することにより、前記第2学習済みモデルを生成する第2モデル構築部をさらに備える
ことを特徴とする請求項1~9のいずれかに記載の情報処理装置。 - 第1撮像装置で撮像した焼却炉内の第1撮像データに対して、燃焼状態を判断する要素となる2つ以上の第1評価軸の各々における分類ラベルが付与されることにより生成された第1教師データを機械学習することにより、前記第1学習済みモデルを生成する第1モデル構築部をさらに備える
ことを特徴とする請求項10~14のいずれかに記載の情報処理装置。 - 請求項17に記載の情報処理装置と、
前記情報処理装置から送信された操作指示に基づいて、廃棄物の攪拌または搬送を行うクレーンを制御する前記クレーン制御装置、および/または、焼却炉での廃棄物の燃焼を制御する前記燃焼制御装置と、
を備えたことを特徴とするシステム。 - コンピュータが実行する情報処理方法であって、
第1撮像装置で撮像した焼却炉内の第1撮像データに対して、燃焼状態を判断する要素となる少なくとも1つの第1評価軸における分類ラベルが付与されることにより生成された第1教師データを機械学習した第1学習済みモデルを用いて、焼却炉内の新たな第1撮像データを入力として前記第1評価軸での評価を行うステップと、
第2撮像装置で撮像した焼却炉内の第2撮像データに対して、燃焼状態を判断する要素となる少なくとも1つの第2評価軸における分類ラベルが付与されることにより生成された第2教師データを機械学習した第2学習済みモデルを用いて、焼却炉内の新たな第2撮像データを入力として前記第2評価軸での評価を行うステップと、
前記第1評価軸および第2評価軸の各々での評価結果を、前記第1評価軸および第2評価軸を座標軸とする予め定められた燃焼状態判定マップ上へマッピングすることにより、現在の燃焼状態を判定するステップと、
を含むことを特徴とする情報処理方法。 - コンピュータが実行する情報処理方法であって、
第1撮像装置で撮像した焼却炉内の第1撮像データに対して、燃焼状態を判断する要素となる2つ以上の第1評価軸の各々における分類ラベルが付与されることにより生成された第1教師データを機械学習した第1学習済みモデルを用いて、焼却炉内の新たな第1撮像データを入力として2つ以上の前記第1評価軸の各々での評価を行うステップと、
2つ以上の前記第1評価軸の各々での評価結果を、2つ以上の前記第1評価軸を座標軸とする予め定められた燃焼状態判定マップ上へマッピングすることにより、現在の燃焼状態を判定するステップと、
を含むことを特徴とする情報処理方法。 - コンピュータに、
第1撮像装置で撮像した焼却炉内の第1撮像データに対して、燃焼状態を判断する要素となる少なくとも1つの第1評価軸における分類ラベルが付与されることにより生成された第1教師データを機械学習した第1学習済みモデルを用いて、焼却炉内の新たな第1撮像データを入力として前記第1評価軸での評価を行うステップと、
第2撮像装置で撮像した焼却炉内の第2撮像データに対して、燃焼状態を判断する要素となる少なくとも1つの第2評価軸における分類ラベルが付与されることにより生成された第2教師データを機械学習した第2学習済みモデルを用いて、焼却炉内の新たな第2撮像データを入力として前記第2評価軸での評価を行うステップと、
前記第1評価軸および第2評価軸の各々での評価結果を、前記第1評価軸および第2評価軸を座標軸とする予め定められた燃焼状態判定マップ上へマッピングすることにより、現在の燃焼状態を判定するステップと、
を実行させることを特徴とする情報処理プログラム。 - コンピュータに、
第1撮像装置で撮像した焼却炉内の第1撮像データに対して、燃焼状態を判断する要素となる2つ以上の第1評価軸の各々における分類ラベルが付与されることにより生成された第1教師データを機械学習した第1学習済みモデルを用いて、焼却炉内の新たな第1撮像データを入力として2つ以上の前記第1評価軸の各々での評価を行うステップと、
2つ以上の前記第1評価軸の各々での評価結果を、2つ以上の前記第1評価軸を座標軸とする予め定められた燃焼状態判定マップ上へマッピングすることにより、現在の燃焼状態を判定するステップと、
を実行させることを特徴とする情報処理プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022031778A JP7391286B2 (ja) | 2022-03-02 | 2022-03-02 | 情報処理装置、情報処理方法、および情報処理プログラム |
TW112107142A TW202403235A (zh) | 2022-03-02 | 2023-02-24 | 資訊處理裝置、資訊處理方法、及資訊處理程式 |
PCT/JP2023/006999 WO2023167127A1 (ja) | 2022-03-02 | 2023-02-27 | 情報処理装置、情報処理方法、および情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022031778A JP7391286B2 (ja) | 2022-03-02 | 2022-03-02 | 情報処理装置、情報処理方法、および情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023127844A JP2023127844A (ja) | 2023-09-14 |
JP7391286B2 true JP7391286B2 (ja) | 2023-12-05 |
Family
ID=87972335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022031778A Active JP7391286B2 (ja) | 2022-03-02 | 2022-03-02 | 情報処理装置、情報処理方法、および情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7391286B2 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019074240A (ja) | 2017-10-13 | 2019-05-16 | 三菱重工業株式会社 | 炉内状態量推定装置、推定モデル作成装置、それらのプログラムおよび方法 |
JP2020038058A (ja) | 2018-08-23 | 2020-03-12 | 荏原環境プラント株式会社 | 情報処理装置、情報処理プログラム、および情報処理方法 |
JP2021008991A (ja) | 2019-07-02 | 2021-01-28 | Jfeエンジニアリング株式会社 | 自動燃焼制御方法および自動燃焼制御装置 |
JP2021096046A (ja) | 2019-12-18 | 2021-06-24 | 三菱重工業株式会社 | 燃焼設備の状態特定装置、状態特定方法およびプログラム |
JP6977119B1 (ja) | 2020-08-18 | 2021-12-08 | 株式会社タクマ | 推定システムおよび制御システム |
-
2022
- 2022-03-02 JP JP2022031778A patent/JP7391286B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019074240A (ja) | 2017-10-13 | 2019-05-16 | 三菱重工業株式会社 | 炉内状態量推定装置、推定モデル作成装置、それらのプログラムおよび方法 |
JP2020038058A (ja) | 2018-08-23 | 2020-03-12 | 荏原環境プラント株式会社 | 情報処理装置、情報処理プログラム、および情報処理方法 |
JP2021008991A (ja) | 2019-07-02 | 2021-01-28 | Jfeエンジニアリング株式会社 | 自動燃焼制御方法および自動燃焼制御装置 |
JP2021096046A (ja) | 2019-12-18 | 2021-06-24 | 三菱重工業株式会社 | 燃焼設備の状態特定装置、状態特定方法およびプログラム |
JP6977119B1 (ja) | 2020-08-18 | 2021-12-08 | 株式会社タクマ | 推定システムおよび制御システム |
Also Published As
Publication number | Publication date |
---|---|
JP2023127844A (ja) | 2023-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6554148B2 (ja) | 廃棄物の質を推定する装置、システム、プログラム、方法、及びデータ構造 | |
TWI797402B (zh) | 資訊處理裝置、資訊處理程式、及資訊處理方法 | |
US10920977B2 (en) | System and method for diagnosing and controlling incineration facility and solid fuel boiler and managing life cycle of facility through heat exchange and design program and operation mode analysis of operator | |
JP7311334B2 (ja) | 廃棄物の質を推定する装置、システム、プログラム、及び方法 | |
JP7443683B2 (ja) | 自動燃焼制御方法および監視センタ | |
CN110135057A (zh) | 基于多层特征选择的固废焚烧过程二噁英排放浓度软测量方法 | |
JP6977119B1 (ja) | 推定システムおよび制御システム | |
JP7391286B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP7390581B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
Smith et al. | Concurrent performance as bouts of behavior | |
WO2023167127A1 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
Paisley et al. | A quantitative assessment of the BSE risk associated with fly ash and slag from the incineration of meat-and-bone meal in a gas-fired power plant in Denmark | |
JP2014209307A (ja) | プラントの運転システム | |
JP2015210044A (ja) | 燃焼制御方法および燃焼制御システム | |
JP7308016B2 (ja) | ごみ質推定システム及び方法、並びに、ごみ貯蔵設備 | |
JP7456312B2 (ja) | 情報処理装置、情報処理方法、プログラム、薬剤供給装置、排ガス処理装置、および排ガス処理方法 | |
JP7093757B2 (ja) | 燃焼設備の制御装置、燃焼設備の制御方法およびプログラム | |
WO2021235464A1 (ja) | 情報処理装置、情報処理プログラム、および情報処理方法 | |
Bujak et al. | Analysis of meat and bone meal clean combustion conditions | |
JP2016081104A (ja) | プロセス診断支援装置 | |
Miller et al. | Pilot-scale fluidized-bed combustor testing cofiring animal-tissue biomass with coal as a carcass disposal option | |
WO2019030742A1 (ja) | 発熱量推定方法、発熱量推定装置、及びごみ貯蔵設備 | |
Hedlund | Detection of glass in RDF using NIR spectroscopy | |
JP2021183891A5 (ja) | ||
Liu et al. | Prediction of calorific value of coal using real power plant data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230829 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230829 |
|
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: 20231003 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231024 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7391286 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |