JP7446567B2 - 異常検出システム - Google Patents

Description

本発明は、例えば倉庫等に設置されている搬送装置の異常を検出する異常検出システムに関する。

従来、倉庫等において入出庫等のために搬送装置としてコンベア装置が用いられることが多い。この種のコンベア装置では、コンベア装置を構成する部品やコンベア装置の周囲にセンサ等の検出部を固定的に設置して故障検出を行っている。

例えば、特許文献１では、コンベア１に搬送装置用軸受けユニット１０を設け、搬送装置用軸受けユニット１０が備える発電素子１４をセンサとして機能させて、軸受の異常による温度上昇を検出している。

また、特許文献２では、ベルトコンベア２０のベルト２２の近傍に光センサ３１、３２を取り付けて搬送物２３を検出し、光センサ３１、３２の検出結果に基づいて搬送物の搬送速度を算出して、モータ１の回転速度に基づく搬送速度と光センサ３１、３２に基づく搬送速度を比較して異常を検出している。

特開２０１３－３２２１１号公報 特開２００７－１１２５６５号公報

特許文献１、２に記載されているようにセンサ等の検出部を固定的に設置した場合、検出範囲が限定されてしまうという問題がある。例えば特許文献１の搬送装置用軸受けユニット１０の場合、全ての軸受けのある場所に設置すると設置数が膨大になる場合がある。また特許文献２の場合も、複数のベルトコンベアにより搬送経路が形成されていたり、複数の搬送経路が形成されていたりすると、各ベルトコンベアに光センサを設置する必要がある。

本発明は、上記のような問題点を解決しようとするものであり、搬送経路全体の異常を低コストで検出することを目的とする。

上記課題を解決するためになされた請求項１に記載された発明は、搬送装置上の現在位置を検出する現在位置検出部と、前記搬送装置の状態を検出する状態検出部と、前記現在位置検出部で検出された現在位置と当該現在位置で前記状態検出部で検出された検出結果とを関連付けて蓄積情報として蓄積する蓄積部と、前記状態検出部で検出された検出結果と、その検出結果を検出した位置における前記蓄積部に蓄積されている蓄積情報とに基づいて当該位置における異常を検出する異常検出部と、を備え、前記現在位置検出部は、外部を撮影するカメラ及び前記搬送装置の搬送経路における３次元地図情報を記憶する地図情報記憶部を備え、前記現在位置検出部は、前記カメラで撮影された画像と前記３次元地図情報とに基づいて現在位置を検出し、少なくとも前記現在位置検出部及び前記状態検出部は、搬送物として前記搬送装置によって当該搬送装置上を搬送され、前記状態検出部には、前記搬送装置上の振動を測定する振動センサを含み、前記振動センサは、前記搬送物の底部かつ該搬送物の長手方向中央部に前記搬送装置に直接接触するように設けられている、ことを特徴とする異常検出システムである。

また、請求項２に記載された発明は、請求項１に記載の発明において、前記３次元地図情報は、前記カメラにより撮像された複数の画像からそれぞれ特徴点を抽出して繋ぎ合わせて生成されたものであることを特徴とする。

また、請求項４に記載された発明は、請求項１または２に記載の発明において、前記状態検出部には、前記搬送装置の発熱を測定する感熱センサを含み、前記感熱センサはサーモカメラで構成されている、ことを特徴とする。

また、請求項４に記載された発明は、請求項１から３のうちいずれか一項に記載の発明において、前記状態検出部で検出された検出結果を送信する送信部と、前記送信部が送信した現在位置及び検出結果を受信する受信部と、を備え、前記受信部が受信した現在位置及び検出結果を関連付けて前記蓄積部に蓄積し、前記受信部が受信した検出結果と、その検出結果を検出した位置における前記蓄積部に蓄積されている蓄積情報とに基づいて前記異常検出部で前記異常検出を行うことを特徴とする。

また、請求項５に記載された発明は、請求項１から４のうちいずれか一項に記載の発明において、同じ位置における複数の蓄積情報によって正常な範囲を学習する学習部を備え、前記異常検出部は、前記学習部における学習結果に基づいて前記異常を検出することを特徴とする。

以上説明したように本発明によれば、状態検出部及び現在位置検出部は、搬送物として搬送装置上を搬送されながら当該搬送装置の状態を検出することができるので、搬送装置側にセンサ等を設置する必要が無くセンサの数を最小限にしてコストを低減することができる。さらに、状態検出部において状態検出部の分解能に応じた検出間隔で状態を検出することができ、略連続的な検出が可能となる。また、状態検出部及び現在位置検出部が、搬送物として搬送装置上を搬送されるので、搬送経路全体の異常を検出することができる。

本発明の第１の実施形態にかかる異常検出システムを有するコンテナの上面図である。 図１に示されたコンテナのＡ－Ａ線に沿う断面図である。 図１に示された異常検出システムのブロック図である。 図１に示された異常検出システムの地図情報生成動作のフローチャートである。 図１に示された異常検出システムの学習済みモデル生成動作のフローチャートである。 図１に示された異常検出システムの異常検出動作のフローチャートである。 第１の実施形態の変形例にかかる異常検出システムのブロック図である。 本発明の第２の実施形態にかかる異常検出システムを有するコンテナの上面図である。 図８に示されたコンテナのＡ－Ａ線に沿う断面図である。 図１に示された異常検出システムのブロック図である。 本実施形態における自己位置推定方法の説明図である。 本実施形態における自己位置推定方法のフローチャートである。

（第１実施形態）
本発明の第１の実施形態にかかる情報処理装置を図１～図７を参照して説明する。図１は、本発明の第１の実施形態にかかる異常検出システムを有するコンテナの上面図である。図２は、図１に示されたコンテナのＡ－Ａ線に沿う断面図である。

コンテナ１は、搬送装置としてのコンベア装置５０上に載置されてコンベア装置５０によって搬送される。図１では矢印の方向に搬送される。なお、図１及び図２では搬送装置としてローラコンベアを示しているがベルトコンベア等他の搬送装置であってもよい。また、図１及び図２では、コンベア装置５０の一部のみを示すが、コンベア装置５０は、例えば倉庫内に設置され、直線や曲線或いは傾斜路等から構成される搬送経路を有するものである。そのため、コンベア装置５０は、複数のコンベア装置から構成されていてもよい。

図１及び図２に示したコンテナ１は、略直方体状の箱型に形成され、収容部１１を構成している。収容部１１は、物品等を出し入れ可能とするために上方に開口部が形成されている。また、収容部１１は、４つの側面部１１ａ、１１ｂ、１１ｃ、１１ｄと、底面部１１ｅと、から構成されている。

図１及び図２に示したように、側面部１１ａ、１１ｂは、直方体の短手方向の側面となり、側面部１１ｃ、１１ｄは、直方体の長手方向の側面となる。本実施形態では、側面部１１ａを前側、即ち搬送方向（進行方向）側とする。したがって、側面部１１ｂが後側、側面部１１ｃが進行方向に向かって左側、側面部１１ｄが進行方向に向かって右側となる。

コンテナ１は、カメラ２と、制御部３と、センサモジュール４Ｌ、４Ｒと、バッテリ５と、を備えている。

カメラ２は、例えばＣＣＤ（Charge Coupled Device）イメージセンサやＣＭＯＳ（Complementary Metal Oxide Semiconductor）イメージセンサ等の撮像素子を有するカメラモジュールである。カメラ２は、コンテナ１の側面部１１ｂ上方中央部に設置され、側面部１１ｂと対向する側面部１１ａ方向の斜め上方を撮影する。即ち、コンテナ１の進行方向の斜め上方を撮影する。なお、本実施形態では、カメラ２は、後側の側面部１１ｂに設置されているが、前側の側面部１１ａに設置して進行方向を撮影するようにしてもよい。

制御部３は、底面部１１ｅのさらに下側に設けられている。つまり、コンテナ１は二重底となっている。制御部３は、振動吸収マット等の振動を吸収する部材８に直接又は間接的に設置されている。振動を吸収する部材８によって、搬送されることにより発生する振動の影響を制御部３等が受けにくくすることができる。

制御部３は、カメラ２が撮影した画像に基づいてコンテナ１の現在位置（自己位置）を推定する。また、制御部３は、センサモジュール４Ｌ、４Ｒで検出された結果をディープラーニングにより学習するとともに、その学習結果に基づいてセンサモジュール４Ｌ、４Ｒで検出された結果が正常の範囲にあるか否かを判定することで異常の有無を判定する。詳細は後述する。

センサモジュール４Ｌは、音センサ４ａと、熱センサ４ｂと、振動センサ４ｃと、を備えている。センサモジュール４Ｌは、側面部１１ｃ側に寄せて設けられている。また、音センサ４ａ及び熱センサ４ｂは、振動を吸収する部材８に直接又は間接的に設置され、振動センサ４ｃは、振動を吸収する部材８よりも下側のコンテナ１の底面に直接設置されている。

センサモジュール４Ｒは、構成は基本的にセンサモジュール４Ｌと同様である。センサモジュール４Ｒは、側面部１１ｄ側に寄せて設けられている点がセンサモジュール４Ｌと異なる。つまり、センサモジュール４Ｌは、コンテナ１の進行方向向かって左側の状態を検出し、センサモジュール４Ｒは、コンテナ１の進行方向向かって右側の状態を検出する。

音センサ４ａは、外部の音を集音して所定のコンベア装置５０の発する音を検出する。音センサ４ａとしては、例えば単一指向性マイクロフォンと周波数フィルタ等で構成することができる。熱センサ４ｂは、コンベア装置の所定の部位の温度を検出する。熱センサ４ｂとしては、例えばサーモカメラ等で構成することができる。振動センサ４ｃは、コンテナ１に加わる振動を検出する。振動センサ４ｃとしては、加速度センサ等で構成することができる。なお、本実施形態では、３種類のセンサで構成されているが、例えば光センサや磁気センサ等他のセンサを用いてもよい。即ち、センサモジュール４Ｌ、４Ｒは、コンベア装置５０の状態を検出する状態検出部として機能する。

バッテリ５は、振動を吸収する部材８に直接又は間接的に設置されている。バッテリ５は、上述したカメラ２、制御部３、センサモジュール４Ｌ、４Ｒへ電力を供給する。またコンテナ１は、バッテリ５を充電するための端子（不図示）を有している。或いはバッテリ５は充電のため着脱自在となっていてもよい。

図３に本実施形態にかかるコンテナ（異常検出システム）１のブロック図を示す。図３に示したように、制御部３は、処理部３ａと、記憶部３ｂと、を備えている。

処理部３ａは、例えばマイクロプロセッサ等で構成され、上述した自己位置推定や、ディープラーニング、異常の有無の判定等を行う。即ち、処理部３ａは、カメラ２とともに現在位置検出部として機能する。また、処理部３ａは、学習部、異常検出部としても機能する。

記憶部３ｂは、例えば、ＳＳＤ（Solid State Drive）等の記憶装置で構成され、センサモジュール４Ｌ、４Ｒの検出結果が自己位置推定された位置情報と関連付けて蓄積されて記憶されている。即ち、記憶部３ｂは、蓄積部として機能する。また、記憶部３ｂには、自己位置推定のための地図情報も記憶されている。

次に、上述した構成の異常検出システムの動作について図４～図６のフローチャートを参照して説明する。図４は、カメラ２が撮影した画像から自己位置推定をするための３次元の地図情報を生成するフローチャートである。

まず、カメラ２から撮影画像を収集し（ステップＳ１１）、処理部３ａは、収集した撮影画像から特徴点を抽出する（ステップＳ１２）。そして、処理部３ａは、抽出された特徴点に基づいてコンベア装置５０により形成される搬送経路における３次元地図（地図情報）を生成する（ステップＳ１３）。この３次元地図は、カメラ２がコンベア装置５０で搬送される際に撮影された複数の画像からそれぞれ特徴点を抽出して繋ぎ合わせたものであり、搬送経路上の特徴点が含まれる情報となっている。

図５は、センサモジュール４Ｌ、４Ｒが検出した検出結果に基づいてディープラーニングによる学習済みモデルを生成するフローチャートである。

まず、センサモジュール４Ｌ、４Ｒが検出した検出結果を収集し（ステップＳ２１）、処理部３ａは、周知のディープラーニングにより各センサにおける正常な検出結果を学習する（ステップＳ２２）。つまり、コンベア装置５０が正常に動作している状態におけるセンサの検出結果を学習する。このとき正常な状態にはある程度の値の幅があってもよい。また、このステップでは、コンベア装置５０の位置毎に正常な状態（検出結果）を学習する。これは、コンベア装置５０の位置によって、正常な音や温度及び振動の範囲は異なることが多いためである。つまり、３次元地図情報を参照して位置と関連付けて学習する。そして、処理部３ａは、所定量の検出結果を学習させた学習済みモデルを生成する（ステップＳ２３）。

図６は、図４のフローチャートで生成した地図情報と、図５のフローチャートで生成した学習済みモデルと、を用いて異常を検出するフローチャートである。

まず、センサモジュール４Ｌ、４Ｒが検出した検出結果を収集し（ステップＳ３１）、処理部３ａは、カメラ２が撮影した画像と記憶部３ｂに記憶されている地図情報とに基づいてコンテナ１の自己位置を推定する（ステップＳ３２）。そして、処理部３ａは、ステップＳ３１で収集した検出結果が、ステップＳ３２で推定した自己位置における学習済みモデルにより正常の範囲にあるか否か判定し（ステップＳ３３）、正常な範囲にない場合（ステップＳ３３：ＮＯ）は、異常検出として、例えば図示しない報知装置等により報知するとともに、異常検出された位置情報を記憶部３ｂに記憶する（ステップＳ３４）。一方、正常な範囲にある場合（ステップＳ３３：ＹＥＳ）は、ステップＳ３１に戻る。

ここで、ステップＳ３３はセンサ毎に判定する。つまり、センサ毎に検出結果が正常の範囲内にあるか否か判定し、全てのセンサの検出結果が正常の範囲内である場合に正常であるとする。したがって、１つのセンサの検出結果が正常の範囲外である場合は異常と判定する。

このようにすることで、例えば次のような故障の兆候を捉えることができる。但し、以下の故障内容の特定までは異常検出システム１で行わなくてもよく、当該位置で何らかの異常があることを検出すればよい。そして、故障内容の特定は別の測定装置や作業者の点検等により行えばよい。

例えば、音センサ４ａの検出結果により、コンベア装置５０のローラ若しくはシャフトの破損、キャリアローラへの駆動力不伝達、ローラの空回り等を検出することができる。また、振動センサ４ｃの検出結果により、コンベア装置５０のローラ若しくはシャフトの破損、ローラ面の傾き、キャリアローラへの駆動力不伝達、ローラの空回り等を検出することができる。熱センサ４ｂの検出結果により、コンベア装置５０の電源の異常発熱を検出することができる。

また、音センサ４ａの検出結果と振動センサ４ｃの判定結果を組み合わせることで、コンベア装置５０の電源の故障を検出することができる。また、音センサ４ａの検出結果と熱センサ４ｂの検出結果と振動センサ４ｃの判定結果を組み合わせることで、コンベア装置５０のモータの故障を検出することができる。

例えば、音センサ４ａの検出結果単独で、コンベア装置５０のローラ若しくはシャフトの破損、キャリアローラへの駆動力不伝達、ローラの空回りのいずれかが発生していることを検出することができ、自己位置推定結果による位置情報と対応付けることで、どこでこのような故障の兆候があったかを特定することができる。

以上に説明した本実施形態によれば、異常検出システムであるコンテナ１は、コンベア装置５０上の現在位置を検出するカメラ２と、コンベア装置５０の状態を検出するセンサモジュール４Ｌ、４Ｒと、を備えている。そして、コンテナ１は、カメラ２で検出された現在位置と当該現在位置でセンサモジュール４Ｌ、４Ｒが検出した検出結果とを関連付けて蓄積情報として蓄積する記憶部３ｂと、センサモジュール４Ｌ、４Ｒが検出した検出結果と、その検出結果を検出した位置における記憶部３ｂに蓄積されている蓄積情報から生成された学習モデルと、に基づいて当該位置における異常を検出する処理部３ａと、を備えている。そして、コンテナ１は、搬送物としてコンベア装置５０により当該コンベア装置上を搬送される。

このようにすることにより、コンテナ１は、搬送物としてコンベア装置５０上を搬送されながら当該コンベア装置５０の状態を検出することができるので、コンベア装置５０側にセンサ等を設置する必要が無くセンサの数を最小限にしてコストを低減することができる。さらに、センサモジュール４Ｌ、４Ｒにおいてセンサの分解能に応じた検出間隔で状態を検出することができ、略連続的な検出が可能となる。また、コンテナ１が、搬送物としてコンベア装置５０上を搬送されるので、コンベア装置５０により形成される搬送経路全体の異常を検出することができる。

また、処理部３ａは、同じ位置における複数の蓄積情報によって正常な範囲をディープラーニングにより学習し、その学習により生成された学習モデルに基づいて異常を検出する。このようにすることにより、コンテナ１をコンベア装置５０上を何度も搬送させて、センサモジュール４Ｌ、４Ｒの検出結果を多く収集することで、学習モデルを逐次アップデートすることができ、判定精度を向上させることができる。

また、処理部３は、外部を撮影するカメラ２で撮影された撮影画像とコンベア装置５０における地図情報とに基づいて自己位置を推定するので、マーカ等を設置せずに自己位置を推定することができる。また、ＧＰＳ（Global Positioning System）等の電波が受信できなくても自己位置を推定することができる。

また、センサモジュール４Ｌ、４Ｒは、コンベア装置５０の進行方向に対して左右方向の状態を検出するので、異常の検出箇所が少なくとも右側か左側かの特定が可能となる。

なお、上述した実施形態では、コンテナ１でディープラーニングや異常の有無の判定を行っていたが、カメラ２で撮影された画像及びセンサモジュール４Ｌ、４Ｒの検出結果を外部のコンピュータ等に送信して当該コンピュータで自己位置推定やディープラーニング及び異常の有無の判定を行うようにしてもよい。この場合の構成を図７に示す。図７は、図３の構成に対して通信部６とコンピュータ（ＰＣ）６０とが追加されている。

通信部６は、例えばＷｉ－Ｆｉ（登録商標）等の通信方式により無線通信を行う。通信部６は、カメラ２の撮影画像とともにセンサモジュール４Ｌ、４Ｒの検出結果をコンピュータ６０へ送信する。即ち、通信部６は、送信部として機能する。コンピュータ６０は、受信した撮影画像及び検出結果に基づいて自己位置推定やディープラーニング及び異常の有無の判定を行う。自己位置推定やディープラーニング及び異常の有無の判定の方法は図４～図６と同様である。即ち、コンピュータ６０は、受信部、現在位置検出部、異常検出部、蓄積部、学習部として機能する。図７の構成の場合、コンテナ１とコンピュータ６０とで異常検出システムを構成する。

図７の構成によれば、自己位置推定やディープラーニング及び異常の有無の判定はコンピュータ６０ですることができるので、コンテナ１の処理部３ａで行う処理負荷を軽減することができる。したがって、処理部３ａに消費電力の小さいＣＰＵ等を採用してバッテリ５の消耗を抑えることができる。

また、図７の構成で、自己位置推定までをコンテナ１で行ってもよい。この場合は、通信部６は、位置情報とともにセンサモジュール４Ｌ、４Ｒの検出結果をコンピュータ６０へ送信する。

（第２実施形態）
次に、本発明の第２の実施形態を図８～図１２を参照して説明する。なお、第１の実施形態と同一の部分には、同一符号を付して説明を省略する。

本実施形態は、自己位置推定の手段及び状態検出の手段が第１の実施形態と異なる。本実施形態にかかる異常検出システムを有するコンテナ１Ａの上面図を図８に、図８に示されたコンテナ１ＡのＡ－Ａ線に沿う断面図を図９に、それぞれ示す。

図８に示したように、本実施形態では、カメラ２及びセンサモジュール４が削除され、カメラ２０（２０ａ、２０ｂ、２０ｃ、２０ｄ、２０ｅ）が設けられている。カメラ２０ａ～２０ｃは側面部１１ａに設けられ、コンテナ１Ａの前方を撮影する。カメラ２０ａ～２０ｃは、コンテナ１Ａの前方下側を中心に撮影するように設けられている（図９を参照）。カメラ２０ｄは、側面部１１ｃに設けられている。カメラ２０ｅは、側面部１１ｄに設けられている。

カメラ２０ａはコンテナ１Ａの搬送方向で左前方を撮影する。カメラ２０ｂはコンテナ１Ａの搬送方向で中央前方を撮影する。カメラ２０ｃはコンテナ１Ａの搬送方向で右前方を撮影する。カメラ２０ｄは、コンテナ１Ａの搬送方向で左側を撮影する。カメラ２０ｅは、コンテナ１Ａの搬送方向で右側を撮影する。また、カメラ２０ａ及び２０ｃはサーモカメラとなっている。また、カメラ２０ｂ、２０ｄ、２０ｅは広角カメラとなっている。

本実施形態では、カメラ２０ａ、２０ｃにより、搬送方向におけるコンベア装置５０Ａの温度を検出することができる。即ち、カメラ２０ａ、２０ｃは、搬送装置の進行方向に対して前方方向の状態を検出する状態検出部として機能する。また、カメラ２０ｂにより、コンベア装置５０Ａの振動を検出することができる。なお、カメラ２０ｂは、後述する自己位置推定にも利用される。

図１０に本実施形態にかかるコンテナ（異常検出システム）１Ａのブロック図を示す。基本的には図３と同様であり、異なるのはカメラ２及びセンサモジュール４が削除され、カメラ２０ａ～２０ｅが設けられている点である。

次に、本実施形態における自己位置推定方法について、図１１を参照して説明する。本実施形態における自己位置推定方法は、ローラコンベアを対象とする。コンベア装置５０Ａ（ローラコンベア）は、互いに平行に配置された支持部材となる第１フレーム５１及び第２フレーム５２と、第１フレーム５１と第２フレーム５２に軸支される搬送ローラ５３と、を備えている。

さらに、本実施形態にかかるコンベア装置５０Ａは、ガイドポール５４が設置されている。ガイドポール５４は、第１フレーム５１及び第２フレーム５２に所定間隔で複数立設されている。即ち、ガイドポール５４は、搬送経路に所定間隔を空けて設置されたガイド部として機能する。

ガイドポール５４は、コンベア装置５０Ａ（搬送経路）の予め定めた位置に所定の間隔で設置されている。したがって、ガイドポール５４をカメラ２０ｄ、２０ｅで撮影した画像から画像認識等により検出することで自己位置を推定することができる。例えば、スタート位置等の原点となる位置を認識できれば、ガイドポール５４の設置間隔は予め判明しているので、原点から何本目のガイドポール５４か特定することで、自己位置を推定することができる。或いは、ガイドポール５４に現在位置を示す表示等を付加してもよい。

但し、ガイドポール５４は所定間隔を空けて設置しているので、ガイドポール５４のみでは、ガイドポール５４間の位置の推定精度が低下する。そこで、本実施形態では、カメラ２０ｂで撮影した画像等から画像認識等により搬送ローラ５３を検出することで、ガイドポール５４間の位置を推定する。ガイドポール５４の設置間隔は予め判明しているので、ガイドポール５４間に搬送ローラ５３が何本あるかも予め求めることができる。したがって、ガイドポール５４検出後、搬送ローラ５３を何本検出したかを計数することによってガイドポール５４間の位置を推定することができる。即ち、処理部３ａは、ローラコンベアのローラの本数を検出する計数部と、ガイド部と計数部の係数結果に基づいて現在位置を検出する検出部として機能する。

次に、上述した自己位置推定動作のフローチャートを図１２に示す。まず、処理部３ａは、収集した撮影画像からガイドポール５４を画像認識により検出し、検出された場合（ステップＳ４１：ＹＥＳ）は、処理部３ａは、その検出されたガイドポール５４に基づいて自己位置を推定する（ステップＳ４２）。

一方、収集した撮影画像からガイドポール５４が検出されない場合（ステップＳ４１：ＮＯ）は、収集した撮影画像から搬送ローラ５３を画像認識により検出し、検出された場合（ステップＳ４３：ＹＥＳ）は、処理部３ａは、その検出された搬送ローラとガイドポール５４に基づいて自己位置を推定する（ステップＳ４２）。

なお、本実施形態では、ガイド部としてガイドポール５４で説明したが、ポールではなく突起やマーキング等、搬送経路に所定間隔で設けることができ、かつガイド部として画像認識できるものであればよい。また、ガイド部は、第１フレーム５１や第２フレーム５２に立設するに限らず、カメラ２０ｄ、２０ｅで撮影される範囲に設置できればよい。さらにはガイド部は、進行方向の左右両方ではなく、いずれか一方のみに設けてもよく、その場合はカメラ２０ｄ、２０ｅのいずれか一方を省略してもよい。

また、本実施形態では、状態検出部としてカメラ２０を用いているが、第１の実施形態で説明したセンサモジュール４を用いてもよい。つまり、現在位置検出部と状態検出部の組み合わせは、第１、第２の実施形態の組み合わせに限らず、任意である。

本実施形態によれば、コンベア装置５０Ａは、ローラコンベアで構成され、処理部３ａは、搬送経路に所定間隔を空けて設置されたガイドポール５４と、ローラコンベアの搬送ローラ５３の計数結果に基づいて自己位置を検出するので、複雑な処理や地図情報を有することなく自己位置を検出することができる。

また、ガイドポール５４に加えて搬送ローラ５３の計数結果（本数）に基づいて自己位置を検出するので、ガイドポール５４の設置間隔を長くすることができ、追加するガイドポール５４を少なくすることができる。

また、カメラ２０ａ、２０ｃは、搬送装置の進行方向に対して前方方向の温度を検出するので、搬送方向前方の異常を検出することができる。

また、本発明は上記実施形態に限定されるものではない。即ち、当業者は、従来公知の知見に従い、本発明の骨子を逸脱しない範囲で種々変形して実施することができる。かかる変形によってもなお本発明の異常検出システムの構成を具備する限り、勿論、本発明の範疇に含まれるものである。

１ コンテナ（異常検出システム）
２ カメラ（現在位置検出部）
３ 制御部
３ａ 処理部（現在位置検出部、異常検出部、学習部、計数部、検出部）
３ｂ 記憶部（蓄積部）
４Ｌ センサモジュール（状態検出部）
４Ｒ センサモジュール（状態検出部）
６ 通信部（送信部）
２０ カメラ（現在位置検出部）
５０ 搬送装置
５０Ａ ローラコンベア（搬送装置）
５４ ガイドポール（ガイド部）
６０ コンピュータ（受信部、異常検出部、蓄積部、学習部）

Claims (5)

1. 搬送装置上の現在位置を検出する現在位置検出部と、
   前記搬送装置の状態を検出する状態検出部と、
   前記現在位置検出部で検出された現在位置と当該現在位置で前記状態検出部で検出された検出結果とを関連付けて蓄積情報として蓄積する蓄積部と、
   前記状態検出部で検出された検出結果と、その検出結果を検出した位置における前記蓄積部に蓄積されている蓄積情報とに基づいて当該位置における異常を検出する異常検出部と、を備え、
   前記現在位置検出部は、外部を撮影するカメラ及び前記搬送装置の搬送経路における３次元地図情報を記憶する地図情報記憶部を備え、
   前記現在位置検出部は、前記カメラで撮影された画像と前記３次元地図情報とに基づいて現在位置を検出し、
   少なくとも前記現在位置検出部及び前記状態検出部は、搬送物として前記搬送装置によって当該搬送装置上を搬送され、
   前記状態検出部には、前記搬送装置上の振動を測定する振動センサを含み、
   前記振動センサは、前記搬送物の底部かつ該搬送物の長手方向中央部に前記搬送装置に直接接触するように設けられている、
   ことを特徴とする異常検出システム。
2. 前記３次元地図情報は、前記カメラにより撮像された複数の画像からそれぞれ特徴点を抽出して繋ぎ合わせて生成されたものであることを特徴とする請求項１に記載の異常検出システム。
3. 前記状態検出部には、前記搬送装置の発熱を測定する感熱センサを含み、
   前記感熱センサはサーモカメラで構成されている、
   ことを特徴とする請求項１または２に記載の異常検出システム。
4. 前記状態検出部で検出された検出結果を送信する送信部と、
   前記送信部が送信した現在位置及び検出結果を受信する受信部と、を備え、
   前記受信部が受信した現在位置及び検出結果を関連付けて前記蓄積部に蓄積し、前記受信部が受信した検出結果と、その検出結果を検出した位置における前記蓄積部に蓄積されている蓄積情報とに基づいて前記異常検出部で前記異常検出を行うことを特徴とする請求項１から３のうちいずれか一項に記載の異常検出システム。
5. 同じ位置における複数の蓄積情報によって正常な範囲を学習する学習部を備え、
   前記異常検出部は、前記学習部における学習結果に基づいて前記異常を検出することを特徴とする請求項１から４のうちいずれか一項に記載の異常検出システム。

Images