KR20210002444A

KR20210002444A - 선별 장치, 선별 방법 및 선별 프로그램 그리고 컴퓨터로 판독 가능한 기록 매체 또는 기억한 기기

Info

Publication number: KR20210002444A
Application number: KR1020207018659A
Authority: KR
Inventors: 쇼지 오이시; 히로유키 후카세; 마사토 오오니시
Original assignee: 다이오세이시가부시끼가이샤; 다이오 엔지니어링 가부시키가이샤
Priority date: 2018-04-26
Filing date: 2019-04-26
Publication date: 2021-01-08
Also published as: WO2019208754A1; CN111819598B; CN111819598A

Abstract

유저가, 선별 정밀도를 간단하게 설정ㆍ변경할 수 있도록 한다.
(해결 수단) 라인 센서 카메라 (11) 와 라인 센서 카메라 (11) 에 의해 취득된 종별 물체의 데이터로부터 학습 데이터 (LD) 를 작성하는 학습 데이터 작성부 (122) 와, 학습 데이터 (LD) 를 사용하여 혼합물 (MO) 을 종류별로 분별하고, 종별 물체로 하는 방법을 학습하고, 그 학습에 의해 얻어진 지식 및 경험을 데이터화한 학습 모델 (GM) 을 작성하는 학습부 (123) 와, 선별 대상물 (SO) 의 종류를 선택하는 선별 대상 선택부 (124) 와, 학습 모델 (GM) 에 기초하여, 라인 센서 카메라 (11) 에 의해 취득한 혼합물 (MO) 의 데이터로부터, 인식률 (RR) 을 산출하고, 인식률 (RR) 에 기초하여, 선별 대상물 (SO) 의 유무 및 위치를 판단하는 판단부 (125) 와, 판단부 (125) 의 판단 결과 및 인식률 (RR) 에 대해 형성되는 임계값에 기초하여 혼합물 (MO) 중에서 선별 대상물 (SO) 을 선별하는 에어 분사 노즐 (14) 을 구비한다.

Description

선별 장치, 선별 방법 및 선별 프로그램 그리고 컴퓨터로 판독 가능한 기록 매체 또는 기억한 기기

본 발명은 복수 종류의 물체로 구성되는 혼합물 중에서 선별 대상물을 선별하는 선별 장치, 선별 방법 및 선별 프로그램 그리고 컴퓨터로 판독 가능한 기록 매체 또는 기억한 기기에 관한 것이다.

최근, 폐기물 등을 재자원화하여, 새로운 제품의 원료로서 이용하는 리사이클은, 환경 보호의 관점이나 기업 이미지의 향상 등의 목적에서 많은 기업에 의해 실시되고 있다.

리사이클 분야는 다방면에 걸쳐 있는데, 예를 들어, 고지 (古紙) 를 리사이클하여 재생지를 생산하는 분야에서는, 고지 중에, 예를 들어, 라미네이트 등의 플라스틱이 혼입되면, 종이의 순도가 떨어진다는 불순물의 문제가 있다. 또, 유해 물질이 혼입되면, 이 유해 물질을 널리 확산시켜 버리게 된다. 이 때문에, 리사이클 전에, 원료로서 사용하는 물체와 불순물을 선별하는 공정이 필요해진다. 또, 예를 들어 백색의 종이와 착색된 종이를 선별하는 것과 같이, 리사이클의 용도에 따라 자유롭게 선별 대상물을 선별할 수 있을 것이 요구되고 있다.

또, 리사이클에 상관없이, 제품 제조시에 있어서, 양품과 불량품을 선별할 필요가 있기 때문에, 물체를 2 이상으로 선별하는 기술은, 제조업에 있어서 필요 불가결한 기술 중 하나라고 할 수 있다. 이러한 종류의 물체를 2 이상의 종류로 선별하는 기술은, 예를 들어, 특허문헌 1 및 특허문헌 2 에 개시되어 있다.

특허문헌 1 에는, 광원과 광 센서로 이루어지는 검지 수단을 구비하고, 반사광의 휘도에 기초하여 물체를 선별하는 선별 장치에 관한 기술이 개시되어 있다.

또, 특허문헌 2 에는, 중력 센서와, 촬상 장치로서 RGB 카메라, X 선 카메라, 근적외선 카메라, 3D 카메라를 구비하고, 인공 지능에 의해 물체를 자동 선별하는 선별 장치에 관한 기술이 개시되어 있다.

일본 공개특허공보 2018-017639호 일본 공개특허공보 2017-109197호

그러나, 특허문헌 1 에 개시된 선별 장치는, 반사광의 휘도에 기초하여 물체를 선별하는 기준이나 알고리즘을 미리 설정해 둘 필요가 있고, 이들의 설정에 전문적인 지식이나 경험이 필요하기 때문에, 유저가 용이하게 설정이나 설정의 변경을 실시할 수 없었다.

또, 인공 지능을 이용한 특허문헌 2 에 개시된 선별 장치는, 전술한 바와 같은 설정은 필요 없기는 하지만, 미리 인공 지능에 선별하는 기준이나 방법을 학습시키는 공정이 필요하여, 유저가 용이하게 설정할 수 있는 양태로는 되어 있지 않았다.

이와 같이, 종래의 선별 장치나 선별 방법에서는, 선별 장치에 선별 대상물을 선별시키기 위한 설정을 실시하는 것이 용이하지 않기 때문에, 유저는, 미리 선별 대상물에 따른 설정이 이루어진 선별 장치를 제공받아 운전을 실시하고 있었다. 이 때문에, 혼합물 (폐기물 등) 이나 선별 대상물이 변경이 되거나 한 경우에, 유저가 설정을 변경하고 싶어도 용이하게 변경할 수 없다는 문제가 있었다.

본 발명은, 종래의 이와 같은 문제점을 감안하여 이루어진 것이다. 본 발명의 목적의 하나는, 유저가 전문적인 기술이나 지식을 가지고 있지 않더라도, 선별 대상물을 선별하기 위한 설정을 용이하게 실시할 수 있는 선별 장치, 선별 방법 및 선별 프로그램 그리고 컴퓨터로 판독 가능한 기록 매체 또는 기억한 기기를 제공하는 것에 있다.

본 발명의 제 1 측면에 관련된 선별 장치는, 복수 종류의 물체로 구성되는 혼합물 중에서 선별 대상물을 선별하는 선별 장치로서, 종류별로 분별된 상기 물체인 종별 물체 또는 상기 혼합물에 기초하는 데이터를 취득하는 데이터 취득부와, 상기 데이터 취득부에 의해 취득된 상기 종별 물체의 데이터로부터 학습 데이터를 작성하는 학습 데이터 작성부와, 상기 학습 데이터 작성부에 의해 작성된 학습 데이터를 사용하여 혼합물을 종류별로 분별하고, 종별 물체로 하는 방법을 학습하고, 그 학습에 의해 얻어진 지식 및 경험을 데이터화한 학습 모델을 작성하는 학습부와, 상기 종별 물체 중에서 상기 선별 대상물의 종류를 선택하는 선별 대상 선택부와, 상기 학습부에서 작성된 학습 모델에 기초하여, 상기 데이터 취득부에서 취득한 혼합물의 촬상 데이터로부터 상기 선별 대상 선택부에서 선택된 종류의 선별 대상물의 유무 및 위치를 판단하는 판단부와, 상기 판단부의 판단 결과에 기초하여 상기 혼합물 중에서 상기 선별 대상물을 선별하는 선별부와, 상기 각 부에 대해, 유저로부터의 조작을 받아 지시를 주는 조작부를 구비할 수 있다.

상기 구성에 의하면, 인공 지능을 이용하여 혼합물의 촬상 데이터로부터 선별 대상물의 유무 및 위치를 판단할 수 있기 때문에, 물체를 선별하는 기준이나 알고리즘의 설정이 불필요하다. 또한, 각 부재에, 유저로부터의 조작을 받아 지시를 주는 조작부를 구비하기 때문에, 유저가, 용이하게 학습 모델을 작성할 수 있고, 인공 지능에 학습시키는 공정도 용이하게 실시할 수 있다.

따라서, 본 발명에 의하면, 조작부를 사용하여 간단하게 조작할 수 있고, 번잡한 설정 작업의 대부분을 인공 지능이 실시하게 할 수 있기 때문에, 유저가 전문적인 기술이나 지식을 가지고 있지 않더라도, 선별 대상물을 선별하기 위한 설정을 용이하게 실시할 수 있다.

또, 본 발명의 제 2 측면에 관련된 선별 장치는, 상기 조작부가, 상기 데이터 취득부에 데이터의 취득을 지시하는 데이터 취득 지시부와, 상기 학습 데이터 작성부에 상기 학습 데이터의 작성 개시를 지시하는 학습 데이터 작성 지시부와, 상기 학습부에 상기 학습 모델의 작성을 지시하는 학습 개시 지시부와, 상기 선별 대상 선택부에 상기 선별 대상물의 종류의 선택을 지시하는 선별 대상 선택 지시부와, 상기 판별부에 상기 선별 대상물의 유무 및 위치를 판단하게 하고, 상기 선별부에, 그 판단 결과에 기초하여 상기 혼합물 중에서 상기 선별 대상물을 선별하게 하는 운전 개시 지시부를 구비할 수 있다.

게다가 또한, 본 발명의 제 3 측면에 관련된 선별 장치는, 상기 조작부가, 적어도 상기 데이터 취득 지시부, 학습 데이터 작성 지시부 및 학습 개시 지시부를 표시하는 학습 모드와, 적어도 상기 운전 개시 지시부를 표시하는 운전 모드를 포함하는 모드 전환 조작을 지시하는 모드 전환 지시부를 구비할 수 있다. 상기 구성에 의하면, 유저는, 학습 모드와 운전 모드라는 선별 장치의 동작 상황 중, 어느 동작 상황하에 있는지를 파악하면서, 작업을 실시할 수 있고, 학습 모드에 있어서의 설정 작업은, 설정에 관련된 지시부가 집약되어 있기 때문에 오조작을 방지하기 쉽다.

게다가 또한, 본 발명의 제 4 측면에 관련된 선별 장치는, 상기 조작부가, 적어도 상기 데이터 취득 지시부, 학습 데이터 작성 지시부, 학습 개시 지시부, 선별 대상 선택 지시부 및 운전 개시 지시부를 한 화면에 표시할 수 있다. 상기 구성에 의하면, 학습 모드, 운전 모드와 같이 모드로서 구별되어 있지 않고, 설정에 관련된 지시부도 운전에 관련된 지시부도 한 화면에 표시되기 때문에, 학습 모드와 운전 모드의 모드의 전환 조작을 필요하지 않게 할 수 있다.

게다가 또한, 본 발명의 제 5 측면에 관련된 선별 장치는, 상기 조작부가, 터치 패널이도록 구성할 수 있다. 상기 구성에 의하면, 유저가 간단하게 조작할 수 있다.

게다가 또한, 본 발명의 제 6 측면에 관련된 선별 장치는, 상기 데이터 취득부가 가시 카메라를 구비하고, 상기 데이터 취득부에 의해 취득되는 데이터가 화상 데이터이도록 구성할 수 있다. 상기 구성에 의하면, 데이터 취득부가 가시 카메라를 구비하고, 데이터를 화상 데이터로서 취득할 수 있는 점에서, 선별 대상물을, 그 선별 대상물의 형태나 위치, 크기, 범위에 기초하여 선별할 수 있다. 또한, 예를 들어 데이터 취득부가 분광기가 달린 카메라인 경우에는, 데이터는 분광 분포 데이터로서 취득할 수 있다.

게다가 또한, 본 발명의 제 7 측면에 관련된 선별 장치는, 상기 종별 물체의 화상 데이터와 그 종별 물체의 종류를 특정하는 정보를 관련지어 보존하는 기억부를 구비하고, 상기 학습 데이터 작성부는, 상기 데이터 취득부에서 취득한 상기 종별 물체의 화상 데이터로부터 배경을 없애고 그 종별 물체를 추출하여 이루어지는 추출 화상 데이터를 작성하는 화상 추출부와, 상기 화상 추출부에서 작성된, 상기 혼합물에 포함되는 물체 전체 종류의 상기 추출 화상 데이터 중에서, 하나 또는 복수의 추출 화상 데이터를 랜덤하게 선택하고, 상기 데이터 취득부에서 촬상된 배경의 화상 데이터와 그 추출 화상 데이터를 합성하여 이루어지는 학습용 화상 데이터를 작성하는 화상 합성부와, 상기 화상 합성부에서 작성된 상기 학습용 화상 데이터와 상기 기억부에 보존된 정보에 기초하여 특정되는 상기 학습용 화상 데이터에 포함되는 종별 물체의 종류 및 위치의 정보를 관련지어 상기 학습 데이터를 작성하는 해답 작성부를 갖도록 구성할 수 있다. 상기 구성에 의하면, 유저의 지시에 의해, 인공 지능에 학습시키는 학습 데이터수를 제어할 수 있기 때문에, 학습 횟수를 늘림으로써 선별의 정밀도를 향상시킬 수 있다.

게다가 또한, 본 발명의 제 8 측면에 관련된 선별 장치는, 상기 선별부가, 상기 판단 결과에 기초하여 상기 선별 대상물에 압축한 공기를 쐬어, 상기 혼합물 중에서 상기 선별 대상물을 선별할 수 있다.

게다가 또한, 본 발명의 제 9 측면에 관련된 선별 장치는, 상기 판단부가, 상기 학습부에서 작성된 학습 모델에 기초하여, 상기 데이터 취득부에서 취득한 혼합물의 데이터로부터, 상기 혼합물 중의 각 물체가 상기 선별 대상 선택부에서 선택된 선별 대상물일 확률을 나타내는 제 1 인식률을 산출하고, 그 제 1 인식률에 기초하여, 상기 선별 대상물의 유무 및 위치를 판단하고, 상기 선별부가, 상기 판단부의 판단 결과 및 상기 제 1 인식률에 대해 형성되는 임계값에 기초하여 상기 혼합물 중에서 상기 선별 대상물을 선별할 수 있다. 상기 구성에 의하면, 혼합물로부터 선별 대상물을 선별하는 운전시에 있어서, 혼합물의 각 물체가 선별 대상물일 확률을 나타내는 제 1 인식률을 인공 지능에 산출시키고, 그 인식률과 유저가 설정할 수 있는 임계값을 서로 연결시켜 선별 대상을 판단하기 때문에, 인공 지능을 이용하면서도, 선별 정밀도를 유저가 컨트롤할 수 있게 된다. 바꾸어 말하면, 선별의 목적이, 대략적으로 분류할 수 있으면 된다는 경우부터, 원하는 물체만 고정밀도로 추출하고자 하는 경우 등 여러 가지 상정되는 바, 선별 정밀도에 대한 유저의 요구에 따른 선별이 가능해진다.

게다가 또한, 본 발명의 제 10 측면에 관련된 선별 장치는, 상기 선별부가, 상기 제 1 인식률이 상기 임계값 이상인 선별 대상물을 선별할 수 있다. 상기 구성에 의하면, 임계값을 높게 설정함으로써, 고정밀도로 선별할 수 있고, 임계값을 낮게 설정함으로써, 대략적으로 선별할 수 있다.

게다가 또한, 본 발명의 제 11 측면에 관련된 선별 장치는, 상기 판단부가, 상기 학습부에서 작성된 학습 모델에 기초하여, 상기 데이터 취득부에서 취득한 혼합물의 데이터로부터, 상기 혼합물 중의 각 물체가 상기 종별 물체마다 그 종별 물체일 확률을 나타내는 제 2 인식률을 산출하고, 그 제 2 인식률에 기초하여, 상기 혼합물 중의 각 물체의 종류를 특정하고, 그 종류가 상기 선별 대상물의 종류와 일치하는 경우의 제 2 인식률을 상기 제 1 인식률로 간주하여, 상기 선별 대상물의 유무 및 위치를 판단할 수 있다. 상기 구성에 의하면, 혼합물의 각 물체에 대해, 종별 물체마다 제 2 인식률이 전부 산출되기 때문에, 물체의 종류를 제 2 인식률이 최고값이 되는 종류라고 판별할 수 있고, 선별 대상물과 종류가 동일하다고 판별된 물체에 대해, 유저가 설정할 수 있는 임계값과 서로 연결시켜 선별을 실시하기 때문에, 유저는, 선별 대상물을 변경하는 경우에서도, 선별 대상물에 특화된 학습 모델을 다시 작성할 필요가 없이, 선별 대상물을 용이하게 변경할 수 있다.

게다가 또한, 본 발명의 제 12 측면에 관련된 선별 장치는, 상기 제 1 인식률에 대해 원하는 임계값을 설정하는 임계값 설정부를 구비하고, 상기 조작부가, 상기 임계값 설정부에 상기 임계값의 설정을 지시하는 임계값 설정 지시부를 가질 수 있다. 상기 구성에 의하면, 유저는 선별 정밀도를 용이하게 설정ㆍ변경할 수 있다.

게다가 또한, 본 발명의 제 13 측면에 관련된 선별 방법은, 복수 종류의 물체로 구성되는 혼합물 중에서 선별 대상물을 선별하는 선별 방법으로서, 데이터 취득 지시부로부터의 조작을 받아, 종류별로 분별된 상기 물체인 종별 물체 또는 상기 혼합물에 기초하는 데이터를 취득하는 데이터 취득 공정과, 학습 데이터 작성 지시부로부터의 조작을 받아, 상기 데이터 취득 공정에서 취득한 상기 종별 물체의 데이터로부터 학습 데이터를 작성하는 학습 데이터 작성 공정과, 학습 개시 지시부로부터의 조작을 받아, 상기 학습 데이터 작성 공정에서 작성한 학습 데이터를 사용하여 혼합물을 종류별로 분별하고, 종별 물체로 하는 방법을 학습하고, 그 학습에 의해 얻어진 지식 및 경험을 데이터화한 학습 모델을 작성하는 학습 공정과, 선별 대상 선택 지시부로부터의 조작을 받아, 상기 종별 물체 중에서 상기 선별 대상물의 종류를 선택하는 선별 대상 선택 공정과, 운전 개시 지시부로부터의 조작을 받아, 상기 학습 공정에서 작성한 학습 모델에 기초하여, 상기 데이터 취득 공정에서 취득한 혼합물의 데이터로부터 상기 선별 대상 선택 공정에서 선택된 종류의 선별 대상물의 유무 및 위치를 판단하고, 그 판단 결과에 기초하여 상기 혼합물 중에서 상기 선별 대상물을 선별하는 운전 공정을 포함할 수 있다.

게다가 또한, 본 발명의 제 14 측면에 관련된 선별 방법은, 모드 전환 지시부로부터의 조작을 받아, 적어도 상기 데이터 취득 지시부, 학습 데이터 작성 지시부 및 학습 개시 지시부를 표시하는 학습 모드와, 적어도 상기 운전 개시 지시부를 표시하는 운전 모드를 포함하는 모드 전환 조작을 실시할 수 있다.

게다가 또한, 본 발명의 제 15 측면에 관련된 선별 방법은, 적어도 상기 데이터 취득 지시부, 학습 데이터 작성 지시부, 학습 개시 지시부, 선별 대상 선택 지시부 및 운전 개시 지시부를 한 화면에 표시할 수 있다.

게다가 또한, 본 발명의 제 16 측면에 관련된 선별 방법은, 상기 운전 공정에 있어서, 운전 개시 지시부로부터의 조작을 받아, 상기 학습 공정에서 작성한 학습 모델에 기초하여, 상기 데이터 취득 공정에서 취득한 혼합물의 데이터로부터, 상기 혼합물 중의 각 물체가 상기 선별 대상 선택부에서 선택된 선별 대상물일 확률을 나타내는 제 1 인식률을 산출하고, 그 제 1 인식률에 기초하여, 상기 선별 대상물의 유무 및 위치를 판단하고, 그 판단 결과 및 상기 제 1 인식률에 대해 형성되는 임계값에 기초하여 상기 혼합물 중에서 상기 선별 대상물을 선별할 수 있다.

게다가 또한, 본 발명의 제 17 측면에 관련된 선별 방법은, 상기 운전 공정에 있어서, 상기 제 1 인식률이 상기 임계값 이상인 선별 대상물을 선별할 수 있다.

게다가 또한, 본 발명의 제 18 측면에 관련된 선별 방법은, 상기 운전 공정에 있어서, 상기 학습 공정에서 작성된 학습 모델에 기초하여, 상기 데이터 취득 공정에서 취득한 혼합물의 데이터로부터, 상기 혼합물 중의 각 물체가 상기 종별 물체마다 그 종별 물체일 확률을 나타내는 제 2 인식률을 산출하고, 그 제 2 인식률에 기초하여, 상기 혼합물 중의 각 물체의 종류를 특정하고, 그 종류가 상기 선별 대상물의 종류와 일치하는 경우의 제 2 인식률을 상기 제 1 인식률로 간주하여, 상기 선별 대상물의 유무 및 위치를 판단할 수 있다.

게다가 또한, 본 발명의 제 19 측면에 관련된 선별 방법은, 복수 종류의 물체로 구성되는 혼합물 중에서 선별 대상물을 선별하기 위한 선별 프로그램으로서, 데이터 취득 지시부로부터의 조작을 받아, 종류별로 분별된 상기 물체인 종별 물체 또는 상기 혼합물에 기초하는 데이터를 취득하는 기능과, 학습 데이터 작성 지시부로부터의 조작을 받아, 상기 취득한 상기 종별 물체의 촬상 데이터로부터 학습 데이터를 작성하는 기능과, 학습 개시 지시부로부터의 조작을 받아, 상기 작성한 학습 데이터를 사용하여 혼합물을 종류별로 분별하고, 종별 물체로 하는 방법을 학습하고, 그 학습에 의해 얻어진 지식 및 경험을 데이터화한 학습 모델을 작성하는 기능과, 선별 대상 선택 지시부로부터의 조작을 받아, 상기 종별 물체 중에서 상기 선별 대상물의 종류를 선택하는 기능과, 운전 개시 지시부로부터의 조작을 받아, 상기 작성한 학습 모델에 기초하여, 상기 취득한 혼합물의 데이터로부터 상기 선택된 종류의 선별 대상물의 유무 및 위치를 판단하고, 그 판단 결과에 기초하여 상기 혼합물 중에서 상기 선별 대상물을 선별하는 기능을 컴퓨터에 실현시킬 수 있다.

게다가 또한, 본 발명의 제 20 측면에 관련된 선별 방법은, 운전 개시 지시부로부터의 조작을 받아, 상기 작성한 학습 모델에 기초하여, 상기 취득한 혼합물의 데이터로부터, 상기 혼합물 중의 각 물체가 상기 선별 대상 선택부에서 선택된 선별 대상물일 확률을 나타내는 제 1 인식률을 산출하고, 그 제 1 인식률에 기초하여, 상기 선별 대상물의 유무 및 위치를 판단하고, 그 판단 결과 및 제 1 인식률에 대해 형성되는 임계값에 기초하여 상기 혼합물 중에서 상기 선별 대상물을 선별할 수 있다.

게다가 또한, 본 발명의 제 21 측면에 관련된 선별 방법은, 상기 제 1 인식률이 상기 임계값 이상인 선별 대상물을 선별하는 기능을 컴퓨터에 실현시킬 수 있다.

게다가 또한, 본 발명의 제 22 측면에 관련된 선별 방법은, 상기 작성한 학습 모델에 기초하여, 상기 취득한 혼합물의 데이터로부터, 상기 혼합물 중의 각 물체가 상기 종별 물체마다 그 종별 물체일 확률을 나타내는 제 2 인식률을 산출하고, 그 제 2 인식률에 기초하여, 상기 혼합물 중의 각 물체의 종류를 특정하고, 그 종류가 상기 선별 대상물의 종류와 일치하는 경우의 제 2 인식률을 상기 제 1 인식률로 간주하여, 상기 선별 대상물의 유무 및 위치를 판단하는 기능을 컴퓨터에 실현시킬 수 있다.

게다가 또한, 본 발명의 제 23 측면에 관련된 기록 매체 또는 기억한 기기는, 상기 프로그램을 격납한 것이다. 기록 매체에는, CD-ROM, CD-R, CD-RW 나 플렉시블 디스크, 자기 테이프, MO, DVD-ROM, DVD-RAM, DVD-R, DVD+R, DVD-RW, DVD+RW, Blu-ray (등록 상표), BD-R, BD-RE, HD DVD (AOD) 등의 자기 디스크, 광 디스크, 광자기 디스크, 반도체 메모리 그 밖의 프로그램을 격납 가능한 매체가 포함된다. 또 프로그램에는, 상기 기록 매체에 격납되어 배포되는 것 외에, 인터넷 등의 네트워크 회선을 통해 다운로드에 의해 배포되는 형태의 것도 포함된다. 또한 기록 매체에는 프로그램을 기록 가능한 기기, 예를 들어 상기 프로그램이 소프트웨어나 펌웨어 등의 형태로 실행 가능한 상태로 실장된 범용 혹은 전용 기기를 포함한다. 게다가 또한 프로그램에 포함되는 각 처리나 기능은, 컴퓨터로 실행 가능한 프로그램 소프트웨어에 의해 실행해도 되고, 각 부의 처리를 소정의 게이트 어레이 (FPGA, ASIC) 등의 하드웨어 또는 프로그램 소프트웨어와 하드웨어의 일부의 요소를 실현하는 부분적 하드웨어 모듈이 혼재하는 형식으로 실현해도 된다.

도 1 은, 본 발명의 실시형태에 관련된 선별 장치의 개략도이다.
도 2 는, 본 발명의 실시형태에 관련된 라인 센서 카메라와 컨베이어의 위치 관계의 설명도이다.
도 3 은, 본 발명의 실시형태에 관련된 라인 센서 카메라로 작성하는 화상 데이터의 설명도이다.
도 4 는, 화상 데이터로부터 물체가 비치는 부분을 추출하여, 추출 화상 데이터를 작성하는 방법의 설명도이다.
도 5 는, 화상 데이터로부터 물체가 비치는 부분을 추출하여, 추출 화상 데이터를 작성하는 방법의 설명도이다.
도 6 은, 인공적인 혼합물의 화상 데이터를 작성하는 방법의 설명도이다.
도 7 은, 분사 영역 및 에어 분사 노즐마다의 분사 타이밍을 설정하는 방법의 설명도이다.
도 8 은, 본 발명의 실시형태에 관련된 선별 장치의 기능 블록도이다.
도 9 는, 학습 모드에 있어서의 선별 장치의 조작 방법의 흐름을 나타내는 플로 차트이다.
도 10 은, 컨트롤러에 표시되는 화면의 설명도이다.
도 11 은, 컨트롤러에 표시되는 화면의 설명도이다.
도 12 는, 컨트롤러에 표시되는 화면의 설명도이다.
도 13 은, 컨트롤러에 표시되는 화면의 설명도이다.
도 14 는, 컨트롤러에 표시되는 화면의 설명도이다.
도 15 는, 컨트롤러에 표시되는 화면의 설명도이다.
도 16 은, 컨트롤러에 표시되는 화면의 설명도이다.
도 17 은, 컨트롤러에 표시되는 화면의 설명도이다.
도 18 은, 운전 모드에 있어서의 선별 장치의 조작 방법의 흐름을 나타내는 플로 차트이다.
도 19 는, 컨트롤러에 표시되는 화면의 설명도이다.
도 20 은, 컨트롤러에 표시되는 화면의 설명도이다.
도 21 은, 컨트롤러에 표시되는 화면의 설명도이다.
도 22 는, 컨트롤러에 표시되는 화면의 설명도이다.

이하, 본 발명의 실시형태를 도면에 기초하여 설명한다. 단, 이하에 나타내는 실시형태는, 본 발명의 기술 사상을 구체화하기 위한 선별 장치를 예시하는 것으로서, 본 발명은 그것들을 이하의 것으로 특정하지 않는다. 또, 본 명세서는 특허청구범위에 나타나는 부재를, 실시형태의 부재로 특정하는 것은 결코 아니다. 특히 실시형태에 기재되어 있는 구성 부품의 치수, 재질, 형상, 그 상대적 배치 등은 특히 특정적인 기재가 없는 한은, 본 발명의 범위를 그것에만 한정하려는 취지는 아니며, 단순한 설명예에 불과하다. 또한, 각 도면이 나타내는 부재의 크기나 위치 관계 등은, 설명을 명확하게 하기 위해 과장하고 있는 경우가 있다. 또한 이하의 설명에 있어서, 동일한 명칭, 부호에 대해서는 동일 혹은 동질의 부재를 나타내고 있어, 상세 설명을 적절히 생략한다. 또한, 본 발명을 구성하는 각 요소는, 복수의 요소를 동일한 부재로 구성하여 하나의 부재로 복수의 요소를 겸용하는 양태로 해도 되고, 반대로 하나의 부재의 기능을 복수의 부재로 분담하여 실현할 수도 있다.

(선별 장치 (1))

본 발명의 실시형태에 관련된 선별 장치 (1) 에 대하여, 개략도인 도 1, 기능 블록도인 도 8, 및 라인 센서 카메라 (11) 와 컨베이어 (13) 의 위치 관계의 설명도인 도 2 에 기초하여 설명한다.

도 1 에 나타내는 바와 같이, 본 실시형태에 관련된 선별 장치 (1) 는, 공급 장치 (2) 로부터 공급되고, 컨베이어 (13) 에 흐르는 복수 종류의 물체로 구성되는 혼합물 (MO) 중에서 선별 대상물 (SO) 을, 압축 공기를 내보내는 에어 분사 노즐 (14) 을 사용하여 선별하는 장치로서, 주로, 라인 센서 카메라 (11) (특허청구범위에 있어서의 「데이터 취득부」의 일례에 대응한다.), 제 1 제어부 (12), 컨트롤러 (15) (특허청구범위에 있어서의 「조작부」의 일례에 대응한다.), 컨베이어 (13) 및 에어 분사 노즐 (14) 로 구성된다. 공급 장치 (2) 는, 예를 들어, 투입 호퍼 (21) 와 이송 컨베이어 (22) 와 투입 피더 (23) 로 이루어진다. 투입 호퍼 (21) 는, 혼합물 (MO) 을 받아들일 수 있도록 구성되어 있다. 이송 컨베이어 (22) 는, 투입 호퍼 (21) 로부터 공급되는 혼합물 (MO) 을 투입 피더 (23) 에 공급한다. 투입 피더 (23) 는, 진동 피더 또는 전자 (電磁) 피더 등으로 구성되어 있고, 진동함으로써, 혼합물 (MO) 끼리의 중첩을 방지하면서 혼합물 (MO) 을 컨베이어 (13) 에 공급한다.

선별 장치 (1) 는, 학습 모드 (LM) 및 운전 모드 (OM) 의 2 개의 모드를 구비하고 있다. 학습 모드 (LM) 는, 선별 장치 (1) 를 동작시키기 위한 준비, 설정을 실시하는 모드이다. 한편, 운전 모드 (OM) 는, 실제로 혼합물 (MO) 로부터 선별 대상물 (SO) 을 선별하는 모드이다.

혼합물 (MO) 은, 금속이나 종이, 플라스틱 등, 라인 센서 카메라 (11) 에 의해 취득한 화상 데이터로부터 개개의 물체를 식별 가능하고, 에어 분사 노즐 (14) 에 의한 에어의 분사에 의해 진로를 변경할 수 있는 복수 종류의 물체로 구성되어 있다. 혼합물 (MO) 에 포함되는 물체의 종류로는, 예를 들어, 금속이나 종이, 플라스틱 등이 상정되지만, 예를 들어 금속이라고 하는 큰 묶음에 한정되지 않고, 보다 하층으로 분류되는 구리나 알루미늄 등, 색채와 형상으로부터 식별할 수 있는 것은 전부 대상이 될 수 있다. 또, 본 실시형태에 관련된 선별 장치 (1) 는, 예를 들어, 알루미늄, 놋쇠, 금, 은, 구리와 같이 한번에 5 종류까지 물체를 식별할 수 있게 되어 있고, 그와 같은 물체로 구성된 혼합물 (MO) 중에서, 선별 대상물 (SO) 로서, 예를 들어 구리만과 같이 한 종류를 선별할 수도 있고, 예를 들어 알루미늄ㆍ놋쇠ㆍ금과 같이 동시에 복수의 종류를 선별할 수도 있도록 구성되어 있다.

이하, 각 부재에 대하여 상세하게 설명한다. 또한, 이하의 설명에 있어서, 편의상, 혼합물 (MO) 은 물체 A ∼ C (특허청구범위에 있어서의 「종별 물체」의 일례에 대응한다.) 로 구성되고, 선별 대상물 (SO) 로서 물체 A 를 선택한 것으로 한다.

(라인 센서 카메라 (11))

선별 장치 (1) 는, 도 2 에 나타내는 바와 같이, 2 개의 라인 센서 카메라 (11) 가 컨베이어 (13) 의 폭 방향으로 나열되어 형성되어 있다. 라인 센서 카메라 (11) 는, 컨베이어 (13) 의 인코더 (131) 로부터 펄스를 받을 때마다 촬상을 실시하고, 이 촬상 결과로부터 화상 데이터 (ID) 를 취득하는 부재이다.

라인 센서 카메라 (11) 의 X 방향은 컨베이어 (13) 의 폭 방향, Y 방향은 컨베이어 (13) 의 진행 방향에 대응하고 있고, 도 2 에 나타내는 바와 같이, 1 개의 라인 센서 카메라 (11) 로, 소정의 X 방향 촬상 범위 (11a) 를 촬상할 수 있다. 이 X 방향 범위 (11a) 로부터, 컨베이어 (13) 양 단의 제외 범위 (11b) 와 컨베이어 (13) 중앙의 제외 범위 (11c) 를 제외한 X 방향 유효 범위 (11d) 를 2 개 모두 합친 X 방향 범위 (11e) 를, 도 3 에 나타내는 바와 같이, Y 방향으로 소정의 Y 방향 범위 (11f) 에서 빼내어 화상 데이터 (ID) 를 작성한다. 작성된 화상 데이터 (ID) 중, Y 방향의 일단으로부터 원하는 중복 범위 (11g) 는, 직전에 작성된 화상 데이터 (ID) 와 중복되는 범위이다.

학습 모드에 있어서의 라인 센서 카메라 (11) 는, 혼합물 (MO) 에 포함되는 물체를, 물체마다 촬상하여, 각 물체의 화상 데이터 (ID) 를 작성한다. 구체적으로는, 복수의 물체 A 가 컨베이어 (13) 로 흘러간 상태에서 촬상을 실시하여, 물체 A 의 화상 데이터 (ID) 를 작성한다. 물체 B, C 도 동일하게 하여, 물체 B, C 의 화상 데이터 (ID) 를 작성한다. 작성된 각 물체의 화상 데이터 (ID) 는, 촬상된 물체의 명칭과 관련지어진 상태에서 도 8 에 나타내는 기억부 (121) 로 송신되어, 보존된다. 또, 물체를 컨베이어 (13) 로 흐르게 하지 않은 상태에서 촬상을 실시하여, 배경 화상 (BI) 을 작성하고, 작성된 배경 화상 (BI) 은 기억부 (121) 로 송신되어, 보존된다.

또, 운전 모드 (OM) 에 있어서의 라인 센서 카메라 (11) 는, 혼합물 (MO) 이 컨베이어 (13) 로 흘러간 상태에서 촬상을 실시하여, 혼합물 (MO) 의 화상 데이터 (ID) 를 작성한다. 작성된 혼합물 (MO) 의 화상 데이터 (ID) 는, 판단부 (125) 로 송신된다.

또한, 특허청구범위에 있어서의 「데이터 취득부」의 일례로서 라인 센서 카메라 (11) 를 설명했지만, 「데이터 취득부」는 이것에 한정되지 않고, 에어리어 센서 카메라여도 되고, 가시광, 적외선, X 선 중 어느 것을 사용한 것이어도 된다. X 선을 사용한 경우, X 선 광원을 컨베이어에 의해 반송되는 물체의 상부, X 선 카메라를 컨베이어의 벨트의 하부에 배치할 수 있고, 그 반대의 배치도 가능하다.

또, 작성된 각 물체의 화상 데이터 (ID) 는, 물체의 명칭 이외에도, 후술하는 선별 대상 선택부 (124) 에 있어서, 선별 대상물 (SO) 을 선택할 때에 유저가 물체의 종류가 무엇인지 알 수 있는 정보와 관련지어져 있으면 된다.

게다가 또한, 반드시 라인 센서 카메라 (11) 로 촬상, 작성한 배경 화상 (BI) 을 기억부 (121) 에 보존할 필요는 없고, 예를 들어, 배경 화상 (BI) 은, 선별 장치 (1) 의 제조 단계에서 별도로 준비되고, 기억부 (121) 에 보존되는 양태여도 된다.

게다가 또한, 배경 화상 (BI) 대신에, 컨베이어 (13) 의 색의 정보를 기억부 (121) 에 보존하도록 해도 된다.

(제 1 제어부 (12))

제 1 제어부 (12) 는, 기억부 (121), 학습 데이터 작성부 (122), 학습부 (123), 선별 대상 선택부 (124), 임계값 설정부 (126) 및 판단부 (125) 를 구비한다. 제 1 제어부 (12) 는, 운전 모드 (OM) 에 있어서, 라인 센서 카메라 (11) 로 취득한 혼합물 (MO) 의 화상 데이터 (ID) 로부터 선별 대상물 (SO) 의 유무 및 위치를 판단한다. 또, 학습 모드 (LM) 에 있어서는, 그 판단을 위한 준비, 설정이 실시된다. 이하, 각 부재에 대하여 상세하게 설명한다.

(기억부 (121))

기억부 (121) 는, 라인 센서 카메라 (11) 에 의해 작성된 물체 A ∼ C 의 화상 데이터 (ID) 및 화상 데이터 (ID) 에 관련지어진 물체의 명칭과, 배경 화상 (BI) 을 보존하는 부재이다.

(학습 데이터 작성부 (122))

학습 데이터 작성부 (122) 는, 라인 센서 카메라 (11) 에 의해 촬상되고, 취득된 물체 A ∼ C 의 화상 데이터 (ID) 와 배경 화상 (BI) 으로부터, 학습 데이터 (LD) 를 작성하고, 보존한다. 학습 데이터 작성부 (122) 는, 화상 추출부 (122a), 화상 합성부 (122b) 및 해답 작성부 (122c) 의 3 개의 부재로 구성된다. 각 부재의 구성은 후술하는 바와 같다.

작성된 학습 데이터 (LD) 는 학습부 (123) 에서 실시하는 학습에 사용된다. 1 회의 학습에 대하여, 1 개의 학습 데이터 (LD) 가 사용되고, 이 학습을 반복하는 횟수가 많을수록 운전 모드 (OM) 에 있어서의 선별의 정밀도는 향상된다. 즉, 학습 데이터 작성부 (122) 에서 작성하는 학습 데이터 (LD) 가 많을수록, 운전 모드 (OM) 에 있어서의 선별의 정밀도는 향상된다. 또한, 본 발명의 제 1 실시예에 관련된 선별 장치 (1) 는, 상한을 4 만회로 하여, 유저가 학습의 반복 횟수를 자유롭게 설정할 수 있는 양태이다 (상세한 내용은 후술한다.).

(화상 추출부 (122a))

화상 추출부 (122a) 는, 기억부 (121) 로부터 물체 A ∼ C 의 화상 데이터 (ID) 및 배경 화상 (BI) 을 불러내고, 배경 화상 (BI) 에 기초하여, 물체 A ∼ C 의 화상 데이터 (ID) 로부터 물체가 비치는 부분을 추출하여, 추출 화상 데이터 (SD) 를 작성한다. 예를 들어, 물체 A 의 화상 데이터 (ID) 를 추출하는 경우, 도 4 에 나타내는 바와 같이, 중복 범위 (11g) 를 제외한 범위를 1 픽셀마다 배경 화상 (BI) 과 비교한다. 비교의 결과, 배경 화상 (BI) 과 일치하는 부분 이외를 물체 A 가 비치는 부분으로서 잘라내어, 물체 A 의 추출 화상 데이터 (SD) 를 작성한다. 이상과 같이, 기본적으로, 중복 범위 (11g) 를 제외한 범위에서 비교를 실시하지만, 도 5 에 나타내는 바와 같이, 물체 A 가 이 범위에서 벗어난 위치에 있는 경우, 중복 범위 (11g) 까지 범위를 넓혀 비교를 실시한다. 동일하게 하여, 물체 B, C 의 화상 데이터 (ID) 로부터도 물체 B, C 의 추출 화상 데이터 (SD) 를 작성한다.

또한, 배경 화상 (BI) 과 완전히 일치하는 부분뿐만 아니라, 배경 화상 (BI) 과 일치하는 것으로 간주하는 범위를 설정해 두고, 이것들 이외를 잘라내어, 추출 화상 데이터 (SD) 를 작성하도록 해도 된다. 이것에 의하면, 예를 들어, 컨베이어 (13) 에 흠집이나 오염이 있어, 배경 화상 (BI) 과 완전히 일치하지 않은 경우라 하더라도, 적절히 물체를 잘라내어, 그 물체의 추출 화상 데이터 (SD) 를 작성할 수 있다.

또, 엄밀하게 물체가 비치는 부분만을 추출할 필요는 없고, 배경 화상 (BI) 이 남도록 물체를 잘라내어, 그 물체의 추출 화상 데이터 (SD) 를 작성해도 되고, 예를 들어, 물체의 부분을 포함하는 장방 형상이나 원 형상으로 잘라낼 수도 있다. 이와 같이, 배경 화상 (BI) 이 남도록 물체를 잘라내는 경우, 그 형상은 특별히 한정되지 않지만, 남은 배경 화상 (BI) 의 면적이 작아지는 형상이 바람직하다.

(화상 합성부 (122b))

화상 합성부 (122b) 는, 도 6 에 나타내는 바와 같이, 화상 추출부 (122a) 에서 작성된 물체 A ∼ C 의 추출 화상 데이터 (SD) 중에서, 랜덤하게 몇 개의 데이터를 선택하고, 배경 화상 (BI) 에, 랜덤한 위치, 각도, 사이즈로 합성하여, 인공적인 혼합물 (MO) 의 화상 데이터 (ID) 를 작성한다.

즉, 화상 합성부 (122b) 는, 추출 화상 데이터 (SD) 의 위치, 각도, 사이즈를 변경함으로써, 적은 물체 A ∼ C 의 화상 데이터 (ID) 로부터, 다수의 인공적인 혼합물 (MO) 의 화상 데이터 (ID) 를 작성할 수 있다. 또한, 화상 추출부 (122a) 의 항목에서 설명한 바와 같이, 배경 화상 (BI) 이 남도록 물체를 잘라내어 추출 화상 데이터 (SD) 를 작성하는 양태로 한 경우, 화상 합성부 (122b) 가, 추출 화상 데이터 (SD) 끼리가 겹치는 위치에서 추출 화상 데이터 (SD) 를 합성하여 혼합물 (MO) 의 화상 데이터 (ID) 를 작성하지 않게 한다. 추출 화상 데이터 (SD) 가 남은 배경 화상 (BI) 의 부분이, 다른 추출 화상 데이터 (SD) 의 물체의 부분과 겹침으로써, 그 물체의 형상이 바뀌는 것을 방지하기 위해서이다.

(해답 작성부 (122c))

해답 작성부 (122c) 는, 화상 합성부 (122b) 에서 작성된 인공적인 혼합물 (MO) 의 화상 데이터 (ID) 의 어느 위치에 물체 A ∼ C 중 어느 것이 배치되어 있는지를 기록한 정보를 인공적인 혼합물 (MO) 의 화상 데이터 (ID) 에 관련지은 데이터인 학습 데이터 (LD) 를 작성한다.

(학습부 (123))

학습부 (123) 는, 인공 지능을 갖고, 학습 데이터 작성부 (122) 에서 작성된 학습 데이터 (LD) 를 사용하여, 물체 A ∼ C 를 판별하는 방법을 학습하고, 학습 모델 (GM) 을 작성한다.

구체적으로는, 먼저, 학습 데이터 (LD) 중의 인공적인 혼합물 (MO) 의 화상 데이터 (ID) 에 비치는 각 물체가 물체 A 일 확률을 산출한다. 마찬가지로, 물체 B 일 확률 및 물체 C 일 확률을 산출한다 (이들의 산출한 확률을, 이하에서는 인식률 (RR) 이라고 한다. 또, 인식률 (RR) 은, 특허청구범위에 있어서의 「제 2 인식률」의 일례에 대응한다.). 다음으로, 각 물체를, 물체 A ∼ C 의 인식률 (RR) 중 가장 높았던 종류의 물체라고 예상하고, 해답 작성부 (122c) 에서 관련지어진 정보에 기초하여 예상이 맞았는지 여부를 조사한다. 이것을 반복하여 얻어진 지식이나 경험을 데이터화한 것인 학습 모델 (GM) 을 작성하고, 보존한다.

(선별 대상 선택부 (124))

선별 대상 선택부 (124) 는, 유저가 물체 A ∼ C 중에서 선택한 선별 대상물 (SO) 의 정보를 학습 모델 (GM) 에 관련지은 데이터인 레시피 (RE) 를 작성하고, 보존한다. 운전 모드에 있어서, 유저에게 선택된 레시피 (RE) 는 판단부 (125) 에 판독 출력된다.

이상과 같이, 선별 장치 (1) 는, 학습부 (123) 에는 물체 A ∼ C 를 판별하는 방법을 학습시켜, 선별 대상물 (SO) 이 어느 것인지는 학습시키지 않는 양태이다. 이로써, 예를 들어, 선별 대상물 (SO) 을 물체 A 에서 물체 B 로 변경하고자 하는 경우라 하더라도, 선별 대상 선택부 (124) 에서 선별 대상물 (SO) 로서 물체 B 를 선택하기만 하면 되기 때문에, 학습부 (123) 에 학습을 다시 시킬 필요가 없다. 또한, 학습부 (123) 에 학습시키기 전에, 선별 대상물 (SO) 을 선택하는 양태로 해도 된다.

(임계값 설정부 (126))

임계값 설정부 (126) 는, 선별 대상물 (SO) 의 인식률 (RR) 에 대해 임계값을 설정한다. 설정된 임계값의 정보는, 제 2 제어부 (141) 로 송신되어, 선별 대상물 (SO) 을 선별할 때에 참조된다 (상세한 내용은 후술한다.). 또한, 임계값은 반드시 설정하지는 않아도 된다.

(판단부 (125))

판단부 (125) 는, 인공 지능을 갖고, 운전 모드 (OM) 에 있어서, 선별 대상 선택부 (124) 로부터 레시피 (RE) 를 판독 출력하고, 이 레시피 (RE) 에 기초하여, 라인 센서 카메라 (11) 에서 작성되고, 송신된 혼합물 (MO) 의 화상 데이터 (ID) 중에서, 물체 A 의 유무를 판단하고, 물체 A 가 있는 경우에는, 그 픽셀 단위의 위치의 정보를 제 2 제어부 (141) 에 송신한다.

물체 A 의 유무의 판단은, 학습부 (123) 와 마찬가지로, 각 물체의 물체 A ∼ C 의 인식률 (RR) 을 산출하고, 물체 A 의 인식률 (RR) 이 가장 높았던 물체를 물체 A 라고 판단한다. 또한, 마찬가지로, 물체 B 의 인식률 (RR) 이 가장 높았던 물체는 물체 B 라고 판단하고, 물체 C 의 인식률 (RR) 이 가장 높았던 물체는 물체 C 라고 판단한다.

(컨베이어 (13))

컨베이어 (13) 는, 라인 센서 카메라 (11) 의 촬상 범위를 통과하여, 에어 분사 노즐 (14) 의 위치로 물체를 흐르게 하여 이동시키는 부재이다. 컨베이어 (13) 는, 소정의 속도로 물체를 이동시킨다. 또, 컨베이어 (13) 에는 인코더 (131) 가 형성되고, 인코더 (131) 는 컨베이어 (13) 가 소정 거리 이동할 때마다 라인 센서 카메라 (11), 제 1 제어부 (12) 및 제 2 제어부 (141) 에 펄스를 송신한다. 라인 센서 카메라 (11) 는, 이 펄스를 받을 때마다 촬상을 실시한다. 즉, 라인 센서 카메라 (11) 에 의해 촬상되는 화상 데이터 (ID) 의 1 픽셀은 소정 거리에 상당한다. 또, 제 1 제어부 (12) 및 제 2 제어부 (141) 는, 이 펄스에 기초하여, 물체의 위치를 특정한다.

(에어 분사 노즐 (14))

에어 분사 노즐 (14) 은, 선별 대상물 (SO) 의 인식률 (RR) 이 임계값 설정부 (126) 에서 설정된 임계값 이상인 선별 대상물 (SO) 에 대해 압축 공기를 내보내어, 선별 대상물 (SO) 을 선별하는 부재이다. 선별 장치 (1) 는, 복수의 에어 분사 노즐 (14) 이, 컨베이어 (13) 의 폭 방향 전체에 미소 간격으로 배치된다. 상기 구성에 의해, 인식률 (RR) 과 유저가 설정할 수 있는 임계값을 서로 연결시켜 선별 대상을 판단하기 때문에, 인공 지능을 이용하면서도, 선별 정밀도를 유저가 컨트롤할 수 있게 되어, 선별 정밀도에 대한 유저의 요구에 따른 선별이 가능해진다. 구체적으로, 임계값을 낮게 설정하면 대략적인 분류가 가능하고, 임계값을 높게 설정하면 원하는 물체만을 고정밀도로 추출할 수 있다. 또한, 선별하는 대상은, 선별 대상물 (SO) 의 인식률 (RR) 이 임계값 설정부 (126) 에서 설정된 임계값 이상인 선별 대상물 (SO) 에 한정되지 않는다. 예를 들어, 선별 대상물 (SO) 의 인식률 (RR) 이 임계값 설정부 (126) 에서 설정된 임계값보다 큰 선별 대상물 (SO) 을 선별하는 양태로 해도 된다. 또, 상한과 하한의 임계값을 설정하여, 그 사이의 인식률 (RR) 의 선별 대상물 (SO) 을 선별하는 양태로 해도 되고, 임계값을 설정하지 않고, 모든 선별 대상물 (SO) 을 선별하는 양태로 해도 된다. 게다가 또한, 선별 대상물 (SO) 이외에 대해 압축 공기를 내보내어, 선별 대상물 (SO) 을 선별하는 양태로 해도 된다.

또, 에어 분사 노즐 (14) 은, 제 2 제어부 (141) 로부터, 압축 공기를 분사하는 타이밍인 분사 타이밍을 지시받는다. 구체적으로 제 2 제어부는, 먼저, 도 7 에 나타내는 바와 같이, 판단부 (125) 로부터 송신된 물체 A 의 위치 정보에 기초하여, 압축 공기를 분사하는 분사 영역 (IR) 을 설정한다. 다음으로, 에어 분사 노즐 (14) 마다 분사 영역 (IR) 에 기초하여 분사 타이밍을 설정한다. 분사 타이밍은, 컨베이어 (13) 의 진행 방향에 대해 소정의 시간 간격으로 형성된다. 즉, 도 7 에 나타내는 혼합물 (MO) 의 화상 데이터 (ID) 를 예로 하여 생각하면, 화상 데이터 (ID) 의 상단부가 에어 분사 노즐 (14) 의 위치에 도달한 시간 T0 을 기준으로, d ∼ h 열의 에어 분사 노즐 (14) 에 대해, 에어 분사 노즐 (14) 이 분사 영역 (IR) 을 통과하는 타이밍에 압축 공기를 분사하도록 지시한다.

에어 분사 노즐 (14) 에 의해 압축 공기가 분사된 물체 A 는, 컨베이어 (13) 의 하부에 배치되고, 선별되는 재질의 종류마다 형성된 회수 호퍼 (3) 의 호퍼 (31) 에 의해 회수된다. 에어 분사 노즐 (14) 에 의해 압축 공기가 분사되지 않는 물체 B, 물체 C 는, 호퍼 (32) 에 의해 회수된다.

(컨트롤러 (15))

컨트롤러 (15) 는, 터치 패널식의 컨트롤러로서, 유저는, 컨트롤러 (15) 를 사용함으로써, 선별 장치 (1) 를 용이하게 조작할 수 있다. 컨트롤러 (15) 는, 모드 전환 버튼 (15a) (특허청구범위에 있어서의 「모드 전환 지시부」의 일례에 대응한다.), 촬상 버튼 (15b) (특허청구범위에 있어서의 「데이터 취득 지시부」의 일례에 대응한다.), 학습 데이터 작성 버튼 (15c) (특허청구범위에 있어서의 「학습 데이터 작성 지시부」의 일례에 대응한다.), 학습 개시 버튼 (15d) (특허청구범위에 있어서의 「학습 개시 지시부」의 일례에 대응한다.), 선별 대상 선택 버튼 (15e) (특허청구범위에 있어서의 「선별 대상 선택 지시부」의 일례에 대응한다.), 임계값 설정 버튼 (15h) (특허청구범위에 있어서의 「임계값 설정부」의 일례에 대응한다.), 운전 개시 버튼 (15f) (특허청구범위에 있어서의 「운전 개시 지시부」의 일례에 대응한다.) 및 운전 종료 버튼 (15g) 을 구비한다.

(선별 장치 (1) 의 조작 방법)

이하에서 컨트롤러 (15) 를 사용하여 선별 장치 (1) 를 조작하는 방법에 대하여 설명한다.

(학습 모드 (LM) 에 있어서의 조작 방법)

학습 모드 (LM) 에 있어서의, 선별 장치 (1) 의 조작 방법에 대하여 도 8 의 기능 블록도, 도 9 의 플로 차트 및 도 10 ∼ 도 17 의 컨트롤러 (15) 에 표시되는 화면의 설명도에 기초하여 설명한다.

먼저, 스텝 ST101 에서 모드 전환 버튼 (15a) 을 사용하여, 선별 장치 (1) 를 학습 모드 (LM) 로 전환한다. 선별 장치 (1) 를 기동시켰을 때, 컨트롤러 (15) 에는 도 10 에 나타내는 화면이 표시되기 때문에, 학습 모드 버튼 (151a) 을 누름으로써 선별 장치 (1) 를 학습 모드 (LM) 로 전환하여, 컨트롤러 (15) 에 도 11 에 나타내는 화면이 표시된다.

다음으로, 스텝 ST102 에서 라인 센서 카메라 (11) 에 물체 A ∼ C 의 화상 데이터 (ID) 및 배경 화상 (BI) 을 작성시킨다. 유저는, 복수의 물체 A 를 컨베이어에 흐르게 하고, 도 11 에 나타나는 화면에 있어서의 촬상 버튼 (15b) 을 누르면 라인 센서 카메라 (11) 는 촬상을 개시하고, 물체 A 의 화상 데이터 (ID) 를 작성한다. 물체 A 의 화상 데이터 (ID) 의 취득이 완료되면, 컨트롤러 (15) 에는, 도 12 에 나타내는 화면이 표시되기 때문에, 유저는 명칭 입력부 (151b) 에 물체 A 의 명칭을 입력하고, 기억부 (121) 에 보존한다. 물체 A 의 보존이 완료되면, 컨트롤러 (15) 에는 다시 도 11 의 화면이 표시되기 때문에, 유저는, 동일한 순서로, 물체 B, C 및 배경 화상 (BI) 의 촬영을 실시한다.

이어서, 스텝 ST103 에서 학습 데이터 작성부에 학습 데이터 (LD) 를 작성시킨다. 유저가, 도 11 에 나타나는 화면에 있어서의 학습 데이터 작성 버튼 (15c) 을 누르면, 컨트롤러 (15) 에는 도 13 에 나타내는 화면이 표시된다. 유저는, 물체 선택 버튼 (151c) 을 누름으로써 도 14 에 나타내는 바와 같이 표시되는 기억부 (121) 에 보존된 물체의 명칭의 일람으로부터, 학습 데이터 (LD) 의 작성에 사용하는 물체 (본 설명의 경우에는 「물체 A」, 「물체 B」, 「물체 C」) 를 선택한다. 선택을 완료하면, 컨트롤러 (15) 에는 다시 도 13 에 나타내는 화면이 표시되기 때문에, 데이터수 입력부 (152c) 에 작성하는 학습 데이터 (LD) 의 수를 입력한다. 입력이 완료되면, 컨트롤러 (15) 에는 도 15 에 나타내는 바와 같이, 유저에게 학습 데이터 (LD) 의 작성이 완료될 때까지의 예상 시간을 나타내는 대기 화면이 표시된다. 학습 데이터 (LD) 의 작성이 완료되면, 컨트롤러 (15) 에는 도 11 에 나타내는 화면이 표시된다.

마지막으로, 스텝 ST104 에서 학습부 (123) 에 학습 데이터 (LD) 를 사용하여 학습시켜, 학습 모델 (GM) 을 작성시킨다. 유저가, 도 11 에 나타나는 화면에 있어서의 학습 개시 버튼 (15d) 을 누르면, 컨트롤러 (15) 에는 도 16 에 나타내는 화면이 표시된다. 유저는, 도 16 에 나타내는 바와 같이 표시되는 학습 데이터 작성부 (122) 에 보존된 학습 데이터 (LD) 의 일람 (학습 데이터 (LD) 의 작성에 사용된 물체의 명칭이 표시된다.) 으로부터, 학습부 (123) 의 학습에 사용하는 학습 데이터 (LD) (본 설명의 경우에는 「물체 A, 물체 B, 물체 C」) 를 선택한다. 선택을 완료하면, 컨트롤러 (15) 에는 도 17 에 나타내는 바와 같이, 유저에게 학습 모델 (GM) 의 작성이 완료될 때까지의 예상 시간을 나타내는 대기 화면이 표시된다. 학습 모델 (GM) 의 작성이 완료되면, 컨트롤러 (15) 에는 도 11 에 나타내는 화면이 표시된다.

(운전 모드 (OM) 에 있어서의 조작 방법)

운전 모드 (OM) 에 있어서의, 선별 장치 (1) 의 조작 방법에 대하여 도 8 의 기능 블록도, 도 18 의 플로 차트 및 도 19 ∼ 도 21 의 컨트롤러 (15) 에 표시되는 화면의 설명도에 기초하여 설명한다.

먼저, 스텝 ST201 에서 모드 전환 버튼 (15a) 을 사용하여, 선별 장치 (1) 를 운전 모드 (OM) 로 전환한다. 선별 장치 (1) 를 기동시켰을 때, 컨트롤러 (15) 에는 도 10 에 나타내는 화면이 표시되기 때문에, 운전 모드 버튼 (152a) 을 누름으로써 선별 장치 (1) 는 운전 모드 (OM) 로 전환되어, 컨트롤러 (15) 에 도 19 에 나타내는 화면이 표시된다.

다음으로, 스텝 ST202 에서 선별 대상물 (SO) 로 물체 A 를 선택하고, 선별 대상 선택부 (124) 에 레시피 (RE) 를 작성시킨다. 유저가, 도 19 에 나타나는 화면에 있어서의 선별 대상 선택 버튼 (15e) 을 누르면, 컨트롤러 (15) 에는 도 20 에 나타내는 화면이 표시된다. 유저는, 도 20 에 나타내는 바와 같이 표시되는 학습부 (123) 에 보존된 학습 모델 (GM) 의 일람 (학습 모델 (GM) 의 작성에 사용된 물체의 명칭이 표시된다.) 으로부터, 판별에 사용할 학습 모델 (GM) (이 실시예의 경우에는 「물체 A, 물체 B, 물체 C」) 을 선택한다. 선택을 완료하면, 컨트롤러 (15) 에는 도 21 에 나타내는 화면이 표시된다. 유저는, 도 21 에 나타내는 바와 같이 표시되는 선택한 학습 모델 (GM) 의 작성에 사용된 물체의 일람으로부터, 선별 대상물 (SO) (본 설명의 경우에는 「물체 A」) 을 선택한다. 선택을 완료하면, 선별 대상 선택부 (124) 는 레시피 (RE) 를 작성하고, 컨트롤러 (15) 에는 도 19 에 나타내는 화면이 표시된다.

이어서, 스텝 ST203 에서 선별 대상물 (SO) 의 인식률 (RR) 에 대해 임계값을 설정시킨다. 유저가, 도 19 에 나타나는 화면에 있어서의 임계값 설정 버튼 (15h) 을 누르면, 컨트롤러 (15) 에는 도 22 에 나타내는 화면이 표시되기 때문에, 임계값 입력부 (151h) 에 원하는 임계값을 입력한다. 입력이 완료되면, 임계값 설정부 (126) 는, 임계값의 정보를 제 2 제어부 (141) 에 송신하고, 컨트롤러 (15) 에는 도 19 에 나타내는 화면이 표시된다.

또한, 임계값 입력부 (151h) 에 원하는 임계값을 입력하지 않은 경우에는, 임계값을 설정하지 않은 것으로 판단하여 모든 선별 대상물 (SO), 요컨대, 선별 대상물 (SO) 에 설정한 물체의 인식률 (RR) 이 가장 높았던 물체 전부를 선별한다. 또, 유저가 임계값을 설정하는 수단은 컨트롤러 (15) 의 터치 패널에 표시되는 임계값 설정 버튼 (15h) 에 한정되지 않는다. 예를 들어, 임계값 설정 버튼 (15h) 대신에 터치 패널에 시크 바를 표시하고, 그 시크 바를 사용하여 임계값의 설정을 실시할 수 있도록 구성해도 된다. 부언하면, 임계값을 설정하는 수단은 터치 패널을 사용한 것에 한정되지 않고, 예를 들어, 버튼이나 로터리 스위치 등을 컨트롤러 (15) 에 형성하여, 이것들에 의해 임계값의 설정을 할 수 있도록 구성해도 되고, 전술한 임계값을 설정하는 수단을 병용하는 양태여도 된다. 게다가 또한, 임계값의 설정은, 스텝 ST203 뿐만 아니라, 후술하는 스텝 ST204 에서 실시할 수 있도록 해도 된다. 이 구성에 의하면, 유저는, 실제의 선별 결과를 확인하고, 임계값을 미조정할 수도 있다. 이 때, 임계값을 설정하는 수단이 전술한 시크 바나 로터리 스위치를 사용한 것이라면, 감각적으로 조작하는 것이 가능해져, 미조정에 바람직하다.

이어서, 스텝 ST204 에서 물체 A 를 선별시킨다. 유저는, 혼합물 (MO) 을 컨베이어에 흐르게 하고, 도 19 에 나타나는 화면에 있어서의 운전 개시 버튼 (15f) 을 누르면, 라인 센서 카메라 (11) 는 촬상을 개시하고, 판단부 (125) 는 물체 A 의 유무 및 물체 A 의 픽셀 단위의 위치를 판단하고, 이 판단에 기초하여, 에어 분사 노즐 (14) 은 물체 A 를 선별한다.

마지막으로, 스텝 ST205 에서, 운전 종료 버튼 (15g) 을 눌러, 선별을 종료시킨다.

또한, 컨트롤러 (15) 의 양태나 화면의 표시는 전술한 것에 한정되지 않고, 유저가 선별 장치 (1) 를 용이하게 조작할 수 있도록 적절히 변경해도 된다. 예를 들어, 누름 버튼을 사용한 컨트롤러 (15) 여도 되고, 이 경우, 모드 전환 버튼 (15a) 은 불필요하다. 또, 모드 전환 버튼 (15a) 을 형성하지 않고, 한 화면에 모든 버튼을 표시하는 양태로 해도 된다. 또, 컨트롤러 (15) 에, 유저에 대해 다음 조작을 지시하는 표시를 해도 된다.

또, 전술한 실시형태에서는, 각각의 버튼에 각각 다른 기능을 갖게 하고 있지만, 각각의 기능이 연동되거나, 소정의 버튼이 여러 가지의 기능을 겸용하도록 해도 된다. 예를 들어, 학습 데이터 작성 버튼 (15c) 을 누름으로써, 학습 데이터 (LD) 를 작성함과 함께, 그 학습 데이터에 기초하여 학습 모델 (GM) 을 작성하도록 해도 된다. 또, 예를 들어, 운전 개시 버튼 (15f) 이 운전 종료를 지시하는 기능을 겸하고 있어, 1 회째의 운전 개시 버튼 (15f) 의 누름에 의해 운전이 개시되고, 2 회째의 누름에 의해 운전이 종료되도록 해도 된다. 또, 전술한 실시형태에서는, 물체 A 를 선별 대상으로 하여 설명하고 있지만, 복수의 물체를 선별 대상으로 하고, 그에 따라 에어 분사 노즐이나 호퍼를 복수 개 형성하도록 해도 된다.

이상 설명한 바와 같이, 본 발명을 적용한 선별 장치 (1) 는, 인공 지능을 이용하여 혼합물 (MO) 의 촬상 데이터로부터 선별 대상물 (SO) 의 유무 및 위치를 판단할 수 있기 때문에, 물체를 선별하는 기준이나 알고리즘의 설정이 불필요한 것에 더하여, 컨트롤러 (15) 에 표시되는 각종 버튼을 사용하여, 임계값을 설정하는 공정을 포함하여, 용이하게 조작할 수 있다. 또, 혼합물의 각 물체가 선별 대상물일 확률을 나타내는 인식률을 인공 지능에 산출시켜, 그 인식률과 유저가 설정할 수 있는 임계값을 서로 연결시켜 선별 대상을 판단하기 때문에, 선별 정밀도를 유저가 컨트롤할 수 있다.

따라서, 본 발명에 의하면, 번잡한 설정 작업의 대부분을 인공 지능이 실시하게 할 수 있는 것에 더하여, 조작부에 의해 간단하게 조작할 수 있음으로써, 유저가 전문적인 기술이나 지식을 가지고 있지 않더라도, 선별 대상물 (SO) 을 선별하기 위한 설정을 용이하게 실시할 수 있다.

산업상 이용가능성

본 발명에 관련된 선별 장치, 선별 방법 및 선별 프로그램 그리고 컴퓨터로 판독 가능한 기록 매체 또는 기억한 기기는, 물체를 2 이상의 종류로 선별하는 용도에 적용할 수 있다.

1 : 선별 장치
11 : 라인 센서 카메라
11a : X 방향 촬상 범위 ; 11b, 11c : 제외 범위 ; 11d : X 방향 유효 범위 ; 11e : X 방향 범위 ; 11f : Y 방향 범위 ; 11g : 중복 범위
12 : 제 1 제어부
121 : 기억부
122 : 학습 데이터 작성부 ; 122a : 화상 추출부 ; 122b : 화상 합성부 ; 122c : 해답 작성부
123 : 학습부
124 : 종류 선택부
126 : 임계값 설정부
125 : 판단부
13 : 컨베이어
131 : 인코더
14 : 에어 분사 노즐
141 : 제 2 제어부
15 : 컨트롤러
15a : 모드 전환 버튼 ; 151a : 학습 모드 버튼 ; 152a : 운전 모드 버튼
15b : 촬상 버튼 ; 151b : 명칭 입력부
15c : 학습 데이터 작성 버튼 ; 151c : 물체 선택 버튼 ; 152c : 데이터수 입력부
15d : 학습 개시 버튼
15e : 선별 대상 선택 버튼
15h : 임계값 설정 버튼 ; 151h : 임계값 입력부
15f : 운전 개시 버튼
15g : 운전 종료 버튼
2 : 공급 장치
21 : 투입 호퍼 ; 22 : 이송 컨베이어 ; 23 : 투입 피더
3 : 회수 호퍼
31, 32 : 호퍼
MO : 혼합물
SO : 선별 대상물
ID : 화상 데이터
LD : 학습 데이터
SD : 추출 화상 데이터
BI : 배경 화상
GM : 학습 모델
RE : 레시피
RR : 인식률
IR : 분사 영역
LM : 학습 모드
OM : 운전 모드

Claims

복수 종류의 물체로 구성되는 혼합물 중에서 선별 대상물을 선별하는 선별 장치로서,
종류별로 분별된 상기 물체인 종별 물체 또는 상기 혼합물에 기초하는 데이터를 취득하는 데이터 취득부와,
상기 데이터 취득부에 의해 취득된 상기 종별 물체의 데이터로부터 학습 데이터를 작성하는 학습 데이터 작성부와,
상기 학습 데이터 작성부에 의해 작성된 학습 데이터를 사용하여 혼합물을 종류별로 분별하고, 종별 물체로 하는 방법을 학습하고, 그 학습에 의해 얻어진 지식 및 경험을 데이터화한 학습 모델을 작성하는 학습부와,
상기 종별 물체 중에서 상기 선별 대상물의 종류를 선택하는 선별 대상 선택부와,
상기 학습부에서 작성된 학습 모델에 기초하여, 상기 데이터 취득부에서 취득한 혼합물의 촬상 데이터로부터 상기 선별 대상 선택부에서 선택된 종류의 선별 대상물의 유무 및 위치를 판단하는 판단부와,
상기 판단부의 판단 결과에 기초하여 상기 혼합물 중에서 상기 선별 대상물을 선별하는 선별부와,
상기 각 부에 대해, 유저로부터의 조작을 받아 지시를 주는 조작부를 구비하는 선별 장치.
제 1 항에 있어서,
상기 조작부가,
상기 데이터 취득부에 데이터의 취득을 지시하는 데이터 취득 지시부와,
상기 학습 데이터 작성부에 상기 학습 데이터의 작성 개시를 지시하는 학습 데이터 작성 지시부와,
상기 학습부에 상기 학습 모델의 작성을 지시하는 학습 개시 지시부와,
상기 선별 대상 선택부에 상기 선별 대상물의 종류의 선택을 지시하는 선별 대상 선택 지시부와,
상기 판별부에 상기 선별 대상물의 유무 및 위치를 판단하게 하고, 상기 선별부에, 그 판단 결과에 기초하여 상기 혼합물 중에서 상기 선별 대상물을 선별하게 하는 운전 개시 지시부를 구비하는 것을 특징으로 하는 선별 장치.
제 1 항 또는 제 2 항에 있어서,
상기 조작부가, 적어도 상기 데이터 취득 지시부, 학습 데이터 작성 지시부 및 학습 개시 지시부를 표시하는 학습 모드와, 적어도 상기 운전 개시 지시부를 표시하는 운전 모드를 포함하는 모드 전환 조작을 지시하는 모드 전환 지시부를 구비하는 것을 특징으로 하는 선별 장치.
제 3 항에 있어서,
상기 조작부가, 적어도 상기 데이터 취득 지시부, 학습 데이터 작성 지시부, 학습 개시 지시부, 선별 대상 선택 지시부 및 운전 개시 지시부를 한 화면에 표시하는 것을 특징으로 하는 선별 장치.
제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
상기 조작부가, 터치 패널인 것을 특징으로 하는 선별 장치.
제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
상기 데이터 취득부가 가시 카메라를 구비하고,
상기 데이터 취득부에 의해 취득되는 데이터가 화상 데이터인 것을 특징으로 하는 선별 장치.
제 6 항에 있어서,
추가로, 상기 종별 물체의 화상 데이터와 그 종별 물체의 종류를 특정하는 정보를 관련지어 보존하는 기억부를 구비하고,
상기 학습 데이터 작성부는,
상기 데이터 취득부에서 취득한 상기 종별 물체의 화상 데이터로부터 배경을 없애고 그 종별 물체를 추출하여 이루어지는 추출 화상 데이터를 작성하는 화상 추출부와,
상기 화상 추출부에서 작성된, 상기 혼합물에 포함되는 물체 전체 종류의 상기 추출 화상 데이터 중에서, 하나 또는 복수의 추출 화상 데이터를 랜덤하게 선택하고, 상기 데이터 취득부에서 촬상된 배경의 화상 데이터와 그 추출 화상 데이터를 합성하여 이루어지는 학습용 화상 데이터를 작성하는 화상 합성부와,
상기 화상 합성부에서 작성된 상기 학습용 화상 데이터와 상기 기억부에 보존된 정보에 기초하여 특정되는 상기 학습용 화상 데이터에 포함되는 종별 물체의 종류 및 위치의 정보를 관련지어 상기 학습 데이터를 작성하는 해답 작성부로 이루어지는 것을 특징으로 하는 선별 장치.
제 1 항 내지 제 7 항 중 어느 한 항에 있어서,
상기 선별부가, 상기 판단 결과에 기초하여 상기 선별 대상물에 압축한 공기를 쐬어, 상기 혼합물 중에서 상기 선별 대상물을 선별하는 것을 특징으로 하는 선별 장치.
제 1 항 내지 제 8 항 중 어느 한 항에 있어서,
상기 판단부가, 상기 학습부에서 작성된 학습 모델에 기초하여, 상기 데이터 취득부에서 취득한 혼합물의 데이터로부터, 상기 혼합물 중의 각 물체가 상기 선별 대상 선택부에서 선택된 선별 대상물일 확률을 나타내는 제 1 인식률을 산출하고, 그 제 1 인식률에 기초하여, 상기 선별 대상물의 유무 및 위치를 판단하고,
상기 선별부가, 상기 판단부의 판단 결과 및 상기 제 1 인식률에 대해 형성되는 임계값에 기초하여 상기 혼합물 중에서 상기 선별 대상물을 선별하는 것을 특징으로 하는 선별 장치.
제 9 항에 있어서,
상기 선별부가, 상기 제 1 인식률이 상기 임계값 이상인 선별 대상물을 선별하는 것을 특징으로 하는 선별 장치.
제 9 항 또는 제 10 항에 있어서,
상기 판단부가, 상기 학습부에서 작성된 학습 모델에 기초하여, 상기 데이터 취득부에서 취득한 혼합물의 데이터로부터, 상기 혼합물 중의 각 물체가 상기 종별 물체마다 그 종별 물체일 확률을 나타내는 제 2 인식률을 산출하고, 그 제 2 인식률에 기초하여, 상기 혼합물 중의 각 물체의 종류를 특정하고, 그 종류가 상기 선별 대상물의 종류와 일치하는 경우의 제 2 인식률을 상기 제 1 인식률로 간주하여, 상기 선별 대상물의 유무 및 위치를 판단하는 것을 특징으로 하는 선별 장치.
제 9 항 내지 제 11 항 중 어느 한 항에 있어서,
추가로, 상기 제 1 인식률에 대해 원하는 임계값을 설정하는 임계값 설정부를 구비하고,
상기 조작부가 상기 임계값 설정부에 상기 임계값의 설정을 지시하는 임계값 설정 지시부를 갖는 것을 특징으로 하는 선별 장치.
복수 종류의 물체로 구성되는 혼합물 중에서 선별 대상물을 선별하는 선별 방법으로서,
데이터 취득 지시부로부터의 조작을 받아, 종류별로 분별된 상기 물체인 종별 물체 또는 상기 혼합물에 기초하는 데이터를 취득하는 데이터 취득 공정과,
학습 데이터 작성 지시부로부터의 조작을 받아, 상기 데이터 취득 공정에서 취득한 상기 종별 물체의 데이터로부터 학습 데이터를 작성하는 학습 데이터 작성 공정과,
학습 개시 지시부로부터의 조작을 받아, 상기 학습 데이터 작성 공정에서 작성한 학습 데이터를 사용하여 혼합물을 종류별로 분별하고, 종별 물체로 하는 방법을 학습하고, 그 학습에 의해 얻어진 지식 및 경험을 데이터화한 학습 모델을 작성하는 학습 공정과,
선별 대상 선택 지시부로부터의 조작을 받아, 상기 종별 물체 중에서 상기 선별 대상물의 종류를 선택하는 선별 대상 선택 공정과,
운전 개시 지시부로부터의 조작을 받아, 상기 학습 공정에서 작성한 학습 모델에 기초하여, 상기 데이터 취득 공정에서 취득한 혼합물의 데이터로부터 상기 선별 대상 선택 공정에서 선택된 종류의 선별 대상물의 유무 및 위치를 판단하고, 그 판단 결과에 기초하여 상기 혼합물 중에서 상기 선별 대상물을 선별하는 운전 공정을 포함하는 선별 방법.
제 13 항에 있어서,
모드 전환 지시부로부터의 조작을 받아, 적어도 상기 데이터 취득 지시부, 학습 데이터 작성 지시부 및 학습 개시 지시부를 표시하는 학습 모드와, 적어도 상기 운전 개시 지시부를 표시하는 운전 모드를 포함하는 모드 전환 조작을 실시하는 것을 특징으로 하는 선별 방법.
제 13 항 또는 제 14 항에 있어서,
적어도 상기 데이터 취득 지시부, 학습 데이터 작성 지시부, 학습 개시 지시부, 선별 대상 선택 지시부 및 운전 개시 지시부를 한 화면에 표시하는 것을 특징으로 하는 선별 방법.
제 13 항 내지 제 15 항 중 어느 한 항에 있어서,
상기 운전 공정에 있어서, 운전 개시 지시부로부터의 조작을 받아, 상기 학습 공정에서 작성한 학습 모델에 기초하여, 상기 데이터 취득 공정에서 취득한 혼합물의 데이터로부터, 상기 혼합물 중의 각 물체가 상기 선별 대상 선택부에서 선택된 선별 대상물일 확률을 나타내는 제 1 인식률을 산출하고, 그 제 1 인식률에 기초하여, 상기 선별 대상물의 유무 및 위치를 판단하고, 그 판단 결과 및 상기 제 1 인식률에 대해 형성되는 임계값에 기초하여 상기 혼합물 중에서 상기 선별 대상물을 선별하는 것을 특징으로 하는 선별 방법.
제 16 항에 있어서,
상기 운전 공정에 있어서, 상기 제 1 인식률이 상기 임계값 이상인 선별 대상물을 선별하는 것을 특징으로 하는 선별 방법.
제 16 항 또는 제 17 항에 있어서,
상기 운전 공정에 있어서, 상기 학습 공정에서 작성된 학습 모델에 기초하여, 상기 데이터 취득 공정에서 취득한 혼합물의 데이터로부터, 상기 혼합물 중의 각 물체가 상기 종별 물체마다 그 종별 물체일 확률을 나타내는 제 2 인식률을 산출하고, 그 제 2 인식률에 기초하여, 상기 혼합물 중의 각 물체의 종류를 특정하고, 그 종류가 상기 선별 대상물의 종류와 일치하는 경우의 제 2 인식률을 상기 제 1 인식률로 간주하여, 상기 선별 대상물의 유무 및 위치를 판단하는 것을 특징으로 하는 선별 방법.
복수 종류의 물체로 구성되는 혼합물 중에서 선별 대상물을 선별하기 위한 선별 프로그램으로서,
데이터 취득 지시부로부터의 조작을 받아, 종류별로 분별된 상기 물체인 종별 물체 또는 상기 혼합물에 기초하는 데이터를 취득하는 기능과,
학습 데이터 작성 지시부로부터의 조작을 받아, 상기 취득한 상기 종별 물체의 촬상 데이터로부터 학습 데이터를 작성하는 기능과,
학습 개시 지시부로부터의 조작을 받아, 상기 작성한 학습 데이터를 사용하여 혼합물을 종류별로 분별하고, 종별 물체로 하는 방법을 학습하고, 그 학습에 의해 얻어진 지식 및 경험을 데이터화한 학습 모델을 작성하는 기능과,
선별 대상 선택 지시부로부터의 조작을 받아, 상기 종별 물체 중에서 상기 선별 대상물의 종류를 선택하는 기능과,
운전 개시 지시부로부터의 조작을 받아, 상기 작성한 학습 모델에 기초하여, 상기 취득한 혼합물의 데이터로부터 상기 선택된 종류의 선별 대상물의 유무 및 위치를 판단하고, 그 판단 결과에 기초하여 상기 혼합물 중에서 상기 선별 대상물을 선별하는 기능을 컴퓨터에 실현시키는 선별 프로그램.
제 19 항에 있어서,
운전 개시 지시부로부터의 조작을 받아, 상기 작성한 학습 모델에 기초하여, 상기 취득한 혼합물의 데이터로부터, 상기 혼합물 중의 각 물체가 상기 선별 대상 선택부에서 선택된 선별 대상물일 확률을 나타내는 제 1 인식률을 산출하고, 그 제 1 인식률에 기초하여, 상기 선별 대상물의 유무 및 위치를 판단하고, 그 판단 결과 및 제 1 인식률에 대해 형성되는 임계값에 기초하여 상기 혼합물 중에서 상기 선별 대상물을 선별하는 것을 특징으로 하는 선별 프로그램.
제 20 항에 있어서,
상기 제 1 인식률이 상기 임계값 이상인 선별 대상물을 선별하는 것을 특징으로 하는 선별 프로그램.
제 20 항 또는 제 21 항에 있어서,
상기 작성한 학습 모델에 기초하여, 상기 취득한 혼합물의 데이터로부터, 상기 혼합물 중의 각 물체가 상기 종별 물체마다 그 종별 물체일 확률을 나타내는 제 2 인식률을 산출하고, 그 제 2 인식률에 기초하여, 상기 혼합물 중의 각 물체의 종류를 특정하고, 그 종류가 상기 선별 대상물의 종류와 일치하는 경우의 제 2 인식률을 상기 제 1 인식률로 간주하여, 상기 선별 대상물의 유무 및 위치를 판단하는 것을 특징으로 하는 선별 프로그램.
제 19 항 내지 제 22 항 중 어느 한 항에 기재된 프로그램을 기록한 컴퓨터로 판독 가능한 기록 매체 또는 기억한 기기.