WO2019208754A1 - 選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体又は記憶した機器 - Google Patents

選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体又は記憶した機器 Download PDF

Info

Publication number
WO2019208754A1
WO2019208754A1 PCT/JP2019/017853 JP2019017853W WO2019208754A1 WO 2019208754 A1 WO2019208754 A1 WO 2019208754A1 JP 2019017853 W JP2019017853 W JP 2019017853W WO 2019208754 A1 WO2019208754 A1 WO 2019208754A1
Authority
WO
WIPO (PCT)
Prior art keywords
unit
learning
sorting
data
selection
Prior art date
Application number
PCT/JP2019/017853
Other languages
English (en)
French (fr)
Inventor
大石　昇治
裕之 深瀬
誠人 大西
Original Assignee
大王製紙株式会社
ダイオーエンジニアリング株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from JP2018085343A external-priority patent/JP7072435B2/ja
Priority claimed from JP2018097254A external-priority patent/JP6987698B2/ja
Application filed by 大王製紙株式会社, ダイオーエンジニアリング株式会社 filed Critical 大王製紙株式会社
Priority to KR1020207018659A priority Critical patent/KR20210002444A/ko
Priority to CN201980015704.7A priority patent/CN111819598B/zh
Publication of WO2019208754A1 publication Critical patent/WO2019208754A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00—Prospecting or detecting by optical means
    • G01V8/10—Detecting, e.g. by using light barriers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis

Definitions

  • the present invention relates to a sorting apparatus, a sorting method, a sorting program, and a computer-readable recording medium or stored device that sort a sorting target object from a mixture of a plurality of types of objects.
  • the recycling field is diverse, for example, in the field of recycling recycled paper to produce recycled paper, there is a problem of impurities such as, for example, when plastic such as laminate is mixed into the used paper, the purity of the paper is lowered.
  • impurities such as, for example, when plastic such as laminate is mixed into the used paper
  • the purity of the paper is lowered.
  • harmful substances when mixed, the harmful substances are diffused widely.
  • a step of selecting an object and impurities used as raw materials is required.
  • a sorting object can be freely sorted according to a recycling application, for example, sorting white paper and colored paper.
  • Patent Document 1 discloses a technique related to a sorting apparatus that includes a detection unit including a light source and an optical sensor and sorts an object based on the brightness of reflected light.
  • Patent Document 2 discloses a technology relating to a gravity sensor and a sorting device that includes an RGB camera, an X-ray camera, a near-infrared camera, and a 3D camera as an imaging device, and automatically sorts an object using artificial intelligence.
  • Patent Document 1 needs to set in advance a standard and algorithm for sorting objects based on the brightness of reflected light, and these settings require specialized knowledge and experience. For this reason, the user cannot easily set or change the setting.
  • the sorting device disclosed in Patent Document 2 using artificial intelligence does not require the setting as described above, but requires a step of learning a criterion and a method for sorting into artificial intelligence in advance, so that the user can easily It was not an aspect that could be set.
  • the user can select a sorting apparatus that has been set in advance according to the sorting target object. I was driving with the offer. For this reason, when a mixture (waste etc.) or a sorting object is changed, there is a problem that even if the user wants to change the setting, it cannot be easily changed.
  • An object of the present invention is to provide a sorting device, a sorting method, a sorting program, and a computer-readable computer that can easily set a sorting target even if the user does not have specialized technology or knowledge.
  • the sorting device is a sorting device that sorts a sorting target object from a mixture composed of a plurality of types of objects, and is a type object that is the object sorted by type or
  • a data acquisition unit that acquires data based on the mixture
  • a learning data generation unit that generates learning data from the data of the type object acquired by the data acquisition unit, and learning data generated by the learning data generation unit
  • a learning unit that learns a method of classifying a mixture into types and using them as classification objects, creating a learning model in which knowledge and experience obtained by the learning are converted into data, and the selection target from the classification objects
  • the selection target selection unit for selecting the type of the object, the selection target from the imaging data of the mixture acquired in the data acquisition unit
  • a determination unit that determines the presence and position of a selection object of the type selected by the selection unit; a selection unit that selects the selection object from the mixture based on a determination result of the determination unit;
  • an operation unit that determines the presence and position of a selection object of the
  • the presence / absence and position of the selection target can be determined from the imaging data of the mixture using artificial intelligence, it is not necessary to set a standard or algorithm for selecting the object.
  • each member is provided with an operation unit that receives an operation from the user and gives an instruction, the user can easily create a learning model and easily perform a process of learning with artificial intelligence.
  • the present invention it can be easily operated using the operation unit, and most of complicated setting work can be performed by artificial intelligence, so even if the user does not have specialized technology or knowledge, Setting for sorting the sorting object can be easily performed.
  • the operation unit causes the data acquisition unit to instruct the acquisition of data, and the learning data generation unit starts to generate the learning data.
  • a learning data creation instruction unit for instructing, a learning start instruction unit for instructing the learning unit to create the learning model, and a selection target selection instruction unit for instructing the selection of a type of the selection target to the selection target selection unit;
  • an operation start instructing unit that causes the determination unit to determine the presence and position of the selection target and causes the selection unit to select the selection target from the mixture based on the determination result.
  • the operation unit displays at least the data acquisition instruction unit, the learning data creation instruction unit, and the learning start instruction unit, and at least the driving A mode switching instruction unit for instructing a mode switching operation including an operation mode for displaying the start instruction unit can be provided.
  • the user can perform work while grasping which of the operation states of the selection device, that is, the learning mode and the operation mode, and the setting operation in the learning mode is Since the instruction sections related to the settings are integrated, it is easy to prevent erroneous operations.
  • the operation unit includes at least the data acquisition instruction unit, the learning data creation instruction unit, the learning start instruction unit, the selection target selection instruction unit, and the operation start instruction unit. Can be displayed on one screen. According to the above configuration, the learning mode and the driving mode are not distinguished as modes, and the instruction unit for setting and the instruction unit for driving are displayed on one screen. No switching operation is required.
  • the sorting apparatus can be configured such that the operation unit is a touch panel. According to the said structure, a user can operate easily.
  • the sorting apparatus can be configured such that the data acquisition unit includes a visible camera, and the data acquired by the data acquisition unit is image data.
  • the data acquisition unit includes a visible camera
  • the data acquired by the data acquisition unit is image data.
  • a selection target can be selected based on the form, position, size, and range of the selection target.
  • the data acquisition unit is a spectroscope-equipped camera
  • the data can be acquired as spectral distribution data.
  • the sorting apparatus includes a storage unit that associates and stores image data of the type object and information that specifies the type of the type object
  • the learning data generation unit includes: An image extraction unit that creates extracted image data obtained by extracting the type object by removing the background from the image data of the type object acquired by the data acquisition unit, and the mixture created by the image extraction unit One or a plurality of extracted image data is randomly selected from the extracted image data of all types of objects included, and the background image data captured by the data acquisition unit and the extracted image data are combined.
  • the number of learning data to be learned by the artificial intelligence can be controlled by a user's instruction, so that the selection accuracy can be improved by increasing the number of learning times.
  • the sorting unit applies compressed air to the sorting object based on the determination result, and sorts the sorting object from the mixture. be able to.
  • the determination unit determines whether the determination unit is based on the mixture model acquired by the data acquisition unit based on the learning model created by the learning unit. Calculating a first recognition rate indicating a probability that each object is a selection target selected by the selection target selection unit, and based on the first recognition rate, the presence and position of the selection target are determined.
  • the selection unit can select the selection target from the mixture based on a determination result of the determination unit and a threshold value provided for the first recognition rate.
  • the artificial intelligence calculates the first recognition rate indicating the probability that each object of the mixture is the selection target, and the recognition rate and the user set Since the selection target is determined by associating it with a possible threshold value, the user can control the selection accuracy while using artificial intelligence.
  • there are various assumptions such as the case where the purpose of the selection is to be roughly classified, and the case where it is desired to extract only a desired object with high accuracy, and the selection according to the user's needs for the selection accuracy becomes possible.
  • the sorting unit can sort a sorting object having the first recognition rate equal to or higher than the threshold value. According to the said structure, it can classify
  • the determination unit determines whether the determination unit is based on the mixture data acquired by the data acquisition unit based on the learning model created by the learning unit. Calculating a second recognition rate indicating the probability that each object is the type object for each type object, identifying the type of each object in the mixture based on the second recognition rate, Can be determined as the first recognition rate, and the presence and position of the sorting object can be determined. According to the above configuration, since the second recognition rate is calculated for each type of object for each object of the mixture, the type of the object can be determined as the type with the highest second recognition rate, and the selection is performed.
  • an object determined to be the same type as the target object is selected by being associated with a threshold that can be set by the user, the user can select a learning model specialized for the selected target object even when the target object is changed. Therefore, it is possible to easily change the selection object.
  • the sorting device includes a threshold setting unit that sets a desired threshold for the first recognition rate, and the operation unit sets the threshold to the threshold setting unit.
  • a threshold setting instruction unit for instructing setting can be provided. According to the above configuration, the user can easily set / change the sorting accuracy.
  • a sorting method is a sorting method for sorting a sorting target object from a mixture composed of a plurality of types of objects, and receives an operation from a data acquisition instruction unit.
  • the data acquisition step of acquiring data based on the type object or the mixture that is the object sorted by type, and the type object acquired in the data acquisition step in response to an operation from the learning data creation instruction unit A learning data creation step for creating learning data from the data of the above, and an operation from the learning start instruction unit, the mixture is classified by type using the learning data created in the learning data creation step, A learning process for creating a learning model in which knowledge and experience obtained by the learning are converted into data, and an operation from the selection target selection instruction unit; Acquired in the data acquisition step based on the learning model created in the learning step in response to an operation from the selection target selection step for selecting the type of the selection object from the body and the operation start instruction unit Determining the presence and position of the type of selection target selected in the selection target selection step from
  • a learning mode in which at least the data acquisition instruction unit, the learning data creation instruction unit, and the learning start instruction unit are displayed in response to an operation from the mode switching instruction unit. And at least a mode switching operation including an operation mode for displaying the operation start instruction unit.
  • the selection method displays at least the data acquisition instruction unit, the learning data creation instruction unit, the learning start instruction unit, the selection target selection instruction unit, and the operation start instruction unit on one screen. can do.
  • the data acquisition step receives the operation from the driving start instruction unit and based on the learning model created in the learning step. From the acquired mixture data, calculate a first recognition rate indicating the probability that each object in the mixture is a selection target selected by the selection target selection unit, and based on the first recognition rate The presence / absence and position of the selection object can be determined, and the selection object can be selected from the mixture based on the determination result and a threshold value provided for the first recognition rate.
  • the selection object having the first recognition rate equal to or higher than the threshold value can be selected.
  • the operation step based on the learning model created in the learning step, from the mixture data acquired in the data acquisition step, Calculating a second recognition rate indicating the probability that each object is the type object for each type object, identifying the type of each object in the mixture based on the second recognition rate, It is possible to determine the presence / absence and position of the selection object by regarding the second recognition rate when the value matches the type of the selection object as the first recognition rate.
  • a sorting method is a sorting program for sorting a sorting target object from a mixture composed of a plurality of types of objects, and an operation from a data acquisition instruction unit is performed.
  • a function for creating a learning model in which experience is converted into data a function for selecting the type of the selection target from the type objects in response to an operation from the selection target selection instruction unit, and an operation
  • the presence / absence and position of the selected type of selection object is determined from the acquired mixture data, and the determination result is used to determine
  • the computer can
  • each object in the mixture is obtained from the obtained mixture data based on the created learning model in response to an operation from the operation start instruction unit.
  • the selection object can be selected from the mixture based on the determination result and a threshold value set for the first recognition rate.
  • the selection method according to the twenty-first aspect of the present invention can cause a computer to realize a function of selecting a selection object whose first recognition rate is equal to or higher than the threshold value.
  • each object in the mixture is the type object for each type object from the acquired mixture data.
  • Calculating a second recognition rate indicating the probability, identifying a type of each object in the mixture based on the second recognition rate, and a second case where the type matches the type of the selection object The recognition rate is regarded as the first recognition rate, and the computer can realize a function of determining the presence and position of the selection target.
  • a recording medium or a stored device stores the program.
  • the program includes not only a program stored in the recording medium and distributed but also a program distributed by download through a network line such as the Internet.
  • the recording medium includes a device capable of recording a program, for example, a general purpose or dedicated device in which the program is implemented in a state where it can be executed in the form of software, firmware, or the like.
  • each process and function included in the program may be executed by program software that can be executed by a computer, or each part of the process and function may be performed with hardware such as a predetermined gate array (FPGA, ASIC) or program software.
  • FPGA, ASIC predetermined gate array
  • each element constituting the present invention may be configured such that a plurality of elements are constituted by the same member and the plurality of elements are shared by one member, and conversely, the function of one member is constituted by a plurality of members. It can also be realized by sharing. (Sorting device 1)
  • FIG. 1 which is a schematic diagram
  • FIG. 8 which is a functional block diagram
  • FIG. 2 which is an explanatory diagram of a positional relationship between the line sensor camera 11 and the conveyor 13 for the sorting device 1 according to the embodiment of the present invention. explain.
  • the sorting device 1 converts a sorting object SO from a mixture MO composed of a plurality of types of objects supplied from a feeding device 2 and flowing to a conveyor 13 into compressed air.
  • a device that sorts using the air injection nozzle 14 that emits the light and mainly includes the line sensor camera 11 (corresponding to an example of “data acquisition unit” in the claims), a first control unit 12, a controller 15 ( This corresponds to an example of the “operation unit” in the claims.),
  • the supply device 2 includes, for example, a charging hopper 21, a transfer conveyor 22, and a charging feeder 23.
  • the charging hopper 21 is configured to receive the mixture MO.
  • the transfer conveyor 22 supplies the mixture MO supplied from the input hopper 21 to the input feeder 23.
  • the input feeder 23 is configured by a vibration feeder, an electromagnetic feeder, or the like, and supplies the mixture MO to the conveyor 13 while preventing the mixture MOs from overlapping with each other by vibrating.
  • the sorting device 1 has two modes, a learning mode LM and an operation mode OM.
  • the learning mode LM is a mode for performing preparation and setting for operating the sorting device 1.
  • the operation mode OM is a mode for actually sorting the sorting object SO from the mixture MO.
  • the mixture MO is composed of a plurality of types of objects, such as metal, paper, plastic, etc., that can identify individual objects from the image data acquired by the line sensor camera 11 and can change the course by air injection from the air injection nozzle 14.
  • types of objects included in the mixture MO for example, metal, paper, plastic, and the like are assumed, but for example, it is not limited to a large bundle such as metal, but from colors and shapes, such as copper and aluminum classified into lower layers. Anything that can be identified can be targeted.
  • the sorting device 1 according to the present embodiment can identify up to five types of objects at a time, such as aluminum, brass, gold, silver, and copper, and is configured with such objects. From the mixture MO, it is possible to select one kind of sorting object SO, for example, only copper, or to sort several kinds at the same time, for example, aluminum, brass, and gold. Has been.
  • the mixture MO is composed of objects A to C (corresponding to an example of “type object” in the claims), and the object A is selected as the selection object SO. . (Line sensor camera 11)
  • the sorting device 1 is provided with two line sensor cameras 11 arranged in the width direction of the conveyor 13 as shown in FIG.
  • the line sensor camera 11 is a member that captures an image every time a pulse is received from the encoder 131 of the conveyor 13 and acquires an image data ID from the imaged result.
  • the X direction of the line sensor camera 11 corresponds to the width direction of the conveyor 13, and the Y direction corresponds to the traveling direction of the conveyor 13.
  • a predetermined X direction imaging range 11 a can be obtained with one line sensor camera 11. Can be imaged.
  • an X-direction range 11e obtained by adding two X-direction effective ranges 11d excluding the exclusion range 11b at both ends of the conveyor 13 and the exclusion range 11c at the center of the conveyor 13 from the X-direction range 11a
  • An image data ID is created by extracting in the Y direction within a predetermined Y direction range 11f.
  • a desired overlapping range 11g from one end in the Y direction is a range overlapping with the image data ID created immediately before.
  • the line sensor camera 11 in the learning mode images an object included in the mixture MO for each object, and creates an image data ID of each object. Specifically, imaging is performed in a state where a plurality of objects A are flowed on the conveyor 13, and an image data ID of the object A is created. Similarly, the image data IDs of the objects B and C are created for the objects B and C. The created image data ID of each object is transmitted to and stored in the storage unit 121 shown in FIG. 8 in a state associated with the name of the imaged object. Further, imaging is performed in a state where no object is flowing on the conveyor 13 to create a background image BI, and the created background image BI is transmitted to the storage unit 121 and stored.
  • the line sensor camera 11 in the operation mode OM captures an image with the mixture MO flowing on the conveyor 13, and creates an image data ID of the mixture MO.
  • the created image data ID of the mixture MO is transmitted to the determination unit 125.
  • the line sensor camera 11 has been described as an example of the “data acquisition unit” in the claims.
  • the “data acquisition unit” is not limited to this, and may be an area sensor camera, visible light, infrared light, or the like.
  • X-rays may be used.
  • the X-ray light source can be arranged above the object conveyed by the conveyor, the X-ray camera can be arranged below the conveyor belt, and vice versa.
  • the created image data ID of the object includes information that allows the user to know what kind of object the user selects when selecting the selection target SO in the selection target selection unit 124 described later. It only has to be associated.
  • the background image BI is separately prepared at the manufacturing stage of the sorting device 1 and stored in the storage unit 121. It may be an embodiment.
  • the color information of the conveyor 13 may be stored in the storage unit 121. (First control unit 12)
  • the first control unit 12 includes a storage unit 121, a learning data creation unit 122, a learning unit 123, a selection target selection unit 124, a threshold setting unit 126, and a determination unit 125.
  • the first control unit 12 determines the presence and position of the selection target object SO from the image data ID of the mixture MO acquired by the line sensor camera 11.
  • the learning mode LM preparation and setting for the determination are performed.
  • the storage unit 121 is a member that stores the image data ID of the objects A to C created by the line sensor camera 11, the names of the objects associated with the image data ID, and the background image BI. (Learning data creation unit 122)
  • the learning data creation unit 122 creates and stores learning data LD from the image data ID and background image BI of the objects A to C captured and acquired by the line sensor camera 11.
  • the learning data creation unit 122 includes three members: an image extraction unit 122a, an image composition unit 122b, and an answer creation unit 122c. The configuration of each member is as described later.
  • the created learning data LD is used for learning performed by the learning unit 123.
  • One learning data LD is used for each learning, and the accuracy of selection in the operation mode OM increases as the number of repetitions of this learning increases. That is, as the learning data LD created by the learning data creation unit 122 increases, the accuracy of selection in the operation mode OM improves.
  • the sorting device 1 according to the first embodiment of the present invention is an aspect in which the upper limit is 40,000 times and the user can freely set the number of repetitions of learning (details will be described later). (Image extraction unit 122a)
  • the image extraction unit 122a calls the image data IDs and the background images BI of the objects A to C from the storage unit 121, and extracts and extracts a portion where the object is captured from the image data IDs of the objects A to C based on the background image BI.
  • Image data SD is created.
  • the range excluding the overlapping range 11g is compared with the background image BI for each pixel.
  • a portion other than the portion that matches the background image BI is cut out as a portion where the object A is captured, and extracted image data SD of the object A is created.
  • the comparison is basically performed in the range excluding the overlapping range 11g.
  • the comparison is performed by expanding the range to the overlapping range 11g. Do.
  • the extracted image data SD of the objects B and C is created from the image data IDs of the objects B and C.
  • the object may be cut out so that the background image BI remains, and the extracted image data SD of the object may be generated, for example, a rectangular shape including the object portion. Or it can be cut into a circular shape.
  • the shape is not particularly limited, but a shape in which the area of the remaining background image BI is small is preferable.
  • the image synthesis unit 122b randomly selects some data from the extracted image data SD of the objects A to C created by the image extraction unit 122a, and randomly selects the background image BI.
  • the image data ID of the artificial mixture MO is created by combining the image with the correct position, angle and size.
  • the image composition unit 122b creates image data IDs of a large number of artificial mixtures MO from image data IDs of a small number of objects A to C by changing the position, angle, and size of the extracted image data SD. Can do.
  • the image synthesis unit 122b overlaps the extracted image data SD.
  • the extracted image data SD is synthesized at the position so as not to create the image data ID of the mixture MO. This is because the portion of the background image BI remaining in the extracted image data SD is prevented from changing the shape of the object by overlapping the object portion of the other extracted image data SD.
  • the answer creating unit 122c records information indicating which positions of the objects A to C are arranged in the image data ID of the artificial mixture MO created by the image composition unit 122b.
  • Learning data LD which is data associated with the data ID, is created.
  • the learning unit 123 has artificial intelligence, learns a method of discriminating the objects A to C using the learning data LD created by the learning data creation unit 122, and creates a learning model GM.
  • each object shown in the image data ID of the artificial mixture MO in the learning data LD is the object A.
  • the probability of being an object B and the probability of being an object C are calculated (the calculated probabilities are hereinafter referred to as recognition rates RR.
  • the recognition rate RR is defined as “second recognition” in the claims. Corresponds to an example of "rate”).
  • each object is predicted to be the object of the highest type among the recognition rates RR of the objects A to C, and it is checked whether or not the prediction has been made based on the information associated with the answer creating unit 122c. .
  • a learning model GM which is data obtained by repeating knowledge and experience obtained by repeating this, is created and stored. (Selection target selection unit 124)
  • the selection target selection unit 124 creates and stores a recipe RE that is data in which information on the selection target SO selected by the user from the objects A to C is associated with the learning model GM. In the operation mode, the recipe RE selected by the user is read by the determination unit 125.
  • the sorting apparatus 1 is a mode in which the learning unit 123 is made to learn the method for discriminating the objects A to C and does not learn which is the sorting object SO.
  • the selection target selection unit 124 only needs to select the object B as the selection target SO. There is no need to redo learning.
  • the threshold value setting unit 126 sets a threshold value for the recognition rate RR of the selection object SO. Information on the set threshold value is transmitted to the second control unit 141 and is referred to when sorting the sorting object SO (details will be described later). Note that the threshold does not necessarily have to be set. (Judgment unit 125)
  • the determination unit 125 has artificial intelligence, reads the recipe RE from the selection target selection unit 124 in the operation mode OM, and the image of the mixture MO created and transmitted by the line sensor camera 11 based on the recipe RE. The presence / absence of the object A is determined from the data ID. If the object A is present, information on the position of the pixel unit is transmitted to the second control unit 141.
  • the recognition rate RR of the objects A to C of each object is calculated, and the object with the highest recognition rate RR of the object A is determined as the object A.
  • the object having the highest recognition rate RR of the object B is determined as the object B
  • the object having the highest recognition rate RR of the object C is determined as the object C.
  • the conveyor 13 is a member that passes through the imaging range of the line sensor camera 11 and moves an object to the position of the air injection nozzle 14 to move it.
  • the conveyor 13 moves an object at a predetermined speed.
  • the conveyor 13 is provided with an encoder 131, and the encoder 131 transmits a pulse to the line sensor camera 11, the first controller 12, and the second controller 141 every time the conveyor 13 moves a predetermined distance.
  • the line sensor camera 11 takes an image every time this pulse is received. That is, one pixel of the image data ID captured by the line sensor camera 11 corresponds to a predetermined distance.
  • the 1st control part 12 and the 2nd control part 141 pinpoint the position of an object based on this pulse. (Air injection nozzle 14)
  • the air injection nozzle 14 is a member that sorts the sorting object SO by releasing compressed air to the sorting object SO whose recognition rate RR of the sorting object SO is equal to or higher than the threshold set by the threshold setting unit 126.
  • a plurality of air injection nozzles 14 are arranged at minute intervals over the entire width of the conveyor 13.
  • the objects to be sorted are not limited to the sorting objects SO whose recognition rate RR of the sorting objects SO is equal to or higher than the threshold set by the threshold setting unit 126.
  • a selection object SO having a recognition rate RR of the selection object SO larger than a threshold set by the threshold setting unit 126 may be selected.
  • the air injection nozzle 14 is instructed by the second control unit 141 at an injection timing that is a timing at which compressed air is injected.
  • the second control unit first sets an injection region IR for injecting compressed air based on the position information of the object A transmitted from the determination unit 125.
  • the injection timing is set for each air injection nozzle 14 based on the injection region IR.
  • the injection timing is provided at predetermined time intervals with respect to the traveling direction of the conveyor 13. That is, when the image data ID of the mixture MO shown in FIG. 7 is taken as an example, the air injection nozzles 14 in the rows d to h are used as a reference based on the time T0 when the upper end of the image data ID reaches the position of the air injection nozzle 14.
  • the air injection nozzle 14 is instructed to inject compressed air at a timing when it passes through the injection region IR.
  • the object A sprayed with the compressed air by the air spray nozzle 14 is collected by the hopper 31 of the collection hopper 3 that is disposed at the lower part of the conveyor 13 and provided for each type of material to be selected.
  • the objects B and C to which the compressed air is not injected by the air injection nozzle 14 are collected by the hopper 32. (Controller 15)
  • the controller 15 is a touch panel controller, and the user can easily operate the sorting device 1 by using the controller 15.
  • the controller 15 is a mode switching button 15a (corresponding to an example of a “mode switching instruction unit” in claims), and an imaging button 15b (corresponding to an example of a “data acquisition instruction unit” in claims).
  • Learning data creation button 15c corresponds to an example of “learning data creation instruction unit” in claims
  • learning start button 15d corresponds to an example of “learning start instruction unit” in claims
  • a selection target selection button 15e corresponds to an example of “selection target selection instruction unit” in claims
  • a threshold setting button 15h correspond to an example of “threshold setting unit” in claims
  • An operation start button 15f correspond to an example of “operation start instruction unit” in the claims
  • an operation end button 15g are provided.
  • step ST101 the selection device 1 is switched to the learning mode LM using the mode switching button 15a.
  • the screen shown in FIG. 10 is displayed on the controller 15, so that the sorting device 1 can be switched to the learning mode LM by pressing the learning mode button 151a, and the controller 15 shows the screen shown in FIG. A screen is displayed.
  • step ST102 the line sensor camera 11 is caused to create image data IDs and background images BI of the objects A to C.
  • the line sensor camera 11 starts imaging and creates an image data ID of the object A.
  • the screen shown in FIG. 12 is displayed on the controller 15, and the user inputs the name of the object A to the name input unit 151 b and stores it in the storage unit 121.
  • the screen of FIG. 11 is displayed again on the controller 15, so that the user captures the objects B and C and the background image BI in the same procedure.
  • step ST103 the learning data creating unit is caused to create learning data LD.
  • the learning data creation button 15 c On the screen shown in FIG. 11, the screen shown in FIG. 13 is displayed on the controller 15.
  • the object selection button 151c an object (in the case of this description, “ Object A ",” Object B “,” Object C ").
  • the screen shown in FIG. 13 is displayed again on the controller 15, and the number of learning data LD to be created is input to the data number input unit 152c.
  • the controller 15 displays a standby screen indicating the expected time until the creation of the learning data LD is completed for the user.
  • the controller 15 displays a screen shown in FIG.
  • step ST104 the learning unit 123 is trained using the learning data LD to create a learning model GM.
  • the screen shown in FIG. 16 is displayed on the controller 15.
  • the user learns from the list of learning data LD stored in the learning data creation unit 122 displayed as shown in FIG. 16 (the name of the object used to create the learning data LD is displayed).
  • Learning data LD (in the case of this description, “object A, object B, object C”) is selected.
  • the controller 15 displays a standby screen indicating the expected time until the creation of the learning model GM is completed.
  • the controller 15 displays a screen shown in FIG. (Operation method in operation mode OM)
  • step ST201 the sorting device 1 is switched to the operation mode OM using the mode switching button 15a. Since the screen shown in FIG. 10 is displayed on the controller 15 when the sorting device 1 is activated, the sorting device 1 is switched to the operation mode OM by pressing the operation mode button 152a, and the controller 15 shows the screen shown in FIG. A screen is displayed.
  • step ST202 the object A is selected as the sorting object SO, and the sorting target selection unit 124 is caused to create a recipe RE.
  • the controller 15 displays the screen shown in FIG.
  • the user uses a learning model used for discrimination from a list of learning models GM stored in the learning unit 123 displayed as shown in FIG. 20 (the names of objects used to create the learning model GM are displayed).
  • GM (“Object A, Object B, Object C" in this embodiment) is selected.
  • the controller 15 displays a screen shown in FIG.
  • the user selects the sorting object SO (“object A” in this description) from the list of objects used to create the selected learning model GM displayed as shown in FIG.
  • the selection target selection unit 124 creates a recipe RE, and the controller 15 displays a screen shown in FIG.
  • a threshold is set for the recognition rate RR of the selection object SO.
  • the threshold setting button 15h On the screen shown in FIG. 19, the screen shown in FIG. 22 is displayed on the controller 15, and a desired threshold is input to the threshold input unit 151h.
  • the threshold value setting unit 126 transmits threshold value information to the second control unit 141, and the controller 15 displays the screen shown in FIG.
  • the means for setting the threshold by the user is not limited to the threshold setting button 15 h displayed on the touch panel of the controller 15.
  • a seek bar may be displayed on the touch panel instead of the threshold setting button 15h, and the threshold may be set using the seek bar.
  • the means for setting the threshold value is not limited to that using a touch panel.
  • a button, a rotary switch, or the like may be provided in the controller 15 to set the threshold value. A mode in which means for setting the threshold is used together may be used.
  • the threshold value may be set not only in step ST203 but also in step ST204 described later. According to this configuration, the user can confirm the actual sorting result and finely adjust the threshold value. At this time, if the means for setting the threshold is one using the above-described seek bar or rotary switch, it can be operated intuitively and is suitable for fine adjustment.
  • step ST204 the object A is selected in step ST204.
  • the line sensor camera 11 starts imaging, and the determination unit 125 determines whether the object A is present and whether the object A is in pixel units. The position is determined, and the air injection nozzle 14 selects the object A based on this determination.
  • step ST205 the operation end button 15g is pressed to end the selection.
  • the aspect of the controller 15 and the display of the screen are not limited to those described above, and may be appropriately changed so that the user can easily operate the sorting device 1.
  • the controller 15 using a push button may be used, and in this case, the mode switching button 15a is unnecessary.
  • the controller 15 may be displayed to instruct the user to perform the next operation.
  • each button has a different function.
  • each function may be linked, or a predetermined button may have various functions.
  • the learning data LD may be created by pressing the learning data creation button 15c
  • the learning model GM may be created based on the learning data.
  • the operation start button 15f may also have a function of instructing the end of operation, and the operation may be started by pressing the first operation start button 15f, and the operation may be ended by pressing the second time.
  • the object A is described as the selection target. However, a plurality of objects may be selected as the selection target, and a plurality of air injection nozzles and hoppers may be provided in accordance with the selection.
  • the sorting apparatus 1 to which the present invention is applied can determine the presence and position and the position of the sorting object SO from the imaging data of the mixture MO using artificial intelligence.
  • the various buttons displayed on the controller 15 can be used for easy operation including the step of setting a threshold value.
  • the recognition rate indicating the probability that each object of the mixture is a selection target is calculated by the artificial intelligence, and the selection target is determined by associating the recognition rate with a threshold that can be set by the user. I can control it.
  • the present invention in addition to being able to make most of the complicated setting work to artificial intelligence, it can be easily operated by the operation unit, even if the user does not have specialized technology and knowledge, Settings for sorting the sorting object SO can be easily performed.
  • the sorting apparatus, sorting method, sorting program, and computer-readable recording medium or stored device according to the present invention can be applied to use for sorting an object into two or more types.

Abstract

ユーザが、選別精度を簡単に設定・変更できるようにする。 【解決手段】ラインセンサカメラ１１とラインセンサカメラ１１で取得された種別物体のデータから学習データＬＤを作成する学習データ作成部１２２と、学習データＬＤを用いて混合物ＭＯを種類ごとに分別し、種別物体にする方法を学習し、該学習によって得られた知識及び経験をデータ化した学習モデルＧＭを作成する学習部１２３と、選別対象物ＳＯの種類を選択する選別対象選択部１２４と、学習モデルＧＭに基づいて、ラインセンサカメラ１１で取得した混合物ＭＯのデータから、認識率ＲＲを算出し、認識率ＲＲに基づいて、選別対象物ＳＯの有無及び位置を判断する判断部１２５と、判断部１２５の判断結果及び認識率ＲＲに対して設けられる閾値に基づいて混合物ＭＯの中から選別対象物ＳＯを選別するエアー噴射ノズル１４とを備える。

Description

選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体又は記憶した機器
　本発明は、複数種類の物体で構成される混合物の中から選別対象物を選別する選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体又は記憶した機器に関する。
　近年、廃棄物等を再資源化し、新たな製品の原料として利用するリサイクルは、環境保護の観点や企業イメージの向上等の目的から、多くの企業によって実施されている。
　リサイクル分野は多岐にわたっているが、例えば、古紙をリサイクルして再生紙を生産する分野では、古紙の中に、例えば、ラミネート等のプラスチックが混入すると、紙の純度が下がるといった不純物の問題がある。また、有害物質が混入すると、この有害物質を広く拡散させてしまうこととなる。このため、リサイクルの前に、原料として用いる物体と不純物とを選別する工程が必要となる。また、例えば白色の紙と着色された紙とを選別するというように、リサイクルの用途に応じて自由に選別対象物を選別できることが求められている。
　また、リサイクルに拘わらず、製品製造時において、良品と不良品とを選別する必要があるため、物体を２以上に選別する技術は、製造業において必要不可欠な技術の１つであるといえる。この種の物体を２以上の種類に選別する技術は、例えば、特許文献１及び特許文献２に開示されている。
　特許文献１には、光源と光センサとからなる検知手段を備え、反射光の輝度に基づいて物体を選別する選別装置に関する技術が開示されている。
　また、特許文献２には、重力センサと、撮像装置として、ＲＧＢカメラ、Ｘ線カメラ、近赤外線カメラ、３Ｄカメラを備え、人工知能によって物体を自動選別する選別装置に関する技術が開示されている。
特開２０１８－０１７６３９号公報 特開２０１７－１０９１９７号公報
　しかしながら、特許文献１に開示された選別装置は、反射光の輝度に基づいて物体を選別する基準やアルゴリズムを予め設定しておく必要があり、これらの設定に専門的な知識や経験が必要であるため、ユーザが容易に設定や設定の変更を行うことができなかった。
　また、人工知能を用いた特許文献２に開示された選別装置は、前述のような設定は必要ないものの、予め人工知能に選別する基準や方法を学習させる工程が必要であり、ユーザが容易に設定できる態様とはなっていなかった。
　このように、従来の選別装置や選別方法では、選別装置に選別対象物を選別させるための設定を行うことが容易でないため、ユーザは、予め選別対象物に応じた設定がなされた選別装置を提供してもらい運転を行っていた。このため、混合物（廃棄物等）や選別対象物が変更になった場合等に、ユーザが、設定を変更したくても容易に変更できないという問題があった。
　本発明は、従来のこのような問題点に鑑みてなされたものである。本発明の目的の一は、ユーザが専門的な技術や知識を有していなくとも、選別対象物を選別するための設定を容易に行える選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体又は記憶した機器を提供することにある。
課題を解決するための手段及び発明の効果
　本発明の第１の側面に係る選別装置は、複数種類の物体で構成される混合物の中から選別対象物を選別する選別装置であって、種類ごとに分別された前記物体である種別物体又は前記混合物に基づくデータを取得するデータ取得部と、前記データ取得部で取得された前記種別物体のデータから学習データを作成する学習データ作成部と、前記学習データ作成部によって作成された学習データを用いて混合物を種類ごとに分別し、種別物体にする方法を学習し、該学習によって得られた知識及び経験をデータ化した学習モデルを作成する学習部と、前記種別物体の中から前記選別対象物の種類を選択する選別対象選択部と、前記学習部にて作成された学習モデルに基づいて、前記データ取得部で取得した混合物の撮像データから前記選別対象選択部にて選択された種類の選別対象物の有無及び位置を判断する判断部と、前記判断部の判断結果に基づいて前記混合物の中から前記選別対象物を選別する選別部と、前記各部に対して、ユーザからの操作を受けて指示を与える操作部とを備えることができる。
　前記構成によれば、人工知能を用いて混合物の撮像データから選別対象物の有無及び位置を判断することができるため、物体を選別する基準やアルゴリズムの設定が不要である。加えて、各部材に、ユーザからの操作を受けて指示を与える操作部を備えるので、ユーザが、容易に学習モデルを作成でき、人工知能に学習させる工程も容易に行うことができる。
　したがって、本発明によれば、操作部を用いて簡単に操作でき、煩雑な設定作業の大半を人工知能に行わせることができるので、ユーザが専門的な技術や知識を有していなくとも、選別対象物を選別するための設定を容易に行える。
　また、本発明の第２の側面に係る選別装置は、前記操作部が、前記データ取得部にデータの取得を指示するデータ取得指示部と、前記学習データ作成部に前記学習データの作成開始を指示する学習データ作成指示部と、前記学習部に前記学習モデルの作成を指示する学習開始指示部と、前記選別対象選択部に前記選別対象物の種類の選択を指示する選別対象選択指示部と、前記判別部に前記選別対象物の有無及び位置を判断させ、前記選別部に、該判断結果に基づいて前記混合物の中から前記選別対象物を選別させる運転開始指示部とを備えることができる。
　さらにまた、本発明の第３の側面に係る選別装置は、前記操作部が、少なくとも、前記データ取得指示部、学習データ作成指示部及び学習開始指示部を表示する学習モードと、少なくとも、前記運転開始指示部を表示する運転モードとを含むモード切替操作を指示するモード切替指示部を備えることができる。前記構成によれば、ユーザは、学習モードと運転モードという選別装置の動作状況のうち、いずれの動作状況下にあるかを把握しながら、作業を行うことができ、学習モードおける設定作業は、設定に係る指示部が集約されているので誤操作を防ぎやすい。
　さらにまた、本発明の第４の側面に係る選別装置は、前記操作部が、少なくとも、前記データ取得指示部、学習データ作成指示部、学習開始指示部、選別対象選択指示部及び運転開始指示部を一画面に表示することができる。前記構成によれば、学習モード、運転モードというようにモードとして区別されておらず、設定に係る指示部も運転に係る指示部も一画面に表示されるので、学習モードと運転モードとのモードの切り換え操作を不要とできる。
　さらにまた、本発明の第５の側面に係る選別装置は、前記操作部が、タッチパネルであるよう構成できる。前記構成によれば、ユーザが簡単に操作できる。
　さらにまた、本発明の第６の側面に係る選別装置は、前記データ取得部が可視カメラを備え、前記データ取得部によって取得されるデータが画像データであるよう構成できる。前記構成によれば、データ取得部が可視カメラを備え、データを画像データとして取得できることから、選別対象物を、該選別対象物の形態や位置、大きさ、範囲に基づいて選別できる。なお、例えばデータ取得部が分光器付カメラである場合には、データは分光分布データとして取得できる。
　さらにまた、本発明の第７の側面に係る選別装置は、前記種別物体の画像データと該種別物体の種類を特定する情報とを関連付けて保存する記憶部を備え、前記学習データ作成部は、前記データ取得部で取得した前記種別物体の画像データから背景を取り除いて該種別物体を抽出してなる抽出画像データを作成する画像抽出部と、前記画像抽出部にて作成された、前記混合物に含まれる物体全種類の前記抽出画像データの中から、一又は複数の抽出画像データをランダムに選択し、前記データ取得部にて撮像された背景の画像データと該抽出画像データとを合成してなる学習用画像データを作成する画像合成部と、前記画像合成部にて作成された前記学習用画像データと前記記憶部に保存された情報に基づいて特定される前記学習用画像データに含まれる種別物体の種類及び位置の情報とを関連付けて前記学習データを作成する解答作成部とを有するよう構成できる。前記構成によれば、ユーザの指示によって、人工知能に学習させる学習データ数を制御できるので、学習回数を増やすことによって選別の精度を向上させることができる。
　さらにまた、本発明の第８の側面に係る選別装置は、前記選別部が、前記判断結果に基づいて前記選別対象物に圧縮した空気を当て、前記混合物の中から前記選別対象物を選別することができる。
　さらにまた、本発明の第９の側面に係る選別装置は、前記判断部が、前記学習部にて作成された学習モデルに基づいて、前記データ取得部で取得した混合物のデータから、前記混合物中の各物体が前記選別対象選択部にて選択された選別対象物である確率を示す第一の認識率を算出し、該第一の認識率に基づいて、前記選別対象物の有無及び位置を判断し、前記選別部が、前記判断部の判断結果及び前記第一の認識率に対して設けられる閾値に基づいて前記混合物の中から前記選別対象物を選別することができる。前記構成によれば、混合物から選別対象物を選別する運転時において、混合物の各物体が選別対象物である確率を示す第一の認識率を人工知能に算出させ、該認識率とユーザが設定できる閾値とを紐付けて選別対象を判断するので、人工知能を用いながらも、選別精度をユーザがコントロールできるようになる。言い換えれば、選別の目的が、大まかに分類できればよいという場合から、所望の物体だけ高精度に抽出したい場合等種々想定されるところ、選別精度に対するユーザのニーズに応じた選別が可能となる。
　さらにまた、本発明の第１０の側面に係る選別装置は、前記選別部が、前記第一の認識率が前記閾値以上の選別対象物を選別することができる。前記構成によれば、閾値を高く設定することで、高精度に選別でき、閾値を低く設定することで、大まかに選別できる。
　さらにまた、本発明の第１１の側面に係る選別装置は、前記判断部が、前記学習部にて作成された学習モデルに基づいて、前記データ取得部で取得した混合物のデータから、前記混合物中の各物体が前記種別物体毎に該種別物体である確率を示す第二の認識率を算出し、該第二の認識率に基づいて、前記混合物中の各物体の種類を特定し、該種類が前記選別対象物の種類と一致する場合の第二の認識率を前記第一の認識率とみなして、前記選別対象物の有無及び位置を判断することができる。前記構成によれば、混合物の各物体に対して、種別物体毎に第二の認識率が全て算出されるので、物体の種類を第二の認識率が最高値となる種類と判別でき、選別対象物と種類が同一と判別された物体に対して、ユーザが設定できる閾値と紐付けて選別を行うので、ユーザは、選別対象物を変更する場合でも、選別対象物に特化した学習モデルを改めて作成する必要がなく、選別対象物を容易に変更できる。
　さらにまた、本発明の第１２の側面に係る選別装置は、前記第一の認識率に対して所望の閾値を設定する閾値設定部を備え、前記操作部が、前記閾値設定部に前記閾値の設定を指示する閾値設定指示部を有することができる。前記構成によれば、ユーザは選別精度を容易に設定・変更できる。
　さらにまた、本発明の第１３の側面に係る選別方法は、複数種類の物体で構成される混合物の中から選別対象物を選別する選別方法であって、データ取得指示部からの操作を受けて、種類ごとに分別された前記物体である種別物体又は前記混合物に基づくデータを取得するデータ取得工程と、学習データ作成指示部からの操作を受けて、前記データ取得工程にて取得した前記種別物体のデータから学習データを作成する学習データ作成工程と、学習開始指示部からの操作を受けて、前記学習データ作成工程にて作成した学習データを用いて混合物を種類ごとに分別し、種別物体にする方法を学習し、該学習によって得られた知識及び経験をデータ化した学習モデルを作成する学習工程と、選別対象選択指示部からの操作を受けて、前記種別物体の中から前記選別対象物の種類を選択する選別対象選択工程と、運転開始指示部からの操作を受けて、前記学習工程にて作成した学習モデルに基づいて、前記データ取得工程にて取得した混合物のデータから前記選別対象選択工程にて選択された種類の選別対象物の有無及び位置を判断し、該判断結果に基づいて前記混合物の中から前記選別対象物を選別する運転工程とを含むことができる。
　さらにまた、本発明の第１４の側面に係る選別方法は、モード切替指示部からの操作を受けて、少なくとも、前記データ取得指示部、学習データ作成指示部及び学習開始指示部を表示する学習モードと、少なくとも、前記運転開始指示部を表示する運転モードとを含むモード切替操作を行うことができる。
　さらにまた、本発明の第１５の側面に係る選別方法は、少なくとも、前記データ取得指示部、学習データ作成指示部、学習開始指示部、選別対象選択指示部及び運転開始指示部を一画面に表示することができる。
　さらにまた、本発明の第１６の側面に係る選別方法は、前記運転工程において、運転開始指示部からの操作を受けて、前記学習工程にて作成した学習モデルに基づいて、前記データ取得工程で取得した混合物のデータから、前記混合物中の各物体が前記選別対象選択部にて選択された選別対象物である確率を示す第一の認識率を算出し、該第一の認識率に基づいて、前記選別対象物の有無及び位置を判断し、該判断結果及び前記第一の認識率に対して設けられる閾値に基づいて前記混合物の中から前記選別対象物を選別することができる。
　さらにまた、本発明の第１７の側面に係る選別方法は、前記運転工程において、前記第一の認識率が前記閾値以上の選別対象物を選別することができる。
　さらにまた、本発明の第１８の側面に係る選別方法は、前記運転工程において、前記学習工程にて作成された学習モデルに基づいて、前記データ取得工程で取得した混合物のデータから、前記混合物中の各物体が前記種別物体毎に該種別物体である確率を示す第二の認識率を算出し、該第二の認識率に基づいて、前記混合物中の各物体の種類を特定し、該種類が前記選別対象物の種類と一致する場合の第二の認識率を前記第一の認識率とみなして、前記選別対象物の有無及び位置を判断できる。
　さらにまた、本発明の第１９の側面に係る選別方法は、複数種類の物体で構成される混合物の中から選別対象物を選別するための選別プログラムであって、データ取得指示部からの操作を受けて、種類ごとに分別された前記物体である種別物体又は前記混合物に基づくデータを取得する機能と、学習データ作成指示部からの操作を受けて、前記取得した前記種別物体の撮像データから学習データを作成する機能と、学習開始指示部からの操作を受けて、前記作成した学習データを用いて混合物を種類ごとに分別し、種別物体にする方法を学習し、該学習によって得られた知識及び経験をデータ化した学習モデルを作成する機能と、選別対象選択指示部からの操作を受けて、前記種別物体の中から前記選別対象物の種類を選択する機能と、運転開始指示部からの操作を受けて、前記作成した学習モデルに基づいて、前記取得した混合物のデータから前記選択された種類の選別対象物の有無及び位置を判断し、該判断結果に基づいて前記混合物の中から前記選別対象物を選別する機能とをコンピュータに実現させることができる。
　さらにまた、本発明の第２０の側面に係る選別方法は、運転開始指示部からの操作を受けて、前記作成した学習モデルに基づいて、前記取得した混合物のデータから、前記混合物中の各物体が前記選別対象選択部にて選択された選別対象物である確率を示す第一の認識率を算出し、該第一の認識率に基づいて、前記選別対象物の有無及び位置を判断し、該判断結果及び第一の認識率に対して設けられる閾値に基づいて前記混合物の中から前記選別対象物を選別することができる。
　さらにまた、本発明の第２１の側面に係る選別方法は、前記第一の認識率が前記閾値以上の選別対象物を選別する機能をコンピュータに実現させることができる。
　さらにまた、本発明の第２２の側面に係る選別方法は、前記作成した学習モデルに基づいて、前記取得した混合物のデータから、前記混合物中の各物体が前記種別物体毎に該種別物体である確率を示す第二の認識率を算出し、該第二の認識率に基づいて、前記混合物中の各物体の種類を特定し、該種類が前記選別対象物の種類と一致する場合の第二の認識率を前記第一の認識率とみなして、前記選別対象物の有無及び位置を判断する機能をコンピュータに実現させることができる。
　さらにまた、本発明の第２３の側面に係る記録媒体又は記憶した機器は、前記プログラムを格納したものである。記録媒体には、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、ＣＤ－ＲＷやフレキシブルディスク、磁気テープ、ＭＯ、ＤＶＤ－ＲＯＭ、ＤＶＤ－ＲＡＭ、ＤＶＤ－Ｒ、ＤＶＤ＋Ｒ、ＤＶＤ－ＲＷ、ＤＶＤ＋ＲＷ、Ｂｌｕ－ｒａｙ（登録商標）、ＢＤ－Ｒ、ＢＤ－ＲＥ、ＨＤ　ＤＶＤ（ＡＯＤ）等の磁気ディスク、光ディスク、光磁気ディスク、半導体メモリその他のプログラムを格納可能な媒体が含まれる。またプログラムには、前記記録媒体に格納されて配布されるものの他、インターネット等のネットワーク回線を通じてダウンロードによって配布される形態のものも含まれる。さらに記録媒体にはプログラムを記録可能な機器、例えば前記プログラムがソフトウエアやファームウエア等の形態で実行可能な状態に実装された汎用もしくは専用機器を含む。さらにまたプログラムに含まれる各処理や機能は、コンピュータで実行可能なプログラムソフトウエアにより実行してもよいし、各部の処理を所定のゲートアレイ（ＦＰＧＡ、ＡＳＩＣ）等のハードウエア又はプログラムソフトウエアとハードウエアの一部の要素を実現する部分的ハードウエアモジュールとが混在する形式で実現してもよい。
本発明の実施の形態に係る選別装置の概略図である。 本発明の実施の形態に係るラインセンサカメラとコンベアとの位置関係の説明図である。 本発明の実施の形態に係るラインセンサカメラで作成する画像データの説明図である。 画像データから物体が写る部分を抽出し、抽出画像データを作成する方法の説明図である。 画像データから物体が写る部分を抽出し、抽出画像データを作成する方法の説明図である。 人工的な混合物の画像データを作成する方法の説明図である。 噴射領域及びエアー噴射ノズルごとの噴射タイミングを設定する方法の説明図である。 本発明の実施の形態に係る選別装置の機能ブロック図である。 学習モードにおける選別装置の操作方法の流れを示すフローチャートである。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 運転モードにおける選別装置の操作方法の流れを示すフローチャートである。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。 コントローラに表示される画面の説明図である。
　以下、本発明の実施の形態を図面に基づいて説明する。ただし、以下に示す実施の形態は、本発明の技術思想を具体化するための選別装置を例示するものであって、本発明はそれらを以下のものに特定しない。また、本明細書は特許請求の範囲に示される部材を、実施の形態の部材に特定するものでは決してない。特に実施の形態に記載されている構成部品の寸法、材質、形状、その相対的配置等は特に特定的な記載がない限りは、本発明の範囲をそれのみに限定する趣旨ではなく、単なる説明例にすぎない。なお、各図面が示す部材の大きさや位置関係等は、説明を明確にするため誇張していることがある。さらに以下の説明において、同一の名称、符号については同一もしくは同質の部材を示しており、詳細説明を適宜省略する。さらに、本発明を構成する各要素は、複数の要素を同一の部材で構成して一の部材で複数の要素を兼用する態様としてもよいし、逆に一の部材の機能を複数の部材で分担して実現することもできる。
（選別装置１）
　本発明の実施の形態に係る選別装置１について、概略図である図１、機能ブロック図である図８、及びラインセンサカメラ１１とコンベア１３との位置関係の説明図である図２に基づいて説明する。
　図１に示すように、本実施の形態に係る選別装置１は、供給装置２から供給され、コンベア１３に流れる複数種類の物体で構成される混合物ＭＯの中から選別対象物ＳＯを、圧縮空気を放つエアー噴射ノズル１４を用いて選別する装置であって、主として、ラインセンサカメラ１１（特許請求の範囲における「データ取得部」の一例に対応する。）、第一制御部１２、コントローラ１５（特許請求の範囲における「操作部」の一例に対応する。）、コンベア１３及びエアー噴射ノズル１４とで構成される。供給装置２は、例えば、投入ホッパー２１と移送コンベア２２と投入フィーダー２３とからなる。投入ホッパー２１は、混合物ＭＯを受け入れ可能に構成されている。移送コンベア２２は、投入ホッパー２１から供給される混合物ＭＯを投入フィーダー２３に供給する。投入フィーダー２３は、振動フィーダー又は電磁フィーダー等で構成されており、振動することによって、混合物ＭＯ同士の重畳を防止しながら混合物ＭＯをコンベア１３に供給する。
　選別装置１は、学習モードＬＭ及び運転モードＯＭの２つのモードを備えている。学習モードＬＭは、選別装置１を動作させるための準備、設定を行うモードである。一方、運転モードＯＭは、実際に混合物ＭＯから選別対象物ＳＯを選別するモードである。
　混合物ＭＯは、金属や紙、プラスチック等、ラインセンサカメラ１１によって取得した画像データから個々の物体を識別可能であって、エアー噴射ノズル１４によるエアーの噴射によって進路を変更できる複数種類の物体で構成されている。混合物ＭＯに含まれる物体の種類としては、例えば、金属や紙、プラスチック等が想定されるが、例えば金属という大きな括りに限定されず、より下層に分類される銅やアルミ等、色彩と形状から識別できるものは全て対象となり得る。また、本実施の形態に係る選別装置１は、例えば、アルミ、真鍮、金、銀、銅というように一度に５種類まで物体を識別できるようになっており、そのような物体で構成された混合物ＭＯの中から、選別対象物ＳＯとして、例えば銅のみというように一種類を選別することもできるし、例えばアルミ・真鍮・金というように同時に複数の種類を選別することもできるように構成されている。
　以下、各部材について詳細に説明する。なお、以下の説明において、便宜上、混合物ＭＯは物体Ａ～Ｃ（特許請求の範囲における「種別物体」の一例に対応する。）で構成され、選別対象物ＳＯとして物体Ａを選択したものとする。
（ラインセンサカメラ１１）
　選別装置１は、図２に示すように、２つのラインセンサカメラ１１がコンベア１３の幅方向に並べて設けられている。ラインセンサカメラ１１は、コンベア１３のエンコーダ１３１からパルスを受ける度に撮像を行い、この撮像結果から画像データＩＤを取得する部材である。
　ラインセンサカメラ１１のＸ方向はコンベア１３の幅方向、Ｙ方向はコンベア１３の進行方向に対応しており、図２に示すように、１つのラインセンサカメラ１１で、所定のＸ方向撮像範囲１１ａを撮像できる。このＸ方向範囲１１ａから、コンベア１３両端の除外範囲１１ｂとコンベア１３中央の除外範囲１１ｃとを除いたＸ方向有効範囲１１ｄを２つ足し合わせたＸ方向範囲１１ｅを、図３に示すように、Ｙ方向に所定のＹ方向範囲１１ｆで抜き出して画像データＩＤを作成する。作成された画像データＩＤのうち、Ｙ方向の一端から所望の重複範囲１１ｇは、直前に作成された画像データＩＤと重複する範囲である。
　学習モードにおけるラインセンサカメラ１１は、混合物ＭＯに含まれる物体を、物体ごとに撮像し、各物体の画像データＩＤを作成する。具体的には、複数の物体Ａがコンベア１３に流された状態で撮像を行い、物体Ａの画像データＩＤを作成する。物体Ｂ、Ｃも同様にして、物体Ｂ、Ｃの画像データＩＤを作成する。作成された各物体の画像データＩＤは、撮像された物体の名称と関連付けられた状態で図８に示す記憶部１２１に送信され、保存される。また、物体をコンベア１３に流していない状態で撮像を行い、背景画像ＢＩを作成し、作成された背景画像ＢＩは記憶部１２１に送信され、保存される。
　また、運転モードＯＭにおけるラインセンサカメラ１１は、混合物ＭＯがコンベア１３に流された状態で撮像を行い、混合物ＭＯの画像データＩＤを作成する。作成された混合物ＭＯの画像データＩＤは、判断部１２５に送信される。
　なお、特許請求の範囲における「データ取得部」の一例としてラインセンサカメラ１１を説明したが、「データ取得部」はこれに限定されず、エリアセンサカメラであってもよいし、可視光、赤外線、Ｘ線のいずれを用いたものであってもよい。Ｘ線を用いた場合、Ｘ線光源をコンベアで搬送される物体の上部、Ｘ線カメラをコンベアのベルトの下部に配置することができるし、その逆の配置も可能である。
　また、作成された各物体の画像データＩＤは、物体の名称以外にも、後述する選別対象選択部１２４において、選別対象物ＳＯを選択する際にユーザが物体の種類が何であるか分かる情報と関連付けられていればよい。
　さらにまた、必ずしもラインセンサカメラ１１で撮像、作成した背景画像ＢＩを記憶部１２１に保存する必要はなく、例えば、背景画像ＢＩは、選別装置１の製造段階で別途用意され、記憶部１２１に保存される態様であってもよい。
　さらにまた、背景画像ＢＩに代えて、コンベア１３の色の情報を記憶部１２１に保存するようにしてもよい。
（第一制御部１２）
　第一制御部１２は、記憶部１２１、学習データ作成部１２２、学習部１２３、選別対象選択部１２４、閾値設定部１２６及び判断部１２５を備える。第一制御部１２は、運転モードＯＭにおいて、ラインセンサカメラ１１で取得した混合物ＭＯの画像データＩＤから選別対象物ＳＯの有無及び位置を判断する。また、学習モードＬＭにおいては、該判断のための準備、設定が行われる。以下、各部材について詳細に説明する。
（記憶部１２１）
　記憶部１２１は、ラインセンサカメラ１１で作成された物体Ａ～Ｃの画像データＩＤ及び画像データＩＤに関連づけられた物体の名称と、背景画像ＢＩとを保存する部材である。
（学習データ作成部１２２）
　学習データ作成部１２２は、ラインセンサカメラ１１にて撮像され、取得された物体Ａ～Ｃの画像データＩＤと背景画像ＢＩから、学習データＬＤを作成し、保存する。学習データ作成部１２２は、画像抽出部１２２ａ、画像合成部１２２ｂ及び解答作成部１２２ｃの３つの部材で構成される。各部材の構成は後述の通りである。
　作成された学習データＬＤは学習部１２３で行う学習に用いられる。１回の学習につき、１つの学習データＬＤが用いられ、この学習を繰り返す回数が多いほど運転モードＯＭにおける選別の精度は向上する。すなわち、学習データ作成部１２２で作成する学習データＬＤが多いほど、運転モードＯＭにおける選別の精度は向上する。なお、本発明の第一の実施例に係る選別装置１は、上限を４万回とし、ユーザが学習の繰り返し回数を自由に設定することができる態様である（詳細は後述する。）。
（画像抽出部１２２ａ）
　画像抽出部１２２ａは、記憶部１２１から物体Ａ～Ｃの画像データＩＤ及び背景画像ＢＩを呼び出し、背景画像ＢＩに基づいて、物体Ａ～Ｃの画像データＩＤから物体が写る部分を抽出し、抽出画像データＳＤを作成する。例えば、物体Ａの画像データＩＤを抽出する場合、図４に示すように、重複範囲１１ｇを除く範囲を１ピクセルごとに背景画像ＢＩと比較する。比較の結果、背景画像ＢＩと一致する部分以外を物体Ａが写る部分として切り出し、物体Ａの抽出画像データＳＤを作成する。以上の通り、基本的に、重複範囲１１ｇを除く範囲で比較を行うが、図５に示すように、物体Ａがこの範囲からはみ出る位置にある場合、重複範囲１１ｇにまで範囲を広げて比較を行う。同様にして、物体Ｂ、Ｃの画像データＩＤからも物体Ｂ、Ｃの抽出画像データＳＤを作成する。
　なお、背景画像ＢＩと完全に一致する部分だけでなく、背景画像ＢＩと一致するとみなす範囲を設定しておいて、これら以外を切り出し、抽出画像データＳＤを作成するようにしてもよい。これによれば、例えば、コンベア１３に傷や汚れがあり、背景画像ＢＩと完全に一致しなかった場合であっても、適切に物体を切り出し、該物体の抽出画像データＳＤを作成できる。
　また、厳密に物体が写る部分のみを抽出する必要はなく、背景画像ＢＩが残るように物体を切り出し、該物体の抽出画像データＳＤを作成してもよく、例えば、物体の部分を含む長方形状や、円形状に切り出すこともできる。このように、背景画像ＢＩが残るように物体を切り出す場合、その形状は特に限定されないが、残った背景画像ＢＩの面積が小さくなる形状が好ましい。
（画像合成部１２２ｂ）
　画像合成部１２２ｂは、図６に示すように、画像抽出部１２２ａで作成された物体Ａ～Ｃの抽出画像データＳＤの中から、ランダムにいくつかのデータを選択し、背景画像ＢＩに、ランダムな位置、角度、サイズで合成して、人工的な混合物ＭＯの画像データＩＤを作成する。
　すなわち、画像合成部１２２ｂは、抽出画像データＳＤの位置、角度、サイズを変更することで、少ない物体Ａ～Ｃの画像データＩＤから、多数の人工的な混合物ＭＯの画像データＩＤを作成することができる。なお、画像抽出部１２２ａの項目において説明したように、背景画像ＢＩが残るように物体を切り出して抽出画像データＳＤを作成する態様とした場合、画像合成部１２２ｂが、抽出画像データＳＤ同士が重なる位置で抽出画像データＳＤを合成して混合物ＭＯの画像データＩＤを作成しないようにする。抽出画像データＳＤの残った背景画像ＢＩの部分が、他の抽出画像データＳＤの物体の部分と重なることで、該物体の形状が変わることを防止するためである。
（解答作成部１２２ｃ）
　解答作成部１２２ｃは、画像合成部１２２ｂで作成された人工的な混合物ＭＯの画像データＩＤのどの位置に物体Ａ～Ｃのいずれが配置されているかを記録した情報を人工的な混合物ＭＯの画像データＩＤに関連付けたデータである学習データＬＤを作成する。
（学習部１２３）
　学習部１２３は、人工知能を有し、学習データ作成部１２２にて作成された学習データＬＤを用いて、物体Ａ～Ｃを判別する方法を学習し、学習モデルＧＭを作成する。
　具体的には、まず、学習データＬＤ中の人工的な混合物ＭＯの画像データＩＤに写る各物体が物体Ａである確率を算出する。同様に、物体Ｂである確率及び物体Ｃである確率を算出する（これらの算出した確率を、以下では認識率ＲＲと称す。また、認識率ＲＲは、特許請求の範囲における「第二の認識率」の一例に対応する。）。次に、各物体を、物体Ａ～Ｃの認識率ＲＲのうち最も高かった種類の物体であると予想し、解答作成部１２２ｃで関連付けられた情報に基づいて予想が当たっていたか否かを調べる。これを繰り返して得られた知識や経験をデータ化したものである学習モデルＧＭを作成し、保存する。
（選別対象選択部１２４）
　選別対象選択部１２４は、ユーザが物体Ａ～Ｃの中から選択した選別対象物ＳＯの情報を学習モデルＧＭに関連付けたデータであるレシピＲＥを作成し、保存する。運転モードにおいて、ユーザに選択されたレシピＲＥは判断部１２５に読み出される。
　以上のとおり、選別装置１は、学習部１２３には物体Ａ～Ｃを判別する方法を学習させ、選別対象物ＳＯがいずれであるかは学習させない態様である。これにより、例えば、選別対象物ＳＯを物体Ａから物体Ｂに変更したい場合であっても、選別対象選択部１２４にて選別対象物ＳＯとして物体Ｂを選択するだけでよいので、学習部１２３に学習をやり直させる必要がない。なお、学習部１２３に学習させる前に、選別対象物ＳＯを選択する態様としてもよい。
（閾値設定部１２６）
　閾値設定部１２６は、選別対象物ＳＯの認識率ＲＲに対して閾値を設定する。設定された閾値の情報は、第二制御部１４１に送信され、選別対象物ＳＯを選別する際に参照される（詳細は後述する。）。なお、閾値は必ずしも設定しなくてもよい。
（判断部１２５）
　判断部１２５は、人工知能を有し、運転モードＯＭにおいて、選別対象選択部１２４からレシピＲＥを読み出し、このレシピＲＥに基づいて、ラインセンサカメラ１１にて作成され、送信された混合物ＭＯの画像データＩＤの中から、物体Ａの有無を判断し、物体Ａがある場合は、そのピクセル単位の位置の情報を第二制御部１４１に送信する。
　物体Ａの有無の判断は、学習部１２３と同様に、各物体の物体Ａ～Ｃの認識率ＲＲを算出し、物体Ａの認識率ＲＲが最も高かった物体を物体Ａと判断する。なお、同様に、物体Ｂの認識率ＲＲが最も高かった物体は物体Ｂと判断し、物体Ｃの認識率ＲＲが最も高かった物体は物体Ｃと判断する。
（コンベア１３）
　コンベア１３は、ラインセンサカメラ１１の撮像範囲を通過し、エアー噴射ノズル１４の位置に物体を流して移動させる部材である。コンベア１３は、所定の速度で物体を移動させる。また、コンベア１３にはエンコーダ１３１が設けられ、エンコーダ１３１はコンベア１３が所定距離移動する度に、ラインセンサカメラ１１、第一制御部１２及び第二制御部１４１にパルスを送信する。ラインセンサカメラ１１は、このパルスを受ける度に撮像を行う。すなわち、ラインセンサカメラ１１で撮像される画像データＩＤの１ピクセルは所定距離に相当する。また、第一制御部１２及び第二制御部１４１は、このパルスに基づいて、物体の位置を特定する。
（エアー噴射ノズル１４）
　エアー噴射ノズル１４は、選別対象物ＳＯの認識率ＲＲが閾値設定部１２６で設定された閾値以上の選別対象物ＳＯに対して圧縮空気を放ち、選別対象物ＳＯを選別する部材である。選別装置１は、複数のエアー噴射ノズル１４が、コンベア１３の幅方向の全体に微小間隔で配される。前記構成により、認識率ＲＲとユーザが設定できる閾値とを紐付けて選別対象を判断するので、人工知能を用いながらも、選別精度をユーザがコントロールできるようになり、選別精度に対するユーザのニーズに応じた選別が可能となる。具体的に、閾値を低く設定すれば大まかな分類が可能であり、閾値を高く設定すれば所望の物体だけを高精度に抽出できる。なお、選別する対象は、選別対象物ＳＯの認識率ＲＲが閾値設定部１２６で設定された閾値以上の選別対象物ＳＯに限定されない。例えば、選別対象物ＳＯの認識率ＲＲが閾値設定部１２６で設定された閾値より大きい選別対象物ＳＯを選別する態様としてもよい。また、上限と下限の閾値を設定して、その間の認識率ＲＲの選別対象物ＳＯを選別する態様としてもよいし、閾値を設定せず、全ての選別対象物ＳＯを選別する態様としてもよい。さらにまた、選別対象物ＳＯ以外に対して圧縮空気を放ち、選別対象物ＳＯを選別する態様としてもよい。
　また、エアー噴射ノズル１４は、第二制御部１４１から、圧縮空気を噴射するタイミングである噴射タイミングが指示される。具体的に第二制御部は、まず、図７に示すように、判断部１２５から送信された物体Ａの位置情報に基づき、圧縮空気を噴射する噴射領域ＩＲを設定する。次に、エアー噴射ノズル１４ごとに噴射領域ＩＲに基づいて噴射タイミングを設定する。噴射タイミングは、コンベア１３の進行方向に対して所定の時間間隔で設けられる。すなわち、図７に示す混合物ＭＯの画像データＩＤを例として考えると、画像データＩＤの上端部がエアー噴射ノズル１４の位置に到達した時間Ｔ０を基準に、ｄ～ｈ列のエアー噴射ノズル１４に対して、エアー噴射ノズル１４が噴射領域ＩＲを通過するタイミングで圧縮空気を噴射するよう指示する。
　エアー噴射ノズル１４で圧縮空気を噴射された物体Ａは、コンベア１３の下部に配置され、選別される材質の種類毎に設けられた回収ホッパー３のホッパー３１によって回収される。エアー噴射ノズル１４で圧縮空気が噴射されない物体Ｂ、物体Ｃは、ホッパー３２によって回収される。
（コントローラ１５）
　コントローラ１５は、タッチパネル式のコントローラであって、ユーザは、コントローラ１５を用いることで、選別装置１を容易に操作することができる。コントローラ１５は、モード切替ボタン１５ａ（特許請求の範囲における「モード切替指示部」の一例に対応する。）、撮像ボタン１５ｂ（特許請求の範囲における「データ取得指示部」の一例に対応する。）、学習データ作成ボタン１５ｃ（特許請求の範囲における「学習データ作成指示部」の一例に対応する。）、学習開始ボタン１５ｄ（特許請求の範囲における「学習開始指示部」の一例に対応する。）、選別対象選択ボタン１５ｅ（特許請求の範囲における「選別対象選択指示部」の一例に対応する。）、閾値設定ボタン１５ｈ（特許請求の範囲における「閾値設定部」の一例に対応する。）、運転開始ボタン１５ｆ（特許請求の範囲における「運転開始指示部」の一例に対応する。）及び運転終了ボタン１５ｇを備える。
（選別装置１の操作方法）
　以下でコントローラ１５を用いて選別装置１を操作する方法について説明する。
（学習モードＬＭにおける操作方法）
　学習モードＬＭにおける、選別装置１の操作方法について図８の機能ブロック図、図９のフローチャート及び図１０～図１７のコントローラ１５に表示される画面の説明図に基づき説明する。
　まず、ステップＳＴ１０１でモード切替ボタン１５ａを用いて、選別装置１を学習モードＬＭに切り替える。選別装置１を起動した際、コントローラ１５には図１０に示す画面が表示されるので、学習モードボタン１５１ａを押下することで選別装置１を学習モードＬＭに切り替えられ、コントローラ１５に図１１に示す画面が表示される。
　次に、ステップＳＴ１０２でラインセンサカメラ１１に物体Ａ～Ｃの画像データＩＤ及び背景画像ＢＩを作成させる。ユーザは、複数の物体Ａをコンベアに流し、図１１に示される画面における撮像ボタン１５ｂを押下するとラインセンサカメラ１１は撮像を開始し、物体Ａの画像データＩＤを作成する。物体Ａの画像データＩＤの取得が完了すると、コントローラ１５には、図１２に示す画面が表示されるので、ユーザは名称入力部１５１ｂに物体Ａの名称を入力し、記憶部１２１に保存する。物体Ａの保存が完了すると、コントローラ１５には再度図１１の画面が表示されるので、ユーザは、同様の手順で、物体Ｂ、Ｃ及び背景画像ＢＩの撮影を行う。
　次いで、ステップＳＴ１０３で学習データ作成部に学習データＬＤを作成させる。ユーザが、図１１に示される画面における学習データ作成ボタン１５ｃを押下すると、コントローラ１５には図１３に示す画面が表示される。ユーザは、物体選択ボタン１５１ｃを押下することで図１４に示すように表示される記憶部１２１に保存された物体の名称の一覧から、学習データＬＤの作成に用いる物体（本説明の場合は「物体Ａ」、「物体Ｂ」、「物体Ｃ」）を選択する。選択を完了すると、コントローラ１５には再度、図１３に示す画面が表示されるので、データ数入力部１５２ｃに作成する学習データＬＤの数を入力する。入力が完了すると、コントローラ１５には図１５に示すように、ユーザに学習データＬＤの作成が完了するまでの予想時間を示す待機画面が表示される。学習データＬＤの作成が完了すると、コントローラ１５には図１１に示す画面が表示される。
　最後に、ステップＳＴ１０４で学習部１２３に学習データＬＤを用いて学習させ、学習モデルＧＭを作成させる。ユーザが、図１１に示される画面における学習開始ボタン１５ｄを押下すると、コントローラ１５には図１６に示す画面が表示される。ユーザは、図１６に示すように表示される学習データ作成部１２２に保存された学習データＬＤの一覧（学習データＬＤの作成に用いられた物体の名称が表示される。）から、学習部１２３の学習に用いる学習データＬＤ（本説明の場合は「物体Ａ、物体Ｂ、物体Ｃ」）を選択する。選択を完了すると、コントローラ１５には図１７に示すように、ユーザに学習モデルＧＭの作成が完了するまでの予想時間を示す待機画面が表示される。学習モデルＧＭの作成が完了すると、コントローラ１５には図１１に示す画面が表示される。
（運転モードＯＭにおける操作方法）
　運転モードＯＭにおける、選別装置１の操作方法について図８の機能ブロック図、図１８のフローチャート及び図１９～図２１のコントローラ１５に表示される画面の説明図に基づき説明する。
　まず、ステップＳＴ２０１でモード切替ボタン１５ａを用いて、選別装置１を運転モードＯＭに切り替える。選別装置１を起動した際、コントローラ１５には図１０に示す画面が表示されるので、運転モードボタン１５２ａを押下することで選別装置１は運転モードＯＭに切り替えられ、コントローラ１５に図１９に示す画面が表示される。
　次に、ステップＳＴ２０２で選別対象物ＳＯに物体Ａを選択し、選別対象選択部１２４にレシピＲＥを作成させる。ユーザが、図１９に示される画面における選別対象選択ボタン１５ｅを押下すると、コントローラ１５には図２０に示す画面が表示される。ユーザは、図２０に示すように表示される学習部１２３に保存された学習モデルＧＭの一覧（学習モデルＧＭの作成に用いられた物体の名称が表示される。）から、判別に用いる学習モデルＧＭ（この実施例の場合は「物体Ａ、物体Ｂ、物体Ｃ」）を選択する。選択を完了すると、コントローラ１５には図２１に示す画面が表示される。ユーザは、図２１に示すように表示される選択した学習モデルＧＭの作成に用いられた物体の一覧から、選別対象物ＳＯ（本説明の場合は「物体Ａ」）を選択する。選択を完了すると、選別対象選択部１２４はレシピＲＥを作成し、コントローラ１５には図１９に示す画面が表示される。
　次いで、ステップＳＴ２０３で選別対象物ＳＯの認識率ＲＲに対して閾値を設定させる。ユーザが、図１９に示される画面における閾値設定ボタン１５ｈを押下すると、コントローラ１５には図２２に示す画面が表示されるので、閾値入力部１５１ｈに所望の閾値を入力する。入力が完了すると、閾値設定部１２６は、閾値の情報を第二制御部１４１に送信し、コントローラ１５には図１９に示す画面が表示される。
　なお、閾値入力部１５１ｈに所望の閾値を入力しなかった場合は、閾値を設定しなかったものと判断して全ての選別対象物ＳＯ、つまり、選別対象物ＳＯに設定した物体の認識率ＲＲが最も高かった物体の全てを選別する。また、ユーザが閾値を設定する手段はコントローラ１５のタッチパネルに表示される閾値設定ボタン１５ｈに限定されない。例えば、閾値設定ボタン１５ｈに代えてタッチパネルにシークバーを表示し、該シークバーを用いて閾値の設定を行えるよう構成してもよい。さらに言えば、閾値を設定する手段はタッチパネルを用いたものに限定されず、例えば、ボタンやロータリースイッチ等をコントローラ１５に設け、これらで閾値の設定ができるよう構成してもよいし、前述の閾値を設定する手段を併用する態様であってもよい。さらにまた、閾値の設定は、ステップＳＴ２０３だけでなく、後述するステップＳＴ２０４で行えるようにしてもよい。この構成によれば、ユーザは、実際の選別結果を確認し、閾値を微調整することもできる。この際、閾値を設定する手段が前述のシークバーやロータリースイッチを用いたものであれば、感覚的に操作することが可能となり、微調整に好適である。
　次いで、ステップＳＴ２０４で物体Ａを選別させる。ユーザは、混合物ＭＯをコンベアに流し、図１９に示される画面における運転開始ボタン１５ｆを押下すると、ラインセンサカメラ１１は撮像を開始し、判断部１２５は物体Ａの有無及び物体Ａのピクセル単位の位置を判断し、この判断に基づいて、エアー噴射ノズル１４は物体Ａを選別する。
　最後に、ステップＳＴ２０５で、運転終了ボタン１５ｇを押下し、選別を終了させる。
　なお、コントローラ１５の態様や、画面の表示は前述のものに限定されず、ユーザが選別装置１を容易に操作できるよう適宜変更してよい。例えば、押しボタンを用いたコントローラ１５であってもよく、この場合、モード切替ボタン１５ａは不要である。また、モード切替ボタン１５ａを設けず、一画面にすべてのボタンを表示する態様としてもよい。また、コントローラ１５に、ユーザに対して次の操作を指示する表示をしてもよい。
　また、前述した実施の形態では、各々のボタンにそれぞれ別々の機能を持たせているが、各々の機能が連動したり、所定のボタンが種々の機能を兼用するようにしてもよい。例えば、学習データ作成ボタン１５ｃを押下することによって、学習データＬＤを作成するとともに、該学習データに基づいて学習モデルＧＭを作成するようにしてもよい。また、例えば、運転開始ボタン１５ｆが運転終了を指示する機能を兼ねており、一回目の運転開始ボタン１５ｆの押下で運転が開始し、二回目の押下で運転が終了するようにしてもよい。また、前述した実施の形態では、物体Ａを選別対象にして説明しているが、複数の物体を選別対象とし、それに応じてエアー噴射ノズルやホッパーを複数個設けるようにしても良い。
　以上説明したように、本発明を適用した選別装置１は、人工知能を用いて混合物ＭＯの撮像データから選別対象物ＳＯの有無及び位置を判断することができるため、物体を選別する基準やアルゴリズムの設定が不要であることに加え、コントローラ１５に表示される各種ボタンを用いて、閾値を設定する工程を含め、容易に操作することができる。また、混合物の各物体が選別対象物である確率を示す認識率を人工知能に算出させ、該認識率とユーザが設定できる閾値とを紐付けて選別対象を判断するので、選別精度をユーザがコントロールできる。
　したがって、本発明によれば、煩雑な設定作業の大半を人工知能に行わせることができることに加え、操作部により簡単に操作できることによって、ユーザが専門的な技術や知識を有していなくとも、選別対象物ＳＯを選別するための設定を容易に行える。
　本発明に係る選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体又は記憶した機器は、物体を２以上の種類に選別する用途に適用できる。
１…選別装置
１１…ラインセンサカメラ
１１ａ…Ｘ方向撮像範囲；１１ｂ、１１ｃ…除外範囲；１１ｄ…Ｘ方向有効範囲；１１ｅ…Ｘ方向範囲；１１ｆ…Ｙ方向範囲；１１ｇ…重複範囲
１２…第一制御部
１２１…記憶部
１２２…学習データ作成部；１２２ａ…画像抽出部；１２２ｂ…画像合成部；１２２ｃ…解答作成部
１２３…学習部
１２４…種類選択部
１２６…閾値設定部
１２５…判断部
１３…コンベア
１３１…エンコーダ
１４…エアー噴射ノズル
１４１…第二制御部
１５…コントローラ
１５ａ…モード切替ボタン；１５１ａ…学習モードボタン；１５２ａ…運転モードボタン
１５ｂ…撮像ボタン；１５１ｂ…名称入力部
１５ｃ…学習データ作成ボタン；１５１ｃ…物体選択ボタン；１５２ｃ…データ数入力部
１５ｄ…学習開始ボタン
１５ｅ…選別対象選択ボタン
１５ｈ…閾値設定ボタン；１５１ｈ…閾値入力部
１５ｆ…運転開始ボタン
１５ｇ…運転終了ボタン
２…供給装置
２１…投入ホッパー；２２…移送コンベア；２３…投入フィーダー
３…回収ホッパー
３１、３２…ホッパー
ＭＯ…混合物
ＳＯ…選別対象物
ＩＤ…画像データ
ＬＤ…学習データ
ＳＤ…抽出画像データ
ＢＩ…背景画像
ＧＭ…学習モデル
ＲＥ…レシピ
ＲＲ…認識率
ＩＲ…噴射領域
ＬＭ…学習モード
ＯＭ…運転モード

Claims (23)

  1. 　複数種類の物体で構成される混合物の中から選別対象物を選別する選別装置であって、
    　種類ごとに分別された前記物体である種別物体又は前記混合物に基づくデータを取得するデータ取得部と、
    　前記データ取得部で取得された前記種別物体のデータから学習データを作成する学習データ作成部と、
    　前記学習データ作成部によって作成された学習データを用いて混合物を種類ごとに分別し、種別物体にする方法を学習し、該学習によって得られた知識及び経験をデータ化した学習モデルを作成する学習部と、
    　前記種別物体の中から前記選別対象物の種類を選択する選別対象選択部と、
    　前記学習部にて作成された学習モデルに基づいて、前記データ取得部で取得した混合物の撮像データから前記選別対象選択部にて選択された種類の選別対象物の有無及び位置を判断する判断部と、
    　前記判断部の判断結果に基づいて前記混合物の中から前記選別対象物を選別する選別部と、
    　前記各部に対して、ユーザからの操作を受けて指示を与える操作部と、
    を備える選別装置。
  2. 　請求項１に記載の選別装置であって、
    　前記操作部が、
    　前記データ取得部にデータの取得を指示するデータ取得指示部と、
    　前記学習データ作成部に前記学習データの作成開始を指示する学習データ作成指示部と、
    　前記学習部に前記学習モデルの作成を指示する学習開始指示部と、
    　前記選別対象選択部に前記選別対象物の種類の選択を指示する選別対象選択指示部と、
    　前記判別部に前記選別対象物の有無及び位置を判断させ、前記選別部に、該判断結果に基づいて前記混合物の中から前記選別対象物を選別させる運転開始指示部と、
    を備えることを特徴とする選別装置。
  3. 　請求項１又は請求項２に記載の選別装置であって、
    　前記操作部が、少なくとも、前記データ取得指示部、学習データ作成指示部及び学習開始指示部を表示する学習モードと、少なくとも、前記運転開始指示部を表示する運転モードとを含むモード切替操作を指示するモード切替指示部を備えることを特徴とする選別装置。
  4. 　請求項３に記載の選別装置であって、
    　前記操作部が、少なくとも、前記データ取得指示部、学習データ作成指示部、学習開始指示部、選別対象選択指示部及び運転開始指示部を一画面に表示することを特徴とする選別装置。
  5. 　請求項１～４のいずれか一に記載の選別装置であって、
    　前記操作部が、タッチパネルであることを特徴とする選別装置。
  6. 　請求項１～５のいずれか一に記載の選別装置であって、
    　前記データ取得部が可視カメラを備え、
    　前記データ取得部によって取得されるデータが画像データであることを特徴とする選別装置。
  7. 　請求項６に記載の選別装置であって、さらに、
    　前記種別物体の画像データと該種別物体の種類を特定する情報とを関連付けて保存する記憶部を備え、
    　前記学習データ作成部は、
    　　前記データ取得部で取得した前記種別物体の画像データから背景を取り除いて該種別物体を抽出してなる抽出画像データを作成する画像抽出部と、
    　　前記画像抽出部にて作成された、前記混合物に含まれる物体全種類の前記抽出画像データの中から、一又は複数の抽出画像データをランダムに選択し、前記データ取得部にて撮像された背景の画像データと該抽出画像データとを合成してなる学習用画像データを作
    成する画像合成部と、
    　　前記画像合成部にて作成された前記学習用画像データと前記記憶部に保存された情報に基づいて特定される前記学習用画像データに含まれる種別物体の種類及び位置の情報とを関連付けて前記学習データを作成する解答作成部と、
    からなることを特徴とする選別装置。
  8. 　請求項１～７のいずれか一に記載の選別装置であって、
    　前記選別部が、前記判断結果に基づいて前記選別対象物に圧縮した空気を当て、前記混合物の中から前記選別対象物を選別することを特徴とする選別装置。
  9. 　請求項１～８のいずれか一に記載の選別装置であって、
    　前記判断部が、前記学習部にて作成された学習モデルに基づいて、前記データ取得部で取得した混合物のデータから、前記混合物中の各物体が前記選別対象選択部にて選択された選別対象物である確率を示す第一の認識率を算出し、該第一の認識率に基づいて、前記選別対象物の有無及び位置を判断し、
    　前記選別部が、前記判断部の判断結果及び前記第一の認識率に対して設けられる閾値に基づいて前記混合物の中から前記選別対象物を選別することを特徴とする選別装置。
  10. 　請求項９に記載の選別装置であって、
    　前記選別部が、前記第一の認識率が前記閾値以上の選別対象物を選別することを特徴とする選別装置。
  11. 　請求項９又は請求項１０に記載の選別装置であって、
    　前記判断部が、前記学習部にて作成された学習モデルに基づいて、前記データ取得部で取得した混合物のデータから、前記混合物中の各物体が前記種別物体毎に該種別物体である確率を示す第二の認識率を算出し、該第二の認識率に基づいて、前記混合物中の各物体の種類を特定し、該種類が前記選別対象物の種類と一致する場合の第二の認識率を前記第一の認識率とみなして、前記選別対象物の有無及び位置を判断することを特徴とする選別装置。
  12. 　請求項９～１１のいずれか一に記載の選別装置であって、さらに、
    　前記第一の認識率に対して所望の閾値を設定する閾値設定部を備え、
    　前記操作部が前記閾値設定部に前記閾値の設定を指示する閾値設定指示部を有することを特徴とする選別装置。
  13. 　複数種類の物体で構成される混合物の中から選別対象物を選別する選別方法であって、
    　データ取得指示部からの操作を受けて、種類ごとに分別された前記物体である種別物体又は前記混合物に基づくデータを取得するデータ取得工程と、
    　学習データ作成指示部からの操作を受けて、前記データ取得工程にて取得した前記種別物体のデータから学習データを作成する学習データ作成工程と、
    　学習開始指示部からの操作を受けて、前記学習データ作成工程にて作成した学習データを用いて混合物を種類ごとに分別し、種別物体にする方法を学習し、該学習によって得られた知識及び経験をデータ化した学習モデルを作成する学習工程と、
    　選別対象選択指示部からの操作を受けて、前記種別物体の中から前記選別対象物の種類を選択する選別対象選択工程と、
    　運転開始指示部からの操作を受けて、前記学習工程にて作成した学習モデルに基づいて、前記データ取得工程にて取得した混合物のデータから前記選別対象選択工程にて選択された種類の選別対象物の有無及び位置を判断し、該判断結果に基づいて前記混合物の中から前記選別対象物を選別する運転工程と、
    を含む選別方法。
  14. 　請求項１３に記載の選別方法であって、
    　モード切替指示部からの操作を受けて、少なくとも、前記データ取得指示部、学習データ作成指示部及び学習開始指示部を表示する学習モードと、少なくとも、前記運転開始指示部を表示する運転モードとを含むモード切替操作を行うことを特徴とする選別方法。
  15. 　請求項１３又は請求項１４に記載の選別方法であって、
    　少なくとも、前記データ取得指示部、学習データ作成指示部、学習開始指示部、選別対象選択指示部及び運転開始指示部を一画面に表示することを特徴とする選別方法。
  16. 　請求項１３～１５のいずれか一に記載の選別方法であって、
    　前記運転工程において、運転開始指示部からの操作を受けて、前記学習工程にて作成した学習モデルに基づいて、前記データ取得工程で取得した混合物のデータから、前記混合物中の各物体が前記選別対象選択部にて選択された選別対象物である確率を示す第一の認識率を算出し、該第一の認識率に基づいて、前記選別対象物の有無及び位置を判断し、該判断結果及び前記第一の認識率に対して設けられる閾値に基づいて前記混合物の中から前記選別対象物を選別することを特徴とする選別方法。
  17. 　請求項１６に記載の選別方法であって、
    　前記運転工程において、前記第一の認識率が前記閾値以上の選別対象物を選別することを特徴とする選別方法。
  18. 　請求項１６又は請求項１７に記載の選別方法であって、
    　前記運転工程において、前記学習工程にて作成された学習モデルに基づいて、前記データ取得工程で取得した混合物のデータから、前記混合物中の各物体が前記種別物体毎に該種別物体である確率を示す第二の認識率を算出し、該第二の認識率に基づいて、前記混合物中の各物体の種類を特定し、該種類が前記選別対象物の種類と一致する場合の第二の認識率を前記第一の認識率とみなして、前記選別対象物の有無及び位置を判断することを特徴とする選別方法。
  19. 　複数種類の物体で構成される混合物の中から選別対象物を選別するための選別プログラムであって、
    　データ取得指示部からの操作を受けて、種類ごとに分別された前記物体である種別物体又は前記混合物に基づくデータを取得する機能と、
    　学習データ作成指示部からの操作を受けて、前記取得した前記種別物体の撮像データから学習データを作成する機能と、
    　学習開始指示部からの操作を受けて、前記作成した学習データを用いて混合物を種類ごとに分別し、種別物体にする方法を学習し、該学習によって得られた知識及び経験をデータ化した学習モデルを作成する機能と、
    　選別対象選択指示部からの操作を受けて、前記種別物体の中から前記選別対象物の種類を選択する機能と、
    　運転開始指示部からの操作を受けて、前記作成した学習モデルに基づいて、前記取得した混合物のデータから前記選択された種類の選別対象物の有無及び位置を判断し、該判断結果に基づいて前記混合物の中から前記選別対象物を選別する機能と、
    をコンピュータに実現させる選別プログラム。
  20. 　請求項１９に記載の選別プログラムであって、
    　運転開始指示部からの操作を受けて、前記作成した学習モデルに基づいて、前記取得した混合物のデータから、前記混合物中の各物体が前記選別対象選択部にて選択された選別対象物である確率を示す第一の認識率を算出し、該第一の認識率に基づいて、前記選別対象物の有無及び位置を判断し、該判断結果及び第一の認識率に対して設けられる閾値に基づいて前記混合物の中から前記選別対象物を選別することを特徴とする選別プログラム。
  21. 　請求項２０に記載の選別プログラムであって、
    　前記第一の認識率が前記閾値以上の選別対象物を選別することを特徴とする選別プログラム。
  22. 　請求項２０又は請求項２１に記載の選別プログラムであって、
    　前記作成した学習モデルに基づいて、前記取得した混合物のデータから、前記混合物中の各物体が前記種別物体毎に該種別物体である確率を示す第二の認識率を算出し、該第二の認識率に基づいて、前記混合物中の各物体の種類を特定し、該種類が前記選別対象物の種類と一致する場合の第二の認識率を前記第一の認識率とみなして、前記選別対象物の有無及び位置を判断することを特徴とする選別プログラム。
  23. 　請求項１９～２２のいずれか一に記載のプログラムを記録したコンピュータで読み取り可能な記録媒体又は記憶した機器。
PCT/JP2019/017853 2018-04-26 2019-04-26 選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体又は記憶した機器 WO2019208754A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020207018659A KR20210002444A (ko) 2018-04-26 2019-04-26 선별 장치, 선별 방법 및 선별 프로그램 그리고 컴퓨터로 판독 가능한 기록 매체 또는 기억한 기기
CN201980015704.7A CN111819598B (zh) 2018-04-26 2019-04-26 分选装置、分选方法以及分选程序和计算机可读取的记录介质或存储设备

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2018085343A JP7072435B2 (ja) 2018-04-26 2018-04-26 選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体
JP2018-085343 2018-04-26
JP2018-097254 2018-05-21
JP2018097254A JP6987698B2 (ja) 2018-05-21 2018-05-21 選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体

Publications (1)

Publication Number Publication Date
WO2019208754A1 true WO2019208754A1 (ja) 2019-10-31

Family

ID=68294682

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/017853 WO2019208754A1 (ja) 2018-04-26 2019-04-26 選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体又は記憶した機器

Country Status (3)

Country Link
KR (1) KR20210002444A (ja)
CN (1) CN111819598B (ja)
WO (1) WO2019208754A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021205721A1 (ja) * 2020-04-10 2021-10-14 株式会社椿本チエイン データ収集方法、データ収集システム、データ収集装置、データ提供方法、及び、コンピュータプログラム
WO2022224478A1 (ja) * 2021-04-21 2022-10-27 Ｊｘ金属株式会社 電気電子部品屑の処理方法及び電気電子部品屑の処理装置

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113560198B (zh) * 2021-05-20 2023-03-03 光大环境科技（中国）有限公司 类别分选方法和类别分选系统
CN114669493A (zh) * 2022-02-10 2022-06-28 南京搏力科技有限公司 一种基于人工智能的废纸质量自动检测装置及检测方法
KR102650810B1 (ko) * 2023-09-27 2024-03-25 주식회사 에이트테크 대상객체와 비대상객체 분리 로봇 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012115785A (ja) * 2010-12-02 2012-06-21 Sharp Corp 廃棄物の選別システム
JP2017109197A (ja) * 2016-07-06 2017-06-22 ウエノテックス株式会社 廃棄物選別システム及びその選別方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2978374B2 (ja) * 1992-08-21 1999-11-15 松下電器産業株式会社 画像処理装置及び画像処理方法並びに空気調和機の制御装置
JP2009282631A (ja) * 2008-05-20 2009-12-03 Canon Inc パターン識別用パラメータ学習方法及び装置
KR101717729B1 (ko) * 2012-12-17 2017-03-17 한국전자통신연구원 영상에서의 휴먼 인지 장치 및 방법
KR101782363B1 (ko) * 2016-05-23 2017-09-27 (주)에이앤아이 데이터 밸런싱을 통한 학습기반의 비전검사 방법
JP2018017639A (ja) 2016-07-29 2018-02-01 株式会社 深見製作所 表面欠陥検査方法及び表面欠陥検査装置
CN107958197A (zh) * 2016-10-14 2018-04-24 松下电器（美国）知识产权公司 学习数据制作支援方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012115785A (ja) * 2010-12-02 2012-06-21 Sharp Corp 廃棄物の選別システム
JP2017109197A (ja) * 2016-07-06 2017-06-22 ウエノテックス株式会社 廃棄物選別システム及びその選別方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021205721A1 (ja) * 2020-04-10 2021-10-14 株式会社椿本チエイン データ収集方法、データ収集システム、データ収集装置、データ提供方法、及び、コンピュータプログラム
JP2021167238A (ja) * 2020-04-10 2021-10-21 株式会社椿本チエイン データ収集方法、データ収集システム、データ収集装置、データ提供方法、及び、コンピュータプログラム
JP7107331B2 (ja) 2020-04-10 2022-07-27 株式会社椿本チエイン データ収集方法、データ収集システム、データ収集装置、データ提供方法、及び、コンピュータプログラム
WO2022224478A1 (ja) * 2021-04-21 2022-10-27 Ｊｘ金属株式会社 電気電子部品屑の処理方法及び電気電子部品屑の処理装置
JP2022166727A (ja) * 2021-04-21 2022-11-02 Ｊｘ金属株式会社 電気電子部品屑の処理方法及び電気電子部品屑の処理装置
JP7264936B2 (ja) 2021-04-21 2023-04-25 Ｊｘ金属株式会社 電気電子部品屑の処理方法及び電気電子部品屑の処理装置

Also Published As

Publication number Publication date
CN111819598B (zh) 2023-06-13
KR20210002444A (ko) 2021-01-08
CN111819598A (zh) 2020-10-23

Similar Documents

Publication Publication Date Title
WO2019208754A1 (ja) 選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体又は記憶した機器
US20210078166A1 (en) Display control device, display control method, computer program product, and communication system
US8782553B2 (en) Human-machine-interface and method for manipulating data in a machine vision system
US9766604B2 (en) Control device, control method, computer program product, and robot control system
JP2022036094A (ja) 選別装置
JP5795594B2 (ja) ヒューマンインタラクションによる軌跡に基づいたシステム
JP6756338B2 (ja) 画像処理装置、画像処理システム、画像処理方法およびプログラム
JP2007179207A5 (ja)
WO2015131084A1 (en) System and method for performing spatio-temporal analysis of sporting events
JP7072435B2 (ja) 選別装置、選別方法及び選別プログラム並びにコンピュータで読み取り可能な記録媒体
JP5349632B2 (ja) 画像処理方法及び画像処理装置
CN105929987A (zh) 显示装置、显示控制方法以及程序
JP6519157B2 (ja) 情報評価装置、情報評価方法、及びプログラム
CN110297545A (zh) 手势控制方法、手势控制装置和系统、以及存储介质
CN105224939A (zh) 数字区域的识别方法和识别装置、移动终端
JP2010152717A (ja) 画像処理装置、方法及びプログラム
KR101976493B1 (ko) 영상 감시장치에서 객체영역을 설정하는 방법 및 이를 위한 장치
JP6642644B2 (ja) 移動体、制御方法、およびプログラム
WO2020012939A1 (ja) 画像処理装置、画像処理方法及び画像処理プログラム
JP2020049653A (ja) 移動体、制御方法、およびプログラム
JP2016106038A (ja) 制御装置、制御方法、およびプログラム
TW202217743A (zh) 顯示方法、控制裝置、顯示裝置及程式
JP2007087326A (ja) 制御情報生成装置、及び制御情報生成方法
JP2020187654A (ja) 画像検査装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19792874

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19792874

Country of ref document: EP

Kind code of ref document: A1