WO2022009813A1 - 魚の買い付けシステム - Google Patents

魚の買い付けシステム Download PDF

Info

Publication number
WO2022009813A1
WO2022009813A1 PCT/JP2021/025229 JP2021025229W WO2022009813A1 WO 2022009813 A1 WO2022009813 A1 WO 2022009813A1 JP 2021025229 W JP2021025229 W JP 2021025229W WO 2022009813 A1 WO2022009813 A1 WO 2022009813A1
Authority
WO
WIPO (PCT)
Prior art keywords
fish
data
input
unit
quality
Prior art date
Application number
PCT/JP2021/025229
Other languages
English (en)
French (fr)
Inventor
和広 志村
Original Assignee
株式会社電通
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
Application filed by 株式会社電通 filed Critical 株式会社電通
Priority to EP21838680.3A priority Critical patent/EP4177813A4/en
Priority to CN202180047536.7A priority patent/CN115917576A/zh
Priority to US18/003,140 priority patent/US20230252555A1/en
Publication of WO2022009813A1 publication Critical patent/WO2022009813A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0278—Product appraisal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation
    • G06Q30/0625—Directed, with specific intent or strategy
    • G06Q30/0627—Directed, with specific intent or strategy using item specifications

Definitions

  • the present invention relates to a fish purchasing system having a function of determining the quality of fish (particularly tuna).
  • tuna was purchased by wholesalers and retailers visiting fishery factories in various regions. Therefore, it has been desired to develop a system that can easily purchase tuna from a remote location.
  • the present invention has been made in view of the above problems, and an object of the present invention is to provide a fish purchasing system capable of determining the quality of fish even by a non-skilled person and easily purchasing fish remotely. And.
  • the fish purchasing system of the present invention has a first machine learning unit that analyzes the relationship between image data obtained by photographing a cross section of a fish tail and quality data indicating the quality of the fish by machine learning, and a cross section of the fish tail to be determined. Based on the relationship analyzed by the first machine learning unit and the first input unit into which the image data of the above is input, the image data of the cross section of the fish tail to be determined input by the first input unit is used as input.
  • the relationship between the first estimation unit that estimates and outputs the quality of the fish to be determined, the quality data of the fish, the weight data indicating the weight of the fish, and the price data indicating the price of the fish is analyzed by machine learning.
  • the quality data and the weight data of the fish to be determined, which are input by the second input unit, are input, and the price of the fish to be determined is estimated and output from the second estimation unit and the first estimation unit.
  • a database unit that stores the fish quality data, the fish weight data input from the second input unit, and the fish price data output from the second estimation unit in association with each other, and the quality of the fish desired to be purchased.
  • the data acquisition unit that acquires data, weight data, and price data from the user device as purchase desired conditions, the quality data, weight data, and price data of the fish that the purchase desire is acquired by the data acquisition unit, and the database unit.
  • the condition comparison unit that compares the stored quality data, weight data, and price data of the fish and outputs the fish that satisfies the purchase desired condition, and the condition comparison unit based on the user input from the user device. It is provided with an order processing unit that performs order processing of the selected fish when the fish to be purchased by the user is selected from the output fish satisfying the purchase desired condition.
  • the fish quality data output from the first estimation unit, the fish weight data input from the second input unit, and the fish price data output from the second estimation unit are stored in the database unit in association with each other.
  • the quality data, weight data, and price data of the fish desired to be purchased are acquired from the user device as the desired purchase conditions
  • the quality data, weight data, and price data of the fish stored in the database section are compared with each other to satisfy the desired purchase conditions.
  • the fish is output.
  • the order processing of the selected fish is performed. In this way, by inputting the quality, weight and price of the fish to be purchased and selecting the fish to be purchased from the fish that satisfy the output desired purchase conditions, the fish can be easily purchased even remotely. ..
  • the storage location data indicating the storage location of the fish is stored in the database unit in association with the quality data, the weight data and the price data of the fish, and the data acquisition unit is stored.
  • the delivery date data indicating the delivery date of the fish desired to be purchased and the delivery location data indicating the delivery location of the fish desired to be purchased are acquired from the user device, and the condition comparison unit acquires the data.
  • the fish that can be delivered to the delivery location by the delivery date is purchased. It may be output as a fish that meets the desired conditions.
  • the fish storage location data is stored in the database section in association with the fish quality data, weight data, and price data.
  • the delivery date data and the delivery place data of the fish to be purchased are acquired from the user device, the fish that can be delivered to the delivery place by the delivery date is output as the fish satisfying the purchase desired condition. In this way, it is possible to easily purchase fish that can be delivered to the delivery place by the delivery date.
  • the method of the present invention is a method executed by a fish purchasing system, and is a first machine learning that analyzes the relationship between image data obtained by photographing a cross section of a fish tail and quality data indicating the quality of the fish by machine learning. Based on the relationship analyzed in the step, the first input step in which the image data of the cross section of the tail of the fish to be determined is input, and the first machine learning step, the fish to be determined input in the first input step.
  • the first estimation step that estimates and outputs the quality of the fish to be determined by inputting the image data of the cross section of the tail, the quality data of the fish, the weight data indicating the weight of the fish, and the price data indicating the price of the fish.
  • the first estimation is based on the relationship analyzed in the second machine learning step, the second input step in which the weight data of the fish to be determined is input, and the second machine learning step in which the relationship is analyzed by machine learning.
  • the second estimation step of estimating and outputting the price of the fish to be determined by inputting the quality data of the fish to be determined and the weight data of the fish to be determined input in the second input step output from the step.
  • the fish quality data output from the first estimation step, the fish weight data input from the second input step, and the fish price data output from the second estimation step are associated with the database.
  • the storage step to be stored in the unit the data acquisition step of acquiring the quality data, weight data, and price data of the fish desired to be purchased from the user device as the desired purchase conditions, and the quality of the fish desired to be purchased obtained in the data acquisition step.
  • the condition comparison step of comparing the data, the weight data, the price data, the quality data of the fish stored in the database unit, the weight data, and the price data, and outputting the fish satisfying the desired purchase condition, and the user apparatus.
  • the quality of fish can be judged even by non-experts by using machine learning as in the above system. Further, by inputting the quality, weight and price of the fish to be purchased and selecting the fish to be purchased from the output fish satisfying the desired purchase condition, the fish can be easily purchased even remotely.
  • the quality of fish can be determined even by a non-expert, and fish can be easily purchased remotely.
  • FIG. 1 It is a block diagram of the buying system in embodiment of this invention. It is an example of the image data of the cross section of the tail of a fish (tuna) in the embodiment of the present invention. It is a figure which shows an example of the data stored in a database part. It is a sequence diagram for demonstrating the operation of the buying system in embodiment of this invention.
  • FIG. 1 is a block diagram showing a configuration of a purchasing system according to the present embodiment.
  • the purchasing system 1 is composed of a server device 2 and a user device 3.
  • the server device 2 and the user device 3 are connected to each other so as to be able to communicate with each other via the network 4.
  • the server device 2 is a cloud server or the like owned by a provider of a tuna purchasing service
  • the user device 3 is a terminal device such as a smartphone owned by a wholesaler or retailer.
  • the server device 2 includes a first machine learning unit 20, a first input unit 21, a first estimation unit 22, a second machine learning unit 23, a second input unit 24, and a second. 2. It includes an estimation unit 25, a data acquisition unit 26, a condition comparison unit 27, an order processing unit 28, and a database unit (DB unit) 29.
  • DB unit database unit
  • the first machine learning unit 20 analyzes the relationship between the image data obtained by photographing the cross section of the tuna tail (see FIG. 2) and the quality data indicating the quality of the tuna by machine learning. For this machine learning, an arbitrary method such as deep learning by a neural network is used.
  • the image data of the cross section of the tuna tail is input to the input layer, and the quality data of the tuna is output from the output layer. Then, by supervised learning using analytical data (supervised data) in which the data input to the input layer and the data output from the output layer are linked, the weighting coefficient between the neurons of the neural network is optimized. ..
  • the quality teacher data the quality data of the tuna (for example, evaluation S, A, B, C, etc.) judged by the expert from the cross section of the tail of the tuna is used.
  • Image data of the cross section of the tail of the tuna to be determined is input to the first input unit 21.
  • the image data of the cross section of the tail of the tuna to be determined is acquired, for example, by photographing the cross section of the tail of the tuna at a fishery factory in each place.
  • the first estimation unit 22 receives the image data of the cross section of the tail of the tuna to be determined input by the first input unit 21 as input, and the tuna to be determined Estimate the quality and output.
  • the image data of the cross section of the tail of the tuna to be judged is input to the input layer, the quality of the tuna to be judged is estimated, and the output is output from the output layer.
  • the quality of the target tuna is estimated.
  • the second machine learning unit 23 analyzes the relationship between the quality data of tuna and the weight data indicating the weight of the tuna and the price data indicating the price of the tuna by machine learning.
  • machine learning an arbitrary method such as deep learning by a neural network is used.
  • the tuna quality data and the tuna weight data are input to the input layer, and the tuna price data is output from the output layer.
  • the weighting coefficient between the neurons of the neural network is optimized.
  • the price teacher data data on the winning bid price (for example, the amount per kilogram) in the tuna market is used.
  • the weight data of the tuna to be determined is input to the second input unit 24.
  • the weight data of the tuna to be determined is acquired, for example, by measuring the weight of the tuna at a fishery factory in each region.
  • the second estimation unit 25 is based on the relationship analyzed by the second machine learning unit 23, and is the quality data of the tuna to be determined output from the first estimation unit 22 and the determination target input by the second input unit 24.
  • the price of the tuna to be judged is estimated and output.
  • the quality data of the tuna to be judged and the weight data of the tuna are input to the input layer, the price of the tuna to be judged is estimated, and the output is output from the output layer.
  • the price of the tuna to be judged is estimated. It should be noted that the estimated price is used for condition comparison (described later) as to whether or not the desired purchase condition is satisfied, and may not necessarily be the same as the price at the time of actual purchase.
  • the database unit 29 contains tuna quality data output from the first estimation unit 22, tuna weight data input from the second input unit 24, and tuna price data output from the second estimation unit 25.
  • Storage location data indicating the storage location of tuna is stored in association with each other (see FIG. 3).
  • the data acquisition unit 26 acquires quality data, weight data, and price data of the tuna desired to be purchased from the user device 3 as purchase desired conditions. Further, the data acquisition unit 26 acquires the delivery date data indicating the delivery date of the tuna desired to be purchased and the delivery location data indicating the delivery location of the tuna desired to be purchased from the user device 3 as a purchase desired condition.
  • the condition comparison unit 27 compares the quality data, weight data, and price data of the tuna desired to be purchased acquired by the data acquisition unit 26 with the quality data, weight data, and price data of the tuna stored in the database unit 29. , Outputs tuna that meets the desired purchase conditions. Further, the condition comparison unit 27 delivers the tuna by the delivery date based on the delivery date data and the delivery location data of the tuna desired to be purchased acquired by the data acquisition unit 26 and the tuna storage location data stored in the database unit 29. The tuna that can be delivered to the place is output as tuna that meets the desired purchase conditions.
  • the order processing unit 28 selects the selected tuna when the tuna to be purchased by the user is selected from the tuna that satisfy the purchase desired condition output from the condition comparison unit 27 based on the user input from the user device 3. Order processing is performed. Known techniques can be used for tuna ordering processing.
  • the user device 3 includes a user input unit 30 and a display unit 31. From the user input unit 30, user input such as a desired purchase condition is performed.
  • the display unit 31 displays the tuna that satisfies the purchase desired condition output from the condition comparison unit 27. From the user input unit 30, user input can be performed to select a tuna to be purchased by the user from the tuna that satisfy the purchase desired condition displayed on the display unit 31.
  • the image data obtained by photographing the cross section of the tail of the tuna by the first machine learning unit 20 of the server device 2 and the quality data indicating the quality of the tuna are obtained. Is analyzed by machine learning (first machine learning) (S10).
  • first machine learning first machine learning
  • the image data of the cross section of the tail of the tuna to be determined is input to the first input unit 21 of the server device 2 (S11), the relationship analyzed by the first estimation unit 22 of the server device 2 in the first machine learning.
  • the image data of the cross section of the tail of the tuna to be determined is input, and the quality of the tuna to be determined is estimated and output (S12).
  • the relationship between the tuna quality data and the weight data indicating the weight of the tuna and the price data indicating the price of the tuna is determined by machine learning (second machine learning). It is analyzed (S13).
  • the weight data of the tuna to be determined is input to the second input unit 24 of the server device 2 (S14)
  • the second estimation unit 25 of the server device 2 analyzes the relationship in the second machine learning.
  • the price of the tuna to be determined is estimated and output by inputting the quality data of the tuna to be determined and the weight data of the tuna to be determined input to the second input unit 24 output by the first estimation unit 22 (S15). ).
  • the tuna quality data output from the first estimation unit 22, the tuna weight data input from the second input unit 24, and the tuna price data output from the second estimation unit 25 are used to store the tuna. Together with the storage location data shown, they are associated with each other and stored in the database unit 29 (S16).
  • the quality data, weight data, price data, delivery date data, and delivery place data of the tuna desired to be purchased are input as the desired purchase conditions in the user input unit 30 of the user device 3 (S17), the input desired purchase conditions are entered. It is transmitted to the server device 2 (S18).
  • the condition comparison unit 27 of the server device 2 compares the quality data, weight data, and price data of the tuna desired to be purchased with the quality data, weight data, and price data of the tuna stored in the database unit 29, and requests the purchase. Output the tuna satisfying the conditions (S19).
  • the condition comparison unit 27 of the server device 2 arrives at the delivery location by the delivery date based on the delivery date data and the delivery location data of the tuna desired to be purchased and the tuna storage location data stored in the database unit 29.
  • the tuna that can be delivered is output as tuna that satisfies the desired purchase condition (S19).
  • the user input unit 30 of the user device 3 uses the tuna that satisfies the purchase desired condition.
  • User input is performed to select the tuna to be purchased from the above (S21).
  • a purchase request for the selected tuna is transmitted from the user device 3 to the server device 2 (S22), and the selected tuna is selected by the order processing unit 28 of the server device 2.
  • Order processing is performed (S23).
  • the quality of tuna can be determined even by a non-expert person by using machine learning.
  • the tuna quality data output from the first estimation unit 22, the tuna weight data input from the second input unit 24, and the tuna price data output from the second estimation unit 25 are associated with each other in the database unit. It is stored in 29.
  • the quality data, weight data, and price data of the tuna to be purchased are acquired from the user device 3 as the purchase desired conditions, the quality data, weight data, and price data of the tuna stored in the database unit 29 are compared and purchased. Tuna that meets the desired conditions is output.
  • the ordering process of the selected tuna is performed. In this way, by inputting the quality, weight and price of the tuna you want to purchase, and selecting the tuna to purchase from the output tuna that meets the desired purchase conditions, you can easily purchase the tuna even remotely. be able to.
  • the tuna storage location data is stored in the database unit 29 in association with the tuna quality data, weight data, and price data.
  • the delivery date data and the delivery place data of the tuna desired to be purchased are acquired from the user device 3
  • the tuna that can be delivered to the delivery place by the delivery date is output as the tuna satisfying the desired purchase condition. In this way, it is possible to easily purchase tuna that can be delivered to the delivery place by the delivery date.
  • the fish purchasing system has the effect that the quality of fish can be determined even by a non-expert, and the fish can be easily purchased remotely, and the tuna can be purchased remotely. It is useful as a system.

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

熟練者でなくても魚の品質を判定することができ、魚の買い付けを遠隔から容易に行うことのできる魚の買い付けシステムを提供する。　魚の買い付けシステム１は、第１機械学習で分析した関係に基づいて、判定対象の魚の尾の断面の画像データを入力として、判定対象の魚の品質を推定して出力する。また、第２機械学習で分析した関係に基づいて、判定対象の魚の品質データ及び判定対象の魚の重量データを入力として、判定対象の魚の価格を推定して出力する。そして、購入希望の魚の品質データと重量データと価格データを取得すると、データベース部２９に記憶された魚の品質データと重量データと価格データとを比較して、購入希望条件を満たす魚を出力し、ユーザ入力で選択された魚の発注処理を行う。

Description

魚の買い付けシステム
　本発明は、魚（特に、マグロ）の品質を判定する機能を備えた魚の買い付けシステムに関する。
　従来、魚介類の鮮度を評価する技術が提案されている（例えば、特許文献１参照）。また、従来から、魚の卸売市場などで、マグロの尾の断面をみて、マグロの品質が判定されている。
特開２０１０－２８６２６２号公報
　マグロの尾の断面からマグロの品質を判定するには、長年の経験が必要であり、かなりの熟練者でなければ、マグロの品質を判定することは困難であった。そのため、誰でも（熟練者でなくても）マグロの品質を判定することができるシステムの開発が望まれていた。また、マグロの買い付けは、仲卸や小売りを行う業者が、各地の水産工場などを訪れて行っていた。そのため、マグロの買い付けを遠隔から容易に行うことができるシステムの開発が望まれていた。
　本発明は、上記の課題に鑑みてなされたもので、熟練者でなくても魚の品質を判定することができ、魚の買い付けを遠隔から容易に行うことのできる魚の買い付けシステムを提供することを目的とする。
　本発明の魚の買い付けシステムは、魚の尾の断面を撮影した画像データと、当該魚の品質を示す品質データとの関係を、機械学習により分析する第１機械学習部と、判定対象の魚の尾の断面の画像データが入力される第１入力部と、前記第１機械学習部で分析した関係に基づいて、前記第１入力部で入力された判定対象の魚の尾の断面の画像データを入力として、前記判定対象の魚の品質を推定して出力する第１推定部と、前記魚の品質データ及び前記魚の重量を示す重量データと、当該魚の価格を示す価格データとの関係を、機械学習により分析する第２機械学習部と、判定対象の魚の重量データが入力される第２入力部と、前記第２機械学習部で分析した関係に基づいて、前記第１推定部から出力された前記判定対象の魚の品質データ及び前記第２入力部で入力された前記判定対象の魚の重量データを入力として、前記判定対象の魚の価格を推定して出力する第２推定部と、前記第１推定部から出力された前記魚の品質データと、前記第２入力部から入力された前記魚の重量データと、前記第２推定部から出力された前記魚の価格データとを、関連付けて記憶するデータベース部と、購入希望の魚の品質データと重量データと価格データを、購入希望条件として、ユーザ装置から取得するデータ取得部と、前記データ取得部で取得した前記購入希望の魚の品質データと重量データと価格データと、前記データベース部に記憶された前記魚の品質データと重量データと価格データとを比較して、前記購入希望条件を満たす魚を出力する条件比較部と、前記ユーザ装置からのユーザ入力に基づいて、前記条件比較部から出力された前記購入希望条件を満たす魚の中から前記ユーザが購入する魚が選択された場合に、選択された魚の発注処理を行う発注処理部と、を備えている。
　この構成によれば、機械学習を利用することにより、熟練者でなくても魚の品質を判定することができる。第１推定部から出力された魚の品質データと、第２入力部から入力された魚の重量データと、第２推定部から出力された魚の価格データとが、関連付けてデータベース部に記憶される。ユーザ装置から、購入希望の魚の品質データと重量データと価格データを購入希望条件として取得すると、データベース部に記憶された魚の品質データと重量データと価格データとを比較して、購入希望条件を満たす魚が出力される。そして、ユーザ装置からのユーザ入力に基づいて、出力された購入希望条件を満たす魚の中からユーザが購入する魚が選択された場合に、選択された魚の発注処理が行われる。このようにして、購入希望の魚の品質と重量と価格を入力し、出力された購入希望条件を満たす魚の中から購入する魚を選択することにより、魚の買い付けを遠隔からでも容易に行うことができる。
　また、本発明の魚の買い付けシステムでは、前記データベース部には、前記魚の保管場所を示す保管場所データが、当該魚の品質データと重量データと価格データと関連付けて記憶されており、前記データ取得部は、前記購入希望条件として、前記購入希望の魚の納品日を示す納品日データと前記購入希望の魚の納品場所を示す納品場所データを、前記ユーザ装置から取得し、前記条件比較部は、前記データ取得部で取得した前記購入希望の魚の納品日データ及び納品場所データと前記データベース部に記憶された前記魚の保管場所データとに基づいて、前記納品日までに前記納品場所に納品できる魚を、前記購入希望条件を満たす魚として出力してもよい。
　この構成によれば、魚の保管場所データが、その魚の品質データと重量データと価格データと関連付けて、データベース部に記憶される。ユーザ装置から、購入希望の魚の納品日データと納品場所データを取得すると、納品日までに納品場所に納品できる魚が、購入希望条件を満たす魚として出力される。このようにして、納品日までに納品場所に納品できる魚の買い付けを容易に行うことができる。
　本発明の方法は、魚の買い付けシステムで実行される方法であって、魚の尾の断面を撮影した画像データと、当該魚の品質を示す品質データとの関係を、機械学習により分析する第１機械学習ステップと、判定対象の魚の尾の断面の画像データが入力される第１入力ステップと、前記第１機械学習ステップで分析した関係に基づいて、前記第１入力ステップで入力された判定対象の魚の尾の断面の画像データを入力として、前記判定対象の魚の品質を推定して出力する第１推定ステップと、前記魚の品質データ及び前記魚の重量を示す重量データと、当該魚の価格を示す価格データとの関係を、機械学習により分析する第２機械学習ステップと、判定対象の魚の重量データが入力される第２入力ステップと、前記第２機械学習ステップで分析した関係に基づいて、前記第１推定ステップから出力された前記判定対象の魚の品質データ及び前記第２入力ステップで入力された前記判定対象の魚の重量データを入力として、前記判定対象の魚の価格を推定して出力する第２推定ステップと、前記第１推定ステップから出力された前記魚の品質データと、前記第２入力ステップから入力された前記魚の重量データと、前記第２推定ステップから出力された前記魚の価格データとを、関連付けてデータベース部に記憶する記憶ステップと、購入希望の魚の品質データと重量データと価格データを、購入希望条件として、ユーザ装置から取得するデータ取得ステップと、前記データ取得ステップで取得した前記購入希望の魚の品質データと重量データと価格データと、前記データベース部に記憶された前記魚の品質データと重量データと価格データとを比較して、前記購入希望条件を満たす魚を出力する条件比較ステップと、前記ユーザ装置からのユーザ入力に基づいて、前記条件比較ステップから出力された前記購入希望条件を満たす魚の中から前記ユーザが購入する魚が選択された場合に、選択された魚の発注処理を行う発注処理ステップと、を含んでいる。
　この方法によっても、上記のシステムと同様に、機械学習を利用することにより、熟練者でなくても魚の品質を判定することができる。また、購入希望の魚の品質と重量と価格を入力し、出力された購入希望条件を満たす魚の中から購入する魚を選択することにより、魚の買い付けを遠隔からでも容易に行うことができる。
　本発明によれば、熟練者でなくても魚の品質を判定することができ、魚の買い付けを遠隔から容易に行うことができる。
本発明の実施の形態における買い付けシステムのブロック図である。 本発明の実施の形態における魚（マグロ）の尾の断面の画像データの一例である。 データベース部に記憶されるデータの一例を示す図である。 本発明の実施の形態における買い付けシステムの動作を説明するためのシーケンス図である。
　以下、本発明の実施の形態の魚の買い付けシステムについて、図面を用いて説明する。本実施の形態では、遠隔からのマグロの買い付け等に用いられる買い付けシステム（遠隔買い付けシステム）の場合を例示する。
　本実施の形態の買い付けシステムの構成を、図面を参照して説明する。図１は、本実施の形態の買い付けシステムの構成を示すブロック図である。図１に示すように、買い付けシステム１は、サーバ装置２と、ユーザ装置３で構成されている。サーバ装置２とユーザ装置３は、ネットワーク４で互いに通信可能に接続されている。例えば、サーバ装置２は、マグロの買い付けサービスの提供者が所有するクラウドサーバ等であり、ユーザ装置３は、仲卸や小売りを行う業者が所有するスマートフォン等の端末装置である。
　図１に示すように、サーバ装置２は、第１機械学習部２０と、第１入力部２１と、第１推定部２２と、第２機械学習部２３と、第２入力部２４と、第２推定部２５と、データ取得部２６と、条件比較部２７と、発注処理部２８と、データベース部（ＤＢ部）２９を備えている。
　第１機械学習部２０は、マグロの尾の断面を撮影した画像データ（図２参照）と、そのマグロの品質を示す品質データとの関係を、機械学習により分析する。この機械学習には、ニューラルネットワークによるディープラーニング等の任意の手法が用いられる。
　例えば、ニューラルネットワークであれば、マグロの尾の断面の画像データを入力層に入力し、そのマグロの品質データを出力層から出力するように構成する。そして、入力層に入力するデータと出力層から出力されるデータとが紐付けられた分析用データ（教師データ）を用いた教師あり学習によって、ニューラルネットワークのニューロン間の重み付け係数が最適化される。品質の教師データとしては、熟練者がそのマグロの尾の断面から判断した、そのマグロの品質のデータ（例えば、評価Ｓ、Ａ、Ｂ、Ｃなど）が用いられる。
　第１入力部２１には、判定対象のマグロの尾の断面の画像データが入力される。判定対象のマグロの尾の断面の画像データは、例えば各地の水産工場でマグロの尾の断面を撮影することによって取得される。
　第１推定部２２は、第１機械学習部２０で分析した関係に基づいて、第１入力部２１で入力された判定対象のマグロの尾の断面の画像データを入力として、判定対象のマグロの品質を推定して出力する。例えば、上記のニューラルネットワークであれば、判定対象のマグロの尾の断面の画像データを入力層に入力し、その判定対象のマグロの品質を推定して出力を出力層から出力することにより、判定対象のマグロの品質の推定が行われる。
　第２機械学習部２３は、マグロの品質データ及びマグロの重量を示す重量データと、そのマグロの価格を示す価格データとの関係を、機械学習により分析する。この機械学習には、ニューラルネットワークによるディープラーニング等の任意の手法が用いられる。
　例えば、ニューラルネットワークであれば、マグロの品質データとそのマグロの重量データを入力層に入力し、そのマグロの価格データを出力層から出力するように構成する。そして、入力層に入力するデータと出力層から出力されるデータとが紐付けられた分析用データ（教師データ）を用いた教師あり学習によって、ニューラルネットワークのニューロン間の重み付け係数が最適化される。価格の教師データとしては、そのマグロの市場での落札価格（例えば、１キログラムあたりの金額など）のデータが用いられる。
　第２入力部２４には、判定対象のマグロの重量データが入力される。判定対象のマグロの重量データは、例えば各地の水産工場でマグロの重量を測定することによって取得される。
　第２推定部２５は、第２機械学習部２３で分析した関係に基づいて、第１推定部２２から出力された判定対象のマグロの品質データ及び第２入力部２４で入力された判定対象のマグロの重量データを入力として、判定対象のマグロの価格を推定して出力する。例えば、上記のニューラルネットワークであれば、判定対象のマグロの品質データ及びそのマグロの重量データを入力層に入力し、その判定対象のマグロの価格を推定して出力を出力層から出力することにより、判定対象のマグロの価格の推定が行われる。なお、推定された価格は、購入希望条件を満たすか否かの条件比較（後述する）に用いられるものであり、実際に購入するときの価格と必ずしも同じでなくてもよい。
　データベース部２９には、第１推定部２２から出力されたマグロの品質データと、第２入力部２４から入力されたマグロの重量データと、第２推定部２５から出力されたマグロの価格データと、マグロの保管場所を示す保管場所データが、関連付けて記憶される（図３参照）。
　データ取得部２６は、購入希望のマグロの品質データと重量データと価格データを、購入希望条件として、ユーザ装置３から取得する。また、データ取得部２６は、購入希望条件として、購入希望のマグロの納品日を示す納品日データと購入希望のマグロの納品場所を示す納品場所データを、ユーザ装置３から取得する。
　条件比較部２７は、データ取得部２６で取得した購入希望のマグロの品質データと重量データと価格データと、データベース部２９に記憶されたマグロの品質データと重量データと価格データとを比較して、購入希望条件を満たすマグロを出力する。また、条件比較部２７は、データ取得部２６で取得した購入希望のマグロの納品日データ及び納品場所データとデータベース部２９に記憶されたマグロの保管場所データとに基づいて、納品日までに納品場所に納品できるマグロを、購入希望条件を満たすマグロとして出力する。
　発注処理部２８は、ユーザ装置３からのユーザ入力に基づいて、条件比較部２７から出力された購入希望条件を満たすマグロの中からユーザが購入するマグロが選択された場合に、選択されたマグロの発注処理を行う。マグロの発注処理は、公知の技術を利用することができる。
　ユーザ装置３は、ユーザ入力部３０と、表示部３１を備えている。ユーザ入力部３０からは、購入希望条件などのユーザ入力が行われる。表示部３１には、条件比較部２７から出力された購入希望条件を満たすマグロが表示される。ユーザ入力部３０からは、表示部３１に表示された購入希望条件を満たすマグロの中からユーザが購入するマグロを選択するユーザ入力を行うことができる。
　以上のように構成された買い付けシステム１について、図４のシーケンス図を参照してその動作を説明する。
　図４に示すように、本実施の形態の買い付けシステム１では、サーバ装置２の第１機械学習部２０で、マグロの尾の断面を撮影した画像データと、そのマグロの品質を示す品質データとの関係が、機械学習（第１機械学習）により分析される（Ｓ１０）。サーバ装置２の第１入力部２１に、判定対象のマグロの尾の断面の画像データが入力されると（Ｓ１１）、サーバ装置２の第１推定部２２が、第１機械学習で分析した関係に基づいて、判定対象のマグロの尾の断面の画像データを入力として、判定対象のマグロの品質を推定して出力する（Ｓ１２）。
　また、サーバ装置２の第２機械学習部２３では、マグロの品質データ及びマグロの重量を示す重量データと、そのマグロの価格を示す価格データとの関係が、機械学習（第２機械学習）により分析される（Ｓ１３）。サーバ装置２の第２入力部２４に、判定対象のマグロの重量データが入力されると（Ｓ１４）、サーバ装置２の第２推定部２５が、第２機械学習で分析した関係に基づいて、第１推定部２２が出力した判定対象のマグロの品質データ及び第２入力部２４に入力された判定対象のマグロの重量データを入力として、判定対象のマグロの価格を推定して出力する（Ｓ１５）。
　第１推定部２２から出力されたマグロの品質データと、第２入力部２４から入力されたマグロの重量データと、第２推定部２５から出力されたマグロの価格データは、マグロの保管場所を示す保管場所データとともに、互いに関連付けて、データベース部２９に記憶される（Ｓ１６）。
　ユーザ装置３のユーザ入力部３０で、購入希望条件として、購入希望のマグロの品質データと重量データと価格データと納品日データと納品場所データを入力すると（Ｓ１７）、入力された購入希望条件がサーバ装置２に送信される（Ｓ１８）。サーバ装置２の条件比較部２７は、購入希望のマグロの品質データと重量データと価格データと、データベース部２９に記憶されたマグロの品質データと重量データと価格データとを比較して、購入希望条件を満たすマグロを出力する（Ｓ１９）。このとき、サーバ装置２の条件比較部２７は、購入希望のマグロの納品日データ及び納品場所データとデータベース部２９に記憶されたマグロの保管場所データとに基づいて、納品日までに納品場所に納品できるマグロを、購入希望条件を満たすマグロとして出力する（Ｓ１９）。
　サーバ装置２の条件比較部２７から出力された購入希望条件を満たすマグロのデータが、ユーザ装置３へ送信されると（Ｓ２０）、ユーザ装置３のユーザ入力部３０で、購入希望条件を満たすマグロの中から購入するマグロを選択するユーザ入力が行われる（Ｓ２１）。購入するマグロを選択するユーザ入力が行われると、ユーザ装置３からサーバ装置２へ、選択されたマグロの買い付け要求が送信され（Ｓ２２）、サーバ装置２の発注処理部２８で、選択されたマグロの発注処理が行われる（Ｓ２３）。
　このような本実施の形態の買い付けシステム１によれば、機械学習を利用することにより、熟練者でなくてもマグロの品質を判定することができる。第１推定部２２から出力されたマグロの品質データと、第２入力部２４から入力されたマグロの重量データと、第２推定部２５から出力されたマグロの価格データとが、関連付けてデータベース部２９に記憶される。ユーザ装置３から、購入希望のマグロの品質データと重量データと価格データを購入希望条件として取得すると、データベース部２９に記憶されたマグロの品質データと重量データと価格データとを比較して、購入希望条件を満たすマグロが出力される。そして、ユーザ装置３からのユーザ入力に基づいて、出力された購入希望条件を満たすマグロの中からユーザが購入するマグロが選択された場合に、選択されたマグロの発注処理が行われる。このようにして、購入希望のマグロの品質と重量と価格を入力し、出力された購入希望条件を満たすマグロの中から購入するマグロを選択することにより、マグロの買い付けを遠隔からでも容易に行うことができる。
　また、本実施の形態では、マグロの保管場所データが、そのマグロの品質データと重量データと価格データと関連付けて、データベース部２９に記憶される。ユーザ装置３から、購入希望のマグロの納品日データと納品場所データを取得すると、納品日までに納品場所に納品できるマグロが、購入希望条件を満たすマグロとして出力される。このようにして、納品日までに納品場所に納品できるマグロの買い付けを容易に行うことができる。
　以上、本発明の実施の形態を例示により説明したが、本発明の範囲はこれらに限定されるものではなく、請求項に記載された範囲内において目的に応じて変更・変形することが可能である。
　以上のように、本発明にかかる魚の買い付けシステムは、熟練者でなくても魚の品質を判定することができ、魚の買い付けを遠隔から容易に行うことができるという効果を有し、マグロの遠隔買い付けシステム等として有用である。
　１　買い付けシステム
　２　サーバ装置
　３　ユーザ装置
　４　ネットワーク
　２０　第１機械学習部
　２１　第１入力部
　２２　第１推定部
　２３　第２機械学習部
　２４　第２入力部
　２５　第２推定部
　２６　データ取得部
　２７　条件比較部
　２８　発注処理部
　２９　データベース部
　３０　ユーザ入力部
　３１　表示部

Claims (3)

  1. 　魚の尾の断面を撮影した画像データと、当該魚の品質を示す品質データとの関係を、機械学習により分析する第１機械学習部と、
    　判定対象の魚の尾の断面の画像データが入力される第１入力部と、
    　前記第１機械学習部で分析した関係に基づいて、前記第１入力部で入力された判定対象の魚の尾の断面の画像データを入力として、前記判定対象の魚の品質を推定して出力する第１推定部と、
    　前記魚の品質データ及び前記魚の重量を示す重量データと、当該魚の価格を示す価格データとの関係を、機械学習により分析する第２機械学習部と、
    　判定対象の魚の重量データが入力される第２入力部と、
    　前記第２機械学習部で分析した関係に基づいて、前記第１推定部から出力された前記判定対象の魚の品質データ及び前記第２入力部で入力された前記判定対象の魚の重量データを入力として、前記判定対象の魚の価格を推定して出力する第２推定部と、
    　前記第１推定部から出力された前記魚の品質データと、前記第２入力部から入力された前記魚の重量データと、前記第２推定部から出力された前記魚の価格データとを、関連付けて記憶するデータベース部と、
    　購入希望の魚の品質データと重量データと価格データを、購入希望条件として、ユーザ装置から取得するデータ取得部と、
    　前記データ取得部で取得した前記購入希望の魚の品質データと重量データと価格データと、前記データベース部に記憶された前記魚の品質データと重量データと価格データとを比較して、前記購入希望条件を満たす魚を出力する条件比較部と、
    　前記ユーザ装置からのユーザ入力に基づいて、前記条件比較部から出力された前記購入希望条件を満たす魚の中から前記ユーザが購入する魚が選択された場合に、選択された魚の発注処理を行う発注処理部と、
    を備える、魚の買い付けシステム。
  2. 　前記データベース部には、前記魚の保管場所を示す保管場所データが、当該魚の品質データと重量データと価格データと関連付けて記憶されており、
    　前記データ取得部は、前記購入希望条件として、前記購入希望の魚の納品日を示す納品日データと前記購入希望の魚の納品場所を示す納品場所データを、前記ユーザ装置から取得し、
    　前記条件比較部は、前記データ取得部で取得した前記購入希望の魚の納品日データ及び納品場所データと前記データベース部に記憶された前記魚の保管場所データとに基づいて、前記納品日までに前記納品場所に納品できる魚を、前記購入希望条件を満たす魚として出力する、請求項１に記載の魚の買い付けシステム。
  3. 　魚の買い付けシステムで実行される方法であって、
    　魚の尾の断面を撮影した画像データと、当該魚の品質を示す品質データとの関係を、機械学習により分析する第１機械学習ステップと、
    　判定対象の魚の尾の断面の画像データが入力される第１入力ステップと、
    　前記第１機械学習ステップで分析した関係に基づいて、前記第１入力ステップで入力された判定対象の魚の尾の断面の画像データを入力として、前記判定対象の魚の品質を推定して出力する第１推定ステップと、
    　前記魚の品質データ及び前記魚の重量を示す重量データと、当該魚の価格を示す価格データとの関係を、機械学習により分析する第２機械学習ステップと、
    　判定対象の魚の重量データが入力される第２入力ステップと、
    　前記第２機械学習ステップで分析した関係に基づいて、前記第１推定ステップから出力された前記判定対象の魚の品質データ及び前記第２入力ステップで入力された前記判定対象の魚の重量データを入力として、前記判定対象の魚の価格を推定して出力する第２推定ステップと、
    　前記第１推定ステップから出力された前記魚の品質データと、前記第２入力ステップから入力された前記魚の重量データと、前記第２推定ステップから出力された前記魚の価格データとを、関連付けてデータベース部に記憶する記憶ステップと、
    　購入希望の魚の品質データと重量データと価格データを、購入希望条件として、ユーザ装置から取得するデータ取得ステップと、
    　前記データ取得ステップで取得した前記購入希望の魚の品質データと重量データと価格データと、前記データベース部に記憶された前記魚の品質データと重量データと価格データとを比較して、前記購入希望条件を満たす魚を出力する条件比較ステップと、
    　前記ユーザ装置からのユーザ入力に基づいて、前記条件比較ステップから出力された前記購入希望条件を満たす魚の中から前記ユーザが購入する魚が選択された場合に、選択された魚の発注処理を行う発注処理ステップと、
    を含む、方法。
PCT/JP2021/025229 2020-07-06 2021-07-05 魚の買い付けシステム WO2022009813A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP21838680.3A EP4177813A4 (en) 2020-07-06 2021-07-05 FISH PURCHASING SYSTEM
CN202180047536.7A CN115917576A (zh) 2020-07-06 2021-07-05 鱼的采购系统
US18/003,140 US20230252555A1 (en) 2020-07-06 2021-07-05 Fish purchasing system

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020116099A JP2022013998A (ja) 2020-07-06 2020-07-06 魚の買い付けシステム
JP2020-116099 2020-07-06

Publications (1)

Publication Number Publication Date
WO2022009813A1 true WO2022009813A1 (ja) 2022-01-13

Family

ID=79552535

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/025229 WO2022009813A1 (ja) 2020-07-06 2021-07-05 魚の買い付けシステム

Country Status (6)

Country Link
US (1) US20230252555A1 (ja)
EP (1) EP4177813A4 (ja)
JP (1) JP2022013998A (ja)
CN (1) CN115917576A (ja)
TW (1) TW202213230A (ja)
WO (1) WO2022009813A1 (ja)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002203133A (ja) * 2000-12-28 2002-07-19 Komatsu Ltd 生産物取引システム、生産物取引方法、およびこの方法を実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体
JP2002297966A (ja) * 2001-03-30 2002-10-11 Toshiba Corp ウェアラブルコンピュータを用いた生鮮商品買付方法およびシステム、生鮮商品買付用ウェアラブルコンピュータならびに生鮮商品買付用プログラム
JP2010197151A (ja) * 2009-02-24 2010-09-09 Saika Gijutsu Kenkyusho 品質測定装置
JP2010286262A (ja) 2009-06-09 2010-12-24 Institute Of National Colleges Of Technology Japan 鮮度評価装置及び鮮度評価方法
JP2012088818A (ja) * 2010-10-15 2012-05-10 Nec Soft Ltd 生物由来品提供支援装置及び生物由来品提供支援システム
JP2013069259A (ja) * 2011-09-06 2013-04-18 Toshiba Tec Corp 情報処理装置およびプログラム
WO2019103880A1 (en) * 2017-11-21 2019-05-31 Fulfil Solutions, Inc. Product handling and packaging system

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10599922B2 (en) * 2018-01-25 2020-03-24 X Development Llc Fish biomass, shape, and size determination

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002203133A (ja) * 2000-12-28 2002-07-19 Komatsu Ltd 生産物取引システム、生産物取引方法、およびこの方法を実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体
JP2002297966A (ja) * 2001-03-30 2002-10-11 Toshiba Corp ウェアラブルコンピュータを用いた生鮮商品買付方法およびシステム、生鮮商品買付用ウェアラブルコンピュータならびに生鮮商品買付用プログラム
JP2010197151A (ja) * 2009-02-24 2010-09-09 Saika Gijutsu Kenkyusho 品質測定装置
JP2010286262A (ja) 2009-06-09 2010-12-24 Institute Of National Colleges Of Technology Japan 鮮度評価装置及び鮮度評価方法
JP2012088818A (ja) * 2010-10-15 2012-05-10 Nec Soft Ltd 生物由来品提供支援装置及び生物由来品提供支援システム
JP2013069259A (ja) * 2011-09-06 2013-04-18 Toshiba Tec Corp 情報処理装置およびプログラム
WO2019103880A1 (en) * 2017-11-21 2019-05-31 Fulfil Solutions, Inc. Product handling and packaging system

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4177813A4

Also Published As

Publication number Publication date
EP4177813A1 (en) 2023-05-10
JP2022013998A (ja) 2022-01-19
CN115917576A (zh) 2023-04-04
EP4177813A4 (en) 2024-01-17
US20230252555A1 (en) 2023-08-10
TW202213230A (zh) 2022-04-01

Similar Documents

Publication Publication Date Title
Van Riel et al. Estimating hierarchical constructs using consistent partial least squares: The case of second-order composites of common factors
EP3499375B1 (en) Predicting quality of an information system using system dynamics modelling and machine learning
Chuan et al. Kansei engineering for e-commerce sunglasses selection in Malaysia
US20140136278A1 (en) Competitive price alert system with competitive price rules engine
KR20160016961A (ko) 이미지 선명도의 평가
US20170083818A1 (en) Information processing apparatus, information processing method and storage medium
US20160203138A1 (en) Systems and methods for generating analytics relating to entities
EP1346662A1 (en) Mascara selecting method, mascara selecting system, and mascara counseling tool
JPWO2005024689A1 (ja) 消費者の購買行動分析方法及び装置
WO2019226935A1 (en) Real-time recommendation monitoring dashboard
García-Esteban et al. A digitalization strategy for quality control in food industry based on Artificial Intelligence techniques
JP2018084853A (ja) レコメンドシステム
CN107609933B (zh) 一种基于门店成交记录的量脚定制方法、系统
JP2015513331A (ja) ルールベースのコンテンツ最適化のためのシステム及び方法
WO2022009813A1 (ja) 魚の買い付けシステム
Qureshi et al. A comprehensive performance evaluation of objective quality metrics for contrast enhancement techniques
JP4688025B2 (ja) 需要分析・提案システム
JP5040637B2 (ja) 評価者選定装置及び評価者選定方法
WO2017021859A1 (en) Optimizing website environments
KR20230162520A (ko) 플랫폼을 이용한 어플리케이션 기반의 네일 서비스 제공 방법 및 장치
JP7413583B1 (ja) 魚の品質判定システム
JP6068587B1 (ja) ブランド価値解析装置、ブランド価値解析方法、及びプログラム
US20230051512A1 (en) Fish-quality determination system
Scholz et al. Estimating optimal recommendation set sizes for individual consumers
KR101913358B1 (ko) 빅데이터 기술을 이용한 홈쇼핑 및 t커머스 큐레이션 제공방법

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: 21838680

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021838680

Country of ref document: EP

Effective date: 20230206