WO2022107306A1 - バウムクーヘン焼成機の制御装置、制御方法及び制御プログラム、並びにバウムクーヘン焼成機 - Google Patents

バウムクーヘン焼成機の制御装置、制御方法及び制御プログラム、並びにバウムクーヘン焼成機 Download PDF

Info

Publication number
WO2022107306A1
WO2022107306A1 PCT/JP2020/043372 JP2020043372W WO2022107306A1 WO 2022107306 A1 WO2022107306 A1 WO 2022107306A1 JP 2020043372 W JP2020043372 W JP 2020043372W WO 2022107306 A1 WO2022107306 A1 WO 2022107306A1
Authority
WO
WIPO (PCT)
Prior art keywords
dough
baking
baumkuchen
oven
outer peripheral
Prior art date
Application number
PCT/JP2020/043372
Other languages
English (en)
French (fr)
Inventor
英雄 河本
Original Assignee
株式会社ユーハイム
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 株式会社ユーハイム filed Critical 株式会社ユーハイム
Priority to JP2021512963A priority Critical patent/JP6876208B1/ja
Priority to ES20957907T priority patent/ES2961571T3/es
Priority to US18/036,913 priority patent/US20230413829A1/en
Priority to EP23187492.6A priority patent/EP4239249A3/en
Priority to EP20957907.7A priority patent/EP4035532B1/en
Priority to PCT/JP2020/043372 priority patent/WO2022107306A1/ja
Priority to JP2021073303A priority patent/JP2022082411A/ja
Priority to US18/037,590 priority patent/US20240023560A1/en
Priority to PCT/JP2021/038218 priority patent/WO2022107517A1/ja
Priority to JP2022563634A priority patent/JPWO2022107517A1/ja
Priority to EP21894391.8A priority patent/EP4248753A4/en
Publication of WO2022107306A1 publication Critical patent/WO2022107306A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A21—BAKING; EDIBLE DOUGHS
    • A21B—BAKERS' OVENS; MACHINES OR EQUIPMENT FOR BAKING
    • A21B5/00—Baking apparatus for special goods; Other baking apparatus
    • A21B5/04—Apparatus for baking cylindrical cakes on spits

Definitions

  • the present invention relates to a control technique for a Baumkuchen firing machine.
  • the Baumkuchen baking machine rotates a rotating shaft coated with Baumkuchen dough in an oven.
  • the outer peripheral surface of the dough is baked substantially uniformly over the entire circumference.
  • the Baumkuchen baking machine applies more dough on it and rotates it in the oven. In this way, by repeating the application of the dough and the baking of the outer peripheral surface of the dough by rotation in the oven, the Baumkuchen having a layered structure like an annual ring is baked.
  • the degree of baking of Baumkuchen is important because it has a great effect on quality.
  • a person with skillful skills operated a Baumkuchen firing machine to bake Baumkuchen with appropriate firing.
  • Patent Document 1 discloses a food manufacturing apparatus capable of automatically manufacturing high-quality foods such as takoyaki, which is obtained by baking a dough of grain flour into a substantially spherical shape.
  • This food manufacturing apparatus includes a heating plate provided with a recess into which the dough is injected, a robot arm, an image pickup unit, and a control unit.
  • the control unit divides the image data into a plurality of sections for each recess, and determines the degree of perfection of the dough based on the shape and / or color of the dough analyzed from the image data of the dough for each section.
  • the control unit changes the priority for each section.
  • the control unit operates the robot arm according to the changed priority to move the dough to the contact surface and take out the dough.
  • the present application discloses a control device, a control method, a control program, and a Baumkuchen baking machine that can automatically control the Baumkuchen baking machine so that the baking of each layer of the Baumkuchen rotating in the oven is appropriate.
  • the control device of the Baumkuchen baking machine can move between the oven, the dough container, the baking position of the oven, and the dough application position of applying the dough of the dough container to the dough of the rotating roll. It is a control device of a Baumkuchen baking machine equipped with a rotating roll. The control device controls an operation of moving the rotating roll on which the Baumkuchen dough is laminated from the dough coating position to the baking position of the oven, and an operation of moving the dough from the baking position of the oven to the dough coating position. Equipped with a computer.
  • the computer takes at least one round of the outer peripheral surface of the dough that rotates with the rotation of the rotating roll at the baking position of the oven from a camera that photographs a part of the outer peripheral surface of the baumkuchen dough laminated on the rotating roll.
  • the image acquisition process for acquiring a plurality of image groups obtained by photographing the minutes, and the baking color of the outer peripheral surface of the dough indicated by the plurality of image groups for at least one round of the outer peripheral surface of the dough at the baking position of the oven. Based on this, it is configured to execute a determination process of determining when to move the rotary roll from the baking position of the oven to the dough coating position.
  • the Baumkuchen baking machine can be automatically controlled so that the baking of each layer of the Baumkuchen rotated in the oven is appropriate.
  • FIG. 1 is a front view of the Baumkuchen firing machine according to the present embodiment.
  • FIG. 2 is a side view of the Baumkuchen firing machine shown in FIG.
  • FIG. 3 is a diagram showing a state in which the rotary roll 3 is in the dough coating position.
  • FIG. 4 is a functional block diagram showing a configuration example of a control device configured by the computer 8.
  • FIG. 5 is a flowchart showing an example of the control process of the Baumkuchen firing machine 1 by the computer 8.
  • FIG. 6 is a diagram showing an example of an image obtained by taking a picture of the camera 7.
  • FIG. 7 is a diagram showing a configuration example of a neural network used for the determination process.
  • FIG. 8 is a diagram showing an example of an image group acquired by the computer 8 from the start of firing to the end of firing.
  • FIG. 9 is a flowchart showing an example of a process of collecting teacher data for a learning process based on the firing operation of the Baumkuchen firing machine 1.
  • the control device of the Baumkuchen baking machine can move between the oven, the dough container, the baking position of the oven, and the dough application position of applying the dough of the dough container to the dough of the rotating roll. It is a control device of a Baumkuchen baking machine equipped with a rotating roll. The control device controls an operation of moving the rotating roll on which the Baumkuchen dough is laminated from the dough coating position to the baking position of the oven, and an operation of moving the dough from the baking position of the oven to the dough coating position. Equipped with a computer.
  • the computer takes at least one round of the outer peripheral surface of the dough that rotates with the rotation of the rotating roll at the baking position of the oven from a camera that photographs a part of the outer peripheral surface of the baumkuchen dough laminated on the rotating roll.
  • the image acquisition process for acquiring a plurality of image groups obtained by photographing the minutes, and the baking color of the outer peripheral surface of the dough indicated by the plurality of image groups for at least one round of the outer peripheral surface of the dough at the baking position of the oven. Based on this, it is configured to execute a determination process of determining when to move the rotary roll from the baking position of the oven to the dough coating position.
  • the computer acquires a plurality of image groups obtained by capturing at least one round of the outer peripheral surface of the Baumkuchen dough rotating at the baking position of the oven from the camera.
  • the plurality of images includes information over the entire circumferential direction of the outer peripheral surface of the Baumkuchen dough that is baked in the oven.
  • the computer determines when to move the rotating roll from the baking position of the oven to the dough coating position. This makes it possible to move the rotary roll from the baking position to the dough application position and apply the dough to the outer peripheral surface when the degree of baking over the entire circumferential direction of the outer peripheral surface of the Baumkuchen baked in the oven becomes moderate. .. That is, the firing time is controlled so that the degree of firing of each layer becomes appropriate. Therefore, the Baumkuchen baking machine can be automatically controlled so that the baking of each layer of the Baumkuchen rotated in the oven is appropriate.
  • the computer may determine when to move the rotary roll from the baking position of the oven to the dough coating position by using the trained model obtained by machine learning in the determination process. good.
  • the trained model can be generated, for example, by machine learning using an image of the outer peripheral surface of the past fabric and a judgment result of the degree of firing (burning degree) for the image as teacher data.
  • the trained model can be, for example, input an image of the outer peripheral surface of the dough and can be used as data for outputting a judgment result of the degree of baking according to the baking color indicated by the image.
  • the computer may determine the degree of burning from a plurality of acquired image groups using the trained model. For example, the computer sequentially determines the degree of baking of a plurality of image groups, and determines that the time when the degree of baking determined from the images satisfies a predetermined condition is the time to move the rotary roll from the baking position to the dough coating position. Can be done.
  • the trained model it is possible to determine the degree of printing in the same manner as the result of determining the degree of printing on the past image. Thereby, for example, it is possible to reproduce the judgment of the degree of burning of a person who has a skill.
  • the computer performs a judgment estimation process for estimating the determination of the baking of the Baumkuchen dough by the operator based on the operation of the operator with respect to the Baumkuchen baking machine, and the estimated operator.
  • the determination process by machine learning using the result of the determination and a plurality of image groups obtained by photographing at least one round of the outer peripheral surface of the dough at the baking position of the oven as teacher data during the period including the determination. It may be configured to further perform a training process that produces a trained model to be used.
  • the computer may estimate the judgment of the degree of baking by the operator, for example, depending on whether or not the operator moves the rotating roll on which the Baumkuchen dough is laminated from the baking position to the dough coating position. good.
  • the operation by the operator to move the rotating roll on which the Baumkuchen dough is laminated from the baking position to the dough application position is performed when the operator determines that the baking of the dough is appropriate. Therefore, the operation of the movement by the operator shows the judgment result of the degree of burning.
  • Machine learning may be, for example, deep learning using a neural network.
  • the trained model is, for example, a data set for inputting an image and outputting a determination result of burning (for example, a value indicating the burning or whether or not the burning is appropriate).
  • the dataset is, for example, a parameter indicating the weight between layers of the neural network, and includes a parameter of a value adjusted by machine learning.
  • machine learning is not limited to the one using a neural network.
  • a trained model may be generated by regression analysis or machine learning using a decision tree or the like. Examples of such opportunity learning include methods such as linear regression, support vector machine, support vector regression, Elastic Net, logistic regression, and random forest.
  • the rotation speed may be, for example, the rotation speed of the rotation roll or the movement speed in the circumferential direction of the outer surface of the fabric.
  • the oven temperature may be, for example, the surface temperature of the outer surface of the dough, the temperature of the air in the oven, the temperature of the heat source of the oven, or the like.
  • the baking time of the outer surface of the dough is the baking time of one layer of the dough. For example, the elapsed time from the time when the rotary roll moves from the dough application position to the baking position of the oven can be used as the baking time.
  • the Baumkuchen baking machine may include at least one of a rotation sensor that detects the rotation of the rotating roll around an axis, a temperature sensor that detects the temperature of the oven, or a timer that measures the baking time.
  • the computer may be configured to acquire at least one of a rotation speed detected by the rotation sensor, a temperature detected by the temperature sensor, or a firing time measured by the timer.
  • the computer determines the rotation speed of the Baumkuchen dough laminated on the rotating roll and the Baumkuchen dough during the period including the time when the operator determines the operation in the learning process.
  • the outer surface firing time, or at least one of the oven temperatures may be further used to generate the trained model. In this way, by using at least one of the rotation speed, baking time, or temperature as the teacher data in addition to the image of the outer peripheral surface of the dough, it is possible to obtain a trained model that enables more appropriate baking judgment. can.
  • the computer has at least one of the moving speed in the circumferential direction of the outer peripheral surface of the Baumkuchen dough laminated on the rotating roll, or the diameter of the outer circumference of the Baumkuchen dough laminated on the rotating roll. You may get one.
  • the computer may make the determination based on at least one of the acquired movement speed or the diameter in addition to the burnt color of the outer peripheral surface of the fabric shown by the plurality of image groups. ..
  • the diameter of the dough As the number of layers of dough on the rotating roll increases, the diameter of the dough also increases. As the diameter of the dough increases, the moving speed of the outer peripheral surface of the dough in the circumferential direction becomes faster even if the rotation speed of the rotating roll is the same. By using the moving speed of the outer peripheral surface of the dough in the circumferential direction or the diameter of the outer circumference of the dough for the determination, it is possible to make a determination in consideration of the difference in baking conditions due to the laminating of the dough. As a result, it is possible to control the timing of moving the rotary roll from the baking position to the dough coating position so that the baking is more appropriate.
  • the computer may calculate the moving speed of the outer peripheral surface of the dough in the circumferential direction based on the diameter of the outer circumference of the dough laminated on the rotating roll and the rotating speed of the rotating roll.
  • the diameter of the outer circumference of the dough can be obtained, for example, by measuring the dimensions of the dough in the radial direction in an image showing the entire radial direction of the dough laminated on the rotating roll.
  • the computer is the moving speed of the outer peripheral surface of the Baumkuchen dough laminated on the rotating roll in the circumferential direction during the period including the time when the operator determines the degree of baking, or the Baumkuchen.
  • At least one of the outer perimeter diameters of the dough may be further used to generate the trained model. This makes it possible to generate a trained model that reflects the difference in firing conditions due to the laminating of the dough.
  • the Baumkuchen firing machine including the control devices of the above configurations 1 to 6 is also included in the embodiment of the present invention.
  • the Baumkuchen baking machine includes an oven, a dough container, a rotating roll that can move between the baking position of the oven and the dough container, and the Baumkuchen dough laminated on the rotating roll. It is equipped with a camera that captures a part of the outer peripheral surface and a control device including a computer.
  • the computer moves the rotating roll on which the dough of Baumkuchen is laminated from the dough application position where the dough of the dough container is applied to the dough of the rotating roll to the baking position of the oven, and the baking position of the oven. It is a computer that controls the operation of moving from the cloth to the cloth coating position.
  • the computer acquires, from the camera, a plurality of image groups obtained by photographing at least one round of the outer peripheral surface of the dough that rotates with the rotation of the rotating roll at the baking position of the oven, and the oven.
  • the rotating roll is moved from the baking position of the oven to the dough coating position based on the baking color of the outer peripheral surface of the dough indicated by the plurality of image groups for at least one round of the outer peripheral surface of the dough at the baking position. It is configured to execute a determination process for determining the timing of the oven.
  • the camera may be installed so as to cover a part of the outer peripheral surface of the fabric laminated on the rotating roll in the axial direction. As a result, it is possible to obtain an image suitable for determining the degree of baking of the outer peripheral surface of the rotating Baumkuchen dough with a simple configuration.
  • the camera may be installed, for example, to capture an image in which the entire radial direction of the dough laminated on the rotating roll at the baking position is captured.
  • the computer may acquire a part of the image in the radial direction of the fabric, which is cut out from the image taken by the camera. In this case, the computer executes the determination process using a part of the images in the radial direction of the fabric.
  • the camera may be one or a plurality of cameras.
  • the optical axis of the camera may be arranged so as to intersect the axial direction of the rotating roll.
  • the camera may be arranged, for example, outside the oven to photograph the outer surface of the dough in the oven through the oven window.
  • the camera and the rotating roll may be configured so that the relative position between the optical axis of the camera and the rotating roll at the baking position of the oven is fixed. This makes it possible to fix the shooting conditions of the dough at the baking position by the camera.
  • the relative position of the heater of the oven may be fixed.
  • the Baumkuchen baking machine of the above configuration 7 may be provided with a moving mechanism for moving the rotating roll between the baking position of the oven and the dough container.
  • the moving mechanism may include, for example, a support member that rotatably supports the shaft of the rotary roll and an actuator that moves the shaft of the rotary roll supported by the support member.
  • the support member may be, for example, a movable arm or a guide such as a rail.
  • the actuator can be, for example, a motor, a hydraulic cylinder or other power source.
  • the movable arm may be configured such that one end is a pivot shaft and is rotatably supported by the Baumkuchen firing machine, and the other end is rotatably supported by the rotating shaft of the rotating roll.
  • the actuator may include a motor that rotates the movable arm around the pivot axis.
  • a pair of movable arms that rotatably support both ends of the rotary roll in the axial direction may be provided.
  • the operation of moving the rotating roll by the moving mechanism from the baking position of the oven to the dough coating position may be an operation of moving at least one of the rotating roll and the dough container so that the two are relatively close to each other.
  • the rotating roll may be moved to bring it closer to the dough container, or the dough container may be moved to bring it closer to the rotating roll.
  • the moving mechanism is controlled by the computer.
  • the computer can control the movement of the rotary roll between the baking position of the oven and the dough coating position by controlling the drive of the actuator provided in the moving mechanism.
  • the method for controlling the Baumkuchen baking machine is a method for controlling the Baumkuchen baking machine including an oven, a dough container, and a rotary roll that can move between the baking position of the oven and the dough container. ..
  • the computer moves the rotating roll on which the dough of Baumkuchen is laminated from the dough application position where the dough in the dough container is applied to the dough of the rotating roll to the baking position of the oven, and the operation. It has a control step of controlling the operation of moving the dough from the baking position of the oven to the dough coating position.
  • the computer captures a part of the outer peripheral surface of the Baumkuchen dough laminated on the rotating roll, and the outer circumference of the dough that rotates with the rotation of the rotating roll at the baking position of the oven.
  • An image acquisition process for acquiring a plurality of image groups obtained by photographing at least one round of a surface, and an outer circumference of the dough indicated by the plurality of image groups for at least one round of the outer peripheral surface of the dough at the baking position of the oven.
  • a determination process for determining when to move the rotary roll from the baking position of the oven to the dough coating position based on the baking color of the surface is executed.
  • the method for controlling the Baumkuchen baking machine is a method for controlling the Baumkuchen baking machine including an oven, a dough container, and a rotary roll that can move between the baking position of the oven and the dough container. ..
  • the control method includes a determination estimation step in which a computer estimates a determination of the degree of baking of the Baumkuchen dough by the operator based on an operator's operation on the Baumkuchen baking machine, and the estimated operator's determination. And a plurality of image groups obtained by photographing at least one round of the outer peripheral surface of the dough at the baking position of the oven during the period including the time of the judgment are used in the judgment processing by machine learning using as teacher data. It has a learning process to generate a trained model to be used.
  • a computer performs the rotating roll based on the baking color of the outer peripheral surface of the dough indicated by the plurality of image groups for at least one round of the outer peripheral surface of the dough at the baking position of the oven. This is data used in a determination process for determining a time to move from the baking position of the oven to the dough coating position.
  • the control program of the Baumkuchen baking machine is a control program of the Baumkuchen baking machine including an oven, a dough container, and a rotary roll that can move between the baking position of the oven and the dough container.
  • the control program moves the rotating roll on which the Baumkuchen dough is laminated from the dough application position for applying the dough in the dough container to the baking position of the oven, and the operation of the oven.
  • a control process for controlling the operation of moving from the baking position to the dough coating position is executed.
  • at least one outer peripheral surface of the dough that rotates with the rotation of the rotating roll at the baking position of the oven is taken from a camera that photographs a part of the outer peripheral surface of the dough of Baumkuchen laminated on the rotating roll.
  • the image acquisition process for acquiring a plurality of image groups obtained by photographing the perimeters, and the baking color of the outer peripheral surface of the dough indicated by the plurality of image groups for at least one round of the outer peripheral surface of the dough at the baking position of the oven. Includes a determination process for determining when to move the rotary roll from the baking position of the oven to the dough coating position.
  • the control program of the Baumkuchen baking machine is a control program of the Baumkuchen baking machine including an oven, a dough container, and a rotary roll that can move between the baking position of the oven and the dough container. ..
  • the control program includes a judgment estimation process for estimating the determination of the degree of baking of the Baumkuchen dough by the operator based on the operator's operation on the Baumkuchen baking machine, and the result of the estimated operator's judgment.
  • the learning used in the determination process by machine learning using a plurality of image groups obtained by photographing at least one round of the outer peripheral surface of the dough at the baking position of the oven as teacher data during the period including the determination. Let the computer perform the learning process to generate the model.
  • the computer makes the rotating roll based on the baking color of the outer peripheral surface of the dough indicated by the plurality of image groups for at least one round of the outer peripheral surface of the dough at the baking position of the oven. Is the data used in the determination process for determining the time to move the dough from the baking position of the oven to the dough coating position.
  • FIG. 1 is a front view of the Baumkuchen firing machine according to the present embodiment.
  • FIG. 2 is a side view of the Baumkuchen firing machine shown in FIG.
  • the oven 2 the rotating roll 3 in which the Baumkuchen dough is laminated and rotated
  • the dough container 4 for storing the dough before baking the Baumkuchen
  • the rotating roll 3 are ovened. It is provided with a moving mechanism (5, 6) for moving between the baking position and the dough coating position, and a computer 8 constituting a control device for controlling the operation of the Baumkuchen baking machine.
  • the Baumkuchen firing machine 1 further includes a camera 7, a lighting 72, and various sensors (not shown in FIG. 1).
  • the various sensors include, for example, at least one of a temperature sensor for measuring the temperature of the oven, a rotation sensor for detecting the rotation speed of the Baumkuchen dough laminated on the rotating roll 3, and a timer for measuring the baking time of the Baumkuchen dough. Can be done.
  • the camera 7 is arranged at a position where a part of the outer surface of the Baumkuchen dough W laminated on the rotating roll 3 at the baking position can be photographed.
  • the optical axis of the camera 7 intersects the outer surface of the Baumkuchen fabric W.
  • the camera 7 is supported by the support member 71.
  • the support member 71 fixes the relative position of the optical axis of the camera 7 and the rotating roll 3 at the burned position.
  • the illumination 72 irradiates a region included in the photographing range of the camera 7 with light.
  • the camera 7 captures a plurality of images of the outer surface during a period in which the rotating roll 3 on which the Baumkuchen dough W is laminated makes at least one round.
  • the camera 7 captures, for example, a moving image of the rotating Baumkuchen fabric W.
  • a plurality of image groups obtained by capturing at least one round of the outer peripheral surface of the Baumkuchen fabric can be obtained.
  • the oven 2 is a heating furnace, and a heater 22 is provided inside.
  • the oven 2 has a window 21 that can be opened and closed.
  • a dough container 4 is arranged in front of the window 21.
  • the dough container 4 is placed on the table 41.
  • the Baumkuchen dough laminated on the rotating roll 3 is arranged at the baking position inside the oven 2. Both ends of the rotary roll 3 are rotatably supported by a pair of arms 5.
  • the rotary roll 3 is rotated by, for example, a motor (not shown). By controlling this motor, the computer 8 can control the rotation of the rotary roll 3.
  • the pair of arms 5 are rotatably attached to the Baumkuchen firing machine 1 around the pivot shaft PA.
  • An actuator 6 is connected to the arm 5. By driving the actuator 6, the arm 5 rotates.
  • the actuator 6 is, for example, a motor.
  • the drive of the actuator 6 is controlled by the computer 8.
  • the computer 8 controls the rotation of the arm 5 by controlling the drive of the actuator 6.
  • the position of the rotating roll 3 is controlled.
  • the arm 5 and the actuator 6 form a moving mechanism of the rotary roll 3.
  • the computer 8 controls the position of the rotating roll 3 to move the rotating roll 3 on which the Baumkuchen dough K is laminated between the dough application position and the baking position of the oven 2.
  • the dough application position is a position where the dough of the dough container 4 is applied to the dough of the rotary roll 3.
  • FIG. 3 is a diagram showing a state in which the rotary roll 3 is in the dough coating position.
  • the dough application position is a position above the dough container 4. By rotating the rotating roll 3 at the dough application position, the dough is further applied to the outer peripheral surface of the Baumkuchen dough K laminated on the dough roll 3.
  • the configuration for detecting the position of the rotating roll 3 by the computer 8 is not particularly limited.
  • a position detection sensor for detecting the position of the rotary roll 3 or the arm 5 may be provided in the Baumkuchen firing machine 1.
  • the computer 8 may be configured to detect the position of the rotary roll 3 based on the operation of the actuator 6.
  • the computer 8 coats the rotating roll 3 with one layer of Baumkuchen dough K by rotating the rotating roll 3 at the dough coating position at least once.
  • the computer 8 moves the rotating roll 3 coated with the Baumkuchen dough K from the dough coating position to the baking position of the oven 2. As a result, the baking of one layer of the applied dough is started.
  • the computer 8 acquires a plurality of image groups obtained by photographing at least one round of the outer peripheral surface of the Baumkuchen dough that rotates with the rotation of the rotating roll 3 at the baking position of the oven 2.
  • the computer 8 determines the degree of baking based on the color of the outer surface of the Baumkuchen dough shown by the plurality of images taken by the camera 7.
  • the computer 8 determines when to move the rotary roll 3 from the baking position of the oven 2 to the dough coating position based on the determination result of the degree of baking.
  • the rotary roll 3 can be moved from the baking position of the oven 2 to the dough coating position when it is determined that the baking is good.
  • the computer 8 determines whether the dough for one layer of Baumkuchen is baked, and controls the baking time of the dough for one layer so that the baking time is appropriate.
  • the computer 8 controls the position of the rotary roll 3, applies the Baumkuchen dough, and repeats the operation of baking in the oven 2 a plurality of times. This fires the dough in multiple layers of Baumkuchen. In the firing of each layer, the firing time is controlled so that the firing is appropriate based on the image of the camera 7.
  • FIG. 4 is a functional block diagram showing a configuration example of a control device configured by the computer 8.
  • the computer 8 includes a control unit 81, an image acquisition unit 82, a determination unit 83, a judgment estimation unit 84, and a learning unit 85.
  • the control unit 81 controls the moving mechanism (arm 5 and actuator 6). As a result, the control unit 81 moves the rotary roll 3 on which the Baumkuchen dough is laminated from the dough application position to the baking position of the oven 2 (the operation of starting baking), and the dough from the baking position of the oven 2. Controls the operation of moving to the coating position (operation of ending firing). Further, the control unit 81 controls the rotation of the rotary roll 3.
  • the computer 8 controls the rotation of the rotary roll 3 around the axis and the movement of the rotary roll 3 in the direction perpendicular to the axis.
  • the control unit 81 may control the heater 22 of the oven 2. That is, the computer 8 can also control the oven 2.
  • the image acquisition unit 82 acquires a plurality of image groups obtained by photographing at least one round of the outer peripheral surface of the dough that rotates with the rotation of the rotating roll 3 at the baking position of the oven 2.
  • the image acquisition unit 82 acquires, for example, a part of the image group of the outer peripheral surface of the fabric taken at a predetermined cycle from the camera 7.
  • Each of the acquired image groups may be an image obtained by cutting out a part of the radial direction of the fabric from an image showing the entire radial direction of the fabric.
  • the determination unit 83 determines the time to move the rotary roll 3 from the baking position of the oven 2 to the dough coating position based on the baking color of the outer peripheral surface of the dough indicated by the plurality of image groups acquired by the image acquisition unit 82. ..
  • the determination unit 83 can use the trained model in this determination process.
  • the determination unit 83 executes, for example, using a trained model, inputting an image of the outer peripheral surface of the dough and outputting an evaluation value of baking.
  • the trained model can be data generated by machine learning using the image of the outer peripheral surface of the past fabric and the evaluation result as teacher data.
  • the judgment estimation unit 84 and the learning unit 85 execute machine learning using the data showing the firing operation performed by the Baumkuchen firing machine 1 and the result, and generate a trained model.
  • the determination estimation unit 84 estimates the determination of the baking of the Baumkuchen dough by the operator based on the operator's operation on the Baumkuchen baking machine 1.
  • the learning unit 85 executes machine learning using the estimated result of the operator's judgment and the image group of the outer peripheral surface of the fabric at the time of the judgment as teacher data.
  • the image group used as the teaching data can be a plurality of image groups obtained by photographing at least one round of the outer peripheral surface of the dough at the baking position of the oven 2 during the period including the judgment of the operator.
  • the trained model generated by machine learning is recorded in a recording device accessible to the computer 8.
  • the computer 8 is connected to the operation reception unit included in the Baumkuchen firing machine 1.
  • the operation reception unit receives operations for the Baumkuchen firing machine 1 from the operator.
  • the operation receiving unit is composed of, for example, an operation panel 91 shown in FIG. 1 and an operator such as an operation button 92.
  • the operation receiving unit can receive, for example, the operation of the rotary roll 3 and the operation with respect to the temperature of the oven from the operator.
  • the operation receiving unit operates the rotary roll 3 by the operator to move the rotary roll 3 to the dough coating position and the rotary roll 3 from the dough coating position to the baking position of the oven 2 (baking start operation). ,
  • the operation of moving the rotary roll 3 from the baking position to the dough coating position (baking end operation), the operation of controlling the rotational speed of the rotary roll 3, and the like are accepted.
  • the determination estimation unit 84 does not perform an operation to move the rotary roll 3 from the baking position to the dough application position.
  • the operator has determined that the degree of baking is not sufficient, that is, it is not baked.
  • the image of the outer peripheral surface of the fabric taken by the camera 7 when the rotating roll 3 is rotated is recorded as teacher data in association with the result of the determination of unbaked.
  • the determination estimation unit 84 performs an operation of moving the rotary roll 3 from the baking position to the dough application position, for example, when the rotating roll 3 on which the dough is laminated is rotating at the baking position of the oven 2. If so, it can be presumed that the operator has determined that the baking is good. In this case, during the period including the operation, the image of the outer peripheral surface of the fabric taken by the camera 7 while the rotating roll 3 rotates at least once is used as teacher data in association with the result of good baking determination. Recorded.
  • the computer 8 is connected to a temperature sensor, a rotation sensor, and a timer included in the Baumkuchen firing machine.
  • the determination unit 83 and the learning unit 85 can execute the above-mentioned determination process or learning process by using the information detected by at least one of these sensors. A specific example of the learning process will be described later.
  • the temperature sensor may be, for example, a thermometer that measures the temperature of the air in the oven, a radiation thermometer that measures the temperature of the outer surface of the Baumkuchen, the temperature, current, voltage, etc. of the heater 22.
  • the temperature may be detected from the output value of.
  • the rotation sensor may include, for example, a detector that detects the movement of the element to be detected that rotates with the axis of the rotation roll 3 by light, magnetism, or mechanically.
  • the rotation sensor may be configured to detect the rotation of the rotation roll 3 from the output value of the motor that controls the rotation of the rotation roll 3.
  • the timer may be, for example, a part of the computer 8.
  • the timer can measure the firing time, for example, by measuring the elapsed time since the rotary roll 3 is placed at the firing position.
  • the computer 8 constituting the control device has a processor and a memory.
  • the control device may be composed of two or more computers.
  • the control process of the Baumkuchen firing machine by the computer 8 can be realized by the processor executing a predetermined program.
  • An embodiment of the present invention also includes a program for causing the computer 8 to execute a control process and a non-transitory recording medium on which the program is recorded.
  • the computer 8 is built in the Baumkuchen firing machine 1.
  • the computer 8 may be communicably connected to the portion of the baking machine including the oven 2, the rotary roll 3, and the moving mechanism of the Baumkuchen baking machine 1 via a network.
  • FIG. 5 is a flowchart showing an example of the control process of the Baumkuchen firing machine 1 by the computer 8.
  • the computer 8 is an example in which the Baumkuchen firing machine 1 is operated to apply one layer of the dough to the rotating roll 3 and fire it.
  • the computer 8 rotates the rotating roll 3 at the dough application position, and applies one layer of the dough to the outer peripheral surface of the dough laminated on the rotating roll 3 (S1).
  • the computer 8 moves the rotary roll 3 from the dough coating position to the baking position of the oven 2 (S2).
  • firing is started.
  • the rotating roll 3 on which the Baumkuchen dough is laminated rotates at the baking position of the oven 2.
  • FIG. 6 is a diagram showing an example of an image obtained by taking a picture of the camera 7.
  • the camera 7 captures an image of a part of the fabric K laminated on the rotating roll 3 in the axial direction and in a range in which the entire radial direction is captured.
  • the computer 8 cuts out and acquires an image of the radial central portion A1 of the fabric K from this image. That is, an image of a region of the fabric that does not include the radial end Ke of the fabric K that appears in the image is cut out.
  • Computer 8 acquires sensor data in synchronization with image acquisition (S4).
  • the sensor data includes, for example, the surface temperature of the outer surface of Baumkuchen detected by a temperature sensor (radiation thermometer). Further, as the sensor data, the firing time measured by the timer is acquired. The firing time is the elapsed time from the start of firing.
  • the computer 8 uses the trained model to determine the determination value of the degree of burning based on the image acquired in S3 and the sensor data acquired in S4 (S5). That is, the computer 8 determines the degree of baking based on the baking color of the outer surface of the dough shown in the image, the surface temperature of the dough, and the baking time.
  • the trained model can be data generated by deep learning using a neural network. That is, the computer 8 can determine the degree of burning from the image and the sensor data by using the artificial intelligence technique using the neural network.
  • FIG. 7 is a diagram showing a configuration example of a neural network used for determination processing.
  • a portion of the surface of the Baumkuchen is cut out from the color camera image.
  • the cut out image is input to the convolutional neural network LS1.
  • Convolutional neural network LS1 32 parameters (features) are output.
  • the values of the firing time and the surface temperature of Baumkuchen are input to the fully bonded layer L1 having 5 units as an example.
  • This fully connected layer L1 outputs five parameters.
  • the 32 parameters and the 5 parameters are concatenated and further input to the fully connected layer L2.
  • the output from the fully connected layer L2 is input to the next fully connected layer L3, and a determination value (for example, 0 to 1) is output from the fully connected layer L3.
  • the camera image is input to the convolutional neural network, and the sensor data is input to the fully connected layer.
  • the image feature amount that has passed through the convolutional neural network and the parameter of the sensor data that has passed through the fully connected layer are concatenated and further input to the fully connected layer.
  • the determination value of the degree of burning is output through this fully-bonded layer and further other fully-bonded layers.
  • the machine learning model has a convolutional neural network that converts the input image into a feature amount, a first input layer for inputting sensor data, and an output of the feature amount of the image and the input layer of the sensor data.
  • the configuration of the neural network used in the determination process is not limited to the example shown in FIG. 7.
  • the number of fully bonded layers and the number of parameters can be appropriately set as needed.
  • the sensor data input to the fully coupled layer L1 is not limited to the example of FIG. 7.
  • at least one value of the rotation speed of the rotary roll 3, the oven temperature, or the firing time may be input to the fully bonded layer L1.
  • the computer 8 moves the rotary roll 3 from the baking position of the oven 2 to the dough coating position, and the baking is completed. For example, when the determination place is equal to or higher than a predetermined threshold value, the computer 8 determines that the baking is done and causes the moving mechanism to take out the Baumkuchen from the oven.
  • the computer 8 When the determination value of the degree of burning determined in S5 does not satisfy the predetermined condition (NO in S6), the computer 8 returns to S3, acquires an image, and repeats the processes of S4 to S6.
  • the printing degree determination process is executed for each of the plurality of image groups.
  • the determination of the degree of firing and the determination process of the end of firing based on the determination are executed for the plurality of image groups captured while the rotating roll 3 makes at least one round.
  • FIG. 8 is a diagram showing an example of an image group acquired by the computer 8 from the start of firing to the end of firing. For example, after the start of firing, one image is taken by the camera 7 at a predetermined cycle (for example, every 0.5 seconds). The computer 8 sequentially acquires images taken by the camera 7. In the example shown in FIG. 8, n images G1 to Gn are acquired. In the images G1 to G (n-1), the determination value of the degree of baking does not satisfy the condition, and in the nth image Gn, the judgment value of the degree of burning satisfies the condition. Firing is completed when the nth image Gn is acquired.
  • the firing degree determination and the firing end determination are executed for each image, but the firing degree and the firing end determination may be determined for a plurality of images.
  • the firing time and temperature are acquired as sensor data.
  • the computer 8 may acquire the rotation speed of the Baumkuchen dough laminated on the rotating roll as sensor data.
  • the computer 8 can acquire the rotation speed of the rotation roll 3 detected by the rotation sensor in S4 of FIG.
  • the computer 8 may determine the degree of burning based on the image and the rotation speed. Further, the computer 8 can acquire the moving speed in the circumferential direction of the outer peripheral surface of the Baumkuchen fabric from the image of the camera 7 and the rotation speed.
  • the diameter D1 of the outer circumference of the fabric laminated on the rotating roll 3 can be measured.
  • the movement speed in the circumferential direction of the outer peripheral surface of the fabric can be calculated.
  • the computer 8 may determine the degree of baking by using the moving speed of the outer peripheral surface of the dough in the circumferential direction and the image. This makes it possible to make a determination in consideration of changes in baking conditions depending on the amount of laminated dough. Further, the computer 8 may determine the degree of burning by using the diameter D1 and the image. In this case as well, it is possible to make a determination in consideration of changes in baking conditions depending on the amount of laminated dough.
  • FIG. 9 is a flowchart showing an example of a process of collecting teacher data for a learning process based on the firing operation of the Baumkuchen firing machine 1.
  • the Baumkuchen baking machine 1 is an example in which one layer of the dough is applied to the rotary roll 3 and baked according to the operation of the operator.
  • the Baumkuchen baking machine 1 rotates the rotary roll 3 at the dough application position according to the operation of the operator, and applies one layer of the dough to the outer peripheral surface of the dough laminated on the rotary roll 3 (S11).
  • the rotary roll 3 moves from the dough coating position to the baking position of the oven 2 by the operation of the operator (S12).
  • firing is started.
  • the rotating roll 3 on which the Baumkuchen dough is laminated rotates at the baking position of the oven 2.
  • the computer 8 acquires an image of the outer peripheral surface of the fabric that rotates with the rotation of the rotating roll 3 from the camera 7 (S13).
  • the image acquisition process can be executed, for example, in the same manner as in S3 of FIG.
  • the computer 8 acquires sensor data in synchronization with the acquisition of the image (S14).
  • As the sensor data the same sensor data as the data acquired in S5 of FIG. 5 is acquired.
  • the Baumkuchen firing machine 1 accepts the operation of ending the firing during the firing of the Baumkuchen (S15). Specifically, during the period in which the rotating roll 3 on which the dough is laminated is rotating at the baking position of the oven 2, the operator always performs an operation of moving the rotating roll 3 from the baking position to the dough application position in Baumkuchen baking. It can be done for machine 1. When the operator moves the rotary roll 3 from the baking position to the dough coating position, the baking is completed.
  • the computer 8 If there is no operation to end firing from the operator for a certain period during firing (NO in S16), the computer 8 presumes that the operator has determined that the firing has not been completed. In this case, the computer 8 associates the unburned determination result with the image acquired in S13 and the sensor data acquired in S14, and records them in the recording device as teacher data. After that, the computer 8 executes the image acquisition process of S13 again, and repeats the processes of S14 to S16. For example, the processes S13 to S16 are executed for each of the plurality of image groups captured during the period in which the rotating roll 3 makes at least one round.
  • the computer 8 If there is an operation to end firing from the operator during firing (YES in S16), the computer 8 presumes that the operator has determined that the firing is good. In this case, the computer 8 associates the good burnout determination result with the image acquired in S13 and the sensor data acquired in S14, and records them in the recording device as teacher data.
  • the operation of ending the baking is an operation of moving the rotary roll 3 from the baking position to the dough coating position. When the rotary roll 3 moves from the firing position, firing ends (S18).
  • a plurality of image groups for at least one round of the outer surface of the rotating dough laminated on the rotating roll 3 are recorded in association with the determination result of baking.
  • the learning unit 85 of the computer 8 executes machine learning using the determination result of burning degree associated with the plurality of image groups as teacher data, and generates a trained model.
  • Machine learning is not limited to this, but can be executed, for example, by deep learning using a neural network having the configuration shown in FIG. 7.
  • the learning unit 85 collates the output (determination result) of the pre-learning model obtained by inputting the image of the teacher data and the sensor data with respect to the pre-learning model with the determination result of the teacher data, and further matches. Adjust the weighting between layers so that For example, in the case of the model having the configuration shown in FIG. 7, an image recorded as teacher data is input to the convolutional neural network LS1, and sensor data (for example, firing) recorded in association with the image is input to the fully connected layer L1. Time and surface temperature) are entered. The output result (judgment value) of the model for this input is collated with the judgment result of the teacher data associated with the input image.
  • the weighting parameters between each layer of the neural network are adjusted so that the model output and the teacher data match well.
  • a learning process that adjusts the weighting parameters of the model is executed using the teacher data of a large number of images.
  • the model whose weight is adjusted by the training process is the trained model.
  • the learning process of the computer 8 is not limited to machine learning using a neural network.
  • regression analysis or other machine learning using decision trees and the like may be used.
  • the determination result estimated from the operation is associated with the image and the sensor data at the time of determination. It can be recorded as teacher data.
  • teacher data By machine learning using the teacher data recorded for firing by such a craftsman's operation, it is possible to generate a trained model that enables control of the same firing time as this craftsman.
  • the target of control based on the determination of the degree of firing using the image of the camera 7 is the firing time (the time of movement of the rotating roll from the firing position), but the target of control of the computer 8 is not limited to this. ..
  • the rotation speed of the rotating roll 3 or at least one of the oven temperatures is based on a plurality of images taken by the camera 7 for at least one round of the outer peripheral surface of the Baumkuchen dough at the baking position of the oven. Can be controlled.
  • the computer 8 can use the trained model generated by machine learning to determine at least one control of rotation speed or oven temperature based on a plurality of image groups.
  • the trained model may be, for example, a data set for executing a process of inputting an image of the outer peripheral surface of the dough and outputting at least one control information of the rotation speed or the oven temperature.
  • the computer 8 can generate the above learning model by using at least one of the rotation speed or the oven temperature detected during the firing by the operation of the Baumkuchen firing machine of the operator and the image of the camera 7 as training data.
  • the computer 8 adjusts the rotation speed of the rotating roll 3 according to the time change of the diameter of the cloth shown by the image taken by the camera 7 or the change of the diameter in the axial direction (the uneven shape of the outer peripheral surface). You may. Alternatively, the computer 8 may adjust the heating power of the heater 22 of the oven 2 according to the degree of baking determined based on the image.
  • the computer 8 has at least one of the rotation speed or the temperature of the oven based on at least one of the rotation speed, the firing time, or the temperature of the oven acquired at the time of acquiring the image group. Control may be determined. For this determination process, as a trained model, a data set for outputting control information by inputting at least one of the rotation speed, baking time, or oven temperature and an image of the outer surface of the dough is used. May be done. Further, the computer 8 may generate such a trained model based on the operation of the Baumkuchen firing machine of the operator.
  • the computer 8 detects, for example, at least one operation of the rotation speed and the temperature of the oven by the operator, and obtains an image group of the outer peripheral surface of the fabric taken during the period including the detection of the operation and the detected operation.
  • a trained model can be generated as teacher data. Examples of the operation to detect include an operation of adjusting the rotation speed of the rotary roll 3 and an operation of adjusting the temperature of the oven 2.
  • the sensor data used by the computer 8 for the determination process is not limited to the rotation speed, the oven temperature, and the baking time mentioned in the above example. One or two of these may be used in the determination process. Further, sensor data other than these may be used for the determination process. For example, by executing the determination process using the rotation speed of the rotation roll 3 in addition to the image of the camera 7, it is possible to make a determination in consideration of the change in the firing conditions due to the rotation speed. Further, by executing the determination process using the temperature of the oven in addition to the image of the camera 7, it is possible to make a determination in consideration of the change in the firing conditions depending on the temperature of the oven. Further, by executing the determination process using the firing time in addition to the image of the camera 7, it is possible to perform the determination in consideration of the change in the firing time.
  • the dough information regarding the dough of Baumkuchen may be used for the determination process.
  • the dough information includes, for example, the temperature of the dough in the dough container before application, the type of dough (for example, plain, chocolate, matcha, coffee, strawberry, etc., including the type depending on the contents of the dough), the dough weight, the dough volume, or , At least one of the dough densities may be included.
  • the computer 8 may further acquire fabric information about the fabric when acquiring a plurality of images of the outer surface of the fabric from the camera 7. In this case, in the determination process, the computer 8 moves the rotary roll 3 from the baking position of the oven to the dough coating position based on the acquired dough information in addition to the baking color of the outer peripheral surface of the dough shown by the plurality of image groups. Decide when.
  • a trained model may be used for this determination process.
  • the learning model can be, for example, input an image of the outer peripheral surface of the dough, and can be used as data for outputting a judgment result of the degree of baking according to the baking color indicated by the image.
  • the computer 8 includes the result of the operator's baking judgment estimated based on the operator's operation on the Baumkuchen baking machine, the dough information, and at least one of the outer peripheral surfaces of the dough at the baking position of the oven during the period including the judgment.
  • a trained model can be generated by machine learning using a plurality of image groups obtained by capturing a circumference as teacher data.
  • the Baumkuchen baking machine 1 may include an input unit or a sensor for acquiring fabric information.
  • the computer 8 can acquire fabric information from the input unit or the sensor.
  • a weight sensor for measuring the weight of the dough in the dough container 4 a dough temperature sensor for measuring the temperature of the dough in the dough container 4
  • a volume sensor for measuring the volume of the dough in the dough container 4 is provided in the Baumkuchen baking machine 1. May be good.
  • the Baumkuchen baking machine 1 may be provided with an input unit, which is an interface for receiving input of dough information from the operator.

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Baking, Grill, Roasting (AREA)
  • Bakery Products And Manufacturing Methods Therefor (AREA)
  • Image Analysis (AREA)

Abstract

焼成機１は、オーブン２と、生地容器４と、回転ロール３とを備える。制御装置は、バウムクーヘンの生地が積層された回転ロール３を、生地塗布位置からオーブン２の焼き位置へ移動させる動作、及びオーブン２の焼き位置から生地塗布位置へ移動させる動作を制御するコンピュータを備える。コンピュータは、カメラ７から、回転する生地の外周面を少なくとも１周分を撮影した複数の画像群を取得する画像取得処理と、複数の画像群により示される生地の外周面の焼き色に基づいて、回転ロール３を焼き位置から生地塗布位置へ移動させる時期を決定する判定処理と、を実行するよう構成される。

Description

バウムクーヘン焼成機の制御装置、制御方法及び制御プログラム、並びにバウムクーヘン焼成機
　本発明は、バウムクーヘン焼成機の制御技術に関する。
　バウムクーヘン焼成機は、バウムクーヘンの生地を塗布した回転軸をオーブン内で回転させる。これにより、生地の外周面が一周の全体にわたって略均一に焼き上げられる。外周面が焼き上がると、バウムクーヘン焼成機は、その上からさらに生地を塗布し、オーブン内で回転させる。このように、生地の塗布と、オーブン内での回転による生地の外周面の焼き上げとを繰り返すことで、年輪のような層構造を有するバウムクーヘンが焼き上がる。
　バウムクーヘンの焼き加減は、品質に大きな影響を与えるため、重要である。従来は、熟練の技術を持った人が、バウムクーヘン焼成機を操作して、適切な焼き加減でバウムクーヘンを焼成していた。
　例えば、特許第６４２９１３８号公報（特許文献１）には、たこ焼きのような穀物粉の生地を略球状に焼成する食品を高品質に自動製造することが可能な食品製造装置が開示されている。この食品製造装置は、生地が注入される凹部が設けられた加熱プレートと、ロボットアームと、撮像部と、制御部を備える。制御部は、画像データを凹部ごとに複数の区画に分割し、区画ごとに生地の画像データから解析された生地の形状及び／又は色に基づいて生地の完成度を判定する。制御部は、優先順位を区画ごとに変更する。制御部は、変更された優先順位に沿ってロボットアームを動作させて生地の接触面との移動及び生地の取り出しを行う。
特許第６４２９１３８号公報
　従来技術では、オーブン内での回転するバウムクーヘンの各層の生地の焼き加減を自動的に判断するのが難しい。バウムクーヘン焼成機は、回転ロールに生地に積層し、各層について、回転ロールを回転させながら焼成する。このような構成で、生地の一層ごとの焼成をどのように制御するかが重要になる、バウムクーヘンをおいしく焼き上げるためには、熟練の技を持つ人によるバウムクーヘン焼成機の制御が必要であった。
　そこで、本願は、オーブンで回転するバウムクーヘンの各層の焼き加減が適切になるよう自動的にバウムクーヘン焼成機を制御できる制御装置、制御方法、制御プログラム、及びバウムクーヘン焼成機を開示する。
　本発明の実施形態におけるバウムクーヘン焼成機の制御装置は、オーブンと、生地容器と、前記オーブンの焼き位置と前記生地容器の生地を前記回転ロールの生地へ塗布する生地塗布位置との間を移動可能な回転ロールとを備えるバウムクーヘン焼成機の制御装置である。前記制御装置は、バウムクーヘンの生地が積層された前記回転ロールを、前記生地塗布位置から前記オーブンの焼き位置へ移動させる動作、及び前記オーブンの焼き位置から前記生地塗布位置へ移動させる動作を制御するコンピュータを備える。前記コンピュータは、前記回転ロールに積層された前記バウムクーヘンの生地の外周面の一部を撮影するカメラから、前記オーブンの焼き位置において前記回転ロールの回転に伴い回転する生地の外周面を少なくとも１周分を撮影した複数の画像群を取得する画像取得処理と、前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分の前記複数の画像群により示される前記生地の外周面の焼き色に基づいて、前記回転ロールを前記オーブンの焼き位置から前記生地塗布位置へ移動させる時期を決定する判定処理と、を実行するよう構成される。
　本開示によれば、オーブンで回転するバウムクーヘンの各層の焼き加減が適切になるよう自動的にバウムクーヘン焼成機を制御できる。
図１は、本実施形態におけるバウムクーヘン焼成機の正面図である。 図２は、図１に示すバウムクーヘン焼成機の側面図である。 図３は、回転ロール３が、生地塗布位置にある状態を示す図である。 図４は、コンピュータ８により構成される制御装置の構成例を示す機能ブロック図である。 図５は、コンピュータ８によるバウムクーヘン焼成機１の制御処理の一例を示すフローチャートである。 図６は、カメラ７の撮影で得られる画像の一例を示す図である。 図７は、判定処理に用いるニューラルネットワークの構成例を示す図である。 図８は、焼成開始から、焼成終了までに、コンピュータ８が取得する画像群の例を示す図である。 図９は、バウムクーヘン焼成機１の焼成動作に基づいて、学習処理のための教師データを収集する処理の一例を示すフローチャートである。
　（構成１）
　本発明の実施形態におけるバウムクーヘン焼成機の制御装置は、オーブンと、生地容器と、前記オーブンの焼き位置と前記生地容器の生地を前記回転ロールの生地へ塗布する生地塗布位置との間を移動可能な回転ロールとを備えるバウムクーヘン焼成機の制御装置である。前記制御装置は、バウムクーヘンの生地が積層された前記回転ロールを、前記生地塗布位置から前記オーブンの焼き位置へ移動させる動作、及び前記オーブンの焼き位置から前記生地塗布位置へ移動させる動作を制御するコンピュータを備える。前記コンピュータは、前記回転ロールに積層された前記バウムクーヘンの生地の外周面の一部を撮影するカメラから、前記オーブンの焼き位置において前記回転ロールの回転に伴い回転する生地の外周面を少なくとも１周分を撮影した複数の画像群を取得する画像取得処理と、前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分の前記複数の画像群により示される前記生地の外周面の焼き色に基づいて、前記回転ロールを前記オーブンの焼き位置から前記生地塗布位置へ移動させる時期を決定する判定処理と、を実行するよう構成される。
　上記構成１において、コンピュータは、カメラから、オーブンの焼き位置において回転するバウムクーヘンの生地の外周面の少なくとも１周分を撮影した複数の画像群を取得する。この複数の画像群は、オーブンで焼成されるバウムクーヘンの生地の外周面の周方向全体にわたる情報を含む。コンピュータは、この複数の画像群に示される生地の外周面の焼き色に基づいて、回転ロールを前記オーブンの焼き位置から前記生地塗布位置へ移動させる時期を決定する判断する。これにより、オーブンで焼成されるバウムクーヘンの外周面の周方向の全体にわたる焼き加減がほどよくなった時に、焼き位置から生地塗布位置へ回転ロールを移動させ、外周面に生地を塗布することができる。すなわち、各層の焼成の度合いが適切になるよう焼成時間が制御される。そのため、オーブンで回転するバウムクーヘンの各層の焼き加減が適切になるよう自動的にバウムクーヘン焼成機を制御できる。
　上記構成１において、前記コンピュータは、前記判定処理において、機械学習により得られた学習済モデルを用いて、前記回転ロールを前記オーブンの焼き位置から前記生地塗布位置へ移動させる時期を決定してもよい。学習済モデルは、例えば、過去の生地の外周面の画像と、その画像に対する焼成度合い（焼き加減）の判断結果とを教師データとする機械学習で生成できる。学習済モデルは、例えば、生地の外周面の画像を入力とし、画像が示す焼き色による焼き加減の判断結果を出力するためのデータとすることができる。
　前記判定処理では、コンピュータは、学習済モデルを用いて、取得した複数の画像群から焼き加減を判断してもよい。例えば、コンピュータは、複数の画像群の焼き加減を順次判定し、画像から判定される焼き加減が所定条件を満たした時を、回転ロールを焼き位置から生地塗布位置へ移動させる時期と判断することができる。学習済モデルを用いることで、過去の画像に対する焼き加減の判断結果と同様に、焼き加減の判断ができる。これにより、例えば、熟練の技を持つ人の焼き加減の判断を再現することができる。
　（構成２）
　上記構成１において、前記コンピュータは、前記バウムクーヘン焼成機に対する操作者の操作に基づいて、前記操作者による前記バウムクーヘンの生地の焼き加減の判断を推定する判断推定処理と、前記推定された操作者の判断の結果と、前記判断時を含む期間において前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分を撮影した複数の画像群とを教師データとして用いた機械学習により、前記判定処理で用いられる学習済モデルを生成する学習処理とをさらに実行するように構成されてもよい。
　操作者による焼き加減の判断結果と、判断時を含む期間に撮影された複数の画像群を教師データとして用いて機械学習することで、操作者の焼き加減の判断を学習することができる。この機械学習で得られた学習済モデルを用いることで、操作者と同様に、生地の外表面の画像に対する焼き加減を判断することができる。その結果、適切な焼き加減判断に基づいて、生地が積層された回転ロールの焼き位置から生地塗布位置への移動の時期を決定することができる。
　コンピュータは、前記判断推定処理において、例えば、操作者によるバウムクーヘンの生地が積層された回転ロールを焼き位置から生地塗布位置へ移動させる操作の有無により、操作者の焼き加減の判断を推定してもよい。操作者による、バウムクーヘンの生地が積層された回転ロールを焼き位置から生地塗布位置へ移動させる操作は、操作者が生地の焼き加減が適切と判断した時に行われる。そのため、操作者による移動の操作は、焼き加減の判断結果を示すものである。
　機械学習は、例えば、ニューラルネットワークを用いたディープラーニングであってもよい。この場合、学習済モデルは、例えば、画像を入力とし、焼き加減の判断結果（例えば、焼き加減を示す値、又は焼き加減が適切か否か等）を出力するためのデータセットであってもよい。データセットは、例えば、ニューラルネットワークの層間の重みを示すパラメータであって、機械学習によって調整された値のパラメータを含む。なお、機械学習は、ニューラルネットワークを用いたものに限られない。例えば、回帰分析又は決定木等を用いた機械学習により、学習済モデルを生成してもよい。このような機会学習の例として、例えば、線形回帰、サポートベクターマシン、サポートベクター回帰、Ｅｌａｓｔｉｃ　Ｎｅｔ、ロジスティック回帰、ランダムフォレスト等の手法が挙げられる。
　（構成３）
　上記構成１又は２において、前記コンピュータは、前記複数の画像を取得する際に、前記回転ロールに積層された前記バウムクーヘンの生地の回転速度、前記バウムクーヘンの生地の外表面の焼成時間、又は、前記オーブンの温度の少なくとも１つをさらに取得してもよい。前記コンピュータは、前記判定処理において、前記複数の画像群が示す前記生地の外周面の焼き色に加えて、取得した前記回転速度、前記バウムクーヘンの生地の外表面の焼成時間、又は前記オーブンの温度の少なくとも１つに基づいて、前記決定を行ってもよい。このように、回転速度、焼成時間又は温度の少なくとも１つを用いることで、回転速度、焼成時間又は温度の少なくとも１つの焼き加減への影響を考慮した判定が可能になる。その結果、焼き加減がより適切になるように、回転ロールを焼き位置から生地塗布位置へ移動させる時期を制御することができる。
　前記回転速度は、例えば、回転ロールの回転速度であってもよいし、生地の外表面の周方向の移動速度であってもよい。前記オーブンの温度は、例えば、生地の外表面の表面温度、オーブン内の空気の温度、又は、オーブンの熱源の温度、等であってもよい。生地の外表面の焼成時間は、１層の生地の焼成時間である。例えば、生地塗布位置からオーブンの焼き位置に回転ロールが移動した時点からの経過時間を、焼成時間とすることができる。
　前記バウムクーヘン焼成機は、前記回転ロールの軸周りの回転を検出する回転センサ、前記オーブンの温度を検出する温度センサ、又は、前記焼成時間を計測するタイマの少なくとも１つを備えてもよい。前記コンピュータは、前記回転センサで検出された回転速度、前記温度センサで検出された温度、又は、前記タイマで計測された焼成時間の少なくとも１つを取得するよう構成されてもよい。
　（構成４）
　上記構成２又は３において、前記コンピュータは、前記学習処理において、前記操作者による前記操作の判断時を含む期間における、前記回転ロールに積層された前記バウムクーヘンの生地の回転速度、前記バウムクーヘンの生地の外表面の焼成時間、又は、前記オーブンの温度の少なくとも１つをさらに用いて、前記学習済モデルを生成してもよい。このように、生地の外周面の画像に加えて、回転速度、焼成時間又は温度の少なくとも１つを教師データとすることで、より適切な焼き加減判断を可能にする学習済モデルを得ることができる。
　（構成５）
　前記コンピュータは、前記判定処理において、前記回転ロールに積層された前記バウムクーヘンの生地の外周面の周方向の移動速度、又は前記回転ロールに積層された前記バウムクーヘンの生地の前記外周の直径の少なくとも１つを取得してもよい。前記コンピュータは、前記判定処理において、前記複数の画像群が示す前記生地の外周面の焼き色に加え、取得した前記移動速度又は前記直径の少なくとも１つに基づいて、前記決定を行ってもよい。
　回転ロールの生地の層が増えると、生地の直径も大きくなる。生地の直径が大きくなると、回転ロールの回転速度が同じでも、生地の外周面の周方向の移動速度は速くなる。生地の外周面の周方向の移動速度、又は生地の外周の直径を判定に用いることで、生地の積層による焼成条件の違いを考慮した判定が可能になる。結果として、焼き加減がより適切になるように、回転ロールを焼き位置から生地塗布位置へ移動させる時期を制御することができる。
　例えば、コンピュータは、生地の外周面の周方向の移動速度を、回転ロールに積層された生地の外周の直径及び回転ロールの回転速度に基づいて算出してもよい。生地の外周の直径は、例えば、回転ロールに積層された生地の径方向の全体が写る画像において、径方向の生地の寸法を計測することで得ることができる。
　（構成６）
　前記コンピュータは、前記学習処理において、前記操作者による前記焼き加減の判断時を含む期間における、前記回転ロールに積層された前記バウムクーヘンの生地の外周面の周方向の移動速度、又は、前記バウムクーヘンの生地の外周の直径の少なくとも１つをさらに用いて、前記学習済モデルを生成してもよい。これにより、生地の積層による焼成条件の違いを反映した学習済モデルを生成することができる。
　上記構成１～６の制御装置を含むバウムクーヘン焼成機も本発明の実施形態に含まれる。
　（構成７）
　本発明の実施形態におけるバウムクーヘン焼成機は、オーブンと、生地容器と、前記オーブンの焼き位置と前記生地容器との間を移動可能な回転ロールと、前記回転ロールに積層された前記バウムクーヘンの生地の外周面の一部を撮影するカメラと、コンピュータを含む制御装置と、を備える。前記コンピュータは、バウムクーヘンの生地が積層された前記回転ロールを、前記生地容器の生地を前記回転ロールの生地へ塗布する生地塗布位置から前記オーブンの焼き位置へ移動させる動作、及び前記オーブンの焼き位置から前記生地塗布位置へ移動させる動作を制御するコンピュータである。前記コンピュータは、前記カメラから、前記オーブンの焼き位置において前記回転ロールの回転に伴い回転する生地の外周面を少なくとも１周分を撮影した複数の画像群を取得する画像取得処理と、前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分の前記複数の画像群により示される前記生地の外周面の焼き色に基づいて、前記回転ロールを前記オーブンの焼き位置から前記生地塗布位置へ移動させる時期を決定する判定処理と、を実行するよう構成される。
　上記のバウムクーヘン焼成機において、前記カメラは、前記回転ロールに積層された前記生地の外周面の軸方向における一部を撮影範囲とするよう設置されてもよい。これにより、簡単な構成で、回転するバウムクーヘンの生地の外周面の焼き加減を判断するのに適した画像を得ることができる。
　前記カメラは、例えば、焼き位置における回転ロールに積層された生地の径方向の全体が写る画像を撮影するよう設置されてもよい。前記コンピュータは、カメラで撮影された画像から切り出された、生地の径方向の一部の画像を取得してもよい。この場合、前記コンピュータは、生地の径方向の一部の画像を用いて、前記判定処理を実行する。生地の径方向の一部の画像を用いることで、生地の径方向全体の画像うち、焼き加減が色としてよく表れた部分の画像を判定に用いることができる。その結果、より適切な判定が可能になる。
　カメラは、１台でもよいし、複数台設けられてもよい。カメラの光軸は、回転ロールの軸方向に対して交差するよう配置されてもよい。カメラは、例えば、オーブンの外側において、オーブンの窓を通してオーブン内の生地の外表面を撮影するよう配置されてもよい。また、カメラの光軸とオーブンの焼き位置における回転ロールとの相対位置が固定されるようカメラ及び回転ロールが構成されてもよい。これにより、カメラによる焼き位置における生地の撮影条件を固定することができる。また、カメラの光軸と、オーブンの焼き位置における回転ロールに加え、オーブンのヒーターの相対位置が固定されてもよい。
　上記構成７のバウムクーヘン焼成機は、前記回転ロールを、前記オーブンの焼き位置と前記生地容器との間で移動させる移動機構を備えてもよい。移動機構は、例えば、回転ロールの軸を回転可能に支持する支持部材と、支持部材に支持された回転ロールの軸を移動させるアクチュエータを備えてもよい。支持部材は、例えば、可動アーム、又はレール等のガイドであってもよい。アクチュエータは、例えば、モータ、油圧シリンダその他の動力源とすることができる。
　可動アームは、一方端がピボット軸で、バウムクーヘン焼成機に対して回転可能に支持され、他方端が、回転ロールの回転軸を回転可能に支持するよう構成されてもよい。この場合アクチュエータは、可動アームを、ピボット軸を中心に回転させるモータを含んでもよい。例えば、回転ロールの軸方向の両端部を回転可能に支持する一対の可動アームが設けられてもよい。
　なお、移動機構による回転ロールをオーブンの焼き位置から生地塗布位置へ移動させる動作は、回転ロール及び生地容器の少なくとも一方を動かして両者を相対的に近づける動作であってもよい。例えば、回転ロールを動かして生地容器へ近づけてもよいし、生地容器を動かして回転ロールに近づけてもよい。
　移動機構は、前記コンピュータによって制御される。例えば、コンピュータは、移動機構が備えるアクチュエータの駆動を制御することで、回転ロールの、オーブンの焼き位置と生地塗布位置との間の移動を制御することができる。
　本発明の実施形態におけるバウムクーヘン焼成機の制御方法は、オーブンと、生地容器と、前記オーブンの焼き位置と前記生地容器との間を移動可能な回転ロールとを備えるバウムクーヘン焼成機の制御方法である。前記制御方法は、コンピュータが、バウムクーヘンの生地が積層された前記回転ロールを、前記生地容器の生地を前記回転ロールの生地へ塗布する生地塗布位置から前記オーブンの焼き位置へ移動させる動作、及び前記オーブンの焼き位置から前記生地塗布位置へ移動させる動作を制御する制御工程を有する。前記コンピュータは、前記制御工程において、前記回転ロールに積層された前記バウムクーヘンの生地の外周面の一部を撮影するカメラから、前記オーブンの焼き位置において前記回転ロールの回転に伴い回転する生地の外周面を少なくとも１周分を撮影した複数の画像群を取得する画像取得処理と、前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分の前記複数の画像群により示される前記生地の外周面の焼き色に基づいて、前記回転ロールを前記オーブンの焼き位置から前記生地塗布位置へ移動させる時期を決定する判定処理と、を実行する。
　本発明の実施形態におけるバウムクーヘン焼成機の制御方法は、オーブンと、生地容器と、前記オーブンの焼き位置と前記生地容器との間を移動可能な回転ロールとを備えるバウムクーヘン焼成機の制御方法である。前記制御方法は、コンピュータが、前記バウムクーヘン焼成機に対する操作者の操作に基づいて、前記操作者による前記バウムクーヘンの生地の焼き加減の判断を推定する判断推定工程と、前記推定された操作者の判断の結果と、前記判断時を含む期間において前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分を撮影した複数の画像群とを教師データとして用いた機械学習により、前記判定処理で用いられる学習済モデルを生成する学習工程とを有する。前記学習済モデルは、コンピュータが、前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分の前記複数の画像群により示される前記生地の外周面の焼き色に基づいて、前記回転ロールを前記オーブンの焼き位置から前記生地塗布位置へ移動させる時期を決定する判定処理で用いられるデータである。
　本発明の実施形態におけるバウムクーヘン焼成機の制御プログラムは、オーブンと、生地容器と、前記オーブンの焼き位置と前記生地容器との間を移動可能な回転ロールとを備えるバウムクーヘン焼成機の制御プログラムある。前記制御プログラムは、コンピュータに、バウムクーヘンの生地が積層された前記回転ロールを、前記生地容器の生地を前記回転ロールへ塗布する生地塗布位置から前記オーブンの焼き位置へ移動させる動作、及び前記オーブンの焼き位置から前記生地塗布位置へ移動させる動作を制御する制御処理を実行させる。前記制御処理は、前記回転ロールに積層された前記バウムクーヘンの生地の外周面の一部を撮影するカメラから、前記オーブンの焼き位置において前記回転ロールの回転に伴い回転する生地の外周面を少なくとも１周分を撮影した複数の画像群を取得する画像取得処理と、前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分の前記複数の画像群により示される前記生地の外周面の焼き色に基づいて、前記回転ロールを前記オーブンの焼き位置から前記生地塗布位置へ移動させる時期を決定する判定処理と、を含む。
　本発明の実施形態におけるバウムクーヘン焼成機の制御プログラムは、オーブンと、生地容器と、前記オーブンの焼き位置と前記生地容器との間を移動可能な回転ロールとを備えるバウムクーヘン焼成機の制御プログラムである。前記制御プログラムは、前記バウムクーヘン焼成機に対する操作者の操作に基づいて、前記操作者による前記バウムクーヘンの生地の焼き加減の判断を推定する判断推定処理と、前記推定された操作者の判断の結果と、前記判断時を含む期間において前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分を撮影した複数の画像群とを教師データとして用いた機械学習により、前記判定処理で用いられる学習済モデルを生成する学習処理とをコンピュータに実行させる。前記学習済モデルは、前記コンピュータが、前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分の前記複数の画像群により示される前記生地の外周面の焼き色に基づいて、前記回転ロールを前記オーブンの焼き位置から前記生地塗布位置へ移動させる時期を決定する判定処理で用いられるデータである。
　［実施形態］
　以下、実施形態について図面を参照しつつ説明する。図中同一及び相当する構成については同一の符号を付し、同じ説明を繰り返さない。なお、説明を分かりやすくするために、以下で参照する図面においては、構成が簡略化又は模式化して示されたり、一部の構成部材が省略されたりしている。
　（バウムクーヘン焼成機の構成例）
　図１は、本実施形態におけるバウムクーヘン焼成機の正面図である。図２は、図１に示すバウムクーヘン焼成機の側面図である。図１及び図２に示すバウムクーヘン焼成機１は、オーブン２と、バウムクーヘンの生地を積層して回転する回転ロール３と、バウムクーヘンの焼成前の生地を収納する生地容器４と、回転ロール３をオーブンの焼き位置と、生地塗布位置との間で移動させる移動機構（５、６）と、バウムクーヘン焼成機の動作を制御する制御装置を構成するコンピュータ８とを備える。
　バウムクーヘン焼成機１は、さらに、カメラ７、及び照明７２、各種センサ（図１では図示略）を備える。各種センサは、例えば、オーブンの温度を測る温度センサ、回転ロール３に積層されたバウムクーヘンの生地の回転速度を検出する回転センサ、バウムクーヘンの生地の焼成時間を計測するタイマの少なくとも１つを含むことができる。
　カメラ７は、焼き位置にある回転ロール３に積層されたバウムクーヘンの生地Ｗの外表面の一部を撮影可能な位置に配置される。カメラ７の光軸は、バウムクーヘンの生地Ｗの外表面と交差する。カメラ７は、支持部材７１に支持される。支持部材７１により、カメラ７の光軸と、焼き位置にある回転ロール３の相対位置が固定される。照明７２は、カメラ７の撮影範囲に含まれる領域に光を照射する。
　カメラ７は、バウムクーヘンの生地Ｗが積層された回転ロール３が少なくとも一周する期間に、複数の外表面の画像を撮影する。カメラ７が、例えば、回転するバウムクーヘンの生地Ｗの動画を撮影する。これにより、バウムクーヘンの生地の外周面を少なくとも１周分を撮影した複数の画像群が得られる。
　オーブン２は加熱炉であり、内部にはヒーター２２が設けられる。オーブン２は、開閉可能な窓２１を有する。窓２１の前には、生地容器４が配置される。生地容器４は、台４１の上に載せられる。
　図１及び図２に示す例では、オーブン２の内部の焼き位置に、回転ロール３に積層されたバウムクーヘンの生地が配置されている。回転ロール３の両端は、一対のアーム５に回転可能に支持される。回転ロール３は、例えば、モータ（図示略）によって回転する。コンピュータ８はこのモータを制御することで、回転ロール３の回転を制御することができる。
　一対のアーム５は、バウムクーヘン焼成機１に対して、ピボット軸ＰＡを中心に回転可能に取り付けられる。アーム５には、アクチュエータ６が接続される。アクチュエータ６が駆動することで、アーム５が回転する。アクチュエータ６は、例えば、モータである。アクチュエータ６の駆動は、コンピュータ８によって制御される。コンピュータ８は、アクチュエータ６の駆動を制御することで、アーム５の回転を制御する。アーム５の回転を制御することで、回転ロール３の位置が制御される。本例では、アーム５とアクチュエータ６により、回転ロール３の移動機構が構成される。
　コンピュータ８は、回転ロール３の位置を制御することにより、バウムクーヘンの生地Ｋが積層された回転ロール３を、生地塗布位置と、オーブン２の焼き位置との間で移動させる。生地塗布位置は、生地容器４の生地を回転ロール３の生地に塗布する位置である。図３は、回転ロール３が、生地塗布位置にある状態を示す図である。生地塗布位置は、生地容器４の上方の位置である。生地塗布位置で回転ロール３が回転することにより、回転ロール３に積層されたバウムクーヘンの生地Ｋの外周面にさらに生地が塗布される。コンピュータ８による回転ロール３の位置の検出構成は、特に限られない。例えば、回転ロール３又はアーム５の位置を検出する位置検出センサがバウムクーヘン焼成機１に設けられてもよい。或いは、コンピュータ８が、アクチュエータ６の動作に基づき回転ロール３の位置を検出するよう構成されてもよい。
　コンピュータ８は、回転ロール３を生地塗布位置で少なくとも１周回転させることで、回転ロール３に１層分のバウムクーヘンの生地Ｋを塗布する。コンピュータ８は、バウムクーヘンの生地Ｋが塗布された回転ロール３を生地塗布位置からオーブン２の焼き位置へ移動させる。これにより、塗布した１層分の生地の焼成が開始される。
　コンピュータ８は、カメラ７から、オーブン２の焼き位置において回転ロール３の回転に伴い回転するバウムクーヘンの生地の外周面を少なくとも１周分を撮影した複数の画像群を取得する。コンピュータ８は、カメラ７で撮影された複数の画像群が示すバウムクーヘンの生地の外表面の焼き色に基づいて、焼き加減を判断する。コンピュータ８は、焼き加減の判断結果に基づいて、回転ロール３をオーブン２の焼き位置から生地塗布位置へ移動させる時期を決定する。これにより、良い焼き加減と判断された場合に、回転ロール３をオーブン２の焼き位置から生地塗布位置へ移動させることができる。回転ロール３がオーブン２の焼き位置から生地塗布位置へ移動させることで、焼成が終了する。すなわち、コンピュータ８により、１層分のバウムクーヘンの生地の焼き加減が判断され、適切な焼き加減になるよう１層分の生地の焼成時間が制御される。
　コンピュータ８は、回転ロール３の位置を制御して、バウムクーヘンの生地を塗布してオーブン２で焼成する動作を、複数回繰り返す。これにより、バウムクーヘンの複数の層の生地が焼成される。各層の焼成では、カメラ７の画像に基づき適切な焼き加減になるよう焼成時間が制御される。
　（制御装置（コンピュータ）の構成例）
　図４は、コンピュータ８により構成される制御装置の構成例を示す機能ブロック図である。図４に示す例では、コンピュータ８は、制御部８１、画像取得部８２、判定部８３、判断推定部８４、及び学習部８５を備える。制御部８１は、移動機構（アーム５とアクチュエータ６）を制御する。これにより、制御部８１は、バウムクーヘンの生地が積層された回転ロール３を、生地塗布位置からオーブン２の焼き位置へ移動させる動作（焼成を開始する動作）、及び、オーブン２の焼き位置から生地塗布位置へ移動させる動作（焼成を終了する動作）を制御する。また、制御部８１は、回転ロール３の回転を制御する。このようにして、コンピュータ８により、回転ロール３の軸周りの回転、及び、回転ロール３の軸に垂直な方向への移動が制御される。なお、制御部８１は、オーブン２のヒーター２２を制御してもよい。すなわち、コンピュータ８は、オーブン２を制御することもできる。
　画像取得部８２は、カメラ７から、オーブン２の焼き位置において回転ロール３の回転に伴い回転する生地の外周面を少なくとも１周分を撮影した複数の画像群を取得する。画像取得部８２は、例えば、所定周期で撮影された生地の外周面の一部の画像群を、カメラ７から取得する。取得される画像群のそれぞれは、生地の径方向全体が写る画像から生地の径方向の一部を切り取った画像であってもよい。判定部８３は、画像取得部８２が取得した複数の画像群により示される生地の外周面の焼き色に基づいて、回転ロール３をオーブン２の焼き位置から生地塗布位置へ移動させる時期を決定する。判定部８３は、この決定処理において、学習済モデルを用いることができる。
　判定部８３は、例えば、学習済モデルを用いて、生地の外周面の画像を入力とし、焼き加減の評価値を出力とする処理を実行する。学習済モデルは、過去の生地の外周面の画像と、評価結果とを教師データとして、機械学習をすることにより生成されるデータとすることができる。
　判断推定部８４及び学習部８５は、バウムクーヘン焼成機１で行われた焼成の操作とその結果を示すデータを用いて機械学習を実行し、学習済モデルを生成する。判断推定部８４は、バウムクーヘン焼成機１に対する操作者の操作に基づいて、操作者によるバウムクーヘンの生地の焼き加減の判断を推定する。学習部８５は、推定された操作者の判断の結果と、その判断がされた際の生地の外周面の画像群とを教師データとする機械学習を実行する。教示データとする画像群は、操作者の判断時を含む期間においてオーブン２の焼き位置における生地の外周面の少なくとも１周分を撮影した複数の画像群とすることができる。機械学習により生成される学習済モデルは、コンピュータ８がアクセス可能な記録装置に記録される。
　コンピュータ８は、バウムクーヘン焼成機１が備える操作受付部に接続されている。操作受付部は、バウムクーヘン焼成機１に対する操作を操作者から受け付ける。操作受付部は、例えば、図１に示す、操作パネル９１、及び、操作ボタン９２等の操作子等で構成される。操作受付部は、操作者から、例えば、回転ロール３の動作、及びオーブンの温度に対する操作を受け付けることができる。操作受付部が、回転ロール３の動作として、操作者から、回転ロール３を生地塗布位置に移動させる操作、回転ロール３を生地塗布位置からオーブン２の焼き位置に移動させる操作（焼成開始操作）、回転ロール３を焼き位置から生地塗布位置に移動させる操作（焼成終了操作）、回転ロール３の回転速度を制御する操作、等を受け付ける。
　判断推定部８４は、例えば、生地が積層された回転ロール３がオーブン２の焼き位置で回転している時に、操作者が、回転ロール３を焼き位置から生地塗布位置に移動させる操作をしない場合、操作者は、焼き加減が十分でない、すなわち、未焼き上がりであると判断したと推定することができる。この場合、回転ロール３の回転時にカメラ７で撮影された生地の外周面の画像が、未焼き上がりの判断の結果と対応付けて教師データとして記録される。
　また、判断推定部８４は、例えば、生地が積層された回転ロール３がオーブン２の焼き位置で回転している時に、操作者が、回転ロール３を焼き位置から生地塗布位置に移動させる操作をした場合、操作者は、焼き加減が良好であると判断したと推定することができる。この場合、操作時を含む期間において、回転ロール３が少なくとも１周回転する間にカメラ７で撮影された生地の外周面の画像が、良好な焼き上がりの判断の結果と対応付けて教師データとして記録される。
　図４に示す例では、コンピュータ８は、バウムクーヘン焼成機が備える、温度センサ、回転センサ、及びタイマが接続される。判定部８３及び学習部８５は、これらのセンサの少なくとも１つで検出される情報を用いて、上記の判定処理又は学習処理を実行することができる。学習処理の具体例については、後述する。
　温度センサは、例えば、オーブン内の空気の温度を測る温度計であってもよいし、バウムクーヘンの外表面の温度を測る放射温度計であってもよいし、ヒーター２２の温度、電流、電圧等の出力値から温度を検出するものであってもよい。
　回転センサは、例えば、回転ロール３の軸とともに回転する被検出素子の動きを、光、磁気、又は機械的に検出する検出器を備えるものであってもよい。又は、回転センサは、回転ロール３の回転を制御するモータの出力値から、回転ロール３の回転を検出するよう構成されてもよい。
　タイマは、例えば、コンピュータ８の一部であってもよい。タイマは、例えば、回転ロール３が焼き位置に配置されてからの経過時間を計測することで、焼成時間を計測することができる。
　制御装置を構成するコンピュータ８は、プロセッサ及びメモリを有する。制御装置は、２以上のコンピュータで構成されてもよい。コンピュータ８によるバウムクーヘン焼成機の制御処理は、プロセッサが、所定のプログラムを実行することで実現できる。コンピュータ８に制御処理を実行させるプログラム及びプログラムを記録した非一時的(non-transitory)な記録媒体も、本発明の実施形態に含まれる。なお、図１に示す例では、コンピュータ８は、バウムクーヘン焼成機１に内蔵される。これに対して、コンピュータ８は、バウムクーヘン焼成機１のオーブン２、回転ロール３、及び移動機構を含む焼成機の部分と、ネットワークを介して通信可能に接続されていてもよい。
　（制御処理例）
　図５は、コンピュータ８によるバウムクーヘン焼成機１の制御処理の一例を示すフローチャートである。図５に示す例では、コンピュータ８は、１層分の生地を回転ロール３に塗布して焼成する動作をバウムクーヘン焼成機１にさせる場合の例である。コンピュータ８は、回転ロール３を生地塗布位置で回転させ、１層分の生地を回転ロール３に積層された生地の外周面に塗布する（Ｓ１）。塗布後、コンピュータ８は、回転ロール３を生地塗布位置からオーブン２の焼き位置へ移動させる（Ｓ２）。これにより、焼成が開始される。焼成工程では、オーブン２の焼き位置において、バウムクーヘンの生地が積層された回転ロール３が回転する。
　コンピュータ８は、回転ロール３の回転に伴い回転する生地の外周面を撮影した画像をカメラ７から取得する（Ｓ３）。図６は、カメラ７の撮影で得られる画像の一例を示す図である。図６に示す例では、カメラ７により、回転ロール３に積層された生地Ｋの軸方向の一部であって、径方向全体が写る範囲の画像が撮影される。コンピュータ８は、この画像から、生地Ｋの径方向の中央部Ａ１の画像を切り出して取得する。すなわち、画像に写る生地Ｋの径方向の端Ｋｅを含まない生地の領域の画像が切り出される。これにより、生地の外表面に焼き加減がよく現れている部分の画像を取得できる。例えば、画像に写る生地Ｋの径方向の端Ｋｅ付近の生地の色は、ヒーター２２の光等による影響を受けやすい。生地Ｋの径方向の中央部Ａ１の画像を切り出すことで、ヒーター２２の光等の影響の少ない部分の画像を取得することができる。
　コンピュータ８は、画像の取得と同期して、センサデータを取得する（Ｓ４）。センサデータは、例えば、温度センサ（放射温度計）で検出されたバウムクーヘンの外表面の表面温度を含む。また、センサデータとして、タイマで計測された焼成時間が取得される。焼成時間は、焼成開始からの経過時間である。
　コンピュータ８は、学習済モデルを用いて、Ｓ３で取得した画像及びＳ４で取得したセンサデータに基づく、焼き加減の判定値を決定する（Ｓ５）。すなわち、コンピュータ８は、画像の示す生地外表面の焼き色、及び、生地の表面温度、及び焼成時間に基づいて、焼き加減を判定する。学習済モデルは、ニューラルネットワークを用いたディープラーニングにより生成されたデータとすることができる。すなわち、コンピュータ８は、ニューラルネットワークを用いた人工知能技術を使って、画像及びセンサデータから、焼き加減を判定することができる。
　図７は、判定処理に用いるニューラルネットワークの構成例を示す図である。図７に示す例では、カラーカメラ画像からバウムクーヘン表面の部分が切り出される。切り出された画像は、畳み込みニューラルネットワークＬＳ１に入力される。畳み込みニューラルネットワークＬＳ１、３２個のパラメータ（特徴量）を出力する。また、焼成時間とバウムクーヘンの表面温度の値は、一例としてユニット数５の全結合層Ｌ１に入力される。この全結合層Ｌ１は、５個のパラメータを出力する。３２個のパラメータと５個のパラメータは、連結され、さらに、全結合層Ｌ２に入力される。この全結合層Ｌ２からの出力は、次の全結合層Ｌ３に入力され、この全結合層Ｌ３から判定値（例えば、０～１）が出力される。
　図７に示す例では、カメラの画像が、畳み込みニューラルネットワークに入力され、センサデータが、全結合層に入力される。畳み込みニューラルネットワークを経た画像特徴量と、全結合層を経たセンサデータのパラメータは、連結されてさらに全結合層に入力される。この全結合層とさら他の全結合層を経て、焼き加減の判定値が出力される。このように、機械学習のモデルは、入力された画像を特徴量に変換する畳み込みニューラルネットワークと、センサデータを入力する第１入力層と、画像の特徴量とセンサデータの入力層の出力とを結合したパラメータを入力する第２入力層と、第２入力層の出力をさらに変換する層とを有する構成とすることができる。このように、画像とセンサデータを結合するニューラルネットワークの構成を用いることで、画像及びセンサデータに基づく焼き加減の判定ができる。なお、判定処理で用いられるニューラルネットワークの構成は、図７に示す例に限られない。例えば、全結合層の層数、パラメータの数は、必要に応じて適宜設定することができる。また、全結合層Ｌ１に入力されるセンサデータも、図７の例に限られない。例えば、回転ロール３の回転速度、オーブンの温度、又は焼成時間の少なくとも１つの値が、全結合層Ｌ１に入力されてもよい。
　コンピュータ８は、Ｓ５で決定した焼き加減の判定値が所定の条件を満たす場合（Ｓ６でＹＥＳ）、回転ロール３をオーブン２の焼き位置から生地塗布位置へ移動させ、焼成終了する。コンピュータ８は、例えば、判定地が予め決められたしきい値以上である場合に、焼き上がりと判断し、オーブンからバウムクーヘンを取り出す動作を移動機構にさせる。
　コンピュータ８は、Ｓ５で決定した焼き加減の判定値が所定の条件を満たさない場合（Ｓ６でＮＯ）、Ｓ３に戻って、画像を取得し、Ｓ４～Ｓ６の処理を繰り返す。図５に示す例では、複数の画像群のそれぞれに対して、焼き加減の判定処理が実行される。これにより、回転ロール３が少なくとも１周する間に撮影された複数の画像群に対して、焼き加減の判定、及び、判定に基づく焼成終了の判断処理が実行される。
　図８は、焼成開始から、焼成終了までに、コンピュータ８が取得する画像群の例を示す図である。例えば、焼成開始後、所定周期（例えば、０．５秒ごと）に１枚の画像がカメラ７で撮影される。コンピュータ８は、カメラ７で撮影された画像を順次取得する。図８に示す例では、ｎ枚の画像Ｇ１～Ｇｎが取得される。画像Ｇ１～Ｇ（ｎ－１）では、焼き加減の判定値が条件を満たさず、ｎ枚目の画像Ｇｎで、焼き加減の判定値が条件を満たす。ｎ枚目の画像Ｇｎを取得した時点で、焼成が終了される。
　なお、上記例では、画像１枚ごとに、焼き加減判定及び焼成終了判断を実行しているが、複数の画像について、焼き加減及び焼成終了を判断してもよい。
　また、上記例では、センサデータとして、焼成時間と温度が取得される。コンピュータ８は、センサデータとして、回転ロールに積層されたバウムクーヘンの生地の回転速度を取得してもよい。コンピュータ８は、図５のＳ４において、回転センサで検出された回転ロール３の回転速度を取得することができる。コンピュータ８は、画像と回転速度に基づいて焼き加減を判定してもよい。また、コンピュータ８は、カメラ７の画像と回転速度から、バウムクーヘンの生地の外周面の周方向の移動速度を取得することができる。
　例えば、図６に示す画像から、回転ロール３に積層された生地の外周の直径Ｄ１を計測することができる。画像から得られる直径Ｄ１と、回転センサから得られる回転ロール３の回転速度を用いて、生地の外周面の周方向の移動速度を計算することができる。コンピュータ８が、生地の外周面の周方向の移動速度と、画像とを用いて、焼き加減を判定してもよい。これにより、生地の積層量による焼成条件の変化を加味した判定が可能になる。また、コンピュータ８は、直径Ｄ１と画像とを用いて、焼き加減判定をしてもよい。この場合も、生地の積層量による焼成条件の変化を加味した判定が可能になる。
　（学習処理例）
　図９は、バウムクーヘン焼成機１の焼成動作に基づいて、学習処理のための教師データを収集する処理の一例を示すフローチャートである。図９に示す例では、バウムクーヘン焼成機１が、操作者の操作に従って、１層分の生地を回転ロール３に塗布して焼成する場合の例である。バウムクーヘン焼成機１は、操作者の操作に従って、回転ロール３を生地塗布位置で回転させ、１層分の生地を回転ロール３に積層された生地の外周面に塗布する（Ｓ１１）。塗布後、操作者の操作により、回転ロール３が生地塗布位置からオーブン２の焼き位置へ移動する（Ｓ１２）。これにより、焼成が開始される。焼成工程では、オーブン２の焼き位置において、バウムクーヘンの生地が積層された回転ロール３が回転する。
　コンピュータ８は、回転ロール３の回転に伴い回転する生地の外周面を撮影した画像をカメラ７から取得する（Ｓ１３）。画像の取得処理は、例えば、図５のＳ３と同様に実行することができる。コンピュータ８は、画像の取得と同期して、センサデータを取得する（Ｓ１４）。センサデータは、図５のＳ５で取得されるデータと同じセンサのデータが取得される。
　バウムクーヘン焼成機１は、バウムクーヘンの焼成中、焼成終了の操作を受け付ける（Ｓ１５）。具体的には、生地が積層された回転ロール３がオーブン２の焼き位置で回転している期間は、操作者は、いつでも、回転ロール３を焼き位置から生地塗布位置へ移動させる操作をバウムクーヘン焼成機１に対して行うことができる。操作者が、回転ロール３を焼き位置から生地塗布位置へ移動させる操作を行うと、焼成は終了する。
　焼成中に、一定期間、操作者からの焼成終了の操作がない場合（Ｓ１６でＮＯ）、コンピュータ８は、操作者が未焼き上がりと判断したと推定する。この場合、コンピュータ８は、未焼き上がりの判定結果と、Ｓ１３で取得した画像、及びＳ１４で取得したセンサデータを対応付けて、教師データとして記録装置に記録する。その後、コンピュータ８は、再度、Ｓ１３の画像取得処理を実行し、Ｓ１４～Ｓ１６の処理を繰り返す。例えば、回転ロール３が少なくとも１周する期間に撮影された複数の画像群のそれぞれに対して、Ｓ１３～Ｓ１６の処理が実行される。
　焼成中に、操作者からの焼成終了の操作がある場合（Ｓ１６でＹＥＳ）、コンピュータ８は、操作者が良好な焼き加減と判断したと推定する。この場合、コンピュータ８は、良好な焼き加減の判定結果と、Ｓ１３で取得した画像、及びＳ１４で取得したセンサデータを対応付けて、教師データとして記録装置に記録する。焼成終了の操作は、回転ロール３を焼き位置から生地塗布位置へ移動させる操作である。回転ロール３が焼き位置から移動すると焼成は終了する（Ｓ１８）。
　図９に示す処理により、回転ロール３に積層されて回転する生地の外表面の少なくとも１周分の複数の画像群が、焼き加減の判定結果と対応付けられて記録される。コンピュータ８の学習部８５は、複数の画像群と対応付けられた焼き加減の判定結果を教師データとして、機械学習を実行して、学習済モデルを生成する。機械学習は、これに限られないが、例えば、図７に示す構成のニューラルネットワークを用いたディープラーニングにより実行することができる。
　例えば、ニューラルネットワークのモデルを用いる場合の学習処理例について説明する。学習部８５は、学習前のモデルに対して教師データの画像及びセンサデータを入力して得られる学習前モデルの出力（判定結果）と、教師データの判定結果とを照合して、より一致度が高くなるように、層間の重み付けを調整する。例えば、図７に示す構成のモデルの場合、畳み込みニューラルネットワークＬＳ１に、教師データとして記録された画像が入力され、全結合層Ｌ１に、その画像に対応づけて記録されたセンサデータ（例えば、焼成時間と表面温度）が入力される。この入力に対するモデルの出力結果（判定値）が、入力した画像に対応付けられた教師データの判定結果と照合される。モデルの出力と教師データの一致度が高くなるよう、ニューラルネットワークの各層間の重み付けパラメータが調整される。多数の画像の教師データを用いて、モデルの重み付けパラメータを調整する学習処理が実行される。学習処理により重みが調整されたモデルが学習済モデルとなる。
　なお、コンピュータ８の学習処理は、ニューラルネットワークを用いた機械学習に限られない。例えば、回帰分析又は決定木等を用いたその他の機械学習が用いられてもよい。
　コンピュータ８は、例えば、熟練の技を持つ職人がバウムクーヘン焼成機１を操作してバウムクーヘンを焼成する際に、操作から推定される判断結果と、判断の際の画像とセンサデータとを対応付けて教師データとして記録することができる。このような職人の操作による焼成について記録された教師データを用いて機械学習することで、この職人と同じ焼成時間の制御を可能にする学習済モデルを生成することができる。
　（その他の変形例）
　上記例では、カメラ７の画像を用いた焼き加減の判定に基づく制御の対象は、焼成時間（回転ロールの焼き位置からの移動時期）であるが、コンピュータ８の制御対象はこれに限られない。例えば、カメラ７で撮影された、オーブンの焼き位置におけるバウムクーヘンの生地の外周面の少なくとも１周分の複数の画像群に基づいて、回転ロール３の回転速度、又は、オーブンの温度の少なくとも１つを制御することができる。この場合、コンピュータ８は、機械学習により生成された学習済モデルを用いて、複数の画像群に基づく、回転速度又はオーブンの温度の少なくとも１つの制御を決定することができる。学習済モデルは、例えば、生地の外周面の画像を入力とし、回転速度又はオーブン温度の少なくとも１つの制御情報を出力とする処理を実行するためのデータセットであってもよい。コンピュータ８は、操作者のバウムクーヘン焼成機の操作による焼成中に検出される回転速度又はオーブン温度の少なくとも１つと、カメラ７の画像とを教師データとして、上記の学習モデルを生成することができる。
　例えば、コンピュータ８は、カメラ７で撮影された画像が示す生地の直径の時間変化、又は、軸方向における直径の変化（外周面の凹凸形状）に応じて、回転ロール３の回転速度を調整してもよい。或いは、コンピュータ８は、画像に基づき判定される焼き加減に応じて、オーブン２のヒーター２２の火力を調整してもよい。
　コンピュータ８は、複数の画像群に加えて、画像群の取得の際に取得した回転速度、焼成時間、又は、オーブンの温度の少なくとも１つに基づいて、回転速度又はオーブンの温度の少なくとも１つの制御を決定してもよい。この決定処理には、学習済モデルとして、回転速度、焼成時間、又は、オーブンの温度の少なくとも１つと、生地の外表面の画像とを入力として、制御情報を出力とするためのデータセットが用いられてもよい。また、コンピュータ８は、操作者のバウムクーヘン焼成機の操作に基づき、このような学習済モデルを生成してもよい。コンピュータ８は、例えば、操作者による回転速度、及びオーブンの温度の少なくとも１つの操作を検出し、操作の検出時を含む期間に撮影された生地の外周面の画像群と、検出した操作とを教師データとして、学習済みモデルを生成することができる。検出する操作の例として、例えば、回転ロール３の回転速度を調整する操作、又は、オーブン２の温度を調整する操作等が挙げられる。
　また、コンピュータ８が、判定処理に用いるセンサデータは、上記例に挙げた、回転速度、オーブンの温度、及び、焼成時間に限られない。これらのうちの１つ又は２つが、判定処理に用いられてもよい。また、これら以外のセンサデータが判定処理に用いられてもよい。例えば、カメラ７の画像に加えて回転ロール３の回転速度を用いて判定処理を実行することで、回転速度による焼成条件の変化を考慮した判定が可能になる。また、カメラ７の画像に加えてオーブンの温度を用いて判定処理を実行することで、オーブンの温度による焼成条件の変化を考慮した判定が可能になる。また、カメラ７の画像に加えて焼成時間を用いて判定処理を実行することで、焼成時間の変化を考慮した判定が可能になる。
　また、バウムクーヘンの生地に関する生地情報が判定処理に用いられてもよい。生地情報は、例えば、塗布前の生地容器の生地の温度、生地の種類（例えば、プレーン、チョコ、抹茶、コーヒー、いちご等、生地の含有物による種類も含む）、生地重量、生地体積、又は、生地密度の少なくとも１つを含んでもよい。例えば、コンピュータ８は、カメラ７から生地の外表面の複数の画像を取得する際に、生地に関する生地情報をさらに取得してもよい。この場合、コンピュータ８は、判定処理において、複数の画像群が示す生地の外周面の焼き色に加え、取得した生地情報に基づいて、回転ロール３をオーブンの焼き位置から生地塗布位置へ移動させる時期を決定する。
　この決定処理には、学習済モデルが用いられてもよい。学習モデルは、例えば、生地の外周面の画像を入力とし、画像が示す焼き色による焼き加減の判断結果を出力するためのデータとすることができる。コンピュータ８は、バウムクーヘン焼成機に対する操作者の操作に基づいて推定された操作者の焼き加減判断の結果と、生地情報と、判断時を含む期間においてオーブンの焼き位置における生地の外周面の少なくとも１周分を撮影した複数の画像群とを教師データとして用いた機械学習により、学習済モデルを生成することができる。
　バウムクーヘン焼成機１は、生地情報を取得する入力部又はセンサを備えてもよい。コンピュータ８は、入力部又はセンサから生地情報を取得することができる。例えば、生地容器４の生地の重量を測る重量センサ、生地容器４の生地の温度を測る生地温度センサ、生地容器４の生地の体積を測る体積センサの少なくとも１つがバウムクーヘン焼成機１に設けられてもよい。或いは、生地情報の入力を操作者から受け付けるインタフェースである入力部がバウムクーヘン焼成機１に設けられてもよい。
　以上、本発明の実施形態について説明したが、本発明は、上記実施形態に限られない。
　１：バウムクーヘン焼成機、２：オーブン、３：回転ロール、４：生地容器、５：アーム、６：アクチュエータ、７：カメラ

Claims (11)

  1. 　オーブンと、生地容器と、前記オーブンの焼き位置と前記生地容器との間を移動可能な回転ロールとを備えるバウムクーヘン焼成機の制御装置であって、
    　バウムクーヘンの生地が積層された前記回転ロールを、前記生地容器の生地を回転ロールの生地に塗布する生地塗布位置から前記オーブンの焼き位置へ移動させる動作、及び前記オーブンの焼き位置から前記生地塗布位置へ移動させる動作を制御するコンピュータを備え、
    　前記コンピュータは、
    　　前記回転ロールに積層された前記バウムクーヘンの生地の外周面の一部を撮影するカメラから、前記オーブンの焼き位置において前記回転ロールの回転に伴い回転する生地の外周面を少なくとも１周分を撮影した複数の画像群を取得する画像取得処理と、
    　　前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分の前記複数の画像群により示される前記生地の外周面の焼き色に基づいて、前記回転ロールを前記オーブンの焼き位置から前記生地塗布位置へ移動させる時期を決定する判定処理と、を実行するよう構成される、バウムクーヘン焼成機の制御装置。
  2. 　前記コンピュータは、
    　　前記バウムクーヘン焼成機に対する操作者の操作に基づいて、前記操作者による前記バウムクーヘンの生地の焼き加減の判断を推定する判断推定処理と、
    　　前記推定された操作者の判断の結果と、前記判断時を含む期間において前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分を撮影した複数の画像群とを教師データとして用いた機械学習により、前記判定処理で用いられる学習済モデルを生成する学習処理とをさらに実行するよう構成される、請求項１に記載のバウムクーヘン焼成機の制御装置。
  3. 　前記コンピュータは、
    　前記複数の画像を取得する際に、前記回転ロールに積層された前記バウムクーヘンの生地の回転速度、前記バウムクーヘンの生地の外表面の焼成時間、又は、前記オーブンの温度の少なくとも１つをさらに取得し、
    　前記判定処理において、前記複数の画像群が示す前記生地の外周面の焼き色に加えて、取得した前記回転速度、前記バウムクーヘンの生地の外表面の焼成時間、又は、前記オーブンの温度の少なくとも１つに基づいて、前記決定を行う、請求項１又は２に記載のバウムクーヘン焼成機の制御装置。
  4. 　前記コンピュータは、前記学習処理において、前記操作者による前記操作の判断時を含む期間における、前記回転ロールに積層された前記バウムクーヘンの生地の回転速度、前記バウムクーヘンの生地の外表面の焼成時間、又は、前記オーブンの温度の少なくとも１つをさらに用いて、前記学習済モデルを生成する、請求項２に記載のバウムクーヘン焼成機の制御装置。
  5. 　前記コンピュータは、前記判定処理において、前記回転ロールに積層された前記バウムクーヘンの生地の外周面の周方向の移動速度、又は前記回転ロールに積層された前記バウムクーヘンの生地の前記外周の直径の少なくとも１つを取得し、
    　前記判定処理において、前記複数の画像群が示す前記生地の外周面の焼き色に加え、取得した前記移動速度又は前記直径の少なくとも１つに基づいて、前記決定を行う、請求項１～４のいずれか１項に記載のバウムクーヘン焼成機の制御装置。
  6. 　前記コンピュータは、前記学習処理において、前記操作者による前記焼き加減の判断時を含む期間における、前記回転ロールに積層された前記バウムクーヘンの生地の外周面の周方向の移動速度、又は、前記バウムクーヘンの生地の外周の直径の少なくとも１つをさらに用いて、前記学習済モデルを生成する、請求項２又は４に記載のバウムクーヘン焼成機の制御装置。
  7. 　オーブンと、
    　生地容器と、
    　前記オーブンの焼き位置と前記生地容器との間を移動可能な回転ロールと、
    　前記回転ロールに積層された前記バウムクーヘンの生地の外周面の一部を撮影するカメラと、
    　コンピュータを含む制御装置と、を備え、
    　前記コンピュータは、
    　バウムクーヘンの生地が積層された前記回転ロールを、前記生地容器の生地を前記回転ロールの生地へ塗布する生地塗布位置から前記オーブンの焼き位置へ移動させる動作、及び前記オーブンの焼き位置から前記生地塗布位置へ移動させる動作を制御するコンピュータであり、
    　前記コンピュータは、
    　　前記カメラから、前記オーブンの焼き位置において前記回転ロールの回転に伴い回転する生地の外周面を少なくとも１周分を撮影した複数の画像群を取得する画像取得処理と、
    　　前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分の前記複数の画像群により示される前記生地の外周面の焼き色に基づいて、前記回転ロールを前記オーブンの焼き位置から前記生地塗布位置へ移動させる時期を決定する判定処理と、を実行するよう構成される、バウムクーヘン焼成機。
  8. 　オーブンと、生地容器と、前記オーブンの焼き位置と前記生地容器との間を移動可能な回転ロールとを備えるバウムクーヘン焼成機の制御方法であって、
    　コンピュータが、バウムクーヘンの生地が積層された前記回転ロールを、前記生地容器の生地を前記回転ロールの生地へ塗布する生地塗布位置から前記オーブンの焼き位置へ移動させる動作、及び前記オーブンの焼き位置から前記生地塗布位置へ移動させる動作を制御する制御工程を有し、
    　前記コンピュータは、前記制御工程において、
    　　前記回転ロールに積層された前記バウムクーヘンの生地の外周面の一部を撮影するカメラから、前記オーブンの焼き位置において前記回転ロールの回転に伴い回転する生地の外周面を少なくとも１周分を撮影した複数の画像群を取得する画像取得処理と、
    　　前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分の前記複数の画像群により示される前記生地の外周面の焼き色に基づいて、前記回転ロールを前記オーブンの焼き位置から前記生地塗布位置へ移動させる時期を決定する判定処理と、を実行する、バウムクーヘン焼成機の制御方法。
  9. 　オーブンと、生地容器と、前記オーブンの焼き位置と前記生地容器との間を移動可能な回転ロールとを備えるバウムクーヘン焼成機の制御方法であって、
    　コンピュータが、
    　　前記バウムクーヘン焼成機に対する操作者の操作に基づいて、前記操作者による前記バウムクーヘンの生地の焼き加減の判断を推定する判断推定工程と、
    　　前記推定された操作者の判断の結果と、前記判断時を含む期間において前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分を撮影した複数の画像群とを教師データとして用いた機械学習により、前記判定処理で用いられる学習済モデルを生成する学習工程とを有し、
    　前記学習済モデルは、コンピュータが、前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分の前記複数の画像群により示される前記生地の外周面の焼き色に基づいて、前記回転ロールを前記オーブンの焼き位置から前記生地塗布位置へ移動させる時期を決定する判定処理で用いられるデータである、バウムクーヘン焼成機の制御方法。
  10. 　オーブンと、生地容器と、前記オーブンの焼き位置と前記生地容器との間を移動可能な回転ロールとを備えるバウムクーヘン焼成機の制御プログラムあって、
    　コンピュータに、バウムクーヘンの生地が積層された前記回転ロールを、前記生地容器の生地を前記回転ロールへ塗布する生地塗布位置から前記オーブンの焼き位置へ移動させる動作、及び前記オーブンの焼き位置から前記生地塗布位置へ移動させる動作を制御する制御処理を実行させ、
    　前記制御処理は、
    　　前記回転ロールに積層された前記バウムクーヘンの生地の外周面の一部を撮影するカメラから、前記オーブンの焼き位置において前記回転ロールの回転に伴い回転する生地の外周面を少なくとも１周分を撮影した複数の画像群を取得する画像取得処理と、
    　　前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分の前記複数の画像群により示される前記生地の外周面の焼き色に基づいて、前記回転ロールを前記オーブンの焼き位置から前記生地塗布位置へ移動させる時期を決定する判定処理と、を含む、バウムクーヘン焼成機の制御プログラム。
  11. 　オーブンと、生地容器と、前記オーブンの焼き位置と前記生地容器との間を移動可能な回転ロールとを備えるバウムクーヘン焼成機の制御プログラムであって、
    　前記バウムクーヘン焼成機に対する操作者の操作に基づいて、前記操作者による前記バウムクーヘンの生地の焼き加減の判断を推定する判断推定処理と、
    　前記推定された操作者の判断の結果と、前記判断時を含む期間において前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分を撮影した複数の画像群とを教師データとして用いた機械学習により、前記判定処理で用いられる学習済モデルを生成する学習処理とをコンピュータに実行させ、
    　前記学習済モデルは、前記コンピュータが、前記オーブンの焼き位置における前記生地の外周面の少なくとも１周分の前記複数の画像群により示される前記生地の外周面の焼き色に基づいて、前記回転ロールを前記オーブンの焼き位置から前記生地塗布位置へ移動させる時期を決定する判定処理で用いられるデータである、バウムクーヘン焼成機の制御プログラム。
     
PCT/JP2020/043372 2020-11-20 2020-11-20 バウムクーヘン焼成機の制御装置、制御方法及び制御プログラム、並びにバウムクーヘン焼成機 WO2022107306A1 (ja)

Priority Applications (11)

Application Number Priority Date Filing Date Title
JP2021512963A JP6876208B1 (ja) 2020-11-20 2020-11-20 バウムクーヘン焼成機の制御装置、制御方法及び制御プログラム、並びにバウムクーヘン焼成機
ES20957907T ES2961571T3 (es) 2020-11-20 2020-11-20 Máquina para hornear baumkuchen y método para controlar la misma
US18/036,913 US20230413829A1 (en) 2020-11-20 2020-11-20 Apparatus, method and program for controlling baumkuchen baking machine, and baumkuchen baking machine
EP23187492.6A EP4239249A3 (en) 2020-11-20 2020-11-20 Baumkuchen baker and control method thereof
EP20957907.7A EP4035532B1 (en) 2020-11-20 2020-11-20 Baumkuchen baker and control method thereof
PCT/JP2020/043372 WO2022107306A1 (ja) 2020-11-20 2020-11-20 バウムクーヘン焼成機の制御装置、制御方法及び制御プログラム、並びにバウムクーヘン焼成機
JP2021073303A JP2022082411A (ja) 2020-11-20 2021-04-23 バウムクーヘン焼成機の制御装置、制御方法及び制御プログラム、並びにバウムクーヘン焼成機
US18/037,590 US20240023560A1 (en) 2020-11-20 2021-10-15 Baumkuchen baking system, baumkuchen baking assist system, program and method of manufacturing baumkuchen
PCT/JP2021/038218 WO2022107517A1 (ja) 2020-11-20 2021-10-15 バウムクーヘン焼成システム、バウムクーヘン焼成支援システム、プログラム及びバウムクーヘンの製造方法
JP2022563634A JPWO2022107517A1 (ja) 2020-11-20 2021-10-15
EP21894391.8A EP4248753A4 (en) 2020-11-20 2021-10-15 BUM CAKE BAKING SYSTEM, BUM CAKE BAKING AID SYSTEM, PROGRAM AND METHOD FOR PRODUCING BUM CAKES

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/043372 WO2022107306A1 (ja) 2020-11-20 2020-11-20 バウムクーヘン焼成機の制御装置、制御方法及び制御プログラム、並びにバウムクーヘン焼成機

Publications (1)

Publication Number Publication Date
WO2022107306A1 true WO2022107306A1 (ja) 2022-05-27

Family

ID=75961458

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/043372 WO2022107306A1 (ja) 2020-11-20 2020-11-20 バウムクーヘン焼成機の制御装置、制御方法及び制御プログラム、並びにバウムクーヘン焼成機

Country Status (5)

Country Link
US (1) US20230413829A1 (ja)
EP (2) EP4035532B1 (ja)
JP (2) JP6876208B1 (ja)
ES (1) ES2961571T3 (ja)
WO (1) WO2022107306A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0129138B2 (ja) 1983-02-10 1989-06-08 Tomi Kikai Kogyo Kk
JPH089932A (ja) * 1994-07-05 1996-01-16 Yamazaki Koki Kk 竹輪焼成機における焼色制御方法
JP2001272045A (ja) * 2000-03-27 2001-10-05 Sanyo Electric Co Ltd オーブン調理器
JP2006129781A (ja) * 2004-11-05 2006-05-25 Fuji Shokai:Kk バウムクーヘン焼成機

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010002692A1 (de) * 2010-03-09 2011-09-15 Kuchenmeister Gmbh Verfahren und Anlage zur automatisierten Herstellung von Baumkuchen bzw. von Kuchen nach Baumkuchenart
KR200488217Y1 (ko) * 2018-11-14 2018-12-28 김범안 제빵용 오븐

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0129138B2 (ja) 1983-02-10 1989-06-08 Tomi Kikai Kogyo Kk
JPH089932A (ja) * 1994-07-05 1996-01-16 Yamazaki Koki Kk 竹輪焼成機における焼色制御方法
JP2001272045A (ja) * 2000-03-27 2001-10-05 Sanyo Electric Co Ltd オーブン調理器
JP2006129781A (ja) * 2004-11-05 2006-05-25 Fuji Shokai:Kk バウムクーヘン焼成機

Also Published As

Publication number Publication date
JP2022082411A (ja) 2022-06-01
EP4239249A2 (en) 2023-09-06
EP4035532A1 (en) 2022-08-03
JP6876208B1 (ja) 2021-05-26
US20230413829A1 (en) 2023-12-28
JPWO2022107306A1 (ja) 2022-05-27
EP4035532B1 (en) 2023-09-13
EP4239249A3 (en) 2023-11-08
EP4035532A4 (en) 2023-01-11
ES2961571T3 (es) 2024-03-12

Similar Documents

Publication Publication Date Title
US20220295609A1 (en) Pattern recognizing appliance
CN110780628B (zh) 烹饪设备的控制方法、装置、烹饪设备及存储介质
EP3937743B1 (en) Infrared toaster
WO2022107306A1 (ja) バウムクーヘン焼成機の制御装置、制御方法及び制御プログラム、並びにバウムクーヘン焼成機
CN110488672A (zh) 烹饪设备的控制方法、装置、烹饪设备和存储介质
FR2713356A1 (fr) Procédé de réglage de température, appareil de fixage et appareillage le comportant.
Chen et al. Visual modeling of laser-induced dough browning
JP2011510673A (ja) トースティングとベーキングを制御するための装置および方法
WO2016131109A1 (en) System to monitor foodstuff cooking
WO2021098474A1 (zh) 烹饪设备及其控制方法、加热控制方法和服务器
JP2021063608A (ja) 加熱調理システム
CN111358306B (zh) 加热控制方法及烹饪设备
CA3039375A1 (en) Neural network combining visible and thermal images for inferring environmental data of an area of a building
WO2022107517A1 (ja) バウムクーヘン焼成システム、バウムクーヘン焼成支援システム、プログラム及びバウムクーヘンの製造方法
CN114982793B (zh) 一种食品智能焙烤方法和装置
JP2000125204A5 (ja)
DE102019107828B4 (de) Verfahren zum Betreiben eines Gargeräts und Gargerät
EP4051962A1 (de) Bestimmen eines ziel-verarbeitungszustands eines zu behandelnden garguts
US20230389578A1 (en) Oven appliances and methods of automatic reverse sear cooking
JP2021103038A (ja) 調理機器
JP2022082411A5 (ja)
JPH0351630A (ja) オーブントースタ
CN114938920A (zh) 一种烤箱及其控制方法
FR3134504A1 (fr) Procédé de détermination d’au moins un paramètre de cuisson d’un appareil de cuisson à partir d’une pluralité d’images
JPWO2022249485A5 (ja)

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2021512963

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2020957907

Country of ref document: EP

Effective date: 20220426

WWE Wipo information: entry into national phase

Ref document number: 18036913

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE