WO2022157882A1 - コンテナダメージ検出システム - Google Patents

コンテナダメージ検出システム Download PDF

Info

Publication number
WO2022157882A1
WO2022157882A1 PCT/JP2021/002035 JP2021002035W WO2022157882A1 WO 2022157882 A1 WO2022157882 A1 WO 2022157882A1 JP 2021002035 W JP2021002035 W JP 2021002035W WO 2022157882 A1 WO2022157882 A1 WO 2022157882A1
Authority
WO
WIPO (PCT)
Prior art keywords
container
image
learning
damage
video
Prior art date
Application number
PCT/JP2021/002035
Other languages
English (en)
French (fr)
Inventor
寛人 内藤
真弘 堀野
一彦 吉井
一彦 竹村
明仁 西澤
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to JP2022576295A priority Critical patent/JPWO2022157882A1/ja
Priority to CN202180090667.3A priority patent/CN116711299A/zh
Priority to PCT/JP2021/002035 priority patent/WO2022157882A1/ja
Publication of WO2022157882A1 publication Critical patent/WO2022157882A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G63/00—Transferring or trans-shipping at storage areas, railway yards or harbours or in opening mining cuts; Marshalling yard installations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Definitions

  • the present invention relates to a container damage detection system.
  • Patent Document 1 Japanese Patent Application Laid-Open No. 2016-006616
  • the publication states, "A learning device according to the present application restores a three-dimensional shape of a subject using an image in which the subject is depicted, and determines the subject based on the restored three-dimensional shape of the subject. and a learning unit for learning a learning unit for extracting features of the subject using the image generated by the generating unit. I will.”
  • one object of the present invention is to provide a container damage detection system that can learn by sharing images taken at each facility that handles containers.
  • one aspect of the present invention is a container photographing means for photographing an image of a container at a plurality of locations or facilities where the container is handled, and sharing the image of the container at the plurality of locations or facilities.
  • communication means for communicably connecting the plurality of locations or facilities, and data representing an imaging angle with respect to the surface of the container to be photographed, or a parameter for deriving the imaging angle, are held for each of the container imaging means.
  • machine learning means for executing inference from learning and learning results, and for capturing the container image between the plurality of locations or facilities without depending on attributes including the type of the container photographing means and installation information.
  • FIG. 1 is an overall configuration diagram showing an example of the overall configuration of a container damage detection system according to an embodiment of the present invention
  • FIG. FIG. 3 is a configuration diagram showing a configuration example of a container damage detection unit according to the embodiment
  • FIG. 4 is a processing flow diagram showing an overview of an example of damage detection processing according to the present embodiment
  • FIG. 4 is a processing flow diagram showing an overview of an example of damage detection processing according to the present embodiment
  • FIG. 7 is a configuration diagram showing a configuration example of a container damage detection unit according to the second embodiment of the present invention
  • FIG. 11 is a processing flow diagram showing an overview of an example of damage detection processing in the second embodiment
  • FIG. 11 is a configuration diagram showing a configuration example of a container damage detection unit according to a third embodiment of the present invention
  • FIG. 11 is a processing flow diagram showing an overview of an example of damage detection processing in the third embodiment
  • FIG. 11 is a configuration diagram showing a configuration example of a container damage detection unit according to a fourth embodiment of the present invention
  • FIG. 20 is a processing flow diagram showing an overview of an example of damage detection processing in the fourth embodiment
  • FIG. 13 is a diagram showing a configuration example of a container chart in the fourth embodiment
  • FIG. 1 is an overall configuration diagram showing an example of the overall configuration of a container damage detection system according to this embodiment
  • FIG. 2 is a configuration diagram showing an example of the configuration of a container damage detection unit
  • FIGS. FIG. 5 is a processing flow diagram illustrating an overview; The numbers in parentheses or outside the parentheses are the reference numerals of the constituent elements described in the drawings.
  • a container damage detection system 1000 of this embodiment is composed of a facility A (100), a facility B (110), . It is designed to be shared with each other.
  • a plurality of photographing means 1 attached to a photographing means mounting gate 105 photograph the side and ceiling surfaces of a container 106 loaded on a trailer 104, and the images photographed by the photographing means 1 are damaged.
  • the damage detection section 103 detects damaged portions of the container 106 (holes, rust, dents, etc. on the container surface), and the monitor 107 displays the state of damage.
  • the positional relationship between the photographing means mounting gate 105 and the trailer 104 is like the facility A front image 101 when viewed from the front of the trailer 104, and like the facility A side image 102 when viewed from the lateral direction.
  • Facility A ( 100 ) is also connected to network 2 via damage detection unit 103 .
  • a facility N (120) is a facility for loading containers 106 from a cargo ship 121 onto a trailer 104 using a gantry crane 122 attached to a quay 123. Each surface of the container 106 loaded on the trailer 104 is photographed by the photographing means 1, and the images photographed by the photographing means 1 are collected in the damage detection section 103. The configuration is such that the situation is displayed on the monitor 107 .
  • the facility N (120) is also connected to the network 2 via the damage detection unit 103. FIG.
  • Facility B (110) represents another facility similar to Facility A (100) or Facility N (120), and is connected to Network 2 in the same manner as Facility A (100) or Facility N (120). .
  • the damage detection unit 103 is a part that detects the damaged portion of the container 106 from the image photographed by the photographing means 1.
  • Camera installation information parameter holding unit 3a, camera installation information parameter holding unit 3b for photographing means, camera installation information parameter holding unit 3c for photographing unit 4, video recording unit 4, learning result recording unit 17, arithmetic unit 30, network interface 18, display 19 , and the arithmetic unit 30 includes a first viewpoint conversion unit 5 , a learning execution unit 10 , and a damage detection inference execution unit 6 . Since a plurality of photographing means 1 are provided, they are individually numbered as photographing means a, photographing means b, and photographing means c.
  • Photographing means a (1a), the photographing means b (1b), and the photographing means c (1c) are recorded in the image recording section 4 via the image capturing sections 20, 21, and 22, respectively.
  • Photographing means a (1a), photographing means b (1b) are respectively stored in the photographing means a camera installation information parameter holding section 3a, the photographing means b camera installation information parameter holding section 3b, and the photographing means c camera installation information parameter holding section 3c. ), and the photographing angle with respect to the container surface at the time of installation of the camera, which is the photographing means c (1c), are recorded in advance as information parameters at the time of camera installation.
  • the video of the part to be learned is extracted from the video recorded in the video recording unit 4, and the learning result learned by the learning execution unit 10 is recorded in the learning result recording unit 17, and the learning result recorded in the learning result recording unit 17 is recorded.
  • the damage detection of the container is performed by the damage detection inference execution unit 6 from the image capturing units 20, 21, and 22.
  • the video of the part to be learned is the video shot at the facility A (100), that is, the video shot by the shooting means a (1a), the shooting means b (1b), and the shooting means c (1c) of the facility A (100).
  • the camera installation information recorded in the camera installation information parameter holding unit 3c of the photographing means c is imported into the facility A (100) via the network 2, and the facility A ( 100), the image taken at the same angle as the image taken at facility A (100) is subjected to viewpoint conversion processing, and the image recorded in the image recording unit 4 in the facility A (100) is used.
  • the damage detection unit 103 causes the monitor 107 to display the various images recorded in the image recording unit 4 and the damage status of the container detected by the damage detection inference execution unit 6 through the display unit 19, and the camera installed as the photographing means a.
  • the parameter information of the information parameter holding unit 3a, the camera installation information parameter holding unit 3b of the photographing means b, and the camera installation information parameter holding unit 3c of the photographing means c, and various images recorded in the image recording unit 4 are transmitted via the network interface 18, It is configured to be connected to the network 2 .
  • FIG. 3 illustrates the flow of the case where damage detection is performed in the facility A (100) based on the result of learning by adding the video shot in .
  • the number of photographing means is limited for the sake of simplification, in practice, it is also possible to construct a configuration in which learning is performed using images from a plurality of other facilities and from a plurality of photographing means of each facility.
  • the facility A (100) processes the video from the imaging means a on the facility A (100) side according to the following flow.
  • the image from the imaging means a on the facility A (100) side is processed at the facility A (100) according to the following flow.
  • the calculation unit 30 performs viewpoint conversion so as to obtain a container image equivalent to that of the photographing means a.
  • Record in the video recording unit 4 a container damage partial video obtained from another facility and subjected to viewpoint conversion. Processing (viii) is performed at facility A (100) on container damage partial images collected from a plurality of facilities.
  • Learning is performed by the arithmetic unit 30 using the container damage partial video recorded in the video recording unit 4, and recorded in the recording unit 17 as a learning result for the photographing means a.
  • container damage is detected at the facility A (100) in accordance with the following flow for the image from the imaging means a on the facility A (100) side.
  • the damage video of the container can be obtained quickly, and the performance of the container damage detection system 1000 can be improved early. can be improved. It also has the effect of reducing annotation work during learning. Furthermore, if the undetected container damage is recorded as a learning video at some facility, it can be used for learning at all facilities. , can be improved.
  • the relationship between the shooting angle of the container and the shooting means differs for each facility, but the inference is executed by absorbing the difference in the appearance of the container with the viewpoint conversion on the learning side. Since learning can be performed in accordance with the image of the shooting means, image processing such as viewpoint conversion is not required when performing inference, which has the effect of lightening the processing load.
  • FIG. 5 is a diagram showing a configuration example of the damage detection unit 103 that detects container damage
  • FIG. 6 is a processing flow diagram illustrating an overview of damage detection processing.
  • This embodiment has a configuration in which a standardized video recording unit 8 and a second viewpoint conversion unit 9 are added to the damage detection unit 103 in the first embodiment.
  • the shooting environment differs for each facility, and it is difficult to determine the conditions for shooting the container from the shooting means in advance.
  • processing is performed at facility A (100) according to the following flow for the video from the imaging means a on the facility A (100) side.
  • Computing unit 30 so that the container damage partial image obtained from another facility and recorded in the image recording unit 4 becomes a container image equivalent to that of the image capturing unit a based on the information in the camera installation information parameter holding unit 3a of the image capturing unit a. Perform viewpoint conversion with .
  • container damage is detected at the facility A (100) in accordance with the following flow for the image from the imaging means a on the facility A (100) side.
  • this embodiment standardizes the appearance of the container for learning videos acquired at each facility and records them as learning videos. Since conversion is performed so that the orientation of the shooting means is the same for each surface of the container, there is an effect that it can be used for learning without considering the camera installation information parameters of the image acquisition destination. In addition, when using images taken at the other facility, viewpoint conversion is performed in accordance with the direction of the image capturing means to be used with respect to the container surface, so that substantially the same effects as those of the other embodiments can be obtained.
  • FIG. 7 is a diagram showing a configuration example of the damage detection unit 103 for detecting container damage in this embodiment
  • FIG. 8 is a processing flow illustrating an overview of learning result update processing.
  • This embodiment has a configuration in which a learning result candidate recording unit 16 and a learning result comparing unit 15 are added to the damage detection unit 103 in the second embodiment.
  • processing for updating the learning results when additional learning is performed using damage images of containers that could not be detected or were detected by mistake is provided.
  • new learning results are recorded in the learning result candidate recording unit 16 when additional learning is performed using images of damage that could not be detected or damage that was erroneously detected at each facility.
  • the result of inference executed by the learning result candidate recording unit 16 and the result of inference executed by the learning result recording unit 17 are compared (judgment 1), and the result of inference executed by the learning result recording unit 17 is the learning result If all are included in the results of inference execution recorded in the candidate recording unit 16 (Decision 1: Yes), the learning results recorded in the learning result recording unit 17 are moved to the learning result recording unit 17, and new learning results Acts to detect damage.
  • determination 1 it is determined whether the number of damage detections for which inference was performed based on the results recorded in the learning result candidate recording unit 16 exceeds the number of damage detections for which inference was performed by the learning result recording unit 17. If it is determined that it exceeds (determination 2: Yes), a human confirms the damage detection result of inference execution based on the result recorded in the learning result candidate recording unit 16, and determines whether to update the learning result. works.
  • This embodiment judges the damage detection status of the container before and after additional learning, and decides whether to adopt the new learning result.
  • FIG. 9 is a diagram showing a configuration example of the damage detection unit 103 for detecting container damage
  • FIG. 10 is a processing flow diagram illustrating an overview of damage detection processing
  • FIG. 11 is a configuration example of a container chart. It is a diagram.
  • This embodiment has a configuration in which a container number detection unit 11, a container position detection unit 12, a damage position normalization unit 13, and a chart generation unit 14 are provided in the arithmetic unit 30 in the damage detection unit 103 of the third embodiment. ing.
  • an image taken from a predetermined line of sight is subjected to line-of-sight conversion processing so as to be the same as when the image is captured from a direction perpendicular to the container surface.
  • the position of the container, the size of the container obtained from the aspect ratio of the container, and the container number written on the container are detected and acquired.
  • the damage portion of the container is detected by inference execution for the image captured from the photographing means, the damaged image and the type of damage are acquired, a chart is created for each container number, and the chart is acquired. Acts to describe information and images. The flow of processing will be described below with reference to FIG.
  • Inference execution of damage detection is performed by the arithmetic unit 30 using the learning result for the photographing means a recorded in the learning result recording unit 17 for the image of the photographing means a.
  • the damage position of the container is normalized by the arithmetic unit 30 based on the damage position information and the container size information obtained by inference execution. Obtain the damage video, damage type, normalized position, container number, and information about the surface of the container that was photographed, and perform the following processing.
  • the damage detection result obtained by the inference execution is obtained from the information of the camera installation information parameter holding unit 3a of the photographing means a. types are put together in the form of a set of charts by the arithmetic unit 30 .
  • the processing of (i) is returned to and repeated.
  • FIG. 11 A configuration example of a container chart will be described with reference to FIG.
  • the types and positions of damage such as holes, rust, dents, etc., and the magnitude of the damage can be described in actual size for each surface of the container.
  • the latest video showing the status of each recorded damage and the history of repairs, changes in damage size, etc. are also recorded.
  • a chart is created for each container and the damage situation is recorded, so containers can be managed appropriately at each facility.
  • it operates so as to create a medical record by attaching an image from a predetermined direction, regardless of the facility.
  • the present invention is not limited to the above-described embodiments, and includes various modifications.
  • the video recording unit 4, the learning result recording unit 17, the learning result candidate recording unit 16, the standardized video recording unit 8, and the like can be partially or wholly implemented as a recording device such as a cloud built on a network.
  • the arithmetic unit 30 may be realized by a processor such as a CPU or by a dedicated circuit.
  • the damage detection unit 103 may be implemented by a personal computer or workstation, or may be implemented by a dedicated circuit.
  • images may be shared between different photographing means within the same facility.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

コンテナを扱う複数の施設で撮影された映像を施設間で共有利用して学習を行うことができるコンテナダメージ検出システムを提供する。複数の場所又は施設でコンテナの映像を撮影するコンテナ撮影手段と、前記複数の場所又は施設間を通信可能に接続する通信手段と、前記コンテナ撮影手段毎に、撮影するコンテナ面に対する撮影角度を表すデータ、又は当該撮影角度を導き出すためのパラメータを保持するパラメータ保持手段と、前記コンテナ撮影手段で取得したコンテナの映像を記録する映像記録手段と、前記パラメータ保持手段に保持されている情報に基づき、コンテナ映像に対して視点変換の演算を行う演算手段と、学習及び学習結果から推論を実行する機械学習手段とを有し、前記コンテナ撮影手段の種類、設置情報等に依存することなく、前記複数の場所又は施設間で前記コンテナ映像を共用するコンテナダメージ検出システムである。

Description

コンテナダメージ検出システム
　本発明は、コンテナダメージ検出システムに関する。
　本技術分野の背景技術として、特開２０１６－００６６１６号公報（特許文献１）がある。該公報には、「本願に係る学習装置は、被写体が描出された画像を用いて、当該被写体の３次元形状を復元し、当該復元された被写体の３次元形状に基づいて、前記被写体を所定の視点以外の視点から描出した画像を生成する生成部と、前記生成部が生成した画像を用いて、前記被写体の特徴を抽出する学習器の学習を行う学習部とを備えたことを特徴とする。」と記載されている。
特開２０１６－００６６１６号公報
　上記背景技術では、所定の視点以外の視点から描出した画像を生成する生成部と、前記生成部が生成した画像を用いて、前記被写体の特徴を抽出する学習器の学習を行うことが記載されているが、コンテナを扱う各施設で撮影された映像を施設間で共有利用して学習を行うことに関しては考慮されていない。
　そこで、本発明は、コンテナを扱う各施設で撮影された映像を施設間で共有利用して学習を行うことができるコンテナダメージ検出システムを提供することを一つの目的としている。
　上記目的を解決するための、本発明の一つは、コンテナが取り扱われる複数の場所又は施設で当該コンテナの映像を撮影するコンテナ撮影手段と、前記複数の場所又は施設で前記コンテナの映像を共有するために前記複数の場所又は施設間を通信可能に接続する通信手段と、前記コンテナ撮影手段毎に、撮影するコンテナ面に対する撮影角度を表すデータ、又は当該撮影角度を導き出すためのパラメータを保持するパラメータ保持手段と、前記コンテナ撮影手段で取得したコンテナの映像をコンテナ映像として記録する映像記録手段と、前記パラメータ保持手段に保持されている情報に基づき、コンテナ映像に対して視点変換の演算を行う演算手段と、学習及び学習結果から推論を実行する機械学習手段とを有し、前記コンテナ撮影手段の種類、設置情報を含む属性に依存することなく、前記複数の場所又は施設間で前記コンテナ映像を共用するコンテナダメージ検出システムである。
　本発明によれば、コンテナを扱う各施設で撮影された映像を施設間で共有利用して学習を行うことができるコンテナダメージ検出システムを実現することができる。
本発明の一実施形態に係るコンテナダメージ検出システムの全体構成例を示す全体構成図である。 本実施形態におけるコンテナダメージ検出部の構成例を示す構成図である。 本実施形態におけるダメージ検出処理例の概要を示す処理フロー図である。 本実施形態におけるダメージ検出処理例の概要を示す処理フロー図である。 本発明の第二の実施形態におけるコンテナダメージ検出部の構成例を示す構成図である。 第二の実施形態におけるダメージ検出処理例の概要を示す処理フロー図である。 本発明の第三の実施形態におけるコンテナダメージ検出部の構成例を示す構成図である。 第三の実施形態におけるダメージ検出処理例の概要を示す処理フロー図である。 本発明の第四の実施形態におけるコンテナダメージ検出部の構成例を示す構成図である。 第四の実施形態におけるダメージ検出処理例の概要を示す処理フロー図である。 第四の実施形態におけるコンテナカルテの構成例を示す図である。
　以下に本発明の実施形態について図面を用いて詳細に説明する。
［実施形態１］
　本発明の一実施形態を図１、図２、図３、図４を用いて説明する。図１は、本実施形態に係るコンテナダメージ検出システムの全体構成例を示す全体構成図、図２は、コンテナダメージ検出部の構成例を示す構成図、図３及び図４は、ダメージ検出処理の概要を例示する処理フロー図である。なお、括弧内あるいは括弧外の数字は図面に記載した構成要素の符号である。
　本実施形態のコンテナダメージ検出システム１０００は、施設Ａ（１００）、施設Ｂ（１１０）、…、施設Ｎ（１２０）とこれらの施設を繋ぐネットワーク２から構成され、各施設間で映像や情報を互いに共有できる構成になっている。
　施設Ａ（１００）では、撮影手段取付けゲート１０５に取り付けた複数の撮影手段１でトレーラー１０４に積載したコンテナ１０６の側面や天井面の状況を撮影し、該撮影手段１で撮影された映像がダメージ検出部１０３に集められ、該ダメージ検出部１０３でコンテナ１０６のダメージ部分（コンテナ面に生じた穴、錆、凹み等）を検出し、ダメージの状況をモニター１０７で表示する構成になっている。
　撮影手段取付けゲート１０５とトレーラー１０４の位置関係は、トレーラー１０４の前方向から見ると施設Ａ前面イメージ１０１の様に、また、横方向から見ると施設Ａ側面イメージ１０２のようになっている。また、施設Ａ（１００）は、ダメージ検出部１０３を介してネットワーク２に接続されている。
　施設Ｎ（１２０）は、岸壁１２３に取り付けられたガントリークレーン１２２を用い、貨物船１２１からコンテナ１０６をトレーラー１０４に積載する施設であり、ガントリークレーン１２２の橋脚部分に取り付けられた複数の撮影手段１でトレーラー１０４に積載したコンテナ１０６の各面を撮影し、該撮影手段１で撮影された映像がダメージ検出部１０３に集められ、該ダメージ検出部１０３でコンテナ１０６のダメージ部分を検出し、ダメージの状況をモニター１０７で表示する構成になっている。また、施設Ｎ（１２０）は、ダメージ検出部１０３を介してネットワーク２に接続されている。
　施設Ｂ（１１０）は、施設Ａ（１００）又は施設Ｎ（１２０）と同様な他の施設を表しており、施設Ａ（１００）や施設Ｎ（１２０）と同様にネットワーク２に接続されている。
　ダメージ検出部１０３は、該撮影手段１で撮影された映像からコンテナ１０６のダメージ部分を検出する部分であり、図２に例示されているように、映像取り込み部２０，２１，２２、撮影手段ａカメラ設置情報パラメータ保持部３ａ、撮影手段ｂカメラ設置情報パラメータ保持部３ｂ、撮影手段ｃカメラ設置情報パラメータ保持部３ｃ、映像記録部４、学習結果記録部１７、演算ユニット３０、ネットワークインターフェース１８、表示部１９を備えて構成され、演算ユニット３０は、第１視点変換部５、学習実行部１０、ダメージ検出推論実行部６を備えて構成されている。なお、撮影手段１は複数設けられているため、撮影手段ａ、撮影手段ｂ、撮影手段ｃと個別に符号を付している。
　撮影手段ａ（１ａ）、撮影手段ｂ（１ｂ）、撮影手段ｃ（１ｃ）で撮影した映像はそれぞれ映像取り込み部２０，２１，２２を介して、映像記録部４に記録されるように構成されている。撮影手段ａカメラ設置情報パラメータ保持部３ａ、撮影手段ｂカメラ設置情報パラメータ保持部３ｂ、及び撮影手段ｃカメラ設置情報パラメータ保持部３ｃには、それぞれ、撮影手段ａ（１ａ）、撮影手段ｂ（１ｂ）、及び撮影手段ｃ（１ｃ）であるカメラの設置時のコンテナ面に対する撮影角度等が、カメラ設置時の情報パラメータとして予め記録されている。
　映像記録部４に記録された映像から学習させる部分の映像を抽出し学習実行部１０で学習させた学習結果を学習結果記録部１７に記録し、該学習結果記録部１７に記録した学習結果を用いて、映像取り込み部２０，２１，２２からダメージ検出推論実行部６によりコンテナのダメージ検出を行うように構成されている。
　学習させる部分の映像は、施設Ａ（１００）で撮影した映像、すなわち、施設Ａ（１００）の撮影手段ａ（１ａ）、撮影手段ｂ（１ｂ）、撮影手段ｃ（１ｃ）で撮影し、施設Ａ（１００）内の映像記録部４に記録した映像と、施設Ａ（１００）とは異なる施設、例えば、施設Ｎ（１２０）で撮影し施設Ｎ（１２０）内の映像記録部４に記録した映像も活用できるように、施設Ｎ（１２０）内の映像記録部４に記録した映像と施設Ｎ（１２０）内の撮影手段ａカメラ設置情報パラメータ保持部３ａ、撮影手段ｂカメラ設置情報パラメータ保持部３ｂ、及び撮影手段ｃカメラ設置情報パラメータ保持部３ｃに記録したカメラ設置情報をネットワーク２を介して施設Ａ（１００）に取り込み、施設Ａ（１００）内の第１視点変換部５により施設Ａ（１００）で撮影した映像と同じ角度で撮影した映像に視点変換処理を施し施設Ａ（１００）内の映像記録部４に記録した映像を用いるように構成されている。
　さらに、ダメージ検出部１０３は、映像記録部４に記録した各種映像とダメージ検出推論実行部６で検出したコンテナのダメージ状況とを表示部１９を介してモニター１０７で表示させ、撮影手段ａカメラ設置情報パラメータ保持部３ａ、撮影手段ｂカメラ設置情報パラメータ保持部３ｂ、及び撮影手段ｃカメラ設置情報パラメータ保持部３ｃのパラメータ情報と映像記録部４に記録した各種映像とをネットワークインターフェース１８を介して、ネットワーク２に接続する構成になっている。
　本実施形態によるコンテナダメージ検出システム１０００の処理フロー例を図３にて説明する。各施設には、撮影手段が複数個存在するが、説明を簡略にするために、撮影手段を各施設１台として施設Ａ（１００）内で撮影した映像に別施設である施設Ｎ（１２０）で撮影した映像を加えて学習させ、その学習結果により施設Ａ（１００）内でダメージ検出を行った場合のフローを図３に例示している。簡略化のために撮影手段の数を制限したが、実際は、複数の他の施設から、また、各施設の複数の撮影手段からの映像で学習する構成を構築することもできる。
　図３に例示する学習フェーズは、施設Ａ（１００）側の撮影手段ａからの映像に対して以下の流れで施設Ａ（１００）にて処理を行っている。
（ｉ）撮影手段ａの映像を映像取り込み部２０を介して映像記録部４に記録。
（ii）映像記録部４に記録した映像からコンテナのダメージ部分を人手で抽出。
（iii）抽出したコンテナダメージ部分映像を映像記録部４に記録。
　また、他施設、例えば、施設Ｎ（１２０）から入手した映像に対して以下の流れで施設Ａ（１００）にて処理を行っている。
（iv）他の施設で記録したコンテナダメージ部分映像と映像を撮影した際のカメラ設置情報パラメータをネットワーク２を介して入手。
（v）ネットワーク２を介し入手したカメラ設置情報から撮影手段ａと同等のコンテナ映像になるよう演算ユニット３０で視点変換を実施。
（vi）他施設から入手し視点変換を施したコンテナダメージ部分映像を映像記録部４に記録。
　複数の施設から集められたコンテナダメージ部分映像に対して、施設Ａ（１００）にて（vii）の処理を行っている。
（vii）映像記録部４に記録したコンテナダメージ部分映像を用い演算ユニット３０で学習を実施し、撮影手段ａ用の学習結果として記録部１７に記録。
　推論フェーズでは、施設Ａ（１００）側の撮影手段ａからの映像に対して以下の流れで施設Ａ（１００）にてコンテナダメージの検出を行っている。
（viii）撮影手段ａからの映像に対して学習結果記録部１７に記録した撮影手段ａ用の学習結果を用い演算ユニット３０でダメージ検出の推論実行を実施。
（ix）ダメージ検出結果をモニター１０７に表示、履歴作成。推論フェーズの（viii）の処理へ戻る。
　次に、本実施形態の変形例を説明する。図３の処理フロー例では、他施設の映像に対して視線変換を実施したが、それぞれの施設で視点変換を行い学習用の映像を記録するようにした場合の処理フロー例を図４に示している。
　まず学習フェーズでは、施設Ａ（１００）側の撮影手段ａからの映像に対して以下の流れで施設Ａ（１００）にて処理を行っている。
（ｉ）撮影手段ａの映像を映像取り込み部２０を介して映像記録部４に記録。
（ii）映像記録部４に記録した映像からコンテナのダメージ部分を人手で抽出。
（iii）抽出したコンテナのダメージ部分映像に対して撮影手段ａカメラ設置情報パラメータ保持部３ａの情報から演算ユニット３０で所定の視線になるように視点変換を実施。
（iv）視点変換をしたコンテナダメージ部分映像を映像記録部４に記録。
　また、他施設、例えば、施設Ｎ（１２０）から入手した映像に対して以下の流れで施設Ａ（１００）にて処理を行っている。
（v）他の施設で記録したコンテナダメージ部分映像と映像を撮影した際のカメラ設置情報パラメータをネットワーク２を介し入手。
（vi）入手したカメラ設置情報から撮影手段ａと同等のコンテナ映像になるよう演算ユニット３０で視点変換を実施。
（vii）他施設から入手し視点変換を施したコンテナダメージ部分映像を映像記録部４に記録。
　複数の施設から集められたコンテナダメージ部分映像に対して、施設Ａ（１００）にて（viii）の処理を行っている。
（viii）映像記録部４に記録したコンテナダメージ部分映像を用い演算ユニット３０で学習を実施、撮影手段ａ用の学習結果として記録部１７に記録。
　推論フェーズでは、施設Ａ（１００）側の撮影手段ａからの映像に対して以下の流れで施設Ａ（１００）にてコンテナダメージの検出を行っている。
（ix）撮影手段ａからの映像に対して学習結果記録部１７に記録した撮影手段ａ用の学習結果を用い演算ユニット３０でダメージ検出の推論実行を実施。
（x）ダメージ検出結果をモニター１０７に表示、履歴作成。推論フェーズの（ix）の処理へ戻る。
　本実施形態では、施設Ａ（１００）で撮影して得られた映像だけではなく、他の施設、ここでは、施設Ｎ（１２０）で撮影して得られた映像もネットワーク経由で入手して、施設Ａ（１００）側の映像から作成した学習用映像と同じ見え方になるように視点変換を施し学習に利用できることから、早くコンテナのダメージ映像を入手できコンテナダメージ検出システム１０００の性能を早期に向上させることができる。また、学習時のアノテーション作業を減らす効果もある。さらに、検出できなかったコンテナのダメージをどこかの施設で学習用の映像として一回記録すれば全ての施設で学習に利用することができるので、全ての施設のダメージ検出レベルを揃えて、かつ、向上させることができる。推論を実行する際の処理負荷の面では、コンテナと撮影手段の撮影角度の関係が施設毎に異なるが、コンテナの見え方の違いを学習側の視点変換で吸収することで、推論を実行する撮影手段の映像に合わせた学習ができるため推論実行時に視点変換等の画像処理が不要となり処理負荷を軽くする効果がある。
　本実施形態により、コンテナを扱う各施設で撮影された映像を施設間で共有利用して学習を行うことができるコンテナダメージ検出システムを提供することができる。
［実施形態２］
　本発明の第二の実施形態を図５、図６を用いて説明する。図５は、コンテナのダメージを検出するダメージ検出部１０３の構成例を示す図、図６は、ダメージ検出処理の概要を例示する処理フロー図である。
　本実施形態は、第一実施形態におけるダメージ検出部１０３に標準化映像記録部８と第２視点変換部９を追加した構成になっている。本実施形態では、施設毎に撮影環境が異なり、撮影手段からコンテナを撮影する際の条件を予め決めることが困難なため、学習用のダメージ映像を記録する際に予め決めた見え方に映像を標準化することで施設間での学習結果の共用を図りやすくした一例である。本実施形態の処理フロー例を図６にて説明する。
　まず、学習フェーズでは、施設Ａ（１００）側の撮影手段ａからの映像に対して以下の流れで施設Ａ（１００）にて処理を行っている。
（ｉ）撮影手段ａの映像を映像取り込み部２０を介して映像記録部４に記録。
（ii）映像記録部４に記録した撮影手段ａの映像からコンテナのダメージ部分を人手で抽出して映像記録部４に記録。
（iii）抽出したコンテナのダメージ部分映像に対して撮影手段ａカメラ設置情報パラメータ保持部３ａの情報から演算ユニット３０で予め規定された標準視線になるように視点変換を実施し、標準化映像記録部８に記録。
（iv）他の施設で撮影され、標準視線に合わされたコンテナダメージ部分映像をネットワーク２を介し入手。
（v）他施設から入手したコンテナダメージ部分映像を映像記録部４に記録。
（vi）他施設から入手し映像記録部４に記録したコンテナダメージ部分映像に対して、撮影手段ａカメラ設置情報パラメータ保持部３ａの情報から撮影手段ａと同等のコンテナ映像になるよう演算ユニット３０で視点変換を実施。
（vii）映像記録部４に記録された人手で抽出したコンテナダメージ部分映像と他の施設から入手し撮影手段ａと同等のコンテナ映像になるよう視線変換をしたコンテナダメージ部分映像を用いて演算ユニット３０で学習を実施、撮影手段ａ用の学習結果として記録部１７に記録。
　推論フェーズでは、施設Ａ（１００）側の撮影手段ａからの映像に対して以下の流れで施設Ａ（１００）にてコンテナダメージの検出を行っている。
（viii）撮影手段ａの映像に対して、学習結果記録部１７に記録した撮影手段ａ用の学習結果を用いて演算ユニット３０でダメージ検出の推論実行を実施。
（ix）ダメージ検出結果をモニター１０７に表示、履歴作成。推論フェーズの（viii）へ戻る。
　本実施形態は、第一の実施形態に対して、各施設で取得した学習用映像に対して、コンテナの見え方を標準化して学習用映像として記録するようにしたものであり、全ての施設でコンテナの各面に対して撮影手段の向きが同じになるように変換しているので映像の入手先のカメラ設置情報パラメータを考慮せずに学習に使える効果がある。また、該他施設での映像を使う場合、使う先の撮影手段のコンテナ面に対する向きに合わせて視点変換を行うため、他の実施形態と本質的に同等の効果を得ることができる。
［実施形態３］
　本発明の第三の実施形態を図７、図８を用いて説明する。図７は、本実施形態においてコンテナダメージを検出するためのダメージ検出部１０３の構成例を示す図、図８は、学習結果の更新処理の概要を例示する処理フローである。
　本実施形態は、第二の実施形態におけるダメージ検出部１０３に学習結果候補記録部１６と学習結果比較部１５とを追加した構成になっている。本実施形態では、検出できなかった或いは誤って検出したコンテナのダメージ映像を用いて、追加学習した際の学習結果の更新処理が設けられている。
　図８を参照すると、本実施形態によれば、各施設で検出できなかったダメージや誤って検出したダメージの映像により追加学習を行った際に新しい学習結果を学習結果候補記録部１６に記録し、該学習結果候補記録部１６で推論を実行した結果と学習結果記録部１７で推論を実行した結果を比較し（判断１）、該学習結果記録部１７で推論を実行した結果が該学習結果候補記録部１６記録で推論実行を行った結果に全て含まれる場合（判断１：Ｙｅｓ）、該学習結果記録部１７に記録した学習結果を該学習結果記録部１７に移動し、新しい学習結果でダメージ検出を行うように動作する。上記以外の場合は（判断１：Ｎｏ）、該学習結果候補記録部１６の記録の結果で推論実行を行ったダメージ検出数が学習結果記録部１７で推論を実行したダメージ検出数を上回るか判断し、上回ると判断した場合に（判断２：Ｙｅｓ）、該学習結果候補記録部１６の記録の結果で推論実行を行ったダメージ検出結果を人間が確認し、学習結果の更新の判断を行うように動作する。
　本実施形態は、追加学習前後でコンテナのダメージ検出状況を判断し、新しい学習結果を採用するかを決めているため、ダメージ検出精度を落とすことなく、各施設で取得された学習用映像を有効に使うことができる。本実施形態では、他の実施形態と本質的に同等の効果を得ることができる。
［実施形態４］
　本発明の第四の実施形態を図９、図１０、図１１を用いて説明する。図９は、コンテナダメージを検出するためのダメージ検出部１０３の構成例を示す図、図１０は、ダメージ検出の処理概要を例示する処理フロー図、図１１は、コンテナカルテの一構成例を示す図である。
　本実施形態は、第三の実施形態におけるダメージ検出部１０３内の演算ユニット３０にコンテナ番号検出部１１、コンテナ位置検出部１２、ダメージ位置正規化部１３、カルテ生成部１４を設けた構成になっている。
　本実施形態は、撮影手段から取り込んだ映像に対して、例えば、コンテナ面と垂直になる方向から撮影した場合と同じになるように、所定の視線から撮影した映像に視線変換処理を施し、該視線変換後の映像に基づき、コンテナの位置と、コンテナの縦横比率から求められるコンテナのサイズ、コンテナに記載されたコンテナ番号を検出取得する。同時に本実施形態では、該撮影手段から取り込んだ映像に対して推論実行によりコンテナのダメージ部分を検出しダメージ映像とダメージの種類を取得し、コンテナ番号毎にカルテを作成し、該カルテに取得した情報や映像を記載するように動作する。処理の流れを図１０により説明すると、以下の通りになる。
（ｉ）撮影手段ａの映像を映像取り込み部２０を介して映像記録部４に記録。
（ii）映像記録部４に記録映像に対して撮影手段ａカメラ設置情報パラメータ保持部３ａの情報から演算ユニット３０で所定の視線になるように視点変換を実施し、パラメータ保持部３ａの情報から撮影したコンテナの撮影面の情報を取得。
（iii）視点変換を施した映像を用いて、演算ユニット３０で映像からコンテナ位置を検出し、コンテナ位置情報からコンテナサイズを判断。
（iv）視点変換を施した映像を用いて、演算ユニット３０で映像からコンテナ固有番号を検出。
（v）撮影手段ａの映像に対して、学習結果記録部１７に記録した撮影手段ａ用の学習結果を用いて演算ユニット３０でダメージ検出の推論実行を実施。
（vi）推論実行により求めたダメージの位置情報とコンテナのサイズ情報とから、演算ユニット３０でコンテナのダメージ位置を正規化。
　上記の処理で得た、ダメージ映像とダメージの種類と正規化位置とコンテナ番号と撮影したコンテナの面に関する情報を取得し、以下の処理を行う。
（vii）推論実行により求めたダメージ検出結果をコンテナ固有番号毎に、撮影手段ａカメラ設置情報パラメータ保持部３ａの情報から取得したコンテナ撮影面情報とダメージ画像と正規化したコンテナダメージ位置情報及びダメージの種類を演算ユニット３０で１セットのカルテの形態にまとめる。ここで、（ｉ）の処理に戻り繰り返す。
　コンテナのカルテの構成例を図１１により説明する。図１１に例示するカルテには、コンテナの各面毎に穴、錆や凹み等のダメージの種類とその位置、及びダメージの大きさを実寸で記載することができる。図１１の例では、記録されている各ダメージの状況を表す最新映像と修理やダメージサイズの変化等の履歴もあわせて記録されている。
　本実施形態では、コンテナ毎にカルテが作られ、ダメージ状況が記録されるため、各施設でコンテナの管理を適切に行うことができる。また、どの施設でダメージを検出しても、施設に依存することなく、予め定めた方向からの映像を添付してカルテを作るように動作する。
　さらに、ダメージの位置やサイズも実寸で記載されているため、人間が該カルテを見た際に勘違いを防止することができ、履歴や特記事項としてダメージが最初に検出された時期とその後の変化の様子を記録すれば、修理が必要となる時期、修理の規模等の予測も行うことができる。本実施形態によれば、他の実施形態と本質的に同等の効果を得ることができる。
　なお、本発明は上記した実施形態に限定されるものではなく、様々な変形例が含まれる。例えば、映像記録部４、学習結果記録部１７、学習結果候補記録部１６、標準化映像記録部８等は、一部又は全てをネットワーク上に構築されたクラウド等の記録装置として実現することができる。また演算ユニット３０は、ＣＰＵ等のプロセッサで実現しても専用の回路で実現してもよい。ダメージ検出部１０３は、パーソナルコンピュータやワークステーションで実現しても専用の回路で実現してもよい。また、施設間での映像の共有に関して説明したが、同じ施設内の異なる撮影手段の間で映像を共有してもよい。また、上記実施形態においては、撮影手段ａにより映像を取得する例を説明したが、撮影手段ｂや撮影手段ｃで撮影するとしてももちろん差し支えない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることも、ある実施形態の構成に他の実施形態の構成を加えることも可能であり、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることも可能である。
１００・・・施設Ａ
１０１・・・施設Ａ前面イメージ
１０２・・・施設Ａ側面イメージ
１０３・・・ダメージ検出部
１０４・・・トレーラー
１０５・・・撮影手段取付けゲート
１０６・・・コンテナ
１０７・・・モニター
１１０・・・施設Ｂ
１２０・・・施設Ｎ
１２１・・・貨物船
１２２・・・ガントリークレーン
１２３・・・岸壁
１・・・撮影手段
１ａ・・・撮影手段ａ
１ｂ・・・撮影手段ｂ
１ｃ・・・撮影手段ｃ
２・・・ネットワーク
３ａ・・・撮影手段ａカメラ設置情報パラメータ保持部
３ｂ・・・撮影手段ｂカメラ設置情報パラメータ保持部
３ｃ・・・撮影手段ｃカメラ設置情報パラメータ保持部
４・・・映像記録部
５・・・第１視点変換部
６・・・ダメージ検出推論実行部
８・・・標準化映像記録部
９・・・第２視点変換部
１０・・・学習実行部
１１・・・コンテナ番号検出部
１２・・・コンテナ位置検出部
１３・・・ダメージ位置正規化部
１４・・・カルテ生成部
１５・・・学習結果比較部
１６・・・学習結果候補記録部
１７・・・学習結果記録部
１８・・・ネットワークインターフェース
１９・・・表示部
２０，２１，２２・・・映像取り込み部
３０・・・演算ユニット

Claims (8)

  1. 　コンテナが取り扱われる複数の場所又は施設で当該コンテナの映像を撮影するコンテナ撮影手段と、
    　前記複数の場所又は施設で前記コンテナの映像を共有するために前記複数の場所又は施設間を通信可能に接続する通信手段と、
    　前記コンテナ撮影手段毎に、撮影するコンテナ面に対する撮影角度を表すデータ、又は当該撮影角度を導き出すためのパラメータを保持するパラメータ保持手段と、
    　前記コンテナ撮影手段で取得したコンテナの映像をコンテナ映像として記録する映像記録手段と、
    　前記パラメータ保持手段に保持されている情報に基づき、コンテナ映像に対して視点変換の演算を行う演算手段と、
    　学習及び学習結果から推論を実行する機械学習手段とを有し、
    　前記コンテナ撮影手段の種類、設置情報を含む属性に依存することなく、前記複数の場所又は施設間で前記コンテナ映像を共用する
    コンテナダメージ検出システム。
  2. 　前記機械学習手段は、前記演算手段からの前記コンテナ映像により学習を実行する手段を有する、請求項１に記載のコンテナダメージ検出システム。
  3. 　前記機械学習手段は、前記演算手段からの前記コンテナ映像により推論を実行する手段を有する、請求項１に記載のコンテナダメージ検出システム。
  4. 　コンテナが取り扱われる複数の場所又は施設で当該コンテナの映像を撮影するコンテナ撮影手段と、
    　前記複数の場所又は施設で前記コンテナの映像を共有するために前記複数の場所又は施設間を通信可能に接続する通信手段と、
    　前記コンテナ撮影手段から取得する映像に対して、所定の撮影角度の映像に視点変換を行う第一の演算手段と、
    　前記第一の演算手段によって生成された映像を記録する標準化済み映像記録手段と、
    　前記標準化済み映像記録手段からの映像に対して所定の視点変換を行う第二の演算手段と、
    　学習及び学習結果から推論を実行する機械学習手段とを有し、
    　前記標準化済み映像に対して、前記コンテナ撮影手段の設置状況に応じて前記第二の演算手段で視点変換を施した映像で学習を行うことにより、撮影場所又は施設に影響されることなく、複数の場所又は施設で集めた映像により学習が実行される
    コンテナダメージ検出システム。
  5. 　前記学習における再学習前後の学習結果を保持する手段と、
    　前記再学習の前後の推論結果を比較する手段とを有し、
    　前記比較手段の結果が前記再学習前より改善されていると判定した場合、前記学習結果の更新を行う、請求項１又は２に記載のコンテナダメージ検出システム。
  6. 　コンテナの映像を撮影するコンテナ撮影手段と、
    　コンテナのダメージを検出する推論実行手段と、
    　コンテナの固有番号を検出する手段と、
    　前記コンテナ撮影手段からの映像に対して、所定の撮影角度の映像に視点変換を行う演算手段と、
    　前記演算手段からの映像からコンテナの位置を検出する手段と、
    　前記コンテナの位置を検出する手段から得たコンテナ位置情報を元にダメージ位置情報を正規化する手段と、
    　検出されたコンテナの前記固有番号と、視点変換を行う演算手段の出力映像又はその一部の映像と、コンテナのダメージ位置を正規化する手段から得た位置情報とを元にダメージ位置を表す情報を少なくとも記載したカルテを生成する手段とを有し、
    　コンテナのダメージ履歴を生成する、コンテナダメージ検出システム。
  7. 　コンテナの固有番号を検出する手段と、
    　前記演算手段からの映像からコンテナの位置を検出する手段と、
    　コンテナの位置を検出する手段から得たコンテナ位置情報を元にダメージ位置情報を正規化する手段と、
    　検出された前記固有番号と、推論実行の結果と、視点変換を行う演算手段の出力映像又はその一部の映像と、コンテナのダメージ位置を正規化する手段から得た位置情報とを元にダメージ位置を表す情報を少なくとも記載したカルテを生成する手段とを有し、
    　コンテナのダメージ履歴を生成する、請求項１から３までのいずれか一項に記載のコンテナダメージ検出システム。
  8. 　コンテナの固有番号を検出する手段と、
    　前記第一の又は第二の演算手段からの映像からコンテナの位置を検出する手段と、
    　コンテナの位置を検出する手段から得たコンテナ位置情報を元にダメージ位置情報を正規化する手段と、
    　検出手段で得た固有番号と、推論実行の結果と、視点変換を行う演算手段の出力映像又はその一部の映像と、コンテナのダメージ位置を正規化する手段から得た位置情報とを元にダメージ位置を表す情報を少なくとも記載したカルテを生成する手段を有し、
    　コンテナのダメージ履歴を生成する、請求項４に記載のコンテナダメージ検出システム。
PCT/JP2021/002035 2021-01-21 2021-01-21 コンテナダメージ検出システム WO2022157882A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2022576295A JPWO2022157882A1 (ja) 2021-01-21 2021-01-21
CN202180090667.3A CN116711299A (zh) 2021-01-21 2021-01-21 集装箱损伤检测系统
PCT/JP2021/002035 WO2022157882A1 (ja) 2021-01-21 2021-01-21 コンテナダメージ検出システム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/002035 WO2022157882A1 (ja) 2021-01-21 2021-01-21 コンテナダメージ検出システム

Publications (1)

Publication Number Publication Date
WO2022157882A1 true WO2022157882A1 (ja) 2022-07-28

Family

ID=82548559

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/002035 WO2022157882A1 (ja) 2021-01-21 2021-01-21 コンテナダメージ検出システム

Country Status (3)

Country Link
JP (1) JPWO2022157882A1 (ja)
CN (1) CN116711299A (ja)
WO (1) WO2022157882A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002279033A (ja) * 2001-03-19 2002-09-27 Information Services International Dentsu Ltd 港湾ゲートシステム、港湾ゲート制御方法
JP2007322173A (ja) * 2006-05-30 2007-12-13 Sumitomo Heavy Ind Ltd ダメージチェックシステム及びダメージチェック方法
JP2019104578A (ja) * 2017-12-11 2019-06-27 国土交通省港湾局長 人工知能を活用した包括的コンテナターミナルシステム及びオペレーション方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002279033A (ja) * 2001-03-19 2002-09-27 Information Services International Dentsu Ltd 港湾ゲートシステム、港湾ゲート制御方法
JP2007322173A (ja) * 2006-05-30 2007-12-13 Sumitomo Heavy Ind Ltd ダメージチェックシステム及びダメージチェック方法
JP2019104578A (ja) * 2017-12-11 2019-06-27 国土交通省港湾局長 人工知能を活用した包括的コンテナターミナルシステム及びオペレーション方法

Also Published As

Publication number Publication date
CN116711299A (zh) 2023-09-05
JPWO2022157882A1 (ja) 2022-07-28

Similar Documents

Publication Publication Date Title
US11556739B2 (en) Method for estimating operation of work vehicle, system, method for producing trained classification model, training data, and method for producing training data
JP5783885B2 (ja) 情報提示装置、その方法及びそのプログラム
KR20200116138A (ko) 안면 인식을 위한 방법 및 시스템
JP6954368B2 (ja) 変位成分検出装置、変位成分検出方法、及びプログラム
GB2594657A (en) Damage detection from multi-view visual data
CN112597877A (zh) 一种基于深度学习的厂区人员异常行为检测方法
Santur et al. An adaptive fault diagnosis approach using pipeline implementation for railway inspection
WO2022157882A1 (ja) コンテナダメージ検出システム
JP7126251B2 (ja) 建設機械制御システム、建設機械制御方法、及びプログラム
Garcia et al. Large scale semantic segmentation of virtual environments to facilitate corrosion management
CN115049322B (zh) 一种集装箱堆场的集装箱管理方法及系统
WO2021177245A1 (ja) 画像処理装置、作業指示作成システム、作業指示作成方法
US10507550B2 (en) Evaluation system for work region of vehicle body component and evaluation method for the work region
Moon et al. Real-time parallel image-processing scheme for a fire-control system
WO2020166401A1 (ja) 学習データ生成装置、方法及びプログラム
CN114596239A (zh) 装卸货事件检测方法、装置、计算机设备和存储介质
Sopauschke et al. Smart process observer for crane automation
JP7386682B2 (ja) 密閉物検出システム、密閉物検出方法、推定装置、及びプログラム
JP7263983B2 (ja) 撮影漏れ検出装置、及び、撮影漏れ検出方法
JP6739592B1 (ja) 設備情報収集方法、設備情報収集支援装置、設備情報収集システム、設備状況データ製造方法、設備情報取得支援プログラム
JP2021155179A (ja) クレーン用撮影システム及びプログラム
JP2021056765A (ja) 積載容積率計測装置、システム、方法、及び、プログラム
JP2021032042A (ja) 構造物の劣化状態診断方法
JP2020095017A (ja) 情報処理装置、その制御方法、プログラム、及び記憶媒体
JP7436801B2 (ja) 情報出力プログラム、情報出力装置及び情報出力方法

Legal Events

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

Ref document number: 21920994

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022576295

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 202180090667.3

Country of ref document: CN

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21920994

Country of ref document: EP

Kind code of ref document: A1