WO2022211064A1 - 情報読取装置 - Google Patents

情報読取装置 Download PDF

Info

Publication number
WO2022211064A1
WO2022211064A1 PCT/JP2022/016728 JP2022016728W WO2022211064A1 WO 2022211064 A1 WO2022211064 A1 WO 2022211064A1 JP 2022016728 W JP2022016728 W JP 2022016728W WO 2022211064 A1 WO2022211064 A1 WO 2022211064A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
code
reading
processing
image
Prior art date
Application number
PCT/JP2022/016728
Other languages
English (en)
French (fr)
Inventor
謙太朗 佐々木
光司 鴻巣
裕一 伊東
陽介 神戸
岳史 藤角
善広 山崎
良平 鏡味
Original Assignee
株式会社デンソーウェーブ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from JP2022010885A external-priority patent/JP2022158916A/ja
Application filed by 株式会社デンソーウェーブ filed Critical 株式会社デンソーウェーブ
Priority to CN202280025014.1A priority Critical patent/CN117083616A/zh
Priority to EP22781274.0A priority patent/EP4318304A1/en
Publication of WO2022211064A1 publication Critical patent/WO2022211064A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis

Definitions

  • the technology disclosed in this specification relates to technology for reading information recorded in a two-dimensional information code.
  • Patent Document 1 discloses a reader system that reads information in a two-dimensional code by adjusting reading conditions (brightness, exposure time, presence/absence of a filter) for reading the two-dimensional code. If the reader system fails to read the information in the two-dimensional code due to the deterioration of the density of the two-dimensional code, the influence of external light, etc., instead of the reading conditions indicated by the reference bank, the reading conditions indicated by the extension bank are used. According to the conditions, read the information in the two-dimensional code. An extension bank is generated by adjusting the reference bank according to predetermined adjustment rules.
  • the above technology only adjusts the reading conditions. Therefore, for example, even if the reading conditions are adjusted, if information for reading information in the two-dimensional code (for example, information indicating the position of the two-dimensional code) cannot be detected from the image of the two-dimensional code, The information in the two-dimensional code cannot be read.
  • information for reading information in the two-dimensional code for example, information indicating the position of the two-dimensional code
  • This specification provides a technique for coping with situations where the information in the two-dimensional code cannot be read.
  • the information reading device disclosed in this specification includes a camera capable of imaging a two-dimensional information code, A detection process of detecting first relational information, which is information defining a two-dimensional code area of the first information code, from an image of the first information code as the information code captured by the camera; a reading process of reading information recorded in the first information code based on the detected first relationship information; - executing a first code process including an output process for outputting the result of the reading process; a first code processing execution unit; The parameter of the learning model for outputting the second relationship information, which is an estimated value of information defining the two-dimensional code area of the information code from the image of the information code captured by the camera, is set to the first relationship.
  • an adjusting unit that adjusts based on teacher data including at least a plurality of successful cases of the reading process read based on the information;
  • a second code processing execution unit that performs second code processing, including output processing for outputting the reading result of the reading processing;
  • An information reader An information reader.
  • the information reading device uses the teacher data including at least a plurality of successful cases of the reading process using the first relational information detected by the detection process (that is, based on the teacher data). ) to adjust the parameters of a learning model that outputs relevant information about the information code from the image of the information code. After adjusting the parameters, the information reading device executes acquisition processing using the learning model, acquires the second relationship information from the second information code, and uses the acquired second relationship information. Execute the reading process. For example, in a situation where the detection process fails even if the reading conditions of the reading process are adjusted, the second relational information can be obtained from the second information code by the obtaining process using the learning model. It is possible to cope with a situation in which the information in the two-dimensional code cannot be read because the detection process fails even if the reading conditions for the reading process are adjusted.
  • the first relational information may be information indicating position coordinates of points (positions) at the four corners of the information code.
  • the first relational information may be information indicating black and white patterns of a plurality of cells forming a two-dimensional code area of the information code.
  • the learning model that is, based on the learning model
  • information indicating the position of the cell may be associated with a value indicating either black or white.
  • pattern data the data indicating the black and white pattern of multiple cells
  • pattern data the data indicating the black and white pattern of multiple cells
  • the amount of pattern information increases as the number of pixels increases.
  • one value is associated with one cell. does not increase the amount of information in An increase in the information amount of pattern data can be suppressed as compared with the above comparative example.
  • One or more code reading devices including the camera, the first code processing execution unit, and the second code processing execution unit; and the adjustment unit separate from the one or more code reading devices.
  • a learning device wherein the one or more code reading devices acquire the adjusted parameters from the learning device, and the second code processing execution unit refers to the acquired adjusted parameters. (ie, based on parameters), the second code processing may be performed.
  • a comparative example in which one device includes a camera, a first code processing execution unit, a second code processing execution unit, and an adjustment unit is assumed.
  • the single device not only reads the information code, but also adjusts the parameters of the learning model. For this reason, it may be necessary to increase the processing power of the single device compared to the conventional configuration in which adjustment of the parameters of the learning model was not performed.
  • the adjustment of the parameters of the learning model is performed by a learning device separate from the code reading device. Therefore, the parameters of the learning model can be adjusted without increasing the processing power of the code reading device.
  • the learning device is installed on the Internet, mediates communication between the one or more code reading devices and the learning device, and may further include an intermediary device connected to the Internet.
  • the code reader can acquire the parameters by reading the specific information code.
  • the one or more code readers include a first code reader and a second code reader different from the first code reader, and the learning device is adapted to read the first code reader.
  • the second code reader acquires the teacher data from the device, refers to the acquired teacher data, adjusts the parameter, and the second code reader receives the data from the first code reader from the learning device.
  • the parameters adjusted using the training data may be obtained, and the second code processing may be executed with reference to the obtained parameters.
  • the second code reading device it is possible to use the successful case of the first code reading device, which is different from the second code reading device.
  • the specific memory has a first area for storing a program for executing the first code processing and the second code processing; 2 areas, wherein the second area is an area for storing a plurality of pieces of learning information, and each of the plurality of pieces of learning information includes the learning model and the adjusted parameters. , may be included.
  • the adjusting unit may be configured to start adjusting the parameters of the learning model after the number of the plurality of successful cases included in the training data exceeds a predetermined number.
  • the information reading device further includes a classification unit that classifies the target information code for which the reading process has been successful in the first code process into a specific pattern among a plurality of patterns related to the type of deterioration of the information code; and a judgment unit that judges whether or not to adopt the successful case of the target information code as the training data based on the specific pattern that has been classified.
  • the information reading device classifies the success cases of the target information code according to the deterioration pattern of the information code, and adopts the success cases of the target information code as the training data based on the classification result.
  • the "deterioration" in this specification is not only the deterioration of the information code over time, but also the deterioration of the printing device that prints the information code, and the information caused by unstable support during printing of the medium on which the information code is printed. Also includes code variants.
  • the classification unit compares an image of the restored code restored in the error correction executed in the reading process for the target information code with a binarized image of the actual image of the target information code. Then, the location of deterioration of the target information code is identified, and the target information code is converted into the specific pattern based on the location of deterioration identified by comparing the restored code with the actual image. can be classified.
  • the classification unit may classify the target information code into the specific pattern based on at least one of contrast of an image of the target information code and deformation of the target information code. good.
  • the target information code can be classified based on at least one of the contrast in the actual image of the target information code and the actual deformation of the target information code.
  • the information reading device further classifies the target information code, which has been successfully read in the first code processing, into a specific item out of a plurality of items indicating internal factors of the information reading device. and a judgment unit for judging whether or not to adopt the successful case of the target information code as the training data based on the specific item that has been classified.
  • the plurality of items include two or more items related to image processing performed by the information reading device on the image of the information code, and two items related to imaging conditions for the information reading device to capture the information code. At least one of the above items and two or more items relating to the processing time for the information reading device to read the information recorded in the information code may be included.
  • the adjusting unit determines that, even before the number of the plurality of success cases included in the training data exceeds the predetermined number, the number of two or more success cases out of the number of the plurality of success cases is , configured to initiate tuning of the parameters of the learning model when exceeding a specific number less than the predetermined number, each of the two or more success cases reading the information code.
  • the successful case of the target information code is used as the training data.
  • the success case of the target information code is not adopted as the teacher data based on the classified specific pattern and the first storage control unit, wherein the successful case of the target information code is not stored in the specific memory, and the adjustment unit refers to the teacher data in the first memory. may be used to adjust the parameters.
  • an increase control unit that performs image processing on a code image, which is an image of the information code captured by the camera, generates virtual cases of the reading process, and increases the number of successful cases in the training data; You may prepare.
  • the image processing includes a process of adjusting the contrast of the code image, a process of adding a predetermined image to the code image, a process of rotating the code image, and a process of rotating the information code indicated by the code image. processing each cell.
  • the number of successful cases can be increased in a situation where the number of successful cases does not exceed the predetermined number. Even if the number of actual successful cases does not exceed a predetermined number, the reliability of the parameters of the learning model can be ensured.
  • a second memory for storing, for each of a plurality of information codes, case information indicating an example of the reading process performed on the information code; selecting one or more types of the image processing from among a plurality of types of the image processing based on trends in the reading processing cases indicated by the plurality of pieces of stored case information; The above image processing may be executed.
  • a comparative example is assumed in which image processing predetermined by an administrator or the like is performed to generate a virtual case.
  • the predetermined image processing corresponds to cases different from actual reading processing cases. According to the above configuration, it is possible to generate a virtual example by performing appropriate image processing in consideration of the tendency of actual reading processing examples.
  • the case information indicating the case of the reading process executed for the first information code is stored in the second memory.
  • a second storage controller may further be provided.
  • case information for generating a virtual case can be stored and accumulated each time the reading process is executed.
  • the second code processing includes cutting processing of cutting out the image of the second information code from the image captured by the camera with reference to the position of the pointing marker illuminated on the second information code. It's okay.
  • control method of the information reading device, the computer program for the information reading device, and the storage medium storing the computer program are novel and useful.
  • FIG. 1 is a conceptual diagram of an information reading system;
  • FIG. 1 is a block diagram of an information reading system;
  • FIG. 10 is a flowchart figure which shows the process of a code reader.
  • FIG. 10 is a flowchart showing normal reading processing; It is a flowchart figure which shows the process of a learning apparatus. It is a flowchart figure which shows a learning reading process. It is a flowchart figure which shows the process of the reading device of 2nd Example. It is a flowchart figure which shows a degradation classification process. It is a flowchart figure which shows a pattern determination process. It is a flowchart figure which shows the process of the code reader of 3rd, 4th Example.
  • FIG. 10 is a flowchart showing normal reading processing; It is a flowchart figure which shows the process of a learning apparatus. It is a flowchart figure which shows a learning reading process. It is a flowchart figure which shows the process of the reading device of 2nd Example. It is
  • FIG. 11 is a flow chart showing processing of the learning device of the third and fourth embodiments; It is a figure which shows the learning object of 5th Example.
  • FIG. 14 is a flowchart showing learning reading processing of the fifth embodiment;
  • FIG. 20 is a flow chart diagram showing processing of the learning device of the sixth embodiment.
  • FIG. 11 is a block diagram of an information reading system of a seventh embodiment; It is a figure which shows the classification by the thickening and thinning phenomenon.
  • FIG. 4 is a diagram showing classification according to distortion phenomenon; It is a figure which shows classification by a pitch deviation phenomenon.
  • FIG. 20 is a flowchart of internal factor classification processing of the ninth embodiment;
  • FIG. 20 is a flowchart of internal factor classification processing in the tenth and eleventh embodiments;
  • FIG. 20 is a flow chart showing processing of the code reader of the twelfth embodiment;
  • FIG. 10 is a diagram showing a specific example 1 of cutout processing;
  • FIG. 10 is a diagram showing a specific example 2 of cutout processing;
  • FIG. 11 is a diagram showing a specific example 3 of cutout processing;
  • the information reading system 2 of this embodiment has a two-dimensional code area CR, and is a system for reading information recorded in the two-dimensional code CD in which information is recorded in the code area CR.
  • a two-dimensional code CD is displayed on a specific medium (for example, metal, substrate, resin, paper medium, etc.) in a factory, an outdoor workshop, or the like.
  • the code region CR is rectangular (square, rectangle), for example, as illustrated in FIG. is mapped according to the information (the information you want to display).
  • the two-dimensional code CR may be used for a long time. Therefore, the two-dimensional code CR may deteriorate over time.
  • the black portions (black cells (dark cells) BR) of the two-dimensional code CR become lighter, and the white portions (white cells (bright cells) WR) of the two-dimensional code CR become lighter over time.
  • the contrast of the black portion with respect to the portion of for example, due to aging, part of the two-dimensional code CR is lost and part of the two-dimensional code CR is stained.
  • the information reading system 2 includes two code reading devices 10, a learning device 200, and a printer 500. Each device 10, 200, 500 is connected to LAN4 and can communicate via LAN4.
  • LAN4 is a wired LAN or a wireless LAN.
  • the information reading system 2 includes two code reading devices 10, this is merely an example.
  • the information reading system 2 may include only one code reader 10 or may include three or more code readers 10 .
  • the code reader 10 is a portable device for reading information recorded in the two-dimensional code CR. Note that the appearance of the code reading device 10 shown in FIG. 1 is merely an example, and the code reading device 10 may have the same appearance as a smart phone, for example.
  • the code reading device 10 includes an operation unit 12, a display unit 14, a camera 20, a communication interface 22, and a control unit 30.
  • an interface is described as "I/F.”
  • the operation unit 12 has a plurality of keys.
  • a user can input various instructions to the code reader 10 by operating the operation unit 12 .
  • the display unit 14 is a display for displaying various information. Further, the display unit 14 may function as a touch panel (that is, the operation unit 12) capable of accepting user operations.
  • Camera 20 includes a light source such as an LED light and a CCD image sensor.
  • a communication I/F 22 is an I/F for executing communication via the LAN 4 . Communication I/F 22 is connected to LAN 4 .
  • the control unit 30 includes a CPU 32 and a memory 34 (non-transit computer functioning as a readable recording medium);
  • the CPU 32 executes various processes according to programs 40 stored in the memory 34 .
  • the memory 34 also stores learning information 50 relating to machine learning using multi-layer neural networks.
  • a multilayer neural network is a function composed of an input layer, an intermediate layer, and an output layer, and data input to the input layer is processed by the intermediate layer and output from the output layer.
  • Multilayer neural networks are, for example, convolutional neural networks, fully-connected neural networks, and the like.
  • machine learning is not limited to multilayer neural networks, and support vector machines, for example, may be used. Multilayer neural networks and the like are well-known techniques, and detailed description thereof is omitted here.
  • the learning information 50 includes a learning model 52 and model parameters 54.
  • the learning model 52 is a multilayer neural network model (that is, a formula).
  • the model parameters 54 are parameters of the learning model 52 , specifically, values of various weights in the middle layers of the learning model 52 .
  • the learning model 52 is installed, for example, from a server (not shown) provided by the vendor of the information reading system 2 . Note that, in a modified example, the learning model 52 may be stored in advance in the memory 34 at the shipping stage of the code reading device 10 .
  • the model parameters 54 are generated by the learning device 200 and stored in the memory 34 .
  • the learning device 200 is a device that adjusts the model parameters 254 of the learning model 252 .
  • the learning device 200 is, for example, a server.
  • Learning device 200 includes communication I/F 222 and control unit 230 .
  • Communication I/F 222 is connected to LAN 4 .
  • the control unit 230 includes a CPU 232 and a memory 234.
  • CPU 32 executes various processes according to program 240 stored in memory 234 .
  • the memory 234 further stores a plurality of teacher data 242 and learning information 250 .
  • Learning information 250 includes learning model 52 similar to code reading device 10 , model parameters 254 similar to code reading device 10 , and initial parameters 256 .
  • Initial parameters 256 are initial values of model parameters 254 (ie, initial values of various weights in the hidden layer). The initial parameters 256 are predetermined by the vendor of the information reading system 2, for example.
  • the teacher data 242 is information used for adjusting the model parameters 254.
  • the model parameter 254 minimizes the error between the output of the learning model 252 when the teacher data 242 is input and the correct value indicated by the teacher data 242 for each of the plurality of teacher data 242. adjusted to
  • the CPU 32 when the CPU 32 receives an image capturing instruction via the operation unit 12, it controls the camera 20 to capture an image of the two-dimensional code displayed on a specific medium (such as metal). As a result, the CPU 32 acquires captured image data representing a captured image, which is an already captured image, from the camera 20 .
  • a specific medium such as metal
  • the CPU 32 executes normal reading processing for reading information recorded in the two-dimensional code from the captured image indicated by the already acquired captured image data. Details of the normal reading process will be described later with reference to FIG.
  • the CPU 32 determines whether or not the reading of information in the normal reading process has succeeded.
  • the process proceeds to S40.
  • the CPU 32 determines that the reading of information in the normal reading process has failed (NO in S6), the process proceeds to S10.
  • the CPU 32 determines whether or not the number of times information reading fails in normal reading processing in response to the imaging instruction in S2 is greater than a predetermined threshold value (eg, 3 times). When the CPU 32 determines that the number of failures is equal to or less than the threshold (NO in S10), the process proceeds to S12.
  • a predetermined threshold value eg, 3 times
  • the CPU 32 changes the imaging conditions of the camera 20 (for example, sensitivity, exposure time, presence/absence of light source, intensity of light source, etc.) and images the two-dimensional code again. After completing S12, the CPU 32 returns to S4.
  • the process proceeds to S20.
  • the CPU 32 determines whether the model parameters 54 in the memory 34 have been updated.
  • the model parameters 54 are updated by receiving the adjusted model parameters 254 from the learning device 200 and storing the adjusted model parameters 254 as the model parameters 54 in the memory 34 .
  • the process proceeds to S24.
  • the CPU 32 executes learning reading processing for reading information recorded in the two-dimensional code from the captured image indicated by the captured image data acquired from the camera 20.
  • the learning reading process is a process that is different from the normal reading process in S4 and uses the learning information 50 . Details of the learning reading process will be described later with reference to FIG.
  • the CPU 32 determines whether or not the reading of information in the learning reading process has succeeded.
  • the process proceeds to S40.
  • the CPU 32 outputs either the reading result of the normal reading process of S4 or the reading result of the learning reading process of S26.
  • the CPU 32 causes the display unit 14 to display an image showing the reading result.
  • the CPU 32 transmits data indicating the reading result to an external device (for example, a PC or the like).
  • the CPU 32 transmits a successful case of either processing to the learning device 200 as teacher data 242 in a situation where the reading of the two-dimensional code is successful in either the normal reading processing of S4 or the learning reading processing of S26.
  • teaching data 242 ie, successful cases
  • the CPU 32 determines whether or not to accept an instruction to finish reading the two-dimensional code via the operation unit 12. If the CPU 32 determines that it has received an instruction to finish reading the two-dimensional code (YES in S44), it ends the process of FIG. On the other hand, when the CPU 32 determines that an instruction to finish reading the two-dimensional code has not been received (NO in S44), the CPU 32 returns to S2 and images the two-dimensional code again.
  • the CPU 32 determines that the model parameters 54 have never been updated (NO in S20), or determines that reading of information in the learning reading process has failed (NO in S26). In either case, the process proceeds to S30.
  • the CPU 32 causes the display unit 14 to display a failure notification indicating that reading information from the two-dimensional code has failed.
  • the process of FIG. 3 ends.
  • the CPU 32 identifies symbol marks (also called finder patterns) arranged at three of the four corners of the two-dimensional code from the code image cut out in S50.
  • the CPU 32 calculates position coordinates L1, L2, and L4 of points indicating three of the four corners of the two-dimensional code from the three specified symbol marks.
  • the CPU 32 calculates the remaining position coordinate L3 from the calculated three position coordinates L1, L2, and L4.
  • the position coordinates L1 to L4 of the points indicating the four corners (corners) of the two-dimensional code (hereinafter simply referred to as the four corner position coordinates L1 to L4) are calculated. In the drawings, these coordinates are simply indicated as coordinates L1 to L4 of the four corners.
  • the CPU 32 identifies the position coordinates of each cell forming the two-dimensional code based on the position coordinates L1 to L4 of the four corners calculated in S52.
  • each cell of the two-dimensional code is determined to be either white or black.
  • decoding processing may include error correction processing.
  • the error correction process corrects the position coordinates of each cell when there is a difference between the original two-dimensional code and the two-dimensional code in the captured image due to dirt adhering to a part of the two-dimensional code. and a process of restoring the original two-dimensional code from the black and white values of each cell. If the decoding of the two-dimensional code fails even though the error correction process has been executed multiple times in the decoding process, the reading of the two-dimensional code by the process of FIG. 4 fails. On the other hand, in other cases, reading of the two-dimensional code by the process of FIG. 4 succeeds. When the process of S58 ends, the process of FIG. 4 ends.
  • FIG. 5 Processing executed by CPU 232 of learning device 200 according to program 240 will be described with reference to FIG. The process shown in FIG. 5 is triggered by receiving the teacher data 242 from the code reader 10 .
  • teacher data 242 is received from one of the two code readers 10 .
  • the teacher data 242 may be received from both of the two code reading devices 10 .
  • the CPU 232 stores the teacher data 242 received from the code reading device 10 in the memory 234.
  • the training data 242 in the present embodiment includes the code image data representing the code image cut in S50 and the position coordinates L1 to L4 of the four corners calculated in S52 as a successful case of the normal reading process in FIG. ,including.
  • the teacher data 242 may also include success stories of the learning reading process of FIG. 6, which will be described later.
  • the CPU 232 determines whether or not the number of teaching data 242 in the memory 234 is equal to or greater than the target number (eg, 100). When the CPU 232 determines that the number of teaching data 242 is equal to or greater than the target number (YES in S62), the process proceeds to S64. On the other hand, when the CPU 232 determines that the number of teaching data 242 is less than the target number (NO in S62), it ends the processing of FIG.
  • the target number eg, 100
  • the CPU 232 executes learning processing for adjusting the model parameters 254 of the learning model 252 using the plurality of teacher data 242 in the memory 234 (that is, referring to the teacher data 242).
  • the learning model 252 inputs code image data to the input layer, and outputs estimated values of the position coordinates of the four corners of the two-dimensional code (the position coordinates of the points indicating the four corners) from the output layer. is a model.
  • the CPU 232 selects one teacher data 242 from a plurality of teacher data 242, and applies the code image data in the selected one teacher data 242 to the input layer of the learning model 252. input.
  • the estimated values of the position coordinates of the four corners of the two-dimensional code are output from the output layer of the learning model 252 .
  • the CPU 232 adjusts the intermediate layer of the learning model 252 so that the difference between the position coordinates L1 to L4 of the four corners in the selected one teacher data 242 and the estimated value output from the learning model 252 is minimized.
  • An adjustment process for adjusting the model parameters 254 is performed.
  • the CPU 232 executes the adjustment processing for all of the plurality of teacher data 242 .
  • the plurality of teacher data 242 used for the learning process are deleted from the memory 234 .
  • the learning process is executed again. This causes the model parameters 254 to be iteratively adjusted.
  • the frequency of execution of the learning process is not limited to the above example, and the learning process may be executed each time the teacher data 242 is received from the code reading device 10, for example.
  • the CPU 232 executes verification processing for verifying the accuracy of the model parameters 254 updated at S64. Specifically, the CPU 232 inputs code image data representing a pseudo code image to the learning model 252 and obtains estimated values of the position coordinates of the four corners of the pseudo code image. The CPU 232 uses the obtained estimated value (that is, based on the estimated value) to execute the same processing as S54 to S58 in FIG. Execute the reading of the two-dimensional code indicated by . The CPU 232 counts the number of error correction processes executed in reading the pseudo two-dimensional code. Then, the CPU 232 determines the verification result "OK" indicating that the accuracy of the model parameter 254 is good when the number of counts is equal to or less than a predetermined number (for example, two times).
  • a predetermined number for example, two times
  • the CPU 232 determines the verification result "NG" indicating that the accuracy of the model parameters 254 is not good when the number of counts is greater than the predetermined number.
  • the verification process is not limited to verification based on the number of error correction processes. Verification or the like based on differences may also be used.
  • the CPU 232 determines whether or not the verification result at S66 indicates "OK". When the CPU 232 determines that the verification result indicates "OK” (YES in S68), the process proceeds to S70. On the other hand, when determining that the verification result indicates "NG” (NO in S68), the CPU 232 skips the process of S70 and ends the process of FIG.
  • the CPU 232 transmits the model parameters 254 adjusted at S64 to the code reader 10.
  • the model parameters 254 after adjustment are not only for the first code reading device 10 that is the transmission source of the training data 242, but also for the second code reading device 10 that is not the above transmission source among the two code reading devices 10. It is also sent to device 10 .
  • the second code reader 10 can execute the learning reading process (see FIG. 6) using a successful case of another code reader 10 .
  • the adjusted model parameters 254 may not be transmitted to the second code reading device 10 .
  • the learning device 200 can be used by a teacher including a plurality of successful cases of decoding processing using the position coordinates L1 to L4 of the four corners of the two-dimensional code calculated in S52 of the normal reading processing in FIG.
  • the model parameters 254 of the learning model 252 that outputs the estimated values of the position coordinates of the four corners of the two-dimensional code from the image of the two-dimensional code are adjusted (S64 in FIG. 5). Then, when the code reading device 10 changes the imaging conditions but reading in the normal reading process fails (NO in S10 after S12 in FIG. 3), the learning reading process is executed (S24).
  • a process of referring to the learning model 52 and outputting the estimated values of the position coordinates of the four corners is executed (S82 in FIG. 6). For example, it is assumed that reading by the normal reading process fails due to failure in calculating the position coordinates L1 to L4 of the four corners of the two-dimensional code due to aged deterioration of the two-dimensional code. In this embodiment, even if the calculation of the position coordinates L1 to L4 of the four corners of the two-dimensional code fails due to aged deterioration of the two-dimensional code, the information in the two-dimensional code can be read by executing the learning reading process. can be read.
  • a comparative example is assumed in which the information reading system 2 does not include the learning device 200 and the code reading device 10 executes the processing of FIG.
  • the code reader 10 not only reads the two-dimensional code, but also adjusts the model parameters 54 of the learning model 52 . Therefore, it may be necessary to increase the processing power of the CPU 32 of the code reading device 10 compared to conventional devices that did not adjust the model parameters 54 of the learning model 52 .
  • the adjustment of the model parameters 254 of the learning model 252 is performed by the learning device 200 that is separate from the code reading device 10 . Therefore, the model parameters 254 can be adjusted without increasing the processing power of the CPU 32 of the code reader 10 .
  • the configuration of the above comparative example may be employed in the modified example.
  • the information reading system 2 is an example of an "information reading device".
  • the two code readers 10 in FIG. 2, one code reader 10 and the other code reader 10 are respectively referred to as “one or more code readers” and "first code reader”.
  • the camera 20 is an example of a "camera”.
  • the learning device 200 is an example of a "learning device.”
  • a two-dimensional code is an example of an “information code (first information code and second information code)”.
  • the position coordinates L1 to L4 of the four corners of the two-dimensional code are an example of "first relational information”.
  • the estimated values of the position coordinates of the four corners of the two-dimensional code are an example of "relationship information (and second relational information)".
  • the teacher data 242, learning model 252, and model parameters 254 are examples of "teaching data,””learningmodel,” and “parameter,” respectively.
  • the processing in FIG. 4 and S40 in FIG. 3 are an example of the “first code processing”.
  • S52 and S58 in FIG. 4 and S40 in FIG. 3 are examples of the “detection process", the "reading process”, and the "output process", respectively.
  • the processing in FIG. 6 and S40 in FIG. 3 are examples of the "second code processing”.
  • S82 in FIG. 6 is an example of the "acquisition process".
  • control unit 30 of the code reading device 10 is an example of the "first code processing execution unit” and the “second code processing execution unit”.
  • Control unit 230 of learning device 200 is an example of an “adjustment unit”.
  • the processing of the code reader 10 of this embodiment is the processing of the code reader 10 of the first embodiment except that the processing of S100 to S102 is added and the processing of S104 is executed instead of S42.
  • the processing is similar to that of FIG.
  • the same reference numerals are assigned to the same processing as in the first embodiment, and the same applies to each embodiment described later.
  • the deterioration classification process is a process of classifying the two-dimensional code to be read according to the pattern of deterioration and storing the success case corresponding to the reading result of the two-dimensional code as the training data 242 in the training data table 60 .
  • the deterioration pattern is a pattern based on the presence/absence of dirt adhesion, the presence/absence of defects, the location of deterioration, and the like. The deterioration classification process will be described later with reference to FIG.
  • the teacher data table 60 is stored in the memory 34 of the code reader 10. As shown in FIG. 7, the teacher data table 60 includes, for each of a plurality of deterioration patterns, a pattern number (for example, "p001"), a data group (for example, "TD1, TD2"), and an upper limit value (for example, "20 ”) are stored in association with each other.
  • the pattern number is a number that identifies the corresponding deterioration pattern.
  • the data group is one or more teacher data 242 classified as corresponding deterioration patterns.
  • the upper limit is the upper limit of the number of teacher data 242 that can be stored in the corresponding deterioration pattern.
  • the CPU 32 determines whether or not the number of teaching data 242 stored in the teaching data table 60 is equal to or greater than the target number.
  • the target number is the same as the target number in S62 of FIG. 5, for example.
  • the process proceeds to S104.
  • the CPU 32 determines that the number of teaching data 242 is less than the target number (NO in S102)
  • it skips the processing of S104 and proceeds to S44.
  • the CPU 32 transmits all of the teacher data 242 in the teacher data table 60 to the learning device 200. After completing S104, the CPU 32 proceeds to S44.
  • the CPU 32 compares the image of the restored code, which is the two-dimensional code restored in the error correction process, with the binarized image of the actual code, which is the two-dimensional code actually captured, to obtain the actual code.
  • a pattern determination process for determining a pattern of deterioration of is executed.
  • the recovery code image is represented in black and white binary.
  • the binarized image of the actual code is an image obtained by binarizing the actual image of the actual code. The pattern determination process will be described later with reference to FIG. After completing the process of S112, the CPU 32 proceeds to S114.
  • the CPU 32 determines whether or not the number of stored data groups of interest in the teacher data table 60 has reached the upper limit number corresponding to the data group of interest.
  • the target data group is a data group associated with a pattern number identifying a pattern without deterioration when error correction processing is not executed (NO in S110).
  • the target data group is the data group associated with the pattern number identifying the pattern determined by the pattern determination process when the error correction process is executed (YES in S110). If the CPU 32 determines that the number of data groups to be stored has not reached the upper limit (NO in S114), the process proceeds to S116. On the other hand, when the CPU 32 determines that the number of stored target data groups has reached the upper limit (YES in S114), the CPU 32 skips the process of S116 and ends the process of FIG.
  • the CPU 32 stores the success case corresponding to the reading result at S40 in FIG.
  • the process of FIG. 8 ends.
  • a comparative example is assumed in which all successful cases are stored as teacher data 242 in the teacher data table 60 without executing the determination of S114.
  • the usage of memory 34 for storing teacher data table 60 can be reduced.
  • the configuration of the comparative example may be employed in the modified example.
  • the two-dimensional code is equally divided into nine areas in order to classify the locations of deterioration.
  • Each of the nine regions is associated with a deterioration value, which is a value indicating the type of deterioration.
  • the CPU 32 determines one of the nine areas as the target area. Note that the number of divided regions is not limited to 9, and may be, for example, 4, 12, or the like. Also, the division of the regions is not limited to equal division, and for example, the sizes of the regions may be different from each other.
  • the CPU 32 determines whether there is a difference between the target area of the restored code image and the target area of the binarized image of the actual code.
  • a difference between the target area of the restored code image and the target area of the binarized image of the actual code means that the target area of the imaged two-dimensional code is degraded.
  • the CPU 32 determines that there is a difference between the target areas of both codes (YES in S132)
  • the process proceeds to S134.
  • the CPU 32 determines that there is no difference between the target regions of both codes (NO in S132)
  • it skips the processing of S134 to S138 and proceeds to S140.
  • the CPU 32 determines whether the difference between the target areas of both codes is a difference corresponding to black deterioration or a difference corresponding to white deterioration.
  • black deterioration is deterioration in which white cells of a two-dimensional code turn black.
  • Black degradation is, for example, contamination in which black ink adheres to the two-dimensional code.
  • White deterioration is deterioration in which black cells of a two-dimensional code turn white.
  • White deterioration is, for example, contamination caused by white ink adhering to the two-dimensional code, loss of black cells in the two-dimensional code, and the like.
  • the CPU 32 determines whether or not there is an unselected area as the target area among the nine areas. If the CPU 32 determines that there is an unselected area as the target area (YES in S140), the process returns to S130. On the other hand, the CPU 32 ends the process of FIG. 9 when there is no unselected area as the target area, that is, when the processes of S132 to S138 have been executed for all of the nine areas (NO in S140).
  • a target number eg, 100
  • the code reading device 10 classifies the success cases of the two-dimensional code to be read according to the deterioration pattern of the two-dimensional code (S112 in FIG. 8).
  • the code reading device 10 determines whether or not to store the successful case of the two-dimensional code to be read as the teaching data 242 in the teaching data table 60 (S114). As a result, it is possible to prevent the success cases as the training data 242 from biasing toward cases of specific deterioration patterns.
  • the presence or absence of adhesion of dirt, the presence or absence of defects, and the location of deterioration are used in the classification of deterioration patterns.
  • contrast may be used in classifying deterioration patterns.
  • deterioration patterns may be classified based on the value of the difference between the upper limit value and the lower limit value of the luminance value of the code image in the cutting process in S50 of FIG. 4 or S80 of FIG. For example, when the value of the difference is a value within the first value range, the successful case of the two-dimensional code to be read is classified into the first pattern, and the value of the difference is different from the first value range.
  • the successful case of the two-dimensional code to be read may be classified into the second pattern.
  • the deterioration of the two-dimensional code may be classified by combining the classification based on the attachment or loss of dirt and the classification based on the contrast.
  • modification of information codes may be used in classifying deterioration patterns.
  • the deformation of the information code includes, for example, the thickening and thinning phenomenon in FIG. 16, the distortion phenomenon in FIG. 17, the pitch deviation phenomenon in FIG.
  • the deformation of the information code occurs due to, for example, deterioration of the printing device that prints the two-dimensional code, or unstable support during printing of the medium on which the information code is printed.
  • the thickening/thinning phenomenon includes a thickening phenomenon and a thinning phenomenon.
  • Thickening is a phenomenon in which the actual width of a black cell is thicker than the ideal width.
  • the thinning phenomenon is a phenomenon in which the actual width of the black cell is narrower than the ideal width.
  • the fatness/thinness ratio which indicates the extent of the fatness/thinness phenomenon, is calculated, for example, by analyzing the timing pattern of the two-dimensional code.
  • the timing pattern is used to specify the position coordinates of the symbol mark.
  • the timing pattern is a pattern in which white cells and black cells are alternately arranged.
  • the width ratio in the horizontal direction is, for example, the difference between the total width of black cells in the horizontal timing pattern and the total width of white cells in the horizontal timing pattern with respect to the total length of the horizontal timing pattern in the horizontal direction.
  • the fatness/thinness ratio in the vertical direction is calculated in the same manner as the fatness/thinness ratio in the horizontal direction using the timing pattern in the vertical direction (that is, based on the timing pattern).
  • the fatness/thinness ratio of the entire two-dimensional code is calculated, for example, as an average value of the fatness/thinness ratio in the horizontal direction and the fatness/thinness ratio in the vertical direction.
  • the larger value of the ratio of fatness and thinning in the horizontal direction and the ratio of fatness and thinning in the vertical direction may be used as the overall fatness and thinning ratio. Only one of the thinning ratios may be used.
  • the CPU 32 classifies successful cases of the two-dimensional code to be read based on the total fatness/thinness ratio, and stores them in the teacher data table 60 (see S116 in FIG. 8). For example, as shown in FIG. 16, successful examples of the two-dimensional code to be read are classified based on five value ranges of the total fatness/thinness ratio. Note that the five value ranges in FIG. 16 are just an example.
  • the ratio of the vertical length to the horizontal length of the two-dimensional code (hereafter referred to as the "length-to-width ratio") is 1:1.
  • the distortion phenomenon is a phenomenon in which the horizontal length of the two-dimensional code is distorted with respect to the vertical length of the two-dimensional code, and the aspect ratio changes from 1:1.
  • the aspect ratio is calculated, for example, as a ratio of the distance between the centers of vertically adjacent cells and the distance between the centers of horizontally adjacent cells.
  • the CPU 32 classifies successful cases of the two-dimensional code to be read based on the aspect ratio, and stores them in the teacher data table 60 (see S116 in FIG. 8). For example, as shown in FIG. 17, successful examples of two-dimensional codes to be read are classified based on six patterns of aspect ratios. Note that the six patterns in FIG. 17 are only examples.
  • the pitch deviation phenomenon is a phenomenon in which the pitch of adjacent cells deviates from the above-described ideal pitch, which is a constant interval.
  • the pitch deviation ratio indicating the degree of pitch deviation is calculated, for example, as the ratio of the maximum amount of pitch deviation to the ideal pitch.
  • the amount of pitch deviation is calculated as the absolute value of the difference between the ideal pitch and the distance between adjacent cell centers.
  • the pitch deviation ratio may be, for example, the ratio of the average value of the amount of pitch deviation to the ideal pitch.
  • the CPU 32 classifies successful cases of the two-dimensional code to be read based on the pitch deviation ratio, and stores them in the teacher data table 60 (see S116 in FIG. 8). For example, as shown in FIG. 18, successful examples of the two-dimensional code to be read are classified based on four ranges of the pitch deviation ratio. Note that the four value ranges in FIG. 18 are just an example.
  • the target number in S102 of FIG. 7 is an example of the "predetermined number”.
  • the memory 34 of the code reader 10 is an example of the "first memory”.
  • the control unit 30 of the code reading device 10 that executes the process of S100 in FIG. 7 is an example of the "classification unit” and the "judgment unit".
  • the processing of the code reader 10 of this embodiment is the same as the processing of FIG. 3, which is the processing of the code reader 10 of the first embodiment, except that the processing of S200 is added.
  • the CPU 32 executes the normal reading process in S4, in S200 the CPU 32 transmits to the learning device 200 case information related to the case of the process executed in the normal reading process.
  • the case information is stored in the case table 270 (see FIG. 11) in the memory 234 of the learning device 200.
  • FIG. According to such a configuration, it is possible to accumulate case information by storing case information in the case table 270 each time the normal reading process is executed.
  • the case table 270 corresponds to processing information indicating the content of the processing, cause information indicating the cause of the processing, and the number of occurrences of various processing executed in the normal reading processing.
  • This is a table that is stored with the
  • the processing information indicates, for example, "symbol” indicating that at least one symbol mark has failed to be specified in the normal reading process, "error correction” indicating that error correction processing was executed in the normal reading process, and the like.
  • the cause information is information indicating the cause of occurrence of the corresponding process, and indicates the type of deterioration such as "black deterioration" and "white deterioration” (see FIG. 9).
  • the number of occurrences indicates the number of occurrences of the process indicated by the combination of the corresponding process information and the corresponding cause information.
  • the number of occurrences is incremented each time a combination of corresponding processing information and corresponding cause information (that is, case information) is received from the code reader 10 .
  • the cause information "black deterioration" in the case table 270 corresponds to the cause information.
  • the number of occurrences to occur is relatively large.
  • the information in the case table 270 makes it possible to know the tendency of deterioration in the situation in which the code reader 10 is used.
  • the processing of the learning device 200 of the present embodiment is the same as that of the learning device 200 of the first embodiment except that the processing of S205 is executed instead of S62 of FIG. 5 and the processing of S210 and S220 is added. It is the same as the processing in FIG. 5, which is the processing.
  • S205 is the same as S64 in FIG. 5, except that the determination is made based on a sub-target number (for example, 50) that is smaller than the target number.
  • a sub-target number for example, 50
  • the process proceeds to S210.
  • the CPU 232 determines one or more processing processes to be executed at S220, which will be described later.
  • Processing processing is processing for processing the teacher data 242 in the memory 234 to generate new teacher data 242 .
  • Information in the case table 270 is used in the processing.
  • the CPU 32 identifies, from the case table 270, case information (that is, processing information and cause information) stored in association with the highest number of occurrences. Then, the CPU 32 determines the processing to be executed in S220 according to the identified case information.
  • the CPU 32 also identifies the case information stored in association with the next highest number of occurrences from the case table 270, and determines another processing according to the identified case information. Also, for example, the CPU 32 may randomly specify case information from the case table 270 .
  • the CPU 32 may determine one processing process, or may determine two or more processing processes.
  • processing process is performed by adding one symbol mark to the code image indicated by the teacher data 242.
  • This is a process for executing image processing for turning the part white.
  • the image processing is, for example, a process of adding a white image to part of the symbol mark, a process of reducing or enlarging a part of a plurality of cells forming the symbol mark, and the like.
  • the image processing may target cells other than the cells forming the symbol mark.
  • the CPU 32 performs processing for adjusting the contrast of the code image indicated by the teacher data 242, and rotating the code image.
  • Various image processing may be performed, including processing for This increases the variation of the teacher data 242 after processing.
  • the code image is rotated, for example, the values of the four corner position coordinates L1 to L4 indicated by the teacher data 242 are also converted into values rotated by the same rotation angle as the code image.
  • the CPU 32 may execute, as the processing processing, processing for adjusting the contrast of the code image, processing for rotating the code image, etc., without executing image processing according to the cause information.
  • the CPU 32 executes each of the one or more processing determined in S210.
  • the CPU 32 adjusts, for example, the position where the white image is added, the rotation angle for rotating the code image, and the like, and executes one processing process a plurality of times.
  • the CPU 32 executes each of one or more processing processes multiple times until the number of teaching data 242 in the memory 234 reaches a predetermined target number (for example, 100).
  • the CPU 232 proceeds to S64.
  • a comparative example that does not include the case table 270 for example, a comparative example that executes processing using image processing that is predetermined by an administrator or the like of the learning device 200 is assumed.
  • the processing may correspond to a case different from the case of the actual reading process.
  • the case table 270 accumulates actual cases of normal reading processing.
  • learning device 200 determines one or more processing processes from case table 270 (S210 in FIG. 11). Appropriate processing can be performed in consideration of trends in actual reading processing cases.
  • Control unit 230 of learning device 200 that executes the process of S220 in FIG. 11 is an example of the “increase control unit”.
  • the memory 234 of the learning device 200 is an example of the "second memory”.
  • the control unit 230 that stores the case information transmitted in S200 of FIG. 10 in the memory 234 is an example of the "second storage control unit.”
  • the two-dimensional code is displayed on various media (eg substrate, metal, paper media, etc.). Also, for example, the two-dimensional code is displayed on the medium by various display methods (eg, printing, cutting, etc.). Also, for example, the two-dimensional code is generated according to a specific standard among various standards (for example, size, encryption, etc.).
  • Each of the plurality of case tables 270 corresponds to each of the plurality of types of two-dimensional code to be read.
  • the case information transmitted to the learning device 200 in S200 of FIG. contains specific information about
  • the specific information is information indicating a medium to be read, a display method, a standard, and the like.
  • the specific information is input to the code reading device 10 by the user of the code reading device 10, for example.
  • the learning device 200 When the learning device 200 receives the case information including the specific information from the code reading device 10, the learning device 200 should store the received case information from the plurality of case tables 270 in the memory 234 based on the specific information in the case information. Identify one case table 270 . Then, learning device 200 stores the information in the received case information in one specified case table 270 .
  • the code reading device 10 transmits the above specific information to the learning device 200 together with the teacher data 242.
  • learning device 200 When learning device 200 receives teacher data 242 and specific information from code reading device 10, learning device 200, in S60 of FIG. is stored in memory 234 . When learning device 200 determines that the number of training data 242 corresponding to the received specific information is equal to or greater than the sub-target value (YES in S205), learning device 200 proceeds to the processing from S210. Specifically, learning device 200 selects one case table 270 to be used in the learning process of S64 in FIG. Identify. Then, the learning device 200 refers to the single specified example table 270 and executes the processes from S210 onward.
  • case information is accumulated for each type of two-dimensional code to be read.
  • a specific type of reading target can be read not only at the most recent date and time when the code reader 10 was used, but also at past dates and times.
  • a particular type of read target may be read in an area different from the predetermined area in which the code reader 10 is used.
  • the processing can be executed with reference to the code example.
  • the learning model 252 of this embodiment is a model that inputs code image data to the input layer and outputs estimated values of the black and white patterns of the cells of the two-dimensional code from the output layer.
  • the black and white pattern data of the cells of the two-dimensional code (hereinafter referred to as “pattern data”) are, for example, the positional coordinates of each cell specified in the normal reading process (see S54 in FIG. 4, for example) and the same process. are generated based on the black and white values of each cell determined in the binarization process of .
  • the position coordinates of each cell are as follows: the upper left cell is the origin (0, 0), the upper right cell, the lower left cell, and the lower right cell are (N, 0), (0, N), respectively. Defined as (N, N).
  • N is the number of cells on one side of the two-dimensional code, which is 24, for example.
  • the positional coordinates of each cell are assigned serial numbers in the order of the upper left cell, the upper right cell, the lower left cell, and the lower right cell.
  • the pattern data is data in which each serial number of each cell is associated with the black and white values of the cell indicated by the serial number.
  • black and white values for example, “white” indicates “1” and “black” indicates “0”.
  • the teacher data 242 of this embodiment includes code image data representing the code image cut out in S50 of the normal reading process in FIG. 4 and the pattern data described above.
  • the learning device 200 refers to the teacher data 242 and executes learning processing for adjusting the model parameters 254 (see S64 in FIG. 5).
  • the teacher data 242 includes code image data representing a code image cut out in S80 of the learning reading process of FIG. 13 described later in this embodiment
  • pattern data generated based on the learning reading process of FIG. may include In this case, the pattern data may be generated based on the positional coordinates of each cell identified in S84 of FIG. 13 and the black and white values of each cell estimated in S300 of the same process.
  • the learning reading process of this embodiment is the same as the process of FIG. 6 of the first embodiment except that the process of S300 is executed instead of the binarization process of S86.
  • the CPU 232 inputs the code image data representing the code image cut out in S80 to the learning model 52 in the memory 34, and extracts the black and white pattern of the two-dimensional code represented by the code image from the learning model 52. Get an estimate.
  • the CPU 32 refers to the position coordinates of each cell specified in S84 and the black and white pattern estimated values obtained in S300, and calculates the black and white values of each cell of the two-dimensional code. decide. The CPU 32 then executes code processing based on the determined black and white values of each cell. 0
  • the learning model 52 is referenced to determine the black and white values of each cell of the two-dimensional code (S300 in FIG. 13). For example, it is assumed that reading by the normal reading process fails because most of black and white of the two-dimensional code is discolored due to age deterioration of the two-dimensional code.
  • the black and white value of each cell determined by the binarization processing of the two-dimensional code due to aging deterioration of the two-dimensional code is greatly different from the black and white value of each cell of the two-dimensional code before deterioration.
  • the information in the two-dimensional code can be read by executing the learning reading process.
  • a comparative example is assumed in which the pattern data is a plurality of pixels representing a two-dimensional code.
  • the information amount of the pattern data increases as the number of pixels increases.
  • one value is associated with one cell.
  • the amount of information in the pattern data does not increase.
  • An increase in the information amount of pattern data can be suppressed as compared with the above comparative example.
  • the configuration of the above comparative example may be employed in the modified example.
  • the black and white patterns of the cells of the two-dimensional code include the black and white values of the cells for all the cells.
  • a two-dimensional code includes a group of cells arranged in a certain pattern such as a symbol mark (that is, a finder pattern), an alignment pattern, a timing pattern, or the like.
  • the black-and-white pattern of the cells of the two-dimensional code includes the black-and-white values of a plurality of cells excluding the group of cells arranged in the above fixed pattern from all the cells, and the cells arranged in the above fixed pattern It does not have to contain the black and white values of the group.
  • the serial number in the black and white pattern of each cell is 1 .about.624 are attached. 624 is the same value as the number of cells of the two-dimensional code.
  • the serial numbers in the black and white pattern of each cell may be numbered from 1 to M (where M is greater than 624).
  • 624 of the serial numbers from 1 to 31329 are used, and the rest of the serial numbers may not be used. For example, all values corresponding to the remaining serial numbers may be set to "0".
  • one learning model 252 can be shared in learning two-dimensional codes of multiple sizes.
  • Pattern data is an example of "first relationship information”.
  • the estimated value of pattern data is an example of "related information (and second related information).”
  • the processing of the learning apparatus 200 of this embodiment is the same as the processing of FIG. 5 of the first embodiment, except that the processing of S400 is executed instead of the processing of S70 of FIG.
  • all the model parameters 254 of the learning model 252 may be adjusted in the learning process of S64, or part of the model parameters 254 may be adjusted.
  • the model parameters 254 are adjusted, for example, parameters on the input layer side of the multilayer neural network are fixed at predetermined values, and parameters on the output layer side of the multilayer neural network are adjusted in the learning process.
  • the CPU 232 determines that the verification result indicates "OK" (YES in S68), it proceeds to S400.
  • the CPU 232 generates a two-dimensional code that records the model parameters 254 adjusted at S64.
  • the CPU 232 then transmits print data representing the generated two-dimensional code to the printer 500 . Thereby, the two-dimensional code is printed.
  • the code reading device 10 reads the printed two-dimensional code. Thereby, the code reading device 10 acquires the model parameters 254 in the two-dimensional code and stores them in the memory 34 .
  • the code reading device 10 can acquire the model parameters 254 by reading the two-dimensional code.
  • the code reading device 10 can acquire the model parameters 254 by reading the printed two-dimensional code without executing communication with the learning device 200 .
  • the information recorded in the two-dimensional code is not limited to the plaintext of the model parameters 254, and may be data obtained by reducing the plaintext model parameters 254, for example.
  • the CPU 232 may divide the model parameter 254 into a plurality of pieces of data, and generate a two-dimensional code for recording each piece of divided data. According to such a configuration, even if the amount of information of the model parameters 254 exceeds the amount of information that can be stored in one two-dimensional code, a two-dimensional code that records the model parameters 254 can be created.
  • the information recorded in the two-dimensional code is not limited to all of the model parameters 254, and may be part of the model parameters 254.
  • the values of some of the model parameters 254 are fixed, only some of the parameters adjusted in the learning process of S64 may be recorded in the two-dimensional code.
  • only the parameters changed from the model parameters 254 before adjustment may be recorded in the two-dimensional code among the model parameters 254 after adjustment.
  • the model parameters 254 before adjustment may be, for example, the model parameters 254 at the shipping stage, or the model parameters 254 after adjustment in the previous learning process. Compared to a configuration in which all model parameters 254 are recorded, the amount of information recorded in the two-dimensional code can be reduced.
  • a printer is an example of an "output device.”
  • the learning device 200 may display the two-dimensional code in which the model parameters 254 are recorded on a display (not shown) that can communicate with the learning device 200 .
  • the display is an example of the "output device”.
  • the code reader 10 stores multiple pieces of learning information 50 in the memory 34 .
  • code reader 10 is used in a variety of situations. For example, a situation is assumed in which the code reader 10 is used not only in a factory but also outdoors. Further, for example, the code reading device 10 not only reads a two-dimensional code displayed on a first medium (for example, paper medium), but also reads a two-dimensional code displayed on a second medium (for example, metal) different from the first medium. A situation is assumed in which a two-dimensional code is read. According to the configuration of this embodiment, two unique learning information 50 can be stored for each of various situations. This makes it possible to deal with various situations.
  • the memory 34 is divided into a plurality of storage areas including storage areas a1, b1 and b2.
  • the program 40 is stored in the memory area a1, the first learning information 50 is stored in the memory area b1, and the second learning information 50 is stored in the memory area b2.
  • a comparative example is assumed in which a plurality of pieces of learning information 50 are stored in one storage area. This comparative example requires a process of searching for learning information 50 to be updated from among a plurality of pieces of learning information 50 .
  • the learning information 50 to be updated is searched from among the plurality of learning information 50. It is only necessary to access the storage area in which the learning information 50 to be updated is stored.
  • Memory 34 is an example of a "specific memory.”
  • the storage area a1 is an example of the "first area”.
  • the storage areas b1 and b2 are an example of the "second area”.
  • the intermediary device 700 is, for example, a server. Intermediary device 700 is connected to LAN4. This allows the intermediary device 700 to communicate with the code reader 10 via the LAN4. Also, the intermediary device 700 is connected to the Internet 6 . This allows intermediary device 700 to communicate with study device 200 via Internet 6 .
  • the code reading device 10 can directly communicate with the intermediary device 700, but cannot directly communicate with the learning device 200.
  • the code reading device 10 transmits the teacher data 242 to the intermediary device 700 .
  • intermediary device 700 transmits teacher data 242 to learning device 200 .
  • the learning device 200 transmits the adjusted model parameters 254 to the mediation device 700 .
  • the intermediary device 700 transmits the adjusted model parameters 254 to the code reading device 10 . That is, mediation device 700 mediates communication between code reading device 10 and learning device 200 .
  • the intermediary device 700 can block the code reading device 10 from the Internet 6 . It is possible to prevent the code reader 10 from being directly accessed from the Internet 6 .
  • the intermediation device 700 is an example of an "intermediation device.”
  • the code reading device 10 can perform image processing on the code image for the purpose of improving reading accuracy.
  • Image processing is the process of transforming a code image using at least one filter.
  • the filter is, for example, a smoothing filter, a black expansion filter, a black contraction filter, or the like.
  • a smoothing filter is a filter that smoothes the luminance values of an image.
  • the black 3 dilation filter is a filter that dilates black blobs in an image.
  • a black shrink filter is a filter that shrinks black blobs in an image.
  • the internal factor classification process of this embodiment is a process of classifying the two-dimensional code to be read according to the internal factor, which is the mode of use of the filter of the code reading device 10 .
  • the filter may be set by the user, or may be automatically selected by the code reading device 10 .
  • the filters may be used multiple times and the sizes of the filters may vary.
  • the process of FIG. 19 is the same as the process of FIG. 8 except that the processes of S510 and S512 are executed instead of S110 and S112 of FIG.
  • the CPU 32 determines whether at least one filter has been used for the code image. When the CPU 32 determines that no filter has been used for the code image (NO in S510), it skips the processing of S512 described later and proceeds to S114.
  • the CPU 32 classifies the code images based on the mode of use of the filter.
  • the classification items are, for example, the number of times the filter is used, the type of filter, the size of the filter, and the like. For example, as shown in FIG. 19, when a smoothing filter of size “3 ⁇ 3” is used only once for a code image, the successful case corresponding to the code image is the item “size “3 It is stored in the teacher data table 60 as teacher data TD1 corresponding to " ⁇ 3", the smoothing filter, and "once" (S116).
  • the success case corresponding to the code image is associated with the number of times of use "0 times" and is used as teacher data. It is stored in the data table 60 (S116). Note that the items in FIG. 19 are merely an example, and for example, when two types of filters are used, a combination thereof may also be adopted as an item.
  • the internal factor classification process of the present embodiment is a process of classifying the two-dimensional code to be read according to internal factors, which are imaging conditions of the code reading device 10 .
  • the imaging conditions include the exposure time, the distance from the object to be imaged, ON/OFF of lighting (for example, flash), and the like.
  • the imaging conditions may be set by the user, or may be automatically selected by the code reader 10 .
  • the distance to the object to be imaged may be calculated, for example, based on the focal length, or may be calculated by a stereo method with reference to an indication marker illuminated to the object to be read.
  • the process of FIG. 20 is the same as the process of FIG. 8 except that the process of S612 is executed instead of S110 and S112 of FIG.
  • the CPU 32 classifies the code images based on the imaging conditions currently used for imaging the code images.
  • the classification items are, for example, exposure time, distance, illumination, and the like.
  • the success case corresponding to the code image is the item "0 .5ms4 or less, 100mm or less, and "ON" are stored in the teaching data table 60 as teaching data TD1 (S116).
  • teaching data TD1 teaching data TD1
  • the internal factor classification process of this embodiment is a process of classifying the two-dimensional code to be read according to the internal factor, which is the processing time of the reading process of the code reader 10 .
  • the processing time is, for example, the time from the start to the end of the normal reading process (see FIG. 4) or the time from the start to the end of the learning reading process (see FIG. 6). Note that in other modifications, the processing time may be part of the normal reading process, for example, the time from the start to the end of the decoding process.
  • the CPU 32 classifies the code images based on the processing time.
  • the classification items include, for example, processing time "100 ms or less" and processing time "150 ms or less". For example, if the processing time is greater than 100 ms and 150 ms or less, the successful example corresponding to the code image is stored in the training data table 60 as training data TD3 corresponding to the item "150 ms or less" ( S116). Note that the items in FIG. 20 are only examples.
  • the reason for the long processing time is, for example, the deterioration of the two-dimensional code, and the length of the processing time and the degree of deterioration may have a correlation. Classification based on the processing time makes it possible to suppress the distribution of success cases from biasing toward cases with a specific degree of deterioration. Also in this embodiment, the same effect as in the second embodiment can be obtained.
  • An item with a high degree of influence is, for example, the pattern number indicating deterioration of the symbol mark in the pattern determination process (FIG. 9).
  • a region in which data is recorded in the two-dimensional code can be restored by error correction even if it deteriorates.
  • the symbol mark cannot be restored by error correction, and if the symbol mark deteriorates, the position of the two-dimensional code cannot be specified, and there is a high possibility that the reading of the two-dimensional code will fail.
  • the item indicating deterioration of the symbol mark which is highly likely to fail in reading the two-dimensional code, is adopted as an item having a higher degree of influence than the other items.
  • the code reading device 10 can read the total number of data groups of one or more items having a high degree of influence. is equal to or greater than the 5 predetermined number (YES in S700), all of the teaching data 242 is transmitted to the learning device 200 (S104).
  • Successful cases corresponding to data groups of one or more items with a high degree of impact are cases in which two-dimensional codes can be read successfully, but the possibility of reading two-dimensional codes becoming unsuccessful due to deterioration of the symbol mark, etc. is increasing. This is an example showing In situations where the possibility of reading the two-dimensional code is likely to fail, learning can be started quickly without waiting for the number of teacher data 242 to reach the target number.
  • the determination in S700 of FIG. 21 is not limited to the classification based on the deterioration of the information code, but also the classification based on the contrast of the information code (modification of the second embodiment), the classification based on the deformation of the information code (second embodiment). (Figs. 16 to 18)), and classification based on the internal factors of the code reader (ninth to eleventh embodiments (Figs. 19 and 20)). good. Also, the determination of S700 of FIG. 21 may be employed for classification based on a combination of at least two of the above deterioration, contrast, deformation, and internal factors.
  • the code reader 10 can irradiate an indication marker that indicates a two-dimensional code to be read.
  • the indication marker has a predetermined shape such as a cross, circle, square, or the like.
  • the CPU 32 identifies the position of the instruction marker from the captured image of the camera 20 .
  • the CPU 32 extracts a predetermined shape of the pointing marker from the captured image and identifies the position of the predetermined shape as the position of the pointing marker.
  • the CPU 32 may specify the center of the captured image as the position of the pointing marker.
  • the predetermined number of pixels (N1, N2) is preset based on, for example, the size of the two-dimensional code to be read.
  • N1 and N2 are positive integers, and N2 may be the same as or different from N1.
  • a code image including a two-dimensional code can be easily cut out from the captured image based on the instruction marker.
  • a two-dimensional code is composed of black and white patterns. Therefore, as shown in FIG. 23, the luminance of the pixels representing the two-dimensional code fluctuates greatly, while the luminance of the pixels representing the background other than the two-dimensional code hardly fluctuates.
  • the CPU 32 analyzes the luminance of pixels along the horizontal direction from the position of the pointing marker, and estimates pixels whose luminance variation is equal to or greater than a predetermined value as the boundary line of the two-dimensional code in the horizontal direction.
  • the CPU 32 performs the same analysis in the vertical direction from the position of the pointing marker, and estimates the pixels whose brightness variation is equal to or greater than a predetermined value as the boundary line of the two-dimensional code in the vertical direction. Then, the CPU 32 designates a line of a predetermined number of pixels N3 from the horizontal boundary line as a vertical line of the cutting range, and a line of a predetermined number of pixels N4 from the vertical boundary line as a horizontal line of the cutting range. decide.
  • the predetermined numbers of pixels N3 and N4 are set in advance based on, for example, the size of the two-dimensional code to be read. N3 and N4 are positive integers, and N3 may be the same as or different from N4.
  • the Dimension codes can be included in the crop range.
  • the CPU 32 calculates the position coordinates of the four corners of each of at least some of the code image data in the plurality of pieces of teacher data 242 stored in S60 of FIG. 5, as in S52 of FIG. Then, the CPU 32 sets a range including all four corners calculated for at least part of the code image data in the plurality of pieces of teacher data 242 as a cut range.
  • the cutting range can be set even with the code reading device 10 that does not use the indication marker.
  • a code reader 10 is, for example, a stationary code reader that is fixed to a production line in a factory, a POS register, or the like.
  • the "information code” is not limited to a two-dimensional code, and may be, for example, a barcode, a multi-stage barcode, or the like.
  • the objects to be learned by the learning device 200 are limited to the position coordinates of the four corners of the two-dimensional code (see the first embodiment) and the black and white patterns of each cell of the two-dimensional code (see the fifth embodiment). do not have.
  • the learning target may be code position information indicating the position of the code image within the captured image. For example, a situation is assumed in which the black portion of the two-dimensional code becomes faint, making it difficult to find the two-dimensional code from the captured image. By learning the code position information, the two-dimensional code can be found from the captured image even in the above situation, and the code image can be cut in the cut processing of FIG.
  • the code position information is an example of "relationship information (first relational information and second relational information)".
  • the learning target may be the range to be cut in the cut processing.
  • the object to be learned may be the position coordinates of the four corners of each of the three symbol marks.
  • the learning object may be the position of the timing pattern of the two-dimensional code.
  • the learning object may be information (position, size, etc.) indicating a predetermined pattern (eg, symbol mark, timing pattern, etc.) in the two-dimensional code.
  • the information about the range to be cut, the position coordinates of the four corners of the symbol mark, or the specific pattern in the two-dimensional code is an example of "relationship information (first relational information and second relational information)". is.
  • Relationship information (first relational information and second relational information) is not limited to one type of information (for example, positional coordinates of four corners of a two-dimensional code), but also plural types of information ( For example, positional coordinates of the four corners of the symbol mark and positional coordinates of the four corners of the two-dimensional code).
  • the teacher data 242 may include not only successful cases of normal reading processing but also successful cases of learning reading processing.
  • the training data 242 may include successful cases of the normal reading process and may not include successful cases of the learning reading process.
  • the "teaching data" should at least include a plurality of successful cases of the reading process using the first relational information.
  • the "classification unit” and “determination unit” are not limited to the control unit 30 of the code reading device 10, but may be the control unit 230 of the learning device 200, for example. In this case, the processing in FIG. 8 may be executed by the control unit 230 of the learning device 200.
  • FIG. 8 may be executed by the control unit 230 of the learning device 200.
  • the teacher data table 60 may be stored not only in the memory 34 of the code reading device 10 but also in the memory 234 of the learning device 200, for example.
  • the memory 234 is an example of the "first memory”.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Image Analysis (AREA)

Abstract

二次元コード内の情報を読み取ることができない事態に対処するための技術が提供される。情報読取装置（２）は、第１及び第２のコード処理実行部（３０）及び調整部（２３０）を有する。第1のコード処理実行部（３０）では、第１の情報コードの画像から第１の情報コードの二次元領域を規定する情報（例えば四隅の点の位置座標（Ｌ１～Ｌ４））である第１の関係情報が検出され、検出済みの第１の関係情報に基づいて、第１の情報コードに記録されている情報を読み取られる。調整部（２３０）により、第１の関係情報を利用した読取処理の複数の成功事例を含む教師データに基づき、学習モデルのパラメータが調整される。第２のコード処理実行部（３０）では、カメラ（２０）によって撮像された第２の情報コードの画像を学習モデルに入力して、学習モデルから第２の情報コードの二次元領域を規定する情報の推定値である第２の関係情報が取得され、取得済みの第２の関係情報に基づいて、第２の情報コードに記録されている情報が読み取られ、読取り結果が出力される。

Description

情報読取装置
　本明細書で開示する技術は、二次元情報コードに記録されている情報を読み取るための技術に関する。
　特許文献１には、二次元コードを読み取るための読取条件（明るさ、露光時間、フィルタの有無）を調整して、二次元コード内の情報を読み取るリーダシステムが開示されている。リーダシステムは、二次元コードの濃度の劣化、外光等の影響によって、二次元コード内の情報の読取が失敗する場合に、基準バンクによって示される読取条件に代えて、拡張バンクによって示される読取条件に従って、二次元コード内の情報を読み取る。拡張バンクは、予め定められた調整ルールに従って基準バンクを調整することによって生成される。
特開２０１８－０４５７３５号公報
　上記の技術は、読取条件を調整するのみである。このため、例えば、読取条件を調整したとしても、二次元コードの画像から二次元コード内の情報を読み取るための情報（例えば二次元コードの位置を示す情報）を検出することができなければ、二次元コード内の情報を読み取ることができない。
　本明細書では、二次元コード内の情報を読み取ることができない事態に対処するための技術を提供する。
　本明細書で開示する情報読取装置は、二次元の情報コードを撮像可能なカメラと、
　　・前記カメラによって撮像された前記情報コードとしての第１の情報コードの画像から前記第１の情報コードの二次元のコード領域を規定する情報である第１の関係情報を検出する検出処理と、
　　・検出済みの前記第１の関係情報に基づいて、前記第１の情報コードに記録されている情報を読み取る読取処理と、
　　・前記読取処理の結果を出力する出力処理と、を含む第１のコード処理を実行する、
　第１のコード処理実行部と、
　　・前記カメラによって撮像された前記情報コードの画像から前記情報コードの二次元のコード領域を規定する情報の推定値である第２の関係情報を出力させる学習モデルのパラメータを、前記第１の関係情報に基づいて読み取られた前記読取処理の複数の成功事例を少なくとも含む教師データに基づいて調整する、調整部と、
　　・前記カメラによって撮像された前記情報コードとしての第２の情報コードの画像を前記学習モデルに入力して、前記学習モデルから前記第２の関係情報を取得する取得処理と、
　　・取得済みの前記第２の関係情報に基づいて、前記第２の情報コードに記録されている情報を読み取る読取処理と、
　　・前記読取処理の読取り結果を出力する出力処理と、を含む、第２のコード処理を行う、第２のコード処理実行部と、
　を備える、情報読取装置。
　このような構成によれば、情報読取装置は、検出処理によって検出された第１の関係情報を利用した読取処理の複数の成功事例を少なくとも含む教師データを利用して（即ち、教師データに基づいて）、情報コードの画像から情報コードに関する関係情報を出力する学習モデルのパラメータを調整する。そして、情報読取装置は、パラメータの調整後に、学習モデルを利用した取得処理を実行して、第２の情報コードから第２の関係情報を取得し、取得済みの第２の関係情報を利用した読取処理を実行する。例えば、読取処理の読取条件を調整しても検出処理が失敗する状況において、学習モデルを利用した取得処理によって第２の情報コードから第２の関係情報を取得することができる。読取処理の読取条件を調整しても検出処理が失敗することに起因して、二次元コード内の情報を読み取ることができない事態に対処することができる。
　前記第１の関係情報は、前記情報コードの四隅の点（位置）の位置座標を示す情報であってもよい。
　このような構成によれば、学習モデルを参照して（即ち、学習モデルに基づいて）情報コードの四隅の点（位置）の位置座標を取得することができる。
　前記第１の関係情報は、前記情報コードの二次元のコード領域を構成する複数個のセルの白黒のパターンを示す情報であってもよい。
　このような構成によれば、学習モデルを参照して（即ち、学習モデルに基づいて）情報コードの複数個のセルの白黒のパターンを取得することができる。
　前記第１の関係情報では、前記複数個のセルのそれぞれについて、当該セルの位置を示す情報と、白黒のいずれかを示す値と、が対応付けられていてもよい。
　例えば、複数個のセルの白黒のパターンを示すデータ（以下、「パターンデータ」と記載）が、情報コードを示す複数個の画素である比較例が想定される。この比較例では、画素数の増加と共にパターン情報の情報量が増加する。これに対して、上記の構成によれば、１個のセルに対して１つの値が対応付けられるため、情報コードのセルの個数が一定であれば、画素数が増加しても、パターンデータの情報量は増加しない。上記の比較例と比べて、パターンデータの情報量の増加を抑制することができる。
　前記カメラと前記第１のコード処理実行部と前記第２のコード処理実行部とを備える１個以上のコード読取装置と、前記１個以上のコード読取装置と別体な、前記調整部を備える学習装置と、を備え、前記１個以上のコード読取装置は、前記学習装置から調整後の前記パラメータを取得し、前記第２のコード処理実行部は、取得済みの前記調整後のパラメータを参照して（即ち、パラメータに基づいて）前記第２のコード処理を実行してもよい。
　例えば、１個の装置が、カメラと第１のコード処理実行部と第２のコード処理実行部と調整部を備える比較例が想定される。この比較例では、当該１個の装置が、情報コードの読み取りだけでなく、学習モデルのパラメータの調整も実行する。このため、学習モデルのパラメータの調整を実行していなかった従来の構成と比べて、当該１個の装置の処理能力を高める必要があり得る。これに対して、上記の構成によれば、学習モデルのパラメータの調整は、コード読取装置とは別体の学習装置によって実行される。このため、コード読取装置の処理能力を従来から高めなくても、学習モデルのパラメータの調整を実行することができる。
　前記学習装置は、インターネット上に設置されており、前記１個以上のコード読取装置と前記学習装置との通信を仲介し、前記インターネットに接続されている仲介装置をさらに備えてもよい。
　このような構成によれば、コード読取装置がインターネットからのアクセスを直接受けることを抑制することができる。
　前記調整後のパラメータを記録する特定の情報コードを出力可能な出力装置をさらに備え、前記１個以上のコード読取装置のそれぞれは、前記出力装置によって出力された前記特定の情報コードから前記調整後のパラメータを読み取ることによって、前記学習装置から前記調整後のパラメータの全部又は一部を取得してもよい。
　このような構成によれば、コード読取装置は、特定の情報コードを読み取ることによってパラメータを取得することができる。
　前記１個以上のコード読取装置は、第１のコード読取装置と、前記第１のコード読取装置とは異なる第２のコード読取装置と、を含み、前記学習装置は、前記第１のコード読取装置から前記教師データを取得して、取得済みの前記教師データを参照して、前記パラメータを調整し、前記第２のコード読取装置は、前記学習装置から、前記第１のコード読取装置の前記教師データを使って調整された前記パラメータを取得し、取得済みの前記パラメータを参照して、前記第２のコード処理を実行してもよい。
　このような構成によれば、第２のコード読取装置において、第２のコード読取装置とは異なる第１のコード読取装置における成功事例を利用することができる。
　特定のメモリをさらに備え、前記特定のメモリは、前記第１のコード処理及び前記第２のコード処理を実行するためのプログラムを記憶する第１の領域と、前記第１の領域とは異なる第２の領域と、を含み、前記第２の領域は、複数個の学習情報を記憶するための領域であり、前記複数個の学習情報のそれぞれは、前記学習モデルと、調整後の前記パラメータと、を含んでいてもよい。
　このような構成によれば、情報コードを読み取る様々な状況に応じた複数個の学習情報を記憶することができる。当該様々な状況に対応することができる。
　前記調整部は、前記教師データに含まれる前記複数の成功事例の個数が所定の数を上回った後に、前記学習モデルの前記パラメータの調整を開始するように構成されていてもよい。
　前記情報読取装置は、さらに、前記第１のコード処理において前記読取処理が成功した対象の情報コードを、情報コードの劣化の種類に関する複数のパターンのうちの特定のパターンに分類する分類部と、分類済みの前記特定のパターンに基づいて、前記対象の情報コードの成功事例を前記教師データとして採用するのか否かを判断する判断部と、を備えていてもよい。
　学習モデルのパラメータの信頼性を確保するためには、所定の数を上回る成功事例が必要となる。しかし、成功事例を無条件に教師データとして採用すると、教師データとしての成功事例の個数が所定の数を上回ったタイミングにおいて、教師データ内の成功事例のばらつきが、特定の劣化のパターン（例えば特定の箇所の特定の汚れ）における事例に偏る可能性がある。上記の構成によれば、情報読取装置は、対象の情報コードの成功事例を情報コードの劣化のパターンで分類して、分類結果に基づいて、対象の情報コードの成功事例を前記教師データとして採用するのか否かを判断する。これにより、教師データにおける成功事例が、特定の劣化のパターンにおける事例に偏ることを抑制することができる。なお、本明細書における「劣化」は、情報コードの経年劣化だけでなく、情報コードを印刷する印刷装置の劣化や、情報コードが印刷される媒体の印刷時における不安定な支持に起因する情報コードの変形も含む。
　前記分類部は、前記対象の情報コードに対する前記読取処理内で実行された誤り訂正において復元された復元コードの画像と、前記対象の情報コードの実際の画像を二値化した画像と、を比較して、前記対象の情報コードの劣化の箇所を特定し、前記復元コードと前記実際の画像との比較によって特定された前記劣化の箇所に基づいて、前記対象の情報コードを前記特定のパターンに分類してもよい。
　このような構成によれば、対象の情報コードの実際の画像における劣化の箇所に基づいて対象の情報コードを分類することができる。
　前記分類部は、前記対象の情報コードの画像のコントラストと、前記対象の情報コードの変形と、のうちの少なくとも１つに基づいて、前記対象の情報コードを前記特定のパターンに分類してもよい。
　このような構成によれば、対象の情報コードの実際の画像におけるコントラストと、対象の情報コードの実際の変形と、のうちの少なくとも１つに基づいて対象の情報コードを分類することができる。
　前記情報読取装置は、さらに、前記第１のコード処理において前記読取処理が成功した対象の情報コードを、前記情報読取装置の内的要因を示す複数の項目のうちの特定の項目に分類する分類部と、分類済みの前記特定の項目に基づいて、前記対象の情報コードの成功事例を前記教師データとして採用するのか否かを判断する判断部と、を備えてもよい。ここで、前記複数の項目は、前記情報読取装置が前記情報コードの画像に対して実行した画像処理に関する２個以上の項目と、前記情報読取装置が前記情報コードを撮像する撮像条件に関する２個以上の項目と、前記情報読取装置が前記情報コードに記録されている情報を読み取るための処理時間に関する２個以上の項目と、のうちの少なくとも１つを含んでもよい。
　このような構成によれば、教師データにおける成功事例が、特定の内的要因に対応するパターンにおける事例に偏ることを抑制することができる。
　前記調整部は、前記教師データに含まれる前記複数の成功事例の個数が前記所定の数を上回る前であっても、前記複数の成功事例の個数のうちの２個以上の成功事例の個数が、前記所定の数よりも小さい特定の数を上回る場合に、前記学習モデルの前記パラメータの調整を開始するように構成されており、前記２個以上の成功事例のそれぞれは、前記情報コードの読み取りが成功するものの、前記情報コードの読み取りが失敗する可能性が高まっていることを示す事例であってもよい。
　このような構成によれば、情報コードの読み取りが失敗する可能性が高まっている状況において、成功事例の個数が所定の数に到達することを待つことなく、学習を速やかに開始することができる。
　第１のメモリと、前記分類済みの特定のパターンに基づいて、前記対象の情報コードの成功事例を前記教師データとして採用すると判断される場合に、前記対象の情報コードの成功事例を前記教師データとして前記第１のメモリに記憶する第１の記憶制御部であって、前記分類済みの特定のパターンに基づいて、前記対象の情報コードの成功事例を前記教師データとして採用しないと判断される場合に、前記対象の情報コードの成功事例は前記特定のメモリに記憶されない、前記第１の記憶制御部と、をさらに備え、前記調整部は、前記第１のメモリ内の前記教師データを参照して、前記パラメータを調整してもよい。
　このような構成によれば、教師データを記憶する第１のメモリの使用量を低減することができる。
　前記カメラによって撮像された情報コードの画像であるコード画像に対する画像処理を実行して、前記読取処理の仮想的な事例を生成し、前記教師データ内の成功事例の個数を増やす増加制御部をさらに備えてもよい。ここで、前記画像処理は、前記コード画像のコントラストを調整する処理、所定の画像を前記コード画像に追加する処理、前記コード画像を回転する処理、及び、前記コード画像によって示される前記情報コードの各セルを加工する処理、のうちの少なくとも一つを含んでもよい。
　学習モデルのパラメータの信頼性を確保するためには、所定の数を上回る成功事例が必要となる。上記の構成によれば、成功事例の個数が所定の数を上回らない状況において、成功事例の個数を増やすことができる。実際の成功事例の個数が所定の数を上回らなくても、学習モデルのパラメータの信頼性を確保することができる。
　複数個の情報コードのそれぞれについて、当該情報コードに対して実行された前記読取処理の事例を示す事例情報を記憶する第２のメモリをさらに備え、前記増加制御部は、前記第２のメモリに記憶されている複数個の前記事例情報によって示される前記読取処理の事例の傾向に基づき、複数種類の前記画像処理の中から１種類以上の前記画像処理を選択して、選択済みの前記１種類以上の画像処理を実行してもよい。
　例えば、管理者等によって予め決められている画像処理を行って、仮想的な事例を生成する比較例が想定される。この比較例では、予め決められている画像処理が、実際の読取処理の事例とは異なる事例に対応している可能性がある。上記の構成によれば、実際の読取処理の事例の傾向を考慮した適切な画像処理を行って、仮想的な事例を生成することができる。
　前記第１の関係情報を利用した前記読取処理が実行される場合に、前記第１の情報コードに対して実行された前記読取処理の事例を示す前記事例情報を前記第２のメモリに記憶する第２の記憶制御部をさらに備えてもよい。
　このような構成によれば、仮想的な事例を生成するための事例情報を読取処理が実行される毎に記憶して蓄積することができる。
　前記第２のコード処理は、前記第２の情報コードに照射された指示マーカの位置を参照して、前記カメラによって撮像された画像から、前記第２の情報コードの画像を切り取る切り取り処理を含んでもよい。
　このような構成によれば、既設の指示マーカに基づいて、撮像画像から二次元コードを含むコード画像を簡易に切り取ることができる。
　また、上記の情報読取装置の制御方法、情報読取装置のためのコンピュータプログラム、及び、当該コンピュータプログラムを保存する記憶媒体も、新規で有用である。
　添付図面において：
情報読取システムの概念図である。 情報読取システムのブロック図である。 コード読取装置の処理を示すフローチャート図である。 通常読取処理を示すフローチャート図である。 学習装置の処理を示すフローチャート図である。 学習読取処理を示すフローチャート図である。 第２実施例の読取装置の処理を示すフローチャート図である。 劣化分類処理を示すフローチャート図である。 パターン決定処理を示すフローチャート図である。 第３、第４実施例のコード読取装置の処理を示すフローチャート図である。 第３、第４実施例の学習装置の処理を示すフローチャート図である。 第５実施例の学習対象を示す図である。 第５実施例の学習読取処理を示すフローチャート図である。 第６実施例の学習装置の処理を示すフローチャート図である。 第７実施例の情報読取システムのブロック図である。 太り細り現象による分類を示す図である。 歪み現象による分類を示す図である。 ピッチずれ現象による分類を示す図である。 第９実施例の内的要因分類処理のフローチャート図である。 第１０、第１１実施例の内的要因分類処理のフローチャート図である。 第１２実施例のコード読取装置の処理を示すフローチャート図である。 切り取り処理の具体例１を示す図である。 切り取り処理の具体例２を示す図である。 切り取り処理の具体例３を示す図である。
（第１実施例）
（情報読取システム；図１、図２）
　本実施例の情報読取システム２は、二次元のコード領域ＣＲを有し、このコード領域ＣＲに情報を記録した二次元コードＣＤから、そこに記録されている情報を読み取るためのシステムである。例えば、工場、野外の作業場等において、二次元コードＣＤが特定の媒体（例えば、金属、基板、樹脂、紙媒体等）に表示される。なお、コード領域ＣＲは、例えば、図１に例示するように、矩形（正方形、長方形）であり、黒セル（暗色セル）ＢＣと白セル（明色セル）ＷＣとを特定の規則及びエンコードされた情報（表示したい情報）に沿ってマッピングされている。
　また、当該二次元コードＣＲが長時間に亘って利用される場合がある。このため、当該二次元コードＣＲが、経年劣化する場合がある。例えば、経年により、二次元コードＣＲの一部や全体が黒色の部分（黒セル（暗色セル）ＢＲの部分）が薄くなり、二次元コードＣＲの白色の部分（白セル（明色セル）ＷＲの部分）に対する黒色の部分のコントラストが低下する。また、例えば、経年により、二次元コードＣＲの一部が欠損し、及び、二次元コードＣＲの一部に汚れが付着する。
　図２に示すように、情報読取システム２は、２個のコード読取装置１０と、学習装置２００と、プリンタ５００と、を備える。各装置１０、２００、５００は、ＬＡＮ４に接続されており、ＬＡＮ４を介して通信可能である。ＬＡＮ４は、有線ＬＡＮ又は無線ＬＡＮである。なお、情報読取システム２は、２個のコード読取装置１０を備えるが、これは一例に過ぎない。例えば、情報読取システム２は、１個のコード読取装置１０のみを備えてもよいし、３個以上のコード読取装置１０を備えていてもよい。
（コード読取装置１０の構成；図１、図２）
　コード読取装置１０は、二次元コードＣＲに記録されている情報を読み取るための携帯装置である。なお、図１に示すコード読取装置１０の外観は、一例に過ぎず、例えば、コード読取装置１０は、スマートフォンと同様の外観を有していてもよい。
　コード読取装置１０は、操作部１２と、表示部１４と、カメラ２０と、通信インターフェース２２と、制御部３０と、を備える。以下では、インターフェースのことを「Ｉ／Ｆ」と記載する。
　操作部１２は、複数のキーを備える。ユーザは、操作部１２を操作することによって、様々な指示をコード読取装置１０に入力することができる。表示部１４は、様々な情報を表示するためのディスプレイである。また、表示部１４は、ユーザの操作を受け付け可能なタッチパネル（即ち操作部１２）として機能してもよい。カメラ２０は、ＬＥＤライト等の発光源と、ＣＣＤイメージセンサと、を含む。通信Ｉ／Ｆ２２は、ＬＡＮ４を介した通信を実行するためのＩ／Ｆである。通信Ｉ／Ｆ２２は、ＬＡＮ４に接続されている。
　制御部３０は、ＣＰＵ３２と、不揮発性メモリなどによって構成されるメモリ３４（non-transit computer
readable recording medium として機能する）と、を備える。ＣＰＵ３２は、メモリ３４に記憶されているプログラム４０に従って、様々な処理を実行する。また、メモリ３４は、さらに、多層ニューラルネットワークを利用した機械学習に関する学習情報５０を記憶する。ここで、多層ニューラルネットワークは、入力層、中間層、及び、出力層から構成される関数であり、入力層に入力されたデータが、中間層によって処理されて、出力層から出力される。多層ニューラルネットワークは、例えば、畳み込みニューラルネットワーク、全結合ニューラルネットワーク等である。また、機械学習では、多層ニューラルネットワークに限らず、例えば、サポートベクターマシンが利用されてもよい。多層ニューラルネットワーク等は、既知の技術であり、ここでは、詳細な説明は省略する。
　学習情報５０は、学習モデル５２と、モデルパラメータ５４と、を含む。学習モデル５２は、多層ニューラルネットワークのモデル（即ち数式）である。モデルパラメータ５４は、学習モデル５２のパラメータであり、具体的には、学習モデル５２の中間層における各種の重みの値である。学習モデル５２は、例えば、情報読取システム２のベンダによって提供されるサーバ（図示省略）からインストールされる。なお、変形例では、学習モデル５２は、コード読取装置１０の出荷段階においてメモリ３４に予め記憶されていてもよい。一方、モデルパラメータ５４は、学習装置２００によって生成されてメモリ３４に記憶される。
　学習装置２００は、学習モデル２５２のモデルパラメータ２５４を調整する装置である。学習装置２００は、例えば、サーバである。学習装置２００は、通信Ｉ／Ｆ２２２と、制御部２３０と、を備える。通信Ｉ／Ｆ２２２は、ＬＡＮ４に接続されている。
　制御部２３０は、ＣＰＵ２３２と、メモリ２３４と、を備える。ＣＰＵ３２は、メモリ２３４に記憶されているプログラム２４０に従って、様々な処理を実行する。また、メモリ２３４は、さらに、複数個の教師データ２４２と、学習情報２５０と、を記憶する。学習情報２５０は、コード読取装置１０と同様の学習モデル５２と、コード読取装置１０と同様のモデルパラメータ２５４と、初期パラメータ２５６と、を含む。初期パラメータ２５６は、モデルパラメータ２５４の初期値（即ち中間層における各種の重みの初期値）である。初期パラメータ２５６は、例えば、情報読取システム２のベンダによって予め決められている。
　教師データ２４２は、モデルパラメータ２５４の調整に利用される情報である。例えば、モデルパラメータ２５４は、複数個の教師データ２４２のそれぞれについて、当該教師データ２４２を入力した際の学習モデル２５２の出力と、当該教師データ２４２によって示される正解の値と、の誤差を最小化するように調整される。
（コード読取装置１０の処理；図３）
　図３を参照して、プログラム４０に従って、コード読取装置１０のＣＰＵ３２が実行する処理について説明する。図３の処理は、コード読取装置１０が、操作部１２を介して、二次元コードの読み取りの開始の指示を受け付けることをトリガとして開始される。
　ＣＰＵ３２は、Ｓ２において、操作部１２を介して、撮像の指示を受け付けると、カメラ２０を制御して、特定の媒体（例えば金属等）に表示されている二次元コードを撮像する。これにより、ＣＰＵ３２は、カメラ２０から撮像済みの画像である撮像画像を示す撮像画像データを取得する。
　続くＳ４では、ＣＰＵ３２は、取得済みの撮像画像データによって示される撮像画像から二次元コードに記録されている情報を読み取るための通常読取処理を実行する。通常読取処理の詳細は、図４にて後述する。
　続くＳ６では、ＣＰＵ３２は、通常読取処理における情報の読み取りが成功したのか否かを判断する。ＣＰＵ３２は、通常読取処理における情報の読み取りが成功したと判断する場合（Ｓ６でＹＥＳ）に、Ｓ４０に進む。一方、ＣＰＵ３２は、通常読取処理における情報の読み取りが失敗したと判断する場合（Ｓ６でＮＯ）に、Ｓ１０に進む。
　Ｓ１０では、ＣＰＵ３２は、Ｓ２での撮像の指示に応じた通常読取処理において情報の読み取りが失敗した回数が所定の閾値（例えば３回）より大きいのか否かを判断する。ＣＰＵ３２は、失敗回数が閾値以下であると判断する場合（Ｓ１０でＮＯ）に、Ｓ１２に進む。
　Ｓ１２では、ＣＰＵ３２は、カメラ２０の撮像の条件（例えば、感度、露光時間、発光源の有無、発光源の強さ等）を変更し、二次元コードを再び撮像する。ＣＰＵ３２は、Ｓ１２が終了すると、Ｓ４に戻る。
　また、ＣＰＵ３２は、失敗回数が閾値より大きいと判断する場合（Ｓ１０でＹＥＳ）に、Ｓ２０に進む。Ｓ２０では、ＣＰＵ３２は、メモリ３４内のモデルパラメータ５４が更新済みであるのか否かを判断する。モデルパラメータ５４は、学習装置２００から調整後のモデルパラメータ２５４が受信されて、調整後のモデルパラメータ２５４をモデルパラメータ５４としてメモリ３４に記憶されることによって更新される。ＣＰＵ３２は、モデルパラメータ５４が更新済みであると判断する場合（Ｓ２０でＹＥＳ）に、Ｓ２４に進む。
　Ｓ２４では、ＣＰＵ３２は、カメラ２０から取得した撮像画像データによって示される撮像画像から二次元コードに記録されている情報を読み取るための学習読取処理を実行する。学習読取処理は、Ｓ４の通常読取処理とは異なる処理であり、学習情報５０を利用する処理である。学習読取処理の詳細は、図６にて後述する。
　続くＳ２６では、ＣＰＵ３２は、学習読取処理における情報の読み取りが成功したのか否かを判断する。ＣＰＵ３２は、学習読取処理における情報の読み取りが成功したと判断する場合（Ｓ２６でＹＥＳ）に、Ｓ４０に進む。
　Ｓ４０では、ＣＰＵ３２は、Ｓ４の通常読取処理の読取結果及びＳ２６の学習読取処理の読取結果のうちのいずれかを出力する。例えば、ＣＰＵ３２は、読取結果を示す画像を表示部１４に表示させる。また、例えば、ＣＰＵ３２は、読取結果を示すデータを外部の装置（例えばＰＣ等）に送信する。
　Ｓ４２では、ＣＰＵ３２は、Ｓ４の通常読取処理及びＳ２６の学習読取処理のいずれかにおいて二次元コードの読み取りが成功する状況において、いずれかの処理の成功事例を教師データ２４２として学習装置２００に送信する。教師データ２４２（即ち成功事例）の詳細については、図５において後述する。
　続くＳ４４では、ＣＰＵ３２は、操作部１２を介して、二次元コードの読み取りの終了の指示を受け付けるのか否かを判断する。ＣＰＵ３２は、二次元コードの読み取りの終了の指示を受け付けたと判断する場合（Ｓ４４でＹＥＳ）に、図３の処理を終了する。一方、ＣＰＵ３２は、二次元コードの読み取りの終了の指示を受け付けていないと判断する場合（Ｓ４４でＮＯ）に、Ｓ２に戻り、二次元コードを再び撮像する。
　また、ＣＰＵ３２は、モデルパラメータ５４が一度も更新されていないと判断する場合（Ｓ２０でＮＯ）、及び、学習読取処理における情報の読み取りが失敗したと判断する場合（Ｓ２６でＮＯ）のうちのいずれかの場合において、Ｓ３０に進む。Ｓ３０では、ＣＰＵ３２は、二次元コードから情報を読み取ることが失敗したことを示す失敗通知を表示部１４に表示させる。Ｓ３０の処理が終了すると、図３の処理が終了する。
（通常読取処理；図４）
　図４を参照して、図３のＳ４における通常読取処理について説明する。Ｓ５０では、ＣＰＵ３２は、撮像画像から二次元コードを示す画像であるコード画像を所定の画素数で切り取る切り取り処理を実行する。切り取り処理の具体例については、図２２～図２４にて後述する。
　Ｓ５２では、ＣＰＵ３２は、Ｓ５０で切り取られたコード画像の中から、二次元コードの四隅のうちの３か所に配置されているシンボルマーク（ファインダパターンとも呼ばれる）を特定する。ＣＰＵ３２は、特定済みの３個のシンボルマークから二次元コードの四隅のうちの３か所の隅（角）を示す点の位置座標Ｌ１、Ｌ２、Ｌ４を算出する。そして、ＣＰＵ３２は、算出済みの３個の位置座標Ｌ１、Ｌ２、Ｌ４から残りの位置座標Ｌ３を算出する。これにより、二次元コードの四隅（角）を示す点の位置座標Ｌ１～Ｌ４（以下、単に、四隅の位置座標Ｌ１～Ｌ４と呼ぶ）が算出される。なお、図面では、この座標を、単に、四隅の座標Ｌ１～Ｌ４として記している。
　Ｓ５４では、ＣＰＵ３２は、Ｓ５２で算出された四隅の位置座標Ｌ１～Ｌ４に基づいて、二次元コードを構成する各セルの位置座標を特定する。
　Ｓ５６では、ＣＰＵ３２は、コード画像に対する二値化処理を実行する。これにより、二次元コードの各セルが、白及び黒のいずれかに決定される。
　Ｓ５８では、ＣＰＵ３２は、Ｓ５４で特定された各セルの位置座標と、Ｓ５６の二値化処理において決定された各セルの白黒の値と、に基づいて、二次元コードをデコードするためのコード処理を実行する。ここで、デコード処理は、誤り訂正処理を含み得る。誤り訂正処理は、二次元コードの一部に汚れが付着している等により、元の二次元コードと撮像画像内の二次元コードとの間に差異が存在する場合に、各セルの位置座標及び各セルの白黒の値から元の二次元コードを復元する処理である。デコード処理において誤り訂正処理が複数回に亘って実行されたにも関わらず、二次元コードのデコードが失敗する場合に、図４の処理による二次元コードの読み取りは失敗する。一方、それ以外の場合には、図４の処理による二次元コードの読み取りは成功する。Ｓ５８の処理が終了すると、図４の処理が終了する。
（学習装置２００の処理；図５）
　図５を参照して、プログラム２４０に従って、学習装置２００のＣＰＵ２３２が実行する処理について説明する。図５に示す処理は、コード読取装置１０から教師データ２４２を受信することをトリガとして開始される。ここで、教師データ２４２は、２個のコード読取装置１０のうちの一方の装置から受信される。なお、変形例では、教師データ２４２は、２個のコード読取装置１０の双方から受信されてもよい。
　Ｓ６０では、ＣＰＵ２３２は、コード読取装置１０から受信した教師データ２４２をメモリ２３４に記憶する。ここで、本実施例における教師データ２４２は、図４の通常読取処理の成功事例として、Ｓ５０で切り取られたコード画像を示すコード画像データと、Ｓ５２で算出された四隅の位置座標Ｌ１～Ｌ４と、を含む。また、教師データ２４２は、後述する図６の学習読取処理の成功事例も含み得る。
　Ｓ６２では、ＣＰＵ２３２は、メモリ２３４内の教師データ２４２の個数が目標数（例えば１００個）以上であるのか否かを判断する。ＣＰＵ２３２は、教師データ２４２の個数が目標数以上であると判断する場合（Ｓ６２でＹＥＳ）に、Ｓ６４に進む。一方、ＣＰＵ２３２は、教師データ２４２の個数が目標数より少ないと判断する場合（Ｓ６２でＮＯ）に、図５の処理を終了する。
　Ｓ６４では、ＣＰＵ２３２は、メモリ２３４内の複数個の教師データ２４２を利用して（即ち、教師データ２４２を参照して）、学習モデル２５２のモデルパラメータ２５４を調整するための学習処理を実行する。本実施例では、学習モデル２５２は、コード画像データを入力層に入力して、出力層から二次元コードの四隅の位置座標（四隅（角）を示す点の位置座標）の推定値を出力するモデルである。Ｓ６４の学習処理では、ＣＰＵ２３２は、複数個の教師データ２４２の中から１個の教師データ２４２を選択し、選択済みの１個の教師データ２４２内のコード画像データを学習モデル２５２の入力層に入力する。これにより、学習モデル２５２の出力層から二次元コードの四隅の位置座標の推定値が出力される。ＣＰＵ２３２は、選択済みの１個の教師データ２４２内の四隅の位置座標Ｌ１～Ｌ４と、学習モデル２５２から出力された推定値と、の差異が最小となるように、学習モデル２５２の中間層のモデルパラメータ２５４を調整する調整処理を実行する。ＣＰＵ２３２は、複数個の教師データ２４２の全てについて、当該調整処理を実行する。なお、学習処理に利用された複数個の教師データ２４２は、メモリ２３４から削除される。そして、目標数以上の教師データ２４２が再びメモリ２３４に記憶されると、学習処理が再び実行される。これにより、モデルパラメータ２５４が繰り返し調整される。なお、学習処理の実行の頻度は、上記の例に限らず、例えば、教師データ２４２がコード読取装置１０から受信される毎に学習処理が実行されてもよい。
　Ｓ６６では、ＣＰＵ２３２は、Ｓ６４で更新されたモデルパラメータ２５４の精度を検証するための検証処理を実行する。具体的には、ＣＰＵ２３２は、疑似的なコード画像を示すコード画像データを学習モデル２５２に入力して、疑似的なコード画像の四隅の位置座標の推定値を取得する。ＣＰＵ２３２は、取得済みの推定値を利用して（即ち、その推定値に基づき）、疑似的なコード画像に対して図４のＳ５４～Ｓ５８と同様の処理を実行して、疑似的なコード画像によって示される二次元コードの読み取りを実行する。ＣＰＵ２３２は、疑似的な二次元コードの読み取りにおいて実行された誤り訂正処理の回数をカウントする。そして、ＣＰＵ２３２は、カウントの回数が所定の回数（例えば２回）以下である場合に、モデルパラメータ２５４の精度が良好であることを示す検証結果「ＯＫ」を決定する。一方、ＣＰＵ２３２は、カウントの回数が所定の回数より多い場合に、モデルパラメータ２５４の精度が良好でないことを示す検証結果「ＮＧ」を決定する。なお、変形例では、検証処理は、誤り訂正処理の回数に基づく検証に限らず、例えば、学習モデル２５２による四隅の位置座標の推定値と疑似的なコード画像の実際の四隅の位置座標との差異に基づく検証等であってもよい。
　Ｓ６８では、ＣＰＵ２３２は、Ｓ６６の検証結果が「ＯＫ」を示すのか否かを判断する。ＣＰＵ２３２は、検証結果が「ＯＫ」を示すと判断する場合（Ｓ６８でＹＥＳ）に、Ｓ７０に進む。一方、ＣＰＵ２３２は、検証結果が「ＮＧ」を示すと判断する場合（Ｓ６８でＮＯ）に、Ｓ７０の処理をスキップして、図５の処理を終了する。
　Ｓ７０では、ＣＰＵ２３２は、Ｓ６４において調整されたモデルパラメータ２５４をコード読取装置１０に送信する。ここで、調整後のモデルパラメータ２５４は、教師データ２４２の送信元である第１のコード読取装置１０だけでなく、２個のコード読取装置１０のうち、上記の送信元でない第２のコード読取装置１０にも送信される。このような構成によれば、第２のコード読取装置１０において、別のコード読取装置１０における成功事例を利用した学習読取処理（図６参照）を実行することができる。なお、変形例では、調整後のモデルパラメータ２５４は、第２のコード読取装置１０に送信されなくてもよい。Ｓ７０が終了すると、図５の処理が終了する。
（学習読取処理；図６）
　図６を参照して、図３のＳ２４における学習読取処理について説明する。Ｓ８０は、図４のＳ５０と同様である。Ｓ８２では、コード読取装置１０のＣＰＵ３２は、Ｓ８０で切り取られたコード画像を示すコード画像データをメモリ３４内の学習モデル５２に入力して、当該学習モデル５２から当該コード画像の四隅の位置座標の推定値を取得する。Ｓ８４～Ｓ８８は、Ｓ８２で取得された推定値が利用される点を除いて、図４のＳ５４～Ｓ５８と同様である。Ｓ８８が終了すると、図６の処理が終了する。
（本実施例の効果）
　本実施例の構成によれば、学習装置２００は、図４の通常読取処理のＳ５２によって算出された二次元コードの四隅の位置座標Ｌ１～Ｌ４を利用したデコード処理の複数の成功事例を含む教師データ２４２を参照して、二次元コードの画像から二次元コードの四隅の位置座標の推定値を出力する学習モデル２５２のモデルパラメータ２５４を調整する（図５のＳ６４）。そして、コード読取装置１０は、撮像条件を変更するものの、通常読取処理における読取が失敗する場合（図３のＳ１２の後にＳ１０でＮＯ）に、学習読取処理を実行する（Ｓ２４）。学習読取処理では、通常読取処理のＳ５２による算出に代えて、学習モデル５２を参照して四隅の位置座標の推定値を出力する処理が実行される（図６のＳ８２）。例えば、二次元コードの経年劣化により二次元コードの四隅の位置座標Ｌ１～Ｌ４の算出が失敗することに起因して、通常読取処理による読み取りが失敗することが想定される。本実施例では、二次元コードの経年劣化により二次元コードの四隅の位置座標Ｌ１～Ｌ４の算出が失敗する場合であっても、学習読取処理を実行することにより、二次元コード内の情報を読み取ることができる。
　例えば、情報読取システム２が学習装置２００を備えず、コード読取装置１０が図６の処理を実行する比較例が想定される。この比較例では、コード読取装置１０が、二次元コードの読み取りだけでなく、学習モデル５２のモデルパラメータ５４の調整も実行する。このため、学習モデル５２のモデルパラメータ５４の調整を実行していなかった従来の装置と比べて、コード読取装置１０のＣＰＵ３２の処理能力を高める必要があり得る。これに対して、本実施例の構成によれば、学習モデル２５２のモデルパラメータ２５４の調整は、コード読取装置１０とは別体の学習装置２００によって実行される。このため、コード読取装置１０のＣＰＵ３２の処理能力を高めなくても、モデルパラメータ２５４の調整を実行することができる。なお、変形例では、上記の比較例の構成を採用してもよい。
（対応関係）
　情報読取システム２が、「情報読取装置」の一例である。図２の２個のコード読取装置１０、そのうちの一方のコード読取装置１０、そのうちの他方のコード読取装置１０が、それぞれ、「１個以上のコード読取装置」、「第１のコード読取装置」、「第２のコード読取装置」の一例である。カメラ２０が、「カメラ」の一例である。学習装置２００が、「学習装置」の一例である。二次元コードが、「情報コード（第１の情報コード及び第２の情報コード）」の一例である。二次元コードの四隅の位置座標Ｌ１～Ｌ４が、「第１の関係情報」の一例である。二次元コードの四隅の位置座標の推定値が、「関係情報（及び第２の関係情報）」の一例である。教師データ２４２、学習モデル２５２、モデルパラメータ２５４が、それぞれ、「教師データ」、「学習モデル」、「パラメータ」の一例である。図４の処理及び図３のＳ４０が、「第１のコード処理」の一例である。図４のＳ５２、Ｓ５８、図３のＳ４０が、それぞれ、「検出処理」、「読取処理」、「出力処理」の一例である。図６の処理及び図３のＳ４０が、「第２のコード処理」の一例である。図６のＳ８２が、「取得処理」の一例である。
　コード読取装置１０の制御部３０が、「第１のコード処理実行部」及び「第２のコード処理実行部」の一例である。学習装置２００の制御部２３０が、「調整部」の一例である。
（第２実施例）
　本実施例は、コード読取装置１０の処理の内容が一部異なる点を除いて、第１実施例と同様である。
（コード読取装置１０の処理；図７）
　本実施例のコード読取装置１０の処理は、Ｓ１００～Ｓ１０２の処理が追加され、Ｓ４２に代えてＳ１０４の処理が実行されることを除いて、第１実施例のコード読取装置１０の処理である図３の処理と同様である。なお、第１実施例と同様の処理については、同一の符号が付されており、後述する各実施例でも同様である。
　図７に示すように、ＣＰＵ３２は、Ｓ４０において、読取結果を出力すると、Ｓ１００において、劣化分類処理を実行する。劣化分類処理は、読取対象の二次元コードを劣化のパターンに応じて分類し、当該二次元コードの読取結果に対応する成功事例を教師データ２４２として教師データテーブル６０に記憶する処理である。劣化のパターンは、汚れの付着の有無、欠損の有無、劣化の箇所等に基づくパターンである。劣化分類処理については、図８で後述する。
　教師データテーブル６０は、コード読取装置１０のメモリ３４に記憶される。図７に示すように、教師データテーブル６０は、複数の劣化のパターンのそれぞれについて、パターン番号（例えば「ｐ００１」）と、データ群（例えば「ＴＤ１、ＴＤ２」）と、上限値（例えば「２０」）と、を対応付けて記憶するテーブルである。パターン番号は、対応する劣化のパターンを識別する番号である。データ群は、対応する劣化のパターンとして分類された１個以上の教師データ２４２である。上限値は、対応する劣化のパターンにおいて記憶可能な教師データ２４２の個数の上限値である。
　続くＳ１０２では、ＣＰＵ３２は、教師データテーブル６０に記憶された教師データ２４２の個数が目標数以上であるのか否かを判断する。ここで、目標数は、例えば、図５のＳ６２の目標数と同一である。ＣＰＵ３２は、教師データ２４２の個数が目標数以上である判断する場合（Ｓ１０２でＹＥＳ）に、Ｓ１０４に進む。一方、ＣＰＵ３２は、教師データ２４２の個数が目標数より少ないと判断する場合（Ｓ１０２でＮＯ）に、Ｓ１０４の処理をスキップして、Ｓ４４に進む。
　Ｓ１０４では、ＣＰＵ３２は、教師データテーブル６０内の教師データ２４２の全てを学習装置２００に送信する。ＣＰＵ３２は、Ｓ１０４が終了すると、Ｓ４４に進む。
（劣化分類処理；図８）
　図８を参照して、図７のＳ１００の劣化分類処理について説明する。Ｓ１１０では、ＣＰＵ３２は、図７のＳ４の通常読取処理又はＳ２４の学習読取処理において誤り訂正処理が実行されたのか否かを判断する。ＣＰＵ３２は、誤り訂正処理が実行されたと判断する場合（Ｓ１１０でＹＥＳ）に、Ｓ１１２に進む。一方、ＣＰＵ３２は、誤り訂正処理が実行されなかったと判断する場合（Ｓ１１０でＮＯ）に、Ｓ１１２の処理をスキップして、Ｓ１１４に進む。
　Ｓ１１２では、ＣＰＵ３２は、誤り訂正処理において復元された二次元コードである復元コードの画像と、実際に撮像された二次元コードである実コードの二値化画像と、を比較して、実コードの劣化のパターンを決定するパターン決定処理を実行する。復元コードの画像は、白黒の二値で表される。また、実コードの二値化画像は、実コードの実際の画像を二値化した画像である。パターン決定処理については、図９で後述する。ＣＰＵ３２は、Ｓ１１２の処理が終了すると、Ｓ１１４に進む。
　Ｓ１１４では、ＣＰＵ３２は、教師データテーブル６０内の対象のデータ群の記憶数が、当該対象のデータ群に対応する上限数に到達しているのか否かを判断する。ここで、対象のデータ群は、誤り訂正処理が実行されていない場合（Ｓ１１０でＮＯ）には、劣化の無いパターンを識別するパターン番号に対応付けられているデータ群である。また、対象のデータ群は、誤り訂正処理が実行された場合（Ｓ１１０でＹＥＳ）には、パターン決定処理により決定されたパターンを識別するパターン番号に対応付けられているデータ群である。ＣＰＵ３２は、対象のデータ群の記憶数が上限数に到達していないと判断する場合（Ｓ１１４でＮＯ）に、Ｓ１１６に進む。一方、ＣＰＵ３２は、対象のデータ群の記憶数が上限数に到達していると判断する場合（Ｓ１１４でＹＥＳ）に、Ｓ１１６の処理をスキップして、図８の処理を終了する。
　Ｓ１１６では、ＣＰＵ３２は、図７のＳ４０の読取結果に対応する成功事例を教師データ２４２として教師データテーブル６０に記憶する。Ｓ１１６が終了すると、図８の処理が終了する。
　例えば、Ｓ１１４の判断を実行せずに、成功事例の全てを教師データ２４２として教師データテーブル６０に記憶する比較例が想定される。本実施例の構成によれば、Ｓ１１４の判断により、教師データテーブル６０内の教師データ２４２の記憶数を制限することができる。比較例と比べて、教師データテーブル６０を記憶するメモリ３４の使用量を低減することができる。なお、変形例では、比較例の構成が採用されてもよい。
　図９を参照して、図８のＳ１１２のパターン決定処理について説明する。本実施例では、劣化の箇所を分類するために、二次元コードが９個の領域に等分割される。９個の領域のそれぞれには、劣化の種類を示す値である劣化値が対応付けられる。Ｓ１３０では、ＣＰＵ３２は、９個の領域のうちの１個の領域を対象領域に決定する。なお、領域の分割数は、９個に限らず、例えば、４個、１２個等であってもよい。また、領域の分割は、等分割に限らず、例えば、領域の大きさが互いに異なっていてもよい。
　Ｓ１３２では、ＣＰＵ３２は、復元コードの画像の対象領域と実コードの二値化画像の対象領域との間に差異があるのか否かを判断する。復元コードの画像の対象領域と実コードの二値化画像の対象領域との間に差異があることは、撮像済みの二次元コードの対象領域が劣化していることを意味する。ＣＰＵ３２は、両コードの対象領域の間に差異があると判断する場合（Ｓ１３２でＹＥＳ）に、Ｓ１３４に進む。一方、ＣＰＵ３２は、両コードの対象領域の間に差異がないと判断する場合（Ｓ１３２でＮＯ）に、Ｓ１３４～Ｓ１３８の処理をスキップして、Ｓ１４０に進む。
　Ｓ１３４では、ＣＰＵ３２は、両コードの対象領域の間の差異が、黒劣化に対応する差異であるのか、白劣化に対応する差異であるのか、を判断する。ここで、黒劣化は、二次元コードの白いセルが黒く変色する劣化である。黒劣化は、例えば、黒色のインクが二次元コードに付着する汚れである。また、白劣化は、二次元コードの黒いセルが白く変色する劣化である。白劣化は、例えば、白色のインクが二次元コードに付着する汚れ、二次元コードの黒いセルの欠損等である。
　ＣＰＵ３２は、両コードの対象領域の間の差異が黒劣化に対応する差異であると判断する場合（Ｓ１３４でＹＥＳ）に、Ｓ１３６に進む。Ｓ１３６では、ＣＰＵ３２は、対象領域に対応する劣化値を、黒劣化を示す値「黒」に決定する。一方、ＣＰＵ３２は、両コードの対象領域の間の差異が白劣化に対応する差異であると判断する場合（Ｓ１３４でＮＯ）に、Ｓ１３８に進む。Ｓ１３８では、ＣＰＵ３２は、対象領域に対応する劣化値を、白劣化を示す値「白」に決定する。ＣＰＵ３２は、Ｓ１３６及びＳ１３８のいずれかが終了すると、Ｓ１４０に進む。
　Ｓ１４０では、ＣＰＵ３２は、９個の領域の中に対象領域として未選択の領域が存在するのか否かを判断する。ＣＰＵ３２は、対象領域として未選択の領域が存在すると判断する場合（Ｓ１４０でＹＥＳ）に、Ｓ１３０に戻る。一方、ＣＰＵ３２は、対象領域として未選択の領域が存在しない、即ち、９個の領域の全てについてＳ１３２～Ｓ１３８の処理が実行された場合（Ｓ１４０でＮＯ）に、図９の処理を終了する。
（本実施例の効果）
　モデルパラメータ２５４の信頼性を確保するためには、目標数（例えば１００）を上回る成功事例が必要となる。しかし、成功事例を無条件に教師データ２４２として採用すると、教師データ２４２の個数が目標数を上回ったタイミングにおいて、成功事例のばらつきが、例えば、特定の劣化のパターン（例えば特定の領域の黒劣化）における事例に偏る可能性がある。本実施例の構成によれば、コード読取装置１０は、読取対象の二次元コードの成功事例を二次元コードの劣化のパターンで分類する（図８のＳ１１２）。そして、コード読取装置１０は、分類結果に基づいて、読取対象の二次元コードの成功事例を教師データ２４２として教師データテーブル６０に記憶するのか否かを判断する（Ｓ１１４）。これにより、教師データ２４２としての成功事例が、特定の劣化のパターンにおける事例に偏ることを抑制することができる。
　また、本実施例では、劣化のパターンの分類において、汚れの付着の有無、欠損の有無、劣化の箇所が利用される。ここで、変形例では、劣化のパターンの分類において、コントラストが利用されてもよい。例えば、図４のＳ５０又は図６のＳ８０切り取り処理におけるコード画像の輝度値の上限値と下限値の差分の値に基づいて劣化のパターンが分類されてもよい。例えば、当該差分の値が第１の値域内の値である場合に、読取対象の二次元コードの成功事例が、第１のパターンに分類され、当該差分の値が第１の値域とは異なる第２の値域内の値である場合に、読取対象の二次元コードの成功事例が、第２のパターンに分類されてもよい。本変形例では、汚れの付着、欠損による劣化では分類できない、コントラストに基づく劣化を分類することができる。また、他の変形例では、汚れの付着、欠損に基づく分類と、コントラストに基づく分類と、を組み合わせて、二次元コードの劣化を分類してもよい。
　また、他の変形例では、劣化のパターンの分類において、情報コードの変形が利用されてもよい。情報コードの変形は、例えば、図１６の太り細り現象、図１７の歪み現象、図１８のピッチずれ現象等である。情報コードの変形は、例えば、二次元コードを印刷する印刷装置の劣化や、情報コードが印刷される媒体の印刷時における不安定な支持に起因して発生する。
（太り細り現象による分類；図１６）
　太り細り現象は、太り現象と、細り現象と、を含む。太り現象は、黒いセルの実際の幅が、理想的な幅によりも太い現象である。一方、細り現象は、黒いセルの実際の幅が、理想的な幅によりも細い現象である。
　太り細り現象の程度を示す太り細り割合は、例えば、二次元コードのタイミングパターンを分析して算出される。タイミングパターンは、シンボルマークの位置座標の特定に利用される。タイミングパターンは、白色のセルと黒色のセルが交互に並ぶパターンである。横方向における太り細り割合は、例えば、横方向のタイミングパターンの横方向における全長に対する、横方向のタイミングパターンの黒いセルの幅の合計と横方向のタイミングパターンの白いセルの幅の合計との差分の割合として算出される。横方向における太り細り割合「０％」は、太り細り現象が発生していないことを意味し、横方向における太り細り割合が正の値を示すことは、横方向に太り現象が発生していることを意味し、横方向における太り細り割合が負の値を示すことは、横方向に細り現象が発生していることを意味する。また、縦方向における太り細り割合は、縦方向のタイミングパターンを使って（即ち、タイミングパターンに基づき）、横方向における太り細り割合と同様に算出される。二次元コード全体の太り細り割合は、例えば、横方向における太り細り割合と縦方向における太り細り割合との平均値として算出される。なお、変形例では、全体の太り細り割合として、横方向における太り細り割合と縦方向における太り細り割合のうちの大きい値が利用されてもよいし、横方向における太り細り割合と縦方向における太り細り割合のうちの一方のみが利用されてもよい。
　本変形例では、ＣＰＵ３２は、全体の太り細り割合に基づいて読取対象の二次元コードの成功事例が分類され、教師データテーブル６０に記憶される（図８のＳ１１６参照）。例えば、図１６に示すように、全体の太り細り割合の５個の値域に基づいて読取対象の二次元コードの成功事例が分類される。なお、図１６の５個の値域は、一例に過ぎないことに留意されたい。
（歪み現象による分類；図１７）
　一般に、二次元コードの縦の長さと横の長さの比（以下では「縦横比」）は、１：１である。歪み現象は、二次元コードの縦の長さに対して二次元コードの横の長さが歪み、縦横比が１：１から変化する現象である。縦横比は、例えば、縦方向に隣接するセルの中心間の距離と、横方向に隣接するセルの中心間の距離と、の比として算出される。
　本変形例では、ＣＰＵ３２は、縦横比に基づいて読取対象の二次元コードの成功事例が分類され、教師データテーブル６０に記憶される（図８のＳ１１６参照）。例えば、図１７に示すように、縦横比の６個のパターンに基づいて読取対象の二次元コードの成功事例が分類される。なお、図１７の６個のパターンは、一例に過ぎないことに留意されたい。
（ピッチずれ現象による分類；図１８）
　一般に、二次元コードを構成するセルは、縦方向及び横方向において一定の間隔（即ちピッチ）で並ぶ。ピッチずれ現象は、隣接するセルのピッチが、上記の一定の間隔である理想のピッチからずれる現象である。ピッチずれの程度を示すピッチずれ割合は、例えば、理想のピッチに対する、最大のピッチずれの量の割合として算出される。ピッチずれの量は、理想のピッチと隣接するセルの中心間の距離との間の差分の絶対値として算出される。なお、変形例では、ピッチずれ割合は、例えば、理想のピッチに対する、ピッチずれの量の平均値の割合であってもよい。
　本変形例では、ＣＰＵ３２は、ピッチずれ割合に基づいて読取対象の二次元コードの成功事例が分類され、教師データテーブル６０に記憶される（図８のＳ１１６参照）。例えば、図１８に示すように、ピッチずれ割合の４個の値域に基づいて読取対象の二次元コードの成功事例が分類される。なお、図１８の４個の値域は、一例に過ぎないことに留意されたい。
（対応関係）
　図７のＳ１０２の目標数が、「所定の数」の一例である。コード読取装置１０のメモリ３４が、「第１のメモリ」の一例である。図７のＳ１００の処理を実行するコード読取装置１０の制御部３０が、「分類部」及び「判断部」の一例である。
（第３実施例）
　本実施例は、コード読取装置１０の処理の内容及び学習装置２００の処理の内容が一部で異なる点を除いて、第１実施例と同様である。
（コード読取装置１０の処理；図１０）
　本実施例のコード読取装置１０の処理は、Ｓ２００の処理が追加される点を除いて、第１実施例のコード読取装置１０の処理である図３の処理と同様である。
　図１０に示すように、ＣＰＵ３２は、Ｓ４において、通常読取処理を実行すると、Ｓ２００において、通常読取処理において実行された処理の事例に関する事例情報を学習装置２００に送信する。これにより、事例情報が、学習装置２００のメモリ２３４内の事例テーブル２７０（図１１参照）に記憶される。このような構成によれば、通常読取処理が実行される毎に、事例情報を事例テーブル２７０に記憶して、事例情報を蓄積することができる。
　図１１に示すように、事例テーブル２７０は、通常読取処理において実行された様々な処理について、当該処理の内容を示す処理情報と、当該処理の原因を示す原因情報と、発生回数と、を対応付けて記憶するテーブルである。処理情報は、例えば、通常読取処理において少なくとも１個のシンボルマークの特定に失敗したことを示す「シンボル」、通常読取処理において誤り訂正処理が実行されたことを示す「誤り訂正」等を示す。また、原因情報は、対応する処理の発生原因を示す情報であり、例えば、「黒劣化」、「白劣化」等の劣化の種類を示す（図９参照）。発生回数は、対応する処理情報と対応する原因情報の組合せによって示される処理の発生の回数を示す。発生回数は、対応する処理情報と対応する原因情報の組合せ（即ち事例情報）がコード読取装置１０から受信される毎にインクリメントされる。
　例えば、コード読取装置１０が所定の領域（例えば所定の工場）で利用される状況において、二次元コードの黒劣化が発生し易い場合には、事例テーブル２７０内の原因情報「黒劣化」に対応する発生回数が比較的に多くなる。事例テーブル２７０内の情報によって、コード読取装置１０が利用される状況における劣化の傾向を知ることができる。
（学習装置２００の処理；図１１）
　本実施例の学習装置２００の処理は、図５のＳ６２に代えてＳ２０５の処理が実行され、かつ、Ｓ２１０及びＳ２２０の処理が追加される点を除いて、第１実施例の学習装置２００の処理である図５の処理と同様である。
　Ｓ２０５は、目標数よりも少ないサブ目標数（例えば５０個）を基準に判断される点を除いて、図５のＳ６４と同様である。ＣＰＵ２３２は、メモリ２３４内の教師データ２４２の個数がサブ目標数以上であると判断する場合（Ｓ６２でＹＥＳ）に、Ｓ２１０に進む。
　Ｓ２１０では、ＣＰＵ２３２は、後述するＳ２２０で実行すべき１個以上の加工処理を決定する。加工処理は、メモリ２３４内の教師データ２４２を加工して新しい教師データ２４２を生成する処理である。加工処理では、事例テーブル２７０内の情報が利用される。例えば、ＣＰＵ３２は、事例テーブル２７０から、最も多い発生回数に対応付けて記憶されている事例情報（即ち処理情報と原因情報）を特定する。そして、ＣＰＵ３２は、特定済みの事例情報に従って、Ｓ２２０で実行すべき加工処理を決定する。また、ＣＰＵ３２は、事例テーブル２７０から、次に多い発生回数に対応付けて記憶されている事例情報を特定して、特定済みの事例情報に従った別の加工処理を決定する。また、例えば、ＣＰＵ３２は、事例テーブル２７０からランダムに事例情報を特定してもよい。ＣＰＵ３２は、１個の加工処理を決定してもよいし、２個以上の加工処理を決定してもよい。
　教師データ２４２を加工する加工処理は、様々である。例えば、加工処理は、特定済みの処理情報が「シンボル」を示し、特定済みの原因情報が「白劣化」を示す場合には、教師データ２４２によって示されるコード画像に対して、シンボルマークの一部を白く変色する画像処理を実行する処理である。当該画像処理は、例えば、シンボルマークの一部に白色の画像を追加する処理、シンボルマークを構成する複数のセルのうちの一部を縮小又は拡大する処理等である。また、例えば、特定済みの処理情報が「誤り訂正」を示す場合には、当該画像処理は、シンボルマークを構成するセル以外のセルを対象としてもよい。
　また、例えば、ＣＰＵ３２は、原因情報（例えば「白劣化」）に従った画像処理に加えて、教師データ２４２によって示されるコード画像に対して、コード画像のコントラストを調整する処理、コード画像を回転する処理等を含む様々な画像処理を実行してもよい。これにより、加工後の教師データ２４２のバリエーションが増える。なお、コード画像を回転する処理が実行される場合には、例えば、教師データ２４２によって示される四隅の位置座標Ｌ１～Ｌ４の値も、コード画像と同様の回転角度で回転された値に変換されてもよい。
　また、例えば、ＣＰＵ３２は、加工処理として、原因情報に従った画像処理を実行することなく、コード画像のコントラストを調整する処理、コード画像を回転する処理等を実行してもよい。
　Ｓ２１０に続くＳ２２０では、ＣＰＵ３２は、Ｓ２１０で決定された１個以上の加工処理のそれぞれを実行する。ＣＰＵ３２は、例えば、白色の画像を追加する箇所、コード画像を回転する回転角度等を調整して、１個の加工処理を複数回に亘って実行する。ＣＰＵ３２は、メモリ２３４内の教師データ２４２の個数が所定の目標個数（例えば１００個）に到達するまで、１個以上の加工処理のそれぞれを複数回に亘って実行する。ＣＰＵ２３２は、Ｓ２２０が終了すると、Ｓ６４に進む。
（本実施例の効果）
　モデルパラメータ２５４の信頼性を確保するためには、目標数（例えば１００個）を上回る成功事例が必要となる。本実施例の構成によれば、成功事例の個数が目標数を上回らない状況において、加工処理を実行して、仮想的な成功事例、即ち、仮想的な教師データ２４２を生成することができる（図１１のＳ２２０）。これにより、成功事例の個数、即ち、教師データ２４２の個数を増やすことができる。成功事例の個数が目標数を上回らなくても、モデルパラメータ２５４の信頼性を確保することができる。また、実際の成功事例の個数が目標数に到達しない状況において、比較的に信頼性の高いモデルパラメータ２５４を速やかに生成することができる。
　また、例えば、事例テーブル２７０を備えない比較例、例えば、学習装置２００の管理者等によって予め決定されている画像処理を利用した加工処理を実行する比較例が想定される。この比較例では、加工処理が、実際の読取処理の事例とは異なる事例に対応している可能性がある。本実施例の構成によれば、事例テーブル２７０によって実際の通常読取処理の事例が蓄積される。そして、学習装置２００は、事例テーブル２７０から１個以上の加工処理を決定する（図１１のＳ２１０）。実際の読取処理の事例の傾向を考慮した適切な加工処理を実行することができる。
（対応関係）
　図１１のＳ２２０の処理を実行する学習装置２００の制御部２３０が、「増加制御部」の一例である。学習装置２００のメモリ２３４が、「第２のメモリ」の一例である。図１０のＳ２００によって送信された事例情報をメモリ２３４に記憶する制御部２３０が、「第２の記憶制御部」の一例である。
（第４実施例）
（コード読取装置１０及び学習装置２００の処理；図１０、１１）
　本実施例は、複数個の事例テーブル２７０（図１１参照）が利用される点、及び、図１０のＳ２００で送信される事例情報の内容とＳ４２で送信される教師データ２４２の内容が一部異なる点を除いて、第３実施例と同様である。
　読取対象の二次元コードは、様々である。例えば、二次元コードは、様々な媒体（例えば基板、金属、紙媒体等）に表示される。また、例えば、二次元コードは、様々な表示方法（例えば、印刷、切削等）によって媒体上に表示される。また、例えば、二次元コードは、様々な規格（例えば、サイズ、暗号化等の規格）のうちの特定の規格に従って生成される。複数個の事例テーブル２７０のそれぞれは、読取対象の二次元コードの複数の種類のそれぞれと対応する。
　図１０のＳ２００で学習装置２００に送信される事例情報は、第３実施例の情報（即ち処理情報と原因情報）に加えて、通常読取処理の読取対象の二次元コードの種類を特定するための特定情報が含まれる。特定情報は、読取対象の媒体、表示方法、規格等を示す情報である。特定情報は、例えば、コード読取装置１０のユーザによってコード読取装置１０に入力される。
　学習装置２００は、コード読取装置１０から特定情報を含む事例情報を受信すると、事例情報内の特定情報に基づき、メモリ２３４内の複数の事例テーブル２７０の中から受信済みの事例情報を記憶すべき１個の事例テーブル２７０を特定する。そして、学習装置２００は、受信済みの事例情報内の情報を特定済みの１個の事例テーブル２７０に記憶する。
　また、図１０のＳ４２では、コード読取装置１０は、教師データ２４２とともに上記の特定情報を学習装置２００に送信する。
　学習装置２００は、コード読取装置１０から教師データ２４２と特定情報とを受信すると、図１１のＳ６０において、受信済みの特定情報によって特定される種類に対応する教師データ２４２として受信済みの教師データ２４２をメモリ２３４に記憶する。そして、学習装置２００は、受信済みの特定情報に対応する教師データ２４２の個数がサブ目標値以上であると判断する場合（Ｓ２０５でＹＥＳ）に、Ｓ２１０以降の処理に進む。具体的には、学習装置２００は、教師データ２４２内の特定情報に基づき、メモリ２３４内の複数の事例テーブル２７０の中から図１１のＳ６４の学習処理で利用すべき１個の事例テーブル２７０を特定する。そして、学習装置２００は、特定済みの１個の事例テーブル２７０を参照して、Ｓ２１０以降の処理を実行する。
　本実施例の構成によれば、読取対象の二次元コードの様々な種類毎に事例情報を蓄積する。例えば、特定の種類の読取対象は、コード読取装置１０が利用された直近の日時だけでなく、過去の日時でも読み取られ得る。また、特定の種類の読取対象は、コード読取装置１０が利用される所定の領域とは異なる領域でも読み取られ得る。本実施例の構成によれば、直近の日時、所定の領域で読み取られた特定の種類の二次元コードの事例だけでなく、過去の日時、異なる領域等で読み取られた特定の種類の二次元コードの事例を参照して、加工処理（図１１のＳ２２０）を実行することができる。
（第５実施例）
　本実施例は、教師データ２４２の内容及び学習モデル２５２によって出力される値が異なる点と、学習読取処理の一部が異なる点と、を除いて、第１実施例と同様である。
（教師データと学習モデル；図１２）
　本実施例の学習モデル２５２は、コード画像データを入力層に入力して、出力層から二次元コードのセルの白黒のパターンの推定値を出力するモデルである。二次元コードのセルの白黒のパターンのデータ（以下では、「パターンデータ」と記載）は、例えば、通常読取処理で特定された各セルの位置座標（例えば図４のＳ５４参照）と、同処理の二値化処理において決定された各セルの白黒の値と、に基づいて生成される。例えば、各セルの位置座標は、左上のセルを原点（０、０）として、右上のセル、左下のセル、及び、右下のセルのそれぞれを（Ｎ、０）、（０、Ｎ）、（Ｎ、Ｎ）と定義される。ここで「Ｎ」は、二次元コードの一辺のセルの個数であり、例えば、２４である。そして、各セルの位置座標には、左上のセル、右上のセル、左下のセル、及び、右下のセルの順番に連番が付される。パターンデータは、各セルの連番のそれぞれについて、当該連番によって示されるセルの白黒の値を対応付けたデータである。ここで、白黒の値は、例えば、「白」が「１」を示し、「黒」が「０」を示す。なお、図４の通常読取処理のＳ５８において誤り訂正処理が実行される場合には、パターンデータ内の白黒の値は、誤り訂正処理によって復元された値であってもよい。
　本実施例の教師データ２４２は、図４の通常読取処理のＳ５０で切り取られたコード画像を示すコード画像データと、上記のパターンデータと、を含む。学習装置２００は、当該教師データ２４２を参照して、モデルパラメータ２５４を調整するための学習処理を実行する（図５のＳ６４参照）。なお、教師データ２４２は、本実施例において後述する図１３の学習読取処理のＳ８０で切り取られたコード画像を示すコード画像データと、図１３の学習読取処理に基づいて生成されるパターンデータと、を含んでもよい。この場合、当該パターンデータは、図１３のＳ８４で特定された各セルの位置座標と、同処理のＳ３００で推定された各セルの白黒の値と、に基づいて生成されてもよい。
（学習読取処理；図１３）
　本実施例の学習読取処理は、Ｓ８６の二値化処理に代えて、Ｓ３００の処理が実行される点を除いて、第１実施例の図６の処理と同様である。
　Ｓ３００では、ＣＰＵ２３２は、Ｓ８０で切り取られたコード画像を示すコード画像データをメモリ３４内の学習モデル５２に入力して、当該学習モデル５２から当該コード画像によって示される二次元コードの白黒のパターンの推定値を取得する。Ｓ３００に続くＳ８８では、ＣＰＵ３２は、Ｓ８４で特定された各セルの位置座標と、Ｓ３００で取得された白黒のパターンの推定値と、を参照して、二次元コードの各セルの白黒の値を決定する。そして、ＣＰＵ３２は、決定済みの各セルの白黒の値に基づいて、コード処理を実行する。0
　本実施例の学習読取処理では、通常読取処理のＳ８６による二値化処理に代えて、学習モデル５２を参照して二次元コードの各セルの白黒の値を決定する（図１３のＳ３００）。例えば、二次元コードの経年劣化により二次元コードの白黒の大部分が変色していることに起因して、通常読取処理による読み取りが失敗することが想定される。本実施例では、二次元コードの経年劣化により二次元コードの二値化処理によって決定される各セルの白黒の値が劣化前の二次元コードの各セルの白黒の値と大きく異なる場合であっても、学習読取処理を実行することにより、二次元コード内の情報を読み取ることができる。
　また、パターンデータが、二次元コードを示す複数個の画素である比較例が想定される。この比較例では、画素数の増加と共にパターンデータの情報量が増加する。これに対して、本実施例の構成によれば、１個のセルに対して１つの値が対応付けられるため、二次元コードのセルの個数が一定であれば、画素数が増加しても、パターンデータの情報量は増加しない。上記の比較例と比べて、パターンデータの情報量の増加を抑制することができる。なお、変形例では、上記の比較例の構成を採用してもよい。
　また、本実施例では、二次元コードのセルの白黒のパターンは、全てのセルについて、当該セルの白黒の値を含む。例えば、二次元コードには、シンボルマーク（即ちファインダパターン）、アライメントパターン、タイミングパターン等の一定のパターンで並ぶセル群が含まれる。変形例では、二次元コードのセルの白黒のパターンは、全てのセルから上記の一定のパターンで並ぶセル群を除いた複数個のセルの白黒の値を含み、上記の一定のパターンで並ぶセル群の白黒の値を含まなくてもよい。
　また、本実施例では、図１２に示すように、二次元コードが（２４、２４）のセルの個数を有するサイズのコードである場合において、各セルの白黒のパターンにおける連番には、１～６２４が付される。６２４は、当該二次元コードのセルの個数と同一の値である。変形例では、各セルの白黒のパターンにおける連番には、１～Ｍ（Ｍは６２４より大きい値）が付されてもよい。ここで、Ｍは、例えば、二次元コードの最大のサイズにおけるセルの個数、例えば、（１７７、１７７）＝３１３２９であってもよい。この場合、１～３１３２９の連番のうち、６２４個の連番が利用され、残りの連番は利用されなくてもよい。例えば、残りの連番に対応する値の全てを「０」に設定してもよい。本変形例では、複数のサイズの二次元コードが存在する状況において、複数のサイズの二次元コードの学習において１個の学習モデル２５２を共有することができる。
（対応関係）
　パターンデータが、「第１の関係情報」の一例である。パターンデータの推定値が、「関係情報（及び第２の関係情報）」の一例である。
（第６実施例）
　本実施例は、学習装置２００の処理の一部が異なる点を除いて、第１実施例と同様である。
（学習装置２００の処理；図１４）
　本実施例の学習装置２００の処理は、図５のＳ７０の処理に代えて、Ｓ４００の処理が実行される点を除いて、第１実施例の図５の処理と同様である。なお、本実施例では、Ｓ６４の学習処理において、学習モデル２５２のモデルパラメータ２５４の全部が調整されてもよいし、モデルパラメータ２５４の一部が調整されてもよい。モデルパラメータ２５４の一部が調整される場合には、例えば、多層ニューラルネットワークの入力層の側のパラメータが所定の値に固定され、多層ニューラルネットワークの出力層の側のパラメータが学習処理において調整されてもよい。
　ＣＰＵ２３２は、検証結果が「ＯＫ」を示すと判断する場合（Ｓ６８でＹＥＳ）に、Ｓ４００に進む。Ｓ４００では、ＣＰＵ２３２は、Ｓ６４において調整されたモデルパラメータ２５４を記録する二次元コードを生成する。そして、ＣＰＵ２３２は、生成済みの二次元コードを示す印刷データをプリンタ５００に送信する。これにより、当該二次元コードが印刷される。
　コード読取装置１０は、印刷済みの二次元コードを読み取る。これにより、コード読取装置１０は、当該二次元コード内のモデルパラメータ２５４を取得し、メモリ３４に記憶する。
　このような構成によれば、コード読取装置１０は、二次元コードを読み取ることによってモデルパラメータ２５４を取得することができる。例えば、教師データ２４２の送信元である第１のコード読取装置１０と、当該送信元でない第２のコード読取装置１０と、が存在し、第２のコード読取装置１０がＬＡＮ４に接続されていない状況が想定される。第２のコード読取装置１０は、学習装置２００との通信を実行しなくても、印刷済みの二次元コードを読み取ることによってモデルパラメータ２５４を取得することができる。
　また、二次元コードに記録される情報は、モデルパラメータ２５４の平文に限らず、例えば、平文のモデルパラメータ２５４を縮小したデータであってもよい。また、ＣＰＵ２３２は、モデルパラメータ２５４を複数個のデータに分割し、分割済みの複数個のデータのそれぞれについて、当該データを記録する二次元コードを生成してもよい。このような構成によれば、モデルパラメータ２５４の情報量が１個の二次元コードに記憶可能な情報量を上回る場合でも、モデルパラメータ２５４を記録する二次元コードを作成することができる。
　また、二次元コードに記録される情報は、モデルパラメータ２５４の全部に限らず、モデルパラメータ２５４の一部であってもよい。例えば、モデルパラメータ２５４の一部の値が固定される場合には、Ｓ６４の学習処理で調整された一部のパラメータのみが二次元コードに記録されてもよい。また、例えば、モデルパラメータ２５４の全部を調整する場合において、調整後のモデルパラメータ２５４のうち、調整前のモデルパラメータ２５４から変更されたパラメータのみが二次元コードに記録されてもよい。調整前のモデルパラメータ２５４は、例えば、出荷段階におけるモデルパラメータ２５４であってもよいし、前回の学習処理における調整後のモデルパラメータ２５４であってもよい。モデルパラメータ２５４の全部を記録する構成と比較して、二次元コードに記録する情報量を低減することができる。
（対応関係）
　プリンタが、「出力装置」の一例である。なお、変形例では、学習装置２００は、モデルパラメータ２５４が記録されている二次元コードを学習装置２００と通信可能なディスプレイ（図示省略）に表示してもよい。本変形例では、当該ディスプレイが、「出力装置」の一例である。
（第７実施例）
　本実施例では、コード読取装置１０は、複数個の学習情報５０をメモリ３４に記憶する。例えば、コード読取装置１０は、様々な状況で利用される。例えば、コード読取装置１０が工場内だけでなく、野外で利用される状況が想定される。また、例えば、コード読取装置１０が、第１の媒体（例えば紙媒体）に表示されている二次元コードを読み取るだけでなく、第１の媒体とは異なる第２の媒体（例えば金属）に表示されている二次元コードを読み取る状況が想定される。本実施例の構成によれば、様々な状況のそれぞれについて2固有の学習情報５０を記憶することができる。これにより、当該様々な状況に対応することができる。
　メモリ３４は、記憶領域ａ１、ｂ１、ｂ２を含む複数個の記憶領域に分けられている。プログラム４０は、記憶領域ａ１に記憶されており、第１の学習情報５０は、記憶領域ｂ１に記憶されており、第２の学習情報５０は、記憶領域ｂ２に記憶されている。例えば、１個の記憶領域に複数個の学習情報５０を記憶する比較例が想定される。この比較例では、複数個の学習情報５０の中から更新対象の学習情報５０を検索する処理を必要とする。これに対して、本実施例の構成によれば、複数個の学習情報５０のそれぞれが異なる記憶領域に記憶されているので、複数個の学習情報５０の中から更新対象の学習情報５０を検索する処理を必要とせず、更新対象の学習情報５０が記憶されている記憶領域へアクセスするだけでよい。
（対応関係）
　メモリ３４が、「特定のメモリ」の一例である。記憶領域ａ１が、「第１の領域」の一例である。記憶領域ｂ１、ｂ２が、「第２の領域」の一例である。
（第８実施例）
（情報読取システム２；図１５）
　本実施例は、情報読取システム２が仲介装置７００を備える点と、学習装置２００がインターネット６上に設置されている点と、を除いて、第１実施例と同様である。
　仲介装置７００は、例えば、サーバである。仲介装置７００は、ＬＡＮ４に接続されている。これにより、仲介装置７００は、ＬＡＮ４を介して、コード読取装置１０と通信可能である。また、仲介装置７００は、インターネット６に接続されている。これにより、仲介装置７００は、インターネット６を介して、学習装置２００と通信可能である。
　コード読取装置１０は、仲介装置７００と直接に通信可能であるが、学習装置２００とは直接に通信不可能である。例えば、コード読取装置１０は、教師データ２４２を仲介装置７００に送信する。これにより、仲介装置７００が、教師データ２４２を学習装置２００に送信する。また、例えば、学習装置２００は、調整後のモデルパラメータ２５４を仲介装置７００に送信する。これにより、仲介装置７００が、調整後のモデルパラメータ２５４をコード読取装置１０に送信する。即ち、仲介装置７００は、コード読取装置１０と学習装置２００との間の通信を仲介する。
　本実施例の構成によれば、仲介装置７００によって、コード読取装置１０をインターネット６から遮断することができる。コード読取装置１０が、インターネット６からのアクセスを直接受けることを抑制することができる。仲介装置７００が、「仲介装置」の一例である。
（第９実施例）
（内的要因分類処理：図１９）
　本実施例では、図７のＳ１００の劣化分類処理に代えて、コード読取装置１０の内的な処理及びコード読取装置１０の設定等である内的要因に応じて分類する内的要因分類処理が実行される点を除いて、第２実施例と同様である。
　コード読取装置１０は、例えば、読取の精度の向上等を目的として、コード画像に対する画像処理を実行し得る。画像処理は、少なくとも１個のフィルタを使って、コード画像を変換する処理である。フィルタは、例えば、平滑化フィルタ、黒膨張フィルタ、黒収縮フィルタ等である。平滑化フィルタは、画像の輝度値を平滑化するフィルタである。黒3膨張フィルタは、画像内の黒いブロブ（塊）を膨張させるフィルタである。黒収縮フィルタは、画像内の黒いブロブ（塊）を収縮させるフィルタである。これらの画像処理は、例えば、印字が不明瞭な二次元コードのコード画像に利用される。なお、上記のフィルタの具体例は、一例に過ぎず、コード読取装置１０は、上記の具体例以外のフィルタも利用可能である。
　本実施例の内的要因分類処理は、読取対象の二次元コードをコード読取装置１０のフィルタの利用態様である内的要因に応じて分類する処理である。ここで、フィルタの利用の有無は、ユーザによって設定されてもよいし、コード読取装置１０が自動的に選択してもよい。また、フィルタは、複数回に亘って利用されてもよく、また、フィルタのサイズも様々である。
　図１９の処理は、図８のＳ１１０、Ｓ１１２に代えて、Ｓ５１０、Ｓ５１２の処理が実行される点を除いて、図８の処理と同様である。Ｓ５１０では、ＣＰＵ３２は、コード画像に対して少なくとも１個のフィルタが利用されたのか否かを判断する。ＣＰＵ３２は、コード画像に対してフィルタが１個も利用されなかったと判断する場合（Ｓ５１０でＮＯ）に、後述するＳ５１２の処理をスキップして、Ｓ１１４に進む。
　Ｓ５１２では、ＣＰＵ３２は、フィルタの利用態様に基づいてコード画像を分類する。図１９の教師データテーブル６０に示すように、分類の項目は、例えば、フィルタの利用回数、フィルタの種類、フィルタのサイズ等である。例えば、図１９に示すように、コード画像に対してサイズ「３×３」の平滑化フィルタが１回だけ利用された場合には、当該コード画像に対応する成功事例は、項目「サイズ「３×３」、平滑化フィルタ、及び、１回」に対応する教師データＴＤ１として教師データテーブル６０に記憶される（Ｓ１１６）。なお、コード画像に対してフィルタが１個も利用されない場合（Ｓ５１０でＮＯ）には、当該コード画像に対応する成功事例は、利用回数「０回」の項目に対応付けて、教師データとして教師データテーブル６０に記憶される（Ｓ１１６）。なお、図１９の項目は、一例に過ぎず、例えば、２種類のフィルタが利用される場合には、その組み合わせも項目として採用されてもよい。
　本実施例でも、第２実施例と同様の効果を得ることができる。即ち、成功事例を無条件に教師データ２４２として採用する構成と比較して、成功事例のばらつきが、特定のフィルタの利用（例えば平滑化フィルタの利用）における事例に偏ることを抑制することができる。
（第１０実施例）
（内的要因分類処理：図２０）
　本実施例の内的要因分類処理は、読取対象の二次元コードをコード読取装置１０の撮像条件である内的要因に応じて分類する処理である。撮像条件は、露光時間、撮像対象との距離、照明（例えばフラッシュ）のＯＮ／ＯＦＦ等である。撮像条件は、ユーザによって設定されてもよいし、コード読取装置１０が自動的に選択してもよい。なお、撮像対象との距離は、例えば、焦点距離に基づき算出されてもよいし、読取対象に照射された指示マーカを参照してステレオ法で算出されてもよい。
　図２０の処理は、図８のＳ１１０、Ｓ１１２に代えて、Ｓ６１２の処理が実行される点を除いて、図８の処理と同様である。Ｓ６１２では、ＣＰＵ３２は、コード画像の撮像に現在利用された撮像条件に基づいてコード画像を分類する。図２０の教師データテーブル６０に示すように、分類の項目は、例えば、露光時間、距離、照明等である。例えば、図２０に示すように、露光時間が０．５ｍｓ以下で、撮像対象との距離が１００ｍｍ以下で、照明がＯＮである場合には、当該コード画像に対応する成功事例は、項目「０．５ｍｓ4以下、１００ｍｍ以下、及び、ＯＮ」に対応する教師データＴＤ１として教師データテーブル６０に記憶される（Ｓ１１６）。なお、図２０の項目は、一例に過ぎず、他の撮像条件が採用されてもよい。
　本実施例でも、第２実施例と同様の効果を得ることができる。即ち、成功事例を無条件に教師データ２４２として採用する構成と比較して、成功事例のばらつきが、特定の撮像条件における事例に偏ることを抑制することができる。
（第１１実施例）
（内的要因分類処理：図２０）
　本実施例の内的要因分類処理は、読取対象の二次元コードをコード読取装置１０の読取処理の処理時間である内的要因に応じて分類する処理である。処理時間は、例えば、通常読取処理（図４参照）の開始から終了までの時間、又は、学習読取処理（図６参照）の開始から終了までの時間である。なお、他の変形例では、処理時間は、通常読取処理の一部、例えば、デコード処理の開始から終了までの時間であってもよい。
　本実施例のＳ６１２では、ＣＰＵ３２は、処理時間に基づいてコード画像を分類する。図２０の教師データテーブル６０に示すように、分類の項目は、例えば、処理時間「１００ｍｓ以下」、処理時間「１５０ｍｓ以下」等である。例えば、処理時間が、１００ｍｓよりも大きく、１５０ｍｓ以下である場合には、当該コード画像に対応する成功事例は、項目「１５０ｍｓ以下」に対応する教師データＴＤ３として教師データテーブル６０に記憶される（Ｓ１１６）。なお、図２０の項目は、一例に過ぎない。
　処理時間が長い原因は、例えば、二次元コードの劣化であり、処理時間の長さと劣化の程度は、相関関係を有し得る。処理時間に基づく分類により、成功事例のばらつきが、特定の劣化の程度における事例に偏ることを抑制することができる。本実施例でも、第２実施例と同様の効果を得ることができる。
（第１２実施例）
（コード読取装置１０の処理；図２１）
　本実施例は、Ｓ７００の判断が追加される点を除いて、第２実施例と同様である。ＣＰＵ３２は、教師データ２４２の個数が目標数より少ないと判断する場合（Ｓ１０２でＮＯ）に、Ｓ７００に進む。Ｓ７００では、ＣＰＵ３２は、教師データテーブル６０内の複数の項目のうち、影響度が高い１個以上の項目のデータ群の合計数が所定数以上であるのか否かを判断する。所定数は、Ｓ１０２の目標数よりも小さい値である。影響度は、二次元コードの読み取りが失敗する可能性の高さに応じて設定される。影響度が高い項目は、例えば、パターン決定処理（図９）においてシンボルマークの劣化を示すパターン番号である。二次元コードのうち、データが記録されている領域は、劣化しても誤り訂正によって復元可能である。これに対して、シンボルマークは、誤り訂正によって復元できず、シンボルマークが劣化すると、二次元コードの位置を特定できず、二次元コードの読み取りが失敗する可能性が高い。本実施例では、二次元コードの読み取りが失敗する可能性が高いシンボルマークの劣化を示す項目を、他の項目よりも影響度が高い項目として採用する。
　ＣＰＵ３２は、影響度が高い１個以上の項目のデータ群の合計数が所定数以上であると判断する場合（Ｓ７００でＹＥＳ）に、Ｓ１０４に進む。一方、ＣＰＵ３２は、影響度が高い１個以上の項目のデータ群の合計数が所定数未満であると判断する場合（Ｓ７００でＮＯ）に、Ｓ１０４をスキップして、Ｓ４４に進む。
　本実施例の構成によれば、コード読取装置１０は、教師データ２４２の個数が目標数に到達しなくても（Ｓ１０２でＮＯ）、影響度が高い１個以上の項目のデータ群の合計数が5所定数以上であると判断される場合（Ｓ７００でＹＥＳ）に、教師データ２４２の全てを学習装置２００に送信する（Ｓ１０４）。影響度が高い１個以上の項目のデータ群に対応する成功事例は、二次元コードの読み取りが成功するものの、シンボルマークの劣化等により二次元コードの読み取りが失敗する可能性が高まっていることを示す事例である。二次元コードの読み取りが失敗する可能性が高まっている状況において、教師データ２４２の個数が目標数に到達することを待つことなく、学習を速やかに開始することができる。
　また、図２１のＳ７００の判断は、情報コードの劣化に基づく分類だけでなく、情報コードのコントラストに基づく分類（第２実施例の変形例）、情報コードの変形に基づく分類（第２実施例の他の変形例（図１６～図１８））、及び、コード読取装置の内的要因に基づく分類（第９～第１１実施例（図１９、図２０））のいずれかに採用されてもよい。また、図２１のＳ７００の判断は、上記の劣化、コントラスト、変形、及び、内的要因の少なくとも２個の組み合わせに基づく分類に採用されてもよい。
（切り取り処理の具体例１；図２２）
　図４のＳ５０及び図６、図１３のＳ８０で実行される切り取り処理の具体例１について説明する。コード読取装置１０は、読取対象の二次元コードを指示する指示マーカを照射可能である。指示マーカは、十字、丸、四角等の所定の形状を有する。具体例１では、ＣＰＵ３２は、カメラ２０の撮像画像の中から、指示マーカの位置を特定する。例えば、ＣＰＵ３２は、撮像画像の中から指示マーカの所定の形状を抽出し、所定の形状の位置を指示マーカの位置として特定する。なお、変形例では、ＣＰＵ３２は、指示マーカの光源がカメラ２０の画角の中心線上に位置している場合に、撮像画像の中心を指示マーカの位置として特定してもよい。
　続けて、ＣＰＵ３２は、指示マーカの位置を中心として、所定の画素数（横、縦）＝（Ｎ１、Ｎ２）で切り取り範囲を設定し、当該切り取り範囲で撮像画像を切り取る。所定の画素数（Ｎ１、Ｎ２）は、例えば、読取対象の二次元コードのサイズ等に基づき予め設定される。Ｎ１、Ｎ２は、正の整数であり、Ｎ２は、Ｎ１と同一であってもよいし、異なっていてもよい。
　このような構成によれば、指示マーカに基づいて、撮像画像から二次元コードを含むコード画像を簡易に切り取ることができる。
（切り取り処理の具体例２；図２３）
　切り取り処理の他の具体例２について説明する。二次元コードは、白黒のパターンで構成される。このため、図２３に示すように、二次元コードを示す画素の輝度は大きく変動し、二次元コード以外の背景を示す画素の輝度はほとんど変動しない。本具体例では、ＣＰＵ３２は、指示マーカの位置から横方向に沿って画素の輝度を分析し、輝度の変動が所定値以上である画素を横方向における二次元コードの境界線として推定する。同様に、ＣＰＵ３２は、指示マーカの位置から縦方向にも同様の分析を行い、輝度の変動が所定値以上である画素を縦方向における二次元コードの境界線として推定する。そして、ＣＰＵ３２は、横方向における境界線から所定の画素数Ｎ３の線を切り取り範囲の縦方向の線とし、縦方向における境界線から所定の画素数Ｎ４の線を切り取り範囲の横方向の線として決定する。所定の画素数Ｎ３、Ｎ４は、例えば、読取対象の二次元コードのサイズ等に基づき予め設定される。Ｎ３、Ｎ４は、正の整数であり、Ｎ３は、Ｎ４と同一であってもよいし、異なっていてもよい。所定の画素数Ｎ３、Ｎ４により上記の分析で推定される境界線よりも切り取り範囲を広くすることにより、読取対象の二次元コードの経年劣化により二次元コードの輪郭のセルが薄くなっても二次元コードを切り取り範囲に含ませることができる。
（切り取り処理の具体例３；図２４）
　切り取り処理の他の具体例３について説明する。本具体例では、ＣＰＵ３２は、図５のＳ６０で記憶される複数個の教師データ２４２内のコード画像データの少なくとも一部のそれぞれについて、図４のＳ５２と同様の四隅の位置座標を算出する。そして、ＣＰＵ３２は、複数個の教師データ２４２内のコード画像データの少なくとも一部について算出された四隅の全てを含む範囲を切り取り範囲に設定する。
　このような構成によれば、指示マーカを利用しないコード読取装置１０でも切り取り範囲を設定することができる。このようなコード読取装置１０は、例えば、工場の製造ライン、ＰＯＳレジ等に固定されている固定式のコード読取装置である。
　以上、本明細書で開示する技術の具体例を説明したが、これらは例示にすぎず、特許請求の範囲を限定するものではない。特許請求の範囲に記載の技術には以上に例示した具体例を様々に変形、変更したものが含まれる。例えば、以下の変形例を採用してもよい。
　（変形例１）「情報コード」は、二次元コードに限らず、例えば、バーコード、多段のバーコード等であってもよい。
　（変形例２－１）学習装置２００の学習対象は、二次元コードの四隅の位置座標（第１実施例参照）、二次元コードの各セルの白黒のパターン（第５実施例参照）に限らない。例えば、学習対象は、撮像画像内におけるコード画像の位置を示すコード位置情報であってもよい。例えば、二次元コードの黒色の部分が薄くなり、撮像画像から二次元コードを見つけるのが困難になる状況が想定される。コード位置情報を学習することにより、上記の状況においても、撮像画像から二次元コードを見つけることができ、図４の切り取り処理においてコード画像の切り取りを実行することができる。本変形例では、コード位置情報が、「関係情報（第１の関係情報及び第２の関係情報）」の一例である。
　（変形例２－２）さらに、学習対象は、切り取り処理において切り取る範囲であってよい。また、さらに、学習対象は、３か所のシンボルマークのそれぞれの四隅の位置座標であってもよい。さらに、学習対象は、二次元コードのタイミングパターンの位置であってもよい。一般的に言えば、学習対象は、二次元コードの中の所定のパターン（例えば、シンボルマーク、タイミングパターン等）を示す情報（位置、サイズ等）であってもよい。これら変形例では、切り取る範囲、シンボルマークの四隅の位置座標、又は、二次元コードの中の特定のパターンに関する情報が、「関係情報（第１の関係情報及び第２の関係情報）」の一例である。
　（変形例２－３）「関係情報（第１の関係情報及び第２の関係情報）」は、１種類の情報（例えば二次元コードの四隅の位置座標）に限らず、複数種類の情報（例えばシンボルマークの四隅の位置座標と二次元コードの四隅の位置座標）であってもよい。
　（変形例３）上記の各実施例では、教師データ２４２は、通常読取処理の成功事例だけでなく、学習読取処理の成功事例も含み得る。変形例では、教師データ２４２は、通常読取処理の成功事例を含み、学習読取処理の成功事例を含まなくてもよい。一般的に言えば、「教師データ」は、前記第１の関係情報を利用した前記読取処理の複数の成功事例を少なくとも含んでいればよい。
　（変形例４）「分類部」及び「判断部」は、コード読取装置１０の制御部３０に限らず、例えば、学習装置２００の制御部２３０であってもよい。この場合、図８の処理は、学習装置２００の制御部２３０によって実行されてもよい。
　（変形例５）第２実施例において、教師データテーブル６０は、コード読取装置１０のメモリ３４に限らず、例えば、学習装置２００のメモリ２３４に記憶されてもよい。本変形例では、メモリ２３４が、「第１のメモリ」の一例である。
　本明細書または図面に説明した技術要素は、単独であるいは各種の組合せによって技術的有用性を発揮するものであり、出願時請求項記載の組合せに限定されるものではない。また、本明細書または図面に例示した技術は複数目的を同時に達成するものであり、そのうちの一つの目的を達成すること自体で技術的有用性を持つものである。
２　　　　　：情報読取システム
４　　　　　：ＬＡＮ
６　　　　　：インターネット
１０　　　　：コード読取装置
１２　　　　：操作部
１４　　　　：表示部
２０　　　　：カメラ
２２　　　　：通信Ｉ／Ｆ
３０　　　　：制御部
３２　　　　：ＣＰＵ
３４　　　　：メモリ
４０　　　　：プログラム
５０　　　　：学習情報
５２　　　　：学習モデル
５４　　　　：モデルパラメータ
６０　　　　：教師データテーブル
２００　　　：学習装置
２２２　　　：通信Ｉ／Ｆ
２３０　　　：制御部
２３２　　　：ＣＰＵ
２３４　　　：メモリ
２４０　　　：プログラム
２４２　　　：教師データ
２５０　　　：学習情報
２５２　　　：学習モデル
２５４　　　：モデルパラメータ
２５６　　　：初期パラメータ
２７０　　　：事例テーブル
５００　　　：プリンタ
７００　　　：仲介装置
Ｌ１～Ｌ４　：座標（位置座標）
ａ１、ｂ１、ｂ２　：記憶領域

Claims (20)

  1. 　二次元の情報コードを撮像可能なカメラと、
    　　前記カメラによって撮像された前記情報コードとしての第１の情報コードの画像から前記第１の情報コードの二次元のコード領域を規定する情報である第１の関係情報を検出する検出処理と、
    　　検出済みの前記第１の関係情報に基づいて、前記第１の情報コードに記録されている情報を読み取る読取処理と、
    　　前記読取処理の結果を出力する出力処理と、を含む第１のコード処理を実行する、
    　第１のコード処理実行部と、
    　前記カメラによって撮像された前記情報コードの画像から前記情報コードの二次元のコード領域を規定する情報の推定値である第２の関係情報を出力させる学習モデルのパラメータを、前記第１の関係情報に基づいて読み取られた前記読取処理の複数の成功事例を少なくとも含む教師データに基づいて調整する、調整部と、
    　　前記カメラによって撮像された前記情報コードとしての第２の情報コードの画像を前記学習モデルに入力して、前記学習モデルから前記第２の関係情報を取得する取得処理と、
    　取得済みの前記第２の関係情報に基づいて、前記第２の情報コードに記録されている情報を読み取る読取処理と、
    　前記読取処理の読取り結果を出力する出力処理と、を含む、第２のコード処理を行う、第２のコード処理実行部と、
    　を備える、情報読取装置。
  2. 　前記第１の関係情報は、前記情報コードの四隅の点の位置座標を示す情報である、請求項１に記載の情報読取装置。
  3. 　前記第１の関係情報は、前記情報コードの前記二次元のコード領域を構成する複数個のセルの白黒のパターンを示す情報である、請求項１に記載の情報読取装置。
  4. 　前記第１の関係情報では、前記複数個のセルのそれぞれについて、当該セルの位置を示す情報と、白黒のいずれかを示す値と、が対応付けられている、請求項３に記載の情報読取装置。
  5. 　前記カメラと前記第１のコード処理実行部と前記第２のコード処理実行部とを備える１個以上のコード読取装置と、
    　前記１個以上のコード読取装置と別体な、前記調整部を備える学習装置と、
    　を備え、
    　前記１個以上のコード読取装置は、前記学習装置から調整後の前記パラメータを取得し、
    　前記第２のコード処理実行部は、取得済みの前記調整後のパラメータに基づいて前記第２のコード処理を実行する、請求項１から４のいずれか一項に記載の情報読取装置。
  6. 　前記学習装置は、インターネット上に構築されており、
    　前記１個以上のコード読取装置と前記学習装置との通信を仲介し、前記インターネットに接続されている仲介装置をさらに備える、請求項５に記載の情報読取装置。
  7. 　前記調整後のパラメータを記録する特定の情報コードを出力可能な出力装置をさらに備え、
    　前記１個以上のコード読取装置のそれぞれは、前記出力装置によって出力された前記特定の情報コードから前記調整後のパラメータを読み取ることによって、前記学習装置から前記調整後のパラメータの全部又は一部を取得する、請求項5又は６に記載の情報読取装置。
  8. 　前記１個以上のコード読取装置は、第１のコード読取装置と、前記第１のコード読取装置とは異なる第２のコード読取装置と、を含み、
    　前記学習装置は、前記第１のコード読取装置から前記教師データを取得して、取得済みの前記教師データに基づいて、前記パラメータを調整し、
    　前記第２のコード読取装置は、
    　前記学習装置から、前記第１のコード読取装置の前記教師データに基づいて調整された前記パラメータを取得し、
    　取得済みの前記パラメータに基づいて、前記第２のコード処理を実行する、請求項５から７のいずれか一項に記載の情報読取装置。
  9. 　特定のメモリをさらに備え、
    　前記特定のメモリは、
    　前記第１のコード処理及び前記第２のコード処理を実行するためのプログラムを記憶する第１の領域と、前記第１の領域とは異なる第２の領域と、を含み、
    　前記第２の領域は、複数個の学習情報を記憶するための領域であり、
    　前記複数個の学習情報のそれぞれは、前記学習モデルと、調整後の前記パラメータと、を含む、請求項１から８のいずれか一項に記載の情報読取装置。
  10. 　前記調整部は、前記教師データに含まれる前記複数の成功事例の個数が所定の数を上回った後に、前記学習モデルの前記パラメータの調整を開始するように構成されている、請求項１から９のいずれか一項に記載の情報読取装置。
  11. 　前記情報読取装置は、さらに、
    　前記第１のコード処理において前記読取処理が成功した対象の情報コードを、情報コードの劣化の種類に関する複数のパターンのうちの特定のパターンに分類する分類部と、
    　分類済みの前記特定のパターンに基づいて、前記対象の情報コードの成功事例を前記教師データとして採用するのか否かを判断する判断部と、
    　を備える、請求項１０に記載の情報読取装置。
  12. 　前記分類部は、
    　前記対象の情報コードに対する前記読取処理内で実行された誤り訂正において復元された復元コードの画像と、前記対象の情報コードの実際の画像を二値化した画像と、を比較して、前記対象の情報コードの劣化の箇所を特定し、
    　前記復元コードと前記実際の画像との比較によって特定された前記劣化の箇所に基づいて、前記対象の情報コードを前記特定のパターンに分類する、請求項１１に記載の情報読取装置。
  13. 　前記分類部は、前記対象の情報コードの画像のコントラストと、前記対象の情報コードの変形と、のうちの少なくとも１つに基づいて、前記対象の情報コードを前記特定のパターンに分類する、請求項１１又は１２に記載の情報読取装置。
  14. 　前記情報読取装置は、さらに、
    　前記第１のコード処理において前記読取処理が成功した対象の情報コードを、前記情報読取装置の内的要因を示す複数の項目のうちの特定の項目に分類する分類部と、
    　分類済みの前記特定の項目に基づいて、前記対象の情報コードの成功事例を前記教師データとして採用するのか否かを判断する判断部と、
    　を備え、
    　前記複数の項目は、
    　前記情報読取装置が前記情報コードの画像に対して実行した画像処理に関する２個以上の項目と、
    　前記情報読取装置が前記情報コードを撮像する撮像条件に関する２個以上の項目と、
    　前記情報読取装置が前記情報コードに記録されている情報を読み取るための処理時間に関する２個以上の項目と、
    　のうちの少なくとも１つを含む、請求項１１に記載の情報読取装置。
  15. 　前記調整部は、前記教師データに含まれる前記複数の成功事例の個数が前記所定の数を上回る前であっても、前記複数の成功事例の個数のうちの２個以上の成功事例の個数が、前記所定の数よりも小さい特定の数を上回る場合に、前記学習モデルの前記パラメータの調整を開始するように構成されており、
    　前記２個以上の成功事例のそれぞれは、前記情報コードの読み取りが成功するものの、前記情報コードの読み取りが失敗する可能性が高まっていることを示す事例である、請求項１０から１４のいずれか一項に記載の情報読取装置。
  16. 　第１のメモリと、
    　前記分類済みの特定のパターンに基づいて、前記対象の情報コードの成功事例を前記教師データとして採用すると判断される場合に、前記対象の情報コードの成功事例を前記教師データとして前記第１のメモリに記憶する第１の記憶制御部であって、前記分類済みの特定のパターンに基づいて、前記対象の情報コードの成功事例を前記教師データとして採用しないと判断される場合に、前記対象の情報コードの成功事例は前記特定のメモリに記憶されない、前記第１の記憶制御部と、
    　をさらに備え、
    　前記調整部は、前記第１のメモリ内の前記教師データに応じて、前記パラメータを調整する、請求項９から１５のいずれか一項に記載の情報読取装置。
  17. 　前記カメラによって撮像された情報コードの画像であるコード画像に対する画像処理を実行して、前記読取処理の仮想的な事例を生成し、前記教師データ内の成功事例の個数を増やす増加制御部をさらに備える、請求項１から１６のいずれか一項に記載の情報読取装置。
  18. 　前記画像処理は、
    　前記コード画像のコントラストを調整する処理、
    　所定の画像を前記コード画像に追加する処理、
    　前記コード画像を回転する処理、及び、
    　前記コード画像によって示される前記情報コードの各セルを加工する処理、
    　のうちの少なくとも一つを含む、請求項１７に記載の情報読取装置。
  19. 　複数個の情報コードのそれぞれについて、当該情報コードに対して実行された前記読取処理の事例を示す事例情報を記憶する第２のメモリをさらに備え、
    　前記増加制御部は、前記第２のメモリに記憶されている複数個の前記事例情報によって示される前記読取処理の事例の傾向に基づいて、複数種類の前記画像処理の中から１種類以上の前記画像処理を選択して、選択済みの前記１種類以上の画像処理を実行する、請求項１８に記載の情報読取装置。
  20. 　前記第１の関係情報を利用した前記読取処理が実行される場合に、前記第１の情報コードに対して実行された前記読取処理の事例を示す前記事例情報を前記第２のメモリに記憶する第２の記憶制御部をさらに備える、請求項１９に記載の情報読取装置。
     
PCT/JP2022/016728 2021-03-31 2022-03-31 情報読取装置 WO2022211064A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202280025014.1A CN117083616A (zh) 2021-03-31 2022-03-31 信息读取装置
EP22781274.0A EP4318304A1 (en) 2021-03-31 2022-03-31 Information reading device

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2021-061763 2021-03-31
JP2021061763 2021-03-31
JP2022-010885 2022-01-27
JP2022010885A JP2022158916A (ja) 2021-03-31 2022-01-27 情報読取装置

Publications (1)

Publication Number Publication Date
WO2022211064A1 true WO2022211064A1 (ja) 2022-10-06

Family

ID=83459591

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/016728 WO2022211064A1 (ja) 2021-03-31 2022-03-31 情報読取装置

Country Status (2)

Country Link
EP (1) EP4318304A1 (ja)
WO (1) WO2022211064A1 (ja)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019067278A (ja) * 2017-10-04 2019-04-25 ファナック株式会社 識別コード読取装置及び機械学習装置
CN109815764A (zh) * 2019-01-16 2019-05-28 王诗会 图像内部机读信息的读取方法及系统
CN110009615A (zh) * 2019-03-31 2019-07-12 深圳大学 图像角点的检测方法及检测装置
WO2020081435A1 (en) * 2018-10-15 2020-04-23 Gauss Surgical, Inc. Methods and systems for processing an image
JP2020098108A (ja) * 2018-12-17 2020-06-25 株式会社大林組 表面の不具合検査方法
JP2021047797A (ja) * 2019-09-20 2021-03-25 トッパン・フォームズ株式会社 機械学習装置、機械学習方法、及びプログラム
WO2021152819A1 (ja) * 2020-01-31 2021-08-05 株式会社オプティム コンピュータシステム、情報コード読取方法及びプログラム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019067278A (ja) * 2017-10-04 2019-04-25 ファナック株式会社 識別コード読取装置及び機械学習装置
WO2020081435A1 (en) * 2018-10-15 2020-04-23 Gauss Surgical, Inc. Methods and systems for processing an image
JP2020098108A (ja) * 2018-12-17 2020-06-25 株式会社大林組 表面の不具合検査方法
CN109815764A (zh) * 2019-01-16 2019-05-28 王诗会 图像内部机读信息的读取方法及系统
CN110009615A (zh) * 2019-03-31 2019-07-12 深圳大学 图像角点的检测方法及检测装置
JP2021047797A (ja) * 2019-09-20 2021-03-25 トッパン・フォームズ株式会社 機械学習装置、機械学習方法、及びプログラム
WO2021152819A1 (ja) * 2020-01-31 2021-08-05 株式会社オプティム コンピュータシステム、情報コード読取方法及びプログラム

Also Published As

Publication number Publication date
EP4318304A1 (en) 2024-02-07

Similar Documents

Publication Publication Date Title
US10108835B2 (en) Method and system for decoding two-dimensional code using weighted average gray-scale algorithm
JP4911340B2 (ja) 二次元コード検出システムおよび二次元コード検出プログラム
US10789496B2 (en) Mobile image quality assurance in mobile document image processing applications
US8881986B1 (en) Decoding machine-readable code
JP5507134B2 (ja) ２次元コード読取方法、２次元コード認識方法及び２次元コード読取装置
JPH08241411A (ja) 文書画像を評価するシステムおよびその方法
WO2013044875A1 (zh) 线性条码识别方法和系统
TWI669519B (zh) 電路板瑕疵篩選方法及其裝置與電腦可讀取記錄媒體
CN113538603B (zh) 一种基于阵列产品的光学检测方法、系统和可读存储介质
US20020051573A1 (en) Two-dimensional code extracting method
US9626738B2 (en) Image processing apparatus, image processing method, and storage medium
JP2023040038A (ja) プログラム、情報処理方法及び情報処理装置
JP2017161969A (ja) 文字認識装置、方法およびプログラム
TWI438699B (zh) 條碼的處理方法與其相關裝置
JP5720623B2 (ja) 二次元コード読取装置
WO2022211064A1 (ja) 情報読取装置
JP4335229B2 (ja) Ｑｒコード認識装置、ｑｒコード認識装置の制御方法、ｑｒコード認識装置制御プログラムおよびそれを記録したコンピュータ読み取り可能な記録媒体
CN111767752A (zh) 一种二维码识别方法及装置
JP2022158916A (ja) 情報読取装置
US20240176970A1 (en) Information reader
JP4013027B2 (ja) ２次元コード読取装置
CN117083616A (zh) 信息读取装置
CN115578729B (zh) 数字员工ai智能流程编排方法
JPH10207978A (ja) 文字等パターン照合方法及び装置
US20240104753A1 (en) Mark detection method and computer program

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: 22781274

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 202280025014.1

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 18284977

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2022781274

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2022781274

Country of ref document: EP

Effective date: 20231031

NENP Non-entry into the national phase

Ref country code: DE