WO2022224592A1 - 検知装置、検知方法、検知プログラム、および検知システム - Google Patents

検知装置、検知方法、検知プログラム、および検知システム Download PDF

Info

Publication number
WO2022224592A1
WO2022224592A1 PCT/JP2022/009040 JP2022009040W WO2022224592A1 WO 2022224592 A1 WO2022224592 A1 WO 2022224592A1 JP 2022009040 W JP2022009040 W JP 2022009040W WO 2022224592 A1 WO2022224592 A1 WO 2022224592A1
Authority
WO
WIPO (PCT)
Prior art keywords
detection
movement data
movement
hopper
images
Prior art date
Application number
PCT/JP2022/009040
Other languages
English (en)
French (fr)
Inventor
圭太 山本
裕司 白石
Original Assignee
日立造船株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日立造船株式会社 filed Critical 日立造船株式会社
Priority to CN202280029466.7A priority Critical patent/CN117178144A/zh
Publication of WO2022224592A1 publication Critical patent/WO2022224592A1/ja

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
    • F23G5/00—Incineration of waste; Incinerator constructions; Details, accessories or control therefor
    • F23G5/44—Details; Accessories
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
    • F23G5/00—Incineration of waste; Incinerator constructions; Details, accessories or control therefor
    • F23G5/50—Control or safety arrangements
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images

Definitions

  • the present invention relates to a detection device and the like for detecting the occurrence of bridging in a hopper.
  • General waste incineration facilities are equipped with a funnel-shaped device called a hopper.
  • Garbage stored in a storage facility called a garbage pit is picked up by a crane or the like, thrown into a hopper, sent from the hopper to an incinerator, and incinerated.
  • the waste thrown into the hopper sometimes clogs in the hopper like a bridge, and this phenomenon is called bridging.
  • the garbage above the bridge stays in the same position, so the height of the garbage accumulated in the hopper (garbage level) remains high.
  • the dust level drops, dust is thrown into the hopper. Therefore, when a bridge occurs, no new dust is thrown into the hopper.
  • the garbage under the bridge is sent to the incinerator and incinerated sequentially, so if the bridge is left as it is, the amount of garbage in the incinerator will decrease, and if it is left further, there will be no combustible garbage in the incinerator. becomes.
  • Patent Document 1 describes detecting a bridge based on a hopper level that is periodically measured.
  • One aspect of the present invention has been made in view of the above problems, and an object thereof is to provide a detection device or the like that can detect the occurrence of bridging at an early stage.
  • a detection device provides a plurality of time-series images of a hopper containing an object captured from above, and the above-described A movement data generation unit that generates movement data indicating a movement state of an object, and a detection unit that detects occurrence of a bridge in the hopper based on the movement data generated by the movement data generation unit.
  • a detection method is a bridge detection method executed by one or a plurality of information processing apparatuses, in which a hopper containing objects is photographed from above.
  • a movement data generation step of generating movement data representing a movement state of the object during a period in which the plurality of images were captured from the plurality of time-series images obtained; and a detecting step of detecting occurrence of bridging in the hopper based on.
  • a detection device provides a plurality of time-series images of a hopper containing an object captured from above. and a movement data generation unit that generates movement data indicating the movement state of the object, and a learned relationship between the movement state of the object and whether or not a bridge occurs when the object is in the movement state. a detection unit that detects occurrence of a bridge in the hopper based on an output value obtained by inputting the movement data to the model.
  • a detection system includes a photographing device that photographs a hopper containing an object from above, and a plurality of time-series images photographed by the photographing device. a detection device for detecting the occurrence of a bridge in the hopper based on the generated movement data indicating the movement state of the object during a period in which the plurality of images were captured; and the detection device detects the occurrence of the bridge. and a notification device for notifying the occurrence of bridging when the bridging occurs.
  • the occurrence of bridging can be detected early.
  • FIG. 10 is a diagram for explaining a method of detecting the occurrence of bridging; It is a flowchart which shows an example of the process which the said detection apparatus performs. It is a block diagram which shows an example of a principal part structure of the detection apparatus which concerns on Embodiment 2 of this invention.
  • FIG. 2 is a diagram showing a configuration example of the detection system 100.
  • the detection system 100 is applied to bridge detection of a hopper A provided in a refuse incineration facility.
  • the detection system 100 is not limited to the hopper A, and can be applied to any hopper in which bridging can occur.
  • the object accommodated in the hopper A is garbage G
  • the detection system 100 can also detect bridges for hoppers containing arbitrary objects other than garbage G.
  • the garbage incineration facility shown in FIG. 2 is provided with a garbage pit B for storing garbage G and an incinerator C for incinerating the garbage G.
  • Garbage G in the garbage pit B is thrown into the hopper A by a crane.
  • An inclined surface A1 is formed on the upper part of the hopper A so as to spread outward, and the garbage G slides down on this inclined surface A1 and enters the hopper A, where it is temporarily accommodated. Then, the garbage G in the hopper A is sequentially fed into the incinerator C from the opening A2 at the bottom thereof and incinerated.
  • the vicinity of the opening A2 is a cavity in which the dust G does not exist.
  • the detection system 100 is a system for detecting the occurrence of a bridge in the hopper A, and includes the detection device 1, the imaging device 2, and the notification device 3, as described above.
  • the photographing device 2 is arranged above the hopper A, and photographs the hopper A from above at predetermined time intervals. Further, the detection device 1 acquires each image captured by the imaging device 2 and detects occurrence of a bridge in the hopper A using those images. Then, the notification device 3 notifies the user of the detection system 100 of the occurrence of bridging when the detection device 1 detects the occurrence of bridging.
  • FIG. 2 shows an example in which the occurrence of bridging is reported by voice, that is, an example in which the reporting device 3 is a voice output device
  • the present invention is not limited to this example. Any notification method may be used as long as it allows the person to be notified to recognize that a bridge has occurred, and the notification device 3 may be adapted to the notification method.
  • the notification device 3 may be an alarm lamp, a display device, or the like.
  • the imaging device 2 captures a plurality of time-series images of the hopper A. Then, the detection device 1 detects the movement of the garbage G in the hopper A based on the movement data generated from the plurality of time-series images captured by the imaging device 2 and indicating the movement state of the garbage G during the period in which the plurality of images were captured. Detect the occurrence of bridging.
  • the inventors of the present invention carefully examined images of various hoppers taken from above, and found that the image taken when bridging occurred was not the same as the image taken when bridging did not occur. It was found that different characteristics appeared. More specifically, the inventors have found that there is a difference in the moving state of the object in the image between when the bridge occurs and when it is operating normally.
  • the detection device 1 detects the occurrence of bridging based on this knowledge. As described above, there is a difference in the moving state of the dust G that appears in the image between when a bridge occurs and during normal operation. Therefore, it is possible to detect the occurrence of bridging based on movement data generated from a plurality of time-series images and indicating the movement state of the dust G during the period in which the plurality of images were captured. The details of this detection method will be described later.
  • the moving state peculiar to the occurrence of a bridge is observed in the image immediately after the occurrence of the bridge, according to the above configuration, the occurrence of the bridge can be detected early. Furthermore, according to the above configuration, stable and highly accurate detection is possible as compared with bridge detection based on the hopper level. This is because, while it is difficult to stably and accurately measure the height of irregularly shaped objects with a hopper level meter, the image of hopper A taken from above shows a stable moving state peculiar to the occurrence of bridges. This is because it is observed as
  • the detection system 100 includes the detection device 1, the imaging device 2, and the notification device 3.
  • the photographing device 2 photographs the hopper A containing the garbage G from above.
  • the detection device 1 determines the position of the bridge in the hopper A based on movement data generated from a plurality of time-series images captured by the imaging device 2 and indicating the movement state of the garbage G during the period in which the plurality of images were captured. Detect occurrence.
  • the notification device 3 notifies the occurrence of bridging when the detection device 1 detects the occurrence of bridging. According to this configuration, the occurrence of bridging can be detected early and notified.
  • the installation location of the detection device 1 is not particularly limited. For example, it may be installed in a garbage incineration facility, or may be installed in a monitoring center that monitors a plurality of garbage incineration facilities.
  • FIG. 2 shows an example in which one detection device 1 monitors and detects the occurrence of bridges in one hopper A. However, one detection device 1 monitors the occurrence of bridges in a plurality of hoppers. and detection. In this case, for example, the detection device 1 may be a cloud server.
  • the processing performed when the occurrence of a bridge is detected is not limited to the above example.
  • the detection device 1 operates the bridge removal device when detecting the occurrence of bridges to automatically remove the bridges.
  • the bridge removing device may be any device capable of removing bridges, and may be, for example, a device having a pressing body for pressing down the refuse clogged in the hopper.
  • FIG. 1 is a block diagram showing an example of the main configuration of the detection device 1.
  • the detection device 1 includes a control unit 10 that controls each unit of the detection device 1 and a storage unit 11 that stores various data used by the detection device 1 .
  • the detection device 1 also includes a communication unit 12 for communicating with other devices, an input unit 13 for receiving input of various data to the detection device 1, and an output unit for the detection device 1 to output various data. 14.
  • the control unit 10 also includes a data acquisition unit 101 , a determination unit 102 , a movement data generation unit 103 , a detection unit 104 and a notification control unit 105 .
  • An image DB 111 is stored in the storage unit 11 .
  • the data acquisition unit 101 acquires a plurality of time-series images of the hopper A photographed from above. As described above, in the detection system 100, the photographing device 2 photographs a plurality of time-series images of the hopper A photographed from above. .
  • the data acquisition unit 101 may acquire an image from the imaging device 2 through communication via the communication unit 12 or may acquire an image input through the input unit 13 .
  • the data acquisition unit 101 records the acquired image in the image DB 111 .
  • the imaging device 2 may be one that captures moving images. In this case, the data acquisition unit 101 may acquire a plurality of time-series images (for example, frame images at predetermined time intervals) from the moving images captured by the imaging device 2 .
  • the determination unit 102 determines whether or not dust appears in the target area of the image acquired by the data acquisition unit 101, which is the target of analysis for detecting the presence or absence of bridging. The details of the dust determination method in the target area will be described later with reference to FIG.
  • the movement data generation unit 103 generates movement data indicating the movement state of the garbage during the period in which the images were captured from the plurality of time-series images acquired by the data acquisition unit 101 and recorded in the image DB 111 . Details of the movement data generation method will be described later with reference to FIG.
  • the detection unit 104 detects occurrence of a bridge in the hopper A based on the movement data generated by the movement data generation unit 103 .
  • the details of the method of detecting the occurrence of bridging will be described later with reference to FIG.
  • the notification control unit 105 notifies the occurrence of bridging when the detection unit 104 detects the occurrence of bridging. Specifically, when the detection unit 104 detects the occurrence of bridging, the notification control unit 105 notifies the occurrence of the bridging by causing the notification device 3 to output a sound indicating the occurrence of the bridging.
  • the method of notifying the occurrence of bridging is not particularly limited as long as it allows the person to be notified to recognize that bridging has occurred.
  • the notification control unit 105 may cause the output unit 14 to output information indicating that a bridge has occurred. Further, for example, the notification control unit 105 may perform notification by a method such as transmitting a message to a terminal device possessed by a person to be notified.
  • the detection device 1 includes the movement data generation unit 103 and the detection unit 104.
  • the movement data generation unit 103 generates movement data indicating the movement state of garbage during the period when the plurality of images were captured from the plurality of time-series images of the hopper A photographed from above.
  • the detection unit 104 detects occurrence of a bridge in the hopper A based on the movement data generated by the movement data generation unit 103 . According to this configuration, the occurrence of bridging can be detected early.
  • movement data can be generated if there are two images taken at different timings. Therefore, there is no need to perform machine learning or the like, and operation of the detection device 1 can be started immediately at the waste incineration facility. Further, even if the installation location or the shooting angle of the imaging device 2 is slightly changed, the detection can be performed without any particular influence. Furthermore, it is assumed that dirt will adhere to the lens of the imaging device 2 installed in the waste incineration facility. Limited. That is, the detection system 100 including the detection device 1 has the advantage of being easy to introduce and capable of stable operation.
  • FIG. 3 is a diagram showing an example of a method for determining the presence or absence of dust.
  • An image D shown in FIG. 3 is an image of the hopper taken from above. Image D shows dust sliding down the sloping surface of the hopper, but the entire sloping surface is not covered with dust. Specifically, dust is shown in the region d2 on the downstream side of the inclined surface of the hopper, but no dust is shown in the region d1 on the upstream side.
  • the movement data generation unit 103 generates movement data for an area such as area d1 where no dust is shown
  • the amount of movement indicated by the movement data may be zero or a value close to zero. Then, when the amount of movement becomes zero or a value close to zero, there is a possibility of erroneously detecting that a bridge has occurred even though there is actually no dust and no bridge has occurred.
  • the detection device 1 is provided with a determination unit 102.
  • the determination unit 102 determines whether or not dust appears in the target area in the image.
  • the movement data generation unit 103 generates movement data indicating the amount of movement between images in which the determination unit 102 determines that dust appears in the target area.
  • an image in which the object is not shown in the target area is not used for bridge detection, so that the above-described erroneous detection can be prevented.
  • Whether or not dust is present may be determined using the photographed image, or may be determined after performing predetermined image processing on the photographed image to make it easier to determine the presence or absence of dust.
  • Examples of the image processing include the Canny method.
  • the Canny method is an algorithm for edge detection in images.
  • An image D1 shown in FIG. 3 is an image generated by edge detection from the image D by the Canny method.
  • the appearance of refuse is generally much more complex than the hopper surface geometry. For this reason, in the example of FIG. 3, a larger number of edges are detected in the area d2 where the dust appears compared to the area d1 where the dust does not appear.
  • the determination unit 102 detects edges by applying the Canny method to an image of the hopper, and determines that an image in which the number of edges detected in the target region is equal to or greater than a threshold is an image containing dust. An image in which the number of edges detected in a is less than a threshold value may be determined as an image in which dust is not captured.
  • the determination unit 102 may determine the presence or absence of dust by analyzing at least one of the luminance value and RGB value of each pixel forming the image. Further, for example, the determination unit 102 may determine the presence or absence of dust using a trained model (for example, a neural network model) that is trained to determine the presence or absence of dust.
  • a trained model for example, a neural network model
  • FIG. 4 is a diagram illustrating an example of a method of generating movement data. More specifically, FIG. 4 shows movement data indicating the state of movement of waste between an image E1 taken on the hopper slope at time t and an image E2 taken on the hopper slope at time t+ ⁇ t. An example of generating F by the image correlation method is shown.
  • the y direction is the direction in which the waste descends, that is, the direction from the upstream side to the downstream side of the inclined surface of the hopper (see inclined surface A1 in FIG. 2)
  • the x direction is the y direction on the inclined surface. The direction perpendicular to the direction.
  • the image correlation method is a method of calculating the amount of movement of each particle in each image by image processing for two images in time series, and representing the calculated amount of movement as a vector. For example, in the image E1, the dust surrounded by the dashed line appears at the position e1, but in the image E2, it appears at the position e2 below the position e1. The moving state of this dust is expressed in the moving data F as a vector f1 indicating the displacement from the position e1 to the position e2. Also, vectors are similarly calculated for other positions.
  • the movement data F represents the movement state of the dust at each position in the images E1 and E2. Specifically, from the movement data F, it can be seen that the dust at each position in the images E1 and E2 is moving in the y direction (downstream of the inclined surface of the hopper, that is, in the downward direction).
  • vectors whose y-direction component values are equal to or greater than the threshold are indicated by solid-line arrows, and vectors whose values are less than the threshold are indicated by dashed-line arrows. This also shows that there are positions where the dust moves fast and positions where the dust moves slowly.
  • the movement data generation unit 103 determines that the image elements appearing at each of a plurality of predetermined positions set on the inclined surface appearing in the images E1 and E2 are moved downward between the images E1 and E2. Movement data indicating the amount of movement may be generated.
  • the sloping surface of the hopper On the sloping surface of the hopper, the refuse slides down in roughly the same descending direction, so the sloping surface of the hopper is a suitable position for judging whether the refuse is descending smoothly or stagnating. . Therefore, according to the above configuration, it is possible to generate movement data that accurately indicates whether the dust is descending smoothly or is stagnating. By detecting the occurrence of bridging using this movement data, highly reliable detection can be performed.
  • the movement data may also be collectively generated for image portions other than inclined surfaces.
  • the detection unit 104 may detect the bridge using the movement data within the target area set to the portion where the inclined surface is captured, among the movement data generated by the movement data generation unit 103 .
  • the target area may be the area in which the direction of movement of the dust is generally the same, and an area other than the inclined surface may be the target area.
  • the area on the inner surface that connects with the inclined surface on the downstream side of the inclined surface (usually extending in the vertical direction) may be the target area.
  • a region including both parts may be the target region.
  • the movement data is not limited to the above examples as long as it indicates the movement state of the garbage.
  • the speed of movement of dust may be used as movement data.
  • a difference image showing the difference between two images taken at different times may be used as the movement data.
  • FIG. 5 is a diagram for explaining a method of detecting occurrence of bridging. More specifically, FIG. 5 shows an example of detecting the occurrence of a bridge using movement data H generated from a plurality of time-series images of the hopper photographed from above.
  • the movement data H is generated using the above-described image correlation method, and is data indicating movement vectors of image elements appearing at each of a plurality of predetermined positions set in the image of the hopper. .
  • a target area to be analyzed for detecting the presence or absence of a bridge is indicated by a framed h1.
  • Image J shown in FIG. 5 is an enlarged target area in the image of the hopper. Also, in this image J, each position where the movement vector is calculated is plotted. For example, the movement vector is calculated as (-1, 3) at the position j1. As shown in the figure, the positions at which the motion vectors are calculated are uniformly set throughout the image J. FIG. More specifically, a plurality of positions are arranged in a row in a direction perpendicular to the descending direction of the dust, i.e., the x direction in FIG. multiple arrays.
  • the detection unit 104 When determining whether or not bridging occurs, the detection unit 104 first determines whether or not the movement amount of dust is within the normal range for each of a plurality of positions arranged in a row in the x direction. .
  • the normal range of D may be defined as D ⁇ m1.
  • m1 is the lower limit of the normal range.
  • the movement amount D may take a negative value depending on the position. This indicates that at that position the debris is moving in the opposite direction to the downward direction. Since such movement does not normally occur, it may be determined that the position where the movement amount D has a negative value cannot be determined.
  • the detection unit 104 may evaluate each position in three stages according to the following conditional expressions (1) to (3). D ⁇ m1 (1) m1>D>0 (2) D ⁇ 0 (3) A position that satisfies the conditional expression (1) can be said to be a normal movement state in which the dust is smoothly descending. On the other hand, the position that satisfies the conditional expression (2) has a small moving amount of dust and can be said to correspond to an abnormal moving state peculiar to the generation of a bridge. Therefore, for example, the detection unit 104 sets an evaluation value of 1 (a value indicating no abnormality) for a position satisfying the conditional expression (1), and an evaluation value for a position satisfying the conditional expression (2). may be set to 0 (a value indicating that there is an abnormality). Further, the detection unit 104 may set the evaluation value to -1 (a value indicating that determination is impossible) for a position that satisfies the conditional expression (3).
  • 1 a value indicating no abnormality
  • the detection unit 104 may be set to 0 (
  • the detection unit 104 may set the evaluation value to 1 for the columns that satisfy the conditional expression (4), and set the evaluation value to 0 for the columns that satisfy the conditional expression (5). Further, the detection unit 104 may set the evaluation value to -1 for a column that satisfies the conditional expression (6).
  • column K1 in image J in FIG. 5 includes a total of five positions including position j1. Therefore, for column K1, Sum(D), which is the sum of evaluation values of the movement amounts calculated for each of these five positions, is calculated, and based on the calculated Sum(D), conditional expressions (4) to The evaluation value of column K1 is calculated by (6). Evaluation values are similarly calculated for other columns.
  • column L indicates the evaluation value of each column. In this example, the evaluation values of all columns are 1, that is, normal.
  • the detection unit 104 generates a comprehensive determination result based on the determination result of each column described above, and detects the occurrence of bridging based on the determination result. For example, when the evaluation value of each column calculated as described above is J, and the sum of the evaluation values of all columns is Sum(J), the detection unit 104 uses the following conditional expressions (7) to (9 ) to generate a comprehensive determination result, and the occurrence of bridging may be detected based on the comprehensive determination result.
  • m2 is a predetermined threshold. Sum(J) ⁇ m2 (7) Sum(J) ⁇ m2 (8) -1 ⁇ J (9) If the conditions of conditional expression (7) are satisfied, it can be said that the overall movement of the dust is normal, with the dust descending smoothly. do.
  • conditional expression (8) if the conditional expression (8) is satisfied, the movement amount of the dust as a whole is small, and it can be said that this corresponds to an abnormal movement state peculiar to the occurrence of bridging. is set to 0, and it is determined that bridging has occurred. It should be noted that when the condition of conditional expression (9) is satisfied, it is the case where determination is impossible in at least one column. In this case, the detection unit 104 sets the overall determination result to -1, and determines whether or not bridging occurs.
  • the detection unit 104 determines whether or not the amount of movement is within the normal range for each of a plurality of positions arranged in a line in the x direction, and (ii) determines (i) above. Based on the result of the determination, it may be determined whether or not the dust is moving normally in the line, and (iii) occurrence of bridging may be detected based on the determination result of (ii).
  • garbage In general, garbage consists of multiple objects. For this reason, the constituent elements of the garbage that are aligned in a row in the direction perpendicular to the downward direction slide down on the hopper while generally maintaining that row, so that they slide down along the row in the direction perpendicular to the downward direction. It is useful to detect the unique moving state when bridging occurs. However, there may be variations in the amount of movement of the waste components depending on their position on the hopper. For this reason, for example, even if the dust descends smoothly as a whole, it is assumed that the amount of movement at some positions may be out of the normal range.
  • the detection unit 104 performs the determinations (i) and (ii) for each of the plurality of columns, and detects occurrence of bridging in the hopper based on the determination result of each column.
  • the occurrence of bridging is detected based on the determination result as to whether or not the dust is moving normally in each column. It is possible to accurately detect the occurrence of
  • the detection unit 104 identifies the amount of movement at each position in the target area from the movement data, compares the sum or average value of the identified amounts of movement with a predetermined threshold, and if the threshold is greater than or equal to the threshold, it is normal, and if it is less than the threshold. If so, it may be determined that an abnormality, that is, a bridge has occurred.
  • the detection unit 104 may detect the occurrence of bridging using only the movement data of each position aligned in the x direction (for example, each position included in the row K1 in FIG. 5). In this case, for example, the detection unit 104 may detect the occurrence of bridging from the evaluation results based on the above conditional expressions (4) to (6).
  • various thresholds used for detecting the occurrence of bridging may be fixed values or variable values.
  • the threshold value m1 may be changed in conjunction with the dust feeding speed.
  • the threshold value m1 may be set to a larger value as the dust feeding speed increases.
  • FIG. 6 is a flowchart showing an example of processing executed by the detection device 1. As shown in FIG. Note that the processing in FIG. 6 is performed, for example, each time the imaging device 2 captures a new image.
  • the data acquisition unit 101 acquires time-series images of the hopper taken from above, and records them in the image DB 111 . As described above, these images are captured by the imaging device 2 (see FIG. 2), so the data acquisition unit 101 may acquire the images captured by the imaging device 2 .
  • the determination unit 102 determines whether or not dust appears in the target area in the image acquired in S1.
  • the method for determining whether or not dust appears in the target area is the same as described with reference to FIG. 3, so the description will not be repeated here. If the determination in S2 is YES, the process proceeds to S3, and if the determination in S2 is NO, the process of FIG. 6 ends.
  • the movement data generation unit 103 In S3 (movement data generation step), the movement data generation unit 103 generates movement data indicating the movement state of the dust during the period when the images were captured from the image acquired in S1 and the images captured before the image. Generate data. For example, when an image shot at time t+ ⁇ t is acquired in S1, the movement data generation unit 103 reads the image shot at time t from the image DB 111 . Then, the movement data generation unit 103 generates movement data indicating the movement state of the dust during the period from time t to time t+ ⁇ t. Since the method of generating movement data is as described with reference to FIG. 4, the description will not be repeated here.
  • the detection unit 104 uses the movement data generated in S3 to determine whether or not the amount of movement of each position within the target region set in the image acquired in S1 is within the normal range. do. In subsequent S5, based on the determination result in S4, the detection unit 104 determines whether or not the moving state in each row in which the above positions are arranged in the direction perpendicular to the descending direction of the dust (the x direction in FIG. 5) is normal. judge. Then, in S6, the detection unit 104 generates a comprehensive determination result based on the determination result of each column in S5. The determination method of S4 to S6 is as described with reference to FIG. 5, so detailed description will not be repeated here.
  • the detection unit 104 detects occurrence of bridging based on the comprehensive determination result of S6. For example, if the comprehensive judgment result is represented by any of numerical values of 1 (no abnormality), 0 (abnormal), and -1 (impossible to judge), the detection unit 104, if the comprehensive judgment result of S6 is 1, It is determined that bridging has not occurred (NO in S7). In this case, the processing of FIG. 6 ends. On the other hand, if the comprehensive determination result in S6 is 0, the detection unit 104 determines that bridging has occurred (YES in S7). That is, in this case, the detection unit 104 detects the occurrence of bridging. After that, the process proceeds to S8.
  • the detection unit 104 may end the processing of FIG. 6 when the determination is impossible, or may proceed to S8 to inform the user that the determination was impossible.
  • the notification control unit 105 notifies the occurrence of bridging. Specifically, the notification control unit 105 notifies the occurrence of bridging by causing the notification device 3 to output a sound indicating the occurrence of bridging. If the waste incineration facility is provided with a bridge removal device for eliminating bridges, in S8, the notification control unit 105 performs the notification, or instead of performing the notification, operates the bridge removal device. You can remove the bridge.
  • the detection method includes a movement data generation step (S3) and a detection step (S7).
  • the movement data generation step (S3) from a plurality of time-series images of the hopper containing the refuse photographed from above, movement data indicating the movement state of the refuse during the period in which the plurality of images were photographed is generated.
  • the detection step (S7) generation of a bridge is detected based on the movement data generated in the movement data generation step (S3). According to this detection method, the occurrence of bridging can be detected early.
  • the detection system 100 is not limited to the hopper of the waste incineration facility, but can be applied to any hopper in which a bridge may occur. is not limited to garbage. That is, the "garbage" described in the above embodiment can be read as any "object”.
  • FIG. 7 is a block diagram showing an example of the main configuration of the detection device 1A.
  • the detection device 1A differs from the detection device 1 shown in FIG. 1 in that the detection unit 104 is replaced by a detection unit 104A and that the learned model 112 is stored in the storage unit 11. .
  • the detection unit 104A adds the movement data generated by the movement data generation unit 103 to the trained model 112 that has learned the relationship between the movement state of the object and the presence/absence of bridging when the object is in the movement state. The occurrence of bridging in the hopper is detected based on the output value obtained from the input.
  • the movement data is generated by the movement data generation unit 103 as in the first embodiment.
  • the object may be garbage or may be something other than garbage.
  • the detection device 1A includes the movement data generation unit 103 and the detection unit 104A.
  • the movement data generation unit 103 generates movement data indicating the movement state of the object during the period in which the images were captured from a plurality of time-series images of the hopper containing the object taken from above.
  • the detection unit 104A converts the output value obtained by inputting the movement data to the trained model 112 that has learned the relationship between the movement state of the object and the presence or absence of bridge generation when the object is in the movement state. Based on this, the occurrence of bridging in the hopper is detected.
  • the above configuration is based on the knowledge that, like the detection device 1 of the first embodiment, there is a difference in the amount of movement of the object in the image between when a bridge occurs and when it operates normally. As described above, there is a difference in the moving state of the object in the image between when a bridge occurs and when it operates normally. can be done.
  • the detection device 1A can detect the generation of bridges at an early stage, similarly to the detection device 1 of the first embodiment. can be done. Furthermore, according to the detection device 1A, similarly to the detection device 1 of the first embodiment, stable and highly accurate detection is possible compared to bridge detection based on the hopper level.
  • the learned model 112 is, as described above, generated by learning the relationship between the moving state of an object and whether or not a bridge occurs when the object is in that moving state.
  • movement data from the images collected as described above.
  • the plurality of images are paired in chronological order, and movement data is generated for each pair.
  • This processing is performed for each of an image captured when a bridge occurs and an image captured during normal operation.
  • moving data when bridging occurs and moving data when normal are generated.
  • the movement data may be anything as long as it indicates the movement state of the object.
  • movement data may be generated by an image correlation method.
  • the movement data at the time of bridging is associated with the correct data indicating that there is an abnormality, that is, that bridging has occurred, and is used as teacher data.
  • Correct data indicating that the movement is normal, that is, no bridging occurs, is associated with the movement data in the normal state and used as teacher data.
  • a trained model 112 is generated that classifies the input movement data into normal movement data and abnormal movement data.
  • any machine learning algorithm may be used as long as it can generate a learned model 112 capable of classifying input movement data into normal movement data and abnormal movement data.
  • a convolutional neural network or the like with high image classification accuracy is suitable, but the present invention is not limited to this example.
  • feature amounts extracted from movement data may be used as teacher data for the trained model 112 .
  • Such a feature amount also indicates the amount of movement of the object, and is a kind of movement data.
  • the teacher data of the trained model 112 may include data other than movement data.
  • the teacher data may include the number of edges calculated by the Canny method from an image of the hopper photographed from above, the RGB values of the image, and the like.
  • the flow of processing executed by the detection device 1A is the same as in FIG. However, the processing of S4 to S6 in FIG. 6 is replaced with processing of inputting movement data to the trained model 112 and obtaining an output value. In addition, in S7 (detection step), occurrence of bridging is detected based on the output value of the learned model 112 .
  • the detection method includes a movement data generation step and a detection step.
  • the movement data generation step from a plurality of time-series images of a hopper containing the object photographed from above, movement data indicating the movement state of the object during the period in which the plurality of images were photographed is generated.
  • the detection step based on the output value obtained by inputting the movement data to the trained model 112 that has learned the relationship between the movement state of the object and the presence or absence of the occurrence of the bridge when the object is in the movement state to detect the occurrence of bridging in the hopper. According to this detection method, the occurrence of bridging can be detected early.
  • the detection device 1 and the notification device 3 are separate devices, but the detection device 1 may be provided with the notification device 3.
  • the functions of the detection device 1 may be distributed to a plurality of information processing devices (computers).
  • an information processing device on the cloud may be caused to generate movement data, the movement data may be transmitted to an information processing device arranged at a garbage incineration facility, and the information processing device may detect a bridge.
  • the functions of the detection devices 1 and 1A are programs for causing a computer to function as the device, and each control block of the device (especially each unit included in the control unit 10). can be realized by a program (detection program) for functioning.
  • the device comprises a computer having at least one control device (eg processor) and at least one storage device (eg memory) as hardware for executing the program.
  • control device eg processor
  • storage device eg memory
  • the above program may be recorded on one or more computer-readable recording media, not temporary.
  • the recording medium may or may not be included in the device.
  • the program may be supplied to the device via any transmission medium, wired or wireless.
  • control blocks can be realized by logic circuits.
  • integrated circuits in which logic circuits functioning as the control blocks described above are formed are also included in the scope of the present invention.
  • control blocks described above it is also possible to implement the functions of the control blocks described above by, for example, a quantum computer.
  • detection system 1 detection device 102 determination unit 103 movement data generation unit 104 detection unit 2 imaging device 3 notification device 1A detection device 104A detection unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Mechanical Engineering (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)
  • Incineration Of Waste (AREA)

Abstract

ブリッジの発生を早期に検知する。検知装置（１）は、対象物を収容するホッパを上方から撮影した時系列の複数の画像から、複数の当該画像が撮影された期間における前記対象物の移動状態を示す移動データを生成する移動データ生成部（１０３）と、該移動データに基づいてブリッジの発生を検知する検知部（１０４）と、を備える。

Description

検知装置、検知方法、検知プログラム、および検知システム
　本発明は、ホッパにおけるブリッジの発生を検知する検知装置等に関する。
　一般的なごみの焼却施設には、ホッパと呼ばれる漏斗状の装置が設けられている。ごみピットと呼ばれる貯留設備に貯留されたごみは、クレーン等により掴み上げられてホッパに投入され、ホッパから焼却炉に送り込まれて焼却される。このような焼却施設では、ホッパに投入されたごみが、ホッパ内で架橋状に詰まることがあり、この現象はブリッジと呼ばれている。
　ブリッジが発生すると、ブリッジの上部のごみは同じ位置に留まり続けるため、ホッパ内に蓄積されているごみの高さ（ごみレベル）は高い状態が維持される。一般に、ごみレベルの下降をトリガとしてホッパへのごみの投入は行われるから、ブリッジが生じるとホッパへの新たなごみの投入は行われなくなる。その一方で、ブリッジの下方のごみは、焼却炉に送り込まれて順次焼却されるため、ブリッジを放置すると焼却炉内のごみの量が減少し、さらに放置すると焼却炉内に燃やすごみがない状態となってしまう。
　焼却炉内のごみの量が減少したり、ごみが無くなったりすると、焼却炉内の温度が低下してバーナー等による加温が必要になったり、場合によっては焼却炉を停止させる必要が生じたりすることもある。このような事態を避けるための技術としては、例えば、下記の特許文献１が挙げられる。特許文献１には、周期的に計測したホッパレベルに基づいてブリッジを検出することが記載されている。
日本国特開平１０－２３８７３５号
　しかしながら、ごみは様々な物体を含んでいるため形状が一定せず、また、一部のごみがホッパへの投入時に跳ね上がったり、ホッパの上部に引っかかったりすることもあるため、ホッパレベルを安定して正確に計測することは難しい。このため、ホッパレベルに基づいてブリッジを検出する場合、誤検知が頻発しない程度の検出閾値を設定せざるを得ず、これによりブリッジの発生から検出までの間に大きなタイムラグが生じることがあった。なお、このような問題は、ごみの焼却炉に設置されたホッパに限られず、ブリッジが発生し得る任意の用途のホッパに共通して生じる問題点である。
　本発明の一態様は、前記の問題点に鑑みてなされたものであり、その目的は、ブリッジの発生を早期に検知することができる検知装置等を提供することにある。
　上記の課題を解決するために、本発明の一態様に係る検知装置は、対象物を収容するホッパを上方から撮影した時系列の複数の画像から、複数の当該画像が撮影された期間における前記対象物の移動状態を示す移動データを生成する移動データ生成部と、前記移動データ生成部が生成した前記移動データに基づいて、前記ホッパにおけるブリッジの発生を検知する検知部と、を備える。
　また、上記の課題を解決するために、本発明の一態様に係る検知方法は、１または複数の情報処理装置が実行するブリッジの検知方法であって、対象物を収容するホッパを上方から撮影した時系列の複数の画像から、複数の当該画像が撮影された期間における前記対象物の移動状態を示す移動データを生成する移動データ生成ステップと、前記移動データ生成ステップで生成した前記移動データに基づいて、前記ホッパにおけるブリッジの発生を検知する検知ステップと、を含む。
　また、上記の課題を解決するために、本発明の一態様に係る検知装置は、対象物を収容するホッパを上方から撮影した時系列の複数の画像から、複数の当該画像が撮影された期間における前記対象物の移動状態を示す移動データを生成する移動データ生成部と、対象物の移動状態と当該対象物が当該移動状態であるときのブリッジの発生の有無との関係を学習した学習済みモデルに前記移動データを入力して得られる出力値に基づいて、前記ホッパにおけるブリッジの発生を検知する検知部と、を備える。
　また、上記の課題を解決するために、本発明の一態様に係る検知システムは、対象物を収容するホッパを上方から撮影する撮影装置と、前記撮影装置が撮影した時系列の複数の画像から生成された、複数の当該画像が撮影された期間における前記対象物の移動状態を示す移動データに基づいて、前記ホッパにおけるブリッジの発生を検知する検知装置と、前記検知装置がブリッジの発生を検知したときに、ブリッジの発生を報知する報知装置と、を含む。
　本発明の一態様によれば、ブリッジの発生を早期に検知することができる。
本発明の実施形態１に係る検知装置の要部構成の一例を示すブロック図である。 本発明の実施形態１に係る検知システムの構成例を示す図である。 ごみの有無の判定方法の例を示す図である。 移動データの生成方法の例を示す図である。 ブリッジの発生の検知方法を説明する図である。 上記検知装置が実行する処理の一例を示すフローチャートである。 本発明の実施形態２に係る検知装置の要部構成の一例を示すブロック図である。
　〔実施形態１〕
　（システム構成）
　本実施形態に係る検知システム１００の構成を図２に基づいて説明する。図２は、検知システム１００の構成例を示す図である。図２には、検知システム１００をごみ焼却施設に設けられたホッパＡのブリッジ検出に適用した例を示している。なお、検知システム１００は、ホッパＡに限られず、ブリッジが発生し得る任意の用途のホッパに適用することができる。ホッパＡに収容される対象物はごみＧであるが、検知システム１００は、ごみＧ以外の任意の対象物を収容するホッパについてもブリッジを検出することができる。
　図２に示すごみ焼却施設には、ごみＧを貯留するごみピットＢと、ごみＧを焼却する焼却炉Ｃが設けられている。ごみピットＢ内のごみＧは、クレーンによりホッパＡに投入される。ホッパＡの上部には外側に拡がるように傾斜した傾斜面Ａ１が形成されており、ごみＧはこの傾斜面Ａ１上を滑り落ちてホッパＡの内部に入り、ここで一時的に収容される。そして、ホッパＡ内のごみＧは、その下部の開口部Ａ２から焼却炉Ｃに順次送り込まれて焼却される。なお、図２の例では、開口部Ａ２付近は、ごみＧが存在しない空洞になっている。これは、ホッパＡ内でごみが架橋状に詰まっていること、つまりブリッジが発生していることによる。ブリッジが発生していない正常な動作状態では開口部Ａ２付近にもごみＧが詰まっている。
　検知システム１００は、上述のように、ホッパＡにおけるブリッジの発生を検知するシステムであり、検知装置１と撮影装置２と報知装置３を含む。撮影装置２はホッパＡの上方に配置されており、ホッパＡを所定時間毎に上方から撮影する。また、検知装置１は、撮影装置２が撮影した各画像を取得し、それらの画像を用いてホッパＡにおけるブリッジの発生を検知する。そして、報知装置３は、検知装置１がブリッジの発生を検知したときにブリッジの発生を検知システム１００のユーザに報知する。
　なお、図２には、音声によりブリッジの発生を報知する例、つまり報知装置３が音声出力装置である例を示しているが、この例に限られない。報知方法は、報知対象者にブリッジが発生したことを認識させることができるようなものであればよく、報知装置３も報知方法に応じた装置を適用すればよい。例えば、報知装置３を警報ランプや表示装置等としてもよい。
　より詳細には、撮影装置２は、ホッパＡについて時系列の複数の画像を撮影する。そして、検知装置１は、撮影装置２が撮影した時系列の複数の画像から生成された、複数の当該画像が撮影された期間におけるごみＧの移動状態を示す移動データに基づいて、ホッパＡにおけるブリッジの発生を検知する。
　ここで、本発明の発明者らは、各種ホッパを上方から撮影した画像を精査することにより、ブリッジが発生したときに撮影された画像には、ブリッジが発生していないときに撮影された画像とは異なる特徴が表れることを見出した。より詳細には、ブリッジの発生時と正常な動作時とでは、画像に写る対象物の移動状態に差異があることを見出した。
　検知装置１はこの知見に基づいてブリッジの発生を検知する。上述のように、ブリッジの発生時と正常な動作時とでは、画像に写るごみＧの移動状態に差異がある。このため、時系列の複数の画像から生成された、複数の当該画像が撮影された期間におけるごみＧの移動状態を示す移動データに基づいてブリッジの発生を検知することができる。なお、この検知方法の詳細は後述する。
　また、ブリッジの発生時に特有の移動状態はブリッジの発生直後の画像において観察されるため、前記の構成によれば、ブリッジの発生を早期に検知することができる。さらに、前記の構成によれば、ホッパレベルに基づいたブリッジ検出と比べて、安定して高精度な検知が可能になる。これは、不定型な対象物の高さをホッパレベル計で安定して正確に計測することが難しいのに対し、ホッパＡを上方から撮影した画像にはブリッジの発生時に特有の移動状態が安定して観察されるためである。
　以上のように、検知システム１００は、検知装置１と、撮影装置２と、報知装置３とを含む。撮影装置２は、ごみＧを収容するホッパＡを上方から撮影する。検知装置１は、撮影装置２が撮影した時系列の複数の画像から生成された、複数の当該画像が撮影された期間におけるごみＧの移動状態を示す移動データに基づいて、ホッパＡにおけるブリッジの発生を検知する。報知装置３は、検知装置１がブリッジの発生を検知したときに、ブリッジの発生を報知する。この構成によれば、ブリッジの発生を早期に検知し、報知することができる。
　なお、検知装置１の配置場所は特に限定されず、例えば、ごみ焼却施設に配置してもよいし、複数のごみ焼却施設の監視を行う監視センター等に配置してもよい。また、図２には、１つの検知装置１により、１つのホッパＡのブリッジの発生の監視および検知を行う例を示しているが、１つの検知装置１により複数のホッパのブリッジの発生の監視および検知を行うことも可能である。この場合、例えば検知装置１をクラウドサーバとしてもよい。
　また、ブリッジの発生を検知したときに行う処理は上述の例に限られない。例えば、ごみ焼却施設にブリッジを解消するためのブリッジ除去装置が設けられている場合、検知装置１は、ブリッジの発生を検知したときにブリッジ除去装置を動作させて、ブリッジを自動で解消するようにしてもよい。ブリッジ除去装置は、ブリッジを解消できるような装置であればよく、例えばホッパに詰まったごみを押下する押下体を備えた装置等であってもよい。
　（検知装置の構成）
　図１に基づいて検知装置１の構成を説明する。図１は、検知装置１の要部構成の一例を示すブロック図である。図示のように、検知装置１は、検知装置１の各部を統括して制御する制御部１０と、検知装置１が使用する各種データを記憶する記憶部１１を備えている。また、検知装置１は、検知装置１が他の装置と通信するための通信部１２、検知装置１に対する各種データの入力を受け付ける入力部１３、検知装置１が各種データを出力するための出力部１４を備えている。
　また、制御部１０には、データ取得部１０１、判定部１０２、移動データ生成部１０３、検知部１０４、および報知制御部１０５が含まれている。そして、記憶部１１には、画像ＤＢ１１１が記憶されている。
　データ取得部１０１は、ホッパＡを上方から撮影した時系列の複数の画像を取得する。上述のように、検知システム１００では、撮影装置２がホッパＡを上方から撮影した時系列の複数の画像を撮影するから、データ取得部１０１は、撮影装置２が撮影した画像を取得すればよい。なお、データ取得部１０１は、通信部１２を介した通信により撮影装置２から画像を取得してもよいし、入力部１３を介して入力された画像を取得してもよい。データ取得部１０１は、取得した画像を画像ＤＢ１１１に記録する。なお、撮影装置２は、動画像を撮影するものであってもよい。この場合、データ取得部１０１は、撮影装置２が撮影した動画像から時系列の複数の画像（例えば、所定時間おきのフレーム画像）を取得すればよい。
　判定部１０２は、データ取得部１０１が取得した画像における、ブリッジの発生の有無を検知するための解析の対象となる対象領域にごみが写っているか否かを判定する。対象領域におけるごみの判定方法の詳細は図３に基づいて後述する。
　移動データ生成部１０３は、データ取得部１０１が取得し、画像ＤＢ１１１に記録した時系列の複数の画像から、複数の当該画像が撮影された期間におけるごみの移動状態を示す移動データを生成する。移動データの生成方法の詳細は図４に基づいて後述する。
　検知部１０４は、移動データ生成部１０３が生成した移動データに基づいて、ホッパＡにおけるブリッジの発生を検知する。ブリッジの発生の検知方法の詳細は図５に基づいて後述する。
　報知制御部１０５は、検知部１０４がブリッジの発生を検知したときに、ブリッジの発生を報知する。具体的には、報知制御部１０５は、検知部１０４がブリッジの発生を検知したときに、報知装置３にブリッジの発生を示す音声を出力させることによりブリッジの発生を報知する。なお、ブリッジの発生の報知方法は、報知対象者にブリッジが発生したことを認識させることができるようなものであればよく、特に限定されない。例えば、報知対象者の付近に検知装置１を配置している場合、報知制御部１０５が出力部１４にブリッジが発生したことを示す情報を出力させるようにしてもよい。また、例えば、報知制御部１０５は、報知対象者の所持する端末装置にメッセージを送信する等の方法で報知を行ってもよい。
　以上のように、検知装置１は、移動データ生成部１０３と、検知部１０４と、を備える。移動データ生成部１０３は、ホッパＡを上方から撮影した時系列の複数の画像から、複数の当該画像が撮影された期間におけるごみの移動状態を示す移動データを生成する。検知部１０４は、移動データ生成部１０３が生成した移動データに基づいて、ホッパＡにおけるブリッジの発生を検知する。この構成によれば、ブリッジの発生を早期に検知することができる。
　また、詳細は後述するが、移動データは、異なるタイミングで撮影された２枚の画像があれば生成することができる。このため、機械学習等を行う必要がなく、ごみ焼却施設において検知装置１の運用をすぐに開始することができる。また、撮影装置２の設置場所や撮影角度が多少変更されても特に影響なく検知を行うことができる。さらに、ごみ焼却施設内に設置した撮影装置２のレンズには汚れが付着することも想定されるが、付着した汚れには動きがないため、そのような汚れが移動データの生成に与える影響も限定的である。つまり、検知装置１を含む検知システム１００には、導入が容易であり、かつ安定した運用が可能であるという利点がある。
　（ごみの有無の判定について）
　判定部１０２によるごみの有無の判定について図３に基づいて説明する。図３は、ごみの有無の判定方法の例を示す図である。図３に示す画像Ｄは、ホッパを上方から撮影した画像である。画像Ｄには、ホッパの傾斜面を滑り落ちていくごみが写っているが、傾斜面の全体にごみが写っていはいない。具体的には、ホッパの傾斜面のうち下流側の領域ｄ２にはごみが写っているが、上流側の領域ｄ１にはごみは写っていない。
　ここで、移動データ生成部１０３が、領域ｄ１のようにごみが写っていない領域について移動データを生成したとすると、移動データが示す移動量がゼロまたはゼロに近い値となる可能性がある。そして、移動量がゼロまたはゼロに近い値となったときには、実際にはごみがなく、ブリッジが発生していないにもかかわらず、ブリッジが発生したと誤検知してしまう可能性がある。
　上記のような誤検知を回避するため、検知装置１は判定部１０２を備えている。判定部１０２は、画像中の対象領域にごみが写っているか否かを判定する。そして、移動データ生成部１０３は、判定部１０２が対象領域にごみが写っていると判定した画像間における移動量を示す移動データを生成する。これにより、対象領域に対象物が写っていない画像がブリッジの検知に用いられなくなるため、上述のような誤検知を防ぐことができる。なお、詳細は後述するが、対象領域はホッパの傾斜面上、より詳細には領域ｄ２のように下流側の傾斜面上に設定することが好ましい。
　ごみが写っているか否かは撮影された画像を用いて判定してもよいし、撮影された画像に所定の画像処理を施すことによりごみの有無を判定しやすくした上で判定してもよい。上記画像処理としては、例えばＣａｎｎｙ法が挙げられる。Ｃａｎｎｙ法は、画像におけるエッジ検出のためのアルゴリズムである。図３に示す画像Ｄ１は、画像ＤからＣａｎｎｙ法でエッジ検出することにより生成された画像である。一般的にごみの外観は、ホッパの表面形状と比べてはるかに複雑である。このため、図３の例では、ごみが写っていない領域ｄ１と比べて、ごみが写る領域ｄ２では多数のエッジが検出されている。
　よって、判定部１０２は、ホッパを撮影した画像にＣａｎｎｙ法を適用してエッジ検出し、対象領域で検出されたエッジの数が閾値以上の画像をごみが写っている画像と判定し、対象領域で検出されたエッジの数が閾値未満の画像をごみが写っていない画像と判定してもよい。
　無論、Ｃａｎｎｙ法以外のエッジ検出手法を適用してもよい。また、エッジ検出以外の手法によりごみの有無を判定することもできる。例えば、判定部１０２は、画像を構成する各画素の輝度値およびＲＧＢ値の少なくとも何れかを解析することによりごみの有無を判定してもよい。また、例えば、判定部１０２は、ごみの有無を判別できるように学習させた学習済みモデル（例えばニューラルネットワークモデル）によりごみの有無を判定してもよい。
　（移動データの生成方法）
　移動データ生成部１０３による移動データの生成方法について図４に基づいて説明する。図４は、移動データの生成方法の例を示す図である。より詳細には、図４には、時刻ｔにホッパの傾斜面上を撮影した画像Ｅ１と、時刻ｔ＋Δｔにホッパの傾斜面上を撮影した画像Ｅ２との間におけるごみの移動状態を示す移動データＦを、画像相関法により生成する例を示している。なお、図４において、ｙ方向はごみが下降する方向、つまりホッパの傾斜面（図２の傾斜面Ａ１参照）の上流側から下流側に向かう方向であり、ｘ方向は上記傾斜面上におけるｙ方向に垂直な方向である。
　画像相関法は、時系列の２枚の画像について、各画像に写る各粒子の移動量を画像処理で演算して、算出した移動量をベクトルとして表す手法である。例えば、画像Ｅ１において、破線の枠囲みで示すごみは位置ｅ１に写っているが、画像Ｅ２では位置ｅ１よりも下方の位置ｅ２に写っている。このごみの移動状態は、移動データＦでは、位置ｅ１から位置ｅ２までの変位を示すベクトルｆ１として表される。また、他の位置についても同様にベクトルが算出される。
　このように、移動データＦでは、画像Ｅ１およびＥ２における各位置におけるごみの移動状態が表される。具体的には、移動データＦからは、画像Ｅ１およびＥ２における各位置におけるごみは、ｙ方向（ホッパの傾斜面の下流側つまり下降方向）に向かって移動していることが分かる。なお、移動データＦにおいて、ｙ方向成分の値が閾値以上のベクトルについては実線の矢印で示し、閾値未満のベクトルについては破線の矢印で示している。これにより、ごみの移動が速い位置と遅い位置があることも分かる。
　以上のように、移動データ生成部１０３は、画像Ｅ１、Ｅ２に写る傾斜面に設定された複数の所定の位置のそれぞれに写る画像要素について、当該画像要素が画像Ｅ１、Ｅ２間で下降方向に移動した移動量を示す移動データを生成してもよい。
　ホッパの傾斜面においては、ごみは概ね同じ下降方向に向けて滑り落ちていくため、ホッパの傾斜面は、ごみがスムーズに下降しているか、下降が滞っているかの判定に好適な位置である。よって、前記の構成によれば、ごみがスムーズに下降しているか、下降が滞っているかを的確に示す移動データを生成することができる。そして、この移動データを用いてブリッジの発生を検知することにより、信頼性の高い検知を行うことができる。
　なお、移動データは、傾斜面以外が写る画像部分についてもまとめて生成してもよい。この場合、検知部１０４は、移動データ生成部１０３が生成した移動データのうち、傾斜面が写る部分に設定された対象領域内の移動データを用いてブリッジを検知すればよい。
　無論、ごみの移動方向が概ね同様の方向となる領域を対象領域とすればよいのであり、傾斜面以外の領域を対象領域としてもよい。例えば、ホッパの内表面のうち、傾斜面の下流側で該傾斜面と接続する内表面上の領域（通常は垂直方向に延在する）を対象領域としてもよく、傾斜面上とそれ以外の部分の両方を含む領域を対象領域としてもよい。
　また、移動データは、ごみの移動状態を示すデータであればよく、上述の例に限られない。例えば、ごみの移動速度を移動データとしてもよい。また、異なる時刻に撮影された２枚の画像の差分を示す差分画像を移動データとしてもよい。
　（ブリッジの発生の検知方法）
　検知部１０４によるブリッジの発生の検知方法について図５に基づいて説明する。図５は、ブリッジの発生の検知方法を説明する図である。より詳細には、図５には、ホッパを上方から撮影した時系列の複数の画像から生成した移動データＨを用いてブリッジの発生を検知する例を示している。なお、移動データＨは、上述した画像相関法を用いて生成されたものであり、ホッパを撮影した画像に設定された複数の所定の位置のそれぞれに写る画像要素の移動ベクトルを示すデータである。また、図５では、移動データＨにおいて、ブリッジの発生の有無を検知するための解析の対象となる対象領域を枠囲みｈ１で示している。
　図５に示す画像Ｊは、ホッパを撮影した画像における対象領域を拡大したものである。また、この画像Ｊにおいては、移動ベクトルが算出された各位置をプロットしている。例えば、位置ｊ１においては移動ベクトルが（－１，３）と算出されている。図示のように、移動ベクトルが算出される位置は、画像Ｊの全体に均一に設定されている。より詳細には、複数の位置がごみの下降方向と垂直な方向、すなわち図５のｘ方向に一列に配列されていると共に、その列がごみの下降方向、すなわち図５のｙ方向に沿って複数配列されている。
　ブリッジが発生しているか否かを判定する際、まず、検知部１０４は、ｘ方向に一列に配列した複数の位置のそれぞれについて、ごみの移動量が正常範囲内であるか否かを判定する。
　例えば、移動ベクトルのｙ値、すなわちごみの下降方向への移動量をＤとしたとき、Ｄの正常範囲をＤ≧ｍ１と定めておいてもよい。ｍ１は正常範囲の下限値である。なお、位置によっては移動量Ｄが負の値となることがある。これは、その位置において、ごみが下降方向とは逆向きに移動していることを示す。このような移動は通常生じないため、移動量Ｄが負の値となった位置については判定不能としてもよい。
　例えば、検知部１０４は、下記の条件式（１）～（３）により各位置を３段階で評価してもよい。
Ｄ≧ｍ１　　　　　（１）
ｍ１＞Ｄ＞０　　　（２）
Ｄ≦０　　　　　　（３）
　条件式（１）の条件を満たす位置は、ごみがスムーズに下降している正常な移動状態であるといえる。一方、条件式（２）の条件を満たす位置は、ごみの移動量が小さく、ブリッジが発生しているときに特有の異常な移動状態に該当するといえる。よって、検知部１０４は、例えば、上記条件式（１）の条件を満たす位置については評価値を１（異常なしを示す値）とし、上記条件式（２）の条件を満たす位置については評価値を０（異常ありを示す値）としてもよい。また、検知部１０４は、上記条件式（３）の条件を満たす位置については、評価値を－１（判定不能を示す値）としてもよい。
　例えば、ｍ１＝１とした場合、図５の画像Ｊにおける位置ｊ１は、移動ベクトルのｙ値が３であるから上記条件式（１）の条件を満たす。よって、この場合、位置ｊ１の評価値は１となる。他の位置についても同様に評価値が算出される。
　次に、検知部１０４は、各位置についての移動量が正常範囲内であるか否かの判定の結果から、ｘ方向に並んだ位置の列ごとに、ごみが正常に移動しているか否かを判定する。例えば、検知部１０４は、上述のようにして各位置について１、０、または－１の評価値を算出した場合、下記の条件式（４）～（６）により、各列を３段階で評価してもよい。なお、Ｓｕｍ（Ｄ）は、ｘ方向に一列に並んだ位置の移動量の評価値の和である。
Ｓｕｍ（Ｄ）＞０　　　（４）
Ｓｕｍ（Ｄ）＝０　　　（５）
Ｓｕｍ（Ｄ）＜０　　　（６）
　条件式（４）の条件を満たす列は、全体としてごみがスムーズに下降している正常な移動状態であるといえる。一方、条件式（５）の条件を満たす列は、全体としてごみの移動量が小さく、ブリッジが発生しているときに特有の異常な移動状態に該当するといえる。このため、検知部１０４は、上記条件式（４）の条件を満たす列については評価値を１とし、上記条件式（５）の条件を満たす列については評価値を０としてもよい。また、検知部１０４は、上記条件式（６）の条件を満たす列については評価値を－１としてもよい。
　例えば、図５の画像Ｊにおける列Ｋ１には、位置ｊ１を含めて合計５つの位置が含まれている。よって、列Ｋ１については、これら５つの位置のそれぞれについて算出された移動量の評価値の和であるＳｕｍ（Ｄ）が算出され、算出されたＳｕｍ（Ｄ）に基づいて条件式（４）～（６）により列Ｋ１の評価値が算出される。また、他の列についても同様に評価値が算出される。図５では、各列の評価値を欄Ｌに示している。この例では、全ての列の評価値が１、すなわち正常となっている。
　最後に、検知部１０４は、上述した各列の判定の結果に基づいて総合的な判定結果を生成し、その判定結果に基づいてブリッジの発生を検知する。例えば、上述のようにして算出した各列の評価値をＪとし、全ての列の評価値の和をＳｕｍ（Ｊ）とした場合、検知部１０４は、下記の条件式（７）～（９）により、総合判定結果を生成し、その総合判定結果に基づいてブリッジの発生を検知してもよい。なお、ｍ２は予め定めた閾値である。
Ｓｕｍ（Ｊ）≧ｍ２　　　（７）
Ｓｕｍ（Ｊ）＜ｍ２　　　（８）
－１∈Ｊ　　　　　　　　（９）
　条件式（７）の条件を満たす場合、全体としてごみがスムーズに下降している正常な移動状態であるといえるから、検知部１０４は総合判定結果を１とし、ブリッジが発生していないと判定する。一方、条件式（８）の条件を満たす場合は、全体としてごみの移動量が小さく、ブリッジが発生しているときに特有の異常な移動状態に該当するといえるから、検知部１０４は総合判定結果を０とし、ブリッジが発生したと判定する。なお、条件式（９）の条件を満たす場合は、少なくとも１つの列で判定不能となった場合である。この場合、検知部１０４は、総合判定結果を－１とし、ブリッジの発生の有無は判定不能とすればよい。
　以上のように、検知部１０４は、（ｉ）ｘ方向に一列に配列した複数の位置のそれぞれについて、移動量が正常範囲内であるか否かを判定し、（ｉｉ）前記（ｉ）の判定の結果から、前記一列においてごみが正常に移動しているか否かを判定し、（ｉｉｉ）前記（ｉｉ）の判定結果に基づいてブリッジの発生を検知してもよい。
　一般に、ごみは複数の物体から構成されたものである。このため、下降方向と垂直な方向に一列に並んだ位置にあるごみの構成要素は、概ねその列を維持したままホッパ上を滑り落ちていくため、下降方向と垂直な方向の列に沿ってブリッジの発生時に特有の移動状態を検出することは有効である。ただし、ホッパ上の位置に応じてごみの構成要素の移動量にばらつきが生じることがある。このため、例えば、全体としてはごみがスムーズに下降している場合であっても、一部の位置の移動量が正常範囲外となることも想定される。
　そこで、前記の構成によれば、一列に配列した各位置における移動量が正常範囲内であるか否かの判定結果に基づき、その一列においてごみが正常に移動しているか否かを判定する、という構成を採用している。これにより、ｘ方向に並んだ各位置における移動量にばらつきが生じた場合であっても、ごみが正常に移動しているか否かを適切に判定し、その判定結果に基づいてブリッジの発生を精度よく検知することが可能になる。
　また、以上のように、検知部１０４は、複数の前記列のそれぞれについて前記（ｉ）および前記（ｉｉ）の判定を行い、各列の判定結果に基づいて前記ホッパにおけるブリッジの発生を検知してもよい。この構成によれば、各列におけるごみが正常に移動しているか否かの判定結果に基づいてブリッジの発生を検知するので、各列における判定結果にばらつきが生じた場合であっても、ブリッジの発生を精度よく検知することが可能になる。
　なお、上記の判定方法は一例にすぎず、移動データに基づくブリッジの発生検知方法としては様々な手法が適用できる。例えば、検知部１０４は、移動データから対象領域内の各位置における移動量を特定し、特定した移動量の和あるいは平均値を所定の閾値と比較して、閾値以上であれば正常、閾値未満であれば異常すなわちブリッジが発生したと判定してもよい。
　また、例えば、検知部１０４は、ｘ方向に一列に並んだ各位置（例えば、図５の列Ｋ１に含まれる各位置）の移動データのみを用いてブリッジの発生を検知してもよい。この場合、例えば、検知部１０４は、上述の条件式（４）～（６）による評価結果から、ブリッジの発生を検知してもよい。
　また、上述の閾値ｍ１を含めた、ブリッジの発生検知に用いる各種閾値は、固定値としてもよいし、変動値としてもよい。例えば、ホッパから焼却炉にごみを送り込む速度（給じん速度）が速い場合には、ホッパ上部におけるごみの移動速度も速くなる。このため、閾値ｍ１を給じん速度に連動して変化させてもよい。具体的には、給じん速度が速いほど閾値ｍ１を大きな値に設定してもよい。これにより、給じん速度が速いにもかかわらずホッパ上部におけるごみの移動が緩慢になっている場合に、ブリッジが発生したと検知することができる。
　（処理の流れ）
　検知装置１が実行する処理の流れ（検知方法）について図６に基づいて説明する。図６は、検知装置１が実行する処理の一例を示すフローチャートである。なお、図６の処理は、例えば、撮影装置２が新たな画像を撮影する毎に行われる。
　Ｓ１では、データ取得部１０１が、ホッパを上方から撮影した時系列の画像を取得し、画像ＤＢ１１１に記録する。上述のように、これらの画像は撮影装置２（図２参照）が撮影するので、データ取得部１０１は撮影装置２が撮影した画像を取得すればよい。
　Ｓ２では、判定部１０２が、Ｓ１で取得された画像における対象領域にごみが写っているか否かを判定する。対象領域にごみが写っているか否かの判定方法は図３に基づいて説明したとおりであるからここでは説明を繰り返さない。Ｓ２でＹＥＳと判定された場合にはＳ３に進み、Ｓ２でＮＯと判定された場合には図６の処理は終了する。
　Ｓ３（移動データ生成ステップ）では、移動データ生成部１０３が、Ｓ１で取得された画像と、該画像より前に撮影された画像から、それら画像が撮影された期間におけるごみの移動状態を示す移動データを生成する。例えば、Ｓ１で時刻ｔ＋Δｔに撮影された画像が取得された場合、移動データ生成部１０３は、画像ＤＢ１１１から時刻ｔに撮影された画像を読み出す。そして、移動データ生成部１０３は、時刻ｔから時刻ｔ＋Δｔまでの期間におけるごみの移動状態を示す移動データを生成する。移動データの生成方法は図４に基づいて説明したとおりであるからここでは説明を繰り返さない。
　Ｓ４では、検知部１０４が、Ｓ３で生成された移動データを用いて、Ｓ１で取得された画像に設定された対象領域内の各位置について、移動量が正常範囲内であるか否かを判定する。続くＳ５では、検知部１０４は、Ｓ４の判定結果に基づいて、ごみの下降方向と垂直な方向（図５のｘ方向）に上記位置が配列した各列における移動状態が正常である否かを判定する。そして、Ｓ６では、検知部１０４は、Ｓ５における各列の判定結果に基づいて総合判定結果を生成する。なお、Ｓ４～６の判定方法は図５に基づいて説明したとおりであるから、ここでは詳細な説明は繰り返さない。
　Ｓ７（検知ステップ）では、検知部１０４は、Ｓ６の総合判定結果に基づいてブリッジの発生を検知する。例えば、総合判定結果を、１（異常なし）、０（異常あり）、および－１（判定不能）の何れかの数値で表す場合、検知部１０４は、Ｓ６の総合判定結果が１であればブリッジは発生していない（Ｓ７でＮＯ）と判定する。この場合、図６の処理は終了する。一方、Ｓ６の総合判定結果が０であれば、検知部１０４は、ブリッジは発生した（Ｓ７でＹＥＳ）と判定する。つまり、この場合に検知部１０４はブリッジの発生を検知する。この後、処理はＳ８に進む。
　なお、判定不能の場合の処理は予め定めておけばよい。例えば、検知部１０４は、判定不能の場合に図６の処理を終了してもよいし、Ｓ８に進んで判定不能であったことをユーザに報知させてもよい。
　Ｓ８では、報知制御部１０５が、ブリッジの発生を報知する。具体的には、報知制御部１０５は、報知装置３にブリッジの発生を示す音声を出力させることによりブリッジの発生を報知する。なお、ごみ焼却施設にブリッジを解消するためのブリッジ除去装置が設けられている場合、Ｓ８では、報知制御部１０５は、報知を行うと共に、あるいは報知を行う代わりに、ブリッジ除去装置を動作させてブリッジを解消させてもよい。
　以上のように、本実施形態に係る検知方法は、移動データ生成ステップ（Ｓ３）と、検知ステップ（Ｓ７）と、を含む。移動データ生成ステップ（Ｓ３）では、ごみを収容するホッパを上方から撮影した時系列の複数の画像から、複数の当該画像が撮影された期間におけるごみの移動状態を示す移動データを生成する。検知ステップ（Ｓ７）では、移動データ生成ステップ（Ｓ３）で生成した前記移動データに基づいてブリッジの発生を検知する。この検知方法によれば、ブリッジの発生を早期に検知することができる。
　なお、実施形態１の冒頭で述べた通り、検知システム１００は、ごみ焼却施設のホッパに限られず、ブリッジが発生し得る任意の用途のホッパに適用することができ、ホッパに収容される対象物はごみに限られない。つまり、上述した実施形態に記載した「ごみ」は、任意の「対象物」に読み替えることができる。
　〔実施形態２〕
　本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
　（検知装置の構成）
　図７に基づいて本実施形態に係る検知装置１Ａの構成を説明する。図７は、検知装置１Ａの要部構成の一例を示すブロック図である。検知装置１Ａは、図１に示した検知装置１と比べて、検知部１０４が検知部１０４Ａに変わっている点、および記憶部１１に学習済みモデル１１２が記憶されている点で相違している。
　検知部１０４Ａは、対象物の移動状態と当該対象物が当該移動状態であるときのブリッジの発生の有無との関係を学習した学習済みモデル１１２に、移動データ生成部１０３が生成した移動データを入力して得られる出力値に基づいて、ホッパにおけるブリッジの発生を検知する。なお、上記移動データは実施形態１と同様に移動データ生成部１０３が生成する。また、上記対象物は、ごみであってもよいし、ごみ以外のものであってもよい。
　以上のように、検知装置１Ａは、移動データ生成部１０３と、検知部１０４Ａと、を備える。移動データ生成部１０３は、対象物を収容するホッパを上方から撮影した時系列の複数の画像から、複数の当該画像が撮影された期間における前記対象物の移動状態を示す移動データを生成する。検知部１０４Ａは、対象物の移動状態と当該対象物が当該移動状態であるときのブリッジの発生の有無との関係を学習した学習済みモデル１１２に前記移動データを入力して得られる出力値に基づいて、前記ホッパにおけるブリッジの発生を検知する。
　前記の構成は、実施形態１の検知装置１と同様に、ブリッジの発生時と正常な動作時とでは、画像に写る対象物の移動量に差異があるという知見に基づくものである。上述のように、ブリッジの発生時と正常な動作時とでは、画像に写る対象物の移動状態に差異があるから、検知装置１Ａが備える前記の構成によれば、ブリッジの発生を検知することができる。
　また、ブリッジの発生時に特有の移動状態はブリッジの発生直後の画像において観察されるため、検知装置１Ａによれば、実施形態１の検知装置１と同様に、ブリッジの発生を早期に検知することができる。さらに、検知装置１Ａによれば、実施形態１の検知装置１と同様に、ホッパレベルに基づいたブリッジ検出と比べて、安定して高精度な検知が可能になる。
　（学習済みモデルについて）
　学習済みモデル１１２は、上述のように、対象物の移動状態と当該対象物が当該移動状態であるときのブリッジの発生の有無との関係を学習することにより生成されたものである。
　学習済みモデル１１２の生成に用いる教師データを生成する場合、まず、ブリッジ発生時においてホッパを上方から撮影した時系列の複数の画像と、正常に動作しているホッパを上方から撮影した時系列の複数の画像と、をそれぞれ収集する。
　次に、上記のようにして収集した画像から移動データを生成する。具体的には、複数の上記画像を時系列順にペアにし、各ペアについて移動データを生成する。この処理は、ブリッジ発生時に撮影された画像と、正常時に撮影された画像のそれぞれについて行う。これにより、ブリッジ発生時の移動データと、正常時の移動データがそれぞれ生成される。なお、移動データは、対象物の移動状態を示すものであればよい。例えば、実施形態１と同様に、画像相関法により移動データを生成してもよい。
　そして、ブリッジ発生時の移動データには、異常があることつまりブリッジが発生していることを示す正解データを対応付けて教師データとする。また、正常時の移動データには、正常であることつまりブリッジが発生していないことを示す正解データを対応付けて教師データとする。
　これらの教師データを用いて機械学習を行うことにより、入力された移動データを、正常時の移動データと異常時の移動データに分類する学習済みモデル１１２が生成される。なお、機械学習のアルゴリズムは、入力された移動データを正常時の移動データと異常時の移動データに分類することが可能な学習済みモデル１１２を生成できるものであればよい。例えば、画像の分類精度の高い畳み込みニューラルネットワーク等が好適であるが、この例に限られない。
　なお、学習済みモデル１１２の教師データとしては、移動データから抽出した特徴量を用いてもよい。このような特徴量も対象物の移動量を示すものであって、移動データの一種である。また、学習済みモデル１１２の教師データに移動データ以外のデータを含めてもよい。例えば、ホッパを上方から撮影した画像からＣａｎｎｙ法で算出したエッジ数や、当該画像のＲＧＢ値等を教師データに含めてもよい。
　（処理の流れ）
　検知装置１Ａが実行する処理の流れは図６と同様である。ただし、図６のＳ４～Ｓ６の処理は、学習済みモデル１１２に移動データを入力して出力値を得る処理に置き換えられる。また、Ｓ７（検知ステップ）では、学習済みモデル１１２の出力値に基づいてブリッジの発生が検知される。
　つまり、本実施形態に係る検知方法は、移動データ生成ステップと、検知ステップと、を含む。移動データ生成ステップでは、対象物を収容するホッパを上方から撮影した時系列の複数の画像から、複数の当該画像が撮影された期間における前記対象物の移動状態を示す移動データを生成する。検知ステップでは、対象物の移動状態と当該対象物が当該移動状態であるときのブリッジの発生の有無との関係を学習した学習済みモデル１１２に前記移動データを入力して得られる出力値に基づいて、前記ホッパにおけるブリッジの発生を検知する。この検知方法によれば、ブリッジの発生を早期に検知することができる。
　〔変形例〕
　上述の各実施形態で説明した各処理の実行主体は任意であり、上述の例に限られない。つまり、上述の各実施形態で説明した各処理を実行可能であれば、検知システム１００を構成する装置は適宜変更することができる。
　例えば、図１の検知システム１００では、検知装置１と報知装置３とをそれぞれ別の装置としているが、検知装置１が報知装置３を備えている構成としてもよい。また逆に、検知装置１の機能を複数の情報処理装置（コンピュータ）に分散させてもよい。例えば、移動データの生成をクラウド上の情報処理装置に行わせ、この移動データをごみ焼却施設に配置された情報処理装置に送信して、該情報処理装置にブリッジを検知させてもよい。
　〔ソフトウェアによる実現例〕
　検知装置１および１Ａ（以下、「装置」と呼ぶ）の機能は、当該装置としてコンピュータを機能させるためのプログラムであって、当該装置の各制御ブロック（特に制御部１０に含まれる各部）としてコンピュータを機能させるためのプログラム（検知プログラム）により実現することができる。
　この場合、上記装置は、上記プログラムを実行するためのハードウェアとして、少なくとも１つの制御装置（例えばプロセッサ）と少なくとも１つの記憶装置（例えばメモリ）を有するコンピュータを備えている。この制御装置と記憶装置により上記プログラムを実行することにより、上記各実施形態で説明した各機能が実現される。
　上記プログラムは、一時的ではなく、コンピュータ読み取り可能な、１または複数の記録媒体に記録されていてもよい。この記録媒体は、上記装置が備えていてもよいし、備えていなくてもよい。後者の場合、上記プログラムは、有線または無線の任意の伝送媒体を介して上記装置に供給されてもよい。
　また、上記各制御ブロックの機能の一部または全部は、論理回路により実現することも可能である。例えば、上記各制御ブロックとして機能する論理回路が形成された集積回路も本発明の範疇に含まれる。この他にも、例えば量子コンピュータにより上記各制御ブロックの機能を実現することも可能である。
　本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
１００　　検知システム
１　　　　検知装置
１０２　　判定部
１０３　　移動データ生成部
１０４　　検知部
２　　　　撮影装置
３　　　　報知装置
１Ａ　　　検知装置
１０４Ａ　検知部

Claims (9)

  1. 　対象物を収容するホッパを上方から撮影した時系列の複数の画像から、複数の当該画像が撮影された期間における前記対象物の移動状態を示す移動データを生成する移動データ生成部と、
    　前記移動データ生成部が生成した前記移動データに基づいて、前記ホッパにおけるブリッジの発生を検知する検知部と、を備える検知装置。
  2. 　前記移動データ生成部は、前記画像に写る前記ホッパの傾斜面に設定された複数の所定の位置のそれぞれに写る画像要素について、当該画像要素が前記画像間で下降方向に移動した移動量を示す前記移動データを生成する、請求項１に記載の検知装置。
  3. 　前記検知部は、
    　　（１）前記下降方向と垂直な方向に一列に配列した複数の前記位置のそれぞれについて、前記移動量が正常範囲内であるか否かを判定し、
    　　（２）前記（１）の判定の結果から、前記一列において前記対象物が正常に移動しているか否かを判定し、
    　　（３）前記（２）の判定結果に基づいて前記ホッパにおけるブリッジの発生を検知する、請求項２に記載の検知装置。
  4. 　前記下降方向と垂直な方向に配列した複数の前記位置からなる列は、前記下降方向に沿って複数配列されており、
    　前記検知部は、複数の前記列のそれぞれについて前記（１）および前記（２）の判定を行い、各列の判定結果に基づいて前記ホッパにおけるブリッジの発生を検知する、請求項３に記載の検知装置。
  5. 　前記画像中の前記位置が設定されている領域である対象領域に前記対象物が写っているか否かを判定する判定部を備え、
    　前記移動データ生成部は、前記判定部が前記対象領域に前記対象物が写っていると判定した前記画像間における移動量を示す前記移動データを生成する、請求項２から４の何れか１項に記載の検知装置。
  6. 　対象物を収容するホッパを上方から撮影した時系列の複数の画像から、複数の当該画像が撮影された期間における前記対象物の移動状態を示す移動データを生成する移動データ生成部と、
    　対象物の移動状態と当該対象物が当該移動状態であるときのブリッジの発生の有無との関係を学習した学習済みモデルに前記移動データを入力して得られる出力値に基づいて、前記ホッパにおけるブリッジの発生を検知する検知部と、を備える検知装置。
  7. 　１または複数の情報処理装置が実行するブリッジの検知方法であって、
    　対象物を収容するホッパを上方から撮影した時系列の複数の画像から、複数の当該画像が撮影された期間における前記対象物の移動状態を示す移動データを生成する移動データ生成ステップと、
    　前記移動データ生成ステップで生成した前記移動データに基づいて、前記ホッパにおけるブリッジの発生を検知する検知ステップと、を含む検知方法。
  8. 　請求項１または６に記載の検知装置としてコンピュータを機能させるための検知プログラムであって、前記移動データ生成部および前記検知部としてコンピュータを機能させるための検知プログラム。
  9. 　対象物を収容するホッパを上方から撮影する撮影装置と、
    　前記撮影装置が撮影した時系列の複数の画像から生成された、複数の当該画像が撮影された期間における前記対象物の移動状態を示す移動データに基づいて、前記ホッパにおけるブリッジの発生を検知する検知装置と、
    　前記検知装置がブリッジの発生を検知したときに、ブリッジの発生を報知する報知装置と、を含む検知システム。
PCT/JP2022/009040 2021-04-20 2022-03-03 検知装置、検知方法、検知プログラム、および検知システム WO2022224592A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202280029466.7A CN117178144A (zh) 2021-04-20 2022-03-03 检测装置、检测方法、检测程序以及检测系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-070778 2021-04-20
JP2021070778A JP2022165456A (ja) 2021-04-20 2021-04-20 検知装置、検知方法、検知プログラム、および検知システム

Publications (1)

Publication Number Publication Date
WO2022224592A1 true WO2022224592A1 (ja) 2022-10-27

Family

ID=83722842

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/009040 WO2022224592A1 (ja) 2021-04-20 2022-03-03 検知装置、検知方法、検知プログラム、および検知システム

Country Status (3)

Country Link
JP (1) JP2022165456A (ja)
CN (1) CN117178144A (ja)
WO (1) WO2022224592A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5817242B2 (ja) * 1978-05-22 1983-04-06 川崎製鉄株式会社 高炉々頂ホツパ−における充填原料の棚吊り検知方法
JPH1078208A (ja) * 1996-09-04 1998-03-24 Babcock Hitachi Kk ごみ供給装置
JPH10288327A (ja) * 1997-04-11 1998-10-27 Babcock Hitachi Kk ごみ焼却設備
JP2016035337A (ja) * 2014-08-01 2016-03-17 東レ株式会社 燃焼炉の配管詰まり監視装置および配管詰まり監視方法
JP2020119407A (ja) * 2019-01-25 2020-08-06 日立造船株式会社 予測モデル生成装置、予測モデル生成装置による予測モデル生成方法、及び予測装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5817242B2 (ja) * 1978-05-22 1983-04-06 川崎製鉄株式会社 高炉々頂ホツパ−における充填原料の棚吊り検知方法
JPH1078208A (ja) * 1996-09-04 1998-03-24 Babcock Hitachi Kk ごみ供給装置
JPH10288327A (ja) * 1997-04-11 1998-10-27 Babcock Hitachi Kk ごみ焼却設備
JP2016035337A (ja) * 2014-08-01 2016-03-17 東レ株式会社 燃焼炉の配管詰まり監視装置および配管詰まり監視方法
JP2020119407A (ja) * 2019-01-25 2020-08-06 日立造船株式会社 予測モデル生成装置、予測モデル生成装置による予測モデル生成方法、及び予測装置

Also Published As

Publication number Publication date
CN117178144A (zh) 2023-12-05
JP2022165456A (ja) 2022-11-01

Similar Documents

Publication Publication Date Title
CN111542846B (zh) 故障预测系统和故障预测方法
US20100208064A1 (en) System and method for managing video storage on a video surveillance system
JP7132743B2 (ja) 情報処理装置、制御装置、および不適物検出システム
EP3733876B1 (en) System and method for evaluating operational conditions of blast furnace
CN108038510A (zh) 一种基于疑似火焰区域特征的检测方法
US20210364996A1 (en) Programmable logic controller
JP6977119B1 (ja) 推定システムおよび制御システム
WO2022224592A1 (ja) 検知装置、検知方法、検知プログラム、および検知システム
JP6715282B2 (ja) 品質監視システム
EP3748450A1 (en) Data driven machine learning for modeling aircraft sensors
JP2023527187A (ja) 製造業のための自己組織化サイバー・フィジカル・システムの開発及び展開のためのシステム及び方法
JP7419582B2 (ja) 煙の検出装置及び煙の検出方法
KR101834757B1 (ko) 밀렵 환경 감시 장치
KR101581162B1 (ko) 실시간 영상 기반의 화염, 연기 및 물체 움직임 자동 감지 방법, 장치 및 시스템
JP2014010091A (ja) ごみ焼却炉におけるごみ状態検出装置
JP2020119407A (ja) 予測モデル生成装置、予測モデル生成装置による予測モデル生成方法、及び予測装置
WO2022230356A1 (ja) 予測装置、予測方法、予測プログラム、施設制御装置、施設制御方法、および制御プログラム
JP6769447B2 (ja) 鋼板の疵検査装置及び疵検査方法
Ghosh Opto-acoustic slopping prediction system in basic oxygen furnace converters
JP2023098425A (ja) 情報処理装置、状態判定方法、制御決定方法、状態判定プログラム、および制御決定プログラム
KR102474950B1 (ko) 화재경보 및 공기순환장치
CN113787007B (zh) 智能干选机执行精度智能实时检测方法、电子设备及存储介质
WO2023053627A1 (ja) 情報処理装置、判定方法、判定プログラム、および制御システム
KR102521000B1 (ko) 플랜트 설비 관리 시스템 및 방법
CN111646146B (zh) 一种智能皮带撕裂检测方法及装置

Legal Events

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

Ref document number: 22791374

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2301006846

Country of ref document: TH

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22791374

Country of ref document: EP

Kind code of ref document: A1