CN111065859A - 推定废弃物的组成的装置、***、程序、方法及数据结构 - Google Patents
推定废弃物的组成的装置、***、程序、方法及数据结构 Download PDFInfo
- Publication number
- CN111065859A CN111065859A CN201880050228.8A CN201880050228A CN111065859A CN 111065859 A CN111065859 A CN 111065859A CN 201880050228 A CN201880050228 A CN 201880050228A CN 111065859 A CN111065859 A CN 111065859A
- Authority
- CN
- China
- Prior art keywords
- waste
- composition
- pit
- training data
- instruction
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
- 239000002699 waste material Substances 0.000 title claims abstract description 248
- 239000000203 mixture Substances 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims description 28
- 238000012549 training Methods 0.000 claims abstract description 59
- 239000010813 municipal solid waste Substances 0.000 claims abstract description 41
- 238000003384 imaging method Methods 0.000 claims abstract description 34
- 238000010276 construction Methods 0.000 claims abstract description 9
- 238000002485 combustion reaction Methods 0.000 claims description 31
- 230000010365 information processing Effects 0.000 description 21
- 235000019646 color tone Nutrition 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000003756 stirring Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- HGUFODBRKLSHSI-UHFFFAOYSA-N 2,3,7,8-tetrachloro-dibenzo-p-dioxin Chemical compound O1C2=CC(Cl)=C(Cl)C=C2OC2=C1C=C(Cl)C(Cl)=C2 HGUFODBRKLSHSI-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- -1 pruned branches Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B09—DISPOSAL OF SOLID WASTE; RECLAMATION OF CONTAMINATED SOIL
- B09B—DISPOSAL OF SOLID WASTE NOT OTHERWISE PROVIDED FOR
- B09B3/00—Destroying solid waste or transforming solid waste into something useful or harmless
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
- B65F5/00—Gathering or removal of refuse otherwise than by receptacles or vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G5/00—Storing fluids in natural or artificial cavities or chambers in the earth
-
- 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
- F23G5/44—Details; Accessories
- F23G5/442—Waste feed arrangements
- F23G5/444—Waste feed arrangements for solid waste
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G2900/00—Special features of, or arrangements for incinerators
- F23G2900/55—Controlling; Monitoring or measuring
- F23G2900/55011—Detecting the properties of waste to be incinerated, e.g. heating value, density
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Environmental & Geological Engineering (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Incineration Of Waste (AREA)
- Image Analysis (AREA)
- Processing Of Solid Wastes (AREA)
- Refuse Collection And Transfer (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
提供一种在各种各样组成的废弃物混在一起的垃圾坑内使用学习模型来推定垃圾坑内的废弃物的组成的装置。一种装置,具备:训练数据生成部,其生成与对贮存于垃圾坑内的废弃物进行拍摄而得到的图像建立了对应的训练数据;模型构筑部,其通过使用了训练数据的学习来构筑模型;以及推定部,其向模型输入对贮存于垃圾坑内的废弃物进行拍摄而得到的新的图像的数据,并取得与新的图像对应的表示废弃物的组成的值。
Description
技术领域
本发明涉及在废弃物处理厂中推定废弃物的组成的装置、***、程序及方法。
背景技术
在废弃物处理厂中,生活垃圾、粗大破碎垃圾、修剪枝、污泥等具有各种各样组成的废弃物被投入垃圾坑内。这些具有各种各样组成的废弃物被一起投入到焚烧炉而在焚烧炉内被进行焚烧处理。然而,若向焚烧炉内投入的废弃物的组成急剧地变化,则在焚烧之际,有时焚烧炉内部的温度骤变或者有时产生二噁英等有害气体、有害物质而引起环境问题。
因此,在例如专利文献1中,根据色调识别向垃圾坑投入的一般垃圾和异质垃圾,控制起重机而搅拌坑内的废弃物,从而谋求废弃物的组成的均匀化。
然而,在专利文献1所记载的技术中,难以进行例如厨余垃圾与塑料类等组成不同但色调相近的垃圾的识别、和被褥类等组成相同但色调并不恒定的废弃物的组成的识别。
现有技术文献
专利文献
专利文献1:日本专利第5025120号说明书
发明内容
本技术是鉴于上述的点而做成的,目的之一在于提供一种即使组成不同但色调相近的废弃物、组成相同但色调不同的废弃物混在一起,也能够推定废弃物的组成的装置、***、程序及方法。
〔形态1〕根据形态1,提供一种装置,该装置具备:训练数据生成部,其生成与对贮存于垃圾坑内的废弃物进行拍摄而得到的图像建立了对应的训练数据;模型构筑部,其通过使用了所述训练数据的学习来构筑模型;以及推定部,其向所述模型输入对贮存于垃圾坑内的废弃物进行拍摄而得到的新的图像的数据,并取得与所述新的图像对应的表示废弃物的组成的值。
〔形态2〕根据形态2,在形态1所述的装置中,所述推定部还将对所述废弃物进行拍摄而得到的新的图像分割成多个区块,针对每个区块输出与所述新的图像对应的表示废弃物的组成的值,并生成将所输出的表示废弃物的组成的值与各所述区块建立了对应的推论映射。
〔形态3〕根据形态3,在形态2所述的装置中,所述装置还具备指示部,该指示部基于所述推论映射生成针对进行起重机的控制的起重机控制装置的指示、以及针对进行焚烧炉的控制的燃烧控制装置的指示中的至少一方。
〔形态4〕根据形态4,在形态3所述的装置中,针对所述起重机控制装置的指示是针对起重机的使所述垃圾坑内的废弃物移动的指示,针对所述燃烧控制装置的指示是使投入到焚烧炉的废弃物燃烧所需要的指示。
〔形态5〕根据形态5,对于形态1~4中任意1个形态的装置,所述训练数据从基于废弃物处理厂的运转历史而确定的表示废弃物的特性的值、和作业者基于垃圾坑内的废弃物的图像数据对废弃物的组成进行分类得到的标签中的至少一方收集。
〔形态6〕根据形态6,对于形态1~5中任意1个形态的装置,表示所述废弃物的组成的值是表示所述废弃物的易燃性的指标。
〔形态7〕根据形态7,提供一种***,该***是废弃物处理厂***,具备:训练数据生成部,其生成与对贮存于垃圾坑内的废弃物进行拍摄而得到的图像建立了对应的训练数据;模型构筑部,其通过使用了所述训练数据的学习来构筑模型;推定部,其将对贮存于垃圾坑内的废弃物进行拍摄而得到的新的图像分割成多个区块,向所述模型输入各区块的新的图像的数据,生成将与所述新的图像对应的表示废弃物的组成的值和各所述区块建立了对应的推论映射;以及指示部,其基于所述推论映射生成针对进行起重机的控制的起重机控制装置的指示、以及针对进行焚烧炉的控制的燃烧控制装置的指示中的至少一方。
〔形态8〕根据形态8,提供一种方法,该方法是推定贮存于废弃物处理厂的垃圾坑内的废弃物的组成的方法,具备如下步骤:生成与对贮存于垃圾坑内的废弃物进行拍摄而得到的图像建立了对应的训练数据的步骤;通过使用了所述训练数据的学习来构筑模型的步骤;以及向所述模型输入对贮存于垃圾坑内的废弃物进行拍摄而得到的新的图像的数据并取得与所述新的图像对应的表示废弃物的组成的值的步骤。
〔形态9〕根据形态9,提供一种程序,该程序用于使设置于所述废弃物处理厂的处理器执行形态8所述的方法。
〔形态10〕根据形态10,提供一种数据结构,该数据结构是控制废弃物处理厂的动作的装置为了推定与贮存于废弃物处理厂内的垃圾坑内的废弃物的图像对应的废弃物的组成而使用的数据结构,其特征在于,该数据结构包含训练数据,该训练数据包括根据所述废弃物处理厂的运转历史所生成的表示废弃物的组成的值、以及与该表示废弃物的组成的值对应的废弃物的图像,所述装置通过使用了所述训练数据的学习来推定与贮存于所述垃圾坑内的废弃物的新的图像对应的废弃物的组成。
附图说明
图1是一实施方式涉及的废弃物处理厂的概略图。
图2是一实施方式涉及的废弃物处理厂***的概略构成图。
图3是一实施方式涉及的废弃物处理厂的信息处理装置的功能构成图。
图4是表示输出数据与垃圾坑内的位置之间的对应的、推论映射的一构成例。
图5是表示一实施方式涉及的废弃物处理厂***的动作的流程图。
具体实施方式
以下,参照附图详细地说明本发明的实施方式。
图1表示一实施方式涉及的废弃物处理厂的概略图,在图1中,附图标记1是焚烧废弃物的焚烧炉,附图标记2是废热锅炉,附图标记3是贮存垃圾的坑,附图标记4是料斗,附图标记5是用于将垃圾从坑3向料斗4移交的起重机,附图标记6是对贮存于坑3内的废弃物的表面进行拍摄的拍摄装置。另外,在图1中,附图标记21是平台,由垃圾收集车22收集到的垃圾被从该平台21投入垃圾坑3内。
图2表示控制图1所示的废弃物处理厂的动作的***100的构成图。废弃物处理厂***100是如下***,该***构成为,使用拍摄装置6进行拍摄而得到的图像数据,推定表示废弃物的组成的值,基于所推定的表示废弃物的组成的值来控制废弃物处理厂的动作。废弃物处理厂***100具备信息处理装置200、对垃圾坑3(图1所示)内进行拍摄的拍摄装置6、起重机控制装置110、以及燃烧控制装置120。信息处理装置200经由附设于例如废弃物处理厂内的场内LAN等网络与拍摄装置6、起重机控制装置110、燃烧控制装置120以能够相互通信的方式连接。信息处理装置200既可以由例如个人计算机、工作站、服务器装置构成,也可以由平板电脑终端等便携型计算机构成。此外,该构成是一个例子,能够适用本发明的构成并不限于图2所示的构成。例如,即使拍摄装置6、起重机控制装置110、燃烧控制装置120、信息处理装置200具有两个以上,也没有关系。
拍摄装置6是对堆积在垃圾坑3内的废弃物的表面进行拍摄、并取得坑3内的图像数据的装置。拍摄装置6是例如拍摄废弃物的形状和色彩图像的RGB摄像机、拍摄废弃物的近红外线图像的近红外线摄像机、拍摄废弃物的3维图像的3D摄像机或RGB-D摄像机。
信息处理装置200作为主要的构成要素而具备处理器202、内存(memory)204、通信接口206、以及存储器(storage)208。在一形态中,信息处理装置200基于从拍摄装置6发送来的垃圾坑3内的图像数据生成向学习模型提供的训练数据。之后使用图3说明在信息处理装置200中执行的功能的详细情况。
处理器202构成为,读出储存于内存204的程序,执行按照该程序的处理。通过由处理器202执行储存于内存204的程序,从而实现随后论述的处理的各功能。在一形态中,处理器202实现为CPU(中央处理单元:Central Processing Unit)、MPU(微处理器单元:MicroProcessor Unit)、FPGA(现场可编程门阵列:Field-Programmable Gate Array)等器件。
内存204暂时保存程序和数据。程序例如从存储器208加载。数据包括输入到信息处理装置200的数据、由处理器202生成的数据、以及从存储器208所加载的数据。在一形态中,内存204实现为RAM(随机存取存储器:Random Access Memory)等易失性内存。内存204中储存的数据包括由拍摄装置6拍摄而得到的废弃物的图像数据、基于废弃物的图像数据所生成的训练数据等。
通信接口206在与拍摄装置6、起重机控制装置110、燃烧控制装置120、信息处理装置200之间对信号进行通信。在一形态中,例如,通信接口206接收从拍摄装置6输出的图像数据。在另一形态中,通信接口206将处理器202所生成的指示向起重机控制装置110或者燃烧控制装置120发送。
存储器208永久地保持程序和数据。存储器208实现为例如ROM(只读存储器:Read-Only Memory)、硬盘装置、闪存等非易失性存储装置。储存于存储器208的程序包括例如用于基于由拍摄装置6拍摄而得到的废弃物的图像数据使训练数据生成的程序、用于向起重机控制装置110或者燃烧控制装置120发出指示的程序。在存储器208中按照时间序列存储有例如废弃物处理厂的运转历史。废弃物处理厂的运转历史包括由安装于废弃物处理厂的多个传感器等器件、例如感知焚烧炉1(图1所示)内的温度的温度传感器测定的原始数据。另外,存储器208具备数据库209,在数据库209中按照时间序列存储有例如基于废弃物处理厂的运转历史获得的工艺数据。此外,工艺数据也可以存储于内存204。
起重机控制装置110是控制起重机5(图1所示)的动作的装置。起重机控制装置110按照从信息处理装置200发送来的指示,使起重机5进行搅拌垃圾坑3内的废弃物的动作,或者使起重机5将垃圾坑3内的废弃物向料斗4(图1所示)输送。垃圾坑3内的废弃物的搅拌是指,利用起重机5抓住堆积于垃圾坑3内的某区块的废弃物的一部分,并将其向垃圾坑3内的其他区块移动或者使起重机5所抓住的废弃物再次落入同一区块的动作。通过反复进行废弃物的搅拌,能够使垃圾坑3内的垃圾均匀地混合。由此,能够使焚烧炉1内的废弃物的燃烧均匀。
燃烧控制装置120是进行焚烧炉1(图1所示)的燃烧控制的装置。燃烧控制装置120按照从信息处理装置200发送来的指示控制焚烧炉1内的燃烧时间和燃烧温度或者控制向焚烧炉1内输送的空气量。
图3是表示本发明的一实施方式涉及的信息处理装置200的功能构成的框图。本实施方式涉及的信息处理装置200具备训练数据生成部220、模型构筑部230、图像取得部240、推定部250、以及指示部260。各部220~260体现通过由图2所示的处理器202读出并执行内存204内的计算机程序而实现的功能。
根据本实施方式,根据废弃物处理厂的运转历史所包含的废弃物的图像数据等生成训练数据,收集多个该废弃物的图像数据与该训练数据的组(set),对这些组进行机器学习,由此构筑学习模型。然后,向所构筑的学习模型输入成为推定对象的废弃物的图像数据,取得输出(推论结果),基于该输出生成推论映射。另外,基于推论映射向起重机控制装置110(图2所示)和燃烧控制装置120(图2所示)发出指示。以下,详细地说明各部220~260的动作等。
训练数据生成部220生成向学习模型提供的训练数据。训练数据生成部220根据按照时间序列存储在预先确定的数据库209(图2所示)中的废弃物处理厂的过去或者当前的运转历史,生成训练数据。在数据库209中按照时间序列储存有由拍摄装置6拍摄而得到的垃圾坑3内的废弃物的图像数据以及与该废弃物的图像数据对应的工艺数据。训练数据生成部220从数据库209读出与垃圾坑3内的废弃物的图像数据对应的工艺数据,并根据该工艺数据生成用于学习的训练数据。垃圾坑3内的废弃物的图像数据和工艺数据例如以它们被取得的时刻建立对应。即,过去的工艺数据与过去的废弃物的图像数据建立对应。根据工艺数据生成的训练数据包含表示废弃物的组成的值。表示废弃物的组成的值是表示废弃物的易燃性或者难燃性的指标。工艺数据具备基于废弃物处理厂的运转历史收集的表示废弃物的特性的数据、以及作业者基于废弃物处理厂的运转历史对废弃物的组成进行分类得到的标签中的至少一个。
表示废弃物的特性的数据例如是投入到坑3内的废弃物的重量(kg·m/s2)、密度(kg/m3)、投入到坑3内的废弃物所含的水分量(kg)、或者在使废弃物燃烧了时产生的热值(kJ/kg)。重量小、密度低、水分量少、热值大表示废弃物易于燃烧。一般而言,密度越低,废弃物越易于燃烧。因而,具有相同的体积但重量较小的废弃物易于燃烧。起重机5能够抓住的废弃物的体积大致相同,因此,只要测定起重机5所抓住的废弃物的重量,就能够判定该废弃物的易燃性。
另外,例如,在数据库209中预先记录有基于废弃物处理厂的过去的运转历史得到的、表示废弃物的特性的数据。作为一个例子,在数据库209中预先存储有过去的规定期间内(例如3年间)的、废弃物处理厂的各月的热值的信息。通过参照存储于数据库209的各月的热值的历史信息,能够确定垃圾坑3内的废弃物的图像所示的废弃物投入到垃圾坑3时的、实际的废弃物的热值。
在本形态中,垃圾坑3内的废弃物的图像数据与该废弃物的图像所示的废弃物投入到垃圾坑3时确定出的表示废弃物的特性的数据建立对应。并且,训练数据生成部220对确定出的表示废弃物的特性的数据进行整形等而生成与废弃物的图像数据对应的、表示该废弃物的组成的训练数据。
另一方面,对废弃物的组成进行分类得到的标签是通过作业者基于储存于数据库209的过去的废弃物的图像的数据并利用目视对该图像所示的废弃物的组成进行分类而确定的。例如,在作业者判断为图像所示的废弃物由高热值垃圾构成的情况下,分配标签“H”,在判断为由基准垃圾构成的情况下,分配标签“M”,在判断为由低热值垃圾构成的情况下,分配标签“L”。所分配的标签经由未图示的输入接口向信息处理装置200输入,并向数据库209存储。
在本形态中,将作业者从由拍摄装置6拍摄而得到的垃圾坑3内的废弃物的图像数据中以目视对废弃物的组成进行分类得到的标签收集为训练数据。
如此,训练数据生成部220从废弃物处理厂的运转历史取得与垃圾坑3内的废弃物的图像对应的工艺数据,并根据该工艺数据生成训练数据。训练数据生成部220收集废弃物的图像的数据和与该废弃物的图像对应的包含表示废弃物的组成的值的训练数据的多个组,并将该多个组作为学习数据向内存204储存。
此外,也可以是,训练数据生成部220将储存于数据库209的过去的废弃物的图像数据的图像分割成多个区块,针对分割出的每个区块,取得与该图像对应的工艺数据,根据所取得的该工艺数据生成训练数据。在该情况下,作为一个例子,训练数据生成部220向分割出的各个区块分配区块编号,并将表示废弃物的组成的值与该区块编号一起向内存204储存。因而,训练数据生成部220能够生成训练数据的映射,该训练数据的映射表示位于坑3内的哪个区块中的废弃物易于燃烧的程度如何。
模型构筑部230通过对所生成的训练数据进行机器学习来构筑模型(函数)。模型构筑成,在新的输入到来时,进行与该新的输入对应的正确的输出。模型构筑部230具有规定的函数y=f(x、θ)。其中,输入x是垃圾坑3内的废弃物的图像数据,输出y是表示废弃物的组成的值,θ是该函数的内部参数。模型构筑部230提供输入x和输出y的多个组,并进行机器学习,由此调整内部参数θ,以获得正确的输出。为了机器学习而提供的输入x是由训练数据生成部220生成的、从废弃物处理厂的运转历史收集到的垃圾坑3内的废弃物的图像数据,输出y是与该输入x对应的训练数据。在为了机器学习而作为输入x被提供的垃圾坑3内的废弃物的图像数据的图像中示出有具有各种形状、各种色调的废弃物。模型构筑部230通过对上述各种图像的数据和与该各种图像的数据对应的训练数据的多个组进行机器学习,发现图像数据与训练数据之间的关系,调整模型的内部参数θ。由此,模型构成为,即使被提供与此前被提供的输入x不同的新的输入,也进行与新的输入对应的正确的输出。此外,作为学习所用的算法,存在使用了线性回归、玻尔兹曼机、神经网络、支持向量机、贝叶斯网络、稀疏回归、决策树、随机森林的统计学推定、强化学习、深度学习中的至少1个。
图像取得部240取得用于向所构筑的模型输入的、垃圾坑3内的废弃物的图像数据。图像取得部240从拍摄装置6定期地接收垃圾坑3内的废弃物的图像数据,或者以起重机5的向坑3内投入废弃物的投入请求等为触发而接收该垃圾坑3内的废弃物的图像数据,并向内存204储存。
推定部250从内存204取得新的废弃物的图像数据,向所构筑的模型输入该新的废弃物的图像数据,取得输出数据。输出数据是与该新的图像数据对应的、表示废弃物的组成的值,例如是表示废弃物的特性的数据。
也可以是,推定部250还生成表示所取得的输出数据与该输出数据在垃圾坑3内的位置之间的对应的推论映射。推定部250将由图像取得部240取得的新的图像分割成多个区块,向所构筑的模型分别输入该分割成多个区块的新的图像的数据,按照各区块获得输出数据。图4表示将垃圾坑3的表面分割成多个区块402而构成的推论映射400的一个例子。在图4的例子中,垃圾坑3内的表面被分割成横4、纵12,推论映射400由总计48个区块402构成。此外,推定部250也能够使用过去所生成的映射,来3维地生成推论映射。
在构成推论映射400的各区块402中作为一个例子而示出有输出数据。在图4所示的例子中,输出数据是表示废弃物的易燃性的指标(在图4中,无单位)。例如,图4所示的指标的值越大,表示废弃物越易于燃烧。记载于各区块402的输出数据并不限于图4所示的输出数据,也可以是其他输出数据、例如废弃物的重量(kg·m/s2)、密度(kg/m3)、废弃物的水分量(kg)、热值(kJ/kg),也可以是它们的任意的组合。构成推论映射400的各区块402所示的输出数据也可以是多个。推论映射400在每次由图像取得部240取得的图像数据存在变化时都进行更新/记录,或者每隔恒定期间进行更新/记录。另外,推论映射400也可以视觉地显示于未图示的显示器。
另外,也可以是,在构成推论映射400的各区块402中并非示出输出数据本身,而是示出基于输出数据所提取的值(标签、标志等)。例如,在各区块402中示出基于输出数据的大小而被分类的标签。作为一个例子,在输出数据是废弃物的水分量的情况下,对水分量较大的输出数据分配标签“L(或者低热值垃圾)”,对水分量平均的输出数据分配标签“M(或者基准垃圾)”,对水分量较小的输出数据分配标签“H(或者高热值垃圾)”。另外,例如,在各区块402中示出基于输出数据的大小求出的标志。作为一个例子,在输出数据是热值的情况下,在废弃物的热值是恒定量以上且判定为适于向焚烧炉1投入的情况下,分配标志“OK”,在热值不足恒定量且判定为不适于向焚烧炉1投入的情况下,分配标志“NG”。另外,在与1个区块402对应的输出数据存在多个的情况下,也可以从这多个输出数据新提取在各区块402中示出的值。
根据本技术,在输入了新的图像数据时,使用模型(其构筑成输出与该新的图像数据对应的正确的值(表示废弃物的组成的值))来推定与新的图像数据对应的废弃物的组成。因而,通过收集废弃物的新的图像数据并向学习模型输入这些图像数据,从而能够进行与新的图像数据对应的废弃物的组成的推定。而且,与仅根据色调推定废弃物的组成的情况相比较,即使色调相近但组成不同的废弃物、不具有恒定的色调但组成相同的废弃物在坑3内混在一起,也能够以更高的精度推定废弃物的组成。另外,根据本技术,使用学习模型而以机械方式进行废弃物的组成的推定,因此,即使没有熟练的作业者,也能够进行废弃物的组成的推定,或者能够辅助作业人员此前以目视进行的对废弃物的组成的判断的准确度。而且,通过使用新的图像数据和与该新的图像数据对应的工艺数据而定期地进行追加学习、再学习,也能够应对由时间经过产生的废弃物的组成的变化。
另外,根据本技术,将垃圾坑3内分割成多个区块402,按照各区块402生成示出有表示废弃物的组成的值等的推论映射400。作业者或者信息处理装置200通过参照推论映射400,能够掌握垃圾坑3内的废弃物在各区块402中具有怎样的组成。因而,能够掌握废弃物的组成的位置分布。
指示部260基于推论映射400向起重机控制装置110(图2所示)发出指示。更具体而言,指示部260基于推论映射400生成表示应该使废弃物从垃圾坑3内的哪个区块向哪个区块移动的指示、或者表示应该使垃圾坑3内的哪个区块的废弃物向焚烧炉1(图1所示)投入的指示,并向起重机控制装置110发送。起重机控制装置110按照该指示控制由起重机5进行的垃圾坑3内的废弃物的移动。指示部260使用推论映射400所示的值而指示废弃物的移动,以使得坑3内的废弃物的组成变得均匀,或者使得与前次投入到焚烧炉1的废弃物的组成相近。
另外,指示部260基于推论映射400向燃烧控制装置120(图2所示)发出指示。更具体而言,指示部260使用推论映射400内的哪个区块的废弃物被投入到了焚烧炉1的投入信息和该区块所示的值、例如输出数据,生成已投入到焚烧炉1的废弃物的燃烧所需要的指示,并向燃烧控制装置120发送。燃烧控制装置120按照该指示进行焚烧炉1的燃烧控制,以使得成为适于投入到焚烧炉1的废弃物的组成的燃烧温度、燃烧时间、空气量。
此外,上述的发明的实施方式并不限定本发明。例如,也可以是,指示部260并非设置于信息处理装置200,而是设置于其他装置,作为一个例子,也可以设置于起重机控制装置110。在该情况下,将由信息处理装置200生成的推论映射400向起重机控制装置110发送,起重机控制装置110生成将位于推论映射400上的哪个区块的废弃物向焚烧炉1投入的指示而控制起重机5的动作。并且,起重机控制装置110使用已投入到废弃物的焚烧炉1中的废弃物的区块位置信息和区块所示的值,生成针对燃烧控制装置120的控制指示。
或者,作为一个例子,指示部260也可以设置于起重机控制装置110和燃烧控制装置120这两者。在该情况下,将由信息处理装置200所生成的推论映射400向起重机控制装置110发送,起重机控制装置110生成将位于推论映射400上的哪个区块的废弃物向焚烧炉1投入的指示,控制起重机5的动作。并且,燃烧控制装置120从信息处理装置200接收推论映射400,从起重机控制装置110接收已投入到焚烧炉1的废弃物的区块位置信息。燃烧控制装置120使用已投入到废弃物的焚烧炉1中的废弃物的区块位置信息和区块所示的值,生成焚烧炉1的控制指示。
图5是表示一实施方式涉及的废弃物处理厂***100的动作的流程图500。
在步骤S510中,训练数据生成部220将储存到数据库209(图2所示)的废弃物处理厂的运转历史向内存204(图2所示)加载。然后,从加载到内存204的废弃物处理厂的运转历史收集与垃圾坑3内的废弃物的图像数据对应的工艺数据,基于该工艺数据生成训练数据。
在步骤S520中,模型构筑部230通过监督学习构筑模型构筑部230所具有的函数的内部参数被调整后的模型,在该监督学习中使用了垃圾坑3内的废弃物的图像数据和在步骤S510中所生成的与该图像数据对应的训练数据。
在步骤S530中,图像取得部240取得由拍摄装置6拍摄而得到的垃圾坑3内的废弃物的图像数据。
在步骤S540中,推定部250将由图像取得部240所取得的垃圾坑3内的废弃物的图像数据分割成1个以上的区块。然后,推定部250向在步骤S520中所构筑的模型分别输入分割出的图像数据并针对各区块获得输出数据。
在步骤S550中,推定部250使根据在步骤S540中所取得的各区块的输出数据确定出的表示废弃物的组成的值与各区块建立对应而生成推论映射400。
在步骤S560中,指示部260基于在步骤S550中所生成的推论映射400而向起重机控制装置110或者燃烧控制装置120发出动作指示。
以上,对本发明的实施方式进行了说明,但上述的发明的实施方式是为了使本发明易于理解,并不限定本发明。本发明在不脱离其主旨的情况下能够进行改变、改良,并且,在本发明中当然包含其等价物。另外,在能够解决上述问题的至少一部分的范围、或起到效果的至少一部分的范围内,能够进行实施方式和变形例的任意的组合,能够进行权利要求书和说明书所记载的各构成要素的任意的组合或省略。
附图标记说明
1:焚烧炉,3:坑,4:料斗,5:起重机,6:拍摄装置,100:废弃物处理厂***,110:起重机控制装置,120:燃烧控制装置,200:信息处理装置,202:处理器,204:内存,206:通信接口,208:存储器,209:数据库,220:训练数据生成部,230:模型构筑部,240:图像取得部,250:推定部,260:指示部,400:推论映射。
Claims (10)
1.一种装置,其特征在于,
具备:
训练数据生成部,其生成与对贮存于垃圾坑内的废弃物进行拍摄而得到的图像建立了对应的训练数据;
模型构筑部,其通过使用了所述训练数据的学习来构筑模型;以及
推定部,其向所述模型输入对贮存于垃圾坑内的废弃物进行拍摄而得到的新的图像的数据,并取得与所述新的图像对应的表示废弃物的组成的值。
2.根据权利要求1所述的装置,其特征在于,
所述推定部还将对所述废弃物进行拍摄而得到的新的图像分割成多个区块,针对每个区块输出与所述新的图像对应的表示废弃物的组成的值,并且,
所述推定部生成将所输出的表示废弃物的组成的值与各所述区块建立了对应的推论映射。
3.根据权利要求2所述的装置,其特征在于,
所述装置还具备指示部,该指示部基于所述推论映射生成针对进行起重机的控制的起重机控制装置的指示、以及针对进行焚烧炉的控制的燃烧控制装置的指示中的至少一方。
4.根据权利要求3所述的装置,其特征在于,
针对所述起重机控制装置的指示是针对起重机的使所述垃圾坑内的废弃物移动的指示,针对所述燃烧控制装置的指示是使投入到焚烧炉的废弃物燃烧所需要的指示。
5.根据权利要求1~4中任一项所述的装置,其特征在于,
所述训练数据从基于废弃物处理厂的运转历史而确定的表示废弃物的特性的值、和作业者基于垃圾坑内的废弃物的图像数据对废弃物的组成进行分类得到的标签中的至少一方收集。
6.根据权利要求1~5中任一项所述的装置,其特征在于,
表示所述废弃物的组成的值是表示所述废弃物的易燃性的指标。
7.一种***,其是废弃物处理厂***,其特征在于,
具备:
训练数据生成部,其生成与对贮存于垃圾坑内的废弃物进行拍摄而得到的图像建立了对应的训练数据;
模型构筑部,其通过使用了所述训练数据的学习来构筑模型;
推定部,其将对贮存于垃圾坑内的废弃物进行拍摄而得到的新的图像分割成多个区块,向所述模型输入各区块的新的图像的数据,生成将与所述新的图像对应的表示废弃物的组成的值和各所述区块建立了对应的推论映射;以及
指示部,其基于所述推论映射生成针对进行起重机的控制的起重机控制装置的指示、以及针对进行焚烧炉的控制的燃烧控制装置的指示中的至少一方。
8.一种方法,其是推定贮存于废弃物处理厂的垃圾坑内的废弃物的组成的方法,其特征在于,
具备如下步骤:
生成与对贮存于垃圾坑内的废弃物进行拍摄而得到的图像建立了对应的训练数据的步骤;
通过使用了所述训练数据的学习来构筑模型的步骤;以及
向所述模型输入对贮存于垃圾坑内的废弃物进行拍摄而得到的新的图像的数据并取得与所述新的图像对应的表示废弃物的组成的值的步骤。
9.一种程序,其特征在于,用于使处理器执行权利要求8所述的方法,该处理器设置于所述废弃物处理厂。
10.一种数据结构,其是控制废弃物处理厂的动作的装置为了推定与贮存于废弃物处理厂内的垃圾坑内的废弃物的图像对应的废弃物的组成而使用的数据结构,其特征在于,
该数据结构包含训练数据,该训练数据包括根据所述废弃物处理厂的运转历史所生成的表示废弃物的组成的值、以及与该表示废弃物的组成的值对应的废弃物的图像,
所述装置通过使用了所述训练数据的学习来推定与贮存于所述垃圾坑内的废弃物的新的图像对应的废弃物的组成。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017-148374 | 2017-07-31 | ||
JP2017148374A JP6554148B2 (ja) | 2017-07-31 | 2017-07-31 | 廃棄物の質を推定する装置、システム、プログラム、方法、及びデータ構造 |
PCT/JP2018/025805 WO2019026551A1 (ja) | 2017-07-31 | 2018-07-09 | 廃棄物の質を推定する装置、システム、プログラム、方法、及びデータ構造 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111065859A true CN111065859A (zh) | 2020-04-24 |
CN111065859B CN111065859B (zh) | 2021-05-28 |
Family
ID=65232607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880050228.8A Active CN111065859B (zh) | 2017-07-31 | 2018-07-09 | 推定废弃物的组成的装置、***、程序及方法 |
Country Status (10)
Country | Link |
---|---|
EP (1) | EP3660397B1 (zh) |
JP (1) | JP6554148B2 (zh) |
KR (2) | KR102169393B1 (zh) |
CN (1) | CN111065859B (zh) |
ES (1) | ES2871982T3 (zh) |
MY (1) | MY192327A (zh) |
PH (1) | PH12020500221A1 (zh) |
RU (1) | RU2733556C1 (zh) |
SG (1) | SG11202000713RA (zh) |
WO (1) | WO2019026551A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132920A (zh) * | 2020-09-11 | 2020-12-25 | 上海交通大学 | 基于深度学习的放射性废物桶密度重建方法及*** |
TWI801834B (zh) * | 2020-04-01 | 2023-05-11 | 日商Jx金屬股份有限公司 | 電子電氣機器零件屑之組成分析方法、電子電氣機器零件屑之處理方法、電子電氣機器零件屑之組成分析裝置及電子電氣機器零件屑之處理裝置 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7308016B2 (ja) * | 2018-03-14 | 2023-07-13 | 川崎重工業株式会社 | ごみ質推定システム及び方法、並びに、ごみ貯蔵設備 |
JP6554198B1 (ja) * | 2018-03-16 | 2019-07-31 | 株式会社タクマ | ごみ質の推定システムおよびそのごみ質の推定システムを用いたクレーン運転制御システム |
JP6731680B2 (ja) * | 2018-08-23 | 2020-07-29 | 荏原環境プラント株式会社 | 情報処理装置、情報処理プログラム、および情報処理方法 |
JP6603822B2 (ja) * | 2019-06-21 | 2019-11-06 | 株式会社タクマ | ごみ質の推定システムおよびそのごみ質の推定システムを用いたクレーン運転制御システム |
JP7516025B2 (ja) * | 2019-09-18 | 2024-07-16 | 三機工業株式会社 | ごみクレーンの運転システムおよびこれを適用したごみ処理施設 |
JP7486890B2 (ja) * | 2020-03-09 | 2024-05-20 | 三機工業株式会社 | ごみクレーンの運転システムおよびこれを適用したごみ処理施設 |
JP7383539B2 (ja) * | 2020-03-19 | 2023-11-20 | 日立造船株式会社 | 制御システム、情報処理装置、および情報処理方法 |
JP7311455B2 (ja) * | 2020-03-30 | 2023-07-19 | 株式会社コベルコE&M | スクラップ等級判定システム、スクラップ等級判定方法、推定装置、学習装置、学習済みモデルの生成方法、及びプログラム |
JP7301783B2 (ja) * | 2020-04-01 | 2023-07-03 | Jx金属株式会社 | 電子・電気機器部品屑の組成解析方法、電子・電気機器部品屑の処理方法、電子・電気機器部品屑の組成解析装置及び電子・電気機器部品屑の処理装置 |
JP2021183891A (ja) * | 2020-05-22 | 2021-12-02 | 荏原環境プラント株式会社 | 情報処理装置、情報処理プログラム、および情報処理方法 |
JP7501432B2 (ja) | 2021-04-08 | 2024-06-18 | Jfeエンジニアリング株式会社 | 廃棄物情報予測装置、焼却炉の燃焼制御装置、廃棄物情報予測方法、廃棄物情報予測モデルの学習方法および廃棄物情報予測モデルプログラム |
JP7264936B2 (ja) * | 2021-04-21 | 2023-04-25 | Jx金属株式会社 | 電気電子部品屑の処理方法及び電気電子部品屑の処理装置 |
KR102584092B1 (ko) * | 2022-08-26 | 2023-10-05 | 주식회사 엔이씨파워 | 폐기물 종류 구분을 이용한 소각장 크레인 자동운전장치 및 그 자동운전방법 |
CN115424095B (zh) * | 2022-11-03 | 2023-04-07 | 湖北信通通信有限公司 | 基于废旧物资的质量分析方法及装置 |
KR102566796B1 (ko) * | 2022-11-24 | 2023-08-11 | 김형선 | 소각로 온도 안정화를 위한 폐기물 시스템, 소각 장치 및 방법 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE1794274B2 (de) | 1968-09-30 | 1971-11-25 | Gesellschaft für Kernforschung mbH, 7500 Karlsruhe | Vorrichtung zum trennen von gas oder dampffoermigen stoffen mit unterschiedlichen molekulargewichten und bzw oder verschie denen gaskinetischen querschnitten insbesondere von isotopen |
DE4344906C2 (de) * | 1993-12-29 | 1997-04-24 | Martin Umwelt & Energietech | Verfahren zum Regeln einzelner oder sämtlicher die Verbrennung auf einem Feuerungsrost beeinflussender Faktoren |
JP2847468B2 (ja) * | 1994-04-29 | 1999-01-20 | 川崎重工業株式会社 | ごみ焼却炉のごみ性状推定方法および推定装置 |
JP2860782B2 (ja) * | 1996-07-23 | 1999-02-24 | 川崎重工業株式会社 | カラー画像を利用した燃焼判定・制御方法および判定・制御装置 |
DE19919222C1 (de) | 1999-04-28 | 2001-01-11 | Orfeus Comb Engineering Gmbh | Verfahren zum Steuern der Verbrennung von Brennstoff mit variablem Heizwert |
RU2238157C1 (ru) * | 2003-06-04 | 2004-10-20 | Мельников Геннадий Максимович | Способ обезвреживания и переработки твердых бытовых отходов |
JP5025120B2 (ja) * | 2005-11-02 | 2012-09-12 | 株式会社日立プラントテクノロジー | ごみ処理工場用自動クレーンの制御装置による自動クレーンの運転方法 |
JP5032414B2 (ja) * | 2008-08-05 | 2012-09-26 | 株式会社ブリヂストン | 防振装置 |
JP5361595B2 (ja) * | 2009-07-27 | 2013-12-04 | 株式会社タクマ | 燃焼炉に供給される燃焼対象物の処理システム、処理方法およびこれらを用いた燃焼炉の燃焼制御システム |
DE102010031528B4 (de) * | 2010-07-19 | 2013-04-25 | Klaus Seeger | System zur Bestimmung eines Energiegehalts eines festen Brennstoffs und Verwendung des Systems |
KR101480130B1 (ko) * | 2013-06-28 | 2015-01-07 | (주) 태종 엔이씨 | 열정산 및 설계프로그램과 운전원(Operater)의 운전형태 분석을 통한 소각시설과 고형 연료보일러의 진단과 제어 및 설비생애주기관리 시스템 및 방법 |
CN103738856B (zh) * | 2013-12-31 | 2015-11-25 | 安徽海螺川崎工程有限公司 | 垃圾自动送料***控制方法 |
JP2015143139A (ja) * | 2014-01-31 | 2015-08-06 | 日立造船株式会社 | ごみピット内の攪拌状態検出装置及びごみピット内の攪拌状態検出方法 |
CN105389795B (zh) * | 2015-10-13 | 2018-09-28 | 长沙中联重科环境产业有限公司 | 一种垃圾料位检测方法、装置及上料板机 |
JP5969685B1 (ja) * | 2015-12-15 | 2016-08-17 | ウエノテックス株式会社 | 廃棄物選別システム及びその選別方法 |
JP2017109197A (ja) * | 2016-07-06 | 2017-06-22 | ウエノテックス株式会社 | 廃棄物選別システム及びその選別方法 |
CN106292600B (zh) * | 2016-08-30 | 2018-09-28 | 北京京城环保股份有限公司 | 一种多远程垃圾坑数据采集、记录*** |
JP7025126B2 (ja) * | 2017-03-31 | 2022-02-24 | 日立造船株式会社 | 情報処理装置、情報処理方法、および情報処理プログラム |
-
2017
- 2017-07-31 JP JP2017148374A patent/JP6554148B2/ja active Active
-
2018
- 2018-07-09 SG SG11202000713RA patent/SG11202000713RA/en unknown
- 2018-07-09 RU RU2020108193A patent/RU2733556C1/ru active
- 2018-07-09 EP EP18840599.7A patent/EP3660397B1/en active Active
- 2018-07-09 CN CN201880050228.8A patent/CN111065859B/zh active Active
- 2018-07-09 KR KR1020207005854A patent/KR102169393B1/ko active IP Right Grant
- 2018-07-09 KR KR1020207029804A patent/KR102382332B1/ko active IP Right Grant
- 2018-07-09 MY MYPI2020000472A patent/MY192327A/en unknown
- 2018-07-09 ES ES18840599T patent/ES2871982T3/es active Active
- 2018-07-09 WO PCT/JP2018/025805 patent/WO2019026551A1/ja unknown
-
2020
- 2020-01-29 PH PH12020500221A patent/PH12020500221A1/en unknown
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI801834B (zh) * | 2020-04-01 | 2023-05-11 | 日商Jx金屬股份有限公司 | 電子電氣機器零件屑之組成分析方法、電子電氣機器零件屑之處理方法、電子電氣機器零件屑之組成分析裝置及電子電氣機器零件屑之處理裝置 |
CN112132920A (zh) * | 2020-09-11 | 2020-12-25 | 上海交通大学 | 基于深度学习的放射性废物桶密度重建方法及*** |
CN112132920B (zh) * | 2020-09-11 | 2023-10-31 | 上海交通大学 | 基于深度学习的放射性废物桶密度重建方法及*** |
Also Published As
Publication number | Publication date |
---|---|
ES2871982T3 (es) | 2021-11-02 |
KR20200028029A (ko) | 2020-03-13 |
RU2733556C1 (ru) | 2020-10-05 |
JP6554148B2 (ja) | 2019-07-31 |
JP2019027696A (ja) | 2019-02-21 |
EP3660397A1 (en) | 2020-06-03 |
KR102382332B1 (ko) | 2022-04-08 |
SG11202000713RA (en) | 2020-02-27 |
MY192327A (en) | 2022-08-17 |
KR102169393B1 (ko) | 2020-10-23 |
PH12020500221A1 (en) | 2020-10-12 |
CN111065859B (zh) | 2021-05-28 |
KR20200121920A (ko) | 2020-10-26 |
EP3660397B1 (en) | 2021-04-21 |
WO2019026551A1 (ja) | 2019-02-07 |
EP3660397A4 (en) | 2020-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111065859B (zh) | 推定废弃物的组成的装置、***、程序及方法 | |
JP7311334B2 (ja) | 廃棄物の質を推定する装置、システム、プログラム、及び方法 | |
JP7281768B2 (ja) | 情報処理装置、情報処理プログラム、および情報処理方法 | |
CN111770886B (zh) | 信息处理装置、信息处理方法、以及存储介质 | |
JP7310758B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2019158337A (ja) | ごみ質の推定システムおよびそのごみ質の推定システムを用いたクレーン運転制御システム | |
JP7308016B2 (ja) | ごみ質推定システム及び方法、並びに、ごみ貯蔵設備 | |
JP2024001337A (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
KR20210038403A (ko) | 발열량 추정 방법, 발열량 추정 장치 및 쓰레기 저장 설비 | |
JP2019160153A (ja) | ごみ質の推定システムおよびそのごみ質の推定システムを用いたクレーン運転制御システム | |
Sasikanth et al. | An Efficient & Smart Waste Management System | |
JP2021138505A (ja) | 自動運転制御装置、自動運転制御システム、自動運転制御方法、および廃棄物処理施設 | |
JP7341445B1 (ja) | ごみ質算出装置およびごみ質算出方法 | |
Hegde et al. | Smart Dry and Wet Waste Management System Using IoT | |
Schwark et al. | The application of image recognition methods to improve the performance of waste-to-energy plantsplants | |
JP7382612B1 (ja) | 三次元ごみ情報管理装置および三次元ごみ情報管理方法 | |
CN116447603A (zh) | 一种垃圾焚烧给料方法、***、终端及存储介质 | |
EP4372278A1 (en) | Information processing method, information processing device, and information processing program | |
KR102680213B1 (ko) | Ai 기반 생활폐기물 자동 파쇄 시스템을 이용한 생활폐기물 자동 파쇄 방법 | |
JP2023045489A (ja) | 情報処理装置、情報処理方法、プログラム、焼却管理システム、および焼却管理システムの運転方法 | |
KR102586237B1 (ko) | 누에 생육 모니터링 및 환경 제어 시스템 | |
KR102680212B1 (ko) | Ai 기반 생활폐기물 자동 파쇄 시스템 | |
JP2023161734A (ja) | 学習モデルの生成方法、学習モデル、情報処理装置、情報処理方法、プログラム、およびデータ拡張方法、ならびに状態推定装置および状態推定方法 | |
JP2021183891A5 (zh) | ||
CN117203469A (zh) | 预测装置、预测方法、预测程序、设施控制装置、设施控制方法、以及控制程序 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |