JP7206451B2 - 対象物選別システム、対象物選別プログラム、情報処理装置、対象物選別方法及び選別装置 - Google Patents
対象物選別システム、対象物選別プログラム、情報処理装置、対象物選別方法及び選別装置 Download PDFInfo
- Publication number
- JP7206451B2 JP7206451B2 JP2020042803A JP2020042803A JP7206451B2 JP 7206451 B2 JP7206451 B2 JP 7206451B2 JP 2020042803 A JP2020042803 A JP 2020042803A JP 2020042803 A JP2020042803 A JP 2020042803A JP 7206451 B2 JP7206451 B2 JP 7206451B2
- Authority
- JP
- Japan
- Prior art keywords
- type
- sorting
- image data
- learning
- information processing
- 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.)
- Active
Links
Images
Landscapes
- Sorting Of Articles (AREA)
Description
図1は、対象物選別システム10の構成を説明する図である。図1に示す対象物選別システム10は、情報処理装置1と、選別装置2と、操作端末5とを有する。
次に、選別装置2の構成について説明を行う。図2は、選別装置2の構成を説明する図である。
次に、選別装置2の他の構成について説明を行う。図3は、選別装置2の他の構成を説明する図である。
次に、情報処理装置1の構成(ハードウエア構成)について説明を行う。図4は、情報処理装置1の構成を説明する図である。
次に、情報処理装置1が実行する選別処理の概略について説明を行う。図5は、情報処理装置1が実行する選別処理の概略について説明する図である。
次に、情報処理装置1が実行する選別処理の詳細について説明を行う。図6から図8は、情報処理装置1が実行する選別処理の詳細について説明する図である。
初めに、選別処理のうち、学習モデルの生成を行う際の処理(以下、学習処理とも呼ぶ)について説明を行う。
次に、選別処理のメイン処理について説明を行う。
次に、選別処理のうち、ベルトコンベア21の搬送速度を制御する処理(以下、搬送制御処理とも呼ぶ)について説明を行う。
次に、環状経路を用いた場合の構成の具体例について説明を行う。図9は、環状経路を用いた場合の構成の具体例について説明する図である。
次に、選別盤41(以下、選別機構41または選別器41とも呼ぶ)を用いた場合の構成の具体例について説明を行う。図10から図12は、選別盤41を用いた場合の構成の具体例について説明する図である。以下、図2及び図3で説明した選別装置2と異なる構成についてのみ説明を行う。
次に、圧縮空気発生器25を用いた場合の構成の具体例について説明を行う。図13及び14は、圧縮空気発生器25を用いた場合の構成の具体例について説明する図である。
2:選別装置
5:操作端末
11:学習データ生成部
12:学習モデル生成部
13:種類判定部
14:選別アーム制御部
15:搬送制御部
21:ベルトコンベア
22:整列機構
23:選別アーム
24:カメラ
101:CPU
102:メモリ
103:ネットワークインタフェース
104:記憶媒体
105:バス
Claims (17)
- 搬送装置によって搬送される対象物を種類ごとに選別する対象物選別システムであって、
前記対象物を撮像する撮像装置と、
前記撮像装置が撮像した特定の画像データに含まれる対象物の種類を判定する情報処理装置と、
前記情報処理装置による判定結果に従って、前記特定の画像データに含まれる対象物の種類を選別する選別装置と、を有し、
前記情報処理装置は、
学習用の対象物を含む画像データと前記学習用の対象物の種類とを対応付けて学習した学習モデルを用いることによって、前記特定の画像データに含まれる対象物の種類が複数の種類候補のそれぞれである確率を前記判定結果として特定し、
前記判定結果に含まれる確率のうちの最大確率を特定し、かつ、前記最大確率に対応する種類候補を前記特定の画像データに含まれる対象物の種類として特定し、
前記選別装置は、前記特定の画像データに含まれる対象物を、前記複数の種類候補のうちのいずれかと確率についての複数の範囲のうちのいずれかとの組み合わせにそれぞれ対応する1以上の領域のうち、前記情報処理装置が特定した前記対象物の種類と前記最大確率との組み合わせに対応する領域に移動させる、
ことを特徴とする対象物選別システム。 - 請求項1において、
前記選別装置は、1以上の選別アームを有し、
前記1以上の選別アームのそれぞれは、前記搬送装置の搬送経路上に配置され、かつ、各基端部に設けられた軸部が前記搬送経路上において軸支され、
前記1以上の選別アームのそれぞれは、前記軸部を中心に先端部を回動させることにより、前記搬送装置によって搬送される対象物を前記先端部に接触させて、前記1以上の領域のうち、前記情報処理装置が特定した前記対象物の種類と前記最大確率との組み合わせに対応する領域に案内する、
ことを特徴とする対象物選別システム。 - 請求項2において、
前記1以上の選別アームは、前記搬送装置の搬送方向の上流側から下流側に向けて間隔をあけて配置される複数段の選別アーム群を構成する、
ことを特徴とする対象物選別システム。 - 請求項2において、
前記選別装置は、前記搬送装置によって搬送される対象物の前記搬送経路の幅方向における位置が前記搬送経路の幅方向における前記選別アームの回動範囲内になるように、前記搬送装置によって搬送される対象物を案内する案内壁を有する、
ことを特徴とする対象物選別システム。 - 請求項2において、
前記搬送経路は、少なくとも一部が環状経路であり、
前記選別装置は、前記搬送経路における所定位置上を搬送された回数が所定回数を超えた対象物を検知した場合、検知した前記対象物を前記1以上の領域以外の領域に移動させる、
ことを特徴とする対象物選別システム。 - 請求項1において、
前記選別装置は、1以上の圧縮空気発生器を有し、
前記1以上の圧縮空気発生器のそれぞれは、前記搬送装置の搬送経路上に配置され、
前記1以上の圧縮空気発生器のそれぞれは、前記搬送装置によって搬送される対象物に対して圧縮空気を送出することにより、前記搬送装置によって搬送される対象物を、前記1以上の領域のうち、前記情報処理装置が特定した前記対象物の種類と前記最大確率との組み合わせに対応する領域に案内する、
ことを特徴とする対象物選別システム。 - 請求項1において、
前記情報処理装置は、前記学習用の対象物を含む画像データと前記学習用の対象物の種類とを含む学習データを学習することにより、前記学習モデルを生成する、
ことを特徴とする対象物選別システム。 - 請求項1において、
前記搬送装置は、
前記搬送装置の搬送経路上における対象物の密度の平均値が第1閾値よりも大きい場合、前記搬送装置における搬送速度を低下させ、
前記密度の平均値が第2閾値よりも小さい場合、前記搬送速度を上昇させる、
ことを特徴とする対象物選別システム。 - 学習用の対象物を含む画像データと前記学習用の対象物の種類とを含む学習データを学習することによって生成した学習モデルを用いることにより、撮像装置が撮像した特定の画像データに含まれる対象物の種類が複数の種類候補のそれぞれである確率を特定し、
特定した前記確率のうちの最大確率を特定し、かつ、前記最大確率に対応する種類候補を前記特定の画像データに含まれる対象物の種類として特定し、
前記特定の画像データに含まれる対象物を、前記複数の種類候補のうちのいずれかと確率についての複数の範囲のうちのいずれかとの組み合わせにそれぞれ対応する1以上の領域のうち、特定した前記対象物の種類と前記最大確率との組み合わせに対応する領域に移動させる選別装置に対して、特定した前記対象物の種類と前記最大確率とを送信する、
処理をコンピュータに実行させることを特徴とする対象物選別プログラム。 - 学習用の対象物を含む画像データと前記学習用の対象物の種類とを含む学習データを学習することによって生成した学習モデルを用いることにより、撮像装置が撮像した特定の画像データに含まれる対象物の種類が複数の種類候補のそれぞれである確率を特定し、特定した前記確率のうちの最大確率を特定し、かつ、前記最大確率に対応する種類候補を前記特定の画像データに含まれる対象物の種類として特定する判定部と、
前記特定の画像データに含まれる対象物を、前記複数の種類候補のうちのいずれかと確率についての複数の範囲のうちのいずれかとの組み合わせにそれぞれ対応する1以上の領域のうち、特定した前記対象物の種類と前記最大確率との組み合わせに対応する領域に移動させる選別装置に対して、特定した前記対象物の種類と前記最大確率とを送信する送信部と、を有する、
ことを特徴とする情報処理装置。 - 学習用の対象物を含む画像データと前記学習用の対象物の種類とを含む学習データを学習することによって生成した学習モデルを用いることにより、撮像装置が撮像した特定の画像データに含まれる対象物の種類が複数の種類候補のそれぞれである確率を特定し、
特定した前記確率のうちの最大確率を特定し、かつ、前記最大確率に対応する種類候補を前記特定の画像データに含まれる対象物の種類として特定し、
前記特定の画像データに含まれる対象物を、前記複数の種類候補のうちのいずれかと確率についての複数の範囲のうちのいずれかとの組み合わせにそれぞれ対応する1以上の領域のうち、特定した前記対象物の種類と前記最大確率との組み合わせに対応する領域に移動させる選別装置に対して、特定した前記対象物の種類と前記最大確率とを送信する、
処理をコンピュータに実行させることを特徴とする対象物選別方法。 - 搬送装置によって搬送される対象物を種類ごとに選別する対象物選別方法であって、
撮像装置が、前記対象物を撮像し、
情報処理装置が、前記撮像装置が撮像した特定の画像データに含まれる対象物の種類を判定し、
選別装置が、前記情報処理装置による判定結果に従って、前記特定の画像データに含まれる対象物の種類を選別し、
前記情報処理装置は、
学習用の対象物を含む画像データと前記学習用の対象物の種類とを対応付けて学習した学習モデルを用いることによって、前記特定の画像データに含まれる対象物の種類が複数の種類候補のそれぞれである確率を前記判定結果として特定し、
前記判定結果に含まれる確率のうちの最大確率を特定し、かつ、前記最大確率に対応する種類候補を前記特定の画像データに含まれる対象物の種類として特定し、
前記選別装置は、前記特定の画像データに含まれる対象物を、前記複数の種類候補のうちのいずれかと確率についての複数の範囲のうちのいずれかとの組み合わせにそれぞれ対応する1以上の領域のうち、前記情報処理装置が特定した前記対象物の種類と前記最大確率との組み合わせに対応する領域に移動させる、
ことを特徴とする対象物選別方法。 - 搬送経路上において対象物を搬送する搬送装置と、
前記搬送経路上に配置され、各基端部に設けられた軸部が前記搬送経路上において軸支され、かつ、前記軸部を中心に先端部を回動させることにより、前記搬送装置によって搬送される対象物を前記先端部に接触させて、前記搬送装置によって搬送される対象物を、前記搬送装置によって搬送される対象物の複数の種類候補のうちのいずれかと確率についての複数の範囲のうちのいずれかとの組み合わせにそれぞれ対応する1以上の領域のうち、前記搬送装置によって搬送される対象物に対応する領域として情報処理装置によって判定された領域に案内する1以上の選別アームと、
前記搬送装置によって搬送される対象物の前記搬送経路の幅方向における位置が前記搬送経路の幅方向における前記選別アームの回動範囲内になるように、前記搬送装置によって搬送される対象物を案内する案内壁と、を有し、
前記情報処理装置は、
学習用の対象物を含む画像データと前記学習用の対象物の種類とを対応付けて学習した学習モデルを用いることによって、前記搬送装置によって搬送される対象物を撮像した特定の画像データに含まれる対象物の種類が前記複数の種類候補のそれぞれである確率を特定し、
特定した前記確率のうちの最大確率を特定し、かつ、特定した前記最大確率に対応する種類候補を前記特定の画像データに含まれる対象物の種類として特定し、
前記1以上の選択アームのそれぞれは、前記特定の画像データに含まれる対象物を、前記1以上の領域のうち、前記情報処理装置が特定した前記対象物の種類と前記最大確率との組み合わせに対応する領域に案内する、
ことを特徴とする選別装置。 - 請求項13において、
前記1以上の選別アームは、前記搬送装置の搬送方向の上流側から下流側に向けて間隔をあけて配置される複数段の選別アーム群を構成する、
ことを特徴とする選別装置。 - 請求項13において、
前記搬送経路は、少なくとも一部が環状経路である、
ことを特徴とする選別装置。 - 搬送経路上において対象物を搬送する搬送装置と、
前記搬送経路上に配置され、前記搬送装置によって搬送される対象物に対して圧縮空気を送出することにより、前記搬送装置によって搬送される対象物を、前記搬送装置によって搬送される対象物の複数の種類候補のうちのいずれかと確率についての複数の範囲のうちのいずれかとの組み合わせにそれぞれ対応する1以上の領域のうち、前記搬送装置によって搬送される対象物に対応する領域として情報処理装置によって判定された領域に案内する1以上の圧縮空気発生器と、を有し、
前記情報処理装置は、
学習用の対象物を含む画像データと前記学習用の対象物の種類とを対応付けて学習した学習モデルを用いることによって、前記搬送装置によって搬送される対象物を撮像した特定の画像データに含まれる対象物の種類が前記複数の種類候補のそれぞれである確率を特定し、
特定した前記確率のうちの最大確率を特定し、かつ、特定した前記最大確率に対応する種類候補を前記特定の画像データに含まれる対象物の種類として特定し、
前記1以上の圧縮空気発生器のそれぞれは、前記特定の画像データに含まれる対象物を、前記1以上の領域のうち、前記情報処理装置が特定した前記対象物の種類と前記最大確率との組み合わせに対応する領域に案内する、
ことを特徴とする選別装置。 - 搬送経路上において対象物を搬送する搬送装置と、
前記搬送経路上に配置され、軸部が前記搬送経路上において軸支され、前記軸部を中心として回転可能に径方向外側に延びる1以上の仕切壁を有し、前記1以上の仕切壁のそれぞれが周方向に隣接する他の仕切壁との間において径方向外側の端部が開口した1以上の領域を形成する選別器と、を有し、
前記選別器は、前記1以上の仕切壁を回転させることにより、前記搬送装置によって搬送される対象物の複数の種類候補のうちのいずれかと確率についての複数の範囲のうちのいずれかとの組み合わせにそれぞれ対応する前記1以上の領域のうち、前記搬送装置によって搬送される対象物に対応する領域として情報処理装置によって判定された領域を、前記搬送装置の搬送方向の上流側に対向させ、前記搬送装置によって搬送される対象物を、前記情報処理装置によって判定された領域に案内し、
前記情報処理装置は、
学習用の対象物を含む画像データと前記学習用の対象物の種類とを対応付けて学習した学習モデルを用いることによって、前記搬送装置によって搬送される対象物を撮像した特定の画像データに含まれる対象物の種類が前記複数の種類候補のそれぞれである確率を特定し、
特定した前記確率のうちの最大確率を特定し、かつ、特定した前記最大確率に対応する種類候補を前記特定の画像データに含まれる対象物の種類として特定し、
前記選別器は、前記特定の画像データに含まれる対象物を、前記1以上の領域のうち、前記情報処理装置が特定した前記対象物の種類と前記最大確率との組み合わせに対応する領域に案内する、
ことを特徴とする選別装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020042803A JP7206451B2 (ja) | 2020-03-12 | 2020-03-12 | 対象物選別システム、対象物選別プログラム、情報処理装置、対象物選別方法及び選別装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020042803A JP7206451B2 (ja) | 2020-03-12 | 2020-03-12 | 対象物選別システム、対象物選別プログラム、情報処理装置、対象物選別方法及び選別装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021144473A JP2021144473A (ja) | 2021-09-24 |
JP7206451B2 true JP7206451B2 (ja) | 2023-01-18 |
Family
ID=77766725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020042803A Active JP7206451B2 (ja) | 2020-03-12 | 2020-03-12 | 対象物選別システム、対象物選別プログラム、情報処理装置、対象物選別方法及び選別装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7206451B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102570272B1 (ko) * | 2021-11-11 | 2023-08-23 | 경기과학기술대학교 산학협력단 | 딥러닝 기반 머신비전 분류 시스템 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5299693A (en) | 1991-04-12 | 1994-04-05 | Ubaldi Richard A | Method and apparatus for extracting selected materials |
JP5277447B2 (ja) | 2011-11-30 | 2013-08-28 | 株式会社大都技研 | 遊技台 |
JP6511185B1 (ja) | 2018-08-21 | 2019-05-15 | 岩井ファルマテック株式会社 | 医薬品又は飲料食品の製造プラントの制御システム |
WO2019209428A1 (en) | 2018-04-26 | 2019-10-31 | UHV Technologies, Inc. | Recycling coins from scrap |
US20200050922A1 (en) | 2018-08-13 | 2020-02-13 | National Chiao Tung University | Recycling system and method based on deep-learning and computer vision technology |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63315180A (ja) * | 1987-06-17 | 1988-12-22 | 進和テック株式会社 | 回動シュ−ト式選別仕分け装置 |
SE500076C2 (sv) * | 1989-03-23 | 1994-04-11 | Sellbergs Engineering Ab | Sätt att omhänderta avfall |
JPH05277447A (ja) * | 1992-03-31 | 1993-10-26 | Kubota Corp | 廃棄容器の選別装置 |
JP3145580B2 (ja) * | 1994-09-20 | 2001-03-12 | 株式会社ピーエフユー | 加工品の自動選別収納装置 |
-
2020
- 2020-03-12 JP JP2020042803A patent/JP7206451B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5299693A (en) | 1991-04-12 | 1994-04-05 | Ubaldi Richard A | Method and apparatus for extracting selected materials |
JP5277447B2 (ja) | 2011-11-30 | 2013-08-28 | 株式会社大都技研 | 遊技台 |
WO2019209428A1 (en) | 2018-04-26 | 2019-10-31 | UHV Technologies, Inc. | Recycling coins from scrap |
US20200050922A1 (en) | 2018-08-13 | 2020-02-13 | National Chiao Tung University | Recycling system and method based on deep-learning and computer vision technology |
JP6511185B1 (ja) | 2018-08-21 | 2019-05-15 | 岩井ファルマテック株式会社 | 医薬品又は飲料食品の製造プラントの制御システム |
Also Published As
Publication number | Publication date |
---|---|
JP2021144473A (ja) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI726229B (zh) | 基於深度學習及電腦視覺技術之垃圾分類系統及方法 | |
US11682097B2 (en) | Method and an apparatus for separating at least one object from a plurality of objects | |
JP6679188B1 (ja) | 廃棄物選別装置及び廃棄物選別方法 | |
CN108921811B (zh) | 检测物品损伤的方法和装置、物品损伤检测器 | |
US8643739B2 (en) | Image recognition apparatus, processing method thereof, and computer-readable storage medium | |
EP4038374A1 (en) | System and method for ai visual inspection | |
JP7206451B2 (ja) | 対象物選別システム、対象物選別プログラム、情報処理装置、対象物選別方法及び選別装置 | |
CN109389105B (zh) | 一种基于多任务的虹膜检测和视角分类方法 | |
JP2021137738A (ja) | 廃棄物選別装置 | |
CN112084964A (zh) | 产品识别设备、方法及存储介质 | |
JP2020199444A (ja) | 廃棄物選別装置 | |
JP2021030219A (ja) | 物品選別装置および物品選別方法 | |
EP4369286A1 (en) | Shadow elimination device and method, empty disk recognition device and method | |
JP2018036770A (ja) | 位置姿勢推定装置、位置姿勢推定方法、及び位置姿勢推定プログラム | |
Kyrkou | C 3 Net: end-to-end deep learning for efficient real-time visual active camera control | |
JP6421886B1 (ja) | 情報処理装置、衣服分別システム、情報処理方法、及び制御プログラム | |
JP7309499B2 (ja) | 物品搬送制御装置および仕分けシステム | |
EP4242978A1 (en) | Methods and systems for authentication of a physical document | |
EP4369291A1 (en) | Apparatus and method for identifying empty tray | |
Haugaard et al. | A flexible and robust vision trap for automated part feeder design | |
JP2021171842A (ja) | 解体物の選別装置 | |
WO2022138545A1 (ja) | 機械学習装置、及び機械学習方法 | |
Manzoor et al. | Performance evaluation of YOLOv3 and YOLOv4 detectors on elevator button dataset for mobile robot | |
Zhao et al. | An efficient parts counting method based on intensity distribution analysis for industrial vision systems | |
Lim et al. | A Methodology for Estimating the Assembly Position of the Process Based on YOLO and Regression of Operator Hand Position and Time Information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210329 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220323 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220426 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220531 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221011 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221027 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221024 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221122 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221201 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7206451 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |