JP7427905B2 - 判別システム、および判別方法 - Google Patents
判別システム、および判別方法 Download PDFInfo
- Publication number
- JP7427905B2 JP7427905B2 JP2019186326A JP2019186326A JP7427905B2 JP 7427905 B2 JP7427905 B2 JP 7427905B2 JP 2019186326 A JP2019186326 A JP 2019186326A JP 2019186326 A JP2019186326 A JP 2019186326A JP 7427905 B2 JP7427905 B2 JP 7427905B2
- Authority
- JP
- Japan
- Prior art keywords
- recording medium
- paper
- image forming
- forming apparatus
- unit
- 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
- 238000000034 method Methods 0.000 title claims description 166
- 230000008569 process Effects 0.000 claims description 136
- 238000010801 machine learning Methods 0.000 claims description 83
- 238000012545 processing Methods 0.000 claims description 74
- 238000003860 storage Methods 0.000 claims description 54
- 230000003287 optical effect Effects 0.000 claims description 45
- 230000008859 change Effects 0.000 claims description 41
- 238000012549 training Methods 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 20
- 238000007637 random forest analysis Methods 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000012850 discrimination method Methods 0.000 claims description 4
- 238000002834 transmittance Methods 0.000 description 82
- 238000010586 diagram Methods 0.000 description 62
- 238000004422 calculation algorithm Methods 0.000 description 61
- 238000005259 measurement Methods 0.000 description 46
- 230000006870 function Effects 0.000 description 36
- 230000000875 corresponding effect Effects 0.000 description 31
- 238000007639 printing Methods 0.000 description 24
- 230000007246 mechanism Effects 0.000 description 21
- 238000003825 pressing Methods 0.000 description 20
- 239000000835 fiber Substances 0.000 description 19
- 238000012805 post-processing Methods 0.000 description 15
- 230000032258 transport Effects 0.000 description 15
- 230000000704 physical effect Effects 0.000 description 14
- 230000015572 biosynthetic process Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 10
- 238000002474 experimental method Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 8
- 239000010410 layer Substances 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 5
- 229910003460 diamond Inorganic materials 0.000 description 5
- 239000010432 diamond Substances 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000035699 permeability Effects 0.000 description 4
- 239000000758 substrate Substances 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 239000000843 powder Substances 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000003746 surface roughness Effects 0.000 description 3
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 2
- 229920001131 Pulp (paper) Polymers 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 239000005995 Aluminium silicate Substances 0.000 description 1
- 235000012211 aluminium silicate Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910000019 calcium carbonate Inorganic materials 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000010494 dissociation reaction Methods 0.000 description 1
- 230000005593 dissociations Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000011121 hardwood Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013041 optical simulation Methods 0.000 description 1
- 108091008695 photoreceptors Proteins 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004439 roughness measurement Methods 0.000 description 1
- 239000011122 softwood Substances 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 239000000454 talc Substances 0.000 description 1
- 229910052623 talc Inorganic materials 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Landscapes
- Control Or Security For Electrophotography (AREA)
- Controlling Sheets Or Webs (AREA)
- Accessory Devices And Overall Control Thereof (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Paper Feeding For Electrophotography (AREA)
- Cleaning In Electrography (AREA)
Description
本発明は、判別装置、判別システム、および判別方法に関する。
近年、カラー印刷業界においては、電子写真方式のプリンター等の画像形成装置が広く活用されてきている。カラー印刷業界に対応するＰＰ（プロダクションプリント）の分野では、オフィスで用いられる場合に比べて多様な用紙への適応が求められる。そして、これらの多様な用紙に対して高品質な印刷を行うために、給紙トレイに収容している用紙特性を複数項目で設定し、設定した項目に応じた画像形成条件で印刷を行う画像形成装置がある。
このような多様な用紙の設定を行うために、印刷に使用される用紙の特性を、自動的に検出するセンサーを備える画像形成装置がある。例えば、特許文献１では、用紙の物性値を検知した複数の検知出力量（信号強度）から平滑度を求める演算式を１次の回帰式として予め求めておき、その演算式を用いて平滑度を算出して紙種の判別を行うことが提案されている。また、上記の技術では、予め画像形成装置に記憶されている紙種データベース（ペーパープロファイル）の中から、検出された用紙の物性値および平滑度の値と、登録されている物性値および平滑度の値が最も近い紙種（銘柄）の候補が割り出されて表示される。
しかしながら、上記特許文献１の技術では、予め記憶された紙種データベースに登録のない新しい用紙に対しては紙種（銘柄）の候補を割り出すことが出来ないという問題がある。
本発明は、上記事情に鑑みてなされたものであり、予め登録されていない種類の用紙に対しても、適切に紙種を判別することができる判別装置、判別システム、および判別方法を提供することを目的とする。
本発明の上記目的は、下記の手段によって達成される。
（１Ａ）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得する取得部と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成する学習部と、
前記取得部によって取得された各値を、機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別する判別部と、
前記判別部による判別結果を出力する出力部と、
前記判別結果を変更するためのユーザーからの指示を受け付ける受付部と、
前記機械学習を実行するための教師データを記憶する記憶部と、を有し、
前記学習部は、変更された前記判別結果と、前記判別結果を得るために前記学習済みモデルに入力された情報とを含む変更情報を前記教師データとして用いて、前記学習済みモデルをさらに機械学習させる、判別システム。
（１Ｂ）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得する取得部と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成する学習部と、
前記取得部によって取得された各値を、機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別する判別部と、を有し
前記学習部は、予め設定されたタイミングで機械学習を実行する、判別システム。
（１Ｃ）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得する取得部と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成する学習部と、
前記取得部によって取得された各値を、機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別する判別部と、を有し
前記学習部は、ネットワークを介して画像形成装置に接続されるサーバーに設けられ、
前記取得部、および前記判別部は、前記画像形成装置に設けられ、
前記サーバーは、前記学習部に前記学習済みモデルをさらに機械学習させて、機械学習された前記学習済みモデルを前記画像形成装置に送信し、
前記画像形成装置の前記判別部は、前記サーバーから送信された前記学習済みモデルを用いて前記記録媒体の種別を判別させる判別システム。
（１Ｄ）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得する取得部と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成する学習部と、
前記取得部によって取得された各値を、機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別する判別部と、を有し
前記学習部、および前記判別部は、ネットワークを介して画像形成装置に接続されるサーバーに設けられ、
前記取得部は、前記画像形成装置に設けられ、
前記画像形成装置は、前記取得部において取得された各値を前記サーバーに送信し、
前記サーバーの前記判別部は、前記画像形成装置から送信された前記各値と、前記学習済みモデルとを用いて前記記録媒体の種別を判別する判別システム。
（１）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得する取得部と、前記取得部によって取得された各値を、機械学習された紙種判別用の学習済みモデルに入力して前記記録媒体の種別を判別する判別部と、を有する判別装置。
機械学習を行うことによって紙種判別用の学習済みモデルを生成する学習部と、
前記取得部によって取得された各値を、機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別する判別部と、
前記判別部による判別結果を出力する出力部と、
前記判別結果を変更するためのユーザーからの指示を受け付ける受付部と、
前記機械学習を実行するための教師データを記憶する記憶部と、を有し、
前記学習部は、変更された前記判別結果と、前記判別結果を得るために前記学習済みモデルに入力された情報とを含む変更情報を前記教師データとして用いて、前記学習済みモデルをさらに機械学習させる、判別システム。
（１Ｂ）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得する取得部と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成する学習部と、
前記取得部によって取得された各値を、機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別する判別部と、を有し
前記学習部は、予め設定されたタイミングで機械学習を実行する、判別システム。
（１Ｃ）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得する取得部と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成する学習部と、
前記取得部によって取得された各値を、機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別する判別部と、を有し
前記学習部は、ネットワークを介して画像形成装置に接続されるサーバーに設けられ、
前記取得部、および前記判別部は、前記画像形成装置に設けられ、
前記サーバーは、前記学習部に前記学習済みモデルをさらに機械学習させて、機械学習された前記学習済みモデルを前記画像形成装置に送信し、
前記画像形成装置の前記判別部は、前記サーバーから送信された前記学習済みモデルを用いて前記記録媒体の種別を判別させる判別システム。
（１Ｄ）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得する取得部と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成する学習部と、
前記取得部によって取得された各値を、機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別する判別部と、を有し
前記学習部、および前記判別部は、ネットワークを介して画像形成装置に接続されるサーバーに設けられ、
前記取得部は、前記画像形成装置に設けられ、
前記画像形成装置は、前記取得部において取得された各値を前記サーバーに送信し、
前記サーバーの前記判別部は、前記画像形成装置から送信された前記各値と、前記学習済みモデルとを用いて前記記録媒体の種別を判別する判別システム。
（１）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得する取得部と、前記取得部によって取得された各値を、機械学習された紙種判別用の学習済みモデルに入力して前記記録媒体の種別を判別する判別部と、を有する判別装置。
（２）前記学習済みモデルは、ランダムフォレストにより構成される上記（１）に記載の判別装置。
（３）前記学習済みモデルは、ニューラルネットワークにより構成される上記（１）に記載の判別装置。
（４）上記（１）～（３）のいずれかに記載の判別装置と、前記正反射光量値と、前記拡散反射光量値と、前記記録媒体の厚さおよび坪量に関する値または前記記録媒体の密度に関する値とを教師データの入力因子とし、前記記録媒体の種類を前記教師データの出力因子として機械学習を行うことによって前記学習済みモデルを生成する学習部と、を有する判別システム。
（５）前記記録媒体に画像を形成するための画像形成装置をさらに有する上記（４）に記載の判別システム。
（６）前記画像形成装置は、光源と、前記光源からの光を照射領域にある記録媒体の表面に、所定の入射角で照射する光学系と、前記照射領域において前記記録媒体の表面で正反射した正反射光の光量を検出する第１の受光部と、前記照射領域において前記記録媒体の表面で、少なくとも１つの反射角度において拡散反射した拡散反射光の光量を検出する少なくとも１つの第２の受光部と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値を検出する検出部と、を有する上記（５）に記載の判別システム。
（７）前記学習部は、前記画像形成装置において画像形成処理が実行されていないタイミングで機械学習を実行する上記（５）または（６）に記載の判別システム。
（８）前記画像形成装置の制御部は、前記学習部において機械学習が実行されている間は、画像形成処理を実行するための指示を受け付けない上記（５）～（７）のいずれかに記載の判別システム。
（９）前記学習部は、予め設定されたタイミングで機械学習を実行する上記（５）～（８）のいずれかに記載の判別システム。
（１０）前記判別部による判別結果を出力する出力部と、前記判別結果を変更するためのユーザーからの指示を受け付ける受付部と、前記機械学習を実行するための前記教師データを記憶する記憶部と、をさらに有し、前記学習部は、変更された前記判別結果と、前記判別結果を得るために前記学習済みモデルに入力された情報とを含む変更情報を前記教師データとして用いて、前記学習済みモデルをさらに機械学習させる上記（５）～（９）のいずれかに記載の判別システム。
（１１）前記記憶部および前記学習部は、ネットワークを介して前記画像形成装置に接続されるサーバーに設けられ、前記取得部、前記判別部、前記出力部、および前記受付部は、前記画像形成装置に設けられ、前記画像形成装置は、前記受付部において受け付けられた前記変更情報を前記サーバーに送信し、前記サーバーは、前記画像形成装置から送信された前記変更情報を前記教師データとして前記記憶部に記憶させ、記憶された前記教師データを用いて前記学習部に前記学習済みモデルをさらに機械学習させて、機械学習された前記学習済みモデルを前記画像形成装置に送信し、前記画像形成装置の前記判別部は、前記サーバーから送信された前記学習済みモデルを用いて前記記録媒体の種別を判別させる上記（１０）に記載の判別システム。
（１２）前記記憶部、前記学習部、前記判別部は、ネットワークを介して前記画像形成装置に接続されるサーバーに設けられ、前記取得部、前記出力部、および前記受付部は、前記画像形成装置に設けられ、前記画像形成装置は、前記取得部において取得された各値を前記サーバーに送信し、前記サーバーの前記判別部は、前記画像形成装置から送信された前記各値と、前記学習済みモデルとを用いて前記記録媒体の種別を判別する上記（１０）に記載の判別システム。
（１３）前記画像形成装置から送信された前記変更情報を前記教師データとして前記記憶部に記憶させ、予め設定された実行条件に基づいて、記憶された前記教師データを用いて前記学習部に前記学習済みモデルをさらに機械学習させる上記（１１）または（１２）に記載の判別システム。
（１４Ａ）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得するステップ（ａ）と、
教師データを用いて機械学習を行うことによって紙種判別用の学習済みモデルを生成するステップ（ｂ）と、
前記ステップ（ａ）において取得された各値を、前記ステップ（ｂ）で機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別するステップ（ｃ）と、
前記ステップ（ｃ）による判別結果を出力するステップ（ｄ）と、
前記判別結果を変更するためのユーザーからの指示を受け付けるステップ（ｅ）と、
を有し、
前記ステップ（ｂ）では、変更された前記判別結果と、前記判別結果を得るために前記学習済みモデルに入力された情報とを含む変更情報を前記教師データとして用いて、前記学習済みモデルをさらに機械学習させる、判別方法。
（１４Ｂ）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得するステップ（ａ）と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成するステップ（ｂ）と、
前記ステップ（ａ）において取得された各値を、前記ステップ（ｂ）で機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別するステップ（ｃ）と、を有し、
前記ステップ（ｂ）では、予め設定されたタイミングで機械学習を実行させる、判別方法。
（１４Ｃ）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得するステップ（ａ）と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成するステップ（ｂ）と、
前記ステップ（ａ）において取得された各値を、前記ステップ（ｂ）で機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別するステップ（ｃ）と、を有し、
前記ステップ（ｂ）は、画像形成装置にネットワークを介して接続されるサーバーで実行され、
前記ステップ（ａ）、および前記ステップ（ｃ）は、前記画像形成装置で実行され、
前記サーバーは、前記ステップ（ｂ）で、前記学習済みモデルをさらに機械学習させて、機械学習された前記学習済みモデルを前記画像形成装置に送信し、
前記画像形成装置は、前記ステップ（ｃ）では、前記サーバーから送信された前記学習済みモデルを用いて前記記録媒体の種別を判別する、判別方法。
（１４Ｄ）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得するステップ（ａ）と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成するステップ（ｂ）と、
前記ステップ（ａ）において取得された各値を、前記ステップ（ｂ）で機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別するステップ（ｃ）と、を有し、
前記ステップ（ｂ）、および前記ステップ（ｃ）は、画像形成装置にネットワークを介して接続されるサーバーで実行され、
前記ステップ（ａ）は、前記画像形成装置で実行され、
前記画像形成装置は、前記ステップ（ａ）で取得した各値を前記サーバーに送信し、
前記サーバーは、前記ステップ（ｃ）では、前記画像形成装置から送信された前記各値と、前記学習済みモデルとを用いて前記記録媒体の種別を判別する、判別方法。
（１４）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、
前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得するステップ（ａ）と、前記ステップ（ａ）において取得された各値を、機械学習された紙種判別用の学習済みモデルに入力して前記記録媒体の種別を判別するステップ（ｂ）と、を有する判別方法。
教師データを用いて機械学習を行うことによって紙種判別用の学習済みモデルを生成するステップ（ｂ）と、
前記ステップ（ａ）において取得された各値を、前記ステップ（ｂ）で機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別するステップ（ｃ）と、
前記ステップ（ｃ）による判別結果を出力するステップ（ｄ）と、
前記判別結果を変更するためのユーザーからの指示を受け付けるステップ（ｅ）と、
を有し、
前記ステップ（ｂ）では、変更された前記判別結果と、前記判別結果を得るために前記学習済みモデルに入力された情報とを含む変更情報を前記教師データとして用いて、前記学習済みモデルをさらに機械学習させる、判別方法。
（１４Ｂ）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得するステップ（ａ）と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成するステップ（ｂ）と、
前記ステップ（ａ）において取得された各値を、前記ステップ（ｂ）で機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別するステップ（ｃ）と、を有し、
前記ステップ（ｂ）では、予め設定されたタイミングで機械学習を実行させる、判別方法。
（１４Ｃ）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得するステップ（ａ）と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成するステップ（ｂ）と、
前記ステップ（ａ）において取得された各値を、前記ステップ（ｂ）で機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別するステップ（ｃ）と、を有し、
前記ステップ（ｂ）は、画像形成装置にネットワークを介して接続されるサーバーで実行され、
前記ステップ（ａ）、および前記ステップ（ｃ）は、前記画像形成装置で実行され、
前記サーバーは、前記ステップ（ｂ）で、前記学習済みモデルをさらに機械学習させて、機械学習された前記学習済みモデルを前記画像形成装置に送信し、
前記画像形成装置は、前記ステップ（ｃ）では、前記サーバーから送信された前記学習済みモデルを用いて前記記録媒体の種別を判別する、判別方法。
（１４Ｄ）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得するステップ（ａ）と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成するステップ（ｂ）と、
前記ステップ（ａ）において取得された各値を、前記ステップ（ｂ）で機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別するステップ（ｃ）と、を有し、
前記ステップ（ｂ）、および前記ステップ（ｃ）は、画像形成装置にネットワークを介して接続されるサーバーで実行され、
前記ステップ（ａ）は、前記画像形成装置で実行され、
前記画像形成装置は、前記ステップ（ａ）で取得した各値を前記サーバーに送信し、
前記サーバーは、前記ステップ（ｃ）では、前記画像形成装置から送信された前記各値と、前記学習済みモデルとを用いて前記記録媒体の種別を判別する、判別方法。
（１４）光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、
前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得するステップ（ａ）と、前記ステップ（ａ）において取得された各値を、機械学習された紙種判別用の学習済みモデルに入力して前記記録媒体の種別を判別するステップ（ｂ）と、を有する判別方法。
本発明に係る判別装置によれば、記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、記録媒体の坪量に関する値および記録媒体の厚さまたは密度に関する値とを取得し、取得された各値を、機械学習された紙種判別用の学習済みモデルに入力して記録媒体の種別を判別する。これにより、予めデータベースに登録されていない種類の用紙に対しても、適切に紙種を判別することができる。
以下、添付した図面を参照して、本発明の実施形態を説明する。なお、図面の説明において同一の要素には同一の符号を付し、重複する説明を省略する。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。図面においては、上下方向をＺ方向、画像形成装置の正面、背面方向をＸ方向、これらのＸ、Ｚ方向に直交する方向をＹ方向とする。Ｘ方向は、幅方向、または回転軸方向ともいう。また、メディアセンサー（後述のメディアセンサー１５）周辺においては、水平面に対して傾斜する搬送路（後述の搬送路１４３）の面に平行で、Ｘ方向に直交する記録媒体の搬送方向をＹ’方向、これに直交する方向をＺ’方向という（図２等参照）。本実施形態においては、記録媒体には、印刷用紙（以下、単に用紙という）、各種フィルムが含まれる。特に用紙としては、植物由来の機械パルプ、および／または化学パルプを用いて製造されたものが含まれる。また記録媒体の種類としては、コート紙のグロス紙およびマット紙（グロスコート紙およびマットコート紙）、ならびに非コート紙の普通紙および上質紙、等が含まれる。
（第１実施形態）
図１は、本実施形態に係る画像形成装置１０を備える画像形成システム１の概略構成を示す図である。図１に示すように画像形成システム１には、互いに機械的、および電気的に接続された画像形成装置１０、給紙装置２０、および後処理装置３０が含まれる。
図１は、本実施形態に係る画像形成装置１０を備える画像形成システム１の概略構成を示す図である。図１に示すように画像形成システム１には、互いに機械的、および電気的に接続された画像形成装置１０、給紙装置２０、および後処理装置３０が含まれる。
（画像形成装置１０）
画像形成装置１０は、制御部１１、記憶部１２、画像形成部１３、給紙搬送部１４、メディアセンサー１５、操作パネル１８、通信部（図示せず）、等を備える。これらは信号をやり取りするためのバス等の信号線を介して相互に接続される。図２は、搬送路１４３に配置したメディアセンサー１５の構成を示す側面図である。メディアセンサー１５は、紙厚センサー４０、坪量センサー５０、表面性センサー６０、および用紙押圧部７０で構成され、用紙特性を測定する。この表面性センサー６０は光センサー装置として機能し、用紙特性、特に用紙の表面性を検知する。表面性センサー６０を含むメディアセンサー１５の詳細については後述する。本実施形態において、メディアセンサー１５は、検出部として機能する。また、制御部１１は、判別装置として機能する。さらに、制御部１１は、出力部および受付部として機能する。
画像形成装置１０は、制御部１１、記憶部１２、画像形成部１３、給紙搬送部１４、メディアセンサー１５、操作パネル１８、通信部（図示せず）、等を備える。これらは信号をやり取りするためのバス等の信号線を介して相互に接続される。図２は、搬送路１４３に配置したメディアセンサー１５の構成を示す側面図である。メディアセンサー１５は、紙厚センサー４０、坪量センサー５０、表面性センサー６０、および用紙押圧部７０で構成され、用紙特性を測定する。この表面性センサー６０は光センサー装置として機能し、用紙特性、特に用紙の表面性を検知する。表面性センサー６０を含むメディアセンサー１５の詳細については後述する。本実施形態において、メディアセンサー１５は、検出部として機能する。また、制御部１１は、判別装置として機能する。さらに、制御部１１は、出力部および受付部として機能する。
（制御部１１）
制御部１１は、ＣＰＵ、ＲＯＭ、ＲＡＭ等により構成され、ＲＯＭや、後述の記憶部１２に格納されているプログラムを実行することで、各種処理を実行し、プログラムにしたがって装置各部の制御や各種の演算処理を行う。
制御部１１は、ＣＰＵ、ＲＯＭ、ＲＡＭ等により構成され、ＲＯＭや、後述の記憶部１２に格納されているプログラムを実行することで、各種処理を実行し、プログラムにしたがって装置各部の制御や各種の演算処理を行う。
（記憶部１２）
記憶部１２は、予め各種プログラムや各種データを格納しておくＲＯＭ、作業領域として一時的にプログラムやデータを記憶するＲＡＭ、各種プログラムや各種データを格納するハードディスク等の補助記憶部からなる。また、記憶部１２は、各給紙トレイに収納されている用紙情報を記憶する。用紙情報としては、用紙の銘柄、サイズ（用紙幅、用紙長）、坪量（斤量）、用紙種類（グロスコート紙、マットコート紙、普通紙、上質紙、ラフ紙等）の情報が含まれ、後述する紙種判定処理により設定されたものである。また、記憶部１２は、用紙銘柄、または用紙種類の判定に用いる学習済みモデル、およびペーパープロファイル（何れも後述する）が記憶されていてもよい。
記憶部１２は、予め各種プログラムや各種データを格納しておくＲＯＭ、作業領域として一時的にプログラムやデータを記憶するＲＡＭ、各種プログラムや各種データを格納するハードディスク等の補助記憶部からなる。また、記憶部１２は、各給紙トレイに収納されている用紙情報を記憶する。用紙情報としては、用紙の銘柄、サイズ（用紙幅、用紙長）、坪量（斤量）、用紙種類（グロスコート紙、マットコート紙、普通紙、上質紙、ラフ紙等）の情報が含まれ、後述する紙種判定処理により設定されたものである。また、記憶部１２は、用紙銘柄、または用紙種類の判定に用いる学習済みモデル、およびペーパープロファイル（何れも後述する）が記憶されていてもよい。
（画像形成部１３）
画像形成部１３は、例えば電子写真方式により画像を形成する。画像形成部１３は、Ｙ（イエロー）、Ｍ（マゼンタ）、Ｃ（シアン）、Ｋ（ブラック）の基本色のそれぞれに対応した書込部１３１、感光体ドラム１３２、および各色のトナー、キャリアからなる２成分現像剤を収容する現像器１３３、等を備える。また、画像形成部１３は、さらに、中間転写ベルト１３４、２次転写部１３５、および定着部１３６を備える。各色の現像器１３３により、感光体ドラム１３２上に形成されたトナー画像は、中間転写ベルト１３４上で重ね合わせされ、２次転写部１３５において搬送された用紙Ｓに転写される。用紙Ｓ上のトナー画像は下流側の定着部１３６で加熱、加圧されることで用紙Ｓ上に定着される。
画像形成部１３は、例えば電子写真方式により画像を形成する。画像形成部１３は、Ｙ（イエロー）、Ｍ（マゼンタ）、Ｃ（シアン）、Ｋ（ブラック）の基本色のそれぞれに対応した書込部１３１、感光体ドラム１３２、および各色のトナー、キャリアからなる２成分現像剤を収容する現像器１３３、等を備える。また、画像形成部１３は、さらに、中間転写ベルト１３４、２次転写部１３５、および定着部１３６を備える。各色の現像器１３３により、感光体ドラム１３２上に形成されたトナー画像は、中間転写ベルト１３４上で重ね合わせされ、２次転写部１３５において搬送された用紙Ｓに転写される。用紙Ｓ上のトナー画像は下流側の定着部１３６で加熱、加圧されることで用紙Ｓ上に定着される。
（給紙搬送部１４）
給紙搬送部１４は、複数の給紙トレイ１４１、１４２、搬送路１４３、１４４、等を備える。搬送路１４３、１４４は、これらの搬送路に沿って設けられた複数の搬送ローラー対、およびこれらの搬送ローラー対を駆動する駆動モーター（図示せず）を含む。給紙トレイ１４１、１４２内に積載され載置した複数枚の用紙Ｓのうち最上位の用紙を送り出す送出しローラーを備え、給紙トレイ内の用紙Ｓを１枚ずつ下流側の搬送路に送り出す。搬送路１４３上のレジストローラーの上流側には、メディアセンサー１５が配置される。図２に示すようにメディアセンサー１５付近においては、搬送路１４３は、板金で形成された上ガイド１４３１、および下ガイド１４３２を含み、所定間隔で対向するこれらのガイドの間を用紙Ｓが通る。
給紙搬送部１４は、複数の給紙トレイ１４１、１４２、搬送路１４３、１４４、等を備える。搬送路１４３、１４４は、これらの搬送路に沿って設けられた複数の搬送ローラー対、およびこれらの搬送ローラー対を駆動する駆動モーター（図示せず）を含む。給紙トレイ１４１、１４２内に積載され載置した複数枚の用紙Ｓのうち最上位の用紙を送り出す送出しローラーを備え、給紙トレイ内の用紙Ｓを１枚ずつ下流側の搬送路に送り出す。搬送路１４３上のレジストローラーの上流側には、メディアセンサー１５が配置される。図２に示すようにメディアセンサー１５付近においては、搬送路１４３は、板金で形成された上ガイド１４３１、および下ガイド１４３２を含み、所定間隔で対向するこれらのガイドの間を用紙Ｓが通る。
給紙搬送部１４は、給紙トレイ１４１等から給紙された用紙Ｓを搬送する。搬送路１４３を搬送された用紙Ｓは、画像形成部１３で画像を形成された後、後続の後処理装置３０を経由して排紙トレイ３４２上に排出される。用紙Ｓの裏面にも画像を形成する両面印刷を行う場合には、片面に画像形成された用紙Ｓを装置本体の下部にある両面画像形成用の搬送路１４４に搬送する。この搬送路１４４に搬送された用紙Ｓは、スイッチバック経路で表裏を反転された後、片面用の搬送路１４３に合流し、再び画像形成部１３で用紙Ｓのもう一方の面に画像形成される。
（操作パネル１８）
操作パネル１８はタッチパネル、テンキー、スタートボタン、ストップボタン等を備えており、画像形成装置１０、または画像形成システム１の状態を表示し、ユーザーからの給紙トレイ１４１等に載置した用紙の種類等の設定、指示の入力に使用される。
操作パネル１８はタッチパネル、テンキー、スタートボタン、ストップボタン等を備えており、画像形成装置１０、または画像形成システム１の状態を表示し、ユーザーからの給紙トレイ１４１等に載置した用紙の種類等の設定、指示の入力に使用される。
（給紙装置２０）
図１に示すように、給紙装置２０は給紙搬送部２４を備える。また、給紙装置２０は、給紙搬送部２４の他に、制御部、記憶部、および通信部（何れも図示せず）を備え、これらは信号をやり取りするためのバス等の信号線を介して相互に接続される。給紙搬送部２４は、複数の給紙トレイ２４１、２４２、２４３、および搬送路２４４を備える。各給紙トレイから搬送された用紙Ｓは、下流側の画像形成装置１０に搬送され、メディアセンサー１５で用紙特性の測定がなされたり、画像形成部１３で画像形成されたりする。
図１に示すように、給紙装置２０は給紙搬送部２４を備える。また、給紙装置２０は、給紙搬送部２４の他に、制御部、記憶部、および通信部（何れも図示せず）を備え、これらは信号をやり取りするためのバス等の信号線を介して相互に接続される。給紙搬送部２４は、複数の給紙トレイ２４１、２４２、２４３、および搬送路２４４を備える。各給紙トレイから搬送された用紙Ｓは、下流側の画像形成装置１０に搬送され、メディアセンサー１５で用紙特性の測定がなされたり、画像形成部１３で画像形成されたりする。
（後処理装置３０）
図１に示すように、後処理装置３０は後処理部３１、搬送路３４１、および排紙トレイ３４２を備える。後処理部３１は、ステイプル処理、裁断処理、穿孔処理（パンチ穴）、等の処理を、画像形成装置１０から搬送された用紙Ｓに施す。また、後処理装置３０は、これらの構成要素の他に、制御部、記憶部、および通信部（何れも図示せず）を備え、これらは信号をやり取りするためのバス等の信号線を介して相互に接続される。
図１に示すように、後処理装置３０は後処理部３１、搬送路３４１、および排紙トレイ３４２を備える。後処理部３１は、ステイプル処理、裁断処理、穿孔処理（パンチ穴）、等の処理を、画像形成装置１０から搬送された用紙Ｓに施す。また、後処理装置３０は、これらの構成要素の他に、制御部、記憶部、および通信部（何れも図示せず）を備え、これらは信号をやり取りするためのバス等の信号線を介して相互に接続される。
（メディアセンサー１５）
上述のようにメディアセンサー１５は、紙厚センサー４０、坪量センサー５０、表面性センサー６０、および用紙押圧部７０で構成される。図２を参照すると、これらの構成要素のうち、搬送方向の最も上流側に紙厚センサー４０が配置される。紙厚センサー４０は、一対の搬送ローラー４１１、４１２、ならびにアクチュエーター、エンコーダ、発光・受光部で構成される押圧機構４２で構成される。上側の搬送ローラー４１１は、押圧機構４２により下側の搬送ローラー４１２に向けて付勢される。搬送ローラー４１１、４１２のニップに用紙Ｓが搬送されることで、用紙Ｓの厚みに対応した高さ分だけ、搬送ローラー４１１が上方に移動する。押圧機構４２は、搬送ローラー４１１の高さ方向（厚み方向）の変位量に基づいて、用紙Ｓの紙厚を検知する。
上述のようにメディアセンサー１５は、紙厚センサー４０、坪量センサー５０、表面性センサー６０、および用紙押圧部７０で構成される。図２を参照すると、これらの構成要素のうち、搬送方向の最も上流側に紙厚センサー４０が配置される。紙厚センサー４０は、一対の搬送ローラー４１１、４１２、ならびにアクチュエーター、エンコーダ、発光・受光部で構成される押圧機構４２で構成される。上側の搬送ローラー４１１は、押圧機構４２により下側の搬送ローラー４１２に向けて付勢される。搬送ローラー４１１、４１２のニップに用紙Ｓが搬送されることで、用紙Ｓの厚みに対応した高さ分だけ、搬送ローラー４１１が上方に移動する。押圧機構４２は、搬送ローラー４１１の高さ方向（厚み方向）の変位量に基づいて、用紙Ｓの紙厚を検知する。
図３は、坪量センサー５０、および表面性センサー６０の構成を示す斜視図である。図２、図３に示すように、坪量センサー５０、および表面性センサー６０は、搬送ローラー対１４３３、１４３４の間において、Ｘ方向（幅方向）に沿って並んで配置される。
坪量センサー５０は、用紙の坪量を検出するセンサーであり、発光部と受光部を備え、用紙Ｓを透過する光の減衰量により、測定する。例えば、坪量センサー５０は搬送路１４３の下方に発光部（図５４参照：第１発光部５１ａ、第２発光部５１ｂ）を、上方に受光部（図５４参照：受光部５２）を配置し、受光部で受ける光の強度で、用紙Ｓの坪量を検知する。坪量センサー５０の詳細については、図５４を参照して後述する。
（表面性センサー６０）
次に、図２、図３とともに、図４から図８を参照し、表面性センサー６０の構成について説明する。図４は、表面性センサー６０の断面図であり、図５は表面性センサー６０の内部構成を示す斜視図である。なお、図５では、表面性センサー６０全体を覆うカバー（筐体６１）の記載を省略している。
次に、図２、図３とともに、図４から図８を参照し、表面性センサー６０の構成について説明する。図４は、表面性センサー６０の断面図であり、図５は表面性センサー６０の内部構成を示す斜視図である。なお、図５では、表面性センサー６０全体を覆うカバー（筐体６１）の記載を省略している。
これらの図に示すように表面性センサー６０は、筐体６１、発光部６２、コリメートレンズ６３、複数の受光部６４（受光部６４１，６４２）、および開閉機構６５を備える。筐体６１は、他の構成要素を覆い、外部光を遮光する。なお筐体６１は底面にはなく、取り付けた状態において、上ガイド１４３１が、表面性センサー６０の底面を覆う部材として機能する。発光部６２、コリメートレンズ６３、複数の受光部６４（受光部６４１，６４２）についての詳細は後述する。なお、本実施形態としては、光源と照射領域の間に配置する光学系として、コリメートレンズを用いる例を示すが、コリメートレンズ以外のレンズを配置するようにしてもよい。例えば、砲弾型ＬＥＤを用いる場合には、ＬＥＤに光学レンズが実装される。また、ＬＥＤと、コリメーターレンズの間に凸レンズ等を配置してもよい。
開閉機構６５は、シャッター６５１、接続部６５２、回転軸６５３、ウォームギア６５４、および駆動モーター６５５を備える。駆動モーター６５５の動力は、ウォームギア６５４、回転軸６５３、接続部６５２を通じてシャッター６５１に伝達する。シャッター６５１は、回転軸６５３周りを矢印方向に可動する。上ガイド１４３１には開口ａ１が、下ガイド１４３２には開口ａ２０が設けられている。図４、図５では、通常時の用紙Ｓの用紙特性の測定を行わない状態を示しており、このときは、平面の板部材である板状のシャッター６５１により開口ａ１は閉じられる。シャッター６５１の開口ａ１の開閉動作は、制御部１１が、駆動モーター６５５を制御することにより行う。
図６は、シャッターが開いた状態を示す表面性センサー６０の断面模式図である。この図６は、用紙特性の測定を行う測定モードの状態を示している。なお、図６では、シャッター６５１以外の開閉機構６５の構成の記載を省略している。開口ａ１は、略矩形の形状あり、孔サイズは例えば、横（Ｘ方向）が数十ｍｍ、縦（Ｙ’方向）が十数ｍｍである。用紙Ｓの搬送路１４３の搬送を妨げないように、シャッター６５１の下側の面には、複数のリブｒ１（図６参照）を設けている。各リブｒ１は、上ガイド１４３１の下面に対して、搬送方向の上流側では引っ込み、下流側では少し突出するように、搬送方向に沿って傾斜させている。このようなリブｒ１により、用紙Ｓの搬送を円滑に行える。また、シャッター６５１の上側の面には、キャリブレーション用の部材としての基準板６５０１が貼り付けられている。基準板６５０１は、例えば所定の表面性を備えた白色の板であり、用紙特性の測定を行う前に、閉状態のシャッター６５１の基準板６５０１を測定することで、表面性センサー６０の校正を行う。
開口ａ２０は、開口ａ１よりも広く、ＸＹ’平面において略同じ位置にあり、開口ａ２０は、開口ａ１を包含する。下ガイド１４３２の下方には用紙押圧部７０が配置される。用紙押圧部７０は、ＸＹ’平面に平行な上面を有する押圧板７１、およびこれを上下動させる駆動機構（図示せず）で構成される。駆動機構は、駆動モーター、カム、およびバネ等で構成される。通常時は、搬送する用紙Ｓが角に引っかからないように、押圧板７１の搬送方向上流側の角を斜めにしたカット部（傾斜面）を有する形状とし、押圧板７１の（カット部を除く）上面は、下ガイド１４３２の通紙面と、同じ高さ、またはこれよりも少し低い高さに位置する。押圧板７１の上面は、開口ａ１よりも十分大きい。図６の測定モード時には、搬送方向において、用紙Ｓの先端を、開口ａ１、ａ２０を越える位置まで搬送させた後、用紙Ｓを一時停止させる。その後、用紙押圧部７０の駆動機構により押圧板７１が持ち上がる。これにより押圧板７１の上面と、上ガイド１４３１の下面（基準面）との間で、用紙Ｓを所定の付勢力で固定する。例えば押圧板７１の上面は、開口ａ１の全周囲に渡って、十数ｍｍ幅以上大きいサイズであり、その周囲の幅領域で、用紙Ｓを押さえる。
図７は、発光部６２、および複数の受光部６４の配置位置を示す模式図であり、図８は、発光部６２による照射光の入射角度（照射角度）と受光部の配置角度を示す断面模式図である。本実施形態においては、発光部６２の配置角度は、照射光の基準面に対する入射角度が７５°になるように設定している。この入射角７５°は、ＪＩＳ従った白紙光沢度測定で用いられる角度であり、被測定物の色の影響が少ない角度である。基準面は、上述のように上ガイド１４３１の下面を含む仮想面であり、測定時には、基準面に被測定物である用紙Ｓの表面が配置される。発光部６２は、基板ｂ１上に配置される。発光部６２は、所定波長（例えば平均波長４４５ｎｍ以上５００ｎｍ以下）の光を放出するＬＥＤ等の光源としての発光素子を含み、光源（点光源）から放出された照射光は、コリメートレンズ６３により略平行光になり、照射領域に照射される。照射領域は、Ｚ’方向から視た場合に開口ａ１の内側領域であり、照射領域の中心（光軸）とＸＹ’平面に平行な基準面とは交点ｐ１で交わる。発光部６２としては、面発光型のＬＥＤを用いてもよく、または砲弾型のＬＥＤを用いてもよい。また、砲弾型のＬＥＤを用いる場合には、砲弾型の指向性にあったレンズ設計すれば所望の照射径（ビーム径ともいう）を得ることができる。
複数の受光部６４それぞれは、フォトダイオード、フォトトランジスタ、等の受光素子を含み、照射領域からの正反射光を受光する第１の受光部６４（受光部６４１）と、照射領域からの拡散反射光を受光する１つまたは複数の第２の受光部６４（受光部６４２）を含む。図７に示すように（なお、入射、反射の角度については図８も参照のこと）、この第１の受光部６４１は、発光部６２の入射角７５°に対応する反射角７５°の位置に配置され、正反射光を受光する。また、第２の受光部６４２は、反射角０°以上９０°未満の範囲で、７５°の位置を除く任意の反射角の位置に配置でき、拡散反射光を受光する。配置位置として好ましくは、反射角６０°、３０°、０°であり、より好ましくは、６０°と３０°の２箇所、または６０°の１箇所である。図４、図６、図７の例では、反射角７５°の正反射光受光用の第１の受光部６４１と、反射角３０°の拡散反射光受光用の第２の受光部６４２を配置した例を示している。これらの図では、受光部６４１は、基板ｂ２に配置され、受光部６４２は基板ｂ３に配置される。
受光部６４１、６４２の受光経路上において、筐体６１には、開口ａ３、ａ４が設けられている。開口ａ３、ａ４は同様の構造を有するので、以下、代表として開口ａ３の構造について説明する。開口ａ３は、図７の一部拡大図に示すように、例えば交点ｐ１側から視た場合に、φ３ｍｍの円形のスリットであり、光の入射側には、傾斜面６１ａが設けられている。傾斜面は入射側に向けて光軸からの距離が大きくなるように構成されており、全体としてすり鉢状の形状である。その傾斜角度は、光の入射角度に対して約４５°である。このような傾斜面６１ａを設けることで、開口ａ３（スリット）のエッジで反射する光が、受光部６４１に入射することを防げ、ひいては、精度よく記録媒体の特性を検出できる。
（照射径）
図９は、用紙の微視的な繊維配向の変動状態を示す模式図であり、図１０は用紙表面におけるパルプ繊維の状態を示す模式図である。一般に用紙は、木材等の植物から抽出したパルプ繊維をあらゆる方向（等方的）にランダムに絡み合わせてわせて作られているため、表面が不均一となって表面性にムラの分布がある（業界用語で「地合」ともいう）。この地合は、用紙のパルプ繊維の長さや太さにより異なる。図９のＡに比べて図９のＢでは、ムラが大きい。用紙の素材として針葉樹や広葉樹に由来するパルプ繊維が用いられるが、そのパルプ繊維は長さが平均して３．３２ｍｍ～０．７９ｍｍ（最大約５．７ｍｍ）、幅（太さ）が平均で３９μｍ～１９μｍ（最大約９７μｍ）である（参考文献：論文「紙の表面形状の測定」（紙パ技協誌第１８巻第２号 昭和３９年２月）、王子製紙株式会社 中央研究所 畑幸徳著）。また、図１０に示すようにパルプ繊維の長さやパルプ繊維同士の結束繊維（繊維の絡み合い）が生じることで表面性が不均一となる。
図９は、用紙の微視的な繊維配向の変動状態を示す模式図であり、図１０は用紙表面におけるパルプ繊維の状態を示す模式図である。一般に用紙は、木材等の植物から抽出したパルプ繊維をあらゆる方向（等方的）にランダムに絡み合わせてわせて作られているため、表面が不均一となって表面性にムラの分布がある（業界用語で「地合」ともいう）。この地合は、用紙のパルプ繊維の長さや太さにより異なる。図９のＡに比べて図９のＢでは、ムラが大きい。用紙の素材として針葉樹や広葉樹に由来するパルプ繊維が用いられるが、そのパルプ繊維は長さが平均して３．３２ｍｍ～０．７９ｍｍ（最大約５．７ｍｍ）、幅（太さ）が平均で３９μｍ～１９μｍ（最大約９７μｍ）である（参考文献：論文「紙の表面形状の測定」（紙パ技協誌第１８巻第２号 昭和３９年２月）、王子製紙株式会社 中央研究所 畑幸徳著）。また、図１０に示すようにパルプ繊維の長さやパルプ繊維同士の結束繊維（繊維の絡み合い）が生じることで表面性が不均一となる。
そのため、照射径をパルプ繊維の長さや結束繊維形状よりも絞りすぎると、用紙上の反射光の位置、すなわち用紙表面上の凹凸状態によって正反射光や拡散光の検出光量に差が生じ、同じ用紙面でも用紙表面状態に対して感度が高いセンサーとなる。そのため各反射光量に誤差が生じ、その誤差が含まれたままデータを用いて用紙種の判別を行うと紙種の誤判別を生じさせる虞がある。例えば、マットコート紙を上質紙として誤判別してしまう。
図１１は、用紙の表面分布と照射光の拡散状態を示す模式図であり、図１２（ａ）、（ｂ）は、照射光の照射径と、発光部６２の配置位置を示す模式図であり、図１２（ａ）は側面図であり、図１２（ｂ）は上面図である。本実施形態では、このような状況から、図１１（a）に示すように、狭い領域を照射するよりも図１１（ｂ）に示すように広い領域を照射する方が、用紙表面性の分布の影響を少なくできる。換言すると、照射光の照射径を、用紙表面性の分布を生じさせるパルプ繊維が絡み合うエリアよりも十分広いエリアを照射する大きさにすることで、用紙表面の凹凸を含んだ用紙表面性の平均した反射光量にでき、ひいては用紙表面性の分布の影響を少なくできる。具体的には、照射領域での照射径を上述のパルプ繊維の最大長さ５．７ｍｍよりも大きい６ｍｍ以上に設定する。ここでいう照射径とは、光軸が照射面（基準面）と交わる交点ｐ１における光軸に直交する平面での光（ビーム）の直径である。一般にレンズの焦点距離、光源のサイズと照射径の拡がりは、
（照射径の拡がり）≒（光源のサイズ）／（レンズ焦点距離）・・（１）式
で表される。この式から焦点距離を長くするほど略平行光に近づけることが出来るが照射光の光量が下がるため、レンズを明るくする必要が有る。レンズの明るさを表す式として一般に、
（レンズの明るさ）＝（レンズ焦点距離）／（レンズの直径）・・（２）式
で表される。（１）式から、光源のサイズをある程度持つことで照射径を広げることが出来る。すなわち、設定する照射径と照射光量にするために、前述に記載の条件を光学設計から求めることになる。
（照射径の拡がり）≒（光源のサイズ）／（レンズ焦点距離）・・（１）式
で表される。この式から焦点距離を長くするほど略平行光に近づけることが出来るが照射光の光量が下がるため、レンズを明るくする必要が有る。レンズの明るさを表す式として一般に、
（レンズの明るさ）＝（レンズ焦点距離）／（レンズの直径）・・（２）式
で表される。（１）式から、光源のサイズをある程度持つことで照射径を広げることが出来る。すなわち、設定する照射径と照射光量にするために、前述に記載の条件を光学設計から求めることになる。
本実施形態では、図１２（ａ）に示したように照射径をφ１３ｍｍに設定する。このような照射径にするために、光学設計と光学シミュレーションからレンズ仕様を焦点距離２０．７ｍｍ、レンズ径φ７．５ｍｍとして用いた場合、発光部６２から交点ｐ１までの距離は、５０～７０ｍｍの範囲内であり、例えば６０ｍｍである。このように設計したときの照射径は、図１２（ｂ）に示すように、上面視（ＸＹ’平面上）では、短径（Ｙ’方向長さ）はφ１３ｍｍ、長径（Ｘ方向長さ）は５０．２ｍｍ（＝１３／ｃｏｓ７５°）になる。このような照射面積（５１２．６ｍｍ２）とすることで、用紙の表面性の分布に対して感度を低くした正反射光や拡散光の光量検出が可能となることで、繊維配向の不均一性の影響が少なくなる。
図１３は、用紙表面を複数点測定した際の照射径の違いによる検出光量のばらつきを示すグラフである。同図は、照射径φ１３ｍｍと、φ１ｍｍの２水準において、サンプルＮＯ．１～ＮＯ．１０まで、１枚の普通紙において、異なる１０点の位置を測定したときの、検出光量のばらつきを示している。同図に示す±８％は、以下に説明するように用紙判別の誤検知が生じ易くなる閾値である。照射径が小さいと用紙Ｓの地合の影響を受けやすく、紙種の誤判別が生じ易くなる。この図１３に示すように、照射径φ１３ｍｍの方が、照射径φ１ｍｍにくらべて誤検知のばらつきが少なく、±８％の閾値内に収まっている。
図１４は、機械学習済みモデル（後述の図１８Ａから図２０）を用いて用紙の紙判別を行った場合の入力データに誤差を付与した場合の検出精度の推移を示すグラフである。同図では、用紙種類としてグロスコート紙の「コートボール」を用いた例を示している。「コートボール」は、これを含め５８種類の用紙の中で反射角７５°に対して最も誤判別が生じ易い用紙であることからこれを用いた。反射角７５°の正反射光検出用の第１の受光部６４１による測定値に、人為的に誤差を入力した場合に、判定の第１候補が本来（正判定）のグロスコート紙から、これと異なるマットコート紙と誤判定になる閾値を示している（Ｘ軸誤差のマイナス側）。－８％よりも絶対値の大きな誤差を入力すると、判定の第１候補に誤判定が生じることから反射角７５°の正反射光検出部の閾値を±８％としている。すなわち反射角７５°のセンサー検出精度を±８％内と設定した。以上では、反射角７５°について説明したが、反射角３０°、６０°それぞれについても同様の検証を行った結果（図示省略）、±８％よりも第１候補が誤判定となる閾値が大きく、その検証結果から反射角３０°、６０°のそれぞれの閾値は±１５％を採用した。すなわち反射角３０°、６０°のセンサー検出精度を±１５％内と設定した。
（焦点距離に対する光源の配置位置）
再び図１２（ｂ）を参照して、本実施形態に係る表面性センサー６０（光センサー装置）の光源としての発光部６２の配置位置について説明する。発光部６２の直下流側には、コリメートレンズ６３を配置している。一般には、コリメートレンズの焦点位置に点光源を配置することで、すなわち、光軸上において、光源をコリメートレンズに対して、焦点距離と同じ距離に配置することで、点光源からの照射光を平行光にする。実施例１では、そのように焦点距離の位置に、光源を配置している。しかしながら、実施例２においては、あえて焦点距離よりも短い距離で、コリメートレンズ６３に近い側に、発光部６２を配置する。すなわち、焦点距離ｆ＞光源距離ｔ０に設定している（ここでｔ０は、光軸上における発光部６２とコリメートレンズ６３の中心位置との距離であり、ｆは、コリメートレンズ６３の焦点距離である）。
再び図１２（ｂ）を参照して、本実施形態に係る表面性センサー６０（光センサー装置）の光源としての発光部６２の配置位置について説明する。発光部６２の直下流側には、コリメートレンズ６３を配置している。一般には、コリメートレンズの焦点位置に点光源を配置することで、すなわち、光軸上において、光源をコリメートレンズに対して、焦点距離と同じ距離に配置することで、点光源からの照射光を平行光にする。実施例１では、そのように焦点距離の位置に、光源を配置している。しかしながら、実施例２においては、あえて焦点距離よりも短い距離で、コリメートレンズ６３に近い側に、発光部６２を配置する。すなわち、焦点距離ｆ＞光源距離ｔ０に設定している（ここでｔ０は、光軸上における発光部６２とコリメートレンズ６３の中心位置との距離であり、ｆは、コリメートレンズ６３の焦点距離である）。
図１５Ａ、図１５Ｂは、発光部６２の取付け精度のロバスト性を示すグラフである。図１５Ａは、回転方向の取付け誤差に対する出力誤差感度を示す図であり、図１５Ｂは、光軸方向の取付け誤差に対する出力誤差感度を示す図である。実施例２とともに、比較対象の実施例１として、焦点距離に光源を配置した場合のデータも示している。ここで回転方向の取付け誤差とは、光軸に垂直な軸を回転軸として回転させた場合の角度である（ＹＡＷに相当）。光軸方向の取付け誤差とは光軸に沿った前後方向の距離である。図１５Ａ、図１５Ｂに示すように、実施例１に比べて、コリメートレンズの焦点距離よりも短い距離に光源を配置した実施例２の方が、誤差に対する変動が少なく、ロバスト性が高く、優れていることがわかる。
（光源からの光の波長）
発光部６２の光の波長は、塗工紙の表面層の顔料で吸収されない青色の波長の光源を選択している。ＬＥＤを実験検証から、以下の結果となった。
４０５ｎｍ（紫）：塗工紙は判別可能（正反射）。拡散光で上質、普通紙の識別は困難。
４６５ｎｍ（青）：塗工紙は判別可能（正反射）。拡散光は３０°、６０°で識別可能。
５２５ｎｍ（緑）：塗工紙は判別可能（正反射）。拡散光は６０°で識別可能。
６８０ｎｍ（赤）：特に拡散光で識別困難。
発光部６２の光の波長は、塗工紙の表面層の顔料で吸収されない青色の波長の光源を選択している。ＬＥＤを実験検証から、以下の結果となった。
４０５ｎｍ（紫）：塗工紙は判別可能（正反射）。拡散光で上質、普通紙の識別は困難。
４６５ｎｍ（青）：塗工紙は判別可能（正反射）。拡散光は３０°、６０°で識別可能。
５２５ｎｍ（緑）：塗工紙は判別可能（正反射）。拡散光は６０°で識別可能。
６８０ｎｍ（赤）：特に拡散光で識別困難。
また、以下に示すようにベック平滑度との相関に関して、各波長との相関についても検証した。
図１６は、発光部６２の光の波長と、ベック平滑度との相関度合いを示す表であり、図１７は、１２種類の用紙（グロスコート紙、マットコート紙、普通紙、上質紙）でのベック平滑度と、測定結果による予測値との比較結果を示すグラフである。ここでベック平滑度（ｓｅｃ）とは、ＪＩＳに規定されている測定方法であり、上方から０．１ＭＰａの圧力を加え、真空ポンプで半気圧まで減圧した後、１０ｃｃの空気が、通過距離１３ｍｍで測定試料面とガラス面との間隙から流入する時間を測定するものである。
発光部６２は入射角７５°となる位置に配置し、その光源としては、波長４０５ｎｍ、４６５ｎｍ、５２５ｎｍの３種類のＬＥＤを用いた。また受光部６４としては、反射角３０、６０、７５°の３箇所に配置した（なお、波長５２５ｎｍのテストでは全４箇所で、さらに０°にも配置した）。
紙種としては、グロスコート紙、マットコート紙、普通紙、上質紙の４種類を用いて、それぞれ４銘柄の異なる用紙を用いた（全部で１６銘柄の用紙）。図１７の横軸では、グロスコート紙の４銘柄をＧ１～Ｇ４、マットコート紙の４銘柄をＭ１～Ｍ４、普通紙の４銘柄をＲ１～Ｒ４、上質紙の４銘柄をＦ１～Ｆ４でそれぞれ示している。
図１６に示すように、１６銘柄の各用紙に対する、各受光部６４からの測定値に所定の係数を掛けて加算して算出した平滑度予測値と、各用紙のベック平滑度の測定値（ｌｏｇ）との間の相関を比較したところ、平均波長４６５ｎｍのＬＥＤを用いた場合が、重相関Ｒの数値が最も高いことがわかった（破線枠で示す）。このことから、光源の波長としては、４０５ｎｍを超え、５２５ｎｍ未満の範囲が好ましく、より好ましくは４４５ｎｍ以上５００ｎｍ以下の範囲であり、最も好ましい波長は、４６５ｎｍ前後である。
図１７では、４６５ｎｍのＬＥＤを用いた場合の予測値と、ベック平滑度（ｌｏｇ）との対応関係を示している。ここでの予測値は、
予測値＝３．４５１８×Ｖ７５－３．９５９５×Ｖ６０＋１．５３８３×Ｖ３０－０．４７８９である。ここでＶ７５、Ｖ６０、Ｖ３０は、それぞれ反射角７５、６０、３０°の位置の受光部６４の出力値である。図１７に示すように、高い相関関係があることがわかる。
予測値＝３．４５１８×Ｖ７５－３．９５９５×Ｖ６０＋１．５３８３×Ｖ３０－０．４７８９である。ここでＶ７５、Ｖ６０、Ｖ３０は、それぞれ反射角７５、６０、３０°の位置の受光部６４の出力値である。図１７に示すように、高い相関関係があることがわかる。
本実施形態に係る光センサー装置（表面性センサー６０）では、発光部６２による照射光の照射領域における照射径が、記録媒体の繊維配向の不均一性の影響が少なくなる照射面積になる照射径に設定している。より具体的には、照射領域（交点ｐ１）における照射径（短径）を、パルプ繊維の最大長さよりも長い６ｍｍ以上に設定している。これにより、記録媒体の表面性分布の影響を受けずに精度よく記録媒体の特性を検出できる光センサー装置となる。
また、発光部６２の直ぐ下流側にコリメートレンズ６３を配置し、光軸上において、発光部６２をコリメートレンズ６３に対して、この焦点距離よりも短い距離に配置する。これにより、発光部６２の取付け精度に対するロバスト性を高めることができる。
また、発光部６２の発光波長を、４４５ｎｍ以上５００ｎｍ以下とすることで、表面性を精度よく検知できる。具体的には、ベック平滑度との相関が高い検知データを得ることができる。
また、本実施系形態に係る光センサー装置は、照射領域を構成する開口ａ１を開閉するシャッター６５１を設けている。例えば光センサー装置を用紙搬送路に配置した場合に、搬送する用紙Ｓの紙粉がコリメートレンズ６３、受光部６４等の光学部品に付着し、測定精度が低下する虞がある。記録媒体の表面性の測定を行わないときには、このようなシャッター６５１により開口ａ１を閉じることで、紙粉による光センサー装置の各光学部品の汚れを防止し、ひいては測定精度の低下を防止できる。
（紙種判定処理）
次に、図１８Ａ～図２９を参照し、画像形成装置１０で行う紙種判定処理について説明する。図１８Ａは、画像形成装置の構成を示すブロック図である。図１８Ｂは、第１実施形態に係る画像形成装置の全体制御部の機能構成を示すブロック図である。図１９は、画像形成装置の印刷処理を示すフローチャートである。
次に、図１８Ａ～図２９を参照し、画像形成装置１０で行う紙種判定処理について説明する。図１８Ａは、画像形成装置の構成を示すブロック図である。図１８Ｂは、第１実施形態に係る画像形成装置の全体制御部の機能構成を示すブロック図である。図１９は、画像形成装置の印刷処理を示すフローチャートである。
図１８Ａに示すように、画像形成装置１０は、ネットワークＬを通じて、サーバー８０、および他の画像形成装置１０ｂ、１０ｃと接続している。同図においては、画像形成装置１０の制御部１１以外の構成については、図１等で説明済みであることから、同一符号を付すことにより説明を省略する。
制御部１１は、全体制御部１１０、エンジン制御部１２０、メディアセンサー制御部１３０、後処理オプション制御部１４０、給紙オプション制御部１５０、搬送制御・画像形成制御部１６０として機能する。日付・時刻管理部１２１は、画像形成装置１０において使用する日付および時刻を管理する。制御部１１は、日付および時刻が必要とされる処理を実行する際には、日付・時刻管理部１２１から日付および時刻を取得して各種処理を実行する。例えば、後述する紙種判別モデルまたは紙種判別アルゴリズムの生成または更新処理の実行タイミングを判断する際に、日付・時刻管理部１２１において管理される日付および時刻が使用され得る。なお、日付・時刻管理部１２１において管理される日付および時刻は、例えばネットワークを介して外部の整時用サーバー（不図示）等と通信することによって、適宜更新・整時され得る。
図１８Ｂに示すように、全体制御部１１０は、取得部１１１および判別部１１２として機能する。取得部１１１は、用紙の表面で正反射した正反射光の光量に関する正反射光量値、用紙の表面で拡散反射した拡散反射光の光量に関する拡散反射光量値、用紙の厚さに関する値、および用紙の坪量に関する値等を取得する。判別部１１２は、取得部１１１によって取得された、正反射光量値、拡散反射光量値、用紙の厚さに関する値、および用紙の坪量に関する値を、機械学習された紙種判別用の学習済みモデルに入力して用紙の種別を判別する。
全体制御部１１０は、操作パネル１８や、ユーザーが操作するネットワーク接続されたＰＣ等の外部端末から送られた指示により印刷ジョブが入力されると、入力された印刷ジョブの印刷設定情報に基づいて、エンジン制御部１２０により印刷ジョブを実行させる。全体制御部１１０は、記憶部１２に記憶されている紙種判別エンジン（学習済みモデルである紙種判別モデル）、およびペーパープロファイルを用いて、紙種判定処理を実行する。ここで「ペーパープロファイル」は、ある用紙について、これのメディアセンサー１５から得られた用紙物性に関する測定値およびこの測位値の演算値、ならびに、ユーザーから入力された特性データ、用紙サイズ、および任意の識別名（例えば紙銘柄）、等を対応づけて予め登録したものである。なお、メディアセンサー１５からの測定値および演算値としては、例えば、後述する、用紙物性の表面性センサー６０の７５°、３０°の反射光の測定値、坪量センサー５０の測定値による坪量の演算値および／または坪量差演算値、紙厚センサー４０の測定値による紙厚演算値がある。また、ユーザーから入力された特性データには、搬送系特性データ（表裏調整値、片寄り補正値、等）、画像形成用特性データ（定着温度値、濃度調整値、γ補正値、等）、給紙系特性値（給紙トレイの捌きファン風量調整値）、等の各種制御パラメータ値が含まれる。
「紙種判別エンジン」は、学習済みモデルとも称され、用紙Ｓのメディアセンサー１５による検知出力を入力値、用紙Ｓのユーザーにより設定された紙種情報を正解ラベルとして、教師データを用いた教師あり学習により、生成された学習済みモデルである。教師データとしては、ネットワークＬに接続された他の画像形成装置１０ｂ、１０ｃ等のデータをサーバー８０で集約するようにしてもよい。学習済みモデルは、例えばランダムフォレストを用いた学習方法により生成される。なお、学習方法としては、これに限られず、教師あり学習であれば、種種の手法を取り得る。例えば、例えば、ニューラルネットワーク、サポートベクターマシン（ＳＶＭ）、ブースティング（Ｂｏｏｓｔｉｎｇ）、ベイジアン（Ｂｓｙｓｉａｎ）ネットワーク線形判別法、非線形判別法、等を適用できる。また、機械学習を実行する学習機として、ＣＰＵおよびＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）のプロセッサを用いたスタンドアロンの高性能のコンピューター、またはクラウドコンピューターを用いて行える。機械学習による紙種判別モデルの生成方法について、詳細は後述する。
エンジン制御部１２０は、後処理オプション制御部１４０、給紙オプション制御部１５０、搬送制御・画像形成制御部１６０を制御することで、画像形成に関する処理を行う。後処理オプション制御部１４０は、後処理装置３０を制御する。具体的には、後処理装置３０に対して、用紙搬送タイミング、搬送する用紙の後処理の設定情報、等を送信する。給紙オプション制御部１５０は、給紙装置２０を制御する。具体的には、給紙装置２０と通信することで、用いる給紙トレイ、用紙搬送タイミング、等を送受信する。
搬送制御・画像形成制御部１６０は、給紙搬送部１４（搬送路１４３、１４４、定着部１３６、等の駆動モーターを含む）を制御することで、用紙Ｓの給紙搬送を制御する。また、画像形成部１３を制御し、画像形成条件や、用紙位置に合わせた画像形成タイミングの制御を行う。
メディアセンサー制御部１３０は、エンジン制御部１２０からの実行指示要求に応じて、紙厚センサー４０、坪量センサー５０、および表面性センサー６０を制御し、用紙特性の測定を実行させる。また、メディアセンサー制御部１３０は、用紙押圧部７０の動作を制御する。
次に図１９を参照し、紙種判定処理について説明する。ステップＳ１０～Ｓ３０は、印刷準備処理である。ユーザーは、印刷ジョブの本印刷を行う前に、この印刷準備処理を行う。
（ステップＳ１０）
ユーザーは、操作パネル１８に表示した操作画面（図示せず）の用紙設定ボタンを操作する。制御部１１は、ユーザーからこの操作を受け付けることで、用紙設定を開始する。この用紙設定の開始指示には、対象となる用紙が装填されている１つ以上の給紙トレイ（給紙トレイ１４１、１４２、２４１～２４３）の選択情報が含まれる。この用紙設定処理の詳細については図２０を参照して後述する。
ユーザーは、操作パネル１８に表示した操作画面（図示せず）の用紙設定ボタンを操作する。制御部１１は、ユーザーからこの操作を受け付けることで、用紙設定を開始する。この用紙設定の開始指示には、対象となる用紙が装填されている１つ以上の給紙トレイ（給紙トレイ１４１、１４２、２４１～２４３）の選択情報が含まれる。この用紙設定処理の詳細については図２０を参照して後述する。
（ステップＳ２０）
用紙設定の終了に応じて、設定された用紙特性に合わせた画像形成条件に設定し、図示していない印刷ボタン（スタートボタン）を押すことで印刷ジョブのテスト印刷（試し刷り）を行う。
用紙設定の終了に応じて、設定された用紙特性に合わせた画像形成条件に設定し、図示していない印刷ボタン（スタートボタン）を押すことで印刷ジョブのテスト印刷（試し刷り）を行う。
（ステップＳ３０）
ユーザーは、テスト印刷の結果が不満足である場合、または、１つの印刷ジョブで複数種類の用紙を用いる場合には、別の用紙に対してステップＳ１０以下の処理を繰り返す（ステップＳ３０：ＮＯ）。一方で、テスト印刷の結果が満足であり、全ての用紙種類に関する確認が終わった場合には（ＹＥＳ）、ユーザーによる準備完了の操作を受け付けることにより、制御部１１は、処理をステップＳ４０に進める。
ユーザーは、テスト印刷の結果が不満足である場合、または、１つの印刷ジョブで複数種類の用紙を用いる場合には、別の用紙に対してステップＳ１０以下の処理を繰り返す（ステップＳ３０：ＮＯ）。一方で、テスト印刷の結果が満足であり、全ての用紙種類に関する確認が終わった場合には（ＹＥＳ）、ユーザーによる準備完了の操作を受け付けることにより、制御部１１は、処理をステップＳ４０に進める。
（ステップＳ４０）
制御部１１は、画像形成部１３等を制御して印刷ジョブの実行（本印刷）を行うことで、印刷処理を完了する（エンド）。
制御部１１は、画像形成部１３等を制御して印刷ジョブの実行（本印刷）を行うことで、印刷処理を完了する（エンド）。
（用紙設定処理）
（ステップＳ１００、Ｓ１０１）
図２０は、用紙設定処理（ステップＳ１０）を示すサブルーチンフローチャートである。制御部１１の搬送制御・画像形成制御部１６０は、開閉機構６５によりシャッター６５１の開動作を行ってから、ユーザーにより選択された給紙トレイ（例えば給紙トレイ１４１（以下、単に「選択トレイ」という））から、用紙Ｓを給紙し、搬送路１４３まで搬送する。
（ステップＳ１００、Ｓ１０１）
図２０は、用紙設定処理（ステップＳ１０）を示すサブルーチンフローチャートである。制御部１１の搬送制御・画像形成制御部１６０は、開閉機構６５によりシャッター６５１の開動作を行ってから、ユーザーにより選択された給紙トレイ（例えば給紙トレイ１４１（以下、単に「選択トレイ」という））から、用紙Ｓを給紙し、搬送路１４３まで搬送する。
（ステップＳ１０２ａ）
メディアセンサー制御部１３０は、紙厚センサー４０により用紙Ｓの紙厚の検知を行い、検知データ（以下、「測定値１」という）を、全体制御部１１０に渡す。
メディアセンサー制御部１３０は、紙厚センサー４０により用紙Ｓの紙厚の検知を行い、検知データ（以下、「測定値１」という）を、全体制御部１１０に渡す。
（ステップＳ１０２ｂ、Ｓ１０２ｃ）
メディアセンサー制御部１３０は、坪量センサー５０、および表面性センサー６０により、用紙の坪量、および表面性の検知を行い、検知データ（以下それぞれ「測定値２、３」という）を、全体制御部１１０に渡す。この測定は、用紙Ｓの先端が所定量、坪量センサー５０、および表面性センサー６０の検知位置を通過したところで、一端、用紙搬送を停止させ、用紙押圧部７０の押圧板７１を持ち上げ、表面性センサー６０の照射領域に位置する用紙Ｓを固定する。なお、この１回目の測定の前に、基準板６５０１により表面性センサー６０のキャリブレーションを行うようにしてもよい。
メディアセンサー制御部１３０は、坪量センサー５０、および表面性センサー６０により、用紙の坪量、および表面性の検知を行い、検知データ（以下それぞれ「測定値２、３」という）を、全体制御部１１０に渡す。この測定は、用紙Ｓの先端が所定量、坪量センサー５０、および表面性センサー６０の検知位置を通過したところで、一端、用紙搬送を停止させ、用紙押圧部７０の押圧板７１を持ち上げ、表面性センサー６０の照射領域に位置する用紙Ｓを固定する。なお、この１回目の測定の前に、基準板６５０１により表面性センサー６０のキャリブレーションを行うようにしてもよい。
（ステップＳ１０３）
所定数Ｎ回の測定が行われていなければ、ステップＳ１０２ｂ、Ｓ１０２ｃの処理を繰り返す。なお、次の測定を行う前に１回毎に、用紙押圧部７０の上下動、および用紙Ｓの所定距離分の搬送（例えば数ｍｍ～５０ｍｍ程度の任意の距離）を行うことで、同じ用紙Ｓの別の位置の測定を行う。Ｎ回としては例えば５回であり、５回分の測定が終了すれば（ＹＥＳ）、処理をステップＳ１０４に進める。
所定数Ｎ回の測定が行われていなければ、ステップＳ１０２ｂ、Ｓ１０２ｃの処理を繰り返す。なお、次の測定を行う前に１回毎に、用紙押圧部７０の上下動、および用紙Ｓの所定距離分の搬送（例えば数ｍｍ～５０ｍｍ程度の任意の距離）を行うことで、同じ用紙Ｓの別の位置の測定を行う。Ｎ回としては例えば５回であり、５回分の測定が終了すれば（ＹＥＳ）、処理をステップＳ１０４に進める。
（ステップＳ１０４）
用紙Ｓの後端が、メディアセンサー１５を通過した場合、具体的には用紙Ｓの後端が搬送ローラー１４３４を抜けたことを用紙センサー（図示せず）により検知した場合（ＹＥＳ）、処理をステップＳ１０５に進める。
用紙Ｓの後端が、メディアセンサー１５を通過した場合、具体的には用紙Ｓの後端が搬送ローラー１４３４を抜けたことを用紙センサー（図示せず）により検知した場合（ＹＥＳ）、処理をステップＳ１０５に進める。
（ステップＳ１０５）
ここでは制御部１１は、開閉機構６５によりシャッター６５１の閉動作を行い閉じた状態にする。これにより、メディアセンサー１５で測定を行わないときに搬送される用紙Ｓによる紙粉等による表面性センサー６０の汚れを防止する。
ここでは制御部１１は、開閉機構６５によりシャッター６５１の閉動作を行い閉じた状態にする。これにより、メディアセンサー１５で測定を行わないときに搬送される用紙Ｓによる紙粉等による表面性センサー６０の汚れを防止する。
（ステップＳ１０６）
ここでは、ステップＳ１０２ｂ、Ｓ１０２ｃで取得したＮ回分の坪量、表面性の検知データ（測定値２、３）に対して平均化処理を行う。
ここでは、ステップＳ１０２ｂ、Ｓ１０２ｃで取得したＮ回分の坪量、表面性の検知データ（測定値２、３）に対して平均化処理を行う。
（ステップＳ１０７）
全体制御部１１０は、ステップＳ１０２ａ～Ｓ１０２ｃで取得した測定値１～３（またはこれらの平均データ）、学習済みモデル（紙種判別エンジン）、および坪量区分確率演算処理を用いて、紙種判定、および坪量区分の判定を行う。また、ステップＳ１０２ａ～Ｓ１０２ｃで取得した測定値１～３（またはこれらの平均データ）とプロファイル選択処理を用いて登録済みペーパープロファイルデータから、近似度が高いペーパープロファイルの候補判定を行う。
全体制御部１１０は、ステップＳ１０２ａ～Ｓ１０２ｃで取得した測定値１～３（またはこれらの平均データ）、学習済みモデル（紙種判別エンジン）、および坪量区分確率演算処理を用いて、紙種判定、および坪量区分の判定を行う。また、ステップＳ１０２ａ～Ｓ１０２ｃで取得した測定値１～３（またはこれらの平均データ）とプロファイル選択処理を用いて登録済みペーパープロファイルデータから、近似度が高いペーパープロファイルの候補判定を行う。
この紙種判定、および坪量区分の判定処理について、図２１を参照してより詳しく説明する。図２１は、判定処理（Ｓ１０７）を示す制御ブロック図である。この図２１では、紙種判定、および坪量区分の判定処理に加えて、ユーザー毎（装置毎）に作成した、ペーパープロファイルを用いて判定した登録プロファイル候補の判定処理も合わせて示している。
（Ｓ７０１～Ｓ７０３）
全体制御部１１０は、ステップＳ１０２ａ～Ｓ１０２ｃで取得した測定値１～３を用いて坪量換算値、紙厚換算値、表面性測定値を得る。なお、ここでは、坪量換算値は、測定値３の表面性測定値（Ｓ７０３）、画像形成システム１の周囲環境情報（温度、湿度）で決まる係数と計算式によって、第１坪量、第２坪量の値から、坪量、および坪量差を算出する。ここで坪量差＝第１坪量－第２坪量である。坪量センサー５０は、異なる波長の照射光を照射する複数のＬＥＤを備える。第１坪量は、波長（７５０ｎｍ～９００ｎｍ）の照射光を出力する第１のＬＥＤを用い、この照射光の用紙Ｓを通る透過光量により求めたものである。第２坪量は、波長（４００ｎｍ～４７０ｎｍ）の照射光を出力する第２のＬＥＤを用い、この照射光の用紙Ｓを通る透過光量により求めたものである。坪量は、ステップＳ７１１、Ｓ７１２、Ｓ７１４に送られ、坪量差（第１坪量－第２坪量）は、ステップＳ７１３、Ｓ７１４に送られる。また紙厚は、ステップＳ７１２、Ｓ７１３に送られる。表面性の測定値は、ステップＳ７０１、Ｓ７１３、Ｓ７１４に送られる。
全体制御部１１０は、ステップＳ１０２ａ～Ｓ１０２ｃで取得した測定値１～３を用いて坪量換算値、紙厚換算値、表面性測定値を得る。なお、ここでは、坪量換算値は、測定値３の表面性測定値（Ｓ７０３）、画像形成システム１の周囲環境情報（温度、湿度）で決まる係数と計算式によって、第１坪量、第２坪量の値から、坪量、および坪量差を算出する。ここで坪量差＝第１坪量－第２坪量である。坪量センサー５０は、異なる波長の照射光を照射する複数のＬＥＤを備える。第１坪量は、波長（７５０ｎｍ～９００ｎｍ）の照射光を出力する第１のＬＥＤを用い、この照射光の用紙Ｓを通る透過光量により求めたものである。第２坪量は、波長（４００ｎｍ～４７０ｎｍ）の照射光を出力する第２のＬＥＤを用い、この照射光の用紙Ｓを通る透過光量により求めたものである。坪量は、ステップＳ７１１、Ｓ７１２、Ｓ７１４に送られ、坪量差（第１坪量－第２坪量）は、ステップＳ７１３、Ｓ７１４に送られる。また紙厚は、ステップＳ７１２、Ｓ７１３に送られる。表面性の測定値は、ステップＳ７０１、Ｓ７１３、Ｓ７１４に送られる。
（ステップＳ７１１）
全体制御部１１０は、ステップＳ７０１で算出した坪量から坪量区分確率を算出する。坪量区分の例としては、下記の１２区分である。
～６１ｇ／ｍ２
６２～７５ ｇ／ｍ２
７６～８１ ｇ／ｍ２
８２～９２ ｇ／ｍ２
９３～１０６ ｇ／ｍ２
１０７～１３６ ｇ／ｍ２
１３７～１７７ ｇ／ｍ２
１７８～２１７ ｇ／ｍ２
２１８～２５７ ｇ／ｍ２
２５８～３０１ ｇ／ｍ２
３０２～３５１ ｇ／ｍ２
３５２ ｇ／ｍ２
算出した坪量は正規分布に従い、所定の標準偏差でばらつくと仮定し、各区分の確率を判定する。例えば、いずれかの区分の中央に近い場合には、その区分確率は高く、１００％に近くなる。一方で、区分の中央から遠い程、すなわち境界に近いほど、確率は低くなる。区分確率は、坪量区分スコアとして、ステップＳ７２１に送られる。
全体制御部１１０は、ステップＳ７０１で算出した坪量から坪量区分確率を算出する。坪量区分の例としては、下記の１２区分である。
～６１ｇ／ｍ２
６２～７５ ｇ／ｍ２
７６～８１ ｇ／ｍ２
８２～９２ ｇ／ｍ２
９３～１０６ ｇ／ｍ２
１０７～１３６ ｇ／ｍ２
１３７～１７７ ｇ／ｍ２
１７８～２１７ ｇ／ｍ２
２１８～２５７ ｇ／ｍ２
２５８～３０１ ｇ／ｍ２
３０２～３５１ ｇ／ｍ２
３５２ ｇ／ｍ２
算出した坪量は正規分布に従い、所定の標準偏差でばらつくと仮定し、各区分の確率を判定する。例えば、いずれかの区分の中央に近い場合には、その区分確率は高く、１００％に近くなる。一方で、区分の中央から遠い程、すなわち境界に近いほど、確率は低くなる。区分確率は、坪量区分スコアとして、ステップＳ７２１に送られる。
（ステップＳ７１２）
全体制御部１１０は、坪量と紙厚を用いて、密度（＝坪量／紙厚）を算出する。算出した密度は、ステップＳ７１３に送られる。
全体制御部１１０は、坪量と紙厚を用いて、密度（＝坪量／紙厚）を算出する。算出した密度は、ステップＳ７１３に送られる。
（ステップＳ７１３）
全体制御部１１０は、密度、紙厚、および表面性の測定値の紙特性データと、学習済みモデルを用いて、紙種判別を行う。判別結果は、紙種スコアとして、ステップＳ７２１に送られる。
全体制御部１１０は、密度、紙厚、および表面性の測定値の紙特性データと、学習済みモデルを用いて、紙種判別を行う。判別結果は、紙種スコアとして、ステップＳ７２１に送られる。
（ステップＳ７１４）
全体制御部１１０は、密度、紙厚、および表面性の測定値の紙特性データと、予めユーザー等により登録されたペーパープロファイルのリストを用いて、その中から適合率が高い登録プロファイルを選択する。このペーパープロファイルのリストには、坪量値、紙厚値、坪量差値、表面性測定値（例として受光部６４１、６４２からの測定値）からなる用紙物性を表すデータを持っており、全体制御部１１０は、ステップＳ１０２ａ～Ｓ１０２ｃで取得した測定値１～３（またはこれらの演算データ）を用いて、登録されているペーパープロファイルの中から登録済み用紙物性のデータに最も近い順にペーパープロファイルの候補の選択を行う。近さの判断方法については、例えば、全体制御部１１０は、各データ項目同士の数値の距離を演算し、演算結果に重み付け係数を乗算した値の総和が小さい順に近いと判断し、近いものを候補として選択する。選択結果は、適合率のスコアを付与した候補ペーパープロファイルリストにして、ステップＳ７２２に送られる。
全体制御部１１０は、密度、紙厚、および表面性の測定値の紙特性データと、予めユーザー等により登録されたペーパープロファイルのリストを用いて、その中から適合率が高い登録プロファイルを選択する。このペーパープロファイルのリストには、坪量値、紙厚値、坪量差値、表面性測定値（例として受光部６４１、６４２からの測定値）からなる用紙物性を表すデータを持っており、全体制御部１１０は、ステップＳ１０２ａ～Ｓ１０２ｃで取得した測定値１～３（またはこれらの演算データ）を用いて、登録されているペーパープロファイルの中から登録済み用紙物性のデータに最も近い順にペーパープロファイルの候補の選択を行う。近さの判断方法については、例えば、全体制御部１１０は、各データ項目同士の数値の距離を演算し、演算結果に重み付け係数を乗算した値の総和が小さい順に近いと判断し、近いものを候補として選択する。選択結果は、適合率のスコアを付与した候補ペーパープロファイルリストにして、ステップＳ７２２に送られる。
（ステップＳ７２１）
全体制御部１１０は、坪量区分スコア、および紙種スコアに応じて、確率の高い順に、１つ、または複数の紙種／坪量の候補を表示し、ユーザーに提示する。この処理の詳細については、図２５を参照して後述する。
全体制御部１１０は、坪量区分スコア、および紙種スコアに応じて、確率の高い順に、１つ、または複数の紙種／坪量の候補を表示し、ユーザーに提示する。この処理の詳細については、図２５を参照して後述する。
（ステップＳ７２２）
全体制御部１１０は、適合率スコアに応じて、スコアの高い順に、１つ、または複数の登録プロファイルの候補を表示し、ユーザーに提示する。この処理の詳細については、図２６を参照して後述する。
全体制御部１１０は、適合率スコアに応じて、スコアの高い順に、１つ、または複数の登録プロファイルの候補を表示し、ユーザーに提示する。この処理の詳細については、図２６を参照して後述する。
（ステップＳ１０８）
再び図２０を参照する。ここでは、全体制御部１１０は、判定結果を表示する。この処理は、上述の図２２、図２４、およびステップＳ７２１、Ｓ７２２に対応する。
再び図２０を参照する。ここでは、全体制御部１１０は、判定結果を表示する。この処理は、上述の図２２、図２４、およびステップＳ７２１、Ｓ７２２に対応する。
（ステップＳ１０９）
ユーザーが紙種を変更するのであれば（ＹＥＳ）、処理をステップＳ１１０に進め、変更せずに判定結果を受け入れるのであれば（ＮＯ）、処理をステップＳ１１１に進める。
ユーザーが紙種を変更するのであれば（ＹＥＳ）、処理をステップＳ１１０に進め、変更せずに判定結果を受け入れるのであれば（ＮＯ）、処理をステップＳ１１１に進める。
（ステップＳ１１０）
全体制御部１１０は、ユーザーからの操作パネル１８を通じた入力操作を受け付け、受け付けた変更後の紙種を、選択トレイの紙種情報として設定する。
全体制御部１１０は、ユーザーからの操作パネル１８を通じた入力操作を受け付け、受け付けた変更後の紙種を、選択トレイの紙種情報として設定する。
（ステップＳ１１１）
全体制御部１１０は、設定変更がない場合（例えば図２２でボタン８４の操作を受け付けた場合）には、ステップＳ１０７で行った、判定結果を選択トレイの紙種情報として設定する。
全体制御部１１０は、設定変更がない場合（例えば図２２でボタン８４の操作を受け付けた場合）には、ステップＳ１０７で行った、判定結果を選択トレイの紙種情報として設定する。
（ステップＳ１１２）
選択トレイの印刷条件を、設定した紙種に対応する印刷条件に設定し、以下、図１９の処理に戻り、ステップＳ１０以下の処理を行う（リターン）。
選択トレイの印刷条件を、設定した紙種に対応する印刷条件に設定し、以下、図１９の処理に戻り、ステップＳ１０以下の処理を行う（リターン）。
次に、上記の用紙設定処理においてユーザーによって実行される処理の手順について、画像形成装置１０に表示される画面の例を含めて説明する。
図２２は、用紙設定処理の手順を説明するための図である。図２３は、判定処理を開始する指示を受け付ける操作画面の例である。図２４は、判定処理を実行する指示を受け付ける操作画面の例である。図２５は、判定結果（紙種／坪量区分）を示す操作画面の例である。図２６は、判定結果（登録プロファイル）を示す操作画面の例である。図２７は、判定された用紙設定の変更処理を開始する指示を受け付ける操作画面の例である。図２８は、判定された用紙設定を変更する指示を受け付ける操作画面の例である。図２９は、判定された用紙設定の変更を登録する指示を受け付ける操作画面の例である。
（ステップＳ１）
図２２に示すように、まず、ユーザーは、測定対象の用紙をトレイにセットし、画像形成装置１０の操作パネル１８に表示された図２３のような画面において、自動用紙設定ボタン１８０ａを選択する。
図２２に示すように、まず、ユーザーは、測定対象の用紙をトレイにセットし、画像形成装置１０の操作パネル１８に表示された図２３のような画面において、自動用紙設定ボタン１８０ａを選択する。
（ステップＳ２）
操作パネル１８には、図２４のような画面が表示され、ユーザーが用紙をセットしたトレイを選択して用紙種類検出ボタン１８０ｂを選択することによって、用紙設定処理が開始される。
操作パネル１８には、図２４のような画面が表示され、ユーザーが用紙をセットしたトレイを選択して用紙種類検出ボタン１８０ｂを選択することによって、用紙設定処理が開始される。
（ステップＳ３）
続いて、画像形成装置１０によって、図２０に示すような用紙搬送、測定、判定処理が実行される。
続いて、画像形成装置１０によって、図２０に示すような用紙搬送、測定、判定処理が実行される。
（ステップＳ４）
続いて、図２５および図２６のような画面において判定結果が表示される。
続いて、図２５および図２６のような画面において判定結果が表示される。
（ステップＳ５）
ユーザーは、表示された候補の中から使用するものを選択して、画像形成装置１０に設定を適用する。
ユーザーは、表示された候補の中から使用するものを選択して、画像形成装置１０に設定を適用する。
図２５は、操作パネル１８に表示した、判定結果（紙種／坪量区分）を示す操作画面の例である。図２５の操作画面では、スコアの高い順に２つの紙種／坪量の候補を表示している。ユーザーは、第１候補である欄１８１（グロスコート紙／坪量１７７～２１６）の判定結果を受け入れる場合には、ボタン１８４を操作することで、トレイ１（給紙トレイ１４１）に、選択されている欄１８１の判定結果が適用される。第２候補である欄１８２（普通紙／坪量１７２～２１６）を適用する場合には、ユーザーは欄１８２を選択した後に、ボタン１８４を操作する。一方で、トレイ１、２の両方に、選択されている判定結果を適用したい場合には、ユーザーは、ボタン１８５を操作する。また、ボタン１８３を操作することで、判定結果を採用せず、廃棄できる。ユーザーは、試し刷りを行い画質や搬送に満足しない場合、第２候補の欄１８２を選択し直してボタン１８４またはボタン１８５を操作してトレイに再適用してから試し刷りを行う。ユーザーにより選択された判定結果は、正解データとして画像形成装置１０の記憶部またはサーバー８０等に蓄積され、その後の機械学習の教師データとして利用するようにしてもよい。また、修正は、ユーザーが各種設定を直接入力するマニュアル設定により受け付けられるようにしてもよい。
図２６は、操作パネル１８に表示した、判定結果（登録プロファイル）を示す操作画面の例である。図２６の操作画面では、スコアの高い順に３つの登録プロファイルの候補を表示している。登録プロファイルは、ユーザーが以前にメディアセンサー１５で測定した紙特性、または、操作パネル１８を通じて手入力した紙特性、をメディア名に対応付けて登録したものである。過去に測定した紙特性と同じであれば、登録したそのメディア名が第１候補として表示される。第１候補である欄１８６（用紙プロファイルデータ２１）の判定結果を受け入れる場合には、ボタン１８４、１８５等を操作することで、トレイ１等に、選択されている欄１８６の判定結果が適用される。なお、登録プロファイルの候補として、ユーザーの指示等に基づいて、装置に予め登録されているプリセットプロファイルが表示されてもよい。また、上記のように判定された結果に基づいて適用された各種設定によって図１９のＳ２０のテスト印刷（試し刷り）を行った結果、画質や給紙搬送処理がユーザーの要求を満たさない場合、ユーザーは第２候補を選択し直してテスト印刷をことが出来る。また、ユーザーは各種設定値をマニュアル設定（手作業での設定）してもよい。マニュアル設定された各種設定は、ユーザーの指示等にしたがい、画像形成装置１０等に記憶されたり、各種測定値等とともに後述する教師データベースに追加されたりしてもよい。登録プロファイルを判定する処理について、詳細は後述する。
ここで、ユーザーは、判定された用紙設定内容を修正して画像形成装置１０に設定することもできる。例えば、図２７に示されるような用紙設定画面において、用紙種別が「グロスコート紙」と判別されていることが表示されている。図２７の画面において、ユーザーが設定変更ボタン１８７を選択すると、図２８に示されるような用紙設定を変更するための画面が表示される。図２８の画面において、左側には設定項目の一覧と現在の設定内容が示されている。そして、設定変更する項目として、用紙種類の項目が選択されているため、図２８の画面の右側には、用紙種類の現在の設定である「グロスコート紙」と、用紙種類を変更する候補が表示されている。ここで、図２９に示される画面のように、画面の右側の用紙種類を変更する候補の中から「上質紙」が選択されると、画面の左側の設定項目の一覧においても、用紙種類が「上質紙」に変更されることが表示される。このように、ユーザーが選択された用紙種類（紙種）を「グロスコート紙」から「上質紙」に変更し、「ＯＫ」または「登録＆ＯＫ」のボタンを押下することによって、「上質紙」の設定が適用され、画像形成装置１０に登録される。なお、後述するように、このとき登録された内容が機械学習の教師データとして追加されてもよい。また、機械学習の教師データとして追加するための指示をユーザーから受け付けるボタン等が別途設けられてもよい。なお、後述するように、用紙種類が「カラー用紙」、「封筒」、「エンボス紙」等の所定の種類に変更された場合、機械学習の教師データに追加されないようにしてもよい。
このように、本実施形態に係る画像形成装置１０では、取得された正反射光量値、拡散反射光量値を含む測定値を、機械学習された紙種判別用の学習済みモデルに入力して紙種を判別する。これにより、予め紙種データベースに登録されていない種類の用紙に対しても、適切に紙種の候補を判別することができる。
（機械学習による紙種判別モデルの生成）
図３０は、教師データのデータベースに登録される情報の一例を示す図である。図３１は、教師データを用いた機械学習によって生成されるランダムフォレストの学習済みモデルの一例を示す図である。
図３０は、教師データのデータベースに登録される情報の一例を示す図である。図３１は、教師データを用いた機械学習によって生成されるランダムフォレストの学習済みモデルの一例を示す図である。
図３０に示すように、機械学習に使用する教師データの入力因子としては、表面性センサー６０から取得される光量である、反射光７５°（正反射光）、反射光６０°（拡散反射光）、反射光３０°（拡散反射光）、ならびに、紙厚センサー４０および坪量センサー５０から取得さる坪量差（第１坪量－第２坪量）、密度に関する情報が使用される。密度に代わり、坪量および紙厚の情報が使用されてもよい。また、教師データの出力因子としては、紙種（用紙種類）が使用される。図３０の例では、８００セット以上の教師データが準備されている。
図３０に示すような教師データを使用して、ランダムフォレスト（Ｒａｎｄｏｍ Ｆｏｒｅｓｔ）モデルを用いた機械学習を行うことによって、図３１に例示されるような学習済みモデル（紙種判別モデル）が生成される。本実施形態では、ノード数が約５００個の紙種判別モデルとして生成される。なお、教師データを用いたランダムフォレストモデルの生成およびランダムフォレストモデルを用いた判別方法については、公知であるため詳細な説明を割愛する。ランダムフォレストモデルは、ツリー状の構成で各ノード（Ｎｏｄｅ）において閾値条件によって分岐（判断）する形式であるため、判別アルゴリズムとしてプログラムに組み込む際には簡単な条件分岐として実装される。このため、判別にかかる処理時間が短く、画像形成装置１０等においてリアルタイム処理として組み込んだ場合にも、問題とならないという利点がある。本実施形態では、生成された紙種判別モデルが、紙種判別アルゴリズムに変換されて予めプログラムに組み込まれ、画像形成装置１０の全体制御部１１０によって実行される。
（教師データの入力因子の選定）
本発明者らは、用紙から測定可能な情報に基づいて精度よく紙種を判別できる紙種判別モデルを生成するために機械学習において使用するパラメータについて鋭意検討した結果、図３０に示す教師データの入力因子が有効であることを見出した。以下、入力因子の選定方法について、詳細に説明する。
本発明者らは、用紙から測定可能な情報に基づいて精度よく紙種を判別できる紙種判別モデルを生成するために機械学習において使用するパラメータについて鋭意検討した結果、図３０に示す教師データの入力因子が有効であることを見出した。以下、入力因子の選定方法について、詳細に説明する。
まず、用紙から測定可能な各種物性値について、紙種判別モデルの入力因子としての判定精度が検討された。判別精度の観点から、透気度、密度、ベック平滑度、摩擦係数、剛度、白色度、表面抵抗、含水率の順に寄与度が高いことが判明した（下記表１）。さらに寄与度が最上位である透気度を入力因子から除いた場合でも、判別精度に問題がないことを確認した上でさらなる選定が行われた。透気度は、画像形成装置等に搭載して使用できる透気度センサーがまだ実用化レベルにないため入力因子から除外された。
選定にあたっては、実際に画像形成装置１０に搭載された各センサーの出力に基づいて紙種の判別を行い、寄与度、判別精度、再現性の観点から最も良好な値となる有効な入力因子が選定された。また、同様の意味を持つ複数の因子は、過剰判断の原因となるため一つに絞られた。密度は、寄与度が高く、坪量と紙厚から算出できるため、入力因子として選定された。ベック平滑度は、上述のように、表面性センサー６０によって測定される正反射光および拡散反射光の光量と相関があることが検証の結果判明しているため、正反射光および拡散反射光の光量が入力因子として選定された。入力因子として、正反射光量と拡散反射光量の比のデータ等も検討されたが、検討の結果除外された。
このようにして、上記の８個の入力因子から４個の入力因子に絞り込まれ、最終的に、正反射光量（７５°）、拡散反射光量（３０°）、坪量センサー５０から取得される坪量差（第１坪量－第２坪量：用紙透過光量）、および密度（坪量と厚さから計算された結果が用いられても良い）が選定された（下記表２）。なお、坪量差（第１坪量－第２坪量）は、後述するようにグロス紙と非グロス紙との判別に使用できることが、検証の結果判明したため、入力因子として採用された。第１坪量および第２坪量の取得方法および紙種判別への使用例について、詳細は図５４～図５９を参照して後述する。上記のように選定された入力因子と、出力因子である紙種とを関連付けて作成された教師データを用いて機械学習して求められた紙種判別モデルの判定精度は、９８％（再現性９７％）であった（下記表３）。
なお、正反射光および拡散反射光の光量と平滑度の間には相関があるため、上述された平滑度の推定式（複合重回帰分析の結果により求められたもの）に、正反射光および拡散反射光の光量を入力することによって平滑度を算出し、算出された平滑度の値を機械学習の入力因子として使用してもよい。教師データのパラメータとして使用する値は上記の例に限定されず、紙種を判別するために有効な任意のパラメータが採用され得る。
（第２実施形態）
第１実施形態では、画像形成装置１０に、紙種判別アルゴリズムを予め組み込んで用紙判別処理を行う例について説明した。第２実施形態では、画像形成装置１０において、機械学習を行い、紙種判別モデルおよび紙種判別アルゴリズムを生成および更新する例について説明する。
第１実施形態では、画像形成装置１０に、紙種判別アルゴリズムを予め組み込んで用紙判別処理を行う例について説明した。第２実施形態では、画像形成装置１０において、機械学習を行い、紙種判別モデルおよび紙種判別アルゴリズムを生成および更新する例について説明する。
第２実施形態の画像形成装置１０の構成は、第１実施形態の画像形成装置１０と同様であり、図３０に示すような機械学習を行うための教師データのデータベースが記憶部１２に記憶される点において、第１実施形態の画像形成装置１０とは異なる。本実施形態において、画像形成装置１０または制御部１１（全体制御部１１０）は、判別装置または判別システムとして機能する。
図３２は、第２実施形態に係る画像形成装置の全体制御部の機能構成を示すブロック図である。
図３２に示すように、第２実施形態の画像形成装置１０の全体制御部１１０は、取得部１１１、判別部１１２、および学習部１１３として機能する。
取得部１１１および判別部１１２の機能は、第１実施形態と同様であるため、その説明を省略する。
学習部１１３は、図３０に示されるような教師データを用いて機械学習を行い、図３１に示されるようなランダムフォレストモデルによる紙種判別モデルを生成する。また、学習部１１３は、紙種判別モデル（または変換された紙種判別アルゴリズム）によって判別された結果がユーザーによって変更された場合、変更された内容を教師データとして追加し、追加された教師データを用いてさらに機械学習を行うことによって、新たな紙種判別モデルを生成できる。上記のような学習部１１３の処理について、以下、詳細に説明する。
（変更情報の教師データへの追加）
まず、変更情報の教師データへの追加処理について説明する。
まず、変更情報の教師データへの追加処理について説明する。
図３３は、第２実施形態に係る画像形成装置において実行される変更情報の教師データへの追加処理を示すフローチャートである。以下、図３３を参照しつつ説明する。
（ステップＳ２０１）
画像形成装置１０の全体制御部１１０は、判別部１１２による紙種等の判定結果が、ユーザーによって変更されたか否かを判断する。
画像形成装置１０の全体制御部１１０は、判別部１１２による紙種等の判定結果が、ユーザーによって変更されたか否かを判断する。
変更されていない場合（ステップＳ２０１：ＮＯ）、全体制御部１１０は、処理を終了する。
変更されている場合（ステップＳ２０１：ＹＥＳ）、全体制御部１１０は、ステップＳ２０２の処理に進む。
（ステップＳ２０２）
全体制御部１１０は、変更された紙種等を画像形成に使用する用紙設定として設定する。
全体制御部１１０は、変更された紙種等を画像形成に使用する用紙設定として設定する。
（ステップＳ２０３）
全体制御部１１０は、対応する測定値情報を取得する。対応する測定値情報とは、判別部１１２において紙種等を判定するために学習済みモデルに入力した、紙厚、坪量（密度）、用紙表面性等の測定値に関する情報である。
全体制御部１１０は、対応する測定値情報を取得する。対応する測定値情報とは、判別部１１２において紙種等を判定するために学習済みモデルに入力した、紙厚、坪量（密度）、用紙表面性等の測定値に関する情報である。
（ステップＳ２０４、Ｓ２０５）
全体制御部１１０は、記憶部１２に記憶された教師データベースのアドレス情報を読み込み、教師データベースの最終アドレスを取得する。
全体制御部１１０は、記憶部１２に記憶された教師データベースのアドレス情報を読み込み、教師データベースの最終アドレスを取得する。
（ステップＳ２０６）
全体制御部１１０は、教師データベースの最終アドレスの次のアドレスに、ユーザーによって変更された紙種の情報および対応する測定値情報を、新たな教師データとして追加する。たとえば、図３０の教師データベースにおいて、最終のアドレスに記録された教師データが「Ｎｏ．８０２」の教師データである場合、新たな教師データは、Ｎｏ．８０３のデータとして追加される。続いて、全体制御部１１０は、教師データを追加した回数である更新回数Ｎ１を１つカウントアップ（インクリメント）して記憶部１２に記憶し、処理を終了する。
全体制御部１１０は、教師データベースの最終アドレスの次のアドレスに、ユーザーによって変更された紙種の情報および対応する測定値情報を、新たな教師データとして追加する。たとえば、図３０の教師データベースにおいて、最終のアドレスに記録された教師データが「Ｎｏ．８０２」の教師データである場合、新たな教師データは、Ｎｏ．８０３のデータとして追加される。続いて、全体制御部１１０は、教師データを追加した回数である更新回数Ｎ１を１つカウントアップ（インクリメント）して記憶部１２に記憶し、処理を終了する。
（紙種判別モデルおよび紙種判別アルゴリズムの生成および更新）
次に、紙種判別モデルおよび紙種判別アルゴリズムの生成および更新処理について説明する。
次に、紙種判別モデルおよび紙種判別アルゴリズムの生成および更新処理について説明する。
図３４は、第２実施形態に係る画像形成装置において実行される紙種判別モデルおよび紙種判別アルゴリズムの生成および更新処理を示すフローチャートである。以下、図３４を参照しつつ説明する。
（ステップＳ２１１）
画像形成装置１０の全体制御部１１０は、教師データの更新回数Ｎ１を記憶部１２から読み出す。
画像形成装置１０の全体制御部１１０は、教師データの更新回数Ｎ１を記憶部１２から読み出す。
（ステップＳ２１２）。
全体制御部１１０は、教師データの更新回数Ｎ１が、紙種判別モデル更新の実行条件として予め記憶部１２に設定された所定の回数以上であるか否かを判断する紙種判別モデル更新の実行条件の設定について、詳細は図３６Ａおよび図３６Ｂを参照して後述する。
教師データの更新回数Ｎ１が所定の回数以上でない場合（ステップＳ２１２：ＮＯ）、全体制御部１１０は、処理を終了する。
教師データの更新回数Ｎ１が所定の回数以上である場合（ステップＳ２１２：ＹＥＳ）、全体制御部１１０は、ステップＳ２１３の処理に進む。
（ステップＳ２１３）
全体制御部１１０は、教師データの更新回数Ｎ１をゼロに設定する。
全体制御部１１０は、教師データの更新回数Ｎ１をゼロに設定する。
（ステップＳ２１４）
全体制御部１１０は、実行条件として予め記憶部１２に設定された更新タイミングが「待機状態」であるか否かを判断する。
全体制御部１１０は、実行条件として予め記憶部１２に設定された更新タイミングが「待機状態」であるか否かを判断する。
実行条件として予め設定された更新タイミングが「待機状態」である場合（ステップＳ２１４：ＹＥＳ）、全体制御部１１０は、ステップＳ２１５の処理に進む。
実行条件として予め設定された更新タイミングが「待機状態」でない場合（ステップＳ２１４：ＮＯ）、全体制御部１１０は、ステップＳ２１６の処理に進む。
（ステップＳ２１５）
全体制御部１１０は、画像形成装置１０が待機状態であるか否かを判断する。
全体制御部１１０は、画像形成装置１０が待機状態であるか否かを判断する。
待機状態でない場合（ステップＳ２１５：ＮＯ）、全体制御部１１０は、画像形成装置１０が待機状態となるまで画像形成装置１０の状態を監視する処理を継続する。あるいは、全体制御部１１０は、一旦処理を終了し、所定のタイミングで図３４の処理を再度実行してもよい。
待機状態である場合（ステップＳ２１５：ＹＥＳ）、全体制御部１１０は、ステップＳ２１８の処理に進む。
（ステップＳ２１６）
全体制御部１１０は、実行条件として予め設定された更新タイミングが「指定時間」であるか否かを判断する。
全体制御部１１０は、実行条件として予め設定された更新タイミングが「指定時間」であるか否かを判断する。
実行条件として予め設定された更新タイミングが「指定時間」である場合（ステップＳ２１６：ＹＥＳ）、全体制御部１１０は、ステップＳ２１７の処理に進む。
実行条件として予め設定された更新タイミングが「指定時間」でない場合（ステップＳ２１６：ＮＯ）、全体制御部１１０は、更新の実行条件が設定されていないものとして処理を終了する。あるいは、全体制御部１１０は、所定のデフォルト設定等に基づいて更新の実行条件を判断してもよい。
（ステップＳ２１７）
全体制御部１１０は、日付・時刻管理部１２１において管理されている日付および時刻を参照し、予め設定されている指定時間が到来しているか否かを判断する。
全体制御部１１０は、日付・時刻管理部１２１において管理されている日付および時刻を参照し、予め設定されている指定時間が到来しているか否かを判断する。
指定時間が到来していない場合（ステップＳ２１７：ＮＯ）、全体制御部１１０は、指定時間が到来する時間を監視する処理を継続する。あるいは、全体制御部１１０は、一旦処理を終了し、所定のタイミングで図３４の処理を再度実行してもよい。
指定時間が到来している場合（ステップＳ２１７：ＹＥＳ）、全体制御部１１０は、ステップＳ２１８の処理に進む。
（ステップＳ２１８）
全体制御部１１０は、画像形成装置１０の印刷動作または調整動作等に関するユーザー等からの指示の受付を禁止する。
全体制御部１１０は、画像形成装置１０の印刷動作または調整動作等に関するユーザー等からの指示の受付を禁止する。
（ステップＳ２１９）
全体制御部１１０は、記憶部１２に記憶された教師データベース（図３０）に基づいて、ランダムフォレストによる紙種判別モデル（図３１）を生成する。
全体制御部１１０は、記憶部１２に記憶された教師データベース（図３０）に基づいて、ランダムフォレストによる紙種判別モデル（図３１）を生成する。
（ステップＳ２２０）
全体制御部１１０は、生成された紙種判別モデルに基づいて、プログラムとして実行可能な紙種判別アルゴリズムを生成する。ステップＳ２１９およびステップＳ２２０の処理について、詳細は図３５を参照して後述する。
全体制御部１１０は、生成された紙種判別モデルに基づいて、プログラムとして実行可能な紙種判別アルゴリズムを生成する。ステップＳ２１９およびステップＳ２２０の処理について、詳細は図３５を参照して後述する。
（ステップＳ２２１）
全体制御部１１０は、生成された紙種判別アルゴリズムを、全体制御部１１０が有するＣＰＵのフラッシュメモリーの指定セグメントに書き込む。
全体制御部１１０は、生成された紙種判別アルゴリズムを、全体制御部１１０が有するＣＰＵのフラッシュメモリーの指定セグメントに書き込む。
（ステップＳ２２２）
全体制御部１１０は、ステップＳ２１８において禁止した画像形成装置１０の印刷動作または調整動作等に関するユーザー等からの指示の受付を許可（禁止解除）する。
全体制御部１１０は、ステップＳ２１８において禁止した画像形成装置１０の印刷動作または調整動作等に関するユーザー等からの指示の受付を許可（禁止解除）する。
なお、全体制御部１１０は、生成される紙種判別モデルまたは紙種判別アルゴリズムのバージョン情報を管理し、使用しているバージョン情報を操作パネル１８に表示してもよい。また、全体制御部１１０は、上記のバージョン情報の一覧表を更新履歴として操作パネル１８に表示してもよい。バージョン情報としては、例えば連番の番号が自動的に付与される。一覧表には、バージョン情報と更新日時（作成日時）等が表示される。例えば、ユーザーが更新されたバージョンの紙種判別モデルによる判別結果に満足しない場合、一覧表に表示された以前のバージョン情報を選択することによって、以前のバージョンの紙種判別モデルに戻すことができる。また、図３６Ｂを参照して後述するように、ユーザーは一つ前のバージョンの紙種判別モデルに戻したり、一つ後のバージョンの紙種判別モデルに戻したりすることもできる。
（紙種判別モデルの生成および紙種判別アルゴリズムへの変換）
図３５は、紙種判別モデルの生成処理および紙種判別モデルのバイナリーファイルへの変換処理の手順を示す図である。
図３５は、紙種判別モデルの生成処理および紙種判別モデルのバイナリーファイルへの変換処理の手順を示す図である。
図３５に示す処理は、例えば、ＬｉｎｕｘＯＳがインストールされたＣＰＵを用いて、Ｌｉｎｕｘ上でＲ（アール）を稼働させることによって実行され得る。なお、Ｒの代わりにＰｈｔｈｏｎを用いて紙種判別モデルの生成等が実行されてもよい。
図３５の上段に示すように、教師データが入力されると、データ欠損処理、データ分析処理等が行われた後、ランダムフォレストによる判別モデルが生成され、ノード状態を表すＴｒｅｅ情報ファイルとして出力される。続いて、図３５の下段に示すように、出力されたＴｒｅｅ情報ファイルから、実行ファイルに組み込み可能な紙種判別アルゴリズム（バイナリーファイル）が生成され、Ｔｒｅｅバイナリーファイルとして出力される。紙種判別アルゴリズム（バイナリーファイル）は、ＣＰＵ内部のフラッシュメモリー領域に予め設けられた、紙種判別アルゴリズム専用の書き換え可能領域（セグメント）に書き込まれる。
（紙種判別モデル更新の実行条件の設定）
図３６Ａは、紙種判別モデルの更新の実行条件の設定を受け付ける画面の一例である。図３６Ｂは、紙種判別モデルの選択を受け付ける画面の一例である。
図３６Ａは、紙種判別モデルの更新の実行条件の設定を受け付ける画面の一例である。図３６Ｂは、紙種判別モデルの選択を受け付ける画面の一例である。
画像形成装置１０は、例えば図３６Ａに示すような画面を操作パネル１８に表示して、ユーザーから紙種判別モデルの更新の実行条件の設定を受け付ける。
図３６Ａの画面において、ユーザーは、実行条件である更新タイミング（更新時期）について、「待機状態」または「指定時間」をタッチパネルボタンの操作によって選択できる。更新タイミングとして「指定時間」が選択された場合、ユーザーは、更新時間（更新が行われる時刻）を、タッチパネルボタンの「△」「▽」のアップ、ダウンボタンを押すことで、または、図示していないテンキーまたはソフトキー等を用いて指定する。更新時間としては、時刻以外に、曜日や日付等が設定されてもよい。あるいは、更新時間として、前回の更新からの経過時間が設定されてもよい。また、ユーザーは、実行条件である教師データの更新回数Ｎ１に関する処理の回数を更新時間の設定と同じ設定方法で設定できる。図３６Ａの例では、所定の回数は１０に設定されており、新たな教師データが１０セット追加された場合に、教師データの更新回数に関する実行条件が満たされる。また、ユーザーは、図３６Ａの画面の紙種判別モデル欄のボタンを選択することにより、紙種判別モデルを更新するかしないか、あるいは前のバージョンを選択するかを指定することができる。図３６Ａの画面において「前のバージョンを選択」のボタンが操作されると、たとえば図３６Ｂに示されるような画面が表示される。図３６Ｂの画面において、ユーザーは、１つ前のバージョンの紙種判別モデルを使用するか、１つ後のバージョンの紙種判別モデルを使用するか、あるいはデフォルトモデルを使用するか等を選択できる。ユーザーは、「１つ前のモデルを選択」のタッチパネルボタンを押す毎に、現在選択されているバージョンの紙種判別モデルから、前のバージョンの紙種判別モデルにさかのぼることができる。逆に、「１つ後のモデルを選択」のタッチパネルボタンを押す毎に、紙種判別モデルを、最も新しい更新バージョンの方向に戻すことができる。この場合も、図示していないが、紙種判別モデルのバージョンが登録された日付を表示して、ユーザーが選択している紙種判別モデルのバージョンを、ユーザーに認識させる表示が設けられる。また、「１つ前のモデルを選択」または「１つ後のモデルを選択」のタッチパネルボタンを押し続けて、紙種判別モデルの選択候補がなくなった場合には、選択候補がなくなったことを示す警告が表示されてもよく、あるいは、デフォルトのモデルの紙種判別モデルが選択されることや、最新のバージョンの紙種判別モデルが選択されること等を示す警告が表示されてもよい。
第２実施形態によれば、更新された最新の紙種判別アルゴリズムを用いて判別処理を実行することができる。また、紙種判別モデルを紙種判別アルゴリズムとしてプログラムに組み込むことにより、判別処理にかかる時間を短縮することができる。したがって、本実施形態にかかる用紙設定処理を、画像形成装置１０が使用される現場の業務シーケンス内に収めることができる。その一方で、処理に時間がかかる紙種判別モデルの生成および紙種判別アルゴリズムへの変換とプログラムへの組込処理を、画像形成装置１０の待機状態または印刷・調整等の稼働状態以外で行うことによって、画像形成装置１０の通常使用への影響を極小化できる。
また、第２実施形態によれば、画像形成装置１０ごとに紙種判別モデルが生成されるため、画像形成装置１０ごとの使用状況に応じた適切な紙種判別モデルを生成することができる。
（第３実施形態）
第１および第２実施形態では、画像形成装置１０が単体で用紙判別処理や機械学習処理等を行う例について説明した。第３実施形態では、各画像形成装置１０が、ネットワークＬを介して接続されるサーバー８０と協働して各種処理を行う例について説明する。第３実施形態については、各構成が実行する機能によって第３－１実施形態～第３－３実施形態に分けて説明する。
第１および第２実施形態では、画像形成装置１０が単体で用紙判別処理や機械学習処理等を行う例について説明した。第３実施形態では、各画像形成装置１０が、ネットワークＬを介して接続されるサーバー８０と協働して各種処理を行う例について説明する。第３実施形態については、各構成が実行する機能によって第３－１実施形態～第３－３実施形態に分けて説明する。
（第３－１実施形態）
第３－１実施形態では、サーバー８０に教師データベースおよび機械学習機能が設けられ、サーバー８０において学習済みモデルである紙種判別モデルおよび紙種判別アルゴリズムが生成される。生成された紙種判別アルゴリズムは、サーバー８０から画像形成装置１０に送信され、画像形成装置１０において、紙種判別アルゴリズムを用いた用紙判別処理が実行される。以下、第３－１実施形態の構成および処理について詳細に説明する。
第３－１実施形態では、サーバー８０に教師データベースおよび機械学習機能が設けられ、サーバー８０において学習済みモデルである紙種判別モデルおよび紙種判別アルゴリズムが生成される。生成された紙種判別アルゴリズムは、サーバー８０から画像形成装置１０に送信され、画像形成装置１０において、紙種判別アルゴリズムを用いた用紙判別処理が実行される。以下、第３－１実施形態の構成および処理について詳細に説明する。
第３－１実施形態の画像形成装置１０のハードウェア構成は、第１および第２実施形態の画像形成装置１０と同様であるため、詳細な説明を省略する。
（サーバー８０）
図３７は、サーバーの構成を示すブロック図である。
図３７は、サーバーの構成を示すブロック図である。
図３７に示すように、サーバー８０は、制御部８１、通信部８２、および記憶部８３（データベースとも称される）を備え、各構成は、バスによって、相互に通信可能に接続されている。サーバー８０は、画像形成装置１０と同じ場所に設けられてもよく、遠隔地に設けられ、ネットワークを介して接続されるようにしてもよい。例えば、サーバー８０は、インターネット等のネットワーク上に配置された複数のサーバーによって仮想的に構築されるクラウドサーバーであってもよい。本実施形態において、サーバー８０または制御部８１は、画像形成装置１０と連携して判別システムを構成する。また、本実施形態において、画像形成装置１０または制御部１１（全体制御部１１０）は、判別装置として機能する。
制御部８１は、画像形成装置１０の制御部１１と同様の構成として、ＣＰＵ、ＲＡＭ、ＲＯＭ等を備える。
通信部８２は、イーサネット（登録商標）等の規格による有線通信や、Ｗｉ－Ｆｉ等の規格を用いた無線通信が可能である。
記憶部８３は、各画像形成装置１０において画像形成を行う際に必要となる設定情報や、機械学習に用いる教師データのデータベース等の各種情報を記憶する。
図３８は、第３－１実施形態に係るサーバーの制御部の機能構成を示すブロック図である。図３９は、第３－１実施形態に係る画像形成装置の全体制御部の機能構成を示すブロック図である。
図３８に示すように、サーバー８０の制御部８１は、取得部８１１および学習部８１２として機能する。取得部８１１は、教師データとなる測定値情報および紙種情報等を画像形成装置１０等から取得する。学習部８１２は、教師データに基づいて機械学習を行い、学習済みモデルである紙種判別モデルおよび紙種判別アルゴリズムを生成する。学習部８１２の機能は、図３２において説明した画像形成装置１０の全体制御部１１０の学習部１１３における処理と同様であるため、詳細な説明を省略する。
図３９に示すように、画像形成装置１０の全体制御部１１０は、取得部１１１、判別部１１２、出力部１１４、および受付部１１５として機能する。取得部１１１および判別部１１２の機能は、第１および第２実施形態の画像形成装置１０と同様であるため、詳細な説明を省略する。出力部１１４は、判別部１１２による判別結果を、操作パネル１８に表示させること等によって出力する。受付部１１５は、出力部１１４によって出力された判別結果を変更するための指示を受け付ける。
以下、各構成によって実行される処理について説明する。
（画像形成装置での変更情報のサーバーへの送信）
図４０は、第３－１実施形態に係る画像形成装置において実行される変更情報の送信処理を示すフローチャートである。以下、図４０を参照しつつ説明する。
図４０は、第３－１実施形態に係る画像形成装置において実行される変更情報の送信処理を示すフローチャートである。以下、図４０を参照しつつ説明する。
（ステップＳ３０１）
画像形成装置１０の全体制御部１１０は、判別部１１２による紙種等の判定結果が、ユーザーによって変更されたか否かを判断する。
画像形成装置１０の全体制御部１１０は、判別部１１２による紙種等の判定結果が、ユーザーによって変更されたか否かを判断する。
変更されていない場合（ステップＳ３０１：ＮＯ）、全体制御部１１０は、処理を終了する。
変更されている場合（ステップＳ３０１：ＹＥＳ）、全体制御部１１０は、ステップＳ３０２の処理に進む。
（ステップＳ３０２）
全体制御部１１０は、変更された紙種等を画像形成に使用する用紙設定として設定する。
全体制御部１１０は、変更された紙種等を画像形成に使用する用紙設定として設定する。
（ステップＳ３０３）
全体制御部１１０は、紙種４種以外が選択（設定）されているか否かを判断する。本実施形態では、紙種４種としてグロスコート紙、マットコート紙、普通紙、上質紙が設定されている。
全体制御部１１０は、紙種４種以外が選択（設定）されているか否かを判断する。本実施形態では、紙種４種としてグロスコート紙、マットコート紙、普通紙、上質紙が設定されている。
紙種４種以外が選択されている場合（ステップＳ３０３：ＹＥＳ）、例えば、図２９の例において、「カラー用紙」、「封筒」「エンボス紙」に変更された場合、全体制御部１１０は、処理を終了する。
紙種４種が選択されている場合（ステップＳ３０３：ＮＯ）、全体制御部１１０は、ステップＳ３０４の処理に進み、教師データベースに追加する処理を実行する。なお、本実施形態では、変更された紙種が所定の４種であるか否かを判断する例について説明したが、所定の紙種の数や種類はこれに限定されない。
（ステップＳ３０４）
全体制御部１１０は、対応する測定値情報を取得する対応する。測定値情報とは、判別部１１２において紙種等を判定するために学習済みモデルに入力した、紙厚、坪量（密度）、用紙表面性等の測定値に関する情報である。
全体制御部１１０は、対応する測定値情報を取得する対応する。測定値情報とは、判別部１１２において紙種等を判定するために学習済みモデルに入力した、紙厚、坪量（密度）、用紙表面性等の測定値に関する情報である。
（ステップＳ３０５）
全体制御部１１０は、ユーザーによって変更された紙種の情報および対応する測定値情報を、教師データベースに追加する新たな教師データ（追加教師データ）としてサーバー８０に送信する。このとき、全体制御部１１０は、追加教師データと共に、画像形成装置１０を識別するためのシリアル番号等の識別情報をサーバー８０に送信してもよい。これにより、サーバー８０では、どの画像形成装置１０から送信された追加教師データであるかを把握して画像形成装置１０ごとの教師データの追加履歴を管理できる。その結果、サーバー８０においても、画像形成装置１０ごとの教師データベースを作成して画像形成装置１０ごとの紙種判別モデルを生成することができる。
全体制御部１１０は、ユーザーによって変更された紙種の情報および対応する測定値情報を、教師データベースに追加する新たな教師データ（追加教師データ）としてサーバー８０に送信する。このとき、全体制御部１１０は、追加教師データと共に、画像形成装置１０を識別するためのシリアル番号等の識別情報をサーバー８０に送信してもよい。これにより、サーバー８０では、どの画像形成装置１０から送信された追加教師データであるかを把握して画像形成装置１０ごとの教師データの追加履歴を管理できる。その結果、サーバー８０においても、画像形成装置１０ごとの教師データベースを作成して画像形成装置１０ごとの紙種判別モデルを生成することができる。
（サーバーでの変更情報の教師データへの追加）
図４１は、第３－１実施形態に係るサーバーにおいて実行される教師データの追加処理を示すフローチャートである。以下、図４１を参照しつつ説明する。
図４１は、第３－１実施形態に係るサーバーにおいて実行される教師データの追加処理を示すフローチャートである。以下、図４１を参照しつつ説明する。
（ステップＳ３１１）
サーバー８０の制御部８１は、画像形成装置１０から送信された追加教師データがあるか否かを判断する。
サーバー８０の制御部８１は、画像形成装置１０から送信された追加教師データがあるか否かを判断する。
追加教師データがない場合（ステップＳ３１１：ＮＯ）、制御部８１は、処理を終了する。
追加教師データがある場合（ステップＳ３１１：ＹＥＳ）、制御部８１は、ステップＳ３１２の処理に進む。
（ステップＳ３１２、Ｓ３１３）
制御部８１は、記憶部８３に記憶された教師データベースのアドレス情報を読み込み、教師データベースの最終アドレスを取得する。
制御部８１は、記憶部８３に記憶された教師データベースのアドレス情報を読み込み、教師データベースの最終アドレスを取得する。
（ステップＳ３１４）
制御部８１は、教師データベースの最終アドレスの次のアドレスに、ユーザーによって変更された紙種の情報および対応する測定値情報である追加教師データを書き込む。
制御部８１は、教師データベースの最終アドレスの次のアドレスに、ユーザーによって変更された紙種の情報および対応する測定値情報である追加教師データを書き込む。
（ステップＳ３１５）
制御部８１は、教師データを追加した回数である更新回数Ｎ１を１つカウントアップ（インクリメント）して記憶部８３に記憶し、処理を終了する。
制御部８１は、教師データを追加した回数である更新回数Ｎ１を１つカウントアップ（インクリメント）して記憶部８３に記憶し、処理を終了する。
（サーバーでの紙種判別モデルおよび紙種判別アルゴリズムの生成）
図４２は、第３－１実施形態に係るサーバーにおいて実行される紙種判別モデルおよび紙種判別アルゴリズムの生成処理を示すフローチャートである。以下、図４２を参照しつつ説明する。
図４２は、第３－１実施形態に係るサーバーにおいて実行される紙種判別モデルおよび紙種判別アルゴリズムの生成処理を示すフローチャートである。以下、図４２を参照しつつ説明する。
（ステップＳ３２１）
サーバー８０の制御部８１は、教師データの更新回数Ｎ１を記憶部８３から読み出す。
サーバー８０の制御部８１は、教師データの更新回数Ｎ１を記憶部８３から読み出す。
（ステップＳ３２２）
制御部８１は、教師データの更新回数Ｎ１が、紙種判別モデル更新の実行条件として予め記憶部８３に設定された所定の回数以上であるか否かを判断する。紙種判別モデル更新の実行条件については、第２実施形態と同様であり、ユーザーによって画像形成装置１０または設定用のＰＣ（不図示）等を介して設定され、サーバー８０の記憶部８３に記憶される。
制御部８１は、教師データの更新回数Ｎ１が、紙種判別モデル更新の実行条件として予め記憶部８３に設定された所定の回数以上であるか否かを判断する。紙種判別モデル更新の実行条件については、第２実施形態と同様であり、ユーザーによって画像形成装置１０または設定用のＰＣ（不図示）等を介して設定され、サーバー８０の記憶部８３に記憶される。
教師データの更新回数Ｎ１が所定の回数以上でない場合（ステップＳ３２２：ＮＯ）、制御部８１は、処理を終了する。
教師データの更新回数Ｎ１が所定の回数以上である場合（ステップＳ３２２：ＹＥＳ）、制御部８１は、ステップＳ３２３の処理に進む。
（ステップＳ３２３）
制御部８１は、教師データの更新回数Ｎ１をゼロに設定する。
制御部８１は、教師データの更新回数Ｎ１をゼロに設定する。
（ステップＳ３２４）
制御部８１は、記憶部８３に記憶された教師データベース（図３０）に基づいて、ランダムフォレストによる紙種判別モデル（図３１）を生成する。なお、制御部８１は、実行条件として予め設定されたタイミングに紙種判別モデルを生成してもよい。
制御部８１は、記憶部８３に記憶された教師データベース（図３０）に基づいて、ランダムフォレストによる紙種判別モデル（図３１）を生成する。なお、制御部８１は、実行条件として予め設定されたタイミングに紙種判別モデルを生成してもよい。
（ステップＳ３２５）
制御部８１は、生成された紙種判別モデルに基づいて、プログラムとして実行可能な紙種判別アルゴリズムを生成する。ステップＳ３２５およびステップＳ３２６の処理は、図３４のステップＳ２１９およびステップＳ２２０の処理と同様であるため、詳細な説明を省略する。なお、制御部８１は、実行条件として予め設定されたタイミングに紙種判別アルゴリズムを生成してもよい。
制御部８１は、生成された紙種判別モデルに基づいて、プログラムとして実行可能な紙種判別アルゴリズムを生成する。ステップＳ３２５およびステップＳ３２６の処理は、図３４のステップＳ２１９およびステップＳ２２０の処理と同様であるため、詳細な説明を省略する。なお、制御部８１は、実行条件として予め設定されたタイミングに紙種判別アルゴリズムを生成してもよい。
（ステップＳ３２６）
制御部８１は、生成された紙種判別アルゴリズムを、バージョン情報と共に参照アルゴリズムとして記憶部８３に記憶する。
制御部８１は、生成された紙種判別アルゴリズムを、バージョン情報と共に参照アルゴリズムとして記憶部８３に記憶する。
（画像形成装置での紙種判別アルゴリズムの更新）
図４３は、第３－１実施形態に係る画像形成装置において実行される紙種判別アルゴリズムの更新処理を示すフローチャートである。以下、図４３を参照しつつ説明する。
図４３は、第３－１実施形態に係る画像形成装置において実行される紙種判別アルゴリズムの更新処理を示すフローチャートである。以下、図４３を参照しつつ説明する。
（ステップＳ３３１）
画像形成装置１０の全体制御部１１０は、サーバー８０にアクセスして紙種判別アルゴリズムの更新情報を取得する。例えば、全体制御部１１０は、サーバー８０に記憶されている最新の紙種判別アルゴリズムのバージョン情報を取得する。
画像形成装置１０の全体制御部１１０は、サーバー８０にアクセスして紙種判別アルゴリズムの更新情報を取得する。例えば、全体制御部１１０は、サーバー８０に記憶されている最新の紙種判別アルゴリズムのバージョン情報を取得する。
（ステップＳ３３２）
全体制御部１１０は、サーバー８０から取得した最新の紙種判別アルゴリズムのバージョン情報と、自機が使用している紙種判別アルゴリズムのバージョン情報と比較することによって、紙種判別アルゴリズムが更新されているか否かを判断する。
全体制御部１１０は、サーバー８０から取得した最新の紙種判別アルゴリズムのバージョン情報と、自機が使用している紙種判別アルゴリズムのバージョン情報と比較することによって、紙種判別アルゴリズムが更新されているか否かを判断する。
更新されていない場合（ステップＳ３３２：ＮＯ）、全体制御部１１０は、処理を終了する。
更新されている場合（ステップＳ３３２：ＹＥＳ）、全体制御部１１０は、ステップＳ３３３の処理に進む。
（ステップＳ３３３）
全体制御部１１０は、紙種判別モデル更新の実行条件に関する情報を、サーバー８０または画像形成装置１０の記憶部１２等から取得する。
全体制御部１１０は、紙種判別モデル更新の実行条件に関する情報を、サーバー８０または画像形成装置１０の記憶部１２等から取得する。
（ステップＳ３３４）
全体制御部１１０は、実行条件として予め設定された更新タイミングが「待機状態」であるか否かを判断する。
全体制御部１１０は、実行条件として予め設定された更新タイミングが「待機状態」であるか否かを判断する。
実行条件として予め設定された更新タイミングが「待機状態」である場合（ステップＳ３３４：ＹＥＳ）、全体制御部１１０は、ステップＳ３３５の処理に進む。
実行条件として予め設定された更新タイミングが「待機状態」でない場合（ステップＳ３３４：ＮＯ）、全体制御部１１０は、ステップＳ３３６の処理に進む。
（ステップＳ３３５）
全体制御部１１０は、画像形成装置１０が待機状態であるか否かを判断する。
全体制御部１１０は、画像形成装置１０が待機状態であるか否かを判断する。
待機状態でない場合（ステップＳ３３５：ＮＯ）、全体制御部１１０は、画像形成装置１０が待機状態となるまで画像形成装置１０の状態を監視する処理を継続する。あるいは、全体制御部１１０は、一旦処理を終了し、所定のタイミングで図４３の処理を再度実行してもよい。
待機状態である場合（ステップＳ３３５：ＹＥＳ）、全体制御部１１０は、ステップＳ３３８の処理に進む。
（ステップＳ３３６）
全体制御部１１０は、実行条件として予め設定された更新タイミングが「指定時間」であるか否かを判断する。
全体制御部１１０は、実行条件として予め設定された更新タイミングが「指定時間」であるか否かを判断する。
実行条件として予め設定された更新タイミングが「指定時間」である場合（ステップＳ３３６：ＹＥＳ）、全体制御部１１０は、ステップＳ３３７の処理に進む。
実行条件として予め設定された更新タイミングが「指定時間」でない場合（ステップＳ３３６：ＮＯ）、全体制御部１１０は、更新の実行条件が設定されていないものとして処理を終了する。あるいは、全体制御部１１０は、所定のデフォルト設定等に基づいて更新の実行条件を判断してもよい。
（ステップＳ３３７）
全体制御部１１０は、日付・時刻管理部１２１において管理されている日付および時刻を参照し、予め設定されている指定時間が到来しているか否かを判断する。
全体制御部１１０は、日付・時刻管理部１２１において管理されている日付および時刻を参照し、予め設定されている指定時間が到来しているか否かを判断する。
指定時間が到来していない場合（ステップＳ３３７：ＮＯ）、全体制御部１１０は、指定時間が到来する時間を監視する処理を継続する。あるいは、全体制御部１１０は、一旦処理を終了し、所定のタイミングで図４３の処理を再度実行してもよい。
指定時間が到来している場合（ステップＳ３３７：ＹＥＳ）、全体制御部１１０は、ステップＳ３３８の処理に進む。
（ステップＳ３３８）
全体制御部１１０は、画像形成装置１０の印刷動作または調整動作等に関するユーザー等からの指示の受付を禁止する。
全体制御部１１０は、画像形成装置１０の印刷動作または調整動作等に関するユーザー等からの指示の受付を禁止する。
（ステップＳ３３９）
全体制御部１１０は、サーバー８０に対して最新の紙種判別アルゴリズムを要求して取得する。
全体制御部１１０は、サーバー８０に対して最新の紙種判別アルゴリズムを要求して取得する。
（ステップＳ３４０）
全体制御部１１０は、サーバー８０から取得した最新の紙種判別アルゴリズムを、全体制御部１１０が有するＣＰＵのフラッシュメモリーの指定セグメントに書き込む。
全体制御部１１０は、サーバー８０から取得した最新の紙種判別アルゴリズムを、全体制御部１１０が有するＣＰＵのフラッシュメモリーの指定セグメントに書き込む。
（ステップＳ３４１）
全体制御部１１０は、ステップＳ３３８において禁止した画像形成装置１０の印刷動作または調整動作等に関するユーザー等からの指示の受付を許可（禁止解除）する。
全体制御部１１０は、ステップＳ３３８において禁止した画像形成装置１０の印刷動作または調整動作等に関するユーザー等からの指示の受付を許可（禁止解除）する。
第３－１実施形態によれば、処理時間がかかる紙種判別モデルの生成処理がサーバー８０において実行されるため、紙種判別モデルの生成処理に伴う画像形成装置１０の印刷処理等の閉塞時間が短縮される。また、更新された最新の紙種判別アルゴリズムをサーバー８０が生成して保有することによって、サーバー８０に接続された複数の画像形成装置１０が最新の紙種判別アルゴリズムを共有できる。また、サーバー８０において、画像形成装置１０ごとの教師データベースを作成することによって、画像形成装置１０ごとの使用状況等に応じた紙種判別アルゴリズムを生成することもできる。
（第３－２実施形態）
第３－２実施形態では、サーバー８０に学習済みモデルである紙種判別アルゴリズムが実装され、サーバー８０において用紙判別処理が実行される。以下、第３－２実施形態の構成および処理について詳細に説明する。
第３－２実施形態では、サーバー８０に学習済みモデルである紙種判別アルゴリズムが実装され、サーバー８０において用紙判別処理が実行される。以下、第３－２実施形態の構成および処理について詳細に説明する。
第３－２実施形態の画像形成装置１０およびサーバー８０のハードウェア構成は、第３－１実施形態と同様である。
図４４Ａは、第３－２実施形態に係るサーバーの制御部の機能構成を示すブロック図である。
図４４Ａに示すように、サーバー８０の制御部８１は、取得部８１１および判別部８１３として機能する。取得部８１１の機能は、図３７において説明した第３－１実施形態のサーバー８０の取得部８１１と同様であるため、詳細な説明を省略する。判別部８１３の機能は、図１８Ｂにおいて説明した画像形成装置１０の全体制御部１１０の判別部１１２における処理と同様であるため、詳細な説明を省略する。本実施形態において、サーバー８０または制御部８１は、判別装置として機能する。
図４４Ｂは、第３－２実施形態に係る画像形成装置の全体制御部の機能構成を示すブロック図である。
図４４Ｂに示すように、画像形成装置１０の全体制御部１１０は、取得部１１１、出力部１１４、および受付部１１５として機能する。取得部１１１、出力部１１４、および受付部１１５の機能は、第３－１実施形態の画像形成装置１０と同様であるため、詳細な説明を省略する。
以下、各構成によって実行される処理について説明する。
（画像形成装置での用紙設定処理）
図４５は、第３－２実施形態に係る画像形成装置において実行される用紙設定処理（図１９のステップＳ１０に相当）を示すフローチャートである。以下、図４５を参照しつつ説明する。
図４５は、第３－２実施形態に係る画像形成装置において実行される用紙設定処理（図１９のステップＳ１０に相当）を示すフローチャートである。以下、図４５を参照しつつ説明する。
（ステップＳ３５０、Ｓ３５１）
制御部１１の搬送制御・画像形成制御部１６０は、開閉機構６５によりシャッター６５１の開動作を行ってから、選択トレイから、用紙Ｓを給紙し、搬送路１４３まで搬送する。
制御部１１の搬送制御・画像形成制御部１６０は、開閉機構６５によりシャッター６５１の開動作を行ってから、選択トレイから、用紙Ｓを給紙し、搬送路１４３まで搬送する。
（ステップＳ３５２ａ）
メディアセンサー制御部１３０は、紙厚センサー４０により用紙Ｓの紙厚の検知を行い、検知データ（測定値１）を、全体制御部１１０に渡す。
メディアセンサー制御部１３０は、紙厚センサー４０により用紙Ｓの紙厚の検知を行い、検知データ（測定値１）を、全体制御部１１０に渡す。
（ステップＳ３５２ｂ、Ｓ３５２ｃ）
メディアセンサー制御部１３０は、坪量センサー５０、および表面性センサー６０により、用紙の坪量、および表面性の検知を行い、検知データ（測定値２、３）を、全体制御部１１０に渡す。ステップＳ３５２ｂ、およびステップＳ３５２ｃの処理は、図２０のステップＳ１０２ｂおよびＳ１０２ｃと同様であるため、詳細な説明を省略する。
メディアセンサー制御部１３０は、坪量センサー５０、および表面性センサー６０により、用紙の坪量、および表面性の検知を行い、検知データ（測定値２、３）を、全体制御部１１０に渡す。ステップＳ３５２ｂ、およびステップＳ３５２ｃの処理は、図２０のステップＳ１０２ｂおよびＳ１０２ｃと同様であるため、詳細な説明を省略する。
（ステップＳ３５３）
全体制御部１１０は、所定数Ｎ回の測定が行われているか否かを判断する。
全体制御部１１０は、所定数Ｎ回の測定が行われているか否かを判断する。
所定数Ｎ回の測定が行われていなければ（ステップＳ３５３：ＮＯ）、全体制御部１１０は、ステップＳ３５２ｂ、Ｓ３５２ｃの処理を繰り返す。
所定数Ｎ回の測定が行われていれば（ステップＳ３５３：ＹＥＳ）、全体制御部１１０は、ステップＳ３５４の処理に進む。
（ステップＳ３５４）
用紙Ｓの後端が、メディアセンサー１５を通過した場合、具体的には用紙Ｓの後端が搬送ローラー１４３４を抜けたことを用紙センサー（図示せず）により検知した場合（ＹＥＳ）、処理をステップＳ３５５に進める。
用紙Ｓの後端が、メディアセンサー１５を通過した場合、具体的には用紙Ｓの後端が搬送ローラー１４３４を抜けたことを用紙センサー（図示せず）により検知した場合（ＹＥＳ）、処理をステップＳ３５５に進める。
（ステップＳ３５５）
ここでは制御部１１は、開閉機構６５によりシャッター６５１の閉動作を行い閉じた状態にする。これにより、メディアセンサー１５で測定を行わないときに搬送される用紙Ｓによる紙粉等による表面性センサー６０の汚れを防止する。
ここでは制御部１１は、開閉機構６５によりシャッター６５１の閉動作を行い閉じた状態にする。これにより、メディアセンサー１５で測定を行わないときに搬送される用紙Ｓによる紙粉等による表面性センサー６０の汚れを防止する。
（ステップＳ３５６）
全体制御部１１０は、ステップＳ３５２ｂ、Ｓ３５２ｃで取得されたＮ回分の坪量、表面性の検知データ（測定値２、３）に対して平均化処理を行う。全体制御部１１０は、ステップＳ３５２ａ～Ｓ３５６の処理において取得された情報を、測定値情報として記憶部１２に記憶する。
全体制御部１１０は、ステップＳ３５２ｂ、Ｓ３５２ｃで取得されたＮ回分の坪量、表面性の検知データ（測定値２、３）に対して平均化処理を行う。全体制御部１１０は、ステップＳ３５２ａ～Ｓ３５６の処理において取得された情報を、測定値情報として記憶部１２に記憶する。
（ステップＳ３５７）
全体制御部１１０は、測定値情報をサーバー８０に送信する。
全体制御部１１０は、測定値情報をサーバー８０に送信する。
（ステップＳ３５８）
全体制御部１１０は、測定値情報に基づいてサーバー８０において判定された紙種／坪量区分等の判定結果をサーバー８０から取得する。サーバー８０での判別処理については、後述する。
全体制御部１１０は、測定値情報に基づいてサーバー８０において判定された紙種／坪量区分等の判定結果をサーバー８０から取得する。サーバー８０での判別処理については、後述する。
（ステップＳ３５９）
全体制御部１１０は、測定値情報に基づいてサーバー８０において判定された登録プロファイルの判定結果をサーバー８０から取得する。
全体制御部１１０は、測定値情報に基づいてサーバー８０において判定された登録プロファイルの判定結果をサーバー８０から取得する。
（ステップＳ３６０）
全体制御部１１０は、サーバー８０から取得した判定結果を操作パネル１８に表示し、ユーザーからの紙種や登録プロファイル、制御パラメータ等の適用または変更等の指示を受け付ける。
全体制御部１１０は、サーバー８０から取得した判定結果を操作パネル１８に表示し、ユーザーからの紙種や登録プロファイル、制御パラメータ等の適用または変更等の指示を受け付ける。
（ステップＳ３６１）
全体制御部１１０は、判定結果として取得された紙種等の情報がユーザーによって変更されたか否かを判断する。
全体制御部１１０は、判定結果として取得された紙種等の情報がユーザーによって変更されたか否かを判断する。
判定結果として取得された情報が変更されずに受け入れられた場合（ステップＳ３６１：ＮＯ）、全体制御部１１０は、ステップＳ３６２の処理に進む。
判定結果として取得された情報が変更された場合（ステップＳ３６１：ＹＥＳ）、全体制御部１１０は、ステップＳ３６３の処理に進む。
（ステップＳ３６２）
全体制御部１１０は、取得された紙種等の情報を画像形成装置１０の選択トレイに設定する。
全体制御部１１０は、取得された紙種等の情報を画像形成装置１０の選択トレイに設定する。
（ステップＳ３６３）
全体制御部１１０は、変更された紙種等の情報を画像形成装置１０の選択トレイに設定し、変更情報の登録指示をサーバー８０に送信する。
全体制御部１１０は、変更された紙種等の情報を画像形成装置１０の選択トレイに設定し、変更情報の登録指示をサーバー８０に送信する。
（ステップＳ３６４）
全体制御部１１０は、選択トレイの印刷条件を、設定した紙種等の情報に対応する印刷条件に設定する。
全体制御部１１０は、選択トレイの印刷条件を、設定した紙種等の情報に対応する印刷条件に設定する。
（サーバーでの判別処理）
図４６は、第３－２実施形態に係るサーバーにおいて実行される紙種等の判別処理を示すフローチャートである。以下、図４６を参照しつつ説明する。
図４６は、第３－２実施形態に係るサーバーにおいて実行される紙種等の判別処理を示すフローチャートである。以下、図４６を参照しつつ説明する。
（ステップＳ３７１）
サーバー８０の制御部８１は、図４５のステップＳ３５７の処理において、画像形成装置１０から送信される測定値情報を取得する。
サーバー８０の制御部８１は、図４５のステップＳ３５７の処理において、画像形成装置１０から送信される測定値情報を取得する。
（ステップＳ３７２）
制御部８１は、測定値情報に基づいて紙種および坪量区分を判定する。ステップＳ３７２の処理は、図２０のステップＳ１０７の紙種判定、および坪量区分の判定処理と同様であるため、詳細な説明を省略する。
制御部８１は、測定値情報に基づいて紙種および坪量区分を判定する。ステップＳ３７２の処理は、図２０のステップＳ１０７の紙種判定、および坪量区分の判定処理と同様であるため、詳細な説明を省略する。
（ステップＳ３７３）
制御部８１は、記憶部８３に予め記憶されている登録プロファイルであるプリセットプロファイルを読み出す。
制御部８１は、記憶部８３に予め記憶されている登録プロファイルであるプリセットプロファイルを読み出す。
（ステップＳ３７４）
制御部８１は、ステップＳ３７２において判定された紙種および坪量区分に基づいて、使用するプリセットプロファイルの候補を判定する。
制御部８１は、ステップＳ３７２において判定された紙種および坪量区分に基づいて、使用するプリセットプロファイルの候補を判定する。
（ステップＳ３７５）
制御部８１は、ユーザーによって登録されて記憶部８３に記憶される登録プロファイルであるユーザープロファイルを読み出す。
制御部８１は、ユーザーによって登録されて記憶部８３に記憶される登録プロファイルであるユーザープロファイルを読み出す。
（ステップＳ３７６）
制御部８１は、ステップＳ３７２において判定された紙種および坪量区分に基づいて、使用するユーザープロファイルの候補を判定する。使用するプロファイルの候補の判定処理について、詳細は図６０を参照して後述する。
制御部８１は、ステップＳ３７２において判定された紙種および坪量区分に基づいて、使用するユーザープロファイルの候補を判定する。使用するプロファイルの候補の判定処理について、詳細は図６０を参照して後述する。
（ステップＳ３７７）
制御部８１は、ステップＳ３７２において判定された紙種および坪量区分、ステップＳ３７４において判定されたプリセットプロファイル、およびステップＳ３７６において判定されたユーザープロファイルの候補等を示す情報を画像形成装置１０に送信する。
制御部８１は、ステップＳ３７２において判定された紙種および坪量区分、ステップＳ３７４において判定されたプリセットプロファイル、およびステップＳ３７６において判定されたユーザープロファイルの候補等を示す情報を画像形成装置１０に送信する。
（サーバーでの変更情報の登録処理）
図４７は、第３－２実施形態に係るサーバーにおいて実行される変更情報の登録処理を示すフローチャートである。以下、図４７を参照しつつ説明する。
図４７は、第３－２実施形態に係るサーバーにおいて実行される変更情報の登録処理を示すフローチャートである。以下、図４７を参照しつつ説明する。
（ステップＳ３８１）
サーバー８０の制御部８１は、図４５のステップＳ３６３の処理において画像形成装置１０から送信される変更情報の登録指示を受信しているか否かを判断する。
サーバー８０の制御部８１は、図４５のステップＳ３６３の処理において画像形成装置１０から送信される変更情報の登録指示を受信しているか否かを判断する。
受信していない場合（ステップＳ３８１：ＮＯ）、制御部８１は、処理を終了する。
受信している場合（ステップＳ３８１：ＹＥＳ）、制御部８１は、ステップＳ３８２の処理に進む。
（ステップＳ３８２、Ｓ３８３）
制御部８１は、画像形成装置１０から変更された紙種、登録プロファイル、制御パラメータ等の情報を含む変更情報を取得し、取得した変更情報を記憶部８３に登録する。
制御部８１は、画像形成装置１０から変更された紙種、登録プロファイル、制御パラメータ等の情報を含む変更情報を取得し、取得した変更情報を記憶部８３に登録する。
第３－２実施形態によれば、判別処理がサーバー８０において実行されるため、ネットワークを介して接続された複数の画像形成装置１０間で判別処理を共通化することができ、異なる画像形成装置１０であっても同じ判別結果を得ることが可能となる。
また、画像形成装置１０ごとに記憶されるユーザープロファイルや制御パラメータ等の設定情報を、画像形成装置１０ごとにサーバー８０に記憶することもでき、例えばある画像形成装置１０に登録された特定のユーザーのユーザープロファイルや制御パラメータを、他の画像形成装置１０においても使用することができる。
（第３－３実施形態）
第３－３実施形態では、第３－１実施形態と同様に、サーバー８０に教師データベースおよび機械学習機能が設けられ、サーバー８０において学習済みモデルである紙種判別モデルおよび紙種判別アルゴリズムが生成される。さらに、第３－３実施形態では、第３－２実施形態と同様に、生成された紙種判別アルゴリズムがサーバー８０に実装され、サーバー８０において紙種判別アルゴリズムを用いた用紙判別処理が実行される。以下、第３－３実施形態の構成および処理について詳細に説明する。
第３－３実施形態では、第３－１実施形態と同様に、サーバー８０に教師データベースおよび機械学習機能が設けられ、サーバー８０において学習済みモデルである紙種判別モデルおよび紙種判別アルゴリズムが生成される。さらに、第３－３実施形態では、第３－２実施形態と同様に、生成された紙種判別アルゴリズムがサーバー８０に実装され、サーバー８０において紙種判別アルゴリズムを用いた用紙判別処理が実行される。以下、第３－３実施形態の構成および処理について詳細に説明する。
第３－３実施形態の画像形成装置１０およびサーバー８０のハードウェア構成は、第３－１実施形態および第３－２実施形態と同様である。
図４８Ａは、第３－３実施形態に係るサーバーの制御部の機能構成を示すブロック図である。
図４８Ａに示すように、サーバー８０の制御部８１は、取得部８１１、学習部８１２、および判別部８１３として機能する。取得部８１１および学習部８１２の機能は、図３７において説明した第３－１実施形態のサーバー８０の取得部８１１と同様であるため、詳細な説明を省略する。また、判別部８１３の機能は、図４４において説明した第３－２実施形態のサーバー８０の判別部８１３と同様であるため、詳細な説明を省略する。本実施形態において、サーバー８０または制御部８１は、判別装置または判別システムとして機能する。
図４８Ｂは、第３－３実施形態に係る画像形成装置の全体制御部の機能構成を示すブロック図である。
図４８Ｂに示すように、画像形成装置１０の全体制御部１１０は、取得部１１１、出力部１１４、および受付部１１５として機能する。取得部１１１、出力部１１４、および受付部１１５の機能は、第３－１および第３－２実施形態の画像形成装置１０と同様であるため、詳細な説明を省略する。
以下、各構成によって実行される処理について説明する。
（画像形成装置での用紙設定処理）
第３－３実施形態の画像形成装置１０において実行される用紙設定処理は、図４５において説明した第３－２実施形態の画像形成装置１０における用紙設定処理と同様である。
第３－３実施形態の画像形成装置１０において実行される用紙設定処理は、図４５において説明した第３－２実施形態の画像形成装置１０における用紙設定処理と同様である。
（サーバーでの変更情報の登録および教師データへの追加）
図４９は、第３－３実施形態に係るサーバーにおいて実行される変更情報の登録処理を示すフローチャートである。以下、図４９を参照しつつ説明する。
図４９は、第３－３実施形態に係るサーバーにおいて実行される変更情報の登録処理を示すフローチャートである。以下、図４９を参照しつつ説明する。
（ステップＳ３９１）
サーバー８０の制御部８１は、図４５のステップＳ３６３の処理において画像形成装置１０から送信される変更情報の登録指示を受信しているか否かを判断する。
サーバー８０の制御部８１は、図４５のステップＳ３６３の処理において画像形成装置１０から送信される変更情報の登録指示を受信しているか否かを判断する。
受信していない場合（ステップＳ３９１：ＮＯ）、制御部８１は、ステップＳ３９４の処理に進む。
受信している場合（ステップＳ３９１：ＹＥＳ）、制御部８１は、ステップＳ３９２の処理に進む。
（ステップＳ３９２、Ｓ３９３）
制御部８１は、画像形成装置１０から変更された紙種、登録プロファイル、制御パラメータ等の情報を含む変更情報を取得し、取得した変更情報を記憶部８３に登録する。
制御部８１は、画像形成装置１０から変更された紙種、登録プロファイル、制御パラメータ等の情報を含む変更情報を取得し、取得した変更情報を記憶部８３に登録する。
（ステップＳ３９４）
制御部８１は、画像形成装置１０から教師データへの追加に関する指示を受信しているか否かを判断する。
制御部８１は、画像形成装置１０から教師データへの追加に関する指示を受信しているか否かを判断する。
受信していない場合（ステップＳ３９４：ＮＯ）、制御部８１は、処理を終了する。
受信している場合（ステップＳ３９４：ＹＥＳ）、制御部８１は、ステップＳ３９５の処理に進む。
（ステップＳ３９５、Ｓ３９６）
制御部８１は、画像形成装置１０から変更された紙種と対応する測定値情報を取得して関連付けて、関連付けた情報を記憶部８３の教師データベースに追加登録する。教師データベースへの追加処理は、図４１において説明した第３－１実施形態のサーバー８０における教師データベースへの追加処理と同様である。
制御部８１は、画像形成装置１０から変更された紙種と対応する測定値情報を取得して関連付けて、関連付けた情報を記憶部８３の教師データベースに追加登録する。教師データベースへの追加処理は、図４１において説明した第３－１実施形態のサーバー８０における教師データベースへの追加処理と同様である。
（サーバーでの紙種判別モデルおよび紙種判別アルゴリズムの生成）
図５０は、第３－３実施形態に係るサーバーにおいて実行される紙種判別モデルおよび紙種判別アルゴリズムの生成および更新処理を示すフローチャートである。以下、図５０を参照しつつ説明する。
図５０は、第３－３実施形態に係るサーバーにおいて実行される紙種判別モデルおよび紙種判別アルゴリズムの生成および更新処理を示すフローチャートである。以下、図５０を参照しつつ説明する。
（ステップＳ３１０１～Ｓ３１０５）
ステップＳ３１０１～Ｓ３１０５の処理は、図４２において説明した第３－１実施形態のサーバー８０におけるステップＳ３２１～Ｓ３２５の処理と同様であるため、詳細な説明を省略する。
ステップＳ３１０１～Ｓ３１０５の処理は、図４２において説明した第３－１実施形態のサーバー８０におけるステップＳ３２１～Ｓ３２５の処理と同様であるため、詳細な説明を省略する。
（ステップＳ３１０６）
サーバー８０の制御部８１は、ステップＳ３１０５の処理において生成された実行可能な紙種判別アルゴリズムを、制御部８１が有するＣＰＵのフラッシュメモリーの指定セグメントに書き込み、処理を終了する。
サーバー８０の制御部８１は、ステップＳ３１０５の処理において生成された実行可能な紙種判別アルゴリズムを、制御部８１が有するＣＰＵのフラッシュメモリーの指定セグメントに書き込み、処理を終了する。
第３－３実施形態によれば、処理時間がかかる紙種判別モデルの生成および更新処理がサーバー８０において実行されるため、紙種判別モデルの生成および更新処理に伴う画像形成装置１０の印刷処理等の閉塞時間が極小化される。また、更新された最新の紙種判別アルゴリズムをサーバー８０が生成して実行することによって、サーバー８０に接続された複数の画像形成装置１０が最新の紙種判別アルゴリズムを共有できる。また、サーバー８０において、画像形成装置１０ごとの教師データベースを作成することによって、画像形成装置１０ごとの使用状況等に応じた紙種判別アルゴリズムを生成して実行することもできる。たとえば、紙種判別アルゴリズムは、画像形成装置１０の同機種において個体別に設けられてもよい。この場合、画像形成装置１０という一つの機種の異なる機体である、画像形成装置１０ａ、１０ｂ、１０ｃ等に対してそれぞれ紙種判別アルゴリズムが設けられる。また、紙種判別アルゴリズムは、画像形成装置１０の機種別に設けられてもよい。この場合、画像形成装置１０の異なる機種である、画像形成装置ア、画像形成装置イ、画像形成装置ウ等に対してそれぞれ紙種判別アルゴリズムが設けられる。あるいは、紙種判別アルゴリズムは、画像形成装置１０の機種別かつ個体別に設けられてもよい。この場合、画像形成装置１０の異なる機種である、画像形成装置ア、画像形成装置イ、画像形成装置ウ等の異なる機体である、画像形成装置ア－１０ａ、画像形成装置ア－１０ｂ、画像形成装置ア－１０ｃ等、画像形成装置イ－１０ａ’、画像形成装置イ－１０ｂ’、画像形成装置イ－１０ｃ’等、画像形成装置ウ－１０ａ”、画像形成装置ウ－１０ｂ”、画像形成装置ウ－１０ｃ”等に対してそれぞれ紙種判別アルゴリズムが設けられる。
（学習済みモデルとしてニューラルネットワークを用いる変形例）
上記の実施形態では、ランダムフォレストモデルを用いて学習済みモデルである紙種判別モデルを生成する例について説明したが、紙種判別モデルはニューラルネットワーク等の他の機械学習モデルを用いて生成されてもよい。
上記の実施形態では、ランダムフォレストモデルを用いて学習済みモデルである紙種判別モデルを生成する例について説明したが、紙種判別モデルはニューラルネットワーク等の他の機械学習モデルを用いて生成されてもよい。
図５１は、教師データを用いて機械学習されたニューラルネットワークの学習済みモデルを用いて紙種を判別する例を示す図である。
図５１に示すように、入力層、出力層、および複数の隠れ層（中間層）を有するニューラルネットワークであるディープニューラルネットワーク（ＤＮＮ）が構成され、教師データを用いたディープラーニング（深層学習）が実行される。図５１に示すＤＮＮの例では、入力層には、表面性センサー６０によって測定された正反射光量および拡散反射光量にそれぞれ平均化処理を加えたデータと、坪量センサー５０および紙厚センサー４０によって測定された坪量および紙厚に関する値それぞれに平均化処理を加えたデータが入力される。さらに、入力層には、後述するカメラによって撮影された用紙の表面画像に所定の前処理を加えたデータも入力される。出力層からは、グロスコート紙、マットコート紙、上質紙、普通紙等の判別紙種に関するデータが出力される。図３０に示される教師データを用いて図５１に示されるＤＮＮを機械学習させることによって、紙種判別モデルが生成される。なお、教師データを用いたニューラルネットワークおよびＤＮＮの機械学習処理および学習済みモデルを用いた判別処理については、公知であるため詳細な説明を割愛する。
図５２は、表面画像を取得するための撮影機構を例示する図である。図５３は、撮影機構によって取得されたグロスコート紙、マットコート紙、上質紙、普通紙の表面画像と、それぞれの特性を例示する図である。
図５２に示すように、撮影機構１５００は、カメラ１５０１、ＬＥＤ１５０２、反射板１５０３を有する。撮影機構１５００は、例えば画像形成装置１０内の用紙Ｓの搬送経路に設けられる。カメラ１５０１は、例えば近接マクロレンズが設けられＣＭＳカラーカメラモジュールであり、画素サイズが２μｍから１０μｍのものである。搬送される用紙Ｓは、用紙押さえ機構によって所定の用紙位置に配置される。ＬＥＤ１５０２から出力される光は、反射板１５０３において反射し、所定の用紙位置に配置された用紙Ｓの表面を照射する。ＬＥＤ１５０２は、白色発光のＬＥＤを用いている。用紙Ｓに対する照射角は９５°～８０°の範囲の設定において用紙面画像差を検出可能である。９５°に近づけるほど斜め光を当てることになるので、用紙Ｓの表面の凸凹の差を検出しやすいが検証の結果、９０°が望ましい。被写体の距離と深度は、レンズの焦点距離と明るさにより設定できるが、用紙表面状態の画像を精度良く読み込むためには、表面性センサー６０と同じように用紙Ｓを止めて押し上げ板で用紙を固定して読み込んでいる。カメラ１５０１は、ＬＥＤ１５０２から出力された光が照射される部分の用紙Ｓの表面を撮影して、図５３のような各種類の用紙Ｓの表面画像を取得する。図５３に示すように、グロスコート紙、マットコート紙、上質紙、普通紙の順に、用紙表面の平滑度が低く表面は粗くなり、画像濃度は高くなる。なお、上記では、用紙表面色も読み取るためにＬＥＤ１５０２を白色発光のＬＥＤとしたが、用紙表面の画像の特徴を抽出するために、白色以外の発光色や赤外色のＬＥＤを採用してもよい。また、白色発光のＬＥＤを使用し、カメラのレンズの前に特定の光波長のみ通すカットフィルターを装着してもよい。
撮影機構１５００によって取得された表面画像を示すデータは、例えば制御部１１（全体制御部１１０）によって所定の前処理が加えられた後、画像形成装置１０またはサーバー８０に記憶されている教師データベースに追加される。所定の前処理として、例えば、用紙表面の凹凸の特徴量を取得するために、表面画像を周波数解析した際の所定の周波数帯域の積分値化処理が実行されてもよい。あるいは、所定の前処理として、平均諧調（全体としての散乱光量）と画像１ラインの標準偏差（濃淡バラツキ）を出力する処理が実行されてもよい。また、所定の前処理として、用紙表面の凸凹の特徴が顕出するような閾値を用いた２値化処理が実行されてもよい。
このように、ニューラルネットワーク（ディープニューラルネットワーク）を用いて紙種判別モデルを生成することによって、機械学習の入力因子として表面画像を導入することが容易となる。これにより、表面画像における濃度のバラツキ量等として表出する用紙表面の凹凸の特徴や状態を、紙種判別のパラメータとして使用することができるため、精度よく紙種判別を実行できる。なお、機械学習を行う際にニューラルネットワークの各層の重みをチューニング（調整）する処理に時間がかかる。したがって、上記の各実施形態のように、学習済みモデルを生成したり更新したりする処理の実施有無、実施タイミング、実施する構成等を制御して画像形成装置１０の通常使用への影響を抑止する処置の効果がより顕著に発揮される。
（第１坪量および第２坪量について）
以下、第１坪量および第２坪量の取得方法および坪量差（第１坪量－第２坪量）の紙種判別への使用例について説明する。
以下、第１坪量および第２坪量の取得方法および坪量差（第１坪量－第２坪量）の紙種判別への使用例について説明する。
まず、坪量センサー５０の構成について詳細に説明する。
（坪量センサー５０の構成）
図５４は、坪量センサー５０の構成を示す模式図である。上述のように、坪量センサー５０は、用紙の坪量を検出する透過型の光学式センサーであり、発光部と受光部を備え、用紙Ｓを透過する光の減衰量により、測定する。
図５４は、坪量センサー５０の構成を示す模式図である。上述のように、坪量センサー５０は、用紙の坪量を検出する透過型の光学式センサーであり、発光部と受光部を備え、用紙Ｓを透過する光の減衰量により、測定する。
図５４に示すように、坪量センサー５０は、複数の発光部５１、単一の受光部５２を含む。発光部５１は、第１発光部５１ａ、第２発光部５１ｂ、第３発光部５１ｃを含む。第１、第２、第３発光部からは、それぞれ第１、第２、第３照射光が照射領域に照射される。この照射領域（第２の照射領域）は、Ｚ’方向から視た場合に開口ａ１２の内側領域である。開口ａ１２は、上ガイド１４３１に設けられている。また下ガイド１４３２にも、開口ａ１２に対向する位置に開口ａ２２が設けられている。開口ａ２２、ａ１２は同じ形状であり、例えば、矩形である。開口ａ２２、ａ１２には、搬送路１４３を通過する用紙Ｓからの紙粉等の異物が付着するのを防止するために、ＰＥＴ等で構成された、各照射光の波長が透過する透明のシート５４ａ、５４ｂを取り付けている。
第１発光部５１ａは、第１の波長を有する第１照射光を照射する。第１の波長は、例えば、可視光線の波長よりも長い近赤外線の波長である。より具体的には、第１の波長は、例えば７５０ｎｍから９００ｎｍまでの間の波長を含む。第２発光部５１ｂは、第２の波長を有する第２照射光を照射する。第２の波長は、例えば、可視光線に含まれる青色の光線の波長である。より具体的には、第２の波長は、例えば４００ｎｍから４７０ｎｍまでの間の波長を含む。第１発光部５１ａ、および第２発光部５１ｂは、ともに搬送路１４３に対して、受光部５２とは反対側に配置されており、第３発光部５１ｃは、受光部５２と同じ側であって、受光部５２の近傍に設けられている。第３発光部５１ｃは、照射領域（開口ａ１２）に向けて第３の波長を有する第３照射光を照射する。第３の波長は、例えば可視光線のうち緑色の光線の波長である。より具体的には、第３の波長は、例えば４９５ｎｍ～５７０ｎｍまでの間の波長を含む。第３の波長は、第１の波長（例えば、７５０ｎｍから９００ｎｍまでの間の波長）、および、第２の波長（例えば、４００ｎｍから４７０ｎｍ）とは異なる波長である。
第３照射光は、上下ガイド１４３１、１４３２内の搬送経路１４３に向けて照射される。第１発光部５１ａおよび第２発光部５１ｂの近傍に設けられた下ガイド１４３２の内側には、反射部５３が設けられている。反射部５３は、例えば、第３照射光と同色の緑色で塗装されており、第３照射光を反射する。なお、反射部５３は、同色ではない第１照射光（近赤外線）および第２照射光（青色の光線）は反射しない。
本実施形態では、制御部１１は、測定時には、第１発光部５１ａ、第２発光部５１ｂを制御して、それぞれ、異なるタイミングで、第１照射光と第２照射光とを照射する。受光部５２は、第１照射光と第２照射光を受光して、それぞれの照射光の光量を検出し、検出した第１照射光の光量と第２照射光の光量とを制御部１１に出力する。また、開口ａ１２の位置まで搬送された用紙Ｓに対しても同様に、第１照射光と第２照射光とを照射する。受光部５２は、第１照射光と第２照射光の透過光（第１透過光、第２透過光）を受光して、それぞれの照射光の光量を検出し、検出した第１透過光の光量と第２透過光の光量とを制御部１１に出力する。すなわち、受光部５２は、用紙Ｓがないときの第１照射光、第２照射光、および用紙Ｓが開口ａ１２にあるときの第１透過光、第２透過光を検出する。
また、第３発光部５１ｃに関しても同様に、受光部５２は、用紙Ｓがないときの反射部５３で反射した第１反射光、および用紙Ｓが開口ａ１２にあるときに用紙Ｓの表面で反射した第２反射光を検出する。
制御部１１は、第１透過光の光量を第１照射光の光量で除算して、第１透過率を算出する。また、同様に第２透過光の光量を第２照射光の光量で除算して、第２透過率を算出する。そしてこれらの第１、第２透過率と、記憶部１２に記憶されている判定基準から、用紙Ｓの種類を判定する。
また、制御部１１は、第１、第２透過率に加えて、第３反射光の光量を、第１反射光の光量で除算して、反射率を算出し、この反射率を加味して、用紙Ｓの種類を判定するようにしてもよい。なお、本実施形態では、第３発光部５１ｃ、および反射部５３を設けているがこれらは省略してもよい。
次に、坪量センサー５０の機能について説明する。
（坪量センサー５０の機能）
図５５は、第３発光部５１ｃ、および反射部５３を省略した坪量センサーおよび制御部の機能構成を示すブロック図である。
図５５は、第３発光部５１ｃ、および反射部５３を省略した坪量センサーおよび制御部の機能構成を示すブロック図である。
以下、図５５を参照して、発光部５１を制御する機能を最初に説明し、それ以降に実行される機能について順に説明する。制御部１１は、発光部５１が照射光を照射するタイミングを制御する照射制御部１１００として機能する。照射制御部１１００は、第１発光部５１ａおよび第２発光部５１ｂに対して、照射光の照射を指示する指示信号を出力する。第１発光部５１ａおよび第２発光部５１ｂは、それぞれ異なるタイミングで、第１照射光と第２照射光とを照射する。
受光部５２は、第１照射光と第２照射光とを受光して、それぞれの照射光の光量を検出し、検出した第１照射光の光量と第２照射光の光量とを制御部１１に出力する。用紙Ｓが搬送されたときに、受光部５２は、第１照射光が用紙Ｓを透過した第１透過光と、第２照射光が用紙Ｓを透過した第２透過光とを受光して、検出した第１透過光の光量と第２透過光の光量とを制御部１１に出力する。
制御部１１は、透過率算出部１１２０として、照射光の光量および透過光の光量に基づいて透過率を算出する。透過率算出部１１２０は、第１透過光の光量を第１照射光の光量で除算して、第１透過率を算出する。透過率算出部１１２０は、第２透過光の光量を第２照射光の光量で除算して、第２透過率を算出する。
制御部１１は、種類判定部１１４０として、算出された第１透過率および第２透過率により、坪量を換算するための式を選択するための用紙Ｓの種類である坪量導出用紙種を判定する。より具体的には、種類判定部１１４０は、第１透過率および第２透過率と、記憶部１２に格納された複数の判定基準１２４のうち予め定められた判定基準と、坪量閾値１２６とを用いて用紙Ｓの坪量導出用紙種を判定する。あるいは、表面性センサー６０によって検出される反射光量値から、用紙Ｓの坪量導出部１１６０で使用される坪量導出用紙種が判定されてもよい。
制御部１１は、坪量導出部１１６０として、判定された用紙Ｓの坪量導出用紙種に基づく判定基準に応じた坪量として、第１坪量および第２坪量を導出する。第１坪量および第２坪量を取得する処理の詳細は後述する。
以下、判定基準について説明する。
（判定基準）
図５６～図５８を参照して判定基準について説明する。図５６は、第１透過率と公称坪量との関係を表す判定基準を示す図である。より具体的には、図５６には、第１の波長を有する第１照射光（近赤外線）を普通紙、コート紙および再生紙に照射したとき得られたそれぞれの透過率と、公称坪量との関係が示されている。透過率は、実験により得られた値である。公称坪量は、用紙Ｓを製造するメーカー等が公表した、用紙Ｓの公称坪量である。
図５６～図５８を参照して判定基準について説明する。図５６は、第１透過率と公称坪量との関係を表す判定基準を示す図である。より具体的には、図５６には、第１の波長を有する第１照射光（近赤外線）を普通紙、コート紙および再生紙に照射したとき得られたそれぞれの透過率と、公称坪量との関係が示されている。透過率は、実験により得られた値である。公称坪量は、用紙Ｓを製造するメーカー等が公表した、用紙Ｓの公称坪量である。
図５６では、普通紙の透過率と公称坪量との関係を示す指標をひし形、コート紙の透過率と公称坪量との関係を示す指標を四角形、再生紙の透過率と公称坪量との関係を示す指標を三角形で示す。例えば、指標６０１は、ある普通紙において、実験により算出された透過率が約２５％であり、実験に使用された普通紙の公称坪量は約１００ｇ／ｍ２であることを示す。別の例として、指標６０２は、あるコート紙において、実験により算出された透過率が約３０％であり、実験に使用されたコート紙の公称坪量は約１００ｇ／ｍ２であることを示す。また、再生紙の透過率も実験により算出され、実験に使用された再生紙の公称坪量が指標により示されている。
実験では、普通紙における複数の指標と、コート紙における複数の指標と、再生紙における複数の指標とが算出される。これらの指標に基づいて、例えば最小二乗法を用いた近似線が、実験に使用されるＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）に設けられた制御部（図示せず）によって導出される。より具体的には、普通紙における判定基準６１１（一点鎖線）と、コート紙における判定基準６１２（実線）と、再生紙における判定基準６１３（破線）とが導出される。判定基準６１１～６１３を含む複数の判定基準１２４は、記憶部１２に格納される。
図５７は、第２透過率と公称坪量との関係を表す判定基準を示す図である。より具体的には、図５７には、第２の波長を有する第２照射光（可視光線に含まれる青色の光線）を普通紙、コート紙および再生紙に照射したとき得られたそれぞれの透過率と、公称坪量との関係が示されている。図５７では、普通紙の透過率と公称坪量との関係を示す指標をひし形、コート紙の透過率と公称坪量との関係を示す指標を四角形、再生紙の透過率と公称坪量との関係を示す指標を三角形で示す。
普通紙、コート紙および再生紙は、それぞれ複数の指標が算出される。これらの指標に基づいて、例えば最小二乗法を用いた近似線が実験に使用されるＰＣに設けられた制御部によって導出される。より具体的には、普通紙における判定基準７１１（一点鎖線）と、コート紙における判定基準７１２（実線）と、再生紙における判定基準７１３（破線）とが導出される。記憶部１２は、判定基準７１１～７１３を含む複数の判定基準１２４を格納可能である。
記憶部１２は、近似線の判定基準をテーブルとして格納してもよいし、当該近似線に対応する数式を格納してもよい。例えば、判定基準６１１～６１３において、坪量をｙ１としたときの数式は以下の式（１）となる。
ｙ１＝ｅｘｐ（ｂ１×Ｌｏｇ（ｘ１）＋ｂ２）・・・（１）
ｘ１は第１透過率を表し、ｂ１およびｂ２は定数を表す。式（１）で用いられる第１透過率は、当該透過率を１００で除算した値（例えば、透過率２５％の場合、２５÷１００＝０．２５）である。制御装置１０１は、記憶部１２に格納された式（１）を読み出し、式（１）に透過率を代入することで坪量を導出する。なお、ｂ１およびｂ２の少なくともいずれかの定数を変更することで、判定基準６１１、判定基準６１２および判定基準６１３のいずれか対応した数式が生成される。
ｘ１は第１透過率を表し、ｂ１およびｂ２は定数を表す。式（１）で用いられる第１透過率は、当該透過率を１００で除算した値（例えば、透過率２５％の場合、２５÷１００＝０．２５）である。制御装置１０１は、記憶部１２に格納された式（１）を読み出し、式（１）に透過率を代入することで坪量を導出する。なお、ｂ１およびｂ２の少なくともいずれかの定数を変更することで、判定基準６１１、判定基準６１２および判定基準６１３のいずれか対応した数式が生成される。
例えば、判定基準７１１～７１３において、坪量をｙ２としたときの数式は以下の式（２）となる。
ｙ２＝ｅｘｐ（ａ１×Ｌｏｇ（ｘ２）２＋ａ２×Ｌｏｇ（ｘ２）＋ａ３）・・・（２）
ｘ２は、第２透過率を表し、ａ１、ａ２、および、ａ３は定数を表す。式（２）で用いられる第２透過率は、当該透過率を１００で除算した値（例えば、透過率３０％の場合、３０÷１００＝０．３）である。制御装置１０１は、記憶部１２に格納された式（２）を読み出し、式（２）に透過率を代入することで坪量を導出する。なお、ａ１、ａ２、およびａ３の少なくともいずれかの定数を変更することで、判定基準７１１、判定基準７１２および判定基準７１３のいずれかに対応した数式が生成される。
ｘ２は、第２透過率を表し、ａ１、ａ２、および、ａ３は定数を表す。式（２）で用いられる第２透過率は、当該透過率を１００で除算した値（例えば、透過率３０％の場合、３０÷１００＝０．３）である。制御装置１０１は、記憶部１２に格納された式（２）を読み出し、式（２）に透過率を代入することで坪量を導出する。なお、ａ１、ａ２、およびａ３の少なくともいずれかの定数を変更することで、判定基準７１１、判定基準７１２および判定基準７１３のいずれかに対応した数式が生成される。
透過率を算出する場合に、第１の波長と第２の波長とを用いるのは、これらの波長が他の波長と比べて、判定基準における近似線を構成する指標のばらつきが小さいためである。より具体的には、第１の波長および第２の波長における透過率と公称坪量との関係を示す指標は、他の波長における透過率と公称坪量との関係を示す指標よりも近似線上にまたは近似線から近い位置に多く存在する。第１の波長および第２の波長は、透過率と坪量との相関が他の波長よりも高い波長である。したがって、第１の波長を有する第１照射光と第２の波長を有する第２照射光とが、坪量を導出するための透過率の算出に用いられる。
図５８は、波長における透過率と公称坪量との相関関係を示す図である。図５８を参照して、波長（ｎｍ）が比較的長い近赤外線の波長（７５０ｎｍ～９００ｎｍ）に相当する第１の波長と、可視光線のうち青色の光線の波長（４００ｎｍ～４７０ｎｍ）に相当する第２の波長とは、他の波長（例えば、５００ｎｍ～７００ｎｍ）に比べて、決定係数が「１」に近い値を示す。ある波長における決定係数が「１」に近い値となる場合、当該波長を有する照射光は、透過率と公称坪量との相関が高い。透過率と公称坪量との相関が高い場合は相関が低い場合よりも、近似線に対する、複数の指標のばらつきが小さくなる。図５８を参照すると、第１の波長と第２の波長とにおける決定係数が「１」に近い値となるため、これらの波長を有する照射光は、透過率と公称坪量との相関が高くなる。なお、図５８の波長における透過率と坪量との相関を示す値は、図５６および図５７において説明した実験によって得られたものである。また、図５８では普通紙における相関を示すものであるが、他の種類（例えば、コート紙等）の用紙Ｓも同様の相関を有する。
波長によって相関関係が異なる理由は、用紙Ｓの種類が同じであっても用紙Ｓを構成する成分が異なるためである。用紙Ｓの種類が同じの場合は、公称坪量はほぼ同じ坪量となるが、成分が異なると、用紙Ｓに照射光が照射されたときに検出される透過率が異なることがある。用紙Ｓには、例えば、炭酸カルシウム、カオリン、タルク、および、サチンホワイト等のうちの少なくともいずれかの成分が含まれる。これらの成分が用紙Ｓに含まれる場合に、第１の波長を有する第１照射光に基づく指標と、第２の波長を有する第２照射光に基づく指標とは、近似線に対するばらつきが小さく、他の波長の照射光に基づく指標は、近似線に対するばらつきが大きくなる。
画像形成装置１０は、他の波長と比べて透過率と公称坪量との相関が高い波長を有する照射光を用いて透過率を算出し、当該透過率に対応する坪量を導出することで、正確な坪量を導出できる。なお、相関が高い波長を有する照射光により、坪量を導出した場合であっても、用紙Ｓの成分によっては導出された坪量と公称坪量との差が極端に大きくなることがある。そのため、相関が高い波長を有する複数の照射光（例えば、第１の波長を有する第１照射光と、第２の波長を有する第２照射光）を用いて、それぞれの坪量に基づいて、公称坪量との差が小さい坪量を導出する。公称坪量との差が小さい坪量を導出する処理の詳細は後述する。
（坪量差（第１坪量－第２坪量）および坪量閾値について）
図５９は、透過率と坪量差との対応関係を表す指標と坪量閾値１２６とを示す図である。より具体的には、指標は、普通紙における透過率と坪量差との対応関係と、コート紙における透過率と坪量差との対応関係とを表す。透過率および坪量差は、実験により得られた値である。透過率は、例えば第１の波長の第１照射光（近赤外線）を用いて算出された第１透過率である。坪量差は、上述のように、第１坪量と第２坪量との差である。第１坪量は、図５６で示した、第１の波長における普通紙の判定基準６１１を用いて導出された透過率に対応する坪量である。第２坪量は、図５７で示した、第２の波長における普通紙の判定基準７１１を用いて導出された透過率に対応する坪量である。
図５９は、透過率と坪量差との対応関係を表す指標と坪量閾値１２６とを示す図である。より具体的には、指標は、普通紙における透過率と坪量差との対応関係と、コート紙における透過率と坪量差との対応関係とを表す。透過率および坪量差は、実験により得られた値である。透過率は、例えば第１の波長の第１照射光（近赤外線）を用いて算出された第１透過率である。坪量差は、上述のように、第１坪量と第２坪量との差である。第１坪量は、図５６で示した、第１の波長における普通紙の判定基準６１１を用いて導出された透過率に対応する坪量である。第２坪量は、図５７で示した、第２の波長における普通紙の判定基準７１１を用いて導出された透過率に対応する坪量である。
図５９では、普通紙の透過率と坪量差との関係を示す指標をひし形で表す。普通紙の指標は、透過率に対応する坪量差が約－１０ｇ／ｍ２以上の位置にプロットされている。コート紙の透過率と坪量差との関係を示す指標を四角形で表す。コート紙の指標は、透過率に対応する坪量差が約－１５ｇ／ｍ２以下の位置にプロットされている。普通紙およびコート紙における坪量差より、普通紙とコート紙との種類を判定する閾値が設定される。例えば、坪量差を－１２ｇ／ｍ２とする坪量閾値１２６が設定され、記憶部１２に格納される。
コート紙の指標が普通紙の指標と比べて坪量差が大きい理由は、第１透過率に対応する坪量と第２透過率に対応する坪量とを、予め定められた判定基準（例えば、普通紙の判定基準）を用いて導出するためである。
より具体的には、コート紙の指標が普通紙の指標と比べて坪量差が大きいのは以下の理由による。最初に、用紙Ｓが普通紙の場合に、普通紙の判定基準である判定基準６１１および判定基準７１１のいずれを用いた場合でもほぼ同じ坪量が導出されると仮定する。また、用紙Ｓがコート紙の場合に、コート紙の判定基準である判定基準６１２および判定基準７１２のいずれを用いた場合でもほぼ同じ坪量が導出されると仮定する。
次に、普通紙の判定基準７１１を用いて、用紙Ｓの透過率に対応する坪量を導出した場合は、コート紙の判定基準７１２を用いて、同じ透過率に対応する坪量を導出した場合と比べて坪量の差は比較的小さくなる。坪量の差が比較的小さい例としては、図５７に示すある透過率における判定基準７１１の公称坪量と、同じ透過率における判定基準７１２の公称坪量との差である。坪量の差が比較的小さいため、用紙Ｓの種類がコート紙であっても普通紙であっても、ある透過率に対応する坪量の差は小さい。これに対して、普通紙の判定基準６１１を用いて、用紙Ｓの透過率に対応する坪量を導出した場合は、コート紙の判定基準６１２を用いて、同じ透過率に対応する坪量を導出した場合と比べて、普通紙とコート紙との坪量の差は比較的大きくなる。坪量の差が比較的大きい例としては、図５６に示すある透過率における判定基準６１１の公称坪量と、同じ透過率における判定基準６１２の公称坪量との差である。同じ透過率に対応するコート紙の坪量は、普通紙の坪量よりも大きくなる。コート紙の透過率は、波長が長くなると普通紙の透過率よりも大きくなる傾向があるためである。
そして、上記の仮定によると、普通紙の判定基準６１１と判定基準７１１とを用いて坪量を導出すると、用紙Ｓが普通紙の場合は、それぞれの判定基準により導出される坪量はほぼ同じ値になる。これに対して、用紙Ｓがコート紙の場合は、普通紙の判定基準６１１で導出した坪量は、用紙Ｓの実際の坪量（コート紙の判定基準６１２を用いて導出した坪量）よりも小さくなる。普通紙の判定基準７１１で導出した坪量は、実際の坪量（コート紙の判定基準７１２を用いて導出した坪量）とほぼ同じ値となる。したがって、用紙Ｓがコート紙の場合に、判定基準６１１により導出された坪量から、判定基準７１１により導出された坪量を差し引いた値は、用紙が普通紙の場合に、判定基準６１１により導出された坪量から、判定基準７１１により導出された第２坪量を差し引いた値よりも小さくなる。
制御部１１は、第１透過率および第２透過率と、普通紙の判定基準６１１および７１１とにより、第１坪量および第２坪量を導出して、第１坪量から第２坪量を差し引いた値が、坪量閾値１２６の値以上の場合は、用紙Ｓの種類を普通紙であると判定する。また、制御部１１は、第１坪量から第２坪量を差し引いた値が坪量閾値１２６の値未満の場合は、用紙Ｓの種類をコート紙であると判定する。すなわち、第１坪量－第２坪量の値は、紙種判別に関する一つの指標として取り扱うことが可能であり判別因子として有利に機能することが確認されたため、上述のように紙種判別モデルの入力因子としても使用することにした。
（登録プロファイルの候補判定処理）
図６０は、ペーパープロファイル情報の一例を示す図である。
図６０は、ペーパープロファイル情報の一例を示す図である。
図６０に示すように、ペーパープロファイル情報として、登録プロファイルの名称を示すプロファイル名、用紙のサイズ、表裏調整値等の画像形成装置１０の各種調整値の設定を含む制御パラメータ、および用紙物性値等が、相互に関連付けられて画像形成装置１０の記憶部１２またはサーバー８０の記憶部８３等に記憶される。用紙物性値に含まれる各項目は、メディアセンサー１５によって測定される測定値の各項目と対応している。
測定値およびペーパープロファイルから登録プロファイルの候補を判定する処理は、ペーパープロファイルに登録されている各登録プロファイルの用紙物性値と、メディアセンサー１５による用紙Ｓの測定によって取得された測定値とを比較することで実行される。すなわち、測定値と最も近い用紙物性値を有する登録プロファイルが候補として判定される。以下、具体的な判定方法の例について説明する。
判定に用いられる測定値および各登録プロファイルの用紙物性値は、予め正規化される。測定値の各項目の値と、各登録プロファイルの用紙物性値の各項目の値との距離が計算される。ここで、各項目に予め重み付け係数を設定し、各項目に重み付け係数を掛けて距離が算出されてもよい。そして、算出された距離の値が最も小さい登録プロファイルが候補として判定される。なお、同じ種類（銘柄）の用紙において、坪量９０、１００、１６０、２００、２５０、３００といった、いくつかの坪量のバリエーションが存在することがある。紙種判別モデルを用いた判別によって、同じ種類の用紙の坪量のバリエーションまで判別できない場合でも、上記のように、登録プロファイルの判定の計算において坪量値を含めることにより、用紙の紙種と坪量に応じた適切な登録プロファイルを選択することができる。
以上に説明した画像形成装置１０またはサーバー８０等の構成は、上記の実施形態の特徴を説明するにあたって主要構成を説明したのであって、上記の構成に限られず、特許請求の範囲内において、種々改変することができる。また、一般的な画像形成装置またはサーバー等が備える構成を排除するものではない。例えば、表面性センサー６０を、画像形成装置１０の搬送路１４３上に配置した例を示したが、これに限られず、画像形成装置１０とは独立した装置としてもよい。この場合、ユーザーが、用紙を表面性センサー６０の照射領域に配置することで紙特性を測定できる。また、紙厚センサー４０にかわり、用紙の密度を測定可能な密度センサーが設けられてもよい。この場合、測定値として、用紙の紙厚に関する値にかわり、用紙の密度が取得される。
さらに、図１等では、画像形成装置１０は、オプションの給紙装置２０、後処理装置３０に連結した構成を示したが、これらのオプションがない単体の画像形成装置１０であってもよい。また、上記の各実施形態において、画像形成装置１０により実行されるものとして説明した各処理は、画像形成装置１０に接続されたコントローラーやＰＣ等によって実行されてもよい。
また、本実施形態では、紙種の判定結果として、図２２に示したように優先度（スコア）の高い順に、優先度（「推奨度」）を表示する例を示したが、優先度の表示を省略してもよい。また、候補が１つしか無い場合（あるいは２番目以降との差が所定値以上の解離がある場合）には、操作性を向上させるために、選択されている給紙トレイに自動的に適用して、試し刷り（ステップＳ２０）の操作を直ぐに（ワンタッチで）実行できる操作画面を表示するようにしてもよい。
１ 画像形成システム
１０ 画像形成装置
１１ 制御部
１１０ 全体制御部
１４ 搬送部
１４１、１４２ 給紙トレイ
１４３、１４４ 搬送路
１４３１ 上ガイド
ａ１ 開口
１４３２ 下ガイド
１５ メディアセンサー
４０ 紙厚センサー
５０ 坪量センサー
６０ 表面性センサー
６１ 筐体
ａ２、ａ３ 開口
６１ａ 傾斜面
ｂ１、ｂ２、ｂ３ 基板
６２ 発光部
６３ コリメートレンズ
６４、６４１、６４２ 受光部
７０ 用紙押圧部
１８ 操作パネル
２０ 給紙装置
３０ 後処理装置
８０ サーバー
８１ 制御部
８２ 記憶部
８３ 通信部
１０ 画像形成装置
１１ 制御部
１１０ 全体制御部
１４ 搬送部
１４１、１４２ 給紙トレイ
１４３、１４４ 搬送路
１４３１ 上ガイド
ａ１ 開口
１４３２ 下ガイド
１５ メディアセンサー
４０ 紙厚センサー
５０ 坪量センサー
６０ 表面性センサー
６１ 筐体
ａ２、ａ３ 開口
６１ａ 傾斜面
ｂ１、ｂ２、ｂ３ 基板
６２ 発光部
６３ コリメートレンズ
６４、６４１、６４２ 受光部
７０ 用紙押圧部
１８ 操作パネル
２０ 給紙装置
３０ 後処理装置
８０ サーバー
８１ 制御部
８２ 記憶部
８３ 通信部
Claims (17)
- 光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得する取得部と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成する学習部と、
前記取得部によって取得された各値を、機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別する判別部と、
前記判別部による判別結果を出力する出力部と、
前記判別結果を変更するためのユーザーからの指示を受け付ける受付部と、
前記機械学習を実行するための教師データを記憶する記憶部と、を有し、
前記学習部は、変更された前記判別結果と、前記判別結果を得るために前記学習済みモデルに入力された情報とを含む変更情報を前記教師データとして用いて、前記学習済みモデルをさらに機械学習させる、判別システム。 - 光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得する取得部と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成する学習部と、
前記取得部によって取得された各値を、機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別する判別部と、を有し
前記学習部は、予め設定されたタイミングで機械学習を実行する、判別システム。 - 光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得する取得部と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成する学習部と、
前記取得部によって取得された各値を、機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別する判別部と、を有し
前記学習部は、ネットワークを介して画像形成装置に接続されるサーバーに設けられ、
前記取得部、および前記判別部は、前記画像形成装置に設けられ、
前記サーバーは、前記学習部に前記学習済みモデルをさらに機械学習させて、機械学習された前記学習済みモデルを前記画像形成装置に送信し、
前記画像形成装置の前記判別部は、前記サーバーから送信された前記学習済みモデルを用いて前記記録媒体の種別を判別させる判別システム。 - 光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得する取得部と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成する学習部と、
前記取得部によって取得された各値を、機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別する判別部と、を有し
前記学習部、および前記判別部は、ネットワークを介して画像形成装置に接続されるサーバーに設けられ、
前記取得部は、前記画像形成装置に設けられ、
前記画像形成装置は、前記取得部において取得された各値を前記サーバーに送信し、
前記サーバーの前記判別部は、前記画像形成装置から送信された前記各値と、前記学習済みモデルとを用いて前記記録媒体の種別を判別する判別システム。 - 前記学習済みモデルは、ランダムフォレストにより構成される請求項１から４のいずれか一項に記載の判別システム。
- 前記学習済みモデルは、ニューラルネットワークにより構成される請求項１から４のいずれか一項に記載の判別システム。
- 請求項１～６のいずれか一項に記載の判別システムにおいて、
前記学習部は、前記正反射光量値と、前記拡散反射光量値と、前記記録媒体の厚さおよび坪量に関する値または前記記録媒体の密度に関する値とを教師データの入力因子とし、前記記録媒体の種類を前記教師データの出力因子として機械学習を行うことによって前記学習済みモデルを生成する、判別システム。 - 前記記録媒体に画像を形成するための画像形成装置をさらに有する請求項１、または請求項２に記載の判別システム。
- 前記画像形成装置は、
光源と、
前記光源からの光を照射領域にある記録媒体の表面に、所定の入射角で照射する光学系と、
前記照射領域において前記記録媒体の表面で正反射した正反射光の光量を検出する第１の受光部と、
前記照射領域において前記記録媒体の表面で、少なくとも１つの反射角度において拡散反射した拡散反射光の光量を検出する少なくとも１つの第２の受光部と、
前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値を検出する検出部と、
を有する請求項３、４、または８に記載の判別システム。 - 前記学習部は、前記画像形成装置において画像形成処理が実行されていないタイミングで機械学習を実行する請求項３、４、８、または９に記載の判別システム。
- 前記画像形成装置の制御部は、前記学習部において機械学習が実行されている間は、画像形成処理を実行するための指示を受け付けない請求項３、４、８、９、または１０に記載の判別システム。
- 前記判別部による判別結果を出力する出力部と、
前記判別結果を変更するためのユーザーからの指示を受け付ける受付部と、
前記機械学習を実行するための教師データを記憶する記憶部と、をさらに有し、
前記記憶部は、前記サーバーに設けられ、
前記学習部は、変更された前記判別結果と、前記判別結果を得るために前記学習済みモデルに入力された情報とを含む変更情報を前記教師データとして用いて、前記学習済みモデルをさらに機械学習させる請求項３または４に記載の判別システム。 - 前記画像形成装置から送信された前記変更情報を前記教師データとして前記記憶部に記憶させ、予め設定された実行条件に基づいて、記憶された前記教師データを用いて前記学習部に前記学習済みモデルをさらに機械学習させる請求項１２に記載の判別システム。
- 光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得するステップ（ａ）と、
教師データを用いて機械学習を行うことによって紙種判別用の学習済みモデルを生成するステップ（ｂ）と、
前記ステップ（ａ）において取得された各値を、前記ステップ（ｂ）で機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別するステップ（ｃ）と、
前記ステップ（ｃ）による判別結果を出力するステップ（ｄ）と、
前記判別結果を変更するためのユーザーからの指示を受け付けるステップ（ｅ）と、
を有し、
前記ステップ（ｂ）では、変更された前記判別結果と、前記判別結果を得るために前記学習済みモデルに入力された情報とを含む変更情報を前記教師データとして用いて、前記学習済みモデルをさらに機械学習させる、判別方法。 - 光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得するステップ（ａ）と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成するステップ（ｂ）と、
前記ステップ（ａ）において取得された各値を、前記ステップ（ｂ）で機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別するステップ（ｃ）と、を有し、
前記ステップ（ｂ）では、予め設定されたタイミングで機械学習を実行させる、判別方法。 - 光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得するステップ（ａ）と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成するステップ（ｂ）と、
前記ステップ（ａ）において取得された各値を、前記ステップ（ｂ）で機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別するステップ（ｃ）と、を有し、
前記ステップ（ｂ）は、画像形成装置にネットワークを介して接続されるサーバーで実行され、
前記ステップ（ａ）、および前記ステップ（ｃ）は、前記画像形成装置で実行され、
前記サーバーは、前記ステップ（ｂ）で、前記学習済みモデルをさらに機械学習させて、機械学習された前記学習済みモデルを前記画像形成装置に送信し、
前記画像形成装置は、前記ステップ（ｃ）では、前記サーバーから送信された前記学習済みモデルを用いて前記記録媒体の種別を判別する、判別方法。 - 光源より光学系を介して記録媒体に所定の入射角で照射され、前記記録媒体の表面で正反射した正反射光の光量に関する正反射光量値と、前記記録媒体の表面で少なくとも１つの反射角度において拡散反射した拡散反射光の光量に関する拡散反射光量値と、前記記録媒体の坪量に関する値および前記記録媒体の厚さまたは密度に関する値と、を取得するステップ（ａ）と、
機械学習を行うことによって紙種判別用の学習済みモデルを生成するステップ（ｂ）と、
前記ステップ（ａ）において取得された各値を、前記ステップ（ｂ）で機械学習された前記学習済みモデルに入力して前記記録媒体の種別を判別するステップ（ｃ）と、を有し、
前記ステップ（ｂ）、および前記ステップ（ｃ）は、画像形成装置にネットワークを介して接続されるサーバーで実行され、
前記ステップ（ａ）は、前記画像形成装置で実行され、
前記画像形成装置は、前記ステップ（ａ）で取得した各値を前記サーバーに送信し、
前記サーバーは、前記ステップ（ｃ）では、前記画像形成装置から送信された前記各値と、前記学習済みモデルとを用いて前記記録媒体の種別を判別する、判別方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019186326A JP7427905B2 (ja) | 2019-10-09 | 2019-10-09 | 判別システム、および判別方法 |
| JP2024008648A JP2024069182A (ja) | 2019-10-09 | 2024-01-24 | 判別システム、および判別方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019186326A JP7427905B2 (ja) | 2019-10-09 | 2019-10-09 | 判別システム、および判別方法 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2024008648A Division JP2024069182A (ja) | 2019-10-09 | 2024-01-24 | 判別システム、および判別方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021059451A JP2021059451A (ja) | 2021-04-15 |
| JP7427905B2 true JP7427905B2 (ja) | 2024-02-06 |
Family
ID=75379506
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019186326A Active JP7427905B2 (ja) | 2019-10-09 | 2019-10-09 | 判別システム、および判別方法 |
| JP2024008648A Pending JP2024069182A (ja) | 2019-10-09 | 2024-01-24 | 判別システム、および判別方法 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2024008648A Pending JP2024069182A (ja) | 2019-10-09 | 2024-01-24 | 判別システム、および判別方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (2) | JP7427905B2 (ja) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004050767A (ja) | 2002-07-23 | 2004-02-19 | Canon Inc | 被記録媒体識別装置、記録装置および被記録媒体識別テーブルの作成方法 |
| JP2012073923A (ja) | 2010-09-29 | 2012-04-12 | Ricoh Co Ltd | 管理装置、管理システムおよび管理方法 |
| JP2012194445A (ja) | 2011-03-17 | 2012-10-11 | Ricoh Co Ltd | 光学センサ及び画像形成装置 |
| JP2014145760A (ja) | 2013-01-07 | 2014-08-14 | Seiko Epson Corp | 記録媒体判別装置および記録媒体判別方法 |
| JP2016071169A (ja) | 2014-09-30 | 2016-05-09 | 株式会社リコー | 画像形成装置 |
| JP2018005083A (ja) | 2016-07-06 | 2018-01-11 | キヤノン株式会社 | 画像形成装置および判別装置 |
| JP2018013487A (ja) | 2010-11-26 | 2018-01-25 | 株式会社リコー | 光学センサ及び画像形成装置 |
| JP2019148673A (ja) | 2018-02-26 | 2019-09-05 | キヤノン株式会社 | 画像形成装置及び記録材判別装置 |
| JP2019159730A (ja) | 2018-03-12 | 2019-09-19 | 株式会社リコー | 保守システム、保守サーバ、保守方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04366975A (ja) * | 1991-06-14 | 1992-12-18 | Ricoh Co Ltd | 電子写真プロセス制御装置 |
-
2019
- 2019-10-09 JP JP2019186326A patent/JP7427905B2/ja active Active
-
2024
- 2024-01-24 JP JP2024008648A patent/JP2024069182A/ja active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004050767A (ja) | 2002-07-23 | 2004-02-19 | Canon Inc | 被記録媒体識別装置、記録装置および被記録媒体識別テーブルの作成方法 |
| JP2012073923A (ja) | 2010-09-29 | 2012-04-12 | Ricoh Co Ltd | 管理装置、管理システムおよび管理方法 |
| JP2018013487A (ja) | 2010-11-26 | 2018-01-25 | 株式会社リコー | 光学センサ及び画像形成装置 |
| JP2012194445A (ja) | 2011-03-17 | 2012-10-11 | Ricoh Co Ltd | 光学センサ及び画像形成装置 |
| JP2014145760A (ja) | 2013-01-07 | 2014-08-14 | Seiko Epson Corp | 記録媒体判別装置および記録媒体判別方法 |
| JP2016071169A (ja) | 2014-09-30 | 2016-05-09 | 株式会社リコー | 画像形成装置 |
| JP2018005083A (ja) | 2016-07-06 | 2018-01-11 | キヤノン株式会社 | 画像形成装置および判別装置 |
| JP2019148673A (ja) | 2018-02-26 | 2019-09-05 | キヤノン株式会社 | 画像形成装置及び記録材判別装置 |
| JP2019159730A (ja) | 2018-03-12 | 2019-09-19 | 株式会社リコー | 保守システム、保守サーバ、保守方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2024069182A (ja) | 2024-05-21 |
| JP2021059451A (ja) | 2021-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10295943B2 (en) | Image forming apparatus and image forming method | |
| JP5257170B2 (ja) | 光沢ムラ評価装置、光沢ムラ評価方法、画像形成装置及び記録媒体 | |
| JP2010283670A (ja) | 記録媒体撮像装置、及び画像形成装置 | |
| JP4810257B2 (ja) | 画像形成装置 | |
| JP7413708B2 (ja) | 光センサー装置、および画像形成装置 | |
| JP2017102046A (ja) | 画像形成装置及び記録媒体厚さ判別方法 | |
| US20220176715A1 (en) | Conveyance device, image formation apparatus, and image formation system | |
| JP7427905B2 (ja) | 判別システム、および判別方法 | |
| US20220179347A1 (en) | Parameter Determination Apparatus, Image Forming Apparatus, Post-Processing Apparatus, Sheet Feeding Apparatus, And Parameter Determination Method | |
| WO2021124715A1 (ja) | 識別装置、処理装置、処理方法、およびプログラム | |
| JP5672780B2 (ja) | 画像形成装置 | |
| JP2007206167A (ja) | 画像形成装置およびその制御方法 | |
| US11762316B2 (en) | Image forming apparatus, image forming system, and non-transitory recording medium storing computer readable control program | |
| JP7413707B2 (ja) | 光センサー装置、および画像形成装置 | |
| JP2021096774A (ja) | 識別装置、処理装置、処理方法、およびプログラム | |
| JP7338370B2 (ja) | 画像形成装置 | |
| JP5124831B2 (ja) | 画像計測装置および画像形成装置 | |
| JP5766315B2 (ja) | 記録媒体撮像装置、及び画像形成装置 | |
| US11708231B2 (en) | Paper sheet sensing device, paper sheet conveying device, and image forming apparatus | |
| JP7331615B2 (ja) | 用紙物性検出装置、用紙情報判別システム、および画像形成システム | |
| US20070102556A1 (en) | Apparatus and method for measuring roll sidewall quality | |
| US20240192900A1 (en) | Image forming apparatus and non-transitory recording medium storing computer readable control program | |
| US20240089391A1 (en) | Control device and image forming system, and computer readable recording medium storing control program | |
| US20220179348A1 (en) | Parameter Determination Apparatus, Image Forming Apparatus, Post-Processing Apparatus, Sheet Feeding Apparatus, And Creation Method Of Determination Model | |
| JP2022090863A (ja) | 画像形成装置、印刷方法、および制御プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220920 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230711 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230808 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231010 |
|
| 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: 20231226 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240108 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7427905 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |