信息处理方法、信息处理装置及信息处理程序与流程

本公开涉及生成识别废弃物的种类的识别算法的信息处理方法、信息处理装置及信息处理程序。

背景技术：

1、在废弃物处理设施中，多个种类的废弃物被搬入垃圾坑内。这些废弃物在贮存到垃圾坑内之后，投入到焚烧炉中进行焚烧处理。投入焚烧炉中的废弃物的质量会影响燃烧。另外，也包含若直接投入垃圾坑内则可能导致设备故障的废弃物。因此，在现有的设施中，操作员目视观察垃圾坑内来识别垃圾的种类并使用起重机进行废弃物的搅拌操作、向焚烧炉的投入操作，以使燃烧稳定并避免发生设备故障。

2、本申请发明人已经提出了使用识别垃圾坑内贮存的废弃物的种类的识别算法(已学习模型)自动识别废弃物并进行起重机操作的技术(参见日本特开2020-038058号公报)。

技术实现思路

1、本申请发明人为了找出使用上述识别算法的垃圾识别方法的改良技术而进行了深入研究。其结果得到以下的见解。需要说明的是，以下见解只是提出本技术的契机，并非限定本技术。

2、即，如图8所示，在机器学习(监督学习)中，由于学习需要正确的大量数据，因此在使用现有的识别算法(现有模型)的垃圾识别方法中，需要大量必须针对每个废弃物处理设施新准备的图像数据及教师数据。

3、但是，当在新建设施中导入识别算法的情况下，由于从废弃物的接受开始到设施正式运转开始的期间有限，因此需要在短期间内进行图像数据的收集、教师数据的创建及其学习。

4、另外，即使在短期间内进行了图像数据的收集、教师数据的创建及其学习，由于在新的设施中出现频度少的废弃物的教师数据少，因此基于识别算法的该废弃物的识别精度不会提高。

5、另外，废弃物处理设施除了根据设施而垃圾坑的形状、尺寸不同以外，由于多种环境条件(例如图像获取用摄像头的设置位置、角度、照明条件等)不同，因此即使将使用某个设施的图像数据及教师数据创建的识别算法直接在其他设施中使用，也无法获得充分的识别精度。

6、希望提供能够减少在新设导入设施中识别废弃物种类的识别算法的导入的工时且识别精度高的信息处理方法、信息处理装置及信息处理程序。

7、本公开一个方式的信息处理方法包含下述步骤：

8、通过机器学习对贮存废弃物的多个设施的垃圾坑内进行拍摄得到的第1图像数据和对该图像中的废弃物标记种类的第1教师数据，从而生成作为废弃物的种类的识别算法的第1模型；以及

9、针对所生成的第1模型，通过追加学习对与所述多个设施不同的第2设施的垃圾坑内进行拍摄得到的第2图像数据和对该图像中的废弃物标记种类的第2教师数据，从而生成作为与所述第2设施的废弃物对应的识别算法的第2模型。

10、本公开一个方式的信息处理装置包括：

11、第1模型生成部，其通过机器学习对贮存废弃物的多个设施的垃圾坑内进行拍摄得到的第1图像数据和对该图像中的废弃物标记种类的第1教师数据，从而生成作为废弃物的种类的识别算法的第1模型；以及

12、第2模型生成部，其针对所生成的第1模型，通过追加学习对与所述多个设施不同的第2设施的垃圾坑内进行拍摄得到的第2图像数据和对该图像中的废弃物标记种类的第2教师数据，从而生成作为与所述第2设施的废弃物对应的识别算法的第2模型。

技术特征：

1.一种信息处理方法，其特征在于，包含下述步骤：

2.根据权利要求1所述的信息处理方法，其特征在于，

3.根据权利要求1或2所述的信息处理方法，其特征在于，

4.根据权利要求3所述的信息处理方法，其特征在于，

5.根据权利要求4所述的信息处理方法，其特征在于，

6.根据权利要求1～5中任一项所述的信息处理方法，其特征在于，

7.根据权利要求1～6中任一项所述的信息处理方法，其特征在于，

8.根据权利要求1～6中任一项所述的信息处理方法，其特征在于，

9.根据权利要求1～8中任一项所述的信息处理方法，其特征在于，

10.根据权利要求1～9中任一项所述的信息处理方法，其特征在于，

11.根据权利要求1～10中任一项所述的信息处理方法，其特征在于，

12.根据权利要求1～10中任一项所述的信息处理方法，其特征在于，

13.根据权利要求1～12中任一项所述的信息处理方法，其特征在于，

14.根据权利要求1～13中任一项所述的信息处理方法，其特征在于，

15.根据权利要求1～14中任一项所述的信息处理方法，其特征在于，

16.一种信息处理装置，其特征在于，包括：

17.一种信息处理程序，其特征在于，用于使计算机执行下述步骤：

18.一种信息处理方法，其特征在于，包含下述步骤：

19.一种信息处理装置，其特征在于，

20.一种信息处理程序，其特征在于，

技术总结生成识别废弃物的种类的识别算法的信息处理方法包含下述步骤：通过机器学习对贮存废弃物的多个设施的垃圾坑内进行拍摄得到的第1图像数据和对该图像中的废弃物标记种类的第1教师数据，从而生成作为废弃物的种类的识别算法的第1模型；以及针对所生成的第1模型，通过追加学习对与所述多个设施不同的第2设施的垃圾坑内进行拍摄得到的第2图像数据和对该图像中的废弃物标记种类的第2教师数据，从而生成作为与所述第2设施的废弃物对应的识别算法的第2模型的步骤。技术研发人员：都丸春幸,町田隼也,伊藤和也,河内隆宏,松冈庆,小松平佳,市来和树,伊泽辽平,木村正成受保护的技术使用者：荏原环境工程株式会社技术研发日：技术公布日：2024/4/17