ホーム > 特許ランキング > ＹＫＫ ＡＰ株式会社
▶ ＹＫＫ ＡＰ株式会社の特許一覧 ▶ 日立物流ソフトウェア株式会社の特許一覧 ▶ Ａｕｔｏｍａｇｉ株式会社の特許一覧
特開2022-146742積荷長さ計測システム、積荷長さ計測方法および積荷長さ計測プログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022146742
(43)【公開日】2022-10-05
(54)【発明の名称】積荷長さ計測システム、積荷長さ計測方法および積荷長さ計測プログラム
(51)【国際特許分類】
G06T 7/00 20170101AFI20220928BHJP
G06T 7/60 20170101ALI20220928BHJP
G01B 11/02 20060101ALI20220928BHJP
【ＦＩ】
G06T7/00 350B
G06T7/60 150Z
G01B11/02 H
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2021047867
(22)【出願日】2021-03-22
(71)【出願人】
【識別番号】390005267
【氏名又は名称】ＹＫＫ ＡＰ株式会社
(71)【出願人】
【識別番号】591096369
【氏名又は名称】日立物流ソフトウェア株式会社
(71)【出願人】
【識別番号】510277752
【氏名又は名称】Ａｕｔｏｍａｇｉ株式会社
(74)【代理人】
【識別番号】110002147
【氏名又は名称】弁理士法人酒井国際特許事務所
(72)【発明者】
【氏名】四柳 博之
(72)【発明者】
【氏名】井上 高尚
(72)【発明者】
【氏名】佐藤 峻
【テーマコード（参考）】
2F065
5L096
【Ｆターム（参考）】
2F065AA22
2F065BB13
2F065CC11
2F065FF01
2F065FF04
2F065JJ03
2F065JJ26
2F065QQ25
2F065RR07
5L096AA06
5L096CA02
5L096DA02
5L096FA59
5L096FA64
5L096FA66
5L096FA67
5L096HA11
5L096KA04
(57)【要約】
【課題】積荷におけるパレットからの突出長さの計測を作業者によらず一様、正確かつ容易に行う。
【解決手段】積荷長さ計測システム３０では、学習モデル４６を用いた画像認識により、入力画像２２におけるパレット１０の支柱１６、ボード１８、および積荷１２の露呈部１２ａ，１２ｂを識別する。入力画像２２内の支柱１６から第１基準箇所Ｐ０１、第２基準箇所Ｐ０２を特定する。第１基準箇所Ｐ０１、第２基準箇所Ｐ０２から入力画像２２内における基準距離を求める。入力画像２２内で露呈部１２ａ，１２ｂにおける画像内突出長さを求める。露呈部１２ａ，１２ｂの実長さＬ１，Ｌ２を求める。
【選択図】図４
【解決手段】積荷長さ計測システム３０では、学習モデル４６を用いた画像認識により、入力画像２２におけるパレット１０の支柱１６、ボード１８、および積荷１２の露呈部１２ａ，１２ｂを識別する。入力画像２２内の支柱１６から第１基準箇所Ｐ０１、第２基準箇所Ｐ０２を特定する。第１基準箇所Ｐ０１、第２基準箇所Ｐ０２から入力画像２２内における基準距離を求める。入力画像２２内で露呈部１２ａ，１２ｂにおける画像内突出長さを求める。露呈部１２ａ，１２ｂの実長さＬ１，Ｌ２を求める。
【選択図】図４
【特許請求の範囲】
【請求項1】
所定方向に基準距離だけ離れた第１基準箇所および第２基準箇所を含み所定の形状若しくは所定の第１色又はその結合の１以上の基準要素と、所定の第２色の積荷遮蔽物とを備えるパレットが、少なくとも前記第２色とは異なる所定の第３色の積荷を積んだ状態を撮影した入力画像に基づき、前記積荷遮蔽物の縁から前記所定方向へ突出している前記積荷における露呈部の突出長さを計測する積荷長さ計測システムであって、
前記パレットに前記積荷が積まれた複数の教師画像に基づいた機械学習により学習済みの学習モデルを記憶する記憶部と、
前記学習モデルを用いた画像認識により、前記入力画像における前記基準要素を識別する基準要素部識別手段と、
前記学習モデルを用いた画像認識により、前記入力画像における前記積荷の前記露呈部を識別する積荷識別手段と、
を有することを特徴とする積荷長さ計測システム。
前記パレットに前記積荷が積まれた複数の教師画像に基づいた機械学習により学習済みの学習モデルを記憶する記憶部と、
前記学習モデルを用いた画像認識により、前記入力画像における前記基準要素を識別する基準要素部識別手段と、
前記学習モデルを用いた画像認識により、前記入力画像における前記積荷の前記露呈部を識別する積荷識別手段と、
を有することを特徴とする積荷長さ計測システム。
【請求項2】
前記入力画像内で識別された前記基準要素から所定基準に基づいて前記第１基準箇所および前記第２基準箇所を特定する基準箇所特定手段と、
前記入力画像内で特定された前記第１基準箇所および前記第２基準箇所から前記入力画像内における前記基準距離を求める基準距離算出手段と、
前記入力画像内で前記露呈部における前記所定方向の長さを求める画像内突出長さ算出手段と、
前記入力画像内における前記基準距離および前記露呈部の前記所定方向の長さから前記露呈部の実長さを求める実長さ算出手段と、
を有することを特徴とする請求項１に記載の積荷長さ計測システム。
前記入力画像内で特定された前記第１基準箇所および前記第２基準箇所から前記入力画像内における前記基準距離を求める基準距離算出手段と、
前記入力画像内で前記露呈部における前記所定方向の長さを求める画像内突出長さ算出手段と、
前記入力画像内における前記基準距離および前記露呈部の前記所定方向の長さから前記露呈部の実長さを求める実長さ算出手段と、
を有することを特徴とする請求項１に記載の積荷長さ計測システム。
【請求項3】
前記基準要素は、前記積荷が載置される台座で水平方向に離間した位置から上方に突出して前記積荷を側方で支える一対の支柱であることを特徴とする請求項１または２に記載の積荷長さ計測システム。
【請求項4】
前記所定方向は水平方向であって、
前記第１基準箇所および前記第２基準箇所は、一対の前記支柱における同じ高さの点であることを特徴とする請求項３に記載の積荷長さ計測システム。
前記第１基準箇所および前記第２基準箇所は、一対の前記支柱における同じ高さの点であることを特徴とする請求項３に記載の積荷長さ計測システム。
【請求項5】
前記第１基準箇所および前記第２基準箇所は、前記露呈部における水平方向の最突出部と同じ高さの点とすることを特徴とする請求項４に記載の積荷長さ計測システム。
【請求項6】
前記入力画像は、前記パレットの左右中心よりも前記露呈部が存在する側に寄った位置で撮影されたものであることを特徴とする請求項４または５に記載の積荷長さ計測システム。
【請求項7】
前記所定方向は鉛直方向であって、
一対の前記支柱の長さはそれぞれ前記基準距離であり、
前記第１基準箇所および前記第２基準箇所は、前記支柱の上端部および下端部とすることを特徴とする請求項３に記載の積荷長さ計測システム。
一対の前記支柱の長さはそれぞれ前記基準距離であり、
前記第１基準箇所および前記第２基準箇所は、前記支柱の上端部および下端部とすることを特徴とする請求項３に記載の積荷長さ計測システム。
【請求項8】
前記積荷遮蔽物は、一対の前記支柱に固定されて該積荷を側方で支えるボードであり、
前記支柱は前記第１色が規定されており、
前記ボードの前記第２色は前記第１色とは異なり、
前記ボードは、一対の前記支柱の間に亘って設けられており、一対の前記支柱よりも面積が大きいことを特徴とする請求項３～５のいずれか１項に記載の積荷長さ計測システム。
前記支柱は前記第１色が規定されており、
前記ボードの前記第２色は前記第１色とは異なり、
前記ボードは、一対の前記支柱の間に亘って設けられており、一対の前記支柱よりも面積が大きいことを特徴とする請求項３～５のいずれか１項に記載の積荷長さ計測システム。
【請求項9】
所定方向に基準距離だけ離れた第１基準箇所および第２基準箇所を含み所定の形状若しくは所定の第１色又はその結合の１以上の基準要素と、所定の第２色の積荷遮蔽物とを備えるパレットが、少なくとも前記第２色とは異なる所定の第３色の積荷を積んだ状態を撮影した入力画像に基づき、前記積荷遮蔽物の縁から前記所定方向へ突出している前記積荷における露呈部の突出長さを計測する積荷長さ計測方法であって、
前記パレットに前記積荷が積まれた複数の教師画像に基づいた機械学習により学習済みの学習モデルを記憶部から読み出すステップと、
前記学習モデルを用いた画像認識により、前記入力画像における前記基準要素を識別する基準要素部識別ステップと、
前記学習モデルを用いた画像認識により、前記入力画像における前記積荷の前記露呈部を識別する積荷識別ステップと、
をプロセッサが実行することを特徴とする積荷長さ計測方法。
前記パレットに前記積荷が積まれた複数の教師画像に基づいた機械学習により学習済みの学習モデルを記憶部から読み出すステップと、
前記学習モデルを用いた画像認識により、前記入力画像における前記基準要素を識別する基準要素部識別ステップと、
前記学習モデルを用いた画像認識により、前記入力画像における前記積荷の前記露呈部を識別する積荷識別ステップと、
をプロセッサが実行することを特徴とする積荷長さ計測方法。
【請求項10】
所定方向に基準距離だけ離れた第１基準箇所および第２基準箇所を含み所定の形状若しくは所定の第１色又はその結合の１以上の基準要素と、所定の第２色の積荷遮蔽物とを備えるパレットが、少なくとも前記第２色とは異なる所定の第３色の積荷を積んだ状態を撮影した入力画像に基づき、前記積荷遮蔽物の縁から前記所定方向へ突出している前記積荷における露呈部の突出長さを計測する積荷長さ計測プログラムであって、
前記パレットに前記積荷が積まれた複数の教師画像に基づいた機械学習により学習済みの学習モデルを記憶部から読み出すステップと、
前記学習モデルを用いた画像認識により、前記入力画像における前記基準要素を識別する基準要素部識別ステップと、
前記学習モデルを用いた画像認識により、前記入力画像における前記積荷の前記露呈部を識別する積荷識別ステップと、
をプロセッサに実行させることを特徴とする積荷長さ計測プログラム。
前記パレットに前記積荷が積まれた複数の教師画像に基づいた機械学習により学習済みの学習モデルを記憶部から読み出すステップと、
前記学習モデルを用いた画像認識により、前記入力画像における前記基準要素を識別する基準要素部識別ステップと、
前記学習モデルを用いた画像認識により、前記入力画像における前記積荷の前記露呈部を識別する積荷識別ステップと、
をプロセッサに実行させることを特徴とする積荷長さ計測プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、パレットに積まれた積荷の一部の長さを計測する積荷長さ計測システム、積荷長さ計測方法および積荷長さ計測プログラムに関する。
【背景技術】
【0002】
積荷はパレットに積まれた状態でトラック等の荷室に積載されることが多い。積荷の大きさは一様ではなく、建材製品などには長尺なものがあってパレットから横方向に突出してしまう場合がある。また、複数の積荷を積む場合などでは高さ方向に突出してしまう場合がある。このようにパレットから突出してしまう積荷の大きさが一様でない場合であっても、荷室容量を効率的に利用することができるように荷積みプランを作成することが特許文献１で提案されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２０－１５５７４号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
ところで、上記のような荷積みプランを事前に作成するため、事後的検証のため、またはシミュレーション利用に供するなどの目的のためには積荷におけるパレットからの突出長さを計測して記録・保管することが望ましい。この突出長さの計測は主に荷積み作業者判断で固有の手段により行われ、その後記録、転記および保管される。このような一連の処理は作業者ごとの計測手段の違いによって偏りや誤差が生じたり、記録や操作のミスが生じたりする懸念があるだけでなく、作業者にとって負担となる。
【0005】
本発明は、上記の課題に鑑みてなされたものであって、積荷におけるパレットからの突出長さの計測を作業者によらず一様、正確かつ容易に行うことのできる積荷長さ計測システム、積荷長さ計測方法および積荷長さ計測プログラムを提供することを目的とする。
【課題を解決するための手段】
【0006】
上述した課題を解決し、目的を達成するために、本発明にかかる積荷長さ計測システムは、所定方向に基準距離だけ離れた第１基準箇所および第２基準箇所を含み所定の形状若しくは所定の第１色又はその結合の１以上の基準要素と、所定の第２色の積荷遮蔽物とを備えるパレットが、少なくとも前記第２色とは異なる所定の第３色の積荷を積んだ状態を撮影した入力画像に基づき、前記積荷遮蔽物の縁から前記所定方向へ突出している前記積荷における露呈部の突出長さを計測する積荷長さ計測システムであって、前記パレットに前記積荷が積まれた複数の教師画像に基づいた機械学習により学習済みの学習モデルを記憶する記憶部と、前記学習モデルを用いた画像認識により、前記入力画像における前記基準要素を識別する基準要素部識別手段と、前記学習モデルを用いた画像認識により、前記入力画像における前記積荷の前記露呈部を識別する積荷識別手段と、を有することを特徴とする。
【0007】
また、本発明にかかる積荷長さ計測方法は、所定方向に基準距離だけ離れた第１基準箇所および第２基準箇所を含み所定の形状若しくは所定の第１色又はその結合の１以上の基準要素と、所定の第２色の積荷遮蔽物とを備えるパレットが、少なくとも前記第２色とは異なる所定の第３色の積荷を積んだ状態を撮影した入力画像に基づき、前記積荷遮蔽物の縁から前記所定方向へ突出している前記積荷における露呈部の突出長さを計測する積荷長さ計測方法であって、前記パレットに前記積荷が積まれた複数の教師画像に基づいた機械学習により学習済みの学習モデルを記憶部から読み出すステップと、前記学習モデルを用いた画像認識により、前記入力画像における前記基準要素を識別する基準要素部識別ステップと、前記学習モデルを用いた画像認識により、前記入力画像における前記積荷の前記露呈部を識別する積荷識別ステップと、をプロセッサが実行することを特徴とする。
【0008】
さらに、本発明にかかる積荷長さ計測プログラムは、所定方向に基準距離だけ離れた第１基準箇所および第２基準箇所を含み所定の形状若しくは所定の第１色又はその結合の１以上の基準要素と、所定の第２色の積荷遮蔽物とを備えるパレットが、少なくとも前記第２色とは異なる所定の第３色の積荷を積んだ状態を撮影した入力画像に基づき、前記積荷遮蔽物の縁から前記所定方向へ突出している前記積荷における露呈部の突出長さを計測する積荷長さ計測プログラムであって、前記パレットに前記積荷が積まれた複数の教師画像に基づいた機械学習により学習済みの学習モデルを記憶部から読み出すステップと、前記学習モデルを用いた画像認識により、前記入力画像における前記基準要素を識別する基準要素部識別ステップと、前記学習モデルを用いた画像認識により、前記入力画像における前記積荷の前記露呈部を識別する積荷識別ステップと、をプロセッサに実行させることを特徴とする。
【発明の効果】
【0009】
本発明にかかる積荷長さ計測システム、積荷長さ計測方法および積荷長さ計測プログラムでは、学習モデルを用いた画像認識により、入力画像における積荷の露呈部を識別するとともに、入力画像内で識別された基準要素から第１基準箇所および第２基準箇所を特定する。そして、第１基準箇所および第２基準箇所から画像内の基準距離が求められることから、これらに基づいて実際の露呈部の長さが算出される。作業者はカメラによる撮影をして画像を送信するだけで足り、作業者ごとに固有手段の計測が行われることがなく、記録や転記によるミスが防止されて一様、正確かつ容易に長さの計測を行うことができる。
【図面の簡単な説明】
【0010】
【図1】積荷を積んだパレットの模式斜視図である。
【図2】積荷を積んだ状態のパレットを撮影する様子を示す模式上面図である。
【図3】撮影されたパレットおよび積荷の生の画像を示す図である。
【図4】積荷長さ計測システムを含む積荷管理システムのブロック図である。
【図5】教師画像を示す図である。
【図6】積荷長さ計測システムで処理部が実行する積荷長さ計測方法のフローチャートである。
【図7】各領域が自動識別された結果を模式的に示す図である。
【図8】水平方向突出長さの算出過程を説明するための幾何図である。
【図9】上向き突出長さの算出過程を説明するための幾何図である。
【発明を実施するための形態】
【0011】
以下に、本発明にかかる積荷長さ計測システム、積荷長さ計測方法および積荷長さ計測プログラムの実施形態を図面に基づいて詳細に説明する。なお、この実施形態によりこの発明が限定されるものではない。
【0012】
まず、本実施の形態で計測対象となるパレット１０および積荷１２について説明する。図１は、積荷１２を積んだパレット１０の模式斜視図である。
【0013】
図１に示すように、パレット１０は、積荷１２が載置される台座部１４と、台座部１４から立設する支柱１６と、積荷１２を側方で支えるボード（積荷遮蔽物）１８とを有する。台座部１４は積荷１２の形状に応じてやや長尺矩形の板形状となっており、床面に水平に載置される。支柱１６は片側に一対ずつ合計４本が設けられている（図２参照）。ボード１８は片側に１枚ずつ合計２枚が設けられている。１枚のボード１８は一対の支柱１６に固定されて積荷１２を側方で支える。また、支柱１６もボード１８を介して積荷１２を側方で支えている。
【0014】
側方から見て、一対の支柱１６は台座部１４の端部近傍にあり、水平方向に水平基準距離Ｌ０１だけ離間している。一対の支柱１６は平行であり、その長さはそれぞれ鉛直基準距離Ｌ０２となっている。支柱１６は適度に長く設定されており積荷１２を鉛直方向に相当数積むことができる。支柱１６は適度な幅を有しており、積荷１２を支える強度を有するとともに、カメラによる撮影で明確に識別可能となっている。
【0015】
側方から見て、ボード１８は台座部１４と同じだけの幅を有し、支柱１６よりもやや高く、広い面積で積荷１２を側方から支えることができるとともに、カメラによる撮影で明確に識別可能となっている。ボード１８の幅および高さは、これよりもある程度小さく設定されていてもよいが、少なくとも一対の支柱１６の間に亘って設けられていると積荷１２を安定的に支持することができる。また、少なくとも、一対の支柱１６よりも面積が大きいと、撮影した画像上で識別が容易となる。
【0016】
支柱１６については、撮影で明確に識別可能であるように、所定の形状若しくは所定の色又はその結合とすればよい。ここで、本願における「色」とは色相、彩度、明度の組み合わせであり基本的には単色であるが、設計条件によっては規定された何らかの模様やマークなどを含んでもよい。各図では支柱１６の色を濃いドット地で示している。また、支柱１６を識別しやくするために台座部１４は支柱１６と異なる色にするとよい。本実施形態では、支柱１６の形状は幅および高さが規定されている。支柱１６は色についても規定されており例えば緑色（第１色）である。
【0017】
ボード１８は少なくとも積荷１２とは異なる色（第２色）で、例えばグレーとする。各図ではボード１８の色を薄いドット地で示している。
【0018】
積荷１２は、例えば段ボールで覆われており、段ボールで一般的な黄土色（第３色）である。積荷１２は、基本的に全て同色であるものとするが色褪せなどによる多少の色違いは許容されるものとする。また、積荷１２にはある程度の文字、マークなどが印刷されていても許容される。各図では積荷１２の色を中程度濃度のドット地で示している。側面から見た場合、ボード１８は積荷１２の大部分を遮蔽している。
【0019】
後述するようにパレット１０はカメラによって撮影されるが、仮に一方の側面だけから撮影するような場合には、撮影されない他方の側面については支柱１６およびボード１８の大きさ、形状、色などが特に規定されなくてもよい。
【0020】
積荷１２は、例えば建材製品などであって台座部１４よりも長尺な場合がある。つまり、積荷１２はボード１８よりも左右方向に突出する場合がある。積荷１２がボード１８における水平方向の縁１８ａから水平方向へ突出している水平露呈部１２ａの水平方向突出長さをＬ１とする。水平露呈部１２ａはボード１８の左右両側に生じ得る。積荷１２が短尺である場合には水平露呈部１２ａは生じない。
【0021】
パレット１０には積荷１２が複数積載可能である。積荷１２の数や大きさによってはその一部がボード１８よりも上方に突出する場合がある。積荷１２がボード１８における上部の縁１８ｂから上方へ突出している上方露呈部１２ｂの上向き突出長さをＬ２とする。積荷１２の数や大きさにより、上方露呈部１２ｂは生じない場合がある。なお、水平露呈部１２ａおよび上方露呈部１２ｂのいずれも生じない場合であっても、事前学習および実際の計測時に撮影および所定の処理を施すようにしてよい。突出のない場合には、突出量が「０ｍｍ」として出力される。
【0022】
パレット１０は、積荷１２の荷積みをする１以上のヤード（例えば工場・倉庫・販売店等）で共通の仕様として複数が用いられる。図１から了解されるようにパレット１０は簡易構造である。また、ボード１８および支柱１６の色は汎用市販塗料の中から選択すると新規の塗装や塗り直しを容易に行うことができる。
【0023】
後述する各システムでは、パレット１０が積荷１２を積んだ状態を撮影した画像を用いる。図２は、積荷１２を積んだ状態のパレット１０を撮影する様子を示す模式上面図である。
【0024】
図２において、仮に符号２０ｘで示すように左右中心Ｃ上でパレット１０に近い位置から撮影をすると、パレット１０には多少の奥行があるため、手前側の短い積荷１２（図２で符号１２Ａを付す）と奥の長い積荷１２（図２で符号１２Ｂを付す）が同じ長さに撮影されてしまう。そのため、撮影はパレット１０の左右中心Ｃよりも水平露呈部１２ａが存在する側に寄った位置（例えば、縁１８ａの延長線上）で、かつパレット１０から適度に離れた位置においてカメラ２０により撮影をする。これにより、積荷１２が載置されている奥行位置に起因する誤差を抑制できる。水平露呈部１２ａがボード１８の左右両端から突出している場合には、それぞれ左右に寄った個別の位置でカメラ２０による撮影をする。左側で撮影した画像と右側で撮影した画像については左右対称の処理をすることから、以下の説明では左側の画像を例にして説明する。
【0025】
図３は、撮影されたパレット１０および積荷１２の生の画像２２を示す図である。画像２２に撮影される情報として必要なものは、一対の支柱１６の全体、左側の水平露呈部１２ａの全体、上方露呈部１２ｂで最も突出している部分、およびボード１８の左側の縁１８ａである。台座部１４は基本的に画像２２内で水平となるように撮影が行われるが、多少の傾斜は許容される。また、撮影者の技量によるカメラ２０の任意方向への傾きが許容される。さらに、カメラ２２のレンズ特性による固有の歪みが許容される。図３で示す例では、画像がある程度歪んでいるがこのような画像も許容される。このように画像２２の撮影には特段難しい条件はなく、撮影が容易に行われる。画像２２の撮影は、例えばヤードにおける荷積みの作業者等によって行われる。撮影するカメラ２０の機種は、ヤードごと、または作業者ごとに異なっていても構わない。つまり、画像２２は撮影するカメラ２０の機種ごとのレンズや受光素子の違いにより画質に多少の差があっても構わない。
【0026】
なお、本願における「カメラ」とは、いわゆるデジタルカメラでありスマートフォン、タブレット端末およびノート型パソコン等に付属されているものを含む。また、本願における「画像」とは静止画のデジタル画像であるが、デジタル動画の一部を静止画として用いてもよい。画像２２は基本的にはカラー画像とする。
【0027】
次に、本実施の形態にかかる積荷長さ計測システム３０について説明する。
図４は、積荷長さ計測システム３０を含む荷積み管理システム３２のブロック図である。荷積み管理システム３２は、積荷長さ計測システム３０の他に学習システム３４および荷積みプランシステム３６を有している。積荷長さ計測システム３０、学習システム３４および荷積みプランシステム３６は必ずしも１つのシステムとしてまとまったものではなく、それぞれ単独で構成されていてデータの授受は所定の通信網または記録媒体を用いるようにしてもよい。積荷長さ計測システム３０、学習システム３４および荷積みプランシステム３６は１台のコンピュータに含まれるものであってもよい。
図４は、積荷長さ計測システム３０を含む荷積み管理システム３２のブロック図である。荷積み管理システム３２は、積荷長さ計測システム３０の他に学習システム３４および荷積みプランシステム３６を有している。積荷長さ計測システム３０、学習システム３４および荷積みプランシステム３６は必ずしも１つのシステムとしてまとまったものではなく、それぞれ単独で構成されていてデータの授受は所定の通信網または記録媒体を用いるようにしてもよい。積荷長さ計測システム３０、学習システム３４および荷積みプランシステム３６は１台のコンピュータに含まれるものであってもよい。
【0028】
積荷長さ計測システム３０は処理部３０ａおよび記憶部３０ｂを有し、学習システム３４は処理部３４ａおよび記憶部３４ｂを有し、荷積みプランシステム３６は処理部３６ａおよび記憶部３６ｂを有している。各処理部（プロセッサ）は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等の処理装置にプログラムを読み取り実行させること、すなわち、ソフトウェアにより実現してもよいし、ＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等のハードウェアにより実現してもよいし、ソフトウェア及びハードウェアを併用して実現してもよい。
【0029】
各ヤードでカメラ２０によって撮影された多数の画像２２は、通信網３８等を介して荷積み管理システム３２に供給され、さらに学習システム３４の記憶部３４ｂまたは積荷長さ計測システム３０の記憶部３０ｂ内に入力画像２２として記録される。
【0030】
学習システム３４は、いわゆる機械学習やディープラーニングなどのＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）における学習フェーズを行う部分である。本実施形態では学習フェーズにおいて、まず複数の入力画像２２から複数の教師画像４０を作成する。
【0031】
図５は、教師画像４０を示す図である。この教師画像４０は図３に示した入力画像２２を元にして作成されたものである。すなわち、入力画像２２における積荷１２の水平露呈部１２ａ，上方露呈部１２ｂ、一対の支柱１６、およびボード１８の領域をそれぞれ個別に識別指定することにより教師画像４０が得られる。この領域指定の作業は、例えば所定の領域判別ソフトを用いながら人手によって適宜修正することによって得られる。図４では領域指定された箇所を太線で囲い、さらに個別のハッチングを付している。なお、教師画像４０を作成するには、入力画像２２をそのまま用いてもよいし、必要に応じて前処理として適宜補正（例えばトリミング処理）をかけてから用いてもよい。
【0032】
そして、学習システム３４の処理部３４ａでは学習手段３４ａａが複数の教師画像４０に基づいて学習を行い、各画像の特徴から一対の支柱１６、水平露呈部１２ａ、上方露呈部１２ｂおよびボード１８を識別することが可能な学習モデル４６を生成する。多数枚の教師画像４０に基づいて学習を行うことにより画像２２内の各像に多少の歪みや形状、色、配置などに違いがあっても学習モデル４６では各部の領域を識別可能となる。
【0033】
得られた学習モデル４６は、積荷長さ計測システム３０の記憶部３０ｂに供給されて記録される。学習モデル４６の形式は限定されず、例えば推論プログラムや各種のパラメータ等を含み得る。学習手段３４ａａとしては公知のＡＩモデルを適用可能である。学習モデル４６を生成した後、学習システム３４は特に動作させなくてもよく、また記憶部３４ｂには新たな入力画像２２を入力させなくてもよい。
【0034】
ＡＩではどのような推論を行っているのかについて人間には把握不能とされているが、人間が入力画像２２を見て各要素を識別しやすくなっていることがＡＩでも識別精度の向上に資すると期待される。したがって、水平露呈部１２ａ、上方露呈部１２ｂ、一対の支柱１６およびボード１８は互いに異なる位置、色、形状にすることが好ましいと考えられる。そのため、パレット１０の各部は上記のように色や形状が個別に規定されている。ただし、水平露呈部１２ａおよび上方露呈部１２ｂについては、その性質上から形状を規定することはできず、積荷１２の積載態様についてはある程度自由であるものとする。
【0035】
次に、積荷長さ計測システム３０について説明する。積荷長さ計測システム３０の処理部３０ａは、画像入力手段３０ａａ、基準要素部識別手段３０ａｂ、積荷識別手段３０ａｃ、ボード識別手段３０ａｄ、基準箇所特定手段３０ａｅ、基準距離算出手段３０ａｆ、画像内突出長さ算出手段３０ａｇ、実長さ算出手段３０ａｈおよび結果出力手段３０ａｉを有する。これらの手段は処理部３０ａが所定のプログラムを読み込み実行することにより実行される。このうち、基準要素部識別手段３０ａｂ、積荷識別手段３０ａｃ、ボード識別手段３０ａｄは学習モデル４６によって実行されるものであってもよい。
【0036】
図６は、積荷長さ計測システム３０で処理部３０ａが実行する積荷長さ計測方法のフローチャートである。処理部３０ａは、図６のステップＳ２～Ｓ４でＡＩにおける推論フェーズを行い、さらにステップＳ５～Ｓ８で所定の計算処理を行う。
【0037】
図６に示す処理に先立って、各ヤードで撮影された１以上の画像２２が記憶部３０ｂに入力画像２２として記憶されているものとする。図６の処理は、記憶部３０ｂに入力画像２２が入力されるごとに実行されてもいいし、所定枚数が蓄えられた時点でまとめて実行されてもいいし、または所定期間（例えば一週間）ごとに実行されてもいい。
【0038】
図６のステップＳ１において、画像入力手段３０ａａは記憶部３０ｂから入力画像２２を読み込む。この入力画像２２については学習システム３４と同様に、適宜前処理をかけてもよい。
【0039】
ステップＳ２において、基準要素部識別手段３０ａｂは、学習モデル４６を用いた画像認識により、入力画像２２における一対の支柱１６を識別する。ステップＳ３において、積荷識別手段３０ａｃは、学習モデル４６を用いた画像認識により、入力画像２２における積荷１２の水平露呈部１２ａ，上方露呈部１２ｂを識別する。ステップＳ４において、基準箇所特定手段３０ａｅは、学習モデル４６を用いた画像認識により、入力画像２２におけるボード１８を識別する。なお、理解を容易にするためにステップＳ２，Ｓ３，Ｓ４を個別処理に分けているが、実際上は学習モデル４６に基づいて同時・協働的に行われるものであってもよい。
【0040】
【0041】
図７に示す模式図と図５の教師画像４０とを比較すると、一対の支柱１６およびボード１８はほぼ同じ位置および形状であって領域の識別誤差はほとんどない。支柱１６は左右にやや離間した位置で略上下方向に略平行に延在した緑色の領域という特徴から識別が容易になっていると推測される。また、ボード１８は一対の支柱１６をほぼ取り囲む面積が広い矩形でグレーの領域という特徴から識別が容易になっていると推測される。また、構図として支柱１６とボード１８の位置関係が基本的に固定されていることも識別条件に利用されていると推測される。
【0042】
また、図７に示す模式図と図５の教師画像４０とを比較すると、水平露呈部１２ａおよび上方露呈部１２ｂは２つの画像内で形状が相当に異なっているが、領域の識別誤差は充分に小さくなっている。これは多数枚の教師画像４０に基づいて学習をした結果、水平露呈部１２ａについては、ボード１８とは異なる色であって、上方露呈部１２ｂと同色であって、該ボード１８の縁１８ａから左方向に突出した領域であるとして識別可能になっていると推測される。同様に上方露呈部１２ｂについては、ボード１８とは異なる色であって、水平露呈部１２ａと同色であって、ボード１８の縁１８ｂから上方向に突出した領域であるとして識別可能になっていると推測される。すなわち、学習モデル４６では識別が容易である一対の支柱１６およびボード１８に対する位置の違いや色の違いに依拠して水平露呈部１２ａおよび上方露呈部１２ｂを識別していると推測される。本実施形態における学習モデル４６は教師データを反転させて全て左側にはみ出す画像にして構築するようにしてもよい。これにより機械学習の効率を上げることができる。
【0043】
さらに、図５および図７から明らかであるように画像内ではボード１８の占める面積が相当に大きくなっている。このボード１８は、積荷１２が数や積載態様によって全体形状が相当異なっているのを大部分遮蔽するとともに、撮影場所における異なる背景の大部分を遮蔽しており、画像内の像を単純化・画一化する作用がある。したがって、学習モデル４６は支柱１６、ボード１８、水平露呈部１２ａおよび上方露呈部１２ｂの識別が容易になると期待される。このような効果を得るためにはボード１８の面積が大きいことが望ましいが、少なくとも一対の支柱１６の間に亘って設けられており、かつ一対の支柱１６よりも面積が大きく設定されていれば相応の効果が得られる。また、画像内に余計な情報が入り込まないように画像の枠ぎりぎりに各要素が入り込むような構図で撮影するようにしてもよく、または不要と思われる背景についてはある程度トリミング処理で削除してもよい。
【0044】
ステップＳ５～Ｓ８は、ステップＳ２～Ｓ４で識別された各領域に基づいて水平露呈部１２ａの水平方向突出長さＬ１、および上方露呈部１２ｂの上向き突出長さＬ２を算出する工程である。Ｌ１およびＬ２は個別に算出される。説明が煩雑とならないようにステップＳ５～Ｓ８については水平方向突出長さＬ１の算出過程と、上向き突出長さＬ２の算出過程とに分けて説明する。図８は、水平方向突出長さＬ１の算出過程を説明するための幾何図である。
【0045】
（水平方向突出長さＬ１の算出過程）
水平方向突出長さＬ１を算出するには、ステップＳ５において、基準箇所特定手段３０ａｅは入力画像内で識別された基準要素である一対の支柱１６から所定基準に基づいて第１基準箇所Ｐ０１および第２基準箇所Ｐ０２を特定する。
水平方向突出長さＬ１を算出するには、ステップＳ５において、基準箇所特定手段３０ａｅは入力画像内で識別された基準要素である一対の支柱１６から所定基準に基づいて第１基準箇所Ｐ０１および第２基準箇所Ｐ０２を特定する。
【0046】
この場合の所定基準では、図８に示すように、まず画像内で識別された水平露呈部１２ａにおいて水平の左方向に最も突出した最突出部Ｐ１１を特定する。そして、一対の支柱１６において最突出部Ｐ１１と同じ高さの点を第１基準箇所Ｐ０１および第２基準箇所Ｐ０２として特定する。
【0047】
原理的には一対の支柱１６は平行であることからいずれの高さの点を第１基準箇所Ｐ０１および第２基準箇所Ｐ０２としてもよい。しかし、撮影時にカメラ２０が俯仰方向に傾いて画像内で支柱１６が非平行となる場合もあることから、第１基準箇所Ｐ０１および第２基準箇所Ｐ０２を最突出部Ｐ１１と同じ高さの点を適用することにより高さ方向の歪みに起因する誤差を抑制することができる。
【0048】
ステップＳ６において、基準距離算出手段３０ａｆは入力画像内で特定された第１基準箇所Ｐ０１および第２基準箇所Ｐ０２から入力画像内における水平基準距離Ｌ０１ｘを求める。画像内における各距離は例えばピクセル単位で求める。一対の支柱１６は台座部１４の両端近傍にあることから、画像内でも水平方向に十分離間しており、十分なピクセル数が確保されて精度が向上する。
【0049】
ステップＳ７において、画像内突出長さ算出手段３０ａｇは、入力画像内で水平露呈部１２ａにおける水平方向の長さＬ１ｘを求める。具体的には、水平露呈部１２ａにおいてボード１８の縁１８ａに沿った部分で最突出部Ｐ１１と同じ高さの点Ｐ１２を特定する。そして画像内でＰ１１と点Ｐ１２との距離、つまり水平長さＬ０１ｘを求める。
【0050】
ステップＳ８において、実長さ算出手段３０ａｈは、入力画像内における水平基準距離Ｌ０１ｘおよび水平露呈部１２ａの水平方向長さＬ１ｘから実長さＬ１を求める。ここで、実物と入力画像との比率Ｒは、Ｒ＝Ｌ０１／Ｌ０１ｘ、となっている。上記のとおり水平基準距離Ｌ０１は既知である。したがって、実長さＬ１は、Ｌ１＝Ｒ×Ｌ１ｘ、として求められる。
【0051】
（上向き突出長さＬ２の算出過程）
次に、上向き突出長さＬ２の算出過程について説明する。図９は、上向き突出長さＬ２の算出過程を説明するための幾何図である。
次に、上向き突出長さＬ２の算出過程について説明する。図９は、上向き突出長さＬ２の算出過程を説明するための幾何図である。
【0052】
上向き突出長さＬ２を算出するには、ステップＳ５において、基準箇所特定手段３０ａｅは力画像内で識別された基準要素である支柱１６から所定基準に基づいて第１基準箇所Ｐ０１および第２基準箇所Ｐ０２を特定する。
【0053】
この場合の所定基準では、図９に示すように、画像内で識別された一対の支柱１６のいずれか一方において上端部および下端部を第１基準箇所Ｐ０１および第２基準箇所Ｐ０２として特定する。
【0054】
ステップＳ６において、基準距離算出手段３０ａｆは入力画像内で特定された第１基準箇所Ｐ０１および第２基準箇所Ｐ０２から入力画像内における鉛直基準距離Ｌ０２ｘを求める。支柱１６は適度な長さがあって、画像内でも鉛直方向に長く、十分なピクセル数が確保されて精度が向上する。
【0055】
ステップＳ７において、画像内突出長さ算出手段３０ａｇは、入力画像内で上方露呈部１２ｂにおける鉛直方向の長さＬ２ｘを求める。具体的には、まず画像内で識別された上方露呈部１２ｂにおいて上方向に最も突出した最突出部Ｐ２を特定する。そして、一対の支柱１６の上端同士を結ぶ直線６０と、最突出部Ｐ２を通って直線６０と平行な直線６２を求める。画像内でＰ１１と点Ｐ１２を結ぶ延長線と直線６２との交点Ｐｘを特定する。さらに、交点Ｐｘとボード１８の縁１８ｂとの高さ方向の距離を長さＬ２ｘとして求める。なお、仮に積荷１２の量などによってボード１８の高さが変わることがある場合には、上方露呈部１２ｂの露呈高さＬ２、Ｌ２ｘの基準はボード１８の縁１８ｂではなく、支柱１６の上端部などにしてもよい。本実施形態ではボード１４を高さが可変の一種の積荷として扱ってもよく、ボード１４の高さが可変な点についても教師画像で機械学習させておくとよい。
【0056】
ステップＳ８において、実長さ算出手段３０ａｈは、入力画像内における基準距離Ｌ０２ｘおよび上方露呈部１２ｂの上方突出長さＬ２ｘから実長さＬ２を求める。ここで、実物と入力画像との比率Ｒは、Ｒ＝Ｌ０２／Ｌ０２ｘ、となっている。上記のとおり鉛直基準距離Ｌ０２は既知である。したがって、実長さＬ２は、Ｌ２＝Ｒ×Ｌ２ｘ、として求められる。
【0057】
ステップ９においては、一連の処理によって求められた結果である長さＬ１およびＬ２にかかるデータを突出長さデータ４８（図４参照）として荷積みプランシステム３６に出力する。
【0058】
図４に示すように、荷積みプランシステム３６では突出長さデータ４８を記憶部３６ｂに記憶する。荷積みプランシステム３６の処理部３６ａは荷積みプラン作成手段５０および荷積みシミュレーション手段５２を有している。荷積みプラン作成手段５０は、突出長さデータ４８に基づいて荷積みプラン５４を作成して記憶部３６ｂに記憶する。荷積みシミュレーション手段５２は、突出長さデータ４８に基づいて荷積みのシミュレーションを行なう。
【0059】
このように、本実施の形態に係る積荷長さ計測システム３０、積荷長さ計測方法および積荷長さ計測プログラムでは、学習モデル４６を用いた画像認識により、入力画像２２における積荷１２の露呈部１２ａ，１２ｂを識別するとともに、入力画像２２内で識別された基準要素である支柱１６から第１基準箇所Ｐ０１および第２基準箇所Ｐ０２を特定する。そして、第１基準箇所Ｐ０１および第２基準箇所Ｐ０２から入力画像２２内の基準距離Ｌ０１ｘ，Ｌ０２ｘが求められることから、これらに基づいて実際の長さＬ１，Ｌ２が算出される。作業者はカメラ２０による撮影をして画像２２を送信するだけで足り、作業者ごとに異なるやり方で計測が行われることがなく、記録や転記によるミスが防止されるとともに、正確かつ容易に長さＬ１，Ｌ２の計測を行うことができる。
【0060】
なお、パレット１０におけるカバー１８は積荷１２を支持する作用を有しているが、露呈部１２ａの長さＬ１を計算する観点からは必ずしも必須構成要素ではない。すなわち、カバー１８が無い場合であっても、露呈部１２ａを計測となる基準となるべき遮蔽物がよいので、積荷１２の色が支柱１４と異なっていればそれを基準として露呈部１２ａが識別可能になるためである。この場合、支柱１６が積荷１２の一部を鉛直方向に遮蔽する積荷遮蔽物になることから、露呈部１２ａの長さＬ１は、支柱１6の鉛直方向の縁を基準とすればよい。
【0061】
本発明にかかる積荷長さ計測システムは、所定方向に基準距離だけ離れた第１基準箇所および第２基準箇所を含み所定の形状若しくは所定の第１色又はその結合の１以上の基準要素と、所定の第２色の積荷遮蔽物とを備えるパレットが、少なくとも前記第２色とは異なる所定の第３色の積荷を積んだ状態を撮影した入力画像に基づき、前記積荷遮蔽物の縁から前記所定方向へ突出している前記積荷における露呈部の突出長さを計測する積荷長さ計測システムであって、前記パレットに前記積荷が積まれた複数の教師画像に基づいた機械学習により学習済みの学習モデルを記憶する記憶部と、前記学習モデルを用いた画像認識により、前記入力画像における前記基準要素を識別する基準要素部識別手段と、前記学習モデルを用いた画像認識により、前記入力画像における前記積荷の前記露呈部を識別する積荷識別手段と、を有することを特徴とする。
【0062】
本発明にかかる積荷長さ計測方法は、所定方向に基準距離だけ離れた第１基準箇所および第２基準箇所を含み所定の形状若しくは所定の第１色又はその結合の１以上の基準要素と、所定の第２色の積荷遮蔽物とを備えるパレットが、少なくとも前記第２色とは異なる所定の第３色の積荷を積んだ状態を撮影した入力画像に基づき、前記積荷遮蔽物の縁から前記所定方向へ突出している前記積荷における露呈部の突出長さを計測する積荷長さ計測方法であって、前記パレットに前記積荷が積まれた複数の教師画像に基づいた機械学習により学習済みの学習モデルを記憶部から読み出すステップと、前記学習モデルを用いた画像認識により、前記入力画像における前記基準要素を識別する基準要素部識別ステップと、前記学習モデルを用いた画像認識により、前記入力画像における前記積荷の前記露呈部を識別する積荷識別ステップと、をプロセッサが実行することを特徴とする。
【0063】
本発明にかかる積荷長さ計測プログラムは、所定方向に基準距離だけ離れた第１基準箇所および第２基準箇所を含み所定の形状若しくは所定の第１色又はその結合の１以上の基準要素と、所定の第２色の積荷遮蔽物とを備えるパレットが、少なくとも前記第２色とは異なる所定の第３色の積荷を積んだ状態を撮影した入力画像に基づき、前記積荷遮蔽物の縁から前記所定方向へ突出している前記積荷における露呈部の突出長さを計測する積荷長さ計測プログラムであって、前記パレットに前記積荷が積まれた複数の教師画像に基づいた機械学習により学習済みの学習モデルを記憶部から読み出すステップと、前記学習モデルを用いた画像認識により、前記入力画像における前記基準要素を識別する基準要素部識別ステップと、前記学習モデルを用いた画像認識により、前記入力画像における前記積荷の前記露呈部を識別する積荷識別ステップと、をプロセッサに実行させることを特徴とする。
【0064】
このようなシステム、方法、プログラムでは、学習モデルを用いた画像認識により、画像における積荷の露呈部を識別するとともに、画像内で識別された基準要素である支柱から第１基準箇所および第２基準箇所を特定する。そして、第１基準箇所および第２基準箇所から入力画像内の基準距離が求められることから、これらに基づいて実際の長さが算出される。作業者はカメラによる撮影をして画像を送信するだけで足り、作業者によらず一様、正確かつ容易に計測が行われる。
【0065】
本発明では、前記入力画像内で識別された前記基準要素から所定基準に基づいて前記第１基準箇所および前記第２基準箇所を特定する基準箇所特定手段と、前記入力画像内で特定された前記第１基準箇所および前記第２基準箇所から前記入力画像内における前記基準距離を求める基準距離算出手段と、前記入力画像内で前記露呈部における前記所定方向の長さを求める画像内突出長さ算出手段と、前記入力画像内における前記基準距離および前記露呈部の前記所定方向の長さから前記露呈部の実長さを求める実長さ算出手段と、を有することを特徴とする。
このように、基準要素から第１基準箇所および第２基準箇所が特定され、第１基準箇所および第２基準箇所に基づいて積荷の長さをより正確に求めることができる。
このように、基準要素から第１基準箇所および第２基準箇所が特定され、第１基準箇所および第２基準箇所に基づいて積荷の長さをより正確に求めることができる。
【0066】
本発明では、前記基準要素は、前記積荷が載置される台座で水平方向に離間した位置から上方に突出して前記積荷を側方で支える一対の支柱であることを特徴とする。
このような支柱は、積荷を支えるとともに、画像上で識別しやすい。
このような支柱は、積荷を支えるとともに、画像上で識別しやすい。
【0067】
本発明では、前記所定方向は水平方向であって、前記第１基準箇所および前記第２基準箇所は、一対の前記支柱における同じ高さの点であることを特徴とする。
一対の支柱は水平方向に離間して設けられることから基準距離を適度に長く設定することができる。また、支柱は画像上で識別しやすいことから第１基準箇所および第２基準箇所の特定が容易となる。
一対の支柱は水平方向に離間して設けられることから基準距離を適度に長く設定することができる。また、支柱は画像上で識別しやすいことから第１基準箇所および第２基準箇所の特定が容易となる。
【0068】
本発明では、前記第１基準箇所および前記第２基準箇所は、前記露呈部における水平方向の最突出部と同じ高さの点とすることを特徴とする。
これにより、撮影された画像が俯仰方向に傾斜して一対の支柱が非平行となっていても正確な計測が可能となる。
これにより、撮影された画像が俯仰方向に傾斜して一対の支柱が非平行となっていても正確な計測が可能となる。
【0069】
本発明では、前記入力画像は、前記パレットの左右中心よりも前記露呈部が存在する側に寄った位置で撮影されたものであることを特徴とする。
これにより、積荷位置の奥行方向の違いに起因する計測誤差を抑制することができる。
これにより、積荷位置の奥行方向の違いに起因する計測誤差を抑制することができる。
【0070】
本発明では、前記所定方向は鉛直方向であって、一対の前記支柱の長さはそれぞれ前記基準距離であり、前記第１基準箇所および前記第２基準箇所は、前記支柱の上端部および下端部とすることを特徴とする。
これにより、第１基準箇所および第２基準箇所の特定が容易となる。
これにより、第１基準箇所および第２基準箇所の特定が容易となる。
【0071】
本発明では、前記積荷遮蔽物は、一対の前記支柱に固定されて該積荷を側方で支えるボードであり、前記支柱は前記第１色が規定されており、前記ボードの前記第２色は前記第１色とは異なり、前記ボードは、一対の前記支柱の間に亘って設けられており、一対の前記支柱よりも面積が大きいことを特徴とする。
これにより、ボードが画像内で適度に大きい面積となり識別が容易となる。
これにより、ボードが画像内で適度に大きい面積となり識別が容易となる。
【0072】
本発明は、上記した実施形態に限定されるものではなく、本発明の主旨を逸脱しない範囲で自由に変更できることは勿論である。
【符号の説明】
【0073】
１０ パレット、１２ 積荷、１２ａ 水平露呈部、１２ｂ 上方露呈部、１４ 台座部、１６ 支柱、１８ ボード（積荷遮蔽物）、１８ａ，１８ｂ 縁、２０ カメラ、２２ 画像、入力画像、３０ 積荷長さ計測システム、３０ａ，３４ａ，３６ａ 処理部、３０ａａ 画像入力手段、３０ａｂ 基準要素部識別手段、３０ａｃ 積荷識別手段、３０ａｄ ボード識別手段、３０ａｅ 基準箇所特定手段、３０ａｆ 基準距離算出手段、３０ａｇ 画像内突出長さ算出手段、３０ａｈ 実長さ算出手段、３０ａｉ 結果出力手段、３０ｂ，３４ｂ，３６ｂ 記憶部、３２ 荷積み管理システム、３４ 学習システム、３６ 荷積みプランシステム、４０ 教師画像、４６ 学習モデル、４８ 突出長さデータ、Ｌ０１ 水平基準距離、Ｌ０１ｘ 画像内の水平基準距離、Ｌ０２ 鉛直基準距離、Ｌ０２ｘ 画像内の鉛直基準距離、Ｐ０１ 第１基準箇所、Ｐ０２ 第２基準箇所
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】