ホーム > 特許ランキング > 荏原環境プラント株式会社
知財求人 - 知財ポータルサイト「IP Force」
▶ 荏原環境プラント株式会社の特許一覧 ▶ 株式会社Ｒｉｄｇｅ−ｉの特許一覧
特開2023-110924情報処理装置、情報処理プログラム、および情報処理方法
(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】P2023110924
(43)【公開日】2023-08-09
(54)【発明の名称】情報処理装置、情報処理プログラム、および情報処理方法
(51)【国際特許分類】
F23G 5/50 20060101AFI20230802BHJP
F23G 7/00 20060101ALI20230802BHJP
F23G 7/10 20060101ALI20230802BHJP
F23G 7/12 20060101ALI20230802BHJP
F23G 5/44 20060101ALI20230802BHJP
B66C 13/48 20060101ALI20230802BHJP
G06T 7/00 20170101ALI20230802BHJP
G06V 10/82 20220101ALI20230802BHJP
【ＦＩ】
F23G5/50 Q
F23G7/00 D ZAB
F23G7/00 C
F23G7/00 102A
F23G7/10
F23G7/12 Z
F23G7/00 K
F23G5/44 B
B66C13/48 C
G06T7/00 350B
G06V10/82
【審査請求】有
【請求項の数】24
【出願形態】ＯＬ
(21)【出願番号】P 2023075365
(22)【出願日】2023-05-01
(62)【分割の表示】P 2019225603の分割
【原出願日】2019-01-31
(31)【優先権主張番号】P 2018155959
(32)【優先日】2018-08-23
(33)【優先権主張国・地域又は機関】JP
(71)【出願人】
【識別番号】308024395
【氏名又は名称】荏原環境プラント株式会社
(71)【出願人】
【識別番号】518301154
【氏名又は名称】株式会社Ｒｉｄｇｅ－ｉ
(74)【代理人】
【識別番号】230104019
【弁護士】
【氏名又は名称】大野 聖二
(74)【代理人】
【識別番号】230112025
【弁護士】
【氏名又は名称】小林 英了
(74)【代理人】
【識別番号】230117802
【弁護士】
【氏名又は名称】大野 浩之
(74)【代理人】
【識別番号】100106840
【弁理士】
【氏名又は名称】森田 耕司
(74)【代理人】
【識別番号】100131451
【弁理士】
【氏名又は名称】津田 理
(74)【代理人】
【識別番号】100167933
【弁理士】
【氏名又は名称】松野 知紘
(74)【代理人】
【識別番号】100174137
【弁理士】
【氏名又は名称】酒谷 誠一
(74)【代理人】
【識別番号】100184181
【弁理士】
【氏名又は名称】野本 裕史
(72)【発明者】
【氏名】横山 亜希子
(72)【発明者】
【氏名】河内 隆宏
(72)【発明者】
【氏名】都丸 春幸
(72)【発明者】
【氏名】梅澤 俊之
(72)【発明者】
【氏名】町田 隼也
(72)【発明者】
【氏名】柳原 尚史
(72)【発明者】
【氏名】小松 平佳
(72)【発明者】
【氏名】笹田 圭祐
(72)【発明者】
【氏名】阿部 大志
(72)【発明者】
【氏名】本居 繁隆
(72)【発明者】
【氏名】市來 和樹
(57)【要約】
【課題】ごみピット内の廃棄物の種類を識別できる情報処理装置を提供する。
【解決手段】情報処理装置は、廃棄物が貯留されるごみピット内を撮像した過去の画像デ
ータに廃棄物の種類がラベリングされた教師データを学習することにより生成された識別
アルゴリズムを有し、ごみピット内を撮像した新たな画像データを入力としてごみピット
内に貯留されている廃棄物の種類を識別する種類識別部を備える。
【選択図】 図１
【解決手段】情報処理装置は、廃棄物が貯留されるごみピット内を撮像した過去の画像デ
ータに廃棄物の種類がラベリングされた教師データを学習することにより生成された識別
アルゴリズムを有し、ごみピット内を撮像した新たな画像データを入力としてごみピット
内に貯留されている廃棄物の種類を識別する種類識別部を備える。
【選択図】 図１
【特許請求の範囲】
【請求項1】
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像デー
タに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用
いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されて
いる廃棄物の種類を識別する種類識別部
を備えたことを特徴とする情報処理装置。
タに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用
いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されて
いる廃棄物の種類を識別する種類識別部
を備えたことを特徴とする情報処理装置。
【請求項2】
前記識別アルゴリズムは、線形回帰、ボルツマンマシン、ニューラルネットワーク、サ
ポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォ
レストを用いた統計的推定、強化学習、深層学習、のうちの１つまたは２つ以上を含む、
ことを特徴とする請求項１に記載の情報処理装置。
ポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォ
レストを用いた統計的推定、強化学習、深層学習、のうちの１つまたは２つ以上を含む、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項3】
前記画像データは、ＲＧＢカメラにより撮像された廃棄物の形状および色彩画像データ
、近赤外線カメラにより撮像された廃棄物の近赤外線画像データ、３ＤカメラまたはＲＧ
Ｂ－Ｄカメラにより撮像された廃棄物の３次元画像データ、のうちの１つまたは２つ以上
を含む、
ことを特徴とする請求項１または２に記載の情報処理装置。
、近赤外線カメラにより撮像された廃棄物の近赤外線画像データ、３ＤカメラまたはＲＧ
Ｂ－Ｄカメラにより撮像された廃棄物の３次元画像データ、のうちの１つまたは２つ以上
を含む、
ことを特徴とする請求項１または２に記載の情報処理装置。
【請求項4】
前記廃棄物の種類は、ごみ袋未破袋ごみ、紙ごみ、剪定枝、布団、汚泥、粗大破砕ごみ
、段ボール、麻袋、紙袋、底ごみ、のうちの１つまたは２つ以上を含む、
ことを特徴とする請求項１～３のいずれかに記載の情報処理装置。
、段ボール、麻袋、紙袋、底ごみ、のうちの１つまたは２つ以上を含む、
ことを特徴とする請求項１～３のいずれかに記載の情報処理装置。
【請求項5】
前記種類識別部の識別結果に基づいて廃棄物処理プラントの制御を行うプラント制御部
をさらに備えた
ことを特徴とする請求項１～４のいずれかに記載の情報処理装置。
をさらに備えた
ことを特徴とする請求項１～４のいずれかに記載の情報処理装置。
【請求項6】
前記プラント制御部は、前記廃棄物の攪拌または搬送を行うクレーンを制御するクレー
ン制御装置に前記種類識別部の識別結果を送信するクレーン制御部、前記廃棄物の燃焼を
制御する燃焼制御装置に前記種類識別部の識別結果を送信する燃焼制御部、のうちの一方
または両方を含む、
ことを特徴とする請求項５に記載の情報処理装置。
ン制御装置に前記種類識別部の識別結果を送信するクレーン制御部、前記廃棄物の燃焼を
制御する燃焼制御装置に前記種類識別部の識別結果を送信する燃焼制御部、のうちの一方
または両方を含む、
ことを特徴とする請求項５に記載の情報処理装置。
【請求項7】
前記識別アルゴリズムは、前記ごみピット内の映像を撮像することにより得られる過去
の画像データに前記廃棄物の種類がラベリングされるとともに前記廃棄物以外の識別対象
物が種類別にラベリングされた教師データを学習済みであり、
前記種類識別部は、前記ごみピット内の新たな画像データを入力として前記識別アルゴ
リズムを利用して前記ごみピット内に貯留されている廃棄物の種類とともに廃棄物以外の
識別対象物の種類を識別する、
ことを特徴とする請求項１～６のいずれかに記載の情報処理装置。
の画像データに前記廃棄物の種類がラベリングされるとともに前記廃棄物以外の識別対象
物が種類別にラベリングされた教師データを学習済みであり、
前記種類識別部は、前記ごみピット内の新たな画像データを入力として前記識別アルゴ
リズムを利用して前記ごみピット内に貯留されている廃棄物の種類とともに廃棄物以外の
識別対象物の種類を識別する、
ことを特徴とする請求項１～６のいずれかに記載の情報処理装置。
【請求項8】
前記廃棄物以外の識別対象物の種類は、廃棄物処理プラントの梁、ごみピットの側壁、
ごみピット内に貯留されている廃棄物の山の崖、前記廃棄物の攪拌または搬送を行うクレ
ーン、のうちの１つまたは２つ以上を含む、
ことを特徴とする請求項７に記載の情報処理装置。
ごみピット内に貯留されている廃棄物の山の崖、前記廃棄物の攪拌または搬送を行うクレ
ーン、のうちの１つまたは２つ以上を含む、
ことを特徴とする請求項７に記載の情報処理装置。
【請求項9】
前記廃棄物以外の識別対象物の種類は、廃棄物処理プラントの梁、ごみピットの側壁、
ごみピット内に貯留されている廃棄物の山の崖、前記廃棄物の攪拌または搬送を行うクレ
ーン、廃棄物処理プラントの壁、柱、床、窓、天井、扉、階段、ガーダー、歩廊、ごみピ
ットの仕切り壁、ごみ投入ホッパ、搬入扉、作業員、搬入車両、のうちの１つまたは２つ
以上を含む、
ことを特徴とする請求項７に記載の情報処理装置。
ごみピット内に貯留されている廃棄物の山の崖、前記廃棄物の攪拌または搬送を行うクレ
ーン、廃棄物処理プラントの壁、柱、床、窓、天井、扉、階段、ガーダー、歩廊、ごみピ
ットの仕切り壁、ごみ投入ホッパ、搬入扉、作業員、搬入車両、のうちの１つまたは２つ
以上を含む、
ことを特徴とする請求項７に記載の情報処理装置。
【請求項10】
前記種類識別部の識別結果に基づいて前記ごみピット内へ投入された異常物を検知する
異物投入検知部と、
をさらに備えたことを特徴とする請求項１～９のいずれかに記載の情報処理装置。
異物投入検知部と、
をさらに備えたことを特徴とする請求項１～９のいずれかに記載の情報処理装置。
【請求項11】
前記異物投入検知部は、前記廃棄物が貯留されるごみピット内に投入された異常物を検
知する異物検知装置に前記種類識別部の識別結果を送信する、
ことを特徴とする請求項１０に記載の情報処理装置。
知する異物検知装置に前記種類識別部の識別結果を送信する、
ことを特徴とする請求項１０に記載の情報処理装置。
【請求項12】
前記種類識別部の識別結果に基づいて前記ごみピット内への作業員または搬送車両の転
落を検知する転落検知部と、
をさらに備えたことを特徴とする請求項１～１１のいずれかに記載の情報処理装置。
落を検知する転落検知部と、
をさらに備えたことを特徴とする請求項１～１１のいずれかに記載の情報処理装置。
【請求項13】
前記転落検知部は、前記廃棄物が貯留されるごみピット内に作業員や搬入車両が存在す
ることを検知する転落検知装置に前記種類識別部の識別結果を送信する、
ことを特徴とする請求項１２に記載の情報処理装置。
ることを検知する転落検知装置に前記種類識別部の識別結果を送信する、
ことを特徴とする請求項１２に記載の情報処理装置。
【請求項14】
前記廃棄物の種類は、ごみ袋未破袋ごみ、紙ごみ、剪定枝、布団、汚泥、粗大破砕ごみ
、段ボール、麻袋、紙袋、底ごみ、木屑、繊維ごみ、衣類ごみ、プラスチックごみ、動物
性残渣、動物死体、厨芥ごみ、草木、土、医療ごみ、焼却灰、自転車、たんす、ベッド、
棚、机、椅子、農業系ビニール類、ペットボトル、発泡スチロール、肉骨粉、農作物、陶
器、ガラスくず、金属くず、がれき類、コンクリートくず、畳、竹、わら、活性炭、のう
ちの１つまたは２つ以上を含む、
ことを特徴とする請求項１～１３のいずれかに記載の情報処理装置。
、段ボール、麻袋、紙袋、底ごみ、木屑、繊維ごみ、衣類ごみ、プラスチックごみ、動物
性残渣、動物死体、厨芥ごみ、草木、土、医療ごみ、焼却灰、自転車、たんす、ベッド、
棚、机、椅子、農業系ビニール類、ペットボトル、発泡スチロール、肉骨粉、農作物、陶
器、ガラスくず、金属くず、がれき類、コンクリートくず、畳、竹、わら、活性炭、のう
ちの１つまたは２つ以上を含む、
ことを特徴とする請求項１～１３のいずれかに記載の情報処理装置。
【請求項15】
コンピュータを、
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像デー
タに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用
いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されて
いる廃棄物の種類を識別する種類識別部
として機能させることを特徴とする情報処理プログラム。
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像デー
タに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用
いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されて
いる廃棄物の種類を識別する種類識別部
として機能させることを特徴とする情報処理プログラム。
【請求項16】
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像デー
タに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用
いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されて
いる廃棄物の種類を識別するステップ
を含むことを特徴とする情報処理方法。
タに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用
いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されて
いる廃棄物の種類を識別するステップ
を含むことを特徴とする情報処理方法。
【請求項17】
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像
データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズム
を用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内
に貯留されている廃棄物の種類を識別する種類識別部
を備えたことを特徴とする情報処理装置。
データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズム
を用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内
に貯留されている廃棄物の種類を識別する種類識別部
を備えたことを特徴とする情報処理装置。
【請求項18】
コンピュータを、
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像
データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズム
を用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内
に貯留されている廃棄物の種類を識別する種類識別部
として機能させることを特徴とする情報処理プログラム。
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像
データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズム
を用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内
に貯留されている廃棄物の種類を識別する種類識別部
として機能させることを特徴とする情報処理プログラム。
【請求項19】
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像
データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズム
を用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内
に貯留されている廃棄物の種類を識別するステップ
を含むことを特徴とする情報処理方法。
データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズム
を用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内
に貯留されている廃棄物の種類を識別するステップ
を含むことを特徴とする情報処理方法。
【請求項20】
廃棄物が貯留されるごみピット内を撮像した過去の画像データに前記廃棄物の種類がラ
ベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する識別
アルゴリズム生成部
をさらに備えたことを特徴とする請求項１に記載の情報処理装置。
ベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する識別
アルゴリズム生成部
をさらに備えたことを特徴とする請求項１に記載の情報処理装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、廃棄物の種類を識別する情報処理装置、情報処理プログラム、および情報処
理方法に関する。
理方法に関する。
【背景技術】
【0002】
従来、廃棄物処理プラントでは、家庭ごみや粗大破砕ごみ、剪定枝、汚泥など、質の異
なる様々な種類の廃棄物がごみピット内に投入される。これらの様々な種類の廃棄物はご
みピット内に貯留されたのち一緒に焼却炉に投入され、焼却炉内で処理される。焼却炉に
投入される廃棄物の質は、当該廃棄物に含まれる各種廃棄物の割合により決まり、これが
燃焼に影響する。燃焼を安定化させるために、ごみピット内ではクレーンによる廃棄物の
攪拌を行い、廃棄物の質の均一化を図っている。
なる様々な種類の廃棄物がごみピット内に投入される。これらの様々な種類の廃棄物はご
みピット内に貯留されたのち一緒に焼却炉に投入され、焼却炉内で処理される。焼却炉に
投入される廃棄物の質は、当該廃棄物に含まれる各種廃棄物の割合により決まり、これが
燃焼に影響する。燃焼を安定化させるために、ごみピット内ではクレーンによる廃棄物の
攪拌を行い、廃棄物の質の均一化を図っている。
【0003】
しかしながら、焼却炉内に投入される廃棄物の中に、たとえば粗大破砕ごみや汚泥など
の廃棄物が一定量以上含まれていると、焼却炉内部の温度が急変し、ダイオキシンなどの
有害なガスや物質が発生して、周辺環境へ悪影響を与える可能性がある。また、燃焼状態
に影響を与える廃棄物だけでなく、廃棄物処理プラントに関わる各機器のトラブルの発生
要因となる廃棄物もある。たとえば、焼却炉内に投入される廃棄物の中に剪定枝などが多
く含まれていると、焼却炉内へ廃棄物を供給するホッパでの詰まりを起こす原因となる。
の廃棄物が一定量以上含まれていると、焼却炉内部の温度が急変し、ダイオキシンなどの
有害なガスや物質が発生して、周辺環境へ悪影響を与える可能性がある。また、燃焼状態
に影響を与える廃棄物だけでなく、廃棄物処理プラントに関わる各機器のトラブルの発生
要因となる廃棄物もある。たとえば、焼却炉内に投入される廃棄物の中に剪定枝などが多
く含まれていると、焼却炉内へ廃棄物を供給するホッパでの詰まりを起こす原因となる。
【0004】
一方、一般ごみなどの廃棄物は、基本的に袋に入った状態でごみピット内に投入され、
クレーンによる攪拌が行われるが、破袋度が低い場合、すなわちごみ袋の破れ具合が小さ
く、ごみ袋の中に廃棄物が多く残っている場合には、燃焼状態に影響を与えるなど、ごみ
袋の状態も燃焼の安定性に寄与していることが経験的に知られている。
クレーンによる攪拌が行われるが、破袋度が低い場合、すなわちごみ袋の破れ具合が小さ
く、ごみ袋の中に廃棄物が多く残っている場合には、燃焼状態に影響を与えるなど、ごみ
袋の状態も燃焼の安定性に寄与していることが経験的に知られている。
【0005】
そこで、たとえば特許文献１では、ごみ処理工場用自動クレーンの制御装置による自動
クレーンの運転方法において、ごみピット内に投入される一般ごみと異質ごみとを色調に
より識別し、識別結果に基づいてクレーンを制御することにより、廃棄物の質の均一化を
図ることが開示されている。
クレーンの運転方法において、ごみピット内に投入される一般ごみと異質ごみとを色調に
より識別し、識別結果に基づいてクレーンを制御することにより、廃棄物の質の均一化を
図ることが開示されている。
【0006】
また、特許文献２では、ごみ攪拌状態検出装置およびごみ攪拌状態検出方法において、
撮像された画像の輝度値に基づいて、ごみの攪拌状態、つまりごみ袋の破れ具合を検出す
ることが開示されている。
撮像された画像の輝度値に基づいて、ごみの攪拌状態、つまりごみ袋の破れ具合を検出す
ることが開示されている。
【先行技術文献】
【特許文献】
【0007】
【特許文献1】特開２００７－１２６２４６号公報
【特許文献2】特開２０１５－１２４９５５号公報
【発明の概要】
【発明が解決しようとする課題】
【0008】
しかしながら、特許文献１のごみ処理工場用自動クレーンの制御装置による自動クレー
ンの運転方法では、一般ごみと異質ごみとを色調により区別しているが、単純に色調だけ
で廃棄物の種類を識別するのは困難であり、たとえば、粗大破砕ごみが多少混じっていて
も全体として一般ごみと判断する可能性がある。そのため、燃焼状態に影響を与える異質
な廃棄物や各機器のトラブル発生要因となる廃棄物を、焼却炉内に一定量以上投入してし
まう危険性があった。
ンの運転方法では、一般ごみと異質ごみとを色調により区別しているが、単純に色調だけ
で廃棄物の種類を識別するのは困難であり、たとえば、粗大破砕ごみが多少混じっていて
も全体として一般ごみと判断する可能性がある。そのため、燃焼状態に影響を与える異質
な廃棄物や各機器のトラブル発生要因となる廃棄物を、焼却炉内に一定量以上投入してし
まう危険性があった。
【0009】
また、特許文献２のごみ攪拌状態検出装置およびごみ攪拌状態検出方法では、輝度値に
よりごみ袋の破れ具合を検出しているが、この方法ではごみ袋しか検知することができな
い。実際のごみピットには、ごみ袋以外にも剪定枝や布団など様々な種類の廃棄物が投入
される場合があるため、そのような実際のごみピットに対して上記方法を適用することは
困難であった。
よりごみ袋の破れ具合を検出しているが、この方法ではごみ袋しか検知することができな
い。実際のごみピットには、ごみ袋以外にも剪定枝や布団など様々な種類の廃棄物が投入
される場合があるため、そのような実際のごみピットに対して上記方法を適用することは
困難であった。
【0010】
本発明は、以上のような点を考慮してなされたものでる。本発明の目的は、ごみピット
内の廃棄物の種類を識別できる情報処理装置、情報処理プログラムおよび情報処理方法を
提供することにある。
内の廃棄物の種類を識別できる情報処理装置、情報処理プログラムおよび情報処理方法を
提供することにある。
【課題を解決するための手段】
【0011】
本発明の第１の態様に係る情報処理装置は、
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像デー
タに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用
いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されて
いる廃棄物の種類を識別する種類識別部を備える。
本発明の第１の態様に係る情報処理装置は、
廃棄物が貯留されるごみピット内を撮像した過去の画像データに前記廃棄物の種類がラ
ベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する識別
アルゴリズム生成部をさらに備えてもよい。
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像デー
タに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用
いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されて
いる廃棄物の種類を識別する種類識別部を備える。
本発明の第１の態様に係る情報処理装置は、
廃棄物が貯留されるごみピット内を撮像した過去の画像データに前記廃棄物の種類がラ
ベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する識別
アルゴリズム生成部をさらに備えてもよい。
【0012】
このような態様によれば、ごみピット内に貯留されている廃棄物の種類を、ごみピット
内の映像を撮像することにより得られる画像データを入力として、機械学習により生成さ
れた学習済みの識別アルゴリズムを利用して識別することにより、一定量以上投入すると
燃焼状態へ影響を与える廃棄物や各機器のトラブルの要因となる廃棄物を識別することが
できる。これにより、そのような特殊な廃棄物の一定量以上の誤投入を防いで、燃焼状態
および各機器に影響を与えることなく安定した処理が可能となる。
内の映像を撮像することにより得られる画像データを入力として、機械学習により生成さ
れた学習済みの識別アルゴリズムを利用して識別することにより、一定量以上投入すると
燃焼状態へ影響を与える廃棄物や各機器のトラブルの要因となる廃棄物を識別することが
できる。これにより、そのような特殊な廃棄物の一定量以上の誤投入を防いで、燃焼状態
および各機器に影響を与えることなく安定した処理が可能となる。
【0013】
本発明の第２の態様に係る情報処理装置は、第１の態様に係る情報処理装置であって、
前記識別アルゴリズムは、線形回帰、ボルツマンマシン、ニューラルネットワーク、サ
ポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォ
レストを用いた統計的推定、強化学習、深層学習、のうちの１つまたは２つ以上を含む。
前記識別アルゴリズムは、線形回帰、ボルツマンマシン、ニューラルネットワーク、サ
ポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォ
レストを用いた統計的推定、強化学習、深層学習、のうちの１つまたは２つ以上を含む。
【0014】
本発明の第３の態様に係る情報処理装置は、第１または２の態様に係る情報処理装置で
あって、
前記画像データは、ＲＧＢカメラにより撮像された廃棄物の形状および色彩画像データ
、近赤外線カメラにより撮像された廃棄物の近赤外線画像データ、３ＤカメラまたはＲＧ
Ｂ－Ｄカメラにより撮像された廃棄物の３次元画像データ、のうちの１つまたは２つ以上
を含む。
あって、
前記画像データは、ＲＧＢカメラにより撮像された廃棄物の形状および色彩画像データ
、近赤外線カメラにより撮像された廃棄物の近赤外線画像データ、３ＤカメラまたはＲＧ
Ｂ－Ｄカメラにより撮像された廃棄物の３次元画像データ、のうちの１つまたは２つ以上
を含む。
【0015】
本発明の第４の態様に係る情報処理装置は、第１～３のいずれかの態様に係る情報処理
装置であって、
前記廃棄物の種類は、ごみ袋未破袋ごみ、紙ごみ、剪定枝、布団、汚泥、粗大破砕ごみ
、段ボール、麻袋、紙袋、底ごみ、のうちの１つまたは２つ以上を含む。
装置であって、
前記廃棄物の種類は、ごみ袋未破袋ごみ、紙ごみ、剪定枝、布団、汚泥、粗大破砕ごみ
、段ボール、麻袋、紙袋、底ごみ、のうちの１つまたは２つ以上を含む。
【0016】
本発明の第５の態様に係る情報処理装置は、第１～４のいずれかの態様に係る情報処理
装置であって、
前記種類識別部の識別結果に基づいて廃棄物処理プラントの制御を行うプラント制御部
と、
をさらに備える。
装置であって、
前記種類識別部の識別結果に基づいて廃棄物処理プラントの制御を行うプラント制御部
と、
をさらに備える。
【0017】
本発明の第６の態様に係る情報処理装置は、第５の態様に係る情報処理装置であって、
前記プラント制御部は、前記廃棄物の攪拌または搬送を行うクレーンを制御するクレー
ン制御装置に前記種類識別部の識別結果を送信するクレーン制御部、前記廃棄物の燃焼を
制御する燃焼制御装置に前記種類識別部の識別結果を送信する燃焼制御部、のうちの一方
または両方を含む。
前記プラント制御部は、前記廃棄物の攪拌または搬送を行うクレーンを制御するクレー
ン制御装置に前記種類識別部の識別結果を送信するクレーン制御部、前記廃棄物の燃焼を
制御する燃焼制御装置に前記種類識別部の識別結果を送信する燃焼制御部、のうちの一方
または両方を含む。
【0018】
本発明の第７の態様に係る情報処理装置は、第１～６のいずれかの態様に係る情報処理
装置であって、
前記識別アルゴリズムは、前記ごみピット内の映像を撮像することにより得られる画像
データに前記廃棄物の種類がラベリングされるとともに前記廃棄物以外の識別対象物が種
類別にラベリングされた教師データを学習済みであり、
前記種類識別部は、前記ごみピット内の新たな画像データを入力として前記識別アルゴ
リズムを利用して前記ごみピット内に貯留されている廃棄物の種類とともに廃棄物以外の
識別対象物の種類を識別する。
装置であって、
前記識別アルゴリズムは、前記ごみピット内の映像を撮像することにより得られる画像
データに前記廃棄物の種類がラベリングされるとともに前記廃棄物以外の識別対象物が種
類別にラベリングされた教師データを学習済みであり、
前記種類識別部は、前記ごみピット内の新たな画像データを入力として前記識別アルゴ
リズムを利用して前記ごみピット内に貯留されている廃棄物の種類とともに廃棄物以外の
識別対象物の種類を識別する。
【0019】
本件発明者らが実際に検証したところ、このような態様によって、廃棄物の識別精度を
顕著に向上できることが確認された。これは、本件発明者らの検討によれば、種類識別部
が、たとえば、ごみピットの側壁に対する判断に迷って汚泥として識別するなど、廃棄物
以外の識別対象物に対する判断に迷って何らかの廃棄物として識別してしまうことを抑制
できるためであると考えられる。
顕著に向上できることが確認された。これは、本件発明者らの検討によれば、種類識別部
が、たとえば、ごみピットの側壁に対する判断に迷って汚泥として識別するなど、廃棄物
以外の識別対象物に対する判断に迷って何らかの廃棄物として識別してしまうことを抑制
できるためであると考えられる。
【0020】
本発明の第８の態様に係る情報処理装置は、第７の態様に係る情報処理装置であって、
前記廃棄物以外の識別対象物の種類は、廃棄物処理プラントの梁、ごみピットの側壁、
ごみピット内に貯留されている廃棄物の山の崖、前記廃棄物の攪拌または搬送を行うクレ
ーン、のうちの１つまたは２つ以上を含む。
前記廃棄物以外の識別対象物の種類は、廃棄物処理プラントの梁、ごみピットの側壁、
ごみピット内に貯留されている廃棄物の山の崖、前記廃棄物の攪拌または搬送を行うクレ
ーン、のうちの１つまたは２つ以上を含む。
【0021】
本発明の第９の態様に係る情報処理装置は、第７の態様に係る情報処理装置であって、
前記廃棄物以外の識別対象物の種類は、廃棄物処理プラントの梁、ごみピットの側壁、
ごみピット内に貯留されている廃棄物の山の崖、前記廃棄物の攪拌または搬送を行うクレ
ーン、廃棄物処理プラントの壁、柱、床、窓、天井、扉、階段、ガーダー、歩廊、ごみピ
ットの仕切り壁、ごみ投入ホッパ、搬入扉、作業員、搬入車両、のうちの１つまたは２つ
以上を含む。
前記廃棄物以外の識別対象物の種類は、廃棄物処理プラントの梁、ごみピットの側壁、
ごみピット内に貯留されている廃棄物の山の崖、前記廃棄物の攪拌または搬送を行うクレ
ーン、廃棄物処理プラントの壁、柱、床、窓、天井、扉、階段、ガーダー、歩廊、ごみピ
ットの仕切り壁、ごみ投入ホッパ、搬入扉、作業員、搬入車両、のうちの１つまたは２つ
以上を含む。
【0022】
本発明の第１０の態様に係る情報処理装置は、第１～９のいずれかの態様に係る情報処
理装置であって、
前記種類識別部の識別結果に基づいて前記ごみピット内へ投入された異常物を検知する
異物投入検知部と、
をさらに備える。
理装置であって、
前記種類識別部の識別結果に基づいて前記ごみピット内へ投入された異常物を検知する
異物投入検知部と、
をさらに備える。
【0023】
本発明の第１１の態様に係る情報処理装置は、第１０の態様に係る情報処理装置であっ
て、
前記異物投入検知部は、前記廃棄物が貯留されるごみピット内に投入された異常物を検
知する異物検知装置に前記種類識別部の識別結果を送信する。
て、
前記異物投入検知部は、前記廃棄物が貯留されるごみピット内に投入された異常物を検
知する異物検知装置に前記種類識別部の識別結果を送信する。
【0024】
本発明の第１２の態様に係る情報処理装置は、第１～１１のいずれかの態様に係る情報
処理装置であって、
前記種類識別部の識別結果に基づいて前記ごみピット内への作業員または搬送車両の転
落を検知する転落検知部と、
をさらに備える。
処理装置であって、
前記種類識別部の識別結果に基づいて前記ごみピット内への作業員または搬送車両の転
落を検知する転落検知部と、
をさらに備える。
【0025】
本発明の第１３の態様に係る情報処理装置は、第１２の態様に係る情報処理装置であっ
て、
前記転落検知部は、前記廃棄物が貯留されるごみピット内に作業員や搬入車両が存在す
ることを検知する転落検知装置に前記種類識別部の識別結果を送信する。
て、
前記転落検知部は、前記廃棄物が貯留されるごみピット内に作業員や搬入車両が存在す
ることを検知する転落検知装置に前記種類識別部の識別結果を送信する。
【0026】
本発明の第１４の態様に係る情報処理装置は、第１～１３のいずれかの態様に係る情報
処理装置であって、
前記廃棄物の種類は、ごみ袋未破袋ごみ、紙ごみ、剪定枝、布団、汚泥、粗大破砕ごみ
、段ボール、麻袋、紙袋、底ごみ、木屑、繊維ごみ、衣類ごみ、プラスチックごみ、動物
性残渣、動物死体、厨芥ごみ、草木、土、医療ごみ、焼却灰、自転車、たんす、ベッド、
棚、机、椅子、農業系ビニール類、ペットボトル、発泡スチロール、肉骨粉、農作物、陶
器、ガラスくず、金属くず、がれき類、コンクリートくず、畳、竹、わら、活性炭、のう
ちの１つまたは２つ以上を含む。
処理装置であって、
前記廃棄物の種類は、ごみ袋未破袋ごみ、紙ごみ、剪定枝、布団、汚泥、粗大破砕ごみ
、段ボール、麻袋、紙袋、底ごみ、木屑、繊維ごみ、衣類ごみ、プラスチックごみ、動物
性残渣、動物死体、厨芥ごみ、草木、土、医療ごみ、焼却灰、自転車、たんす、ベッド、
棚、机、椅子、農業系ビニール類、ペットボトル、発泡スチロール、肉骨粉、農作物、陶
器、ガラスくず、金属くず、がれき類、コンクリートくず、畳、竹、わら、活性炭、のう
ちの１つまたは２つ以上を含む。
【0027】
本発明の第１５の態様に係る情報処理プログラムは、
コンピュータを、
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像デー
タに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用
いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されて
いる廃棄物の種類を識別する種類識別部として機能させる。
本発明の第１５の態様に係る情報処理プログラムは、
前記コンピュータを、さらに、
廃棄物が貯留されるごみピット内を撮像した過去の画像データに前記廃棄物の種類がラ
ベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する識別
アルゴリズム生成部として機能させてもよい。
コンピュータを、
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像デー
タに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用
いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されて
いる廃棄物の種類を識別する種類識別部として機能させる。
本発明の第１５の態様に係る情報処理プログラムは、
前記コンピュータを、さらに、
廃棄物が貯留されるごみピット内を撮像した過去の画像データに前記廃棄物の種類がラ
ベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する識別
アルゴリズム生成部として機能させてもよい。
【0028】
本発明の第１６の態様に係る情報処理方法は、
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像デー
タに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用
いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されて
いる廃棄物の種類を識別するステップを含む。
本発明の第１６の態様に係る情報処理方法は、
廃棄物が貯留されるごみピット内を撮像した過去の画像データに前記廃棄物の種類がラ
ベリングされた教師データを学習することにより、前記識別アルゴリズムを生成するステ
ップをさらに含んでもよい。
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像デー
タに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用
いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されて
いる廃棄物の種類を識別するステップを含む。
本発明の第１６の態様に係る情報処理方法は、
廃棄物が貯留されるごみピット内を撮像した過去の画像データに前記廃棄物の種類がラ
ベリングされた教師データを学習することにより、前記識別アルゴリズムを生成するステ
ップをさらに含んでもよい。
【0029】
本発明の第１７の態様に係る情報処理装置は、
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像
データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズム
を用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内
に貯留されている廃棄物の種類を識別する種類識別部を備える。
本発明の第１７の態様に係る情報処理装置は、
廃棄物が貯留される廃棄物貯留場所内を撮像した過去の画像データに前記廃棄物の種類
がラベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する
識別アルゴリズム生成部をさらに備えてもよい。
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像
データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズム
を用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内
に貯留されている廃棄物の種類を識別する種類識別部を備える。
本発明の第１７の態様に係る情報処理装置は、
廃棄物が貯留される廃棄物貯留場所内を撮像した過去の画像データに前記廃棄物の種類
がラベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する
識別アルゴリズム生成部をさらに備えてもよい。
【0030】
本発明の第１８の態様に係る情報処理プログラムは、
コンピュータを、
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像
データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズム
を用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内
に貯留されている廃棄物の種類を識別する種類識別部として機能させる。
本発明の第１８の態様に係る情報処理プログラムは、
前記コンピュータを、さらに、
廃棄物が貯留される廃棄物貯留場所内を撮像した過去の画像データに前記廃棄物の種類
がラベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する
識別アルゴリズム生成部として機能させてもよい。
コンピュータを、
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像
データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズム
を用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内
に貯留されている廃棄物の種類を識別する種類識別部として機能させる。
本発明の第１８の態様に係る情報処理プログラムは、
前記コンピュータを、さらに、
廃棄物が貯留される廃棄物貯留場所内を撮像した過去の画像データに前記廃棄物の種類
がラベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する
識別アルゴリズム生成部として機能させてもよい。
【0031】
本発明の第１９の態様に係る情報処理方法は、
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像
データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズム
を用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内
に貯留されている廃棄物の種類を識別するステップを含む。
本発明の第１９の態様に係る情報処理方法は、
廃棄物が貯留される廃棄物貯留場所内を撮像した過去の画像データに前記廃棄物の種類
がラベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する
ステップをさらに含んでもよい。
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像
データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズム
を用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内
に貯留されている廃棄物の種類を識別するステップを含む。
本発明の第１９の態様に係る情報処理方法は、
廃棄物が貯留される廃棄物貯留場所内を撮像した過去の画像データに前記廃棄物の種類
がラベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する
ステップをさらに含んでもよい。
【発明の効果】
【0032】
本発明によれば、ごみピット内の廃棄物の種類を識別できる。
【図面の簡単な説明】
【0033】
【発明を実施するための形態】
【0034】
以下に、添付の図面を参照して、本発明の実施の形態を詳細に説明する。なお、以下の
説明および以下の説明で用いる図面では、同一に構成され得る部分について、同一の符号
を用いるとともに、重複する説明を省略する。
説明および以下の説明で用いる図面では、同一に構成され得る部分について、同一の符号
を用いるとともに、重複する説明を省略する。
【0035】
図１は、一実施の形態に係る廃棄物処理プラント１００の構成を示す概略図である。
【0036】
図１に示すように、廃棄物処理プラント１００は、廃棄物を積載する搬送車両（ごみ収
集車）２２が停車するプラットホーム２１と、プラットホーム２１から投入される廃棄物
が貯留されるごみピット３と、ごみピット３内に貯留される廃棄物を攪拌および搬送する
クレーン５と、クレーン５により搬送される廃棄物が投入されるホッパ４と、ホッパ４か
ら投入された廃棄物を焼却する焼却炉１と、焼却炉１内で生じる排ガスから排熱を回収す
る排熱ボイラ２と、を備えている。焼却炉１の種類は、図１に示すようなストーカ炉に限
られるものではなく、流動炉（流動床炉ともいう）も含まれる。また、ごみピット３の構
造は、図１に示すような１段ピットに限られるものであなく、２段ピットも含まれる。ま
た、廃棄物処理プラント１００には、クレーン５の動作を制御するクレーン制御装置５０
と、焼却炉１内での廃棄物の燃焼を制御する燃焼制御装置２０とが設けられている。
集車）２２が停車するプラットホーム２１と、プラットホーム２１から投入される廃棄物
が貯留されるごみピット３と、ごみピット３内に貯留される廃棄物を攪拌および搬送する
クレーン５と、クレーン５により搬送される廃棄物が投入されるホッパ４と、ホッパ４か
ら投入された廃棄物を焼却する焼却炉１と、焼却炉１内で生じる排ガスから排熱を回収す
る排熱ボイラ２と、を備えている。焼却炉１の種類は、図１に示すようなストーカ炉に限
られるものではなく、流動炉（流動床炉ともいう）も含まれる。また、ごみピット３の構
造は、図１に示すような１段ピットに限られるものであなく、２段ピットも含まれる。ま
た、廃棄物処理プラント１００には、クレーン５の動作を制御するクレーン制御装置５０
と、焼却炉１内での廃棄物の燃焼を制御する燃焼制御装置２０とが設けられている。
【0037】
搬送車両２２に積載された状態で搬入される廃棄物は、プラットホーム２１からごみピ
ット３内へと投入され、ごみピット３内にて貯留される。ごみピット３内に貯留される廃
棄物は、クレーン５によって攪拌されるとともに、クレーン５によってホッパ４へと搬送
され、ホッパ４を介して焼却炉１内部へと投入され、焼却炉１内部にて焼却されて処理さ
れる。
ット３内へと投入され、ごみピット３内にて貯留される。ごみピット３内に貯留される廃
棄物は、クレーン５によって攪拌されるとともに、クレーン５によってホッパ４へと搬送
され、ホッパ４を介して焼却炉１内部へと投入され、焼却炉１内部にて焼却されて処理さ
れる。
【0038】
【0039】
撮像装置６は、ごみピット３の上方に配置され、図示された例ではクレーン５のレール
に固定されており、ごみピット３の上方からごみピット３内に貯留される廃棄物を撮像で
きるようになっている。図４は、撮像装置６によってごみピット３内の映像を撮像するこ
とにより得られる画像データの一例を示す図である。
に固定されており、ごみピット３の上方からごみピット３内に貯留される廃棄物を撮像で
きるようになっている。図４は、撮像装置６によってごみピット３内の映像を撮像するこ
とにより得られる画像データの一例を示す図である。
【0040】
撮像装置６は、撮像結果として廃棄物の形状および色彩画像データを出力するＲＧＢカ
メラであってもよいし、撮像結果として廃棄物の近赤外線画像データを出力する近赤外線
カメラであってもよいし、撮像結果として廃棄物の３次元画像データを撮像する３Ｄカメ
ラまたはＲＧＢ－Ｄカメラであってもよいし、これらのうちの２つ以上の組み合わせであ
ってもよい。
メラであってもよいし、撮像結果として廃棄物の近赤外線画像データを出力する近赤外線
カメラであってもよいし、撮像結果として廃棄物の３次元画像データを撮像する３Ｄカメ
ラまたはＲＧＢ－Ｄカメラであってもよいし、これらのうちの２つ以上の組み合わせであ
ってもよい。
【0041】
次に、ごみピット３内の廃棄物の種類を識別する情報処理装置１０の構成について説明
する。図２は、情報処理装置１０の構成を示すブロック図である。
する。図２は、情報処理装置１０の構成を示すブロック図である。
【0042】
図２に示すように、情報処理装置１０は、制御部１１と、記憶部１２と、通信部１３と
を有している。各部は、バスを介して互いに通信可能に接続されている。
を有している。各部は、バスを介して互いに通信可能に接続されている。
【0043】
このうち通信部１３は、撮像装置６、クレーン制御装置５０および燃焼制御装置２０の
各装置と情報処理装置１０との間の通信インターフェースである。通信部１３は、撮像装
置６、クレーン制御装置５０および燃焼制御装置２０の各装置と情報処理装置１０との間
で情報を送受信する。
各装置と情報処理装置１０との間の通信インターフェースである。通信部１３は、撮像装
置６、クレーン制御装置５０および燃焼制御装置２０の各装置と情報処理装置１０との間
で情報を送受信する。
【0044】
記憶部１２は、たとえばハードディスク等の固定型データストレージである。記憶部１
２には、制御部１１が取り扱う各種データが記憶される。また、記憶部１２には、後述す
る識別アルゴリズム生成部１１ａにより生成される識別アルゴリズム１２ａと、後述する
画像データ取得部１１ｂにより取得された画像データ１２ｂとが記憶される。
２には、制御部１１が取り扱う各種データが記憶される。また、記憶部１２には、後述す
る識別アルゴリズム生成部１１ａにより生成される識別アルゴリズム１２ａと、後述する
画像データ取得部１１ｂにより取得された画像データ１２ｂとが記憶される。
【0045】
制御部１１は、情報処理装置１０の各種処理を行う制御手段である。図２に示すように
、制御部１１は、識別アルゴリズム生成部１１ａと、画像データ取得部１１ｂと、種類識
別部１１ｃと、プラント制御部１１ｄと、転落検知部１１ｅと、異物投入検知部１１ｆと
、を有している。これらの各部は、情報処理装置１０内のプロセッサが所定のプログラム
を実行することにより実現されてもよいし、ハードウェアで実装されてもよい。
、制御部１１は、識別アルゴリズム生成部１１ａと、画像データ取得部１１ｂと、種類識
別部１１ｃと、プラント制御部１１ｄと、転落検知部１１ｅと、異物投入検知部１１ｆと
、を有している。これらの各部は、情報処理装置１０内のプロセッサが所定のプログラム
を実行することにより実現されてもよいし、ハードウェアで実装されてもよい。
【0046】
識別アルゴリズム生成部１１ａは、廃棄物が貯留されるごみピット内の映像を撮像する
ことにより得られる過去の画像データに廃棄物の種類がラベリングされた教師データを学
習することにより、ごみピット内の新たな画像データを入力として廃棄物の種類を識別す
る学習済みの識別アルゴリズム１２ａを生成する。
ことにより得られる過去の画像データに廃棄物の種類がラベリングされた教師データを学
習することにより、ごみピット内の新たな画像データを入力として廃棄物の種類を識別す
る学習済みの識別アルゴリズム１２ａを生成する。
【0047】
識別アルゴリズム生成部１１ａは、ごみピット内の過去の画像データに廃棄物の種類が
ラベリングされるとともに廃棄物以外の識別対象物が種類別にラベリングされた教師デー
タを学習することにより、ごみピット内の過去の画像データを入力として廃棄物の種類に
加えて廃棄物以外の識別対象物の種類を識別する学習済みの識別アルゴリズム１２ａを生
成してもよい。
ラベリングされるとともに廃棄物以外の識別対象物が種類別にラベリングされた教師デー
タを学習することにより、ごみピット内の過去の画像データを入力として廃棄物の種類に
加えて廃棄物以外の識別対象物の種類を識別する学習済みの識別アルゴリズム１２ａを生
成してもよい。
【0048】
識別アルゴリズム１２ａは、具体的には、たとえば、線形回帰、ボルツマンマシン、ニ
ューラルネットワーク、サポートベクターマシン、ベイジアンネットワーク、スパース回
帰、決定木、ランダムフォレストを用いた統計的推定、強化学習、深層学習、のうちの１
つまたは２つ以上を含んでいる。
ューラルネットワーク、サポートベクターマシン、ベイジアンネットワーク、スパース回
帰、決定木、ランダムフォレストを用いた統計的推定、強化学習、深層学習、のうちの１
つまたは２つ以上を含んでいる。
【0049】
教師データは、たとえば、廃棄物処理プラント１００の運転を行う熟練運転員が、ごみ
ピット３内の映像を撮像することにより得られる画像データに対して、廃棄物および廃棄
物以外の識別対象物を目視で識別して種類別にラベリングすることにより、作成される。
廃棄物および廃棄物以外の識別対象物の種類は、たとえば、種類別のレイヤーとして画像
データに重ね合わされた状態でラベリングされる。
ピット３内の映像を撮像することにより得られる画像データに対して、廃棄物および廃棄
物以外の識別対象物を目視で識別して種類別にラベリングすることにより、作成される。
廃棄物および廃棄物以外の識別対象物の種類は、たとえば、種類別のレイヤーとして画像
データに重ね合わされた状態でラベリングされる。
【0050】
教師データにラベリングされる廃棄物の種類は、ごみ袋未破袋ごみ、紙ごみ、剪定枝、
布団、汚泥、粗大破砕ごみ、段ボール、麻袋、紙袋、底ごみ（ごみピット３内の底付近に
存在し上方の廃棄物に圧縮され水分含有量が多いごみのこと）、のうちの１つまたは２つ
以上を含んでいてもよい。また、教師データにラベリングされる廃棄物の種類は、ごみピ
ット３内に入ってきてほしくないけれど入ってくる可能性がある予定外の廃棄物（異常物
）を含んでいてもよい。ここで、異常物としては、たとえば、焼却してはいけないもの、
具体的には、たとえば、蛍光灯、水銀混入ごみ、ボンベや缶、油タンクなどの爆発物など
が挙げられる。また、教師データにラベリングされる廃棄物の種類は、木屑、繊維ごみ、
衣類ごみ、プラスチックごみ、動物性残渣、動物死体、厨芥ごみ、草木、土、医療ごみ、
焼却灰、自転車、たんす、ベッド、棚、机、椅子、農業系ビニール類、ペットボトル、発
泡スチロール、肉骨粉、農作物、陶器、ガラスくず、金属くず、がれき類、コンクリート
くず、畳、竹、わら、活性炭のうちの１つまたは２つ以上を含んでいてもよい。
布団、汚泥、粗大破砕ごみ、段ボール、麻袋、紙袋、底ごみ（ごみピット３内の底付近に
存在し上方の廃棄物に圧縮され水分含有量が多いごみのこと）、のうちの１つまたは２つ
以上を含んでいてもよい。また、教師データにラベリングされる廃棄物の種類は、ごみピ
ット３内に入ってきてほしくないけれど入ってくる可能性がある予定外の廃棄物（異常物
）を含んでいてもよい。ここで、異常物としては、たとえば、焼却してはいけないもの、
具体的には、たとえば、蛍光灯、水銀混入ごみ、ボンベや缶、油タンクなどの爆発物など
が挙げられる。また、教師データにラベリングされる廃棄物の種類は、木屑、繊維ごみ、
衣類ごみ、プラスチックごみ、動物性残渣、動物死体、厨芥ごみ、草木、土、医療ごみ、
焼却灰、自転車、たんす、ベッド、棚、机、椅子、農業系ビニール類、ペットボトル、発
泡スチロール、肉骨粉、農作物、陶器、ガラスくず、金属くず、がれき類、コンクリート
くず、畳、竹、わら、活性炭のうちの１つまたは２つ以上を含んでいてもよい。
【0051】
教師データにラベリングされる廃棄物以外の識別対象物の種類は、廃棄物処理プラント
１００の梁、ごみピット３の側壁、ごみピット３内に貯留されている廃棄物の山の崖（廃
棄物の山の崖にあたり廃棄物の種類が目視で識別不能な程度まで暗くなっている部分）、
前記廃棄物の攪拌または搬送を行うクレーン５、のうちの１つまたは２つ以上を含んでい
てもよい。また、教師データにラベリングされる廃棄物以外の識別対象物の種類は、作業
員、搬入車両のうちの一方または両方を含んでいてもよい。また、教師データにラベリン
グされる廃棄物以外の識別対象物の種類は、廃棄物処理プラント１００の壁、柱、床、窓
、天井、扉、階段、ガーダー（クレーン５を吊り下げて移動する構造体）、歩廊、ごみピ
ットの仕切り壁、ごみ投入ホッパ、搬入扉、作業員、搬入車両、のうちの１つまたは２つ
以上を含んでいてもよい。
１００の梁、ごみピット３の側壁、ごみピット３内に貯留されている廃棄物の山の崖（廃
棄物の山の崖にあたり廃棄物の種類が目視で識別不能な程度まで暗くなっている部分）、
前記廃棄物の攪拌または搬送を行うクレーン５、のうちの１つまたは２つ以上を含んでい
てもよい。また、教師データにラベリングされる廃棄物以外の識別対象物の種類は、作業
員、搬入車両のうちの一方または両方を含んでいてもよい。また、教師データにラベリン
グされる廃棄物以外の識別対象物の種類は、廃棄物処理プラント１００の壁、柱、床、窓
、天井、扉、階段、ガーダー（クレーン５を吊り下げて移動する構造体）、歩廊、ごみピ
ットの仕切り壁、ごみ投入ホッパ、搬入扉、作業員、搬入車両、のうちの１つまたは２つ
以上を含んでいてもよい。
【0052】
図５は、ごみピット内の映像を撮像することにより得られる画像データに廃棄物および
廃棄物以外の識別対象物の種類がラベリングされた教師データの一例を示す図である。図
５に示す例では、ごみピット内の映像を撮像することにより得られる画像データに、廃棄
物として未破袋ごみ、剪定枝、布団がそれぞれ種類別にラベリングされると共に、廃棄物
以外の識別対象物としてクレーン５、廃棄物の山の崖、ごみピット３の側壁、プラント１
００の床がそれぞれ種類別にラベリングされている。
廃棄物以外の識別対象物の種類がラベリングされた教師データの一例を示す図である。図
５に示す例では、ごみピット内の映像を撮像することにより得られる画像データに、廃棄
物として未破袋ごみ、剪定枝、布団がそれぞれ種類別にラベリングされると共に、廃棄物
以外の識別対象物としてクレーン５、廃棄物の山の崖、ごみピット３の側壁、プラント１
００の床がそれぞれ種類別にラベリングされている。
【0053】
画像データ取得部１１ｂは、ごみピット３内の映像を撮像することにより得られる新た
な画像データを撮像装置６から取得する。画像データ取得部１１ｂにより取得された新た
な画像データは、記憶部１２に記憶される。
な画像データを撮像装置６から取得する。画像データ取得部１１ｂにより取得された新た
な画像データは、記憶部１２に記憶される。
【0054】
種類識別部１１ｃは、画像データ取得部１１ｂにより取得された新たな画像データを入
力として、識別アルゴリズム生成部１１ａにより生成された学習済みの識別アルゴリズム
１２ａを利用して、ごみピット３内に貯留されている廃棄物の種類を識別する。
力として、識別アルゴリズム生成部１１ａにより生成された学習済みの識別アルゴリズム
１２ａを利用して、ごみピット３内に貯留されている廃棄物の種類を識別する。
【0055】
種類識別部１１ｃは、画像データ取得部１１ｂにより取得された新たな画像データを入
力として学習済みの識別アルゴリズム１２ａを利用して、ごみピット３内に貯留されてい
る廃棄物の種類とともに廃棄物以外の識別対象物の種類を識別してもよい。図６は、ごみ
ピット内の映像を撮像することにより得られる画像データに種類識別部１１ｃによる識別
結果が重ね合わされて表示されたデータの一例を示す図である。図６に示す例では、種類
識別部１１ｃにより識別された廃棄物（未破袋ごみ、剪定枝）と廃棄物以外の識別対象物
（クレーン５、廃棄物の山の崖、ごみピット３の側壁、プラント１００の床）とが種類別
に画像データに重ね合わされて表示されている。
力として学習済みの識別アルゴリズム１２ａを利用して、ごみピット３内に貯留されてい
る廃棄物の種類とともに廃棄物以外の識別対象物の種類を識別してもよい。図６は、ごみ
ピット内の映像を撮像することにより得られる画像データに種類識別部１１ｃによる識別
結果が重ね合わされて表示されたデータの一例を示す図である。図６に示す例では、種類
識別部１１ｃにより識別された廃棄物（未破袋ごみ、剪定枝）と廃棄物以外の識別対象物
（クレーン５、廃棄物の山の崖、ごみピット３の側壁、プラント１００の床）とが種類別
に画像データに重ね合わされて表示されている。
【0056】
種類識別部１１ｃは、図７に示すように、識別結果に基づいて、ごみピット３内に貯留
されている廃棄物の種類の比率を領域毎に表示するマップを生成してもよい。図７に示す
例では、ごみピット３内が５×４の格子状に区分され、種類識別部１１ｃにより識別され
た廃棄物の種類の比率が領域毎に表示されている。
されている廃棄物の種類の比率を領域毎に表示するマップを生成してもよい。図７に示す
例では、ごみピット３内が５×４の格子状に区分され、種類識別部１１ｃにより識別され
た廃棄物の種類の比率が領域毎に表示されている。
【0057】
プラント制御部１１ｄは、種類識別部１１ｃの識別結果に基づいて廃棄物処理プラント
１００の制御を行う。
１００の制御を行う。
【0058】
図１に示す例では、プラント制御部１１ｄは、廃棄物の攪拌または搬送を行うクレーン
５を制御するクレーン制御装置５０に種類識別部１１ｃの識別結果（すなわち、画像デー
タから識別された廃棄物の種類の情報）を送信するクレーン制御部１１ｄ１と、廃棄物の
燃焼を制御する燃焼制御装置２０に種類識別部１１ｃの識別結果（すなわち、画像データ
から識別された廃棄物の種類の情報）を送信する燃焼制御部１１ｄ２とを含んでいる。
５を制御するクレーン制御装置５０に種類識別部１１ｃの識別結果（すなわち、画像デー
タから識別された廃棄物の種類の情報）を送信するクレーン制御部１１ｄ１と、廃棄物の
燃焼を制御する燃焼制御装置２０に種類識別部１１ｃの識別結果（すなわち、画像データ
から識別された廃棄物の種類の情報）を送信する燃焼制御部１１ｄ２とを含んでいる。
【0059】
なお、図１に示す例では、プラント制御部１１ｄが、クレーン制御部１１ｄ１と燃焼制
御部１１ｄ２の両方を含んでいるが、これに限定されるものではなく、クレーン制御部１
１ｄ１と燃焼制御部１１ｄ２のいずれか一方のみを含んでいてもよい。
御部１１ｄ２の両方を含んでいるが、これに限定されるものではなく、クレーン制御部１
１ｄ１と燃焼制御部１１ｄ２のいずれか一方のみを含んでいてもよい。
【0060】
クレーン制御部１１ｄ１は、たとえば、種類識別部１１ｃの識別結果として、ごみピッ
ト３内に貯留されている廃棄物の種類の比率を領域毎に表示するマップ（図７参照）をク
レーン制御装置５０へと送信する。クレーン制御装置５０は、クレーン制御部１１ｄ１か
ら受信するマップに基づいて、廃棄物の種類の比率が全ての領域で等しくなるように、ク
レーン５を動作させてごみピット３内の廃棄物を攪拌させる。
ト３内に貯留されている廃棄物の種類の比率を領域毎に表示するマップ（図７参照）をク
レーン制御装置５０へと送信する。クレーン制御装置５０は、クレーン制御部１１ｄ１か
ら受信するマップに基づいて、廃棄物の種類の比率が全ての領域で等しくなるように、ク
レーン５を動作させてごみピット３内の廃棄物を攪拌させる。
【0061】
燃焼制御部１１ｄ２は、たとえば、種類識別部１１ｃの識別結果として、ごみピット３
内に貯留されている廃棄物の種類の比率を領域毎に表示するマップ（図７参照）を燃焼制
御装置２０へと送信する。燃焼制御装置２０は、燃焼制御部１１ｄ２から受信するマップ
に基づいて、クレーン５によって掴まれてごみピット３からホッパ４へと一緒に搬送され
る廃棄物の種類の比率を把握し、ホッパ４を介して焼却炉１内へと一緒に投入される廃棄
物の比率に応じて廃棄物の燃焼を制御する（たとえば、ストーカの送り速度や供給する空
気量を制御する）。
内に貯留されている廃棄物の種類の比率を領域毎に表示するマップ（図７参照）を燃焼制
御装置２０へと送信する。燃焼制御装置２０は、燃焼制御部１１ｄ２から受信するマップ
に基づいて、クレーン５によって掴まれてごみピット３からホッパ４へと一緒に搬送され
る廃棄物の種類の比率を把握し、ホッパ４を介して焼却炉１内へと一緒に投入される廃棄
物の比率に応じて廃棄物の燃焼を制御する（たとえば、ストーカの送り速度や供給する空
気量を制御する）。
【0062】
転落検知部１１ｅは、種類識別部１１ｃの識別結果（すなわち、画像データから識別さ
れた作業員または搬送車両の情報）に基づいて、プラットホーム２１からごみピット３内
への作業員または搬送車両の転落を検知する。転落検知部１１ｅは、廃棄物が貯留される
ごみピット３内に作業員や搬入車両が存在することを検知する転落検知装置（不図示）に
種類識別部１１ｃの識別結果（すなわち、画像データから識別された作業員または搬送車
両の情報）を送信してもよい。転落検知装置（不図示）は、転落検知部１１ｅから送信さ
れる種類識別部１１ｃの識別結果に基づいて、アラームを発したり、クレーン５を動作さ
せて作業員の救出を行う。
れた作業員または搬送車両の情報）に基づいて、プラットホーム２１からごみピット３内
への作業員または搬送車両の転落を検知する。転落検知部１１ｅは、廃棄物が貯留される
ごみピット３内に作業員や搬入車両が存在することを検知する転落検知装置（不図示）に
種類識別部１１ｃの識別結果（すなわち、画像データから識別された作業員または搬送車
両の情報）を送信してもよい。転落検知装置（不図示）は、転落検知部１１ｅから送信さ
れる種類識別部１１ｃの識別結果に基づいて、アラームを発したり、クレーン５を動作さ
せて作業員の救出を行う。
【0063】
異物投入検知部１１ｆは、種類識別部１１ｃの識別結果（すなわち、画像データから識
別された廃棄物の種類の情報）に基づいて、ごみピット３内へ投入された異常物を検知す
る。ここで「異常物」とは、ごみピット３内に入ってきてほしくないけれど入ってくる可
能性がある予定外の廃棄物をいい、たとえば、焼却してはいけないもの、具体的には、た
とえば、蛍光灯、水銀混入ごみ、ボンベや缶、油タンクなどの爆発物などが挙げられる。
異物投入検知部１１ｆは、廃棄物が貯留されるごみピット３内に投入された異常物を検知
する異物検知装置（不図示）に種類識別部の識別結果（すなわち、画像データから識別さ
れた廃棄物の種類の情報）を送信してもよい。異物検知装置（不図示）は、ごみピット３
内に廃棄物を投入した業者または車両を時間情報とともに記憶しているデータベースを参
照し、異物投入検知部１１ｆから送信される種類識別部１１ｃの識別結果に基づいて、ご
みピット３内に異物を投入した業者または車両を特定する。
別された廃棄物の種類の情報）に基づいて、ごみピット３内へ投入された異常物を検知す
る。ここで「異常物」とは、ごみピット３内に入ってきてほしくないけれど入ってくる可
能性がある予定外の廃棄物をいい、たとえば、焼却してはいけないもの、具体的には、た
とえば、蛍光灯、水銀混入ごみ、ボンベや缶、油タンクなどの爆発物などが挙げられる。
異物投入検知部１１ｆは、廃棄物が貯留されるごみピット３内に投入された異常物を検知
する異物検知装置（不図示）に種類識別部の識別結果（すなわち、画像データから識別さ
れた廃棄物の種類の情報）を送信してもよい。異物検知装置（不図示）は、ごみピット３
内に廃棄物を投入した業者または車両を時間情報とともに記憶しているデータベースを参
照し、異物投入検知部１１ｆから送信される種類識別部１１ｃの識別結果に基づいて、ご
みピット３内に異物を投入した業者または車両を特定する。
【0064】
次に、このような構成からなる情報処理装置１０による情報処理方法の一例について説
明する。図３は、情報処理方法の一例を示すフローチャートである。
明する。図３は、情報処理方法の一例を示すフローチャートである。
【0065】
図３に示すように、まず、識別アルゴリズム生成部１１ａが、ごみピット３内の映像を
撮像した過去の画像データに廃棄物の種類がラベリングされた教師データを学習すること
により、ごみピット３内の映像を撮像することにより得られる新たな画像データを入力と
して廃棄物の種類を識別する学習済みの識別アルゴリズム１２ａを生成する（ステップＳ
１１）。
撮像した過去の画像データに廃棄物の種類がラベリングされた教師データを学習すること
により、ごみピット３内の映像を撮像することにより得られる新たな画像データを入力と
して廃棄物の種類を識別する学習済みの識別アルゴリズム１２ａを生成する（ステップＳ
１１）。
【0066】
識別アルゴリズム生成部１１ａは、ごみピット３内の映像を撮像することにより得られ
る過去の画像データに廃棄物の種類がラベリングされるとともに廃棄物以外の識別対象物
が種類別にラベリングされた教師データ（たとえば図５参照）を学習することにより、ご
みピット３内の映像を撮像することにより得られる新たな画像データを入力として廃棄物
の種類に加えて廃棄物以外の識別対象物の種類を識別する学習済みの識別アルゴリズム１
２ａを生成してもよい。
る過去の画像データに廃棄物の種類がラベリングされるとともに廃棄物以外の識別対象物
が種類別にラベリングされた教師データ（たとえば図５参照）を学習することにより、ご
みピット３内の映像を撮像することにより得られる新たな画像データを入力として廃棄物
の種類に加えて廃棄物以外の識別対象物の種類を識別する学習済みの識別アルゴリズム１
２ａを生成してもよい。
【0067】
次に、画像データ取得部１１ｂが、ごみピット３内の映像を撮像することにより得られ
る新たな画像データ１２ｂ（たとえば図４参照）を撮像装置６から取得する（ステップＳ
１２）。画像データ取得部１１ｂにより取得された新たな画像データ１２ｂは、記憶部１
２に記憶される。
る新たな画像データ１２ｂ（たとえば図４参照）を撮像装置６から取得する（ステップＳ
１２）。画像データ取得部１１ｂにより取得された新たな画像データ１２ｂは、記憶部１
２に記憶される。
【0068】
次いで、種類識別部１１ｃが、画像データ取得部１１ｂにより取得された新たな画像デ
ータを入力として、識別アルゴリズム生成部１１ａにより生成された学習済みの識別アル
ゴリズム１２ａを利用して、ごみピット３内に貯留されている廃棄物の種類を識別する（
ステップＳ１３）。
ータを入力として、識別アルゴリズム生成部１１ａにより生成された学習済みの識別アル
ゴリズム１２ａを利用して、ごみピット３内に貯留されている廃棄物の種類を識別する（
ステップＳ１３）。
【0069】
種類識別部１１ｃは、画像データ取得部１１ｂにより取得された新たな画像データ（た
とえば図４参照）を入力として、識別アルゴリズム生成部１１ａにより生成された学習済
みの識別アルゴリズム１２ａを利用して、ごみピット３内に貯留されている廃棄物の種類
とともに廃棄物以外の識別対象物の種類を識別してもよい（たとえば図６参照）。また、
種類識別部１１ｃは、廃棄物の種類の識別結果に基づいて、ごみピット３内に貯留されて
いる廃棄物の種類の比率を領域毎に表示するマップ（たとえば図７参照）を生成してもよ
い。
とえば図４参照）を入力として、識別アルゴリズム生成部１１ａにより生成された学習済
みの識別アルゴリズム１２ａを利用して、ごみピット３内に貯留されている廃棄物の種類
とともに廃棄物以外の識別対象物の種類を識別してもよい（たとえば図６参照）。また、
種類識別部１１ｃは、廃棄物の種類の識別結果に基づいて、ごみピット３内に貯留されて
いる廃棄物の種類の比率を領域毎に表示するマップ（たとえば図７参照）を生成してもよ
い。
【0070】
次いで、プラント制御部１１ｄが、種類識別部１１ｃによる識別結果に基づいて、廃棄
物処理プラントの制御を行う。
物処理プラントの制御を行う。
【0071】
具体的には、たとえば、クレーン制御部１１ｄ１が、廃棄物の攪拌または搬送を行うク
レーン５を制御するクレーン制御装置５０に、種類識別部１１ｃの識別結果として、図７
に示すような廃棄物の種類の比率を領域毎に表示するマップを送信する（ステップＳ１４
）。クレーン制御装置５０は、クレーン制御部１１ｄ１から受信するマップに基づいて、
廃棄物の種類の比率が全ての領域で等しくなるように、クレーン５を動作させてごみピッ
ト３内の廃棄物を攪拌させる。
レーン５を制御するクレーン制御装置５０に、種類識別部１１ｃの識別結果として、図７
に示すような廃棄物の種類の比率を領域毎に表示するマップを送信する（ステップＳ１４
）。クレーン制御装置５０は、クレーン制御部１１ｄ１から受信するマップに基づいて、
廃棄物の種類の比率が全ての領域で等しくなるように、クレーン５を動作させてごみピッ
ト３内の廃棄物を攪拌させる。
【0072】
また、燃焼制御部１１ｄ２が、廃棄物の燃焼を制御する燃焼制御装置２０に、種類識別
部１１ｃの識別結果として、図７に示すような廃棄物の種類の比率を領域毎に表示するマ
ップを送信する（ステップＳ１５）。燃焼制御装置２０は、燃焼制御部１１ｄ２から受信
するマップに基づいて、クレーン５によって掴まれてごみピット３からホッパ４へと一緒
に搬送される廃棄物の種類の比率を把握し、ホッパ４を介して焼却炉１内へと一緒に投入
される各廃棄物の比率に応じて廃棄物の燃焼を制御する（たとえば、ストーカの送り速度
や供給する空気量を制御する）。
部１１ｃの識別結果として、図７に示すような廃棄物の種類の比率を領域毎に表示するマ
ップを送信する（ステップＳ１５）。燃焼制御装置２０は、燃焼制御部１１ｄ２から受信
するマップに基づいて、クレーン５によって掴まれてごみピット３からホッパ４へと一緒
に搬送される廃棄物の種類の比率を把握し、ホッパ４を介して焼却炉１内へと一緒に投入
される各廃棄物の比率に応じて廃棄物の燃焼を制御する（たとえば、ストーカの送り速度
や供給する空気量を制御する）。
【0073】
なお、種類識別部１１ｃによりごみピット３内の画像データから作業員または搬送車両
が識別された場合には、転落検知部１１ｅが、種類識別部１１ｃの識別結果に基づいて、
プラットホーム２１からごみピット３内への作業員または搬送車両の転落を検知し、転落
検知装置（不図示）に種類識別部１１ｃの識別結果を送信してもよい。
が識別された場合には、転落検知部１１ｅが、種類識別部１１ｃの識別結果に基づいて、
プラットホーム２１からごみピット３内への作業員または搬送車両の転落を検知し、転落
検知装置（不図示）に種類識別部１１ｃの識別結果を送信してもよい。
【0074】
また、種類識別部１１ｃによりごみピット３内の画像データから異常物が検知された場
合には、異物投入検知部１１ｆが、種類識別部１１ｃの識別結果に基づいて、ごみピット
３内へ投入された異常物を検知し、異物検知装置（不図示）に種類識別部１１ｃの識別結
果を送信してもよい。
合には、異物投入検知部１１ｆが、種類識別部１１ｃの識別結果に基づいて、ごみピット
３内へ投入された異常物を検知し、異物検知装置（不図示）に種類識別部１１ｃの識別結
果を送信してもよい。
【0075】
ところで、発明が解決しようとする課題の欄で言及したように、特許文献１に記載の方
法では、一般ごみと異質ごみとを色調により区別しているが、単純に色調だけで廃棄物の
種類を識別するのは困難であり、たとえば、粗大破砕ごみが多少混じっていても全体とし
て一般ごみと判断する可能性がある。そのため、燃焼状態に影響を与える異質な廃棄物や
各機器のトラブル発生要因となる廃棄物を、焼却炉内に一定量以上投入してしまう危険性
があった。
法では、一般ごみと異質ごみとを色調により区別しているが、単純に色調だけで廃棄物の
種類を識別するのは困難であり、たとえば、粗大破砕ごみが多少混じっていても全体とし
て一般ごみと判断する可能性がある。そのため、燃焼状態に影響を与える異質な廃棄物や
各機器のトラブル発生要因となる廃棄物を、焼却炉内に一定量以上投入してしまう危険性
があった。
【0076】
また、特許文献２に記載方法では、輝度値によりごみ袋の破れ具合を検出しているが、
この方法ではごみ袋しか検知することができない。実際のごみピットには、ごみ袋以外に
も剪定枝や布団など様々な種類の廃棄物が投入される場合があるため、そのような実際の
ごみピットに対して上記方法を適用することは困難であった。
この方法ではごみ袋しか検知することができない。実際のごみピットには、ごみ袋以外に
も剪定枝や布団など様々な種類の廃棄物が投入される場合があるため、そのような実際の
ごみピットに対して上記方法を適用することは困難であった。
【0077】
これに対し、本実施の形態によれば、ごみピット３内に貯留されている廃棄物の種類を
、ごみピット３内の映像を撮像することにより得られる画像データを入力として、機械学
習により生成された学習済みの識別アルゴリズム１２ａを利用して識別することにより、
一定量以上投入すると燃焼状態へ影響を与える廃棄物（たとえば未破袋ごみ）や各機器の
トラブルの要因となる廃棄物（たとえば剪定枝）を識別することができる。これにより、
そのような特殊な廃棄物の一定量以上の誤投入を防いで、燃焼状態および各機器に影響を
与えることなく安定した処理が可能となる。
、ごみピット３内の映像を撮像することにより得られる画像データを入力として、機械学
習により生成された学習済みの識別アルゴリズム１２ａを利用して識別することにより、
一定量以上投入すると燃焼状態へ影響を与える廃棄物（たとえば未破袋ごみ）や各機器の
トラブルの要因となる廃棄物（たとえば剪定枝）を識別することができる。これにより、
そのような特殊な廃棄物の一定量以上の誤投入を防いで、燃焼状態および各機器に影響を
与えることなく安定した処理が可能となる。
【0078】
また、本実施の形態によれば、識別アルゴリズム生成部１１ａが、ごみピット３内の映
像を撮像することにより得られる過去の画像データに廃棄物の種類がラベリングされると
ともに廃棄物以外の識別対象物が種類別にラベリングされた教師データを学習することに
より学習済みの識別アルゴリズム１２ａを生成し、種類識別部１１ｃが、画像データ取得
部１１ｂにより取得された新たな画像データを入力として当該識別アルゴリズム１２ａを
利用してごみピット３内に貯留されている廃棄物の種類とともに廃棄物以外の識別対象物
の種類を識別する。本件発明者らが実際に検証したところ、このような態様によって、廃
棄物の識別精度を顕著に向上できることが確認された。これは、本件発明者らの検討によ
れば、種類識別部１１ｃが、たとえば、ごみピット３の側壁に対する判断に迷って汚泥と
して識別するなど、廃棄物以外の識別対象物に対する判断に迷って何らかの廃棄物として
識別してしまうことを抑制できるためであると考えられる。
像を撮像することにより得られる過去の画像データに廃棄物の種類がラベリングされると
ともに廃棄物以外の識別対象物が種類別にラベリングされた教師データを学習することに
より学習済みの識別アルゴリズム１２ａを生成し、種類識別部１１ｃが、画像データ取得
部１１ｂにより取得された新たな画像データを入力として当該識別アルゴリズム１２ａを
利用してごみピット３内に貯留されている廃棄物の種類とともに廃棄物以外の識別対象物
の種類を識別する。本件発明者らが実際に検証したところ、このような態様によって、廃
棄物の識別精度を顕著に向上できることが確認された。これは、本件発明者らの検討によ
れば、種類識別部１１ｃが、たとえば、ごみピット３の側壁に対する判断に迷って汚泥と
して識別するなど、廃棄物以外の識別対象物に対する判断に迷って何らかの廃棄物として
識別してしまうことを抑制できるためであると考えられる。
【0079】
なお、上述した実施の形態に対して様々な変更を加えることが可能である。以下、上述
した実施の形態の変形例について説明する。
した実施の形態の変形例について説明する。
【0080】
上述した実施の形態では、燃焼制御部１１ｄ２は、種類識別部１１ｃの識別結果として
、ごみピット３内に貯留されている廃棄物の種類の比率を領域毎に表示するマップ（図７
参照）を燃焼制御装置２０へと送信したが、これに限定されず、種類識別部１１ｃの識別
結果として、廃棄物の種類の比率を質情報に変換したラベル、たとえば、投入ＯＫ、投入
ＮＧ、カロリＬ（Ｌｏｗ）、Ｍ（Ｍｉｄｄｌｅ）、Ｈ（Ｈｉｇｈ）などを領域毎に表示す
るマップを燃焼制御装置２０へと送信してもよい。また、燃焼制御部１１ｄ２は、種類識
別部１１ｃの識別結果として、燃焼状態に影響を与える割合が大きいことを示すラベル（
たとえば、未破袋ごみあり、底ごみあり、など）を燃焼制御装置２０へと送信してもよい
。同様に、クレーン制御部１１ｄ１は、種類識別部１１ｃの識別結果として、各機器に影
響を与える割合が大きいことを示すラベル（たとえば、剪定枝あり、粗大破砕ごみあり、
など）をクレーン制御装置５０へと送信してもよい。
、ごみピット３内に貯留されている廃棄物の種類の比率を領域毎に表示するマップ（図７
参照）を燃焼制御装置２０へと送信したが、これに限定されず、種類識別部１１ｃの識別
結果として、廃棄物の種類の比率を質情報に変換したラベル、たとえば、投入ＯＫ、投入
ＮＧ、カロリＬ（Ｌｏｗ）、Ｍ（Ｍｉｄｄｌｅ）、Ｈ（Ｈｉｇｈ）などを領域毎に表示す
るマップを燃焼制御装置２０へと送信してもよい。また、燃焼制御部１１ｄ２は、種類識
別部１１ｃの識別結果として、燃焼状態に影響を与える割合が大きいことを示すラベル（
たとえば、未破袋ごみあり、底ごみあり、など）を燃焼制御装置２０へと送信してもよい
。同様に、クレーン制御部１１ｄ１は、種類識別部１１ｃの識別結果として、各機器に影
響を与える割合が大きいことを示すラベル（たとえば、剪定枝あり、粗大破砕ごみあり、
など）をクレーン制御装置５０へと送信してもよい。
【0081】
種類識別部１１ｃにおいて、識別結果に基づいて、ごみピット３内に貯留されている廃
棄物の種類の比率を領域ごとに表示するマップを生成する際、画像データ取得部１１ｂで
取得した画像データに対して単に画像データを領域分けして廃棄物の種類の比率を表示し
てもよいし、画像データとごみピット３の番地割を紐づけて番地ごとに廃棄物の種類の比
率を表示してもよい。
棄物の種類の比率を領域ごとに表示するマップを生成する際、画像データ取得部１１ｂで
取得した画像データに対して単に画像データを領域分けして廃棄物の種類の比率を表示し
てもよいし、画像データとごみピット３の番地割を紐づけて番地ごとに廃棄物の種類の比
率を表示してもよい。
【0082】
画像データとクレーン番地を紐づける方法として、ごみピット３に対して相対的な位置
が計測可能なクレーン５に予めしるしをつけておき、しるしをつけたクレーン５を、撮像
装置６が多数の画像に写り込ませて撮影することで、種類識別部１１ｃが、しるしをつけ
たクレーン５が映り込んでいる多数の画像に基づいて、ごみピット３に対する撮像装置６
の相対位置と方向を推定し、推定した撮像装置６の位置と撮影方向から画像データ上のピ
クセルがどの番地に存在しているかを推定する。もしくは、ごみピット３に対して相対的
な位置が計測可能なクレーン５を、撮像装置６が多数の画像に写り込ませて撮影し、種類
識別部１１ｃが、画像中のクレーン５にしるしをつけることで、当該クレーン５にしるし
をつけた多数の画像に基づいて、ごみピット３に対する撮像装置６の相対位置と方向を推
定し、推定した撮像装置６の位置と撮影方向から画像データ上のピクセルがどの番地に存
在しているかを推定してもよい。
が計測可能なクレーン５に予めしるしをつけておき、しるしをつけたクレーン５を、撮像
装置６が多数の画像に写り込ませて撮影することで、種類識別部１１ｃが、しるしをつけ
たクレーン５が映り込んでいる多数の画像に基づいて、ごみピット３に対する撮像装置６
の相対位置と方向を推定し、推定した撮像装置６の位置と撮影方向から画像データ上のピ
クセルがどの番地に存在しているかを推定する。もしくは、ごみピット３に対して相対的
な位置が計測可能なクレーン５を、撮像装置６が多数の画像に写り込ませて撮影し、種類
識別部１１ｃが、画像中のクレーン５にしるしをつけることで、当該クレーン５にしるし
をつけた多数の画像に基づいて、ごみピット３に対する撮像装置６の相対位置と方向を推
定し、推定した撮像装置６の位置と撮影方向から画像データ上のピクセルがどの番地に存
在しているかを推定してもよい。
【0083】
制御部１１の処理の一部は、情報処理装置１０ではなく、情報処理装置１０とは別のク
ラウドサーバ上で行われてもよい。記憶部１２の一部は、情報処理装置１０ではなく、情
報処理装置１０とは別のクラウドサーバ上にあってもよい。
ラウドサーバ上で行われてもよい。記憶部１２の一部は、情報処理装置１０ではなく、情
報処理装置１０とは別のクラウドサーバ上にあってもよい。
【0084】
たとえば、識別アルゴリズム生成部１１ａの処理がクラウドサーバ上で実行され、識別
アルゴリズム１２ａが生成されてもよい。また、上記識別アルゴリズム生成部１１ａによ
りクラウドサーバ上で生成された識別アルゴリズム１２ａを利用して種類識別部１１ｃの
処理がクラウドサーバ上で実行されてもよいし、上記識別アルゴリズム１２ａを情報処理
装置１０がクラウドサーバからダウンロードし、これを情報処理装置１０内で利用して種
類識別部１１ｃの処理が実行されてもよい。
アルゴリズム１２ａが生成されてもよい。また、上記識別アルゴリズム生成部１１ａによ
りクラウドサーバ上で生成された識別アルゴリズム１２ａを利用して種類識別部１１ｃの
処理がクラウドサーバ上で実行されてもよいし、上記識別アルゴリズム１２ａを情報処理
装置１０がクラウドサーバからダウンロードし、これを情報処理装置１０内で利用して種
類識別部１１ｃの処理が実行されてもよい。
【0085】
制御部１１は、種類識別部１１ｃの識別結果を定期的にモニタリングし、識別アルゴリ
ズム１２ａのモデル見直し及び更新の要否を判断してもよい。
ズム１２ａのモデル見直し及び更新の要否を判断してもよい。
【0086】
たとえば、制御部１１は、エッジサーバーを用いて種類識別部１１ｃの識別結果の正常
・異常判定を行い、異常が検出された場合、当該画像データ及び識別結果が、焼却炉１の
運営において問題があるか判断する。運営上問題があると判断された場合、熟練運転員が
、異常検出された画像データに対して再度廃棄物の種類別にラベリングを行い、新しく教
師データを用意し、識別アルゴリズム生成部１１ａが、新しく用意された教師データを学
習して、識別アルゴリズム１２ａを生成する。
・異常判定を行い、異常が検出された場合、当該画像データ及び識別結果が、焼却炉１の
運営において問題があるか判断する。運営上問題があると判断された場合、熟練運転員が
、異常検出された画像データに対して再度廃棄物の種類別にラベリングを行い、新しく教
師データを用意し、識別アルゴリズム生成部１１ａが、新しく用意された教師データを学
習して、識別アルゴリズム１２ａを生成する。
【0087】
クレーン制御装置５０は、焼却炉１から投入要求が来た際に、クレーン制御部１１ｄ１
から受信するマップに基づいて、ごみ種類別の比率閾値による投入基準を満たすごみをご
みピット３内から選別し、クレーン５を動作させてホッパ４へ投入してもよい。
から受信するマップに基づいて、ごみ種類別の比率閾値による投入基準を満たすごみをご
みピット３内から選別し、クレーン５を動作させてホッパ４へ投入してもよい。
【0088】
また、クレーン制御装置５０は、投入基準を満たすごみをごみピット３内から選別する
際、ホッパ４へ前回投入したごみのごみ種類別の比率との差分が小さくなるようごみを選
別してもよい。
際、ホッパ４へ前回投入したごみのごみ種類別の比率との差分が小さくなるようごみを選
別してもよい。
【0089】
クレーン制御装置５０は、上記投入基準の比率閾値として、ごみ袋未破袋ごみ、紙ごみ
、剪定枝、布団、汚泥、粗大ごみ破砕物、段ボール、麻袋、紙袋、底ごみ、木屑、繊維ご
み、衣類ごみ、プラスチックごみ、動物性残渣、動物死体、厨芥ごみ、草木、土、医療ご
み、焼却灰、農業系ビニール類、ペットボトル、発泡スチロール、肉骨粉、農作物、陶器
、ガラスくず、金属くず、がれき類、コンクリートくず、畳、竹、わら、活性炭のうち１
つまたは２つ以上の比率閾値を用いてもよい。
、剪定枝、布団、汚泥、粗大ごみ破砕物、段ボール、麻袋、紙袋、底ごみ、木屑、繊維ご
み、衣類ごみ、プラスチックごみ、動物性残渣、動物死体、厨芥ごみ、草木、土、医療ご
み、焼却灰、農業系ビニール類、ペットボトル、発泡スチロール、肉骨粉、農作物、陶器
、ガラスくず、金属くず、がれき類、コンクリートくず、畳、竹、わら、活性炭のうち１
つまたは２つ以上の比率閾値を用いてもよい。
【0090】
また、上記投入基準の決め方として、クレーン制御装置５０は、過去のごみピット３内
の映像を撮像することにより得られる画像データに対して、熟練運転員が、当該画像デー
タに示される廃棄物の質を目視により、燃焼安定性及び機器への影響の観点から、投入可
否を分類しラベル付けしたものと、当該画像に対して種類識別部１１ｃを用いてごみの種
類別の比率を推定させものとを比較することで、熟練運転員が投入可否を判断しているご
み種類別の比率閾値を決めてもよい。
の映像を撮像することにより得られる画像データに対して、熟練運転員が、当該画像デー
タに示される廃棄物の質を目視により、燃焼安定性及び機器への影響の観点から、投入可
否を分類しラベル付けしたものと、当該画像に対して種類識別部１１ｃを用いてごみの種
類別の比率を推定させものとを比較することで、熟練運転員が投入可否を判断しているご
み種類別の比率閾値を決めてもよい。
【0091】
また、クレーン制御装置５０は、クレーン制御部１１ｄ１から受信する、ごみピット３
内に貯留されているごみの種類の比率を領域ごとに表示するマップから、実際にホッパ４
へ投入したごみのごみ種類別の比率データと、焼却炉１のプロセスデータとを紐づけるこ
とで、ごみ種類別の比率閾値を決めてもよいし、両者のデータを経時的に紐づけ、比率閾
値を動的に変更してもよい。
内に貯留されているごみの種類の比率を領域ごとに表示するマップから、実際にホッパ４
へ投入したごみのごみ種類別の比率データと、焼却炉１のプロセスデータとを紐づけるこ
とで、ごみ種類別の比率閾値を決めてもよいし、両者のデータを経時的に紐づけ、比率閾
値を動的に変更してもよい。
【0092】
また、クレーン制御装置５０は、上記プロセスデータだけでなく天候情報をもとに比率
閾値を動的に変更してもよい。たとえば、クレーン制御装置５０は、天候情報から当日が
雨であれば、未破袋ごみ袋の比率閾値を下げる、あるいは、粗大ごみ破砕物の比率閾値を
上げるといったように比率閾値による投入基準を変更させる。
閾値を動的に変更してもよい。たとえば、クレーン制御装置５０は、天候情報から当日が
雨であれば、未破袋ごみ袋の比率閾値を下げる、あるいは、粗大ごみ破砕物の比率閾値を
上げるといったように比率閾値による投入基準を変更させる。
【0093】
また、クレーン制御装置５０は、曜日情報をもとに比率閾値を動的に変更してもよい。
たとえば、クレーン制御装置５０は、曜日情報から日曜日はごみピット３内のごみが少な
いのでごみ焼却量を抑えるために、未破袋ごみ袋の比率閾値を上げるといったように比率
閾値による投入量基準を変更させる。
たとえば、クレーン制御装置５０は、曜日情報から日曜日はごみピット３内のごみが少な
いのでごみ焼却量を抑えるために、未破袋ごみ袋の比率閾値を上げるといったように比率
閾値による投入量基準を変更させる。
【0094】
また、クレーン制御装置５０は、廃棄物処理プラント１００の操炉計画値をもとに比率
閾値を動的に変更してもよい。たとえば、クレーン制御装置５０は、現在の蒸発量設定値
から蒸発量が落ち込んでいたら、未破袋ごみ袋の比率閾値を下げる、あるいは粗大ごみ破
砕物の比率閾値を上げるといったように比率閾値による投入基準を変更させる。
閾値を動的に変更してもよい。たとえば、クレーン制御装置５０は、現在の蒸発量設定値
から蒸発量が落ち込んでいたら、未破袋ごみ袋の比率閾値を下げる、あるいは粗大ごみ破
砕物の比率閾値を上げるといったように比率閾値による投入基準を変更させる。
【0095】
クレーン制御装置５０は、焼却炉１から投入要求が来た際に、クレーン制御１１ｄ１か
ら受信するマップにおいて、ごみ種類別の比率閾値による投入基準を満たすごみが存在し
ない場合、クレーン５を動作させて投入基準に近いごみをホッパ４へ投入してもよいし、
投入基準に近いごみを撹拌し、投入基準に達するごみを作成してもよい。
ら受信するマップにおいて、ごみ種類別の比率閾値による投入基準を満たすごみが存在し
ない場合、クレーン５を動作させて投入基準に近いごみをホッパ４へ投入してもよいし、
投入基準に近いごみを撹拌し、投入基準に達するごみを作成してもよい。
【0096】
クレーン制御装置５０は、クレーン制御１１ｄ１から受信するマップにおいて、ごみ種
類別の比率閾値による投入基準を満たすごみだけを、クレーン５を動作させてごみピット
３の特定の箇所に積上げてもよい。そうすることで、投入基準を満たすごみをごみピット
３内に蓄積することができる。
類別の比率閾値による投入基準を満たすごみだけを、クレーン５を動作させてごみピット
３の特定の箇所に積上げてもよい。そうすることで、投入基準を満たすごみをごみピット
３内に蓄積することができる。
【0097】
クレーン制御装置５０は、クレーン制御１１ｄ１から受信するマップにおいて、ごみ種
類別の比率閾値により、ごみピット３内に存在する燃焼状態へ影響を与える廃棄物（たと
えば、汚泥）や各機器のトラブルの要因となる廃棄物（たとえば剪定枝）を検知し、クレ
ーン５を動作させてごみピット３の特定の箇所に貯留してもよいし、特定の場所にばらま
いてもよい。
類別の比率閾値により、ごみピット３内に存在する燃焼状態へ影響を与える廃棄物（たと
えば、汚泥）や各機器のトラブルの要因となる廃棄物（たとえば剪定枝）を検知し、クレ
ーン５を動作させてごみピット３の特定の箇所に貯留してもよいし、特定の場所にばらま
いてもよい。
【0098】
クレーン制御装置５０は、クレーン制御１１ｄ１から受信するマップにおいて、ごみ種
類別の比率閾値による撹拌基準を満たしていないごみがごみピット３内に存在する場合、
クレーン５を動作させて当該ごみを撹拌してもよい。上記撹拌基準は、投入基準と同一で
もよいし異なっていてもよい。
類別の比率閾値による撹拌基準を満たしていないごみがごみピット３内に存在する場合、
クレーン５を動作させて当該ごみを撹拌してもよい。上記撹拌基準は、投入基準と同一で
もよいし異なっていてもよい。
【0099】
また、クレーン制御装置５０は、上記撹拌基準を、焼却炉１のプロセスデータや、天候
情報、曜日情報、ごみ搬入業者情報、ごみ搬入量（総量やごみ種類別搬入量）情報、ごみ
搬入速度、ごみピットレベル（全体、特定エリア）情報、クレーン稼働状況（２台運転可
能、１台運転のみ、現在１台運転中、現在２台運転中）情報、ごみ収集車の収集ルート・
収集エリア情報のうち１つまたは２つ以上を用いて、動的に変更してもよい。
情報、曜日情報、ごみ搬入業者情報、ごみ搬入量（総量やごみ種類別搬入量）情報、ごみ
搬入速度、ごみピットレベル（全体、特定エリア）情報、クレーン稼働状況（２台運転可
能、１台運転のみ、現在１台運転中、現在２台運転中）情報、ごみ収集車の収集ルート・
収集エリア情報のうち１つまたは２つ以上を用いて、動的に変更してもよい。
【0100】
クレーン制御装置５０は、クレーン制御１１ｄ１から受信するマップにおいて、領域ご
とのごみ種類別の比率から、ごみピット３全体の撹拌状況を判断し、クレーン５の２台運
転の要否を判断し、クレーン５を動作させ、２台目クレーンの運転開始、あるいは２台目
クレーンの格納を行ってもよい。
とのごみ種類別の比率から、ごみピット３全体の撹拌状況を判断し、クレーン５の２台運
転の要否を判断し、クレーン５を動作させ、２台目クレーンの運転開始、あるいは２台目
クレーンの格納を行ってもよい。
【0101】
また、上記例ではクレーン制御装置５０がクレーン５を動作させていたが、クレーン制
御装置５０の上流側にクレーン操作判断装置（不図示）が設けられており、クレーン操作
判断装置でクレーン５の動作内容を決定し、クレーン制御装置５０へ動作内容の指令を送
信し、指令を受信したクレーン制御装置５０が受信した指令内容をもとにクレーン５を動
作させてもよい。クレーン操作判断装置は、情報処理装置１０との間及びクレーン制御装
置５０との間で情報を送受信する。あるいは、クレーン操作判断装置は、情報処理装置１
０の一部であってもよく、すなわち情報処理装置１０がクレーン操作判断装置を含んでい
てもよい。
御装置５０の上流側にクレーン操作判断装置（不図示）が設けられており、クレーン操作
判断装置でクレーン５の動作内容を決定し、クレーン制御装置５０へ動作内容の指令を送
信し、指令を受信したクレーン制御装置５０が受信した指令内容をもとにクレーン５を動
作させてもよい。クレーン操作判断装置は、情報処理装置１０との間及びクレーン制御装
置５０との間で情報を送受信する。あるいは、クレーン操作判断装置は、情報処理装置１
０の一部であってもよく、すなわち情報処理装置１０がクレーン操作判断装置を含んでい
てもよい。
【0102】
クレーン操作判断装置は、焼却炉１から投入要求が来た際にクレーン制御装置５０から
投入要求信号を受け、クレーン制御部１１ｄ１から受信するマップに基づいて、ごみ種類
別の比率閾値による投入基準を満たすマップのごみをごみピット３内から選別し、当該ご
みをホッパ４へ投入するようクレーン制御装置５０に指令を送信し、クレーン制御装置５
０は受信した指令をもとにクレーン５を動作させてもよい。また、クレーン操作判断装置
は、投入基準を満たすごみをごみピット内から選別する際、ホッパ４へ前回投入したごみ
のごみ種類別の比率との差分が小さくなるようごみを選別してもよい。
投入要求信号を受け、クレーン制御部１１ｄ１から受信するマップに基づいて、ごみ種類
別の比率閾値による投入基準を満たすマップのごみをごみピット３内から選別し、当該ご
みをホッパ４へ投入するようクレーン制御装置５０に指令を送信し、クレーン制御装置５
０は受信した指令をもとにクレーン５を動作させてもよい。また、クレーン操作判断装置
は、投入基準を満たすごみをごみピット内から選別する際、ホッパ４へ前回投入したごみ
のごみ種類別の比率との差分が小さくなるようごみを選別してもよい。
【0103】
クレーン操作判断装置は、焼却炉１から投入要求が来た際にクレーン制御装置５０から
投入要求信号を受け、クレーン制御１１ｄ１から受信するマップにおいて、ごみ種類別の
比率閾値による投入基準を満たすごみが存在しない場合、投入基準に近いごみをホッパ４
へ投入させる、あるいは投入基準に近いごみを撹拌し投入基準に達するごみを作成するよ
うクレーン制御装置５０に指令を送信し、クレーン制御装置５０はクレーン５を動作させ
てもよい。
投入要求信号を受け、クレーン制御１１ｄ１から受信するマップにおいて、ごみ種類別の
比率閾値による投入基準を満たすごみが存在しない場合、投入基準に近いごみをホッパ４
へ投入させる、あるいは投入基準に近いごみを撹拌し投入基準に達するごみを作成するよ
うクレーン制御装置５０に指令を送信し、クレーン制御装置５０はクレーン５を動作させ
てもよい。
【0104】
クレーン操作判断装置は、クレーン制御１１ｄ１から受信するマップにおいて、ごみ種
別の比率閾値による投入基準を満たすごみだけをごみピット３内の特定箇所に積上げるよ
うクレーン制御装置５０に指令を送信し、クレーン制御装置５０は、クレーンクレーン５
を動作させてもよい。そうすることで、投入基準を満たすごみをごみピット３内に蓄積す
ることができる。
別の比率閾値による投入基準を満たすごみだけをごみピット３内の特定箇所に積上げるよ
うクレーン制御装置５０に指令を送信し、クレーン制御装置５０は、クレーンクレーン５
を動作させてもよい。そうすることで、投入基準を満たすごみをごみピット３内に蓄積す
ることができる。
【0105】
クレーン操作判断装置は、クレーン制御１１ｄ１から受信するマップにおいて、ごみ種
類別の比率閾値により、ごみピット３内に存在する燃焼状態へ影響を与える廃棄物（たと
えば、汚泥）や各機器のトラブルの要因となる廃棄物（たとえば剪定枝）を検知し、ごみ
ピット３内の特定の箇所に貯留する、もしくは特定の場所にばらまくようクレーン制御装
置５０へ指令を送信し、クレーン制御装置５０はクレーン５を動作させてもよい。
類別の比率閾値により、ごみピット３内に存在する燃焼状態へ影響を与える廃棄物（たと
えば、汚泥）や各機器のトラブルの要因となる廃棄物（たとえば剪定枝）を検知し、ごみ
ピット３内の特定の箇所に貯留する、もしくは特定の場所にばらまくようクレーン制御装
置５０へ指令を送信し、クレーン制御装置５０はクレーン５を動作させてもよい。
【0106】
クレーン操作判断装置は、クレーン制御１１ｄ１から受信するマップにおいて、ごみ種
類別の比率閾値による撹拌基準を満たしていないごみがごみピット３内に存在する場合、
当該ごみを撹拌するようクレーン制御装置５０へ指令を送信し、クレーン制御装置５０は
クレーン５を動作させてもよい。上記撹拌基準は、投入基準と同一でもよいし異なってい
てもよい。
類別の比率閾値による撹拌基準を満たしていないごみがごみピット３内に存在する場合、
当該ごみを撹拌するようクレーン制御装置５０へ指令を送信し、クレーン制御装置５０は
クレーン５を動作させてもよい。上記撹拌基準は、投入基準と同一でもよいし異なってい
てもよい。
【0107】
クレーン操作判断装置は、クレーン制御１１ｄ１から受信するマップにおいて、領域ご
とのごみ種類別の比率から、ごみピット３全体の撹拌状況を判断し、クレーン５の２台運
転の要否を判断し、クレーン制御装置５０へ指令を送信し、クレーン制御装置５０は、ク
レーン５を動作させ、２台目クレーンの運転開始、あるいは２台目クレーンの格納を行っ
てもよい。
とのごみ種類別の比率から、ごみピット３全体の撹拌状況を判断し、クレーン５の２台運
転の要否を判断し、クレーン制御装置５０へ指令を送信し、クレーン制御装置５０は、ク
レーン５を動作させ、２台目クレーンの運転開始、あるいは２台目クレーンの格納を行っ
てもよい。
【0108】
なお、上述した実施の形態では、廃棄物の種類を識別する情報処理装置１０が、廃棄物
処理プラント１００のごみピット３にて使用される例が説明されたが、情報処理装置１０
の使用場所は、廃棄物が貯留される廃棄物貯留場所であれば、廃棄物処理プラント１００
のごみピット３に限定されるものではなく、たとえば、情報処理装置１０は、リサイクル
設備の受け入れ場所にて使用されてもよい。
処理プラント１００のごみピット３にて使用される例が説明されたが、情報処理装置１０
の使用場所は、廃棄物が貯留される廃棄物貯留場所であれば、廃棄物処理プラント１００
のごみピット３に限定されるものではなく、たとえば、情報処理装置１０は、リサイクル
設備の受け入れ場所にて使用されてもよい。
【0109】
以上、本発明の実施の形態および変形例を例示により説明したが、本発明の範囲はこれ
らに限定されるものではなく、請求項に記載された範囲内において目的に応じて変更・変
形することが可能である。また、各実施の形態および変形例は、処理内容を矛盾させない
範囲で適宜組み合わせることが可能である。
らに限定されるものではなく、請求項に記載された範囲内において目的に応じて変更・変
形することが可能である。また、各実施の形態および変形例は、処理内容を矛盾させない
範囲で適宜組み合わせることが可能である。
【0110】
また、本実施の形態に係る情報処理装置１０は１つまたは複数のコンピュータによって
構成され得るが、１つまたは複数のコンピュータに情報処理装置１０を実現させるための
プログラム及び当該プログラムを記録した記録媒体も、本件の保護対象である。
構成され得るが、１つまたは複数のコンピュータに情報処理装置１０を実現させるための
プログラム及び当該プログラムを記録した記録媒体も、本件の保護対象である。
【符号の説明】
【0111】
１ 焼却炉
２ 燃焼装置
３ ごみピット
４ ホッパ
５ クレーン
６ 撮像装置
１０ 情報処理装置
１１ 制御部
１１ａ 識別アルゴリズム生成部
１１ｂ 画像データ取得部
１１ｃ 種類識別部
１１ｄ プラント制御部
１１ｅ 転落検知部
１１ｆ 異物投入検知部
１２ 記憶部
１２ａ 識別アルゴリズム
１２ｂ 画像データ
１３ 通信部
１４ 表示部
２０ 燃焼制御装置
２１ プラットホーム
２２ 搬送車両
５０ クレーン制御装置
１００ 廃棄物処理プラント
２ 燃焼装置
３ ごみピット
４ ホッパ
５ クレーン
６ 撮像装置
１０ 情報処理装置
１１ 制御部
１１ａ 識別アルゴリズム生成部
１１ｂ 画像データ取得部
１１ｃ 種類識別部
１１ｄ プラント制御部
１１ｅ 転落検知部
１１ｆ 異物投入検知部
１２ 記憶部
１２ａ 識別アルゴリズム
１２ｂ 画像データ
１３ 通信部
１４ 表示部
２０ 燃焼制御装置
２１ プラットホーム
２２ 搬送車両
５０ クレーン制御装置
１００ 廃棄物処理プラント
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【手続補正書】
【提出日】2023-07-04
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されている廃棄物の種類を識別する種類識別部を備え、
前記種類識別部にて種類を識別される廃棄物は、廃棄物処理プラントの燃焼状態に影響を与える第１の廃棄物、廃棄物処理プラントを構成する機器のトラブルの発生要因となる第２の廃棄物、のいずれか１つ以上を含む、
ことを特徴とする情報処理装置。
前記種類識別部にて種類を識別される廃棄物は、廃棄物処理プラントの燃焼状態に影響を与える第１の廃棄物、廃棄物処理プラントを構成する機器のトラブルの発生要因となる第２の廃棄物、のいずれか１つ以上を含む、
ことを特徴とする情報処理装置。
【請求項2】
前記種類識別部の識別結果に基づいて廃棄物処理プラントの制御を行うプラント制御部をさらに備え、
前記プラント制御部は、廃棄物の攪拌または搬送を行うクレーンを制御するクレーン制御装置に前記種類識別部の識別結果を送信するクレーン制御部、前記廃棄物の燃焼を制御する燃焼制御装置に前記種類識別部の識別結果を送信する燃焼制御部、のうちの一方または両方を含み、
前記プラント制御部は、前記種類識別部の識別結果として、前記廃棄物の種類の比率を質情報に変換したラベル、前記燃焼状態に影響を与える第１の廃棄物の割合が大きいことを示すラベル、前記機器のトラブルの発生要因となる第２の廃棄物の割合が大きいことを示すラベルのいずれか１つ以上を送信する、
ことを特徴とする請求項１に記載の情報処理装置。
前記プラント制御部は、廃棄物の攪拌または搬送を行うクレーンを制御するクレーン制御装置に前記種類識別部の識別結果を送信するクレーン制御部、前記廃棄物の燃焼を制御する燃焼制御装置に前記種類識別部の識別結果を送信する燃焼制御部、のうちの一方または両方を含み、
前記プラント制御部は、前記種類識別部の識別結果として、前記廃棄物の種類の比率を質情報に変換したラベル、前記燃焼状態に影響を与える第１の廃棄物の割合が大きいことを示すラベル、前記機器のトラブルの発生要因となる第２の廃棄物の割合が大きいことを示すラベルのいずれか１つ以上を送信する、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項3】
前記廃棄物の種類の比率を質情報に変換したラベルは、投入ＯＫ、投入ＮＧ、カロリＬ（Ｌｏｗ）、カロリＭ（Ｍｉｄｄｌｅ）、カロリＨ（Ｈｉｇｈ）のいずれか１つ以上を含む、
ことを特徴とする請求項２に記載の情報処理装置。
ことを特徴とする請求項２に記載の情報処理装置。
【請求項4】
前記廃棄物処理プラントの燃焼状態に影響を与える第１の廃棄物および／または廃棄物処理プラントを構成する機器のトラブルの発生要因となる第２の廃棄物の種類は、未破袋ごみ袋、底ごみ、剪定枝、粗大破砕ごみ、のうち１つ以上を含む、
ことを特徴とする請求項１または２に記載の情報処理装置。
ことを特徴とする請求項１または２に記載の情報処理装置。
【請求項5】
前記識別アルゴリズムは、線形回帰、ボルツマンマシン、ニューラルネットワーク、サポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォレストを用いた統計的推定、強化学習、深層学習、のうちの１つまたは２つ以上を含む、
ことを特徴とする請求項１～４に記載の情報処理装置。
ことを特徴とする請求項１～４に記載の情報処理装置。
【請求項6】
前記画像データは、ＲＧＢカメラにより撮像された廃棄物の形状および色彩画像データ、近赤外線カメラにより撮像された廃棄物の近赤外線画像データ、３ＤカメラまたはＲＧＢ－Ｄカメラにより撮像された廃棄物の３次元画像データ、のうちの１つまたは２つ以上を含む、
ことを特徴とする請求項１～５に記載の情報処理装置。
ことを特徴とする請求項１～５に記載の情報処理装置。
【請求項7】
前記廃棄物の種類は、ごみ袋未破袋ごみ、紙ごみ、剪定枝、布団、汚泥、粗大破砕ごみ、段ボール、麻袋、紙袋、底ごみ、のうちの１つまたは２つ以上を含む、
ことを特徴とする請求項１～６のいずれかに記載の情報処理装置。
ことを特徴とする請求項１～６のいずれかに記載の情報処理装置。
【請求項8】
前記識別アルゴリズムは、前記ごみピット内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされるとともに前記廃棄物以外の識別対象物が種類別にラベリングされた教師データを学習済みであり、
前記種類識別部は、前記ごみピット内の新たな画像データを入力として前記識別アルゴリズムを利用して前記ごみピット内に貯留されている廃棄物の種類とともに廃棄物以外の識別対象物の種類を識別する、
ことを特徴とする請求項１～７のいずれかに記載の情報処理装置。
前記種類識別部は、前記ごみピット内の新たな画像データを入力として前記識別アルゴリズムを利用して前記ごみピット内に貯留されている廃棄物の種類とともに廃棄物以外の識別対象物の種類を識別する、
ことを特徴とする請求項１～７のいずれかに記載の情報処理装置。
【請求項9】
前記廃棄物以外の識別対象物の種類は、廃棄物処理プラントの梁、ごみピットの側壁、ごみピット内に貯留されている廃棄物の山の崖、前記廃棄物の攪拌または搬送を行うクレーン、のうちの１つまたは２つ以上を含む、
ことを特徴とする請求項８に記載の情報処理装置。
ことを特徴とする請求項８に記載の情報処理装置。
【請求項10】
前記種類識別部の識別結果を定期的にモニタリングし、前記識別アルゴリズムのモデル見直し及び／または更新の要否を判断する
ことを特徴とする請求項１～９に記載の情報処理装置。
ことを特徴とする請求項１～９に記載の情報処理装置。
【請求項11】
前記種類識別部の識別結果の正常・異常判定を行い、焼却炉の運営において問題があるか判断し、異常検出された画像データに対して再度廃棄物の種類別にラベリングを行い、新しく教師データを用意し、識別アルゴリズム生成部が新しく用意された教師データを学習して、識別アルゴリズムを生成する識別アルゴリズム生成部とをさらに備える
ことを特徴とする請求項１０に記載の情報処理装置。
ことを特徴とする請求項１０に記載の情報処理装置。
【請求項12】
前記クレーン制御部から送信された識別結果に基づいて、クレーンの動作を制御するクレーン制御装置をさらに備えた
ことを特徴とする請求項２～３および請求項２を引用する請求項４～１１のいずれかに記載の情報処理装置。
ことを特徴とする請求項２～３および請求項２を引用する請求項４～１１のいずれかに記載の情報処理装置。
【請求項13】
前記クレーン制御装置は、前記クレーン制御部から受信する識別結果に基づいて、前記廃棄物の種類別の比率閾値による投入基準を満たすごみを前記ごみピット内から選別し、クレーンを動作させてホッパへ投入する、
ことを特徴とする請求項１２に記載の情報処理装置。
ことを特徴とする請求項１２に記載の情報処理装置。
【請求項14】
前記クレーン制御装置は、前記クレーン制御部から受信する識別結果に基づいて、前記廃棄物の種類別の比率閾値による投入基準を満たしていないごみを前記ごみピット内から選別し、クレーンを動作させて撹拌する、
ことを特徴とする請求項１２に記載の情報処理装置。
ことを特徴とする請求項１２に記載の情報処理装置。
【請求項15】
前記クレーン制御装置は、前記クレーン制御部から受信する識別結果に基づいて、前記廃棄物の種類別の比率閾値により、前記ごみピット内に存在する燃焼状態へ影響を与える廃棄物や廃棄物処理プラントの各機器のトラブルの要因となる廃棄物を検知し、クレーンを動作させて前記ごみピットの特定の箇所に貯留またはばらまく、
ことを特徴とする請求項１２に記載の情報処理装置。
ことを特徴とする請求項１２に記載の情報処理装置。
【請求項16】
前記投入基準は、焼却炉のプロセスデータや、天候情報、曜日情報、ごみ搬入業者情報、ごみ搬入量（送料やごみ種類別搬入量）情報、ごみ搬入速度、ごみピットレベル（全体、特定エリア）情報、クレーン稼働状況情報、ごみ収集車の収集ルート・収集エリア情報のうち１つまたは２つ以上を用いて、動的に変更する
ことを特徴とする請求項１３に記載の情報処理装置。
ことを特徴とする請求項１３に記載の情報処理装置。
【請求項17】
前記廃棄物以外の識別対象物の種類は、廃棄物処理プラントの梁、ごみピットの側壁、ごみピット内に貯留されている廃棄物の山の崖、前記廃棄物の攪拌または搬送を行うクレーン、廃棄物処理プラントの壁、柱、床、窓、天井、扉、階段、ガーダー、歩廊、ごみピットの仕切り壁、ごみ投入ホッパ、搬入扉、作業員、搬入車両、のうちの１つまたは２つ以上を含む、
ことを特徴とする請求項９に記載の情報処理装置。
ことを特徴とする請求項９に記載の情報処理装置。
【請求項18】
前記廃棄物の種類は、ごみ袋未破袋ごみ、紙ごみ、剪定枝、布団、汚泥、粗大破砕ごみ、段ボール、麻袋、紙袋、底ごみ、木屑、繊維ごみ、衣類ごみ、プラスチックごみ、動物性残渣、動物死体、厨芥ごみ、草木、土、医療ごみ、焼却灰、自転車、たんす、ベッド、棚、机、椅子、農業系ビニール類、ペットボトル、発泡スチロール、肉骨粉、農作物、陶器、ガラスくず、金属くず、がれき類、コンクリートくず、畳、竹、わら、活性炭、のうちの１つまたは２つ以上を含む、
ことを特徴とする請求項１～１７のいずれかに記載の情報処理装置。
ことを特徴とする請求項１～１７のいずれかに記載の情報処理装置。
【請求項19】
コンピュータを、
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されている廃棄物の種類を識別する種類識別部
として機能させる情報処理プログラムであって、
前記種類識別部にて種類を識別される廃棄物は、廃棄物処理プラントの燃焼状態に影響を与える第１の廃棄物、廃棄物処理プラントを構成する機器のトラブルの発生要因となる第２の廃棄物、のいずれか１つ以上を含む、
ことを特徴とする情報処理プログラム。
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されている廃棄物の種類を識別する種類識別部
として機能させる情報処理プログラムであって、
前記種類識別部にて種類を識別される廃棄物は、廃棄物処理プラントの燃焼状態に影響を与える第１の廃棄物、廃棄物処理プラントを構成する機器のトラブルの発生要因となる第２の廃棄物、のいずれか１つ以上を含む、
ことを特徴とする情報処理プログラム。
【請求項20】
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されている廃棄物の種類を識別するステップを含み、
前記識別するステップにて種類を識別される廃棄物は、廃棄物処理プラントの燃焼状態に影響を与える第１の廃棄物、廃棄物処理プラントを構成する機器のトラブルの発生要因となる第２の廃棄物、のいずれか１つ以上を含む、
ことを特徴とする情報処理方法。
前記識別するステップにて種類を識別される廃棄物は、廃棄物処理プラントの燃焼状態に影響を与える第１の廃棄物、廃棄物処理プラントを構成する機器のトラブルの発生要因となる第２の廃棄物、のいずれか１つ以上を含む、
ことを特徴とする情報処理方法。
【請求項21】
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されている廃棄物の種類を識別する種類識別部を備え、
前記種類識別部にて種類を識別される廃棄物は、廃棄物処理プラントの燃焼状態に影響を与える第１の廃棄物、廃棄物処理プラントを構成する機器のトラブルの発生要因となる第２の廃棄物、のいずれか１つ以上を含む、
ことを特徴とする情報処理装置。
前記種類識別部にて種類を識別される廃棄物は、廃棄物処理プラントの燃焼状態に影響を与える第１の廃棄物、廃棄物処理プラントを構成する機器のトラブルの発生要因となる第２の廃棄物、のいずれか１つ以上を含む、
ことを特徴とする情報処理装置。
【請求項22】
コンピュータを、
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されている廃棄物の種類を識別する種類識別部
として機能させる情報処理プログラムであって、
前記種類識別部にて種類を識別される廃棄物は、廃棄物処理プラントの燃焼状態に影響を与える第１の廃棄物、廃棄物処理プラントを構成する機器のトラブルの発生要因となる第２の廃棄物、のいずれか１つ以上を含む、
ことを特徴とする情報処理プログラム。
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されている廃棄物の種類を識別する種類識別部
として機能させる情報処理プログラムであって、
前記種類識別部にて種類を識別される廃棄物は、廃棄物処理プラントの燃焼状態に影響を与える第１の廃棄物、廃棄物処理プラントを構成する機器のトラブルの発生要因となる第２の廃棄物、のいずれか１つ以上を含む、
ことを特徴とする情報処理プログラム。
【請求項23】
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されている廃棄物の種類を識別するステップを含み、
前記識別するステップにて種類を識別される廃棄物は、廃棄物処理プラントの燃焼状態に影響を与える第１の廃棄物、廃棄物処理プラントを構成する機器のトラブルの発生要因となる第２の廃棄物、のいずれか１つ以上を含む、
ことを特徴とする情報処理方法。
前記識別するステップにて種類を識別される廃棄物は、廃棄物処理プラントの燃焼状態に影響を与える第１の廃棄物、廃棄物処理プラントを構成する機器のトラブルの発生要因となる第２の廃棄物、のいずれか１つ以上を含む、
ことを特徴とする情報処理方法。
【請求項24】
廃棄物が貯留されるごみピット内を撮像した過去の画像データに前記廃棄物の種類がラベリングされるとともに前記廃棄物以外の識別対象物が種類別にラベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する識別アルゴリズム生成部
をさらに備えたことを特徴とする請求項１に記載の情報処理装置。
をさらに備えたことを特徴とする請求項１に記載の情報処理装置。