特開2023-92153機械学習装置、画像形成装置、機械学習方法、及び画像形成方法
(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】P2023092153
(43)【公開日】2023-07-03
(54)【発明の名称】機械学習装置、画像形成装置、機械学習方法、及び画像形成方法
(51)【国際特許分類】
G03G 21/00 20060101AFI20230626BHJP
G03G 21/14 20060101ALI20230626BHJP
B41J 5/30 20060101ALI20230626BHJP
【ＦＩ】
G03G21/00 370
G03G21/14
B41J5/30 Z
【審査請求】未請求
【請求項の数】17
【出願形態】ＯＬ
(21)【出願番号】P 2021207179
(22)【出願日】2021-12-21
(71)【出願人】
【識別番号】000000295
【氏名又は名称】沖電気工業株式会社
(74)【代理人】
【識別番号】100174104
【弁理士】
【氏名又は名称】奥田 康一
(72)【発明者】
【氏名】浅見 篤
【テーマコード（参考）】
2C187
2H270
【Ｆターム（参考）】
2C187AC06
2C187AD14
2C187AG08
2C187BF08
2C187BH17
2C187BH23
2C187DB11
2H270LA37
2H270LC10
2H270LD03
2H270LD08
2H270LD15
2H270MD02
2H270MF09
2H270MF14
2H270PA08
2H270ZC03
2H270ZC04
(57)【要約】
【課題】画像を適切な位置に形成することができるようにする。
【解決手段】画像形成装置において所定の搬送方向に搬送される媒体に前記搬送方向に沿って複数設けられた印刷範囲のピッチに関連するピッチ関連情報を含む第１のデータを記憶する記憶部と、前記第１のデータ、及び前記印刷範囲のピッチを補正する為の第２のデータを用いて機械学習処理を行うことにより、前記第１のデータが入力され前記第２のデータが出力される学習モデルを生成する学習モデル生成部とを備え、前記第１のデータに含まれる前記ピッチ関連情報のうち、一部のピッチ関連情報が、第１の印刷範囲のピッチに関連する情報と、当該第１の印刷範囲よりも前記搬送方向の下流に設けられた第２の印刷範囲のピッチに関連する情報との差分値である。
【選択図】図９
【解決手段】画像形成装置において所定の搬送方向に搬送される媒体に前記搬送方向に沿って複数設けられた印刷範囲のピッチに関連するピッチ関連情報を含む第１のデータを記憶する記憶部と、前記第１のデータ、及び前記印刷範囲のピッチを補正する為の第２のデータを用いて機械学習処理を行うことにより、前記第１のデータが入力され前記第２のデータが出力される学習モデルを生成する学習モデル生成部とを備え、前記第１のデータに含まれる前記ピッチ関連情報のうち、一部のピッチ関連情報が、第１の印刷範囲のピッチに関連する情報と、当該第１の印刷範囲よりも前記搬送方向の下流に設けられた第２の印刷範囲のピッチに関連する情報との差分値である。
【選択図】図９
【特許請求の範囲】
【請求項1】
画像形成装置において所定の搬送方向に搬送される媒体に前記搬送方向に沿って複数設けられた印刷範囲のピッチに関連するピッチ関連情報を含む第１のデータを記憶する記憶部と、
前記第１のデータ、及び前記印刷範囲のピッチを補正する為の第２のデータを用いて機械学習処理を行うことにより、前記第１のデータが入力され前記第２のデータが出力される学習モデルを生成する学習モデル生成部と
を備え、
前記第１のデータに含まれる前記ピッチ関連情報のうち、一部のピッチ関連情報が、第１の印刷範囲のピッチに関連する情報と、当該第１の印刷範囲よりも前記搬送方向の下流に設けられた第２の印刷範囲のピッチに関連する情報との差分値である
ことを特徴とする機械学習装置。
前記第１のデータ、及び前記印刷範囲のピッチを補正する為の第２のデータを用いて機械学習処理を行うことにより、前記第１のデータが入力され前記第２のデータが出力される学習モデルを生成する学習モデル生成部と
を備え、
前記第１のデータに含まれる前記ピッチ関連情報のうち、一部のピッチ関連情報が、第１の印刷範囲のピッチに関連する情報と、当該第１の印刷範囲よりも前記搬送方向の下流に設けられた第２の印刷範囲のピッチに関連する情報との差分値である
ことを特徴とする機械学習装置。
【請求項2】
前記第２の印刷範囲は、前記第１の印刷範囲より前の印刷範囲である
ことを特徴とする請求項１に記載の機械学習装置。
ことを特徴とする請求項１に記載の機械学習装置。
【請求項3】
前記第２の印刷範囲は、前記第１の印刷範囲の１つ前の印刷範囲である
ことを特徴とする請求項１又は２に記載の機械学習装置。
ことを特徴とする請求項１又は２に記載の機械学習装置。
【請求項4】
前記第１のデータには、前記ピッチ関連情報として、前記第１の印刷範囲のピッチの推定値と、前記第２の印刷範囲のピッチの推定値との差分である推定ピッチ差分値が含まれている
ことを特徴とする請求項１～３のいずれかに記載の機械学習装置。
ことを特徴とする請求項１～３のいずれかに記載の機械学習装置。
【請求項5】
前記第１のデータには、前記ピッチ関連情報として、前記第１の印刷範囲の所定数前の第３の印刷範囲を含む複数の印刷範囲のピッチ変位の平均値と、前記第２の印刷範囲の前記所定数前の第４の印刷範囲を含む複数の印刷範囲のピッチ変位の平均値との差分であるピッチ変位平均差分値が含まれ、
前記ピッチ変位は、
センサを用いて検出された印刷範囲のピッチの検出値と、予め設定された印刷範囲のピッチの設定値との差分である
ことを特徴とする請求項１～４のいずれかに記載の機械学習装置。
前記ピッチ変位は、
センサを用いて検出された印刷範囲のピッチの検出値と、予め設定された印刷範囲のピッチの設定値との差分である
ことを特徴とする請求項１～４のいずれかに記載の機械学習装置。
【請求項6】
前記第１のデータには、前記ピッチ関連情報として、前記第３の印刷範囲を含む複数の印刷範囲のそれぞれのピッチの検出値と、前記第４の印刷範囲を含む複数の印刷範囲のそれぞれのピッチの検出値との差分である検出ピッチ差分値が含まれている
ことを特徴とする請求項５に記載の機械学習装置。
ことを特徴とする請求項５に記載の機械学習装置。
【請求項7】
前記第２のデータは、前記第１の印刷範囲のピッチと前記第１の印刷範囲のピッチの推定値との差分である
ことを特徴とする請求項１～６のいずれかに記載の機械学習装置。
ことを特徴とする請求項１～６のいずれかに記載の機械学習装置。
【請求項8】
前記第２のデータは、前記第１の印刷範囲のピッチである
ことを特徴とする請求項１～６のいずれかに記載の機械学習装置。
ことを特徴とする請求項１～６のいずれかに記載の機械学習装置。
【請求項9】
媒体を所定の搬送方向に搬送する搬送部と、
前記媒体に前記搬送方向に沿って複数設けられた印刷範囲に画像を形成する画像形成部と、
前記印刷範囲のピッチに関連するピッチ関連情報を含む第１のデータが入力され、前記印刷範囲のピッチを補正する為の第２のデータが出力される学習モデルを記憶する記憶部と、
前記学習モデルを用いて、前記第１のデータに基づいて前記第２のデータを生成する演算部と、
前記演算部の演算結果に基づいて、前記印刷範囲における前記画像形成部による画像形成位置を調節する調節部と
を備え、
前記第１のデータに含まれる前記ピッチ関連情報のうち、一部のピッチ関連情報が、第１の印刷範囲のピッチに関連する情報と、当該第１の印刷範囲よりも前記搬送方向の下流に設けられた第２の印刷範囲のピッチに関連する情報との差分値である
ことを特徴とする画像形成装置。
前記媒体に前記搬送方向に沿って複数設けられた印刷範囲に画像を形成する画像形成部と、
前記印刷範囲のピッチに関連するピッチ関連情報を含む第１のデータが入力され、前記印刷範囲のピッチを補正する為の第２のデータが出力される学習モデルを記憶する記憶部と、
前記学習モデルを用いて、前記第１のデータに基づいて前記第２のデータを生成する演算部と、
前記演算部の演算結果に基づいて、前記印刷範囲における前記画像形成部による画像形成位置を調節する調節部と
を備え、
前記第１のデータに含まれる前記ピッチ関連情報のうち、一部のピッチ関連情報が、第１の印刷範囲のピッチに関連する情報と、当該第１の印刷範囲よりも前記搬送方向の下流に設けられた第２の印刷範囲のピッチに関連する情報との差分値である
ことを特徴とする画像形成装置。
【請求項10】
前記第２の印刷範囲は、前記第１の印刷範囲より前の印刷範囲である
ことを特徴とする請求項９に記載の画像形成装置。
ことを特徴とする請求項９に記載の画像形成装置。
【請求項11】
前記第１のデータには、前記ピッチ関連情報として、前記第１の印刷範囲のピッチの推定値と、前記第２の印刷範囲のピッチの推定値との差分である推定ピッチ差分値が含まれている
ことを特徴とする請求項９又は１０に記載の画像形成装置。
ことを特徴とする請求項９又は１０に記載の画像形成装置。
【請求項12】
前記印刷範囲のピッチを検出するセンサを備え、
前記第１のデータには、前記ピッチ関連情報として、前記第１の印刷範囲の所定数前の第３の印刷範囲を含む複数の印刷範囲のピッチ変位の平均値と、前記第２の印刷範囲の前記所定数前の第４の印刷範囲を含む複数の印刷範囲のピッチ変位の平均値との差分であるピッチ変位平均差分値が含まれ、
前記ピッチ変位は、
前記センサを用いて検出された印刷範囲のピッチの検出値と、予め設定された印刷範囲のピッチの設定値との差分である
ことを特徴とする請求項９～１１のいずれかに記載の画像形成装置。
前記第１のデータには、前記ピッチ関連情報として、前記第１の印刷範囲の所定数前の第３の印刷範囲を含む複数の印刷範囲のピッチ変位の平均値と、前記第２の印刷範囲の前記所定数前の第４の印刷範囲を含む複数の印刷範囲のピッチ変位の平均値との差分であるピッチ変位平均差分値が含まれ、
前記ピッチ変位は、
前記センサを用いて検出された印刷範囲のピッチの検出値と、予め設定された印刷範囲のピッチの設定値との差分である
ことを特徴とする請求項９～１１のいずれかに記載の画像形成装置。
【請求項13】
前記第１のデータには、前記ピッチ関連情報として、前記第３の印刷範囲を含む複数の印刷範囲のそれぞれのピッチの検出値と、前記第４の印刷範囲を含む複数の印刷範囲のそれぞれのピッチの検出値との差分である検出ピッチ差分値が含まれている
ことを特徴とする請求項１２に記載の画像形成装置。
ことを特徴とする請求項１２に記載の画像形成装置。
【請求項14】
前記第２のデータは、前記第１の印刷範囲のピッチと前記第１の印刷範囲のピッチの推定値との差分である
ことを特徴とする請求項９～１３のいずれかに記載の画像形成装置。
ことを特徴とする請求項９～１３のいずれかに記載の画像形成装置。
【請求項15】
前記第２のデータは、前記第１の印刷範囲のピッチである
ことを特徴とする請求項９～１３のいずれかに記載の画像形成装置。
ことを特徴とする請求項９～１３のいずれかに記載の画像形成装置。
【請求項16】
画像形成装置において所定の搬送方向に搬送される媒体に前記搬送方向に沿って複数設けられた印刷範囲のピッチに関連するピッチ関連情報を含む第１のデータを記憶部に記憶することと、
前記第１のデータ、及び前記印刷範囲のピッチを補正する為の第２のデータを用いて機械学習処理を行うことにより、前記第１のデータが入力され前記第２のデータが出力される学習モデルを生成することと
を含み、
前記第１のデータに含まれる前記ピッチ関連情報のうち、一部のピッチ関連情報が、第１の印刷範囲のピッチに関連する情報と、当該第１の印刷範囲よりも前記搬送方向の下流に設けられた第２の印刷範囲のピッチに関連する情報との差分値である
ことを特徴とする機械学習方法。
前記第１のデータ、及び前記印刷範囲のピッチを補正する為の第２のデータを用いて機械学習処理を行うことにより、前記第１のデータが入力され前記第２のデータが出力される学習モデルを生成することと
を含み、
前記第１のデータに含まれる前記ピッチ関連情報のうち、一部のピッチ関連情報が、第１の印刷範囲のピッチに関連する情報と、当該第１の印刷範囲よりも前記搬送方向の下流に設けられた第２の印刷範囲のピッチに関連する情報との差分値である
ことを特徴とする機械学習方法。
【請求項17】
搬送部により媒体を所定の搬送方向に搬送することと、
前記媒体に前記搬送方向に沿って複数設けられた印刷範囲のピッチに関連するピッチ関連情報を含む第１のデータが入力され、前記印刷範囲のピッチを補正する為の第２のデータが出力される学習モデルを記憶部に記憶することと、
前記学習モデルを用いて、前記第１のデータに基づいて前記第２のデータを生成することと、
生成された前記第２のデータに基づいて、前記印刷範囲における画像形成部による画像形成位置を調節することと、
前記画像形成部により、調整された画像形成位置に画像を形成することと
を含み、
前記第１のデータに含まれる前記ピッチ関連情報のうち、一部のピッチ関連情報が、第１の印刷範囲のピッチに関連する情報と、当該第１の印刷範囲よりも前記搬送方向の下流に設けられた第２の印刷範囲のピッチに関連する情報との差分値である
ことを特徴とする画像形成方法。
前記媒体に前記搬送方向に沿って複数設けられた印刷範囲のピッチに関連するピッチ関連情報を含む第１のデータが入力され、前記印刷範囲のピッチを補正する為の第２のデータが出力される学習モデルを記憶部に記憶することと、
前記学習モデルを用いて、前記第１のデータに基づいて前記第２のデータを生成することと、
生成された前記第２のデータに基づいて、前記印刷範囲における画像形成部による画像形成位置を調節することと、
前記画像形成部により、調整された画像形成位置に画像を形成することと
を含み、
前記第１のデータに含まれる前記ピッチ関連情報のうち、一部のピッチ関連情報が、第１の印刷範囲のピッチに関連する情報と、当該第１の印刷範囲よりも前記搬送方向の下流に設けられた第２の印刷範囲のピッチに関連する情報との差分値である
ことを特徴とする画像形成方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、複数の印刷範囲が設けられた媒体における印刷範囲の位置を学習する機械学習装置及び機械学習方法と、このような機械学習装置及び機械学習方法により得られた学習モデルを利用して印刷範囲に画像を形成する画像形成装置及び画像形成方法に関する。
【背景技術】
【0002】
画像形成装置には、ロール台紙に複数のラベルが配置されたいわゆるラベルロール紙に画像を形成可能なものがある。例えば、特許文献１には、各ラベルにおける画像形成位置を調節する画像形成装置が開示されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０１８－１０３４２６号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
このように、ラベルロール紙に画像を形成する画像形成装置では、ラベルの内側となる印刷範囲の位置に合わせて画像を形成することが望まれており、画像を適切な位置に形成することが期待されている。
【0005】
本発明は以上の点を考慮してなされたもので、画像を適切な位置に形成することができる機械学習装置、画像形成装置、機械学習方法、及び画像形成方法を提案しようとするものである。
【課題を解決するための手段】
【0006】
本発明の機械学習装置は、画像形成装置において所定の搬送方向に搬送される媒体に前記搬送方向に沿って複数設けられた印刷範囲のピッチに関連するピッチ関連情報を含む第１のデータを記憶する記憶部と、前記第１のデータ、及び前記印刷範囲のピッチを補正する為の第２のデータを用いて機械学習処理を行うことにより、前記第１のデータが入力され前記第２のデータが出力される学習モデルを生成する学習モデル生成部とを備え、前記第１のデータに含まれる前記ピッチ関連情報のうち、一部のピッチ関連情報が、第１の印刷範囲のピッチに関連する情報と、当該第１の印刷範囲よりも前記搬送方向の下流に設けられた第２の印刷範囲のピッチに関連する情報との差分値である。
【0007】
本発明の画像形成装置は、媒体を所定の搬送方向に搬送する搬送部と、前記媒体に前記搬送方向に沿って複数設けられた印刷範囲に画像を形成する画像形成部と、前記印刷範囲のピッチに関連するピッチ関連情報を含む第１のデータが入力され、前記印刷範囲のピッチを補正する為の第２のデータが出力される学習モデルを記憶する記憶部と、前記学習モデルを用いて、前記第１のデータに基づいて前記第２のデータを生成する演算部と、前記演算部の演算結果に基づいて、前記印刷範囲における前記画像形成部による画像形成位置を調節する調節部とを備え、前記第１のデータに含まれる前記ピッチ関連情報のうち、一部のピッチ関連情報が、第１の印刷範囲のピッチに関連する情報と、当該第１の印刷範囲よりも前記搬送方向の下流に設けられた第２の印刷範囲のピッチに関連する情報との差分値である。
【0008】
本発明の機械学習方法は、画像形成装置において所定の搬送方向に搬送される媒体に前記搬送方向に沿って複数設けられた印刷範囲のピッチに関連するピッチ関連情報を含む第１のデータを記憶部に記憶することと、前記第１のデータ、及び前記印刷範囲のピッチを補正する為の第２のデータを用いて機械学習処理を行うことにより、前記第１のデータが入力され前記第２のデータが出力される学習モデルを生成することとを含み、前記第１のデータに含まれる前記ピッチ関連情報のうち、一部のピッチ関連情報が、第１の印刷範囲のピッチに関連する情報と、当該第１の印刷範囲よりも前記搬送方向の下流に設けられた第２の印刷範囲のピッチに関連する情報との差分値である。
【0009】
本発明の画像形成方法は、搬送部により媒体を所定の搬送方向に搬送することと、前記媒体に前記搬送方向に沿って複数設けられた印刷範囲のピッチに関連するピッチ関連情報を含む第１のデータが入力され、前記印刷範囲のピッチを補正する為の第２のデータが出力される学習モデルを記憶部に記憶することと、前記学習モデルを用いて、前記第１のデータに基づいて前記第２のデータを生成することと、前記演算部の演算結果に基づいて、前記印刷範囲における前記画像形成部による画像形成位置を調節することと、画像形成部により、調整された画像形成位置に画像を形成することとを含み、前記第１のデータに含まれる前記ピッチ関連情報のうち、一部のピッチ関連情報が、第１の印刷範囲のピッチに関連する情報と、当該第１の印刷範囲よりも前記搬送方向の下流に設けられた第２の印刷範囲のピッチに関連する情報との差分値である。
【発明の効果】
【0010】
本発明の機械学習装置及び機械学習方法によれば、画像を適切な位置に形成することができる。また本発明の画像形成装置及び画像形成方法によれば、画像を適切な位置に形成することができる。
【図面の簡単な説明】
【0011】
【図1】本発明の一実施の形態に係る画像形成装置の一構成例を表す説明図である。
【図6】ラベルピッチの推定処理の一例を表す説明図である。
【図12】異なる画像形成装置間での画像の書き出し位置、及び補正値生成モデルに入力する説明変数の推移を示すグラフである。
【図13】本発明の一実施の形態に係る画像形成装置が画像の書き出し位置を精度よく推定できることを示すグラフである。
【図15】他の実施の形態に係る画像形成装置の制御系の一例を表すブロック図である。
【発明を実施するための形態】
【0012】
以下、本発明の実施の形態について、図面を参照して詳細に説明する。
【0013】
［１．画像形成装置］
図１は、本発明の一実施の形態に係る画像形成装置１の一構成例を表すものである。画像形成装置１は、例えば、ラベルロール紙などの記録媒体９に対して、電子写真方式を用いて画像を形成するプリンタとして機能するように構成される。
図１は、本発明の一実施の形態に係る画像形成装置１の一構成例を表すものである。画像形成装置１は、例えば、ラベルロール紙などの記録媒体９に対して、電子写真方式を用いて画像を形成するプリンタとして機能するように構成される。
【0014】
図２は、記録媒体９の一構成例を表すものである。記録媒体９は、複数のラベルＬと、台紙９Ｂとを有している。ラベルＬは、台紙９Ｂに仮着されており、台紙９Ｂからはがして、様々なものに貼り付けることができるものである。複数のラベルＬは、記録媒体９のラベル面９Ｃにおいて、記録媒体９の長手方向（記録媒体９の搬送方向Ｆ１）にピッチ（以下、ラベルピッチと呼ぶ）ＬＰで並設されている。具体的には、記録媒体９では、ラベル長ＬＬの長さを有するラベルＬが、ラベル間隔ＬＳの間隔で並設されている。この例では、画像形成装置１が記録媒体９をロールから引き出して搬送方向Ｆ１（図２における右方向）に搬送する場合のラベルＬの先端（図２におけるラベルＬの右端）を基準にラベルピッチＬＰを定義している。
【0015】
画像形成装置１は、これらのラベルＬに画像を形成する。つまり、記録媒体９は、台紙９Ｂから剥離可能なラベルＬが印刷範囲（図２のＬＬ）となっている。ラベルＬに画像を形成する際、画像形成装置１は、後述するように、検出された最新のラベルＬ（これを基準ラベルＬＡ（図６参照）と呼ぶ）のラベルピッチＬＰ、及びその基準ラベルＬＡより搬送方向Ｆ１の下流に配置され、過去に検出された複数のラベルＬのラベルピッチＬＰなどに基づいて、基準ラベルＬＡよりもＫ個（例えば７個）だけ搬送方向Ｆ１の上流に配置されたラベルＬ（これを印刷対象ラベルＬＢ（図６参照）と呼ぶ）の位置を推定し、その印刷対象ラベルＬＢの位置に合わせて画像を形成するようになっている。
【0016】
すなわち、例えば記録媒体９では、ラベルＬが等間隔で配置されることが望ましいが、例えば製造方法により、ラベルＬの位置がずれる場合がある。製造方法には、例えば、いわゆる平圧方式がある。この平圧方式では、複数のラベルＬの輪郭形状に対応した形状を有する刃を表面に配置した平板状の型を、ラベルＬがまだ形成されていない記録媒体９に順次押し当てることにより、ラベルＬを形成する。この場合には、複数のラベルＬをワンセットとして形成するため、例えば、このセット内ではラベルピッチＬＰのばらつきが小さく、セット間のラベルピッチＬＰのばらつきは、セット内のラベルピッチＬＰのばらつきよりも大きくなる。このように、記録媒体９のラベルピッチＬＰにばらつきがある場合には、印刷対象ラベルＬＢの適切な位置に画像を形成することは難しい。
【0017】
また、例えば、画像形成装置１において、記録媒体９の搬送速度が、時間の経過に応じて揺らぐ場合がありえる。この場合にも、印刷対象ラベルＬＢの適切な位置に画像を形成することは難しい。
【0018】
画像形成装置１では、検出された最新のラベルＬ（基準ラベルＬＡ）のラベルピッチＬＰ、及びその基準ラベルＬＡより搬送方向Ｆ１の下流に配置され、過去に検出された複数のラベルＬのラベルピッチＬＰなどに基づいて、印刷対象ラベルＬＢの位置を推定する。これにより、画像形成装置１では、記録媒体９の製造方法や、記録媒体９の搬送速度の揺らぎによる、印刷対象ラベルＬＢにおける画像形成位置への影響を抑えることができ、印刷対象ラベルＬＢの適切な位置に画像を形成することができるようになっている。
【0019】
図１に戻り、画像形成装置１は、画像形成ユニット１０と、ＬＥＤ（Light Emitting Diode）ヘッド１４と、一次転写ローラ２１と、中間転写ベルト２２と、駆動ローラ２３と、アイドルローラ２４と、テンションローラ２５と、バックアップローラ２６と、二次転写ローラ２７とを備えている。これらは、画像形成装置１において、記録媒体９に画像を形成する画像形成部を構成している。
【0020】
画像形成ユニット１０は、トナー像を形成するように構成される。尚、図１に示す画像形成装置１は、画像形成ユニット１０と一次転写ローラ２１を１セット分有するモノクロ印刷構成となっているが、画像形成装置１に画像形成ユニット１０と一次転写ローラ２１を複数セット分設けてカラー印刷構成としてもよい。この場合、例えば、黒、シアン、マゼンタ、イエローのトナー像をそれぞれ形成する４台の画像形成ユニット１０と、これらに対応する４つの一次転写ローラ２１とを、中間転写ベルト２２の搬送方向Ｆ２に沿って配置すればよい。
【0021】
図３は、画像形成ユニット１０の一構成例を簡略化したものである。画像形成ユニット１０は、感光体１１と、クリーニングブレード１２と、帯電ローラ１３と、現像ローラ１５と、現像ブレード１６と、供給ローラ１７と、トナー収容部１８とを有している。
【0022】
感光体１１は、表面（表層部分）に静電潜像を担持するように構成される。感光体１１は、感光体モータ（図示せず）から伝達された動力により、図３における反時計回りで回転する。感光体１１は、帯電ローラ１３により帯電し、ＬＥＤヘッド１４により露光される。これにより、感光体１１の表面には、静電潜像が形成される。そして、現像ローラ１５によりトナーが供給されることにより、感光体１１には、静電潜像に応じたトナー像が形成（現像）されるようになっている。
【0023】
クリーニングブレード１２は、感光体１１の表面（表層部分）に残留するトナーを掻き取ってクリーニングするように構成される。クリーニングブレード１２は、先端が感光体１１の表面に当接するように配置される。クリーニングブレード１２は、例えば、感光体１１の表面において転写されずに残留したトナーを掻き取る。掻き取られたトナーは、廃トナーボックス（図示せず）に収容されるようになっている。
【0024】
帯電ローラ１３は、感光体１１の表面（表層部分）を略均一に帯電させるように構成される。帯電ローラ１３は、感光体１１の表面（周面）に接するように配置され、所定の押し付け量で感光体１１に押し付けられるように配置される。帯電ローラ１３は、感光体１１の回転に応じて、図３における時計回りで回転する。帯電ローラ１３には、画像形成制御部５３（後述）により帯電電圧が印加されるようになっている。
【0025】
ＬＥＤヘッド１４は、感光体１１に対して光を照射するように構成される。ＬＥＤヘッド１４は、例えば、主走査線方向（図３における奥行方向）に並設された複数の発光ダイオードを有し、これらの発光ダイオードを用いて、ドット単位で感光体１１に対して光を照射する。これにより、感光体１１の表面には、静電潜像が形成されるようになっている。
【0026】
現像ローラ１５は、トナーを表面に担持するように構成される。現像ローラ１５は、感光体１１の表面（周面）に接するように配置され、所定の押し付け量で感光体１１に押し付けられるように配置される。現像ローラ１５は、感光体モータ（図示せず）から伝達された動力により、図３における時計回りで回転する。現像ローラ１５には、画像形成制御部５３（後述）により現像電圧が印加されるようになっている。
【0027】
現像ブレード１６は、現像ローラ１５の表面に当接することにより、この現像ローラ１５の表面にトナーからなる層（トナー層）を形成させるとともに、そのトナー層の厚さを規制（制御、調整）するように構成される。現像ブレード１６は、例えば、ステンレスなどからなる板状弾性部材をＬ字形状に折り曲げたものを用いることができる。現像ブレード１６は、その折れ曲がった部分が現像ローラ１５の表面に当接するように配置され、所定の押し付け量で現像ローラ１５に押し付けられるように配置される。
【0028】
供給ローラ１７は、トナー収容部１８内に収容されたトナーを、現像ローラ１５に対して供給するように構成される。供給ローラ１７は、現像ローラ１５の表面（周面）に接するように配置され、所定の押し付け量で現像ローラ１５に押し付けられるように配置される。供給ローラ１７は、感光体モータ（図示せず）から伝達された動力により、図３における時計回りで回転する。これにより、画像形成ユニット１０では、供給ローラ１７の表面と現像ローラ１５の表面との間に摩擦が生じる。その結果、画像形成ユニット１０では、トナーが、いわゆる摩擦帯電により帯電するようになっている。供給ローラ１７には、画像形成制御部５３（後述）により供給電圧が印加されるようになっている。
【0029】
トナー収容部１８は、トナーを収容するように構成される。具体的には、画像形成ユニット１０のトナー収容部１８は例えば黒色のトナーを収容するようになっている。
【0030】
この構成により、画像形成ユニット１０では、感光体１１が、帯電ローラ１３により帯電し、ＬＥＤヘッド１４により露光される。これにより、感光体１１の表面には、静電潜像が形成される。また、トナー収容部１８内に収容されたトナーは、供給ローラ１７及び現像ローラ１５により帯電し、感光体１１に供給される。これにより、感光体１１には、静電潜像に応じたトナー像が形成（現像）されるようになっている。
【0031】
図１に戻り、一次転写ローラ２１は、画像形成ユニット１０により形成されたトナー像を、中間転写ベルト２２の被転写面上に静電的にそれぞれ転写するように構成される。一次転写ローラ２１は、中間転写ベルト２２を介して画像形成ユニット１０の感光体１１に対向配置される。一次転写ローラ２１は、感光体１１に所定の押し付け量で押しつけられるように配置される。一次転写ローラ２１には、画像形成制御部５３（後述）により一次転写電圧が印加される。これにより、画像形成装置１では、画像形成ユニット１０により形成されたトナー像が、中間転写ベルト２２の被転写面上に転写（一次転写）されるようになっている。
【0032】
中間転写ベルト２２は、環状の弾性ベルトであり、駆動ローラ２３、アイドルローラ２４、テンションローラ２５、及びバックアップローラ２６によって張設（張架）されるように構成される。そして、中間転写ベルト２２は、駆動ローラ２３の回転に応じて、搬送方向Ｆ２に向かって循環搬送されるようになっている。その際、中間転写ベルト２２は、画像形成ユニット１０の感光体１１と一次転写ローラ２１との間を通過するようになっている。この構成により、中間転写ベルト２２は、一次転写により被転写面上に転写されたトナー像を、バックアップローラ２６及び二次転写ローラ２７により構成される二次転写部２８に供給するようになっている。
【0033】
駆動ローラ２３は、中間転写ベルト２２を循環搬送するように構成される。具体的には、駆動ローラ２３は、搬送方向Ｆ２において、画像形成ユニット１０の上流に配置され、ベルトモータ（図示せず）から伝達された動力により、図１における時計回りで回転する。これにより、駆動ローラ２３は、中間転写ベルト２２を搬送方向Ｆ２の方向へ循環搬送するようになっている。
【0034】
アイドルローラ２４は、中間転写ベルト２２の循環搬送に応じて、図１における時計回りで従動回転するように構成される。アイドルローラ２４は、搬送方向Ｆ２において、画像形成ユニット１０の下流に配置される。
【0035】
テンションローラ２５は、中間転写ベルト２２の循環搬送に応じて、図１における反時計回りで従動回転するように構成される。テンションローラ２５は、駆動ローラ２３とバックアップローラ２６との間に配置される。
【0036】
バックアップローラ２６は、中間転写ベルト２２の循環搬送に応じて、図1における時計回りで従動回転するように構成される。バックアップローラ２６は、記録媒体９を搬送する搬送路８及び中間転写ベルト２２を挟んで、二次転写ローラ２７と対向配置される。バックアップローラ２６は、この二次転写ローラ２７とともに、二次転写部２８を構成する。
【0037】
二次転写ローラ２７は、中間転写ベルト２２の被転写面上のトナー像を、記録媒体９の被転写面（ラベル面９Ｃ）上に転写するように構成される。二次転写ローラ２７には、画像形成制御部５３（後述）により二次転写電圧が印加される。これにより、画像形成装置１では、中間転写ベルト２２の被転写面上のトナー像が、記録媒体９の被転写面上に転写（二次転写）されるようになっている。
【0038】
また画像形成装置１は、媒体供給ローラ３１と、第１のラベルセンサ３２と、第２のラベルセンサ３３と、カッター３４と、複数の搬送ローラ３５と、定着部４０とを有している。これらは、記録媒体９の搬送路８に沿って配置されている。記録媒体９は、搬送路８を形成する媒体ガイド３６に導かれることにより、搬送路８に沿って搬送されるようになっている。
【0039】
媒体供給ローラ３１は、搬送路８を挟んで配置された一対のローラで構成され、記録媒体９が巻かれたロールから記録媒体９を引き出して、搬送路８に沿って記録媒体９を搬送するように構成される。
【0040】
第１のラベルセンサ３２は、媒体供給ローラ３１とカッター３４との間に設けられ、媒体供給ローラ３１により供給された記録媒体９のラベルＬを検出するように構成される。第１のラベルセンサ３２は、例えば透過型の光学センサを用いて構成される。具体的には、第１のラベルセンサ３２は、搬送路８を挟んで配置された発光部及び受光部を有する。発光部から受光部への光路は、記録媒体９の搬送路８を横切る。第１のラベルセンサ３２では、発光部から射出した所定の強度の光のうち、記録媒体９により透過した光が、受光部において受光される。よって、光路上のラベルＬの有無に応じて、受光部が受光する光の強度が異なる。第１のラベルセンサ３２は、受光部が受光した光の強度に応じた検出信号を出力するようになっている。画像形成装置１は、第１のラベルセンサ３２の検出信号に基づいて、ラベルＬの先端を検出し、この検出結果に基づいて、カッター３４による記録媒体９の切断位置を決定するようになっている。
【0041】
カッター３４は、記録媒体９を切断するように構成される。カッター３４は、画像形成装置１が、第１のラベルセンサ３２の検出信号に基づいて決定した切断位置で、記録媒体９を切断するようになっている。
【0042】
複数の搬送ローラ３５は、それぞれ搬送路８を挟んで配置された１対のローラで構成され、それぞれ所定の箇所に配置されている。これら複数の搬送ローラ３５は、記録媒体９を搬送路８に沿って搬送方向Ｆ１に搬送するようになっている。
【0043】
第２のラベルセンサ３３は、二次転写部２８の搬送方向Ｆ１の上流において、二次転写部２８の近傍に配置される。この第２のラベルセンサ３３も、第１のラベルセンサ３２と同様、記録媒体９のラベルＬを検出するように構成される。すなわち、第２のラベルセンサ３３は、例えば透過型の光学センサを用いて構成される。画像形成装置１は、第２のラベルセンサ３３の検出信号に基づいて、ラベルＬの先端を検出する。そして、画像形成装置１は、各ラベルＬの先端の検出結果に基づいてラベルピッチＬＰを検出し、複数のラベルＬのラベルピッチＬＰに基づいて、印刷対象ラベルＬＢにおけるラベルピッチＬＰを推定する。そして、画像形成装置１は、推定したラベルピッチＬＰに基づいて、その印刷対象ラベルＬＢに対して画像を形成するための、ＬＥＤヘッド１４（図３）が動作を開始するタイミング（書出タイミング）を決定するようになっている。
【0044】
これにより、画像形成装置１では、印刷対象ラベルＬＢが二次転写部２８に到達するタイミングと、中間転写ベルト２２におけるトナー像が二次転写部２８に到達するタイミングとを一致させることができる。その結果、二次転写部２８は、印刷対象ラベルＬＢにおける適切な位置にトナー像を転写することできるようになっている。
【0045】
記録媒体９は、二次転写部２８においてトナー像が転写された後、定着部４０に供給される。
【0046】
定着部４０は、記録媒体９に対し熱および圧力を付与することにより、記録媒体９上に転写されたトナー像を記録媒体９に定着させるように構成される。定着部４０は、定着ローラ４１と、加圧ローラ４２とを有している。定着ローラ４１は、例えば、その内部に、例えばハロゲンヒータなどのヒータを含んで構成され、記録媒体９上のトナーに対して熱を付与するように構成される。加圧ローラ４２は、定着ローラ４１との間に圧接部が形成されるように配置され、記録媒体９上のトナーに対して圧力を付与するように構成される。これにより、定着部４０では、記録媒体９上のトナーが、加熱され、融解し、加圧される。その結果、トナー像が記録媒体９上に定着するようになっている。
【0047】
そして、定着部４０によりトナー像が定着された記録媒体９は、画像形成装置１から排出される。画像形成装置１から排出された記録媒体９は、例えば、図示しないリワインダにより、図示しないモータから供給された動力を用いて巻き取られる。
【0048】
この構成により、画像形成装置１は、記録媒体９の各ラベルＬに対して、連続的に画像形成を行うことができるようになっている。
【0049】
図４は、画像形成装置１における制御系の一構成例を表すものである。画像形成装置１は、通信部５１と、表示操作部５２と、画像形成制御部５３と、処理部６０と、記憶部７０とを備えている。
【0050】
通信部５１は、例えばＵＳＢ（Universal Serial Bus）やＬＡＮ（Local Area Network）を用いて通信を行うように構成され、例えば、ホストコンピュータから送信された、各種印刷設定データや画像データを含む印刷データを受信するように構成される。印刷設定データは、例えば、ラベルピッチＬＰの設定値や、印刷すべきラベルＬの数などについての情報を含む。
【0051】
表示操作部５２は、ユーザの操作を受け付けるとともに、画像形成装置１の動作状態などを表示するように構成され、例えばタッチパネル、各種ボタン、液晶ディスプレイや各種インジケータを用いて構成される。
【0052】
画像形成制御部５３は、処理部６０からの指示に基づいて、画像形成装置１における画像形成動作を制御するように構成される。具体的には、画像形成制御部５３は、例えば、ＬＥＤヘッド１４（図３）における露光動作を制御する。また画像形成制御部５３は、各種電源の動作を制御することにより、帯電電圧、現像電圧、供給電圧、一次転写電圧、および二次転写電圧の生成動作を制御する。また画像形成制御部５３は、各種モータの動作を制御することにより、記録媒体９の搬送動作、画像形成ユニット１０におけるトナー像の形成動作、及び中間転写ベルト２２の搬送動作を制御する。また、画像形成制御部５３は、定着部４０のヒータに流れる電流を制御することにより、定着温度を制御するようになっている。
【0053】
処理部６０は、画像形成装置１の各ブロックの動作を制御することにより、画像形成装置１の動作を制御するように構成される。処理部６０は、例えば、プログラムを実行可能なプロセッサや、データを一時的に記憶可能なＲＡＭ（Random Access Memory）などを用いて構成される。処理部６０は、センサ値取得部６１と、ラベルピッチ検出部６２と、ラベルピッチ変位検出部６３と、ラベルピッチ推定部６４と、ラベルピッチ補正部６５と、書出タイミング算出部６６とを有している。
【0054】
図５は、ラベルピッチ検出部６２、ラベルピッチ変位検出部６３、ラベルピッチ推定部６４、及びラベルピッチ補正部６５の一例を表すものである。図６は、ラベルピッチ検出部６２、ラベルピッチ変位検出部６３、ラベルピッチ推定部６４、及びラベルピッチ補正部６５により処理されるラベルピッチＬＰに係るラベルＬの一例を表すものである。図６において、例えば、Ｌｉは、ｉ番目のラベルＬを示し、Ｌｉ－Ｎ＋１は（ｉ－Ｎ＋１）番目のラベルＬを示し、Ｌｉ－Ｍは（ｉ－Ｍ）番目のラベルＬを示し、Ｌｉ＋Ｋは（ｉ＋Ｋ）番目のラベルＬを示す。これらの番目の数は、画像形成装置１において画像が形成される順番を示す。ｉ番目のラベルＬｉは、検出された最新のラベルＬである基準ラベルＬＡであり、（ｉ＋Ｋ）番目のラベルＬｉ＋Ｋは、印刷対象ラベルＬＢである。尚、本実施の形態では、説明を簡単にする為、ラベルLの番目とページ数とが一致しているとする。つまりｉ番目のラベルＬｉは、ｉページ目のラベルＬｉである。
【0055】
センサ値取得部６１（図４）は、第２のラベルセンサ３３の検出信号が示すセンサ値を取得するように構成される。
【0056】
ラベルピッチ検出部６２（図４、５）は、センサ値取得部６１が取得したセンサ値に基づいて、各ラベルＬのラベルピッチＬＰを検出するように構成される。そして、ラベルピッチ検出部６２は、検出したラベルピッチＬＰに基づいて、記憶部７０に記憶されたラベルピッチ履歴データ７１を更新するようになっている。ラベルピッチ履歴データ７１は、図６に示したように、検出された最新のラベルＬ（基準ラベルＬＡ）を含むＮ個（例えば７個）のラベルＬのラベルピッチＬＰを示すデータである。
【0057】
ラベルピッチ変位検出部６３は、ラベルピッチ検出部６２が検出したラベルピッチＬＰに基づいて、このラベルピッチＬＰの検出値と、印刷データに含まれるラベルピッチＬＰの設定値との差分であるラベルピッチ変位ＬＰＤを検出するように構成される。そして、ラベルピッチ変位検出部６３は、検出されたラベルピッチ変位ＬＰＤに基づいて、記憶部７０に記憶された変位履歴データ７３を更新するようになっている。変位履歴データ７３は、図６に示したように、検出された最新のラベルＬ（基準ラベルＬＡ）のＭ個（例えば５０個）前のラベルＬから、この基準ラベルＬＡまでの、複数のラベルＬの複数のラベルピッチ変位ＬＰＤを示すデータである。
【0058】
またラベルピッチ変位検出部６３は、この変位履歴データ７３に基づいて、検出された最新のラベルＬ（基準ラベルＬＡ）を含むＮ個（例えば７個）のラベルＬのラベルピッチ変位ＬＰＤの平均値であるラベルピッチ変位平均値ＬＰＤＡを算出し、この算出結果を変位平均データ７４として記憶部７０に記憶させる。またラベルピッチ変位検出部６３は、変位履歴データ７３に基づいて、検出された最新のラベルＬ（基準ラベルＬＡ）のラベルピッチ変位ＬＰＤと、この基準ラベルＬＡのＭ個（例えば５０個）前のラベルＬのラベルピッチ変位ＬＰＤとの差分を算出し、この算出結果を変位変動データ７５として記憶部７０に記憶させるようになっている。
【0059】
ラベルピッチ推定部６４は、記憶部７０に記憶されたラベルピッチ履歴データ７１に基づいて、印刷対象ラベルＬＢのラベルピッチＬＰを推定することにより推定ラベルピッチＬＰ０を算出し、この推定ラベルピッチＬＰ０をラベルピッチ推定データ７２として記憶部７０に記憶させるように構成される。例えば、記録媒体９が平圧方式で製造された場合には、ラベルピッチＬＰには周期性が生じ得る。ラベルピッチ推定部６４は、このようなラベルピッチＬＰの周期性を解析することにより、印刷対象ラベルＬＢのラベルピッチＬＰを推定するようになっている。
【0060】
ラベルピッチ補正部６５は、ラベルピッチ推定部６４により算出された推定ラベルピッチＬＰ０を補正するように構成される。ラベルピッチ補正部６５は、図５に示したように、前処理部６５Ａと、補正値生成部６５Ｂと、補正処理部６５Ｃとを有する。
【0061】
前処理部６５Ａは、図７に詳しく示すように、ラベルピッチ履歴データ７１が示す推定ラベルピッチＬＰ０を、現在（つまり最新）の印刷対象ラベルＬＢのページ番号ｎに対応付け（つまり推定ラベルピッチＬＰ０ｎとし）、前処理用履歴データ７６として記憶部７０に記憶させる。また前処理部６５Ａは、変位平均データ７４が示すラベルピッチ変位平均値ＬＰＤＡを、現在の印刷対象ラベルＬＢのページ番号ｎに対応付け（つまりラベルピッチ変位平均値ＬＰＤＡｎとし）、前処理用履歴データ７６として記憶部７０に記憶させる。このようにして、前処理部６５Ａは、現在の印刷対象ラベルＬＢ及び過去の印刷対象ラベルＬＢのそれぞれのページ番号に対応付けられた現在及び過去の推定ラベルピッチＬＰ０（ＬＰ０ｎ、ＬＰ０ｎ－１、ＬＰ０ｎ－２、…）と、現在及び過去に算出されたラベルピッチ変位平均値ＬＰＤＡ（ＬＰＤＡｎ、ＬＰＤＡｎ－１、ＬＰＤＡｎ－２、…）とを、前処理用履歴データ７６として記憶部７０に記憶させるようになっている。尚、前処理用履歴データ７６には、少なくとも現在の印刷対象ラベルＬＢの推定ラベルピッチＬＰ０ｎ及び現在の印刷対象ラベルＬＢの１ページ前（つまり１つ前）のラベルＬの推定ラベルピッチＬＰ０ｎ－１と、現在のラベルピッチ変位平均値ＬＰＤＡｎ及び１ページ前（つまり１つ前）のラベルピッチ変位平均値ＬＰＤＡｎ－１とが含まれていればよい。
【0062】
前処理部６５Ａは、前処理用履歴データ７６から、現在の印刷対象ラベルＬＢの１ページ前のラベルＬ（つまり現在の印刷対象ラベルＬＢの搬送方向の下流に隣接するラベルＬ）の推定ラベルピッチＬＰ０ｎ－１を取得し、現在の推定ラベルピッチＬＰ０ｎから１ページ前の推定ラベルピッチＬＰ０ｎ－１を引いた値（これを推定ＬＰ差分値と呼ぶ）を、補正値生成部６５Ｂに入力する。
【0063】
また前処理部６５Ａは、前処理用履歴データ７６から、現在の印刷対象ラベルＬＢの１ページ前のラベルＬのラベルピッチＬＰを推定したときに算出されたラベルピッチ変位平均値ＬＰＤＡｎ－１を取得し、現在のラベルピッチ変位平均値ＬＰＤＡｎから１ページ前のラベルピッチ変位平均値ＬＰＤＡｎ－１を引いた値（これをＬＰ変位平均差分値と呼ぶ）を、補正値生成部６５Ｂに入力する。別の言い方をすると、現在のラベルピッチ変位平均値ＬＰＤＡｎは、印刷対象ラベルＬＢのＫ個前の基準ラベルＬＡを含むＮ個のラベルＬのラベルピッチ変位ＬＰＤの平均値であり、ラベルピッチ変位平均値ＬＰＤＡｎ－１は、基準ラベルＬＡの１ページ前のラベルＬを含むＮ個のラベルＬのラベルピッチ変位ＬＰＤの平均値である。尚、前処理部６５Ａにより算出された推定ＬＰ差分値とＬＰ変位平均差分値とを記憶部７０に記憶させ、これらを補正値生成部６５Ｂが記憶部７０から取得するようにしてもよい。
【0064】
補正値生成部６５Ｂ（図５）は、機械学習処理により得られた補正値生成モデルＭを用いて、記憶部７０に記憶された、ピッチ関連情報としての、ラベルピッチ履歴データ７１及び変位変動データ７５と、前処理部６５Ａにより算出された推定ＬＰ差分値及びＬＰ変位平均差分値とに基づいて、ラベルピッチ推定データ７２が示す推定ラベルピッチＬＰ０に対する補正値ΔＬＰを示すデータを生成するように構成される。補正処理部６５Ｃは、推定ラベルピッチＬＰ０を、この補正値ΔＬＰに基づいて補正することにより推定ラベルピッチＬＰ１を生成するように構成される。具体的には、補正処理部６５Ｃは、図６に示したように、推定ラベルピッチＬＰ０と補正値ΔＬＰとを加算することにより、推定ラベルピッチＬＰ１を生成するようになっている。
【0065】
このようにして、画像形成装置１では、ラベルピッチ推定部６４が印刷対象ラベルＬＢのラベルピッチＬＰを推定することにより推定ラベルピッチＬＰ０を生成し、ラベルピッチ補正部６５が、この推定ラベルピッチＬＰ０を補正することにより、推定ラベルピッチＬＰ１を生成するようになっている。
【0066】
書出タイミング算出部６６（図４）は、ラベルピッチ補正部６５により生成された推定ラベルピッチＬＰ１に基づいて、その印刷対象ラベルＬＢに対して画像を形成するための、ＬＥＤヘッド１４（図３）が動作を開始するタイミング（書出タイミング）を算出するように構成される。
【0067】
記憶部７０（図４、５）は、例えば揮発性のメモリ、不揮発性のメモリ、ハードディスクドライブなどを用いて構成され、各種プログラムや、各種設定データを記憶するように構成される。記憶部７０は、ラベルピッチ履歴データ７１と、ラベルピッチ推定データ７２と、変位履歴データ７３と、変位平均データ７４と、変位変動データ７５と、前処理用履歴データ７６と、補正値生成モデルＭとを記憶する。
【0068】
ラベルピッチ履歴データ７１は、上述したように、検出された最新のラベルＬ（基準ラベルＬＡ）を含むＮ個（例えば７個）のラベルＬのラベルピッチＬＰを示すデータである。
【0069】
ラベルピッチ推定データ７２は、上述したように、ラベルピッチ履歴データ７１に含まれるＮ個（例えば７個）のラベルＬのラベルピッチＬＰに基づいてラベルピッチ推定部６４により推定された、印刷対象ラベルＬＢのラベルピッチＬＰ（推定ラベルピッチＬＰ０）を示すデータである。
【0070】
変位履歴データ７３は、上述したように、検出された最新のラベルＬ（基準ラベルＬＡ）のＭ個（例えば５０個）前のラベルＬから、この基準ラベルＬＡまでの、複数のラベルＬの複数のラベルピッチ変位ＬＰＤを示すデータである。
【0071】
変位平均データ７４は、上述したように、検出された最新のラベルＬ（基準ラベルＬＡ）を含むＮ個（例えば７個）のラベルＬのラベルピッチ変位ＬＰＤの平均値（ラベルピッチ変位平均値ＬＰＤＡ）を示すデータである。
【0072】
変位変動データ７５は、上述したように、検出された最新のラベルＬ（基準ラベルＬＡ）のラベルピッチ変位ＬＰＤと、この基準ラベルＬＡからＭ個（この例では５０個）前のラベルＬのラベルピッチ変位ＬＰＤとの差分を示すデータである。
【0073】
前処理用履歴データ７６は、上述したように、現在及び過去に推定された推定ラベルピッチＬＰ０（ＬＰ０ｎ、ＬＰ０ｎ－１、ＬＰ０ｎ－２、…）と、現在及び過去に算出されたラベルピッチ変位平均値ＬＰＤＡ（ＬＰＤＡｎ、ＬＰＤＡｎ－１、ＬＰＤＡｎ－２、…）とを含むデータである。
【0074】
補正値生成モデルＭは、予め機械学習処理を行うことにより生成された学習モデルであり、画像形成装置１の記憶部７０に記憶される。補正値生成モデルＭでは、ラベルピッチ履歴データ７１、変位変動データ７５、推定ＬＰ差分値、及びＬＰ変位平均差分値が入力され、ラベルピッチ推定データ７２が示すラベルピッチＬＰの推定値（推定ラベルピッチＬＰ０）に対する補正値ΔＬＰを示すデータが出力されるようになっている。
【0075】
［２．機械学習装置］
図８は、補正値生成モデルＭを生成する機械学習装置２００の一構成例を表すものである。機械学習装置２００は、例えばパーソナルコンピュータである。尚、機械学習装置２００は、これに限定されるものではなく、これに代えて、例えば、画像形成装置１における処理部６０が機械学習処理を行うようにしてもよい。機械学習装置２００には、ディスプレイ２０１と、キーボード２０２と、マウス２０３とが接続される。ディスプレイ２０１は、機械学習装置２００から供給された画像信号に基づいて画像を表示するように構成される。キーボード２０２及びマウス２０３は、ユーザが情報を入力する際に用いるものである。
図８は、補正値生成モデルＭを生成する機械学習装置２００の一構成例を表すものである。機械学習装置２００は、例えばパーソナルコンピュータである。尚、機械学習装置２００は、これに限定されるものではなく、これに代えて、例えば、画像形成装置１における処理部６０が機械学習処理を行うようにしてもよい。機械学習装置２００には、ディスプレイ２０１と、キーボード２０２と、マウス２０３とが接続される。ディスプレイ２０１は、機械学習装置２００から供給された画像信号に基づいて画像を表示するように構成される。キーボード２０２及びマウス２０３は、ユーザが情報を入力する際に用いるものである。
【0076】
機械学習装置２００は、処理部２１０と、記憶部２２０と、メモリ２３０と、インタフェース２４０と、ディスプレイインタフェース２５０と、通信部２６０とを有している。処理部２１０、記憶部２２０、メモリ２３０、インタフェース２４０、ディスプレイインタフェース２５０、及び通信部２６０は、バス２９０に接続されている。
【0077】
処理部２１０は、例えばＣＰＵ（Central Processing Unit）を用いて構成される。処理部２１０は、データセット取得部２１１と、教師データ生成部２１２と、学習モデル生成部２１３とを有している。
【0078】
図９は、データセット取得部２１１、教師データ生成部２１２、及び学習モデル生成部２１３の一例を表すものである。
【0079】
データセット取得部２１１は、機械学習処理に必要なデータのセットであるデータセットＤＳを取得するように構成される。そして、データセット取得部２１１は、取得したデータセットＤＳを記憶部２２０に記憶させるようになっている。データセットＤＳは、ラベルピッチ履歴データ２２１と、ラベルピッチ推定データ２２２と、推定ＬＰ差分値データ２２３と、ＬＰ変位平均差分値データ２２４と、変位変動データ２２５と、ラベルピッチデータ２２６とを含んでいる。
【0080】
ラベルピッチ履歴データ２２１は、ラベルピッチ履歴データ７１（図４、５）と同様に、あるラベルＬ（基準ラベルＬＡ）を含むＮ個（例えば７個）のラベルＬのラベルピッチＬＰを示すデータである。
【0081】
ラベルピッチ推定データ２２２は、ラベルピッチ推定データ７２（図４、５）と同様に、ラベルピッチ履歴データ２２１に含まれるＮ個（例えば７個）のラベルＬのラベルピッチＬＰに基づいて推定された、基準ラベルＬＡよりもＫ個（例えば７個）だけ搬送方向Ｆ１の上流に配置されたラベルＬのラベルピッチＬＰ（推定ラベルピッチＬＰ０）を示すデータである。
【0082】
推定ＬＰ差分値データ２２３は、前処理部６５Ａ（図７）により算出された推定ＬＰ差分値を示すデータである。すなわち、推定ＬＰ差分値データ２２３は、基準ラベルＬＡよりもＫ個（例えば７個）だけ搬送方向Ｆ１の上流に配置されたラベルＬの推定ラベルピッチＬＰ０（ＬＰ０ｎ）から、当該推定ラベルピッチＬＰ０の１ページ前の推定ラベルピッチＬＰ０（ＬＰ０ｎ－１）を引いた値を示すデータである。
【0083】
ＬＰ変位平均差分値データ２２４は、前処理部６５Ａ（図７）により算出されたＬＰ変位平均差分値を示すデータである。すなわち、ＬＰ変位平均差分値データ２２４は、推定ラベルピッチＬＰ０ｎが推定されたときに算出されたラベルピッチ変位平均値ＬＰＤＡｎから、１ページ前の推定ラベルピッチＬＰ０ｎ－１が推定されたときに算出されたラベルピッチ変位平均値ＬＰＤＡｎ－１を引いた値を示すデータである。
【0084】
変位変動データ２２５は、変位変動データ７５（図４、５）と同様に、あるラベルＬ（基準ラベルＬＡ）のラベルピッチ変位ＬＰＤと、この基準ラベルＬＡからＭ個（例えば５０個）前のラベルＬのラベルピッチ変位ＬＰＤとの差分を示すデータである。
【0085】
ラベルピッチデータ２２６は、基準ラベルＬＡよりもＫ個（例えば７個）だけ搬送方向Ｆ１の上流に配置されたラベルＬのラベルピッチＬＰを示すデータである。
【0086】
データセット取得部２１１は、このようなラベルピッチ履歴データ２２１、ラベルピッチ推定データ２２２、推定ＬＰ差分値データ２２３、ＬＰ変位平均差分値データ２２４、変位変動データ２２５、ラベルピッチデータ２２６を含むデータセットＤＳを、例えば画像形成装置１から取得することができる。すなわち、画像形成装置１は、例えば、記録媒体９に対して画像を形成せずに、記録媒体９を搬送させつつラベルＬを順次検出することにより、複数のデータセットＤＳを得ることができる。具体的には、画像形成装置１は、ラベルＬを順次検出する度に、検出された最新のラベルＬを基準ラベルＬＡとして設定し、データセットＤＳを得ることができる。データセット取得部２１１は、このようにして画像形成装置１により得られた複数のデータセットＤＳを取得する。そして、データセット取得部２１１は、取得した複数のデータセットＤＳを記憶部２２０に記憶させるようになっている。
【0087】
教師データ生成部２１２は、記憶部２２０に記憶されたデータセットＤＳに含まれる、ラベルピッチデータ２２６が示すラベルピッチＬＰと、ラベルピッチ推定データ２２２が示す推定ラベルピッチＬＰ０との差分に基づいて、補正値ΔＬＰを教師データＤＴとして生成するように構成される。具体的には、教師データ生成部２１２は、ラベルピッチデータ２２６が示すラベルピッチＬＰから、ラベルピッチ推定データ２２２が示す推定ラベルピッチＬＰ０を減算することにより、補正値ΔＬＰを生成するようになっている。
【0088】
学習モデル生成部２１３は、記憶部２２０に記憶されたラベルピッチ履歴データ２２１、推定ＬＰ差分値データ２２３、ＬＰ変位平均差分値データ２２４、変位変動データ２２５、及び教師データ生成部２１２により生成された教師データＤＴ（補正値ΔＬＰ）に基づいて、機械学習処理を行うことにより、補正値生成モデルＭを生成するように構成される。学習モデル生成部２１３は、この例では、ニューラルネットワークモデルを用いた、いわゆる教師あり学習を行うことにより、補正値生成モデルＭを生成する。そして、学習モデル生成部２１３は、生成した補正値生成モデルＭを記憶部２２０に記憶させるようになっている。
【0089】
図１０は、学習モデル生成部２１３において行われる教師あり学習のためのニューラルネットワークモデルの一例を表すものである。ニューラルネットワークモデルにおけるニューラルネットワークＮＮは、入力層ＬＸにおけるｋ個のニューロンｘ（ニューロンｘ１～ｘｋ）と、第１中間層ＬＹ１におけるｍ個のニューロンｙ１（ニューロンｙ１１～ｙ１ｍ）と、第２中間層ＬＹ２におけるｎ個のニューロンｙ２（ニューロンｙ２１～ｙ２ｎ）と、出力層ＬＺにおける１個のニューロンｚ（ニューロンｚ１）とを有している。この例では、２つの中間層を設けたが、これに限定されるものではなく、３つ以上の中間層を設けてもよいし、１つの中間層を設けてもよい。
【0090】
入力層ＬＸと第１中間層ＬＹ１との間、第１中間層ＬＹ１と第２中間層ＬＹ２との間、第２中間層ＬＹ２と出力層ＬＺとの間には、ニューロンを接続するノードが設けられており、それぞれのノードには、重みｗｊ（ｊは自然数）が対応づけられている。
【0091】
以下に、記憶部２２０に記憶されたラベルピッチ履歴データ２２１、推定ＬＰ差分値データ２２３、ＬＰ変位平均差分値データ２２４、変位変動データ２２５、及び教師データ生成部２１２により供給された補正値ΔＬＰに基づいて、機械学習処理を実行することにより補正値生成モデルＭを生成する処理を説明する。
【0092】
学習モデル生成部２１３は、記憶部２２０に記憶されたラベルピッチ履歴データ２２１、推定ＬＰ差分値データ２２３、ＬＰ変位平均差分値データ２２４、及び変位変動データ２２５と、教師データ生成部２１２により供給された補正値ΔＬＰとの相関関係を学習する。具体的には、学習モデル生成部２１３は、ラベルピッチ履歴データ２２１、推定ＬＰ差分値データ２２３、ＬＰ変位平均差分値データ２２４、及び変位変動データ２２５を入力層ＬＸの複数のニューロンｘに対応づけることにより、出力層ＬＺのニューロンｚの値を算出する。まず学習モデル生成部２１３は、入力層ＬＸのｋ個のニューロンｘの値に基づいて、第１中間層ＬＹ１のｍ個のニューロンｙ１の値を算出する。具体的には、学習モデル生成部２１３は、第１中間層ＬＹ１の各ニューロンｙ１の値を、このニューロンｙ１に接続された、入力層ＬＸのｋ個のニューロンｘの値に基づいて、各ノードに対応づけられた重みＷｉを用いて重みづけ加算を行うことにより算出する。同様に、学習モデル生成部２１３は、第１中間層ＬＹ１のｍ個のニューロンｙ１の値に基づいて、第２中間層ＬＹ２のｎ個のニューロンｙ２の値を算出し、第２中間層ＬＹ２のｎ個のニューロンｙ２の値に基づいて、出力層ＬＺのニューロンｚの値を算出する。
【0093】
そして、学習モデル生成部２１３は、算出された出力層ＬＺのニューロンｚ１の値と、教師データＤＴに含まれるデータｔ１の値とを比較して誤差を求める。ここで、ニューロンｚ１の値は、ラベルピッチ履歴データ２２１、推定ＬＰ差分値データ２２３、ＬＰ変位平均差分値データ２２４、及び変位変動データ２２５に基づいて算出された補正値ΔＬＰであり、データｔ１の値は、教師データＤＴにおける補正値ΔＬＰである。そして、学習モデル生成部２１３は、求められた誤差が小さくなるように、各ノードに対応づけられた重みｗｉを調整する（バックプロバケーション）ことを反復する。
【0094】
そして、上述した一連の工程を所定回数反復して実施し、あるいは上述した誤差が許容値より小さくなること等の所定の条件が満たされるまで反復して実施した場合には、学習モデル生成部２１３は、学習を終了して、そのニューラルネットワークモデルを補正値生成モデルＭとして記憶部２２０に記憶させる。このようにして、学習モデル生成部２１３は、ニューラルネットワークモデルのノードのそれぞれに対応づけられた全ての重みｗｊについての情報を含む補正値生成モデルＭを生成するようになっている。
【0095】
記憶部２２０（図８）は、例えばＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）を用いて構成され、機械学習装置２００において使用される様々なデータを記憶するように構成される。記憶部２２０は、データセットＤＳ、及び補正値生成モデルＭを記憶している。データセットＤＳは、ラベルピッチ履歴データ２２１と、ラベルピッチ推定データ２２２と、推定ＬＰ差分値データ２２３と、ＬＰ変位平均差分値データ２２４と、変位変動データ２２５と、ラベルピッチデータ２２６とを含み、データセット取得部２１１により取得され、記憶部２２０に記憶される。補正値生成モデルＭは、学習モデル生成部２１３により生成され、記憶部２２０に記憶される。
【0096】
メモリ２３０は、処理部２１０が処理を行う際に一時的にデータを記憶するように構成される。インタフェース２４０は、機械学習装置２００に外部機器を接続するためのインタフェースであり、例えば、キーボード２０２及びマウス２０３が接続される。ディスプレイインタフェース２５０は、機械学習装置２００にディスプレイ２０１を接続するためのインタフェースであり、ディスプレイ２０１に対して画像信号を供給するように構成される。通信部２６０は、例えばＬＡＮ（Local Area Network）を用いて通信を行うように構成される。
【0097】
［３．動作］
つづいて、本実施の形態の画像形成装置１及び機械学習装置２００の動作について説明する。
つづいて、本実施の形態の画像形成装置１及び機械学習装置２００の動作について説明する。
【0098】
［３－１．全体動作概要］
まず図１、３、４を参照して、画像形成装置１の全体動作概要を説明する。画像形成装置１（図１）では、媒体供給ローラ３１が、記録媒体９が巻かれたロールから記録媒体９を引き出して、搬送路８に沿って記録媒体９を搬送する。搬送ローラ３５は、記録媒体９を搬送路８に沿って搬送する。第２のラベルセンサ３３は、搬送路８に沿って搬送されてくる記録媒体９のラベルＬを検出する。
まず図１、３、４を参照して、画像形成装置１の全体動作概要を説明する。画像形成装置１（図１）では、媒体供給ローラ３１が、記録媒体９が巻かれたロールから記録媒体９を引き出して、搬送路８に沿って記録媒体９を搬送する。搬送ローラ３５は、記録媒体９を搬送路８に沿って搬送する。第２のラベルセンサ３３は、搬送路８に沿って搬送されてくる記録媒体９のラベルＬを検出する。
【0099】
処理部６０のセンサ値取得部６１は、第２のラベルセンサ３３の検出信号が示すセンサ値を取得する。ラベルピッチ検出部６２は、センサ値取得部６１が取得したセンサ値に基づいて、各ラベルＬのラベルピッチＬＰを検出する。そしてラベルピッチ検出部６２は、検出したラベルピッチＬＰに基づいて、記憶部７０に記憶されたラベルピッチ履歴データ７１を更新する。
【0100】
ラベルピッチ変位検出部６３は、ラベルピッチ検出部６２が検出したラベルピッチＬＰに基づいて、このラベルピッチＬＰの検出値と、印刷データに含まれるラベルピッチＬＰの設定値との差分であるラベルピッチ変位ＬＰＤを検出する。そしてラベルピッチ変位検出部６３は、検出されたラベルピッチ変位ＬＰＤに基づいて、記憶部７０に記憶された変位履歴データ７３を更新する。またラベルピッチ変位検出部６３は、この変位履歴データ７３に基づいて、検出された最新のラベルＬ（基準ラベルＬＡ）を含むＮ個（この例では７個）のラベルＬのラベルピッチ変位ＬＰＤの平均値であるラベルピッチ変位平均値ＬＰＤＡを算出し、この算出結果を変位平均データ７４として記憶部７０に記憶させる。またラベルピッチ変位検出部６３は、変位履歴データ７３に基づいて、検出された最新のラベルＬ（基準ラベルＬＡ）のラベルピッチ変位ＬＰＤと、この基準ラベルＬＡのＭ個（この例では５０個）前のラベルＬのラベルピッチ変位ＬＰＤとの差分を算出し、この算出結果を変位変動データ７５として記憶部７０に記憶させる。
【0101】
ラベルピッチ推定部６４は、記憶部７０に記憶されたラベルピッチ履歴データ７１に基づいて、印刷対象ラベルＬＢのラベルピッチＬＰを推定することにより推定ラベルピッチＬＰ０を算出し、この推定ラベルピッチＬＰ０をラベルピッチ推定データ７２として記憶部７０に記憶させる。
【0102】
ラベルピッチ補正部６５は、ラベルピッチ推定部６４により算出された推定ラベルピッチＬＰ０を補正するように構成される。すなわち、ラベルピッチ補正部６５の前処理部６５Ａは、最新の印刷対象ラベルＬＢの推定ラベルピッチＬＰ０ｎから１ページ前の推定ラベルピッチＬＰ０ｎ－１を引いた値である推定ＬＰ差分値を算出する。また前処理部６５Ａは、最新のラベルピッチ変位平均値ＬＰＤＡｎから、１ページ前の推定ラベルピッチＬＰ０ｎを推定したときのラベルピッチ変位平均値ＬＰＤＡｎ－１を引いた値であるＬＰ変位平均差分値を算出する。
【0103】
補正値生成部６５Ｂは、機械学習処理により得られた補正値生成モデルＭを用いて、記憶部７０に記憶されたラベルピッチ履歴データ７１及び変位変動データ７５と、前処理部６５Ａにより算出された推定ＬＰ差分値及びＬＰ変位平均差分値とに基づいて、ラベルピッチ推定データ７２が示す推定ラベルピッチＬＰ０に対する補正値ΔＬＰを生成する。ラベルピッチ補正部６５の補正処理部６５Ｃは、推定ラベルピッチＬＰ０を、この補正値ΔＬＰに基づいて補正することにより推定ラベルピッチＬＰ１を生成する。
【0104】
書出タイミング算出部６６は、ラベルピッチ補正部６５により生成された推定ラベルピッチＬＰ１に基づいて、その印刷対象ラベルＬＢに対して画像を形成するための、ＬＥＤヘッド１４が動作を開始するタイミング（書出タイミング）を算出する。
【0105】
画像形成制御部５３は、書出タイミング算出部６６が算出した書出タイミングに応じたタイミングで、画像形成ユニット１０のＬＥＤヘッド１４の動作を開始させる。これにより、画像形成ユニット１０がトナー像を形成する。そして一次転写ローラ２１は、画像形成ユニット１０の感光体１１のトナー像を中間転写ベルト２２の被転写面上に転写（一次転写）する。中間転写ベルト２２のトナー像は、中間転写ベルト２２が循環搬送されることにより二次転写部２８に到達する。二次転写部２８は、中間転写ベルト２２の被転写面上のトナー像を、記録媒体９の被転写面（ラベル面９Ｃ）上に転写（二次転写）する。定着部４０は、トナー像を記録媒体９上に定着させる。そして、定着部４０によりトナー像が定着された記録媒体９は、画像形成装置１から排出される。
【0106】
次に、図８、９を参照して、機械学習装置２００の全体動作概要を説明する。データセット取得部２１１は、機械学習処理に必要なデータのセットであるデータセットＤＳ（ラベルピッチ履歴データ２２１、ラベルピッチ推定データ２２２、推定ＬＰ差分値データ２２３、ＬＰ変位平均差分値データ２２４、変位変動データ２２５、及びラベルピッチデータ２２６）を取得する。教師データ生成部２１２は、データセットＤＳに含まれる、ラベルピッチデータ２２６が示すラベルピッチＬＰと、ラベルピッチ推定データ２２２が示す推定ラベルピッチＬＰ０との差分に基づいて、補正値ΔＬＰを教師データＤＴとして生成する。学習モデル生成部２１３は、記憶部２２０に記憶されたラベルピッチ履歴データ２２１、推定ＬＰ差分値データ２２３、ＬＰ変位平均差分値データ２２４、変位変動データ２２５、及び教師データ生成部２１２により生成された教師データＤＴ（補正値ΔＬＰ）に基づいて、機械学習処理を行うことにより、補正値生成モデルＭを生成する。
【0107】
［３－２．画像形成装置の詳細動作］
画像形成装置１は、検出された最新のラベルＬ（基準ラベルＬＡ）のラベルピッチＬＰ、及びその基準ラベルＬＡより搬送方向Ｆ１の下流に配置され、過去に検出された複数のラベルＬのラベルピッチＬＰに基づいて、基準ラベルＬＡよりもＫ個（例えば７個）だけ搬送方向Ｆ１の上流に配置されたラベルＬ（印刷対象ラベルＬＢ）の位置を推定し、その印刷対象ラベルＬＢの位置に合わせて画像を形成する。以下に、画像形成装置１の詳細動作について説明する。
画像形成装置１は、検出された最新のラベルＬ（基準ラベルＬＡ）のラベルピッチＬＰ、及びその基準ラベルＬＡより搬送方向Ｆ１の下流に配置され、過去に検出された複数のラベルＬのラベルピッチＬＰに基づいて、基準ラベルＬＡよりもＫ個（例えば７個）だけ搬送方向Ｆ１の上流に配置されたラベルＬ（印刷対象ラベルＬＢ）の位置を推定し、その印刷対象ラベルＬＢの位置に合わせて画像を形成する。以下に、画像形成装置１の詳細動作について説明する。
【0108】
図１１は、画像形成装置１の一動作例を表すフローチャートである。処理部６０は、センサ値取得部６１が第２のラベルセンサ３３の検出信号が示すセンサ値を取得する度に、以下の処理を行う。
【0109】
まず、ラベルピッチ検出部６２は、ラベルピッチＬＰを検出したかどうかを確認する（ステップＳ１０１）。ラベルピッチ検出部６２がラベルピッチＬＰを検出していない場合（ステップＳ１０１において“ＮＯ”）には、ラベルピッチＬＰを検出するまでこのステップＳ１０１を繰り返す。
【0110】
ステップＳ１０１において、ラベルピッチ検出部６２がラベルピッチＬＰを検出した場合（ステップＳ１０１において“ＹＥＳ”）には、ラベルピッチ検出部６２は、検出されたラベルピッチＬＰに基づいて、記憶部７０に記憶されたラベルピッチ履歴データ７１を更新する（ステップＳ１０２）。
【0111】
次に、ラベルピッチ変位検出部６３は、検出されたラベルピッチＬＰに基づいて、このラベルピッチＬＰの検出値と、印刷データに含まれるラベルピッチＬＰの設定値との差分であるラベルピッチ変位ＬＰＤを検出する（ステップＳ１０３）。
【0112】
次に、ラベルピッチ変位検出部６３は、検出されたラベルピッチ変位ＬＰＤに基づいて、記憶部７０に記憶された変位履歴データ７３を更新する（ステップＳ１０４）。
【0113】
次に、ラベルピッチ変位検出部６３は、変位履歴データ７３に基づいて、検出された最新のラベルＬ（基準ラベルＬＡ）を含むＮ個（例えば７個）のラベルＬのラベルピッチ変位ＬＰＤの平均値を算出することにより、変位平均データ７４を生成する（ステップＳ１０５）。そして、ラベルピッチ変位検出部６３は、生成した変位平均データ７４を記憶部７０に記憶させる。
【0114】
次に、ラベルピッチ変位検出部６３は、変位履歴データ７３に基づいて、検出された最新のラベルＬ（基準ラベルＬＡ）のラベルピッチ変位ＬＰＤと、この基準ラベルＬＡのＭ個（この例では５０個）前のラベルＬのラベルピッチ変位ＬＰＤとの差分を算出することにより、変位変動データ７５を生成する（ステップＳ１０６）。そして、ラベルピッチ変位検出部６３は、生成した変位変動データ７５を記憶部７０に記憶させる。
【0115】
次に、ラベルピッチ推定部６４は、ラベルピッチ履歴データ７１に基づいて、印刷対象ラベルＬＢのラベルピッチＬＰ（推定ラベルピッチＬＰ０）を推定することにより、ラベルピッチ推定データ７２を生成する（ステップＳ１０７）。そして、ラベルピッチ推定部６４は、生成したラベルピッチ推定データ７２を記憶部７０に記憶させる。
【0116】
次に、ラベルピッチ補正部６５の前処理部６５Ａは、ラベルピッチ推定データ７２が示す推定ラベルピッチＬＰ０を、印刷対象ラベルＬＢのページ番号ｎに対応付け（つまり推定ラベルピッチＬＰ０ｎとし）、前処理用履歴データ７６として記憶部７０に記憶させる。また前処理部６５Ａは、変位平均データ７４が示すラベルピッチ変位平均値ＬＰＤＡを、印刷対象ラベルＬＢのページ番号ｎに対応付け（つまりラベルピッチ変位平均値ＬＰＤＡｎとし）、前処理用履歴データ７６として記憶部７０に記憶させる。そして、前処理部６５Ａは、前処理用履歴データ７６から、１ページ前の推定ラベルピッチＬＰ０ｎ－１を取得し、最新の推定ラベルピッチＬＰ０ｎから１ページ前の推定ラベルピッチＬＰ０ｎ－１を引いた推定ＬＰ差分値を算出する。また前処理部６５Ａは、前処理用履歴データ７６から、１ページ前のラベルピッチ変位平均値ＬＰＤＡｎ－１を取得し、最新のラベルピッチ変位平均値ＬＰＤＡｎから１ページ前のラベルピッチ変位平均値ＬＰＤＡｎ－１を引いたＬＰ変位平均差分値を算出する（ステップＳ１０８）。
【0117】
次に、ラベルピッチ補正部６５の補正値生成部６５Ｂは、記憶部７０に記憶された補正値生成モデルＭを用いて、記憶部７０に記憶されたラベルピッチ履歴データ７１及び変位変動データ７５と、前処理部６５Ａにより算出された推定ＬＰ差分値及びＬＰ変位平均差分値とに基づいて、ラベルピッチ推定データ７２が示す推定ラベルピッチＬＰ０に対する補正値ΔＬＰを示すデータを生成する（ステップＳ１０９）。
【0118】
次に、ラベルピッチ補正部６５の補正処理部６５Ｃは、推定ラベルピッチＬＰ０を、補正値ΔＬＰに基づいて補正することにより推定ラベルピッチＬＰ１を生成する（ステップＳ１１０）。
【0119】
そして、書出タイミング算出部６６は、推定ラベルピッチＬＰ１に基づいて、印刷対象ラベルＬＢに対して画像を形成するための書出タイミングを算出する（ステップＳ１１１）。以上で、このフローは終了する。
【0120】
［３－３．差分値を用いる理由］
ここで、機械学習により得られた補正値生成モデルＭを用いて推定ラベルピッチＬＰ０の補正を行う際に、説明変数として、推定ラベルピッチＬＰ０とラベルピッチ変位平均値ＬＰＤＡをそのまま用いるのではなく、１ページ前の値との差分値（推定ＬＰ差分値及びＬＰ変位平均差分値）を用いるようにした理由について説明する。
ここで、機械学習により得られた補正値生成モデルＭを用いて推定ラベルピッチＬＰ０の補正を行う際に、説明変数として、推定ラベルピッチＬＰ０とラベルピッチ変位平均値ＬＰＤＡをそのまま用いるのではなく、１ページ前の値との差分値（推定ＬＰ差分値及びＬＰ変位平均差分値）を用いるようにした理由について説明する。
【0121】
同出願人の特願２０２０－１６０６９１にも記載しているように、推定ラベルピッチＬＰ０とラベルピッチ変位平均値ＬＰＤＡをそのまま用いた場合でも、推定ラベルピッチＬＰ０の補正を行わない場合（つまり学習未適用の場合）と比較すると、精度よく印刷対象ラベルＬＢの位置（つまり画像の書き出し位置）を推定することができる。
【0122】
しかしながら、推定ラベルピッチＬＰ０とラベルピッチ変位平均値ＬＰＤＡをそのまま用いた場合、機械学習に必要なデータセットＤＳを取得した画像形成装置１（つまり機械学習に使用した画像形成装置１）と、機械学習により得られた補正値生成モデルＭを用いて実際に推定ラベルピッチＬＰ０の補正を行う画像形成装置１とが別々の装置である場合に、印刷対象ラベルＬＢの位置（つまり画像の書き出し位置）を推定する精度が低下する場合があるという問題を有している。
【0123】
尚、機械学習に使用した画像形成装置１と、機械学習により得られた補正値生成モデルＭを用いて実際に補正を行う画像形成装置１とが、別々の装置である場合というのは、例えば、機械学習に使用した画像形成装置１は製造業者側が所有していて、機械学習により得られた補正値生成モデルＭを用いて実際に補正を行う画像形成装置１はユーザ側が所有している場合などである。
【0124】
このように、機械学習に使用した画像形成装置１と、機械学習により得られた補正値生成モデルＭを用いて実際に補正を行う画像形成装置１とが、別々の装置である場合、これらの画像形成装置１が同一機種であったとしても、これらの画像形成装置１間には、印刷するラベルＬのサイズの違いや、搬送特性の差異（搬送ローラ３５などの劣化具合、画像形成装置１の製造誤差）などが生じる。この結果、機械学習により得られた補正値生成モデルＭを用いて実際に補正を行う画像形成装置１側では、印刷対象ラベルＬＢの位置（つまり画像の書き出し位置）を推定する精度が低下する。
【0125】
具体的には、図１２（Ａ）に示すように、機械学習に使用する側の画像形成装置１（ここでは装置Ａと呼ぶ）と、機械学習により得られた補正値生成モデルＭを用いて実際に補正を行う側の画像形成装置１（ここでは装置Ｂと呼ぶ）とで、数十ページ印刷した際の画像の書き出し位置の推移がほぼ同様であるとする。尚、装置Ａ、装置Ｂは、学習未適用であるとする。
【0126】
このように、装置Ａと装置Ｂとで画像の書き出し位置の推移がほぼ同様であるにも関わらず、図１２（Ｂ）に示すように、装置Ａと装置Ｂとでは、機械学習の説明変数として用いられる値（例えば推定ラベルピッチＬＰ０）が大きく異なる場合がある。これは、装置Ａと装置Ｂとで、印刷するラベルＬのサイズの違いや、搬送特性の差異などが生じている為である。
【0127】
つまり、装置Ａと装置Ｂとで、印刷するラベルＬのサイズの違いや、搬送特性の差異などが生じていると、機械学習による目的変数（画像の書き出し位置）がほぼ同様であるにも関わらず、機械学習の説明変数（推定ラベルピッチＬＰ０など）が異なることになる。
【0128】
このような場合に、装置Ａ側で得られる説明変数を用いて行われた機械学習により得られた補正値生成モデルＭを用いて、装置Ｂ側で推定ラベルピッチＬＰ０の補正を行うと、上述したように、装置Ｂ側で画像の書き出し位置を推定する精度が低下する。具体的には、図１３（Ａ）に実線（補正有）で示すように、装置Ａ側で得られる説明変数を用いて行われた機械学習により得られた補正値生成モデルＭを用いて、装置Ｂ側で推定ラベルピッチＬＰ０の補正を行った場合、画像の書き出し位置が太い点線で示す理想値からずれ、画像の書き出し位置を推定する精度が低下してしまう。
【0129】
一方で、図１２（Ｂ）からわかるように、装置Ａ側の説明変数（例えば推定ラベルピッチＬＰ０）の推移と、装置Ｂ側の説明変数の推移は、ほぼ同様となっている。この為、装置Ａ側の説明変数について、１ページ前の値との差分を取り、同様に、装置Ｂ側の説明変数についても、１ページ前の値との差分を取ると、図１２（Ｃ）に示すように、装置Ａ側の説明変数の差分と、装置Ｂ側の説明変数の差分とがほぼ同様となる。
【0130】
つまり、装置Ａと装置Ｂとで画像の書き出し位置の推移がほぼ同様であれば、印刷するラベルＬのサイズの違いや、搬送特性の差異などが生じていても、説明変数の差分の推移はほぼ同様となる。
【0131】
このことから、本実施の形態では、機械学習により得られた補正値生成モデルＭを用いて推定ラベルピッチＬＰ０の補正を行う際に、説明変数としての推定ラベルピッチＬＰ０とラベルピッチ変位平均値ＬＰＤＡをそのまま用いるのではなく、１ページ前の値との差分値（推定ＬＰ差分値及びＬＰ変位平均差分値）を用いるようになっている。
【0132】
こうすることで、本実施の形態では、図１３（Ａ）に一点鎖線（補正有（差分値））で示すように、装置Ａ側で得られる説明変数を用いて行われた機械学習により得られた補正値生成モデルＭを用いて、装置Ｂ側で推定ラベルピッチＬＰ０の補正を行った場合、画像の書き出し位置が理想値と近似し、画像の書き出し位置を精度よく推定することができる。
【0133】
ここで、図１３（Ｂ）に、学習未適用の場合と、説明変数として推定ラベルピッチＬＰ０及びラベルピッチ変位平均値ＬＰＤＡをそのまま用いた場合（補正有）と、説明変数として推定ＬＰ差分値及びＬＰ変位平均差分値を用いた場合（補正有（差分値））とでそれぞれ計測した画像の書き出し位置のばらつきを示す。尚、図１３（Ｂ）の縦軸となる平均２σは、画像の書き出し位置のばらつきを示す指標であり、この値が小さいほど、画像の書き出し位置が安定していることを示す。
【0134】
この図１３（Ｂ）からもわかるように、本実施の形態の画像形成装置１では、学習未適用の場合と比較して、画像の書き出し位置のばらつきが小さく、また説明変数として推定ラベルピッチＬＰ０及びラベルピッチ変位平均値ＬＰＤＡをそのまま用いた場合（補正有）と比較しても、画像の書き出し位置のばらつきが小さいことがわかる。
【0135】
このように、画像形成装置１では、機械学習の説明変数として、推定ラベルピッチＬＰ０とラベルピッチ変位平均値ＬＰＤＡをそのまま用いるのではなく、１ページ前の値との差分値（推定ＬＰ差分値及びＬＰ変位平均差分値）を用いるようにしたことで、精度よく印刷対象ラベルＬＢの位置を推定することができ、この結果、印刷対象ラベルＬＢにおける適切な位置に、画像を形成することができる。
【0136】
尚、本実施の形態では、ラベルピッチ履歴データ７１、推定ラベルピッチＬＰ０、ラベルピッチ変位平均値ＬＰＤＡ、変位変動データ７５のうち、推定ラベルピッチＬＰ０とラベルピッチ変位平均値ＬＰＤＡについて、１ページ前の値との差分を取るようにした。一方、変位変動データ７５については、そもそもラベルピッチＬＰの検出値と印刷データに含まれるラベルピッチＬＰの設定値との差分であり、さらに１ページ前の値との差分を取っても効果が薄い為に、そのまま用いるようにした。一方、ラベルピッチ履歴データ７１については、Ｎ個のラベルピッチＬＰを示すデータであり、処理負荷軽減の為、１ページ前の値との差分を取っていないが、Ｎ個のラベルピッチＬＰのそれぞれについて１ページ前のラベルピッチＬＰとの差分を取るようにしてもよい。
【0137】
この場合、基準ラベルＬＡを含むＮ個のラベルＬのそれぞれのラベルピッチＬＰの検出値と、基準ラベルＬＡの１ページ前のラベルＬを含むＮ個のラベルＬのそれぞれのラベルピッチＬＰの検出値との差分を取り、これを検出ピッチ差分値としての検出ＬＰ差分値とし、ラベルピッチ履歴データ７１の代わりに説明変数として用いるようにすればよい。
【0138】
［３－４．機械学習装置の詳細動作］
図１４は、機械学習装置２００の一動作例を表すフローチャートである。まず、処理部２１０は、機械学習処理において使用される補正値生成モデルＭの初期モデル（補正値生成モデルＭ０）を準備する（ステップＳ２０１）。この補正値生成モデルＭ０におけるニューラルネットワークＮＮでは、重みＷｊが所定の初期値に設定されている。
図１４は、機械学習装置２００の一動作例を表すフローチャートである。まず、処理部２１０は、機械学習処理において使用される補正値生成モデルＭの初期モデル（補正値生成モデルＭ０）を準備する（ステップＳ２０１）。この補正値生成モデルＭ０におけるニューラルネットワークＮＮでは、重みＷｊが所定の初期値に設定されている。
【0139】
次に、データセット取得部２１１は、ラベルピッチ履歴データ２２１、ラベルピッチ推定データ２２２、推定ＬＰ差分値データ２２３、ＬＰ変位平均差分値データ２２４、変位変動データ２２５、及びラベルピッチデータ２２６を含むデータセットＤＳを取得する（ステップＳ２０２）。そして、データセット取得部２１１は、取得したデータセットＤＳを記憶部２２０に記憶させる。
【0140】
次に、教師データ生成部２１２は、データセットＤＳに含まれる、ラベルピッチデータ２２６が示すラベルピッチＬＰと、ラベルピッチ推定データ２２２が示す推定ラベルピッチＬＰ０との差分に基づいて、補正値ΔＬＰを教師データＤＴとして生成する（ステップＳ２０３）。
【0141】
次に、学習モデル生成部２１３は、データセットＤＳに含まれるラベルピッチ履歴データ２２１、推定ＬＰ差分値データ２２３、ＬＰ変位平均差分値データ２２４、及び変位変動データ２２５を、補正値生成モデルＭ０の入力層ＬＸに入力する（ステップＳ２０４）。これにより、補正値生成モデルＭ０の出力層ＬＺから、補正値ΔＬＰを示すデータが出力される。
【0142】
そして、学習モデル生成部２１３は、補正値生成モデルＭ０の出力層ＬＺから出力されたデータと、ステップＳ２０３において生成した補正値ΔＬＰ（教師データＤＴ）とに基づいて、機械学習処理を行う（ステップＳ２０５）。具体的には、学習モデル生成部２１３は、出力層ＬＺから出力されたデータと、教師データＤＴに含まれる補正値ΔＬＰとを比較し、両者の誤差を検出し、この誤差が小さくなるようなデータが出力層ＬＺから出力されるよう、補正値生成モデルＭ０における重みＷｊを調整する。
【0143】
次に、学習モデル生成部２１３は、機械学習処理が終了したかどうかを確認する（ステップＳ２０６）。具体的には、学習モデル生成部２１３は、さらに機械学習処理を行う必要がないと判断する場合に、機械学習が終了したと判断する。機械学習処理が終了していない場合（ステップＳ２０６において“ＮＯ”）には、ステップＳ２０２の処理に戻り、機械学習処理が終了するまで、ステップＳ２０２～Ｓ２０６の処理を繰り返す。このように繰り返すことにより、補正値生成モデルＭ０の精度は向上していく。
【0144】
そして、ステップＳ２０６において、機械学習処理が終了した場合（ステップＳ２０６において“ＹＥＳ”）には、学習モデル生成部２１３は、この機械学習処理において使用した補正値生成モデルＭ０を、学習済みの補正値生成モデルＭとして、記憶部２２０に記憶させる（ステップＳ２０７）。以上で、このフローは終了する。
【0145】
［４．まとめと効果］
ここまで説明したように、本実施の形態の画像形成装置１は、媒体としての記録媒体９を所定の搬送方向に搬送する搬送部としての媒体供給ローラ３１、搬送ローラ３５と、記録媒体９に搬送方向に沿って複数設けられた印刷範囲としてのラベルLに画像を形成する画像形成部としての画像形成ユニット１０、一次転写ローラ２１、中間転写ベルト２２、及び二次転写部２８と、画像形成部より搬送方向の上流に設けられ、複数のラベルＬを検出するセンサとしての第２のラベルセンサ３３とを備える。
ここまで説明したように、本実施の形態の画像形成装置１は、媒体としての記録媒体９を所定の搬送方向に搬送する搬送部としての媒体供給ローラ３１、搬送ローラ３５と、記録媒体９に搬送方向に沿って複数設けられた印刷範囲としてのラベルLに画像を形成する画像形成部としての画像形成ユニット１０、一次転写ローラ２１、中間転写ベルト２２、及び二次転写部２８と、画像形成部より搬送方向の上流に設けられ、複数のラベルＬを検出するセンサとしての第２のラベルセンサ３３とを備える。
【0146】
さらに画像形成装置１は、ラベルＬのラベルピッチＬＰに関連するピッチ関連情報としてのラベルピッチ履歴データ７１、変位変動データ７５、推定ＬＰ差分値、及びＬＰ変位平均差分値を含む第１のデータ（すなわち説明変数）が入力され、ラベルピッチＬＰを補正する為の第２のデータとしての補正値ΔＬＰが出力される学習モデルとしての補正値生成モデルＭを記憶する記憶部７０を備える。
【0147】
さらに画像形成装置１は、補正値生成モデルＭを用いて、第１のデータとしての説明変数に基づいて補正値ΔＬＰを生成する演算部としてのラベルピッチ補正部６５と、ラベルピッチ補正部６５の演算結果に基づいて、ラベルＬ（印刷対象ラベルＬＢ）における画像形成部による画像形成位置を調節する調節部としての書出タイミング算出部６６を備える。
【0148】
さらに第１のデータに含まれるピッチ関連情報のうち、一部のピッチ関連情報である、推定ＬＰ差分値及びＬＰ変位平均差分値が、第１の印刷範囲としての現在の印刷対象ラベルＬＢのラベルピッチＬＰに関連する情報（すなわち推定ラベルピッチＬＰ０ｎ、ラベルピッチ変位平均値ＬＰＤＡｎ）と、現在の印刷対象ラベルＬＢよりも搬送方向の下流に設けられた第２の印刷範囲としてのラベルＬ（つまり印刷対象ラベルＬＢの１ページ前のラベルＬ）のラベルピッチＬＰに関連する情報（すなわち推定ラベルピッチＬＰ０ｎ－１、ラベルピッチ変位平均値ＬＰＤＡｎ－１）との差分値となっているとした。
【0149】
すなわち、第１のデータには、ピッチ関連情報として、印刷対象ラベルＬＢのピッチの推定値としての推定ラベルピッチＬＰ０ｎと、印刷対象ラベルＬＢの１ページ前のラベルＬのピッチの推定値としての推定ラベルピッチＬＰ０ｎ―１との差分である推定ピッチ差分値としての推定ＬＰ差分値が含まれるようにした。
【0150】
また第１のデータには、ピッチ関連情報として、印刷対象ラベルＬＢのＫ個前の第３の印刷範囲としての基準ラベルＬＡを含むＮ個のラベルＬのラベルピッチ変位ＬＰＤの平均値であるラベルピッチ変位平均値ＬＰＤＡｎと、印刷対象ラベルＬＢのＫ個前のラベルＬのさらに１ページ前の第４の印刷範囲としてのラベルＬ（基準ラベルＬＡの１ページ前のラベルＬ）を含むＮ個のラベルＬのラベルピッチ変位ＬＰＤの平均値であるラベルピッチ変位平均値ＬＰＤＡｎ―１との差分であるピッチ変位平均差分値としてのＬＰ変位平均差分値が含まれるようにした。
【0151】
このように、画像形成装置１では、説明変数として用いられるピッチ関連情報のうちの一部のピッチ関連情報を、現在の印刷対象ラベルＬＢのラベルピッチＬＰに関連する情報と、現在の印刷対象ラベルＬＢよりも搬送方向の下流に設けられたラベルＬのラベルピッチＬＰに関連する情報との差分値としたことにより、差分を取らない場合と比較して、精度よく印刷対象ラベルＬＢの位置（つまり画像の書き出し位置）を推定することができ、この結果、印刷対象ラベルＬＢにおける適切な位置に、画像を形成することができる。
【0152】
すなわち、本実施の形態では、機械学習に使用した画像形成装置１とは別の装置である画像形成装置１で、機械学習により得られた補正値生成モデルＭを用いて実際に補正を行う場合でも、精度よく画像の書き出し位置を推定することができ、印刷対象ラベルＬＢにおける適切な位置に、画像を形成することができる。
【0153】
また本実施の形態の機械学習装置２００は、画像形成装置１において所定の搬送方向に搬送される媒体としての記録媒体９に搬送方向に沿って複数設けられた印刷範囲としてのラベルLのラベルピッチＬＰに関連するピッチ関連情報としてのラベルピッチ履歴データ７１、変位変動データ７５、推定ＬＰ差分値、及びＬＰ変位平均差分値を含む第１のデータ（すなわち説明変数）を記憶する記憶部２２０を備える。
【0154】
さらに機械学習装置２００は、第１のデータとしての説明変数、及びラベルピッチＬＰを補正する為の第２のデータとしての補正値ΔＬＰを用いて機械学習処理を行うことにより、第１のデータとしての説明変数が入力され第２のデータとしての補正値ΔＬＰが出力される学習モデルとしての補正値生成モデルＭを生成する学習モデル生成部２１３を備える。
【0155】
さらに第１のデータに含まれるピッチ関連情報のうち、一部のピッチ関連情報である、推定ＬＰ差分値及びＬＰ変位平均差分値が、第１の印刷範囲としてのラベルＬ（基準ラベルＬＡのＫ個前のラベルＬ）のラベルピッチＬＰに関連する情報（すなわち推定ラベルピッチＬＰ０ｎ、ラベルピッチ変位平均値ＬＰＤＡｎ）と、第１の印刷範囲としてのラベルＬよりも搬送方向の下流に設けられた第２の印刷範囲としてのラベルＬ（つまり基準ラベルＬＡのＫ個前のラベルＬのさらに１ページ前のラベルＬ）のラベルピッチＬＰに関連する情報（すなわち推定ラベルピッチＬＰ０ｎ－１、ラベルピッチ変位平均値ＬＰＤＡｎ－１）との差分値となっているとした。
【0156】
このように、機械学習装置２００では、説明変数として用いられるピッチ関連情報のうちの一部のピッチ関連情報を、基準ラベルＬＡのＫ個前のラベルＬのラベルピッチＬＰに関連する情報と、当該ラベルＬよりも搬送方向の下流に設けられたラベルＬのラベルピッチＬＰに関連する情報との差分値としたことにより、差分を取らない場合と比較して、精度よく印刷対象ラベルＬＢの位置（つまり画像の書き出し位置）を推定することができ、この結果、印刷対象ラベルＬＢにおける適切な位置に、画像を形成することができる。
【0157】
［５．他の実施の形態］
［５－１．他の実施の形態１］
尚、上述した実施の形態では、ラベルピッチ推定部６４が推定ラベルピッチＬＰ０を生成し、ラベルピッチ補正部６５が、学習モデル（補正値生成モデルＭ）を用いて推定ラベルピッチＬＰ０に対する補正値ΔＬＰを生成し、この補正値ΔＬＰに基づいて推定ラベルピッチＬＰ０を補正することにより推定ラベルピッチＬＰ１を生成したが、これに限定されるものではない。これに代えて、例えば、ラベルピッチ補正部が、学習モデルを用いて推定ラベルピッチＬＰ１を生成してもよい。以下に、本変形例に係る画像形成装置１Ａ及び機械学習装置２００Ａについて詳細に説明する。
［５－１．他の実施の形態１］
尚、上述した実施の形態では、ラベルピッチ推定部６４が推定ラベルピッチＬＰ０を生成し、ラベルピッチ補正部６５が、学習モデル（補正値生成モデルＭ）を用いて推定ラベルピッチＬＰ０に対する補正値ΔＬＰを生成し、この補正値ΔＬＰに基づいて推定ラベルピッチＬＰ０を補正することにより推定ラベルピッチＬＰ１を生成したが、これに限定されるものではない。これに代えて、例えば、ラベルピッチ補正部が、学習モデルを用いて推定ラベルピッチＬＰ１を生成してもよい。以下に、本変形例に係る画像形成装置１Ａ及び機械学習装置２００Ａについて詳細に説明する。
【0158】
図１５は、画像形成装置１Ａにおける制御系の一例を表すものである。画像形成装置１Ａは、処理部６０Ａと、記憶部７０Ａとを備えている。処理部６０Ａは、ラベルピッチ補正部６７を有している。図１６は、ラベルピッチ検出部６２、ラベルピッチ変位検出部６３、ラベルピッチ推定部６４、ラベルピッチ補正部６７、及び記憶部７０Ａの一例を表すものである。
【0159】
演算部としてのラベルピッチ補正部６７は、ラベルピッチ推定部６４により算出された推定ラベルピッチＬＰ０を補正するように構成される。具体的には、ラベルピッチ補正部６７は、前処理部６７Ａと、ラベルピッチ補正処理部６７Ｂとを有し、ラベルピッチ補正処理部６７Ｂが、機械学習処理により得られた学習モデルとしてのラベルピッチ生成モデルＭＡを用いて、記憶部７０Ａに記憶されたラベルピッチ履歴データ７１及び変位変動データ７５と、前処理部６７Ａにより算出された推定ＬＰ差分値及びＬＰ変位平均差分値とに基づいて、ラベルピッチ推定データ７２が示す推定ラベルピッチＬＰ０を補正することにより、推定ラベルピッチＬＰ１を生成するようになっている。
【0160】
記憶部７０Ａは、ラベルピッチ生成モデルＭＡを記憶する。ラベルピッチ生成モデルＭＡでは、ラベルピッチ履歴データ７１、推定ＬＰ差分値、ＬＰ変位平均差分値、及び変位変動データ７５が入力され、推定ラベルピッチＬＰ１を示すデータが出力されるようになっている。
【0161】
図１７は、ラベルピッチ生成モデルＭＡを生成する機械学習装置２００Ａの一構成例を表すものである。機械学習装置２００Ａは、処理部２１０Ａと、記憶部２２０Ａとを有している。処理部２１０Ａは、データセット取得部２１１と、学習モデル生成部２１３Ａとを有している。図１８は、データセット取得部２１１、学習モデル生成部２１３Ａ、及び記憶部２２０Ａの一例を表すものである。
【0162】
学習モデル生成部２１３Ａは、記憶部２２０Ａに記憶されたラベルピッチ履歴データ２２１、ラベルピッチ推定データ２２２、推定ＬＰ差分値データ２２３、ＬＰ変位平均差分値データ２２４、変位変動データ２２５、及びラベルピッチデータ２２６に基づいて、機械学習処理を行うことにより、ラベルピッチ生成モデルＭＡを生成するように構成される。学習モデル生成部２１３Ａは、この例では、ニューラルネットワークモデルを用いた、いわゆる教師あり学習を行うことにより、ラベルピッチ生成モデルＭＡを生成する。そして、学習モデル生成部２１３Ａは、生成したラベルピッチ生成モデルＭＡを記憶部２２０Ａに記憶させるようになっている。
【0163】
記憶部２２０Ａは、データセットＤＳ、及びラベルピッチ生成モデルＭＡを記憶している。ラベルピッチ生成モデルＭＡは、学習モデル生成部２１３Ａにより生成され、記憶部２２０Ａに記憶される。
【0164】
［５－２．他の実施の形態２］
さらに上述した実施の形態では、機械学習の説明変数として、ラベルピッチ履歴データ７１、推定ＬＰ差分値、ＬＰ変位平均差分値、及び変位変動データ７５を用いるようにし、推定ＬＰ差分値とＬＰ変位平均差分値については、それぞれ１ページ前の値との差分値とした。これに限らず、これら４つの説明変数以外の説明変数を用いてもよいし、少なくとも推定ＬＰ差分値とＬＰ変位平均差分値のどちらかが説明変数に含まれていればよい。
さらに上述した実施の形態では、機械学習の説明変数として、ラベルピッチ履歴データ７１、推定ＬＰ差分値、ＬＰ変位平均差分値、及び変位変動データ７５を用いるようにし、推定ＬＰ差分値とＬＰ変位平均差分値については、それぞれ１ページ前の値との差分値とした。これに限らず、これら４つの説明変数以外の説明変数を用いてもよいし、少なくとも推定ＬＰ差分値とＬＰ変位平均差分値のどちらかが説明変数に含まれていればよい。
【0165】
さらに上述した実施の形態では、最新の推定ラベルピッチＬＰ０ｎから１ページ前の推定ラベルピッチＬＰ０ｎ－１を引いた値を、推定ＬＰ差分値としたが、これに限らず、最新の推定ラベルピッチＬＰ０ｎから２ページ以上前の推定ラベルピッチＬＰ０を引いた値を、推定ＬＰ差分値としてもよい。さらに上述した実施の形態では、最新のラベルピッチ変位平均値ＬＰＤＡｎから１ページ前のラベルピッチ変位平均値ＬＰＤＡｎ－１を引いた値を、ＬＰ変位平均差分値としたが、これに限らず、最新のラベルピッチ変位平均値ＬＰＤＡｎから２ページ以上前のラベルピッチ変位平均値ＬＰＤＡを引いた値を、ＬＰ変位平均差分値としてもよい。
【0166】
［５－３．他の実施の形態３］
さらに上述した実施の形態では、複数のラベルＬが設けられた記録媒体９（つまりラベル紙）に画像を形成する画像形成装置１に本発明を適用した。これに限らず、記録媒体９とは異なる媒体に画像を形成する画像形成装置に適用してもよい。例えばブラックマークや切り欠きなどにより印刷範囲が設定された媒体に画像を形成する画像形成装置に適用してもよい。
さらに上述した実施の形態では、複数のラベルＬが設けられた記録媒体９（つまりラベル紙）に画像を形成する画像形成装置１に本発明を適用した。これに限らず、記録媒体９とは異なる媒体に画像を形成する画像形成装置に適用してもよい。例えばブラックマークや切り欠きなどにより印刷範囲が設定された媒体に画像を形成する画像形成装置に適用してもよい。
【0167】
［５－４．他の実施の形態４］
さらに本発明は、上述した各実施の形態及び他の実施の形態に限定されるものではない。すなわち本発明は、上述した各実施の形態と上述した他の実施の形態の一部又は全部を任意に組み合わせた実施の形態や、一部が異なる実施の形態にも本発明の適用範囲が及ぶものである。
さらに本発明は、上述した各実施の形態及び他の実施の形態に限定されるものではない。すなわち本発明は、上述した各実施の形態と上述した他の実施の形態の一部又は全部を任意に組み合わせた実施の形態や、一部が異なる実施の形態にも本発明の適用範囲が及ぶものである。
【0168】
例えば、上述した実施の形態では、画像形成ユニット１０が形成したトナー像を、中間転写ベルト２２に一旦転写し、中間転写ベルト２２に転写されたトナー像を記録媒体９に転写したが、これに限定されるものではなく、これに代えて、例えば、画像形成ユニット１０が形成したトナー像を、記録媒体９に直接転写してもよい。
【産業上の利用可能性】
【0169】
本発明は、ラベルなどの印刷範囲に画像を形成するプリンタなどで広く利用できる。
【符号の説明】
【0170】
１、１Ａ……画像形成装置、８……搬送路、９……記録媒体、９Ｂ……台紙、９Ｃ……ラベル面、１０……画像形成ユニット、２１……一次転写ローラ、２２……中間転写ベルト、２８……二次転写部、３１……媒体供給ローラ、３２…第１のラベルセンサ、３３……第２のラベルセンサ、３４……カッター、３５……搬送ローラ、４０……定着部、５３……画像形成制御部、６０、６０Ａ……処理部、６１……センサ値取得部、６２……ラベルピッチ検出部、６３……ラベルピッチ変位検出部、６４……ラベルピッチ推定部、６５、６７……ラベルピッチ補正部、６６……書出タイミング算出部、７０、７０Ａ……記憶部、７１……ラベルピッチ履歴データ、７２……ラベルピッチ推定データ、７３……変位履歴データ、７４……変位平均データ、７５……変位変動データ、７６……前処理用履歴データ、２００、２００Ａ……機械学習装置、２１０、２１０Ａ…処理部、２１１……データセット取得部、２１２……教師データ生成部、２１３、２１３Ａ……学習モデル生成部、２２０、２２０Ａ……記憶部、２２１……ラベルピッチ履歴データ、２２２…ラベルピッチ推定データ、２２３…推定ＬＰ差分値データ、２２４……ＬＰ変位平均差分値データ、２２５……変位変動データ、２２６……ラベルピッチデータ、ＤＳ……データセット、ＤＴ……教師データ、Ｆ１、Ｆ２…搬送方向、Ｌ……ラベル、ＬＡ……基準ラベル、ＬＢ……印刷対象ラベル、ＬＰ…ラベルピッチ、ＬＰ０、ＬＰ１…推定ラベルピッチ、ＬＰＤ……ラベルピッチ変位、ＬＰＤＡ……ラベルピッチ変位平均値、ＬＳ……ラベル間隔、ＬＸ……入力層、ＬＹ１……第１中間層、ＬＹ２……第２中間層、ＬＺ……出力層、Ｍ、Ｍ０…補正値生成モデル、ＭＡ…ラベルピッチ生成モデル、ＮＮ…ニューラルネットワーク、ΔＬＰ…補正値。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】