知財求人 - 知財ポータルサイト「IP Force」
特開2024-110936割卵検査装置、割卵検査方法および割卵検査装置を備える割卵機
(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】P2024110936
(43)【公開日】2024-08-16
(54)【発明の名称】割卵検査装置、割卵検査方法および割卵検査装置を備える割卵機
(51)【国際特許分類】
G01N 21/85 20060101AFI20240808BHJP
A23J 1/08 20060101ALI20240808BHJP
G06T 7/00 20170101ALI20240808BHJP
G06V 10/82 20220101ALI20240808BHJP
【ＦＩ】
G01N21/85 Z
A23J1/08 A
G06T7/00 350B
G06V10/82
【審査請求】未請求
【請求項の数】8
【出願形態】ＯＬ
(21)【出願番号】P 2024008488
(22)【出願日】2024-01-24
(31)【優先権主張番号】P 2023014963
(32)【優先日】2023-02-03
(33)【優先権主張国・地域又は機関】JP
(71)【出願人】
【識別番号】000162238
【氏名又は名称】共和機械株式会社
(74)【代理人】
【識別番号】110000729
【氏名又は名称】弁理士法人ユニアス国際特許事務所
(72)【発明者】
【氏名】小林 雅樹
(72)【発明者】
【氏名】安藤 淳
(72)【発明者】
【氏名】影山 卓男
【テーマコード（参考）】
2G051
5L096
【Ｆターム（参考）】
2G051AA90
2G051AB20
2G051BA05
2G051BA08
2G051BA20
2G051CA03
2G051CA04
2G051CB01
2G051EB05
5L096BA03
5L096CA02
5L096DA02
5L096GA34
5L096HA11
5L096KA04
(57)【要約】
【課題】割卵した液卵の正常または不良を推定器で精度よく判定できる割卵検査装置を提供する。
【解決手段】第一の割卵検査装置１は、検査対象の画像を血卵推定器に入力し、血卵推定結果を出力する第一推定部１３１と、検査対象の画像を卵黄混入推定器に入力し、卵黄混入推定結果を出力する第二推定部１３）と、検査対象の画像を殻混入推定器に入力し、殻混入推定結果を出力する第三推定部１３３と、検査対象の画像を腐敗卵推定器に入力し、腐敗卵推定結果を出力する第四推定部１３４と、検査対象の画像を空カップ推定器に入力し、空カップ推定結果を出力する第五推定部１３５と、検査対象の画像を菌混入推定器に入力し、菌混入推定結果を出力する第六推定部１３６とのうち２種以上を備える。
【選択図】図１
【解決手段】第一の割卵検査装置１は、検査対象の画像を血卵推定器に入力し、血卵推定結果を出力する第一推定部１３１と、検査対象の画像を卵黄混入推定器に入力し、卵黄混入推定結果を出力する第二推定部１３）と、検査対象の画像を殻混入推定器に入力し、殻混入推定結果を出力する第三推定部１３３と、検査対象の画像を腐敗卵推定器に入力し、腐敗卵推定結果を出力する第四推定部１３４と、検査対象の画像を空カップ推定器に入力し、空カップ推定結果を出力する第五推定部１３５と、検査対象の画像を菌混入推定器に入力し、菌混入推定結果を出力する第六推定部１３６とのうち２種以上を備える。
【選択図】図１
【特許請求の範囲】
【請求項1】
検査対象の画像を血卵推定器に入力し、血卵推定結果を出力する第一推定部と、
検査対象の画像を卵黄混入推定器に入力し、卵黄混入推定結果を出力する第二推定部と、
検査対象の画像を殻混入推定器に入力し、殻混入推定結果を出力する第三推定部と、
検査対象の画像を腐敗卵推定器に入力し、腐敗卵推定結果を出力する第四推定部と、
検査対象の画像を空カップ推定器に入力し、空カップ推定結果を出力する第五推定部と、
検査対象の画像を菌混入推定器に入力し、菌混入推定結果を出力する第六推定部と、
のうち、２種以上を備える、
割卵検査装置。
検査対象の画像を卵黄混入推定器に入力し、卵黄混入推定結果を出力する第二推定部と、
検査対象の画像を殻混入推定器に入力し、殻混入推定結果を出力する第三推定部と、
検査対象の画像を腐敗卵推定器に入力し、腐敗卵推定結果を出力する第四推定部と、
検査対象の画像を空カップ推定器に入力し、空カップ推定結果を出力する第五推定部と、
検査対象の画像を菌混入推定器に入力し、菌混入推定結果を出力する第六推定部と、
のうち、２種以上を備える、
割卵検査装置。
【請求項2】
第一光源が照射された液卵受容部を撮像した第一画像を入力データとして、第一不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第一液卵不良推定学習モデルに入力し、推定結果を出力する第一液卵不良推定部と、
前記第一光源と異なる第二光源で照射された液卵受容部を撮像した第二画像を入力データとして、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第二液卵不良推定学習モデルに入力し、推定結果を出力する第二液卵不良推定部を備える、
割卵検査装置。
前記第一光源と異なる第二光源で照射された液卵受容部を撮像した第二画像を入力データとして、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第二液卵不良推定学習モデルに入力し、推定結果を出力する第二液卵不良推定部を備える、
割卵検査装置。
【請求項3】
第一光源および第二光源が同時に照射された液卵受容部を撮像した第三画像を入力データとして、第一、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第三液卵不良推定学習モデルに入力し、推定結果を出力する第三液卵不良推定部を備える、
割卵検査装置。
割卵検査装置。
【請求項4】
割卵検査方法であって、
情報処理装置または１つ以上のプロセッサーによって実行され、
検査対象の画像を血卵推定器に入力し、血卵推定結果を出力する第一推定ステップと、
検査対象の画像を卵黄混入推定器に入力し、卵黄混入推定結果を出力する第二推定ステップと、
検査対象の画像を殻混入推定器に入力し、殻混入推定結果を出力する第三推定ステップと、
検査対象の画像を腐敗卵推定器に入力し、腐敗卵推定結果を出力する第四推定ステップと、
検査対象の画像を空カップ推定器に入力し、空カップ推定結果を出力する第五推定ステップと、
検査対象の画像を菌混入推定器に入力し、菌混入推定結果を出力する第六推定ステップと、
のうち、２種以上を含む、
割卵検査方法。
情報処理装置または１つ以上のプロセッサーによって実行され、
検査対象の画像を血卵推定器に入力し、血卵推定結果を出力する第一推定ステップと、
検査対象の画像を卵黄混入推定器に入力し、卵黄混入推定結果を出力する第二推定ステップと、
検査対象の画像を殻混入推定器に入力し、殻混入推定結果を出力する第三推定ステップと、
検査対象の画像を腐敗卵推定器に入力し、腐敗卵推定結果を出力する第四推定ステップと、
検査対象の画像を空カップ推定器に入力し、空カップ推定結果を出力する第五推定ステップと、
検査対象の画像を菌混入推定器に入力し、菌混入推定結果を出力する第六推定ステップと、
のうち、２種以上を含む、
割卵検査方法。
【請求項5】
割卵検査方法であって、
情報処理装置または１つ以上のプロセッサーによって実行され、
第一光源が照射された液卵受容部を撮像した第一画像を入力データとして、第一不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第一液卵不良推定学習モデルに入力し、推定結果を出力する第一液卵不良推定ステップ、および／または、
前記第一光源と異なる第二光源で照射された液卵受容部を撮像した第二画像を入力データとして、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第二液卵不良推定学習モデルに入力し、推定結果を出力する第二液卵不良推定ステップ部を含む、
割卵検査方法。
情報処理装置または１つ以上のプロセッサーによって実行され、
第一光源が照射された液卵受容部を撮像した第一画像を入力データとして、第一不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第一液卵不良推定学習モデルに入力し、推定結果を出力する第一液卵不良推定ステップ、および／または、
前記第一光源と異なる第二光源で照射された液卵受容部を撮像した第二画像を入力データとして、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第二液卵不良推定学習モデルに入力し、推定結果を出力する第二液卵不良推定ステップ部を含む、
割卵検査方法。
【請求項6】
割卵検査方法であって、
情報処理装置または１つ以上のプロセッサーによって実行され、
第一光源および第二光源が同時に照射された液卵受容部を撮像した第三画像を入力データとして、第一、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第三液卵不良推定学習モデルに入力し、推定結果を出力する第三液卵不良推定ステップを含む、
割卵検査方法。
情報処理装置または１つ以上のプロセッサーによって実行され、
第一光源および第二光源が同時に照射された液卵受容部を撮像した第三画像を入力データとして、第一、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第三液卵不良推定学習モデルに入力し、推定結果を出力する第三液卵不良推定ステップを含む、
割卵検査方法。
【請求項7】
割卵検査プログラムであって、
情報処理装置または１つ以上のプロセッサーに、請求項４から６のいずれか一項の割卵検査方法のステップを実行させるためのプログラム。
情報処理装置または１つ以上のプロセッサーに、請求項４から６のいずれか一項の割卵検査方法のステップを実行させるためのプログラム。
【請求項8】
請求項１から３のいずれか一項に記載の割卵検査装置を備える割卵機。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、割卵検査装置、割卵検査方法および割卵検査装置を備える割卵機に関する。
【背景技術】
【0002】
割卵機は、複数のクラッカーおよびセパレートカップと、複数のクラッカーおよびセパレートカップとを平面視で周回するチェーン搬送部と、卵黄受容部と、卵白受容部と、卵殻受容部、チェーン搬送部の駆動部とを備える。クラッカーおよびセパレートカップ、チェーン搬送部は、むき出しに設けられている。割卵機は、定期的に洗浄を行う必要がある。一般的には、高圧スプレー洗浄、泡洗浄、エア乾燥を行う。
特許文献１は、液卵受容器が取り付けられた割卵機を開示している。特許文献２は、割卵機の駆動装置および割卵機構（クラッカーおよびセパレートカップ）を開示している。
特許文献１は、液卵受容器が取り付けられた割卵機を開示している。特許文献２は、割卵機の駆動装置および割卵機構（クラッカーおよびセパレートカップ）を開示している。
【0003】
割卵機で、卵を割ったあとのカップ内の液卵について目視検査が行われている。目視検査では、例えば、血卵、みだれ卵、細菌混入卵、腐敗卵等の不良液卵を判定し、不良液卵は正常液卵と混合されないように排出される。細菌混入卵または腐敗卵の場合は、カップの洗浄を行う必要があり、割卵機を停止させる必要もあり、細菌混入卵等を精度よく判定することが求められる。
特許文献３、４は、割卵後のカップ内の液卵をカラーカメラで撮像し、画像処理によって正常液卵と不良液卵を判定することを開示している。
特許文献５は、割卵機において割卵できなかった異常（未割卵）と、卵黄膜が破れた卵（損傷卵）、カップに入らなった異常（落下卵）をカメラで検出し、上記の異常発生を判定しオペレータへ異常に関する警報を行うことが記載されている。
特許文献６は、乱れ卵（卵白と卵黄を完全に分離できず卵白内に卵黄が部分的に混入している状態）を検出するために、紫外線照射し、卵黄が発する蛍光を検出し、卵黄の混入を判定することが記載されている。
特許文献７は、乱れ卵を検出するために、直線偏光光を照射し、卵黄の吸収波長を除く可視光波長域の反射光を検出し、卵黄の混入を判定することが記載されている。
特許文献８は、腐敗卵（細菌が混入している卵）を検出するために、紫外線照射して得られる蛍光光線を検出し、細菌を判定することが記載されている。
特許文献９は、学習モデルを利用した卵分類装置および卵分類システムを開示している。卵殻の表面汚れやサイズ異常についての分類であり、割卵したあとの液卵の不良を高速検査することには言及されていない。
特許文献３、４は、割卵後のカップ内の液卵をカラーカメラで撮像し、画像処理によって正常液卵と不良液卵を判定することを開示している。
特許文献５は、割卵機において割卵できなかった異常（未割卵）と、卵黄膜が破れた卵（損傷卵）、カップに入らなった異常（落下卵）をカメラで検出し、上記の異常発生を判定しオペレータへ異常に関する警報を行うことが記載されている。
特許文献６は、乱れ卵（卵白と卵黄を完全に分離できず卵白内に卵黄が部分的に混入している状態）を検出するために、紫外線照射し、卵黄が発する蛍光を検出し、卵黄の混入を判定することが記載されている。
特許文献７は、乱れ卵を検出するために、直線偏光光を照射し、卵黄の吸収波長を除く可視光波長域の反射光を検出し、卵黄の混入を判定することが記載されている。
特許文献８は、腐敗卵（細菌が混入している卵）を検出するために、紫外線照射して得られる蛍光光線を検出し、細菌を判定することが記載されている。
特許文献９は、学習モデルを利用した卵分類装置および卵分類システムを開示している。卵殻の表面汚れやサイズ異常についての分類であり、割卵したあとの液卵の不良を高速検査することには言及されていない。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特許第６６３６２７０号公報
【特許文献2】特許第２９９５５２３号公報
【特許文献3】特開平７－２２９８４１号公報
【特許文献4】特開平８－３３４４６８号公報
【特許文献5】特表２００９－５２７２３１号公報
【特許文献6】特昭６０－６６９４２号公報
【特許文献7】特昭６１－１１１４４２号公報
【特許文献8】特昭５８－９２９３３号公報
【特許文献9】特開２０２０－１４８６２１号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
本発明は、割卵した液卵の正常または不良を推定器で精度よく判定できる割卵検査装置および割卵検査方法を提供することを目的とする。
また、本発明は、割卵検査装置を備える割卵機を提供することを目的とする。
また、本発明は、割卵検査装置を備える割卵機を提供することを目的とする。
【課題を解決するための手段】
【0006】
本開示の第一の割卵検査装置（１）は、
検査対象の画像を血卵推定器に入力し、血卵推定結果を出力する第一推定部（１３１）と、
検査対象の画像を卵黄混入推定器に入力し、卵黄混入推定結果を出力する第二推定部（１３２）と、
検査対象の画像を殻混入推定器に入力し、殻混入推定結果を出力する第三推定部（１３３）と、
検査対象の画像を腐敗卵推定器に入力し、腐敗卵推定結果を出力する第四推定部（１３４）と、
検査対象の画像を空カップ推定器に入力し、空カップ推定結果を出力する第五推定部（１３５）と、
検査対象の画像を菌混入推定器に入力し、菌混入推定結果を出力する第六推定部（１３６）と、
のうち、２種以上、好ましくは３種以上、より好ましくは４種以上を備える。
第一の割卵検査装置（１）は、検査対象の画像を正常卵推定器に入力し、正常卵推定結果を出力する第七推定部を備えていてもよい。
各推定部で不良状態であると推定されなかった場合には、推定結果は正常卵となる。
検査対象の画像を血卵推定器に入力し、血卵推定結果を出力する第一推定部（１３１）と、
検査対象の画像を卵黄混入推定器に入力し、卵黄混入推定結果を出力する第二推定部（１３２）と、
検査対象の画像を殻混入推定器に入力し、殻混入推定結果を出力する第三推定部（１３３）と、
検査対象の画像を腐敗卵推定器に入力し、腐敗卵推定結果を出力する第四推定部（１３４）と、
検査対象の画像を空カップ推定器に入力し、空カップ推定結果を出力する第五推定部（１３５）と、
検査対象の画像を菌混入推定器に入力し、菌混入推定結果を出力する第六推定部（１３６）と、
のうち、２種以上、好ましくは３種以上、より好ましくは４種以上を備える。
第一の割卵検査装置（１）は、検査対象の画像を正常卵推定器に入力し、正常卵推定結果を出力する第七推定部を備えていてもよい。
各推定部で不良状態であると推定されなかった場合には、推定結果は正常卵となる。
【0007】
「検査対象の画像」は、割卵機で割卵し液卵受容部に収容されている液卵の画像であり、卵黄および卵白を含む画像、卵黄と卵白とが分離された後の卵白画像を、中身無し卵（殻のみ卵）の場合に液卵がない画像も含まれる。
「検査対象の画像」は、第一光源および／または第二光源が照射された液卵受容部（１つ、２つ以上でもよい。）を撮像した画像であってもよい。
「液卵受容部」は、例えば、割卵機で卵黄と卵白が分離処理された卵白カップの領域、割卵機で卵黄と卵白が分離処理された卵黄受容部の領域、割卵機で卵白と卵黄が共に収容される全液卵カップの領域などが挙げられる。
「検査対象の画像」は、第一光源および／または第二光源が照射された液卵受容部（１つ、２つ以上でもよい。）を撮像した画像であってもよい。
「液卵受容部」は、例えば、割卵機で卵黄と卵白が分離処理された卵白カップの領域、割卵機で卵黄と卵白が分離処理された卵黄受容部の領域、割卵機で卵白と卵黄が共に収容される全液卵カップの領域などが挙げられる。
【0008】
血卵推定器は、画像処理部と画像解析部で構成され、液卵（例えば、卵白）中の血の混入を検出する構成であってもよく、不良と判定される液卵（例えば、卵白）中の血をラベリングした画像を含む教師データを用いて知的情報技術によって作成された血卵推定学習モデル（１１１）であってもよく、その両方を備えていてもよい。血卵推定器は、画像処理部と画像解析部で構成される処理部と、血卵推定学習モデルとの両方の結果あるいはいずれか一方の結果に基づいて血卵不良か否かを判定してもよい。判定において、各結果に重みづけをしてもよく、しなくてもよい。卵の生産場所、季節性、生産ロットなどで重みづけを変更したり、両方の結果のうち一方を重視したりするなどの方法を採用してもよい。
卵黄混入推定器は、画像処理部と画像解析部で構成され、液卵（例えば、卵白）中の卵黄混入（みだれ卵）を検出する構成であってもよく、不良と判定される液卵（例えば、卵白）中の卵黄をラベリングした画像を含む教師データを用いて知的情報技術によって作成された卵黄混入推定学習モデル（１１２）であってもよく、その両方を備えていてもよい。卵黄混入推定器は、画像処理部と画像解析部で構成される処理部と、卵黄混入推定学習モデルとの両方の結果あるいはいずれか一方の結果に基づいて卵黄混入不良か否かを判定してもよい。判定において、各結果に重みづけをしてもよく、しなくてもよい。卵の生産場所、季節性、生産ロットなどで重みづけを変更したり、両方の結果のうち一方を重視したりするなどの方法を採用してもよい。
殻混入推定器は、画像処理部と画像解析部で構成され、液卵（例えば、卵白）中の殻混入を検出する構成であってもよく、不良と判定される液卵（例えば、卵白）中の殻（卵殻）をラベリングした画像を含む教師データを用いて知的情報技術によって作成された殻混入推定学習モデル（１１３）であってもよく、その両方を備えていてもよい。殻混入推定器は、画像処理部と画像解析部で構成される処理部と、殻混入推定学習モデルとの両方の結果あるいはいずれか一方の結果に基づいて殻混入不良か否かを判定してもよい。判定において、各結果に重みづけをしてもよく、しなくてもよい。卵の生産場所、季節性、生産ロットなどで重みづけを変更したり、両方の結果のうち一方を重視したりするなどの方法を採用してもよい。
腐敗卵推定器は、画像処理部と画像解析部で構成され、液卵（例えば、卵白）中の腐敗物（腐敗色）を検出する構成であってもよく、不良と判定される液卵（例えば、卵白）中の腐敗物（腐敗色）をラベリングした画像を含む教師データを用いて知的情報技術によって作成された腐敗卵推定学習モデル（１１４）であってもよく、その両方を備えていてもよい。腐敗卵推定器は、画像処理部と画像解析部で構成される処理部と、腐敗卵推定学習モデルとの両方の結果あるいはいずれか一方の結果に基づいて腐敗卵不良か否かを判定してもよい。判定において、各結果に重みづけをしてもよく、しなくてもよい。卵の生産場所、季節性、生産ロットなどで重みづけを変更したり、両方の結果のうち一方を重視したりするなどの方法を採用してもよい。
空カップ推定器は、画像処理部と画像解析部で構成され、液卵受容部に液卵が存在していないことを検出する構成であってもよく、液卵のない液卵受容部をラベリングした画像を含む教師データを用いて知的情報技術によって作成された空カップ推定学習モデル（１１５）であってもよく、その両方を備えていてもよい。空カップ推定器は、画像処理部と画像解析部で構成される処理部と、空カップ推定学習モデルとの両方の結果あるいはいずれか一方の結果に基づいて空カップ不良か否かを判定してもよい。判定において、各結果に重みづけをしてもよく、しなくてもよい。卵の生産場所、季節性、生産ロットなどで重みづけを変更したり、両方の結果のうち一方を重視したりするなどの方法を採用してもよい。
菌混入推定器は、画像処理部と画像解析部で構成され、液卵（例えば、卵白）中の菌混入を検出する構成であってもよく、不良と判定される液卵（例えば、卵白）中の菌（例えば、シュードモナスなどの菌による発色）をラベリングした画像を含む教師データを用いて知的情報技術によって作成された菌混入推定学習モデル（１１６）であってもよく、その両方を備えていてもよい。菌混入推定器は、画像処理部と画像解析部で構成される処理部と、菌混入推定学習モデルとの両方の結果あるいはいずれか一方の結果に基づいて菌混入不良か否かを判定してもよい。判定において、各結果に重みづけをしてもよく、しなくてもよい。卵の生産場所、季節性、生産ロットなどで重みづけを変更したり、両方の結果のうち一方を重視したりするなどの方法を採用してもよい。
正常卵推定器は、画像処理部と画像解析部で構成され、液卵（例えば、卵白）が正常か否かを検出する構成であってもよく、正常と判定される液卵（例えば、卵白）をラベリングした画像を含む教師データを用いて知的情報技術によって作成された正常卵推定学習モデル（１１７）であってもよく、その両方を備えていてもよい。正常卵推定器は、画像処理部と画像解析部で構成される処理部と、正常卵推定学習モデルとの両方の結果あるいはいずれか一方の結果に基づいて正常卵か否かを判定してもよい。判定において、各結果に重みづけをしてもよく、しなくてもよい。卵の生産場所、季節性、生産ロットなどで重みづけを変更したり、両方の結果のうち一方を重視したりするなどの方法を採用してもよい。
「教師データ（訓練データ）」は、上記「検査対象の画像」と同様の仕様であってもよい。
卵黄混入推定器は、画像処理部と画像解析部で構成され、液卵（例えば、卵白）中の卵黄混入（みだれ卵）を検出する構成であってもよく、不良と判定される液卵（例えば、卵白）中の卵黄をラベリングした画像を含む教師データを用いて知的情報技術によって作成された卵黄混入推定学習モデル（１１２）であってもよく、その両方を備えていてもよい。卵黄混入推定器は、画像処理部と画像解析部で構成される処理部と、卵黄混入推定学習モデルとの両方の結果あるいはいずれか一方の結果に基づいて卵黄混入不良か否かを判定してもよい。判定において、各結果に重みづけをしてもよく、しなくてもよい。卵の生産場所、季節性、生産ロットなどで重みづけを変更したり、両方の結果のうち一方を重視したりするなどの方法を採用してもよい。
殻混入推定器は、画像処理部と画像解析部で構成され、液卵（例えば、卵白）中の殻混入を検出する構成であってもよく、不良と判定される液卵（例えば、卵白）中の殻（卵殻）をラベリングした画像を含む教師データを用いて知的情報技術によって作成された殻混入推定学習モデル（１１３）であってもよく、その両方を備えていてもよい。殻混入推定器は、画像処理部と画像解析部で構成される処理部と、殻混入推定学習モデルとの両方の結果あるいはいずれか一方の結果に基づいて殻混入不良か否かを判定してもよい。判定において、各結果に重みづけをしてもよく、しなくてもよい。卵の生産場所、季節性、生産ロットなどで重みづけを変更したり、両方の結果のうち一方を重視したりするなどの方法を採用してもよい。
腐敗卵推定器は、画像処理部と画像解析部で構成され、液卵（例えば、卵白）中の腐敗物（腐敗色）を検出する構成であってもよく、不良と判定される液卵（例えば、卵白）中の腐敗物（腐敗色）をラベリングした画像を含む教師データを用いて知的情報技術によって作成された腐敗卵推定学習モデル（１１４）であってもよく、その両方を備えていてもよい。腐敗卵推定器は、画像処理部と画像解析部で構成される処理部と、腐敗卵推定学習モデルとの両方の結果あるいはいずれか一方の結果に基づいて腐敗卵不良か否かを判定してもよい。判定において、各結果に重みづけをしてもよく、しなくてもよい。卵の生産場所、季節性、生産ロットなどで重みづけを変更したり、両方の結果のうち一方を重視したりするなどの方法を採用してもよい。
空カップ推定器は、画像処理部と画像解析部で構成され、液卵受容部に液卵が存在していないことを検出する構成であってもよく、液卵のない液卵受容部をラベリングした画像を含む教師データを用いて知的情報技術によって作成された空カップ推定学習モデル（１１５）であってもよく、その両方を備えていてもよい。空カップ推定器は、画像処理部と画像解析部で構成される処理部と、空カップ推定学習モデルとの両方の結果あるいはいずれか一方の結果に基づいて空カップ不良か否かを判定してもよい。判定において、各結果に重みづけをしてもよく、しなくてもよい。卵の生産場所、季節性、生産ロットなどで重みづけを変更したり、両方の結果のうち一方を重視したりするなどの方法を採用してもよい。
菌混入推定器は、画像処理部と画像解析部で構成され、液卵（例えば、卵白）中の菌混入を検出する構成であってもよく、不良と判定される液卵（例えば、卵白）中の菌（例えば、シュードモナスなどの菌による発色）をラベリングした画像を含む教師データを用いて知的情報技術によって作成された菌混入推定学習モデル（１１６）であってもよく、その両方を備えていてもよい。菌混入推定器は、画像処理部と画像解析部で構成される処理部と、菌混入推定学習モデルとの両方の結果あるいはいずれか一方の結果に基づいて菌混入不良か否かを判定してもよい。判定において、各結果に重みづけをしてもよく、しなくてもよい。卵の生産場所、季節性、生産ロットなどで重みづけを変更したり、両方の結果のうち一方を重視したりするなどの方法を採用してもよい。
正常卵推定器は、画像処理部と画像解析部で構成され、液卵（例えば、卵白）が正常か否かを検出する構成であってもよく、正常と判定される液卵（例えば、卵白）をラベリングした画像を含む教師データを用いて知的情報技術によって作成された正常卵推定学習モデル（１１７）であってもよく、その両方を備えていてもよい。正常卵推定器は、画像処理部と画像解析部で構成される処理部と、正常卵推定学習モデルとの両方の結果あるいはいずれか一方の結果に基づいて正常卵か否かを判定してもよい。判定において、各結果に重みづけをしてもよく、しなくてもよい。卵の生産場所、季節性、生産ロットなどで重みづけを変更したり、両方の結果のうち一方を重視したりするなどの方法を採用してもよい。
「教師データ（訓練データ）」は、上記「検査対象の画像」と同様の仕様であってもよい。
【0009】
各推定学習モデルは、検出レベル（例えば、不良箇所の領域サイズの違いによる検出レベルの設定、色の違いによる検出レベルの設定）に応じて、２以上の推定学習モデルが含まれていてもよい。例えば、領域サイズの２以上の段階に分類されたラベリングをして教師データとして推定学習モデルを生成し、領域サイズに応じた高精度の判定を行ってもよい。また、検出したいレベルに応じて、推定学習モデルを切り替えて判定してもよい。また、複数の推定学習モデルの判定結果の多数の方に基づいて最終判定をしてもよい。
【0010】
前記第一の割卵検査装置（１）は、
各推定学習モデルを記憶する記憶部（１０）を備えていてもよい。
前記第一の割卵検査装置（１）は、
各推定モデルを外部装置から取得する取得部を備えていてもよい。
前記第一の割卵検査装置（１）は、
前記第一光源（５０）および第二光源（５１）が同時にあるいは別々に照射された液卵受容部（５０４）を撮像する撮像装置（５２）から画像を直接または外部装置を介して受信する受信部（通信装置４１）を備えていてもよい。
各推定学習モデルを記憶する記憶部（１０）を備えていてもよい。
前記第一の割卵検査装置（１）は、
各推定モデルを外部装置から取得する取得部を備えていてもよい。
前記第一の割卵検査装置（１）は、
前記第一光源（５０）および第二光源（５１）が同時にあるいは別々に照射された液卵受容部（５０４）を撮像する撮像装置（５２）から画像を直接または外部装置を介して受信する受信部（通信装置４１）を備えていてもよい。
【0011】
前記第一の割卵検査装置（１）は、
各推定部で推定された判定結果として、不良であることを示す印を、検査対象の画像に重ねて表示装置に表示する表示制御部を備えていてもよい。各推定部の判定結果における不良であることを示すマークは、不良の種類に応じて異なるマークであってもよい。マークは、例えば、色付きの枠、矢印、不良領域の色を他と異なる色で区別したりするなどであってもよい。
各推定部で推定された判定結果として、不良であることを示す印を、検査対象の画像に重ねて表示装置に表示する表示制御部を備えていてもよい。各推定部の判定結果における不良であることを示すマークは、不良の種類に応じて異なるマークであってもよい。マークは、例えば、色付きの枠、矢印、不良領域の色を他と異なる色で区別したりするなどであってもよい。
【0012】
本開示の第二の割卵検査装置（２００）は、
第一光源（５０）が照射された液卵受容部（５０４）を撮像した第一画像を入力データとして、第一不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第一液卵不良推定学習モデル（２１１）に入力し、推定結果を出力する第一液卵不良推定部（２３１）と、
前記第一光源（５０）と異なる第二光源（５１）で照射された液卵受容部（５０４）を撮像した第二画像を入力データとして、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第二液卵不良推定学習モデル（２１２）に入力し、推定結果を出力する第二液卵不良推定部（２３２）を備えていてもよい。
第一不良状態は、１種以上であってもよい。
第一液卵不良推定学習モデル（２１１）は、正常状態および１種以上の不良状態の種類を分類してもよい。
第二不良状態は、１種以上であってもよい。
第二液卵不良推定学習モデル（２１２）は、正常状態および１種以上の不良状態の種類を分類してもよい。
第一光源（５０）が照射された液卵受容部（５０４）を撮像した第一画像を入力データとして、第一不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第一液卵不良推定学習モデル（２１１）に入力し、推定結果を出力する第一液卵不良推定部（２３１）と、
前記第一光源（５０）と異なる第二光源（５１）で照射された液卵受容部（５０４）を撮像した第二画像を入力データとして、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第二液卵不良推定学習モデル（２１２）に入力し、推定結果を出力する第二液卵不良推定部（２３２）を備えていてもよい。
第一不良状態は、１種以上であってもよい。
第一液卵不良推定学習モデル（２１１）は、正常状態および１種以上の不良状態の種類を分類してもよい。
第二不良状態は、１種以上であってもよい。
第二液卵不良推定学習モデル（２１２）は、正常状態および１種以上の不良状態の種類を分類してもよい。
【0013】
本開示の第三の割卵検査装置（３００）は、
第一光源（５０）および第二光源（５１）が同時に照射された液卵受容部（５０４）を撮像した第三画像を入力データとして、第一、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第三液卵不良推定学習モデル（３１１）に入力し、推定結果を出力する第三液卵不良推定部（３３１）を備えていてもよい。
第三液卵不良推定学習モデル（３１１）は、正常状態および１種以上の不良状態の種類を分類してもよい。
第一光源（５０）および第二光源（５１）が同時に照射された液卵受容部（５０４）を撮像した第三画像を入力データとして、第一、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第三液卵不良推定学習モデル（３１１）に入力し、推定結果を出力する第三液卵不良推定部（３３１）を備えていてもよい。
第三液卵不良推定学習モデル（３１１）は、正常状態および１種以上の不良状態の種類を分類してもよい。
【0014】
第一、第二、第三液卵不良推定学習モデルのそれぞれは、検出レベル（例えば、不良箇所の領域サイズの違いによる検出レベルの設定、色の違いによる検出レベルの設定）に応じて、２以上の推定学習モデルが含まれていてもよい。例えば、領域サイズの２以上の段階に分類されたラベリングをして教師データとして推定学習モデルを生成し、領域サイズに応じた高精度の判定を行ってもよい。また、検出したいレベルに応じて、推定学習モデルを切り替えて判定してもよい。また、複数の推定学習モデルの判定結果の多数の方に基づいて最終判定をしてもよい。
【0015】
前記第二の割卵検査装置（２００）は、
前記第一液卵不良推定学習モデル（２１１）を記憶する第一記憶部と、
前記第二液卵不良推定学習モデル（２１２）を記憶する第二記憶部と、
を備えていてもよい。第一記憶部と第二記憶部は兼用の記憶部（２１０）でもよく別体でもよい。
前記第二の割卵検査装置（２００）は、
前記第一液卵不良推定学習モデル（２１１）を外部装置から取得する第一取得部と、
前記第二液卵不良推定学習モデル（２１２）を外部装置から取得する第二取得部と、
を備えていてもよい。第一取得部と第二取得部は兼用の取得部でもよく別体でもよい。
前記第二の割卵検査装置（２００）は、
前記第一光源（５０）が照射された液卵受容部（５０４）を撮像する第一撮像装置から前記第一画像を直接または外部装置を介して受信する第一受信部と、
前記第二光源（５１）が照射された液卵受容部（５０４）を撮像する第二撮像装置から前記第二画像を直接または外部装置を介して受信する第二受信部と、
を備えていてもよい。第一受信部と第二受信部は兼用の受信部（通信装置４１）でもよく別体でもよい。
第一撮像装置と第二撮像装置は兼用の撮像装置（５２）でもよく別体でもよい。
前記第一液卵不良推定学習モデル（２１１）を記憶する第一記憶部と、
前記第二液卵不良推定学習モデル（２１２）を記憶する第二記憶部と、
を備えていてもよい。第一記憶部と第二記憶部は兼用の記憶部（２１０）でもよく別体でもよい。
前記第二の割卵検査装置（２００）は、
前記第一液卵不良推定学習モデル（２１１）を外部装置から取得する第一取得部と、
前記第二液卵不良推定学習モデル（２１２）を外部装置から取得する第二取得部と、
を備えていてもよい。第一取得部と第二取得部は兼用の取得部でもよく別体でもよい。
前記第二の割卵検査装置（２００）は、
前記第一光源（５０）が照射された液卵受容部（５０４）を撮像する第一撮像装置から前記第一画像を直接または外部装置を介して受信する第一受信部と、
前記第二光源（５１）が照射された液卵受容部（５０４）を撮像する第二撮像装置から前記第二画像を直接または外部装置を介して受信する第二受信部と、
を備えていてもよい。第一受信部と第二受信部は兼用の受信部（通信装置４１）でもよく別体でもよい。
第一撮像装置と第二撮像装置は兼用の撮像装置（５２）でもよく別体でもよい。
【0016】
前記第二の割卵検査装置（２００）は、
第一、第二液卵不良推定学習モデルで推定された判定結果として、不良であることを示すマークを、検査対象の画像に重ねて表示装置に表示する表示制御部を備えていてもよい。
第一、第二液卵不良推定学習モデルでの判定結果における不良であることを示すマークは、不良の種類に応じて異なるマークであってもよい。マークは、例えば、色付きの枠、矢印、不良領域の色を他と異なる色で区別したりするなどであってもよい。
第一、第二液卵不良推定学習モデルで推定された判定結果として、不良であることを示すマークを、検査対象の画像に重ねて表示装置に表示する表示制御部を備えていてもよい。
第一、第二液卵不良推定学習モデルでの判定結果における不良であることを示すマークは、不良の種類に応じて異なるマークであってもよい。マークは、例えば、色付きの枠、矢印、不良領域の色を他と異なる色で区別したりするなどであってもよい。
【0017】
前記第三の割卵検査装置（３００）は、
前記第三液卵不良推定学習モデル（３１１）を記憶する第三記憶部（３１０）を備えていてもよい。第三記憶部は兼用の記憶部（２１０）でもよく別体でもよい。
前記第三の割卵検査装置（３００）は、
前記第三液卵不良推定学習モデル（３１１）を外部装置から取得する第三取得部を備えていてもよい。
前記第三の割卵検査装置（３００）は、
前記第一光源（５０）および第二光源（５１）が同時に照射された液卵受容部（５０４）を撮像する撮像装置（５２）から前記第三画像を直接または外部装置を介して受信する第三受信部（通信装置４１）を備えていてもよい。
前記第三液卵不良推定学習モデル（３１１）を記憶する第三記憶部（３１０）を備えていてもよい。第三記憶部は兼用の記憶部（２１０）でもよく別体でもよい。
前記第三の割卵検査装置（３００）は、
前記第三液卵不良推定学習モデル（３１１）を外部装置から取得する第三取得部を備えていてもよい。
前記第三の割卵検査装置（３００）は、
前記第一光源（５０）および第二光源（５１）が同時に照射された液卵受容部（５０４）を撮像する撮像装置（５２）から前記第三画像を直接または外部装置を介して受信する第三受信部（通信装置４１）を備えていてもよい。
【0018】
各記憶部（１０、２１０、３１０）は、装置に内蔵されているメモリ、外部接続されている記憶装置、クラウド上のストレージであってもよい。各記憶部は一つの記憶装置で構成されていてもよく、２以上で構成されていてもよい。
各取得部は、外部装置からデータを受信する通信手段（無線通信、有線通信のいずれでもよい）、記憶媒体からデータを読み取る読取手段であってもよい。
各受信部は、外部装置からデータを受信する通信手段（通信装置４１）でもよい。
各取得部は、外部装置からデータを受信する通信手段（無線通信、有線通信のいずれでもよい）、記憶媒体からデータを読み取る読取手段であってもよい。
各受信部は、外部装置からデータを受信する通信手段（通信装置４１）でもよい。
【0019】
「第一不良状態」は、卵白に血液が混入した状態（血卵）、卵白に卵黄が混入した状態（みだれ卵）、卵白が腐敗している状態（腐敗卵）、卵白に殻が混入している状態（殻混入）、卵白が卵白カップに収納されていない状態（空カップ）、全液卵カップに収納されていない状態（空カップ）、卵黄に血液が混入した状態（血卵黄）、卵黄が腐敗している状態（腐敗卵黄）、全液卵カップに殻が混入している状態（殻混入全液卵）などの１種以上が含まれていてもよい。
各種不良状態は、各学習モデル（ソフトウエアプログラム）で分類されて出力される。前記第一、第二、第三液卵不良推定学習モデル（２１１、２１２、３１１）は、単一または複数の学習モデルで構成されていてもよい。
「第二不良状態」は、卵白に細菌が混入している状態（細菌混入卵白）、卵黄に細菌が混入している状態（細菌混入卵黄）を少なくとも含んでいてもよい。
各種不良状態は、各学習モデル（ソフトウエアプログラム）で分類されて出力される。前記第一、第二、第三液卵不良推定学習モデル（２１１、２１２、３１１）は、単一または複数の学習モデルで構成されていてもよい。
「第二不良状態」は、卵白に細菌が混入している状態（細菌混入卵白）、卵黄に細菌が混入している状態（細菌混入卵黄）を少なくとも含んでいてもよい。
【0020】
「第一光源」は、例えば、３８０ｎｍ－７８０ｎｍ程度の可視光照明装置、白色光照明装置（蛍光灯、ＬＥＤ照明装置）、自然光、自然光ＬＥＤ、蛍光灯などが挙げられる。
「第二光源」は、例えば、１００－４００ｎｍ程度の波長の光源の紫外線照明装置（蛍光灯、ＬＥＤ照明装置）、長波長の紫外線（波長３１５－４００ｎｍ、ＵＶＡ、Ｕｌｔｒａｖｉｏｌｅｔ Ａ）照射のブラックライト（蛍光灯、ＬＥＤ照明装置）、ＵＶＢ照射の蛍光灯やＬＥＤ装置などが挙げられる。
第一、第二撮像装置（撮像装置５２）は、例えば、可視カメラ（カラーカメラ）、ＣＭＯＳセンサ撮像装置、ＣＣＤセンサ撮像装置などが挙げられる。撮像装置は、静止画あるいは動画を撮像してもよく、動画の映像を構成するフレーム画像を使用してもよい。
撮像するタイミングは以下の方法でもよい。
（１）所定の第一位置で、第一光源で照射した搬送される液卵受容部の反射光像を第一撮像装置で撮像する。第一位置と異なる第二位置で、第二光源で照射した搬送される液卵受容部の反射光像を第二撮像装置で撮像する。
（２）所定の第一位置で、第一光源で照射した搬送される液卵受容部の反射光像を第一撮像装置で撮像する。第一光源をＯＦＦにして、第二光源をＯＮにして、第二光源で照射した搬送される液卵受容部の反射光像を第一撮像装置（あるい第二撮像装置）で撮像する。第一光源と第二光源の切り替えを早く行うことで、同じ撮像領域内（第一位置）で画像を取得できる。
（３）所定の第一位置で、第一光源と第二光源の両方で照射した搬送される液卵受容部の反射光像を撮像装置で撮像する。
「第二光源」は、例えば、１００－４００ｎｍ程度の波長の光源の紫外線照明装置（蛍光灯、ＬＥＤ照明装置）、長波長の紫外線（波長３１５－４００ｎｍ、ＵＶＡ、Ｕｌｔｒａｖｉｏｌｅｔ Ａ）照射のブラックライト（蛍光灯、ＬＥＤ照明装置）、ＵＶＢ照射の蛍光灯やＬＥＤ装置などが挙げられる。
第一、第二撮像装置（撮像装置５２）は、例えば、可視カメラ（カラーカメラ）、ＣＭＯＳセンサ撮像装置、ＣＣＤセンサ撮像装置などが挙げられる。撮像装置は、静止画あるいは動画を撮像してもよく、動画の映像を構成するフレーム画像を使用してもよい。
撮像するタイミングは以下の方法でもよい。
（１）所定の第一位置で、第一光源で照射した搬送される液卵受容部の反射光像を第一撮像装置で撮像する。第一位置と異なる第二位置で、第二光源で照射した搬送される液卵受容部の反射光像を第二撮像装置で撮像する。
（２）所定の第一位置で、第一光源で照射した搬送される液卵受容部の反射光像を第一撮像装置で撮像する。第一光源をＯＦＦにして、第二光源をＯＮにして、第二光源で照射した搬送される液卵受容部の反射光像を第一撮像装置（あるい第二撮像装置）で撮像する。第一光源と第二光源の切り替えを早く行うことで、同じ撮像領域内（第一位置）で画像を取得できる。
（３）所定の第一位置で、第一光源と第二光源の両方で照射した搬送される液卵受容部の反射光像を撮像装置で撮像する。
【0021】
卵を割卵する「割卵機（６００）」は、手動割卵機、自動割卵機、高速自動割卵機でもよい。
「割卵機」は、卵黄と卵白を分離し卵黄カップと卵白カップに収容する形態と、卵黄と卵白を分離せず全液卵カップに収容する形態であってもよい。
「割卵機」は、卵黄と卵白を分離し卵黄カップと卵白カップに収容する形態と、卵黄と卵白を分離せず全液卵カップに収容する形態であってもよい。
【0022】
前記第一、第二、第三の割卵検査装置（１、２００、３００）は、それぞれ、
前記第一から第七推定部（１３１～１３７）、前記第一、第二、第三液卵不良推定部（２３１、２３２、３３１）のそれぞれから出力された推定結果を出力する出力部（４０）を、有していてもよい。
出力部（４０）は、表示装置で構成され各種データを表示する、プリンターで構成され各種データを印刷する、通信装置で構成され各種データを送信する、記憶装置として構成され各種データを記憶媒体に記憶することを含んでいてもよい。出力部（４０）は、推定結果データとして、撮像した画像中の不良領域にマークを付して表示装置に表示してもよく、外部装置（携帯端末、サーバを含む）へ送信してもよい。マークは、不良の種類に対応して異なるマークであってもよい。マークは、例えば、色付きの枠、矢印、不良領域の色を他と異なる色で区別したりするなどであってもよい。
前記第一から第七推定部（１３１～１３７）、前記第一、第二、第三液卵不良推定部（２３１、２３２、３３１）のそれぞれから出力された推定結果を出力する出力部（４０）を、有していてもよい。
出力部（４０）は、表示装置で構成され各種データを表示する、プリンターで構成され各種データを印刷する、通信装置で構成され各種データを送信する、記憶装置として構成され各種データを記憶媒体に記憶することを含んでいてもよい。出力部（４０）は、推定結果データとして、撮像した画像中の不良領域にマークを付して表示装置に表示してもよく、外部装置（携帯端末、サーバを含む）へ送信してもよい。マークは、不良の種類に対応して異なるマークであってもよい。マークは、例えば、色付きの枠、矢印、不良領域の色を他と異なる色で区別したりするなどであってもよい。
【0023】
前記第一、第二、第三の割卵検査装置（１、２００、３００）は、それぞれ、
前記第一から第七推定部（１３１～１３７）、前記第一、第二、第三液卵不良推定部（２３１、２３２、３３１）のそれぞれから出力された推定結果から、不良状態の種類に対応した対処情報を選択し、対処情報を出力する警告部（３９）を有していてもよい。
前記第一から第七推定部（１３１～１３７）、前記第一、第二、第三液卵不良推定部（２３１、２３２、３３１）のそれぞれから出力された推定結果から、不良状態の種類に対応した対処情報を選択し、対処情報を出力する警告部（３９）を有していてもよい。
【0024】
前記第一、第二、第三の割卵検査装置（１、２００、３００）は、それぞれ、
前記第一から第七推定部（１３１～１３７）、前記第一、第二、第三液卵不良推定部（２３１、２３２、３３１）のそれぞれから出力された推定結果から、正常状態の累積数、不良状態の種類とその累積数、単位時間あたりの正常の数／不良状態の数のうち２種以上を算出する統計情報算出部（３５）と、
前記統計情報算出部（３５）で算出された各データを蓄積する統計情報記憶部（１２５、２２５、３２５）と、
前記統計情報記憶部（１２５、２２５、３２５）で蓄積された各データを分析し、割卵機（６００）および上流側の装置の異常を診断し出力する統計情報診断部（３６）と、
を有していてもよい。
前記第一から第七推定部（１３１～１３７）、前記第一、第二、第三液卵不良推定部（２３１、２３２、３３１）のそれぞれから出力された推定結果から、正常状態の累積数、不良状態の種類とその累積数、単位時間あたりの正常の数／不良状態の数のうち２種以上を算出する統計情報算出部（３５）と、
前記統計情報算出部（３５）で算出された各データを蓄積する統計情報記憶部（１２５、２２５、３２５）と、
前記統計情報記憶部（１２５、２２５、３２５）で蓄積された各データを分析し、割卵機（６００）および上流側の装置の異常を診断し出力する統計情報診断部（３６）と、
を有していてもよい。
【0025】
前記第一、第二、第三の割卵検査装置（１、２００、３００）は、それぞれ、
前記第一から第七推定部（１３１～１３７）、前記第一、第二、第三液卵不良推定部（２３１、２３２、３３１）のそれぞれから出力された推定結果から、クラッカー・セパレートカップごとの不良状態（各種の不良状態）の発生確率を算出する不良状態発生確率算出部（３７）と、
前記不良状態発生確率算出部（３８）で算出された前記不良状態発生確率を蓄積する不良状態発生確率記憶部（１２６、２２６、３２６）と、
前記不良状態発生確率記憶部（１２６、２２６、３２６）で蓄積された前記不良状態発生確率を分析し、クラッカー・セパレートカップの異常を診断し出力する不良状態発生確率診断部（３８）と、
を有していてもよい。
前記第一から第七推定部（１３１～１３７）、前記第一、第二、第三液卵不良推定部（２３１、２３２、３３１）のそれぞれから出力された推定結果から、クラッカー・セパレートカップごとの不良状態（各種の不良状態）の発生確率を算出する不良状態発生確率算出部（３７）と、
前記不良状態発生確率算出部（３８）で算出された前記不良状態発生確率を蓄積する不良状態発生確率記憶部（１２６、２２６、３２６）と、
前記不良状態発生確率記憶部（１２６、２２６、３２６）で蓄積された前記不良状態発生確率を分析し、クラッカー・セパレートカップの異常を診断し出力する不良状態発生確率診断部（３８）と、
を有していてもよい。
【0026】
他の開示の割卵機（６００）は、
本体（６１１）と、
前記本体（６１１）の内部に設けられ、平面視で周回するチェーン搬送部（６１２）と、
前記チェーン搬送部（６１２）よりも上方に設けられ、前記チェーン搬送部（６１２）を駆動するチェーン駆動部（６１３）と、
前記チェーン搬送部（６１２）に着脱可能に設けられる複数のクラッカー・セパレートカップユニット（５００）と、
前記クラッカー・セパレートカップユニット（５００）に対し卵を載置するためのトランスファー機構部と、
上記第一、第二、第三の割卵検査装置（１、２００、３００）のいずれか１種以上を備える。
本体（６１１）と、
前記本体（６１１）の内部に設けられ、平面視で周回するチェーン搬送部（６１２）と、
前記チェーン搬送部（６１２）よりも上方に設けられ、前記チェーン搬送部（６１２）を駆動するチェーン駆動部（６１３）と、
前記チェーン搬送部（６１２）に着脱可能に設けられる複数のクラッカー・セパレートカップユニット（５００）と、
前記クラッカー・セパレートカップユニット（５００）に対し卵を載置するためのトランスファー機構部と、
上記第一、第二、第三の割卵検査装置（１、２００、３００）のいずれか１種以上を備える。
【0027】
（割卵検査方法）
他の本開示の第一の割卵検査方法は、情報処理装置または１つ以上のプロセッサーによって実行され、
検査対象の画像を血卵推定器に入力し、血卵推定結果を出力する第一推定ステップと、
検査対象の画像を卵黄混入推定器に入力し、卵黄混入推定結果を出力する第二推定ステップと、
検査対象の画像を殻混入推定器に入力し、殻混入推定結果を出力する第三推定ステップと、
検査対象の画像を腐敗卵推定器に入力し、腐敗卵推定結果を出力する第四推定ステップと、
検査対象の画像を空カップ推定器に入力し、空カップ推定結果を出力する第五推定ステップと、
検査対象の画像を菌混入推定器に入力し、菌混入推定結果を出力する第六推定ステップと、
のうち、２種以上、好ましくは３以上、より好ましくは４以上を含んでいてもよい。
第一の割卵検査方法は、検査対象の画像を正常卵推定器に入力し、正常卵推定結果を出力する第七推定ステップをさらに含んでいてもよい。
他の本開示の第一の割卵検査方法は、情報処理装置または１つ以上のプロセッサーによって実行され、
検査対象の画像を血卵推定器に入力し、血卵推定結果を出力する第一推定ステップと、
検査対象の画像を卵黄混入推定器に入力し、卵黄混入推定結果を出力する第二推定ステップと、
検査対象の画像を殻混入推定器に入力し、殻混入推定結果を出力する第三推定ステップと、
検査対象の画像を腐敗卵推定器に入力し、腐敗卵推定結果を出力する第四推定ステップと、
検査対象の画像を空カップ推定器に入力し、空カップ推定結果を出力する第五推定ステップと、
検査対象の画像を菌混入推定器に入力し、菌混入推定結果を出力する第六推定ステップと、
のうち、２種以上、好ましくは３以上、より好ましくは４以上を含んでいてもよい。
第一の割卵検査方法は、検査対象の画像を正常卵推定器に入力し、正常卵推定結果を出力する第七推定ステップをさらに含んでいてもよい。
【0028】
本開示の第二の割卵検査方法は、情報処理装置または１つ以上のプロセッサーによって実行され、
第一光源が照射された液卵受容部を撮像した第一画像を入力データとして、第一不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第一液卵不良推定学習モデルに入力し、推定結果を出力する第一液卵不良推定ステップ、および／または、
前記第一光源と異なる第二光源で照射された液卵受容部を撮像した第二画像を入力データとして、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第二液卵不良推定学習モデルに入力し、推定結果を出力する第二液卵不良推定ステップ部を含んでいてもよい。
第一光源が照射された液卵受容部を撮像した第一画像を入力データとして、第一不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第一液卵不良推定学習モデルに入力し、推定結果を出力する第一液卵不良推定ステップ、および／または、
前記第一光源と異なる第二光源で照射された液卵受容部を撮像した第二画像を入力データとして、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第二液卵不良推定学習モデルに入力し、推定結果を出力する第二液卵不良推定ステップ部を含んでいてもよい。
【0029】
本開示の第三の割卵検査方法は、情報処理装置または１つ以上のプロセッサーによって実行され、
第一光源および第二光源が同時に照射された液卵受容部を撮像した第三画像を入力データとして、第一、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第三液卵不良推定学習モデルに入力し、推定結果を出力する第三液卵不良推定ステップを含んでいてもよい。
第一光源および第二光源が同時に照射された液卵受容部を撮像した第三画像を入力データとして、第一、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第三液卵不良推定学習モデルに入力し、推定結果を出力する第三液卵不良推定ステップを含んでいてもよい。
【0030】
（プログラム）
本開示の第一の割卵検査プログラムは、
情報処理装置または１つ以上のプロセッサーに、上記第一の割卵検査方法のステップを実行させるためのプログラムである。
本開示の第二の割卵検査プログラムは、
情報処理装置または１つ以上のプロセッサーに、上記第二の割卵検査方法のステップを実行させるためのプログラムである。
本開示の第三の割卵検査プログラムは、
情報処理装置または１つ以上のプロセッサーに、上記第三の割卵検査方法のステップを実行させるためのプログラムである。
本開示の第一の割卵検査プログラムは、
情報処理装置または１つ以上のプロセッサーに、上記第一の割卵検査方法のステップを実行させるためのプログラムである。
本開示の第二の割卵検査プログラムは、
情報処理装置または１つ以上のプロセッサーに、上記第二の割卵検査方法のステップを実行させるためのプログラムである。
本開示の第三の割卵検査プログラムは、
情報処理装置または１つ以上のプロセッサーに、上記第三の割卵検査方法のステップを実行させるためのプログラムである。
【0031】
（情報処理装置）
本開示の第一の情報処理装置は、
上記第一の割卵検査プログラムを記憶するメモリと、
前記メモリから前記第一の割卵検査プログラムを読み出し実行するプロセッサーとを有し、
前記プロセッサーが前記第一の割卵検査プログラムを実行することにより、
前記第一から第七推定手段のうち２種以上、好ましくは３種以上、より好ましくは４種以上を実現してもよい。
本開示の第二の情報処理装置は、
上記第二の割卵検査プログラムを記憶するメモリと、
前記メモリから前記第二の割卵検査プログラムを読み出し実行するプロセッサーとを有し、
前記プロセッサーが前記第二の割卵検査プログラムを実行することにより、
前記第一液卵不良推定手段、および／または、前記第二液卵不良推定手段とを実現する。
本開示の第三の情報処理装置は、
上記第三の割卵検査プログラムを記憶するメモリと、
前記メモリから前記第三の割卵検査プログラムを読み出し実行するプロセッサーとを有し、
前記プロセッサーが前記第三の割卵検査プログラムを実行することにより、
前記第三液卵不良推定手段を実現する。
本開示の第一の情報処理装置は、
上記第一の割卵検査プログラムを記憶するメモリと、
前記メモリから前記第一の割卵検査プログラムを読み出し実行するプロセッサーとを有し、
前記プロセッサーが前記第一の割卵検査プログラムを実行することにより、
前記第一から第七推定手段のうち２種以上、好ましくは３種以上、より好ましくは４種以上を実現してもよい。
本開示の第二の情報処理装置は、
上記第二の割卵検査プログラムを記憶するメモリと、
前記メモリから前記第二の割卵検査プログラムを読み出し実行するプロセッサーとを有し、
前記プロセッサーが前記第二の割卵検査プログラムを実行することにより、
前記第一液卵不良推定手段、および／または、前記第二液卵不良推定手段とを実現する。
本開示の第三の情報処理装置は、
上記第三の割卵検査プログラムを記憶するメモリと、
前記メモリから前記第三の割卵検査プログラムを読み出し実行するプロセッサーとを有し、
前記プロセッサーが前記第三の割卵検査プログラムを実行することにより、
前記第三液卵不良推定手段を実現する。
【0032】
（記録媒体）
本開示の第一のコンピュータ読み取り可能な記録媒体は、
情報処理装置または１つ以上のプロセッサーに、上記第一の割卵検査方法のステップを実行させるためのプログラムを記録している。
他の本開示の第二のコンピュータ読み取り可能な記録媒体は、
情報処理装置または１つ以上のプロセッサーに、上記第二の割卵検査方法のステップを実行させるためのプログラムを記録している。
他の本開示の第三のコンピュータ読み取り可能な記録媒体は、
情報処理装置または１つ以上のプロセッサーに、上記第三の割卵検査方法のステップを実行させるためのプログラムを記録している。
本開示の第一のコンピュータ読み取り可能な記録媒体は、
情報処理装置または１つ以上のプロセッサーに、上記第一の割卵検査方法のステップを実行させるためのプログラムを記録している。
他の本開示の第二のコンピュータ読み取り可能な記録媒体は、
情報処理装置または１つ以上のプロセッサーに、上記第二の割卵検査方法のステップを実行させるためのプログラムを記録している。
他の本開示の第三のコンピュータ読み取り可能な記録媒体は、
情報処理装置または１つ以上のプロセッサーに、上記第三の割卵検査方法のステップを実行させるためのプログラムを記録している。
【0033】
（教師（訓練）データ）
教師データは、卵黄受容部の卵黄が収容される領域、卵白カップの卵白が収容される領域、全液卵カップの全液卵（卵黄と卵白）が収容される領域の反射画像データに、正常か各種不良状態であるかのラベリングをした構成である。
「反射画像」は、例えば、光源を直接照射して得られる直接反射画像、光源を反射部で反射させた間接照射して得られる間接反射画像、それらの両方の反射画像、撮像装置および／または光源と液卵との間に配置される偏光フィルムを介して得られる反射画像である。
教師データは、卵黄受容部の卵黄が収容される領域、卵白カップの卵白が収容される領域、全液卵カップの全液卵（卵黄と卵白）が収容される領域の反射画像データに、正常か各種不良状態であるかのラベリングをした構成である。
「反射画像」は、例えば、光源を直接照射して得られる直接反射画像、光源を反射部で反射させた間接照射して得られる間接反射画像、それらの両方の反射画像、撮像装置および／または光源と液卵との間に配置される偏光フィルムを介して得られる反射画像である。
【0034】
ラベリングは、ユーザが、ユーザインターフェースを操作して教師データ作成装置で実行してもよく、液卵不良推定学習モデル作成装置で実行されてもよい。ユーザ操作によらず、教師データ作成装置または液卵不良推定学習モデル作成装置（以下、「ラベリング自動生成装置」という。）が自動で作成してもよい。
【0035】
「知的情報処理技術」は、例えば、機械学習、深層学習、強化学習、深層強化学習などが挙げられる。
機械学習、深層学習、強化学習、深層強化学習のアルゴリズムは、特に制限されず、従来のアルゴリズムを用いてもよい。教師あり学習として、例えば、線形回帰、一般化線形モデル、サポートベクター回帰、ガウス過程回帰、アンサンブル法、決定木、ニューラルネットワーク、サポートベクターマシン、判別分析、単純ベイズ、最近傍法などの各種アルゴリズムを採用してもよい。
機械学習、深層学習、強化学習、深層強化学習のアルゴリズムは、特に制限されず、従来のアルゴリズムを用いてもよい。教師あり学習として、例えば、線形回帰、一般化線形モデル、サポートベクター回帰、ガウス過程回帰、アンサンブル法、決定木、ニューラルネットワーク、サポートベクターマシン、判別分析、単純ベイズ、最近傍法などの各種アルゴリズムを採用してもよい。
【0036】
（学習モデルの生成）
推定学習モデルの生成方法は、
液卵（例えば、卵白）中の血をラベリングした画像を含む教師データを用いて知的情報技術によって血卵推定学習モデルを生成するステップと、
液卵（例えば、卵白）中の卵黄をラベリングした画像を含む教師データを用いて知的情報技術によって卵黄混入推定学習モデルを生成するステップと、
液卵（例えば、卵白）中の殻をラベリングした画像を含む教師データを用いて知的情報技術によって殻混入推定学習モデルを生成するステップと、
液卵（例えば、卵白）中の腐敗物（腐敗色）をラベリングした画像を含む教師データを用いて知的情報技術によって腐敗卵推定学習モデルを生成するステップと、
液卵のない液卵受容部をラベリングした画像を含む教師データを用いて知的情報技術によって空カップ推定学習モデルを生成するステップと、
液卵（例えば、卵白）中の菌（例えば、シュードモナスなどの菌発色）をラベリングした画像を含む教師データを用いて知的情報技術によって菌混入推定学習モデルを生成するステップと、
正常と判定される液卵（例えば、卵白）をラベリングした画像を含む教師データを用いて知的情報技術によって正常卵推定学習モデルを生成するステップと、
のうち２種以上、好ましくは３種以上、より好ましくは４種以上を含んでいてもよい。
学習モデルは、定期的に、農場ごと、あるいは卵の品質に合わせて、再訓練してもよい。
推定学習モデルの生成方法は、
液卵（例えば、卵白）中の血をラベリングした画像を含む教師データを用いて知的情報技術によって血卵推定学習モデルを生成するステップと、
液卵（例えば、卵白）中の卵黄をラベリングした画像を含む教師データを用いて知的情報技術によって卵黄混入推定学習モデルを生成するステップと、
液卵（例えば、卵白）中の殻をラベリングした画像を含む教師データを用いて知的情報技術によって殻混入推定学習モデルを生成するステップと、
液卵（例えば、卵白）中の腐敗物（腐敗色）をラベリングした画像を含む教師データを用いて知的情報技術によって腐敗卵推定学習モデルを生成するステップと、
液卵のない液卵受容部をラベリングした画像を含む教師データを用いて知的情報技術によって空カップ推定学習モデルを生成するステップと、
液卵（例えば、卵白）中の菌（例えば、シュードモナスなどの菌発色）をラベリングした画像を含む教師データを用いて知的情報技術によって菌混入推定学習モデルを生成するステップと、
正常と判定される液卵（例えば、卵白）をラベリングした画像を含む教師データを用いて知的情報技術によって正常卵推定学習モデルを生成するステップと、
のうち２種以上、好ましくは３種以上、より好ましくは４種以上を含んでいてもよい。
学習モデルは、定期的に、農場ごと、あるいは卵の品質に合わせて、再訓練してもよい。
【0037】
（学習モデルの生成）
第一液卵不良推定学習モデルの生成方法は、
第一光源が照射された液卵受容部を撮像した第一画像を入力データとして、第一不良状態をラベリングした反射画像を含む教師データを作成ステップと、
前記教師データを用いて、知的情報処理技術によって、第一液卵不良推定学習モデルを生成する、モデル生成ステップと、を含んでいてもよい。
第二液卵不良推定学習モデルの生成方法は、
第一光源と異なる第二光源で照射された液卵受容部を撮像した第二画像を入力データとして、第二不良状態をラベリングした反射画像を含む教師データを作成ステップと、
前記教師データを用いて、知的情報技術によって、第二液卵不良推定学習モデルを生成する、モデル生成ステップと、を含んでいてもよい。
第三液卵不良推定学習モデルの生成方法は、
第一光源および第二光源が同時に照射された液卵受容部を撮像した第三画像を入力データとして、第一、第二不良状態をラベリングした反射画像を含む教師データを作成ステップと、
前記教師データを用いて、知的情報技術によって、第三液卵不良推定学習モデルを生成する、モデル生成ステップと、を含んでいてもよい。
第一不良状態は、１種以上であってもよい。
第一液卵不良推定学習モデルは、正常状態および１種以上の不良状態の種類を分類してもよい。
第二不良状態は、１種以上であってもよい。
第二液卵不良推定学習モデルは、正常状態および１種以上の不良状態の種類を分類してもよい。
第三液卵不良推定学習モデルは、正常状態および１種以上の不良状態の種類を分類してもよい。
学習モデルは、定期的に、鶏卵農場ごと、あるいは卵の品質に合わせて、再訓練してもよい。
第一液卵不良推定学習モデルの生成方法は、
第一光源が照射された液卵受容部を撮像した第一画像を入力データとして、第一不良状態をラベリングした反射画像を含む教師データを作成ステップと、
前記教師データを用いて、知的情報処理技術によって、第一液卵不良推定学習モデルを生成する、モデル生成ステップと、を含んでいてもよい。
第二液卵不良推定学習モデルの生成方法は、
第一光源と異なる第二光源で照射された液卵受容部を撮像した第二画像を入力データとして、第二不良状態をラベリングした反射画像を含む教師データを作成ステップと、
前記教師データを用いて、知的情報技術によって、第二液卵不良推定学習モデルを生成する、モデル生成ステップと、を含んでいてもよい。
第三液卵不良推定学習モデルの生成方法は、
第一光源および第二光源が同時に照射された液卵受容部を撮像した第三画像を入力データとして、第一、第二不良状態をラベリングした反射画像を含む教師データを作成ステップと、
前記教師データを用いて、知的情報技術によって、第三液卵不良推定学習モデルを生成する、モデル生成ステップと、を含んでいてもよい。
第一不良状態は、１種以上であってもよい。
第一液卵不良推定学習モデルは、正常状態および１種以上の不良状態の種類を分類してもよい。
第二不良状態は、１種以上であってもよい。
第二液卵不良推定学習モデルは、正常状態および１種以上の不良状態の種類を分類してもよい。
第三液卵不良推定学習モデルは、正常状態および１種以上の不良状態の種類を分類してもよい。
学習モデルは、定期的に、鶏卵農場ごと、あるいは卵の品質に合わせて、再訓練してもよい。
【0038】
前記表示装置は、特に制限されず、液晶モニター、有機ＥＬモニター、ＣＲＴモニター、スマートフォン、タブレット、汎用パソコンのモニターなどが例示される。
【0039】
各割卵検査装置は、メモリ、プロセッサー、ソフトウエアプログラムを有する情報処理装置（例えば、コンピュータ、サーバ）や、専用回路、ファームウエアなどで構成してもよい。情報処理装置は、オンプレミスまたはクラウドのいずか一方、あるいは両方の組み合わせであってもよい。
【図面の簡単な説明】
【0040】
【図1】第一割卵検査装置の機能の一例を示すブロック図である。
【図2】第二割卵検査装置の機能の一例を示すブロック図である。
【図3】第三割卵検査装置の機能の一例を示すブロック図である。
【図4A】割卵機の一例を示す正面視図である。
【図4B】割卵機の一例を示す平面視図である。
【図5A-5H】教師データの画像のラベリングの一例を示す図である。
【発明を実施するための形態】
【0041】
（割卵機）
図４Ａに割卵機６００の構成の正面視図を示し、図４Ｂに平面視図を示す。
割卵機６００は、本体６１１と、本体６１１を支える第一から第四脚部（不図示）とを備える。また、本体６１１の内部に平面視で周回するチェーン搬送部６１２が設けられている。本実施形態では、チェーン搬送部６１２は、上下一対のチェーン６１２ａ、６１２ｂを有する。
チェーン搬送部６１２を駆動するチェーン駆動部６３は、その上方に設けられる。チェーン駆動部６３は、モータ６３１、減速機（ギヤボックス）６３２、第一スプロケット６３３、第二スプロケット６３５、伝達チェーン６３４、エンコーダ６３７、回転シャフト６３６、第三スプロケット６３８および第四スプロケッ６３９を備える。チェーン駆動部６３は、限定されず、チェーン搬送部６１２より上方に配置されていることに限らず、チェーン搬送部６１２と同じ高さ位置、チェーン搬送部６１２より下方に設けられていてもよい。また、モータ、減速機、スプロケット、伝達チェーン、エンコーダ、回転シャフトの配置、数なども適宜変更されてもよい。
モータ６３１の回転力が減速機６３２で速度調整され、第一スプロケット６３３から伝達チェーン６３４を介して第二スプロケット６３５へ伝わる。第二スプロケット６３５は回転シャフト６３６と連結され、回転数はエンコーダ６３７で検出される。
回転シャフト６３６は、下に伸び、第三スプロケット６３８と第四スプロケット６３９と連結される。第三スプロケット６３８がチェーン６１２ａと噛み合い、第四スプロケット６３９がチェーン６１２ｂと噛み合って、その回転力を、チェーン６１２ａ、６１２ｂへ伝達する。また、チェーン６１２ａ、６１２ｂは、従動回転軸とも噛み合い、また、スラシ構造に沿って回転移動する。
複数のクラッカー・セパレートカップユニット５００_1、５００＿２、５００＿ｎは、チェーン搬送部６１２（チェーン６１２ａ、６１２ｂ）に着脱可能に設けられる。
トランスファー機構部６１０は、クラッカー・セパレートカップユニット５００_ｉに対し、洗卵装置からコンベアで送られてくる卵を載置するための機構である。
図４Ａに割卵機６００の構成の正面視図を示し、図４Ｂに平面視図を示す。
割卵機６００は、本体６１１と、本体６１１を支える第一から第四脚部（不図示）とを備える。また、本体６１１の内部に平面視で周回するチェーン搬送部６１２が設けられている。本実施形態では、チェーン搬送部６１２は、上下一対のチェーン６１２ａ、６１２ｂを有する。
チェーン搬送部６１２を駆動するチェーン駆動部６３は、その上方に設けられる。チェーン駆動部６３は、モータ６３１、減速機（ギヤボックス）６３２、第一スプロケット６３３、第二スプロケット６３５、伝達チェーン６３４、エンコーダ６３７、回転シャフト６３６、第三スプロケット６３８および第四スプロケッ６３９を備える。チェーン駆動部６３は、限定されず、チェーン搬送部６１２より上方に配置されていることに限らず、チェーン搬送部６１２と同じ高さ位置、チェーン搬送部６１２より下方に設けられていてもよい。また、モータ、減速機、スプロケット、伝達チェーン、エンコーダ、回転シャフトの配置、数なども適宜変更されてもよい。
モータ６３１の回転力が減速機６３２で速度調整され、第一スプロケット６３３から伝達チェーン６３４を介して第二スプロケット６３５へ伝わる。第二スプロケット６３５は回転シャフト６３６と連結され、回転数はエンコーダ６３７で検出される。
回転シャフト６３６は、下に伸び、第三スプロケット６３８と第四スプロケット６３９と連結される。第三スプロケット６３８がチェーン６１２ａと噛み合い、第四スプロケット６３９がチェーン６１２ｂと噛み合って、その回転力を、チェーン６１２ａ、６１２ｂへ伝達する。また、チェーン６１２ａ、６１２ｂは、従動回転軸とも噛み合い、また、スラシ構造に沿って回転移動する。
複数のクラッカー・セパレートカップユニット５００_1、５００＿２、５００＿ｎは、チェーン搬送部６１２（チェーン６１２ａ、６１２ｂ）に着脱可能に設けられる。
トランスファー機構部６１０は、クラッカー・セパレートカップユニット５００_ｉに対し、洗卵装置からコンベアで送られてくる卵を載置するための機構である。
【0042】
液卵排出部６１５は、正常の卵黄を受ける卵黄排出部（不図示）と、正常の卵白を受ける卵白排出部（不図示）とが分離されて形成されている。
【0043】
クラッカー・セパレートカップユニット５００は、卵Ｅの載置部５０２と、卵Ｅを上から押さえるレバー５０１と、上下で固定された卵Ｅを下から割るためのナイフ５０２１と、割卵した後の卵黄を受ける卵黄カップ５０３と、卵黄から分離した卵白を受ける卵白カップ５０４を有する。
卵黄カップ５０３は、液卵排出部６１５の卵黄排出部の位置で、下方に傾斜し、卵黄を卵黄排出部へ送る。卵白カップ５０４は、液卵排出部６１５の卵白排出部の位置で、下方に傾斜し、卵白を卵白排出部へ送る。
卵黄カップ５０３は、液卵排出部６１５の卵黄排出部の位置で、下方に傾斜し、卵黄を卵黄排出部へ送る。卵白カップ５０４は、液卵排出部６１５の卵白排出部の位置で、下方に傾斜し、卵白を卵白排出部へ送る。
【0044】
不良液卵排出部６１８は、不良の液卵（卵黄、卵白）を排出するための収納部である。
オペレータが手動で排出レバー（不図示）を操作し、不良液卵排出部６１８の位置で、卵黄カップ５０３および卵白カップ５０４を下方に傾斜させ、不良液卵排出部６１８へ落とすことができる。
手動に限定されず、排出制御部６０４から送られる指令で、排出レバーを操作する駆動装置を起動して排出レバーを自動で操作してもよい。
割卵機６００は、通信装置６０１を有し、第一、第二、第三の割卵検査装置と指令や各種データを通信可能になっている。
後述する第一、第二、第三の割卵検査装置の警告部は、不良状態の液卵を排出する指令を排出制御部６０４へ送ることができる。排出制御部６０４は、排出指令に応じて、対応する卵黄カップ５０３および卵白カップ５０４を下方に傾斜させて不良卵を排出させる。
後述する第一、第二、第三の割卵検査装置の警告部は、割卵機を停止する指令を停止制御部６０５へ送ることができる。停止制御部６０５は、停止指令に応じて割卵機の回転を停止する。
割卵機６００は、直動機構、回転機構、エア圧駆動、油圧駆動など各種駆動装置、レバーレーンへの切り替え機構などを有して構成されていてもよい。
オペレータが手動で排出レバー（不図示）を操作し、不良液卵排出部６１８の位置で、卵黄カップ５０３および卵白カップ５０４を下方に傾斜させ、不良液卵排出部６１８へ落とすことができる。
手動に限定されず、排出制御部６０４から送られる指令で、排出レバーを操作する駆動装置を起動して排出レバーを自動で操作してもよい。
割卵機６００は、通信装置６０１を有し、第一、第二、第三の割卵検査装置と指令や各種データを通信可能になっている。
後述する第一、第二、第三の割卵検査装置の警告部は、不良状態の液卵を排出する指令を排出制御部６０４へ送ることができる。排出制御部６０４は、排出指令に応じて、対応する卵黄カップ５０３および卵白カップ５０４を下方に傾斜させて不良卵を排出させる。
後述する第一、第二、第三の割卵検査装置の警告部は、割卵機を停止する指令を停止制御部６０５へ送ることができる。停止制御部６０５は、停止指令に応じて割卵機の回転を停止する。
割卵機６００は、直動機構、回転機構、エア圧駆動、油圧駆動など各種駆動装置、レバーレーンへの切り替え機構などを有して構成されていてもよい。
【0045】
（第一の割卵検査装置）
図１に示す第一の割卵検査装置１は、記憶部１０、第一から第六推定部１３１から１３６、統計情報算出部３５、統計情報診断部３６、不良状態発生確率算出部３７、不良状態発生確率診断部３８、警告部３９、出力部４０、通信装置４１を備える。第一の割卵検査装置１は、第一光源５０、第二光源５１、撮像装置５２を備えていてもよい。
図１に示す第一の割卵検査装置１は、記憶部１０、第一から第六推定部１３１から１３６、統計情報算出部３５、統計情報診断部３６、不良状態発生確率算出部３７、不良状態発生確率診断部３８、警告部３９、出力部４０、通信装置４１を備える。第一の割卵検査装置１は、第一光源５０、第二光源５１、撮像装置５２を備えていてもよい。
【0046】
記憶部１０には、血卵推定学習モデル１１１、卵黄混入推定学習モデル１１２、殻混入推定学習モデル１１３、腐敗卵推定学習モデル１１４、空カップ推定学習モデル１１５、菌混入推定学習モデル１１６が予め保存されている。また、記憶部１０は、統計情報記憶部１２５、不良状態発生確率記憶部１２６の機能も兼ねている。
記憶部１０には、さらに正常卵推定学習モデルを備えていてもよい。
記憶部１０には、さらに正常卵推定学習モデルを備えていてもよい。
【0047】
第一推定部１３１は、検査対象の画像を血卵推定器に入力し、血卵推定結果を出力する。血卵推定器は、不良と判定される液卵（例えば、卵白）中の血をラベリングした画像を含む教師データを用いて知的情報技術によって作成された血卵推定学習モデル１１１である。
第二推定部１３２は検査対象の画像を卵黄混入推定器に入力し、卵黄混入推定結果を出力する。卵黄混入推定器は、不良と判定される液卵（例えば、卵白）中の卵黄をラベリングした画像を含む教師データを用いて知的情報技術によって作成された卵黄混入推定学習モデル１１２である。
第三推定部１３３は、検査対象の画像を殻混入推定器に入力し、殻混入推定結果を出力する。殻混入推定器は、不良と判定される液卵（例えば、卵白）中の殻（卵殻）をラベリングした画像を含む教師データを用いて知的情報技術によって作成された殻混入推定学習モデル１１３である。
第四推定部１３４は、検査対象の画像を腐敗卵推定器に入力し、腐敗卵推定結果を出力する。腐敗卵推定器は、不良と判定される液卵（例えば、卵白）中の腐敗物（腐敗色）をラベリングした画像を含む教師データを用いて知的情報技術によって作成された腐敗卵推定学習モデル１１４である。
第五推定部１３５は、検査対象の画像を空カップ推定器に入力し、空カップ推定結果を出力する。空カップ推定器は、液卵のない液卵受容部をラベリングした画像を含む教師データを用いて知的情報技術によって作成された空カップ推定学習モデル１１５である。
第六推定部１３６は、検査対象の画像を菌混入推定器に入力し、菌混入推定結果を出力する。菌混入推定器は、不良と判定される液卵（例えば、卵白）中の菌（例えば、シュードモナスなどの菌による発色）をラベリングした画像を含む教師データを用いて知的情報技術によって作成された菌混入推定学習モデル１１６である。
さらに、正常卵を推定し、出力する第七推定部を備えていてもよい。
第二推定部１３２は検査対象の画像を卵黄混入推定器に入力し、卵黄混入推定結果を出力する。卵黄混入推定器は、不良と判定される液卵（例えば、卵白）中の卵黄をラベリングした画像を含む教師データを用いて知的情報技術によって作成された卵黄混入推定学習モデル１１２である。
第三推定部１３３は、検査対象の画像を殻混入推定器に入力し、殻混入推定結果を出力する。殻混入推定器は、不良と判定される液卵（例えば、卵白）中の殻（卵殻）をラベリングした画像を含む教師データを用いて知的情報技術によって作成された殻混入推定学習モデル１１３である。
第四推定部１３４は、検査対象の画像を腐敗卵推定器に入力し、腐敗卵推定結果を出力する。腐敗卵推定器は、不良と判定される液卵（例えば、卵白）中の腐敗物（腐敗色）をラベリングした画像を含む教師データを用いて知的情報技術によって作成された腐敗卵推定学習モデル１１４である。
第五推定部１３５は、検査対象の画像を空カップ推定器に入力し、空カップ推定結果を出力する。空カップ推定器は、液卵のない液卵受容部をラベリングした画像を含む教師データを用いて知的情報技術によって作成された空カップ推定学習モデル１１５である。
第六推定部１３６は、検査対象の画像を菌混入推定器に入力し、菌混入推定結果を出力する。菌混入推定器は、不良と判定される液卵（例えば、卵白）中の菌（例えば、シュードモナスなどの菌による発色）をラベリングした画像を含む教師データを用いて知的情報技術によって作成された菌混入推定学習モデル１１６である。
さらに、正常卵を推定し、出力する第七推定部を備えていてもよい。
【0048】
「検査対象の画像」は、第一光源５０および第二光源５１が同時に照射された卵白カップ５０４を撮像装置５２で撮像した画像である。撮像装置５２で撮像した画像は、通信装置４１で受信され、第一推定部１３１から第六推定部１３６のそれぞれで使用される。
第一光源５０は、例えば、波長３８０ｎｍ－７８０ｎｍ程度の白色光照明装置（蛍光灯、ＬＥＤ照明装置）である。
第二光源５１は、例えば、波長３１５－４００ｎｍ程度のブラックライト（蛍光灯、ＬＥＤ照明装置）である。
第一光源５０は、例えば、波長３８０ｎｍ－７８０ｎｍ程度の白色光照明装置（蛍光灯、ＬＥＤ照明装置）である。
第二光源５１は、例えば、波長３１５－４００ｎｍ程度のブラックライト（蛍光灯、ＬＥＤ照明装置）である。
【0049】
統計情報算出部３５は、第一から第六推定部１３１～１３６のそれぞれから出力された推定結果から、正常状態の累積数、不良状態の種類とその累積数、単位時間あたりの正常の数／不良状態の数のうち２種以上を算出する。
統計情報記憶部１２５は、統計情報算出部３５で算出された各データを蓄積する。
統計情報診断部３６は、統計情報記憶部１２５で蓄積された各データを分析し、割卵機６００および上流側の装置の異常を診断し出力する。統計情報診断部３６は、例えば、不良状態の種類とその累積数、単位時間あたりの正常の数／不良状態の数から、割卵機６００および上流側の装置の異常のあることを出力してもよい。上流側の装置として給卵列（複数列でもよい）における卵の転載姿勢などの問題を診断し出力してもよい。
統計情報記憶部１２５は、統計情報算出部３５で算出された各データを蓄積する。
統計情報診断部３６は、統計情報記憶部１２５で蓄積された各データを分析し、割卵機６００および上流側の装置の異常を診断し出力する。統計情報診断部３６は、例えば、不良状態の種類とその累積数、単位時間あたりの正常の数／不良状態の数から、割卵機６００および上流側の装置の異常のあることを出力してもよい。上流側の装置として給卵列（複数列でもよい）における卵の転載姿勢などの問題を診断し出力してもよい。
【0050】
不良状態発生確率算出部３７は、第一から第六推定部１３１～１３６のそれぞれから出力された推定結果から、クラッカー・セパレートカップごとの不良状態（各種の不良状態）の発生確率を算出する。
不良状態発生確率記憶部１２６は、不良状態発生確率算出部３８で算出された不良状態発生確率を蓄積する。
不良状態発生確率診断部３８は、不良状態発生確率記憶部１２６で蓄積された不良状態発生確率を分析し、クラッカー・セパレートカップの異常を診断し出力する。不良状態発生確率診断部３８は、例えば、殻混入、みだれ卵、空カップなどの不良状態発生確率が高いクラッカー・セパレートカップを特定し、メンテナンスあるいはその交換する旨の指示を出力してもよい。
不良状態発生確率記憶部１２６は、不良状態発生確率算出部３８で算出された不良状態発生確率を蓄積する。
不良状態発生確率診断部３８は、不良状態発生確率記憶部１２６で蓄積された不良状態発生確率を分析し、クラッカー・セパレートカップの異常を診断し出力する。不良状態発生確率診断部３８は、例えば、殻混入、みだれ卵、空カップなどの不良状態発生確率が高いクラッカー・セパレートカップを特定し、メンテナンスあるいはその交換する旨の指示を出力してもよい。
【0051】
警告部３９は、第一から第六推定部１３１～１３６のそれぞれから出力された推定結果から、不良状態の種類に対応した対処情報を選択し、対処情報を出力する。
警告部３９は、推定結果が血卵、みだれ卵、殻混入卵の場合に、対処として排出を指示することをオペレータに警告する、および／または、割卵機６００の排出制御部６０４へ指示をしてもよい。この指示により排出制御部６０４は、該当する卵白カップ５０４から卵白を排出するように卵白カップ５０４の排出装置を駆動してもよく、該当する卵黄カップ５０３から卵黄を排出するように卵黄カップ５０３の排出装置を駆動してもよい。
別実施形態として、警告部３９は、該当する全液卵カップから全液卵を排出するように全液卵カップの排出装置を駆動してもよい。
警告部３９は、推定結果が細菌混入卵、腐敗卵の場合に、対処として機械停止（コンベア回転停止）とクラッカー・セパレートカップ５００の交換を指示することをオペレータに警告する、および／または、割卵機６００の停止制御部６０５へ指示をしてもよい。この指示により停止制御部６０５は、割卵機（少なくともクラッカー・セパレートカップを搬送する搬送部）を停止する。オペレータは、該当するクラッカー・セパレートカップ（その前後のクラッカー・セパレートカップ）を取り外して別のクラッカー・セパレートカップ５００と交換し、割卵機６００を再駆動する。取り外したクラッカー・セパレートカップ５００は洗浄される。
警告部３９は、推定結果が血卵、みだれ卵、殻混入卵の場合に、対処として排出を指示することをオペレータに警告する、および／または、割卵機６００の排出制御部６０４へ指示をしてもよい。この指示により排出制御部６０４は、該当する卵白カップ５０４から卵白を排出するように卵白カップ５０４の排出装置を駆動してもよく、該当する卵黄カップ５０３から卵黄を排出するように卵黄カップ５０３の排出装置を駆動してもよい。
別実施形態として、警告部３９は、該当する全液卵カップから全液卵を排出するように全液卵カップの排出装置を駆動してもよい。
警告部３９は、推定結果が細菌混入卵、腐敗卵の場合に、対処として機械停止（コンベア回転停止）とクラッカー・セパレートカップ５００の交換を指示することをオペレータに警告する、および／または、割卵機６００の停止制御部６０５へ指示をしてもよい。この指示により停止制御部６０５は、割卵機（少なくともクラッカー・セパレートカップを搬送する搬送部）を停止する。オペレータは、該当するクラッカー・セパレートカップ（その前後のクラッカー・セパレートカップ）を取り外して別のクラッカー・セパレートカップ５００と交換し、割卵機６００を再駆動する。取り外したクラッカー・セパレートカップ５００は洗浄される。
【0052】
出力部４０は、第一から第六推定部１３１～１３６のそれぞれから出力された推定結果を出力する。出力部４０は、推定結果データとして、撮像した画像中の不良領域にマークを付して表示装置に表示してもよく、外部装置（携帯端末、サーバを含む）へ送信してもよい。
出力部４０は、統計情報算出部３５および不良状態発生確率算出部３７で算出された各データ、統計情報診断部３６あるいは不良状態発生確率診断部３８で得られた診断結果を表示装置に表示してもよく、外部装置（携帯端末、サーバを含む）へ送信してもよい。
出力部４０は、統計情報算出部３５および不良状態発生確率算出部３７で算出された各データ、統計情報診断部３６あるいは不良状態発生確率診断部３８で得られた診断結果を表示装置に表示してもよく、外部装置（携帯端末、サーバを含む）へ送信してもよい。
【0053】
（第二の割卵検査装置）
図２に示す第二の割卵検査装置２００は、記憶部２１０、第一液卵不良推定部２３１、第二液卵不良推定部２３２、統計情報算出部３５、統計情報診断部３６、不良状態発生確率算出部３７、不良状態発生確率診断部３８、警告部３９、出力部４０、通信装置４１を備える。第一の割卵検査装置１は、第一光源５０、第二光源５１、撮像装置５２を備えていてもよい。
同じ機能（符号）の構成要素は説明を省略する。
図２に示す第二の割卵検査装置２００は、記憶部２１０、第一液卵不良推定部２３１、第二液卵不良推定部２３２、統計情報算出部３５、統計情報診断部３６、不良状態発生確率算出部３７、不良状態発生確率診断部３８、警告部３９、出力部４０、通信装置４１を備える。第一の割卵検査装置１は、第一光源５０、第二光源５１、撮像装置５２を備えていてもよい。
同じ機能（符号）の構成要素は説明を省略する。
【0054】
記憶部２１０には、第一液卵不良推定学習モデル２１１、第二液卵不良推定学習モデル２１２が予め保存されている。
第一液卵不良推定部２３１は、第一光源５０が照射された卵白カップ５０４を撮像した第一画像を入力データとして、第一不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第一液卵不良推定学習モデル２１１に入力し、推定結果を出力する。
第一不良状態は、卵白に血液が混入した状態（血卵）、卵白に卵黄が混入した状態（みだれ卵）、卵白が腐敗している状態（腐敗卵）、卵白に殻が混入している状態（殻混入）、卵白が卵白カップに収納されていない状態（空カップ）が含まれ、第一液卵不良推定学習モデル２１１によって、５種類の不良状態を分類できる。
第一液卵不良推定部２３１は、第一光源５０が照射された卵白カップ５０４を撮像した第一画像を入力データとして、第一不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第一液卵不良推定学習モデル２１１に入力し、推定結果を出力する。
第一不良状態は、卵白に血液が混入した状態（血卵）、卵白に卵黄が混入した状態（みだれ卵）、卵白が腐敗している状態（腐敗卵）、卵白に殻が混入している状態（殻混入）、卵白が卵白カップに収納されていない状態（空カップ）が含まれ、第一液卵不良推定学習モデル２１１によって、５種類の不良状態を分類できる。
【0055】
第二液卵不良推定部２３２は、第一光源５０と異なる第二光源５１で照射された卵白カップ５０４を撮像した第二画像を入力データとして、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第二液卵不良推定学習モデル２１２に入力し、推定結果を出力する。
第二不良状態は、卵白に細菌が混入している状態（細菌混入卵白）が含まれ、第二液卵不良推定学習モデル２１２によってこの不良状態を推定できる。
第二不良状態は、卵白に細菌が混入している状態（細菌混入卵白）が含まれ、第二液卵不良推定学習モデル２１２によってこの不良状態を推定できる。
【0056】
撮像装置５２で撮像するタイミングは以下の方法でもよい。
所定の第一位置で、第一光源５０で照射した搬送される卵白カップ５０４の反射光像を撮像装置５２で撮像する。第一光源５０をＯＦＦにして、第二光源５１をＯＮにして、第二光源５１で照射した搬送される卵白カップ５０４の反射光像を撮像装置５２で撮像する。第一光源５０と第二光源５１の切り替えを早く行うことで、同じ撮像領域内（第一位置）で画像を取得できる。
撮像領域内に複数の卵白カップ５０４が入るように設置し、１回の撮像で複数の卵白カップ５０４の検査が可能であってもよい。この場合、所定の第一位置で、第一光源５０で照射した複数の卵白カップ５０４の反射光像を撮像装置５２で撮像し、その後、例えば１カップ分卵白カップ５０４が進んだ第二位置では、第一光源５０をＯＦＦにして、第二光源５１をＯＮにして、第二光源５１で照射した複数の卵白カップ５０４の反射光像を撮像装置５２で撮像してもよい。第一光源５０と第二光源５１の切り替えを素早く行わなくとも、卵白カップ５０４の移動に合わせて検査結果をシフトすることで、２種類の画像での検査に対応できる。高速の割卵機において、特に有効である。
所定の第一位置で、第一光源５０で照射した搬送される卵白カップ５０４の反射光像を撮像装置５２で撮像する。第一光源５０をＯＦＦにして、第二光源５１をＯＮにして、第二光源５１で照射した搬送される卵白カップ５０４の反射光像を撮像装置５２で撮像する。第一光源５０と第二光源５１の切り替えを早く行うことで、同じ撮像領域内（第一位置）で画像を取得できる。
撮像領域内に複数の卵白カップ５０４が入るように設置し、１回の撮像で複数の卵白カップ５０４の検査が可能であってもよい。この場合、所定の第一位置で、第一光源５０で照射した複数の卵白カップ５０４の反射光像を撮像装置５２で撮像し、その後、例えば１カップ分卵白カップ５０４が進んだ第二位置では、第一光源５０をＯＦＦにして、第二光源５１をＯＮにして、第二光源５１で照射した複数の卵白カップ５０４の反射光像を撮像装置５２で撮像してもよい。第一光源５０と第二光源５１の切り替えを素早く行わなくとも、卵白カップ５０４の移動に合わせて検査結果をシフトすることで、２種類の画像での検査に対応できる。高速の割卵機において、特に有効である。
【0057】
統計情報算出部３５は、第一、第二液卵不良推定部２３１、２３２のそれぞれから出力された推定結果から、正常状態の累積数、不良状態の種類とその累積数、単位時間あたりの正常の数／不良状態の数のうち２種以上を算出する。
【0058】
不良状態発生確率算出部３７は、第一、第二液卵不良推定部２３１、２３２のそれぞれから出力された推定結果から、クラッカー・セパレートカップごとの不良状態（各種の不良状態）の発生確率を算出する。
【0059】
警告部３９は、第一、第二液卵不良推定部２３１、２３２のそれぞれから出力された推定結果から、不良状態の種類に対応した対処情報を選択し、対処情報を出力する。
【0060】
出力部４０は、第一、第二液卵不良推定部２３１、２３２のそれぞれから出力された推定結果を出力する。
【0061】
（第三の割卵検査装置）
図３に示す第二の割卵検査装置３００は、記憶部３１０、第三液卵不良推定部３３１、統計情報算出部３５、統計情報診断部３６、不良状態発生確率算出部３７、不良状態発生確率診断部３８、警告部３９、出力部４０、通信装置４１を備える。第一の割卵検査装置１は、第一光源５０、第二光源５１、撮像装置５２を備えていてもよい。同じ機能（符号）の構成要素は説明を省略する。
図３に示す第二の割卵検査装置３００は、記憶部３１０、第三液卵不良推定部３３１、統計情報算出部３５、統計情報診断部３６、不良状態発生確率算出部３７、不良状態発生確率診断部３８、警告部３９、出力部４０、通信装置４１を備える。第一の割卵検査装置１は、第一光源５０、第二光源５１、撮像装置５２を備えていてもよい。同じ機能（符号）の構成要素は説明を省略する。
【0062】
記憶部３１０には、第三液卵不良推定学習モデル３１１が予め保存されている。
第三液卵不良推定部３３１は、第一光源５０および第二光源５１が同時に照射された卵白カップ５０４を撮像した第三画像を入力データとして、第一、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第三液卵不良推定学習モデル３１１に入力し、推定結果を出力する。
第一不良状態は、卵白に血液が混入した状態（血卵）、卵白に卵黄が混入した状態（みだれ卵）、卵白が腐敗している状態（腐敗卵）、卵白に殻が混入している状態（殻混入）、卵白が卵白カップに収納されていない状態（空カップ）が含まれ、第二不良状態は、卵白に細菌が混入している状態（細菌混入卵白）が含まれ、第三液卵不良推定学習モデル３１１によって、６種類の不良状態を分類できる。
第三液卵不良推定部３３１は、第一光源５０および第二光源５１が同時に照射された卵白カップ５０４を撮像した第三画像を入力データとして、第一、第二不良状態をラベリングした反射画像を含む教師データを用いて知的情報技術によって作成された第三液卵不良推定学習モデル３１１に入力し、推定結果を出力する。
第一不良状態は、卵白に血液が混入した状態（血卵）、卵白に卵黄が混入した状態（みだれ卵）、卵白が腐敗している状態（腐敗卵）、卵白に殻が混入している状態（殻混入）、卵白が卵白カップに収納されていない状態（空カップ）が含まれ、第二不良状態は、卵白に細菌が混入している状態（細菌混入卵白）が含まれ、第三液卵不良推定学習モデル３１１によって、６種類の不良状態を分類できる。
【0063】
統計情報算出部３５は、第三液卵不良推定部３３１から出力された推定結果から、正常状態の累積数、不良状態の種類とその累積数、単位時間あたりの正常の数／不良状態の数のうち２種以上を算出する。
【0064】
不良状態発生確率算出部３７は、第三液卵不良推定部３３１から出力された推定結果から、クラッカー・セパレートカップごとの不良状態（各種の不良状態）の発生確率を算出する。
【0065】
警告部３９は、第三液卵不良推定部３３１から出力された推定結果から、不良状態の種類に対応した対処情報を選択し、対処情報を出力する。
【0066】
出力部４０は、第三液卵不良推定部３３１から出力された推定結果を出力する。
【0067】
（学習モデル）
本実施形態において、各学習モデルは、単層あるいは多層ニューラルネットワークで構成され、ディープニューラルネットワークまたは畳み込みニューラルネットワークで構成されてもよい。
本実施形態において、各学習モデルは、単層あるいは多層ニューラルネットワークで構成され、ディープニューラルネットワークまたは畳み込みニューラルネットワークで構成されてもよい。
【0068】
（実施例）
第一の割卵検査装置１を実施した。
第一の割卵検査装置１を実施した。
【0069】
（実施例１）
学習モデルは、以下の教師（訓練）データを使用して作成した。第一光源５０（白色ＬＥＤライト）および第二光源５１（ブラックライト）を同時に照射し撮像した画像を使用した。画像に３つの卵白カップが含まれるのでラベリング数は画像数×３である。教師データのラベリングの種類は、血卵、菌混入、卵黄混入（みだれ卵）、殻混入、空カップの５種類の状態である。ディープラーニングの手法を用いて、各不良状態に対応した、血卵、菌混入、卵黄混入、殻混入、空カップ推定学習モデルをそれぞれ生成した。つまり、血卵推定学習モデル、菌混入推定学習モデル、卵黄混入推定学習モデル、殻混入推定学習モデル、空カップ推定学習モデルの５種類の不良状態に対応した推定学習モデルを作成した。
各教師データの画像のラベリングを図５Ａから５Ｆに示す。
学習モデルは、以下の教師（訓練）データを使用して作成した。第一光源５０（白色ＬＥＤライト）および第二光源５１（ブラックライト）を同時に照射し撮像した画像を使用した。画像に３つの卵白カップが含まれるのでラベリング数は画像数×３である。教師データのラベリングの種類は、血卵、菌混入、卵黄混入（みだれ卵）、殻混入、空カップの５種類の状態である。ディープラーニングの手法を用いて、各不良状態に対応した、血卵、菌混入、卵黄混入、殻混入、空カップ推定学習モデルをそれぞれ生成した。つまり、血卵推定学習モデル、菌混入推定学習モデル、卵黄混入推定学習モデル、殻混入推定学習モデル、空カップ推定学習モデルの５種類の不良状態に対応した推定学習モデルを作成した。
各教師データの画像のラベリングを図５Ａから５Ｆに示す。
【表1】
【0070】
上記教師データで作成した各推定学習モデルの推定結果を示す。殻混入以外９０％以上の高い正解率であった。
【表2】
【0071】
（実施例２）
学習モデルは、以下の教師（訓練）データを使用して作成した。第一光源５０（白色ＬＥＤライト）で照射し撮像した画像を、菌混入以外の学習モデルに使用し、第二光源５１（ブラックライト）で照射し撮像した画像を菌混入の学習モデルに使用した。画像に３つの卵白カップが含まれるのでラベリング数は画像数×３である。教師データのラベリングの種類は、血卵、菌混入、卵黄混入、殻混入、空カップの５種類の状態である。ディープラーニングの手法を用いて各不良状態に対応した、血卵、菌混入、卵黄混入、殻混入、空カップ推定学習モデルをそれぞれ生成した。つまり、血卵推定学習モデル、菌混入推定学習モデル、卵黄混入推定学習モデル、殻混入推定学習モデル、空カップ推定学習モデルの５種類の不良状態に対応した推定学習モデルを作成した。
ブラックライトのみで照射した画像のシュードモナスのラベリングを図５Ｇに示す。
学習モデルは、以下の教師（訓練）データを使用して作成した。第一光源５０（白色ＬＥＤライト）で照射し撮像した画像を、菌混入以外の学習モデルに使用し、第二光源５１（ブラックライト）で照射し撮像した画像を菌混入の学習モデルに使用した。画像に３つの卵白カップが含まれるのでラベリング数は画像数×３である。教師データのラベリングの種類は、血卵、菌混入、卵黄混入、殻混入、空カップの５種類の状態である。ディープラーニングの手法を用いて各不良状態に対応した、血卵、菌混入、卵黄混入、殻混入、空カップ推定学習モデルをそれぞれ生成した。つまり、血卵推定学習モデル、菌混入推定学習モデル、卵黄混入推定学習モデル、殻混入推定学習モデル、空カップ推定学習モデルの５種類の不良状態に対応した推定学習モデルを作成した。
ブラックライトのみで照射した画像のシュードモナスのラベリングを図５Ｇに示す。
【表3】
【0072】
上記教師データで作成した各推定学習モデルの推定結果を示す。殻混入以外９０％以上と高い正解率であった。
【表4】
【0073】
（実施例３）
学習モデルは、以下の教師（訓練）データを使用して作成した。第一光源５０（白色ＬＥＤライト）で照射し撮像した画像を、菌混入以外の学習モデルに使用し、第二光源５１（ブラックライト）で照射し撮像した画像を菌混入の学習モデルに使用した。画像に３つの卵白カップが含まれるのでラベリング数は画像数×３である。教師データのラベリングの種類は、血卵、菌混入、卵黄混入（みだれ卵）、殻混入、空カップ、腐敗卵の６種類の状態である。ディープラーニングの手法を用いて各不良状態に対応した、血卵、菌混入、卵黄（黄身）混入、殻混入、空カップ、腐敗卵推定学習モデルをそれぞれ生成した。つまり、血卵推定学習モデル、菌混入推定学習モデル、卵黄混入推定学習モデル、殻混入推定学習モデル、空カップ推定学習モデル、腐敗卵推定学習モデルの６種類の不良状態に対応した推定学習モデルを作成した。
腐敗卵の教師データの画像のラベリングを図５Ｈに示す。他の教師データは実施例２と同じである。
学習モデルは、以下の教師（訓練）データを使用して作成した。第一光源５０（白色ＬＥＤライト）で照射し撮像した画像を、菌混入以外の学習モデルに使用し、第二光源５１（ブラックライト）で照射し撮像した画像を菌混入の学習モデルに使用した。画像に３つの卵白カップが含まれるのでラベリング数は画像数×３である。教師データのラベリングの種類は、血卵、菌混入、卵黄混入（みだれ卵）、殻混入、空カップ、腐敗卵の６種類の状態である。ディープラーニングの手法を用いて各不良状態に対応した、血卵、菌混入、卵黄（黄身）混入、殻混入、空カップ、腐敗卵推定学習モデルをそれぞれ生成した。つまり、血卵推定学習モデル、菌混入推定学習モデル、卵黄混入推定学習モデル、殻混入推定学習モデル、空カップ推定学習モデル、腐敗卵推定学習モデルの６種類の不良状態に対応した推定学習モデルを作成した。
腐敗卵の教師データの画像のラベリングを図５Ｈに示す。他の教師データは実施例２と同じである。
【表5】
【0074】
上記教師データで作成した各推定学習モデルの推定結果を示す。殻混入以外９０％以上と高い正解率であった。
【表6】
【0075】
卵黄（黄身）混入と腐敗卵とは、誤推定されやすい。そのため、卵黄（黄身）混入の画像について、混入量が少量の教師データ群と、大量の教師データ群とを分けて学習をさせることで正解率を向上できる。検出レベルを分けて学習させ、複数の推定学習モデルを含む構成としてもよい。
腐敗卵と卵黄（黄身）の大量混入の両方が、不良として推定された場合に、腐敗卵の不良としてカウントをしてもよい。
腐敗卵と卵黄（黄身）の大量混入の両方が、不良として推定された場合に、腐敗卵の不良としてカウントをしてもよい。
【0076】
（その他の実施例）
第一光源５０、第二光源５１、撮像装置５２は、液卵受容部に収容された液卵の画像を撮影するために、液卵受容部に対向する位置に配置されるが、割卵機の清掃性を高めるために第一光源５０、第二光源５１、撮像装置５２が着脱自在あるいは移動自在に取り付けられていてもよい。更に、第一光源５０、第二光源５１、撮像装置５２を取外し、または、移動させた際に、洗浄液等の飛散を防止、あるいは、洗浄液等を溜めるために、仕切り壁を取り付け可能としてもよい。
第一、第二、第三の割卵検査装置と組み合わせる割卵機について、複数のクラッカーおよびセパレートカップを平面視で周回するチェーン搬送部を備える割卵機を例示したが、これに限らず、複数のクラッカーおよびセパレートカップを正面視（あるいは側面視）で周回するチェーン搬送部を有する多列搬送式の割卵機であってもよい。
第一光源５０、第二光源５１、撮像装置５２は、液卵受容部に収容された液卵の画像を撮影するために、液卵受容部に対向する位置に配置されるが、割卵機の清掃性を高めるために第一光源５０、第二光源５１、撮像装置５２が着脱自在あるいは移動自在に取り付けられていてもよい。更に、第一光源５０、第二光源５１、撮像装置５２を取外し、または、移動させた際に、洗浄液等の飛散を防止、あるいは、洗浄液等を溜めるために、仕切り壁を取り付け可能としてもよい。
第一、第二、第三の割卵検査装置と組み合わせる割卵機について、複数のクラッカーおよびセパレートカップを平面視で周回するチェーン搬送部を備える割卵機を例示したが、これに限らず、複数のクラッカーおよびセパレートカップを正面視（あるいは側面視）で周回するチェーン搬送部を有する多列搬送式の割卵機であってもよい。
【符号の説明】
【0077】
１ 第一割卵検査装置
１０ 記憶部
１３１ 第一推定部
１３２ 第二推定部
１３３ 第三推定部
１３４ 第四推定部
１３５ 第五推定部
１３６ 第六推定部
１３７ 第七推定部
３９ 警告部
４０ 出力部
５０ 第一光源
５１ 第二光源
５２ 撮像装置
６００ 割卵機
１０ 記憶部
１３１ 第一推定部
１３２ 第二推定部
１３３ 第三推定部
１３４ 第四推定部
１３５ 第五推定部
１３６ 第六推定部
１３７ 第七推定部
３９ 警告部
４０ 出力部
５０ 第一光源
５１ 第二光源
５２ 撮像装置
６００ 割卵機
【図1】
【図2】
【図3】
【図4A】
【図4B】
【図5A】
【図5B】
【図5C】
【図5D】
【図5E】
【図5F】
【図5G】
【図5H】
