特開 2024-13350 材質識別装置、材質識別プログラム、材質識別方法および廃プラスチック片選別システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024013350

(43)【公開日】2024-02-01

(54)【発明の名称】材質識別装置、材質識別プログラム、材質識別方法および廃プラスチック片選別システム

(51)【国際特許分類】

   G01N 21/27 20060101AFI20240125BHJP

   B07C 5/342 20060101ALI20240125BHJP

【ＦＩ】

G01N21/27 A

B07C5/342

【審査請求】未請求

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2022115376

(22)【出願日】2022-07-20

【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り 開催日：令和４年３月１７日 集会名、開催場所：令和３年度日本知能情報ファジィ学会東北支部研究会、オンライン開催 〔刊行物等〕開催日：令和４年６月２２日 集会名、開催場所：日本素材物性学会令和４年度（第３２回）年会、オンライン開催

(71)【出願人】

【識別番号】504409543

【氏名又は名称】国立大学法人秋田大学

(71)【出願人】

【識別番号】000224798

【氏名又は名称】ＤＯＷＡホールディングス株式会社

(74)【代理人】

【識別番号】100091362

【弁理士】

【氏名又は名称】阿仁屋 節雄

(74)【代理人】

【識別番号】100161034

【弁理士】

【氏名又は名称】奥山 知洋

(72)【発明者】

【氏名】景山 陽一

(72)【発明者】

【氏名】川村 茂

(72)【発明者】

【氏名】白井 光

(72)【発明者】

【氏名】竹内 智之

(72)【発明者】

【氏名】中川原 聡

(72)【発明者】

【氏名】渡邊 宏満

(72)【発明者】

【氏名】小川 啓太

【テーマコード（参考）】

2G059

3F079

【Ｆターム（参考）】

2G059AA05

2G059BB08

2G059BB15

2G059DD12

2G059EE02

2G059EE12

2G059FF01

2G059KK04

2G059MM01

2G059MM05

2G059PP01

3F079AB00

3F079CA31

3F079CB25

3F079CB29

3F079CC03

3F079CC13

3F079DA12

(57)【要約】

【課題】廃プラスチックの材質識別を、良好な識別精度を維持しつつ、処理時間を短縮化して行うことを実現可能にする。
【解決手段】廃プラスチック片の撮像結果から複数の波長帯のスペクトルデータの組み合わせである撮像データを得る撮像データ処理部３３ａと、複数種類の既知材料片のそれぞれについての複数の波長帯のスペクトルデータをサンプルデータとして用意するサンプルデータ処理部３３ｂと、前記撮像データと前記サンプルデータの対比に際して着目すべき波長帯を選択する特徴量選択部３３ｄと、前記特徴量選択部３３ｄが選択した波長帯について、前記撮像データのスペクトルデータを前記サンプルデータのスペクトルデータと対比し、その対比結果に基づいて前記廃プラスチック片の材質識別を行う材質識別部３３ｅと、を備えた材質識別装置３０を構成する。
【選択図】図２

【特許請求の範囲】

【請求項1】

廃プラスチック片の撮像結果から複数の波長帯のスペクトルデータの組み合わせである撮像データを得る撮像データ処理部と、
複数種類の既知材料片のそれぞれについての複数の波長帯のスペクトルデータをサンプルデータとして用意するサンプルデータ処理部と、
前記撮像データと前記サンプルデータの対比に際して着目すべき波長帯を選択する特徴量選択部と、
前記特徴量選択部が選択した波長帯について、前記撮像データのスペクトルデータを前記サンプルデータのスペクトルデータと対比し、その対比結果に基づいて前記廃プラスチック片の材質識別を行う材質識別部と、
を備える材質識別装置。

【請求項2】

前記特徴量選択部は、前記複数種類の既知材料片の識別に関する識別精度の情報に基づいて波長帯選択を行う
請求項１に記載の材質識別装置。

【請求項3】

前記特徴量選択部は、機械学習モデルを利用して波長帯選択を行う
請求項２に記載の材質識別装置。

【請求項4】

前記材料識別部は、二次判別分析を利用して材料識別を行う
請求項１に記載の材質識別装置。

【請求項5】

前記スペクトルデータを正規化するデータ正規化部
を備える請求項１に記載の材質識別装置。

【請求項6】

コンピュータを、
廃プラスチック片の撮像結果から複数の波長帯のスペクトルデータの組み合わせである撮像データを得る撮像データ処理部と、
複数種類の既知材料片のそれぞれについての複数の波長帯のスペクトルデータをサンプルデータとして用意するサンプルデータ処理部と、
前記撮像データと前記サンプルデータの対比に際して着目すべき波長帯を選択する特徴量選択部と、
前記特徴量選択部が選択した波長帯について、前記撮像データのスペクトルデータを前記サンプルデータのスペクトルデータと対比し、その対比結果に基づいて前記廃プラスチック片の材質識別を行う材質識別部と、
として機能させる材質識別プログラム。

【請求項7】

廃プラスチック片の撮像結果から複数の波長帯のスペクトルデータの組み合わせである撮像データを得る撮像データ処理工程と、
複数種類の既知材料片のそれぞれについての複数の波長帯のスペクトルデータをサンプルデータとして用意するサンプルデータ処理工程と、
前記撮像データと前記サンプルデータの対比に際して着目すべき波長帯を選択する特徴量選択工程と、
前記特徴量選択工程で選択した波長帯について、前記撮像データのスペクトルデータを前記サンプルデータのスペクトルデータと対比し、その対比結果に基づいて前記廃プラスチック片の材質識別を行う材質識別工程と、
を備える材質識別方法。

【請求項8】

請求項１に記載の材質識別装置と、
前記廃プラスチック片を搬送する搬送装置と、
前記材質識別装置による材質識別の結果に応じて前記搬送装置が搬送する前記廃プラスチック片の選別を行う選別装置と、
を備える廃プラスチック片選別システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、材質識別装置、材質識別プログラム、材質識別方法および廃プラスチック片選別システムに関する。

【背景技術】

【0002】

近年、リサイクル意識の高まりに伴い、廃プラスチックの再利用が注目されている。ただし、プラスチックの種類によっては、例えば焼却によって有害ガスを発生させるといったように、再利用に適さないものがある。そのため、廃プラスチックの再利用に際しては、その再利用の対象となる廃プラスチックについて材質識別を行うことが提案されている（例えば、特許文献１～３参照）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２０－０６２６３３公報

【特許文献2】特開２０２２－０３２３４６公報

【特許文献3】特開２０２１－１２８０６２公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

廃プラスチックの材質識別は、再利用の対象となる廃プラスチックの搬送処理の過程で行われることがある。そのため、廃プラスチックの材質識別については、良好な識別精度を維持しつつ、極力処理時間を短縮化して、搬送処理等への支障が生じないようにすることが望ましい。

【0005】

本発明は、廃プラスチックの材質識別を、良好な識別精度を維持しつつ、処理時間を短縮化して行うことを実現可能にする技術の提供を目的とする。

【課題を解決するための手段】

【0006】

本発明の第１の態様は、
廃プラスチック片の撮像結果から複数の波長帯のスペクトルデータの組み合わせである撮像データを得る撮像データ処理部と、
複数種類の既知材料片のそれぞれについての複数の波長帯のスペクトルデータをサンプルデータとして用意するサンプルデータ処理部と、
前記撮像データと前記サンプルデータの対比に際して着目すべき波長帯を選択する特徴量選択部と、
前記特徴量選択部が選択した波長帯について、前記撮像データのスペクトルデータを前記サンプルデータのスペクトルデータと対比し、その対比結果に基づいて前記廃プラスチック片の材質識別を行う材質識別部と、
を備える材質識別装置である。

【0007】

本発明の第２の態様は、
前記特徴量選択部は、前記複数種類の既知材料片の識別に関する識別精度の情報に基づいて波長帯選択を行う
第１の態様に記載の材質識別装置である。

【0008】

本発明の第３の態様は、
前記特徴量選択部は、機械学習モデルを利用して波長帯選択を行う
第２の態様に記載の材質識別装置である。

【0009】

本発明の第４の態様は、
前記材料識別部は、二次判別分析を利用して材料識別を行う
第１の態様に記載の材質識別装置である。

【0010】

本発明の第５の態様は、
前記スペクトルデータを正規化するデータ正規化部
を備える第１の態様に記載の材質識別装置である。

【0011】

本発明の第６の態様は、
コンピュータを、
廃プラスチック片の撮像結果から複数の波長帯のスペクトルデータの組み合わせである撮像データを得る撮像データ処理部と、
複数種類の既知材料片のそれぞれについての複数の波長帯のスペクトルデータをサンプルデータとして用意するサンプルデータ処理部と、
前記撮像データと前記サンプルデータの対比に際して着目すべき波長帯を選択する特徴量選択部と、
前記特徴量選択部が選択した波長帯について、前記撮像データのスペクトルデータを前記サンプルデータのスペクトルデータと対比し、その対比結果に基づいて前記廃プラスチック片の材質識別を行う材質識別部と、
として機能させる材質識別プログラムである。

【0012】

本発明の第７の態様は、
廃プラスチック片の撮像結果から複数の波長帯のスペクトルデータの組み合わせである撮像データを得る撮像データ処理工程と、
複数種類の既知材料片のそれぞれについての複数の波長帯のスペクトルデータをサンプルデータとして用意するサンプルデータ処理工程と、
前記撮像データと前記サンプルデータの対比に際して着目すべき波長帯を選択する特徴量選択工程と、
前記特徴量選択工程で選択した波長帯について、前記撮像データのスペクトルデータを前記サンプルデータのスペクトルデータと対比し、その対比結果に基づいて前記廃プラスチック片の材質識別を行う材質識別工程と、
を備える材質識別方法である。

【0013】

本発明の第８の態様は、
第１の態様に記載の材質識別装置と、
前記廃プラスチック片を搬送する搬送装置と、
前記材質識別装置による材質識別の結果に応じて前記搬送装置が搬送する前記廃プラスチック片の選別を行う選別装置と、
を備える廃プラスチック片選別システムである。

【発明の効果】

【0014】

本発明によれば、廃プラスチックの材質識別を、良好な識別精度を維持しつつ、処理時間を短縮化して行うことが実現可能になる。

【図面の簡単な説明】

【0015】

【図1】本発明の一実施形態に係る廃プラスチック片選別システムの構成例を示す説明図である。

【図2】本発明の一実施形態に係る材質識別装置の機能構成の一例を示すブロック図である。

【図3】本発明の一実施形態に係る材質識別方法の手順の一例を示すフロー図である。

【図4】本発明の一実施形態に係る材質識別方法で行う特徴量選択の手順の一例を示すフロー図（その１）である。

【図5】本発明の一実施形態に係る材質識別方法で行う特徴量選択の手順の一例を示すフロー図（その２）である。

【発明を実施するための形態】

【0016】

以下、図面に基づき、本発明の一実施形態に係る材質識別装置、材質識別プログラム、材質識別方法および廃プラスチック片選別システムについて説明する。

【0017】

＜システム構成例＞
まず、本実施形態に係る廃プラスチック片選別システムの構成例について説明する。
図１は、本実施形態に係る廃プラスチック片選別システムの構成例を示す説明図である。

【0018】

本実施形態で例に挙げる廃プラスチック片選別システム（以下、単に「システム」とも称する。）１は、廃プラスチックを再利用する際に用いられるもので、再利用の対象となる廃プラスチックについて材質種類に応じた選別を行うものである。そのために、システム１は、少なくとも、前処理装置１０と、搬送装置２０と、材質識別装置３０と、選別装置４０と、を備えて構成されている。

【0019】

前処理装置１０は、再利用の対象となる廃プラスチック２に粉砕処理や分級処理等を行って、所定サイズの廃プラスチック片３とするものである。粉砕処理や分級処理等については、公知技術を利用したものであればよいため、ここでは詳細な説明を省略する。

【0020】

搬送装置２０は、前処理装置１０から受け取った廃プラスチック片３の搬送を行うものである。廃プラスチック片３の搬送は、例えばベルトコンベアを利用して行うことが考えられるが、必ずしもこれに限定されることはなく、他の公知技術を利用して行うようにしても構わない。

【0021】

材質識別装置３０は、搬送装置２０が搬送する廃プラスチック片３について、各廃プラスチック片３を構成する形成材料（材質）の種類の識別を行うものである。つまり、材質識別装置３０は、廃プラスチック片３の材質識別を行うものである。なお、廃プラスチック片３の材質識別については、詳細を後述する。

【0022】

選別装置４０は、材質識別装置３０による材質識別の結果に応じて、搬送装置２０が搬送する廃プラスチック片３の選別を行うものである。廃プラスチック片３の選別は、例えば、材質種類毎に用意された複数の収納容器４１と、搬送装置２０から排出される廃プラスチック片３をどの収納容器４１に収容するかの軌道を変えるエア噴射ノズル４２と、を用いて行うことが考えられるが、必ずしもこれに限定されることはなく、他の公知技術を利用して行うようにしても構わない。

【0023】

以上のような構成により、本実施形態におけるシステム１では、前処理装置１０で粉砕された廃プラスチック片３について、搬送装置２０による搬送中に材質識別装置３０が材質識別を行う。そして、材質識別装置３０による材質識別の結果に応じて、選別装置４０が廃プラスチック片３を材質種類毎に選別する。したがって、本実施形態におけるシステム１によれば、供給される廃プラスチック２に様々な種類のものが混在していても、材質識別の結果に応じた選別を経ることで、再利用に適さない材質種類の廃プラスチック片３を再利用の対象から除外することが可能となる。

【0024】

＜材質識別装置の機能構成例＞
次に、上述のシステム１における材質識別装置３０の機能構成例について説明する。材質識別装置３０は、本発明に係る「材質識別装置」の一具体例に相当するものである。
図２は、本実施形態に係る材質識別装置の機能構成の一例を示すブロック図である。

【0025】

本実施形態で例に挙げる材質識別装置３０は、撮像カメラ３１と、データベース部３２と、コンピュータ部３３と、を備えて構成されている。ただし、撮像カメラ３１およびデータベース部３２については、材質識別装置３０とは別装置のものを利用してもよい。つまり、材質識別装置３０は、少なくともコンピュータ部３３を備えて構成されていればよく、撮像カメラ３１およびデータベース部３２は材質識別装置３０の構成要素として考えてもよいし、材質識別装置３０には含まないものとして考えてもよい。

【0026】

撮像カメラ３１は、例えばハイパースペクトルカメラによって構成されたもので、光を波長帯（以下、波長帯のことを「バンド」とも称する。）毎に分光して撮像することで、複数（具体的には１００種類以上）の光の波長帯のスペクトルデータを取得できるものである。撮像カメラ３１は、搬送装置２０によって搬送される廃プラスチック片３を撮像し得るように配置されており、複数の波長帯のスペクトルデータの組み合わせである撮像データ（ハイパースペクトル画像データ）３１ａを、廃プラスチック片３の撮像結果として取得するようになっている。取得する撮像データ３１ａとしては、例えば、可視光または赤外光の波長帯域を１６９種類の波長帯に分光し、それぞれの波長帯のスペクトルデータによって構成されるものが挙げられる。ただし、スペクトルデータの波長帯数（分光数）は、特定の数に限定されるものではなく、識別しようとする材質に応じて適宜設定可能である。

【0027】

データベース部３２は、例えば必要十分なメモリ容量を有する記憶装置によって構成されたもので、予め設定された複数種類の既知材料片のそれぞれについて、当該既知材料片を撮像カメラ３１で撮像した場合に取得される複数の波長帯のスペクトルデータを、廃プラスチック片３の材質識別を行う際の判断基準（リファレンス）となるサンプルデータ３２ａ，３２ｂ，３２ｃ，…として記憶し、これにより当該サンプルデータ３２ａ，３２ｂ，３２ｃ，…を既知材料片の種類と対応付けて管理するものである。既知材料片の種類としては、例えば、ポリエチレン（ＰＥ）、ポリプロピレン（ＰＰ）、ポリカーボネート（ＰＣ）、ポリスチレン（ＰＳ）、ポリ塩化ビニル（プレス）、ポリ塩化ビニル（押し出し）、ポリ塩化ビニル（グレー）、ポリ塩化ビニル（軟質）、ポリエチレンテレフタレート（ＰＥＴ）、アクリル樹脂（ＰＭＭＡ）、ポリエーテルイミド（ＰＥＩ）、ポリアセタール（ＰＯＭ）、ＡＢＳ樹脂（ＡＢＳ）、ナイロン６、ナイロン６６、エポキシ樹脂、フェノール、ゴム、ウレタンフォームの１９種類が挙げられる。ただし、既知材料片の種類および数は、特定のものに限定されるものではなく、識別しようとする材質に応じて適宜設定可能である。

【0028】

コンピュータ部３３は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等といったハードウエア資源の組み合わせによって構成されたものである。そして、予めインストールされている所定プログラム（ソフトウエア）の実行により、ソフトウエアによる情報処理がハードウエア資源を用いて具体的に実現されるようになっている。これにより、コンピュータ部３３は、廃プラスチック片３の材質識別を行うための機能が実現される。さらに詳しくは、コンピュータ部３３は、廃プラスチック片３の材質識別を行うために、撮像データ処理部３３ａ、サンプルデータ処理部３３ｂ、データ正規化部３３ｃ、特徴量選択部３３ｄおよび材質識別部３３ｅとして機能するようになっている。

【0029】

撮像データ処理部３３ａは、撮像カメラ３１による撮像結果である撮像データ３１ａを当該撮像カメラ３１から受け取る機能である。つまり、撮像データ処理部３３ａは、撮像カメラ３１が廃プラスチック片３を撮像すると、その撮像結果としての撮像データ３１ａを、当該撮像カメラ３１から得るようになっている。

【0030】

サンプルデータ処理部３３ｂは、データベース部３２が記憶するサンプルデータ３２ａ，３２ｂ，３２ｃ，…を当該データベース部３２から受け取ることで、廃プラスチック片３の材質識別に必要となるサンプルデータ３２ａ，３２ｂ，３２ｃ，…を用意する機能である。

【0031】

データ正規化部３３ｃは、撮像データ処理部３３ａが得る撮像データ３１ａを構成するスペクトルデータと、サンプルデータ処理部３３ｂが用意するサンプルデータ３２ａ，３２ｂ，３２ｃ，…を構成するスペクトルデータとについて、それぞれのスペクトルデータに対する正規化を行う機能である。なお、スペクトルデータの正規化の具体的な態様については、詳細を後述する。

【0032】

特徴量選択部３３ｄは、廃プラスチック片３の材質識別を行う際に着目すべき特徴量を選択する機能である。ここでいう「特徴量」とは、波長帯毎のスペクトルデータのことをいう。また、特徴量の「選択」とは、複数の波長帯のスペクトルデータについて、当該複数の中からいずれか一つまたは二以上の波長帯を選び出すこと（すなわち選択的に抽出すること）をいう。つまり、特徴量選択部３３ｄは、廃プラスチック片３の材質識別を行うために材質識別部３３ｅが行う撮像データ３１ａとサンプルデータ３２ａ，３２ｂ，３２ｃ，…の対比に際して、着目すべき波長帯の選択を特徴量選択として行うようになっている。なお、特徴量選択の具体的な態様については、詳細を後述する。

【0033】

材質識別部３３ｅは、撮像カメラ３１が撮像した廃プラスチック片３について、撮像データ処理部３３ａが得る撮像データ３１ａと、サンプルデータ処理部３３ｂが用意するサンプルデータ３２ａ，３２ｂ，３２ｃ，…とを基に、その廃プラスチック片３の材質識別を行う機能である。ただし、廃プラスチック片３の材質識別にあたり、材質識別部３３ｅは、特徴量選択部３３ｄが選択した波長帯について、撮像データ３１ａのスペクトルデータをサンプルデータ３２ａ，３２ｂ，３２ｃ，…のスペクトルデータと対比し、その対比結果に基づいて当該材質識別を行うようになっている。なお、材質識別の具体的な態様については、詳細を後述する。

【0034】

以上に説明した構成の材質識別装置３０において、コンピュータ部３３における各部３３ａ～３３ｅの機能は、当該コンピュータ部３３が所定プログラムを実行することによって実現される。つまり、各部３３ａ～３３ｅとしての機能を実現する所定プログラムは、本発明に係る「材質識別プログラム」の一実施形態に相当する。

【0035】

その場合に、各機能を実現する所定プログラムは、コンピュータ部３３にインストール可能なものであれば、当該コンピュータ部３３で読み取り可能な記録媒体（例えば、磁気ディスク、光ディスク、光磁気ディスク、半導体メモリ等）に格納されて提供されるものであってもよいし、インターネットや専用回線等のネットワークを通じて外部から提供されるものであってもよい。

【0036】

＜材質識別の処理手順＞
次に、上述した構成の材質識別装置３０における処理動作例について説明する。ここでは、主として、廃プラスチック片３の材質識別を行う手順を具体的に説明する。ここで例に挙げる手順は、本発明に係る「材質識別方法」の一具体例に相当する。

【0037】

廃プラスチック片３の材質識別を行う場合には、これに先立って、例えば１９種類の既知材料片についてのサンプルデータ３２ａ，３２ｂ，３２ｃ，…が、予めデータベース部３２に記憶されているものとする。これにより、コンピュータ部３３は、データベース部３２におけるサンプルデータ３２ａ，３２ｂ，３２ｃ，…を用いた情報処理を行うことが可能となる。

【0038】

また、廃プラスチック片３の材質識別を行う場合には、その材質識別の対象となる廃プラスチック片３が搬送装置２０によって搬送されてくるので、その搬送中の廃プラスチック片３について撮像カメラ３１が撮像データ（ハイパースペクトル画像データ）３１ａを取得する。このとき、複数の廃プラスチック片３が搬送中であれば、各廃プラスチック片３に個別に対応付けることが可能な態様で、それぞれの廃プラスチック片３毎に撮像データ３１ａの取得を行う。これにより、材質識別の対象となる廃プラスチック片３のそれぞれについて、例えば１６９種類の波長帯（バンド）の分光スペクトルデータが撮像データ３１ａとして取得される。そして、撮像カメラ３１で取得された撮像データ３１ａは、コンピュータ部３３が行う情報処理に供されることになる。

【0039】

このように、廃プラスチック片３の材質識別については、当該廃プラスチック片３の搬送過程で行われるため、良好な識別精度を維持しつつ、極力処理時間を短縮化して、搬送処理や選別処理等への支障が生じないようにすることが望ましい。そのため、本実施形態において、材質識別装置３０のコンピュータ部３３は、以下に説明する手順で、廃プラスチック片３の材質識別を行う。

【0040】

図３は、本実施形態に係る材質識別方法の手順の一例を示すフロー図である。

【0041】

コンピュータ部３３では、廃プラスチック片３の材質識別にあたり、まず、特徴量選択部３３ｄが特徴量選択を行う（ステップ１０１、以下ステップを「Ｓ」と略す。）。これにより、廃プラスチック片３の材質識別を行う際に着目すべき特徴量として、一つまたは二以上のスペクトルデータの波長帯が選択される。ここでは、例えば、撮像データ３１ａにおける１６９種類の波長帯（バンド）のうち、４種類の波長帯（バンドＡ～バンドＤ）を特徴量として選択する場合を例に挙げて、以下の説明を行う。

【0042】

なお、特徴量を選択する際の具体的な手順や特徴量の選択数等については、詳細な説明を後述する。

【0043】

特徴量選択の後は、次いで、材質識別の対象となる廃プラスチック片３について撮像カメラ３１が取得した撮像データ３１ａを、撮像データ処理部３３ａが当該撮像カメラ３１から受け取って読み込む（Ｓ１０２）。ただし、このとき、撮像データ処理部３３ａは、撮像データ３１ａの全波長帯ではなく、特徴量選択部３３ｄが特徴量として選択した波長帯についてのみ、スペクトルデータの読み込みを行う。したがって、材質識別の対象となる廃プラスチック片３について、撮像カメラ３１が取得した撮像データ３１ａを構成する全１６９バンドのスペクトルデータのうち、特徴量選択された４バンド（バンドＡ～バンドＤ）のスペクトルデータが抽出されることになる。

【0044】

さらに、特徴量選択の後は、廃プラスチック片３の材質識別に必要となるサンプルデータ３２ａ，３２ｂ，３２ｃ，…を、サンプルデータ処理部３３ｂがデータベース部３２から受け取って読み込む（Ｓ１０３）。ただし、このときも、サンプルデータ処理部３３ｂは、各サンプルデータ３２ａ，３２ｂ，３２ｃ，…のそれぞれについて、全波長帯ではなく、特徴量選択部３３ｄが特徴量として選択した波長帯についてのみ、スペクトルデータの読み込みを行う。したがって、各サンプルデータ３２ａ，３２ｂ，３２ｃ，…のそれぞれについても、全１６９バンドのスペクトルデータのうち、特徴量選択された４バンド（バンドＡ～バンドＤ）のスペクトルデータが抽出されることになる。

【0045】

撮像データ処理部３３ａおよびサンプルデータ処理部３３ｂでのスペクトルデータの読み込み後は、それぞれのスペクトルデータに対して、データ正規化部３３ｃが正規化を行う（Ｓ１０４）。廃プラスチック片３は、その厚さや体積等によって光の反射強度が変わる。そのため、コンピュータ部３３でスペクトルデータについて情報処理を行う場合には、そのスペクトルデータをノーマライズ（正規化）することが好ましい。このことから、コンピュータ部３３は、スペクトルデータに対する正規化を行うデータ正規化部３３ｃを備えているのである。

【0046】

正規化は、例えば、スペクトルデータの最小値を０、最大値を１にスケーリングすることで行う。具体的には、以下の（１）式を用いて正規化を行えばよい。なお、（１）式において、ｘｉはスペクトルデータのデータ値（観測値）、ｍａｘ（ｘ）は全観測値の最大値、ｍｉｎ（ｘ）は全観測値の最小値である。

【0047】

【数1】

【0048】

このような正規化を行うことで、コンピュータ部３３では、スペクトルデータの誤差要因を排除することができる。したがって、そのスペクトルデータを利用して行う廃プラスチック片３の材質識別について、良好な識別精度を維持する上で非常に好適なものとなる。

【0049】

スペクトルデータの正規化後は、次いで、材質識別部３３ｅが廃プラスチック片３の材質識別を行う（Ｓ１０５）。材質識別部３３ｅは、撮像データ処理部３３ａが読み込んだ特徴量選択後の４バンドのスペクトルデータを、サンプルデータ処理部３３ｂが読み込んだ特徴量選択後の４バンドのスペクトルデータと対比し、その対比結果に基づいて廃プラスチック片３の材質識別を行う。したがって、特徴量選択を経ていることから、全１６９バンドのスペクトルデータについて対比を行う場合に比べると、大幅に処理負荷を軽減させることが可能となる。

【0050】

このとき、材質識別部３３ｅは、材質種類の分類がわかっているサンプルデータ３２ａ，３２ｂ，３２ｃ，…に対して、撮像データ３１ａのスペクトルデータがどの分類に属するかを判別することで、その撮像データ３１ａを取得した廃プラスチック片３についての材質識別を行う。具体的には、例えば、特徴量の選択数（例えば４つ）に応じた次元空間に各サンプルデータ３２ａ，３２ｂ，３２ｃ，…のスペクトルデータをプロットすると各材質種類（例えば１９種類）のプロットデータがクラスタリングによって明確に分類できる（そのようにグループ分けできる特徴量の組み合わせを選択している）という状況下で、当該次元空間に撮像データ３１ａのスペクトルデータをプロットした場合に、そのスペクトルデータがどのグループに属するか判別することで、廃プラスチック片３の材質種類を識別する。

【0051】

このようなデータ分類を、材質識別部３３ｅは、例えば、二次判別分析（ＱＤＡ：Quadratic Discriminant Analysis）によって行う。つまり、材質識別部３３ｅは、ＱＤＡを利用して廃プラスチック片３の材料識別を行う。

【0052】

ＱＤＡは、機械学習の教師あり学習に分類される手法であり、分類のわかっているデータ（サンプルデータ、教師データ）からグループ毎に分けられる最適な射影を求める手法である。ＱＤＡでは、各グループの分散共分散行列Σ_ｋ，Σ_ｌが正規分布に従うと仮定し、各グループの分散とグループ内の分散から判別境界を算出する。ＱＤＡの判別境界の例を（２）式に示す。なお、（２）式において、ｘはデータ値、μはデータ値の平均、Σは分散共分散行列である。

【0053】

【数2】

【0054】

このようなＱＤＡを利用すれば、判別境界が二次関数となるため、複雑な分類が実現可能になる。このことは、多次元のデータに適用して有効であることを意味し、バンド数の多いハイパースペクトルイメージングの解析に有用なものとなる。したがって、ＱＤＡを利用して廃プラスチック片３の材質識別を行うことで、その材質識別について、良好な識別精度を維持する上で非常に好適なものとなる。

【0055】

なお、材質識別部３３ｅは、上述のようにＱＤＡを利用して廃プラスチック片３の材料識別を行うことが考えられるが、必ずしもこれに限定されることはなく、例えば、他の判別分析の手法である線形判別分析（ＬＤＡ：Linear discriminant analysis）を利用して行うようにしても構わない。ＬＤＡを利用した場合は、ＱＤＡ利用の場合に比べて、計算量削減による処理時間の短縮化が実現可能となる。

【0056】

廃プラスチック片３の材料識別を行うと、材質識別部３３ｅは、その識別結果を選別装置４０に対して出力する（Ｓ１０６）。この出力結果を受けて、選別装置４０は、搬送装置２０が搬送する廃プラスチック片３の選別を行う。つまり、選別装置４０は、材質識別装置３０による識別結果に応じて、搬送装置２０から排出される廃プラスチック片３をどの収納容器４１に収容するかを判断して、エア噴射ノズル４２からのエア噴射を制御する。したがって、例えば最利用の適否に応じて廃プラスチック片３を物理的に選別する、といったことが実現可能となる。

【0057】

以上のような一連の手順（Ｓ１０２～Ｓ１０６）を、コンピュータ部３３は、搬送装置２０によって搬送される廃プラスチック片３のそれぞれについて個別に行う。したがって、複数の廃プラスチック片３が搬送される場合であれば、コンピュータ部３３は、各廃プラスチック片３のそれぞれについて、上述した一連の手順（Ｓ１０２～Ｓ１０６）を繰り返し行うことになる。

【0058】

以上に説明したように、本実施形態における材質識別方法によれば、特徴量選択を経ていることから、その特徴量選択された４バンド（バンドＡ～バンドＤ）のスペクトルデータを処理対象とすることができ、全１６９バンドのスペクトルデータを処理対象とする場合に比べると、大幅に処理負荷を軽減させることが可能となる。また、廃プラスチック片３の材質識別についてＱＤＡを利用して行うことから、複雑な分類にも適切に対応可能となり、良好な識別精度を維持する上で非常に好適なものとなる。つまり、本実施形態における材質識別方法によれば、良好な識別精度を維持しつつ、極力処理時間を短縮化して、搬送処理や選別処理等への支障が生じないようにすることが可能となる。

【0059】

＜特徴量選択の具体例＞
次に、上述した材質識別方法における特徴量選択（Ｓ１０１）の具体的な手順について、さらに詳しく説明する。

【0060】

上述したように、本実施形態において、廃プラスチック片３の材料識別を行う際には、特徴量選択を経ることで処理対象とする特徴量の数（スペクトルデータのバンド数）を削減し、選択した特徴量についてのみデータ読み込みを行うことで、処理負荷軽減を図る。そのため、処理負荷軽減による処理時間短縮のためには、特徴量の選択数が少ないほうが有利と考えられる。その一方で、特徴量の選択数が少な過ぎると、廃プラスチック片３の材質識別を行う際の識別精度が損なわれることが懸念される。つまり、特徴量の選択数を絞り過ぎると、処理時間短縮には有利であっても識別精度が損なわれるおそれがある一方で、特徴量の選択数が多すぎると、識別精度の点では有利であっても処理時間短縮が困難になるおそれがある。以上のことから、特徴量の選択数は、互いに相反する事項を両立し得るものであることが望ましい。

【0061】

また、特徴量の選択数については、システム１や材質識別装置３０等の仕様に柔軟に対応し得るものであることが望ましい。例えば、撮像カメラ３１の仕様によっては、取得されるスペクトルデータの波長帯数（分光数）が異なり得る。さらには、データベース部３２が記憶するサンプルデータ３２ａ，３２ｂ，３２ｃ，…の種類数や、各サンプルデータ３２ａ，３２ｂ，３２ｃ，…におけるスペクトルデータの波長帯数（分光数）についても同様である。したがって、特徴量の選択数が予め設定された固定的な値によるものであると、仕様の違いに柔軟に対応することができず、その結果として上述した互いに相反する事項の両立が困難になってしまうおそれがある。

【0062】

以上のことを踏まえつつ、本実施形態においては、以下に説明する手順で特徴量選択を行う。
図４および図５は、本実施形態に係る材質識別方法で行う特徴量選択の手順の一例を示すフロー図である。

【0063】

図４に示すように、特徴量選択（Ｓ１０１）にあたり、コンピュータ部３３では、サンプルデータ処理部３３ｂがデータベース部３２にアクセスして、複数種類の既知材料片のそれぞれについてのサンプルデータ３２ａ，３２ｂ，３２ｃ，…を用意する（Ｓ２０１）。そして、特徴量選択部３３ｄは、用意した中から任意の一種類のサンプルデータに着目し、その着目サンプルデータについて、全バンド（例えば、１６９バンド）のスペクトルデータを用いた場合の識別精度を事前に把握しておく（Ｓ２０２）。具体的には、全１６９バンドのスペクトルデータを用いつつ、着目サンプルデータがどの種類のサンプルデータ３２ａ，３２ｂ，３２ｃ，…に該当するかを、材質識別部３３ｅに識別させる。このときの識別は、例えば、ＱＤＡを利用して行えばよい。また、識別精度は、例えば、識別結果に対する正答率を算出することによって求めればよい。これにより、特徴量選択部３３ｄは、例えば、全１６９バンドのスペクトルデータを用いて識別した場合の識別精度が９９．９％である、といった事前把握結果を得ることになる。なお、このときの識別精度が１００％でないのは、判別誤差等が含まれるからである。

【0064】

全バンドの場合の識別精度について事前把握を行った後は、特徴量選択部３３ｄが特徴量選択を開始する。

【0065】

特徴量選択部３３ｄは、まず、１個目のバンド選択を行う（Ｓ２０３）。具体的には、着目サンプルデータについて、全１６９バンドのうちの１つのバンドのみを用いた場合の識別精度を求め、これを全１６９バンドのそれぞれについて行い、その中で最も識別精度が高かったバンドについて、これを１個目のバンドとして選択する。以下、１個目として選択したバンドを「バンドＡ」とも称する。バンドＡのスペクトルデータを用いて識別した場合の識別精度は、例えば５１．４％である。

【0066】

バンドＡの選択後、特徴量選択部３３ｄは、続いて、２個目のバンド選択を行う（Ｓ２０４）。具体的には、着目サンプルデータについて、全１６９バンドからバンドＡを除いた１６８バンドのうちの１つのバンドをバンドＡと組み合わせ、これら２つのバンドを用いた場合の識別精度を求め、これを１６８バンドのそれぞれとバンドＡとの組み合わせについて行い、その中で最も識別精度が高かった組み合わせのバンドについて、これを２個目のバンドとして選択する。以下、２個目として選択したバンドを「バンドＢ」とも称する。バンドＡとバンドＢの組み合わせに係るスペクトルデータを用いて識別した場合の識別精度は、例えば８９．９％である。

【0067】

このようなバンド選択を、特徴量選択部３３ｄは、ｎ（ｎは自然数）個目のバンドの選択を行うまで（Ｓ２０５）、繰り返し行う。具体的には、着目サンプルデータについて、バンドＡ+バンドＢ+・・・+ｎ個目のバンドの組み合わせのうち、最も識別精度が高かった組み合わせのバンドについて、これをｎ個目のバンドとして選択する。なお、ｎは自然数なので、ｎ＝１の場合も含む。ｎ＝４の場合、バンドＡ～バンドＤの組み合わせに係るスペクトルデータを用いて識別した場合の識別精度は、例えば９９．３％である。また、ｎ＝１０の場合、バンドＡ～バンドＪの組み合わせに係るスペクトルデータを用いて識別した場合の識別精度は、例えば９９．９％である。つまり、ｎの値が大きくなると、特徴量の選択数が多くなることを意味するので、これに伴って識別精度も良くなる。

【0068】

以上のようなバンド選択を、特徴量選択部３３ｄは、機械学習モデルを利用して行う。つまり、特徴量選択部３３ｄは、機械学習モデルを利用して変数間の関係を探し出し、それぞれのモデルに最適なバンドの組み合わせを探し出すことで、特徴量選択としてのバンド選択を行う。

【0069】

具体的には、特徴量選択部３３ｄは、上述したように、例えばステップフォワード（Step Forward）の手法により、特徴量選択を行う。ステップフォワードは、機械学習モデルを使用して特徴量の組み合わせを評価するラッパー法（Wrapper Method）に分類される特徴量選択手法の一つである。さらに詳しくは、ステップフォワードは、すべての特徴量から１つずつ独立して学習し、最も評価指標が高くなったものを選択し、選択した特徴量に他の特徴量をどれか１つのみ追加して学習し、最も評価指標が高くなった組み合わせを選択し、このような手順を特徴量を１つずつ加えながら繰り返す、といった手法である。

【0070】

なお、特徴量選択手法としては、例えば相互情報量（Mutual Information）を利用することも考えられる。相互情報量による特徴量選択は、機械学習モデルを使用せずにデータセットのみで特徴量の評価を行うフィルター法に分類される特徴量選択手法である。具体的には、相互情報量による特徴量選択では、特徴量Ｘと特徴量Ｙの同時分布ｐ（ｘｉ，ｙｊ）と個々の分布の積ｐ（ｘｉ）ｐ（ｙｊ）との類似度を求めることで、互いの特徴量が共通する情報量を求め、情報量の高い特徴量を選択する。

【0071】

このような相互情報量による特徴量選択と比べた場合、機械学習モデルを利用するステップフォワードの手法によって特徴量選択を行うと、特徴量選択数が同じ値であれば、ステップフォワードのほうが識別精度が高いことが分かっている。つまり、識別精度を高く維持するという観点では、ステップフォワードは、相互情報量を用いた特徴量選択に比べて有用である。したがって、本実施形態においては、上述したように、ステップフォワードによる機械学習モデルを利用して、ｎ個のバンド選択を行うこととしている。

【0072】

ｎ個目のバンドの選択を行うと（Ｓ２０５）、特徴量選択部３３ｄは、図５に示すように、ｎ個のバンドの組み合わせによる識別精度を全１６９バンドの場合の識別精度と比較して、これらが同じであるか否かを判断する（Ｓ２０６）。ここでいう「同じ」には、ｎ個のバンドの場合の識別精度が全バンドの場合の識別精度より大きい場合を含む。

【0073】

この判断の結果、ｎ個のバンドの場合の識別精度が全バンドの場合の識別精度と同じでなければ（Ｓ２０６：ｎｏ）、特徴量選択部３３ｄは、ｎの数をｎ＋１にインクリメントした上で（Ｓ２０７）、再びｎ個目のバンド選択を行う（Ｓ２０５）。

【0074】

一方、ｎ個のバンドの場合の識別精度が全バンドの場合の識別精度と同じであれば（Ｓ２０６：ｙｅｓ）、特徴量選択部３３ｄは、その時点でバンド選択の処理を終了し、その時点でのバンド選択数をｎの上限値として確定させる（Ｓ２０８）。具体的には、例えば、全１６９バンドのスペクトルデータを用いて識別した場合の識別精度が９９．９％である場合に、ｎ＝１０のときの識別精度が９９．９％であれば、それ以上ｎの値が大きくなっても更なる識別精度の良化が見込めないので、特徴量選択部３３ｄは、ｎ＝１０を上限値とする。

【0075】

ｎの上限値を確定させた後、特徴量選択部３３ｄは、ｎ＝１～上限値（例えば１０）の間について、それぞれの場合の識別精度を認識する。そして、その認識結果に基づき、それぞれの場合の中で識別精度が所定閾値以上であり、かつ、ｎの数が最小であるバンド数を選択する（Ｓ２０９）。所定閾値は、実用に対応し得る識別精度の値として予め設定されたものであり、例えば識別精度９５％、好ましくは識別精度９８％、より好ましくは識別精度９９％に設定されている。このような所定閾値以上の識別精度は、例えば、ｎ＝４～１０の場合に得られる。そこで、本実施形態においては、ｎ＝４～１０の中でｎの数が最小であるｎ＝４の場合を、特徴量選択部３３ｄが選択することになる。

【0076】

このようにしてバンド数を決めると、特徴量選択部３３ｄは、そのバンド数に応じたバンドを特徴量として選択することを決定する（Ｓ２１０）。具体的には、例えば、選択したバンド数がｎ＝４の場合であれば、１個目に選択したバンドＡ、２個目に選択したバンドＢ、３個目に選択したバンドＣおよび４個目に選択したバンドＤについて、これらの組み合わせを、上述した廃プラスチック片３の材質識別を行う際の特徴量として用いることを決定する。

【0077】

以上のような手順の特徴量選択によれば、特徴量選択部３３ｄは、複数種類の既知材料片の識別に関する識別精度の情報に基づいてバンド選択を行う。
例えば、サンプルデータ３２ａ，３２ｂ，３２ｃ，…について全１６９バンドのスペクトルデータを用いて識別した場合の識別精度を基準にして、選択するバンド数の上限値を確定させる。そのため、特徴量選択の過程でｎ個目のバンド選択が必要であっても、上限値を確定させることで、必要以上にバンド選択を繰り返すことがない。
また、例えば、バンド数を決める際の識別精度が所定閾値以上であることを条件とする。そのため、廃プラスチック片３の材質識別を行う際の識別精度が損なわれてしまうことを抑制できる。
さらには、例えば、識別精度が所定閾値以上である中で、ｎの数が最小であるバンド数を選択する。そのため、識別精度を維持しつつ、バンド数を削減することで、処理時間の短縮化を図ることができる。
つまり、特徴量選択部３３ｄは、識別精度の情報に基づいてバンド選択を行うことで、多くの処理時間を要することを抑制しつつ、良好な識別精度を維持することができる。

【0078】

したがって、特徴量選択部３３ｄが行う特徴量選択によれば、処理負荷軽減による処理時間の短縮化と、良好な識別精度の維持とについて、これらの互いに相反する事項を両立させることを実現可能になる。

【0079】

しかも、特徴量選択部３３ｄが行う特徴量選択は、データベース部３２にサンプルデータ３２ａ，３２ｂ，３２ｃ，…が記憶されている既知材料片の種類数や、撮像カメラ３１で取得する撮像データ３１ａを構成するスペクトルデータのバンド数（分光数）等にかかわらず、いずれの場合にも適用することが可能である。したがって、システム１や材質識別装置３０等の仕様に柔軟に対応することができる。そして、仕様の違いに柔軟に対応する場合であっても、処理時間短縮化と良好な識別精度維持という相反事項の両立を実現させることが可能になる。

【0080】

＜本実施形態の効果＞
本実施形態で説明した材質識別装置、材質識別プログラム、材質識別方法および廃プラスチック片選別システムによれば、以下のような効果が得られる。

【0081】

本実施形態では、廃プラスチック片３の材質識別にあたり、特徴量選択を行う。したがって、特徴量選択を経ていることから、全バンドのスペクトルデータについて対比を行う場合に比べると、大幅に処理負荷を軽減させることが可能となる。しかも、特徴量選択を経ていても、その特徴量選択を識別精度が損なわれないように行うことで、良好な識別精度を維持することが可能となる。つまり、本実施形態によれば、廃プラスチック片３の材質識別を、良好な識別精度を維持しつつ、極力処理時間を短縮化して、搬送処理や選別処理等への支障が生じないようにすることが可能となる。

【0082】

本実施形態では、特徴量選択にあたり、複数種類の既知材料片の識別に関する識別精度の情報に基づいてバンド選択を行うことで、多くの処理時間を要することを抑制しつつ、良好な識別精度を維持することができる。したがって、廃プラスチック片３の材質識別を、良好な識別精度を維持しつつ、極力処理時間を短縮化して行う上で、非常に好適なものとなる。

【0083】

本実施形態では、特徴量選択にあたり、機械学習モデルを利用してバンド選択を行うので、識別精度を高く維持するという観点で有用である。したがって、廃プラスチック片３の材質識別を、良好な識別精度を維持しつつ、極力処理時間を短縮化して行う上で、非常に好適なものとなる。

【0084】

本実施形態において、廃プラスチック片３の材質識別については、二次判別分析（ＱＤＡ）を利用して行うことから、複雑な分類にも適切に対応可能となり、良好な識別精度を維持する上で非常に好適なものとなる。したがって、廃プラスチック片３の材質識別を、良好な識別精度を維持しつつ、極力処理時間を短縮化して行う上で、非常に好適なものとなる。

【0085】

本実施形態では、廃プラスチック片３の材質識別にあたり、スペクトルデータの正規化を行うことで、スペクトルデータの誤差要因を排除することができる。したがって、そのスペクトルデータを利用して行う廃プラスチック片３の材質識別について、良好な識別精度を維持する上で、非常に好適なものとなる。

【0086】

＜変形例＞
以上に本発明の実施形態を説明したが、上述した開示内容は、本発明の例示的な実施形態を示すものである。すなわち、本発明の技術的範囲は、上述の例示的な実施形態に限定されるものではない。

【0087】

上述の実施形態では、撮像データ３１ａが全１６９バンドのハイパースペクトル画像データである場合を例に挙げたが、本発明がこれに限定されることはなく、他の態様のハイパースペクトル画像データであっても構わない。

【0088】

上述の実施形態では、１９種類の既知材料片についてサンプルデータ３２ａ，３２ｂ，３２ｃ，…を予め用意しておく場合を例に挙げたが、本発明がこれに限定されることはない。つまり、サンプルデータ３２ａ，３２ｂ，３２ｃ，…は、予め複数種類のものが設定されていればよく、その種類や内容等が特定に態様に限定されるものではない。

【符号の説明】

【0089】

１…廃プラスチック片選別システム、２…廃プラスチック、３…廃プラスチック片、１０…前処理装置、２０…搬送装置、３０…材質識別装置、３１…撮像カメラ、３１ａ…撮像データ、３２…データベース部、３２ａ，３２ｂ，３２ｃ…サンプルデータ、３３…コンピュータ部、３３ａ…撮像データ処理部、３３ｂ…サンプルデータ処理部、３３ｃ…データ正規化部、３３ｄ…特徴量選択部、３３ｅ…材質識別部、４０…選別装置

【図1】

【図2】

【図3】

【図4】

【図5】