特開 2024-9462 分解方法、分解システムおよび分解プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024009462

(43)【公開日】2024-01-23

(54)【発明の名称】分解方法、分解システムおよび分解プログラム

(51)【国際特許分類】

   B09B 5/00 20060101AFI20240116BHJP

【ＦＩ】

B09B5/00 ZAB

【審査請求】未請求

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2022111003

(22)【出願日】2022-07-11

(71)【出願人】

【識別番号】000002369

【氏名又は名称】セイコーエプソン株式会社

(74)【代理人】

【識別番号】100179475

【弁理士】

【氏名又は名称】仲井 智至

(74)【代理人】

【識別番号】100216253

【弁理士】

【氏名又は名称】松岡 宏紀

(74)【代理人】

【識別番号】100225901

【弁理士】

【氏名又は名称】今村 真之

(72)【発明者】

【氏名】戸田 淳

(72)【発明者】

【氏名】溝部 公威

【テーマコード（参考）】

4D004

【Ｆターム（参考）】

4D004AC05

4D004CA02

4D004CB05

4D004CB46

4D004DA16

4D004DA20

(57)【要約】

【課題】効率的な分解作業を行うことができる分解方法、分解システムおよび分解プログラムを提供する。
【解決手段】分解方法は、分解対象物を撮像して画像データを取得する画像データ取得工程と、前記画像データを機械学習モデルに入力して前記分解対象物に含まれる分解可能な分解部位の有無を判定する判定工程と、前記分解部位を有すると判定された場合に、前記分解対象物を分解作業部に搬送する搬送工程と、前記分解作業部において前記分解対象物の分解を試みる分解工程と、を含む。
【選択図】図２

【特許請求の範囲】

【請求項1】

分解対象物を撮像して画像データを取得する画像データ取得工程と、
前記画像データを機械学習モデルに入力して前記分解対象物に含まれる分解可能な分解部位の有無を判定する判定工程と、
前記分解部位を有すると判定された場合に、前記分解対象物を分解作業部に搬送する搬送工程と、
前記分解作業部において前記分解対象物の分解を試みる分解工程と、を含むことを特徴とする分解方法。

【請求項2】

前記判定工程では、前記分解部位を有する場合に、前記分解対象物を分解するための作業種別を特定し、
前記分解工程では、前記判定工程において特定された前記作業種別に基づいて前記分解対象物の分解を試みる請求項１に記載の分解方法。

【請求項3】

前記分解工程において前記分解対象物の分解が成功した場合、
前記判定工程で用いた前記画像データおよび前記判定工程での特定結果を前記機械学習モデルの学習データに追加するデータ追加工程を含む請求項２に記載の分解方法。

【請求項4】

前記分解工程において前記分解対象物の分解が失敗した場合、
前記判定工程で用いた前記画像データをユーザーに提供するデータ提供工程と、
前記ユーザーから前記分解部位の正しい位置および前記作業種別を含む修正情報を受け付ける受付工程と、
前記ユーザーに提供した前記画像データおよび前記修正情報を前記機械学習モデルの学習データに追加するデータ追加工程と、を含む請求項２に記載の分解方法。

【請求項5】

前記データ追加工程後の前記学習データに基づいて前記機械学習モデルの再学習を行う再学習工程を含む請求項３または４に記載の分解方法。

【請求項6】

前記分解対象物の撮像は、３Ｄカメラで行われ、
前記画像データ取得工程では、前記画像データとして二次元画像データと深度情報とを取得し、
前記判定工程では、深層ニューラルネットワークを用いて前記分解部位の有無の判定および前記作業種別の特定を行う請求項２に記載の分解方法。

【請求項7】

分解対象物を撮像して画像データを取得し、
前記画像データを機械学習モデルに入力して前記分解対象物に含まれる分解可能な分解部位の有無を判定し、
前記分解部位を有すると判定された場合に、前記分解対象物を分解作業部に搬送し、
前記分解作業部において前記分解対象物の分解を試みることを特徴とする分解システム。

【請求項8】

分解システムに、
分解対象物を撮像して画像データを取得する画像データ取得工程と、
前記画像データを機械学習モデルに入力して前記分解対象物に含まれる分解可能な分解部位の有無を判定する判定工程と、
前記分解部位を有すると判定された場合に、前記分解対象物を分解作業部に搬送する搬送工程と、
前記分解作業部において前記分解対象物の分解を試みる分解工程と、を実行させることを特徴とする分解プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、分解方法、分解システムおよび分解プログラムに関する。

【背景技術】

【0002】

例えば、特許文献１に記載されているリサイクルシステムでは、リサイクル対象品群を複数の前仕分けグループに仕分ける前仕分け工程と、前仕分けグループに仕分けられたリサイクル対象品を分解してリサイクル部品とし、リサイクル部品を素材別グループに仕分ける素材分別工程と、素材別グループに仕分けられたリサイクル部品を以降に施されるリサイクル処理の種別に基づいて複数の後仕分けグループに仕分ける後仕分け工程と、後仕分けグループに仕分けられたリサイクル部品をリサイクル処理するリサイクル処理工程と、を実行することによりリサイクルを実現している。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２００３－２５１３２３号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

このようなリサイクルシステムでは、前仕分け工程、素材分別工程、後仕分け工程の各々でなされるリサイクル対象品やリサイクル部品の仕分けに必要な情報をデータベースから取得する。しかしながら、リサイクル現場には多種多様なリサイクル対象物が搬入されるし、日々新たな製品が続々と発売されるため、データベースの整備が時間的、量的に困難であり、効率的なリサイクル処理を行うことが困難であるという問題がある。

【課題を解決するための手段】

【0005】

本発明の分解方法は、分解対象物を撮像して画像データを取得する画像データ取得工程と、
前記画像データを機械学習モデルに入力して前記分解対象物に含まれる分解可能な分解部位の有無を判定する判定工程と、
前記分解部位を有すると判定された場合に、前記分解対象物を分解作業部に搬送する搬送工程と、
前記分解作業部において前記分解対象物の分解を試みる分解工程と、を含む。

【0006】

本発明の分解システムは、分解対象物を撮像して画像データを取得し、
前記画像データを機械学習モデルに入力して前記分解対象物に含まれる分解可能な分解部位の有無を判定し、
前記分解部位を有すると判定された場合に、前記分解対象物を分解作業部に搬送し、
前記分解作業部において前記分解対象物の分解を試みる。

【0007】

本発明の分解プログラムは、分解システムに、
分解対象物を撮像して画像データを取得する画像データ取得工程と、
前記画像データを機械学習モデルに入力して前記分解対象物に含まれる分解可能な分解部位の有無を判定する判定工程と、
前記分解部位を有すると判定された場合に、前記分解対象物を分解作業部に搬送する搬送工程と、
前記分解作業部において前記分解対象物の分解を試みる分解工程と、を実行させる。

【図面の簡単な説明】

【0008】

【図1】好適な実施形態に係る分解システムの構成図である。

【図2】分解システムにて行われる分解方法を示すフローチャートである。

【図3】分解システムにて行われる分解方法を示すフローチャートである。

【図4】物体検出アルゴリズムを示すブロック図である。

【発明を実施するための形態】

【0009】

以下、本発明の分解方法、分解システムおよび分解プログラムを添付図面に示す実施形態に基づいて詳細に説明する。

【0010】

図１は、好適な実施形態に係る分解システムの構成図である。図２および図３は、それぞれ、分解システムにて行われる分解方法を示すフローチャートである。図４は、物体検出アルゴリズムを示すブロック図である。

【0011】

図１に示す分解システム１は、分解対象物Ｗを分解し、分解後の部品をリサイクル、リユースし易くするシステムでる。ただし、分解システム１の用途は、特に限定されず、例えば、修理、検証等のために分解対象物Ｗを分解する際に用いてもよい。このような分解システム１は、ロボットシステムを適用したものであり、分解対象物Ｗを搬送する搬送装置２と、搬送装置２により搬送される分解対象物Ｗを撮像する撮像装置３と、分解対象物Ｗの分解作業を行う分解作業部４と、各部を連動させて制御する制御装置５と、を有している。

【0012】

［搬送装置２］
搬送装置２は、例えば、ベルトコンベアである。また、搬送装置２は、分解対象物Ｗが搬入される搬入口２１と、搬入口２１の下流側に位置し、分解対象物Ｗを撮像装置３の撮像エリアＥに搬送する第１搬送エリア２２と、第１搬送エリア２２の下流側に位置し、分解対象物Ｗを分解作業部４に搬送する第２搬送エリア２３と、分解作業部４での分解作業を終えた分解対象物Ｗを搬送する第３搬送エリア２４と、分解対象物Ｗを搬出する搬出口２５と、を有している。

【0013】

第２搬送エリア２３では、３つのラインＬ１、Ｌ２、Ｌ３に分岐しており、このいずれか１つのラインＬ１、Ｌ２、Ｌ３に分解対象物Ｗが誘導される。また、第３搬送エリア２４では、ラインＬ１、Ｌ２、Ｌ３が合流した後、分解対象物Ｗを第１搬送エリア２２の上流側に合流させるラインＬ４と、分解対象物Ｗを搬出する搬出口２５に繋がるラインＬ５とに分岐しており、このいずれか１つのラインＬ４、Ｌ５に分解対象物Ｗが誘導される。

【0014】

ただし、搬送装置２の構成は、後述する分解方法を実施することができれば、特に限定されない。

【0015】

［撮像装置３］
撮像装置３は、例えば、搬送装置２の直上に位置しており、撮像エリアＥ内を通過する分解対象物Ｗを撮像して画像データＤｗを取得する。撮像装置３としては、特に限定されないが、本実施形態では、３Ｄカメラ３１を用いている。３Ｄカメラ３１によれば、縦横の二次元情報だけでなく奥行き（深度）も撮像することができる。そのため、画像データＤｗとして、分解対象物Ｗの二次元画像データＤｗ１と、分解対象物Ｗの深度情報Ｄｗ２とを取得することができる。３Ｄカメラ３１としては、特に限定されず、例えば、ステレオカメラ方式、ＴｏＦカメラ方式、構造化照明方式等が挙げられる。ただし、撮像装置３としては、特に限定されず、例えば、２Ｄカメラであってもよい。

【0016】

［制御装置５］
制御装置５は、搬送装置２、撮像装置３および分解作業部４の駆動をそれぞれ制御する。制御装置５は、例えば、コンピューターから構成され、情報を処理するプロセッサー（ＣＰＵ）と、プロセッサーに通信可能に接続されたメモリーと、外部装置との接続を行う外部インターフェースと、を有する。メモリーにはプロセッサーにより実行可能な分解プログラムＰＰが保存され、プロセッサーは、メモリーに記憶された分解プログラムＰＰを読み込んで実行することができる。これにより、後述する分解方法が実現される。

【0017】

また、制御装置５は、機械学習部５１を有している。機械学習部５１は、予め収集された大量の学習データＤに基づいて機械学習された機械学習モデルを有しており、この機械学習モデルに撮像装置３で得られた画像データＤｗが入力されると、画像データＤｗ中の分解対象物Ｗに分解可能な部位である分解部位Ｗ１があるかないかを判定（予測）し、分解部位Ｗ１がある場合には、さらに、分解部位Ｗ１の位置と、分解対象物Ｗから分解部位Ｗ１を除去するための作業種別と、を特定（予測）する。

【0018】

なお、作業種別としては、特に限定されず、分解対象物Ｗの構成等によっても異なるが、例えば、ネジ外し、ツメ外し、ベルト外し、切断、穴あけ、人作業等が挙げられる。本実施形態では、説明の便宜上、作業種別として、ネジ外し、爪外し、人作業の３つを備えている場合について説明する。

【0019】

制御装置５は、分解対象物Ｗに分解部位Ｗ１がないと判定した場合、分解対象物Ｗをそれ以上分解できないため、ラインＬ１、Ｌ２、Ｌ３のいずれかを経由し、分解作業部４での分解処理を行うことなく搬出口２５に誘導する。これにより、分解対象物Ｗが分解システム１から排除される。排除された分解対象物Ｗは、リサイクル、リユースに回され、リサイクルできないものは、破棄される。

【0020】

一方、制御装置５は、分解対象物Ｗに分解部位Ｗ１があると判定した場合、分解対象物Ｗを作業種別に応じてラインＬ１、Ｌ２、Ｌ３のいずれかに誘導する。具体的には、制御装置５は、作業種別が「ネジ外し」の場合にはラインＬ１に誘導し、作業種別が「爪外し」の場合にはラインＬ２に誘導し、作業種別が「人作業」の場合にはラインＬ３に誘導する。

【0021】

また、制御装置５は、ラインＬ１、Ｌ２、Ｌ３に誘導した分解対象物Ｗが分解作業部４で分解された後、分解済品を新たな分解対象物Ｗとして第１搬送エリア２２に戻し、再び、分解部位Ｗ１の有無を判定する。このようにして、分解部位Ｗ１がなくなるまで分解を繰り返すことで、分解対象物Ｗを最小単位まで分解することができ、優れたリサイクル性を発揮することができる。

【0022】

［分解作業部４］
分解作業部４は、ラインＬ１に併設され、ラインＬ１に誘導された分解対象物Ｗの分解作業を行う第１処理部４１と、ラインＬ２に併設され、ラインＬ２に誘導された分解対象物Ｗの分解作業を行う第２処理部４２と、ラインＬ３に併設され、ラインＬ３に誘導された分解対象物Ｗの分解作業を行う第３処理部４３と、を有している。

【0023】

第１処理部４１は、分解対象物Ｗのネジ外しを行う。第１処理部４１の構成は、特に限定されないが、例えば、ラインＬ１から分解対象物Ｗをピップアップするロボット４１１と、ピックアップされた分解対象物Ｗのネジ外しを行うロボット４１２と、ネジが外された分解対象物Ｗから分解部位Ｗ１を取り除くロボット４１３と、分解後の分解対象物Ｗおよび分解部位Ｗ１をラインＬ１に戻すロボット４１４と、を有している。なお、ロボット４１１、４１２、４１３、４１４としては、特に限定されないが、例えば、垂直多関節ロボット、水平多関節ロボット等を用いることができる。

【0024】

第２処理部４２は、分解対象物Ｗの爪外しを行う。第２処理部４２の構成は、特に限定されないが、例えば、ラインＬ２から分解対象物Ｗをピップアップするロボット４２１と、ピックアップされた分解対象物Ｗの爪外しを行うロボット４２２と、爪が外された分解対象物Ｗから分解部位Ｗ１を取り除くロボット４２３と、分解後の分解対象物Ｗおよび分解部位Ｗ１をラインＬ２に戻すロボット４２４と、を有している。なお、ロボット４２１、４２２、４２３、４２４としては、特に限定されないが、例えば、垂直多関節ロボット、水平多関節ロボット等を用いることができる。

【0025】

第３処理部４３には、第１、第２処理部４１、４２のようなロボットではなく、作業員Ｈつまり人間が配置されている。そして、第３処理部では、この作業員Ｈが、第１、第２処理部４１、４２で対応できない分解作業を行う。当該作業としては、特に限定されないが、例えば、切断、加熱、ベルト外し、穴あけ等が挙げられる。また、例えば、第１処理部４１では対応できないサイズや場所のネジ外し、第２処理部４２では対応できないサイズや場所の爪外し等であってもよい。このように、作業員Ｈを配置した第３処理部４３を備えることにより、多種多様な分解作業が可能となり、分解システム１の分解効率が向上する。

【0026】

以上、分解システム１の構成について説明した。次に、分解システム１で行われる分解対象物Ｗの分解方法についてより詳細に説明する。なお、この分解方法は、制御装置５が分解プログラムＰＰ等を読み込んで実行することにより実現される。

【0027】

分解方法は、図２に示すように、分解対象物Ｗを撮像して画像データＤｗを取得する画像データ取得工程Ｓ１と、画像データＤｗを機械学習モデルに入力して分解対象物Ｗに含まれる分解可能な分解部位Ｗ１の有無を判定する判定工程Ｓ２と、分解部位Ｗ１を有すると判定された場合に、分解対象物Ｗを分解作業部４に搬送する搬送工程Ｓ３と、分解作業部４において分解対象物Ｗの分解を試みる分解工程Ｓ４と、を含んでいる。このような方法によれば、機械学習によって分解部位Ｗ１の有無を判定することができるため、既知の分解対象物Ｗのみならず、未知の分解対象物Ｗについても対応することができ、効率的な分解作業を行うことができる。

【0028】

また、分解方法は、分解工程Ｓ４で分解対象物Ｗの分解が成功した場合に、その情報を機械学習モデルの学習データＤに追加するデータ追加工程Ｓ５を含み、分解工程Ｓ４で分解対象物Ｗの分解が失敗した場合に、画像データＤｗをユーザーに提供するデータ提供工程Ｓ６と、ユーザーから修正情報を受け付ける受付工程Ｓ７と、修正情報を機械学習モデルの学習データＤに追加するデータ追加工程Ｓ８と、を含む。また、分解方法は、データ追加工程Ｓ８後の新たな学習データＤに基づいて機械学習モデルの再学習を行う再学習工程Ｓ９を含んでいる。以下、これら各工程について、図３のフローチャートに基づいて説明する。

【0029】

［画像データ取得工程Ｓ１］
画像データ取得工程Ｓ１では、制御装置５は、撮像エリアＥを通過する分解対象物Ｗを撮像装置３によって撮像し、分解対象物Ｗが写った画像データＤｗを取得し、記憶する。なお、本実施形態では、撮像装置３が３Ｄカメラ３１であるため、画像データＤｗとして、分解対象物Ｗの二次元画像データＤｗ１と、分解対象物Ｗの深度情報Ｄｗ２と、を取得することができる。

【0030】

［判定工程Ｓ２］
判定工程Ｓ２では、制御装置５は、取得した画像データＤｗを機械学習モデルに入力し、分解対象物Ｗに分解部位Ｗ１が含まれているか、分解部位Ｗ１が含まれている場合には分解部位Ｗ１の位置と、分解対象物Ｗから分解部位Ｗ１を除去するための作業種別を特定（予測）する。このように、分解部位Ｗ１の位置および作業種別を特定することで、分解工程Ｓ４において、より適した作業で分解対象物Ｗの分解を試みることができるため、分解対象物Ｗを分解できる可能性が高まる。したがって、効率的な分解作業を行うことができる。

【0031】

なお、作業種別は、前述したように、ネジ外し、爪外し、人作業の３つの中から選択される。また、分解部位Ｗ１の位置は、二次元画像データＤｗ１中の二次元座標値（ｐｘ，ｐｙ）と、深度情報Ｄｗ２中の二次元座標値（ｐｘ，ｐｙ）と対応する点の３次元座標値（ｘ，ｙ，ｚ）と、で表される。つまり、判定工程Ｓ２では、６つの変数［ｐｘ，ｐｙ，ｘ，ｙ，ｚ，作業種別］で分解部位Ｗ１の位置および作業種別が特定される。

【0032】

なお、機械学習モデルとしては、特に限定されず、例えば、深層ニューラルネットワーク（ＤＮＮ）等の各種深層学習モデルを用いてもよいし、決定木、ランダムフォレスト、サポートベクターマシン等の深層学習以外の学習モデルを用いてもよい。本実施形態では、深層ニューラルネットワーク（ＤＮＮ）を用いている。深層ニューラルネットワーク（ＤＮＮ）を用いることにより、分解部位Ｗ１の有無、分解部位Ｗ１の位置および作業種別の特定を精度よく行うことができる。

【0033】

深層ニューラルネットワーク（ＤＮＮ）を用いた機械学習は、例えば、図４に示すようにして行われる。同図では、物体検出アルゴリズムであるＦａｓｔｅｒ Ｒ－ＣＮＮを用い、二次元画像データＤｗ１の中から分解部位Ｗ１を囲む矩形領域（ｂｏｕｎｄｉｎｇ ｂｏｘ）を抽出し、抽出した各分解部位Ｗ１について、前述した６つの変数［ｐｘ，ｐｙ，ｘ，ｙ，ｚ，作業種別］を特定する構成となっている。なお、矩形領域（ｂｏｕｎｄｉｎｇ ｂｏｘ）の中心位置が二次元の座標値となり、それを深度情報Ｄｗ２と３Ｄカメラのキャリブレーション情報とに基づいて座標変換することにより三次元座標値（ｘ，ｙ，ｚ）が得られる。ただし、６つの変数［ｐｘ，ｐｙ，ｘ，ｙ，ｚ，作業種別］を特定する方法は、限定されない。

【0034】

判定工程Ｓ２の結果、分解対象物Ｗに分解部位Ｗ１がない場合、制御装置５は、分解対象物ＷをラインＬ１、Ｌ２、Ｌ３のいずれかを経由し、分解作業部４での分解処理を行うことなく搬出口２５に誘導する。これにより、分解対象物Ｗが分解システム１から排除される。一方、分解対象物Ｗに分解部位Ｗ１がある場合、制御装置５は、搬送工程Ｓ３に移行する。

【0035】

［搬送工程Ｓ３］
搬送工程Ｓ３では、制御装置５は、判定工程Ｓ２で特定した作業種別に基づいて、分解対象物ＷをラインＬ１、Ｌ２、Ｌ３のいずれかへ誘導する。具体的には、作業種別が「ネジ外し」の場合には分解対象物ＷをラインＬ１に誘導し、作業種別が「爪外し」の場合には分解対象物ＷをラインＬ２に誘導し、作業種別が「人作業」の場合には分解対象物ＷをラインＬ３に誘導する。

【0036】

ここで、判定工程Ｓ２において、複数の分解部位Ｗ１について異なる作業種別が特定された場合、制御装置５は、これら複数の作業種別の優先度を算出し、最も優先度の高い作業種別に対応したラインに分解対象物Ｗを誘導する。なお、作業種別の優先度は、分解対象物Ｗ毎に個別に算出してもよいし、ユーザーが予め設定してもよい。

【0037】

また、作業種別の優先度の決定方法は、特に限定されず、例えば、鉛直方向の高さに基づいて決定してもよい。例えば、分解対象物Ｗに分解部位Ｗ１としてのネジと分解部位Ｗ１としての爪とがあり、ネジの頭の方が、爪よりも作業方向手前側に位置する場合、先にネジを外した方が分解対象物Ｗの分解が容易であると推測される。そのため、このような場合には、作業種別「ネジ外し」の優先度を作業種別「爪外し」の優先度よりも高くすることが好ましい。

【0038】

［分解工程Ｓ４］
分解工程Ｓ４では、制御装置５は、第１処理部４１および第２処理部４２の駆動を制御して、分解対象物Ｗの分解を試みる。つまり、第１処理部４１では、分解対象物Ｗのネジ外しと、ネジを外した箇所を起点とする分解対象物Ｗの分解と、を試みる。同様に、第２処理部４２では、分解対象物Ｗの爪外しと、爪を外した箇所を起点とする分解対象物Ｗの分解を試みる。この際、判定工程Ｓ２で特定した分解部位Ｗ１の位置に基づいて作業が行われる。これにより、スムーズな分解作業が可能となる。また、第３処理部４３では、作業員Ｈが分解対象物Ｗの分解を試みる。

【0039】

分解工程Ｓ４の結果、分解対象物Ｗの分解が成功した場合、制御装置５は、データ追加工程Ｓ５に移行する。反対に、分解対象物Ｗの分解が失敗した場合、制御装置５は、データ提供工程Ｓ６に移行する。なお、分解が成功したかを判定する方法は、特に限定されず、作業毎に種々の方法を用いることができる。例えば、図示しないカメラによって作業後の分解対象物Ｗを撮像し、得られた画像データに基づいて判定してもよい。また、ネジ外しの場合には、分解が成功すれば、ネジ分だけ分解対象物Ｗの重量が減少するはずなので、分解対象物Ｗの重量に基づいて判定してもよい。また、分解対象物Ｗから取り外したネジの置き場がある場合には、その置き場にネジ分の重量が加算されているかで判定してもよい。

【0040】

分解工程Ｓ４での分解作業を終えた分解対象物Ｗは、再びラインＬ１、Ｌ２、Ｌ３に戻されて搬送装置２により搬送される。ここで、分解作業が成功した場合、分解対象物Ｗは複数のパーツに分解されることになるが、これら全てのパーツが新たな分解対象物Ｗとして搬送装置２に戻され、撮像エリアＥの上流側に合流する。これにより、分解対象物Ｗがより細かく、最小単位まで分解されてゆく。これに対して、分解作業が失敗した場合、分解対象物Ｗは、搬送装置２に戻されることなく回収される。または、搬送装置２に戻された後、速やかに搬出口２５から搬出される。

【0041】

［データ追加工程Ｓ５］
データ追加工程Ｓ５は、分解工程Ｓ４において分解対象物Ｗの分解が成功したときに行われる。本工程では、制御装置５は、判定工程Ｓ２で用いた画像データＤｗおよび判定工程Ｓ２での特定結果を機械学習モデルの学習データＤに追加する。具体的には、制御装置５は、判定工程Ｓ２で用いた画像データＤｗと、判定工程Ｓ２で得した分解部位Ｗ１の位置および作業種別と、を学習データＤに追加する。これにより、正しい情報を学習データＤに蓄えることができ、機械学習モデルを更新することで、その予測精度をより高めることができる。

【0042】

［データ提供工程Ｓ６］
データ提供工程Ｓ６は、分解工程Ｓ４において分解対象物Ｗの分解が失敗したときに行われる。本工程では、制御装置５は、判定工程Ｓ２で用いた画像データＤｗを失敗データとして記憶する。また、制御装置５は、判定工程Ｓ２で用いた画像データＤｗをユーザーに提供する。画像データＤｗをユーザーに提供する提供方法は、特に限定されず、例えば、制御装置５に接続されている図示しないディスプレイに表示する方法、画像データＤｗを電子メール等でユーザーの端末に送信する方法等が挙げられる。

【0043】

［受付工程Ｓ７、データ追加工程Ｓ８］
受付工程Ｓ７では、ユーザーは、データ提供工程Ｓ６で提供された画像データＤｗに基づいて、分解部位Ｗ１の正しい位置および作業種別を定め、その結果を制御装置５に入力する。なお、入力方法としては、特に限定されず、例えば、制御装置５に接続されている図示しないキーボード、マウス等の入力装置を用いる方法が挙げられる。

【0044】

制御装置５は、ユーザーが定めた分解部位Ｗ１の正しい位置および作業種別を含む修正情報を受け付けたら、その修正情報を学習データＤに追加する。具体的には、制御装置５は、データ提供工程Ｓ６においてユーザーに提供した画像データＤｗと、ユーザーにより定められた分解部位Ｗ１の位置および作業種別と、を学習データＤに追加する。これにより、正しい情報を学習データＤに蓄えることができ、機械学習モデルを更新することで、その予測精度をより高めることができる。

【0045】

［再学習工程Ｓ９］
再学習工程Ｓ９では、制御装置５は、データ追加工程Ｓ５、Ｓ８において情報が追加された新たな学習データＤに基づいて機械学習モデルの再学習を行う。これにより、機械学習モデルが更新され、機械学習モデルの予測精度が高まる。このように、分解システム１では、実際に分解作業を行いながら学習を深めていくため、使用を継続することで分解対象物Ｗの分解精度を高めることができる。また、未知の分解対象物Ｗについても対応可能であり、効率的にリサイクル、リユースを推進することができる。

【0046】

なお、再学習工程Ｓ９は、データ追加工程Ｓ５、Ｓ８が行われる毎に実施してもよいし、データ追加工程Ｓ５、Ｓ８が複数回行われ、新しい情報がある程度溜まってから実施してもよい。前者によれば、新たな情報を迅速に機械学習モデルに反映させることができる。後者によれば、機械学習モデルの再学習に要する時間的、費用的なコストを削減することができる。

【0047】

以上、分解システム１で行われる分解方法について説明した。このような分解方法は、前述したように、分解対象物Ｗを撮像して画像データＤｗを取得する画像データ取得工程Ｓ１と、画像データＤｗを機械学習モデルに入力して分解対象物Ｗに含まれる分解可能な分解部位Ｗ１の有無を判定する判定工程Ｓ２と、分解部位Ｗ１を有すると判定された場合に、分解対象物Ｗを分解作業部４に搬送する搬送工程Ｓ３と、分解作業部４において分解対象物Ｗの分解を試みる分解工程Ｓ４と、を含んでいる。このような方法によれば、機械学習によって分解部位Ｗ１の有無を判定することができるため、未知の分解対象物Ｗについても対応でき、効率的な分解作業を行うことができる。

【0048】

また、前述したように、判定工程Ｓ２では、分解部位Ｗ１を有する場合に、分解対象物Ｗを分解するための作業種別を特定し、分解工程Ｓ４では、判定工程Ｓ２において特定された作業種別に基づいて分解対象物Ｗの分解を試みる。これにより、より適した作業で分解対象物Ｗの分解を試みることができるため、分解対象物Ｗを分解できる可能性が高まる。したがって、効率的な分解作業を行うことができる。

【0049】

また、前述したように、分解方法は、分解工程Ｓ４において分解対象物Ｗの分解が成功した場合、判定工程Ｓ２で用いた画像データＤｗおよび判定工程Ｓ２での特定結果を機械学習モデルの学習データＤに追加するデータ追加工程Ｓ５を含んでいる。これにより、正しい情報を学習データＤに蓄えることができ、機械学習モデルを更新することで、その予測精度をより高めることができる。

【0050】

また、前述したように、分解方法は、分解工程Ｓ４において分解対象物Ｗの分解が失敗した場合、判定工程Ｓ２で用いた画像データＤｗをユーザーに提供するデータ提供工程Ｓ６と、ユーザーから分解部位Ｗ１の正しい位置および作業種別を含む修正情報を受け付ける受付工程Ｓ７と、ユーザーに提供した画像データＤｗおよび修正情報を機械学習モデルの学習データＤに追加するデータ追加工程Ｓ８と、を含んでいる。これにより、正しい情報を学習データＤに蓄えることができ、機械学習モデルを更新することで、その予測精度をより高めることができる。

【0051】

また、前述したように、分解方法は、データ追加工程Ｓ５、Ｓ８後の学習データＤに基づいて機械学習モデルの再学習を行う再学習工程Ｓ９を含んでいる。これにより、機械学習モデルが更新され、機械学習モデルの予測精度が高まる。

【0052】

また、前述したように、分解対象物Ｗの撮像は、３Ｄカメラ３１で行われ、画像データ取得工程Ｓ１では、画像データＤｗとして二次元画像データＤｗ１と深度情報Ｄｗ２とを取得し、判定工程Ｓ２では、深層ニューラルネットワークを用いて分解部位Ｗ１の有無の判定および作業種別の特定を行う。これにより、分解部位Ｗ１の有無の判定および作業種別の特定をより精度よく行うことができる。

【0053】

また、前述したように、分解システム１は、分解対象物Ｗを撮像して画像データＤｗを取得し、画像データＤｗを機械学習モデルに入力して分解対象物Ｗに含まれる分解可能な分解部位Ｗ１の有無を判定し、分解部位Ｗ１を有すると判定された場合に、分解対象物Ｗを分解作業部４に搬送し、分解作業部４において分解対象物Ｗの分解を試みる。このようなシステムによれば、機械学習によって分解部位Ｗ１の有無を判定することができるため、未知の分解対象物Ｗについても対応でき、効率的な分解作業を行うことができる。

【0054】

また、前述したように、分解プログラムＰＰは、分解システム１に、分解対象物Ｗを撮像して画像データＤｗを取得する画像データ取得工程Ｓ１と、画像データＤｗを機械学習モデルに入力して分解対象物Ｗに含まれる分解可能な分解部位Ｗ１の有無を判定する判定工程Ｓ２と、分解部位Ｗ１を有すると判定された場合に、分解対象物Ｗを分解作業部４に搬送する搬送工程Ｓ３と、分解作業部４において分解対象物Ｗの分解を試みる分解工程Ｓ４と、を実行させる。このようなプログラムによれば、機械学習によって分解部位Ｗ１の有無を判定することができるため、未知の分解対象物Ｗについても対応でき、効率的な分解作業を行うことができる。

【0055】

以上、本発明の分解方法、分解システムおよび分解プログラムを図示の実施形態に基づいて説明したが、本発明はこれに限定されるものではなく、各部の構成は、同様の機能を有する任意の構成のものに置換することができる。また、本発明に、他の任意の構成物が付加されていてもよい。

【0056】

また、前述した実施形態では、判定工程Ｓ２において、分解対象物Ｗを分解するための作業種別を制御装置５が求めているが、これに限定されず、例えば、ユーザーが指定してもよい。つまり、制御装置５は、作業種別をユーザーから受け付けてもよい。これにより、学習データＤのデータ量が少なく、機械学習モデルの予測精度が不十分な導入初期であっても、適切な作業種別を特定することができる。

【符号の説明】

【0057】

１…分解システム、２…搬送装置、２１…搬入口、２２…第１搬送エリア、２３…第２搬送エリア、２４…第３搬送エリア、２５…搬出口、３…撮像装置、３１…３Ｄカメラ、４…分解作業部、４１…第１処理部、４１１…ロボット、４１２…ロボット、４１３…ロボット、４１４…ロボット、４２…第２処理部、４２１…ロボット、４２２…ロボット、４２３…ロボット、４２４…ロボット、４３…第３処理部、５…制御装置、５１…機械学習部、Ｄ…学習データ、Ｄｗ…画像データ、Ｄｗ１…二次元画像データ、Ｄｗ２…深度情報、Ｅ…撮像エリア、Ｈ…作業員、Ｌ１…ライン、Ｌ２…ライン、Ｌ３…ライン、Ｌ４…ライン、Ｌ５…ライン、ＰＰ…分解プログラム、Ｓ１…画像データ取得工程、Ｓ２…判定工程、Ｓ３…搬送工程、Ｓ４…分解工程、Ｓ５…データ追加工程、Ｓ６…データ提供工程、Ｓ７…受付工程、Ｓ８…データ追加工程、Ｓ９…再学習工程、Ｗ…分解対象物、Ｗ１…分解部位

【図1】

【図2】

【図3】

【図4】