特開 2025-2008 商材入荷箱内の商材の判別方法、装置、及び、そのための機械学習モデル生成方法

(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】P2025002008

(43)【公開日】2025-01-09

(54)【発明の名称】商材入荷箱内の商材の判別方法、装置、及び、そのための機械学習モデル生成方法

(51)【国際特許分類】

   G06Q 10/08 20240101AFI20241226BHJP

【ＦＩ】

G06Q10/08

【審査請求】未請求

【請求項の数】19

【出願形態】ＯＬ

(21)【出願番号】P 2023101877

(22)【出願日】2023-06-21

(71)【出願人】

【識別番号】511104657

【氏名又は名称】ＪＦＥテクノス株式会社

(74)【代理人】

【識別番号】110002963

【氏名又は名称】弁理士法人ＭＴＳ国際特許事務所

(72)【発明者】

【氏名】中川 英之

(72)【発明者】

【氏名】佐藤 哲成

【テーマコード（参考）】

5L010

5L049

【Ｆターム（参考）】

5L010AA16

5L049AA16

5L049CC51

(57)【要約】

【課題】商材入荷箱の外装の内容物表示をカメラで画像認識して、仕分け用ラベル貼付前の状態で、商材入荷箱内の商材を判別する。
【解決手段】商材入荷箱１４の外装の正面の画像と側面の画像をカメラ１１４、１１６で撮影し、該商材入荷箱１４の外装の正面のカメラ画像１１５と側面のカメラ画像１１７から生産者情報を取得し、該生産者情報と入荷予定情報の関係を機械学習により紐付けて、前記商材入荷箱１４内の商材を判別する。この際、商材入荷箱１４に貼付されている仕分け用ラベル（Ａ、Ｂ）を外装のカメラ画像３１５、３１７より抽出し、バーコードＢＣを読み取り、入荷予定データと紐付けた情報を教師データ３５０として、商材入荷箱１４内の商材を判別するための機械学習モデル３３０を生成する。
【選択図】図５

【特許請求の範囲】

【請求項1】

商材入荷箱の外装の正面の画像と側面の画像をカメラで撮影し、
該商材入荷箱の外装の正面のカメラ画像と側面のカメラ画像から生産者情報を取得し、
該生産者情報と入荷予定情報の関係を紐付けて、前記商材入荷箱内の商材を判別することを特徴とする、商材入荷箱内の商材の判別方法。

【請求項2】

前記生産者情報と前記入荷予定情報の関係の紐付けを機械学習により行うことを特徴とする請求項１に記載の商材入荷箱内の商材の判別方法。

【請求項3】

前記機械学習に際して、前記商材入荷箱正面のカメラ画像から読み取った情報に加えて、前記商材入荷箱側面のカメラ画像から読み取った情報も学習データとして用いることを特徴とする請求項２に記載の商材入荷箱内の商材の判別方法。

【請求項4】

前記機械学習に際して、産地バーコードのコードマスターが無い状態でも前記商材入荷箱内の商材を判別できるように学習することを特徴とする請求項２に記載の商材入荷箱内の商材の判別方法。

【請求項5】

前記判別結果に基づいて前記商材入荷箱を仕分けすることを特徴とする請求項１に記載の商材入荷箱内の商材の判別方法。

【請求項6】

前記判別結果に基づいて前記商材入荷箱に仕分け用ラベルを貼付することを特徴とする請求項１に記載の商材入荷箱内の商材の判別方法。

【請求項7】

エラー発生時は、エラーが発生した商材入荷箱の情報を修正して再学習に利用することを特徴とする請求項２に記載の商材入荷箱内の商材の判別方法。

【請求項8】

商材入荷箱の外装の正面の画像と側面の画像を撮影するカメラと、
該商材入荷箱の外装の正面のカメラ画像と側面のカメラ画像から生産者情報を取得する手段と、
該生産者情報と入荷予定情報の関係を紐付けて、前記商材入荷箱内の商材を判別する手段と、
を備えたことを特徴とする商材入荷箱内の商材の判別装置。

【請求項9】

前記生産者情報と前記入荷予定情報の関係の紐付けを機械学習により行う手段を備えたことを特徴とする請求項８に記載の商材入荷箱内の商材の判別装置。

【請求項10】

前記機械学習に際して、前記商材入荷箱正面のカメラ画像から読み取った情報に加えて、前記商材入荷箱側面のカメラ画像から読み取った情報も学習データとして用いる手段を備えたことを特徴とする請求項９に記載の商材入荷箱内の商材の判別装置。

【請求項11】

前記機械学習に際して、産地バーコードのコードマスターが無い状態でも前記商材入荷箱内の商材を判別できるように学習する手段を備えたことを特徴とする請求項９に記載の商材入荷箱内の商材の判別装置。

【請求項12】

前記判別結果に基づいて前記商材入荷箱を仕分けする手段を備えたことを特徴とする請求項８に記載の商材入荷箱内の商材の判別装置。

【請求項13】

前記判別結果に基づいて前記商材入荷箱に仕分け用ラベルを貼付する手段を備えたことを特徴とする請求項８に記載の商材入荷箱内の商材の判別装置。

【請求項14】

エラー発生時は、エラーが発生した商材入荷箱の情報を修正して再学習に利用する手段を備えたことを特徴とする請求項９に記載の商材入荷箱内の商材の判別装置。

【請求項15】

商材入荷箱に貼付されている仕分け用ラベルを外装のカメラ画像より抽出し、バーコードを読み取り、入荷予定データと紐付けた情報を教師データとして、商材入荷箱内の商材を判別するための機械学習モデルを生成することを特徴とする機械学習モデル生成方法。

【請求項16】

前記商材入荷箱の外装に記載された生産者情報が、生産者の名前、商材の産地、商材名、品種名、等級、階級、入数、口数を含むことを特徴とする請求項１５に記載の機械学習モデル生成方法。

【請求項17】

前記商材入荷箱の外装のカメラ画像が、文字、絵、印刷、手書きを含むことを特徴とする請求項１５に記載の機械学習モデル生成方法。

【請求項18】

エラー発生時は、エラーが発生した商材入荷箱の情報を修正して再学習に利用することを特徴とする請求項１５に記載の機械学習モデル生成方法。

【請求項19】

前記教師データを、前記カメラ画像から読み取ったバーコードに連携される入荷情報を利用して作成することを特徴とする請求項１５に記載の機械学習モデル生成方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、商材入荷箱内の商材の判別方法、装置、及び、そのための機械学習モデル生成方法に係り、特に、商材入荷箱の外装の内容物表示をカメラで撮影するだけで、仕分け用ラベル貼付前に商材入荷箱内の商材を的確に判別することが可能な、商材入荷箱内の商材の判別方法、装置、及び、そのための機械学習モデル生成方法に関する。

【背景技術】

【0002】

花き等の商材を生産地から出荷する際に、商材を入れたダンボール箱（商材入荷箱と称する）に、花き業態全国共通のバーコードを貼付し出荷するよう生産地に提唱されているが、現在、バーコードの貼付率は全体の２％程度であり、普及には至っていない。

【0003】

そこで花き市場では、入荷時に発行する仕分け用ラベルである、図１（Ａ）に例示するような、仕分け先（販売先）が決まっていない未販売品や競り品に貼られる入荷ラベルＡや、図１（Ｂ）に例示するような、仕分け先が決まっている販売済品に貼られる分荷ラベルＢと、商材入荷箱の内容物表示を目視で照らし合わせ、人手で入荷ラベルＡや分荷ラベルＢを貼付している。

【0004】

従来の花き市場の一例における入荷から仕分けまでの作業の一例を図２に示す。

【0005】

トラック１２などに積まれて市場の荷捌き場１０に搬入された商材入荷箱１４は、トラック１２からの荷卸しの際に一次仕分けが行われ、パレット１６に載置されたままフォークリフト１８で運ばれたり、あるいは、かご台車２０に移し替えられて、入荷仮置き場３１に移される。ここで、作業員８によりラベルプリンター３２等を用いて印刷された入荷ラベルＡ又は分荷ラベルＢが貼付され、例えばかご台車２０に載せられて、販売先別エリア４０に置かれたり、仕分けライン５０に投入される。仕分けライン５０で仕分けられた商材入荷箱１４は、その出側でかご台車２０に再び積み込まれ、販売先別エリア４０に搬送される。

【0006】

又、仕分け先が決まっていないものは、とりあえず入荷ラベルＡが貼られており、その後販売先が決まった後に入荷ラベルＡの上に分荷ラベルＢが貼付されて、仕分けライン５０に投入され、分荷されて、同様に販売先別エリア４０に搬送される。

【0007】

競りにかけられるものは、あらかじめ選別され入荷ラベルＡが貼られ、競り後に仕分けライン５０に投入され、販売先情報がダンボールに直接印字され、分荷されて、同様に販売先別エリア４０に搬送される。

【0008】

なお、大口購入商品や注文商品などで販売先エリアが決まっているものは、仕分けライン５０で自動仕分けすることなく、販売先別エリア４０に搬送される。

【0009】

本発明に類似する技術として、特許文献１には、仕分け情報が記載された物品の特定の部位の画像をスキャナで読み取り、読み取られた画像を表示部で表示することが記載されている。

【0010】

又、特許文献２には、包装品に印された銘柄パターンについての画像処理を行い、画像パターンマッチングを行って、銘柄を判定することが記載されている。

【0011】

又、特許文献３には、配達物の画像を撮像して配達先を認識することが記載されている。

【0012】

又、特許文献４には、荷物の複数面の画像を撮像して、バーコードが読めない時に、前記画像から仕分け先を認識することが記載されている。

【先行技術文献】

【特許文献】

【0013】

【特許文献1】特開平４－２７７１２０号公報

【特許文献2】特開平６－２０１３４６号公報

【特許文献3】特開２００３－１３６０２２号公報

【特許文献4】特開２０１３－２２０３６２号公報

【発明の概要】

【発明が解決しようとする課題】

【0014】

しかしながら、図２に例示した従来の方法では、作業時間、作業人員が膨大で、作業場所も必要であり、例えば年間６００万ケースの場合、１日３万～７万ケース分ものラベル貼付作業が必要になる。

【0015】

又、特許文献１～４に記載の技術では、手書き文字、スタンプ文字、記号、記号選択、バーコードなどを用いて、不定形に表記されている商材入荷箱内の商材を的確に判別することができないという問題点を有していた。

【0016】

本発明は、上記課題を解決するためになされたもので、仕分け用ラベル貼付前の状態で、花き等の商材入荷箱内の商材を外装から的確に判別することが可能な、商材入荷箱内の商材の判別方法及び装置を提供することを第１の課題とする。

【0017】

本発明は、又、前記商材入荷箱内の商材の判別方法に用いるのに適した、機械学習モデル生成方法を提供することを第２の課題とする。

【課題を解決するための手段】

【0018】

本発明は、商材入荷箱の外装の正面の画像と側面の画像をカメラで撮影し、該商材入荷箱の外装の正面のカメラ画像と側面のカメラ画像から生産者情報を取得し、該生産者情報と入荷予定情報の関係を紐付けて、前記商材入荷箱内の商材を判別することを特徴とする、商材入荷箱内の商材の判別方法により、前記第１の課題を解決するものである。

【0019】

ここで、前記生産者情報と前記入荷予定情報の関係の紐付けを機械学習により行うことができる。

【0020】

又、前記機械学習に際して、前記商材入荷箱正面のカメラ画像から読み取った情報に加えて、前記商材入荷箱側面のカメラ画像から読み取った情報も学習データとして用いることができる。

【0021】

又、前記機械学習に際して、産地バーコードのコードマスターが無い状態でも前記商材入荷箱内の商材を判別できるように学習することができる。

【0022】

又、前記判別結果に基づいて前記商材入荷箱を仕分けすることができる。

【0023】

又、前記判別結果に基づいて前記商材入荷箱に仕分け用ラベルを貼付することができる。

【0024】

又、エラー発生時は、エラーが発生した商材入荷箱の情報を修正して再学習に利用することができる。

【0025】

本発明は、又、商材入荷箱の外装の正面の画像と側面の画像を撮影するカメラと、該商材入荷箱の外装の正面のカメラ画像と側面のカメラ画像から生産者情報を取得する手段と、該生産者情報と入荷予定情報の関係を紐付けて、前記商材入荷箱内の商材を判別する手段と、を備えたことを特徴とする商材入荷箱内の商材の判別装置を提供することにより、同様に前記第１の課題を解決するものである。

【0026】

ここで、前記生産者情報と前記入荷予定情報の関係の紐付けを機械学習により行う手段を備えることができる。

【0027】

又、前記機械学習に際して、前記商材入荷箱正面のカメラ画像から読み取った情報に加えて、前記商材入荷箱側面のカメラ画像から読み取った情報も学習データとして用いる手段を備えることができる。

【0028】

又、前記機械学習に際して、産地バーコードのコードマスターが無い状態でも前記商材入荷箱内の商材を判別できるように学習する手段を備えることができる。

【0029】

又、前記判別結果に基づいて前記商材入荷箱を仕分けする手段を備えることができる。

【0030】

又、前記判別結果に基づいて前記商材入荷箱に仕分け用ラベルを貼付する手段を備えることができる。

【0031】

又、エラー発生時は、エラーが発生した商材入荷箱の情報を修正して再学習に利用する手段を備えることができる。

【0032】

本発明は、又、商材入荷箱に貼付されている仕分け用ラベルを外装のカメラ画像より抽出し、バーコードを読み取り、入荷予定データと紐付けた情報を教師データとして、商材入荷箱内の商材を判別するための機械学習モデルを生成することを特徴とする機械学習モデル生成方法により、前記第２の課題を解決するものである。

【0033】

ここで、前記商材入荷箱の外装に記載された生産者情報が、生産者の名前、商材の産地、商材名、品種名、等級、階級、入数、口数を含むことができる。

【0034】

又、前記商材入荷箱の外装のカメラ画像が、文字、絵、印刷、手書きを含むことができる。

【0035】

又、エラー発生時は、エラーが発生した商材入荷箱の情報を修正して再学習に利用することができる。

【0036】

又、前記教師データを、前記カメラ画像から読み取ったバーコードに連携される入荷情報を利用して作成することができる。

【発明の効果】

【0037】

本発明によれば、仕分け用ラベル貼付前の状態で、花き等の商材入荷箱内の商材を外装から的確に認識して、判別・自動ラベル貼付・仕分けすることが可能となる。又、商材入荷箱内の商材の判別に適した機械学習モデル生成方法を提供することが可能となる。

【図面の簡単な説明】

【0038】

【図1】従来用いられている仕分け用ラベルの例である（Ａ）未販売品用の入荷ラベル、競り品用の入荷ラベル及び（Ｂ）販売済品の分荷ラベルの例を示す図

【図2】従来の花き市場の一例における、入荷から仕分けまでの作業の例を示す斜視図

【図3】本発明の実施形態における、入荷から仕分けまでの作業を示す斜視図

【図4】同じく商材入荷箱の表記自動認識装置の要部構成を示す斜視図

【図5】同じく全体のシステム構成を示すブロック図

【図6】同じく表記認識の処理手順を示すフローチャート

【図7】同じく商材入荷箱のカメラ画像の例を示す図

【図8】同じく機械学習モデルの構成例を示す図

【図9】同じく機械学習の処理手順を示すフローチャート

【図10】同じく機械学習モデルの生成に用いる教師データの一例を示す図

【図11】同じく他の例を示す図

【図12】同じく更に他の例を示す図

【図13】本発明の実施形態における作業手順を示すフローチャート

【発明を実施するための形態】

【0039】

以下、図面を参照して、本発明の実施形態について詳細に説明する。なお、本発明は以下の実施形態に記載した内容により限定されるものではない。又、以下に記載した実施形態における構成要件には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。更に、以下に記載した実施形態で開示した構成要素は適宜組み合わせてもよいし、適宜選択して用いてもよい。

【0040】

本発明適用後の花き市場における入荷から仕分け作業の実施形態を図３に示す。

【0041】

この実施形態で、例えば前々日又は前日１６時前にトラック１２で運び込まれた商材入荷箱１４は、例えば荷卸しコンベア２２により本発明に係る表記自動認識装置１１０に投入され、操作盤１１１によって操作される表記自動認識装置１１０の認識結果によって、仕分け用ラベルの例である入荷ラベルＡ又は分荷ラベルＢが自動ラベラー１３１で貼られ、事前仕分けライン２００に投入される。

【0042】

この事前仕分けライン２００では、バーコードリーダー２１０によってバーコードＢＣが読み取られ、競り用の見本品及び競り品は、翌日競り場裏へ移動される。又、大口購入品は出荷エリアへ移動される。

【0043】

仕分けライン５０の手前には、本発明に係る機械学習を行うための教師データ収集装置３１０が設けられており、商材入荷箱１４の正面写真、側面写真およびすべてのバーコード読み取り結果が収集された後、自動仕分けラインに送られ、例えばかご台車２０に積み込まれて方面別に搬送される。

【0044】

一方、例えば１６時前に到着した商材入荷箱１４の一部は、荷捌き場１０に送られて自動倉庫２４に一時保管される。これは、例えば１６時までに入荷品の１５％の競り用見本を決め、残り８５％の商品を極力販売してからラベルを発行し、ラベルの二度貼りを少なくするためである。

【0045】

前記表記自動認識装置１１０は、図４に要部を示す如く、搬送コンベア上の所定位置に商材入荷箱１４が到達したことを検知してデータ取込みトリガを発生するための光電センサ１１２と、商材入荷箱１４の正面写真を撮影するための、バーコードＢＣ読取り用を兼ねた正面写真用カメラ１１４と、商材入荷箱１４の側面写真を撮影するための側面写真用カメラ１１６と、光電センサ１１２、正面写真用カメラ１１４、側面写真用カメラ１１６を制御するための表記データ収集システム制御装置１１８とを備えている。なお、バーコードＢＣは一次元バーコードに限定されず、二次元コードやＲＦＩＤタグであってもよい。

【0046】

前記実施形態における商材入荷箱１４の仕分けシステムの全体構成を図５に示す。このシステムの表記自動認識部分は、表記自動認識装置１１０のデータ取込みトリガ用の光電センサ１１２と、バーコードＢＣ読取りを含む正面写真用カメラ１１４と、側面写真用カメラ１１６と、表記データ収集システム制御装置１１８と、表記自動認識用中央処理ユニット（ＣＰＵ）１２０と、推論実行用デジタル処理プロセッサ（ＤＳＰ）１２２とを備えている。

【0047】

又、教師データ収集装置３１０の部分は、表記自動認識装置１１０と同様のデータ取込みトリガ用の光電センサ３１２と、バーコードＢＣ読取りを含む正面写真用カメラ３１４と、側面写真用カメラ３１６と、教師データ収集システム制御装置３１８と、機械学習用ＣＰＵ３２０とを備えている。

【0048】

なお、バーコードＢＣの読取りは、正面写真用カメラ１１４、３１４以外のバーコードリーダーで行ってもよい。

【0049】

又、表記自動認識装置１１０の表記自動認識用ＣＰＵ１２０及び教師データ収集装置３１０の機械学習用ＣＰＵ３２０は、ローカルエリアネットワーク（ＬＡＮ）４００を介して入荷予定情報データベース（ＤＢ）４１２を含む基幹システムサーバー４１０及び自動仕分けシステム４２０に接続されている。

【0050】

前記表記自動認識装置１１０の処理手順を図６に示す。

【0051】

表記データ収集システム制御装置１１８は、正面写真用カメラ１１４で撮影された正面写真のカメラ画像（以下、単に正面写真と称する）１１５からステップ１１００でバーコードＢＣを読み取り、側面写真用カメラ１１６で撮影された側面写真のカメラ画像（以下、単に側面写真と称する）１１７とともに表記自動認識用ＣＰＵ１２０に送る。

【0052】

表記自動認識用ＣＰＵ１２０は、ステップ１２００でバーコードＢＣを判別して産地バーコード（複数）３０を認識する。ここで、産地バーコード３０は、産地の農協などの仕分けシステムによって、品目、品種、色、入数などが別途バーコード化され、例えばシールで貼付されているものである。

【0053】

又、ステップ１３００で正面写真１１５から商材入荷箱１４の正面のみの画像を切り出し、外乱となる部分を削除するとともに明度、彩度を最適化し、斜めになっているものを真正面の写真に変形処理することによって画像を正規化する。

【0054】

次いでステップ１３１０で分荷シールを分離して正規化正面写真１１５’を得る。ここで、分荷シールを除くのは、実施形態が分荷シールがない状態で認識するようにされているためである。なお、通常は入荷直後であり分荷シールは貼られていない為、システムによっては分荷シールを必ずしも除く必要はない。

【0055】

次いでステップ１３２０、１３３０、１３４０で、前記正規化正面写真１１５’から品名・等級・サイズ等の印刷文字を分離し、品名・本数等の手書き文字を分離し、等級などの記号を分離する。

【0056】

又、ステップ１４００で側面写真１１７の画像を正規化して正規化側面写真１１７’を得る。

【0057】

前記表記自動認識用ＣＰＵ１２０で認識された産地バーコード３０、正規化正面写真１１５’及び印刷文字・手書き文字・記号、正規化側面写真１１７’は、推論実行用ＤＳＰ１２２に送られ、後出学習済みモデルデータ（重み係数）３６０を用いて、ステップ１５００で推論が実行され、産地・品名・サイズ・入数・等級などが推定される。

【0058】

推論実行結果は表記自動認識用ＣＰＵ１２０に送られ、ステップ１６００で基幹システムサーバー４１０から得た入荷データと関連付けられ、入荷データ番号１３０とともに表記自動認識結果が出力される。

【0059】

商材入荷箱１４の正面写真及び側面写真の例を図７に示す。

【0060】

教師データ収集装置３１０で用いる機械学習モデル３３０の構成例を図８に示す。この機械学習モデル３３０は、畳み込み層である１層目３３２と、プーリング層である２層目３３４と、局所コントラスト正規化層である３層目３３６と、畳み込み層である４層目３３８と、プーリング層である５層目３４０と、全結合層である６層目３４２及び７層目３４４と、エラー層から構成されている。なお、機械学習モデル３３０の構成は、これに限定されない。

【0061】

機械学習の処理手順を図９に示す。教師データ収集システム制御装置３１８のステップ３１００で正面写真３１５から読み取ったバーコードＢＣ、及び、正面写真３１５、側面写真３１７は、データベース３１９に格納される。

【0062】

データベース３１９から出力されるバーコードＢＣ、正面写真３１５、側面写真３１７は機械学習用ＣＰＵ３２０に送られ、ステップ３２００でバーコードＢＣを判別して、入荷ラベルＡ、分荷ラベルＢ、バーコードＢＣ及び産地バーコード（複数）３０を得る。

【0063】

そして、ステップ３２１０で基幹システムサーバー４１０から得た入荷データと関連付けて教師データ３５０を得る。

【0064】

又、ステップ３３００、３３１０で表記自動認識装置１１０の表記自動認識用ＣＰＵ１２０と同様の画像正規化、分荷シール分離を行って正規化正面写真３１５’を得るとともに、ステップ３４００で側面写真３１７の画像正規化を行って正規化側面写真３１７’を得る。

【0065】

又、ステップ３３２０、３３３０、３３４０で正規化正面写真３１５’から印刷文字分離、手書き文字分離、記号分離を行う。

【0066】

そして、ステップ３５００で機械学習モデル３３０に入力して、産地・品名・サイズ・入数・等級などを深層学習（ディープラーニング）し、学習結果により学習済みモデルデータ（重み係数）３６０を生成する。

【0067】

教師データ３５０の例を図１０乃至図１２に示す。教師データ３５０の作成に際しては、従来実施している「目視により貼り付けたバーコード付きラベル」を利用し、読み取ったバーコードＢＣに連携される入荷情報を利用することができる。

【0068】

又、認識精度を上げるため、正面の印刷文字・手書き文字・記号では表現されない内容について、商材入荷箱側面の絵柄も学習データとして利用することができる。更に、産地バーコードのコードマスターが無い状態でも認識できるように学習データとして利用することができる。

【0069】

又、学習は、新規学習とすることも、学習したものを更新することも可能である。

【0070】

なお、表記認識システムでエラーとなったエラー物品は、正しい情報を入力して学習に再利用することができる。

【0071】

エラーは、例えば学習済みシステムで認識を試みたが、一致する入荷データがない、認識が間違っており、明らかに商品内容とラベル内容が違う等である。これらの原因は、商材入荷箱の文字が読み取りにくい、又は、記入ミス、入荷データ投入ミスが考えられる。又は、新しい生産者、新しい商材入荷箱の絵柄などの未学習品もある。そこでこれらを修正し、人がラベル貼付して自動仕分けラインに流すことで、再学習させることができる。

【0072】

本実施形態における作業フローを図１３に示す。生産者（組織）は、ステップ４０００で生産・箱詰めし、箱に内容を記入する。次いでステップ４０１０で出荷情報を作成する。次いでステップ４０２０で集荷して各市場に発送する。

【0073】

市場では、ステップ５０００で生産者から送られてくる出荷情報を入手し、ステップ５０１０で競りの対象とする取引商品を決定する。競り対象品は、例えば入荷品の１５％とすることができる。競り取引対象外の商品については、ステップ５０２０で例えば上場しネット販売／個別営業により販売する。

【0074】

次いでステップ５０３０に進み、販売済みでない商品を再びステップ５０２０に戻す。

【0075】

ステップ５０１０で決定された競り取引商品及びステップ５０３０で決定された販売済み商品は、基幹システムサーバー４１０の販売管理システムデータベース４１４に送られる。

【0076】

生産者によってステップ４０２０で発送された商品は、ステップ５０５０で例えばトラック輸送により市場に送られ、ここで入荷・荷捌きが行われる。

【0077】

次いでステップ６０００で自動認識ラインに投入され、ステップ６０１０で本発明により表記が自動認識され、ステップ６０２０で本発明により分荷ラベルＢ（販売済）、入荷ラベルＡ（競り取引品）、入荷ラベルＡ（未販売品）等の自動ラベル貼りが行われ、ステップ６０３０で自動一次仕分けが行われる。

【0078】

次いでステップ６０４０に進み、販売済み品、競り取引品、未販売品及び大口購入品に自動分類される。

【0079】

販売済み品はステップ６０５０に進んで自動仕分けラインに投入され、ステップ６０６０で自動仕分けが行われる。

【0080】

一方、競り取引品はステップ６０７０で競り場裏へ移動され、ステップ６０８０で競りが行われて販売先が決定される。

【0081】

又、大口購入品はステップ６０９０で大口購入品扱いとされる。

【0082】

ステップ６０６０又は６０９０終了後、ステップ６１００に進み、方面別出荷待機エリアへ移動し、ステップ６１１０で販売先に引き取られる。

【0083】

一方、ステップ６０４０で未販売品と判定された商材は、ステップ６２００で自動仕分けライン前で待機され、ステップ６２１０で販売時間が終了したか否を判定される。販売時間が終了した場合にはステップ６０００に戻る。

【0084】

本発明によれば、トラックからの荷卸しの際、人手でかご車に積載して入荷ラベルを貼付し、自動仕分けラインに投入している作業を自動化し、高速化することができるため、入荷トラックの拘束時間を短縮でき、入荷バースのみならず周辺道路の渋滞緩和に寄与することができる。又、ラベル貼付前の仕分け待機場所も最小限となり、仕分け後の人員及び出荷待機場所を確保することができる。

【0085】

なお、前記実施形態においては、本発明が花き市場に適用されていたが、本発明の適用対象は、これに限定されない。

【符号の説明】

【0086】

Ａ…入荷ラベル
Ｂ…分荷ラベル
ＢＣ…バーコード
８…作業員
１０…荷捌き場
１２…トラック
１４…商材入荷箱
２２…荷卸しコンベア
２４…自動倉庫
３０…産地バーコード
１１０…表記自動認識装置
１１１…操作盤
１１２…光電センサ
１１４…正面写真用カメラ
１１５…正面写真（カメラ画像）
１１６…側面写真用カメラ
１１７…側面写真（カメラ画像）
１１８…表記データ収集システム制御装置
１２０…表記自動認識用中央処理ユニット（ＣＰＵ）
１２２…推論実行用デジタル処理プロセッサ（ＤＳＰ）
２００…事前仕分けライン
３１０…教師データ収集装置
３１２…光電センサ
３１４…正面写真用カメラ
３１５…正面写真（カメラ画像）
３１６…側面写真用カメラ
３１７…側面写真（カメラ画像）
３１８…教師データ収集システム制御装置
３２０…機械学習用中央処理ユニット（ＣＰＵ）
３３０…機械学習モデル
３５０…教師データ
３６０…学習済みモデルデータ（機械学習データ）
４００…ローカルエリアネットワーク（ＬＡＮ）
４１０…基幹システムサーバー
４１２…入荷予定情報データベース（ＤＢ）
４１４…販売管理システムデータベース
４２０…自動仕分けシステム

【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】