特許 7698366 支援システム、支援方法、支援装置、及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】

(24)【登録日】2025-06-17

(45)【発行日】2025-06-25

(54)【発明の名称】支援システム、支援方法、支援装置、及びプログラム

(51)【国際特許分類】

   G06Q 50/10 20120101AFI20250618BHJP

   G06T 7/00 20170101ALI20250618BHJP

【ＦＩ】

G06Q50/10

G06T7/00 350B

【請求項の数】 13

(21)【出願番号】P 2025006648

(22)【出願日】2025-01-17

【審査請求日】2025-03-06

【早期審査対象出願】

(73)【特許権者】

【識別番号】517176216

【氏名又は名称】株式会社スタジオスポビー

(74)【代理人】

【識別番号】100125645

【弁理士】

【氏名又は名称】是枝 洋介

(74)【代理人】

【識別番号】100145609

【弁理士】

【氏名又は名称】楠屋 宏行

(74)【代理人】

【識別番号】100149490

【弁理士】

【氏名又は名称】羽柴 拓司

(72)【発明者】

【氏名】夏目 恭行

(72)【発明者】

【氏名】長嶺 信行

(72)【発明者】

【氏名】関 美登莉

(72)【発明者】

【氏名】定村 圭太

【審査官】佐藤 光起

(56)【参考文献】

【文献】国際公開第２０２３／０５８１７１（ＷＯ，Ａ１）

【文献】特開２０１０－１９１４９８（ＪＰ，Ａ）

【文献】特開２０１７－２０４０８５（ＪＰ，Ａ）

【文献】KAN Jie-Yuan, et.al.，Decoding environmental impact with image-based CO2 emission analytics，[online]，Volume 3, article number 27，2024年09月10日，［検索日 2025.05.13］, インターネット：＜ＵＲＬ：https://doi.org/10.1007/s43979-024-00103-w＞

【文献】株式会社digglue，リチウムイオン電池トラブル防止に向けたマルチステークホルダー会合 DPPセミナー資料，[online]，2024年03月09日，［検索日 2025.05.13］, インターネット：＜ＵＲＬ：https://web.archive.org/web/20240309050302/https://www.jcpra.or.jp/Portals/0/resource/00oshirase/pdf/pla/li-msh20240215-7.pdf＞

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００－９９／００

Ｇ０６Ｔ ７／００

(57)【特許請求の範囲】

【請求項1】

カメラを備える端末と、
前記端末と通信可能なサーバと、
を備え、
前記端末は、脱炭素量の算出の対象物を撮像して、前記対象物の画像を前記サーバに送信し、
前記サーバは、
前記端末により送信された前記対象物の画像を取得する取得部と、
前記対象物の画像から、前記脱炭素量の算出に利用される特徴を認識する認識部と、
を備え、
前記端末は、前記特徴に基づく前記対象物の前記脱炭素量の算出結果を表示し、
前記認識部は、前記対象物の適格性を前記特徴として認識し、
前記脱炭素量は、前記適格性が所定以下である場合に算出されない、
支援システム。

【請求項2】

前記認識部は、前記対象物の量に係る前記特徴を認識し、
前記脱炭素量は、前記量に応じて算出される、
請求項１に記載の支援システム。

【請求項3】

前記対象物は、ボトルであり、
前記認識部は、前記ボトルの容量と、前記ボトルの携帯型水筒としての適格性とを認識し、
前記脱炭素量は、前記ボトルを前記携帯型水筒として使用することによる脱炭素量である、
請求項１に記載の支援システム。

【請求項4】

前記対象物は、生ごみであり、
前記認識部は、前記生ごみの重量又は体積と、前記生ごみのコンポストに対する適格性とを認識し、
前記脱炭素量は、前記生ごみを前記コンポストで処理することによる脱炭素量である、
請求項１に記載の支援システム。

【請求項5】

前記対象物は、弁当容器であり、
前記認識部は、前記弁当容器の廃棄物としての該当性を認識し、
前記脱炭素量は、前記廃棄物に該当しない前記弁当容器を使用することによる脱炭素量である、
請求項１に記載の支援システム。

【請求項6】

前記対象物は、廃油が入った容器であり、
前記認識部は、前記容器の容量と、前記廃油の回収に対する適格性とを認識し、
前記脱炭素量は、前記廃油の回収による脱炭素量である、
請求項１に記載の支援システム。

【請求項7】

前記対象物は、食品であり、
前記認識部は、前記食品の寄付食品としての適格性を認識し、
前記脱炭素量は、前記食品をフードドライブに寄付することによる脱炭素量である、
請求項１に記載の支援システム。

【請求項8】

前記対象物は、検針票であり、
前記認識部は、前記検針票に記載された対象期間の使用量と過去期間の使用量とを認識し、
前記脱炭素量は、前記対象期間の使用量と前記過去期間の使用量との差分に応じた脱炭素量である、
請求項１に記載の支援システム。

【請求項9】

前記端末は、前記端末の位置データを取得する取得部を備え、
前記対象物は、生鮮食品であり、
前記認識部は、前記生鮮食品に付されたラベルから前記生鮮食品の産地を認識し、
前記脱炭素量は、前記端末の位置と前記生鮮食品の産地との比較に基づく脱炭素量である、
請求項１に記載の支援システム。

【請求項10】

前記端末は、前記対象物の画像に前記対象物の種類を表すタグを付与し、
前記認識部は、前記対象物の種類ごとに用意された複数のモデルの中から、前記タグに対応するモデルを用いて前記特徴を認識する、
請求項１に記載の支援システム。

【請求項11】

カメラを備える端末により、脱炭素量の算出の対象物を撮像し、
前記対象物の画像から、前記脱炭素量の算出に利用される特徴を認識し、
前記特徴に基づいて、前記対象物の前記脱炭素量を算出し、
前記脱炭素量の算出結果を前記端末に表示する、
ことをコンピュータにより実行する支援方法であって、
前記認識は、前記対象物の適格性を前記特徴として認識し、
前記脱炭素量は、前記適格性が所定以下である場合に算出されない、
支援方法。

【請求項12】

カメラを備える端末により撮像された脱炭素量の算出の対象物の画像を取得する取得部と、
認識部に、前記対象物の画像から前記脱炭素量の算出に利用される特徴を認識させる中継部と、
を備え、
前記認識部は、前記対象物の適格性を前記特徴として認識し、
前記脱炭素量は、前記適格性が所定以下である場合に算出されない、
支援装置。

【請求項13】

カメラを備える端末により撮像された脱炭素量の算出の対象物の画像を取得すること、及び
認識部に、前記対象物の画像から前記脱炭素量の算出に利用される特徴を認識させること、
をコンピュータに実行させ、
前記認識部は、前記対象物の適格性を前記特徴として認識し、
前記脱炭素量は、前記適格性が所定以下である場合に算出されない、
プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、支援システム、支援方法、支援装置、及びプログラムに関する。

【背景技術】

【0002】

特許文献１には、ユーザが自動車及び自動二輪車の利用を控えて、徒歩や自転車で移動することにより排出を抑えた二酸化炭素の量である脱炭素量に基づく脱炭素ポイントと、クライアントが提供する特典との交換契約を仲介することで、ユーザ個々人の健康の維持及び脱炭素社会の実現を支援する支援システムが開示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】国際公開第２０２３／０７４５５２号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

ところで、脱炭素に向けた取り組みには、携帯型水筒の使用、コンポストの使用、及び廃油回収など、様々な活動が存在するが、これらの活動の記録を手入力や写真撮影だけに依存すると、正確性を確保し難いという課題がある。

【0005】

本発明は、上記課題に鑑みてなされたものであり、その主な目的は、脱炭素量の算出の正確性を確保することが可能な支援システム、支援方法、支援装置、及びプログラムを提供することにある。

【課題を解決するための手段】

【0006】

上記課題を解決するため、本発明の一の態様の支援システムは、カメラを備える端末と、前記端末と通信可能なサーバと、を備え、前記端末は、脱炭素量の算出の対象物を撮像して、前記対象物の画像を前記サーバに送信し、前記サーバは、前記端末により送信された前記対象物の画像を取得する取得部と、前記対象物の画像から、前記脱炭素量の算出に利用される特徴を認識する認識部と、を備え、前記端末は、前記特徴に基づく前記対象物の前記脱炭素量の算出結果を表示する。

【0007】

また、本発明の他の態様の支援方法は、カメラを備える端末により、脱炭素量の算出の対象物を撮像し、前記対象物の画像から、前記脱炭素量の算出に利用される特徴を認識し、前記特徴に基づいて、前記対象物の前記脱炭素量を算出し、前記脱炭素量の算出結果を前記端末に表示する。

【0008】

また、本発明の他の態様の支援装置は、カメラを備える端末により撮像された脱炭素量の算出の対象物の画像を取得する取得部と、認識部に、前記対象物の画像から前記脱炭素量の算出に利用される特徴を認識させる中継部と、を備える。

【0009】

また、本発明の他の態様のプログラムは、カメラを備える端末により撮像された脱炭素量の算出の対象物の画像を取得すること、及び認識部に、前記対象物の画像から前記脱炭素量の算出に利用される特徴を認識させること、をコンピュータに実行させる。

【発明の効果】

【0010】

本発明によれば、脱炭素量の算出の正確性を確保することが可能となる。

【図面の簡単な説明】

【0011】

【図1】支援システムの例を示す図である。

【図2】支援装置の例を示す図である。

【図3】端末の例を示す図である。

【図4】端末の撮像画面の例を示す図である。

【図5】端末の通知画面の例を示す図である。

【図6】支援装置の例を示す図である。

【図7】学習フェーズを説明する図である。

【図8】推論フェーズを説明する図である。

【図9】支援方法の例を示す図である。

【図10】端末の撮像画面の例を示す図である。

【図11】端末の撮像画面の例を示す図である。

【図12】支援方法の例を示す図である。

【発明を実施するための形態】

【0012】

以下、本発明の実施形態について、図面を参照しながら説明する。なお、本明細書と各図において、既出の図に関して前述したものと同様の要素には、同一の符号を付して、詳細な説明を適宜省略することがある。

【0013】

図１は、支援システム１００の例を示す図である。支援システム１００は、サーバ１と、ユーザＵＺに所持される端末２とを備えている。サーバ１と端末２は、インターネット等の通信ネットワークＮＴに接続され、相互にネットワーク通信が可能である。

【0014】

サーバ１は、支援装置３とＡＩ（Artificial Intelligence）サーバ４を含む複数のサーバコンピュータで構成されている。これに限らず、サーバ１は、１つのサーバコンピュータで構成されてもよい。

【0015】

端末２は、例えばスマートフォン又はタブレット型コンピュータ等の可搬型無線情報端末である。

【0016】

支援システム１００は、ユーザＵＺの脱炭素アクションに係る対象物ＢＪの脱炭素量を可視化することで、脱炭素に向けたユーザＵＺの行動変容を支援するためのシステムである。

【0017】

対象物ＢＪは、例えばボトル、生ごみ、弁当容器、廃油が入った容器、食品、検針票、及び生鮮食品などである。脱炭素量とは、二酸化炭素などの温室効果ガスの排出量の削減量を表す量である。

【0018】

図２は、支援装置３の構成例を示すブロック図である。支援装置３は、処理部１１、記憶部１２、及び通信部１３を備えるコンピュータである。ＡＩサーバ４も同様の構成を有している。

【0019】

処理部１１は、ＣＰＵを含み、記憶部１２に記憶されたプログラムに従って情報処理を実行する。記憶部１２は、ＲＡＭ、ＲＯＭ、及び不揮発性メモリ等を含んでいる。通信部１３は、支援装置３を通信ネットワークＮＴに接続するインターフェースである。

【0020】

プログラムは、非一時的記憶媒体を介して支援装置３に提供されてもよいし、通信線を介して支援装置３に提供されてもよい。

【0021】

図３は、端末２の構成例を示すブロック図である。端末２も、支援装置３と同様に、処理部２１、記憶部２２、及び通信部２３を備えるコンピュータである。端末２は、タッチパネル２４、カメラ２５、及びＧＮＳＳ受信機２６をさらに備えている。

【0022】

通信部２３は、端末２を通信ネットワークＮＴに接続するための移動通信又は無線ＬＡＮの通信方式を実現する通信部に加えて、Bluetooth（登録商標）等の近距離無線通信を実現する通信部をさらに含んでいる。

【0023】

タッチパネル２４は、表示部と操作部を一体的に含んでいる。ＧＮＳＳ受信機２６は、ＧＮＳＳ（Global Navigation Satellite System）から受信した電波に基づいて、端末２の位置を検出する。

【0024】

処理部２１は、記憶部２２に記憶されたアプリケーションプラグラムに従って、カメラ２５により対象物ＢＪを撮像し、対象物ＢＪの画像をサーバ１に送信する。図４に示すように、端末２には、対象物ＢＪを撮像するための撮像画面ＰＳが表示される。

【0025】

撮像画面ＰＳには、カメラ２５で撮像中の対象物ＢＪが表示される表示領域ＳＡと、撮像ボタンＢＴと、撮像を促す文字列ＣＬとが配置されており、ユーザＵＺが撮像ボタンＢＴを操作することで、対象物ＢＪの画像が取り込まれる。

【0026】

また、処理部２１は、サーバ１からの応答を受信して、対象物ＢＪの特徴に基づく脱炭素量の算出結果を表示する。図５に示すように、端末２には、脱炭素量の算出結果ＤＣを表示する通知画面ＮＳが表示される。

【0027】

図６は、支援装置３及びＡＩサーバ４の機能構成例を示すブロック図である。

【0028】

支援装置３は、取得部３１、中継部３２、算出部３３、及び通知部３４を備えている。これらの機能部３１～３４は、処理部１１がプログラムに従って情報処理を実行することで実現される。また、支援装置３は、画像記憶部３９を備えている。画像記憶部３９は、記憶部１２に構築されてもよいし、外部の記憶装置に構築されてもよい。

【0029】

ＡＩサーバ４は、認識部４１を備えている。この機能部４１は、ＡＩサーバ４の処理部がプログラムに従って情報処理を実行することで実現される。また、ＡＩサーバ４は、モデル記憶部４９を備えている。モデル記憶部４９は、ＡＩサーバ４の記憶部に構築されてもよいし、外部の記憶装置に構築されてもよい。

【0030】

支援装置３の取得部３１は、端末２により送信された対象物ＢＪの画像を取得し、画像記憶部３９に保存する。

【0031】

中継部３２は、ＡＩサーバ４の認識部４１に、対象物ＢＪの画像から脱炭素量の算出に利用される特徴を認識させる。

【0032】

算出部３３は、ＡＩサーバ４の認識部４１により認識された特徴に基づいて、対象物ＢＪの脱炭素量を算出する。

【0033】

通知部３４は、脱炭素量の算出結果を端末２に通知して、脱炭素量の算出結果を端末２に表示させる。

【0034】

なお、各機能部の実現主体は、上記の例に限定されない。例えば、支援装置３が認識部４１を備えて、対象物ＢＪの画像から特徴を認識してもよい。また、端末２が算出部３３を備えて、支援装置３から取得した特徴に基づいて脱炭素量を算出してもよい。

【0035】

ＡＩサーバ４の認識部４１は、対象物ＢＪの画像から、脱炭素量の算出に利用される特徴を認識する。

【0036】

認識部４１は、モデル記憶部４９に記憶された学習済みモデルを用いて、対象物ＢＪの画像から特徴を認識する。これに限らず、認識部４１は、ルールベースの画像認識により、対象物ＢＪの画像から特徴を認識してもよい。

【0037】

モデル記憶部４９には、対象物ＢＪの種類ごとに用意された複数の学習済みモデルが記憶されており、認識部４１は、対象物ＢＪの種類に対応する学習済みモデルを用いて、対象物ＢＪの画像から特徴を認識する。

【0038】

脱炭素量の算出に利用される特徴は、例えば、対象物ＢＪの量（容量、重量、又は体積など）に係る特徴を含んでいる。対象物ＢＪの脱炭素量は、認識された量に応じて算出される。

【0039】

また、脱炭素量の算出に利用される特徴は、対象物ＢＪの適格性を含んでもよい。対象物ＢＪの脱炭素量は、適格性が所定以上である場合に算出され、適格性が所定以下である場合に算出されない。

【0040】

以下、学習済みモデルの学習フェーズと推論フェーズの概要について説明する。

【0041】

図７に示すように、学習フェーズでは、学習用画像ＭＧと、量及び適格性の教師データとを用いて、モデルＭＤ（学習前のモデル）の機械学習を実行する。モデルＭＤは、例えば畳み込みニューラルネットワーク（ＣＮＮ）等の画像認識モデルである。

【0042】

モデルＭＤの出力層の１つの要素は、例えば恒等関数で構成されており、「量」を表す数値を出力する。モデルＭＤの出力層の別の１つの要素は、例えばシグモイド関数で構成されており、「適格性」を表す０以上１以下の数値を出力する。

【0043】

教師データの「量」は、容量、重量、又は体積などを表す数値である。教師データの「適格性」は、適格性の有無を表す２値のラベルである。例えば、適格性有りを表すＯＫラベルが１で表され、適格性無しを表すＮＧラベルが０で表される。

【0044】

機械学習では、学習用画像ＭＧをモデルＭＤに入力し、モデルＭＤから出力される量及び適格性と、教師データの量及び適格性との差分を算出し、算出された差分を低減するように誤差逆伝播計算を行ってモデルＭＤのパラメータを調整する。

【0045】

このようにして生成された学習済みモデルＬＭが、モデル記憶部４９に格納される。

【0046】

図８に示すように、推論フェーズでは、認識部４１は、端末２により送信された対象物ＢＪの画像ＳＧを学習済みモデルＬＭに入力し、「量」を表す数値と「適格性」を表す数値を出力する。

【0047】

対象物ＢＪの種類ごとの学習済みモデルの生成、特徴の認識、及び脱炭素量の算出などの具体例については、詳細を後述する。

【0048】

図９は、支援システム１００において実現される支援方法の手順例を示すフロー図である。端末２の処理部２１は、プログラムに従って同図左部に示す処理Ｓ２１～Ｓ２４を実行する。支援装置３の処理部１１は、プログラムに従って同図中央に示す処理Ｓ３１～Ｓ３４を実行する。ＡＩサーバ４の処理部は、プログラムに従って同図右部に示す処理Ｓ４１～Ｓ４２を実行する。

【0049】

まず、端末２は、ユーザＵＺの操作に従ってカメラ２５により対象物ＢＪを撮像する（Ｓ２１）。撮像には、撮像画面ＰＳ（図４参照）が用いられる。撮像画面ＰＳは、対象物ＢＪの種類ごとに用意され、撮像前にユーザＵＺにより選択される。

【0050】

次に、端末２は、撮像された対象物ＢＪの画像に、対象物ＢＪの種類を表すタグを付与する（Ｓ２２）。ここでは、対象物ＢＪの撮像に用いられた撮像画面ＰＳに対応するタグが選択され、画像に付与される。

【0051】

次に、端末２は、タグが付与された対象物ＢＪの画像を支援装置３に送信する（Ｓ２３）。

【0052】

例えば対象物ＢＪがボトルである場合、ユーザＵＺは、ボトル用の撮像画面ＰＳを用いてボトルを撮像する。これにより、撮像されたボトルの画像には、ボトルを表すタグが付与される。

【0053】

支援装置３は、端末２により送信された対象物ＢＪの画像を取得する（Ｓ３１、取得部３１としての処理）。

【0054】

次に、支援装置３は、対象物ＢＪの画像を中継する（Ｓ３２、中継部３２としての処理）。すなわち、支援装置３は、ＡＩサーバ４に、対象物ＢＪの画像から脱炭素量の算出に利用される特徴を認識させる。

【0055】

ＡＩサーバ４は、支援装置３により送信された対象物ＢＪの画像から、脱炭素量の算出に利用される特徴を認識し（Ｓ４１、認識部４１としての処理）、認識された特徴を支援装置３に送信する（Ｓ４２）。

【0056】

このとき、支援装置３は、対象物ＢＪの画像に付与されたタグに対応する学習済みモデルを用いるように指定し、ＡＩサーバ４は、指定された学習済みモデルを用いて特徴を認識する。タグに対応する学習済みモデルの選択は、ＡＩサーバ４で行われてもよい。

【0057】

例えば対象物ＢＪがボトルである場合、画像に付与されたボトルを表すタグに対応するボトル用の学習済みモデルを用いて、ボトルの特徴が認識される。

【0058】

支援装置３は、ＡＩサーバ４により送信された特徴に基づいて、対象物ＢＪの脱炭素量を算出し（Ｓ３３、算出部３３としての処理）、脱炭素量の算出結果を端末２に通知する（Ｓ３４、通知部３４としての処理）。

【0059】

端末２は、支援装置３により通知された脱炭素量の算出結果を表示する（Ｓ２４）。脱炭素量の表示には、通知画面ＮＳ（図５参照）が用いられる。なお、脱炭素量の算出は、端末２において行われてもよい。

【0060】

以上に説明したように、対象物ＢＪの脱炭素量を可視化することによって、ユーザＵＺは、対象物ＢＪの脱炭素への寄与を視覚的に理解できるので、効果的な脱炭素行動に向けた行動変容を促すことが可能となる。また、対象物ＢＪの特徴を認識した上で脱炭素量を算出することで、正確性を確保することが可能となる。すなわち、手入力や写真撮影だけに依存した場合に生じる勘違いや誤入力、虚偽入力などを回避して、脱炭素量の算出の正確性を確保することが可能となる。

【0061】

また、脱炭素量に応じてユーザＵＺに脱炭素ポイントを付与し、脱炭素ポイントを自治体などのコミュニティ内で提供される特典と交換可能にすることによって、ユーザＵＺが脱炭素ポイントを貯める動機付けを高め、さらにユーザＵＺの行動変容を促すことが可能となる。

【0062】

以下、対象物ＢＪの種類ごとの学習済みモデルの生成、特徴の認識、及び脱炭素量の算出などの具体例について説明する。

【0063】

（１）マイボトル
ペットボトルの製造・廃棄・リサイクルの過程では多くの二酸化炭素が排出される。このため、ペットボトル飲料を買わず、携帯型水筒（いわゆるマイボトル）を持ち歩くことは脱炭素アクションとなる。
そこで、対象物ＢＪがボトルである例では、ボトルの容量と、ボトルの携帯型水筒としての適格性とを学習済みモデルにより認識し、ボトルを携帯型水筒として使用することによる脱炭素量を算出する。
例えば、ステンレス、アルミ、プラスチック、又はシリコーン製の蓋があって持ち歩きが可能なボトルの学習用画像にＯＫラベルを付与し、紙、プラスチック、ステンレス、陶器、ガラス製の蓋のない容器の学習用画像にＮＧラベルを付与して、学習済みモデルを生成することで、携帯型水筒としての適格性を判定することが可能となる。
脱炭素量は、ボトルが携帯型水筒として適している場合に、ボトルの容量に応じて算出され、ボトルが携帯型水筒として適していない場合には算出されない。

【0064】

（２）コンポスト
生ごみは水分を多く含むため、可燃ごみとして捨ててしまうと焼却の過程で多くの二酸化炭素が排出される。このため、生ごみをコンポストで処理することは脱炭素アクションとなる。
そこで、対象物ＢＪが生ごみである例では、生ごみの重量又は体積と、生ごみのコンポストに対する適格性とを学習済みモデルにより認識し、生ごみをコンポストで処理することによる脱炭素量を算出する。
例えば、コンポスト可能なごみ（特に、背景が土、屋外又はシンクが写っているもの）の学習用画像にＯＫラベルを付与し、不適切なごみが混入したごみ、ごみ箱に入ったごみ、又は不燃ごみ等の学習用画像にＮＧラベルを付与して、学習済みモデルを生成することで、コンポストに対する適格性を判定することが可能となる。
脱炭素量は、生ごみがコンポストの処理に適している場合に、重量又は体積に応じて算出され、生ごみがコンポストの処理に適していない場合には算出されない。

【0065】

（３）弁当容器
使い捨てのプラスチック製又は紙製の弁当容器の製造・廃棄・リサイクルの過程では多くの二酸化炭素が排出される。このため、使い捨てではない弁当容器により弁当を持参することは脱炭素アクションとなる。
そこで、対象物ＢＪが弁当容器である例では、弁当容器の廃棄物としての該当性を学習済みモデルにより認識し、廃棄物に該当しない弁当容器を使用することによる脱炭素量を算出する。
例えば、使い捨てではないプラスチック製又は金属製の弁当容器の学習用画像にＯＫラベルを付与し、使い捨てのプラスチック製又は紙製の容器（いわゆる弁当ガラ）の学習用画像にＮＧラベルを付与して、学習済みモデルを生成することで、弁当容器が廃棄物に該当するか否かを判定することが可能となる。
脱炭素量は、弁当容器が廃棄物に該当しない場合（すなわち、使い捨てでは無い場合）に算出され、弁当容器が廃棄物に該当する場合には算出されない。脱炭素量は、弁当容器の容量に応じて算出されてもよいし、一律であってもよい。

【0066】

（４）廃油
家庭で使い終わった油（廃食用油）は、台所に流せば環境汚染につながり、ごみとして捨てると焼却の過程で多くの二酸化炭素が排出される。このため、廃油を回収スポットに持ち込むことは脱炭素アクションとなる。
そこで、対象物ＢＪが廃油が入った容器である例では、容器の容量と、廃油の回収に対する適格性とを学習済みモデルにより認識し、廃油の回収による脱炭素量を算出する。
例えば、専用容器又はペットボトル等の透明な容器に入った茶色又は黄色の油（特に、背景に回収スポットが写っているもの）の学習用画像にＯＫラベルを付与し、食品カスや別の液体が混入した油、汚れや固形物が多い油、機械油、飲料などの別の液体、又は固めたり紙に吸わせた油などの学習用画像にＮＧラベルを付与して、学習済みモデルを生成することで、廃油の回収に対する適格性を判定することが可能となる。
脱炭素量は、廃油が入った容器が回収に適している場合に、容器の容量に応じて算出され、廃油が入った容器が回収に適していない場合には算出されない。

【0067】

（５）フードドライブ
家庭で余っている食品をごみにせず、福祉団体等に寄付することは、フードドライブとして知られている。食品をごみにせずに寄付することは脱炭素アクションにもなる。
そこで、対象物ＢＪが食品である例については、食品の寄付食品としての適格性を学習済みモデルにより認識し、食品をフードドライブに寄付することによる脱炭素量を算出する。
例えば、米、乾麺、缶詰、レトルト食品、又はインスタント食品などの寄付に適した食品の学習用画像にＯＫラベルを付与し、開封された食品、生鮮食品、又は賞味期限が切れている若しくは不明な食品などの寄付に適さない食品の学習用画像にＮＧラベルを付与して、学習済みモデルを生成することで、食品の寄付食品としての適格性を判定することが可能となる。
脱炭素量は、食品が寄付食品として適している場合に算出され、食品が寄付食品として適していない場合には算出されない。脱炭素量は、食品の重量又は体積に応じて算出されてもよいし、一律であってもよい。
端末２のアプリケーションは、フードドライブの回収スポットをマップ表示し、その回収スポットで寄付に係る操作が行われたときに、フードドライブの実施を検知する。フードドライブの実施の検知は、支援装置３が端末２の位置を取得した上で行ってもよい。

【0068】

（６）検針票
電力又はガス等の使用量を抑えることは脱炭素アクションとなる。
そこで、対象物ＢＪが検針票である例では、検針票に記載された対象期間の使用量と過去期間の使用量とを学習済みモデルにより認識し、対象期間の使用量と過去期間の使用量との差分に応じた脱炭素量を算出する。
例えば、図１０に示す検針票用の撮像画面ＰＳに示すように、検針票には、今月の使用量を示す文字列ＣＵと、先月の使用量を示す文字列ＰＵとが含まれるので、これらから今月の使用量と先月の使用量とを認識し、先月の使用量に対する今月使用量の減少分を算出して、減少分に応じた脱炭素量を算出する。対象期間と過去期間は、月単位に限らず、年単位であってもよい。

【0069】

（７）生鮮食品
地域で生産された生鮮食品を、その地域又は近隣地域で消費すること（いわゆる地産地消）は、輸送に係る二酸化炭素の排出量の削減が見込まれるため、脱炭素アクションとなる。
そこで、対象物ＢＪが生鮮食品である例では、生鮮食品に付されたラベルから生鮮食品の産地を学習済みモデルにより認識し、端末２の位置と生鮮食品の産地との比較に基づく脱炭素量を算出する。
例えば、図１１に示す生鮮食品用の撮像画面ＰＳに示すように、生鮮食品にはラベルＬＢが付されており、ラベルＬＢから産地及び重量などの情報を学習済みモデルにより認識する。
また、例えば、個別にラベルが付された生鮮食品の学習用画像にＯＫラベルを付与し、売り場の値札を含んだ籠売りの生鮮食品の学習用画像にＮＧラベルを付与して、学習済みモデルを生成することで、ラベルの適格性を判定することが可能となる。
また、例えば、背景に住宅の室内が写っている学習用画像にＯＫラベルを付与し、背景に店舗の室内が写っている学習用画像にＮＧラベルを付与して、学習済みモデルを生成することで、撮像場所の適格性も判定することが可能となる。言い換えると、未購入の生鮮食品であるか、購入済の生鮮食品であるかを判定することが可能となる。

【0070】

図１２は、対象物ＢＪが生鮮食品である場合の支援方法の手順例を示すフロー図である。上記図９のフロー図と対応するステップについては、同番号を付すことで詳細な説明を省略する。

【0071】

ユーザＵＺは、生鮮食品の購入後に自宅等で端末２のアプリケーションプラグラムを立ち上げ、撮像画面ＰＳ（図１１参照）を用いてカメラ２５により生鮮食品を撮像する（Ｓ２１）。

【0072】

次に、端末２は、ＧＮＳＳ受信機２６により端末２の位置を取得し（Ｓ２６）、生鮮食品を表すタグと端末２の位置とを画像に付与し（Ｓ２２）、画像を支援装置３に送信する（Ｓ２３）。

【0073】

ＡＩサーバ４は、支援装置３により送信された画像から、ラベルＬＢに記載された産地及び重量などの情報を認識し（Ｓ４１）、支援装置３に送信する（Ｓ４２）。

【0074】

支援装置３は、端末２の位置と生鮮食品の産地との比較に基づいて、脱炭素量を算出する（Ｓ３３）。例えば、支援装置３は、生鮮食品の産地が端末２の位置と同一又は隣接の都道府県である場合に、生鮮食品の重量に応じて脱炭素量を算出する。生鮮食品の重量には、例えば、ラベルＬＢに含まれる「食品成分表」等に記載された、対象食品の単位数量当たりの一般的な重さ等が使用される。

【0075】

生鮮食品の脱炭素量は、生鮮食品の流通段階で排出される二酸化炭素の排出量が、同種の生鮮食品の一般的な排出量と比べてどの程度削減されているかを表す量として算出される。脱炭素量の算出には、単位重量当たりの輸送排出量（既定値）が用いられる。

【0076】

例えば、福岡産のトマトを福岡県で購入した場合、その地域のスーパー等で一般に売られてるトマトの産地（例えば広島県）からの輸送に基づく二酸化炭素の排出量を比較値として脱炭素量が算出される。比較値の決め方は種々あり、対象生鮮食品の主な産地（例えば、みかんであれば愛媛又は和歌山）からの輸送に基づく二酸化炭素の排出量を比較値としてもよい。

【0077】

生鮮食品のラベルＬＢから一度読み取られたデータは、産地、生産者、及び賞味期限などのデータと突き合わせられて使用済みとして扱われ、同じ生成食品について重複して脱炭素量が算出されないようにされる。

【0078】

なお、本例では、カメラ２５により生鮮食品を撮像し、画像に含まれるラベルＬＢから生産地及び重量を認識して、脱炭素量を算出したが、これに限らず、次のようにしてもよい。

【0079】

例えば、ラベルＬＢに印刷されたＱＲコード等の２次元コード又はバーコード等の１次元コードを表すコード画像から端末２によりコードデータを読み取り、コードデータから生産地及び重量を抽出して、脱炭素量を算出してもよい。

【0080】

また、ラベルＬＢが電子タグである場合に、端末２のＮＦＣ（Near Field Communication）等の近距離無線通信機能を利用してラベルＬＢからコードデータを読み取り、コードデータから生産地及び重量を抽出して、脱炭素量を算出してもよい。

【0081】

その他、端末２の位置と予め登録された店舗の位置とを比較して、端末２が店舗外にあるときに生鮮食品の脱炭素量を算出し、端末２が店舗外にあるときには脱炭素量を算出しないようにしてもよい。

【0082】

また、脱炭素量に基づいて付与される脱炭素ポイントは、コミュニティ単位で付与や利用の条件を変えてもよい。例えば、本例のような生鮮食品の脱炭素量に基づいて付与される地産地消に係る脱炭素ポイントは、その地域のコミュニティでしか利用できないようにしてもよいし、その地域を他の地域よりも優遇して脱炭素ポイントを付与してもよい。これにより、地産地消の脱炭素アクションへのユーザの行動変容をさらに強化することができる。

【0083】

また、上述したように、籠売りの生鮮食品は、購入を確認できないためＮＧとしたが、例えば、売場で籠売りの生鮮食品とラベルを撮影した後、それに対応するレシートを入手して撮影して、これにより得られる２つの画像を突き合わせることで購買物として扱うようにしてもよい。

【0084】

以上、本発明の実施形態について説明したが、本発明は以上に説明した実施形態に限定されるものではなく、種々の変更が当業者にとって可能であることはもちろんである。

【0085】

以下、代表的な実施形態を列挙する。

【0086】

第１態様として、支援システムは、カメラを備える端末と、前記端末と通信可能なサーバと、を備え、前記端末は、脱炭素量の算出の対象物を撮像して、前記対象物の画像を前記サーバに送信し、前記サーバは、前記端末により送信された前記対象物の画像を取得する取得部と、前記対象物の画像から、前記脱炭素量の算出に利用される特徴を認識する認識部と、を備え、前記端末は、前記特徴に基づく前記対象物の前記脱炭素量の算出結果を表示する。これによれば、脱炭素量の算出の正確性を確保することが可能となる。

【0087】

第２態様として、第１態様において、前記認識部は、前記対象物の量に係る前記特徴を認識し、前記脱炭素量は、前記量に応じて算出されてもよい。これによれば、対象物の量を利用して、脱炭素量の算出の正確性を確保することが可能となる。

【0088】

第３態様として、第１態様において、前記認識部は、前記対象物の適格性を前記特徴として認識し、前記脱炭素量は、前記適格性が所定以下である場合に算出されなくてもよい。これによれば、対象物の適格性を利用して、脱炭素量の算出の正確性を確保することが可能となる。

【0089】

第４態様として、第１態様において、前記対象物は、ボトルであり、前記認識部は、前記ボトルの容量と、前記ボトルの携帯型水筒としての適格性とを認識し、前記脱炭素量は、前記ボトルを前記携帯型水筒として使用することによる脱炭素量であってもよい。これによれば、携帯型水筒を使用することによる脱炭素量の算出の正確性を確保することが可能となる。

【0090】

第５態様として、第１態様において、前記対象物は、生ごみであり、前記認識部は、前記生ごみの重量又は体積と、前記生ごみのコンポストに対する適格性とを認識し、前記脱炭素量は、前記生ごみを前記コンポストで処理することによる脱炭素量であってもよい。これによれば、生ごみをコンポストで処理することによる脱炭素量の算出の正確性を確保することが可能となる。

【0091】

第６態様として、第１態様において、上記態様において、前記対象物は、弁当容器であり、前記認識部は、前記弁当容器の廃棄物としての該当性を認識し、前記脱炭素量は、前記廃棄物に該当しない前記弁当容器を使用することによる脱炭素量であってもよい。これによれば、廃棄物に該当しない弁当容器を使用することによる脱炭素量の算出の正確性を確保することが可能となる。

【0092】

第７態様として、第１態様において、前記対象物は、廃油が入った容器であり、前記認識部は、前記容器の容量と、前記廃油の回収に対する適格性とを認識し、前記脱炭素量は、前記廃油の回収による脱炭素量であってもよい。これによれば、廃油の回収による脱炭素量の算出の正確性を確保することが可能となる。

【0093】

第８態様として、第１態様において、前記対象物は、食品であり、前記認識部は、前記食品の寄付食品としての適格性を認識し、前記脱炭素量は、前記食品をフードドライブに寄付することによる脱炭素量であってもよい。これによれば、食品をフードドライブに寄付することによる脱炭素量の算出の正確性を確保することが可能となる。

【0094】

第９態様として、第１態様において、前記対象物は、検針票であり、前記認識部は、前記検針票に記載された対象期間の使用量と過去期間の使用量とを認識し、前記脱炭素量は、前記対象期間の使用量と前記過去期間の使用量との差分に応じた脱炭素量であってもよい。これによれば、使用料の変化に応じた脱炭素量の算出の正確性を確保することが可能となる。

【0095】

第１０態様として、第１態様において、前記端末は、前記端末の位置データを取得する取得部を備え、前記対象物は、生鮮食品であり、前記認識部は、前記生鮮食品に付されたラベルから前記生鮮食品の産地を認識し、前記脱炭素量は、前記端末の位置と前記生鮮食品の産地との比較に基づく脱炭素量であってもよい。これによれば、生鮮食品の産地に基づく脱炭素量の算出の正確性を確保することが可能となる。

【0096】

第１１態様として、第１態様において、前記端末は、前記対象物の画像に前記対象物の種類を表すタグを付与し、前記認識部は、前記対象物の種類ごとに用意された複数のモデルの中から、前記タグに対応するモデルを用いて前記特徴を認識してもよい。これによれば、対象物の種類ごとに脱炭素量の算出の正確性を確保することが可能となる。

【0097】

第１２態様として、支援方法は、カメラを備える端末により、脱炭素量の算出の対象物を撮像し、前記対象物の画像から、前記脱炭素量の算出に利用される特徴を認識し、前記特徴に基づいて、前記対象物の前記脱炭素量を算出し、前記脱炭素量の算出結果を前記端末に表示する。これによれば、脱炭素量の算出の正確性を確保することが可能となる。

【0098】

第１３態様として、支援装置は、カメラを備える端末により撮像された脱炭素量の算出の対象物の画像を取得する取得部と、認識部に、前記対象物の画像から前記脱炭素量の算出に利用される特徴を認識させる中継部と、を備える、支援装置。これによれば、脱炭素量の算出の正確性を確保することが可能となる。

【0099】

第１４態様として、プログラムは、カメラを備える端末により撮像された脱炭素量の算出の対象物の画像を取得すること、及び認識部に、前記対象物の画像から前記脱炭素量の算出に利用される特徴を認識させること、をコンピュータに実行させる。これによれば、脱炭素量の算出の正確性を確保することが可能となる。

【符号の説明】

【0100】

１ サーバ、２ 端末、３ 支援装置、４ ＡＩサーバ、１１ 処理部、１２ 記憶部、１３ 通信部、２１ 処理部、２２ 記憶部、２３ 通信部、２４ タッチパネル、２５ カメラ、２６ ＧＮＳＳ受信機、３１ 取得部、３２ 中継部、３３ 算出部、３４ 通知部、３９ 画像記憶部、４１ 認識部、４９ モデル記憶部、１００ 支援システム

【要約】

【課題】脱炭素量の算出の正確性を確保することが可能な支援システムを提供する。
【解決手段】支援システムは、カメラを備える端末と、端末と通信可能なサーバと、を備え、端末は、脱炭素量の算出の対象物を撮像して、対象物の画像をサーバに送信し、サーバは、端末により送信された対象物の画像を取得する取得部と、対象物の画像から、脱炭素量の算出に利用される特徴を認識する認識部と、を備え、端末は、特徴に基づく対象物の脱炭素量の算出結果を表示する。
【選択図】図１

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】