特許ウォッチ

公開番号2025019849
公報種別公開特許公報(A)
公開日2025-02-07
出願番号2023123699
出願日2023-07-28
発明の名称品質予測プログラム、品質予測方法、及び、品質予測装置
出願人UBE三菱セメント株式会社
代理人個人,個人,個人
主分類B28C 7/06 20060101AFI20250131BHJP(セメント,粘土,または石材の加工)
要約【課題】品質予測の信頼性向上を図る。
【解決手段】本開示の一側面に係る品質予測プログラムは、評価対象の骨材を撮像して得られる撮像画像データを取得する画像取得工程と、前記撮像画像データに係る撮像画像を評価する画像評価工程と、学習用の骨材を撮像して得られる学習画像データに基づく入力情報と、当該入力情報に対応付けられた粗粒率の正解値とに基づく機械学習により、前記入力情報の入力に応じて、粗粒率を示す値を出力するように構築された予測モデルに対して、前記画像評価工程の後に、前記撮像画像データに基づく評価入力情報を入力して、前記予測モデルから出力される予測値を取得する予測工程と、をコンピュータに実行させるプログラムである。前記画像評価工程では、前記撮像画像が前記予測モデルによる予測に適しているか否かが評価される、品質予測プログラム。
【選択図】図11

特許請求の範囲【請求項１】
評価対象の骨材を撮像して得られる撮像画像データを取得する画像取得工程と、
前記撮像画像データに係る撮像画像を評価する画像評価工程と、
学習用の骨材を撮像して得られる学習画像データに基づく入力情報と、当該入力情報に対応付けられた粗粒率の正解値とに基づく機械学習により、前記入力情報の入力に応じて、粗粒率を示す値を出力するように構築された予測モデルに対して、前記画像評価工程の後に、前記撮像画像データに基づく評価入力情報を入力して、前記予測モデルから出力される予測値を取得する予測工程と、
をコンピュータに実行させるプログラムであって、
前記画像評価工程では、前記撮像画像が前記予測モデルによる予測に適しているか否かが評価される、品質予測プログラム。
続きを表示（約 2,200 文字）【請求項２】
評価対象の骨材を撮像して得られる撮像画像データを取得する画像取得工程と、
前記撮像画像データに係る撮像画像を評価する画像評価工程と、
学習用の骨材を撮像して得られる学習画像データに基づく入力情報と、当該入力情報に対応付けられた骨材の複数の粒度区分それぞれの質量分率の正解値とに基づく機械学習により、前記入力情報の入力に応じて、前記複数の粒度区分に含まれる区分ごとに質量分率を示す値を出力するように構築された予測モデルに対して、前記画像評価工程の後に、前記撮像画像データに基づく評価入力情報を入力して、前記予測モデルから出力される予測値を前記区分ごとに取得する予測工程と、
をコンピュータに実行させるプログラムであって、
前記画像評価工程では、前記撮像画像が前記予測モデルによる予測に適しているか否かが評価される、品質予測プログラム。
【請求項３】
前記品質予測プログラムは、前記画像評価工程において、前記撮像画像が前記予測モデルによる予測に適していないと判定された場合に、前記予測工程の前に、ユーザに前記撮像画像が不適であることを示す警告をモニタに表示させる警告表示工程をコンピュータに更に実行させる、請求項１又は２に記載の品質予測プログラム。
【請求項４】
前記品質予測プログラムは、前記画像評価工程において、前記撮像画像が前記予測モデルによる予測に適していないと判定された場合に、前記予測工程の前に、前記撮像画像をモニタに表示させる画像表示工程をコンピュータに更に実行させる、請求項１又は２に記載の品質予測プログラム。
【請求項５】
前記品質予測プログラムは、前記画像評価工程において、前記撮像画像が前記予測モデルによる予測に適していないと判定された場合に、前記予測工程の前に、前記撮像画像を補正する画像補正工程をコンピュータに更に実行させる、請求項１又は２に記載の品質予測プログラム。
【請求項６】
評価対象の骨材を撮像して得られる撮像画像データを取得する画像取得工程と、
前記撮像画像データに係る撮像画像を評価する画像評価工程と、
学習用の骨材を撮像して得られる学習画像データに基づく入力情報と、当該入力情報に対応付けられた粗粒率の正解値とに基づく機械学習により、前記入力情報の入力に応じて、粗粒率を示す値を出力するように構築された予測モデルに対して、前記画像評価工程の後に、前記撮像画像データに基づく評価入力情報を入力して、前記予測モデルから出力される予測値を取得する予測工程と、を含み、
前記画像評価工程では、前記撮像画像が前記予測モデルによる予測に適しているか否かが評価される、品質予測方法。
【請求項７】
評価対象の骨材を撮像して得られる撮像画像データを取得する画像取得工程と、
前記撮像画像データに係る撮像画像を評価する画像評価工程と、
学習用の骨材を撮像して得られる学習画像データに基づく入力情報と、当該入力情報に対応付けられた骨材の複数の粒度区分それぞれの質量分率の正解値とに基づく機械学習により、前記入力情報の入力に応じて、前記複数の粒度区分に含まれる区分ごとに質量分率を示す値を出力するように構築された予測モデルに対して、前記画像評価工程の後に、前記撮像画像データに基づく評価入力情報を入力して、前記予測モデルから出力される予測値を前記区分ごとに取得する予測工程と、を含み、
前記画像評価工程では、前記撮像画像が前記予測モデルによる予測に適しているか否かが評価される、品質予測方法。
【請求項８】
評価対象の骨材を撮像して得られる撮像画像データを取得する画像データ取得部と、
前記撮像画像データに係る撮像画像を評価する画像評価部と、
学習用の骨材を撮像して得られる学習画像データに基づく入力情報と、当該入力情報に対応付けられた粗粒率の正解値とに基づく機械学習により、前記入力情報の入力に応じて、粗粒率を示す値を出力するように構築された予測モデルに対して、前記画像評価部による評価の後に、前記撮像画像データに基づく評価入力情報を入力して、前記予測モデルから出力される予測値を取得する予測演算部と、を備え、
前記画像評価部は、前記撮像画像が前記予測モデルによる予測に適しているか否かを評価する、品質予測装置。
【請求項９】
評価対象の骨材を撮像して得られる撮像画像データを取得する画像データ取得部と、
前記撮像画像データに係る撮像画像を評価する画像評価部と、
学習用の骨材を撮像して得られる学習画像データに基づく入力情報と、当該入力情報に対応付けられた骨材の複数の粒度区分それぞれの質量分率の正解値とに基づく機械学習により、前記入力情報の入力に応じて、前記複数の粒度区分に含まれる区分ごとに質量分率を示す値を出力するように構築された予測モデルに対して、前記画像評価部による評価の後に、前記撮像画像データに基づく評価入力情報を入力して、前記予測モデルから出力される予測値を前記区分ごとに取得する予測工程を実行する予測演算部と、を備え、
前記画像評価部は、前記撮像画像が前記予測モデルによる予測に適しているか否かを評価する、品質予測装置。

発明の詳細な説明【技術分野】
【０００１】
本開示は、品質予測プログラム、品質予測方法、及び、品質予測装置に関する。
続きを表示（約 2,600 文字）【背景技術】
【０００２】
特許文献１には、土の粒度分布の推定方法が開示されている。特許文献２には、骨材の品質推定方法が開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０２１－１１７６２５号公報
特開２０２１－１３５１９９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
本開示は、品質予測の信頼性向上に有用な品質予測プログラム、品質予測方法、及び品質予測装置を提供する。
【課題を解決するための手段】
【０００５】
［１］評価対象の骨材を撮像して得られる撮像画像データを取得する画像取得工程と、前記撮像画像データに係る撮像画像を評価する画像評価工程と、学習用の骨材を撮像して得られる学習画像データに基づく入力情報と、当該入力情報に対応付けられた粗粒率の正解値とに基づく機械学習により、前記入力情報の入力に応じて、粗粒率を示す値を出力するように構築された予測モデルに対して、前記画像評価工程の後に、前記撮像画像データに基づく評価入力情報を入力して、前記予測モデルから出力される予測値を取得する予測工程と、をコンピュータに実行させるプログラムであって、前記画像評価工程では、前記撮像画像が前記予測モデルによる予測に適しているか否かが評価される、品質予測プログラム。
機械学習により構築される予測モデルは、学習フェーズにおいて、骨材の試料をある条件に従って撮像して得られる画像データに基づく機械学習により構築されている。そのため、例えば、評価フェーズにおいて評価対象の骨材を撮像する際の各種条件及び／又は各種状態と、学習フェーズでの各種条件及び／又は各種状態との間の乖離が大きいと、予測モデルによる予測結果の精度が低下し得る。これに対して、上記プログラムでは、予測モデルを用いた予測を行う予測工程の前に、撮像画像がモデルによる予測に適しているか否かが評価される。そのため、予測結果の精度が低下し得るような場合に、是正処置（再撮影、又は補正等）を行うことができる。これにより、予測モデルＭを用いた品質の予測結果の信頼性を向上させることができる。従って、品質予測の信頼性向上に有用である。
【０００６】
［２］評価対象の骨材を撮像して得られる撮像画像データを取得する画像取得工程と、前記撮像画像データに係る撮像画像を評価する画像評価工程と、学習用の骨材を撮像して得られる学習画像データに基づく入力情報と、当該入力情報に対応付けられた骨材の複数の粒度区分それぞれの質量分率の正解値とに基づく機械学習により、前記入力情報の入力に応じて、前記複数の粒度区分に含まれる区分ごとに質量分率を示す値を出力するように構築された予測モデルに対して、前記画像評価工程の後に、前記撮像画像データに基づく評価入力情報を入力して、前記予測モデルから出力される予測値を前記区分ごとに取得する予測工程と、をコンピュータに実行させるプログラムであって、前記画像評価工程では、前記撮像画像が前記予測モデルによる予測に適しているか否かが評価される、品質予測プログラム。
この品質予測プログラムは、上記［１］に記載のプログラムと同様に、品質予測の信頼性向上に有用である。
【０００７】
［３］前記品質予測プログラムは、前記画像評価工程において、前記撮像画像が前記予測モデルによる予測に適していないと判定された場合に、前記予測工程の前に、ユーザに前記撮像画像が不適であることを示す警告をモニタに表示させる警告表示工程をコンピュータに更に実行させる、上記［１］又は［２］に記載の品質予測プログラム。
この場合、ユーザに警告を表示することで、撮像画像が適切でないことを把握させたうえで、再撮影等の是正処置をユーザに促すことができる。従って、品質予測の信頼性向上に更に有用である。
【０００８】
［４］前記品質予測プログラムは、前記画像評価工程において、前記撮像画像が前記予測モデルによる予測に適していないと判定された場合に、前記予測工程の前に、前記撮像画像をモニタに表示させる画像表示工程をコンピュータに更に実行させる、上記［１］～［３］のいずれか１つに記載の品質予測プログラム。
撮像画像が不適切であると判断された場合でも、人の目で見れば、予測モデルで予測しても問題ないと評価される場合もある。画像表示工程が行われることで、ユーザは、是正処置を実行するか、そのまま予測を実行するかを判断できる。従って、品質予測の信頼性向上と、品質予測の効率化との両立に有用である。
【０００９】
［５］前記品質予測プログラムは、前記画像評価工程において、前記撮像画像が前記予測モデルによる予測に適していないと判定された場合に、前記予測工程の前に、前記撮像画像を補正する画像補正工程をコンピュータに更に実行させる、上記［１］～［４］のいずれか１つに記載の品質予測プログラム。
このプログラムでは、撮像画像が不適切であると判断された場合に、予測モデルによる予測に適するように撮像画像を補正することができる。従って、品質予測の信頼性向上と、品質予測の効率化との両立に有用である。
【００１０】
［６］評価対象の骨材を撮像して得られる撮像画像データを取得する画像取得工程と、前記撮像画像データに係る撮像画像を評価する画像評価工程と、学習用の骨材を撮像して得られる学習画像データに基づく入力情報と、当該入力情報に対応付けられた粗粒率の正解値とに基づく機械学習により、前記入力情報の入力に応じて、粗粒率を示す値を出力するように構築された予測モデルに対して、前記画像評価工程の後に、前記撮像画像データに基づく評価入力情報を入力して、前記予測モデルから出力される予測値を取得する予測工程と、を含み、前記画像評価工程では、前記撮像画像が前記予測モデルによる予測に適しているか否かが評価される、品質予測方法。
この品質予測方法は、上記［１］に記載のプログラムと同様に、品質予測の信頼性向上に有用である。
（【００１１】以降は省略されています）

関連特許