特許ウォッチ

公開番号2025141581
公報種別公開特許公報(A)
公開日2025-09-29
出願番号2024041589
出願日2024-03-15
発明の名称画像診断装置、画像診断方法、および、プログラム
出願人キヤノン株式会社
代理人弁理士法人大塚国際特許事務所
主分類G06F 3/12 20060101AFI20250919BHJP(計算;計数)
要約【課題】画像異常に対してユーザにより実際に行われた処置を、処置内容を推定する学習モデルの学習に利用する画像診断装置を提供することを目的とする。
【解決手段】
本発明の画像診断装置は、画像異常に対してユーザにより行われた処置の情報を受け付ける受付手段と、前記画像異常と前記受け付けられた処置の情報を学習データとして、画像異常から処置内容を推定するための学習モデルの学習を行う学習手段と、を備えることを特徴とする。
【選択図】図7
特許請求の範囲【請求項１】
画像異常に対してユーザにより行われた処置の情報を受け付ける受付手段と、
前記画像異常と前記受け付けられた処置の情報を学習データとして、画像異常から処置内容を推定するための学習モデルの学習を行う学習手段と、
を備える画像診断装置。
続きを表示（約 810 文字）【請求項２】
前記学習モデルにより、画像異常に対する処置内容を推定する推定手段、
をさらに、備え、
前記受付手段は、前記推定された処置内容の候補から、ユーザにより行われた処置の情報を受け付ける、
請求項１に記載の画像診断装置。
【請求項３】
前記処置内容は、故障部品の情報を含む、
請求項１に記載の画像診断装置。
【請求項４】
前記処置内容は、故障部品の情報と処置内容の確信度を含む、
請求項２に記載の画像診断装置。
【請求項５】
さらに、前記推定された処置内容の候補を情報入力端末に送信する手段を備え、
前記受付手段は、前記情報入力端末から、前記ユーザにより行われた処置の情報を受け付ける、
請求項２に記載の画像診断装置。
【請求項６】
さらに、前記受け付けられた処置に含まれる交換部品の情報が、実際に交換された部品情報に存在するか否か判定する判定手段を有し、
前記判定手段により、存在しないと判定された場合、前記学習データとしては用いない、
請求項１に記載の画像診断装置。
【請求項７】
受付手段により、画像異常に対してユーザにより行われた処置の情報を受け付け、
学習手段により、前記画像異常と前記受け付けられた処置の情報を学習データとして、画像異常から処置内容を推定するための学習モデルの学習を行う、
画像診断方法。
【請求項８】
画像診断装置のコンピュータを、
画像異常に対してユーザにより行われた処置の情報を受け付ける受付手段と、
前記画像異常と前記受け付けられた処置の情報を学習データとして、画像異常から処置内容を推定するための学習モデルの学習を行う学習手段、
として機能させるためのプログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、画像形成装置の画像診断装置、画像診断方法、および、プログラムに関する。特に、画像形成装置の保守を行う場合の推論モデルの機械学習に利用する学習データの収集に関し、画像形成装置の出力画像における画像異常とユーザが行った処置内容を収集するものである。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
複合機などの画像形成装置では、エラーや故障などの異常が発生した場合、異常の通報によりサービスマンなどの保守担当者が派遣される。保守担当者は、マニュアルを確認し部品交換などのメンテナンスを行う。
【０００３】
また近年、クラウドコンピューティングの普及が進んでいる。クラウドコンピューティングは、多くのコンピューティングリソースを用いてデータ変換やデータ処理を分散して実行し、多くのクライアントからの要求を分散並列処理により並行して処理することが主な特徴である。システム開発者は、クラウドコンピューティングを利用することにより、必要なコンピューティングリソースを容易に調達でき、システム機能開発に注力することができる。
【０００４】
クラウドコンピューティングとの親和性が高い要素の一つが、ＡＩ（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ）である。ＡＩを実現するコア技術の一つに機械学習がある。機械学習では大量データ（ビッグデータ）を学習アルゴリズムで解析することでデータの特徴（特性やパターン、傾向など）を抽出した学習モデルを作成することができる。こうした大量データを安全に保管・解析するためには多くのコンピューティングリソースが必要であるため、クラウドコンピューティング環境で導入される事例が多い。
【０００５】
上述した画像形成装置のメンテナンスにおいても、複数の画像形成装置から収集したデータを学習し、得られた学習済みモデルを用いて、部品交換などのメンテナンス作業を支援する様々な方法が提案されている。
【０００６】
例えば、特許文献1には、作業者に訪問先の装置を指定して交換作業を指示する訪問ルートを決定するメンテナンスシステムが提案されている。提案されたメンテナンスシステムでは、複数のＭＦＰなどの印刷装置からの部品の交換要求と、サービスマンなどの作業者が保有する部品の情報と作業状況に基づき、部品の交換作業を行う作業者を特定する。これにより、サービスマンなどの作業者が効率的に交換作業を行うことができる。また、特許文献２には、画像形成装置において、画像異常が発生した場合、異常画像の例を表示し、異常画像のユーザの選択を受け付け、選択された異常画像に基づいて、故障箇所を判断することが提案されている。
【先行技術文献】
【特許文献】
【０００７】
特開２０１９－２１１９４０号公報
特開２０１９－１０２８４３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかしながら、特許文献１では、画像異常から交換する部品を特定するものではないため、画像異常を解消するための部品の交換情報や修理内容情報を取得することができない。また、特許文献２では、画像異常を解消するための故障箇所を作業者に提供することができるが、画像異常と故障箇所や処置内容実績を紐づけて記録し、収集するものではない。そのため、画像異常に対応する故障箇所と処置内容実績に基づいて故障箇所や処理内容を推論する仕組みはなかった。
【０００９】
本発明では、画像異常に対してユーザにより実際に行われた処置を、処置内容を推定する学習モデルの学習に利用する画像診断装置を提供することを目的とする。
【課題を解決するための手段】
【００１０】
本発明の画像診断装置は、画像異常に対してユーザにより行われた処置の情報を受け付ける受付手段と、前記画像異常と前記受け付けられた処置の情報を学習データとして、画像異常から処置内容を推定するための学習モデルの学習を行う学習手段と、を備えることを特徴とする。
【発明の効果】
（【００１１】以降は省略されています）

関連特許