JP7624087B2 - 計量システム、支持体制御システム、計量方法、および計量プログラム - Google Patents

Description

本開示の一側面は計量システム、支持体制御システム、計量方法、および計量プログラムに関する。

特許文献１には、商品の寸法、発注個数、および番重の寸法に基づいて商品を仕分ける仕分け装置が記載されている。

特開２０１８－５２６２６号公報

所定量の材料片を特定するための仕組みが望まれている。

本開示の一側面に係る計量システムは、質量によって管理される材料片の集合を写した集合画像に基づいて、少なくとも一つの分離候補位置のそれぞれについて、該分離候補位置において集合を分離して得られる材料片の部分集合の推定量を算出する量推定部と、少なくとも一つの推定量に基づいて、集合から所定量の材料片を分離する位置を分離位置として決定する分離位置決定部とを備える。

本開示の一側面に係る計量方法は、少なくとも一つのプロセッサを備える計量システムによって実行される計量方法であって、質量によって管理される材料片の集合を写した集合画像に基づいて、少なくとも一つの分離候補位置のそれぞれについて、該分離候補位置において集合を分離して得られる材料片の部分集合の推定量を算出するステップと、少なくとも一つの推定量に基づいて、集合から所定量の材料片を分離する位置を分離位置として決定するステップとを含む。

本開示の一側面に係る計量プログラムは、質量によって管理される材料片の集合を写した集合画像に基づいて、少なくとも一つの分離候補位置のそれぞれについて、該分離候補位置において集合を分離して得られる材料片の部分集合の推定量を算出するステップと、少なくとも一つの推定量に基づいて、集合から所定量の材料片を分離する位置を分離位置として決定するステップとをコンピュータに実行させる。

本開示の一側面によれば、所定量の材料片を特定できる。

計量システムの機能構成の一例を示す図である。 分離位置の一例を示す図である。 計量システムで用いられるコンピュータのハードウェア構成の一例を示す図である。 計量システムでの処理の一例を示すフローチャートである。 ボクセルを説明するための図である。 分離候補位置の設定の一例を示す図である。 推定量と実際量との関係の一例を示すグラフである。 分離位置の決定を説明するためのグラフである。 計量システムの機能構成および適用の一例を示す図である。 挿入位置を決定する一例を示すフローチャートである。 挿入候補位置の設定の一例を示す図である。 仮想経路の一例を示す図である。 分離位置を決定する一例を示すフローチャートである。 材料片を取り出して分離する一連の処理の一例を示すフローチャートである。

以下、添付図面を参照しながら本開示での実施形態を詳細に説明する。図面の説明において同一または同等の要素には同一の符号を付し、重複する説明を省略する。

［第１の例］
（システムの構成）
一例に係る計量システム１は、質量によって管理される材料片の集合から所定量の材料片を分離する位置を決定するコンピュータシステムである。材料片とは、相対的に小さく形成された個々の材料をいう。例えば、材料片は所与の製品を製造するために用いられる。「質量によって管理される材料片」とは、個数での管理が非常に困難であるかまたは事実上不可能であるために、質量によって管理される材料片をいう。質量によって管理される材料片の例として、粒状または粉状の材料と、細かく裁断された材料と、練り物として提供される材料とが挙げられるが、これらに限定されない。一例では、その材料片は、質量によって定量的に管理される食品である。本開示において「食品」は食品添加物を含む。材料片の管理の例として、保管、計測、分離、および使用が挙げられるが、これらに限定されない。本開示では、「質量によって管理される材料片」を単に「材料片」ともいう。計量システム１はこのような材料片の集合から所定量の材料片を分離する位置を決定する。本開示ではその位置を「分離位置」ともいう。上述した材料片の性質から、材料片の個数によって所定量の材料片を得ることは非常に困難であるかまたは事実上不可能である。計量システム１はこのような材料片を分離するために、材料片の集合を写した画像である集合画像を解析して分離位置を決定する。

図１は計量システム１の機能構成の一例を示す図である。一例では、計量システム１は機能モジュールとして画像処理部１１、密度推定部１２、量推定部１３、補正部１４、分離位置決定部１５、および学習部１６を備える。画像処理部１１は、材料片の集合を写した集合画像を、分離位置を決定するために前処理する機能モジュールである。密度推定部１２はその集合画像に基づいて材料片の集合の密度を推定する機能モジュールである。一例では、密度推定部１２は、集合画像の入力を受け付けて密度を出力する機械学習モデル２０を用いてその推定を実行する。量推定部１３はその密度に基づいて、材料片の集合を分離して得られる材料片の部分集合の推定量を算出する機能モジュールである。量推定部１３は、分離位置の候補である少なくとも一つの分離候補位置（例えば複数の分離候補位置）を設定し、それぞれの分離候補位置についてその推定量を算出する。補正部１４は必要に応じてその推定量を補正する機能モジュールである。分離位置決定部１５は推定された密度に基づいて分離位置を決定する機能モジュールである。分離位置決定部１５は例えば、その密度を用いて算出された少なくとも一つの推定量に基づいて、少なくとも一つの分離候補位置から分離位置を決定する。学習部１６は、密度推定部１２において用いられる機械学習モデル２０を機械学習によって生成する機能モジュールである。したがって、機械学習モデル２０は学習済みモデルである。一例では、学習部１６は後述する２種類の機械学習モデル２０を生成し、以下では必要に応じてその２種類を機械学習モデル２１，２２と区別する。

図２は分離位置の一例を示す図である。この例では、質量によって定量的に管理される食品２１０の集合が支持体２００上に盛られており、計量システム１は所定量の食品２１０を所定の食料品に追加するための分離位置２２０を決定する。食料品は例えば、食事、弁当などのような、顧客に提供される商品である。食品２１０は食料品の材料であり、例えば裁断食品である。

計量システム１は任意の種類のコンピュータによって実現され得る。そのコンピュータは、パーソナルコンピュータ、業務用サーバなどの汎用コンピュータでもよいし、特定の処理を実行する専用装置に組み込まれてもよい。計量システム１は一つのコンピュータによって実現されてもよいし、複数のコンピュータを有する分散システムによって実現されてもよい。

図３は、計量システム１で用いられるコンピュータ１００のハードウェア構成の一例を示す図である。この例では、コンピュータ１００は本体１１０、モニタ１２０、および入力デバイス１３０を備える。

本体１１０はコンピュータの主たる機能を実行する装置である。本体１１０は回路１６０を有し、回路１６０は、少なくとも一つのプロセッサ１６１と、メモリ１６２と、ストレージ１６３と、入出力ポート１６４と、通信ポート１６５とを有する。ストレージ１６３は、本体１１０の各機能モジュールを構成するためのプログラムを記録する。ストレージ１６３は、ハードディスク、不揮発性の半導体メモリ、磁気ディスク、光ディスクなどの、コンピュータ読み取り可能な記録媒体である。メモリ１６２は、ストレージ１６３からロードされたプログラム、プロセッサ１６１の演算結果などを一時的に記憶する。プロセッサ１６１は、メモリ１６２と協働してプログラムを実行することで、各機能モジュールを構成する。入出力ポート１６４は、プロセッサ１６１からの指令に応じて、モニタ１２０または入力デバイス１３０との間で電気信号の入出力を行う。入出力ポート１６４は他の装置との間で電気信号の入出力を行ってもよい。通信ポート１６５は、プロセッサ１６１からの指令に従って、通信ネットワークＮを介して他の装置との間でデータ通信を行う。

モニタ１２０は、本体１１０から出力された情報を表示するための装置である。モニタ１２０は、グラフィック表示が可能であればいかなるものであってもよく、その具体例としては液晶パネルが挙げられる。

入力デバイス１３０は、本体１１０に情報を入力するための装置である。入力デバイス１３０は、所望の情報を入力可能であればいかなるものであってもよく、その具体例としてはキーパッド、マウス、操作コントローラなどの操作インタフェースが挙げられる。

モニタ１２０および入力デバイス１３０はタッチパネルとして一体化されていてもよい。例えばタブレットコンピュータのように、本体１１０、モニタ１２０、および入力デバイス１３０が一体化されていてもよい。

計量システム１の各機能モジュールは、プロセッサ１６１またはメモリ１６２の上に計量プログラムを読み込ませてプロセッサ１６１にそのプログラムを実行させることで実現される。計量プログラムは、計量システム１の各機能モジュールを実現するためのコードを含む。プロセッサ１６１は計量プログラムに従って入出力ポート１６４または通信ポート１６５を動作させ、メモリ１６２またはストレージ１６３におけるデータの読み出しおよび書き込みを実行する。

計量プログラムは、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリなどの非一時的な記録媒体に固定的に記録された上で提供されてもよい。あるいは、計量プログラムは、搬送波に重畳されたデータ信号として通信ネットワークを介して提供されてもよい。

（計量方法）
本開示に係る計量方法の一例として、図４を参照しながら、計量システム１により実行される処理手順の一例を説明する。図４は計量システム１での処理の一例を処理フローＳ１として示すフローチャートである。すなわち、計量システム１は処理フローＳ１を実行する。

ステップＳ１１では、画像処理部１１が、材料片の集合を写した集合画像を取得する。この集合画像は静止画でもよいし、映像を構成する一つのフレーム画像でもよい。一例では、画像処理部１１は材料片の集合を写したデプス画像を取得する。あるいは、画像処理部１１は材料片の集合を写したＲＧＢ画像とデプス画像とのセットを取得してもよい。画像処理部１１はカメラまたは他のコンピュータから送られてきた集合画像を受信してもよい。あるいは、画像処理部１１はユーザにより入力された集合画像を受け付けてもよいし、ユーザ入力に基づいて所与の記憶装置から集合画像を読み出してもよい。

ステップＳ１２では、画像処理部１１がその集合画像に対して複数のボクセルを設定する。画像処理部１１は、集合画像に写された材料片の集合に対して複数のボクセルを設定する。本開示においてボクセルとは、最小単位として処理される仮想の３次元形状である。

図５はボクセルを説明するための図である。一例では、個々のボクセル３００は、集合画像の面方向に沿って定義されるＸ軸およびＹ軸と、集合画像の奥行き方向に沿って定義されるＺ軸とに基づいて設定される直方体である。一例では、画像処理部１１は集合画像のそれぞれの画素に対してボクセル３００を設定する。それぞれのボクセル３００は、Ｘ軸方向に沿った長さΔｘの辺と、Ｙ軸方向に沿ったΔｙの辺と、Ｚ軸方向に沿った長さｚ（ｘ，ｙ）の辺とによって規定される。ｚ（ｘ，ｙ）は、ＸＹ平面上の位置（ｘ，ｙ）に配置されたボクセルのＺ軸方向の長さである。長さΔｘおよびΔｙはすべてのボクセル３００で共通である。一方、長さｚ（ｘ，ｙ）は、Ｚ軸方向に沿った材料片の集合の下面から上面までの距離であり、材料片の集合の形状と該集合が置かれた支持面の形状との少なくとも一つに依存して個々のボクセル３００で異なり得る。

一例では、画像処理部１１は集合画像を解析して、材料片が存在する可能性がある領域を特定し、その領域に複数のボクセルを設定する。デプス画像を用いる場合には、画像処理部１１はこのデプス画像を解析して、個々のボクセルについて奥行き方向の距離を算出し、その距離に基づいて個々のボクセルの長さｚ（ｘ，ｙ）を設定する。

図４に戻って、ステップＳ１３では、密度推定部１２が複数のボクセルのそれぞれについてボクセル密度およびクラス値を算出する。ボクセル密度とはボクセルにおける材料片の密度である。クラス値とはボクセルにおいて材料片が存在するか否かを示す値である。一例では、クラス値は、ボクセル内に材料片が存在しないことを示す「０」と、ボクセル内に材料片が存在することを示す「１」という二値によって表現される。

一例では、密度推定部１２は、集合画像の入力を受け付けてボクセル密度を出力する機械学習モデル２１を用いて、複数のボクセルのそれぞれについてボクセル密度を算出する。機械学習モデル２１は集合画像を処理して、複数のボクセルのそれぞれについてボクセル密度ｄ_ｘ，ｙ（Ｉ；θ）を算出する。「ｄ_ｘ，ｙ（Ｉ；θ）」という表記は、パラメータ群θを有する機械学習モデル２１によって集合画像Ｉを処理することで得られる、位置（ｘ、ｙ）に配置されたボクセルのボクセル密度を意味する。

一例では、密度推定部１２は、集合画像の入力を受け付けてクラス値を出力する機械学習モデル２２を用いて、複数のボクセルのそれぞれについてクラス値を算出する。機械学習モデル２２は集合画像を処理して、複数のボクセルのそれぞれについてクラス値ｃ_ｘ，ｙ（Ｉ；θ）を算出する。「ｃ_ｘ，ｙ（Ｉ；θ）」という表記は、パラメータ群θを有する機械学習モデル２２によって集合画像Ｉを処理することで得られる、位置（ｘ，ｙ）に配置されたボクセルのクラス値を意味する。

ステップＳ１４では、量推定部１３が個々のボクセル量に基づいて、複数の分離候補位置のそれぞれについて、材料片の部分集合の推定量を算出する。ボクセル量とはボクセルにおける材料片の量をいう。量推定部１３は複数のボクセルが設定された領域において複数の分離候補位置を設定する。そして、量推定部１３はそれぞれの分離候補位置について、該分離候補位置での分離によって得られる材料片の部分集合の推定量を算出する。例えば、量推定部１３は材料片の集合の端部から該集合の中央に向かって所与の間隔で複数の分離候補位置を設定し、それぞれの分離候補位置について推定量を算出する。

一例では、量推定部１３は個々の分離候補位置での推定量ｍ（Ｉ；θ）を式（１）により算出する。

式（１）は、材料片の集合が存在し得る領域に設定された基準位置から分離候補位置までの間の区間に存在する複数のボクセルに対応する複数のボクセル量の総和を、材料片の部分集合の推定量として算出することを意味する。推定される個々のボクセル量は、ボクセル密度ｄ_ｘ，ｙ（Ｉ；θ）とボクセル体積ｚ（ｘ、ｙ）ΔｘΔｙとの積であり、したがって質量を示す。一例では、量推定部１３は、デプス画像から得られる奥行き方向の距離に基づいてそのボクセル体積を算出する。クラス値ｃ_ｘ，ｙ（Ｉ；θ）が上記の二値である場合には、或る一つのボクセルのクラス値が１であれば該ボクセルのボクセル量はそのまま用いられ、そのクラス値が０であればそのボクセル量は０と見なされる。

式（１）に示すように、量推定部１３は複数のボクセルのそれぞれについて、ボクセル密度に基づいてボクセル量を算出する。例えば、量推定部１３は各ボクセルについて、クラス値およびボクセル密度に基づいてボクセル量を算出する。量推定部１３は各ボクセルのボクセル量に基づいて推定量ｍ（Ｉ；θ）を算出する。式（１）は、材料片の集合の密度と部分集合の体積とに基づく部分集合の推定質量を推定量として算出する一例を示す。

一例では、量推定部１３は、材料片の集合が存在し得る領域の一端に基準位置を設定し、その基準位置から所与の間隔ごとに複数の分離候補位置を設定する。量推定部１３はボクセルの辺の長さであるΔｘおよびΔｙの少なくとも一方に基づいてその間隔を設定してもよく、例えば、Δｘの倍数およびΔｙの倍数の少なくとも一方をその間隔として設定してもよい。図６は分離候補位置の設定の一例を示す図であり、図２に示した支持体２００を、材料片の集合が存在し得る領域として示す。量推定部１３は例えば、その支持体２００の一端を基準位置２３０として設定し、Ｙ軸に沿って間隔（ｎ×Δｙ）ごとに複数の分離候補位置２４０を設定する（ｎは正の整数である）。すなわち、量推定部１３は、材料片の集合が位置する現実空間を示す座標系の一つの座標軸に沿って複数の分離候補位置を設定してもよい。

一例では、ステップＳ１４において、補正部１４が複数の分離候補位置のそれぞれについて推定量を補正する。補正部１４は、過去に算出された推定量のサンプル群と、その推定量に対応する分離位置において過去に実際に分離された材料片の実際量のサンプル群との関係に基づいて、推定量を補正する。これらのサンプル群のデータは予め所与のデータベースに記憶されている。補正部１４はそのデータベースを参照して推定量と実際量との関係を求める。

図７はその関係の一例を示すグラフである。このグラフの縦軸および横軸はそれぞれ、推定量および実際量を示す。グラフ上の個々のサンプル点４００は推定量と実際量との対応を示す。補正部１４はこれらのサンプル点４００に基づく回帰分析を実行して、推定量ｍ_ｐｒｅｄと実際量ｍ_ａｃｔとの関係を示す一次式であるｍ_ｐｒｅｄ＝ａ・ｍ_ａｃｔ＋ｂを求める。推定量ｍ_ｐｒｅｄと実際量ｍ_ａｃｔとの理想の関係を示す一次式はｍ_ｐｒｅｄ＝ｍ_ａｃｔである。図７は、回帰分析によって得られる一次式４１０と、実際量を真値と見なす理想の一次式４２０とを示す。補正部１４は推定量と実際量との関係を一次式４１０から一次式４２０に変換するための補正係数を求め、この補正係数を用いて各分離候補位置についての推定量を補正する。図７の例では、その補正係数は、一次式４１０の傾きの逆数１／ａと、一次式４１０の切片を打ち消すための－ｂとである。例えば、量推定部１３によって算出された推定量ｍ_ｐｒｅｄ´を最終的に推定量ｍ_ｐｒｅｄ ^＊に補正する場合、補正部１４はｍ_ｐｒｅｄ ^＊＝ｍ_ｐｒｅｄ´／ａ－ｂを計算する。

図４に戻って、ステップＳ１５では、分離位置決定部１５が複数の分離候補位置から分離位置を決定する。一例では、分離位置決定部１５は推定量と所定量との誤差を最小にする分離候補位置を分離位置として決定する。質量に基づく決定では、分離位置決定部１５は推定質量と所定質量との誤差を最小にする分離候補位置を分離位置として決定する。推定量は個々のボクセル量に基づいて算出されるので、分離位置は複数のボクセルのそれぞれのボクセル量に基づいて決定されるといえる。

図６を再度参照しながら、誤差に基づく分離位置の決定について説明する。図６の例において、Ｙ軸方向に沿った範囲を［０，ｙ_ｍａｘ］とする。ｙ＝０は基準位置２３０に対応し、ｙ＝ｙ_ｍａｘは基準位置２３０から最も遠い分離候補位置２４０に対応する。この場合、分離位置決定部１５は式（２）で表される分離候補位置ｙ^＊を分離位置として決定する。

式（２）は、推定量ｍ（Ｉ；θ）と所定量ｍ_{ｔａｒｇｅｔ}との誤差が最も小さくなる分離候補位置ｙ^＊を範囲［０，ｙ_ｍａｘ］から取得することを意味する。

図８は式（２）を用いた分離位置の決定を説明するためのグラフである。グラフ５０１の縦軸は推定量を示し、横軸はＹ方向に沿った分離候補位置を示す。グラフ５０２の縦軸は推定量と所定量との誤差を示し、横軸はＹ方向に沿った分離候補位置を示す。横軸の０は基準位置２３０を意味し、ｙ^＊は目標位置を示す。基準位置２３０から順に推定量および誤差を求めていく場合には、分離候補位置が変化するにつれて推定量が大きくなっていくので、誤差は小さくなっていく。或る分離候補位置を過ぎると、この度はその誤差が大きくなっていく。最小の誤差は０より大きい値になり得る。

図４に戻って、ステップＳ１６では、分離位置決定部１５が決定された分離位置を出力する。例えば、分離位置決定部１５はその分離位置を、材料片の集合から所定量の材料片を分離する装置に向けて出力してもよい。あるいは、分離位置決定部１５はその分離位置をストレージ１６３などの記憶部に格納してもよい。あるいは、分離位置決定部１５はテキスト、コンピュータグラフィック（ＣＧ）による動画または静止画などの形式でその分離位置をモニタ１２０上に表示してもよい。

［機械学習］
上述したように、密度推定部１２は機械学習モデル２０を用いてボクセル密度またはクラス値を算出してもよい。一例では、処理フローＳ１を実行するために学習部１６が予め機械学習モデル２０を生成し、密度推定部１２がその機械学習モデル２０を用いてボクセル密度またはクラス値を算出する。学習部１６による機械学習モデル２０の生成は学習フェーズに相当する。密度推定部１２による機械学習モデル２０の利用は運用フェーズに相当する。

上述したように、学習部１６は機械学習によって機械学習モデル２０を生成する。機械学習とは、与えられた情報に基づいて反復的に学習することで、法則またはルールを自律的に見つけ出す手法をいう。機械学習モデル２０はアルゴリズムおよびデータ構造を用いて構築される。一例では、機械学習モデル２０は畳み込みニューラルネットワーク（ＣＮＮ）などのニューラルネットワークによって構築される計算モデルである。

一例では、学習部１６は画像に設定された個々の画素（ボクセル）のクラス値の推定結果と、その推定結果に対応する正解との誤差に基づく機械学習を実行して、機械学習モデル２２を生成する。この機械学習のために、材料片の集合を写した原画像Ｉ_ｏｒｇの各画素にクラス値の正解ｃ_{ｇｔ＿ｘ，ｙ}（Ｉ）が関連付けられたマスク画像Ｉ_ｍａｓｋがトレーニングデータとして用意される。学習部１６は例えば、複数のマスク画像Ｉ_ｍａｓｋをトレーニングデータとして記憶する所与のデータベースにアクセスして、それぞれのマスク画像Ｉ_ｍａｓｋについて以下の処理を実行する。すなわち、学習部１６はマスク画像Ｉ_ｍａｓｋを所与の機械学習モデルに入力し、その機械学習モデルから出力される個々の画素のクラス値の推定結果を得る。学習部１６はその推定結果と各クラス値の正解との誤差に基づくバックプロパゲーション（誤差逆伝播法）を実行して、機械学習モデル内のパラメータ群を更新する。学習部１６は所与の終了条件を満たすまでこの学習を繰り返して機械学習モデル２２を得る。

一例では、学習部１６は部分集合の推定量と、該推定量に対応する正解との誤差に基づく機械学習を実行して、機械学習モデル２１を生成する。この機械学習のために、マスク画像Ｉ_ｍａｓｋと、分離位置ｙ_ｏｂｓと、該分離位置に対応する材料片の部分集合の量の正解ｍ_ｏｂｓと、各画素における奥行き方向の距離の正解ｚ_ｏｂｓ（ｘ、ｙ）とを含むレコードがトレーニングデータとして用意される。学習部１６は例えば、複数のそのレコードをトレーニングデータとして記憶する所与のデータベースにアクセスして、それぞれのレコードについて以下の処理を実行する。すなわち、学習部１６はマスク画像を所与の機械学習モデルに入力し、その機械学習モデルから出力される個々の画素のボクセル密度の推定結果を得る。学習部１６はその推定結果に基づいて、分離位置ｙ_ｏｂｓに対応する部分集合の推定量を算出する。そして、学習部１６はその推定量と正解ｍ_ｏｂｓとの誤差に基づくバックプロパゲーション（誤差逆伝播法）を実行して、機械学習モデル内のパラメータ群を更新する。学習部１６は所与の終了条件を満たすまでこの学習を繰り返して機械学習モデル２１を得る。

生成された機械学習モデル２０は、最適であると推定される計算モデルであり、“現実に最適である計算モデル”とは限らないことに留意されたい。

機械学習モデル２０はコンピュータシステム間で移植可能である。したがって、密度推定部１２は別のコンピュータシステムで生成された機械学習モデル２０を用いてもよい。

［第２の例］
（システムの構成）
一例に係る計量システム２は、所与の領域に集積された材料片群から材料片の集合を取り出すための支持体の挿入位置を決定し、その集合から所定量の材料片を分離するための分離位置を決定するコンピュータシステムである。挿入位置とは支持体が材料片群に挿入される位置をいう。一例では、挿入位置は、所定量以上の材料片の集合を材料片群から取り出すために支持体が該材料片群に挿入される位置である。支持体とは材料片の集合を支持するための構造体をいう。例えば、支持体はスコップ、スプーン、シャベルなどのような形状を有するツールであってもよい。

図９は計量システム２の機能構成および適用の一例を示す図である。一例では、計量システム２は第１ロボット３、第２ロボット４、カメラ５、および計量器６と通信ネットワークを介して接続する。通信ネットワークの少なくとも一部は、有線ネットワークでも無線ネットワークでもよい。通信ネットワークの少なくとも一部はインターネットおよびイントラネットの少なくとも一方を含んで構成されてもよい。あるいは、通信ネットワークの少なくとも一部は単純に１本の通信ケーブルによって実現されてもよい。計量器６の上には、材料片群９０を収容する第１容器８１が配置される。すなわち、材料片群９０は第１容器８１という所定の領域に集積される。第１容器８１の近くには、計量された材料片、すなわち所定量の材料片を受け入れるための第２容器８２が配置される。

第１ロボット３は、材料片の集合を第１容器８１内の材料片群９０から取り出し、該集合から得られる所定量の材料片を第２容器８２に移し替える機械である。第１ロボット３はその作業を行うためのエンドエフェクタとして、シャベルのような形状を有する支持体３ａを有する。

第２ロボット４は、支持体３ａ上の材料片の集合から所定量の材料片を分離する機械である。一例では、第２ロボット４はその仕切りの前に材料片の集合を均す。第２ロボット４はこれらの作業を行うためのエンドエフェクタとして仕切板４ａを有する。

一例では、仕切板４ａの外縁は支持体３ａの内側面の形状に対応するように形成される。例えば、支持体３ａが平らな底面を有することに応じて、仕切板４ａの下端は水平方向に沿って直線状に延びる。この場合には、その下端は材料片の集合を均すためにも利用され得る。

カメラ５は、材料片群９０を写した画像である領域画像と、材料片の集合を写した画像である集合画像とを撮影する撮像装置である。カメラ５は、カラー画像（ＲＧＢ）および深度（Ｄ）の双方を出力するＲＧＢ－Ｄカメラであってもよい。

計量器６は、材料片群９０を収容する第１容器８１の質量を計測する機器である。計量器６は、支持体３ａによって材料片の集合が材料片群９０からすくい上げられた際の材料片群９０の質量の減少量を計測できる精度を有する。

計量システム２は機能的構成要素として取出機能３０、分離機能４０、およびロボット制御部５０を備える。取出機能３０は材料片群９０から材料片の集合を取り出すための機能モジュール群である。分離機能４０はその集合から所定量の材料片を分離するための機能モジュール群である。ロボット制御部５０は第１ロボット３および第２ロボット４を制御する機能モジュールである。

取出機能３０は挿入位置決定部３１、形状特定部３２、経路設定部３３、および量算出部３４を含む。挿入位置決定部３１は、材料片の集合を材料片群９０から取り出すための支持体３ａの挿入位置を領域画像に基づいて決定する機能モジュールである。形状特定部３２は材料片群９０の上面の形状を領域画像に基づいて特定する機能モジュールである。経路設定部３３は材料片群９０の中を通る支持体３ａの仮想経路を設定する機能モジュールである。量算出部３４はその仮想経路を通る支持体３ａによって取り出される材料片の集合の量を取出量として算出する機能モジュールである。挿入位置決定部３１は形状特定部３２、経路設定部３３、および量算出部３４のうちの少なくとも一つと連携して挿入位置を決定する。例えば、挿入位置決定部３１は、挿入位置の候補である少なくとも一つの挿入候補位置（例えば複数の挿入候補位置）を設定し、それぞれの挿入候補位置の取出量に基づいて挿入位置を決定してもよい。あるいは、挿入位置決定部３１は材料片群９０の上面の形状に基づいて挿入位置を決定してもよい。図９に示す例では、挿入位置決定部３１は形状特定部３２、経路設定部３３、および量算出部３４をサブモジュールとして有する。これら４個の機能モジュール間の階層関係は限定されず、例えば、挿入位置決定部３１、形状特定部３２、経路設定部３３、および量算出部３４が互いに独立しつつ連携し合ってもよい。いずれにしても、取出機能３０は支持体制御システムの一例である。

分離機能４０は密度推定部４１、量推定部４２、補正部４３、および分離位置決定部４４を含む。密度推定部４１は材料片の集合の密度を推定する機能モジュールである。量推定部４２はその密度に基づいて、材料片の集合を分離して得られる材料片の部分集合の推定量を算出する機能モジュールである。量推定部４２は、分離位置の候補である少なくとも一つの分離候補位置（例えば複数の分離候補位置）を設定し、それぞれの分離候補位置についてその推定量を算出する。補正部４３は必要に応じてその推定量を補正する機能モジュールである。分離位置決定部４４は推定された密度に基づいて分離位置を決定する機能モジュールである。分離位置決定部４４は例えば、その密度を用いて算出された少なくとも一つの推定量に基づいて、少なくとも一つの分離候補位置から分離位置を決定する。

ロボット制御部５０は取出機能３０または分離機能４０からの出力に基づいて第１ロボット３または第２ロボット４を制御する。ロボット制御部５０は挿入位置決定部３１により決定された挿入位置に基づいて第１ロボット３を制御し、第１ロボット３は支持体３ａで材料片の集合を材料片群９０からすくい上げる。ロボット制御部５０は第２ロボット４を制御して、材料片の集合の上面を均す処理を第２ロボット４に実行させてもよい。ロボット制御部５０は分離位置決定部４４により決定された分離位置に基づいて第２ロボット４を制御し、第２ロボット４は仕切板４ａで材料片の集合から所定量の材料片を分離する。ロボット制御部５０は第１ロボット３を制御して、所定量の材料片を第２容器８２内に移す処理を第１ロボット３に実行させる。

計量システム２の各機能モジュールは、プロセッサ１６１またはメモリ１６２の上に計量プログラムを読み込ませてプロセッサ１６１にそのプログラムを実行させることで実現される。計量プログラムは、計量システム２の各機能モジュールを実現するためのコードを含む。プロセッサ１６１は計量プログラムに従って入出力ポート１６４または通信ポート１６５を動作させ、メモリ１６２またはストレージ１６３におけるデータの読み出しおよび書き込みを実行する。

計量プログラムは、取出機能３０を実現するための第１プログラム（支持体制御プログラム）と、分離機能４０を実現するための第２プログラムとに分かれたかたちで提供されてもよい。第１プログラムおよび第２プログラムはいずれも、記録媒体によってまたは通信ネットワークを介して提供され得る。

（支持体制御方法）
本開示に係る支持体制御方法の一例として、図１０を参照しながら、材料片群９０への支持体の挿入位置の決定について説明する。図１０は計量システム２によるその処理の一例を処理フローＳ２として示すフローチャートである。すなわち、計量システム２は処理フローＳ２を実行する。

ステップＳ２１では、挿入位置決定部３１が、材料片群９０を写した領域画像をカメラ５から取得する。この領域画像は材料片群９０の上面（上側の露出面）を少なくとも写す。領域画像は静止画でもよいし、映像を構成する一つのフレーム画像でもよい。一例では、挿入位置決定部３１は材料片群９０を写したデプス画像を取得する。あるいは、挿入位置決定部３１は材料片群９０を写したＲＧＢ画像とデプス画像とのセットを取得してもよい。カメラ５が領域画像を撮影する際には、ロボット制御部５０は、材料片群９０が第１ロボット３および第２ロボット４によって遮られないように、第１ロボット３および第２ロボット４のそれぞれの姿勢を制御する。

ステップＳ２２では、挿入位置決定部３１がその領域画像に基づいて、複数の挿入候補位置のそれぞれについて取出量を算出する。一例では、経路設定部３３が、領域画像で示される材料片群９０に対して複数の挿入候補位置を設定し、それぞれの挿入候補位置についてシミュレーションによって仮想経路を設定する。仮想経路の始点は挿入候補位置であり、仮想経路の終点は、支持体３ａが材料片群９０から抜け出た時点での該支持体３ａの位置である。複数の仮想経路のそれぞれについて、量算出部３４が、該仮想経路を進む支持体３ａによって得られる取出量を算出する。

図１１は挿入候補位置の設定の一例を示す図である。例えば、経路設定部３３は水平方向における支持体３ａの進行方向に対応する座標軸（図１１ではＹ軸）に沿って複数の挿入候補位置６００を設定する。あるいは、経路設定部３３は水平方向における二つの座標軸（図１１ではＸ軸およびＹ軸）に沿って複数の挿入候補位置６００を設定してもよい。一例では、経路設定部３３は材料片群９０が用意された領域のうち、支持体３ａを挿入して材料片の集合を取り出すことができる範囲内で複数の挿入候補位置６００を設定する。例えば、経路設定部３３は、第１容器８１と干渉することなく支持体３ａを材料片群９０に挿入して材料片の集合を取り出すことができる範囲内で、複数の挿入候補位置６００を設定する。経路設定部３３は所定の間隔ごとに挿入候補位置６００を設定してもよい。あるいは、形状特定部３２が領域画像に基づいて材料片群９０の上面９１の形状を特定し、経路設定部３３がその形状に基づいて複数の挿入候補位置６００を設定してもよい。例えば、経路設定部３３は上面９１のうち盛り上がっている部分の麓の辺りに挿入候補位置６００を設定してもよいし、上面９１のうち凹んでいる箇所に挿入候補位置６００を設定してもよい。すなわち、経路設定部３３は上面９１の凹凸に基づいて複数の挿入候補位置６００を設定してもよい。

図１２は仮想経路の一例を示す図である。この図は、挿入候補位置６００から材料片群９０に挿入され、その後に該材料片群９０から取り出される支持体３ａの仮想経路を示す。状態Ｓ１０１では、傾けられた支持体３ａの底面の先端が挿入候補位置６００で材料片群９０に接している。状態Ｓ１０２では、その支持体３ａが鉛直方向に沿って材料片群９０に挿入されている。続いて、状態Ｓ１０３から状態Ｓ１０４にかけて、挿入された支持体３ａが、鉛直方向における底面の先端の位置を維持しつつ、底面が水平になるまで回転させられる。状態Ｓ１０５では、水平になった支持体３ａが前方に所定の距離だけ移動させられる。状態Ｓ１０６では、移動した支持体３ａが材料片群９０の上まで引き上げられる。引き上げられた支持体３ａには材料片の集合９５が載っている。一例では、経路設定部３３は状態Ｓ１０１～Ｓ１０６にわたって動く支持体３ａの経路を幾何学計算によって算出する。経路設定部３３は、支持体３ａの寸法と、挿入時の支持体３ａの傾斜角度と、第１容器８１の寸法と、第１容器８１の内周面と支持体３ａの外周面との間隔とのうちの少なくとも一つを考慮した幾何学計算を実行し得る。支持体３ａの寸法は、長さ、幅、および深さのうちの少なくとも一つを含む。第１容器８１の寸法は、長さ、幅、および深さ（高さ）のうちの少なくとも一つを含む。

量算出部３４は、複数の仮想経路のそれぞれについて、該仮想経路を進む支持体３ａによって得られる取出量を算出する。この取出量は、仮想経路の始点である挿入候補位置に対応する。一例では、量算出部３４は、仮想経路上における、支持体３ａの底面から材料片群９０の上面までの距離の平均（すなわち、支持体３ａの底面を基準とする材料片群９０の上面の平均高さ）を取出量として算出する。あるいは、量算出部３４は仮想経路上において支持体３ａの底面よりも上に位置する材料片の総体積を取出量として算出してもよい。あるいは、量算出部３４はその総体積と予め設定された材料片群の密度とから得られる質量を取出量として算出してもよい。分離位置が質量に基づいて決定される場合においても、取出量が体積または平均高さによって表されてもよい。例えば、支持体３ａの容積との関係で、最終的に所定量の材料片を得ることが期待できる体積または平均高さの範囲が予め設定される。量算出部３４はその設定範囲に基づいて総体積または平均高さを取出量として用いることができる。

図１０に戻って、ステップＳ２３では、挿入位置決定部３１が、算出された複数の取出量に基づいて、複数の挿入候補位置から挿入位置を決定する。一例では、挿入位置決定部３１は、最終的に所定量の材料片を分離できる取出量に対応する一つの挿入候補位置を挿入位置として決定する。すなわち、挿入位置決定部３１は所定量以上の取出量に対応する一つの挿入候補位置を挿入位置として決定してもよい。例えば、挿入位置決定部３１は、算出された複数の取出量のうちの最大値に対応する挿入候補位置を挿入位置として決定してもよい。あるいは、挿入位置決定部３１は、算出された複数の取出量と所定量との差に基づいて挿入位置を決定してもよく、例えば、その差が最小である挿入候補位置を挿入位置として決定してもよい。

ステップＳ２４では、挿入位置決定部３１が決定された挿入位置を出力する。一例では、挿入位置決定部３１はその挿入位置をロボット制御部５０に出力する。

（計量方法）
本開示に係る計量方法の一例として、図１３を参照しながら、所定量の材料片を得るための分離位置の決定について説明する。図１３はその処理の一例を処理フローＳ３として示すフローチャートである。計量システム２は、処理フローＳ２によって決定された挿入位置に基づいて第１ロボット３が支持体３ａで材料片の集合を第１容器８１から取り出した後に、処理フローＳ３を実行する。

ステップＳ３１では、密度推定部４１が材料片群９０の質量の減少量を取得する。密度推定部４１は材料片の集合が取り出される前の第１容器８１の質量と、該集合が取り出された後の第１容器８１の質量とを計量器６から取得する。そして、密度推定部４１はその二つの質量の差を減少量として得る。

ステップＳ３２では、密度推定部４１が、取り出された材料片の集合の体積を推定する。一例では、密度推定部４１は、カメラ５により撮影された集合画像を取得し、上記のステップＳ１２と同様に、その集合画像に写された材料片の集合に対して複数のボクセルを設定する。そして、密度推定部４１は複数のボクセルのそれぞれについて体積（すなわちボクセル体積）を算出する。第１の例で説明したように、ボクセル体積はｚ（ｘ、ｙ）ΔｘΔｙと表される。密度推定部４１は複数のボクセル体積の和を材料片の集合の体積として算出する。

ステップＳ３３では、密度推定部４１が減少量および体積に基づいて材料片の集合の密度を推定する。

ステップＳ３４では、量推定部４２が複数の分離候補位置のそれぞれについて、材料片の部分集合の推定量を算出する。一例では、量推定部４２は、上記のステップＳ１４と同様に、各分離候補位置について推定量（例えば推定質量）を算出する。すなわち、量推定部４２は複数の分離候補位置を設定し、複数のボクセルに対応する複数のボクセル量に基づいて各分離候補位置について推定量を算出する。量推定部４２は、分離候補位置を設定するための基準位置を、支持体３ａの先端または後端に設定してもよい。量推定部４２は、ステップＳ３３において推定された密度をボクセル密度として用い、したがって、ボクセル密度は複数のボクセルの間で同じである。量推定部４２はクラス値を用いることなく、ボクセル密度とボクセル体積との積をボクセル量として算出してもよい。ステップＳ３４において、補正部４３が複数の分離候補位置のそれぞれについて推定量を補正してもよい。この補正もステップＳ１４と同様である。

ステップＳ３５では、分離位置決定部４４が複数の分離候補位置から分離位置を決定する。この処理は上記のステップＳ１５と同様である。分離位置決定部４４は推定量と所定量との誤差を最小にする分離候補位置を分離位置として決定してもよい。質量に基づく決定では、分離位置決定部４４は推定質量と所定質量との誤差を最小にする分離候補位置を分離位置として決定してもよい。

ステップＳ３６では、分離位置決定部４４が決定された分離位置を出力する。一例では、挿入位置決定部３１はその分離位置をロボット制御部５０に出力する。

（支持体制御方法を含む計量方法）
図１４を参照しながら、材料片群９０から材料片の集合を取り出して該集合から所定量の材料片を得るという一連の処理について説明する。図１４はその処理の一例を処理フローＳ４として示すフローチャートである。すなわち、計量システム２は処理フローＳ４を実行する。

ステップＳ４１では、計量システム２の取出機能３０が材料片群９０への支持体３ａの挿入位置を決定する。この処理は上記の処理フローＳ２に対応する。

ステップＳ４２では、ロボット制御部５０がその挿入位置に基づいて第１ロボット３を制御して、材料片群９０から材料片の集合を取り出す。一例では、ロボット制御部５０は、支持体３ａを挿入位置から材料片群９０に挿入して材料片の集合を取り出すための第１ロボット３の軌道を示すパスを生成する。ロボット制御部５０は、決定された挿入位置に対応する仮想経路をそのパスとして採用してもよい。ロボット制御部５０はそのパスに基づく指示信号を生成し、その指示信号を第１ロボット３に送信する。第１ロボット３はその指示信号に従って、材料片群９０上の挿入位置に支持体３ａを挿入し、（例えば図１２に示すように）材料片群９０の中で支持体３ａを進ませ、材料片の集合を材料片群９０からすくい上げる。一例では、材料片の集合を取り出した後に、ロボット制御部５０は第２ロボット４を制御してその集合の上面を均す。例えば、ロボット制御部５０はカメラ５から得られた集合画像に基づいて、材料片の集合の上面を仕切板４ａで均すための第２ロボット４の軌道を示すパスを生成する。ロボット制御部５０はそのパスに基づく指示信号を生成し、その指示信号を第２ロボット４に送信する。第２ロボット４はその指示信号に従って、材料片の集合の上面を仕切板４ａで均す。

ステップＳ４３では、計量システム２の分離機能４０が所定量の材料片を得るための分離位置を決定する。この処理は上記の処理フローＳ３に対応する。

ステップＳ４４では、ロボット制御部５０がその分離位置に基づいて第２ロボット４を制御して、材料片の集合から所定量の材料片を分離する。一例では、ロボット制御部５０は、分離位置で仕切板４ａを材料片の集合に挿入して該集合を所定量の部分（以下ではこれを「指定部分」という）と残存部分とに分離するための第２ロボット４の軌道を示すパスを生成する。ロボット制御部５０はそのパスに基づく指示信号を生成し、その指示信号を第２ロボット４に送信する。第２ロボット４はその指示信号に従って、材料片の集合上の分離位置に仕切板４ａを挿入し、この仕切板４ａを支持体３ａの底面まで下げる。ロボット制御部５０は更に、所定量の材料片を第２容器８２に移すために、第１ロボット３の軌道を示す第１パスと、第２ロボット４の軌道を示す第２パスとを生成する。例えば、ロボット制御部５０は、仕切板４ａによって残存部分を第１容器８１に戻して支持体３ａ上に指定部分を残し、この指定部分を第２容器８２に移すという一連の作業を実現するために、第１パスおよび第２パスを生成してもよい。あるいは、例えば、ロボット制御部５０は、仕切板４ａによって指定部分を第２容器８２に移し、続いて支持体３ａ上の残存部分を第１容器８１に戻すという一連の作業を実現するために、第１パスおよび第２パスを生成してもよい。ロボット制御部５０は第１パスに基づく第１指示信号を生成し、その第１指示信号を第１ロボット３に送信する。また、ロボット制御部５０は第２パスに基づく第２指示信号を生成し、その第２指示信号を第２ロボット４に送信する。第１ロボット３および第２ロボット４はそれらの指示信号に従って連携して、所定量の材料片を第２容器８２に移す。

材料片群９０に対して処理フローＳ４が繰り返し実行されてもよい。この場合には、第１容器８１から第２容器８２に材料片が所定量ずつ移される。

［変形例］
以上、本開示を様々な例に基づいて詳細に説明した。しかし、本開示は上記の例に限定されるものではない。本開示は、その要旨を逸脱しない範囲で様々な変形が可能である。

計量システムは集合画像に対してボクセルを設定することなく、材料片の集合の密度を推定し、その密度に基づいて分離位置を決定してもよい。

計量システムは複数のボクセルのそれぞれについて、ボクセル密度を算出することなくボクセル量を直接に求めてもよい。

計量システムは複数の分離候補位置を設定することなく、材料片の集合の密度に基づいて分離位置を決定してもよい。あるいは、計量システムは一つの分離候補位置を設定し、その分離候補位置に対応する材料片の集合の推定量を算出し、その推定量に基づいて分離位置を決定してもよい。

上述したように、計量システムまたは支持体制御システムによって処理される材料片の密度は均一でもよいし、材料片の集合内の場所によって異なってもよい。一般に、密度が均一である材料片の例として、粒体または粉体の食品が挙げられ、密度が異なる材料片の例として裁断食品が挙げられる。材料片の種類に依らず、計量システムは材料片の密度を、上述した第１の例での手法および第２の例での手法のいずれによって推定してもよい。材料片の密度が均一であることを前提とする場合には、計量システムは密度を推定することなく、予め設定された密度に基づいて分離位置を決定してもよい。

挿入位置決定部は一つの挿入候補位置を設定し、その挿入候補位置に対応する取出量を算出し、その取出量に基づいて挿入位置を決定してもよい。あるいは、挿入位置決定部は、挿入候補位置の設定も取出量の推定も行うことなく、材料片群の上面の形状を領域画像に基づいて特定し、その形状に基づいて挿入位置を決定してもよい。例えば、挿入位置決定部は材料片群の上面のうち盛り上がっている部分の麓の辺りの位置を挿入位置として決定してもよいし、該上面のうち凹んでいる箇所を挿入位置として設定してもよい。すなわち、挿入位置決定部は上面の凹凸に基づいて挿入位置を決定してもよい。

第２の例における取出機能３０および分離機能４０が独立して提供されてもよい。例えば、取出機能３０が支持体制御システムとして提供されてもよい。あるいは、取出機能３０を備えることなく分離機能４０が計量システムとして提供されてもよい。

計量システムは分離位置決定部を備えなくてもよい。この場合には、計量システムは、上記の第１または第２の例のように材料片の部分集合の推定量を推定し、その推定量を出力する。

計量システムのハードウェア構成は、プログラムの実行により各機能モジュールを実現する態様に限定されない。例えば、上述した機能モジュール群の少なくとも一部は、その機能に特化した論理回路により構成されていてもよいし、該論理回路を集積したＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）により構成されてもよい。

少なくとも一つのプロセッサにより実行される方法の処理手順は上記の例に限定されない。例えば、上述したステップまたは処理の一部が省略されてもよいし、別の順序で各ステップが実行されてもよい。また、上述したステップのうちの２以上のステップが組み合わされてもよいし、ステップの一部が修正または削除されてもよい。あるいは、上記の各ステップに加えて他のステップが実行されてもよい。

コンピュータシステムまたはコンピュータ内で二つの数値の大小関係を比較する際には、「以上」および「よりも大きい」という二つの基準のどちらを用いてもよく、「以下」および「未満」という二つの基準のうちのどちらを用いてもよい。

［第１の付記］
上記の様々な例から把握されるとおり、本開示は以下に示す態様を含む。
（付記１）
質量によって管理される材料片の集合を写した集合画像に基づいて、少なくとも一つの分離候補位置のそれぞれについて、該分離候補位置において前記集合を分離して得られる前記材料片の部分集合の推定量を算出する量推定部と、
少なくとも一つの前記推定量に基づいて、前記集合から所定量の前記材料片を分離する位置を分離位置として決定する分離位置決定部と、
を備える計量システム。
（付記２）
所与の領域に集積された材料片群を写した領域画像に基づいて、前記所定量以上の前記集合を該材料片群から取り出すための支持体の挿入位置を決定する挿入位置決定部を更に備え、
前記量推定部は、前記挿入位置から前記材料片群に挿入された前記支持体によって取り出された前記集合を写した前記集合画像に基づいて、前記少なくとも一つの分離候補位置のそれぞれについて前記推定量を算出する、
る付記１に記載の計量システム。
（付記３）
前記挿入位置決定部は、
前記材料片群の中を通る前記支持体の仮想経路を設定し、
前記仮想経路を通る前記支持体によって取り出される前記集合の量を取出量として算出し、
前記取出量に基づいて前記挿入位置を決定する、
付記２に記載の計量システム。
（付記４）
前記挿入位置決定部は、
前記材料片群の上面の形状を前記領域画像に基づいて特定し、
前記上面の形状に基づいて前記挿入位置を決定する、
付記２または３に記載の計量システム。
（付記５）
前記集合画像に写された前記集合に対して複数のボクセルを設定する画像処理部を更に備え、
前記量推定部は、
前記複数のボクセルのそれぞれについて、該ボクセルに対応する前記材料片の量をボクセル量として推定し、
複数の前記ボクセル量に基づいて、前記推定量を算出する、
付記１～４のいずれか一つに記載の計量システム。
（付記６）
前記少なくとも一つの分離候補位置は、複数の分離候補位置を含み、
前記分離位置決定部は、前記複数の分離候補位置から、前記推定量と前記所定量との誤差を最小にする前記分離候補位置を前記分離位置として決定する、
付記１～５のいずれか一つに記載の計量システム。
（付記７）
前記量推定部は、前記集合が位置する現実空間を示す座標系の一つの座標軸に沿って前記複数の分離候補位置を設定し、
前記分離位置決定部は、前記複数の分離候補位置から前記分離位置を決定する、
付記６に記載の計量システム。
（付記８）
前記集合画像に基づいて前記集合の密度を推定する密度推定部を更に備え、
前記量推定部は、前記密度と前記部分集合の体積とに基づいて前記推定量を算出する、
付記１～７のいずれか一つに記載の計量システム。
（付記９）
前記集合画像はデプス画像であり、
前記量推定部は、前記デプス画像から得られる奥行き方向の距離に基づいて前記体積を算出する、
付記８に記載の計量システム。
（付記１０）
前記密度推定部は、所与の領域に集積された材料片群から前記集合が取り出されたときの該材料片群の質量の減少量と、該取り出された集合の体積とに基づいて、前記密度を推定する、
付記８または９に記載の計量システム。
（付記１１）
前記集合画像に写された前記集合に対して複数のボクセルを設定する画像処理部を更に備え、
前記密度推定部は、前記複数のボクセルのそれぞれについて、該ボクセルにおける前記材料片の密度をボクセル密度として算出し、
前記量推定部は、
前記複数のボクセルのそれぞれについて、前記ボクセル密度に基づいて、該ボクセルにおける前記材料片の量をボクセル量として算出し、
複数の前記ボクセル量に基づいて前記推定量を算出する、
付記８に記載の計量システム。
（付記１２）
前記密度推定部は、前記集合画像の入力を受け付けて前記ボクセル密度を出力する機械学習モデルを用いて、前記複数のボクセルのそれぞれについて前記ボクセル密度を算出する、
付記１１に記載の計量システム。
（付記１３）
前記部分集合の推定量と、該推定量に対応する正解との誤差に基づく機械学習を実行して、前記機械学習モデルを生成する学習部を更に備える付記１２に記載の計量システム。
（付記１４）
前記密度推定部は、前記複数のボクセルのそれぞれについて、該ボクセルにおいて前記材料片が存在するか否かを示すクラス値を推定し、
前記量推定部は、前記複数のボクセルのそれぞれについて、前記クラス値および前記ボクセル密度に基づいて前記ボクセル量を算出する、
付記１１に記載の計量システム。
（付記１５）
前記密度推定部は、前記集合画像の入力を受け付けて前記クラス値を出力する機械学習モデルを用いて、前記複数のボクセルのそれぞれについて前記クラス値を算出する、
付記１４に記載の計量システム。
（付記１６）
前記量推定部によって過去に算出された前記推定量のサンプル群と、該推定量に対応する前記分離位置において過去に実際に分離された前記材料片の実際量のサンプル群との関係に基づいて、前記推定量を補正する補正部を更に備え、
前記分離位置決定部は、前記補正された複数の推定量に基づいて前記分離位置を決定する、
付記１～１５のいずれか一つに記載の計量システム。
（付記１７）
所与の領域に集積された、質量によって管理される材料片群を写した領域画像に基づいて、該材料片群の中を通る支持体の仮想経路を設定する経路設定部と、
質量によって管理される材料片の集合を前記材料片群から取り出すための前記支持体の挿入位置を、前記仮想経路に基づいて決定する挿入位置決定部と、
を備える支持体制御システム。
（付記１８）
質量によって管理される材料片の集合を写した集合画像に基づいて、該集合に対して複数のボクセルを設定する画像処理部と、
前記複数のボクセルのそれぞれについて、該ボクセルにおける前記材料片の密度をボクセル密度として算出する密度推定部と、
前記複数のボクセルのそれぞれについて、前記ボクセル密度に基づいて、該ボクセルにおける前記材料片の量をボクセル量として算出するボクセル量算出部と、
複数の前記ボクセル量に基づいて、前記集合を分離して得られる前記材料片の部分集合の推定量を算出する量推定部と、
を備える計量システム。
（付記１９）
少なくとも一つのプロセッサを備える計量システムによって実行される計量方法であって、
質量によって管理される材料片の集合を写した集合画像に基づいて、少なくとも一つの分離候補位置のそれぞれについて、該分離候補位置において前記集合を分離して得られる前記材料片の部分集合の推定量を算出するステップと、
少なくとも一つの前記推定量に基づいて、前記集合から所定量の前記材料片を分離する位置を分離位置として決定するステップと、
を含む計量方法。
（付記２０）
質量によって管理される材料片の集合を写した集合画像に基づいて、少なくとも一つの分離候補位置のそれぞれについて、該分離候補位置において前記集合を分離して得られる前記材料片の部分集合の推定量を算出するステップと、
少なくとも一つの前記推定量に基づいて、前記集合から所定量の前記材料片を分離する位置を分離位置として決定するステップと、
をコンピュータに実行させる計量プログラム。

付記１，１９，２０によれば、集合画像に基づいてそれぞれの分離候補位置での推定量が算出され、その推定量に基づいて分離位置が決定される。したがって、所定量の材料片を特定できる。

付記２によれば、所定量以上の材料片の集合を材料片群から取り出すための支持体の挿入位置が、該材料片群を写した領域画像に基づいて決定される。この処理により、最終的に所定量の材料片を得られる集合を材料片群から確実に取り出すことが可能になる。

付記３によれば、材料片群の中での支持体の経路と、その経路に対応する取出量とを考慮して挿入位置が決定されるので、所定量以上の材料片の集合をより確実に材料片群から取り出すことが可能になる。

付記４によれば、材料片群の上面の形状に基づいて挿入位置が決定されるので、材料片群の状況に応じて挿入位置を適切に決定できる。

付記５によれば、集合画像に対して複数のボクセルが設定され、個々のボクセルにおける量が推定される。この処理によって、集合内の材料片の分布が不均一な場合でも所定量の材料片を特定できる。

付記６によれば、複数の分離候補位置のそれぞれについて、仕分けようとする材料片の推定量が所定量と比較されて、双方の誤差が最小である分離候補位置が分離位置として決定される。したがって、所定量の材料片をより確実に特定できる。

付記７によれば、一つの座標軸に沿って複数の分離候補位置が設定されるので、分離候補位置の設定が簡単になり、その分、分離位置を簡易に決定できる。

付記８によれば、集合画像に基づいて材料片の集合の密度が推定され、その密度と、部分集合の体積とに基づいて推定量が算出される。したがって、部分集合の推定量をより正確に算出できる。

付記９によれば、デプス画像を用いることで体積を精度良く算出できるので、その分、推定量の計算の精度も向上し得る。

付記１０によれば、材料片の集合が取り出された際の材料片群の質量の減少量を、該集合の質量として用いることで、該集合の質量を実際に計測する必要がなくなる。その分、材料片の集合の推定量を簡単に求めることができる。

付記１１によれば、集合画像に対して複数のボクセルを設定し、個々のボクセルにおける材料片の密度および量を求めることで、集合内の材料片の密度が不均一な場合でも分離位置を精度良く決定できる。

付記１２によれば、機械学習を利用することで、材料片の多様な分布に適応してボクセル密度を精度良く求めることができる。

付記１３によれば、ボクセル密度を出力する機械学習モデルを、個々のボクセルについての値ではなく部分集合の推定量に基づいて学習することで、学習の負荷を低減できる。

付記１４によれば、個々のボクセルにおける材料片の有無を考慮することで、考慮されるべきでないボクセルを排除して、分離しようとする材料片の推定量を精度良く算出できる。したがって、分離位置の精度をより高めることが可能になる。

付記１５によれば、機械学習を利用することで、材料片の多様な分布に対してクラス値を精度良く求めることができる。

付記１６によれば、算出された推定量が、過去に得られた推定量および実際量の間の関係に基づいて補正されるので、分離位置の精度をより高めることができる。

付記１７によれば、材料片群の中での支持体の経路を考慮して挿入位置が決定されるので、材料片の集合を取り出すための支持体の挿入位置を適切に決定できる。

付記１８によれば、集合画像に対して複数のボクセルが設定されて、個々のボクセルにおける材料片の密度および量が算出される。この処理により、材料片の集合内の密度が不均一な場合でも該集合の推定量を正確に算出できる。

［第２の付記］
上記の様々な例から把握されるとおり、本開示は以下に示す態様も含む。
（付記１）
質量によって管理される材料片の集合を写した画像に基づいて、該集合の密度を推定する密度推定部と、
前記密度に基づいて、前記集合から所定量の前記材料片を分離する位置を分離位置として決定する決定部と、
を備える計量システム。
（付記２）
前記密度に基づいて、前記分離位置の候補である複数の候補位置のそれぞれについて、該候補位置において前記集合を分離して得られる前記材料片の部分集合の推定量を算出する量推定部を更に備え、
前記決定部は、前記複数の候補位置から、前記推定量と前記所定量との誤差を最小にする前記候補位置を前記分離位置として決定する、
付記１に記載の計量システム。
（付記３）
前記量推定部は、前記集合が位置する現実空間を示す座標系の一つの座標軸に沿って前記複数の候補位置を設定し、
前記決定部は、前記複数の候補位置から前記分離位置を決定する、
付記２に記載の計量システム。
（付記４）
前記量推定部は、前記密度と前記部分集合の体積とに基づく前記部分集合の推定質量を前記推定量として算出し、
前記決定部は、前記推定質量と所定質量との前記誤差を最小にする前記候補位置を前記分離位置として決定する、
付記２または３に記載の計量システム。
（付記５）
前記画像はデプス画像であり、
前記量推定部は、前記デプス画像から得られる奥行き方向の距離に基づいて前記体積を算出する、
付記４に記載の計量システム。
（付記６）
前記画像に写された前記集合に対して複数のボクセルを設定する画像処理部を更に備え、
前記量推定部は、
前記複数のボクセルのそれぞれについて、該ボクセルにおける前記材料片の量をボクセル量として算出し、
前記複数のボクセルのそれぞれの前記ボクセル量に基づいて、前記部分集合の前記推定量を算出する、
付記２～５のいずれか一つに記載の計量システム。
（付記７）
前記密度推定部は、前記複数のボクセルのそれぞれについて、該ボクセルにおける前記材料片の密度をボクセル密度として算出し、
前記量推定部は、前記複数のボクセルのそれぞれについて、前記ボクセル密度に基づいて前記ボクセル量を算出する、
付記６に記載の計量システム。
（付記８）
前記密度推定部は、前記画像の入力を受け付けて前記ボクセル密度を出力する機械学習モデルを用いて、前記複数のボクセルのそれぞれについて前記ボクセル密度を算出する、
付記７に記載の計量システム。
（付記９）
前記部分集合の推定量と、該推定量に対応する正解との誤差に基づく機械学習を実行して、前記機械学習モデルを生成する学習部を更に備える付記８に記載の計量システム。
（付記１０）
前記密度推定部は、前記複数のボクセルのそれぞれについて、該ボクセルにおいて前記材料片が存在するか否かを示すクラス値を推定し、
前記量推定部は、前記複数のボクセルのそれぞれについて、前記クラス値および前記ボクセル密度に基づいて前記ボクセル量を算出する、
付記７～９のいずれか一つに記載の計量システム。
（付記１１）
前記密度推定部は、前記画像の入力を受け付けて前記クラス値を出力する機械学習モデルを用いて、前記複数のボクセルのそれぞれについて前記クラス値を算出する、
付記１０に記載の計量システム。
（付記１２）
前記量推定部によって過去に算出された前記推定量のサンプル群と、該推定量に対応する前記分離位置において過去に実際に分離された前記材料片の実際量のサンプル群との関係に基づいて、前記推定量を補正する補正部を更に備え、
前記決定部は、前記補正された推定量と前記所定量との誤差を最小にする前記候補位置を前記分離位置として決定する、
付記２～１１のいずれか一つに記載の計量システム。
（付記１３）
質量によって管理される材料片の集合を写した画像に基づいて、該集合に対して複数のボクセルを設定する画像処理部と、
前記複数のボクセルのそれぞれについて、該ボクセルに対応する前記材料片の量を推定する量推定部と、
前記複数のボクセルのそれぞれの前記推定された量に基づいて、前記集合から所定量の前記材料片を分離する位置を分離位置として決定する決定部と、
を備える計量システム。
（付記１４）
前記材料片は定量的に管理される食品であり、
前記決定部は、前記所定量の前記食品を所定の食料品に追加するための前記分離位置を決定する、
付記１～１３のいずれか一つに記載の計量システム。
（付記１５）
少なくとも一つのプロセッサを備える計量システムによって実行される計量方法であって、
質量によって管理される材料片の集合を写した画像に基づいて、該集合の密度を推定するステップと、
前記密度に基づいて、前記集合から所定量の前記材料片を分離する位置を分離位置として決定するステップと、
を含む計量方法。
（付記１６）
質量によって管理される材料片の集合を写した画像に基づいて、該集合の密度を推定するステップと、
前記密度に基づいて、前記集合から所定量の前記材料片を分離する位置を分離位置として決定するステップと、
をコンピュータに実行させる計量プログラム。
（付記１７）
少なくとも一つのプロセッサを備える計量システムによって実行される計量方法であって、
質量によって管理される材料片の集合の画像に基づいて、該集合に対して複数のボクセルを設定するステップと、
前記複数のボクセルのそれぞれについて、該ボクセルに対応する前記材料片の量を推定するステップと、
前記複数のボクセルのそれぞれの前記推定された量に基づいて、前記集合から所定量の前記材料片を分離する位置を分離位置として決定するステップと、
を含む計量方法。
（付記１８）
質量によって管理される材料片の集合の画像に基づいて、該集合に対して複数のボクセルを設定するステップと、
前記複数のボクセルのそれぞれについて、該ボクセルに対応する前記材料片の量を推定するステップと、
前記複数のボクセルのそれぞれの前記推定された量に基づいて、前記集合から所定量の前記材料片を分離する位置を分離位置として決定するステップと、
をコンピュータに実行させる計量プログラム。

付記１，１５，１６によれば、画像に基づいて材料片の集合の密度が推定され、分離位置がその密度に基づいて決定される。したがって、所定量の材料片を特定できる。

付記２によれば、複数の候補位置のそれぞれについて、分離されようとする材料片の推定量が所定量と比較されて、双方の誤差が最小である候補位置が分離位置として決定される。したがって、所定量の材料片をより確実に特定できる。

付記３によれば、一つの座標軸に沿って複数の候補位置が設定されるので、候補位置の設定が簡単になり、その分、分離位置を簡易に決定できる。

付記４によれば、質量に基づいて分離位置が設定されるので、材料片の性質に合わせて分離位置を精度良く決定できる。

付記５によれば、デプス画像を用いることで体積を精度良く算出できるので、その分、質量の計算の精度も向上し得る。

付記６によれば、画像に対して複数のボクセルを設定し、個々のボクセルにおけるボクセル量を求めることで、集合内の材料片の分布が不均一な場合でも分離位置を精度良く決定できる。

付記７によれば、ボクセル密度を考慮することでボクセル量を精度良く算出でき、その分、分離位置を精度良く決定できる。

付記８によれば、機械学習を利用することで、材料片の多様な分布に適応してボクセル密度を精度良く求めることができる。

付記９によれば、ボクセル密度を出力する機械学習モデルを、個々のボクセルについての値ではなく部分集合の推定量に基づいて学習することで、学習の負荷を低減できる。

付記１０によれば、個々のボクセルにおける材料片の有無を考慮することで、考慮されるべきでないボクセルを排除して、分離しようとする材料片の推定量を精度良く算出できる。したがって、分離位置の精度をより高めることが可能になる。

付記１１によれば、機械学習を利用することで、材料片の多様な分布に対してクラス値を精度良く求めることができる。

付記１２によれば、算出された推定量が、過去に得られた推定量および実際量の間の関係に基づいて補正されるので、分離位置の精度をより高めることができる。

付記１３，１７，１８によれば、画像に対して複数のボクセルが設定され、個々のボクセルにおける量が推定され、これらの量に基づいて分離位置が決定される。この処理によって、集合内の材料片の分布が不均一な場合でも所定量の材料片を特定できる。

付記１４によれば、所定量の食品を特定でき、ひいては、食料品をより容易に製造することが可能になる。

１，２…計量システム、３…第１ロボット、３ａ…支持体、４…第２ロボット、４ａ…仕切板、５…カメラ、６…計量器、１１…画像処理部、１２…密度推定部、１３…量推定部、１４…補正部、１５…分離位置決定部、１６…学習部、２０～２２…機械学習モデル、３０…取出機能、３１…挿入位置決定部、３２…形状特定部、３３…経路設定部、３４…量算出部、４０…分離機能、４１…密度推定部、４２…量推定部、４３…補正部、４４…分離位置決定部、５０…ロボット制御部、８１…第１容器、８２…第２容器、９０…材料片群、２１０…食品、２００…支持体、２２０…分離位置、２３０…基準位置、２４０…分離候補位置、３００…ボクセル、６００…挿入候補位置。

Claims (20)

1. 質量によって管理される材料片の集合を写した集合画像に基づいて、少なくとも一つの分離候補位置のそれぞれについて、該分離候補位置において前記集合を分離して得られる前記材料片の部分集合の推定量を算出する量推定部と、
   少なくとも一つの前記推定量に基づいて、前記集合から所定量の前記材料片を分離する位置を分離位置として決定する分離位置決定部と、
   を備える計量システム。
2. 所与の領域に集積された材料片群を写した領域画像に基づいて、前記所定量以上の前記集合を該材料片群から取り出すための支持体の挿入位置を決定する挿入位置決定部を更に備え、
   前記量推定部は、前記挿入位置から前記材料片群に挿入された前記支持体によって取り出された前記集合を写した前記集合画像に基づいて、前記少なくとも一つの分離候補位置のそれぞれについて前記推定量を算出する、
   る請求項１に記載の計量システム。
3. 前記挿入位置決定部は、
   前記材料片群の中を通る前記支持体の仮想経路を設定し、
   前記仮想経路を通る前記支持体によって取り出される前記集合の量を取出量として算出し、
   前記取出量に基づいて前記挿入位置を決定する、
   請求項２に記載の計量システム。
4. 前記挿入位置決定部は、
   前記材料片群の上面の形状を前記領域画像に基づいて特定し、
   前記上面の形状に基づいて前記挿入位置を決定する、
   請求項２に記載の計量システム。
5. 前記集合画像に写された前記集合に対して複数のボクセルを設定する画像処理部を更に備え、
   前記量推定部は、
   前記複数のボクセルのそれぞれについて、該ボクセルに対応する前記材料片の量をボクセル量として推定し、
   複数の前記ボクセル量に基づいて、前記推定量を算出する、
   請求項１～４のいずれか一項に記載の計量システム。
6. 前記少なくとも一つの分離候補位置は、複数の分離候補位置を含み、
   前記分離位置決定部は、前記複数の分離候補位置から、前記推定量と前記所定量との誤差を最小にする前記分離候補位置を前記分離位置として決定する、
   請求項１～４のいずれか一項に記載の計量システム。
7. 前記量推定部は、前記集合が位置する現実空間を示す座標系の一つの座標軸に沿って前記複数の分離候補位置を設定し、
   前記分離位置決定部は、前記複数の分離候補位置から前記分離位置を決定する、
   請求項６に記載の計量システム。
8. 前記集合画像に基づいて前記集合の密度を推定する密度推定部を更に備え、
   前記量推定部は、前記密度と前記部分集合の体積とに基づいて前記推定量を算出する、
   請求項１～４のいずれか一項に記載の計量システム。
9. 前記集合画像はデプス画像であり、
   前記量推定部は、前記デプス画像から得られる奥行き方向の距離に基づいて前記体積を算出する、
   請求項８に記載の計量システム。
10. 前記密度推定部は、所与の領域に集積された材料片群から前記集合が取り出されたときの該材料片群の質量の減少量と、該取り出された集合の体積とに基づいて、前記密度を推定する、
    請求項８に記載の計量システム。
11. 前記集合画像に写された前記集合に対して複数のボクセルを設定する画像処理部を更に備え、
    前記密度推定部は、前記複数のボクセルのそれぞれについて、該ボクセルにおける前記材料片の密度をボクセル密度として算出し、
    前記量推定部は、
    前記複数のボクセルのそれぞれについて、前記ボクセル密度に基づいて、該ボクセルにおける前記材料片の量をボクセル量として算出し、
    複数の前記ボクセル量に基づいて前記推定量を算出する、
    請求項８に記載の計量システム。
12. 前記密度推定部は、前記集合画像の入力を受け付けて前記ボクセル密度を出力する機械学習モデルを用いて、前記複数のボクセルのそれぞれについて前記ボクセル密度を算出する、
    請求項１１に記載の計量システム。
13. 前記部分集合の推定量と、該推定量に対応する正解との誤差に基づく機械学習を実行して、前記機械学習モデルを生成する学習部を更に備える請求項１２に記載の計量システム。
14. 前記密度推定部は、前記複数のボクセルのそれぞれについて、該ボクセルにおいて前記材料片が存在するか否かを示すクラス値を推定し、
    前記量推定部は、前記複数のボクセルのそれぞれについて、前記クラス値および前記ボクセル密度に基づいて前記ボクセル量を算出する、
    請求項１１に記載の計量システム。
15. 前記密度推定部は、前記集合画像の入力を受け付けて前記クラス値を出力する機械学習モデルを用いて、前記複数のボクセルのそれぞれについて前記クラス値を算出する、
    請求項１４に記載の計量システム。
16. 前記量推定部によって過去に算出された前記推定量のサンプル群と、該推定量に対応する前記分離位置において過去に実際に分離された前記材料片の実際量のサンプル群との関係に基づいて、前記推定量を補正する補正部を更に備え、
    前記分離位置決定部は、前記補正された複数の推定量に基づいて前記分離位置を決定する、
    請求項１～４のいずれか一項に記載の計量システム。
17. 所与の領域に集積された、質量によって管理される材料片群を写した領域画像に基づいて、該材料片群の中を通る支持体の仮想経路を設定する経路設定部と、
    質量によって管理される材料片の集合を前記材料片群から取り出すための前記支持体の挿入位置を、前記仮想経路に基づいて決定する挿入位置決定部と、
    を備える支持体制御システム。
18. 質量によって管理される材料片の集合を写した集合画像に基づいて、該集合に対して複数のボクセルを設定する画像処理部と、
    前記複数のボクセルのそれぞれについて、該ボクセルにおける前記材料片の密度をボクセル密度として算出する密度推定部と、
    前記複数のボクセルのそれぞれについて、前記ボクセル密度に基づいて、該ボクセルにおける前記材料片の量をボクセル量として算出するボクセル量算出部と、
    複数の前記ボクセル量に基づいて、前記集合を分離して得られる前記材料片の部分集合の推定量を算出する量推定部と、
    を備える計量システム。
19. 少なくとも一つのプロセッサを備える計量システムによって実行される計量方法であって、
    質量によって管理される材料片の集合を写した集合画像に基づいて、少なくとも一つの分離候補位置のそれぞれについて、該分離候補位置において前記集合を分離して得られる前記材料片の部分集合の推定量を算出するステップと、
    少なくとも一つの前記推定量に基づいて、前記集合から所定量の前記材料片を分離する位置を分離位置として決定するステップと、
    を含む計量方法。
20. 質量によって管理される材料片の集合を写した集合画像に基づいて、少なくとも一つの分離候補位置のそれぞれについて、該分離候補位置において前記集合を分離して得られる前記材料片の部分集合の推定量を算出するステップと、
    少なくとも一つの前記推定量に基づいて、前記集合から所定量の前記材料片を分離する位置を分離位置として決定するステップと、
    をコンピュータに実行させる計量プログラム。

Images