JP7740858B2 - Forklifts, estimation systems and estimation programs - Google Patents
Forklifts, estimation systems and estimation programsInfo
- Publication number
- JP7740858B2 JP7740858B2 JP2023136199A JP2023136199A JP7740858B2 JP 7740858 B2 JP7740858 B2 JP 7740858B2 JP 2023136199 A JP2023136199 A JP 2023136199A JP 2023136199 A JP2023136199 A JP 2023136199A JP 7740858 B2 JP7740858 B2 JP 7740858B2
- Authority
- JP
- Japan
- Prior art keywords
- resistance value
- driver
- lever
- camera
- age
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Forklifts And Lifting Vehicles (AREA)
Description
本発明は、フォークリフト、フォークリフトに係る推定システムおよび推定プログラムに関する。 The present invention relates to a forklift, an estimation system related to a forklift, and an estimation program.
フォークリフトには、リーチ式フォークリフトとカウンター式フォークリフトがある。フォークリフトのレバーは、フォークリフトの種類ごとに数や機能が異なっている。 There are two types of forklifts: reach forklifts and counter-load forklifts. The number and functions of forklift levers vary depending on the type of forklift.
特許文献１に開示のように、リーチ式フォークリフトは、フォークを昇降するためのリフトレバーと、フォークの上下方向の角度を変更するためのティルトレバーと、昇降装置を前後させるためのリーチレバーと、フォークリフトを走行させるためのアクセルレバーとを備えている。また、特許文献２に開示のように、カウンター式フォークリフトは、ティルトレバーと、アクセルレバーとを備えている。 As disclosed in Patent Document 1, a reach forklift is equipped with a lift lever for raising and lowering the forks, a tilt lever for changing the vertical angle of the forks, a reach lever for moving the lifting device forward and backward, and an accelerator lever for driving the forklift. Furthermore, as disclosed in Patent Document 2, a counter-load forklift is equipped with a tilt lever and an accelerator lever.
特許文献３に開示のように、一般的に、レバーは、中立位置から前方または後方に揺動するように構成され、非操作時にはスプリングによって中立位置に自動復帰する。しかしながら、このスプリングによるレバーの抵抗、言い換えればレバーの重さは、オペレータを疲労させる。そこで、特許文献３に開示の発明は、オペレータの疲労を軽減するために、操作レバーの操作量が所定値を超えると、アクチュエータによってレバー操作をアシストする。特許文献３以外にも車両のレバー操作をアシストする技術を開示した文献として、例えば、特許文献４がある。 As disclosed in Patent Document 3, levers are generally configured to swing forward or backward from a neutral position and automatically return to the neutral position by a spring when not in operation. However, the resistance of the lever due to this spring, in other words the weight of the lever, causes fatigue in the operator. Therefore, in order to reduce operator fatigue, the invention disclosed in Patent Document 3 assists lever operation by an actuator when the amount of operation of the operating lever exceeds a predetermined value. In addition to Patent Document 3, other documents that disclose technology to assist lever operation in vehicles include Patent Document 4, for example.
しかしながら、レバー操作によるオペレータの疲労については、さらに別の問題が存在する。フォークリフトは、一般的な乗用車と異なり、各レバーを頻繁に操作することになるので、レバーの抵抗値（例えばスプリングによる抵抗）は各運転者にとって適切な値であることが好ましい。そして、この適切な値は、運転者ごとの性別、筋力量などによって左右される。したがって、運転者ごとに固有のフォークリフトを割り当てるのであれば、各フォークリフトのレバーの抵抗値を各運転者に対応する適切な抵抗値に調整する方法が考えられる。しかしながら、フォークリフトは乗用車と異なり１つのフォークリフトを複数の運転者が代わる代わる乗車することがあるので、この方法を採用するには問題がある。 However, there is another problem with operator fatigue caused by lever operation. Unlike ordinary passenger vehicles, forklifts require frequent lever operation, so it is desirable for the lever resistance value (e.g., spring resistance) to be an appropriate value for each operator. This appropriate value is influenced by factors such as the gender and muscle strength of each operator. Therefore, if a unique forklift is assigned to each operator, one possible method would be to adjust the resistance value of each forklift's lever to an appropriate resistance value for each operator. However, unlike passenger vehicles, forklifts can be operated by multiple operators in turn, which poses problems when adopting this method.
そこで、本発明が解決しようとする課題は、レバーの抵抗値、言い換えればレバーの重さを運転者ごとの適切な抵抗値に調整することができるフォークリフトを提供することにある。 The problem that this invention aims to solve is to provide a forklift that can adjust the lever resistance, or in other words, the lever weight, to an appropriate resistance value for each operator.
上記課題を解決するために、本発明に係るフォークリフトは、フォークリフトの操作に用いるレバーと、運転者の身体的特徴に基づいて、運転者の適切なレバーの抵抗値を推定する抵抗値推定部と、抵抗値推定部によって推定されたレバーの抵抗値に基づいて、レバーの抵抗値を変更する抵抗値変更部と、を備える。 To solve the above problem, the forklift according to the present invention comprises a lever used to operate the forklift, a resistance value estimation unit that estimates an appropriate lever resistance value for the driver based on the driver's physical characteristics, and a resistance value change unit that changes the lever resistance value based on the lever resistance value estimated by the resistance value estimation unit.
上記フォークリフトは、好ましくは、運転者を撮影するカメラと、複数の人の画像と、各人の画像に対応する人の体重とを教師データとし、カメラによって生成された運転者の画像を入力されると、運転者の体重を出力するよう学習した第１学習済みモデルと、をさらに備え、抵抗値推定部は、第１学習済みモデルによって出力された運転者の体重に基づいて、適切なレバーの抵抗値を推定する。 The forklift preferably further includes a camera that captures an image of the driver, and a first trained model that uses images of multiple people and the weights of the people corresponding to each image as training data and that has been trained to output the driver's weight when an image of the driver generated by the camera is input, and the resistance value estimation unit estimates an appropriate lever resistance value based on the driver's weight output by the first trained model.
上記フォークリフトは、好ましくは、運転者を撮影するカメラと、複数の人の画像と、各人の画像に対応する筋肉量とを教師データとし、カメラによって生成された運転者の画像を入力されると、運転者の筋肉量を出力するよう学習した第２学習済みモデルと、をさらに備え、抵抗値推定部は、第２学習済みモデルによって出力された運転者の筋肉量に基づいて、適切なレバーの抵抗値を推定する。 The forklift preferably further includes a camera that captures an image of the driver, and a second trained model that uses images of multiple people and the muscle mass corresponding to each person's image as training data and is trained to output the driver's muscle mass when an image of the driver generated by the camera is input, and the resistance value estimation unit estimates an appropriate lever resistance value based on the driver's muscle mass output by the second trained model.
上記フォークリフトは、好ましくは、運転者の顔を撮影するカメラと、複数の顔画像と、各顔画像に対応する人の年齢とを教師データとし、カメラによって生成された運転者の顔画像を入力されると、運転者の年齢を出力するよう学習した第３学習済みモデルと、をさらに備え、抵抗値推定部は、第３学習済みモデルによって出力された運転者の年齢に基づいて、適切なレバーの抵抗値を推定する。 The forklift preferably further includes a camera that captures the driver's face, and a third trained model that uses multiple facial images and the age of the person corresponding to each facial image as training data and is trained to output the driver's age when the driver's facial image generated by the camera is input, and the resistance value estimation unit estimates an appropriate lever resistance value based on the driver's age output by the third trained model.
上記フォークリフトでは、好ましくは、カメラが、所定の服を着た運転者を撮影するよう構成されており、人の画像の教師データは、所定の服を着た人の画像とされている。 In the above-mentioned forklift, the camera is preferably configured to capture an image of the driver wearing specified clothing, and the training data for the human image is an image of a person wearing the specified clothing.
上記フォークリフトでは、好ましくは、カメラが、ヘルメットをかぶった運転者を撮影するよう構成されており、顔画像の教師データは、ヘルメットをかぶった人の顔画像とされている。 In the above-mentioned forklift, the camera is preferably configured to capture an image of the driver wearing a helmet, and the facial image training data is an image of the face of the person wearing the helmet.
上記フォークリフトでは、好ましくは、カメラが、所定の服を着た人を運転者として検出し、自動的に撮影するよう構成されている。 In the above-mentioned forklift, the camera is preferably configured to detect a person wearing specific clothing as the driver and automatically photograph the person.
上記フォークリフトは、好ましくは、運転者の身体的特徴を予め記憶している特徴記憶部をさらに備え、抵抗値推定部は、特徴記憶部に記憶されている運転者の身体的特徴に基づいて、運転者の適切なレバーの抵抗値を推定する。 The forklift preferably further includes a characteristic memory unit that stores the driver's physical characteristics in advance, and the resistance value estimation unit estimates the appropriate lever resistance value for the driver based on the driver's physical characteristics stored in the characteristic memory unit.
上記フォークリフトは、好ましくは、複数の運転者の身体的特徴を対応する顔画像とともに予め記憶している特徴記憶部と、運転者の顔を撮影するカメラと、カメラによって生成された顔画像に基づいて、特徴記憶部に記憶されている運転者を特定する運転者特定部と、をさらに備え、抵抗値推定部は、特定された運転者に対応する身体的特徴に基づいて、運転者の適切なレバーの抵抗値を推定する。 The forklift preferably further includes a feature storage unit that pre-stores the physical features of multiple drivers along with corresponding facial images, a camera that photographs the faces of the drivers, and a driver identification unit that identifies the drivers stored in the feature storage unit based on the facial images generated by the camera, and the resistance value estimation unit estimates the appropriate lever resistance value for the driver based on the physical features corresponding to the identified driver.
上記課題を解決するために、本発明に係る推定システムは、レバーと、運転者の身体的特徴に基づいて運転者の適切なレバーの抵抗値を推定する抵抗値推定部と、推定された適切なレバーの抵抗値に基づいてレバーの抵抗値を変更する抵抗値変更部と、を備える。 To solve the above problem, the estimation system of the present invention comprises a lever, a resistance value estimation unit that estimates an appropriate lever resistance value for a driver based on the driver's physical characteristics, and a resistance value change unit that changes the lever resistance value based on the estimated appropriate lever resistance value.
上記課題を解決するために、本発明に係る推定プログラムは、レバーと、推定されたレバーの適切な抵抗値に基づいてレバーの抵抗値を変更する抵抗値変更部と、コンピュータと、を有するフォークリフトに用いられるプログラムであって、コンピュータを、運転者の身体的特徴に基づいて運転者の適切なレバーの抵抗値を推定する抵抗値推定部と、して実行させる。 To solve the above problem, the estimation program of the present invention is a program used in a forklift truck having a lever, a resistance value change unit that changes the resistance value of the lever based on the estimated appropriate resistance value of the lever, and a computer, and causes the computer to be executed as a resistance value estimation unit that estimates the appropriate lever resistance value for the driver based on the driver's physical characteristics.
本発明に係るフォークリフトは、レバーの抵抗値を運転者ごとの適切な抵抗値に調整することができる。 The forklift of the present invention allows the resistance value of the lever to be adjusted to an appropriate resistance value for each operator.
以下、添付図面を参照しつつ、本発明に係るフォークリフト、推定システムおよび推定プログラムの一実施形態について説明する。 Below, one embodiment of a forklift, estimation system, and estimation program according to the present invention will be described with reference to the accompanying drawings.
図１は、本実施形態に係るフォークリフト１の正面図である。フォークリフト１は、バッテリ式のカウンター式フォークリフトである。図１に示すように、フォークリフト１は、複数の車輪１０と、車体１１と、運転席１２と、ヘッドガード１３と、レバー１４と、左右のマスト１５と、左右のフォーク１６と、カメラ１７と、抵抗値変更部１８（図３参照）と、制御部２０（図３参照）と、を備えている。 Figure 1 is a front view of a forklift 1 according to this embodiment. The forklift 1 is a battery-powered counter-load forklift. As shown in Figure 1, the forklift 1 includes multiple wheels 10, a vehicle body 11, a driver's seat 12, a head guard 13, a lever 14, left and right masts 15, left and right forks 16, a camera 17, a resistance value change unit 18 (see Figure 3), and a control unit 20 (see Figure 3).
複数の車輪１０は、車体１１の四方に設けられている。運転席１２は、車体１１の上に設けられており、ヘッドガード１３は、運転席１２の上方に設けられている。 A number of wheels 10 are provided on all four sides of the vehicle body 11. A driver's seat 12 is provided on top of the vehicle body 11, and a head guard 13 is provided above the driver's seat 12.
レバー１４は、リフトレバーと、ティルトレバーとを有し、運転席１２の前部に設けられている。また、レバー１４は、フォーク１６を左右にスライドさせるためのスライドレバーを有してもよい。 The lever 14 includes a lift lever and a tilt lever and is located in front of the driver's seat 12. The lever 14 may also include a slide lever for sliding the fork 16 left and right.
左右のフォーク１６は、左右のマスト１５を介して昇降可能に構成されており、運転者Ｏは、リフトレバーを操作してフォーク１６を昇降させ荷役作業を行う。 The left and right forks 16 are configured to be able to be raised and lowered via the left and right masts 15, and the driver O operates the lift lever to raise and lower the forks 16 and perform loading and unloading operations.
カメラ１７は、ヘッドガード１３に固定され、車体１１の側方に起立した運転者Ｏの全身を撮影するよう構成されている。図１および図２に示すように、運転者Ｏは、ヘルメットＨ、制服Ｕを着た状態でフォークリフト１の側方で少なくとも正面、側面を撮影される。制服Ｕは、本発明の「所定の服」に相当する。カメラ１７は、ビデオカメラであってもよい。また、カメラ１７は、例えば、制服Ｕを着た人（すなわち、運転者Ｏ）を運転者Ｏとして検出し、運転者Ｏがフォークリフト１に近寄ると、自動的にその人を撮影するよう構成されてもよい。また、カメラ１７は、複数のカメラ１７によって構成されていてもよい。 The camera 17 is fixed to the head guard 13 and configured to capture the entire body of the driver O standing to the side of the vehicle body 11. As shown in Figures 1 and 2, the driver O is photographed from at least the front and side while standing to the side of the forklift 1 while wearing a helmet H and uniform U. The uniform U corresponds to the "predetermined clothing" in this invention. The camera 17 may be a video camera. The camera 17 may also be configured to detect a person wearing the uniform U (i.e., the driver O) as the driver O, and automatically photograph the driver O when he or she approaches the forklift 1. The camera 17 may also be configured to include multiple cameras 17.
また、カメラ１７は、ヘルメットＨをかぶった運転者Ｏの顔を撮影して顔画像を生成する。カメラ１７によって生成された全身画像および顔画像は、制御部２０に送信される。 In addition, camera 17 captures the face of driver O wearing helmet H to generate a facial image. The whole-body image and facial image generated by camera 17 are transmitted to control unit 20.
フォークリフト１は、カメラ１７で撮影するとき、例えば、「正面を向いてください」、「横を向いてください」といった音声を運転者Ｏに向けて発してもよい。 When capturing an image with the camera 17, the forklift 1 may issue voice prompts to the driver O, such as "Please face forward" or "Please face sideways."
抵抗値変更部１８は、後で説明する抵抗値推定部２４によって推定されたレバー１４の抵抗値に基づいて、運転者Ｏが操作する際のレバー１４の抵抗値を変更する。抵抗値変更部１８は、例えば、油圧によって抵抗値を調整できる装置、または、ばねによって抵抗値を調整できる装置によって構成されている。 The resistance value change unit 18 changes the resistance value of the lever 14 when operated by the driver O, based on the resistance value of the lever 14 estimated by the resistance value estimation unit 24, which will be described later. The resistance value change unit 18 is configured, for example, by a device that can adjust the resistance value using hydraulic pressure, or a device that can adjust the resistance value using a spring.
また、例えば、抵抗値変更部１８は、レバー１４の抵抗に対する操作をアシストするアシスト装置としてもよい。この場合、抵抗値変更部１８は、抵抗値推定部２４によって推定されたレバー１４の抵抗値に基づいて、アシスト力を調整し、実質的に運転者Ｏが操作する際のレバー１４の抵抗値を変更してもよい。 Also, for example, the resistance value change unit 18 may be an assist device that assists in operating the lever 14 against resistance. In this case, the resistance value change unit 18 may adjust the assist force based on the resistance value of the lever 14 estimated by the resistance value estimation unit 24, thereby essentially changing the resistance value of the lever 14 when operated by the driver O.
または、抵抗値変更部１８は、例えば、抵抗値推定部２４によって推定されたレバー１４の抵抗値に基づいて、レバー１４の操作量に応答する各装置の動力の大きさを変更するよう構成されてもよい。これにより、抵抗値変更部１８は、実質的にレバー１４の抵抗値を変更する。 Alternatively, the resistance value change unit 18 may be configured to change the magnitude of the power of each device responsive to the amount of operation of the lever 14, for example, based on the resistance value of the lever 14 estimated by the resistance value estimation unit 24. In this way, the resistance value change unit 18 effectively changes the resistance value of the lever 14.
制御部２０は、車体１１内に配置されたコンピュータによって構成されており、演算装置と、記憶装置と、メモリと、を有する。記憶装置には、コンピュータを後で説明する抵抗値推定部２４として実行させる推定プログラムが記憶されている。 The control unit 20 is composed of a computer located inside the vehicle body 11 and has an arithmetic unit, a storage device, and memory. The storage device stores an estimation program that causes the computer to function as the resistance value estimation unit 24, which will be described later.
図３は、フォークリフト１の機能ブロック図である。図３に示すように、制御部２０は、体重推定部２１と、筋肉量推定部２２と、年齢推定部２３と、抵抗値推定部２４と、を有する。 Figure 3 is a functional block diagram of the forklift 1. As shown in Figure 3, the control unit 20 has a weight estimation unit 21, a muscle mass estimation unit 22, an age estimation unit 23, and a resistance value estimation unit 24.
体重推定部２１は、本発明の「第１学習済みモデル」に相当する。体重推定部２１は、ディープラーニングを用いたニューラルネットによって、複数の人の画像と、各画像に対応する人の体重とを教師データとし、カメラ１７によって生成された運転者Ｏの画像を入力されると、運転者Ｏの体重を出力するよう予め学習している。これにより、体重推定部２１は、カメラ１７によって生成された画像を入力されると、運転者Ｏの体重を推定し、推定した体重を抵抗値推定部２４に送信する。 The weight estimation unit 21 corresponds to the "first trained model" of the present invention. The weight estimation unit 21 uses a neural network that employs deep learning to train data consisting of images of multiple people and the weights of the people corresponding to each image, and is trained in advance to output the weight of the driver O when an image of the driver O captured by the camera 17 is input. As a result, when an image captured by the camera 17 is input, the weight estimation unit 21 estimates the weight of the driver O and transmits the estimated weight to the resistance value estimation unit 24.
筋肉量推定部２２は、本発明の「第２学習済みモデル」に相当する。筋肉量推定部２２は、ディープラーニングを用いたニューラルネットによって、複数の人の画像と、各画像に対応する筋肉量とを教師データとし、カメラ１７によって生成された運転者Ｏの画像を入力されると、運転者Ｏの筋肉量を出力するよう予め学習している。これにより、筋肉量推定部２２は、カメラ１７によって生成された画像を入力されると、運転者Ｏの筋肉量を推定し、推定した筋肉量を抵抗値推定部２４に送信する。 The muscle mass estimation unit 22 corresponds to the "second trained model" of the present invention. The muscle mass estimation unit 22 uses a neural network that employs deep learning to train data based on images of multiple people and the muscle mass corresponding to each image, and is trained in advance to output the muscle mass of the driver O when an image of the driver O captured by the camera 17 is input. As a result, when an image captured by the camera 17 is input, the muscle mass estimation unit 22 estimates the muscle mass of the driver O and transmits the estimated muscle mass to the resistance value estimation unit 24.
体重推定部２１および筋肉量推定部２２に使用された教師データのうち人の画像には、男女の顔画像も含まれている。これにより、体重推定部２１および筋肉量推定部２２は、性別も加味してより適切に運転者Ｏの体重、筋肉量をそれぞれ推定することができる。 The human images in the training data used by the weight estimation unit 21 and muscle mass estimation unit 22 include facial images of both men and women. This allows the weight estimation unit 21 and muscle mass estimation unit 22 to more appropriately estimate the weight and muscle mass of driver O, taking gender into account.
体重推定部２１および筋肉量推定部２２の学習に使用された教師データのうち人の画像は、例えば、制服Ｕを着た人の画像でもよい。また、当該制服Ｕは、体重、筋肉量を推定しやすいよう加工されたものでもよい。これにより、体重推定部２１および筋肉量推定部２２は、さらに適切に運転者Ｏの体重、筋肉量をそれぞれ推定することができる。 The image of a person in the training data used for training the weight estimation unit 21 and the muscle mass estimation unit 22 may be, for example, an image of a person wearing a uniform U. The uniform U may also be processed to make it easier to estimate the weight and muscle mass. This allows the weight estimation unit 21 and the muscle mass estimation unit 22 to more appropriately estimate the weight and muscle mass of the driver O, respectively.
年齢推定部２３は、本発明の「第３学習済みモデル」に相当する。年齢推定部２３は、ディープラーニングを用いたニューラルネットによって、複数の顔画像と、各顔画像に対応する人の年齢とを教師データとし、カメラ１７によって生成された運転者Ｏの顔画像を入力されると、運転者Ｏの年齢を出力するよう予め学習している。これにより、年齢推定部２３は、カメラ１７によって生成された顔画像を入力されると、運転者Ｏの年齢を推定し、推定した年齢を抵抗値推定部２４に送信する。 The age estimation unit 23 corresponds to the "third trained model" of the present invention. The age estimation unit 23 uses a neural network that employs deep learning to train data consisting of multiple facial images and the ages of the people corresponding to each facial image, and is pre-trained to output the age of driver O when a facial image of driver O captured by camera 17 is input. As a result, when a facial image captured by camera 17 is input, the age estimation unit 23 estimates the age of driver O and transmits the estimated age to the resistance value estimation unit 24.
年齢推定部２３に使用された教師データのうち顔画像には、男女の顔画像も含まれている。これにより、年齢推定部２３は、性別も加味してより適切に運転者Ｏの年齢を推定することができる。 The facial images in the training data used by the age estimation unit 23 include facial images of both men and women. This allows the age estimation unit 23 to more appropriately estimate the age of driver O by taking gender into account.
年齢推定部２３の学習に使用された教師データのうち顔画像は、例えば、ヘルメットＨをかぶった人の顔画像としてもよい。これにより、年齢推定部２３は、さらに適切に運転者Ｏの年齢を推定することができる。 The facial image among the training data used for learning by the age estimation unit 23 may be, for example, a facial image of a person wearing a helmet H. This allows the age estimation unit 23 to more accurately estimate the age of the driver O.
抵抗値推定部２４は、体重推定部２１、筋肉量推定部２２および年齢推定部２３によって推定された運転者Ｏの体重、筋肉量、年齢に基づいて、適切なレバー１４の抵抗値を推定する。 The resistance value estimation unit 24 estimates an appropriate resistance value for the lever 14 based on the weight, muscle mass, and age of the driver O estimated by the weight estimation unit 21, muscle mass estimation unit 22, and age estimation unit 23.
例えば、抵抗値推定部２４は、体重推定部２１によって推定された体重が重ければ重いほど、推定するレバー１４の抵抗値をより強くしてもよい。また、抵抗値推定部２４は、筋肉量推定部２２によって推定された筋肉量が多ければ多いほど、推定するレバー１４の抵抗値をより強くしてもよい。さらに、抵抗値推定部２４は、年齢推定部２３によって推定された年齢が若ければ若いほど推定するレバー１４の抵抗値をより強くしてもよい。 For example, the resistance value estimation unit 24 may estimate a stronger resistance value of the lever 14 the heavier the weight estimated by the weight estimation unit 21. Furthermore, the resistance value estimation unit 24 may estimate a stronger resistance value of the lever 14 the greater the muscle mass estimated by the muscle mass estimation unit 22. Furthermore, the resistance value estimation unit 24 may estimate a stronger resistance value of the lever 14 the younger the age estimated by the age estimation unit 23.
また、抵抗値推定部２４は、推定された体重が重くても推定された筋肉量が一定量より少なければ、推定するレバー１４の抵抗値を弱くしたり、推定された筋肉量が多くても推定された年齢によっては、推定するレバー１４の抵抗値を弱くしてもよい。 Furthermore, the resistance value estimation unit 24 may weaken the estimated resistance value of the lever 14 if the estimated weight is heavy but the estimated muscle mass is less than a certain amount, or may weaken the estimated resistance value of the lever 14 depending on the estimated age even if the estimated muscle mass is high.
このように、抵抗値推定部２４が推定するレバー１４の抵抗値に対する体重、筋肉量、年齢の重み付けは、限定されるものではない。また、抵抗値推定部２４が推定する各運転者Ｏに適切なレバー１４の抵抗値は、レバー１４が有する全てのレバーの抵抗値を推定するものでなくてもよい。すなわち、抵抗値推定部２４は、リフトレバーまたはティルトレバーの抵抗値を推定するものであればよい。 In this way, the weighting of weight, muscle mass, and age for the resistance value of the lever 14 estimated by the resistance value estimation unit 24 is not limited. Furthermore, the resistance value of the lever 14 appropriate for each driver O estimated by the resistance value estimation unit 24 does not have to estimate the resistance values of all levers that the lever 14 has. In other words, the resistance value estimation unit 24 only needs to estimate the resistance value of the lift lever or tilt lever.
抵抗値変更部１８は、抵抗値推定部２４によって推定された適切な抵抗値に基づいて、各レバーの抵抗値を変更する。 The resistance value changing unit 18 changes the resistance value of each lever based on the appropriate resistance value estimated by the resistance value estimating unit 24.
本実施形態に係るフォークリフト１は、上記構成を備えていることにより、適切なレバー１４の抵抗値を運転者Ｏに提供することができる。 By being equipped with the above-described configuration, the forklift 1 according to this embodiment can provide the driver O with an appropriate resistance value for the lever 14.
以上、本発明に係るフォークリフト、推定システムおよび推定プログラムの一実施形態について説明してきたが、本発明は、上記実施形態に限定されるものではない。本発明に係るフォークリフト、推定システムおよび推定プログラムは、例えば、次の変形例ごとに実施されたり、各変形例を組み合わせて実施されてもよい。 The foregoing has described one embodiment of the forklift, estimation system, and estimation program according to the present invention, but the present invention is not limited to the above embodiment. The forklift, estimation system, and estimation program according to the present invention may be implemented, for example, in each of the following variations, or in a combination of the variations.
＜変形例＞
・フォークリフト１は、リーチ式フォークリフトであってもよい。この場合、レバー１４には、アクセルレバーが含まれてもよい。また、フォークリフト１は、エンジン式のフォークリフトであってもよい。
<Modification>
The forklift 1 may be a reach forklift. In this case, the lever 14 may include an accelerator lever. The forklift 1 may also be an engine-powered forklift.
・例えば、体重推定部２１および筋肉量推定部２２は、運転者Ｏの体の一部の画像から運転者Ｏの体重、筋肉量を推定できるのであれば、カメラ１７は、運転者Ｏの体の一部のみを撮影するよう構成されていてもよい。 For example, if the weight estimation unit 21 and muscle mass estimation unit 22 can estimate the weight and muscle mass of the driver O from an image of a part of the driver O's body, the camera 17 may be configured to capture only a part of the driver O's body.
・抵抗値推定部２４は、上記実施形態では、体重、筋肉量および年齢を参照して、運転者Ｏに適切なレバー１４の抵抗値を推定したが、例えば、体重、筋肉量および年齢のいずれかを参照して適切なレバー１４の抵抗値を推定してもよい。 - In the above embodiment, the resistance value estimation unit 24 estimated the appropriate resistance value of the lever 14 for the driver O by referring to the driver's weight, muscle mass, and age. However, it may also estimate the appropriate resistance value of the lever 14 by referring to, for example, any one of the driver's weight, muscle mass, and age.
・制御部２０は、体重推定部２１、筋肉量推定部２２、年齢推定部２３の代わりに各運転者Ｏの身体的特徴（体重、筋肉量、年齢）を予め記憶している特徴記憶部２５を有してもよい。 - The control unit 20 may have a feature memory unit 25 that pre-stores the physical features (weight, muscle mass, age) of each driver O instead of the weight estimation unit 21, muscle mass estimation unit 22, and age estimation unit 23.
この場合、フォークリフト１は、各運転者Ｏに対応する氏名や識別子などの入力、またはＩＤカード等の各運転者Ｏを特定させるツールの入力を受け付ける入力部をさらに備え、抵抗値推定部２４は、入力された氏名や識別子など、または上述のツールの入力に基づいて運転者Ｏを特定するとともにこの運転者Ｏの身体的特徴を参照することにより、適切なレバー１４の抵抗値を推定してもよい。 In this case, the forklift 1 may further include an input unit that accepts input of the name or identifier corresponding to each driver O, or input of a tool that identifies each driver O, such as an ID card, and the resistance value estimation unit 24 may identify the driver O based on the input name or identifier, or input from the above-mentioned tool, and estimate the appropriate resistance value of the lever 14 by referring to the physical characteristics of the driver O.
また、制御部２０が特徴記憶部２５を有している場合、フォークリフト１は、運転者Ｏの顔を撮影する顔カメラ（カメラ１７）を、例えば、運転席１２に設けるとともに、図４に示すように、制御部２０は、顔カメラによって生成された顔画像に基づいて、特徴記憶部２５に記憶されている運転者Ｏを特定する運転者特定部２６をさらに有し、抵抗値推定部２４は、特定された運転者Ｏの身体的特徴に基づいて、適切なレバー１４の抵抗値を推定してもよい。 Furthermore, if the control unit 20 has a feature memory unit 25, the forklift 1 may be provided with a face camera (camera 17) for capturing an image of the face of the driver O, for example, in the driver's seat 12, and as shown in FIG. 4, the control unit 20 may further have a driver identification unit 26 that identifies the driver O stored in the feature memory unit 25 based on the facial image generated by the face camera, and the resistance value estimation unit 24 may estimate an appropriate resistance value for the lever 14 based on the physical features of the identified driver O.
さらに、制御部２０が特徴記憶部２５を有している場合に加えて、ヘルメットＨが各運転者Ｏを特定させるタグ、ＱＲコード（登録商標）等を有する場合、それらを検出するツールによって各運転者Ｏを特定し、抵抗値推定部２４が、特定された運転者Ｏの身体的特徴に基づいて、適切なレバー１４の抵抗値を推定してもよい。 Furthermore, if the control unit 20 has a feature memory unit 25 and the helmet H has a tag, QR code (registered trademark), or the like that identifies each driver O, each driver O can be identified using a tool that detects these, and the resistance value estimation unit 24 can estimate the appropriate resistance value of the lever 14 based on the physical features of the identified driver O.
・制御部２０は、例えば、クラウド上に設けられたサーバコンピュータによって構成され、フォークリフト１は、このサーバコンピュータと互いに通信することにより、運転者Ｏに対応する適切なレバー１４の抵抗値を推定してもよい。 - The control unit 20 may be configured, for example, by a server computer installed on the cloud, and the forklift 1 may estimate the appropriate resistance value of the lever 14 corresponding to the driver O by communicating with this server computer.
Ｏ 運転者
Ｈ ヘルメット
Ｕ 制服
１ フォークリフト
１０ 車輪
１１ 車体
１２ 運転席
１３ ヘッドガード
１４ レバー
１５ マスト
１６ フォーク
１７ カメラ
１８ 抵抗値変更部
２０ 制御部
２１ 体重推定部
２２ 筋肉量推定部
２３ 年齢推定部
２４ 抵抗値推定部
２５ 特徴記憶部
２６ 運転者特定部
O Driver H Helmet U Uniform 1 Forklift 10 Wheel 11 Vehicle body 12 Driver's seat 13 Head guard 14 Lever 15 Mast 16 Fork 17 Camera 18 Resistance value changing unit 20 Control unit 21 Weight estimation unit 22 Muscle mass estimation unit 23 Age estimation unit 24 Resistance value estimation unit 25 Feature memory unit 26 Driver identification unit
Claims (11)
運転者の体重に基づいて、前記運転者の適切な前記レバーの抵抗値を推定する抵抗値推定部と、
前記抵抗値推定部によって推定された前記レバーの抵抗値に基づいて、前記レバーの抵抗値を変更する抵抗値変更部と、
前記運転者を撮影するカメラと、
複数の人の画像と、各前記人の画像に対応する前記人の体重とを教師データとし、前記カメラによって生成された前記運転者の画像を入力されると、前記運転者の体重を出力するよう学習した第１学習済みモデルと、を備え、
前記抵抗値推定部は、前記第１学習済みモデルによって出力された前記運転者の体重に基づいて、適切な前記レバーの抵抗値を推定するフォークリフト。 A lever used to operate a forklift;
a resistance value estimation unit that estimates an appropriate resistance value of the lever for the driver based on the weight of the driver;
a resistance value changing unit that changes the resistance value of the lever based on the resistance value of the lever estimated by the resistance value estimating unit;
a camera for photographing the driver;
a first trained model that uses images of a plurality of people and weights of the people corresponding to the images of the people as training data, and that has trained to output the weight of the driver when an image of the driver generated by the camera is input;
The resistance value estimation unit estimates an appropriate resistance value of the lever based on the weight of the driver output by the first learned model.
運転者の筋肉量に基づいて、前記運転者の適切な前記レバーの抵抗値を推定する抵抗値推定部と、
前記抵抗値推定部によって推定された前記レバーの抵抗値に基づいて、前記レバーの抵抗値を変更する抵抗値変更部と、
前記運転者を撮影するカメラと、
複数の人の画像と、各前記人の画像に対応する筋肉量とを教師データとし、前記カメラによって生成された前記運転者の画像を入力されると、前記運転者の筋肉量を出力するよう学習した第２学習済みモデルと、を備え、
前記抵抗値推定部は、前記第２学習済みモデルによって出力された前記運転者の筋肉量に基づいて、適切な前記レバーの抵抗値を推定するフォークリフト。 A lever used to operate a forklift;
a resistance value estimation unit that estimates an appropriate resistance value of the lever for the driver based on the muscle mass of the driver;
a resistance value changing unit that changes the resistance value of the lever based on the resistance value of the lever estimated by the resistance value estimating unit;
a camera for photographing the driver;
a second trained model that uses images of a plurality of people and muscle masses corresponding to the images of the people as training data, and that has trained to output the muscle mass of the driver when an image of the driver generated by the camera is input ;
The resistance value estimation unit estimates an appropriate resistance value of the lever based on the muscle mass of the driver output by the second trained model.
運転者の年齢に基づいて、前記運転者の適切な前記レバーの抵抗値を推定する抵抗値推定部と、
前記抵抗値推定部によって推定された前記レバーの抵抗値に基づいて、前記レバーの抵抗値を変更する抵抗値変更部と、
前記運転者の顔を撮影するカメラと、
複数の顔画像と、各前記顔画像に対応する人の年齢とを教師データとし、前記カメラによって生成された前記運転者の顔画像を入力されると、前記運転者の年齢を出力するよう学習した第３学習済みモデルと、を備え、
前記抵抗値推定部は、前記第３学習済みモデルによって出力された前記運転者の年齢に基づいて、適切な前記レバーの抵抗値を推定するフォークリフト。 A lever used to operate a forklift;
a resistance value estimation unit that estimates an appropriate resistance value of the lever for the driver based on the age of the driver;
a resistance value changing unit that changes the resistance value of the lever based on the resistance value of the lever estimated by the resistance value estimating unit;
a camera that photographs the driver's face;
a third trained model that uses a plurality of facial images and the ages of people corresponding to each of the facial images as training data, and that has been trained to output the age of the driver when a facial image of the driver generated by the camera is input ;
The resistance value estimation unit estimates an appropriate resistance value of the lever based on the age of the driver output by the third trained model.
運転者の体重、筋肉量および年齢に基づいて、前記運転者の適切な前記レバーの抵抗値を推定する抵抗値推定部と、a resistance value estimation unit that estimates an appropriate resistance value of the lever for the driver based on the driver's weight, muscle mass, and age;
前記抵抗値推定部によって推定された前記レバーの抵抗値に基づいて、前記レバーの抵抗値を変更する抵抗値変更部と、a resistance value changing unit that changes the resistance value of the lever based on the resistance value of the lever estimated by the resistance value estimating unit;
前記運転者を顔も含めて撮影するカメラと、A camera that photographs the driver, including their face;
複数の人の画像と、各前記人の画像に対応する前記人の体重とを教師データとし、前記カメラによって生成された前記運転者の画像を入力されると、前記運転者の体重を出力するよう学習した第１学習済みモデルと、a first trained model that uses images of a plurality of people and weights of the people corresponding to the images of the people as training data, and that has been trained to output the weight of the driver when an image of the driver generated by the camera is input;
複数の人の画像と、各前記人の画像に対応する筋肉量とを教師データとし、前記カメラによって生成された前記運転者の画像を入力されると、前記運転者の筋肉量を出力するよう学習した第２学習済みモデルと、a second trained model that uses images of a plurality of people and muscle masses corresponding to the images of the people as training data, and that has been trained to output the muscle mass of the driver when an image of the driver generated by the camera is input;
複数の顔画像と、各前記顔画像に対応する人の年齢とを教師データとし、前記カメラによって生成された前記運転者の顔画像を入力されると、前記運転者の年齢を出力するよう学習した第３学習済みモデルと、を備え、a third trained model that uses a plurality of facial images and the ages of people corresponding to each of the facial images as training data, and that has been trained to output the age of the driver when a facial image of the driver generated by the camera is input;
前記抵抗値推定部は、前記第１、第２および第３学習済みモデルによって出力された前記運転者の体重、筋肉量および年齢に基づいて、適切な前記レバーの抵抗値を推定するフォークリフト。The resistance value estimation unit estimates an appropriate resistance value of the lever based on the weight, muscle mass, and age of the driver output by the first, second, and third trained models.
前記人の画像の教師データは、前記所定の服を着た人の画像とされている請求項１または２に記載のフォークリフト。 The camera is configured to capture an image of the driver wearing predetermined clothing,
3. The forklift truck according to claim 1 , wherein the training data of the image of a person is an image of a person wearing the predetermined clothing.
前記顔画像の教師データは、前記ヘルメットをかぶった人の顔画像とされている請求項３に記載のフォークリフト。 the camera is configured to capture an image of the driver wearing a helmet;
4. The forklift according to claim 3 , wherein the training data of the facial image is a facial image of a person wearing the helmet.
運転者の体重、筋肉量および年齢またはそのいずれかに基づいて、前記運転者の適切な前記レバーの抵抗値を推定する抵抗値推定部と、
前記抵抗値推定部によって推定された前記レバーの抵抗値に基づいて、前記レバーの抵抗値を変更する抵抗値変更部と、
前記運転者の体重、筋肉量および年齢またはそのいずれかを予め記憶している特徴記憶部を備え、
前記抵抗値推定部は、前記特徴記憶部に記憶されている前記運転者の体重、筋肉量および年齢またはそのいずれかに基づいて、前記運転者の適切な前記レバーの抵抗値を推定するフォークリフト。 A lever used to operate a forklift;
a resistance value estimation unit that estimates an appropriate resistance value of the lever for the driver based on the driver's weight, muscle mass, and/or age;
a resistance value changing unit that changes the resistance value of the lever based on the resistance value of the lever estimated by the resistance value estimating unit;
a characteristic storage unit that stores in advance the weight, muscle mass, and/or age of the driver;
The resistance value estimation unit estimates an appropriate resistance value of the lever for the driver based on the driver's weight, muscle mass, and/or age stored in the characteristic memory unit.
前記運転者の顔を撮影するカメラと、
前記カメラによって生成された顔画像に基づいて、前記特徴記憶部に記憶されている前記運転者を特定する運転者特定部と、をさらに備え、
前記抵抗値推定部は、特定された前記運転者に対応する体重、筋肉量および年齢またはそのいずれかに基づいて、前記運転者の適切な前記レバーの抵抗値を推定する請求項８に記載のフォークリフト。 a feature storage unit that stores in advance weights, muscle masses, and/or ages of a plurality of drivers together with corresponding facial images;
a camera that photographs the driver's face;
a driver identification unit that identifies the driver stored in the feature storage unit based on a face image generated by the camera,
The forklift according to claim 8 , wherein the resistance value estimation unit estimates an appropriate resistance value of the lever for the identified driver based on a weight, a muscle mass, and/or an age corresponding to the identified driver.
運転者の体重、筋肉量および年齢またはそのいずれかに基づいて、前記運転者の適切な前記レバーの抵抗値を推定する抵抗値推定部と、
推定された適切な前記レバーの抵抗値に基づいて、前記レバーの抵抗値を変更する抵抗値変更部と、
前記運転者の体重、筋肉量および年齢またはそのいずれかを予め記憶している特徴記憶部と、を備え、
前記抵抗値推定部は、前記特徴記憶部に記憶されている前記運転者の体重、筋肉量および年齢またはそのいずれかに基づいて、前記運転者の適切な前記レバーの抵抗値を推定する推定システム。 Lever and
a resistance value estimation unit that estimates an appropriate resistance value of the lever for the driver based on the driver's weight, muscle mass, and/or age ;
a resistance value changing unit that changes the resistance value of the lever based on the estimated appropriate resistance value of the lever;
a characteristic storage unit that stores in advance the driver's weight, muscle mass, and/or age ,
The resistance value estimation unit is an estimation system that estimates an appropriate resistance value of the lever for the driver based on the driver's weight, muscle mass, and/or age stored in the feature memory unit .
推定された前記レバーの適切な抵抗値に基づいて、前記レバーの抵抗値を変更する抵抗値変更部と、
運転者の体重、筋肉量および年齢またはそのいずれかを予め記憶しているコンピュータと、を有するフォークリフトに用いられるプログラムであって、
前記コンピュータを、
記憶されている前記運転者の体重、筋肉量および年齢またはそのいずれかに基づいて、前記運転者の適切な前記レバーの抵抗値を推定する抵抗値推定部と、して実行させる推定プログラム。 Lever and
a resistance value changing unit that changes the resistance value of the lever based on the estimated appropriate resistance value of the lever;
A computer that stores in advance the weight, muscle mass, and/or age of a driver , and a program used in a forklift having the computer,
The computer
An estimation program to be executed as a resistance value estimation unit that estimates an appropriate resistance value of the lever for the driver based on the driver's stored weight, muscle mass, and/or age .
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023136199A JP7740858B2 (en) | 2023-08-24 | 2023-08-24 | Forklifts, estimation systems and estimation programs |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023136199A JP7740858B2 (en) | 2023-08-24 | 2023-08-24 | Forklifts, estimation systems and estimation programs |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2025030690A JP2025030690A (en) | 2025-03-07 |
| JP7740858B2 true JP7740858B2 (en) | 2025-09-17 |
Family
ID=94826533
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023136199A Active JP7740858B2 (en) | 2023-08-24 | 2023-08-24 | Forklifts, estimation systems and estimation programs |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7740858B2 (en) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002187694A (en) | 2000-12-25 | 2002-07-02 | Mitsubishi Heavy Ind Ltd | System for enhancement of operator comfort, terminal device, and control device |
| JP2012252515A (en) | 2011-06-02 | 2012-12-20 | Jirou Collection:Kk | Tread pressure regulating system for vehicle accelerator pedal |
| JP2014013016A (en) | 2012-07-04 | 2014-01-23 | Nissan Motor Co Ltd | Travel control device for vehicle |
| JP2016064773A (en) | 2014-09-25 | 2016-04-28 | 株式会社デンソー | In-vehicle system, vehicle control device, and program for vehicle control device |
| JP2019091360A (en) | 2017-11-16 | 2019-06-13 | 株式会社エーゼット | Advice system |
| JP2019127083A (en) | 2018-01-23 | 2019-08-01 | トヨタ自動車株式会社 | Reaction force control device of accelerator pedal |
| US20210213829A1 (en) | 2020-01-14 | 2021-07-15 | Hyundai Motor Company | Lever type integrated control unit of vehicle |
| JP2022521844A (en) | 2019-04-02 | 2022-04-12 | ボディグラム、インコーポレイテッド | Systems and methods for measuring weight from user photos using deep learning networks |
| CN216687358U (en) | 2022-01-21 | 2022-06-07 | 林德（中国）叉车有限公司 | Fork truck is with preventing mistake operating handle mechanism and fork truck thereof |
| JP2023049505A (en) | 2021-09-29 | 2023-04-10 | コベルコ建機株式会社 | Operation reaction force control system and operation reaction force control method |
| JP2023110310A (en) | 2022-01-28 | 2023-08-09 | Ｆｃｎｔ株式会社 | Recognition processing device, recognition processing method and recognition processing program |
-
2023
- 2023-08-24 JP JP2023136199A patent/JP7740858B2/en active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002187694A (en) | 2000-12-25 | 2002-07-02 | Mitsubishi Heavy Ind Ltd | System for enhancement of operator comfort, terminal device, and control device |
| JP2012252515A (en) | 2011-06-02 | 2012-12-20 | Jirou Collection:Kk | Tread pressure regulating system for vehicle accelerator pedal |
| JP2014013016A (en) | 2012-07-04 | 2014-01-23 | Nissan Motor Co Ltd | Travel control device for vehicle |
| JP2016064773A (en) | 2014-09-25 | 2016-04-28 | 株式会社デンソー | In-vehicle system, vehicle control device, and program for vehicle control device |
| JP2019091360A (en) | 2017-11-16 | 2019-06-13 | 株式会社エーゼット | Advice system |
| JP2019127083A (en) | 2018-01-23 | 2019-08-01 | トヨタ自動車株式会社 | Reaction force control device of accelerator pedal |
| JP2022521844A (en) | 2019-04-02 | 2022-04-12 | ボディグラム、インコーポレイテッド | Systems and methods for measuring weight from user photos using deep learning networks |
| US20210213829A1 (en) | 2020-01-14 | 2021-07-15 | Hyundai Motor Company | Lever type integrated control unit of vehicle |
| JP2023049505A (en) | 2021-09-29 | 2023-04-10 | コベルコ建機株式会社 | Operation reaction force control system and operation reaction force control method |
| CN216687358U (en) | 2022-01-21 | 2022-06-07 | 林德（中国）叉车有限公司 | Fork truck is with preventing mistake operating handle mechanism and fork truck thereof |
| JP2023110310A (en) | 2022-01-28 | 2023-08-09 | Ｆｃｎｔ株式会社 | Recognition processing device, recognition processing method and recognition processing program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2025030690A (en) | 2025-03-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6421714B2 (en) | Vehicle control device | |
| EP3124348B1 (en) | Vehicle occupant information acquisition device and vehicle control system | |
| JP6648181B2 (en) | Control device | |
| US12570371B2 (en) | Method for determining a driver state of a motor-assisted vehicle; method for training a machine learning system; motor-assisted vehicle | |
| JP7740858B2 (en) | Forklifts, estimation systems and estimation programs | |
| WO2015057145A1 (en) | Method and system for controlling the acceleration process of a bus | |
| JP7680171B2 (en) | Forklift, Estimation System and Estimation Program | |
| CN115122859A (en) | Air suspension control method and system based on face recognition | |
| JP7747426B2 (en) | Forklift, lever resistance value change system and lever resistance value estimation program | |
| JP6892210B1 (en) | Image storage system and image storage program for cargo handling vehicles | |
| CN119773864A (en) | Steering control method, device, electronic device and storage medium | |
| JP7708523B2 (en) | Forklift, pedal weight change system and pedal weight estimation program | |
| JP2022088134A (en) | Driver recognition system for cargo handling vehicles and optimum operation mode output system using the recognition system | |
| JP7693267B2 (en) | Forklift, pedal weight change system, pedal weight estimation program, and forklift allocation system | |
| CN118279872A (en) | Automobile driving planning method, computer device and storage medium | |
| KR102592102B1 (en) | Apparatus and method for determining readiness for autonomous driving control transfer | |
| JP2025155218A (en) | Weight adjustment system | |
| JP7794548B1 (en) | Inattentive driving prevention system | |
| JP2025121107A (en) | Weight change system | |
| KR102863240B1 (en) | Smart in-cabin monitoring system | |
| JP6947556B2 (en) | On-board equipment, processing equipment and programs | |
| JP7780149B2 (en) | Anomaly detection device and vehicle | |
| TW202134102A (en) | Real-time information presentation control apparatus for leaning vehicle | |
| US20250236501A1 (en) | Safety device and picking lift provided with same | |
| JP2025128574A (en) | Accident Prevention System |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240826 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20250627 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20250709 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20250819 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20250903 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20250903 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7740858 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |