JP2020038058A - 情報処理装置、情報処理プログラム、および情報処理方法 - Google Patents

Abstract

【課題】ごみピット内の廃棄物の種類を識別できる情報処理装置を提供する。【解決手段】情報処理装置は、廃棄物が貯留されるごみピット内を撮像した過去の画像データに廃棄物の種類がラベリングされた教師データを学習することにより生成された識別アルゴリズムを有し、ごみピット内を撮像した新たな画像データを入力としてごみピット内に貯留されている廃棄物の種類を識別する種類識別部を備える。【選択図】 図１

Description

本発明は、廃棄物の種類を識別する情報処理装置、情報処理プログラム、および情報処理方法に関する。

従来、廃棄物処理プラントでは、家庭ごみや粗大破砕ごみ、剪定枝、汚泥など、質の異なる様々な種類の廃棄物がごみピット内に投入される。これらの様々な種類の廃棄物はごみピット内に貯留されたのち一緒に焼却炉に投入され、焼却炉内で処理される。焼却炉に投入される廃棄物の質は、当該廃棄物に含まれる各種廃棄物の割合により決まり、これが燃焼に影響する。燃焼を安定化させるために、ごみピット内ではクレーンによる廃棄物の攪拌を行い、廃棄物の質の均一化を図っている。

しかしながら、焼却炉内に投入される廃棄物の中に、たとえば粗大破砕ごみや汚泥などの廃棄物が一定量以上含まれていると、焼却炉内部の温度が急変し、ダイオキシンなどの有害なガスや物質が発生して、周辺環境へ悪影響を与える可能性がある。また、燃焼状態に影響を与える廃棄物だけでなく、廃棄物処理プラントに関わる各機器のトラブルの発生要因となる廃棄物もある。たとえば、焼却炉内に投入される廃棄物の中に剪定枝などが多く含まれていると、焼却炉内へ廃棄物を供給するホッパでの詰まりを起こす原因となる。

一方、一般ごみなどの廃棄物は、基本的に袋に入った状態でごみピット内に投入され、クレーンによる攪拌が行われるが、破袋度が低い場合、すなわちごみ袋の破れ具合が小さく、ごみ袋の中に廃棄物が多く残っている場合には、燃焼状態に影響を与えるなど、ごみ袋の状態も燃焼の安定性に寄与していることが経験的に知られている。

そこで、たとえば特許文献１では、ごみ処理工場用自動クレーンの制御装置による自動クレーンの運転方法において、ごみピット内に投入される一般ごみと異質ごみとを色調により識別し、識別結果に基づいてクレーンを制御することにより、廃棄物の質の均一化を図ることが開示されている。

また、特許文献２では、ごみ攪拌状態検出装置およびごみ攪拌状態検出方法において、撮像された画像の輝度値に基づいて、ごみの攪拌状態、つまりごみ袋の破れ具合を検出することが開示されている。

特開２００７−１２６２４６号公報 特開２０１５−１２４９５５号公報

しかしながら、特許文献１のごみ処理工場用自動クレーンの制御装置による自動クレーンの運転方法では、一般ごみと異質ごみとを色調により区別しているが、単純に色調だけで廃棄物の種類を識別するのは困難であり、たとえば、粗大破砕ごみが多少混じっていても全体として一般ごみと判断する可能性がある。そのため、燃焼状態に影響を与える異質な廃棄物や各機器のトラブル発生要因となる廃棄物を、焼却炉内に一定量以上投入してしまう危険性があった。

また、特許文献２のごみ攪拌状態検出装置およびごみ攪拌状態検出方法では、輝度値によりごみ袋の破れ具合を検出しているが、この方法ではごみ袋しか検知することができない。実際のごみピットには、ごみ袋以外にも剪定枝や布団など様々な種類の廃棄物が投入される場合があるため、そのような実際のごみピットに対して上記方法を適用することは困難であった。

本発明は、以上のような点を考慮してなされたものでる。本発明の目的は、ごみピット内の廃棄物の種類を識別できる情報処理装置、情報処理プログラムおよび情報処理方法を提供することにある。

本発明の第１の態様に係る情報処理装置は、
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されている廃棄物の種類を識別する種類識別部を備える。
本発明の第１の態様に係る情報処理装置は、
廃棄物が貯留されるごみピット内を撮像した過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する識別アルゴリズム生成部をさらに備えてもよい。

このような態様によれば、ごみピット内に貯留されている廃棄物の種類を、ごみピット内の映像を撮像することにより得られる画像データを入力として、機械学習により生成された学習済みの識別アルゴリズムを利用して識別することにより、一定量以上投入すると燃焼状態へ影響を与える廃棄物や各機器のトラブルの要因となる廃棄物を識別することができる。これにより、そのような特殊な廃棄物の一定量以上の誤投入を防いで、燃焼状態および各機器に影響を与えることなく安定した処理が可能となる。

本発明の第２の態様に係る情報処理装置は、第１の態様に係る情報処理装置であって、
前記識別アルゴリズムは、線形回帰、ボルツマンマシン、ニューラルネットワーク、サポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォレストを用いた統計的推定、強化学習、深層学習、のうちの１つまたは２つ以上を含む。

本発明の第３の態様に係る情報処理装置は、第１または２の態様に係る情報処理装置であって、
前記画像データは、ＲＧＢカメラにより撮像された廃棄物の形状および色彩画像データ、近赤外線カメラにより撮像された廃棄物の近赤外線画像データ、３ＤカメラまたはＲＧＢ−Ｄカメラにより撮像された廃棄物の３次元画像データ、のうちの１つまたは２つ以上を含む。

本発明の第４の態様に係る情報処理装置は、第１〜３のいずれかの態様に係る情報処理装置であって、
前記廃棄物の種類は、ごみ袋未破袋ごみ、紙ごみ、剪定枝、布団、汚泥、粗大破砕ごみ、段ボール、麻袋、紙袋、底ごみ、のうちの１つまたは２つ以上を含む。

本発明の第５の態様に係る情報処理装置は、第１〜４のいずれかの態様に係る情報処理装置であって、
前記種類識別部の識別結果に基づいて廃棄物処理プラントの制御を行うプラント制御部と、
をさらに備える。

本発明の第６の態様に係る情報処理装置は、第５の態様に係る情報処理装置であって、
前記プラント制御部は、前記廃棄物の攪拌または搬送を行うクレーンを制御するクレーン制御装置に前記種類識別部の識別結果を送信するクレーン制御部、前記廃棄物の燃焼を制御する燃焼制御装置に前記種類識別部の識別結果を送信する燃焼制御部、のうちの一方または両方を含む。

本発明の第７の態様に係る情報処理装置は、第１〜６のいずれかの態様に係る情報処理装置であって、
前記識別アルゴリズムは、前記ごみピット内の映像を撮像することにより得られる画像データに前記廃棄物の種類がラベリングされるとともに前記廃棄物以外の識別対象物が種類別にラベリングされた教師データを学習済みであり、
前記種類識別部は、前記ごみピット内の新たな画像データを入力として前記識別アルゴリズムを利用して前記ごみピット内に貯留されている廃棄物の種類とともに廃棄物以外の識別対象物の種類を識別する。

本件発明者らが実際に検証したところ、このような態様によって、廃棄物の識別精度を顕著に向上できることが確認された。これは、本件発明者らの検討によれば、種類識別部が、たとえば、ごみピットの側壁に対する判断に迷って汚泥として識別するなど、廃棄物以外の識別対象物に対する判断に迷って何らかの廃棄物として識別してしまうことを抑制できるためであると考えられる。

本発明の第８の態様に係る情報処理装置は、第７の態様に係る情報処理装置であって、
前記廃棄物以外の識別対象物の種類は、廃棄物処理プラントの梁、ごみピットの側壁、ごみピット内に貯留されている廃棄物の山の崖、前記廃棄物の攪拌または搬送を行うクレーン、のうちの１つまたは２つ以上を含む。

本発明の第９の態様に係る情報処理装置は、第７の態様に係る情報処理装置であって、
前記廃棄物以外の識別対象物の種類は、廃棄物処理プラントの梁、ごみピットの側壁、ごみピット内に貯留されている廃棄物の山の崖、前記廃棄物の攪拌または搬送を行うクレーン、廃棄物処理プラントの壁、柱、床、窓、天井、扉、階段、ガーダー、歩廊、ごみピットの仕切り壁、ごみ投入ホッパ、搬入扉、作業員、搬入車両、のうちの１つまたは２つ以上を含む。

本発明の第１０の態様に係る情報処理装置は、第１〜９のいずれかの態様に係る情報処理装置であって、
前記種類識別部の識別結果に基づいて前記ごみピット内へ投入された異常物を検知する異物投入検知部と、
をさらに備える。

本発明の第１１の態様に係る情報処理装置は、第１０の態様に係る情報処理装置であって、
前記異物投入検知部は、前記廃棄物が貯留されるごみピット内に投入された異常物を検知する異物検知装置に前記種類識別部の識別結果を送信する。

本発明の第１２の態様に係る情報処理装置は、第１〜１１のいずれかの態様に係る情報処理装置であって、
前記種類識別部の識別結果に基づいて前記ごみピット内への作業員または搬送車両の転落を検知する転落検知部と、
をさらに備える。

本発明の第１３の態様に係る情報処理装置は、第１２の態様に係る情報処理装置であって、
前記転落検知部は、前記廃棄物が貯留されるごみピット内に作業員や搬入車両が存在することを検知する転落検知装置に前記種類識別部の識別結果を送信する。

本発明の第１４の態様に係る情報処理装置は、第１〜１３のいずれかの態様に係る情報処理装置であって、
前記廃棄物の種類は、ごみ袋未破袋ごみ、紙ごみ、剪定枝、布団、汚泥、粗大破砕ごみ、段ボール、麻袋、紙袋、底ごみ、木屑、繊維ごみ、衣類ごみ、プラスチックごみ、動物性残渣、動物死体、厨芥ごみ、草木、土、医療ごみ、焼却灰、自転車、たんす、ベッド、棚、机、椅子、農業系ビニール類、ペットボトル、発泡スチロール、肉骨粉、農作物、陶器、ガラスくず、金属くず、がれき類、コンクリートくず、畳、竹、わら、活性炭、のうちの１つまたは２つ以上を含む。

本発明の第１５の態様に係る情報処理プログラムは、
コンピュータを、
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されている廃棄物の種類を識別する種類識別部として機能させる。
本発明の第１５の態様に係る情報処理プログラムは、
前記コンピュータを、さらに、
廃棄物が貯留されるごみピット内を撮像した過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する識別アルゴリズム生成部として機能させてもよい。

本発明の第１６の態様に係る情報処理方法は、
廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されている廃棄物の種類を識別するステップを含む。
本発明の第１６の態様に係る情報処理方法は、
廃棄物が貯留されるごみピット内を撮像した過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習することにより、前記識別アルゴリズムを生成するステップをさらに含んでもよい。

本発明の第１７の態様に係る情報処理装置は、
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内に貯留されている廃棄物の種類を識別する種類識別部を備える。
本発明の第１７の態様に係る情報処理装置は、
廃棄物が貯留される廃棄物貯留場所内を撮像した過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する識別アルゴリズム生成部をさらに備えてもよい。

本発明の第１８の態様に係る情報処理プログラムは、
コンピュータを、
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像
データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内に貯留されている廃棄物の種類を識別する種類識別部として機能させる。
本発明の第１８の態様に係る情報処理プログラムは、
前記コンピュータを、さらに、
廃棄物が貯留される廃棄物貯留場所内を撮像した過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する識別アルゴリズム生成部として機能させてもよい。

本発明の第１９の態様に係る情報処理方法は、
廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内に貯留されている廃棄物の種類を識別するステップを含む。
本発明の第１９の態様に係る情報処理方法は、
廃棄物が貯留される廃棄物貯留場所内を撮像した過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習することにより、前記識別アルゴリズムを生成するステップをさらに含んでもよい。

本発明によれば、ごみピット内の廃棄物の種類を識別できる。

図１は、一実施の形態に係る廃棄物処理プラントの構成を示す概略図である。 図２は、一実施の形態に係る情報処理装置の構成を示すブロック図である。 図３は、一実施の形態に係る情報処理装置による情報処理方法の一例を示すフローチャートである。 図４は、ごみピット内の映像を撮像することにより得られる画像データの一例を示す図である。 図５は、ごみピット内の映像を撮像することにより得られる画像データに廃棄物および廃棄物以外の識別対象物の種類がラベリングされた教師データの一例を示す図である。 図６は、ごみピット内の映像を撮像することにより得られる画像データに種類識別部による識別結果が重ね合わされて表示されたデータの一例を示す図である。 図７は、ごみピット内の廃棄物の種類の比率を領域毎に表示するマップである。

以下に、添付の図面を参照して、本発明の実施の形態を詳細に説明する。なお、以下の説明および以下の説明で用いる図面では、同一に構成され得る部分について、同一の符号を用いるとともに、重複する説明を省略する。

図１は、一実施の形態に係る廃棄物処理プラント１００の構成を示す概略図である。

図１に示すように、廃棄物処理プラント１００は、廃棄物を積載する搬送車両（ごみ収集車）２２が停車するプラットホーム２１と、プラットホーム２１から投入される廃棄物が貯留されるごみピット３と、ごみピット３内に貯留される廃棄物を攪拌および搬送するクレーン５と、クレーン５により搬送される廃棄物が投入されるホッパ４と、ホッパ４から投入された廃棄物を焼却する焼却炉１と、焼却炉１内で生じる排ガスから排熱を回収す
る排熱ボイラ２と、を備えている。焼却炉１の種類は、図１に示すようなストーカ炉に限られるものではなく、流動炉（流動床炉ともいう）も含まれる。また、ごみピット３の構造は、図１に示すような１段ピットに限られるものであなく、２段ピットも含まれる。また、廃棄物処理プラント１００には、クレーン５の動作を制御するクレーン制御装置５０と、焼却炉１内での廃棄物の燃焼を制御する燃焼制御装置２０とが設けられている。

搬送車両２２に積載された状態で搬入される廃棄物は、プラットホーム２１からごみピット３内へと投入され、ごみピット３内にて貯留される。ごみピット３内に貯留される廃棄物は、クレーン５によって攪拌されるとともに、クレーン５によってホッパ４へと搬送され、ホッパ４を介して焼却炉１内部へと投入され、焼却炉１内部にて焼却されて処理される。

図１に示すように、廃棄物処理プラント１００には、ごみピット３内の映像を撮像する撮像装置６と、ごみピット３内の廃棄物の種類を識別する情報処理装置１０とが設けられている。

撮像装置６は、ごみピット３の上方に配置され、図示された例ではクレーン５のレールに固定されており、ごみピット３の上方からごみピット３内に貯留される廃棄物を撮像できるようになっている。図４は、撮像装置６によってごみピット３内の映像を撮像することにより得られる画像データの一例を示す図である。

撮像装置６は、撮像結果として廃棄物の形状および色彩画像データを出力するＲＧＢカメラであってもよいし、撮像結果として廃棄物の近赤外線画像データを出力する近赤外線カメラであってもよいし、撮像結果として廃棄物の３次元画像データを撮像する３ＤカメラまたはＲＧＢ−Ｄカメラであってもよいし、これらのうちの２つ以上の組み合わせであってもよい。

次に、ごみピット３内の廃棄物の種類を識別する情報処理装置１０の構成について説明する。図２は、情報処理装置１０の構成を示すブロック図である。

図２に示すように、情報処理装置１０は、制御部１１と、記憶部１２と、通信部１３とを有している。各部は、バスを介して互いに通信可能に接続されている。

このうち通信部１３は、撮像装置６、クレーン制御装置５０および燃焼制御装置２０の各装置と情報処理装置１０との間の通信インターフェースである。通信部１３は、撮像装置６、クレーン制御装置５０および燃焼制御装置２０の各装置と情報処理装置１０との間で情報を送受信する。

記憶部１２は、たとえばハードディスク等の固定型データストレージである。記憶部１２には、制御部１１が取り扱う各種データが記憶される。また、記憶部１２には、後述する識別アルゴリズム生成部１１ａにより生成される識別アルゴリズム１２ａと、後述する画像データ取得部１１ｂにより取得された画像データ１２ｂとが記憶される。

制御部１１は、情報処理装置１０の各種処理を行う制御手段である。図２に示すように、制御部１１は、識別アルゴリズム生成部１１ａと、画像データ取得部１１ｂと、種類識別部１１ｃと、プラント制御部１１ｄと、転落検知部１１ｅと、異物投入検知部１１ｆと、を有している。これらの各部は、情報処理装置１０内のプロセッサが所定のプログラムを実行することにより実現されてもよいし、ハードウェアで実装されてもよい。

識別アルゴリズム生成部１１ａは、廃棄物が貯留されるごみピット内の映像を撮像する
ことにより得られる過去の画像データに廃棄物の種類がラベリングされた教師データを学習することにより、ごみピット内の新たな画像データを入力として廃棄物の種類を識別する学習済みの識別アルゴリズム１２ａを生成する。

識別アルゴリズム生成部１１ａは、ごみピット内の過去の画像データに廃棄物の種類がラベリングされるとともに廃棄物以外の識別対象物が種類別にラベリングされた教師データを学習することにより、ごみピット内の過去の画像データを入力として廃棄物の種類に加えて廃棄物以外の識別対象物の種類を識別する学習済みの識別アルゴリズム１２ａを生成してもよい。

識別アルゴリズム１２ａは、具体的には、たとえば、線形回帰、ボルツマンマシン、ニューラルネットワーク、サポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォレストを用いた統計的推定、強化学習、深層学習、のうちの１つまたは２つ以上を含んでいる。

教師データは、たとえば、廃棄物処理プラント１００の運転を行う熟練運転員が、ごみピット３内の映像を撮像することにより得られる画像データに対して、廃棄物および廃棄物以外の識別対象物を目視で識別して種類別にラベリングすることにより、作成される。廃棄物および廃棄物以外の識別対象物の種類は、たとえば、種類別のレイヤーとして画像データに重ね合わされた状態でラベリングされる。

教師データにラベリングされる廃棄物の種類は、ごみ袋未破袋ごみ、紙ごみ、剪定枝、布団、汚泥、粗大破砕ごみ、段ボール、麻袋、紙袋、底ごみ（ごみピット３内の底付近に存在し上方の廃棄物に圧縮され水分含有量が多いごみのこと）、のうちの１つまたは２つ以上を含んでいてもよい。また、教師データにラベリングされる廃棄物の種類は、ごみピット３内に入ってきてほしくないけれど入ってくる可能性がある予定外の廃棄物（異常物）を含んでいてもよい。ここで、異常物としては、たとえば、焼却してはいけないもの、具体的には、たとえば、蛍光灯、水銀混入ごみ、ボンベや缶、油タンクなどの爆発物などが挙げられる。また、教師データにラベリングされる廃棄物の種類は、木屑、繊維ごみ、衣類ごみ、プラスチックごみ、動物性残渣、動物死体、厨芥ごみ、草木、土、医療ごみ、焼却灰、自転車、たんす、ベッド、棚、机、椅子、農業系ビニール類、ペットボトル、発泡スチロール、肉骨粉、農作物、陶器、ガラスくず、金属くず、がれき類、コンクリートくず、畳、竹、わら、活性炭のうちの１つまたは２つ以上を含んでいてもよい。

教師データにラベリングされる廃棄物以外の識別対象物の種類は、廃棄物処理プラント１００の梁、ごみピット３の側壁、ごみピット３内に貯留されている廃棄物の山の崖（廃棄物の山の崖にあたり廃棄物の種類が目視で識別不能な程度まで暗くなっている部分）、前記廃棄物の攪拌または搬送を行うクレーン５、のうちの１つまたは２つ以上を含んでいてもよい。また、教師データにラベリングされる廃棄物以外の識別対象物の種類は、作業員、搬入車両のうちの一方または両方を含んでいてもよい。また、教師データにラベリングされる廃棄物以外の識別対象物の種類は、廃棄物処理プラント１００の壁、柱、床、窓、天井、扉、階段、ガーダー（クレーン５を吊り下げて移動する構造体）、歩廊、ごみピットの仕切り壁、ごみ投入ホッパ、搬入扉、作業員、搬入車両、のうちの１つまたは２つ以上を含んでいてもよい。

図５は、ごみピット内の映像を撮像することにより得られる画像データに廃棄物および廃棄物以外の識別対象物の種類がラベリングされた教師データの一例を示す図である。図５に示す例では、ごみピット内の映像を撮像することにより得られる画像データに、廃棄物として未破袋ごみ、剪定枝、布団がそれぞれ種類別にラベリングされると共に、廃棄物以外の識別対象物としてクレーン５、廃棄物の山の崖、ごみピット３の側壁、プラント１
００の床がそれぞれ種類別にラベリングされている。

画像データ取得部１１ｂは、ごみピット３内の映像を撮像することにより得られる新たな画像データを撮像装置６から取得する。画像データ取得部１１ｂにより取得された新たな画像データは、記憶部１２に記憶される。

種類識別部１１ｃは、画像データ取得部１１ｂにより取得された新たな画像データを入力として、識別アルゴリズム生成部１１ａにより生成された学習済みの識別アルゴリズム１２ａを利用して、ごみピット３内に貯留されている廃棄物の種類を識別する。

種類識別部１１ｃは、画像データ取得部１１ｂにより取得された新たな画像データを入力として学習済みの識別アルゴリズム１２ａを利用して、ごみピット３内に貯留されている廃棄物の種類とともに廃棄物以外の識別対象物の種類を識別してもよい。図６は、ごみピット内の映像を撮像することにより得られる画像データに種類識別部１１ｃによる識別結果が重ね合わされて表示されたデータの一例を示す図である。図６に示す例では、種類識別部１１ｃにより識別された廃棄物（未破袋ごみ、剪定枝）と廃棄物以外の識別対象物（クレーン５、廃棄物の山の崖、ごみピット３の側壁、プラント１００の床）とが種類別に画像データに重ね合わされて表示されている。

種類識別部１１ｃは、図７に示すように、識別結果に基づいて、ごみピット３内に貯留されている廃棄物の種類の比率を領域毎に表示するマップを生成してもよい。図７に示す例では、ごみピット３内が５×４の格子状に区分され、種類識別部１１ｃにより識別された廃棄物の種類の比率が領域毎に表示されている。

プラント制御部１１ｄは、種類識別部１１ｃの識別結果に基づいて廃棄物処理プラント１００の制御を行う。

図１に示す例では、プラント制御部１１ｄは、廃棄物の攪拌または搬送を行うクレーン５を制御するクレーン制御装置５０に種類識別部１１ｃの識別結果（すなわち、画像データから識別された廃棄物の種類の情報）を送信するクレーン制御部１１ｄ１と、廃棄物の燃焼を制御する燃焼制御装置２０に種類識別部１１ｃの識別結果（すなわち、画像データから識別された廃棄物の種類の情報）を送信する燃焼制御部１１ｄ２とを含んでいる。

なお、図１に示す例では、プラント制御部１１ｄが、クレーン制御部１１ｄ１と燃焼制御部１１ｄ２の両方を含んでいるが、これに限定されるものではなく、クレーン制御部１１ｄ１と燃焼制御部１１ｄ２のいずれか一方のみを含んでいてもよい。

クレーン制御部１１ｄ１は、たとえば、種類識別部１１ｃの識別結果として、ごみピット３内に貯留されている廃棄物の種類の比率を領域毎に表示するマップ（図７参照）をクレーン制御装置５０へと送信する。クレーン制御装置５０は、クレーン制御部１１ｄ１から受信するマップに基づいて、廃棄物の種類の比率が全ての領域で等しくなるように、クレーン５を動作させてごみピット３内の廃棄物を攪拌させる。

燃焼制御部１１ｄ２は、たとえば、種類識別部１１ｃの識別結果として、ごみピット３内に貯留されている廃棄物の種類の比率を領域毎に表示するマップ（図７参照）を燃焼制御装置２０へと送信する。燃焼制御装置２０は、燃焼制御部１１ｄ２から受信するマップに基づいて、クレーン５によって掴まれてごみピット３からホッパ４へと一緒に搬送される廃棄物の種類の比率を把握し、ホッパ４を介して焼却炉１内へと一緒に投入される廃棄物の比率に応じて廃棄物の燃焼を制御する（たとえば、ストーカの送り速度や供給する空気量を制御する）。

転落検知部１１ｅは、種類識別部１１ｃの識別結果（すなわち、画像データから識別された作業員または搬送車両の情報）に基づいて、プラットホーム２１からごみピット３内への作業員または搬送車両の転落を検知する。転落検知部１１ｅは、廃棄物が貯留されるごみピット３内に作業員や搬入車両が存在することを検知する転落検知装置（不図示）に種類識別部１１ｃの識別結果（すなわち、画像データから識別された作業員または搬送車両の情報）を送信してもよい。転落検知装置（不図示）は、転落検知部１１ｅから送信される種類識別部１１ｃの識別結果に基づいて、アラームを発したり、クレーン５を動作させて作業員の救出を行う。

異物投入検知部１１ｆは、種類識別部１１ｃの識別結果（すなわち、画像データから識別された廃棄物の種類の情報）に基づいて、ごみピット３内へ投入された異常物を検知する。ここで「異常物」とは、ごみピット３内に入ってきてほしくないけれど入ってくる可能性がある予定外の廃棄物をいい、たとえば、焼却してはいけないもの、具体的には、たとえば、蛍光灯、水銀混入ごみ、ボンベや缶、油タンクなどの爆発物などが挙げられる。異物投入検知部１１ｆは、廃棄物が貯留されるごみピット３内に投入された異常物を検知する異物検知装置（不図示）に種類識別部の識別結果（すなわち、画像データから識別された廃棄物の種類の情報）を送信してもよい。異物検知装置（不図示）は、ごみピット３内に廃棄物を投入した業者または車両を時間情報とともに記憶しているデータベースを参照し、異物投入検知部１１ｆから送信される種類識別部１１ｃの識別結果に基づいて、ごみピット３内に異物を投入した業者または車両を特定する。

次に、このような構成からなる情報処理装置１０による情報処理方法の一例について説明する。図３は、情報処理方法の一例を示すフローチャートである。

図３に示すように、まず、識別アルゴリズム生成部１１ａが、ごみピット３内の映像を撮像した過去の画像データに廃棄物の種類がラベリングされた教師データを学習することにより、ごみピット３内の映像を撮像することにより得られる新たな画像データを入力として廃棄物の種類を識別する学習済みの識別アルゴリズム１２ａを生成する（ステップＳ１１）。

識別アルゴリズム生成部１１ａは、ごみピット３内の映像を撮像することにより得られる過去の画像データに廃棄物の種類がラベリングされるとともに廃棄物以外の識別対象物が種類別にラベリングされた教師データ（たとえば図５参照）を学習することにより、ごみピット３内の映像を撮像することにより得られる新たな画像データを入力として廃棄物の種類に加えて廃棄物以外の識別対象物の種類を識別する学習済みの識別アルゴリズム１２ａを生成してもよい。

次に、画像データ取得部１１ｂが、ごみピット３内の映像を撮像することにより得られる新たな画像データ１２ｂ（たとえば図４参照）を撮像装置６から取得する（ステップＳ１２）。画像データ取得部１１ｂにより取得された新たな画像データ１２ｂは、記憶部１２に記憶される。

次いで、種類識別部１１ｃが、画像データ取得部１１ｂにより取得された新たな画像データを入力として、識別アルゴリズム生成部１１ａにより生成された学習済みの識別アルゴリズム１２ａを利用して、ごみピット３内に貯留されている廃棄物の種類を識別する（ステップＳ１３）。

種類識別部１１ｃは、画像データ取得部１１ｂにより取得された新たな画像データ（たとえば図４参照）を入力として、識別アルゴリズム生成部１１ａにより生成された学習済
みの識別アルゴリズム１２ａを利用して、ごみピット３内に貯留されている廃棄物の種類とともに廃棄物以外の識別対象物の種類を識別してもよい（たとえば図６参照）。また、種類識別部１１ｃは、廃棄物の種類の識別結果に基づいて、ごみピット３内に貯留されている廃棄物の種類の比率を領域毎に表示するマップ（たとえば図７参照）を生成してもよい。

次いで、プラント制御部１１ｄが、種類識別部１１ｃによる識別結果に基づいて、廃棄物処理プラントの制御を行う。

具体的には、たとえば、クレーン制御部１１ｄ１が、廃棄物の攪拌または搬送を行うクレーン５を制御するクレーン制御装置５０に、種類識別部１１ｃの識別結果として、図７に示すような廃棄物の種類の比率を領域毎に表示するマップを送信する（ステップＳ１４）。クレーン制御装置５０は、クレーン制御部１１ｄ１から受信するマップに基づいて、廃棄物の種類の比率が全ての領域で等しくなるように、クレーン５を動作させてごみピット３内の廃棄物を攪拌させる。

また、燃焼制御部１１ｄ２が、廃棄物の燃焼を制御する燃焼制御装置２０に、種類識別部１１ｃの識別結果として、図７に示すような廃棄物の種類の比率を領域毎に表示するマップを送信する（ステップＳ１５）。燃焼制御装置２０は、燃焼制御部１１ｄ２から受信するマップに基づいて、クレーン５によって掴まれてごみピット３からホッパ４へと一緒に搬送される廃棄物の種類の比率を把握し、ホッパ４を介して焼却炉１内へと一緒に投入される各廃棄物の比率に応じて廃棄物の燃焼を制御する（たとえば、ストーカの送り速度や供給する空気量を制御する）。

なお、種類識別部１１ｃによりごみピット３内の画像データから作業員または搬送車両が識別された場合には、転落検知部１１ｅが、種類識別部１１ｃの識別結果に基づいて、プラットホーム２１からごみピット３内への作業員または搬送車両の転落を検知し、転落検知装置（不図示）に種類識別部１１ｃの識別結果を送信してもよい。

また、種類識別部１１ｃによりごみピット３内の画像データから異常物が検知された場合には、異物投入検知部１１ｆが、種類識別部１１ｃの識別結果に基づいて、ごみピット３内へ投入された異常物を検知し、異物検知装置（不図示）に種類識別部１１ｃの識別結果を送信してもよい。

ところで、発明が解決しようとする課題の欄で言及したように、特許文献１に記載の方法では、一般ごみと異質ごみとを色調により区別しているが、単純に色調だけで廃棄物の種類を識別するのは困難であり、たとえば、粗大破砕ごみが多少混じっていても全体として一般ごみと判断する可能性がある。そのため、燃焼状態に影響を与える異質な廃棄物や各機器のトラブル発生要因となる廃棄物を、焼却炉内に一定量以上投入してしまう危険性があった。

また、特許文献２に記載方法では、輝度値によりごみ袋の破れ具合を検出しているが、この方法ではごみ袋しか検知することができない。実際のごみピットには、ごみ袋以外にも剪定枝や布団など様々な種類の廃棄物が投入される場合があるため、そのような実際のごみピットに対して上記方法を適用することは困難であった。

これに対し、本実施の形態によれば、ごみピット３内に貯留されている廃棄物の種類を、ごみピット３内の映像を撮像することにより得られる画像データを入力として、機械学習により生成された学習済みの識別アルゴリズム１２ａを利用して識別することにより、一定量以上投入すると燃焼状態へ影響を与える廃棄物（たとえば未破袋ごみ）や各機器の
トラブルの要因となる廃棄物（たとえば剪定枝）を識別することができる。これにより、そのような特殊な廃棄物の一定量以上の誤投入を防いで、燃焼状態および各機器に影響を与えることなく安定した処理が可能となる。

また、本実施の形態によれば、識別アルゴリズム生成部１１ａが、ごみピット３内の映像を撮像することにより得られる過去の画像データに廃棄物の種類がラベリングされるとともに廃棄物以外の識別対象物が種類別にラベリングされた教師データを学習することにより学習済みの識別アルゴリズム１２ａを生成し、種類識別部１１ｃが、画像データ取得部１１ｂにより取得された新たな画像データを入力として当該識別アルゴリズム１２ａを利用してごみピット３内に貯留されている廃棄物の種類とともに廃棄物以外の識別対象物の種類を識別する。本件発明者らが実際に検証したところ、このような態様によって、廃棄物の識別精度を顕著に向上できることが確認された。これは、本件発明者らの検討によれば、種類識別部１１ｃが、たとえば、ごみピット３の側壁に対する判断に迷って汚泥として識別するなど、廃棄物以外の識別対象物に対する判断に迷って何らかの廃棄物として識別してしまうことを抑制できるためであると考えられる。

なお、上述した実施の形態に対して様々な変更を加えることが可能である。以下、上述した実施の形態の変形例について説明する。

上述した実施の形態では、燃焼制御部１１ｄ２は、種類識別部１１ｃの識別結果として、ごみピット３内に貯留されている廃棄物の種類の比率を領域毎に表示するマップ（図７参照）を燃焼制御装置２０へと送信したが、これに限定されず、種類識別部１１ｃの識別結果として、廃棄物の種類の比率を質情報に変換したラベル、たとえば、投入ＯＫ、投入ＮＧ、カロリＬ（Ｌｏｗ）、Ｍ（Ｍｉｄｄｌｅ）、Ｈ（Ｈｉｇｈ）などを領域毎に表示するマップを燃焼制御装置２０へと送信してもよい。また、燃焼制御部１１ｄ２は、種類識別部１１ｃの識別結果として、燃焼状態に影響を与える割合が大きいことを示すラベル（たとえば、未破袋ごみあり、底ごみあり、など）を燃焼制御装置２０へと送信してもよい。同様に、クレーン制御部１１ｄ１は、種類識別部１１ｃの識別結果として、各機器に影響を与える割合が大きいことを示すラベル（たとえば、剪定枝あり、粗大破砕ごみあり、など）をクレーン制御装置５０へと送信してもよい。

種類識別部１１ｃにおいて、識別結果に基づいて、ごみピット３内に貯留されている廃棄物の種類の比率を領域ごとに表示するマップを生成する際、画像データ取得部１１ｂで取得した画像データに対して単に画像データを領域分けして廃棄物の種類の比率を表示してもよいし、画像データとごみピット３の番地割を紐づけて番地ごとに廃棄物の種類の比率を表示してもよい。

画像データとクレーン番地を紐づける方法として、ごみピット３に対して相対的な位置が計測可能なクレーン５に予めしるしをつけておき、しるしをつけたクレーン５を、撮像装置６が多数の画像に写り込ませて撮影することで、種類識別部１１ｃが、しるしをつけたクレーン５が映り込んでいる多数の画像に基づいて、ごみピット３に対する撮像装置６の相対位置と方向を推定し、推定した撮像装置６の位置と撮影方向から画像データ上のピクセルがどの番地に存在しているかを推定する。もしくは、ごみピット３に対して相対的な位置が計測可能なクレーン５を、撮像装置６が多数の画像に写り込ませて撮影し、種類識別部１１ｃが、画像中のクレーン５にしるしをつけることで、当該クレーン５にしるしをつけた多数の画像に基づいて、ごみピット３に対する撮像装置６の相対位置と方向を推定し、推定した撮像装置６の位置と撮影方向から画像データ上のピクセルがどの番地に存在しているかを推定してもよい。

制御部１１の処理の一部は、情報処理装置１０ではなく、情報処理装置１０とは別のク
ラウドサーバ上で行われてもよい。記憶部１２の一部は、情報処理装置１０ではなく、情報処理装置１０とは別のクラウドサーバ上にあってもよい。

たとえば、識別アルゴリズム生成部１１ａの処理がクラウドサーバ上で実行され、識別アルゴリズム１２ａが生成されてもよい。また、上記識別アルゴリズム生成部１１ａによりクラウドサーバ上で生成された識別アルゴリズム１２ａを利用して種類識別部１１ｃの処理がクラウドサーバ上で実行されてもよいし、上記識別アルゴリズム１２ａを情報処理装置１０がクラウドサーバからダウンロードし、これを情報処理装置１０内で利用して種類識別部１１ｃの処理が実行されてもよい。

制御部１１は、種類識別部１１ｃの識別結果を定期的にモニタリングし、識別アルゴリズム１２ａのモデル見直し及び更新の要否を判断してもよい。

たとえば、制御部１１は、エッジサーバーを用いて種類識別部１１ｃの識別結果の正常・異常判定を行い、異常が検出された場合、当該画像データ及び識別結果が、焼却炉１の運営において問題があるか判断する。運営上問題があると判断された場合、熟練運転員が、異常検出された画像データに対して再度廃棄物の種類別にラベリングを行い、新しく教師データを用意し、識別アルゴリズム生成部１１ａが、新しく用意された教師データを学習して、識別アルゴリズム１２ａを生成する。

クレーン制御装置５０は、焼却炉１から投入要求が来た際に、クレーン制御部１１ｄ１から受信するマップに基づいて、ごみ種類別の比率閾値による投入基準を満たすごみをごみピット３内から選別し、クレーン５を動作させてホッパ４へ投入してもよい。

また、クレーン制御装置５０は、投入基準を満たすごみをごみピット３内から選別する際、ホッパ４へ前回投入したごみのごみ種類別の比率との差分が小さくなるようごみを選別してもよい。

クレーン制御装置５０は、上記投入基準の比率閾値として、ごみ袋未破袋ごみ、紙ごみ、剪定枝、布団、汚泥、粗大ごみ破砕物、段ボール、麻袋、紙袋、底ごみ、木屑、繊維ごみ、衣類ごみ、プラスチックごみ、動物性残渣、動物死体、厨芥ごみ、草木、土、医療ごみ、焼却灰、農業系ビニール類、ペットボトル、発泡スチロール、肉骨粉、農作物、陶器、ガラスくず、金属くず、がれき類、コンクリートくず、畳、竹、わら、活性炭のうち１つまたは２つ以上の比率閾値を用いてもよい。

また、上記投入基準の決め方として、クレーン制御装置５０は、過去のごみピット３内の映像を撮像することにより得られる画像データに対して、熟練運転員が、当該画像データに示される廃棄物の質を目視により、燃焼安定性及び機器への影響の観点から、投入可否を分類しラベル付けしたものと、当該画像に対して種類識別部１１ｃを用いてごみの種類別の比率を推定させものとを比較することで、熟練運転員が投入可否を判断しているごみ種類別の比率閾値を決めてもよい。

また、クレーン制御装置５０は、クレーン制御部１１ｄ１から受信する、ごみピット３内に貯留されているごみの種類の比率を領域ごとに表示するマップから、実際にホッパ４へ投入したごみのごみ種類別の比率データと、焼却炉１のプロセスデータとを紐づけることで、ごみ種類別の比率閾値を決めてもよいし、両者のデータを経時的に紐づけ、比率閾値を動的に変更してもよい。

また、クレーン制御装置５０は、上記プロセスデータだけでなく天候情報をもとに比率閾値を動的に変更してもよい。たとえば、クレーン制御装置５０は、天候情報から当日が
雨であれば、未破袋ごみ袋の比率閾値を下げる、あるいは、粗大ごみ破砕物の比率閾値を上げるといったように比率閾値による投入基準を変更させる。

また、クレーン制御装置５０は、曜日情報をもとに比率閾値を動的に変更してもよい。たとえば、クレーン制御装置５０は、曜日情報から日曜日はごみピット３内のごみが少ないのでごみ焼却量を抑えるために、未破袋ごみ袋の比率閾値を上げるといったように比率閾値による投入量基準を変更させる。

また、クレーン制御装置５０は、廃棄物処理プラント１００の操炉計画値をもとに比率閾値を動的に変更してもよい。たとえば、クレーン制御装置５０は、現在の蒸発量設定値から蒸発量が落ち込んでいたら、未破袋ごみ袋の比率閾値を下げる、あるいは粗大ごみ破砕物の比率閾値を上げるといったように比率閾値による投入基準を変更させる。

クレーン制御装置５０は、焼却炉１から投入要求が来た際に、クレーン制御１１ｄ１から受信するマップにおいて、ごみ種類別の比率閾値による投入基準を満たすごみが存在しない場合、クレーン５を動作させて投入基準に近いごみをホッパ４へ投入してもよいし、投入基準に近いごみを撹拌し、投入基準に達するごみを作成してもよい。

クレーン制御装置５０は、クレーン制御１１ｄ１から受信するマップにおいて、ごみ種類別の比率閾値による投入基準を満たすごみだけを、クレーン５を動作させてごみピット３の特定の箇所に積上げてもよい。そうすることで、投入基準を満たすごみをごみピット３内に蓄積することができる。

クレーン制御装置５０は、クレーン制御１１ｄ１から受信するマップにおいて、ごみ種類別の比率閾値により、ごみピット３内に存在する燃焼状態へ影響を与える廃棄物（たとえば、汚泥）や各機器のトラブルの要因となる廃棄物（たとえば剪定枝）を検知し、クレーン５を動作させてごみピット３の特定の箇所に貯留してもよいし、特定の場所にばらまいてもよい。

クレーン制御装置５０は、クレーン制御１１ｄ１から受信するマップにおいて、ごみ種類別の比率閾値による撹拌基準を満たしていないごみがごみピット３内に存在する場合、クレーン５を動作させて当該ごみを撹拌してもよい。上記撹拌基準は、投入基準と同一でもよいし異なっていてもよい。

また、クレーン制御装置５０は、上記撹拌基準を、焼却炉１のプロセスデータや、天候情報、曜日情報、ごみ搬入業者情報、ごみ搬入量（総量やごみ種類別搬入量）情報、ごみ搬入速度、ごみピットレベル（全体、特定エリア）情報、クレーン稼働状況（２台運転可能、１台運転のみ、現在１台運転中、現在２台運転中）情報、ごみ収集車の収集ルート・収集エリア情報のうち１つまたは２つ以上を用いて、動的に変更してもよい。

クレーン制御装置５０は、クレーン制御１１ｄ１から受信するマップにおいて、領域ごとのごみ種類別の比率から、ごみピット３全体の撹拌状況を判断し、クレーン５の２台運転の要否を判断し、クレーン５を動作させ、２台目クレーンの運転開始、あるいは２台目クレーンの格納を行ってもよい。

また、上記例ではクレーン制御装置５０がクレーン５を動作させていたが、クレーン制御装置５０の上流側にクレーン操作判断装置（不図示）が設けられており、クレーン操作判断装置でクレーン５の動作内容を決定し、クレーン制御装置５０へ動作内容の指令を送信し、指令を受信したクレーン制御装置５０が受信した指令内容をもとにクレーン５を動作させてもよい。クレーン操作判断装置は、情報処理装置１０との間及びクレーン制御装
置５０との間で情報を送受信する。あるいは、クレーン操作判断装置は、情報処理装置１０の一部であってもよく、すなわち情報処理装置１０がクレーン操作判断装置を含んでいてもよい。

クレーン操作判断装置は、焼却炉１から投入要求が来た際にクレーン制御装置５０から投入要求信号を受け、クレーン制御部１１ｄ１から受信するマップに基づいて、ごみ種類別の比率閾値による投入基準を満たすマップのごみをごみピット３内から選別し、当該ごみをホッパ４へ投入するようクレーン制御装置５０に指令を送信し、クレーン制御装置５０は受信した指令をもとにクレーン５を動作させてもよい。また、クレーン操作判断装置は、投入基準を満たすごみをごみピット内から選別する際、ホッパ４へ前回投入したごみのごみ種類別の比率との差分が小さくなるようごみを選別してもよい。

クレーン操作判断装置は、焼却炉１から投入要求が来た際にクレーン制御装置５０から投入要求信号を受け、クレーン制御１１ｄ１から受信するマップにおいて、ごみ種類別の比率閾値による投入基準を満たすごみが存在しない場合、投入基準に近いごみをホッパ４へ投入させる、あるいは投入基準に近いごみを撹拌し投入基準に達するごみを作成するようクレーン制御装置５０に指令を送信し、クレーン制御装置５０はクレーン５を動作させてもよい。

クレーン操作判断装置は、クレーン制御１１ｄ１から受信するマップにおいて、ごみ種別の比率閾値による投入基準を満たすごみだけをごみピット３内の特定箇所に積上げるようクレーン制御装置５０に指令を送信し、クレーン制御装置５０は、クレーンクレーン５を動作させてもよい。そうすることで、投入基準を満たすごみをごみピット３内に蓄積することができる。

クレーン操作判断装置は、クレーン制御１１ｄ１から受信するマップにおいて、ごみ種類別の比率閾値により、ごみピット３内に存在する燃焼状態へ影響を与える廃棄物（たとえば、汚泥）や各機器のトラブルの要因となる廃棄物（たとえば剪定枝）を検知し、ごみピット３内の特定の箇所に貯留する、もしくは特定の場所にばらまくようクレーン制御装置５０へ指令を送信し、クレーン制御装置５０はクレーン５を動作させてもよい。

クレーン操作判断装置は、クレーン制御１１ｄ１から受信するマップにおいて、ごみ種類別の比率閾値による撹拌基準を満たしていないごみがごみピット３内に存在する場合、当該ごみを撹拌するようクレーン制御装置５０へ指令を送信し、クレーン制御装置５０はクレーン５を動作させてもよい。上記撹拌基準は、投入基準と同一でもよいし異なっていてもよい。

クレーン操作判断装置は、クレーン制御１１ｄ１から受信するマップにおいて、領域ごとのごみ種類別の比率から、ごみピット３全体の撹拌状況を判断し、クレーン５の２台運転の要否を判断し、クレーン制御装置５０へ指令を送信し、クレーン制御装置５０は、クレーン５を動作させ、２台目クレーンの運転開始、あるいは２台目クレーンの格納を行ってもよい。

なお、上述した実施の形態では、廃棄物の種類を識別する情報処理装置１０が、廃棄物処理プラント１００のごみピット３にて使用される例が説明されたが、情報処理装置１０の使用場所は、廃棄物が貯留される廃棄物貯留場所であれば、廃棄物処理プラント１００のごみピット３に限定されるものではなく、たとえば、情報処理装置１０は、リサイクル設備の受け入れ場所にて使用されてもよい。

以上、本発明の実施の形態および変形例を例示により説明したが、本発明の範囲はこれ
らに限定されるものではなく、請求項に記載された範囲内において目的に応じて変更・変形することが可能である。また、各実施の形態および変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

また、本実施の形態に係る情報処理装置１０は１つまたは複数のコンピュータによって構成され得るが、１つまたは複数のコンピュータに情報処理装置１０を実現させるためのプログラム及び当該プログラムを記録した記録媒体も、本件の保護対象である。

１ 焼却炉
２ 燃焼装置
３ ごみピット
４ ホッパ
５ クレーン
６ 撮像装置
１０ 情報処理装置
１１ 制御部
１１ａ 識別アルゴリズム生成部
１１ｂ 画像データ取得部
１１ｃ 種類識別部
１１ｄ プラント制御部
１１ｅ 転落検知部
１１ｆ 異物投入検知部
１２ 記憶部
１２ａ 識別アルゴリズム
１２ｂ 画像データ
１３ 通信部
１４ 表示部
２０ 燃焼制御装置
２１ プラットホーム
２２ 搬送車両
５０ クレーン制御装置
１００ 廃棄物処理プラント

Claims (20)

1. 廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されている廃棄物の種類を識別する種類識別部
   を備えたことを特徴とする情報処理装置。
2. 前記識別アルゴリズムは、線形回帰、ボルツマンマシン、ニューラルネットワーク、サポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォレストを用いた統計的推定、強化学習、深層学習、のうちの１つまたは２つ以上を含む、ことを特徴とする請求項１に記載の情報処理装置。
3. 前記画像データは、ＲＧＢカメラにより撮像された廃棄物の形状および色彩画像データ、近赤外線カメラにより撮像された廃棄物の近赤外線画像データ、３ＤカメラまたはＲＧＢ−Ｄカメラにより撮像された廃棄物の３次元画像データ、のうちの１つまたは２つ以上を含む、
   ことを特徴とする請求項１または２に記載の情報処理装置。
4. 前記廃棄物の種類は、ごみ袋未破袋ごみ、紙ごみ、剪定枝、布団、汚泥、粗大破砕ごみ、段ボール、麻袋、紙袋、底ごみ、のうちの１つまたは２つ以上を含む、
   ことを特徴とする請求項１〜３のいずれかに記載の情報処理装置。
5. 前記種類識別部の識別結果に基づいて廃棄物処理プラントの制御を行うプラント制御部をさらに備えた
   ことを特徴とする請求項１〜４のいずれかに記載の情報処理装置。
6. 前記プラント制御部は、前記廃棄物の攪拌または搬送を行うクレーンを制御するクレーン制御装置に前記種類識別部の識別結果を送信するクレーン制御部、前記廃棄物の燃焼を制御する燃焼制御装置に前記種類識別部の識別結果を送信する燃焼制御部、のうちの一方または両方を含む、
   ことを特徴とする請求項５に記載の情報処理装置。
7. 前記識別アルゴリズムは、前記ごみピット内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされるとともに前記廃棄物以外の識別対象物が種類別にラベリングされた教師データを学習済みであり、
   前記種類識別部は、前記ごみピット内の新たな画像データを入力として前記識別アルゴリズムを利用して前記ごみピット内に貯留されている廃棄物の種類とともに廃棄物以外の識別対象物の種類を識別する、
   ことを特徴とする請求項１〜６のいずれかに記載の情報処理装置。
8. 前記廃棄物以外の識別対象物の種類は、廃棄物処理プラントの梁、ごみピットの側壁、ごみピット内に貯留されている廃棄物の山の崖、前記廃棄物の攪拌または搬送を行うクレーン、のうちの１つまたは２つ以上を含む、
   ことを特徴とする請求項７に記載の情報処理装置。
9. 前記廃棄物以外の識別対象物の種類は、廃棄物処理プラントの梁、ごみピットの側壁、ごみピット内に貯留されている廃棄物の山の崖、前記廃棄物の攪拌または搬送を行うクレーン、廃棄物処理プラントの壁、柱、床、窓、天井、扉、階段、ガーダー、歩廊、ごみピットの仕切り壁、ごみ投入ホッパ、搬入扉、作業員、搬入車両、のうちの１つまたは２つ
   以上を含む、
   ことを特徴とする請求項７に記載の情報処理装置。
10. 前記種類識別部の識別結果に基づいて前記ごみピット内へ投入された異常物を検知する異物投入検知部と、
    をさらに備えたことを特徴とする請求項１〜９のいずれかに記載の情報処理装置。
11. 前記異物投入検知部は、前記廃棄物が貯留されるごみピット内に投入された異常物を検知する異物検知装置に前記種類識別部の識別結果を送信する、
    ことを特徴とする請求項１０に記載の情報処理装置。
12. 前記種類識別部の識別結果に基づいて前記ごみピット内への作業員または搬送車両の転落を検知する転落検知部と、
    をさらに備えたことを特徴とする請求項１〜１１のいずれかに記載の情報処理装置。
13. 前記転落検知部は、前記廃棄物が貯留されるごみピット内に作業員や搬入車両が存在することを検知する転落検知装置に前記種類識別部の識別結果を送信する、
    ことを特徴とする請求項１２に記載の情報処理装置。
14. 前記廃棄物の種類は、ごみ袋未破袋ごみ、紙ごみ、剪定枝、布団、汚泥、粗大破砕ごみ、段ボール、麻袋、紙袋、底ごみ、木屑、繊維ごみ、衣類ごみ、プラスチックごみ、動物性残渣、動物死体、厨芥ごみ、草木、土、医療ごみ、焼却灰、自転車、たんす、ベッド、棚、机、椅子、農業系ビニール類、ペットボトル、発泡スチロール、肉骨粉、農作物、陶器、ガラスくず、金属くず、がれき類、コンクリートくず、畳、竹、わら、活性炭、のうちの１つまたは２つ以上を含む、
    ことを特徴とする請求項１〜１３のいずれかに記載の情報処理装置。
15. コンピュータを、
    廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されている廃棄物の種類を識別する種類識別部
    として機能させることを特徴とする情報処理プログラム。
16. 廃棄物が貯留されるごみピット内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記ごみピット内の新たな画像データを入力として前記ごみピット内に貯留されている廃棄物の種類を識別するステップ
    を含むことを特徴とする情報処理方法。
17. 廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内に貯留されている廃棄物の種類を識別する種類識別部
    を備えたことを特徴とする情報処理装置。
18. コンピュータを、
    廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内
    に貯留されている廃棄物の種類を識別する種類識別部
    として機能させることを特徴とする情報処理プログラム。
19. 廃棄物が貯留される廃棄物貯留場所内の映像を撮像することにより得られる過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習済みの識別アルゴリズムを用いて、前記廃棄物貯留場所内の新たな画像データを入力として前記廃棄物貯留場所内に貯留されている廃棄物の種類を識別するステップ
    を含むことを特徴とする情報処理方法。
20. 廃棄物が貯留されるごみピット内を撮像した過去の画像データに前記廃棄物の種類がラベリングされた教師データを学習することにより、前記識別アルゴリズムを生成する識別アルゴリズム生成部
    をさらに備えたことを特徴とする請求項１に記載の情報処理装置。