判定装置、判定方法以及程序与流程

技术特征：
1.一种判定装置，具备：图像信息取得部，取得通过对排泄中的便盆的内部空间进行摄像而得到的对象图像的图像信息；估计部，使所述图像信息输入至学习完毕模型，从而针对所述对象图像进行与判定事项有关的估计，其中所述学习完毕模型是通过使用神经网络的机器学习，学习了表示排泄中的便盆的内部空间的学习用图像与所述判定事项的判定结果之间的对应关系而得到的模型，所述判定事项是与排泄有关的判定事项；以及判定部，基于所述估计部的估计结果，针对所述对象图像进行与所述判定事项有关的判定。2.如权利要求1所述的判定装置，所述对象图像是对排泄后的便盆的内部空间进行摄像而得到的图像。3.如权利要求1或者权利要求2所述的判定装置，所述判定事项包含尿的有无、便的有无、便的性状之中的至少其中一个。4.如权利要求1至权利要求3中任一项所述的判定装置，所述判定事项包含：在排泄中纸有无使用、以及在使用了纸的情况下的纸的使用量。5.如权利要求1至权利要求4中任一项所述的判定装置，所述判定部判定对所述对象图像所示的状况下的便器进行清洗的清洗方法。6.如权利要求5所述的判定装置，所述判定事项包含便的性状以及在排泄中使用的纸的量之中的至少其中一个，所述估计部估计所述对象图像中的便的性状以及在排泄中使用的纸的量之中的至少其中一个，所述判定部基于由所述估计部估计的便的性状以及在排泄中使用的纸的量之中的至少其中一个，判定对所述对象图像所示的状况下的便器进行清洗的清洗方法。7.如权利要求1至权利要求6中任一项所述的判定装置，所述判定事项包含判定是否进行了排泄。8.如权利要求1至权利要求7中任一项所述的判定装置，所述判定部在满足了规定的开始条件之后，直到满足规定的结束条件为止，以规定的时间间隔进行所述判定事项的判定，所述开始条件是探测到向便器装置的便座就座，所述结束条件是使用所述便器装置的局部清洗功能、进行对所述便器装置的便盆进行清洗的操作、以及探测到从所述便器装置的便座离座的至少其中一个。9.如权利要求1至权利要求8中任一项所述的判定装置，所述判定事项包含：判定在所述对象图像中是否摄像了起因于摄像装置或者摄像环境的污迹。10.如权利要求9所述的判定装置，所述判定事项包含尿的有无、便的有无、便的性状之中的至少其中一个，所述判定部在由所述估计部估计为摄像了起因于所述摄像装置或者摄像环境的污迹的情况下，尿的有无、便的有无、便的性状的任一个判定均不进行。11.如权利要求9所述的判定装置，
所述判定事项包含尿的有无、便的有无、便的性状之中的至少其中一个，所述判定部在由所述估计部估计为摄像了起因于所述摄像装置或者摄像环境的污迹的情况下，使用通过使用神经网络的机器学习来学习了包含起因于摄像装置或者摄像环境的污迹而摄像的所述学习用图像和与排泄有关的判定事项的判定结果之间的对应关系而得到的学习完毕模型，进行尿的有无、便的有无、便的性状的其中一个的判定。12.如权利要求9至权利要求11中任一项所述的判定装置，所述判定部在由所述估计部估计为摄像了起因于所述摄像装置或者摄像环境的污迹的情况下，使表示有污迹的意思向预先决定的输出目的地输出。13.一种判定方法，判定与排泄有关的判定事项，图像信息取得部取得对排泄中的便盆的内部空间进行摄像而得到的对象图像的图像信息，估计部使所述图像信息输入至学习完毕模型，从而针对所述对象图像进行与所述判定事项有关的估计，其中所述学习完毕模型是通过使用神经网络的机器学习，学习了表示排泄中的便盆的内部空间的学习用图像与所述判定事项的判定结果之间的对应关系而得到的模型，判定部基于所述估计部的估计结果，针对所述对象图像进行与所述判定事项有关的判定。14.一种用于使判定与排泄有关的判定事项的判定装置的计算机执行如下处理的程序，取得对排泄中的便盆的内部空间进行摄像而得到的对象图像的图像信息；使所述图像信息输入至学习完毕模型，从而针对所述对象图像进行与所述判定事项有关的估计，其中所述学习完毕模型是通过使用神经网络的机器学习，学习了表示排泄中的便盆的内部空间的学习用图像与所述判定事项的判定结果之间的对应关系而得到的模型；以及基于所述估计的结果，针对所述对象图像进行与所述判定事项有关的判定。

技术总结
判定装置具备：图像信息取得部，取得对排泄中的便盆的内部空间进行摄像而得到的对象图像的图像信息；估计部，使所述图像信息输入至学习完毕模型，从而针对所述对象图像进行与判定事项有关的估计，其中所述学习完毕模型是通过使用神经网络的机器学习，学习了表示排泄中的便盆的内部空间的学习用图像与所述判定事项的判定结果之间的对应关系而得到的模型，所述判定事项是与排泄有关的判定事项；以及判定部，基于所述估计部的估计结果，针对所述对象图像进行与所述判定事项有关的判定。象图像进行与所述判定事项有关的判定。象图像进行与所述判定事项有关的判定。


技术研发人员：上田江美 滝宣广 田中健太 白井康裕 青山敬成 岛津季朗
受保护的技术使用者：骊住株式会社
技术研发日：2020.05.15
技术公布日：2022/3/18