[发明专利]学习装置、学习装置的动作方法、学习装置的动作程序及运用装置

说明书

本发明提供一种在将从产品的多维物性数据导出的多维物性相关数据作为学习用输入数据而提供给机器学习模型进行学习的情况下，能够进一步提高通过机器学习模型进行的产品质量的预测精度的学习装置、学习装置的动作方法、学习装置的动作程序及运用装置。学习装置的第1导出部将自动编码器应用于多维物性数据，导出与多维物性数据相关的多维物性相关数据作为学习用输入数据。学习部将包含多维物性相关数据的学习用输入数据提供给机器学习模型进行学习，并将机器学习模型作为供实际运用的学习完毕模型进行输出。

技术领域

本公开的技术涉及学习装置、学习装置的动作方法、学习装置的动作程序及运用装置。

背景技术

已进行利用机器学习模型预测产品的质量。在专利文献1中提出了为了提高预测的精度，将从表示产品的物性的物性数据导出的物性相关数据作为学习用输入数据进行学习的机器学习模型。

在专利文献1中，作为产品例示了咖啡豆等饮食品。并且，在专利文献1中，作为物性数据例示了近红外(NIR；Near Infrared)光谱分析数据、傅里叶变换红外(FT-IR；Fourier Transform Infrared)光谱分析数据、核磁共振(NMR；Nuclear MagneticResonance)光谱分析数据等光谱数据、或者用照相机等拍摄产品而得到的图像数据。并且，作为物性相关数据，可以举出从光谱数据得到的数值，例如光谱的波形斜率、周期性、振幅、峰高、峰宽等。并且，作为物性相关数据，可以举出用照相机等拍摄产品而得到的图像数据本身。

以往技术文献

专利文献

专利文献1：日本特开2018-018354号公报

发明内容

发明要解决的技术课题

物性数据中，既有像产品的重量等那样用1个参数表示产品的一种物性的数据，也有像上述光谱数据、图像数据那样用多个参数表示产品的一种物性的数据。更详细而言，如果是光谱数据，则光谱是产品的物性，例如波数和强度相当于多个参数。如果是图像数据，则颜色是产品的物性，红色、绿色、蓝色的各像素值相当于多个参数。在将参数作为维度进行捕捉时，这样的物性数据可以说是多维的物性数据。与此相对，用1个参数表示产品的一种物性的物性数据可以说是一维的物性数据。以下，将用多个参数表示产品的一种物性的物性数据称为多维物性数据。并且，将从多维物性数据导出的物性相关数据称为多维物性相关数据。

如上所述，在专利文献1中，作为从多维物性数据即光谱数据导出的多维物性相关数据，例示了光谱的波形斜率、周期性、周期性、振幅、峰高、峰宽等。但是，专利文献1中例示的数值都没有全面地覆盖多维物性数据的整体特征，因此很难说是准确地表示了产品物性的数值。因此，即使将这样的数值作为学习用输入数据提供给机器学习模型进行学习，预测的精度也可能在比较低的等级上达到顶点。

本公开的技术的目的在于提供一种在将从产品的多维物性数据导出的多维物性相关数据作为学习用输入数据而提供给机器学习模型进行学习的情况下，能够进一步提高通过机器学习模型进行的产品质量的预测精度的学习装置、学习装置的动作方法、学习装置的动作程序及运用装置。

用于解决技术课题的手段

为了实现上述目的，本公开的学习装置具备：第1获取部，获取表示产品的物性的多维物性数据；导出部，从多维物性数据导出提供给预测产品的质量的机器学习模型的学习用输入数据，并且将自动编码器的至少一部分应用于多维物性数据，导出与多维物性数据相关的多维物性相关数据作为学习用输入数据；及学习部，将包含多维物性相关数据的学习用输入数据提供给机器学习模型进行学习，并将机器学习模型作为供实际的运用的学习完毕模型进行输出。

优选学习用输入数据还包含在产品的生产工序中设定的生产条件数据。