JP7519480B2 - 電子デバイスの物理的状態評価に基づくニューラルネットワーク、および関連付けられるシステムおよび方法 - Google Patents

Description

（関連出願の相互参照）
本特許出願は、「ＮＥＵＲＡＬ ＮＥＴＷＯＲＫ ＢＡＳＥＤ ＰＨＹＳＩＣＡＬ ＣＯＮＤＩＴＩＯＮ ＥＶＡＬＵＡＴＩＯＮ ＯＦ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ， ＡＮＤ ＡＳＳＯＣＩＡＴＥＤ ＳＹＳＴＥＭＳ ＡＮＤ ＭＥＴＨＯＤＳ」と題され、２０１９年２月１８日に出願された、米国仮特許出願第６２／８０７，１６５号の優先権および利益を主張する。上記で述べられる特許出願の内容全体は、参照することによってそれらの全体として本明細書に組み込まれる。

本技術は、概して、機械学習技法に基づいて、携帯電話および／または他の電子デバイスにおける表面擦過傷または亀裂の存在、数量、および／または分布を評価すること等のそのようなデバイスの状態を評価することを対象とする。

携帯電話、ラップトップコンピュータ、ノートブック、タブレット、ＭＰ３プレーヤ等の消費者電子デバイスが、遍在する。現在、６０億個超のモバイルデバイスが世界で使用されており、これらのデバイスの数は、急速に成長しており、１８億を上回る携帯電話が２０１３年だけで販売されている。現在、地球上に存在する人々よりも多くのモバイルデバイスが使用されている。携帯電話および他の電子デバイスの数の急成長の理由の一部は、これらのデバイスが進化する急速なペース、および第３世界諸国でのそのようなデバイスの使用の増加である。

開発の急速なペースの結果として、消費者が、その携帯電話および他の電子デバイスを継続的にアップグレードし、最新の特徴またはより良好な運用計画を取得するにつれて、比較的に高い割合の電子デバイスが、毎年交換される。米国環境保護庁によると、米国だけで、毎年、３億７千万個の携帯電話、ＰＤＡ、タブレット、および他の電子デバイスを廃棄している。何百個もの他の旧式または壊れた携帯電話および他の電子デバイスは、単に、がらくた用の引き出しの中に放り込まれる、または別様に好適な廃棄解決策が生じるまで保管される。

多くの電子デバイス小売業者および携帯電話店は、現在、携帯電話の下取りまたは買取プログラムを提供しているが、多くの古い携帯電話は、依然として、最終的にごみ埋立地に行く、または発展途上国で不適切に分解および廃棄される。しかしながら、残念なことに、携帯電話および類似デバイスは、典型的には、ヒ素、リチウム、カドミウム、銅、鉛、水銀、および亜鉛等の環境に有害であり得る物質を含有する。適切に廃棄されない場合、これらの有毒物質は、分解する埋立地から地下水に染み込み、ヒトおよび環境にとって潜在的に有害な結果を伴って土壌を汚染し得る。

小売業者の下取りまたは買取プログラムの代替として、消費者は、現在、ショッピングモール、小売店、または他の公的にアクセス可能なエリア内に位置するセルフサービスキオスクを使用して、その使用済み携帯電話を再生利用および／または売却することができる。そのようなキオスクは、本願の出願人であるｅｃｏＡＴＭ，ＬＬＣによって運用され、例えば、米国特許第８，４６３，６４６号、第８，４２３，４０４号、第８，２３９，２６２号、第８，２００，５３３号、第８，１９５，５１１号、および第７，８８１，９６５号（ｅｃｏＡＴＭ，ＬＬＣによって共同所有され、参照することによってそれらの全体として本明細書に組み込まれる）に開示される。

多くの場合、電子デバイスの物理的および／または外見的状態を視覚的に評価することが必要である。例えば、電子デバイスに価格を付けること、可能性として考えられる修理に関して電子デバイスを査定すること、および保証対象に関して電子デバイスを評価することは全て、デバイスの画面および／またはデバイスの非画面部分における擦過傷、亀裂、水害、または他の外見的欠陥の識別を要求し得る。デバイスの個別化された手動検査は、遅く、煩雑であり得、デバイスの間で一貫性のない結果を生じさせ得る。電子デバイスの物理的および／または外見的状態を評価するためにより効率的な技術の必要性が残っている。

米国特許第８，４６３，６４６号明細書

本開示は、機械学習技法を使用して、携帯電話および／または他の電子デバイスの外見的および／または物理的状態を評価するためのシステムおよび方法の種々の実施形態を説明する。下記にさらに詳細に説明されるように、いくつかの実施形態では、これらのシステムおよび方法は、例えば、携帯電話のディスプレイ画面がひび割れている、または別様に損傷されているかどうかを評価するように、消費者動作型キオスクによって実装されることができる。

電子デバイスの外見的状態を効率的かつ一貫して評価することは、困難であり得る。例えば、電子デバイスの画像に示されるような欠陥の手動識別は、高価で、面倒であり、異なる検査官または同一の検査官の間でさえも変動性の影響を受け得る。手動プロセスもまた、多くの場合に不正確であり得る。例えば、デバイスの画面がオンであるとき、人間の検査官は、外見的欠陥とデバイス上に示される背景画像を区別することが可能ではあり得ない。別の実施例として、デバイスに取り付けられた画面プロテクタまたはケースが、手動検査を困難にし得る。この点に関して、ある特徴またはルールベースの自動パターン認識方法は、満足できる一貫した評価結果を提供することもできない。加えて、外見的状態の評価は、欠陥の所定のセット（例えば、擦過傷、亀裂、へこみ、水害、および／または不良ピクセル）の識別に限定されることができない。むしろ、評価は、デバイスが偽造品であるかどうかを識別すること等の電子デバイスの包括的で全体的な「外観と雰囲気」に対応し得る。したがって、所定の特徴またはルールベースの方法は、種々の外見的評価シナリオをハンドリングするためには非効率的および／または不十分であり得る。

本技術の側面は、機械学習技法（特に、人工ニューラルネットワーク（ＡＮＮ））を使用し、事前決定された特徴またはルールを伴わずに、電子デバイスの画像に基づいて外見的状態評価を実施する。とりわけ、本明細書に説明されるようなＡＮＮの使用は、電子デバイスの画像を処理する際に、（例えば、計算効率、検出正確度、システムロバスト性等の）種々の利点および改良に寄与する。当業者が理解するであろうように、ＡＮＮは、概して、タスク特有のプログラミングを伴わずに、実施例を考慮することによって、タスクを「学習」する（すなわち、その性能を次第に改良する）コンピューティングシステムである。例えば、画像認識では、ＡＮＮは、「ネコ」または「ネコなし」と手動で標識された例示的画像を分析し、結果を使用して他の画像内のネコを識別することによって、ネコを含有する画像を識別することを学習することができる。

ＡＮＮは、典型的には、人工ニューロンと呼ばれる接続された単位またはノードの集合に基づく。人工ニューロンの間の各接続は、１つの人工ニューロンから別の人工ニューロンに信号を伝送することができる。信号を受信する人工ニューロンは、それを処理し、次いで、それに接続される人工ニューロンにシグナリングすることができる。典型的には、ＡＮＮ実装では、人工ニューロンの間の接続における信号は、実数であり、各人工ニューロンの出力は、その入力の総和の非線形関数によって計算される。人工ニューロンおよび接続は、典型的には、学習が進むにつれて適応する、加重を有する。加重は、接続における信号の強度を増加または減少させる。人工ニューロンは、集約信号が閾値を超える場合のみに信号が送信されるように、その閾値を有することができる。典型的には、人工ニューロンは、層内に編成される。異なる層が、それらの入力に異なる種類の変換を実施することができる。信号は、可能性として、層を複数回トラバースした後に、第１の層（入力）から最後の（出力）層まで進行する。

いくつかの実施形態では、本技術によって使用される１つ以上のＡＮＮは、畳み込みニューラルネットワーク（ＣＮＮまたはＣｏｎｖＮｅｔ）を含む。典型的には、ＣＮＮは、最小限の前処理を要求するように設計される、多層パーセプトロンの変形例を使用する。ＣＮＮはまた、それらの共有加重アーキテクチャおよび平行移動不変特性に基づく、偏移不変量または空間不変量人工ニューラルネットワーク（ＳＩＡＮＮ）であり得る。例証的に、ＣＮＮは、ニューロンの間のコネクティビティパターンが動物の視覚野の組織に類似するという点で、生物学的プロセスから着想を得たものである。個々の皮質ニューロンが、受容野として公知である視野の制限された領域内のみの刺激に応答する。異なるニューロンの受容野は、それらが視野全体を被覆するように、部分的に重複する。
本発明は、例えば、以下の項目を提供する。
（項目１）
電子デバイスの状態を評価するためのシステムであって、
キオスクであって、
前記電子デバイスを保持するように構成される検査プレートと、
前記電子デバイスに向かって１つ以上の光ビームを指向するように構成される、前記検査プレートの上方に配列される１つ以上の光源と、
前記１つ以上の光源によって発生される少なくとも１つの照明条件に基づいて、前記電子デバイスの第１の側面の少なくとも１つの画像を捕捉するように構成される１つ以上のカメラと
を含む、キオスクと、
前記１つ以上のカメラと通信する１つ以上のプロセッサであって、前記１つ以上のプロセッサは、
前記電子デバイスの前記少なくとも１つの画像に基づいて、前記電子デバイスの特徴のセットを抽出することと、
第１のニューラルネットワークを介して、前記抽出された特徴のセットに基づいて、前記電子デバイスの状態を決定することと
を行うように構成される、１つ以上のプロセッサと
を備える、システム。
（項目２）
前記１つ以上の光源は、光源の第１のサブセットと、光源の第２のサブセットとを備え、前記光源の第１のサブセットの光ビームおよび前記光源の第２のサブセットの光ビームは、相互に直交するように配列される、項目１に記載のシステム。
（項目３）
前記キオスクはさらに、
前記検査プレートの上方に位置付けられる上側チャンバであって、前記１つ以上の光源は、前記上側チャンバ内に配列される、上側チャンバと、
前記検査プレートの下方に位置付けられる下側チャンバと、
前記検査プレートを通して前記電子デバイスに向かって光ビームを指向するように構成される、前記下側チャンバ内に位置付けられる光源の第２のセットと
を含む、項目１に記載のシステム。
（項目４）
前記キオスクはさらに、
前記電子デバイスを反転させ、前記１つ以上のカメラが前記電子デバイスの第２の側面の少なくとも別の画像を捕捉することを可能にするように構成される反転機構
を含む、項目１に記載のシステム。
（項目５）
前記１つ以上の光源のうちの少なくとも１つは、コリメートされた光ビームを生成するように構成される、項目１に記載のシステム。
（項目６）
前記１つ以上の光源のうちの１つからの光ビームと前記電子デバイスの前記第１の側面との間の角度は、６０度に等しいかまたはそれよりも小さい、項目１に記載のシステム。（項目７）
前記１つ以上のカメラは、異なる照明条件下で前記電子デバイスの複数の側面に対応する複数の画像を捕捉するように構成され、前記１つ以上のプロセッサは、前記複数の画像を処理し、単一の入力画像に組み合わせるように構成される、項目１に記載のシステム。（項目８）
前記第１のニューラルネットワークは、前記電子デバイスの前記状態を示すインジケータを出力するように構成される、項目１に記載のシステム。
（項目９）
前記１つ以上のプロセッサはさらに、前記状態に基づいて前記電子デバイスの推定価格を決定するように構成される、項目１に記載のシステム。
（項目１０）
前記状態は、物理的状態または外見的状態を備える、項目１に記載のシステム。
（項目１１）
電子デバイスの状態を評価するためのシステムであって、
少なくとも１つの光源と、少なくとも１つのカメラとを備える捕捉デバイスであって、前記少なくとも１つのカメラは、１つ以上の所定の設定に基づいて、前記電子デバイスの複数の画像を捕捉するように構成され、前記１つ以上の所定の設定はそれぞれ、（１）前記捕捉デバイスが前記電子デバイスに対して位置付けられる角度、（２）前記少なくとも１つの光源の光強度、（３）前記少なくとも１つのカメラの露出設定、または（４）前記少なくとも１つのカメラのホワイトバランス設定のうちの少なくとも１つを規定する、捕捉デバイスと、
前記捕捉デバイスと通信する１つ以上のプロセッサであって、前記１つ以上のプロセッサは、
前記複数の画像を処理し、単一の入力画像を発生させることと、
前記電子デバイスの少なくとも１つの画像に基づいて、前記電子デバイスの特徴のセットを抽出することと、
第１のニューラルネットワークを介して、前記電子デバイスの状態を決定することと
を行うように構成される、１つ以上のプロセッサと
を備える、システム。
（項目１２）
前記状態は、物理的状態または外見的状態を備える、項目１１に記載のシステム。
（項目１３）
電子デバイスの状態を評価するためのコンピュータ実装方法であって、
キオスクの少なくとも１つのカメラによって、前記電子デバイスの第１の側面の少なくとも１つの画像を捕捉することであって、前記キオスクは、複数の光源を含む、ことと、
前記電子デバイスの前記少なくとも１つの画像に基づいて、前記電子デバイスの特徴のセットを抽出することと、
ニューラルネットワークによって、前記特徴のセットに基づいて前記電子デバイスの状態を決定することと
を含む、方法。
（項目１４）
前記少なくとも１つのカメラを介して、前記複数の光源によって発生される少なくとも１つの照明条件に基づいて、前記第１の側面と異なる前記電子デバイスの第２の側面の少なくとも１つの画像を捕捉することを含む、項目１３に記載の方法。
（項目１５）
前記電子デバイスの前記第２の側面の前記少なくとも１つの画像を捕捉することに先立って、前記複数の光源の光ビームが、前記電子デバイスの第２の側面に向かって指向されるように、前記電子デバイスを反転させることを含む、項目１４に記載の方法。
（項目１６）
前記複数の画像が、一様なサイズを有するように、前記電子デバイスの複数の側面の複数の画像を処理することと、
前記複数の画像を、前記ニューラルネットワークに提供されるべき単一の画像に組み合わせることと
を含む、項目１３に記載の方法。
（項目１７）
前記複数の光源のうちの１つからの光ビームと前記電子デバイスの前記第１の側面との間の角度が、６０度に等しいかまたはそれよりも小さいように、前記複数の光源のうちの１つを調節することを含む、項目１３に記載の方法。
（項目１８）
前記少なくとも１つの画像に部分的に基づいて、前記電子デバイスのモデルを決定することと、
前記モデルに特有である前記電子デバイス上の外見的欠陥を識別することと
を含む、項目１３に記載の方法。
（項目１９）
提案価格の容認または拒否を示す入力をユーザから受信することと、
前記少なくとも１つの画像および前記ユーザからの前記入力に部分的に基づいて、前記ニューラルネットワークを訓練することと
を含む、項目１３に記載の方法。
（項目２０）
前記状態は、物理的状態または外見的状態を備える、項目１３に記載の方法。

図１Ａは、本技術のいくつかの実施形態に従って構成される要素を有する、代表的動作環境の概略図である。

図１Ｂ－１Ｅは、本技術のいくつかの実施形態に従って構成される、選択された内部コンポーネントを図示するように筐体が除去された、図１Ａに示されるキオスクの一連の等角図である。 図１Ｂ－１Ｅは、本技術のいくつかの実施形態に従って構成される、選択された内部コンポーネントを図示するように筐体が除去された、図１Ａに示されるキオスクの一連の等角図である。 図１Ｂ－１Ｅは、本技術のいくつかの実施形態に従って構成される、選択された内部コンポーネントを図示するように筐体が除去された、図１Ａに示されるキオスクの一連の等角図である。 図１Ｂ－１Ｅは、本技術のいくつかの実施形態に従って構成される、選択された内部コンポーネントを図示するように筐体が除去された、図１Ａに示されるキオスクの一連の等角図である。

図２は、本技術のいくつかの実施形態による、電子デバイスの外見的状態を評価するための方法を図示するフローチャートである。

図３は、本技術のいくつかの実施形態に従って実装され得る、例示的ニューラルネットワークを図示する。

図４Ａは、本技術のいくつかの実施形態による、スマートフォンの前側を示す、前処理された画像の実施例を図示する。

図４Ｂは、本技術のいくつかの実施形態による、スマートフォンの前側を示す、前処理された画像の他の実施例を図示する。

図５は、本技術のいくつかの実施形態による、電子デバイスの外見的状態を評価するためのニューラルネットワークを訓練するための方法を図示する、フローチャートである。

図６は、本技術の種々の部分を実装するために利用され得る、コンピュータシステムのための例示的アーキテクチャを図示するブロック図である。

図７は、本技術のいくつかの実施形態による、電子デバイスの物理的状態を評価するための方法のフローチャート表現である。

図８は、本技術のいくつかの実施形態による、消費者デバイスを調べ、提案価格を提供するためのシステムの例示的アーキテクチャを図示する。

図９Ａは、本技術の１つ以上の実施形態による、上側チャンバ内の光源９０１ａ、ｂの例示的配列の側面図を図示する。

図９Ｂは、本技術のいくつかの実施形態による、光源の２つのセットの例示的配列を図示する。

図１０は、本技術のいくつかの実施形態による、別のモバイルデバイスを使用して電子デバイスを評価することの実施例を図示する。

図１１は、本技術のいくつかの実施形態による、ニューラルネットワークを訓練する例示的アーキテクチャを図示する。

図１Ａ－Ｅは、本技術のいくつかの実施形態による、キオスクモデルについての詳細を図示する。図１Ａは、本技術のいくつかの実施形態による、携帯電話および他の消費者電子デバイスの再生利用、売却、および／または他の処理のための例示的キオスク１００を図示する。いくつかの実施形態では、本明細書に説明される技術の少なくともいくつかの部分は、その中に撮像デバイスを含むキオスクを使用して、実行されることができる。例えば、キオスクは、撮像デバイスから受信される画像を処理および評価することができる。キオスクは、例えば、処理コンポーネント（例えば、１つ以上の物理的プロセッサを含む）と、処理コンポーネントによって実行されると、本明細書に説明される少なくともいくつかの動作を実施する、命令を記憶するメモリとを含むことができる。用語「処理」は、概して、電子デバイス上で、それを用いて、または別様にそれに関連して、キオスク１００によって実施または促進され得る、あらゆる種類のサービスおよび動作を指すために、参照を容易にするために本明細書で使用される。そのようなサービスおよび動作は、例えば、携帯電話および他の電子デバイスを売却すること、再販売すること、再生利用すること、寄付すること、交換すること、識別すること、評価すること、価格決定すること、競売にかけること、廃止、そこから、またはそこにデータを転送すること、再構成すること、改造すること等を含むことができる。本技術の多くの実施形態が、携帯電話との関連で本明細書に説明されるが、本技術の側面は、携帯電話に限定されず、概して、他の消費者電子デバイスにも適用されることができる。そのようなデバイスは、非限定的実施例として、あらゆる種類の携帯電話、スマートフォン、ハンドヘルドデバイス、携帯情報端末（ＰＤＡ）、ＭＰ３または他のデジタル音楽プレーヤ、タブレット、ノートブック、ウルトラブック、およびラップトップコンピュータ、全てのタイプの電子書籍リーダ、ＧＰＳデバイス、セットトップボックス、ユニバーサルリモートコントロール、ウェアラブルコンピュータ等を含む。いくつかの実施形態では、キオスク１００は、デスクトップコンピュータ、テレビ、ゲーム機等のより大型の消費者電子デバイス、およびＧｏｏｇｌｅ（Ｒ） Ｇｌａｓｓ（ＴＭ）、スマートウォッチ（例えば、Ａｐｐｌｅ Ｗａｔｃｈ（ＴＭ）、Ｍｏｔｏ ３６０（Ｒ）等のＡｎｄｒｏｉｄ Ｗｅａｒ（ＴＭ）デバイス、またはＰｅｂｂｌｅ Ｓｔｅｅｌ（ＴＭ）ウォッチ）等のより小型の電子デバイスを売却および／または別様に処理することを促進し得ることが、検討される。キオスク１００およびその種々の特徴の実施形態は、参照することによってそれらの全体として組み込まれる、以下の特許および特許出願、すなわち、米国特許第１０，１２７，６４７号、第１０，０５５，７９８号、第１０，０３２，１４０号、第９，９０４，９１１号、第９，８８１，２８４号、第８，２００，５３３号、第８，１９５，５１１号、第８，４６３，６４６号、第８，４２３，４０４号、第８，２３９，２６２号、第８，２００，５３３号、第８，１９５，５１１号、および第７，８８１，９６５号、米国特許出願第１２／５７３，０８９号、第１２／７２７，６２４号、第１３／１１３，４９７号、第１２／７８５，４６５号、第１３／０１７，５６０号、第１３／４３８，９２４号、第１３／７５３，５３９号、第１３／６５８，８２５号、第１３／７３３，９８４号、第１３／７０５，２５２号、第１３／４８７，２９９号、第１３／４９２，８３５号、第１３／５６２，２９２号、第１３／６５８，８２８号、第１３／６９３，０３２号、第１３／７９２，０３０号、第１３／７９４，８１４号、第１３／７９４，８１６号、第１３／８６２，３９５号、第１３／９１３，４０８号、「ＭＥＴＨＯＤＳ ＡＮＤ ＳＹＳＴＥＭＳ ＦＯＲ ＰＲＩＣＩＮＧ ＡＮＤ ＰＥＲＦＯＲＭＩＮＧ ＯＴＨＥＲ ＰＲＯＣＥＳＳＥＳ ＡＳＳＯＣＩＡＴＥＤ ＷＩＴＨ ＲＥＣＹＣＬＩＮＧ ＭＯＢＩＬＥ ＰＨＯＮＥＳ ＡＮＤ ＯＴＨＥＲ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ」と題され、２０１４年９月２６日に出願人によって出願された、米国特許出願第１４／４９８，７６３号、「ＭＡＩＮＴＡＩＮＩＮＧ ＳＥＴＳ ＯＦ ＣＡＢＬＥ ＣＯＭＰＯＮＥＮＴＳ ＵＳＥＤ ＦＯＲ ＷＩＲＥＤ ＡＮＡＬＹＳＩＳ， ＣＨＡＲＧＩＮＧ， ＯＲ ＯＴＨＥＲ ＩＮＴＥＲＡＣＴＩＯＮ ＷＩＴＨ ＰＯＲＴＡＢＬＥ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ」と題され、２０１４年９月２９日に出願人によって出願された、米国特許出願第１４／５００，７３９号、「ＷＩＲＥＬＥＳＳ－ＥＮＡＢＬＥＤ ＫＩＯＳＫ ＦＯＲ ＲＥＣＹＣＬＩＮＧ ＣＯＮＳＵＭＥＲ ＤＥＶＩＣＥＳ」と題され、２０１５年１０月１日に出願人によって出願された、米国特許出願第１４／８７３，１５８号、「ＳＹＳＴＥＭ ＦＯＲ ＥＬＥＣＴＲＩＣＡＬＬＹ ＴＥＳＴＩＮＧ ＭＯＢＩＬＥ ＤＥＶＩＣＥＳ ＡＴ Ａ ＣＯＮＳＵＭＥＲ－ＯＰＥＲＡＴＥＤ ＫＩＯＳＫ， ＡＮＤ ＡＳＳＯＣＩＡＴＥＤ ＤＥＶＩＣＥＳ ＡＮＤ ＭＥＴＨＯＤＳ」と題され、２０１４年１０月３日に出願人によって出願された、米国特許出願第１４／５０６，４４９号、「ＳＹＳＴＥＭＳ ＡＮＤ ＭＥＴＨＯＤＳ ＦＯＲ ＲＥＣＹＣＬＩＮＧ ＣＯＮＳＵＭＥＲ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ」と題され、２０１５年１０月２８日に出願人によって出願された、米国特許出願第１４／９２５，３５７号、「ＭＥＴＨＯＤＳ ＡＮＤ ＳＹＳＴＥＭＳ ＦＯＲ ＦＡＣＩＬＩＴＡＴＩＮＧ ＰＲＯＣＥＳＳＥＳ ＡＳＳＯＣＩＡＴＥＤ ＷＩＴＨ ＩＮＳＵＲＡＮＣＥ ＳＥＲＶＩＣＥＳ ＡＮＤ／ＯＲ ＯＴＨＥＲ ＳＥＲＶＩＣＥＳ ＦＯＲ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ」と題され、２０１５年１０月２８日に出願人によって出願された、米国特許出願第１４／９２５，３７５号、「ＭＥＴＨＯＤＳ ＡＮＤ ＳＹＳＴＥＭＳ ＦＯＲ ＥＶＡＬＵＡＴＩＮＧ ＡＮＤ ＲＥＣＹＣＬＩＮＧ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ」と題され、２０１５年１１月５日に出願人によって出願された、米国特許出願第１４／９３４，１３４号、「ＭＥＴＨＯＤＳ ＡＮＤ ＳＹＳＴＥＭＳ ＦＯＲ ＰＲＯＶＩＤＩＮＧ ＩＮＦＯＲＭＡＴＩＯＮ ＲＥＧＡＲＤＩＮＧ ＣＯＵＰＯＮＳ／ＰＲＯＭＯＴＩＯＮＳ ＡＴ ＫＩＯＳＫＳ ＦＯＲ ＲＥＣＹＣＬＩＮＧ ＭＯＢＩＬＥ ＰＨＯＮＥＳ ＡＮＤ ＯＴＨＥＲ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ」と題され、２０１５年１２月１０日に出願人によって出願された、米国特許出願第１４／９６４，９６３号、「ＭＥＴＨＯＤＳ ＡＮＤ ＳＹＳＴＥＭＳ ＦＯＲ ＩＤＥＮＴＩＦＹＩＮＧ ＭＯＢＩＬＥ ＰＨＯＮＥＳ ＡＮＤ ＯＴＨＥＲ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ」と題され、２０１４年１２月１１日に出願人によって出願された、米国特許出願第１４／５６８，０５１号、「ＳＹＳＴＥＭＳ ＡＮＤ ＭＥＴＨＯＤＳ ＦＯＲ ＲＥＣＹＣＬＩＮＧ ＣＯＮＳＵＭＥＲ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ」と題され、２０１５年１２月１１日に出願人によって出願された、米国特許出願第１４／９６６，３４６号、「ＭＥＴＨＯＤＳ ＡＮＤ ＳＹＳＴＥＭＳ ＦＯＲ ＤＹＮＡＭＩＣ ＰＲＩＣＩＮＧ ＡＮＤ ＰＥＲＦＯＲＭＩＮＧ ＯＴＨＥＲ ＰＲＯＣＥＳＳＥＳ ＡＳＳＯＣＩＡＴＥＤ ＷＩＴＨ ＲＥＣＹＣＬＩＮＧ ＭＯＢＩＬＥ ＰＨＯＮＥＳ ＡＮＤ ＯＴＨＥＲ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ」と題され、２０１５年１月１６日に出願人によって出願された、米国特許出願第１４／５９８，４６９号、「ＳＹＳＴＥＭＳ ＡＮＤ ＭＥＴＨＯＤＳ ＦＯＲ ＩＮＳＰＥＣＴＩＮＧ ＭＯＢＩＬＥ ＤＥＶＩＣＥＳ ＡＮＤ ＯＴＨＥＲ ＣＯＮＳＵＭＥＲ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ ＷＩＴＨ Ａ ＬＡＳＥＲ」と題され、２０１５年３月１７日に出願人によって出願された、米国特許出願第１４／６６０，７６８号、「ＤＥＶＩＣＥ ＲＥＣＹＣＬＩＮＧ ＳＹＳＴＥＭＳ ＷＩＴＨ ＦＡＣＩＡＬ ＲＥＣＯＧＮＩＴＩＯＮ」と題され、２０１５年３月１９日に出願人によって出願された、米国特許出願第１４／６６３，３３１号、「ＭＥＴＨＯＤＳ ＡＮＤ ＳＹＳＴＥＭＳ ＦＯＲ ＶＩＳＵＡＬＬＹ ＥＶＡＬＵＡＴＩＮＧ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ」と題され、２０１５年６月１日に出願人によって出願された、米国仮出願第６２／１６９，０７２号、「ＭＥＴＨＯＤＳ ＡＮＤ ＳＹＳＴＥＭＳ ＦＯＲ ＩＮＳＰＥＣＴＩＮＧ ＭＯＢＩＬＥ ＤＥＶＩＣＥＳ ＡＮＤ ＯＴＨＥＲ ＣＯＮＳＵＭＥＲ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ ＷＩＴＨ ＲＯＢＯＴＩＣ ＡＣＴＵＡＴＩＯＮ」と題され、２０１５年８月７日に出願人によって出願された、米国仮出願第６２／２０２，３３０号、および「ＭＥＴＨＯＤＳ ＡＮＤ ＳＹＳＴＥＭＳ ＦＯＲ ＩＮＴＥＲＡＣＴＩＯＮＳ ＷＩＴＨ Ａ ＳＹＳＴＥＭ ＦＯＲ ＰＵＲＣＨＡＳＩＮＧ ＭＯＢＩＬＥ ＰＨＯＮＥＳ ＡＮＤ ＯＴＨＥＲ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ」と題され、２０１６年３月１日に出願人によって出願された、米国特許出願第１５／０５７，７０７号、「ＭＥＴＨＯＤＳ ＡＮＤ ＳＹＳＴＥＭＳ ＦＯＲ ＤＥＴＥＣＴＩＮＧ ＳＣＲＥＥＮ ＣＯＶＥＲＳ ＯＮ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ」と題され、２０１６年６月８日に出願人によって出願された、米国特許出願第１５／１７６，９７５号に説明される、システム、方法、および対応する特徴に構造および機能が少なくとも概して類似し得る。いくつかの実施形態では、キオスク１００は、「ＳＹＳＴＥＭＳ ＡＮＤ ＭＥＴＨＯＤＳ ＦＯＲ ＶＥＮＤＩＮＧ ＡＮＤ／ＯＲ ＰＵＲＣＨＡＳＩＮＧ ＭＯＢＩＬＥ ＰＨＯＮＥＳ ＡＮＤ ＯＴＨＥＲ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ」と題され、２０１９年１２月１８日に出願された、米国特許出願第１６／７１９，６９９号、「ＫＩＯＳＫ ＦＯＲ ＥＶＡＬＵＡＴＩＮＧ ＡＮＤ ＰＵＲＣＨＡＳＩＮＧ ＵＳＥＤ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ」と題され、２０２０年２月１１日に出願された、米国特許出願第１６／７８８，１６９号、「ＣＯＮＮＥＣＴＯＲ ＣＡＲＲＩＥＲ ＦＯＲ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥ ＫＩＯＳＫ」と題され、２０２０年２月１１日に出願された、米国特許出願第１６／７８８，１５３号、および「ＳＹＳＴＥＭＳ ＡＮＤ ＭＥＴＨＯＤＳ ＦＯＲ ＶＥＮＤＩＮＧ ＡＮＤ／ＯＲ ＰＵＲＣＨＡＳＩＮＧ ＭＯＢＩＬＥ ＰＨＯＮＥＳ ＡＮＤ ＯＴＨＥＲ ＥＬＥＣＴＲＯＮＩＣ ＤＥＶＩＣＥＳ」と題され、２０１９年１２月１８日に出願された、米国仮出願第６２／９５０，０７５号に開示および説明される、キオスクの特徴の多くまたは全てを共有することができる。前述の文に列挙される全ての特許および特許出願、および本明細書で識別される任意の他の特許または特許出願は、参照することによってそれらの全体として本明細書に組み込まれる。

図示される実施形態では、キオスク１００は、携帯電話または他の消費者電子デバイスを再生利用する、売却する、および／またはそれを用いた他の動作を実施するように、ユーザ１０１（例えば、消費者、顧客等）による使用のために構成される、床置きセルフサービスキオスクである。他の実施形態では、キオスク１００は、カウンタまたは類似隆起表面上の使用のために構成されることができる。キオスク１００は、消費者による使用のために構成されるが、種々の実施形態では、キオスク１００および／またはその種々の部分もまた、携帯電話および他の電子デバイスの売却または他の処理を促進するために、小売店員またはキオスクアシスタント等の他のオペレータによって使用されることもできる。

図示される実施形態では、キオスク１００は、ほぼ従来の自動販売機のサイズである、筐体１０２を含む。筐体１０２は、例えば、金属板、プラスチックパネル等からの従来の製造物であり得る。複数のユーザインターフェースデバイスが、命令および他の情報をユーザに提供するために、および／またはユーザからユーザ入力および他の情報を受信するために、筐体１０２の前部分上に提供される。例えば、キオスク１００は、情報、プロンプト等をユーザに提供するためのディスプレイ画面１０４（例えば、液晶ディスプレイ（ＬＣＤ）または発光ダイオード（ＬＥＤ）ディスプレイ画面、投影ディスプレイ（ヘッドアップディスプレイまたは頭部搭載型デバイス等）等）を含むことができる。ディスプレイ画面１０４は、ユーザ入力および表示されたプロンプトへの応答を受信するためのタッチスクリーンを含むことができる。いくつかの実施形態では、キオスク１００は、本目的のための別個のキーボードまたはキーパッドを含むことができる。キオスク１００はまた、ＩＤリーダまたはスキャナ１１２（例えば、運転免許証スキャナ）と、指紋リーダ１１４と、１つ以上のカメラ１１６ａ－ｃ（例えば、カメラとして個別に識別される、デジタルスチルおよび／またはビデオカメラ）とを含むこともできる。キオスク１００は、加えて、出口１１０を有するラベルプリンタ等の出力デバイスと、出口１１８を有する現金自動支払機とを含むことができる。図１Ａ－１Ｅに識別されていないが、キオスク１００はさらに、情報をユーザに可聴に通信するためのスピーカおよび／またはヘッドホンジャック、信号または他の情報をユーザに視覚的に通信するための１つ以上のライト、ユーザから口頭入力を受信するためのハンドセットまたはマイクロホン、カードリーダ（例えば、クレジット／デビットカードリーダ、ポイントカードリーダ等）、領収書またはバウチャプリンタおよびディスペンサ、および他のユーザ入力および出力デバイスを含むことができる。入力デバイスは、タッチパッド、マウス等のポインティングデバイス、ジョイスティック、ペン、ゲームパッド、モーションセンサ、スキャナ、視線方向監視システム等を含むことができる。加えて、キオスク１００はまた、バーコードリーダ、ＱＲコード（登録商標）リーダ、バッグ／パッケージディスペンサ、デジタル署名パッド等を含むこともできる。図示される実施形態では、キオスク１００は、加えて、マーケティング広告および／または他のビデオまたはグラフィカル情報を表示し、ユーザをキオスクに引き付けるためのディスプレイ画面１２２を有する、ヘッダ１２０を含む。上記に説明されるユーザインターフェースデバイスに加えて、筐体１０２の前部分はまた、ディスプレイ画面１０４の直下に位置するアクセスパネルまたはドア１０６も含む。アクセスドアは、ユーザ１０１が、キオスク１００による自動検査、評価、および／または他の処理のために検査エリア１０８内に電子デバイス（例えば、携帯電話）を設置し得るように、自動的に後退するように構成されることができる。

筐体１０２の側壁部分は、ユーザがその携帯電話を再生利用または別様に処理することに役立つためのいくつかの利便性を含むことができる。例えば、図示される実施形態では、キオスク１００は、ユーザが再生利用または別様に廃棄することを所望する、モバイルデバイス付属品を受領するように構成される、付属品仕分け容器１２８を含む。加えて、キオスク１００は、多種多様の携帯電話および他の消費者電子デバイスを充電するための複数の電気コネクタ１２４を伴う無料充電ステーション１２６を提供することができる。

図１Ｂ－１Ｅは、本技術のいくつかの実施形態に従って構成される、選択された内部コンポーネントを図示するように筐体１０２が除去された、キオスク１００の一連の等角図を図示する。最初に図１Ｂを参照すると、図示される実施形態では、キオスク１００は、コネクタキャリア１４０と、図１Ａに示されるようにアクセスドア１０６の背後に動作可能に配置される検査プレート１４４とを含む。図示される実施形態では、コネクタキャリア１４０は、略水平中心軸を中心として回転するように構成され、その外周の周囲に分配される複数の電気コネクタ１４２（例えば、約２５個のコネクタ）を担持する、回転可能なカルーセルである。他の実施形態では、他のタイプのコネクタ担持デバイス（固定および可動配列の両方を含む）も、使用されることができる。いくつかの実施形態では、コネクタ１４２は、電力を提供する、および／または種々の異なる携帯電話および／または他の電子デバイスとデータを交換するように構成される、複数の交換可能なＵＳＢコネクタを含む。動作時に、コネクタキャリア１４０は、その軸を中心として自動的に回転し、再生利用のために検査プレート１４４上に設置された携帯電話１５０等の電子デバイスに隣接してコネクタ１４２のうちの適切なものを位置付けるように構成される。コネクタ１４２は、次いで、手動で、および／または自動的に、コネクタキャリア１４０から引き出され、電気分析のために携帯電話１５０上のポートに接続されることができる。そのような分析は、例えば、メーカ、モデル、構成、状態等の評価を含むことができる。

図示される実施形態では、検査プレート１４４は、（例えば、平行搭載軌道上で）前後に平行移動し、アクセスドア１０６の直接背後の第１の位置と、上側チャンバ１３０と対向する下側チャンバ１３２との間の第２の位置との間で、携帯電話１５０等の電子デバイスを移動させるように構成される。さらに、本実施形態では、検査プレート１４４は、透明または少なくとも部分的に透明（例えば、ガラス、プレキシガラス等から形成される）であり、上側チャンバおよび下側チャンバ１３０および１３２に搭載される、または別様にそれと関連付けられる、撮像デバイス１９０（例えば、１つ以上のカメラ）を使用して、携帯電話１５０が、全てまたは少なくとも大部分の視野角（例えば、上部、底部、側面等）から写真撮影される、および／または別様に光学的に評価されることを可能にする。携帯電話１５０が、第２の位置にあるとき、上側チャンバ１３０は、下向きに平行移動し、概して、上側チャンバ１３０と下側チャンバ１３２との間に携帯電話１５０を封入することができる。上側チャンバ１３０は、上側チャンバ１３０と協調して上下に移動する、ゲート１３８に動作可能に結合される。

いくつかの実施形態では、撮像デバイス１９０は、画面内の亀裂および／または擦過傷を検出するために、モバイルデバイス１５０の上面および底面の画像を捕捉するように上側チャンバ１３０および下側チャンバ１３２の両方内に配置される、１つ以上のカメラを含むことができる。上側チャンバ１３０および／または下側チャンバ１３２は、撮像デバイス１９０がモバイルデバイス１５０上の外見的欠陥を実証する高品質画像を捕捉することを可能にするための１つ以上の光源（例えば、スポットライト）を含むことができる。

いくつかの実施形態では、１つ以上の光源は、上側チャンバ１３０および／または下側チャンバ１３２内に配列される。図９Ａは、本技術の１つ以上の実施形態による、上側チャンバ内の光源９０１ａ、ｂの例示的配列の側面図を図示する。光源９０１ａ、ｂからの光ビーム９１１ａ、ｂは、携帯電話１５０のディスプレイに対して小さい角度（例えば、６０度に等しい、またはそれよりも小さい）を形成し、携帯電話１５０の高反射ディスプレイからの光の直接反射を回避する。１つ以上の光源９０１ａ、ｂと撮像デバイス１９０の１つ以上のカメラ９２１ａ、ｂとの間の相対位置は、携帯電話１５０からの反射された光ビーム９１３ａ、ｂが、カメラ９２１ａ、ｂに到達し得ることを確実にするように、調節されることができる。いくつかの実施形態では、キオスクは、自己較正を実施し、光源の角度を調節し、正しい角度が形成されることを確実にすることができる。いくつかの実施形態では、技術者が、周期的に、またはキオスクの較正を実施する要求に応じて、派遣されることができる。

いくつかの実施形態では、１つ以上の光源は、相互に直交して配列される、光源の２つのセットを含む。モバイルデバイス１５０上の亀裂および／または擦過傷が、異なる方向に（例えば、水平および／または垂直の両方に）延設され得るため、直交して配列された光源の２つのセットを有することは、カメラが亀裂および／または擦過傷の種々の組み合わせを捕捉することを可能にする。例えば、ライトの１つのセットからの光ビームと検査プレート１４４の上側との間の第１の角度が、３０～６０度（例えば、好ましくは４５度）であり得る一方で、ライトの第２のセットからの光ビームと検査プレート１４４の左側との間の第２の角度は、３０～６０度（例えば、好ましくは４５度）であり得る。ライトの２つのセットは、相互に直交して位置付けられる。図９Ｂは、本技術のいくつかの実施形態による、光源の２つのセットの例示的配列を図示する。光源９３１ａ、ｂの第１のセットが、光源９４１ａ、ｂの第２のセットと直交して配列される。光源９３１ａ、ｂの第１のセットからの光ビーム９５１ａ、ｂは、検査プレート１４４の両側（例えば、Ｘ軸および／またはＹ軸）から約４５度である。同様に、光源９４１ａ、ｂの第２のセットからの光ビーム９６１ａ、ｂは、検査プレート１４４の両側（例えば、Ｘ軸および／またはｙ軸）から約４５度である。そのような配列は、検査プレートの側面に沿って配列されるキオスク１００の他のコンポーネントから、画像ノイズまたは影を低減または排除することに役立ち得る。いくつかの実施形態では、光源の付加的セットが、光源の直交配列から可視ではあり得ない損傷を露見させるように、上側チャンバおよび／または下側チャンバ内に配列されることができる。

いくつかの実施形態では、１つ以上の光源からの光ビームは、亀裂および／または擦過傷のより明確な影を生成するようにコリメートされることができる。いくつかの実施形態では、１つ以上の光源は、画像の複数のセットが、露出時間とともに異なる光強度において撮影され得るように、広範囲の輝度をサポートする。例えば、異なるデバイスは、捕捉された画像の処理に影響を及ぼし得る、異なる背景色（例えば、白色の電話または黒色の電話）を有することができる。異なるカメラ露出、異なる光強度、および／または異なるホワイトバランス設定において、画像の少なくとも２つのセットを撮影させることは、デバイスの外見的特徴のより正確な処理を可能にすることができる。

携帯電話１５０が透明プレート１４４上に位置付けられるため、下側チャンバ１３２内に配置される光源からの光ビームは、携帯電話１５０に到達する前に、透明プレート１４４内で付加的反射を受け、それによって、捕捉された画像の品質に影響を及ぼす。したがって、いくつかの実施形態では、撮像デバイス１９０の全てのカメラおよび光源は、上側チャンバ１３０内のみに配置される。キオスク１００は、携帯電話１５０の上面および底面の両方の画像が、カメラと携帯電話１５０との間にいずれの反射も伴わずに捕捉され得るように、携帯電話１５０を反転させるための反転機構１４８（例えば、ロボットアーム）を含むことができる。

さらに、捕捉された画像の品質を改良するために、上側チャンバ１３０および下側チャンバ１３２の色は、露出計を較正するための１８％灰色等の中間灰色であり得る。チャンバの適切な色は、ディスプレイにわたる閃光および携帯電話１５０の細い亀裂の陰のために十分なコントラストを提供する。

キオスク１００によって捕捉される画像は、コンピュータ実装視覚分析への入力品質を確実にする対策として、画像の品質を調べるように、適格な人間のオペレータに伝送されることができる。代替として、捕捉された画像は、画像の品質を自動的に決定するように、かつフィードバックをキオスクに提供するように、別のニューラルネットワークモデルに伝送されることができる。オペレータまたはニューラルネットワークモデルが、特定のキオスクによって捕捉される画像が日常的にある欠陥を明示する（例えば、画像が暗すぎる、画像が露出過剰である等）ことを決定する場合、技術者が、キオスクを再較正し、一様な入力画像が異なるキオスクにおいて取得されることを確実にするように、派遣されることができる。

いくつかの実施形態では、上側チャンバ１３０および／または下側チャンバ１３２はまた、複数の視点から携帯電話１５０を視認する、写真撮影する、および／または別様に視覚的に評価するための１つ以上の拡大ツール、スキャナ（例えば、バーコードスキャナ、赤外線スキャナ等）、または他の撮像コンポーネント（図示せず）およびミラーの配列（同様に図示せず）を含むこともできる。いくつかの実施形態では、上記に議論されるカメラおよび／または他の撮像コンポーネントのうちの１つ以上のものは、デバイス評価を促進するように可動であり得る。例えば、図１Ａに関して上記に記述されるように、撮像デバイス１９０は、アーム等の可動機械コンポーネントに添着されることができ、これは、ひいては、電子コントローラ（例えば、コンピューティングデバイス）に結合されるベルト駆動部、ラックアンドピニオンシステム、またはまたは他の好適な駆動システムを使用して、移動されることができる。検査エリア１０８はまた、その中に設置された電子デバイスのさらなる評価のために、重量計、熱検出器、ＵＶまたは赤外線リーダ／検出器、および同等物を含むこともできる。例えば、重量計、ＵＶまたは赤外線リーダ／検出器からの情報は、正確な情報を提供し、携帯電話１５０のモデルの決定を促進することができる。キオスク１００はさらに、透明プレート１４４からキオスク１００の下側部分内に位置付けられる収集用仕分け容器１３４の中に電子デバイスを指向するための角度付き仕分けプレート１３６を含むことができる。

キオスク１００は、携帯電話および他の消費者電子デバイスの再生利用、売却、および／または他の処理を効率的に促進するためのいくつかの異なる方法で使用されることができる。図１Ａ－１Ｅをともに参照すると、一実施形態では、携帯電話１５０等の使用済み携帯電話を売却することを所望するユーザ１０１が、キオスク１００に接近し、ディスプレイ画面１０４上のプロンプトに応答して、ユーザが売却することを所望するデバイスのタイプ（例えば、携帯電話、タブレット等）を識別する。次に、ユーザは、正確に評価され得るように、デバイスからいずれのケース、ステッカ、または他の付属品も除去するようにプロンプトされることができる。加えて、キオスク１００は、ユーザが携帯電話１５０の裏面に接着させるために、ラベル出口１１０から一意の識別ラベル（例えば、クイックレスポンスコード（「ＱＲコード（登録商標）」）、バーコード、または他の機械可読印等を伴う小型裏面粘着式ステッカ）を印刷および分配することができる。これが終わった後、ドア１０６は、後退および開放し、図１Ｂに示されるように、ユーザが検査エリア１０８内の透明プレート１４４上に携帯電話１５０を設置することを可能にする。ドア１０６は、次いで、閉鎖し、透明プレート１４４は、図１Ｃに示されるように、上側チャンバ１３０の下で携帯電話１５０を移動させる。上側チャンバ１３０は、次いで、下向きに移動し、概して、上側チャンバおよび下側チャンバ１３０および１３２の間に携帯電話１５０を封入し、上側チャンバおよび下側チャンバ１３０および１３２内のカメラおよび／または他の撮像コンポーネントは、携帯電話１５０の視覚検査を実施する。いくつかの実施形態では、携帯電話１５０の視覚検査は、（図２に示されるような）方法２００の少なくとも一部、（図５に示されるような）方法５００の少なくとも一部、および／または（図６に示されるような）方法６００の少なくとも一部を実施し、携帯電話１５０の物理的および／または外見的状態を評価するステップを含む。いくつかの実施形態では、視覚検査は、携帯電話１５０の識別（例えば、メーカ、モデル、および／またはサブモデル）を確認するように、および／または携帯電話１５０および／またはその種々のコンポーネントおよびシステムの状態および／または機能を評価または査定するように、キオスク内の処理デバイスによって実施される、コンピュータ実装視覚分析（例えば、３次元（３Ｄ）分析）を含む。例えば、視覚分析は、携帯電話１５０の長さ、幅、および／または高さ（厚さ）寸法を決定するための上面、側面、および端面視点から撮影された携帯電話１５０の画像のコンピュータ実装評価（例えば、デジタル比較）を含むことができる。視覚分析はさらに、例えば、ガラスの亀裂および／またはＬＣＤの他の損傷または欠陥（例えば、欠陥のあるピクセル等）をチェックするための携帯電話１５０のディスプレイ画面および／または他の表面のコンピュータ実装検査を含むことができる。

次に図１Ｄを参照すると、視覚分析が実施され、デバイスが識別された後に、上側チャンバ１３０は、その上側位置に戻り、透明プレート１４４は、携帯電話１５０をドア１０６の近傍のその初期位置に戻す。ディスプレイ画面１０４はまた、視覚分析に基づいて、および／またはユーザ入力（例えば、電話１５０のタイプ、状態等に関する入力）に基づいて、キオスク１００が携帯電話１５０に関してユーザに提案し得る、推定価格または推定価格範囲を提供することもできる。ユーザが、取引を進めることを所望することを（例えば、タッチスクリーンを介した入力を介して）示す場合、コネクタキャリア１４０は、コネクタ１４２のうちの適切なものを透明プレート１４４に隣接する位置まで自動的に回転させ、ドア１０６は、再び開放される。ユーザは、次いで、カルーセル１４０から選択されたコネクタ１４２（およびその関連付けられるワイヤ）を引き出し、コネクタ１４２を携帯電話１５０上の対応するポート（例えば、ＵＳＢポート）に差し込み、透明プレート１４４上の検査エリア内に携帯電話１５０を再配置するように（例えば、ディスプレイ画面１０４を介して）指示されることができる。そうした後に、ドア１０６は、もう一度閉鎖し、キオスク１００（例えば、キオスクＣＰＵ）は、コネクタ１４２を介してデバイスの電気検査を実施し、電話および具体的コンポーネントの状態、およびメモリ、携帯電話会社等の動作パラメータをさらに評価する。いくつかの実施形態では、電気検査は、電話製造業者情報（例えば、ベンダ識別番号またはＶＩＤ）および製品情報（例えば、製品識別番号またはＰＩＤ）の決定を含むことができる。いくつかの実施形態では、キオスク１００は、本明細書で識別され、参照することによってそれらの全体として組み込まれる、共同所有されている特許および特許出願に詳細に説明される、方法および／またはシステムのうちの１つ以上のものを使用して、電気分析を実施することができる。

携帯電話１５０の視覚および電子分析後、ユーザ１０１は、ディスプレイ画面１０４を介して電話購入価格を提示される。ユーザが、（例えば、タッチスクリーンを介して）価格を辞退する場合、後退機構（図示せず）が、携帯電話１５０からコネクタ１４２を自動的に接続解除し、ドア１０６が、開放し、ユーザが、携帯電話１５０に手を伸ばして回収することができる。ユーザが、価格を容認する場合、ドア１０６は、閉鎖されたままであり、ユーザは、ＩＤスキャナ１１２内にその身分証明書（例えば、運転免許証）を設置し、指紋リーダ１１４を介して親指の指紋を提供するようにプロンプトされることができる。詐欺防止対策として、キオスク１００は、運転免許証の画像を遠隔コンピュータ画面に伝送するように構成されることができ、遠隔コンピュータにおけるオペレータは、運転免許証上の写真（および／または他の情報）を、図１Ａに示されるようなカメラ１１６ａ－ｃのうちの１つ以上のものによって視認されるようなキオスク１００の前に立つ人物の画像と視覚的に比較し、電話１５０を売却しようとする人物が、実際に運転免許証によって識別される人物であることを確認することができる。いくつかの実施形態では、カメラ１１６ａ－ｃのうちの１つ以上のものは、キオスクユーザ、およびキオスク１００に近接している他の個人の視認を促進するように可動であり得る。加えて、人物の指紋が、既知の詐欺犯の記録に対してチェックされることができる。これらのチェックのいずれかが、電話を売却する人物が詐欺の危険性を提示することを示す場合、取引は、辞退されることができ、携帯電話１５０は、返却されることができる。ユーザの身元が検証された後、透明プレート１４４は、上側チャンバおよび下側チャンバ１３０および１３２に向かって戻るように移動する。図１Ｅに示されるように、上側チャンバ１３０が、下側位置にあるとき、ゲート１３８は、その上に担持された電子デバイスではなく、透明プレート１４４が下で摺動することを可能にする。結果として、ゲート１３８は、携帯電話１５０を、透明プレート１４４から仕分けプレート１３６上に、かつ仕分け容器１３４の中に落下させる。キオスクは、次いで、購入価格の支払をユーザに提供することができる。いくつかの実施形態では、支払は、現金出口１１８から分配される現金の形態で行われることができる。他の実施形態では、ユーザは、種々の他の有用な方法で携帯電話１５０への報酬を受領することができる。例えば、ユーザは、償還可能な現金バウチャ、クーポン、電子証明書、プリペイドカード、電子口座（例えば、クレジット口座、掛売口座、ポイント口座、オンライン商取引口座、モバイルウォレット等）への有線または無線預金、ビットコイン等を介して、支払われることができる。

当業者が理解するであろうように、前述のルーチンは、キオスク１００が携帯電話等の消費者電子デバイスを再生利用または別様に処理するために使用され得る、方法のいくつかの実施例にすぎない。前述の実施例は、携帯電話との関連で説明されるが、キオスク１００およびその種々の実施形態はまた、ＭＰ３プレーヤ、タブレットコンピュータ、ＰＤＡ、および他のポータブルデバイス、およびデスクトップコンピュータ、プリンタ、ＣＤ、ＤＶＤ、Ｂｌｕ－ｒａｙ（登録商標）等の上のゲーム、娯楽、または他のデジタルメディアを実装するためのデバイス等の他の比較的にポータブルではない電子デバイス等の事実上あらゆる消費者電子デバイスを再生利用するために、類似様式で使用され得ることを理解されたい。さらに、前述の実施例は、消費者による使用との関連で説明されるが、その種々の実施形態におけるキオスク１００は、その電子デバイスの再生利用、売却、交換等で消費者を支援するために、店員等の他者によって同様に使用されることができる。

図８は、本技術のいくつかの実施形態による、消費者デバイスを調べ、提案価格を提供するためのシステム８００の例示的アーキテクチャを図示する。システム８００は、消費者デバイスについての情報を捕捉する、捕捉モジュール８０１を含む。捕捉モジュール８０１は、図１Ａ－１Ｅに関連して説明されるように、キオスク上に実装されることができる。捕捉モジュール８０１は、消費者デバイスのデバイス識別子（ＩＤ）、消費者デバイスが調べられる時間および／または場所等のデバイス情報８１１を捕捉することができる。捕捉モジュール８０１はまた、デバイスの状態を示し得る、消費者デバイスの外見的欠陥等の種々の特徴を明示する、デバイスの種々の表面の画像８１３を捕捉することもできる。例えば、画像が、デバイスの側面、デバイスの上のボタンの場所または存在、ＬＣＤパネルの健全性を示すために画面から放射される光を示すように、捕捉されることができる。いくつかの実施形態では、画像は、デバイスが損傷の性質および程度を捕捉するように移動している間に捕捉されることができる。画像はまた、擦過傷および／または亀裂の深度を示し、下層の電子機器への影響の推定を促進することもできる。いくつかの実施形態では、システム８００全体が、キオスク１００上に実装されることができる。

捕捉モジュール８０１によって捕捉される入力情報は、入力された消費者デバイスに関する候補価格を決定するように構成される、価格予測モデル８０３に伝送される。価格予測モデル８０５は、入力情報から特徴（例えば、擦過傷、細い亀裂、水害の跡）を抽出し、デバイス上の外見的欠陥の数に基づいて、候補価格を決定することができる。代替として、および／または加えて、捕捉モジュール８０１は、入力情報から特徴を抽出し、抽出された特徴を価格予測モデル８０３に伝送し、デバイス上の外見的欠陥の数に基づいて、候補価格を決定することができる。

システム８００はまた、捕捉モジュール８０１および価格予測モデル８０５の両方から入力を受容する、価格決定ポリシモデル８０５も含む。価格決定ポリシモデル８０５は、種々のサブモデルを活用し、最終提案価格を発生させることができる。サブモデルは、少なくとも、再販売価値を予測するためのサブモデル、消費者デバイスの到着量を予測するためのサブモデル、デバイスと関連付けられる処理コストを予測するためのサブモデル、および／または予測プロセスを促進するための他のサブモデルを含むことができる。最終提案価格に影響を及ぼし得る付加的特徴は、キオスクの場所、デバイスが調べられた時間、デバイスの経年、予測修理コスト、類似状態時のデバイスの量、偽造または詐欺の危険性、デバイスの予想需要、予測再販売チャネル、デバイスから読み出される他の電気情報を含む。これらのサブモデルは、価格決定ポリシモデルを伴って中心的に位置することができる。サブモデルはまた、クラウドベースのコンピューティングサービスの一部として、ネットワーク内の異なる場所を横断して分散されることもできる。モデルおよび／またはサブモデルはそれぞれ、ＣＮＮおよび／またはＣｏｎｖＮｅｔ等のニューラルネットワークを使用して実装されることができる。人間のオペレータと比較すると、ニューラルネットワークは、異なる地理的場所を横断してより一貫した分析結果を生成することができ、多数の消費者デバイスが評価される必要があるときに、さらに拡張可能である。

顧客の最終提案価格の容認または拒否に応じて、本消費者デバイスのための関連性があるデータは、モデルのさらなる訓練および改良のために価格予測モデルにフィードバックされることができる。上記に述べられるように、捕捉モジュール８０１が、キオスク内に展開されることができる一方で、システムの他の部品は、遠隔サーバ内に分散様式で位置する。いくつかの実施形態では、システム全体が、図１Ａ－１Ｅに関連して詳細に説明されるように、キオスク内に展開されることができる。

いくつかの実施形態では、（図１Ａ－１Ｅに関連して議論されるように）使用済み消費者デバイスの評価を実施するためのキオスクを見出す代わりに、顧客は、捕捉モジュール８０１のソフトウェア実装を別のデバイス（例えば、別の携帯電話、タブレット、ウェアラブルデバイス等）上にダウンロードおよびインストールすることができる。捕捉モジュール８０１のソフトウェア実装は、デバイス情報８１１（例えば、デバイスＩＤ、ブランド、モデル等）を規定するように、かつ標的消費者デバイスの画像８１３を捕捉するように、ユーザインターフェースを顧客に提供することができる。図１０は、本技術のいくつかの実施形態による、別のモバイルデバイス１００３を使用して電子デバイス１００５を評価することの実施例を図示する。顧客１００１が、ソフトウェアアプリケーションをその現在のモバイルデバイス１００３（捕捉デバイスとも称される）にダウンロードすることができる。ソフトウェアアプリケーションは、モバイルデバイス１００３の光源（例えば、フラッシュライト）および／またはカメラのうちの１つ以上のものを制御し、標的電子デバイス１００５の少なくとも１つの画像を捕捉するように構成される。顧客１００１はまた、ユーザインターフェースを介して、デバイス製造業者、モデル、購入日、一般的状態、デバイス特徴等の標的デバイス１００５についての付加的情報を提供するようにプロンプトされることもできる。

図８に戻って参照すると、入力データ（例えば、捕捉された画像および／または顧客によって提供される付加的デバイス情報）が、ネットワークを経由して、価格予測モデル８０３および価格決定ポリシモデル８０５をホストし、標的デバイスの状態および／または最終提案価格を決定する、遠隔サーバに伝送されることができる。いったん最終提案価格が決定されると、捕捉モジュール８０１は、捕捉デバイスのユーザインターフェース上に標的デバイスの最終提案価格を表示することができ、顧客は、提案価格を容認または拒否するかどうかを決定することができる。顧客の最終提案価格の容認または拒否に応じて、本消費者デバイスのための関連性があるデータは、モデルのさらなる訓練のために価格予測モデル８０３にフィードバックされることができる。顧客が、提案価格を容認する場合、捕捉モジュール８０１は、デバイスを梱包し、対応する再生利用および処理センタに郵送するためのさらなる命令を提供することができる。

捕捉された画像の画質を確実にするために、いくつかの実施形態では、捕捉モジュール８０１は、捕捉デバイスの光源を制御し、種々の光条件を生成することができる。捕捉モデル８０１はさらに、事前決定された設定またはテンプレートのセットを提供し、標的消費者デバイスの画像を撮影するように顧客を誘導することができる。各設定またはテンプレートは、少なくとも、使用済み消費者デバイスに対して捕捉デバイスを保持するための所望の角度、所望の露出レベル、所望の光強度、所望のホワイトバランスレベル、輝度、コントラスト、および／または他のパラメータを規定することができる。事前決定されたテンプレートは、ユーザが一様な入力データを捕捉することに役立ち、本システムが一貫した分析結果を発生させることを可能にする。

ある場合には、ネットワーク帯域幅限界は、大量の入力データ（例えば、画像の大型セット）が遠隔サーバに伝送される必要があるときに、遅延を引き起こし得る。そのような問題に対処するために、計算論理の一部（例えば、捕捉された画像の前処理）が、捕捉デバイス上にローカルで展開されることができる。例えば、特徴抽出を実施し、外見的欠陥（例えば、擦過傷、亀裂、水の跡等）を抽出する、ニューラルネットワークが、捕捉モジュールの一部として、捕捉デバイス上に展開されることができる。いったん特徴が抽出されると、抽出された特徴およびデバイスについての情報（例えば、デバイスＩＤ、モデル、発売日）のみが、ネットワークを経由して予測およびポリシモデルに伝送され、それによって、関連性があるデータを伝送するための帯域幅要件を低減させる。

いくつかの実施形態では、画像の前処理はまた、ニューラルネットワークの中にフィードするべき入力として予備特徴を発生させるためのフィルタリング、スクラビング、正規化、または同等物等の動作も含む。上記に議論されるように、捕捉された画像を前処理することは、いくつかの実施形態では、データを伝送するためのネットワーク帯域幅限界を軽減することができる。画像の前処理はまた、キオスクと異なり、顧客が、概して、デバイスのカメラおよび位置の正確な制御を有していないため、顧客自身のデバイス上に展開される捕捉モジュールのために特に有用であり得る。例えば、前処理は、オブジェクト検出アルゴリズムを採用し、いずれの消費者デバイスも含むことができない画像を除去することができる。画像の前処理はまた、一貫した結果を生成するように、ニューラルネットワークによる視覚分析のために好適である、一様な入力を発生させることもできる。例えば、画像分割技法に基づいて、電子デバイスの画像が、電子デバイスの一側面（例えば、前部、後部、上部、底部、または同等物）を示すように切り取られることができる。同一のデバイスに関して、異なる側面を示す、切り取られた画像が、単一の画像に組み合わせられることができる。

図２は、本技術のいくつかの実施形態による、電子デバイスの外見的状態を評価するための方法２００を図示するフローチャートである。図２を参照すると、本方法は、電子デバイスの１つ以上の画像を前処理モジュール２１０にフィードするステップを含む。いくつかの実施形態では、画像が、図１Ａ－１Ｅを参照して説明されるようなキオスク１００の種々のカメラおよび／または他の撮像コンポーネント、または顧客によって所有される捕捉デバイスによって取得されることができる。上記に説明されるように、画像は、予備特徴を発生させるように前処理されることができる。いくつかの実施形態では、前処理は、キオスク１００の処理コンポーネントによって、または捕捉デバイスによって実施されることができる。他の実施形態では、画像は、遠隔システムまたはデバイス（例えば、クラウドベースのコンピューティングサービス）に伝送されることができ、前処理動作のうちの少なくともいくつかまたは全てが、遠隔で実施されることができる。例証的に、電子デバイスの画像が、電子デバイスの一側面（例えば、前部、後部、上部、底部、または同等物）を示すように切り取られることができる。代替として、または加えて、画像は、自然および／または制御された照明下で撮影されることができる。なおもさらに、画像は、デバイスの電源がオンまたはオフにされている間に撮影されることができる。同一のデバイスに関して、異なる側面を示す切り取られた画像、異なる照明下で撮影された画像、デバイスがオンまたはオフである間に撮影された画像、および／または他の制御／未制御条件を伴って撮影されたデバイスの画像が、単一の画像に組み合わせられることができる。

前処理はさらに、画像（オリジナル画像、組み合わせられた画像、または別様に処理された画像のいずれか）を所定のサイズにサイズ変更するステップを含むことができる。画像は、一様な入力を外見的評価ニューラルネットワークに提供するようにサイズ変更される。ニューラルネットワーク入力のための所定のサイズは、概して、外見的欠陥を検出する能力に影響を及ぼさない様式で、決定されることができる。例えば、所定のサイズは、オリジナル画像に示される損傷または欠陥が、依然として、サイズ変更された画像内に出現するように、十分に大きくなければならない。例証的に、各画像は、２９９×２９９ピクセルにサイズ変更されることができる。いくつかの実施形態では、画像が、カラー画像である場合、本技術は、赤色、緑色、および青色の色空間を分離し、画像を３次元整数行列に変換することができる。

いくつかの実施形態では、画像が、カラー画像である場合、本技術は、種々の色空間（例えば、赤色、緑色、および青色の色空間）を分離し、画像を多次元（例えば、３次元）整数行列に変換することができる。例えば、標準ＲＧＢエンコーディングで使用されるように、行列内の各値は、０～２５５に及ぶ整数である。いくつかの実施形態では、行列は、２５５で除算し、行列入力毎に０～１の１０進値を生成することによって、スケール変更されることができる。

図４Ａおよび４Ｂは、本技術のいくつかの実施形態による、ニューラルネットワークに入力するための前処理された画像４００ａ－ｈの実施例を図示する。図４Ａは、３つの異なるシナリオ、すなわち、画面がオンにされた第１のホワイトバランス設定の照明４００ａ、画面がオンにされた第２のホワイトバランス設定の照明４００ｂ、オフにされた画面４００ｃの下でのスマートフォン４０２の前側、およびスマートフォンの裏側４００ｄを示す、組み合わせられた画像を図示する。画像は、明白な擦過傷または細い亀裂を示さず、したがって、スマートフォン４０２は、「外見上良好」な状態と見なされることができる。図４Ｂは、３つの異なるシナリオ、すなわち、画面がオンにされた第１のホワイトバランス設定の照明４００ｅ、画面がオンにされた第２のホワイトバランス設定の照明４００ｆ、オフにされた画面４００ｇの下でのスマートフォン４０４の前側、およびスマートフォンの裏側４００ｈを示す、組み合わせられた画像を図示する。本組み合わせられた画像は、スマートフォン４０４の画面上の擦過傷を示し、したがって、スマートフォン４０４は、「外見上不良」な状態と見なされることができる。

図２に戻って参照すると、方法２００は、予備特徴２１２（例えば、前処理が実施されるかどうか、またはその方法に応じて、オリジナル画像、前処理された画像、または３次元行列）をニューラルネットワーク２２０の中にフィードするステップを含む。ニューラルネットワークは、図１Ｆに示されるような価格予測モデルおよび価格決定ポリシモデルを含むことができる。方法２００はさらに、ニューラルネットワーク２２０から出力２２２を取得するステップを含む。

いくつかの実施形態では、ニューラルネットワークの出力は、整数０または１を含む。０は、「外見上良好」（例えば、ひび割れていない、有意な擦過傷を伴わない、または同等物）を表すことができ、１は、「外見上不良」（例えば、ひび割れている、有意な擦過傷を伴うまたは同等物）を表すことができる。これらの実施形態では、入力を０～１の範囲にスケール変更することは、入力および出力がより密接に整合されるにつれて、ネットワークがより一貫して訓練することに役立ち得る。いくつかの実施形態では、２進値の代わりに、ニューラルネットワークの出力は、消費者デバイス上の損傷の重大性を示す、値の範囲のスコアであり得る。ニューラルネットワークの出力はまた、外見的評定またはカテゴリ、検出される欠陥のタイプ、検出される欠陥の配向、検出される欠陥の場所、検出される欠陥のサイズ、関連付けられる信頼レベル、または他の外見的評価インジケーションのうちの少なくとも１つを含むこともできる。いくつかの実施形態では、ニューラルネットワークの出力はさらに、入力画像に示される電子デバイスのブランド、モデル、および／またはタイプを含むことができる。実験結果は、外見的欠陥を決定する際のニューラルネットワークの正確度が、平均的な人間の能力（約８９．９％の正確度）を超える、９１％を達成し得ることを実証した。

上記に議論されるように、ニューラルネットワーク２２０は、図１Ａ－Ｅを参照して上記に説明されるようなキオスク１００の処理コンポーネントまたはユーザデバイスの一部として、実装されることができる。他の実施形態では、ニューラルネットワーク２２０の少なくともある部分が、遠隔システムまたはデバイス（例えば、クラウドベースのコンピューティングサービス）上に実装されることができる。これらの場合において、入力データ（例えば、電子デバイス２０２の画像）、予備特徴２１２、および／またはある中間データ（例えば、ニューラルネットワーク層の間の入力／出力）の完全なセットが、処理のために遠隔システムまたはデバイスに伝送されることができる。

図３は、本技術のいくつかの実施形態に従って実装され得る、例示的ニューラルネットワーク３００を図示する。例示的ニューラルネットワーク３００は、ＣＮＮまたは修正されたＣＮＮであり得る。例示的ニューラルネットワーク３００は、２つの主要なタイプのネットワーク層、すなわち、畳み込み層およびプーリング層を含むことができる。畳み込み層が、畳み込み層への入力から種々の特徴を抽出するために使用されることができる。特に、異なるカーネルサイズが、擦過傷および／または細い亀裂が種々のサイズを有するという事実を考慮するように、特徴抽出のために畳み込み層内で適用されることができる。プーリング層が、プーリング層に入力される特徴を圧縮し、それによって、ニューラルネットワークのための訓練パラメータの数を削減し、モデル過剰適合の程度を緩和するために、利用されることができる。例示的ニューラルネットワーク３００は、種々の構造配列（例えば、直列接続）で相互と接続される、複数のカスケード式畳み込みおよびプーリング層を含むことができる。いくつかの実施形態では、ネットワークの最終層は、高密度の完全に接続されたノードの層、過剰適合を軽減するためのドロップアウト層、および／または最終分類を導出するための１つ以上のシグモイドアクティブ化を含むことができる。いくつかの実施形態では、シグモイドアクティブ化が、２進予測（例えば、デバイスの状態が容認可能であるかどうかを示す、値０および１を出力する）のために使用されることができる。いくつかの実施形態では、他のタイプのアクティブ化（例えば、ソフトマックスアクティブ化）が、ニューラルネットワークが異なるカテゴリの予測（例えば、「詐欺－購入してはいけない」、「偽物」等）を出力し得るように、使用されることができる。

図１１は、本技術のいくつかの実施形態による、ニューラルネットワークを訓練する例示的アーキテクチャ１１００を図示する。図１１に示されるように、ニューラルネットワークは、検査官１１０３（例えば、人間の検査官、電子標識システム等）によって標識された、事前収集された画像１１０１を使用して、訓練されることができる。いくつかの実施形態では、訓練セット内の画像はそれぞれ、少なくとも閾値数の検査官（例えば、２人の人間の検査官）によって合意される外見的評価インジケーション（例えば、「外見上良好」または「外見上不良」）と関連付けられる。したがって、訓練セットは、閾値数の検査官が合意した特定の外見的ステータス時の電子デバイスの代表的画像を含み、外見的ステータスは、現場にデバイス電話の存在を要求することなく、視覚検査によって合理的に決定されることができる。

訓練セットは、いったん展開されると、機械学習システム１１０５（例えば、ニューラルネットワーク）の入力に寄与する画像と同一の方法で前処理された画像を含むことができる。訓練セットは、各明確に異なる外見的評価インジケーションと関連付けられる、画像の等しいサイズまたは実質的に等しいサイズの（例えば、サイズが５％、１０％、または１５％差以内である）サブセットを含むことができる。例えば、訓練で使用される約７００，０００の画像に関して、約３５０，０００が、「外見上良好」インジケーションと関連付けられ、他の３５０，０００が、「外見上不良」インジケーションと関連付けられる。このように訓練セットを分割することは、出力が、訓練セットの大部分によって反映されるものに有利に働くようにバイアスをかけられ得る、訓練されたニューラルネットワークのある「無作為推測」効果を防止または軽減することができる。いくつかの実施形態では、訓練セット内の画像のうちの少なくともいくつかは、訓練セット内に包含するための付加的画像を発生させるように、ミラーリングされる、回転される、または他の位置処理を受けることができる。

訓練されたニューラルネットワーク１１０５は、人間の検査官１１０３によって標識された、他の事前収集された画像を使用して、正当性を立証されることができる。訓練セットと同様に、立証セットは、各明確に異なる外見的評価インジケーションと関連付けられる画像のサブセットを含むことができる。訓練セットと対照的に、サブセットの相対サイズは、より一貫している、または前もって評価された電子デバイスの実世界統計を別様に反映する。例証的に、約３００，０００の画像が、訓練されたニューラルネットワークの正当性を立証するために使用される。

いくつかの実施形態では、機械学習システム１１０５（例えば、ニューラルネットワーク）は、立証成功（例えば、立証セットにわたるネットワークの出力の誤検出および／または未検出率が、所定の閾値を超えない）後に展開される。展開されたネットワークへの捕捉された画像１１０７の一部および／または人間の検査官によって検証された関連付けられる出力等の付加的データが、ニューラルネットワークのさらなる訓練のために収集されることができる。いくつかの実施形態では、さらなる訓練の段毎に、入力層により近い（例えば、閾値数以内の）層が、フリーズされることができる一方で、出力により近い層のパラメータは、調節されることができる。そうすることは、ネットワークによってすでに学習されている具体的な基本側面（例えば、異なる配向へのごくわずかな亀裂を表す）を留保することに役立ち得る一方で、ネットワークが、より一般化された高位レベル特徴を対象とするパラメータを調節することを可能にし、これは、デバイスのより新しいモデル、異なる照明、および／または他の変更されたシナリオに効率的に適合し得る。例えば、ｉＰｈｏｎｅ（登録商標） ８に関して亀裂について訓練するときに学習される具体的な基本特徴は、電話がサイズ、形状、色等において異なる場合でさえも、Ｇａｌａｘｙ ９上の亀裂を検出するために依然として適用可能であり得る。図１１に示されるようないくつかの実施形態では、捕捉された画像の一部が、手動評価を実施する、および／または機械学習システム１１０５のためにさらなる訓練データを発生させるように、人間の検査官１１０３に指向されることができる。

図５は、本技術のいくつかの実施形態による、電子デバイスの外見的状態を評価するためのニューラルネットワークを訓練するための方法５００を図示する、フローチャートである。種々の実施形態では、方法５００は、図１Ａ－１Ｅを参照して説明されるようなキオスク１００と関連付けられる遠隔システムまたはデバイスによって、実施されることができる。図５を参照すると、ブロック５１０では、方法５００は、各明確に異なる外見的評価インジケーションと関連付けられる、画像の等しいサイズまたは類似サイズのサブセットを含む、訓練セットを生成するステップを含む。

訓練セットは、人間の検査官によって標識された、事前収集された画像（例えば、キオスク１００によって取得されるもの）を含むことができる。いくつかの実施形態では、訓練セット内の画像はそれぞれ、少なくとも２人の人間の検査官によって合意される外見的評価インジケーション（例えば、「外見上良好」または「外見上不良」）と関連付けられる。訓練セット内の画像は、いったん展開されると、ニューラルネットワークの入力に寄与する画像と同一の方法で前処理されることができる。訓練セットは、各明確に異なる外見的評価インジケーションと関連付けられる、画像の等しいサイズまたは実質的に等しいサイズの（例えば、サイズが５％、１０％、または１５％差以内である）サブセットを含むことができる。いくつかの実施形態では、訓練セット内の画像のうちの少なくともいくつかは、訓練セット内に包含するための付加的画像を発生させるように、ミラーリングされる、回転される、または他の位置処理を受けることができる。

加えて、訓練セットは、モデルが、デバイスの特定のセットに特有である損傷を識別するように訓練され得るように、デバイスについての情報（例えば、ブランド、モデル、発売日）を含むことができる。

ブロック５２０では、方法５００は、訓練セットに基づいて、ニューラルネットワークの少なくとも一部を訓練するステップを含む。例証的に、訓練セットは、ネットワーク入力および関連付けられる出力の「グランドトゥルース」サンプル（例えば、電子デバイスのサンプル画像および関連付けられる外見的評価インジケーション）を提供し、ニューラルネットワークのコンポーネントは、当業者によって適切と見なされるような種々の方法で訓練されることができる。ニューラルネットワークのパラメータは、訓練セット内の十分に多数の訓練サンプルを通して学習されることができる。

ブロック５３０では、方法５００は、概して、実世界統計で反映されるような相対サイズにおいて一貫している、各明確に異なる外見的評価インジケーションと関連付けられる画像のサブセットを含む、立証セットを生成するステップを含む。訓練セットと同様に、立証セットは、各明確に異なる外見的評価インジケーションと関連付けられる画像のサブセットを含むことができる。訓練セットと対照的に、サブセットの相対サイズは、より一貫している、または前もって評価された電子デバイスの実世界統計を別様に反映し得る。

ブロック５４０では、方法５００は、訓練されたニューラルネットワークの正当性を立証し、成功した場合、ニューラルネットワークを展開するステップを含む。上記に説明されるように、いくつかの実施形態では、出力の各部類が、訓練の間に等しく（または実質的に等しく）表され、出力部類の間の比は、立証の間のフィールド統計とより一致する。そのような配列は、訓練されたネットワークが、概して、特定の方向への全ての入力（例えば、特定の外見的評価インジケーション）を分類しているわけではなく、依然として、データセットにあまり表されていない外見的状態を効果的に抽出し得ることを決定するための根拠であり得る。

ニューラルネットワークは、立証成功（例えば、立証セットにわたるネットワークの出力の誤検出および／または検出漏れ率が、所定の閾値を超えない）後に（例えば、キオスク１００上で実行されるように、または顧客のデバイス上の捕捉モジュールの一部として）展開されることができる。いくつかの実施形態では、方法５００は、ニューラルネットワークのさらなる訓練のための付加的データ（例えば、人間の検査官によって検証された、展開されたネットワークへの入力および関連付けられる出力）を収集するステップを含む。これは、方法のブロック５１０に戻るようにループすることによって達成されることができる。いくつかの実施形態では、さらなる訓練の段毎に、入力層により近い（例えば、閾値数以内の）層が、フリーズされることができる一方で、出力により近い層のパラメータは、調節されることができる。そうすることは、ネットワークによってすでに学習されている具体的な基本側面（例えば、異なる配向へのごくわずかな亀裂を表す）を留保することに役立ち得る一方で、ネットワークが、より一般化された高位レベル特徴を対象とするパラメータを調節することを可能にし、これは、デバイスのより新しいモデル、異なる照明、および／または他の変更されたシナリオに効率的に適合し得る。

図６は、本技術の種々の部分を実装するために利用され得る、コンピュータシステム６００のためのアーキテクチャの実施例を図示するブロック図である。図６では、コンピュータシステム６００は、相互結線６２５を介して接続される、１つ以上のプロセッサ６０５と、メモリ６１０とを含む。相互結線６２５は、適切なブリッジ、アダプタ、またはコントローラによって接続される、いずれか１つ以上の別個の物理的バス、ポイントツーポイント接続、または両方を表すことができる。相互結線６２５は、したがって、例えば、システムバス、周辺コンポーネント相互接続（ＰＣＩ）バス、ＨｙｐｅｒＴｒａｎｓｐｏｒｔまたは業界標準アーキテクチャ（ＩＳＡ）バス、小型コンピュータシステムインターフェース（ＳＣＳＩ）バス、ユニバーサルシリアルバス（ＵＳＢ）、ＩＩＣ（Ｉ２Ｃ）バス、または時として「Ｆｉｒｅｗｉｒｅ」と称されることもある、Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅｌｅｃｔｒｉｃａｌ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃｓ Ｅｎｇｉｎｅｅｒｓ（ＩＥＥＥ）標準６７４バスを含むことができる。

プロセッサ６０５は、例えば、ホストコンピュータの全体的動作を制御するための中央処理ユニット（ＣＰＵ）を含むことができる。ある実施形態では、プロセッサ６０５は、メモリ６１０内に記憶されたソフトウェアまたはファームウェアを実行することによって、これを遂行する。プロセッサ６０５は、１つ以上のプログラマブル汎用または専用マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ）、プログラマブルコントローラ、特定用途向け集積回路（ＡＳＩＣ）、プログラマブル論理デバイス（ＰＬＤ）、または同等物、またはそのようなデバイスの組み合わせであり得る、またはそれを含むことができる。

メモリ６１０は、コンピュータシステムのメインメモリであり得る、またはそれを含むことができる。メモリ６１０は、任意の好適な形態のランダムアクセスメモリ（ＲＡＭ）、読取専用（ＲＯＭ）、フラッシュメモリ、または同等物、またはそのようなデバイスの組み合わせを表す。使用時、メモリ６１０は、とりわけ、プロセッサ６０５によって実行されると、プロセッサ６０５に、本技術の実施形態を実装するための動作を実施させる、機械命令のセットを含有することができる。いくつかの実施形態では、メモリ６１０は、コンピュータハードウェアおよびソフトウェアリソースを管理し、コンピュータプログラムのための共通サービスを提供する、オペレーティングシステム（ＯＳ）６３０を含有することができる。

また、相互結線６２５を通してプロセッサ６０５に接続されるものは、（随意の）ネットワークアダプタ６１５である。ネットワークアダプタ６１５は、記憶クライアントおよび／または他の記憶サーバ等の遠隔デバイスと通信する能力をコンピュータシステム６００に提供し、例えば、イーサネット（登録商標）アダプタまたはファイバチャネルアダプタであり得る。

本明細書に説明される技法は、例えば、ソフトウェアおよび／またはファームウェアを用いてプログラムされるプログラマブル回路（例えば、１つ以上のマイクロプロセッサ）によって、または完全に専用配線回路で、またはそのような形態の組み合わせで、実装されることができる。専用配線回路は、例えば、１つ以上の特定用途向け集積回路（ＡＳＩＣ）、プログラマブル論理デバイス（ＰＬＤ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）等の形態であり得る。開示される技法を使用して実装されるシステムは、ネットワークリソース、帯域幅コスト、所望の性能等に従って、中心的（例えば、キオスク）または分散様式（例えば、クライアントデバイスおよび遠隔サーバ）のいずれかで展開されることができる。

本明細書で導入される技法を実装する際に使用するためのソフトウェアまたはファームウェアは、機械可読記憶媒体上に記憶されることができ、１つ以上の汎用または専用プログラマブルマイクロプロセッサによって実行されることができる。「機械可読記憶媒体」は、本用語が本明細書で使用されると、機械によってアクセス可能な形態で情報を記憶し得る、任意の機構を含む（機械は、例えば、コンピュータ、ネットワークデバイス、携帯電話、携帯情報端末（ＰＤＡ）、製造ツール、１つ以上のプロセッサを伴う任意のデバイス等であり得る）。例えば、機械アクセス可能記憶媒体は、記録可能／非記録可能媒体（例えば、読取専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、磁気ディスク記憶媒体、光学記憶媒体、フラッシュメモリデバイス等）を含む。本明細書で使用されるような用語「論理」は、例えば、具体的ソフトウェアおよび／またはファームウェアを用いてプログラムされるプログラマブル回路、専用配線回路、またはそれらの組み合わせを含むことができる。

図７は、本技術のいくつかの実施形態による、電子デバイスの状態を評価するための方法７００のフローチャート表現である。方法７００は、動作７１０において、キオスクの少なくとも１つのカメラによって、電子デバイスの第１の側面の少なくとも１つの画像を捕捉するステップを含み、キオスクは、複数の光源を含む。方法７００は、動作７２０において、ニューラルネットワークによって、電子デバイスの少なくとも１つの画像に基づいて、電子デバイスの特徴のセットを抽出するステップを含む。方法７００はまた、動作８３０において、特徴のセットに基づいて、電子デバイスの状態を決定するステップを含む。

いくつかの実施形態では、本方法は、少なくとも１つのカメラを介して、複数の光源によって発生される少なくとも１つの照明条件に基づいて、第１の側面と異なる電子デバイスの第２の側面の少なくとも１つの画像を捕捉するステップを含む。光源および／またはカメラの異なる設定を使用し、異なる照明条件を生成することは、擦過傷および／または細い亀裂の撮像を促進することができる。電子デバイスの第２の側面を撮像するために、本方法は、電子デバイスの第２の側面の少なくとも１つの画像を捕捉することに先立って、光ビームが、電子デバイスの第２の側面に向かって指向されるように、電子デバイスを反転させるステップを含むことができる。いくつかの実施形態では、画像が、図４Ａ－Ｂに関連して説明されるように前処理される。本方法は、複数の画像が、一様なサイズを有するように、電子デバイスの複数の側面の複数の画像を処理するステップと、複数の画像を、ニューラルネットワークに提供されるべき単一の画像に組み合わせるステップとを含む。

光ビームの角度および光源の配列は、図９Ａ－Ｂに関連して議論されるように、最終的な捕捉された画像に影響を及ぼし得る。いくつかの実施形態では、本方法は、光源からの光ビームと電子デバイスの第１の側面との間の角度が、６０度に等しい、またはそれよりも小さいように、複数の光源のうちの１つを調節するステップを含む。

いくつかの実施形態では、本方法は、少なくとも１つの画像に部分的に基づいて、電子デバイスのモデルを決定するステップと、モデルに特有である電子デバイス上の外見的欠陥を識別するステップとを含む。いくつかの実施形態では、本方法は、第２のニューラルネットワークを介して、初期推定価格に部分的に基づいて、電子デバイスの価格を決定するステップを含む。最終提案価格はさらに、少なくとも、（１）電子デバイスの予測再販売価値、（２）電子デバイスのモデルの予測到着量、または（３）電子デバイスの予測処理コストに基づいて、決定されることができる。いくつかの実施形態では、本方法は、最終価格の容認または拒否を示す入力をユーザから受信するステップと、少なくとも１つの画像およびユーザからの入力に部分的に基づいて、ニューラルネットワークを訓練するステップとを含む。

開示される技法のいくつかの実施例が、下記にさらに説明される。

（実施例１）電子デバイスの状態を評価するためのシステムであって、電子デバイスを保持するように構成される、検査プレートと、電子デバイスに向かって１つ以上の光ビームを指向するように構成される、検査プレートの上方に配列される１つ以上の光源と、１つ以上の光源によって発生される少なくとも１つの照明条件に基づいて、電子デバイスの第１の側面の少なくとも１つの画像を捕捉するように構成される、１つ以上のカメラとを含む、キオスクを備える、システム。本システムはまた、１つ以上のカメラと通信する、１つ以上のプロセッサであって、電子デバイスの少なくとも１つの画像に基づいて、電子デバイスの特徴のセットを抽出し、第１のニューラルネットワークを介して、特徴のセットに基づいて、電子デバイスの状態を決定するように構成される、１つ以上のプロセッサも含む。

（実施例２）１つ以上の光源は、光源の第１のサブセットと、光源の第２のサブセットとを備え、光源の第１のサブセットの光ビームおよび光源の第２のサブセットの光ビームは、相互に直交するように配列される、実施例１に記載のシステム。

（実施例３）キオスクはさらに、検査プレートの上方に位置付けられる、上側チャンバであって、１つ以上の光源は、上側チャンバ内に配列される、上側チャンバと、検査プレートの下方に位置付けられる、下側チャンバと、検査プレートを通して電子デバイスに向かって光ビームを指向するように構成される、下側チャンバ内に位置付けられる光源の第２のセットとを含む、実施例１または２に記載のシステム。

（実施例４）キオスクはさらに、電子デバイスを反転させ、１つ以上のカメラが電子デバイスの第２の側面の少なくとも別の画像を捕捉することを可能にするように構成される、反転機構を含む、実施例１－３のうちの１つ以上のものに記載のシステム。

（実施例５）１つ以上の光源のうちの少なくとも１つは、コリメートされた光ビームを生成するように構成される、実施例１－４のうちの１つ以上のものに記載のシステム。

（実施例６）１つ以上の光源のうちの１つからの光ビームと電子デバイスの第１の側面との間の角度は、６０度に等しい、またはそれよりも小さい、実施例１－５のうちの１つ以上のものに記載のシステム。

（実施例７）１つ以上のカメラは、異なる照明条件下で電子デバイスの複数の側面に対応する複数の画像を捕捉するように構成され、１つ以上のプロセッサは、複数の画像を処理し、単一の入力画像に組み合わせるように構成される、実施例１－６のうちの１つ以上のものに記載のシステム。

（実施例８）第１のニューラルネットワークは、電子デバイスの状態を示すインジケータを出力するように構成される、実施例１－７のうちの１つ以上のものに記載のシステム。

（実施例９）１つ以上のプロセッサはさらに、状態に基づいて電子デバイスの推定価格を決定するように構成される、実施例１－８のうちの１つ以上のものに記載のシステム。

いくつかの実施形態では、キオスクは、電子デバイスについての情報を提供するように構成され、１つ以上のプロセッサは、第２のニューラルネットワークを起動し、推定価格および電子デバイスについての情報に基づいて、電子デバイスの最終価格を決定するように構成される。

（実施例１０）状態は、物理的状態または外見的状態を備える、実施例１－９のうちの１つ以上のものに記載のシステム。

（実施例１１）電子デバイスの状態を評価するためのシステムであって、少なくとも１つの光源と、少なくとも１つのカメラとを備える、捕捉デバイスを備え、少なくとも１つのカメラは、１つ以上の所定の設定に基づいて、電子デバイスの複数の画像を捕捉するように構成され、１つ以上の所定の設定はそれぞれ、（１）捕捉デバイスが電子デバイスに対して位置付けられる角度、（２）少なくとも１つの光源の光強度、（３）少なくとも１つのカメラの露出設定、または（４）少なくとも１つのカメラのホワイトバランス設定のうちの少なくとも１つを規定する、システム。本システムはまた、捕捉デバイスと通信する、１つ以上のプロセッサであって、複数の画像を処理し、単一の入力画像を発生させ、電子デバイスの少なくとも１つの画像に基づいて、電子デバイスの特徴のセットを抽出し、第１のニューラルネットワークを介して、電子デバイスの状態を決定するように構成される、１つ以上のプロセッサも含む。

いくつかの実施形態では、捕捉デバイスは、電子デバイスについての情報を提供するように構成され、１つ以上のプロセッサはさらに、第２のニューラルネットワークを起動し、状態および電子デバイスについての情報に基づいて、電子デバイスの価格を決定するように構成される。

（実施例１２）状態は、物理的状態または外見的状態を備える、実施例１１に記載のシステム。

（実施例１３）電子デバイスの状態を評価するためのコンピュータ実装方法であって、キオスクの少なくとも１つのカメラによって、電子デバイスの第１の側面の少なくとも１つの画像を捕捉するステップであって、キオスクは、複数の光源を含む、ステップと、ニューラルネットワークによって、電子デバイスの少なくとも１つの画像に基づいて、電子デバイスの特徴のセットを抽出するステップと、特徴のセットに基づいて電子デバイスの状態を決定するステップとを含む、方法。

（実施例１４）少なくとも１つのカメラを介して、複数の光源によって発生される少なくとも１つの照明条件に基づいて、第１の側面と異なる電子デバイスの第２の側面の少なくとも１つの画像を捕捉するステップを含む、実施例１３に記載の方法。

（実施例１５）電子デバイスの第２の側面の少なくとも１つの画像を捕捉することに先立って、光ビームが、電子デバイスの第２の側面に向かって指向されるように、電子デバイスを反転させるステップを含む、実施例１４に記載の方法。

（実施例１６）複数の画像が、一様なサイズを有するように、電子デバイスの複数の側面の複数の画像を処理するステップと、複数の画像を、ニューラルネットワークに提供されるべき単一の画像に組み合わせるステップとを含む、実施例１３－１４のうちの１つ以上のものに記載の方法。

（実施例１７）光源からの光ビームと電子デバイスの第１の側面との間の角度が、６０度に等しい、またはそれよりも小さいように、複数の光源のうちの１つを調節するステップを含む、実施例１３－１６のうちの１つ以上のものに記載の方法。

（実施例１８）少なくとも１つの画像に部分的に基づいて、電子デバイスのモデルを決定するステップと、モデルに特有である電子デバイス上の外見的欠陥を識別するステップとを含む、実施例１３－１７のうちの１つ以上のものに記載の方法。

いくつかの実施形態では、本方法は、第２のニューラルネットワークを介して、状態に部分的に基づいて、電子デバイスの提案価格決定するステップを含み、提案価格はさらに、少なくとも、（１）電子デバイスの予測再販売価値、（２）電子デバイスのモデルの予測到着量、または（３）電子デバイスの予測処理コストに基づいて、決定される。

（実施例１９）提案価格の容認または拒否を示す入力をユーザから受信するステップと、少なくとも１つの画像およびユーザからの入力に部分的に基づいて、ニューラルネットワークを訓練するステップとを含む、実施例１３－１８のうちの１つ以上のものに記載の方法。

（実施例２０）状態は、物理的状態または外見的状態を備える、実施例１３－１９のうちの１つ以上のものに記載の方法。

本開示のいくつかの実施形態は、上記に説明されるものに加えて、またはその代わりに、他の側面、要素、特徴、および／またはステップも有する。これらの潜在的追加および置換は、本明細書の残りの部分の全体を通して説明される。本明細書内の「種々の実施形態」、「ある実施形態」、または「いくつかの実施形態」の言及は、実施形態に関連して説明される特定の特徴、構造、または特性が、本開示の少なくとも１つの実施形態に含まれることを意味する。これらの実施形態、代替実施形態（例えば、「他の実施形態」とも称される）でさえも、他の実施形態と相互排他的ではない。さらに、他の実施形態ではなくて、いくつかの実施形態によって呈され得る、種々の特徴が、説明される。同様に、他の実施形態ではなくて、いくつかの実施形態のための要件であり得る、種々の要件が、説明される。本明細書で使用されるように、「Ａおよび／またはＢ」のような語句「および／または」は、Ａのみ、Ｂのみ、およびＡおよびＢの両方を指す。

他の事例では、多くの場合、スマートフォンおよび他のハンドヘルドデバイス、消費者電子デバイス、コンピュータハードウェア、ソフトウェア、およびネットワークシステム等と関連付けられる、周知の構造、材料、動作、および／またはシステムは、本技術の種々の実施形態の説明を不必要に曖昧にすることを回避するように、以下の開示には詳細に示されていない、または説明されていない。しかしながら、当業者は、本技術が、本明細書に記載される詳細のうちの１つ以上のものを伴わずに、または他の構造、方法、コンポーネント等を用いて、実践され得ることを認識するであろう。下記で使用される用語は、本技術の実施形態のある実施例の詳細な説明と併せて使用されているが、その最も広義の合理的様式で解釈されるべきである。実際、ある用語は、下記で強調さえもされ得るが、しかしながら、任意の制限された様式で解釈されることを意図している任意の用語が、本発明を実施するための形態の節等で具体的に定義されるであろう。

付随する図は、本技術の実施形態を描写し、本技術の範囲の限定であることを意図していない。種々の描写される要素のサイズは、必ずしも一定の縮尺で描かれておらず、これらの種々の要素は、読みやすさを改良するように恣意的に拡大され得る。コンポーネントの詳細は、そのような詳細が本発明を作製および使用する方法の完全な理解のために不必要であるときに、コンポーネントの位置およびそのようなコンポーネントの間のある精密な接続等の詳細を除外するように、図では抽象化され得る。

図では、同じ参照番号が、同じ、または少なくとも概して類似する要素を識別することができる。任意の特定の要素の議論を促進するために、任意の参照番号の最上位桁は、その要素が最初に導入される図を指すことができる。

Claims (20)

1. 電子デバイスの状態を評価するためのシステムであって、
   キオスクであって、
   前記電子デバイスを保持するように構成されている検査プレートと、
   前記電子デバイスに向かって１つ以上の光ビームを指向するように構成され、かつ、前記検査プレートの上方に配列されている１つ以上の光源と、
   前記１つ以上の光源によって発生させられる少なくとも１つの照明条件に基づいて、前記電子デバイスの第１の側面の少なくとも１つの画像を捕捉するように構成されている１つ以上のカメラと
   を含む、キオスクと、
   前記１つ以上のカメラと通信する１つ以上のプロセッサであって、前記１つ以上のプロセッサは、
   前記電子デバイスの前記少なくとも１つの画像に基づいて、前記電子デバイスの特徴のセットを抽出することと、
   訓練されたニューラルネットワークを前記特徴のセットに適用することにより、値の範囲内のスコアを計算することであって、前記スコアは、前記電子デバイスへの損傷の重大性を示し、前記ニューラルネットワークは、別個の外見的評価インジケーションに関連付けられた画像のセットを使用して訓練されている、ことと、
   前記計算されたスコアに基づいて、前記電子デバイスの状態を決定することと
   を行うように構成されている、１つ以上のプロセッサと
   を備える、システム。
2. 前記１つ以上の光源は、光源の第１のサブセットと、光源の第２のサブセットとを備え、前記光源の第１のサブセットの光ビームおよび前記光源の第２のサブセットの光ビームは、相互に直交するように配列されている、請求項１に記載のシステム。
3. 前記キオスクはさらに、
   前記検査プレートの上方に位置付けられている上側チャンバであって、前記１つ以上の光源は、前記上側チャンバ内に配列されている、上側チャンバと、
   前記検査プレートの下方に位置付けられている下側チャンバと、
   前記検査プレートを通して前記電子デバイスに向かって光ビームを指向するように構成されている、前記下側チャンバ内に位置付けられている光源の第２のセットと
   を含む、請求項１に記載のシステム。
4. 前記キオスクはさらに、
   前記電子デバイスを反転させ、前記１つ以上のカメラが前記電子デバイスの第２の側面の少なくとも別の画像を捕捉することを可能にするように構成されている反転機構
   を含む、請求項１に記載のシステム。
5. 前記１つ以上の光源のうちの少なくとも１つは、コリメートされた光ビームを生成するように構成されている、請求項１に記載のシステム。
6. 前記１つ以上の光源のうちの１つからの光ビームと前記電子デバイスの前記第１の側面との間の角度は、６０度以下である、請求項１に記載のシステム。
7. 前記１つ以上のカメラは、異なる照明条件下で前記電子デバイスの複数の側面に対応する複数の画像を捕捉するように構成され、前記１つ以上のプロセッサは、前記複数の画像を処理し、組み合わせて、単一の入力画像にするように構成されている、請求項１に記載のシステム。
8. 前記訓練されたニューラルネットワークは、前記電子デバイスの前記状態を示すインジケータを出力するように構成されている、請求項１に記載のシステム。
9. 前記１つ以上のプロセッサはさらに、前記状態に基づいて前記電子デバイスの推定価格を決定するように構成されている、請求項１に記載のシステム。
10. 前記状態は、物理的状態または外見的状態をさらに備える、請求項１に記載のシステム。
11. 電子デバイスの状態を評価するためのシステムであって、
    少なくとも１つの光源と、少なくとも１つのカメラとを備える捕捉デバイスであって、前記少なくとも１つのカメラは、１つ以上の所定の設定に基づいて、前記電子デバイスの複数の画像を捕捉するように構成され、前記１つ以上の所定の設定はそれぞれ、（１）前記捕捉デバイスが前記電子デバイスに対して位置付けられる角度、（２）前記少なくとも１つの光源の光強度、（３）前記少なくとも１つのカメラの露出設定、または（４）前記少なくとも１つのカメラのホワイトバランス設定のうちの少なくとも１つを規定する、捕捉デバイスと、
    前記捕捉デバイスと通信する１つ以上のプロセッサであって、前記１つ以上のプロセッサは、
    前記複数の画像を処理し、単一の入力画像を発生させることと、
    前記電子デバイスの前記単一の入力画像に基づいて、前記電子デバイスの特徴のセットを抽出することと、
    訓練されたニューラルネットワークを前記特徴のセットに適用することにより、値の範囲内のスコアを計算することであって、前記スコアは、前記電子デバイスへの損傷の重大性を示し、前記ニューラルネットワークは、別個の外見的評価インジケーションに関連付けられた画像のセットを使用して訓練されている、ことと、
    前記計算されたスコアに基づいて、前記電子デバイスの状態を決定することと
    を行うように構成されている、１つ以上のプロセッサと
    を備える、システム。
12. 前記状態は、物理的状態または外見的状態をさらに備える、請求項１１に記載のシステム。
13. 電子デバイスの状態を評価するためのコンピュータ実装方法であって、
    キオスクの少なくとも１つのカメラによって、前記電子デバイスの第１の側面の少なくとも１つの画像を捕捉することであって、前記キオスクは、複数の光源を含む、ことと、
    前記電子デバイスの前記少なくとも１つの画像に基づいて、前記電子デバイスの特徴のセットを抽出することと、
    訓練されたニューラルネットワークを前記特徴のセットに適用することにより、値の範囲内のスコアを計算することであって、前記スコアは、前記電子デバイスへの損傷の重大性を示し、前記ニューラルネットワークは、別個の外見的評価インジケーションに関連付けられた画像のセットを使用して訓練されている、ことと、
    前記計算されたスコアに基づいて、前記電子デバイスの状態を決定することと
    を含む、方法。
14. 前記少なくとも１つのカメラを介して、前記複数の光源によって発生させられる少なくとも１つの照明条件に基づいて、前記第１の側面と異なる前記電子デバイスの第２の側面の少なくとも１つの画像を捕捉することを含む、請求項１３に記載の方法。
15. 前記電子デバイスの前記第２の側面の前記少なくとも１つの画像を捕捉することに先立って、前記複数の光源の光ビームが、前記電子デバイスの前記第２の側面に向かって指向されるように、前記電子デバイスを反転させることを含む、請求項１４に記載の方法。
16. 前記電子デバイスの複数の側面の複数の画像が、一様なサイズを有するように、前記複数の画像を処理することと、
    前記複数の画像を組み合わせて、前記訓練されたニューラルネットワークに提供されるべき単一の画像にすることと
    を含む、請求項１３に記載の方法。
17. 前記複数の光源のうちの１つからの光ビームと前記電子デバイスの前記第１の側面との間の角度が、６０度以下であるように、前記複数の光源のうちの前記１つを調節することを含む、請求項１３に記載の方法。
18. 前記少なくとも１つの画像に部分的に基づいて、前記電子デバイスのモデルを決定することと、
    前記モデルに特有である前記電子デバイス上の外見的欠陥を識別することと
    を含む、請求項１３に記載の方法。
19. 提案価格の容認または拒否を示す入力をユーザから受信することと、
    前記少なくとも１つの画像および前記ユーザからの前記入力に部分的に基づいて、前記訓練されたニューラルネットワークを訓練することと
    を含む、請求項１３に記載の方法。
20. 前記状態は、物理的状態または外見的状態をさらに備える、請求項１３に記載の方法。