JPH0455990A - 画像認識装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、対象領域を撮像する撮像手段と、該撮像手段
からの画像情報が該対象領域を適正に示すものであるか
否かを判別する判別手段とを備えてある画像認識装置に
関し、例えば、都市ゴミの焼却炉における燃焼室を撮像
する撮像手段と、該撮像手段からの画像情報か該燃焼室
の燃焼状態を適正に示すものであるか否かを判別する判
別手段とを備えてある画像認識装置に関する。

〔従来の技術〕

従来、この種の画像認識装置としては、撮像手段により
撮像される画像情報が、撮像手段の画角か変動しなり画
角内ヘノイズ成分か混入することで、必要とする対象領
域を適正に現す画像情報でなくなる場合に、その不適正
な画像情報を発見、或いは、除去するための手段として
、該撮像手段に画角の変動を検出するハードスイッチを
設けたり、該撮像手段により撮像される画像情報をモニ
ター画面に出力してそのモニター画面を人が目視して検
出するものがあった。

ここで、必要とする対象領域を適正に現す画像情報でな
くなる場合とは、例えば、都市ゴミの焼却炉における燃
焼室を撮像する場合には、該燃焼室と該撮像手段との間
にある灰押し出し装置に焼却済の灰が該燃焼室から落下
搬送されるときに舞い上がる灰が、ノイズとして該撮像
手段の保護カバーやレンズに付着したり、その灰を除去
するために該撮像手段の画角を変えて清掃作業を行うと
き等である。

〔発明が解決しようとする課題〕

しかし、上述の従来技術による画像認識装置では、必要
とする対象領域を適正に現す画像情報でなくなる場合か
頻繁に発生すると、モニター画面を人が目視して検出す
るものであっては、そのモニターを常に凝視する必要か
あり、極めて疲労の大なるものとなってしまうという欠
点があった。

更に、そのモニター画面を目視する人か異なれば、適正
に現す画像情報か否かの判断も異なり、その結果常に一
定基準に基づいた判断をすることが出来ないという欠点
もあった。

このため、該撮像手段により得られた画像情報のうち、
輝度情報を用い、その画角全体の平均輝度を計算して、
その値が所定値よりも低い場合に、必要とする対象領域
を適正に現す画像情報でなくなると判断する方法が考え
られるが、ノイズの混入の仕方は千差万別で、平均輝度
ではそれぞれを正確に識別できないことになる。

又、対象領域を適正に現す複数の画像情報を基準データ
として記憶部に確保しておき、入力された画像情報と該
基準データとを比較判別する方法も考えられるか、入力
された画像情報と該基準データに差か僅かでもあると、
対象領域を適正に現す画像情報でないと判断することに
なり、多数の基準データか必要となる。これは現実的で
ない。

本発明の目的は上述した従来欠点を解消する点にある。

〔課題を解決するための手段〕

この目的を達成するため、本発明による画像認識装置の
特徴構成は、該判別手段に、複数の領域に分割された該
画像情報を各別に入力する複数の入力部からなる入力層
と、該入力層からの出力信号を選択的に結合させる中間
層と、該中間層からの出力信号を選択的に結合させ該燃
焼部の燃焼状態を適正に示すものであるか否かを示す信
号を出力する出力層とで構成してある神経回路モデルを
備えてあることにある。

該神経回路モデルは、該燃焼部の複数種類の燃焼状態を
示す画像情報からなる入力とそれに対する理想出力を教
師信号として入力する教師信号入力手段と、該神経回路
モデルが該教師信号に対して該燃焼部の燃焼状態を適正
に示すものである旨を出力させる学習手段とを備えてあ
ることが好ましい。

該燃焼部が焼却炉における燃焼室であることが好ましい
。

〔作用〕

つまり、該判別手段に備えた神経回路モデルは、撮像手
段により撮像された燃焼部の画像情報を複数の領域に分
割して、それぞれの領域の画像情報を入力層の複数の入
力部に各別に入力し、該入力層から該中間層へ、該中間
層から該出力層へのそれぞれの出力信号を所期の重みで
選択的に結合させることで、該燃焼部の燃焼状態を適正
に示すものであるか否かを示す信号を出力するのである
。

該神経回路モデルを動作させるに当たっては、予め該燃
焼部の複数種類の燃焼状態を示す画像情報、例えば、炎
の状態を輝度情報に変換した情報と、そのときの理想の
出力を、教師信号入力手段へ教師信号として入力するこ
とて、学習手段が、該教師信号に対して該燃焼部の燃焼
状態を適正に示すものである旨、即ち該理想の出力を出
力させるように、該神経回路モデルの該入力層から該中
間層へ、該中間層から該出力層へのそれぞれの出力信号
を結合させる重みを変化させていけばよい。

例えば、該燃焼部が焼却炉における燃焼室である場合に
は、該燃焼室と該撮像手段との間にある灰押し出し装置
に焼却法の灰か該燃焼室から落下搬送されるときに舞い
上がり、ノイズとして該撮像手段の保護カバーやレンズ
に付着したり、その灰を除去するために該撮像手段の画
角を変えて清掃作業を行うとき等、該燃焼室を適性に現
す画像情報でない場合を、上述の学習の結果得られた重
みに従い類似の度合いか大きく異なることから、適切に
判断できる。換言すれば、該燃焼室を適性に現す画像情
報として満足できるか否かを判断することになる。

〔発明の効果〕

従って、本発明による画像認識装置では、必要とする対
象領域を適正に現す画像情報でなくなる場合が頻繁に発
生した場合でも、モニター画面を人か目視して検出する
こと無く、必要とする対象領域を適正に現す画像情報か
否かを常に一定基準に基づいて自動的に、しかも正確に
判断をすることが出来るようになった。

〔実施例〕

以下に本発明の実施例を図面に基づいて説明する。

第３図に示すように、都市ゴミ用の焼却炉（１）は、燃
焼室（２）と、ゴミを投入するホッパ（３）と、燃焼法
の灰を集める灰ビット（４）等から構成してある。

該ホッパ（３）に投入されたゴミは、ブツシャ（５）に
より該燃焼室（２）に搬送される。該燃焼室（２）は、
乾燥帯（６）、燃焼帯（７）、後燃焼帯（８）の三ブロ
ックで構成してあり、上向摺動式のストーカ（２ａ）、
　（２ｂ）、　（２ｃ）により各ブロックに順次搬送さ
れる。

燃焼用空気を炉床や炉壁から供給してあり、該乾燥帯（
６）ではゴミを熱風で乾燥させ、該燃焼帯（７）ではゴ
ミを焼却し、該後燃焼帯（８）では焼却灰に完全燃焼さ
せる。

尚、該燃焼帯（７）でゴミは初期にバーナ（９）で点火
される。

該後燃焼帯（８）で燃え尽きたゴミは灰として圧押し出
し装置（１０）に落下し、灰出しコンベア（１１）によ
り該灰ピット（４）に搬送される。

該燃焼室（２）で発生した燃焼排ガスを、廃熱ボイラ（
１２）によって熱エネルギーを蒸気の形で取り出し、発
電機（１３）等のエネルギーとして利用すべく場外に供
給する一方、電気集塵機等からなる排ガス処理設備（１
４）によりばいじんや存寄ガスを除去して排気する。

第２図に示すように、該焼却炉（１）の制御部（２０）
は、該燃焼室（２）内各所に配した温度センサ、ガスセ
ンサ等の各種センサの出力情報や、該圧押し出し装置（
１０）の後方から該燃焼帯（７）付近でのゴミの燃焼状
況を監視する撮像手段（１５）としての産業用テレビカ
メラ（ｒＴＶ）の画像情報に基づき、該燃焼室（２）の
圧力、温度、空気量、ストーカ速度等を制御することで
適切な燃焼制御を行う燃焼制御手段（２１）を設けであ
る。

該制御部（２０）には、該産業用テレビカメラ（ＩＴＶ
）からの画像情報を検出することで、該燃焼室（２）の
燃焼状態の良否、例えば、ゴミの量が多すぎるとか、少
なすぎるとか、燃えにくいとかを識別する識別手段（２
２）と、該画像情報か該燃焼室（２）の燃焼状態を適正
に示すものであるか否かを判別する判別手段（２３）と
をさらに設けである。

該画像情報は、第１図に示すように、画像領域の横幅方
向において中央部１／３の領域で、縦輻方向において上
（ｌＩ２／３の領域に、上下２段の該燃焼帯（７）にお
ける燃焼状態を表わすもので、上下２段のそれぞれのゴ
ミの量、炎の温度や拡がりの分布状態を輝度情報として
表現するものである。

該判別手段（２３）は、該ストーカ（２Ｃ）の動作に基
づく該後燃焼帯（８）から該圧押し出し装置（ｌＯ）へ
の周期的な灰の落下時に、舞い上かった灰の該産業用テ
レビカメラ０ＴＶ）のレンズ等への付着により、該画像
情報か正確な燃焼状態を示すことが出来ない場合や、そ
の際の該産業用テレビカメラ（ＩＴＶ）の清掃作業時に
該画像情報が正確な燃焼状態を示すことが出来ない場合
を自動的に検出するもので、その判別結果で、該識別手
段（２２）の基準とする画像情報を切り替える。

つまり、該識別手段（２２）は、該判別手段（２３）に
より該燃焼室（２）の燃焼状態を適正に示すものである
旨が出力されたときにのみ、該撮像手段（１５）からの
画像情報に基づいて該燃焼制御手段（２１）による制御
をすべく該燃焼室（２）の燃焼状態の良否を識別し、該
判別手段（２３）により該燃焼室（２）の燃焼状態を適
正に示すものでない旨が出力されたときには、直前に入
力された該撮像手段（１５）からの正常な画像情報に基
づいて該燃焼制御手段（２１）による制御をすべく該燃
焼室（２）の燃焼状態の良否を識別する。

該判別手段（２３）は、第１図に示すように、２５７個
の入力部からなる入力層（２４）と、該入力層（２４）
からの出力信号を選択的に結合させる２５７個の中間部
からなる一層の中間層（２５）と、該中間層（２５）か
らの出力信号を選択的に結合させ該燃焼室（２）の燃焼
状態を適正に示すものであるか否かを示す信号を出力す
る単一の出力部からなる出力層（２６）とで構成される
神経回路モデル（Ｎ）を備えてある。

該神経回路モデル（Ｎ）を構成する要素に対する入力値
、出力値、入力値から出力値を導出する際に用いられる
“重み”（後述する）は、それぞれメモリ上にマツピン
グされている。

該画像情報は、２５６画素×２５６画素で構成されそれ
ぞれ１６分割することで２５６の領域を作成し、各領域
の平均輝度情報を該入力部に各別に入力してある。なお
２５７個目の入力部はバイアスとしてある。

該神経回路モデル（Ｎ）は、教師信号入力手段（２７）
と学習手段（２８）とを設けてあり、該教師信号入力手
段（２８）に、該燃焼室（２）の複数種類の燃焼状態、
例えば、該燃焼帯（７）におけるゴミの量が少となる“
ゴミ切れ”、ゴミの量か多となる“ゴミ山盛り“、該後
燃焼帯（８）にまで燃え広がる“撚切下方”、適正な燃
焼状態である“良好”の四種類の燃焼状態を示す画像情
報からなる入力と、それに対する理想出力、即ち、該燃
焼室（２）の燃焼状態を適正に示すものである旨の出力
を教師信号として入力して、該学習手段（２８）が、該
神経回路モデル（Ｎ）に該教師信号に対して該燃焼室（
２）の燃焼状態を適正に示すものである旨を出力させる
。

即ち、該適正に示すものである旨の出力を“１”そうで
ないときを“０”とすると、該燃焼室（２）の複数種類
の燃焼状態を該入力層（２４）に入力した場合、その何
れの入力に対しても該出力層（２６）が“１″を出力す
るように学習させる、つまり各層の結合条件、つまり重
みを変えるのである。

上述の如く、該学習手段（２８）により学習された該神
経回路モデル（Ｎ）に、実際の該燃焼室（２）を撮像し
た画像情報を入力すると、該出力層（２６）は“０”か
ら“１″の中間値を出力する。

その出力値に対して閾値を例えば“０．６″に定めると
、“０．６″以上であれば正常であると、“０．６′以
下であれば異常であると判別するのである。

以下に該学習手段（２８）による学習アルゴリズム、パ
ックプロパゲーションについて説明する。

該神経回路モデル（Ｎ）を構成する各単位は、ニューロ
ンと呼ばれ、第４図に示すように、粘。

Ｘｌ、・・・ｌＸ１１の入力に対して重みＷＩ＋Ｌ・・
・＋Ｗａにより重みづけされることで、 Ｘ＝ΣＷｉ−Ｘｉ−Ｘ。

で示される入力総和に対して、閾値処理を施すことで出
力 Ｙ　＝　ｆ　（Ｘ）が得られる。

ここに、関数ｆ　（Ｘ）＝１／（１＋ｅｘｐ（−Ｘ））
、重みＷｉ、閾値Ｘｏは学習により変化する値である。

一般に、ｎ階層のネットワークにおいて、各ニューロン
Ｕｌｌに対する入力Ｉ　ＩＩと出力０゜の関係を次のよ
うに定義する。

ｍ＋＋ｉ層のニューロン数（ｉ＝１．２・・、ｎ）Ｕｚ
：１層のｊ番目のニューロン数 （ｉ＝１．２．−、ｎ　　ｊ＝１．２．−、ｍｌ）１　
ｉｌ　：　Ｕｌｌへの入力の総和 （ｉ＝１．２．　”、ｎ　　ｊ＝１．２．　”、ｌＩ＋
＋）θ、：Ｕ、への閾値 （！＝１，２．　”、ｎ　　ｊ＝１．２．　・・、ｍｌ
）Ｏｚ　：　Ｕｚの出力 （ｉ＝１，２．−、ｎ　　ｊ＝１．２．・・、ｍｌ）Ｗ
　＋　ｒ　ｈ　：　Ｕ　＋　ｒからＵｌｌ１．にへの重
み（ｉ＝１．２．　・・、ｎ　　Ｊ＝１．２．　”、ｍ
＋ｊ＝１．２．・・、ｍｌ＋１） ｆ　　：　特性関数 （ｎ≧３） これらの記号を用いて、Ｏｌｊを次式で定義する。

０１１”ＩＩＩ　　（Ｊ”１，２．”、ｆｌｌｌ）　　
”””（１，１）ｉ １１＋１．Ｉ”ΣＯｔｈ　　’　Ｗ＋、　＊、　ｒ−θ
ｌ−１，・・・・・・（１，２）（ｉ層１．２．　・・
、ｎ−１ｉ層１．２．　・・、ｍ、＋＋）０１゜、、、
＝ｆ（Ｉ、や１　□）　　　　　　　　・・・・・・（
１，３）（ｉ層１．２．・・、ｎ−１ｉ層１．２．・・
＋　ｍ　＋　＋　１　）これらの漸次式を計算すること
によって、入力層への入力（Ｌ、）から出力層の出力（
０゜１）を求めることが出来る。

尚、以下の説明では、常に−１の値を土切するニューロ
ンを入力層に１個持たせる。これをバイアスと呼ぶ。バ
イアスを持つことによって、閾値θ１．をバイアスから
の重みと同様に扱いことができる。

即ち、式１．２において、θｉｊの項はなくなり、Ｉ １、や３１．＝Σ０１．　ｋ　”　Ｗｌ、　ｋ、　Ｉ　
　　・・・・・・（１，２’　）（１”１−２．　＊ａ
、ｌ］−１　３＝１．２．”、ｍ＋＋＋）となる。

第５図に示すように、ＷＩＩ＋＝０２１　＋　Ｗ　Ｉ　
＋　２　＝θ２．・・・・・・と見なすことができる。

また重みＷ　Ｉ　ｊ　ｋは、例えば−０，５から０．５
の範囲のランダム値に初期化しておく。

パックプロパゲーションは、階層型ニューラルネットワ
ークに対する教師信号有りの学習アルゴリズムで、その
特徴は、教師信号と呼ばれる「人力とそれに対する理想
の出力」のセットを、予め準備して、教師信号の入力に
対する実際の出力を理想出力に近づけるように、ネット
ワークの各々における重みを出力層から入力層に向かっ
て逐次変化させるのである。

まず、Ｌ組みの教師信号と実際の出力とのネットワーク
全体に対する誤差Ｅを次のように定義する。

Ｘ□：ｐ組目の教師信号の入力 （ｐ＝１．２．　・・、Ｌ　　ｉ層１，２．　・・ｍυ
Ｙ□；ｐ組目の教師信号の出力 （ｐ＝　１．２．・・、Ｌｊ＝１．２．・・肌）Ｅ、：
ｐ組目の教師信号に対するネットワークの誤差　（ｐ＝
　１．２．・・、Ｌ）：教師信号全体に対するネットワ
ーク の誤差 この時、Ｅ、及びＥを次式で定義する。

即ち、Ｅは教師信号の入力に対する実際の出力と教師信
号の出力との二乗誤差の総和として定義する。ｍｌは、
　ｉ層のニューロン数、Ｏｐ　ｎ　＋はｐ組目の教師信
号の入力に対する出力層の１番目のニューロンからの実
際の出力である。

次に、各重みＷｋ　＋□を出力層から入力層に向かって
次の３種類の漸化式で出力誤差を少しずつ反映させなが
ら変化させる。これを−膜化デルタルールと呼ぶ。

ｄ、ヵ、＝ｐ番目の教師信号に対する出カニニットＵ、
Ｊにおける誤差 （ｐ＝１．２．−、Ｌ　　ｉ層１．２．・・、ｍ、）ｄ
、１−＋、＋　：　９番目の教師信号に対する中間層の
ユニットＵｋ−１，１における誤差（ｐ＝１．２．−・
ル　ｋ＝＝１．２．・・、ｎ　　ｉ　＝１゜２、・・、
Ｉｋ−＋） ａ　：Ｉ以下の正の定数 ｐ組目の教師信号に対してｄ、７６、Ｗ。−１，１１、
ｄ　Ｄ、　ｋ−１，１、Ｗｓ−２，１，Ｉ、・・・・・
・ｄｔ、２．、Ｗ、１１の順に以下の通り計算する。

ｄ、、、−（Ｙ、、−０，。＋）ｆ′（Ｉ。、）　−・
・・・・（３，１）（ｐ＝１．２．・・ル　ｉ層１．２
．・・１ｍ、）Ｗ、−、１，＋（ｔ＋１）＝’Ｌ−＋、
　、、　、（ｔ）＋ａ　−ｄｐｋｌ”ｏｋ−１，１−−
−−−・（３，２）（ｋ＝ｎ、ｎ−１，・・、２　　ｉ
　＝ｌＪ、−、ｌ１ｌｋ。

ｉ層１．２．・・１ｍ、） ｋ ｄ　、、　ｋ−Ｌ　、＝：　ｆ　′（１、、、υΣＷｉ
−１，１，１ｊ＝ｔ （ｔ＋ｉ）ｄ、１ ・・・・・・（３，３） （ｐ＝１，２．−・ル　Ｋ＝　ｎ、　ｎ−１，・＊、　
３１　＝Ｌ　２＋　”　”＋　Ｌ−１） この方法によって重みを変化させていくと、教師信号に
対するネットワーク全体誤差Ｅは、局所的最小値に収束
する。

〔別実施例〕

以下に本発明の別実施例を説明する。

先の実施例では、画像情報として輝度情報のみを用いて
いたが、画像情報としてはこれに限定するものではなく
、他に色情報、色温度情報等を採ることにより燃焼状態
、例えば、ゴミの量や炎の広がりや温度等を把握するも
のであってもよい。

先の実施例では、画像情報として画面を１６Ｘ１６に分
割しているが、分割の仕方や一画面内で採用する領域は
任意でよく、例えば、撮像手段の一画素毎、先の実施例
では２５６　Ｘ２５６画素に分割してもよい。

先の実施例では、神経回路モデル（Ｎ）を、２５７個の
入力部からなる入力層（２４）と、２５７個の中間部か
らなる一層の中間層（２５）と、単一の出力部からなる
出力層（２６）とで構成してあるが、神経回路モデル（
Ｎ）としてはこれに限定するものではなく、入力部の数
は画像情報の分割数に応じて任意に変更可能であるし、
中間部出力部の数も任意である。

先の実施例では、教師信号として、該燃焼室（２）の複
数種類の燃焼状態、例えば、該燃焼帯（７）におけるゴ
ミの量か少となる“ゴミ切れ”、ゴミの量が多となる“
ゴミ山盛り“、該後燃焼帯（８）にまで燃え広かる“撚
切下方“、適正な燃焼状態である“良好”の四種類の燃
焼状態を示す画像情報からなる入力と、それに対する理
想出力、即ち、該燃焼室（２）の燃焼状態を適正に示す
ものである旨の出力“１”を採用しているか、教師信号
としてはこれに限定するものではなく、該燃焼室（２）
の燃焼状態を適正に示すものてあれば任意である。

さらに、反対に該燃焼室（２）の燃焼状態を適正に示す
もの以外、つまり灰で汚れた状態や撮像手段の画角が変
わった状態やレンズ等の清掃中の状態を示す画像情報を
入力として、該燃焼室（２）の燃焼状態を適正に示すも
のでない旨の出力“０”とを教師信号として採用しても
よい。

先の実施例では、神経回路モデル（Ｎ）の出力値に対し
て閾値を“０．６″に定めていたが、これに限定するも
のではなく任意である。

先の実施例では、焼却炉の燃焼状態を検出する産業用テ
レビカメラによる出力画像の評価について説明したか、
神経回路モデルの用途としてはこれに限定するものでは
なく、他の対象領域、例えば、高炉や冷凍室等、対象物
の特徴的な状態の変化、つまり、温度等の空間的エネル
ギー分布の変化に対して画像認識による評価手段を行う
ように適用できる。

尚、特許請求の範囲の項に図面との対象を便利にするた
めに符号を記すか、該記入により本発明は添付図面の構
造に限定されるものではない。

【図面の簡単な説明】

図面は本発明に係る画像認識装置の実施例を示し、第１
図は焼却炉のブロック図、第２図は制御部のブロック図
、第３図は神経回路モデルのブロック図、第４図はニュ
ーロンモデルのブロック図、第５図はバイアスを説明す
る構成図である。 （１５）・・・・・・撮像手段、（２３）・・・・・・
判別手段、（２４）・・・・・・入力層、（２５）・・
・・・・中間層、（２６）・・・・・・出力層、（Ｎ）
・・・・・・神経回路モデル。

Claims (1)

1. 【特許請求の範囲】 １、燃焼部を撮像する撮像手段（１５）と、該撮像手段
   （１５）からの画像情報が該燃焼部の燃焼状態を適正に
   示すものであるか否かを判別する判別手段（２３）とで
   構成してある画像認識装置であって、 該判別手段（２３）に、複数の領域に分割された該画像
   情報を各別に入力する複数の入力部からなる入力層（２
   ４）と、該入力層（２４）からの出力信号を選択的に結
   合させる中間層（２５）と、該中間層（２５）からの出
   力信号を選択的に結合させ該燃焼部の燃焼状態を適正に
   示すものであるか否かを示す信号を出力する出力層（２
   ６）とで構成してある神経回路モデル（Ｎ）を備えてあ
   る画像認識装置。 ２、該神経回路モデル（Ｎ）は、該燃焼部の複数種類の
   燃焼状態を示す画像情報からなる入力とそれに対する理
   想出力を教師信号として入力する教師信号入力手段（２
   ７）と、該神経回路モデル（Ｎ）が該教師信号に対して
   該燃焼部の燃焼状態を適正に示すものである旨を出力さ
   せる学習手段（２８）とを備えてある請求項１記載の画
   像認識装置。 ３、該燃焼部が焼却炉（１）における燃焼室（２）であ
   る請求項１又は２記載の画像認識装置。 ４、焼却炉（１）における燃焼室（２）を撮像する撮像
   手段（１５）と、該撮像手段（１５）からの画像情報に
   基づいて該燃焼室（２）の燃焼状態の良否を識別する識
   別手段（２２）と、該撮像手段（１５）からの画像情報
   が該燃焼室（２）の燃焼状態を適正に示すものであるか
   否かを判別する判別手段（２３）とで構成してある画像
   処理装置であって、 該判別手段（２３）に、複数の領域に分割された該画像
   情報を各別に入力する複数の入力部からなる入力層（２
   ４）と、該入力層（２４）からの出力信号を選択的に結
   合させる中間層（２５）と、該中間層（２５）からの出
   力信号を選択的に結合させ該燃焼部の燃焼状態を適正に
   示すものであるか否かを示す信号を出力する出力層（２
   ６）とで構成してある神経回路モデル（Ｎ）を備えてあ
   る画像認識装置。 ５、該神経回路モデル（Ｎ）は、該燃焼部の複数種類の
   燃焼状態を示す画像情報からなる入力とそれに対する理
   想出力を教師信号として入力する教師信号入力手段（２
   ７）と、該神経回路モデル（Ｎ）が該教師信号に対して
   該燃焼室（２）の燃焼状態を適正に示すものである旨を
   出力させる学習手段（２８）とを備えてある請求項４記
   載の画像認識装置。 ６、該燃焼部が焼却炉（１）における燃焼室（２）であ
   る請求項４又は５記載の画像認識装置。 ７、該識別手段（２２）は、該判別手段（２３）により
   該燃焼室（２）の燃焼状態を適正に示すものである旨が
   出力されたときにのみ、該撮像手段（１５）からの画像
   情報に基づいて該燃焼室（２）の燃焼状態の良否を識別
   する請求項４又は５又は６記載の画像認識装置。 ８、該識別手段（２２）は、該判別手段（２３）により
   該燃焼室（２）の燃焼状態を適正に示すものでない旨が
   出力されたときには、直前に入力された該撮像手段（１
   ５）からの画像情報に基づいて該燃焼室（２）の燃焼状
   態の良否を識別する請求項４又は５又は６又は７記載の
   画像認識装置。 ９、対象領域を撮像する撮像手段（１５）と、該撮像手
   段（１５）からの画像情報が該対象領域を適正に示すも
   のであるか否かを判別する判別手段（２３）とを備えて
   ある画像認識装置であって、該判別手段（２３）に、複
   数の領域に分割された該画像情報を各別に入力する複数
   の入力部からなる入力層（２４）と、該入力層（２４）
   からの出力信号を選択的に結合させる中間層（２５）と
   、該中間層（２５）からの出力信号を選択的に結合させ
   該対象領域を適正に示すものであるか否かを示す信号を
   出力する出力層（２６）とで構成してある神経回路モデ
   ル（Ｎ）を備えてある画像認識装置。 １０、該神経回路モデル（Ｎ）は、該対象領域を示す複
   数種類の画像情報からなる入力とそれに対する理想出力
   を教師信号として入力する教師信号入力手段（２７）と
   、該神経回路モデル（Ｎ）が該教師信号に対して該対象
   領域を適正に示すものである旨を出力させる学習手段（
   ２８）とを備えてある請求項９記載の画像認識装置。