特許ウォッチ

公開番号2025132466
公報種別公開特許公報(A)
公開日2025-09-10
出願番号2024030067
出願日2024-02-29
発明の名称原稿処理装置及び原稿処理システム
出願人株式会社リコー
代理人個人,個人
主分類H04N 1/00 20060101AFI20250903BHJP(電気通信技術)
要約【課題】原稿トレイに置いた原稿に応じて、より適した搬送制御を行う原稿処理装置を提供すること。
【解決手段】原稿トレイと、原稿トレイから原稿を搬送する原稿搬送手段と、原稿の情報を取得する原稿情報取得手段と、予め決められた原稿に関する分類に基づき、原稿を搬送するときの搬送制御量を決定する制御量決定手段と、原稿の情報を入力とし、原稿に関する分類を推定する推定手段と、を有し、制御量決定手段は、推定手段により推定した分類の結果と、予め決められた原稿に関する分類が異なる場合に、搬送制御量を変更することを特徴とする原稿処理装置である。
【選択図】図11
特許請求の範囲【請求項１】
原稿トレイと、
前記原稿トレイから原稿を搬送する原稿搬送手段と、
原稿の情報を取得する原稿情報取得手段と、
予め決められた原稿に関する分類に基づき、前記原稿を搬送するときの搬送制御量を決定する制御量決定手段と、
前記原稿の情報を入力とし、前記原稿に関する分類を推定する推定手段と、
を有し、
前記制御量決定手段は、前記推定手段により推定した分類の結果と、前記予め決められた原稿に関する分類が異なる場合に、前記搬送制御量を変更すること
を特徴とする原稿処理装置。
続きを表示（約 1,400 文字）【請求項２】
前記原稿が前記原稿搬送手段により搬送されているときに前記原稿の画像を読み取る画像読取手段、
を更に有し、
前記推定手段は、前記原稿の情報及び前記画像読取手段が取得した画像データを入力として、前記原稿に関する複数の分類との一致度を出力する学習モデルを有し、
前記制御量決定手段は、前記学習モデルが出力した前記一致度が閾値を超えた場合に、前記搬送制御量を変更すること
を特徴とする請求項１記載の原稿処理装置。
【請求項３】
ユーザへの通知を行う通知手段、
ユーザからの指示を受け付ける入力手段、
を更に有し、
前記通知手段は、前記学習モデルが出力した前記一致度が閾値を超えた場合に、前記搬送制御量を変更するか否かをユーザに通知し、
前記入力手段は、前記搬送制御量を変更するか否かの指示をユーザから受け付けること
を特徴とする請求項２記載の原稿処理装置。
【請求項４】
前記原稿情報取得手段は、前記原稿のサイズを検出する検出手段であり、
前記原稿の情報は、前記原稿のサイズの情報を含むこと
を特徴とする請求項１又は２記載の原稿処理装置。
【請求項５】
前記原稿情報取得手段は、ユーザから前記原稿のサイズの指定を受け付ける手段であり、
前記原稿の情報は、前記原稿のサイズの情報を含むこと
を特徴とする請求項１又は２記載の原稿処理装置。
【請求項６】
前記制御量決定手段が変更する前記搬送制御量は、前記原稿の搬送速度又は前記原稿の前記原稿搬送手段への突き当て量であること
を特徴とする請求項１又は２記載の原稿処理装置。
【請求項７】
前記搬送制御量は、全ての原稿の分類に適用可能な搬送制御量である汎用搬送制御量を含み、
前記原稿搬送手段は、
前記汎用搬送制御量での搬送を行う第一ステップと、
前記制御量決定手段が変更した前記搬送制御量での搬送を行う第二ステップと、
を有する請求項２記載の原稿処理装置。
【請求項８】
前記原稿情報取得手段は原稿トレイに積載された原稿の有無を検知する検知手段であり、
前記第一ステップにおいて、前記検知手段が前記第二ステップを行う原稿が無いことを検知した場合に、前記推定手段による前記原稿に関する分類の推定を行わないこと
を特徴とする請求項７記載の原稿処理装置。
【請求項９】
前記第一ステップ及び前記第二ステップにおいて、前記学習モデルによる前記原稿に関する複数の分類との一致度の出力を実施し、前記学習モデルが出力した前記一致度が閾値を超えたか否かを判定すること
を特徴とする請求項７記載の原稿処理装置。
【請求項１０】
前記第一ステップ又は前記第二ステップにおいて、前記学習モデルが出力した前記一致度が閾値を超えたことによる前記搬送制御量の変更が複数回発生した場合に、以降の前記学習モデルによる前記一致度の出力を行わない、又は前記一致度が閾値を超えても前記搬送制御量を変更しないこと
を特徴とする請求項９記載の原稿処理装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、原稿処理装置及び原稿処理システムに関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
ＭＦＰ（Multifunction Peripheral）に装着されるＡＤＦ（Automatic Document Feeder）による読取において、紙厚設定を行い、紙厚に応じた原稿の搬送制御を行う技術は、従来から知られている。
【０００３】
特許文献１には、機械学習を用いた学習モデルを利用して、原稿の読取画像から原稿の種類を特定して、画像形成条件を決定する構成が開示されている。
【発明の概要】
【発明が解決しようとする課題】
【０００４】
従来の紙厚設定は、ユーザが読取開始前に紙厚設定を行わなければならず、ユーザが紙厚設定を知らなかったり、ユーザが紙厚設定を忘れてしまったり、又は原稿トレイに置いた原稿の厚さと紙厚設定とが間違っていたり、した場合に、紙厚設定ごとの最適な原稿の搬送制御ができないという問題があった。なお、特許文献１は、紙厚設定ごとの最適な原稿の搬送制御ができないという問題を解決するものではない。
【０００５】
本開示は、原稿トレイに置いた原稿に応じて、より適した搬送制御を行う原稿処理装置を提供することを目的とする。
【課題を解決するための手段】
【０００６】
本発明の一実施形態は、原稿トレイと、前記原稿トレイから原稿を搬送する原稿搬送手段と、原稿の情報を取得する原稿情報取得手段と、予め決められた原稿に関する分類に基づき、前記原稿を搬送するときの搬送制御量を決定する制御量決定手段と、前記原稿の情報を入力とし、前記原稿に関する分類を推定する推定手段と、を有し、前記制御量決定手段は、前記推定手段により推定した分類の結果と、前記予め決められた原稿に関する分類が異なる場合に、前記搬送制御量を変更することを特徴とする原稿処理装置である。
【発明の効果】
【０００７】
本開示によれば、原稿トレイに置いた原稿に応じて、より適した搬送制御を行う原稿処理装置を提供できる。
【図面の簡単な説明】
【０００８】
実施形態に係る複写機を示す一例の概略構成図である。
画像形成部の内部構成の一部を拡大して示す一例の部分構成図である。
４つの作像ユニットからなるタンデム部の一部を示す一例の部分拡大図である。
本実施形態に係る複写機のスキャナ及びＡＤＦを示す一例の斜視図である。
ＡＤＦの要部構成をスキャナの上部と共に示す一例の拡大構成図である。
実施形態に係る複写機の電気回路の一部を示す一例のブロック図である。
サイズ情報から紙厚を推定した場合の原稿厚さ設定変更と読取動作との一例を示すフローチャートである。
原稿厚さ再設定通知画面の一例のイメージ図である。
機械学習による学習モデルの生成ステップの一例について説明する図である。
機械学習によって分析する教師データの一例について説明する図である。
機械学習による学習モデルを使った推論ステップの一例について説明する図である。
ニューラルネットワーク（ＮＮ）を使用した深層学習（ＤＬ）による学習モデルの完成までの具体的な実施手順の一例のフローチャートである。
一致度の閾値及び推定結果の一例を示す図である。
原稿厚さ判定レベル設定画面の一例のイメージ図である。
本実施形態に係る画面遷移に関する一例のフローチャートである。
原稿厚さ設定画面の一例のイメージ図である。
原稿厚さ検知自動設定画面の一例のイメージ図である。
学習モデルを利用した原稿厚さ設定変更と読取動作の流れを示した一例のフローチャートである。
各紙厚に対する最適な搬送パラメータの一例の説明図である。
【発明を実施するための形態】
【０００９】
以下、電子写真方式の複写機（以下、単に複写機という）に本発明を適用した実施形態について説明する。
【００１０】
まず、実施形態に係る複写機の基本的な構成について説明する。図１は、実施形態に係る複写機を示す一例の概略構成図である。図１示す複写機は、画像形成装置としての画像形成部１と、シート供給装置４０と、画像読取システム５０とを備えている。画像読取システム５０は、画像形成部１の上に固定された画像読取装置としてのスキャナ１５０と、スキャナ１５０に支持される自動原稿搬送装置（以下、ＡＤＦという）５１とを有している。
（【００１１】以降は省略されています）

関連特許