判別装置
【課題】新規判別対象の登録、及び登録の解除の前後で、予め登録されている判別対象間の出力値の比率が変更されない判別装置を提供する。
【解決手段】予め登録されている複数の判別対象のうち、入力データが属する判別対象を判別するための第１の出力データを出力する固定ニューラルネットワーク２６と、外部からの操作によって、新規判別対象が登録された際、入力データが当該新規判別対象に属するか否かを判別するための第２の出力データを出力する可変ニューラルネットワーク４０を追加し、外部からの操作によって、新規判別対象の登録が解除された際、該第２のニューラルネットワークを削除するニューラルネットワーク管理部２７と、第１の出力データに対して前記第２の出力データが優先された前記判別情報を生成することが可能な出力処理部２９とを備えている。
【解決手段】予め登録されている複数の判別対象のうち、入力データが属する判別対象を判別するための第１の出力データを出力する固定ニューラルネットワーク２６と、外部からの操作によって、新規判別対象が登録された際、入力データが当該新規判別対象に属するか否かを判別するための第２の出力データを出力する可変ニューラルネットワーク４０を追加し、外部からの操作によって、新規判別対象の登録が解除された際、該第２のニューラルネットワークを削除するニューラルネットワーク管理部２７と、第１の出力データに対して前記第２の出力データが優先された前記判別情報を生成することが可能な出力処理部２９とを備えている。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、判別対象の追加が可能な判別装置に関する。
【背景技術】
【０００２】
近年、誤差逆伝播学習方式によって学習するニューラルネットワークが、画像認識、音声認識、パターン認識などの種々の分野において利用されるようになってきている。このようなニューラルネットワークは、入力データに基づいて、予め登録された複数の判別対象の中から、当該入力データが属する判別対象を判別することが可能である。
【０００３】
このニューラルネットワークを利用したものとして、水中探知装置が知られている(特許文献１)。水中探知装置は、超音波を利用して、水底の泥や岩等の底質に関する底質情報を取得するものであり、底魚やエビ、カニなどの生息場所や、魚網の破損の原因となる岩場などを知るために利用されている。この底質情報は、水中探知装置の振動子から水底に向けて発射された超音波の送信パルスのエコー信号に基づいて生成された入力データを、ニューラルネットワークに入力し、当該ニューラルネットワークから出力された出力データを処理することにより得ることができる。そして得られた出力データは、表示モニタ等を介してユーザに報知される。
【０００４】
ところで、ニューラルネットワークにおいて、新たに判別対象を追加（登録）したい場合がある。例えば、水中探知装置において、判別させたい底質（ユーザ底質）を新たに追加したい場合がある。このような場合、最も単純な方法として、ニューラルネットワークのニューロンの数を増加させる方法が知られている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００８−２７５３５１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、ニューロンの数を増加させる方法では、新規判別対象を登録する際（判別対象を追加する）際に、ニューラルネットワークの構造を変える必要があると共に、ニューロンの増加に伴って学習時間が爆発的に増加するという問題点がある。また、図２０に示すように、登録されている判別対象各々の、入力データに対する類似度を出力するニューラルネットワークにおいて、ニューラルネットワークの構造を変える前後で、予め登録されている判別対象間の、同一の入力データに対する出力値の比率が変化する可能性がある。またさらに、登録した判別対象の登録を解除しようとした場合、再度ニューラルネットワークの構造を変える必要があるという問題がある。
【０００７】
特に、水中探知装置において、ユーザが識別したい底質（ユーザ底質）は、水域、季節、天候等によって異なることが多いため、ユーザ底質の登録（新規判別対象の登録）、及び登録の解除が頻繁に起こる可能性がある。このユーザ底質の登録、及び登録の解除の度に、ニューラルネットワークの構造を変化させる必要があり、学習時間が膨大にかかる。さらに、予め登録されている底質間における同一の入力データに対する出力値の比率が変わるため、ユーザが、同じ入力データにも関わらず、底質が変化したと錯覚するおそれがあり、底質情報を正確にユーザに把握させることができないという問題がある。
【０００８】
本発明は、上記問題点を解決するものであって、その課題とするところは、少ない学習時間で新規判別対象の登録、及び登録の解除が可能であり、かつ新規判別対象の登録、及び登録の解除の前後で、予め登録されている判別対象間の出力値の比率が変更されない判別装置を提供することにある。さらには、この判別装置を有する水中探知装置を提供することにある。
【課題を解決するための手段】
【０００９】
本発明は、水中へ送信された超音波のエコー信号を受信し、当該エコー信号に基づいた入力データをニューラルネットワークに入力し、ニューラルネットワークから出力された出力データに基づいて、登録されている複数の底質のうち当該入力データが属する底質に関する底質情報を、所定時間毎に生成する水中探知装置であって、予め登録されている複数の底質のうち、前記入力データが属する底質を判別するための第１の出力データを出力する固定ニューラルネットワークと、外部からの操作によって、新規底質が登録された際、前記入力データが当該新規底質に属するか否かを判別するための第２の出力データを出力する可変ニューラルネットワークを追加し、外部からの操作によって、登録された新規底質の登録が解除された際、該可変ニューラルネットワークを削除するニューラルネットワーク管理部と、前記第１の出力データに対して前記第２の出力データが優先された前記底質情報を生成することが可能な出力処理部とを備えていることを特徴とする。
【００１０】
上記の構成によれば、予め登録されている複数の底質のうち、入力データが属する底質を判別するための第１の出力データが固定ニューラルネットワークから出力される。外部からの操作によって、新たに新規底質が登録された際、可変ニューラルネットワークが追加され、入力データが当該新規底質に属するか否かを判別するための第２の出力データが当該可変ニューラルネットワークから出力される。また、第１の出力データに対して第２の出力データが優先された底質情報を生成することが可能である。さらに、外部からの操作によって、当該登録された新規底質の登録が解除された際、可変ニューラルネットワークは削除される。
このように、可変ニューラルネットワークを追加、削除することにより、新規底質の登録、及び登録の解除をすることができるため、固定ニューラルネットワークの構造を変更する必要がない。また、可変ニューラルネットワークは、新規底質に属するか否かを判別するニューラルネットワークであり、ニューロンの数が少ないため、学習時間を抑えることができる。またさらに、入力データが新規底質に属するか否かをユーザに認識させることができる、第１の出力データに対して第２の出力データが優先された底質情報を生成することが可能である。
なお、本発明に係る水中探知装置は、底質を判別する機能を備えたものであればよく、例えば、魚群探知機や測深機、ソナーなどが挙げられる。
【００１１】
また、本発明の水中探知装置において、前記可変ニューラルネットワークは、受信した前記エコー信号に基づいて生成され、外部からの操作によって、前記新規底質の学習データとして設定されたユーザ登録学習データ、及び前記固定ニューラルネットワークの学習の際に用いられ、前記新規底質以外の底質の学習データとして設定された固定学習データによって学習されるようにされていてもよい。上記の構成によれば、受信したエコー信号に基づいて生成され、外部からの操作によって新規底質の学習データとして設定されたユーザ登録学習データ、及び固定ニューラルネットワークの学習の際に用いられ、新規底質以外の底質の学習データとして設定された固定学習データによって学習される。このようにすることで、可変ニューラルネットワークの学習の際に用いられる学習データは、水中カメラなどで実際に確認しなくても取得することができる。
【００１２】
また、本発明の水中探知装置において、前記ユーザ登録学習データは、外部からの操作によって学習データの追加、及びユーザ登録学習データの一部の学習データを削除可能にされていてもよい。上記の構成によれば、ユーザ登録学習データは、外部からの操作によって学習データの追加、及びユーザ登録学習データの一部の学習データを削除可能にされている。このようにすることで、新規底質の学習データを優良なものにすることが可能であり、入力データが新規底質に属するか否かについての底質情報を精度良く生成することが出来る。
【００１３】
また、本発明の水中探知装置において、前記底質情報は、前記第２の出力データから生成される、前記入力データと前記新規底質との類似度に相当する値、及び／又は前記第１の出力データから生成される、前記入力データと前記予め登録されている複数の底質各々との類似度に相当する値からなるようにされていてもよい。上記の構成によれば、底質情報は、前記第２の出力データから生成される、入力データと新規底質との類似度に相当する値、及び／又は前記第１の出力データから生成される、入力データと予め登録されている複数の底質各々との類似度に相当する値からなる。このようにすることで、入力データと新規底質底質との類似度、及び入力データと予め登録されている複数の底質各々との類似度が一目瞭然となる。また、底質を判別する水域内で、入力データと新規底質との類似度が変化する様子、及び入力データと予め登録されている複数の底質各々との類似度が変化する様子が一目瞭然となる。
【００１４】
また、本発明の水中探知装置においては、閾値を設定する閾値設定部を更に備え、前記出力処理部において、前記入力データと前記新規底質との類似度に相当する値が、前記閾値以上の場合、前記第１の出力データに対して前記第２の出力データが優先された前記底質情報を生成し、前記第２の出力データが示す値が前記閾値よりも小さい場合、前記第１の出力データのみにより前記底質情報が生成されるようにされていてもよい。上記の構成によれば、前記入力データと前記新規底質との類似度に相当する値が、閾値設定部により設定された閾値以上の場合、第１の出力データに対して第２の出力データが優先された底質情報を生成し、閾値よりも小さい場合、第１の出力データのみにより底質情報が生成される。このように、入力データと新規底質との類似度に相当する値の大きさによって、第２の出力データを底質情報の生成に用いるか否かが決まるため、入力データと新規底質との類似度に相当する値が、設定された閾値以上であるか否かが一目瞭然となる。
【００１５】
また、本発明の水中探知装置においては、前記入力データと前記新規底質との類似度に相当する値が、前記閾値以上の場合に、前記入力データが前記固定ニューラルネットワークに入力されないようにする可変ニューラルネットワーク出力判定部を更に備えていてもよい。上記の構成によれば、前記入力データと前記新規底質との類似度に相当する値が、閾値設定部により設定された閾値以上の場合に、入力データは固定ニューラルネットワークに入力されない。こうすることにより、入力データと新規底質との類似度に相当する値が、閾値以上の場合に、固定ニューラルネットワークにおける処理を省くことが出来る。
【００１６】
また、本発明の水中探知装置において、前記閾値は外部からの操作によって変更可能にされていてもよい。上記の構成によれば、閾値は外部からの操作によって変更可能にされている。こうすることにより、第２の出力データを底質情報に反映させるか否かを決定する、入力データと新規底質との類似度に相当する値の大きさを、ユーザは、自らの好みに応じて変更することが出きる。
【００１７】
また、本発明の水中探知装置において、前記底質情報を出力する出力部（表示モニタやスピーカ等）を備え、前記出力部に出力させる前記底質情報の出力形態は複数あり、当該出力形態が外部からの操作によって変更可能にされていてもよい。上記の構成によれば、出力部に底質情報を出力させる出力形態は複数あり、外部からの操作によって変更可能にされている。こうすることで、ユーザは、自らの好みに応じて、出力形態を変更することが出来る。
【００１８】
また、本発明は、入力データをニューラルネットワークに入力し、ニューラルネットワークから出力された出力データに基づいて、登録されている複数の判別対象のうち当該入力データが属する判別対象に関する判別情報を生成する判別装置であって、予め登録されている複数の判別対象のうち、前記入力データが属する判別対象を判別するための第１の出力データを出力する固定ニューラルネットワークと、外部からの操作によって、新規判別対象が登録された際、前記入力データが当該新規判別対象に属するか否かを判別するための第２の出力データを出力する可変ニューラルネットワークを追加し、外部からの操作によって、新規判別対象の登録が解除された際、該第２のニューラルネットワークを削除するニューラルネットワーク管理部と、前記第１の出力データに対して前記第２の出力データが優先された前記判別情報を生成することが可能な出力処理部とを備えていることを特徴とする。
【００１９】
上記の構成によれば、予め登録されている複数の判別対象のうち、入力データが属する判別対象を判別するための第１の出力データが固定ニューラルネットワークから出力される。外部からの操作によって、新たに新規判別対象が登録された際、可変ニューラルネットワークが追加され、入力データが当該新規判別対象に属するか否かを判別するための第２の出力データが当該可変ニューラルネットワークから出力される。また、第１の出力データに対して第２の出力データが優先された判別情報を生成することが可能である。さらに、外部からの操作によって、当該登録された新規判別対象の登録が解除された際、可変ニューラルネットワークは、削除される。
このように、可変ニューラルネットワークを追加、削除することにより、新規判別対象を登録、及び登録の解除をすることができるため、固定ニューラルネットワークの構造を変更する必要がない。また、可変ニューラルネットワークは、新規判別対象に属するか否かを判別するニューラルネットワークであり、ニューロンの数が少ないため、学習時間を抑えることができる。またさらに、第１の出力データに対して第２の出力データが優先された判別情報が生成されるため、入力データが新規判別対象に属するか否かを容易に判別することが可能である。
【発明の効果】
【００２０】
本発明は、予め登録されている複数の判別対象のうち、入力データが属する判別対象を判別するニューラルネットワークの構造を変更せずに、新規判別対象の登録、及び登録の解除を可能にする。
【図面の簡単な説明】
【００２１】
【図１】本発明の一実施形態にかかる水中探知装置を説明する説明図である。
【図２】本発明の一実施形態にかかる水中探知装置の機能ブロック図である。
【図３】本発明の一実施形態にかかる水中探知装置の表示装置の外部構造である。
【図４】本発明の一実施形態にかかる水中探知装置の電気的構成を示すブロック図である。
【図５】本発明の一実施形態にかかる水中探知装置の表示モニタに表示される底質情報の表示形態を説明する図であり、（ａ）は第一底質表示形態、（ｂ）は、第一比率表示形態について説明する図である。
【図６】本発明の一実施形態にかかる水中探知装置のニューラルネットワークから出力される出力データを示す図であり、（ａ）は固定ニューラルネットワークから出力される出力データ、（ｂ）は可変ニューラルネットワークから出力される出力データを示す図である。
【図７】本発明の一実施形態にかかる水中探知装置の表示モニタに表示される底質情報の表示形態を説明する図であり、（ａ）は第一底質表示形態、（ｂ）は、第一比率表示形態について説明する図である。
【図８】本発明の一実施形態にかかる水中探知装置の表示モニタに表示される底質情報の表示形態を説明する図であり、（ａ）は第二底質表示形態、（ｂ）は、第二比率表示形態について説明する図である。
【図９】本発明の一実施形態にかかる水中探知装置の表示モニタに表示される底質情報の表示形態を説明する図であり、（ａ）は第二底質表示形態、（ｂ）は、第二比率表示形態について説明する図である。
【図１０】本発明の一実施形態にかかる水中探知装置の表示モニタに表示される底質情報の表示形態を説明する図であり、（ａ）は第三底質表示形態、（ｂ）は、第三比率表示形態について説明する図である。
【図１１】本発明の一実施形態にかかる水中探知装置の表示モニタに表示される底質情報の表示形態を説明する図であり、（ａ）は第三底質表示形態、（ｂ）は、第三比率表示形態について説明する図である。
【図１２】本発明の一実施形態にかかる水中探知装置の表示モニタに表示される底質情報の表示形態の一変形例を説明する図である。
【図１３】本発明の一実施形態に係る水中探知装置におけるメイン処理の動作の流れを表すフローチャート図である。
【図１４】本発明の一実施形態に係る水中探知装置における操作ボタン処理の動作の流れを表すフローチャート図である。
【図１５】本発明の一実施形態に係る水中探知装置におけるユーザ底質追加処理の動作の流れを表すフローチャート図である。
【図１６】本発明の一実施形態に係る水中探知装置におけるユーザ底質修正処理の動作の流れを表すフローチャート図である。
【図１７】本発明の一実施形態に係る水中探知装置における学習処理の動作の流れを表すフローチャート図である。
【図１８】本発明の一実施形態に係る水中探知装置のユーザ底質修正処理における表示モニタに表示される画面を示す図である。
【図１９】本発明の一実施形態に係る水中探知装置の一変形例を示す図である。
【図２０】従来のニューラルネットワークについて説明する説明図である。
【発明を実施するための最良の形態】
【００２２】
以下、本発明に係る一実施形態である水中探知装置について図面を参照して説明する。図１は、水中探知装置１について説明する説明図である。
【００２３】
（水中探知装置１の概略構成）
図1に示すように、水中探知装置１は、船舶５に搭載されている。水中探知装置１が搭載された船舶５の船底には、振動子１１が設けられており、該振動子１１は、超音波である送信パルスを水底に向けて発射し、当該送信パルスが水底で反射されたエコー信号を受信する。
【００２４】
また、船舶５には、探知装置本体９０が操舵室に設置されており、該探知装置本体９０は、入力データ生成部６、可変ニューラルネットワーク部７（以下、可変ＮＮ部７）、固定ニューラルネットワーク２６（以下、固定ＮＮ２６）、出力制御部８、及び操作入力部７０を有している。
【００２５】
入力データ生成部６は、振動子１１で受信されたエコー信号に基づいて、特徴量を算出し、後述の可変ニューラルネットワーク４０（以下、可変ＮＮ４０）や固定ＮＮ２６に入力される入力データを生成する。
【００２６】
固定ＮＮ２６は、予め登録されている複数の底質のうち、上記入力データが属する底質を判別するための第１の出力データを生成する。
【００２７】
可変ＮＮ部７は、操作入力部７０を介してユーザから新規底質の登録がされた場合に、入力データが当該新規底質に属するか否かを判別するための第２の出力データを生成する可変ＮＮ４０を固定ＮＮ２６の前段に追加する。そして、当該可変ＮＮ４０の第２の出力データに応じて、固定ＮＮ２６に入力データを出力するか否かを判定し、出力すると判定した場合のみ、固定ＮＮ２６に入力データを出力するようにされている。
【００２８】
また、可変ＮＮ部７は、操作入力部７０を介してユーザから新規底質の登録がされた場合、固定ＮＮ２６の前段に追加されている可変ＮＮ４０を削除する。
【００２９】
出力制御部８は、固定ＮＮ２６から出力される第１の出力データ、及び／又は可変ＮＮ４０から出力される第２の出力データに基づいて、底質情報５５を生成し、当該底質情報５５をユーザが認識できるように、探知装置本体９０に設けられた表示モニタ５０などに出力する。
【００３０】
（水中探知装置１の詳細構成）
図２は、本発明の一実施形態に係る水中探知装置の構成を示すブロック図である。この水中探知装置１は、魚群を探知する機能と海底の底質を判別する機能とを備える。魚群を探知する機能については、従来のものと同様であるので説明を省略する。
【００３１】
振動子１１は、２つの周波数（ここでは５０ｋＨｚと２００ｋＨｚ）の超音波である送信パルスを水底に向けて発射し、当該送信パルスが水底で反射されたエコー信号を受信する。送信パルス幅が１ｍｓ、周波数が５０ｋＨｚのとき、送信パルスは５０周期分の正弦波信号となる。
【００３２】
入力データ生成部６は、送受信部１２、周波数変換部１３、Ａ／Ｄ変換器１４、検波部１５、振幅データ記憶部１６、深度算出部１７、送信パルス幅算出部１８、振幅データ抽出部１９、ゲイン補正部２０、平滑化部２１、正規化部２２、及び特徴量算出部２３を有している。
【００３３】
送受信部１２は、後述の送信パルス幅算出部１８から入力される送信パルス幅制御信号に応じたパルス幅の送信駆動信号を振動子１１に供給するとともに、振動子１１から出力されたエコー信号に対して帯域制限と信号増幅の処理を施す。
【００３４】
周波数変換部１３は、５０ｋＨｚあるいは２００ｋＨｚのエコー信号を中間周波数信号に変換する。この中間周波数信号の変換により、２つの周波数のエコー信号に対する以降の信号処理が共通化される。Ａ／Ｄ変換器１４は、中間周波数信号をデジタル信号に変換する。検波部１５は、Ａ／Ｄ変換器１４から出力されるデジタル信号を検波して振幅データを出力する。振幅データは、振幅データ記憶部１６に記憶され、深度算出部１７や振幅データ抽出部１９などによる演算処理時に振幅データ記憶部１６から読み出される。
【００３５】
深度算出部１７は、振幅データから海底深度を求める。なお、海底深度の算出については、従来の方法と同様であるので説明を省略する。送信パルス幅算出部１８は、深度算出部１７で算出した海底深度に基づいて、海底深度に比例する送信パルス幅を算出し、この送信パルス幅に応じた送信パルス幅制御信号を送受信部１２に送る。なお、送信パルス幅は、海底深度に正確に比例させてもよいし、略比例させるだけでもよい。振幅データ抽出部１９は、海底深度に比例する時間間隔で、入力される振幅データから、後述の特徴量算出部２３における特徴量の算出に用いる振幅データを抽出する。
【００３６】
ゲイン補正部２０は、振幅データ抽出部１９で抽出した振幅データに対してＴＶＧ（Ｔｉｍｅ Ｖａｒｉａｂｌｅ Ｇａｉｎ）処理を施す。このＴＶＧ処理によって、超音波信号の伝搬損失に起因する受信信号レベルの減衰量が補正される。なお、図２ではゲイン補正部１０を振幅データ抽出部１９の後段に配置しているが、前段に配置してもよい。
【００３７】
平滑化部２１は、ゲイン補正後の振幅データを平滑化する。この平滑化によって、船体の僅かな動揺やノイズなどによる振幅データ値の変動を抑制し、判別結果の安定性を向上させる。
【００３８】
正規化部２２は、平滑化した振幅データをそれらの最大値で正規化する。振幅データを正規化することによって、底質判別結果が振動子１１の感度の経年変化や海面付近の気泡などによる受信レベルの変動に影響されなくなる。本実施形態では、海底深度に比例したパルス幅の送信パルスを振動子１１から発射し、エコー信号の所定範囲から海底深度に比例する時間間隔で振幅データを抽出し、抽出した振幅データに対してＴＶＧ処理を施し、さらにＴＶＧ処理後の振幅データを正規化している。この結果、正規化後の振幅データは、底質が同じであれば、海底深度によらず同じになる。したがって、正規化後の振幅データから算出する特徴量に基づいて底質情報を取得する本実施形態の水中探知装置１では、底質情報は海底深度に依存しない。すなわち、底質が同じであれば、海底深度が異なっても底質情報は同じになる。
【００３９】
特徴量算出部２３は、正規化した振幅データから特徴量を算出し、固定ＮＮ２６や可変ＮＮ４０等に入力される入力データを生成する。なお、５０ｋＨｚ、及び２００ｋＨｚの処理サイクルごとに特徴量は算出される。また、本実施形態において、入力データは、この５０ｋＨｚの処理サイクルで得られた特徴量、及び２００ｋＨｚの処理で得られた特徴量を1組の特徴量セットとし、該特徴量セットに基づいて形成された１９個の入力信号からなる。
【００４０】
固定ＮＮ２６は、予め登録されている複数の底質のうち、特徴量算出部２３から出力される入力データが属する底質を判別するための第１の出力データを生成する。本実施形態では、予め4種類の底質｛岩，石，砂，泥｝が登録されており、第１の出力データは、入力データと各々の底質との類似度に相当する値である。
【００４１】
ここで、固定ＮＮ２６の構成について説明する。固定ＮＮ２６は、入力層、中間層、出力層の３層からなる階層型ニューラルネットワークである。入力層は、入力データである１９個の入力信号に、それぞれ対応する１９個の入力ニューロンにより構成される。出力層は、予め登録されている４種の底質に、それぞれ対応する４個の出力ニューロンから構成されている。各出力ニューロンは、入力データと対応する底質との類似度に相当する値を出力信号として出力する。第１の出力データは、該４個の出力信号からなる。
【００４２】
次に、固定ＮＮ２６の学習について説明する。まず、水底の底質がそれぞれ岩、石、砂、泥である各場所で、水中探知装置１を用いて多数の入力データが収集されるとともに、水中カメラなどで実際に底質種別が確認される。次に、パーソナルコンピュータ等によって、上記の収集された入力データと確認された底質種別とから、誤差逆伝搬法によってシナプス結合係数が決められる。なお、このように誤差逆伝搬法によって決定されたシナプス結合係数は、後述のＲＯＭ８２に記憶されている。また、収集された入力データは、新規底質以外の底質についての学習データである固定学習データとしてＲＯＭ８２に記憶されている。
【００４３】
可変ＮＮ部７は、可変ニューラルネットワーク判定部２４（以下、可変ＮＮ判定部２４）、可変ニューラルネットワーク出力判定部２５（以下、可変ＮＮ出力判定部２５）、ニューラルネットワーク管理部２７（以下、ＮＮ管理部２７）、可変ＮＮ４０、閾値設定部２８、及び学習データ取得部３１を有している。
【００４４】
可変ＮＮ判定部２４は、ＮＮ管理部２７から出力される登録信号に基づいて可変ＮＮ４０が登録されているか否かを判定する。可変ＮＮ４０が登録されていると判定した場合に、特徴量算出部２３から出力された入力データを可変ＮＮ４０に出力する。
【００４５】
可変ＮＮ出力判定部２５は、後述の閾値設定部２８から出力される閾値信号に基づいて、特徴量算出部２３から出力された入力データを固定ＮＮ２６に出力するか否かを判定する。入力データを固定ＮＮ２６に出力すると判定した場合には、当該入力データを固定ＮＮ２６に出力する。具体的には、入力データと新規底質との類似度に相当する値が、操作入力部７０を介してユーザによって設定された閾値以上であることを示す閾値信号が閾値設定部２８から入力された場合に、当該入力データを出力しないと判定する。一方、閾値よりも小さいとする閾値信号が閾値設定部２８から入力された場合、該入力データを出力すると判定する。また、閾値モードではないことを示す閾値信号を、閾値設定部２８から受信した場合には、入力データは常に固定ＮＮ２６に出力される。ここで、閾値モードとは、入力データと新規底質との類似度に相当する値に応じて、固定ＮＮ２６に出力するか否かを決定するモードのことである。
【００４６】
ＮＮ管理部２７は、特徴量算出部２３から出力された入力データ、及び学習データ取得部３１から出力された入力データを記憶する。また、ＮＮ管理部２７は、新規判別対象である新規底質の登録、又は新規底質の登録の解除を示すＮＮ操作信号を操作入力部７０から受信する。なお、新規底質の登録を示すＮＮ操作信号には、ＮＮ管理部２７に記憶されている入力データのうち、可変ＮＮ４０に学習させる入力データ（ユーザ登録学習データ）を指定する指定データが含まれている。
【００４７】
また、ＮＮ管理部２７は、新規底質の登録を示すＮＮ操作信号を受信した場合、指定データが指定する入力データをユーザ登録学習データとして設定し、当該ユーザ登録学習データと固定学習データとを用いて、可変ＮＮ４０に学習をさせる。また、同時に、可変ＮＮ４０が追加されたことを示す登録信号を可変ＮＮ判定部２４に出力する。一方、新規底質の登録の解除を示すＮＮ操作信号を受信した場合、ＮＮ管理部２７は、可変ＮＮ４０が削除されたことを示す登録信号を可変ＮＮ判定部２４に出力する。
【００４８】
可変ＮＮ４０は、特徴量算出部２３から出力される入力データが、新規底質に属するか否かを判別するための第２の出力データを生成する。
【００４９】
ここで、可変ＮＮ４０の構成について説明する。可変ＮＮ４０は、入力層、中間層、出力層の３層からなる階層型ニューラルネットワークである。入力層は、固定ニューラルネットワーク２６と同様、入力データである１９個の入力信号それぞれに対応する１９個の入力ニューロンにより構成される。出力層は、新規底質、及び新規底質以外の底質にそれぞれに対応する２個の出力ニューロンから構成されている。各出力ニューロンは、対応する底質との類似度に相当する値を出力信号として出力する。第２の出力データは、該２個の出力信号からなる。
【００５０】
次に、可変ＮＮ４０の学習について説明する。まず、ユーザ登録学習データを、新規底質の底質情報として設定し、ＲＯＭ８２に記憶されている固定学習データを新規底質以外の底質情報として設定する。なお、ユーザ登録学習データのデータ量と、固定学習データのデータ量とが異なる場合、データ量が少ない方の一部のデータを複製することでデータ量を増加させ、ユーザ登録学習データのデータ量と、固定学習データのデータ量とが同じになるようにされる。次に、後述の主制御回路８０を用いて、上記のユーザ登録学習データと固定学習データとから、誤差逆伝搬法によってシナプス結合係数が決められる。なお、誤差逆伝搬法によって決定されたシナプス結合係数、及びユーザ登録学習データは、後述のＲＡＭ８３に記憶される。こうすることにより、水中カメラなどで実際に底質種別を確認することなく、可変ＮＮ４０に学習させることができる。また、出力層の出力ニューロンの数が２個と少ないため、新規底質の登録の際にかかる学習時間を少ないものとすることができる。
【００５１】
閾値設定部２８は、上記の第２の出力データである、入力データと新規底質との類似度に相当する値が、操作入力部７０を介してユーザによって設定された閾値以上か否かを判定し、当該判定結果を示す閾値信号を可変ＮＮ出力判定部２５、及び出力処理部２９に出力する。なお、後述の出力処理部２９において、底質情報の生成の際に、固定ＮＮ２６の第１の出力データを常に用いる場合には、閾値モードではないことを示す閾値信号を可変ＮＮ出力判定部２５、及び出力処理部２９に出力する。
【００５２】
出力制御部８は、出力処理部２９、表示制御部５１、音声制御部６１、表示モニタ５０、及びスピーカ６０を有する。
【００５３】
出力処理部２９は、閾値設定部２８から出力された閾値信号、並びに固定ＮＮ２６から出力される第１の出力データ、及び／又は可変ＮＮ４０から出力される第２の出力データに基づいて底質情報を生成する。具体的に述べると、出力処理部２９は閾値設定部２８から、閾値以上とする判定結果を示す閾値信号を受信した場合、第１の出力データに対して第２の出力データを優先した底質情報を生成する。一方で、閾値よりも小さいとする判定結果を示す閾値信号を受信した場合、第１の出力データのみから底質情報を生成する。また、閾値モードではないことを示す閾値信号を受信した場合、可変ＮＮ４０が登録されている場合は、第１の出力データと第２の出力データとを用いて底質情報を生成し、可変ＮＮ４０が登録されていない場合は、第１の出力データのみから底質情報を生成する。
【００５４】
表示制御部５１は、出力処理部２９で生成された底質情報を表示用データに変換し、当該表示用データを表示モニタ５０に表示させる。音声制御部６１は、所定の底質情報に基づいて音声データを生成し、スピーカ６０から出力させる。なお、水中探知装置１が表示モニタ５０やスピーカ６０を備えていない場合には、他の機器のモニタに表示用データを表示させたり、他の機器のスピーカから音声データを出力させてもよい。操作入力部７０は、閾値変更の操作、表示形態（出力形態）の変更操作、新規底質の登録操作等のユーザの操作を検出する。
【００５５】
学習データ取得部３１は、外部から新規底質の学習データを取得することが可能にされている。例えば、他の水中探知装置１で取得された新規底質の学習データを、無線通信を介して取得したり、USB（Universal Serial Bus）メモリ等の外部メモリに記憶された新規底質の学習データを取得することができるようにされている。
【００５６】
ここで、『固定ニューラルネットワーク』とは、新規判別対象を登録する前に登録されている、複数の判別対象のうち、入力データが属する判別対象を判別するための出力データを出力するニューラルネットワークである。また。『可変ニューラルネットワーク』とは、入力データが新規判別対象、及び新規判別対象を登録する前に登録されている複数の判別対象のどちらに属するかを判別するための出力データを出力するニューラルネットワークである。
【００５７】
また、『固定学習データ』とは、固定ニューラルネットワークの学習の際に用いられるデータである。『ユーザ登録学習データ』とは、新規判別対象についてのデータである。
【００５８】
(水中探知装置の動作)
次に、水中探知装置１の動作について説明する。送受信部１２は、送信パルス幅算出部１８から入力される送信パルス幅制御信号に応じたパルス幅の送信駆動信号を振動子１１に供給する。この結果、振動子１１から５０ｋＨｚあるいは２００ｋＨｚの超音波の送信パルスが海底に向けて発射（送信）される。送信パルス幅が１ｍｓ、送信周波数が５０ｋＨｚのとき、送信パルスは５０周期分の正弦波信号となる。
【００５９】
振動子１１から発射された送信パルスは海底で反射し、海底エコーを含む信号が振動子１１で受信される。この受信信号に対する帯域制限および信号増幅が送受信部１２で行われ、さらに周波数変換部１３で受信信号が中間周波数信号に変換される。この周波数変換により、２つの周波数の受信信号に対する以降の信号処理が共通化される。中間周波数信号（周波数変換された受信信号）は、Ａ／Ｄ変換器１４でデジタル信号に変換され、さらに検波部１５で検波され、検波部１５から振幅データが出力される。振幅データは、振幅データ記憶部１６に記憶され、深度算出部１７や振幅データ抽出部１９などによる演算処理時に振幅データ記憶部１６から読み出される。
【００６０】
深度算出部１７は、従来からの方法で海底深度を求める。送信パルス幅算出部１８は、深度算出部１７で算出した海底深度に基づいて、海底深度に比例する送信パルス幅を算出し、この送信パルス幅に応じた送信パルス幅制御信号を送受信部１２に送る。例えば、海底深度が５０ｍ、１００ｍ、２００ｍのとき、送信パルス幅をそれぞれ０．５ｍｓ、１ｍｓ、２ｍｓとする。また、海底深度が７０ｍ〜９０ｍ、９０ｍ〜１１０ｍのとき、送信パルス幅をそれぞれ０．８ｍｓ、１ｍｓとして、階段状に海底深度に比例させてもよい。つまり、送信パルス幅を海底深度に正確に比例させてもよいし、略比例させるだけでもよい。そして、送信パルス幅制御信号を受信した送受信部１２から上述の送信駆動信号が振動子１１に供給されると、振動子１１から海底深度に比例するパルス幅の送信パルスが発射される。
【００６１】
振幅データ抽出部１９は、検波部１５から出力される振幅データの系列の所定範囲から、すなわちエコー信号の所定範囲から海底深度に比例する時間間隔で振幅データを抽出する。ここで、振幅データの系列とは、送信パルスを１回送信して得られる複数の振幅データを、それらが生じた時刻の順に並べることによって生成される数値列である。
【００６２】
ゲイン補正部２０は、振幅データ抽出部１９で抽出した振幅データに対してＴＶＧ（Ｔｉｍｅ Ｖａｒｉａｂｌｅ Ｇａｉｎ）処理を施す。このＴＶＧ処理によって、超音波信号の伝搬損失に起因する受信信号レベルの減衰量が補正される。図２ではゲイン補正部１０を振幅データ抽出部１９の後段に配置しているが、前段に配置してもよい。平滑化部２１は、ゲイン補正した振幅データを平滑化する。具体的には、複数回の同じ周波数（５０ｋＨｚあるいは２００ｋＨｚ）の処理サイクルで得た振幅データを、データ番号ごとに平均する。ｋ回目の処理サイクルで平滑化部２１が出力する値は、例えば、（ｋ−４)回目からｋ回目までの５回の処理サイクルで得られた振幅データの平均値である。平滑化処理は、船体の僅かな動揺やノイズなどによる振幅データ値の変動を抑制し、底質判別結果の安定性を向上させる。
【００６３】
正規化部２２は、平滑化した振幅データをそれらの最大値で正規化する。振幅データを正規化することによって、底質判別結果が振動子１１の感度の経年変化や海面付近の気泡などによる受信レベルの変動に影響されなくなる。本実施形態では、海底深度に比例したパルス幅の送信パルスを振動子１１から発射し、エコー信号の所定範囲から海底深度に比例する時間間隔で振幅データを抽出し、抽出した振幅データに対してＴＶＧ処理を施し、さらにＴＶＧ処理後の振幅データを正規化している。この結果、正規化後の振幅データは、底質が同じであれば、海底深度によらず同じになる。したがって、正規化後の振幅データから算出する特徴量に基づいて底質を判別する本発明では、底質判別結果は海底深度に依存しない。すなわち、底質が同じであれば、海底深度が異なっても底質判別結果は同じになる。
【００６４】
特徴量算出部２３は、正規化した振幅データの系列における複数個の区間（以下、セグメント）について、各セグメント内の振幅データの合計値（これを特徴量とよぶ）を算出する。特徴量は、５０ｋＨｚおよび２００ｋＨｚの処理サイクルごとに算出される。本実施形態では各セグメント内の振幅データを合計することにより特徴量を算出したが、各セグメント内の振幅データ値の標準偏差を用いて、あるいは各セグメント内の振幅データから算出したモーメントの値を用いて特徴量を算出してもよい。算出された特徴量に基づいて入力データを形成する。なお、本実施形態では、５０ｋＨｚおよび２００ｋＨｚの処理サイクルで得た１組の特徴量セットに基づいて形成された１９個の入力信号を入力データとしている。
【００６５】
可変ＮＮ判定部２４は、特徴量算出部２３から入力データが入力された場合、ＮＮ管理部２７から出力される登録信号に基づいて可変ＮＮ４０が登録されているか否かを判定する。可変ＮＮ４０が登録されていると判定した場合、該入力データを登録されている可変ＮＮ４０に出力する。
【００６６】
可変ＮＮ出力判定部２５は、特徴量算出部２３から入力データが入力された場合、閾値設定部２８から出力される閾値信号に基づいて、当該入力データを固定ＮＮ２６に出力するか否かを判定する。具体的には、該閾値信号が、第２の出力データが閾値以上の場合、当該入力データを固定ＮＮ２６に出力しない。一方、第２の出力データが閾値よりも小さい場合、当該入力データを固定ＮＮ２６に出力する。また、閾値モードではないことを示す閾値信号の場合は、当該入力データを固定ＮＮ２６に出力する。
【００６７】
固定ＮＮ２６は、階層型ニューラルネットワークであり、特徴量算出部２３から出力される入力データ、又はＮＮ管理部２７から出力される入力データに基づいて、第１の出力データを生成する。なお、出力データは４個の出力信号からなり、各出力信号が底質種別｛岩，石，砂，泥｝との類似度に相当する値となるように、シナプス結合係数が決められている。なお、シナプス結合係数はＲＯＭ８２に予め記録されている。
【００６８】
つまり、固定ＮＮ２６は、底質を判別する海底からのエコー信号により算出した入力データに基づいて、予め登録されている底質種別との類似度を示す数値（底質情報）を生成する。なお、予め登録されている底質種別の数は４個に限られるものではなく、また底質種別は、｛岩, 石, 砂, 泥｝に限られるものではない。
【００６９】
ＮＮ管理部２７は、特徴量算出部２３から入力データが入力された場合や、学習データ取得部３１から入力データが入力された場合、当該入力データを当該入力データの特性（入力データの取得時の時刻、水温、取得方法、水域等の情報）と関連付けて記憶する。また、ＮＮ管理部２７は、新規底質の登録を示すＮＮ操作信号を受信した場合、当該ＮＮ操作信号に含まれている指定データが示す入力データをユーザ登録学習データとして設定し、当該ユーザ登録学習データと固定学習データとを用いて、可変ＮＮ４０に学習をさせる。また、同時に可変ＮＮ４０が登録されたことを示す登録信号を可変ＮＮ判定部２４に出力する。一方で、新規底質の登録の解除を示すＮＮ操作信号を受信した場合、可変ＮＮ４０の登録が解除されたことを示す登録信号を可変ＮＮ判定部２４に出力し、可変ＮＮ４０を削除する。
【００７０】
可変ＮＮ４０は、階層型ニューラルネットワークであり、特徴量算出部２３から出力される入力データに基づいて、第２の出力データを生成する。なお、第２出力データは２個の出力信号からなる。そして、１つの出力信号は入力データと新規底質との類似度に相当する値、もう一つの出力信号は、入力データと新規底質以外の底質との類似度に相当する値となるように、シナプス結合係数が決められている。なお、シナプス結合係数はＲＡＭ８３に記録されている。
【００７１】
閾値設定部２８は、可変ＮＮ４０から第２の出力データが入力された場合、入力データと新規底質との類似度に相当する値が、操作入力部７０を介してユーザによって設定された閾値以上であるか否かを判定し、当該判定結果を示す閾値信号を可変ＮＮ出力判定部２５、及び出力処理部２９に出力する。
【００７２】
出力処理部２９は、閾値設定部２８から出力された閾値信号、並びに固定ＮＮ２６から出力される第１の出力データ、及び／又は可変ＮＮ４０から出力される第２の出力データに基づいて底質情報を生成する。具体的に述べると、出力処理部２９は閾値設定部２８から閾値信号を受信した場合、第１の出力データに対して第２の出力データを優先した底質情報を生成し、閾値信号を受信していない場合、第１の出力データのみから底質情報を生成する。また、出力処理部２９は、操作入力部７０を介して出力形態が選択された場合、当該選択された出力された出力形態に基づいた底質情報を生成する。
【００７３】
表示制御部５１は、出力処理部２９で生成された底質情報を表示用データに変換し、当該表示用データを表示モニタ５０に表示させる。音声制御部６１は、所定の底質情報に基づいて音声データを生成し、スピーカ６０から出力させる。
【００７４】
(探知装置本体９０の外部構造)
次に、図３を参照して、本実施の形態における水中探知装置１の探知装置本体９０の外部構造について説明する。
【００７５】
探知装置本体９０は、図３に示すように表示モニタ５０と、ユーザによる操作の対象となる各種の操作ボタンを有する操作入力部７０とが設けられている。操作入力部は、表示モニタ５０に表示させる底質情報の表示形態の変更、可変ＮＮ４０から出力される第２の出力データの閾値の決定、新規底質（可変ＮＮ４０）の登録などの操作を可能にしている。
【００７６】
(水中探知装置の電気的構成)
次に、図４を参照して、本実施の形態における水中探知装置１の電気的構成について説明する。本実施の形態における水中探知装置１は、主制御回路８０、及び主制御回路と電気的に接続する周辺装置とを備える。主制御回路８０は、予め設定されたプログラムに従って制御動作を行うＣＰＵ８１と、ＲＯＭ８２と、ＲＡＭ８３とを有している。
【００７７】
ＣＰＵ８１には、振動子１１、各種指示などの操作を入力するための操作入力部７０、表示モニタ５０の表示制御を行う表示制御部５１、スピーカ６０の音声制御を行なう音声制御部６１、可変ＮＮ４０に学習させる入力データを取得する学習データ取得部３１が接続されている。
ＲＯＭ８２には、各種のプログラム 、固定ＮＮ２６のシナプス結合係数、固定学習データ等が記憶されている。ＲＡＭ８３は、上記の振幅データ、特徴量、入力データ、可変ＮＮ４０のシナプス結合係数、作成されたユーザ底質（新規底質）の情報等が記憶される。
【００７８】
(表示モニタの表示形態)
次に、本実施形態における表示モニタの表示形態について、図５乃至図１０を参照しながら説明する。
【００７９】
（第１表示形態）
図５は、任意の時刻において、固定ＮＮ２６の第１の出力データのみを用いて底質情報を生成した場合の表示形態（以下、第１表示形態）について説明する図である。
【００８０】
図５は、底質情報５５を生成しながら船舶５を走行させた時の表示モニタ５０の画像である。図中の水平方向は時間を表すが、船舶５の船速が明らかな場合は、距離として表すことも可能である。表示モニタ５０の画像は、図中の右端部ｔ０から矢印Ａ方向に移動するように表示され、左端部ｔnに至ると、順次消滅するように表示される。従って、右端部ｔ0の下部に表示された画像が最新の情報であり左端部ｔnに近づくにつれ、より過去の情報となっている。表示モニタ５０の画像の上半分は、通常の水中探知装置が表示するものと同じ画像である。５３は送信駆動信号に直接起因する画像、５４は海底面の画像である。５５は底質情報の画像であり、底質各々を表す基本表示画像５６が識別可能となるよう（例えば、色彩を付すなど）にされている。具体的に述べると、５６ａは泥、５６ｂは砂、５６ｃは石、５６ｄは岩を表す基本表示画像である。なお、上記の表示モニタ５０の画像についての事項は、図８、図１０を参照して説明する第２の表示形態、及び第３の表示形態についても適用される事項である、
【００８１】
本実施の形態においては、図５（ａ）に示すように、予め登録されている底質のうち、類似度に相当する値が最も高い底質のみを表示する表示形態（以下、第一底質表示形態）と、図５（ｂ）に示すように、予め登録されている底質の類似度に相当する値各々を、全体に対する比率に応じて表示する表示形態（以下、第一比率表示形態）との２種類の第１表示形態を有している。
【００８２】
図５（ａ）に示す、第一底質表示形態は、例えば、固定ＮＮ２６から出力された各底質の類似度に相当する値が、図６（ａ）に示すように、全体を１００％とした場合に、泥が６０％、砂が２０％、石が１０％、岩が１０％であったとすると、泥の類似度に相当する値が最も高いので、図７（ａ）に示すように泥の基本表示画像である５６ａのみを表示モニタ５０の右端部ｔ0の下部に表示する。
【００８３】
また、図５（ｂ）に示す比率表示形態は、固定ＮＮ２６から出力された各底質の類似度に相当する値を、ユーザが認識可能となるように表示する。本実施形態においては、図７（ｂ）に示すように、各基本表示画像５６の縦方向の幅が、各底質の類似度に相当する値の全体に対する比率に応じた長さとすることで、ユーザが認識可能となるようにされている。例えば、泥が６０％、砂が２０％、石が１０％、岩が１０％であったとすると、その縦方向の幅の比率は６０：２０：１０：１０となり、底質情報５５の縦方向の長さを当該比率となるように各基本表示画像５６に割り当てられる。
【００８４】
（第２表示形態）
次に、任意の時刻において、固定ＮＮ２６の第１の出力データ、又は可変ＮＮ４０の第２の出力データのどちらか一方の出力データのみを用いて底質情報を生成する表示形態（以下、第２表示形態）について説明する。第２表示形態は、可変ＮＮ４０から出力されたユーザ底質（新規底質）の類似度に相当する値が、閾値設定部２８によって設定された閾値よりも大きい場合には、ユーザ底質を表すユーザ底質表示画像５７を表示モニタ５０の右端部ｔ0の下部に表示する。一方閾値よりも小さい場合には、固定ＮＮ２６から出力され各底質の類似度に相当する値に基づいて、基本表示画像５６を表示モニタ５０の右端部ｔ0の下部に表示する。なお、ユーザ底質表示画像５７は、基本表示画像５６と識別可能となるように（例えば、色彩を付すなど）されている。以下、可変ＮＮ４０から出力された、ユーザ底質、及びユーザ底質以外の底質についての類似度に相当する値が、図６（ｂ）に示すように、全体を１００％とした場合に、ユーザ底質（新規底質）が６０％、ユーザ底質以外の底質が４０％であった場合について説明する。
【００８５】
本実施形態において、第２表示形態は、第二底質表示形態と第二比率表示形態がある。
【００８６】
図８（ａ）は、第二底質表示形態を示している。図９（ａ）に示すように、第二底質表示形態は、閾値設定部２８によって設定された閾値が５０％だった場合、ユーザ底質の類似度に相当する値の方が大きいため、ユーザ底質表示画像５７を表示モニタ５０の右端部ｔ0の下部に表示する。一方、閾値設定部２８によって設定された閾値が８０％だった場合、ユーザ底質の類似度に相当する値の方が小さいため、予め登録されている底質のうち、類似度に相当する値が最も高い底質のみを表示モニタ５０の右端部ｔ0の下部に表示する。
【００８７】
図８（ｂ）は、第二比率表示形態を示している。図９（ｂ）に示すように、第二比率表示形態は、閾値設定部２８によって設定された閾値が５０％だった場合、ユーザ底質の類似度に相当する値の方が大きいため、ユーザ底質表示画像５７を表示モニタ５０の右端部ｔ0の下部に表示する。一方、閾値設定部２８によって設定された閾値が８０％だった場合、ユーザ底質の類似度に相当する値の方が小さいため、予め登録されている底質の類似度に相当する値各々を、全体に対する比率に応じて表示モニタ５０の右端部ｔ0の下部に表示する。
【００８８】
（第３表示形態）
次に、任意の時刻において、固定ＮＮ２６の第１の出力データ、及び可変ＮＮ４０の第２の出力データの双方の出力データを用いて底質情報を生成する表示形態（以下、第３表示形態）について説明する。
【００８９】
本実施形態において、第３表示形態は、第三底質表示形態と第三比率表示形態とがある。
【００９０】
図１０（ａ）は、第三底質表示形態を示している。第三底質表示形態は、まず、底質情報５５の縦方向の長さを、ユーザ底質、及びユーザ底質以外の底質についての類似度に相当する値の、全体に対する比率に応じて、ユーザ底質表示画像５７及び基本表示画像５６に割り当てる。例えば、図６（ｂ）に示すように、全体を１００％とした場合に、ユーザ底質が６０％、ユーザ底質以外の底質が４０％だとすると、図１１（ａ）に示すように、ユーザ底質表示画像５７と基本表示画像５６との縦方向の幅の長さの比率は６０：４０とする。次に基本表示画像５６の縦方向の長さを、予め登録されている各底質の類似度に相当する値の全体に対する比率に応じて、各基本表示画像５６に割り当てる。
【００９１】
図１０（ｂ）は、第三比率表示形態を示している。第３比率表示形態は、図１１（ｂ）に示すように、可変ＮＮ４０から出力されたユーザ底質の類似度に相当する値が、閾値設定部２８によって設定された閾値以上の場合には、第三底質表示形態と同じ表示形態をとり、閾値よりも小さい場合には、第一比率表示形態を採るものである。
【００９２】
以上、本実施形態における表示モニタの表示形態について述べたが、これに限定されるものではない。例えば、図１２に示すように、予め登録されている２つの底質を一つの底質として取り扱い、基本混合表示画像５８として表示されるようにされていてもよい。図１２では、予め登録されている底質である、泥と砂を同一の底質として取り扱った際の、表示形態を示している。
【００９３】
また、図１２に示すように、予め登録されている底質と、ユーザ底質とを一つの種類の底質として取り扱い、ユーザ混合表示画像５９として表示されるようにされていてもよい。図１２では、ユーザ底質と、予め登録されている底質とを同一の底質として取り扱った際の、表示形態を示している。
【００９４】
また、複数の表示形態を表示モニタ５０に表示することができるようにされていてもよい。
【００９５】
なお、上記の各種の表示形態は、操作入力部７０を介してユーザが選択できるようにされている。こうすることで、ユーザは、自らの好みに応じて、出力形態（表示形態）を変更することが出来る。
【００９６】
（水中探知装置１のＣＰＵ８１の動作）
次に本実施の形態に係る水中探知装置１の動作について説明する。
【００９７】
（メイン処理）
水中探知装置１のメイン処理について説明する。図１３は、メイン処理における水中探知装置１の動作の流れを表すフローチャート図である。
【００９８】
まず、ＣＰＵ８１は、操作入力部７０を介してユーザより、水中探知開始操作がされたか否かを判断する（Ｓ１）。水中探知開始操作がされていないと判断した場合（Ｓ１：ＮＯ）には、Ｓ１の処理に戻る。一方、水中探知開始操作がされたと判断した場合（Ｓ１：ＹＥＳ）には、海底深度を算出し、海底深度に応じたパルス幅の送信パルスを海底に向けて送信し、エコー信号を受信する（Ｓ２）。
【００９９】
次に、ＣＰＵ８１は、受信したエコー信号に基づいて、入力データを生成し（Ｓ３）、可変ＮＮ４０が登録（追加）されているか否かを判断する（Ｓ４）。可変ＮＮ４０が登録されていないと判断した場合（Ｓ４：ＮＯ）には、後述のＳ８の処理に移る。一方、可変ＮＮ４０が登録されていると判断した場合（Ｓ４：ＹＥＳ）には、入力データを当該可変ＮＮ４０に入力し（Ｓ５）、閾値モードが設定されているか否かを判断する（Ｓ６）。閾値モードが設定されていないと判断した場合（Ｓ６：ＮＯ）には、後述のＳ８の処理に移る。一方、閾値モードが設定されていると判断した場合（Ｓ６：ＹＥＳ）には、可変ＮＮ４０から出力される第２の出力データが閾値以上か否かを判断する（Ｓ７）。閾値以上でないと判断した場合（Ｓ７：ＮＯ）には、後述のＳ８の処理に移る。一方で、閾値以上と判断した場合には（Ｓ７：ＹＥＳ）、表示モニタ５０、及びスピーカ６０を制御して、ユーザに水底の底質が新規底質であることを報知する（Ｓ９）。
【０１００】
Ｓ８の処理においては、ＣＰＵ８１は、固定ＮＮ２６に入力データを入力する。ＣＰＵ８１は、Ｓ８の処理、及びＳ９の処理の後、可変ＮＮ４０の第２の出力データ、及び／又は固定ＮＮ２６の第１の出力データ、並びに選択されている表示形態に基づいて、底質情報を生成し、当該底質情報を表示モニタ５０に表示する（Ｓ１０）。
【０１０１】
次に、ＣＰＵ８１は、入力データを、当該入力データの特性（入力データの取得時の時刻、水温、取得方法、水域等の情報）と関連付けてＲＡＭ８３に記憶する（Ｓ１１）。次にＣＰＵ８１は、操作入力部７０の操作ボタンが操作されたか否かを判断する（Ｓ１２）。操作されていないと判断した場合（Ｓ１２：ＮＯ）には、Ｓ２の処理に戻る。一方で、操作ボタンが操作されたと判断した場合には（Ｓ１２：ＹＥＳ）、その操作が水中探知終了の操作であるか否かを判断する（Ｓ１３）。水中探知終了の操作であると判断した場合（Ｓ１３：ＹＥＳ）には、本処理を終了する。一方で、水中探知終了の操作ではないと判断した場合（Ｓ１３：ＮＯ）には、後述の操作ボタン処理をし（Ｓ１４）、Ｓ２の処理に戻る。
【０１０２】
（操作ボタン処理）
水中探知装置１の操作ボタン処理について説明する。図１４は、操作ボタン処理における水中探知装置１の動作の流れを表すフローチャート図である。
【０１０３】
まず、ＣＰＵ８１は、操作入力部７０の操作ボタンの操作が、表示形態変更操作であるか否かを判断する（Ｓ２０）。表示形態変更操作であると判断した場合（Ｓ２０：ＹＥＳ）には、表示モニタ５０に表示させる表示形態を選択された表示形態に変更し（Ｓ２１）、本処理を終了する。一方、表示形態変更操作ではないと判断した場合（Ｓ２０：ＮＯ）には、ユーザ底質追加操作であるか否かを判断する（Ｓ２２）。ユーザ底質追加操作であると判断した場合（Ｓ２２：ＹＥＳ）には、後述のユーザ底質追加処理をし（Ｓ２３）、本処理を終了する。
【０１０４】
一方、ユーザ底質追加操作ではないと判断した場合（Ｓ２２：ＮＯ）には、ＣＰＵ８１は、ユーザ底質削除操作であるか否かを判断する（Ｓ２４）。ユーザ底質削除操作であると判断した場合（Ｓ２４：ＹＥＳ）には、可変ＮＮ４０を削除し、当該可変ＮＮ４０の学習データを学習データの特性（ユーザ底質の名称、登録、及び登録解除操作がされた日時等の情報）と関連付けてＲＡＭ８３に記憶し、本処理を終了する。
【０１０５】
一方、ユーザ底質削除操作ではないと判断した場合（Ｓ２４：ＮＯ）には、ＣＰＵ８１は、ユーザ底質修正操作であるか否かを判断する（Ｓ２６）。ユーザ底質修正操作であると判断した場合（Ｓ２６：ＹＥＳ）には、後述のユーザ底質修正処理をし（Ｓ２７）、本処理を終了する。
【０１０６】
一方で、ユーザ底質削除操作ではないと判断した場合（Ｓ２６：ＮＯ）には、ＣＰＵ８１は、閾値変更操作であるか否かを判断する（Ｓ２８）。閾値変更操作ではないと判断した場合（Ｓ２８：ＮＯ）には、本処理を終了する。一方で、閾値変更操作であると判断した場合には、ＲＡＭ８３に記憶されている閾値を、ユーザによって選択された閾値に変更し、本処理を終了する。
【０１０７】
（ユーザ底質追加処理）
水中探知装置１のユーザ底質追加処理について説明する。図１５は、ユーザ底質追加処理における水中探知装置１の動作の流れを表すフローチャート図である。
【０１０８】
まず、ＣＰＵ８１は、操作入力部７０のユーザの操作に基づいて、新たにユーザ底質を作成するか否かを判断する（Ｓ４０）。新たにユーザ底質を作成すると判断した場合（Ｓ４０：ＹＥＳ）には、後述の学習処理をする（Ｓ４１）。次に、ＣＰＵ８１は、学習処理により得られたシナプス結合係数、可変ＮＮ４０の学習に用いられた学習データ、ユーザ底質の名称等の情報を含むユーザ底質情報を作成し、このユーザ底質情報をＲＡＭ８３に記憶する（Ｓ４２）。次にＣＰＵ８１は、学習処理により得られたシナプス結合係数をもつ可変ＮＮ４０を固定ＮＮ２６の前段に追加し（Ｓ４５）、本処理を終了する。
【０１０９】
一方で、新たにユーザ底質を作成しないと判断した場合（Ｓ４０：ＮＯ）には、ＣＰＵ８１は、ＲＡＭ８３に記憶されている、過去に作成したユーザ底質情報の一覧（ユーザ底質の名称の一覧など）を表示モニタ５０に表示する（Ｓ４３）。次に、ＣＰＵ８１は、操作入力部７０を介してユーザによりユーザ底質情報が選択されたか否かを判断する（Ｓ４４）。選択されていないと判断した場合（Ｓ４４：ＮＯ）には、Ｓ４４の処理に戻る。一方で、選択されたと判断した場合（Ｓ４４：ＹＥＳ）には、ＲＡＭ８３に記憶されている、当該選択されたユーザ底質情報のシナプス結合係数をもつ可変ＮＮ４０を固定ＮＮ２６の前段に追加し（Ｓ４５）、本処理を終了する。
【０１１０】
（ユーザ底質修正処理）
水中探知装置１のユーザ底質修正処理について説明する。図１６は、ユーザ底質修正処理における水中探知装置１の動作の流れを表すフローチャート図である。
【０１１１】
まず、ＣＰＵ８１は、過去に作成したユーザ底質情報を表示モニタ５０に表示する（Ｓ６０）。次に、ＣＰＵ８１は、操作入力部７０を介してユーザによりユーザ底質情報が選択されたか否かを判断する（Ｓ６１）。ユーザ底質が選択されていないと判断した場合（Ｓ６１）には、Ｓ６１の処理に戻る。一方で、ユーザ底質が選択されたと判断した場合には、操作入力部７０を介してユーザにより追加学習操作がされたか否かを判断する（Ｓ６２）。追加学習操作がされたと判断した場合（Ｓ６２：ＹＥＳ）には、後述の学習処理をし（Ｓ６７）、ＲＡＭ８３に記憶されているユーザ底質情報の当該シナプス結合係数、及びユーザ登録学習データの学習データの情報を更新し（Ｓ６８）、本処理を終了する。
【０１１２】
一方で、追加学習操作ではないと判断した場合（Ｓ６２：ＮＯ）には、図１８に示すように、当該選択されたユーザ底質（ユーザ底質情報）のユーザ登録学習データの学習データの一覧を表示する（Ｓ６３）。次に、ＣＰＵ８１は、操作入力部７０を介してユーザにより削除する学習データが選択されたか否かを判断する（Ｓ６４）。削除する学習データが選択されていないと判断した場合（Ｓ６４：ＮＯ）には、Ｓ６３の処理に戻る。一方で、削除する学習データが選択されたと判断した場合（Ｓ６４：ＹＥＳ）には、当該選択された学習データをユーザ登録学習データから削除する（Ｓ６４）。次にＣＰＵ８１は、ユーザ登録学習データと、ＲＯＭ８２に記憶されている固定学習データとを用いて誤差逆伝播法により可変ＮＮ４０のシナプス結合係数を算出し（Ｓ６５）、ＲＡＭ８３に記憶されているユーザ底質の当該シナプス結合係数、及びユーザ登録学習データの学習データの情報を更新し（Ｓ６８）、本処理を終了する。
【０１１３】
（学習処理）
水中探知装置１の学習処理について説明する。図１７は、学習処理における水中探知装置１の動作の流れを表すフローチャート図である。
【０１１４】
まず、ＣＰＵ８１は、操作入力部７０のユーザの操作に基づいて、可変ＮＮ４０を学習させる際に、ＲＡＭ８３に記憶されている入力データを用いて学習させるか否かを判断する（Ｓ８０）。ＲＯＭ８２に記憶されている入力データを用いて学習させると判断した場合（Ｓ８０：ＹＥＳ）には、ＲＡＭ８３に記憶されている入力データの特性の一覧を表示する（Ｓ８１）。次に、ＣＰＵ８１は、操作入力部７０を介してユーザにより、入力データが選択されたか否かを判断する（Ｓ８２）。選択されていないと判断した場合（Ｓ８２：ＮＯ）には、Ｓ８２の処理に戻る。一方で、選択されたと判断した場合には、当該入力データをユーザ登録学習データとし、ユーザ登録学習データとＲＯＭ８２に記憶されている固定学習データを用いて誤差逆伝播法により、可変ＮＮ４０のシナプス結合係数を算出し（Ｓ９０）、本処理を終了する。
【０１１５】
一方で、ＲＡＭ８３に記憶されている入力データを用いて学習をさせないと判断した場合（Ｓ８０：ＮＯ）には、ＣＰＵ８１は、操作入力部７０を介してユーザにより、学習データ取得開始操作がされたか否かを判断する（Ｓ８３）。学習データ取得開始操作がされていないと判断した場合（Ｓ８３：ＮＯ）には、Ｓ８３の処理に戻る。一方で、学習データ取得開始操作がされたと判断した場合（Ｓ８３：ＹＥＳ）には、海底深度を算出し、海底深度に応じたパルス幅の送信パルスを海底に向けて送信し、エコー信号を受信する（Ｓ８４）。
【０１１６】
次に、ＣＰＵ８１は、受信したエコー信号に基づいて、入力データを生成し（Ｓ８５）、該入力データを固定ＮＮ２６に入力する（Ｓ８６）。次に、ＣＰＵ８１は、固定ＮＮ２６より出力された第１の出力データを用いて底質情報を生成し、当該底質情報を表示モニタ５０に表示する（Ｓ８７）。次に、ＣＰＵ８１は、入力データをＲＡＭ８３に記憶（Ｓ８８）する。
【０１１７】
次に、ＣＰＵ８１は、操作入力部７０を介してユーザにより、学習データ取得終了操作がされたか否か判断する（Ｓ８９）。学習データ取得終了操作がされていないと判断した場合（Ｓ８９：ＮＯ）には、Ｓ８４の処理に戻る。
【０１１８】
一方で、学習データ取得終了操作がされたと判断した場合（Ｓ８９：ＹＥＳ）には、本学習処理で取得された入力データをユーザ登録学習データとし、ユーザ登録学習データとＲＯＭ８２に記憶されている固定学習データを用いて誤差逆伝播法により、可変ＮＮ４０のシナプス結合係数を算出し（Ｓ９０）、本処理を終了する。
【０１１９】
（本実施の形態の概要）
以上のように、本実施形態の水中探知装置１は、水中へ送信された超音波のエコー信号を受信し、当該エコー信号に基づいた入力データをニューラルネットワークに入力し、ニューラルネットワークから出力された出力データに基づいて、登録されている複数の底質のうち当該入力データが属する底質に関する底質情報５５を、所定時間毎に生成する水中探知装置であって、予め登録されている複数の底質のうち、入力データが属する底質を判別するための第１の出力データを出力する固定ＮＮ２６と、外部からの操作によって、新規底質が登録された際、入力データが当該新規底質に属するか否かを判別するための第２の出力データを出力する可変ＮＮ４０を追加し、外部からの操作によって、登録された新規底質の登録が解除された際、該可変ＮＮ４０を削除するＮＮ管理部２７と、第１の出力データに対して前記第２の出力データが優先された底質情報５５を生成することが可能な出力処理部２９と、底質情報５５を出力する表示モニタ５０やスピーカ６０とを備えている。
【０１２０】
上記の構成によれば、予め登録されている複数の底質のうち、入力データが属する底質を判別するための第１の出力データが固定ＮＮ２６から出力される。外部からの操作によって、新たに新規底質が登録された際、可変ＮＮ４０が追加され、入力データが当該新規底質に属するか否かを判別するための第２の出力データが当該可変ＮＮ４０から出力される。また、可変ＮＮ４０は、新規底質に属するか否かを判別するニューラルネットワークであり、ニューロンの数を少なくすることができるため、学習時間を抑えることができる。また、第１の出力データに対して第２の出力データが優先された底質情報５５を生成することが可能であり、当該底質情報５５は、表示モニタ５０やスピーカ６０より出力される。さらに、外部からの操作によって、当該登録された新規底質の登録が解除された際、可変ＮＮ４０は削除される。
このように、可変ＮＮ４０を追加、削除することにより、新規底質の登録、及び登録の解除をすることができるため、固定ＮＮ２６の構造を変更する必要がない。また、第１の出力データに対して第２の出力データが優先された底質情報５５が表示モニタ５０やスピーカ６０から出力されるため、ユーザは、入力データが新規底質に属するか否かを容易に認識することができる。
【０１２１】
また、本発明の水中探知装置１において、可変ＮＮ４０は、受信したエコー信号に基づいて生成され、外部からの操作によって、新規底質として設定されたユーザ登録学習データ、及び固定ＮＮ２６の学習の際に用いられ、新規底質以外の底質として設定された登録学習データによって学習される。上記の構成によれば、受信したエコー信号に基づいて生成され、外部からの操作によって新規底質として設定されたユーザ登録学習データ、及び固定ＮＮ２６の学習の際に用いられ、新規底質以外の底質として設定された固定学習データによって学習される。このようにすることで、可変ＮＮ４０の学習の際に用いられる学習データは、水中カメラなどで実際に確認しなくても取得することができる。
【０１２２】
また、本発明の水中探知装置１において、ユーザ登録学習データは、外部からの操作によって学習データの追加、及びユーザ登録学習データの一部の学習データを削除可能にされている。上記の構成によれば、ユーザ登録学習データは、外部からの操作によって学習データの追加、及びユーザ登録学習データの一部の学習データを削除可能にされている。このようにすることで、新規底質の学習データを優良なものにすることが可能であり、入力データが新規底質に属するか否かについての底質情報５５を精度良く生成することが出来る。
【０１２３】
また、本発明の水中探知装置１において、底質情報５５は、第２の出力データから生成される、入力データと新規底質との類似度に相当する値、及び／又は第１の出力データから生成される、入力データと予め登録されている複数の底質各々との類似度に相当する値からなる。上記の構成によれば、底質情報５５は、第２の出力データから生成される、入力データと新規底質との類似度に相当する値、及び／又は第１の出力データから生成される、入力データと予め登録されている複数の底質各々との類似度に相当する値からなる。このようにすることで、入力データと新規底質底質との類似度、及び入力データと予め登録されている複数の底質各々との類似度が一目瞭然となる。また、底質を判別する水域内で、入力データと新規底質との類似度が変化する様子、及び入力データと予め登録されている複数の底質各々との類似度が変化する様子が一目瞭然となる。
【０１２４】
また、本発明の水中探知装置１においては、閾値を設定する閾値設定部２８を更に備え、出力処理部２９において、入力データと新規底質との類似度に相当する値が、閾値以上の場合、第１の出力データに対して第２の出力データが優先された底質情報５５を生成し、閾値よりも小さい場合、第１の出力データのみにより底質情報が生成される。上記の構成によれば、入力データと新規底質との類似度に相当する値が、閾値設定部２８により設定された閾値以上の場合、第１の出力データに対して第２の出力データが優先された底質情報５５を生成し、閾値よりも小さい場合、第１の出力データのみにより底質情報５５が生成される。このように、入力データと新規底質との類似度に相当する値の大きさによって、第２の出力データを底質情報５５の生成に用いるか否かが決まるため、入力データと新規底質との類似度に相当する値が、設定された閾値以上であるか否かが一目瞭然となる。
【０１２５】
また、本発明の水中探知装置１においては、入力データと新規底質との類似度に相当する値が、閾値以上の場合に、入力データが固定ＮＮ２６に入力されないようにする可変ＮＮ出力判定部２５を更に備えている。上記の構成によれば、入力データと新規底質との類似度に相当する値が、閾値設定部２８により設定された閾値以上の場合に、入力データは固定ＮＮ２６に入力されない。こうすることにより、入力データと新規底質との類似度に相当する値が、閾値以上の場合に、固定ＮＮ２６における処理を省くことが出来る。
【０１２６】
また、本発明の水中探知装置１において、閾値は外部からの操作によって変更可能にされている。上記の構成によれば、第２の出力データを底質情報５５の生成に反映させるか否かを決定する、入力データと新規底質との類似度に相当する値の大きさを、ユーザは、自らの好みに応じて変更することが出きる。
【０１２７】
また、本発明の水中探知装置１において、表示モニタ５０やスピーカ６０に底質情報を出力させる出力形態は複数あり、当該出力形態が外部からの操作によって変更可能にされている。上記の構成によれば、ユーザは、自らの好みに応じて、出力形態を変更することが出来る。
【０１２８】
（本実施の形態の変形例）
以上、本発明の実施例を説明したが、具体例を例示したに過ぎず、特に本発明を限定するものではなく、具体的構成などは、適宜設計変更可能である。また、発明の実施の形態に記載された、作用及び効果は、本発明から生じる最も好適な作用及び効果を列挙したに過ぎず、本発明による作用及び効果は、本発明の実施の形態に記載されたものに限定されるものではない。
【０１２９】
例えば、本実施形態において、可変ＮＮ部７（可変ＮＮ４０）は、固定ＮＮ２６の前段に一つのみ設けられているが、図１９に示すように複数の可変ＮＮ部７（可変ＮＮ４０）を設けることが可能にされていてもよい。こうすることにより、複数種の新規底質を判別対象として追加することが可能となる。なお、この場合、各々の可変ＮＮ部７の可変ＮＮ４０の学習に用いられる固定学習データは、固定ＮＮ２６の学習データ、及び後段に設けられている可変ＮＮのユーザ登録学習データとなる。また、各々の可変ＮＮ部７の閾値設定部２８によって設定される閾値を変えることにより、底質情報の生成の際に優先させる、可変ＮＮ４０の出力データを変更することが可能である。
【符号の説明】
【０１３０】
１ 水中探知装置
２５ 可変ニューラルネットワーク出力判定部
２６ 固定ニューラルネットワーク
２７ ニューラルネットワーク管理部
２８ 閾値設定部
２９ 出力処理部
５０ 表示モニタ（出力部）
６０ スピーカ（出力部）
【技術分野】
【０００１】
本発明は、判別対象の追加が可能な判別装置に関する。
【背景技術】
【０００２】
近年、誤差逆伝播学習方式によって学習するニューラルネットワークが、画像認識、音声認識、パターン認識などの種々の分野において利用されるようになってきている。このようなニューラルネットワークは、入力データに基づいて、予め登録された複数の判別対象の中から、当該入力データが属する判別対象を判別することが可能である。
【０００３】
このニューラルネットワークを利用したものとして、水中探知装置が知られている(特許文献１)。水中探知装置は、超音波を利用して、水底の泥や岩等の底質に関する底質情報を取得するものであり、底魚やエビ、カニなどの生息場所や、魚網の破損の原因となる岩場などを知るために利用されている。この底質情報は、水中探知装置の振動子から水底に向けて発射された超音波の送信パルスのエコー信号に基づいて生成された入力データを、ニューラルネットワークに入力し、当該ニューラルネットワークから出力された出力データを処理することにより得ることができる。そして得られた出力データは、表示モニタ等を介してユーザに報知される。
【０００４】
ところで、ニューラルネットワークにおいて、新たに判別対象を追加（登録）したい場合がある。例えば、水中探知装置において、判別させたい底質（ユーザ底質）を新たに追加したい場合がある。このような場合、最も単純な方法として、ニューラルネットワークのニューロンの数を増加させる方法が知られている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００８−２７５３５１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、ニューロンの数を増加させる方法では、新規判別対象を登録する際（判別対象を追加する）際に、ニューラルネットワークの構造を変える必要があると共に、ニューロンの増加に伴って学習時間が爆発的に増加するという問題点がある。また、図２０に示すように、登録されている判別対象各々の、入力データに対する類似度を出力するニューラルネットワークにおいて、ニューラルネットワークの構造を変える前後で、予め登録されている判別対象間の、同一の入力データに対する出力値の比率が変化する可能性がある。またさらに、登録した判別対象の登録を解除しようとした場合、再度ニューラルネットワークの構造を変える必要があるという問題がある。
【０００７】
特に、水中探知装置において、ユーザが識別したい底質（ユーザ底質）は、水域、季節、天候等によって異なることが多いため、ユーザ底質の登録（新規判別対象の登録）、及び登録の解除が頻繁に起こる可能性がある。このユーザ底質の登録、及び登録の解除の度に、ニューラルネットワークの構造を変化させる必要があり、学習時間が膨大にかかる。さらに、予め登録されている底質間における同一の入力データに対する出力値の比率が変わるため、ユーザが、同じ入力データにも関わらず、底質が変化したと錯覚するおそれがあり、底質情報を正確にユーザに把握させることができないという問題がある。
【０００８】
本発明は、上記問題点を解決するものであって、その課題とするところは、少ない学習時間で新規判別対象の登録、及び登録の解除が可能であり、かつ新規判別対象の登録、及び登録の解除の前後で、予め登録されている判別対象間の出力値の比率が変更されない判別装置を提供することにある。さらには、この判別装置を有する水中探知装置を提供することにある。
【課題を解決するための手段】
【０００９】
本発明は、水中へ送信された超音波のエコー信号を受信し、当該エコー信号に基づいた入力データをニューラルネットワークに入力し、ニューラルネットワークから出力された出力データに基づいて、登録されている複数の底質のうち当該入力データが属する底質に関する底質情報を、所定時間毎に生成する水中探知装置であって、予め登録されている複数の底質のうち、前記入力データが属する底質を判別するための第１の出力データを出力する固定ニューラルネットワークと、外部からの操作によって、新規底質が登録された際、前記入力データが当該新規底質に属するか否かを判別するための第２の出力データを出力する可変ニューラルネットワークを追加し、外部からの操作によって、登録された新規底質の登録が解除された際、該可変ニューラルネットワークを削除するニューラルネットワーク管理部と、前記第１の出力データに対して前記第２の出力データが優先された前記底質情報を生成することが可能な出力処理部とを備えていることを特徴とする。
【００１０】
上記の構成によれば、予め登録されている複数の底質のうち、入力データが属する底質を判別するための第１の出力データが固定ニューラルネットワークから出力される。外部からの操作によって、新たに新規底質が登録された際、可変ニューラルネットワークが追加され、入力データが当該新規底質に属するか否かを判別するための第２の出力データが当該可変ニューラルネットワークから出力される。また、第１の出力データに対して第２の出力データが優先された底質情報を生成することが可能である。さらに、外部からの操作によって、当該登録された新規底質の登録が解除された際、可変ニューラルネットワークは削除される。
このように、可変ニューラルネットワークを追加、削除することにより、新規底質の登録、及び登録の解除をすることができるため、固定ニューラルネットワークの構造を変更する必要がない。また、可変ニューラルネットワークは、新規底質に属するか否かを判別するニューラルネットワークであり、ニューロンの数が少ないため、学習時間を抑えることができる。またさらに、入力データが新規底質に属するか否かをユーザに認識させることができる、第１の出力データに対して第２の出力データが優先された底質情報を生成することが可能である。
なお、本発明に係る水中探知装置は、底質を判別する機能を備えたものであればよく、例えば、魚群探知機や測深機、ソナーなどが挙げられる。
【００１１】
また、本発明の水中探知装置において、前記可変ニューラルネットワークは、受信した前記エコー信号に基づいて生成され、外部からの操作によって、前記新規底質の学習データとして設定されたユーザ登録学習データ、及び前記固定ニューラルネットワークの学習の際に用いられ、前記新規底質以外の底質の学習データとして設定された固定学習データによって学習されるようにされていてもよい。上記の構成によれば、受信したエコー信号に基づいて生成され、外部からの操作によって新規底質の学習データとして設定されたユーザ登録学習データ、及び固定ニューラルネットワークの学習の際に用いられ、新規底質以外の底質の学習データとして設定された固定学習データによって学習される。このようにすることで、可変ニューラルネットワークの学習の際に用いられる学習データは、水中カメラなどで実際に確認しなくても取得することができる。
【００１２】
また、本発明の水中探知装置において、前記ユーザ登録学習データは、外部からの操作によって学習データの追加、及びユーザ登録学習データの一部の学習データを削除可能にされていてもよい。上記の構成によれば、ユーザ登録学習データは、外部からの操作によって学習データの追加、及びユーザ登録学習データの一部の学習データを削除可能にされている。このようにすることで、新規底質の学習データを優良なものにすることが可能であり、入力データが新規底質に属するか否かについての底質情報を精度良く生成することが出来る。
【００１３】
また、本発明の水中探知装置において、前記底質情報は、前記第２の出力データから生成される、前記入力データと前記新規底質との類似度に相当する値、及び／又は前記第１の出力データから生成される、前記入力データと前記予め登録されている複数の底質各々との類似度に相当する値からなるようにされていてもよい。上記の構成によれば、底質情報は、前記第２の出力データから生成される、入力データと新規底質との類似度に相当する値、及び／又は前記第１の出力データから生成される、入力データと予め登録されている複数の底質各々との類似度に相当する値からなる。このようにすることで、入力データと新規底質底質との類似度、及び入力データと予め登録されている複数の底質各々との類似度が一目瞭然となる。また、底質を判別する水域内で、入力データと新規底質との類似度が変化する様子、及び入力データと予め登録されている複数の底質各々との類似度が変化する様子が一目瞭然となる。
【００１４】
また、本発明の水中探知装置においては、閾値を設定する閾値設定部を更に備え、前記出力処理部において、前記入力データと前記新規底質との類似度に相当する値が、前記閾値以上の場合、前記第１の出力データに対して前記第２の出力データが優先された前記底質情報を生成し、前記第２の出力データが示す値が前記閾値よりも小さい場合、前記第１の出力データのみにより前記底質情報が生成されるようにされていてもよい。上記の構成によれば、前記入力データと前記新規底質との類似度に相当する値が、閾値設定部により設定された閾値以上の場合、第１の出力データに対して第２の出力データが優先された底質情報を生成し、閾値よりも小さい場合、第１の出力データのみにより底質情報が生成される。このように、入力データと新規底質との類似度に相当する値の大きさによって、第２の出力データを底質情報の生成に用いるか否かが決まるため、入力データと新規底質との類似度に相当する値が、設定された閾値以上であるか否かが一目瞭然となる。
【００１５】
また、本発明の水中探知装置においては、前記入力データと前記新規底質との類似度に相当する値が、前記閾値以上の場合に、前記入力データが前記固定ニューラルネットワークに入力されないようにする可変ニューラルネットワーク出力判定部を更に備えていてもよい。上記の構成によれば、前記入力データと前記新規底質との類似度に相当する値が、閾値設定部により設定された閾値以上の場合に、入力データは固定ニューラルネットワークに入力されない。こうすることにより、入力データと新規底質との類似度に相当する値が、閾値以上の場合に、固定ニューラルネットワークにおける処理を省くことが出来る。
【００１６】
また、本発明の水中探知装置において、前記閾値は外部からの操作によって変更可能にされていてもよい。上記の構成によれば、閾値は外部からの操作によって変更可能にされている。こうすることにより、第２の出力データを底質情報に反映させるか否かを決定する、入力データと新規底質との類似度に相当する値の大きさを、ユーザは、自らの好みに応じて変更することが出きる。
【００１７】
また、本発明の水中探知装置において、前記底質情報を出力する出力部（表示モニタやスピーカ等）を備え、前記出力部に出力させる前記底質情報の出力形態は複数あり、当該出力形態が外部からの操作によって変更可能にされていてもよい。上記の構成によれば、出力部に底質情報を出力させる出力形態は複数あり、外部からの操作によって変更可能にされている。こうすることで、ユーザは、自らの好みに応じて、出力形態を変更することが出来る。
【００１８】
また、本発明は、入力データをニューラルネットワークに入力し、ニューラルネットワークから出力された出力データに基づいて、登録されている複数の判別対象のうち当該入力データが属する判別対象に関する判別情報を生成する判別装置であって、予め登録されている複数の判別対象のうち、前記入力データが属する判別対象を判別するための第１の出力データを出力する固定ニューラルネットワークと、外部からの操作によって、新規判別対象が登録された際、前記入力データが当該新規判別対象に属するか否かを判別するための第２の出力データを出力する可変ニューラルネットワークを追加し、外部からの操作によって、新規判別対象の登録が解除された際、該第２のニューラルネットワークを削除するニューラルネットワーク管理部と、前記第１の出力データに対して前記第２の出力データが優先された前記判別情報を生成することが可能な出力処理部とを備えていることを特徴とする。
【００１９】
上記の構成によれば、予め登録されている複数の判別対象のうち、入力データが属する判別対象を判別するための第１の出力データが固定ニューラルネットワークから出力される。外部からの操作によって、新たに新規判別対象が登録された際、可変ニューラルネットワークが追加され、入力データが当該新規判別対象に属するか否かを判別するための第２の出力データが当該可変ニューラルネットワークから出力される。また、第１の出力データに対して第２の出力データが優先された判別情報を生成することが可能である。さらに、外部からの操作によって、当該登録された新規判別対象の登録が解除された際、可変ニューラルネットワークは、削除される。
このように、可変ニューラルネットワークを追加、削除することにより、新規判別対象を登録、及び登録の解除をすることができるため、固定ニューラルネットワークの構造を変更する必要がない。また、可変ニューラルネットワークは、新規判別対象に属するか否かを判別するニューラルネットワークであり、ニューロンの数が少ないため、学習時間を抑えることができる。またさらに、第１の出力データに対して第２の出力データが優先された判別情報が生成されるため、入力データが新規判別対象に属するか否かを容易に判別することが可能である。
【発明の効果】
【００２０】
本発明は、予め登録されている複数の判別対象のうち、入力データが属する判別対象を判別するニューラルネットワークの構造を変更せずに、新規判別対象の登録、及び登録の解除を可能にする。
【図面の簡単な説明】
【００２１】
【図１】本発明の一実施形態にかかる水中探知装置を説明する説明図である。
【図２】本発明の一実施形態にかかる水中探知装置の機能ブロック図である。
【図３】本発明の一実施形態にかかる水中探知装置の表示装置の外部構造である。
【図４】本発明の一実施形態にかかる水中探知装置の電気的構成を示すブロック図である。
【図５】本発明の一実施形態にかかる水中探知装置の表示モニタに表示される底質情報の表示形態を説明する図であり、（ａ）は第一底質表示形態、（ｂ）は、第一比率表示形態について説明する図である。
【図６】本発明の一実施形態にかかる水中探知装置のニューラルネットワークから出力される出力データを示す図であり、（ａ）は固定ニューラルネットワークから出力される出力データ、（ｂ）は可変ニューラルネットワークから出力される出力データを示す図である。
【図７】本発明の一実施形態にかかる水中探知装置の表示モニタに表示される底質情報の表示形態を説明する図であり、（ａ）は第一底質表示形態、（ｂ）は、第一比率表示形態について説明する図である。
【図８】本発明の一実施形態にかかる水中探知装置の表示モニタに表示される底質情報の表示形態を説明する図であり、（ａ）は第二底質表示形態、（ｂ）は、第二比率表示形態について説明する図である。
【図９】本発明の一実施形態にかかる水中探知装置の表示モニタに表示される底質情報の表示形態を説明する図であり、（ａ）は第二底質表示形態、（ｂ）は、第二比率表示形態について説明する図である。
【図１０】本発明の一実施形態にかかる水中探知装置の表示モニタに表示される底質情報の表示形態を説明する図であり、（ａ）は第三底質表示形態、（ｂ）は、第三比率表示形態について説明する図である。
【図１１】本発明の一実施形態にかかる水中探知装置の表示モニタに表示される底質情報の表示形態を説明する図であり、（ａ）は第三底質表示形態、（ｂ）は、第三比率表示形態について説明する図である。
【図１２】本発明の一実施形態にかかる水中探知装置の表示モニタに表示される底質情報の表示形態の一変形例を説明する図である。
【図１３】本発明の一実施形態に係る水中探知装置におけるメイン処理の動作の流れを表すフローチャート図である。
【図１４】本発明の一実施形態に係る水中探知装置における操作ボタン処理の動作の流れを表すフローチャート図である。
【図１５】本発明の一実施形態に係る水中探知装置におけるユーザ底質追加処理の動作の流れを表すフローチャート図である。
【図１６】本発明の一実施形態に係る水中探知装置におけるユーザ底質修正処理の動作の流れを表すフローチャート図である。
【図１７】本発明の一実施形態に係る水中探知装置における学習処理の動作の流れを表すフローチャート図である。
【図１８】本発明の一実施形態に係る水中探知装置のユーザ底質修正処理における表示モニタに表示される画面を示す図である。
【図１９】本発明の一実施形態に係る水中探知装置の一変形例を示す図である。
【図２０】従来のニューラルネットワークについて説明する説明図である。
【発明を実施するための最良の形態】
【００２２】
以下、本発明に係る一実施形態である水中探知装置について図面を参照して説明する。図１は、水中探知装置１について説明する説明図である。
【００２３】
（水中探知装置１の概略構成）
図1に示すように、水中探知装置１は、船舶５に搭載されている。水中探知装置１が搭載された船舶５の船底には、振動子１１が設けられており、該振動子１１は、超音波である送信パルスを水底に向けて発射し、当該送信パルスが水底で反射されたエコー信号を受信する。
【００２４】
また、船舶５には、探知装置本体９０が操舵室に設置されており、該探知装置本体９０は、入力データ生成部６、可変ニューラルネットワーク部７（以下、可変ＮＮ部７）、固定ニューラルネットワーク２６（以下、固定ＮＮ２６）、出力制御部８、及び操作入力部７０を有している。
【００２５】
入力データ生成部６は、振動子１１で受信されたエコー信号に基づいて、特徴量を算出し、後述の可変ニューラルネットワーク４０（以下、可変ＮＮ４０）や固定ＮＮ２６に入力される入力データを生成する。
【００２６】
固定ＮＮ２６は、予め登録されている複数の底質のうち、上記入力データが属する底質を判別するための第１の出力データを生成する。
【００２７】
可変ＮＮ部７は、操作入力部７０を介してユーザから新規底質の登録がされた場合に、入力データが当該新規底質に属するか否かを判別するための第２の出力データを生成する可変ＮＮ４０を固定ＮＮ２６の前段に追加する。そして、当該可変ＮＮ４０の第２の出力データに応じて、固定ＮＮ２６に入力データを出力するか否かを判定し、出力すると判定した場合のみ、固定ＮＮ２６に入力データを出力するようにされている。
【００２８】
また、可変ＮＮ部７は、操作入力部７０を介してユーザから新規底質の登録がされた場合、固定ＮＮ２６の前段に追加されている可変ＮＮ４０を削除する。
【００２９】
出力制御部８は、固定ＮＮ２６から出力される第１の出力データ、及び／又は可変ＮＮ４０から出力される第２の出力データに基づいて、底質情報５５を生成し、当該底質情報５５をユーザが認識できるように、探知装置本体９０に設けられた表示モニタ５０などに出力する。
【００３０】
（水中探知装置１の詳細構成）
図２は、本発明の一実施形態に係る水中探知装置の構成を示すブロック図である。この水中探知装置１は、魚群を探知する機能と海底の底質を判別する機能とを備える。魚群を探知する機能については、従来のものと同様であるので説明を省略する。
【００３１】
振動子１１は、２つの周波数（ここでは５０ｋＨｚと２００ｋＨｚ）の超音波である送信パルスを水底に向けて発射し、当該送信パルスが水底で反射されたエコー信号を受信する。送信パルス幅が１ｍｓ、周波数が５０ｋＨｚのとき、送信パルスは５０周期分の正弦波信号となる。
【００３２】
入力データ生成部６は、送受信部１２、周波数変換部１３、Ａ／Ｄ変換器１４、検波部１５、振幅データ記憶部１６、深度算出部１７、送信パルス幅算出部１８、振幅データ抽出部１９、ゲイン補正部２０、平滑化部２１、正規化部２２、及び特徴量算出部２３を有している。
【００３３】
送受信部１２は、後述の送信パルス幅算出部１８から入力される送信パルス幅制御信号に応じたパルス幅の送信駆動信号を振動子１１に供給するとともに、振動子１１から出力されたエコー信号に対して帯域制限と信号増幅の処理を施す。
【００３４】
周波数変換部１３は、５０ｋＨｚあるいは２００ｋＨｚのエコー信号を中間周波数信号に変換する。この中間周波数信号の変換により、２つの周波数のエコー信号に対する以降の信号処理が共通化される。Ａ／Ｄ変換器１４は、中間周波数信号をデジタル信号に変換する。検波部１５は、Ａ／Ｄ変換器１４から出力されるデジタル信号を検波して振幅データを出力する。振幅データは、振幅データ記憶部１６に記憶され、深度算出部１７や振幅データ抽出部１９などによる演算処理時に振幅データ記憶部１６から読み出される。
【００３５】
深度算出部１７は、振幅データから海底深度を求める。なお、海底深度の算出については、従来の方法と同様であるので説明を省略する。送信パルス幅算出部１８は、深度算出部１７で算出した海底深度に基づいて、海底深度に比例する送信パルス幅を算出し、この送信パルス幅に応じた送信パルス幅制御信号を送受信部１２に送る。なお、送信パルス幅は、海底深度に正確に比例させてもよいし、略比例させるだけでもよい。振幅データ抽出部１９は、海底深度に比例する時間間隔で、入力される振幅データから、後述の特徴量算出部２３における特徴量の算出に用いる振幅データを抽出する。
【００３６】
ゲイン補正部２０は、振幅データ抽出部１９で抽出した振幅データに対してＴＶＧ（Ｔｉｍｅ Ｖａｒｉａｂｌｅ Ｇａｉｎ）処理を施す。このＴＶＧ処理によって、超音波信号の伝搬損失に起因する受信信号レベルの減衰量が補正される。なお、図２ではゲイン補正部１０を振幅データ抽出部１９の後段に配置しているが、前段に配置してもよい。
【００３７】
平滑化部２１は、ゲイン補正後の振幅データを平滑化する。この平滑化によって、船体の僅かな動揺やノイズなどによる振幅データ値の変動を抑制し、判別結果の安定性を向上させる。
【００３８】
正規化部２２は、平滑化した振幅データをそれらの最大値で正規化する。振幅データを正規化することによって、底質判別結果が振動子１１の感度の経年変化や海面付近の気泡などによる受信レベルの変動に影響されなくなる。本実施形態では、海底深度に比例したパルス幅の送信パルスを振動子１１から発射し、エコー信号の所定範囲から海底深度に比例する時間間隔で振幅データを抽出し、抽出した振幅データに対してＴＶＧ処理を施し、さらにＴＶＧ処理後の振幅データを正規化している。この結果、正規化後の振幅データは、底質が同じであれば、海底深度によらず同じになる。したがって、正規化後の振幅データから算出する特徴量に基づいて底質情報を取得する本実施形態の水中探知装置１では、底質情報は海底深度に依存しない。すなわち、底質が同じであれば、海底深度が異なっても底質情報は同じになる。
【００３９】
特徴量算出部２３は、正規化した振幅データから特徴量を算出し、固定ＮＮ２６や可変ＮＮ４０等に入力される入力データを生成する。なお、５０ｋＨｚ、及び２００ｋＨｚの処理サイクルごとに特徴量は算出される。また、本実施形態において、入力データは、この５０ｋＨｚの処理サイクルで得られた特徴量、及び２００ｋＨｚの処理で得られた特徴量を1組の特徴量セットとし、該特徴量セットに基づいて形成された１９個の入力信号からなる。
【００４０】
固定ＮＮ２６は、予め登録されている複数の底質のうち、特徴量算出部２３から出力される入力データが属する底質を判別するための第１の出力データを生成する。本実施形態では、予め4種類の底質｛岩，石，砂，泥｝が登録されており、第１の出力データは、入力データと各々の底質との類似度に相当する値である。
【００４１】
ここで、固定ＮＮ２６の構成について説明する。固定ＮＮ２６は、入力層、中間層、出力層の３層からなる階層型ニューラルネットワークである。入力層は、入力データである１９個の入力信号に、それぞれ対応する１９個の入力ニューロンにより構成される。出力層は、予め登録されている４種の底質に、それぞれ対応する４個の出力ニューロンから構成されている。各出力ニューロンは、入力データと対応する底質との類似度に相当する値を出力信号として出力する。第１の出力データは、該４個の出力信号からなる。
【００４２】
次に、固定ＮＮ２６の学習について説明する。まず、水底の底質がそれぞれ岩、石、砂、泥である各場所で、水中探知装置１を用いて多数の入力データが収集されるとともに、水中カメラなどで実際に底質種別が確認される。次に、パーソナルコンピュータ等によって、上記の収集された入力データと確認された底質種別とから、誤差逆伝搬法によってシナプス結合係数が決められる。なお、このように誤差逆伝搬法によって決定されたシナプス結合係数は、後述のＲＯＭ８２に記憶されている。また、収集された入力データは、新規底質以外の底質についての学習データである固定学習データとしてＲＯＭ８２に記憶されている。
【００４３】
可変ＮＮ部７は、可変ニューラルネットワーク判定部２４（以下、可変ＮＮ判定部２４）、可変ニューラルネットワーク出力判定部２５（以下、可変ＮＮ出力判定部２５）、ニューラルネットワーク管理部２７（以下、ＮＮ管理部２７）、可変ＮＮ４０、閾値設定部２８、及び学習データ取得部３１を有している。
【００４４】
可変ＮＮ判定部２４は、ＮＮ管理部２７から出力される登録信号に基づいて可変ＮＮ４０が登録されているか否かを判定する。可変ＮＮ４０が登録されていると判定した場合に、特徴量算出部２３から出力された入力データを可変ＮＮ４０に出力する。
【００４５】
可変ＮＮ出力判定部２５は、後述の閾値設定部２８から出力される閾値信号に基づいて、特徴量算出部２３から出力された入力データを固定ＮＮ２６に出力するか否かを判定する。入力データを固定ＮＮ２６に出力すると判定した場合には、当該入力データを固定ＮＮ２６に出力する。具体的には、入力データと新規底質との類似度に相当する値が、操作入力部７０を介してユーザによって設定された閾値以上であることを示す閾値信号が閾値設定部２８から入力された場合に、当該入力データを出力しないと判定する。一方、閾値よりも小さいとする閾値信号が閾値設定部２８から入力された場合、該入力データを出力すると判定する。また、閾値モードではないことを示す閾値信号を、閾値設定部２８から受信した場合には、入力データは常に固定ＮＮ２６に出力される。ここで、閾値モードとは、入力データと新規底質との類似度に相当する値に応じて、固定ＮＮ２６に出力するか否かを決定するモードのことである。
【００４６】
ＮＮ管理部２７は、特徴量算出部２３から出力された入力データ、及び学習データ取得部３１から出力された入力データを記憶する。また、ＮＮ管理部２７は、新規判別対象である新規底質の登録、又は新規底質の登録の解除を示すＮＮ操作信号を操作入力部７０から受信する。なお、新規底質の登録を示すＮＮ操作信号には、ＮＮ管理部２７に記憶されている入力データのうち、可変ＮＮ４０に学習させる入力データ（ユーザ登録学習データ）を指定する指定データが含まれている。
【００４７】
また、ＮＮ管理部２７は、新規底質の登録を示すＮＮ操作信号を受信した場合、指定データが指定する入力データをユーザ登録学習データとして設定し、当該ユーザ登録学習データと固定学習データとを用いて、可変ＮＮ４０に学習をさせる。また、同時に、可変ＮＮ４０が追加されたことを示す登録信号を可変ＮＮ判定部２４に出力する。一方、新規底質の登録の解除を示すＮＮ操作信号を受信した場合、ＮＮ管理部２７は、可変ＮＮ４０が削除されたことを示す登録信号を可変ＮＮ判定部２４に出力する。
【００４８】
可変ＮＮ４０は、特徴量算出部２３から出力される入力データが、新規底質に属するか否かを判別するための第２の出力データを生成する。
【００４９】
ここで、可変ＮＮ４０の構成について説明する。可変ＮＮ４０は、入力層、中間層、出力層の３層からなる階層型ニューラルネットワークである。入力層は、固定ニューラルネットワーク２６と同様、入力データである１９個の入力信号それぞれに対応する１９個の入力ニューロンにより構成される。出力層は、新規底質、及び新規底質以外の底質にそれぞれに対応する２個の出力ニューロンから構成されている。各出力ニューロンは、対応する底質との類似度に相当する値を出力信号として出力する。第２の出力データは、該２個の出力信号からなる。
【００５０】
次に、可変ＮＮ４０の学習について説明する。まず、ユーザ登録学習データを、新規底質の底質情報として設定し、ＲＯＭ８２に記憶されている固定学習データを新規底質以外の底質情報として設定する。なお、ユーザ登録学習データのデータ量と、固定学習データのデータ量とが異なる場合、データ量が少ない方の一部のデータを複製することでデータ量を増加させ、ユーザ登録学習データのデータ量と、固定学習データのデータ量とが同じになるようにされる。次に、後述の主制御回路８０を用いて、上記のユーザ登録学習データと固定学習データとから、誤差逆伝搬法によってシナプス結合係数が決められる。なお、誤差逆伝搬法によって決定されたシナプス結合係数、及びユーザ登録学習データは、後述のＲＡＭ８３に記憶される。こうすることにより、水中カメラなどで実際に底質種別を確認することなく、可変ＮＮ４０に学習させることができる。また、出力層の出力ニューロンの数が２個と少ないため、新規底質の登録の際にかかる学習時間を少ないものとすることができる。
【００５１】
閾値設定部２８は、上記の第２の出力データである、入力データと新規底質との類似度に相当する値が、操作入力部７０を介してユーザによって設定された閾値以上か否かを判定し、当該判定結果を示す閾値信号を可変ＮＮ出力判定部２５、及び出力処理部２９に出力する。なお、後述の出力処理部２９において、底質情報の生成の際に、固定ＮＮ２６の第１の出力データを常に用いる場合には、閾値モードではないことを示す閾値信号を可変ＮＮ出力判定部２５、及び出力処理部２９に出力する。
【００５２】
出力制御部８は、出力処理部２９、表示制御部５１、音声制御部６１、表示モニタ５０、及びスピーカ６０を有する。
【００５３】
出力処理部２９は、閾値設定部２８から出力された閾値信号、並びに固定ＮＮ２６から出力される第１の出力データ、及び／又は可変ＮＮ４０から出力される第２の出力データに基づいて底質情報を生成する。具体的に述べると、出力処理部２９は閾値設定部２８から、閾値以上とする判定結果を示す閾値信号を受信した場合、第１の出力データに対して第２の出力データを優先した底質情報を生成する。一方で、閾値よりも小さいとする判定結果を示す閾値信号を受信した場合、第１の出力データのみから底質情報を生成する。また、閾値モードではないことを示す閾値信号を受信した場合、可変ＮＮ４０が登録されている場合は、第１の出力データと第２の出力データとを用いて底質情報を生成し、可変ＮＮ４０が登録されていない場合は、第１の出力データのみから底質情報を生成する。
【００５４】
表示制御部５１は、出力処理部２９で生成された底質情報を表示用データに変換し、当該表示用データを表示モニタ５０に表示させる。音声制御部６１は、所定の底質情報に基づいて音声データを生成し、スピーカ６０から出力させる。なお、水中探知装置１が表示モニタ５０やスピーカ６０を備えていない場合には、他の機器のモニタに表示用データを表示させたり、他の機器のスピーカから音声データを出力させてもよい。操作入力部７０は、閾値変更の操作、表示形態（出力形態）の変更操作、新規底質の登録操作等のユーザの操作を検出する。
【００５５】
学習データ取得部３１は、外部から新規底質の学習データを取得することが可能にされている。例えば、他の水中探知装置１で取得された新規底質の学習データを、無線通信を介して取得したり、USB（Universal Serial Bus）メモリ等の外部メモリに記憶された新規底質の学習データを取得することができるようにされている。
【００５６】
ここで、『固定ニューラルネットワーク』とは、新規判別対象を登録する前に登録されている、複数の判別対象のうち、入力データが属する判別対象を判別するための出力データを出力するニューラルネットワークである。また。『可変ニューラルネットワーク』とは、入力データが新規判別対象、及び新規判別対象を登録する前に登録されている複数の判別対象のどちらに属するかを判別するための出力データを出力するニューラルネットワークである。
【００５７】
また、『固定学習データ』とは、固定ニューラルネットワークの学習の際に用いられるデータである。『ユーザ登録学習データ』とは、新規判別対象についてのデータである。
【００５８】
(水中探知装置の動作)
次に、水中探知装置１の動作について説明する。送受信部１２は、送信パルス幅算出部１８から入力される送信パルス幅制御信号に応じたパルス幅の送信駆動信号を振動子１１に供給する。この結果、振動子１１から５０ｋＨｚあるいは２００ｋＨｚの超音波の送信パルスが海底に向けて発射（送信）される。送信パルス幅が１ｍｓ、送信周波数が５０ｋＨｚのとき、送信パルスは５０周期分の正弦波信号となる。
【００５９】
振動子１１から発射された送信パルスは海底で反射し、海底エコーを含む信号が振動子１１で受信される。この受信信号に対する帯域制限および信号増幅が送受信部１２で行われ、さらに周波数変換部１３で受信信号が中間周波数信号に変換される。この周波数変換により、２つの周波数の受信信号に対する以降の信号処理が共通化される。中間周波数信号（周波数変換された受信信号）は、Ａ／Ｄ変換器１４でデジタル信号に変換され、さらに検波部１５で検波され、検波部１５から振幅データが出力される。振幅データは、振幅データ記憶部１６に記憶され、深度算出部１７や振幅データ抽出部１９などによる演算処理時に振幅データ記憶部１６から読み出される。
【００６０】
深度算出部１７は、従来からの方法で海底深度を求める。送信パルス幅算出部１８は、深度算出部１７で算出した海底深度に基づいて、海底深度に比例する送信パルス幅を算出し、この送信パルス幅に応じた送信パルス幅制御信号を送受信部１２に送る。例えば、海底深度が５０ｍ、１００ｍ、２００ｍのとき、送信パルス幅をそれぞれ０．５ｍｓ、１ｍｓ、２ｍｓとする。また、海底深度が７０ｍ〜９０ｍ、９０ｍ〜１１０ｍのとき、送信パルス幅をそれぞれ０．８ｍｓ、１ｍｓとして、階段状に海底深度に比例させてもよい。つまり、送信パルス幅を海底深度に正確に比例させてもよいし、略比例させるだけでもよい。そして、送信パルス幅制御信号を受信した送受信部１２から上述の送信駆動信号が振動子１１に供給されると、振動子１１から海底深度に比例するパルス幅の送信パルスが発射される。
【００６１】
振幅データ抽出部１９は、検波部１５から出力される振幅データの系列の所定範囲から、すなわちエコー信号の所定範囲から海底深度に比例する時間間隔で振幅データを抽出する。ここで、振幅データの系列とは、送信パルスを１回送信して得られる複数の振幅データを、それらが生じた時刻の順に並べることによって生成される数値列である。
【００６２】
ゲイン補正部２０は、振幅データ抽出部１９で抽出した振幅データに対してＴＶＧ（Ｔｉｍｅ Ｖａｒｉａｂｌｅ Ｇａｉｎ）処理を施す。このＴＶＧ処理によって、超音波信号の伝搬損失に起因する受信信号レベルの減衰量が補正される。図２ではゲイン補正部１０を振幅データ抽出部１９の後段に配置しているが、前段に配置してもよい。平滑化部２１は、ゲイン補正した振幅データを平滑化する。具体的には、複数回の同じ周波数（５０ｋＨｚあるいは２００ｋＨｚ）の処理サイクルで得た振幅データを、データ番号ごとに平均する。ｋ回目の処理サイクルで平滑化部２１が出力する値は、例えば、（ｋ−４)回目からｋ回目までの５回の処理サイクルで得られた振幅データの平均値である。平滑化処理は、船体の僅かな動揺やノイズなどによる振幅データ値の変動を抑制し、底質判別結果の安定性を向上させる。
【００６３】
正規化部２２は、平滑化した振幅データをそれらの最大値で正規化する。振幅データを正規化することによって、底質判別結果が振動子１１の感度の経年変化や海面付近の気泡などによる受信レベルの変動に影響されなくなる。本実施形態では、海底深度に比例したパルス幅の送信パルスを振動子１１から発射し、エコー信号の所定範囲から海底深度に比例する時間間隔で振幅データを抽出し、抽出した振幅データに対してＴＶＧ処理を施し、さらにＴＶＧ処理後の振幅データを正規化している。この結果、正規化後の振幅データは、底質が同じであれば、海底深度によらず同じになる。したがって、正規化後の振幅データから算出する特徴量に基づいて底質を判別する本発明では、底質判別結果は海底深度に依存しない。すなわち、底質が同じであれば、海底深度が異なっても底質判別結果は同じになる。
【００６４】
特徴量算出部２３は、正規化した振幅データの系列における複数個の区間（以下、セグメント）について、各セグメント内の振幅データの合計値（これを特徴量とよぶ）を算出する。特徴量は、５０ｋＨｚおよび２００ｋＨｚの処理サイクルごとに算出される。本実施形態では各セグメント内の振幅データを合計することにより特徴量を算出したが、各セグメント内の振幅データ値の標準偏差を用いて、あるいは各セグメント内の振幅データから算出したモーメントの値を用いて特徴量を算出してもよい。算出された特徴量に基づいて入力データを形成する。なお、本実施形態では、５０ｋＨｚおよび２００ｋＨｚの処理サイクルで得た１組の特徴量セットに基づいて形成された１９個の入力信号を入力データとしている。
【００６５】
可変ＮＮ判定部２４は、特徴量算出部２３から入力データが入力された場合、ＮＮ管理部２７から出力される登録信号に基づいて可変ＮＮ４０が登録されているか否かを判定する。可変ＮＮ４０が登録されていると判定した場合、該入力データを登録されている可変ＮＮ４０に出力する。
【００６６】
可変ＮＮ出力判定部２５は、特徴量算出部２３から入力データが入力された場合、閾値設定部２８から出力される閾値信号に基づいて、当該入力データを固定ＮＮ２６に出力するか否かを判定する。具体的には、該閾値信号が、第２の出力データが閾値以上の場合、当該入力データを固定ＮＮ２６に出力しない。一方、第２の出力データが閾値よりも小さい場合、当該入力データを固定ＮＮ２６に出力する。また、閾値モードではないことを示す閾値信号の場合は、当該入力データを固定ＮＮ２６に出力する。
【００６７】
固定ＮＮ２６は、階層型ニューラルネットワークであり、特徴量算出部２３から出力される入力データ、又はＮＮ管理部２７から出力される入力データに基づいて、第１の出力データを生成する。なお、出力データは４個の出力信号からなり、各出力信号が底質種別｛岩，石，砂，泥｝との類似度に相当する値となるように、シナプス結合係数が決められている。なお、シナプス結合係数はＲＯＭ８２に予め記録されている。
【００６８】
つまり、固定ＮＮ２６は、底質を判別する海底からのエコー信号により算出した入力データに基づいて、予め登録されている底質種別との類似度を示す数値（底質情報）を生成する。なお、予め登録されている底質種別の数は４個に限られるものではなく、また底質種別は、｛岩, 石, 砂, 泥｝に限られるものではない。
【００６９】
ＮＮ管理部２７は、特徴量算出部２３から入力データが入力された場合や、学習データ取得部３１から入力データが入力された場合、当該入力データを当該入力データの特性（入力データの取得時の時刻、水温、取得方法、水域等の情報）と関連付けて記憶する。また、ＮＮ管理部２７は、新規底質の登録を示すＮＮ操作信号を受信した場合、当該ＮＮ操作信号に含まれている指定データが示す入力データをユーザ登録学習データとして設定し、当該ユーザ登録学習データと固定学習データとを用いて、可変ＮＮ４０に学習をさせる。また、同時に可変ＮＮ４０が登録されたことを示す登録信号を可変ＮＮ判定部２４に出力する。一方で、新規底質の登録の解除を示すＮＮ操作信号を受信した場合、可変ＮＮ４０の登録が解除されたことを示す登録信号を可変ＮＮ判定部２４に出力し、可変ＮＮ４０を削除する。
【００７０】
可変ＮＮ４０は、階層型ニューラルネットワークであり、特徴量算出部２３から出力される入力データに基づいて、第２の出力データを生成する。なお、第２出力データは２個の出力信号からなる。そして、１つの出力信号は入力データと新規底質との類似度に相当する値、もう一つの出力信号は、入力データと新規底質以外の底質との類似度に相当する値となるように、シナプス結合係数が決められている。なお、シナプス結合係数はＲＡＭ８３に記録されている。
【００７１】
閾値設定部２８は、可変ＮＮ４０から第２の出力データが入力された場合、入力データと新規底質との類似度に相当する値が、操作入力部７０を介してユーザによって設定された閾値以上であるか否かを判定し、当該判定結果を示す閾値信号を可変ＮＮ出力判定部２５、及び出力処理部２９に出力する。
【００７２】
出力処理部２９は、閾値設定部２８から出力された閾値信号、並びに固定ＮＮ２６から出力される第１の出力データ、及び／又は可変ＮＮ４０から出力される第２の出力データに基づいて底質情報を生成する。具体的に述べると、出力処理部２９は閾値設定部２８から閾値信号を受信した場合、第１の出力データに対して第２の出力データを優先した底質情報を生成し、閾値信号を受信していない場合、第１の出力データのみから底質情報を生成する。また、出力処理部２９は、操作入力部７０を介して出力形態が選択された場合、当該選択された出力された出力形態に基づいた底質情報を生成する。
【００７３】
表示制御部５１は、出力処理部２９で生成された底質情報を表示用データに変換し、当該表示用データを表示モニタ５０に表示させる。音声制御部６１は、所定の底質情報に基づいて音声データを生成し、スピーカ６０から出力させる。
【００７４】
(探知装置本体９０の外部構造)
次に、図３を参照して、本実施の形態における水中探知装置１の探知装置本体９０の外部構造について説明する。
【００７５】
探知装置本体９０は、図３に示すように表示モニタ５０と、ユーザによる操作の対象となる各種の操作ボタンを有する操作入力部７０とが設けられている。操作入力部は、表示モニタ５０に表示させる底質情報の表示形態の変更、可変ＮＮ４０から出力される第２の出力データの閾値の決定、新規底質（可変ＮＮ４０）の登録などの操作を可能にしている。
【００７６】
(水中探知装置の電気的構成)
次に、図４を参照して、本実施の形態における水中探知装置１の電気的構成について説明する。本実施の形態における水中探知装置１は、主制御回路８０、及び主制御回路と電気的に接続する周辺装置とを備える。主制御回路８０は、予め設定されたプログラムに従って制御動作を行うＣＰＵ８１と、ＲＯＭ８２と、ＲＡＭ８３とを有している。
【００７７】
ＣＰＵ８１には、振動子１１、各種指示などの操作を入力するための操作入力部７０、表示モニタ５０の表示制御を行う表示制御部５１、スピーカ６０の音声制御を行なう音声制御部６１、可変ＮＮ４０に学習させる入力データを取得する学習データ取得部３１が接続されている。
ＲＯＭ８２には、各種のプログラム 、固定ＮＮ２６のシナプス結合係数、固定学習データ等が記憶されている。ＲＡＭ８３は、上記の振幅データ、特徴量、入力データ、可変ＮＮ４０のシナプス結合係数、作成されたユーザ底質（新規底質）の情報等が記憶される。
【００７８】
(表示モニタの表示形態)
次に、本実施形態における表示モニタの表示形態について、図５乃至図１０を参照しながら説明する。
【００７９】
（第１表示形態）
図５は、任意の時刻において、固定ＮＮ２６の第１の出力データのみを用いて底質情報を生成した場合の表示形態（以下、第１表示形態）について説明する図である。
【００８０】
図５は、底質情報５５を生成しながら船舶５を走行させた時の表示モニタ５０の画像である。図中の水平方向は時間を表すが、船舶５の船速が明らかな場合は、距離として表すことも可能である。表示モニタ５０の画像は、図中の右端部ｔ０から矢印Ａ方向に移動するように表示され、左端部ｔnに至ると、順次消滅するように表示される。従って、右端部ｔ0の下部に表示された画像が最新の情報であり左端部ｔnに近づくにつれ、より過去の情報となっている。表示モニタ５０の画像の上半分は、通常の水中探知装置が表示するものと同じ画像である。５３は送信駆動信号に直接起因する画像、５４は海底面の画像である。５５は底質情報の画像であり、底質各々を表す基本表示画像５６が識別可能となるよう（例えば、色彩を付すなど）にされている。具体的に述べると、５６ａは泥、５６ｂは砂、５６ｃは石、５６ｄは岩を表す基本表示画像である。なお、上記の表示モニタ５０の画像についての事項は、図８、図１０を参照して説明する第２の表示形態、及び第３の表示形態についても適用される事項である、
【００８１】
本実施の形態においては、図５（ａ）に示すように、予め登録されている底質のうち、類似度に相当する値が最も高い底質のみを表示する表示形態（以下、第一底質表示形態）と、図５（ｂ）に示すように、予め登録されている底質の類似度に相当する値各々を、全体に対する比率に応じて表示する表示形態（以下、第一比率表示形態）との２種類の第１表示形態を有している。
【００８２】
図５（ａ）に示す、第一底質表示形態は、例えば、固定ＮＮ２６から出力された各底質の類似度に相当する値が、図６（ａ）に示すように、全体を１００％とした場合に、泥が６０％、砂が２０％、石が１０％、岩が１０％であったとすると、泥の類似度に相当する値が最も高いので、図７（ａ）に示すように泥の基本表示画像である５６ａのみを表示モニタ５０の右端部ｔ0の下部に表示する。
【００８３】
また、図５（ｂ）に示す比率表示形態は、固定ＮＮ２６から出力された各底質の類似度に相当する値を、ユーザが認識可能となるように表示する。本実施形態においては、図７（ｂ）に示すように、各基本表示画像５６の縦方向の幅が、各底質の類似度に相当する値の全体に対する比率に応じた長さとすることで、ユーザが認識可能となるようにされている。例えば、泥が６０％、砂が２０％、石が１０％、岩が１０％であったとすると、その縦方向の幅の比率は６０：２０：１０：１０となり、底質情報５５の縦方向の長さを当該比率となるように各基本表示画像５６に割り当てられる。
【００８４】
（第２表示形態）
次に、任意の時刻において、固定ＮＮ２６の第１の出力データ、又は可変ＮＮ４０の第２の出力データのどちらか一方の出力データのみを用いて底質情報を生成する表示形態（以下、第２表示形態）について説明する。第２表示形態は、可変ＮＮ４０から出力されたユーザ底質（新規底質）の類似度に相当する値が、閾値設定部２８によって設定された閾値よりも大きい場合には、ユーザ底質を表すユーザ底質表示画像５７を表示モニタ５０の右端部ｔ0の下部に表示する。一方閾値よりも小さい場合には、固定ＮＮ２６から出力され各底質の類似度に相当する値に基づいて、基本表示画像５６を表示モニタ５０の右端部ｔ0の下部に表示する。なお、ユーザ底質表示画像５７は、基本表示画像５６と識別可能となるように（例えば、色彩を付すなど）されている。以下、可変ＮＮ４０から出力された、ユーザ底質、及びユーザ底質以外の底質についての類似度に相当する値が、図６（ｂ）に示すように、全体を１００％とした場合に、ユーザ底質（新規底質）が６０％、ユーザ底質以外の底質が４０％であった場合について説明する。
【００８５】
本実施形態において、第２表示形態は、第二底質表示形態と第二比率表示形態がある。
【００８６】
図８（ａ）は、第二底質表示形態を示している。図９（ａ）に示すように、第二底質表示形態は、閾値設定部２８によって設定された閾値が５０％だった場合、ユーザ底質の類似度に相当する値の方が大きいため、ユーザ底質表示画像５７を表示モニタ５０の右端部ｔ0の下部に表示する。一方、閾値設定部２８によって設定された閾値が８０％だった場合、ユーザ底質の類似度に相当する値の方が小さいため、予め登録されている底質のうち、類似度に相当する値が最も高い底質のみを表示モニタ５０の右端部ｔ0の下部に表示する。
【００８７】
図８（ｂ）は、第二比率表示形態を示している。図９（ｂ）に示すように、第二比率表示形態は、閾値設定部２８によって設定された閾値が５０％だった場合、ユーザ底質の類似度に相当する値の方が大きいため、ユーザ底質表示画像５７を表示モニタ５０の右端部ｔ0の下部に表示する。一方、閾値設定部２８によって設定された閾値が８０％だった場合、ユーザ底質の類似度に相当する値の方が小さいため、予め登録されている底質の類似度に相当する値各々を、全体に対する比率に応じて表示モニタ５０の右端部ｔ0の下部に表示する。
【００８８】
（第３表示形態）
次に、任意の時刻において、固定ＮＮ２６の第１の出力データ、及び可変ＮＮ４０の第２の出力データの双方の出力データを用いて底質情報を生成する表示形態（以下、第３表示形態）について説明する。
【００８９】
本実施形態において、第３表示形態は、第三底質表示形態と第三比率表示形態とがある。
【００９０】
図１０（ａ）は、第三底質表示形態を示している。第三底質表示形態は、まず、底質情報５５の縦方向の長さを、ユーザ底質、及びユーザ底質以外の底質についての類似度に相当する値の、全体に対する比率に応じて、ユーザ底質表示画像５７及び基本表示画像５６に割り当てる。例えば、図６（ｂ）に示すように、全体を１００％とした場合に、ユーザ底質が６０％、ユーザ底質以外の底質が４０％だとすると、図１１（ａ）に示すように、ユーザ底質表示画像５７と基本表示画像５６との縦方向の幅の長さの比率は６０：４０とする。次に基本表示画像５６の縦方向の長さを、予め登録されている各底質の類似度に相当する値の全体に対する比率に応じて、各基本表示画像５６に割り当てる。
【００９１】
図１０（ｂ）は、第三比率表示形態を示している。第３比率表示形態は、図１１（ｂ）に示すように、可変ＮＮ４０から出力されたユーザ底質の類似度に相当する値が、閾値設定部２８によって設定された閾値以上の場合には、第三底質表示形態と同じ表示形態をとり、閾値よりも小さい場合には、第一比率表示形態を採るものである。
【００９２】
以上、本実施形態における表示モニタの表示形態について述べたが、これに限定されるものではない。例えば、図１２に示すように、予め登録されている２つの底質を一つの底質として取り扱い、基本混合表示画像５８として表示されるようにされていてもよい。図１２では、予め登録されている底質である、泥と砂を同一の底質として取り扱った際の、表示形態を示している。
【００９３】
また、図１２に示すように、予め登録されている底質と、ユーザ底質とを一つの種類の底質として取り扱い、ユーザ混合表示画像５９として表示されるようにされていてもよい。図１２では、ユーザ底質と、予め登録されている底質とを同一の底質として取り扱った際の、表示形態を示している。
【００９４】
また、複数の表示形態を表示モニタ５０に表示することができるようにされていてもよい。
【００９５】
なお、上記の各種の表示形態は、操作入力部７０を介してユーザが選択できるようにされている。こうすることで、ユーザは、自らの好みに応じて、出力形態（表示形態）を変更することが出来る。
【００９６】
（水中探知装置１のＣＰＵ８１の動作）
次に本実施の形態に係る水中探知装置１の動作について説明する。
【００９７】
（メイン処理）
水中探知装置１のメイン処理について説明する。図１３は、メイン処理における水中探知装置１の動作の流れを表すフローチャート図である。
【００９８】
まず、ＣＰＵ８１は、操作入力部７０を介してユーザより、水中探知開始操作がされたか否かを判断する（Ｓ１）。水中探知開始操作がされていないと判断した場合（Ｓ１：ＮＯ）には、Ｓ１の処理に戻る。一方、水中探知開始操作がされたと判断した場合（Ｓ１：ＹＥＳ）には、海底深度を算出し、海底深度に応じたパルス幅の送信パルスを海底に向けて送信し、エコー信号を受信する（Ｓ２）。
【００９９】
次に、ＣＰＵ８１は、受信したエコー信号に基づいて、入力データを生成し（Ｓ３）、可変ＮＮ４０が登録（追加）されているか否かを判断する（Ｓ４）。可変ＮＮ４０が登録されていないと判断した場合（Ｓ４：ＮＯ）には、後述のＳ８の処理に移る。一方、可変ＮＮ４０が登録されていると判断した場合（Ｓ４：ＹＥＳ）には、入力データを当該可変ＮＮ４０に入力し（Ｓ５）、閾値モードが設定されているか否かを判断する（Ｓ６）。閾値モードが設定されていないと判断した場合（Ｓ６：ＮＯ）には、後述のＳ８の処理に移る。一方、閾値モードが設定されていると判断した場合（Ｓ６：ＹＥＳ）には、可変ＮＮ４０から出力される第２の出力データが閾値以上か否かを判断する（Ｓ７）。閾値以上でないと判断した場合（Ｓ７：ＮＯ）には、後述のＳ８の処理に移る。一方で、閾値以上と判断した場合には（Ｓ７：ＹＥＳ）、表示モニタ５０、及びスピーカ６０を制御して、ユーザに水底の底質が新規底質であることを報知する（Ｓ９）。
【０１００】
Ｓ８の処理においては、ＣＰＵ８１は、固定ＮＮ２６に入力データを入力する。ＣＰＵ８１は、Ｓ８の処理、及びＳ９の処理の後、可変ＮＮ４０の第２の出力データ、及び／又は固定ＮＮ２６の第１の出力データ、並びに選択されている表示形態に基づいて、底質情報を生成し、当該底質情報を表示モニタ５０に表示する（Ｓ１０）。
【０１０１】
次に、ＣＰＵ８１は、入力データを、当該入力データの特性（入力データの取得時の時刻、水温、取得方法、水域等の情報）と関連付けてＲＡＭ８３に記憶する（Ｓ１１）。次にＣＰＵ８１は、操作入力部７０の操作ボタンが操作されたか否かを判断する（Ｓ１２）。操作されていないと判断した場合（Ｓ１２：ＮＯ）には、Ｓ２の処理に戻る。一方で、操作ボタンが操作されたと判断した場合には（Ｓ１２：ＹＥＳ）、その操作が水中探知終了の操作であるか否かを判断する（Ｓ１３）。水中探知終了の操作であると判断した場合（Ｓ１３：ＹＥＳ）には、本処理を終了する。一方で、水中探知終了の操作ではないと判断した場合（Ｓ１３：ＮＯ）には、後述の操作ボタン処理をし（Ｓ１４）、Ｓ２の処理に戻る。
【０１０２】
（操作ボタン処理）
水中探知装置１の操作ボタン処理について説明する。図１４は、操作ボタン処理における水中探知装置１の動作の流れを表すフローチャート図である。
【０１０３】
まず、ＣＰＵ８１は、操作入力部７０の操作ボタンの操作が、表示形態変更操作であるか否かを判断する（Ｓ２０）。表示形態変更操作であると判断した場合（Ｓ２０：ＹＥＳ）には、表示モニタ５０に表示させる表示形態を選択された表示形態に変更し（Ｓ２１）、本処理を終了する。一方、表示形態変更操作ではないと判断した場合（Ｓ２０：ＮＯ）には、ユーザ底質追加操作であるか否かを判断する（Ｓ２２）。ユーザ底質追加操作であると判断した場合（Ｓ２２：ＹＥＳ）には、後述のユーザ底質追加処理をし（Ｓ２３）、本処理を終了する。
【０１０４】
一方、ユーザ底質追加操作ではないと判断した場合（Ｓ２２：ＮＯ）には、ＣＰＵ８１は、ユーザ底質削除操作であるか否かを判断する（Ｓ２４）。ユーザ底質削除操作であると判断した場合（Ｓ２４：ＹＥＳ）には、可変ＮＮ４０を削除し、当該可変ＮＮ４０の学習データを学習データの特性（ユーザ底質の名称、登録、及び登録解除操作がされた日時等の情報）と関連付けてＲＡＭ８３に記憶し、本処理を終了する。
【０１０５】
一方、ユーザ底質削除操作ではないと判断した場合（Ｓ２４：ＮＯ）には、ＣＰＵ８１は、ユーザ底質修正操作であるか否かを判断する（Ｓ２６）。ユーザ底質修正操作であると判断した場合（Ｓ２６：ＹＥＳ）には、後述のユーザ底質修正処理をし（Ｓ２７）、本処理を終了する。
【０１０６】
一方で、ユーザ底質削除操作ではないと判断した場合（Ｓ２６：ＮＯ）には、ＣＰＵ８１は、閾値変更操作であるか否かを判断する（Ｓ２８）。閾値変更操作ではないと判断した場合（Ｓ２８：ＮＯ）には、本処理を終了する。一方で、閾値変更操作であると判断した場合には、ＲＡＭ８３に記憶されている閾値を、ユーザによって選択された閾値に変更し、本処理を終了する。
【０１０７】
（ユーザ底質追加処理）
水中探知装置１のユーザ底質追加処理について説明する。図１５は、ユーザ底質追加処理における水中探知装置１の動作の流れを表すフローチャート図である。
【０１０８】
まず、ＣＰＵ８１は、操作入力部７０のユーザの操作に基づいて、新たにユーザ底質を作成するか否かを判断する（Ｓ４０）。新たにユーザ底質を作成すると判断した場合（Ｓ４０：ＹＥＳ）には、後述の学習処理をする（Ｓ４１）。次に、ＣＰＵ８１は、学習処理により得られたシナプス結合係数、可変ＮＮ４０の学習に用いられた学習データ、ユーザ底質の名称等の情報を含むユーザ底質情報を作成し、このユーザ底質情報をＲＡＭ８３に記憶する（Ｓ４２）。次にＣＰＵ８１は、学習処理により得られたシナプス結合係数をもつ可変ＮＮ４０を固定ＮＮ２６の前段に追加し（Ｓ４５）、本処理を終了する。
【０１０９】
一方で、新たにユーザ底質を作成しないと判断した場合（Ｓ４０：ＮＯ）には、ＣＰＵ８１は、ＲＡＭ８３に記憶されている、過去に作成したユーザ底質情報の一覧（ユーザ底質の名称の一覧など）を表示モニタ５０に表示する（Ｓ４３）。次に、ＣＰＵ８１は、操作入力部７０を介してユーザによりユーザ底質情報が選択されたか否かを判断する（Ｓ４４）。選択されていないと判断した場合（Ｓ４４：ＮＯ）には、Ｓ４４の処理に戻る。一方で、選択されたと判断した場合（Ｓ４４：ＹＥＳ）には、ＲＡＭ８３に記憶されている、当該選択されたユーザ底質情報のシナプス結合係数をもつ可変ＮＮ４０を固定ＮＮ２６の前段に追加し（Ｓ４５）、本処理を終了する。
【０１１０】
（ユーザ底質修正処理）
水中探知装置１のユーザ底質修正処理について説明する。図１６は、ユーザ底質修正処理における水中探知装置１の動作の流れを表すフローチャート図である。
【０１１１】
まず、ＣＰＵ８１は、過去に作成したユーザ底質情報を表示モニタ５０に表示する（Ｓ６０）。次に、ＣＰＵ８１は、操作入力部７０を介してユーザによりユーザ底質情報が選択されたか否かを判断する（Ｓ６１）。ユーザ底質が選択されていないと判断した場合（Ｓ６１）には、Ｓ６１の処理に戻る。一方で、ユーザ底質が選択されたと判断した場合には、操作入力部７０を介してユーザにより追加学習操作がされたか否かを判断する（Ｓ６２）。追加学習操作がされたと判断した場合（Ｓ６２：ＹＥＳ）には、後述の学習処理をし（Ｓ６７）、ＲＡＭ８３に記憶されているユーザ底質情報の当該シナプス結合係数、及びユーザ登録学習データの学習データの情報を更新し（Ｓ６８）、本処理を終了する。
【０１１２】
一方で、追加学習操作ではないと判断した場合（Ｓ６２：ＮＯ）には、図１８に示すように、当該選択されたユーザ底質（ユーザ底質情報）のユーザ登録学習データの学習データの一覧を表示する（Ｓ６３）。次に、ＣＰＵ８１は、操作入力部７０を介してユーザにより削除する学習データが選択されたか否かを判断する（Ｓ６４）。削除する学習データが選択されていないと判断した場合（Ｓ６４：ＮＯ）には、Ｓ６３の処理に戻る。一方で、削除する学習データが選択されたと判断した場合（Ｓ６４：ＹＥＳ）には、当該選択された学習データをユーザ登録学習データから削除する（Ｓ６４）。次にＣＰＵ８１は、ユーザ登録学習データと、ＲＯＭ８２に記憶されている固定学習データとを用いて誤差逆伝播法により可変ＮＮ４０のシナプス結合係数を算出し（Ｓ６５）、ＲＡＭ８３に記憶されているユーザ底質の当該シナプス結合係数、及びユーザ登録学習データの学習データの情報を更新し（Ｓ６８）、本処理を終了する。
【０１１３】
（学習処理）
水中探知装置１の学習処理について説明する。図１７は、学習処理における水中探知装置１の動作の流れを表すフローチャート図である。
【０１１４】
まず、ＣＰＵ８１は、操作入力部７０のユーザの操作に基づいて、可変ＮＮ４０を学習させる際に、ＲＡＭ８３に記憶されている入力データを用いて学習させるか否かを判断する（Ｓ８０）。ＲＯＭ８２に記憶されている入力データを用いて学習させると判断した場合（Ｓ８０：ＹＥＳ）には、ＲＡＭ８３に記憶されている入力データの特性の一覧を表示する（Ｓ８１）。次に、ＣＰＵ８１は、操作入力部７０を介してユーザにより、入力データが選択されたか否かを判断する（Ｓ８２）。選択されていないと判断した場合（Ｓ８２：ＮＯ）には、Ｓ８２の処理に戻る。一方で、選択されたと判断した場合には、当該入力データをユーザ登録学習データとし、ユーザ登録学習データとＲＯＭ８２に記憶されている固定学習データを用いて誤差逆伝播法により、可変ＮＮ４０のシナプス結合係数を算出し（Ｓ９０）、本処理を終了する。
【０１１５】
一方で、ＲＡＭ８３に記憶されている入力データを用いて学習をさせないと判断した場合（Ｓ８０：ＮＯ）には、ＣＰＵ８１は、操作入力部７０を介してユーザにより、学習データ取得開始操作がされたか否かを判断する（Ｓ８３）。学習データ取得開始操作がされていないと判断した場合（Ｓ８３：ＮＯ）には、Ｓ８３の処理に戻る。一方で、学習データ取得開始操作がされたと判断した場合（Ｓ８３：ＹＥＳ）には、海底深度を算出し、海底深度に応じたパルス幅の送信パルスを海底に向けて送信し、エコー信号を受信する（Ｓ８４）。
【０１１６】
次に、ＣＰＵ８１は、受信したエコー信号に基づいて、入力データを生成し（Ｓ８５）、該入力データを固定ＮＮ２６に入力する（Ｓ８６）。次に、ＣＰＵ８１は、固定ＮＮ２６より出力された第１の出力データを用いて底質情報を生成し、当該底質情報を表示モニタ５０に表示する（Ｓ８７）。次に、ＣＰＵ８１は、入力データをＲＡＭ８３に記憶（Ｓ８８）する。
【０１１７】
次に、ＣＰＵ８１は、操作入力部７０を介してユーザにより、学習データ取得終了操作がされたか否か判断する（Ｓ８９）。学習データ取得終了操作がされていないと判断した場合（Ｓ８９：ＮＯ）には、Ｓ８４の処理に戻る。
【０１１８】
一方で、学習データ取得終了操作がされたと判断した場合（Ｓ８９：ＹＥＳ）には、本学習処理で取得された入力データをユーザ登録学習データとし、ユーザ登録学習データとＲＯＭ８２に記憶されている固定学習データを用いて誤差逆伝播法により、可変ＮＮ４０のシナプス結合係数を算出し（Ｓ９０）、本処理を終了する。
【０１１９】
（本実施の形態の概要）
以上のように、本実施形態の水中探知装置１は、水中へ送信された超音波のエコー信号を受信し、当該エコー信号に基づいた入力データをニューラルネットワークに入力し、ニューラルネットワークから出力された出力データに基づいて、登録されている複数の底質のうち当該入力データが属する底質に関する底質情報５５を、所定時間毎に生成する水中探知装置であって、予め登録されている複数の底質のうち、入力データが属する底質を判別するための第１の出力データを出力する固定ＮＮ２６と、外部からの操作によって、新規底質が登録された際、入力データが当該新規底質に属するか否かを判別するための第２の出力データを出力する可変ＮＮ４０を追加し、外部からの操作によって、登録された新規底質の登録が解除された際、該可変ＮＮ４０を削除するＮＮ管理部２７と、第１の出力データに対して前記第２の出力データが優先された底質情報５５を生成することが可能な出力処理部２９と、底質情報５５を出力する表示モニタ５０やスピーカ６０とを備えている。
【０１２０】
上記の構成によれば、予め登録されている複数の底質のうち、入力データが属する底質を判別するための第１の出力データが固定ＮＮ２６から出力される。外部からの操作によって、新たに新規底質が登録された際、可変ＮＮ４０が追加され、入力データが当該新規底質に属するか否かを判別するための第２の出力データが当該可変ＮＮ４０から出力される。また、可変ＮＮ４０は、新規底質に属するか否かを判別するニューラルネットワークであり、ニューロンの数を少なくすることができるため、学習時間を抑えることができる。また、第１の出力データに対して第２の出力データが優先された底質情報５５を生成することが可能であり、当該底質情報５５は、表示モニタ５０やスピーカ６０より出力される。さらに、外部からの操作によって、当該登録された新規底質の登録が解除された際、可変ＮＮ４０は削除される。
このように、可変ＮＮ４０を追加、削除することにより、新規底質の登録、及び登録の解除をすることができるため、固定ＮＮ２６の構造を変更する必要がない。また、第１の出力データに対して第２の出力データが優先された底質情報５５が表示モニタ５０やスピーカ６０から出力されるため、ユーザは、入力データが新規底質に属するか否かを容易に認識することができる。
【０１２１】
また、本発明の水中探知装置１において、可変ＮＮ４０は、受信したエコー信号に基づいて生成され、外部からの操作によって、新規底質として設定されたユーザ登録学習データ、及び固定ＮＮ２６の学習の際に用いられ、新規底質以外の底質として設定された登録学習データによって学習される。上記の構成によれば、受信したエコー信号に基づいて生成され、外部からの操作によって新規底質として設定されたユーザ登録学習データ、及び固定ＮＮ２６の学習の際に用いられ、新規底質以外の底質として設定された固定学習データによって学習される。このようにすることで、可変ＮＮ４０の学習の際に用いられる学習データは、水中カメラなどで実際に確認しなくても取得することができる。
【０１２２】
また、本発明の水中探知装置１において、ユーザ登録学習データは、外部からの操作によって学習データの追加、及びユーザ登録学習データの一部の学習データを削除可能にされている。上記の構成によれば、ユーザ登録学習データは、外部からの操作によって学習データの追加、及びユーザ登録学習データの一部の学習データを削除可能にされている。このようにすることで、新規底質の学習データを優良なものにすることが可能であり、入力データが新規底質に属するか否かについての底質情報５５を精度良く生成することが出来る。
【０１２３】
また、本発明の水中探知装置１において、底質情報５５は、第２の出力データから生成される、入力データと新規底質との類似度に相当する値、及び／又は第１の出力データから生成される、入力データと予め登録されている複数の底質各々との類似度に相当する値からなる。上記の構成によれば、底質情報５５は、第２の出力データから生成される、入力データと新規底質との類似度に相当する値、及び／又は第１の出力データから生成される、入力データと予め登録されている複数の底質各々との類似度に相当する値からなる。このようにすることで、入力データと新規底質底質との類似度、及び入力データと予め登録されている複数の底質各々との類似度が一目瞭然となる。また、底質を判別する水域内で、入力データと新規底質との類似度が変化する様子、及び入力データと予め登録されている複数の底質各々との類似度が変化する様子が一目瞭然となる。
【０１２４】
また、本発明の水中探知装置１においては、閾値を設定する閾値設定部２８を更に備え、出力処理部２９において、入力データと新規底質との類似度に相当する値が、閾値以上の場合、第１の出力データに対して第２の出力データが優先された底質情報５５を生成し、閾値よりも小さい場合、第１の出力データのみにより底質情報が生成される。上記の構成によれば、入力データと新規底質との類似度に相当する値が、閾値設定部２８により設定された閾値以上の場合、第１の出力データに対して第２の出力データが優先された底質情報５５を生成し、閾値よりも小さい場合、第１の出力データのみにより底質情報５５が生成される。このように、入力データと新規底質との類似度に相当する値の大きさによって、第２の出力データを底質情報５５の生成に用いるか否かが決まるため、入力データと新規底質との類似度に相当する値が、設定された閾値以上であるか否かが一目瞭然となる。
【０１２５】
また、本発明の水中探知装置１においては、入力データと新規底質との類似度に相当する値が、閾値以上の場合に、入力データが固定ＮＮ２６に入力されないようにする可変ＮＮ出力判定部２５を更に備えている。上記の構成によれば、入力データと新規底質との類似度に相当する値が、閾値設定部２８により設定された閾値以上の場合に、入力データは固定ＮＮ２６に入力されない。こうすることにより、入力データと新規底質との類似度に相当する値が、閾値以上の場合に、固定ＮＮ２６における処理を省くことが出来る。
【０１２６】
また、本発明の水中探知装置１において、閾値は外部からの操作によって変更可能にされている。上記の構成によれば、第２の出力データを底質情報５５の生成に反映させるか否かを決定する、入力データと新規底質との類似度に相当する値の大きさを、ユーザは、自らの好みに応じて変更することが出きる。
【０１２７】
また、本発明の水中探知装置１において、表示モニタ５０やスピーカ６０に底質情報を出力させる出力形態は複数あり、当該出力形態が外部からの操作によって変更可能にされている。上記の構成によれば、ユーザは、自らの好みに応じて、出力形態を変更することが出来る。
【０１２８】
（本実施の形態の変形例）
以上、本発明の実施例を説明したが、具体例を例示したに過ぎず、特に本発明を限定するものではなく、具体的構成などは、適宜設計変更可能である。また、発明の実施の形態に記載された、作用及び効果は、本発明から生じる最も好適な作用及び効果を列挙したに過ぎず、本発明による作用及び効果は、本発明の実施の形態に記載されたものに限定されるものではない。
【０１２９】
例えば、本実施形態において、可変ＮＮ部７（可変ＮＮ４０）は、固定ＮＮ２６の前段に一つのみ設けられているが、図１９に示すように複数の可変ＮＮ部７（可変ＮＮ４０）を設けることが可能にされていてもよい。こうすることにより、複数種の新規底質を判別対象として追加することが可能となる。なお、この場合、各々の可変ＮＮ部７の可変ＮＮ４０の学習に用いられる固定学習データは、固定ＮＮ２６の学習データ、及び後段に設けられている可変ＮＮのユーザ登録学習データとなる。また、各々の可変ＮＮ部７の閾値設定部２８によって設定される閾値を変えることにより、底質情報の生成の際に優先させる、可変ＮＮ４０の出力データを変更することが可能である。
【符号の説明】
【０１３０】
１ 水中探知装置
２５ 可変ニューラルネットワーク出力判定部
２６ 固定ニューラルネットワーク
２７ ニューラルネットワーク管理部
２８ 閾値設定部
２９ 出力処理部
５０ 表示モニタ（出力部）
６０ スピーカ（出力部）
【特許請求の範囲】
【請求項１】
水中へ送信された超音波のエコー信号を受信し、当該エコー信号に基づいた入力データをニューラルネットワークに入力し、ニューラルネットワークから出力された出力データに基づいて、登録されている複数の底質のうち当該入力データが属する底質に関する底質情報を、所定時間毎に生成する水中探知装置であって、
予め登録されている複数の底質のうち、前記入力データが属する底質を判別するための第１の出力データを出力する固定ニューラルネットワークと、
外部からの操作によって、新規底質が登録された際、前記入力データが当該新規底質に属するか否かを判別するための第２の出力データを出力する可変ニューラルネットワークを追加し、外部からの操作によって、登録された新規底質の登録が解除された際、該可変ニューラルネットワークを削除するニューラルネットワーク管理部と、
前記第１の出力データに対して前記第２の出力データが優先された前記底質情報を生成することが可能な出力処理部と
を備えていることを特徴とする水中探知装置。
【請求項２】
前記可変ニューラルネットワークは、受信した前記エコー信号に基づいて生成され、外部からの操作によって、前記新規底質の学習データとして設定されたユーザ登録学習データ、及び前記固定ニューラルネットワークの学習の際に用いられ、前記新規底質以外の底質の学習データとして設定された固定学習データによって学習されることを特徴とする請求項１に記載の水中探知装置。
【請求項３】
前記ユーザ登録学習データは、外部からの操作によって、学習データの追加、及びユーザ登録学習データの一部の学習データを削除可能にされていることを特徴とする請求項２に記載の水中探知装置。
【請求項４】
前記底質情報は、前記第２の出力データから生成される、前記入力データと前記新規底質との類似度に相当する値、及び／又は前記第１の出力データから生成される、前記入力データと前記予め登録されている複数の底質各々との類似度に相当する値からなることを特徴とする請求項１乃至請求項３のいずれか一項に記載の水中探知装置。
【請求項５】
閾値を設定する閾値設定部を更に備え、
前記出力処理部は、前記入力データと前記新規底質との類似度に相当する値が、前記閾値以上の場合、前記第１の出力データに対して前記第２の出力データが優先された前記底質情報を生成し、前記第２の出力データが示す値が前記閾値よりも小さい場合、前記第１の出力データのみにより前記底質情報を生成することを特徴とする請求項４に記載の水中探知装置。
【請求項６】
前記入力データと前記新規底質との類似度に相当する値が、前記閾値以上の場合に、前記入力データが前記固定ニューラルネットワークに入力されないようにする可変ニューラルネットワーク出力判定部を更に備えていることを特徴とする請求項５に記載の水中探知装置。
【請求項７】
前記閾値は、外部からの操作によって変更可能にされていることを特徴とする請求項５、又は請求項６に記載の水中探知装置。
【請求項８】
前記底質情報を出力する出力部（表示モニタやスピーカ等）を備え、
前記出力部に出力させる前記底質情報の出力形態は複数あり、当該出力形態が外部からの操作によって変更可能にされていることを特徴とする請求項１乃至請求項７のいずれか一項に記載の水中探知装置。
【請求項９】
入力データをニューラルネットワークに入力し、ニューラルネットワークから出力された出力データに基づいて、登録されている複数の判別対象のうち当該入力データが属する判別対象に関する判別情報を生成する判別装置であって、
予め登録されている複数の判別対象のうち、前記入力データが属する判別対象を判別するための第１の出力データを出力する固定ニューラルネットワークと、
外部からの操作によって、新規判別対象が登録された際、前記入力データが当該新規判別対象に属するか否かを判別するための第２の出力データを出力する可変ニューラルネットワークを追加し、外部からの操作によって、新規判別対象の登録が解除された際、該第２のニューラルネットワークを削除するニューラルネットワーク管理部と、
前記第１の出力データに対して前記第２の出力データが優先された前記判別情報を生成することが可能な出力処理部と
を備えていることを特徴とする判別装置。
【請求項１】
水中へ送信された超音波のエコー信号を受信し、当該エコー信号に基づいた入力データをニューラルネットワークに入力し、ニューラルネットワークから出力された出力データに基づいて、登録されている複数の底質のうち当該入力データが属する底質に関する底質情報を、所定時間毎に生成する水中探知装置であって、
予め登録されている複数の底質のうち、前記入力データが属する底質を判別するための第１の出力データを出力する固定ニューラルネットワークと、
外部からの操作によって、新規底質が登録された際、前記入力データが当該新規底質に属するか否かを判別するための第２の出力データを出力する可変ニューラルネットワークを追加し、外部からの操作によって、登録された新規底質の登録が解除された際、該可変ニューラルネットワークを削除するニューラルネットワーク管理部と、
前記第１の出力データに対して前記第２の出力データが優先された前記底質情報を生成することが可能な出力処理部と
を備えていることを特徴とする水中探知装置。
【請求項２】
前記可変ニューラルネットワークは、受信した前記エコー信号に基づいて生成され、外部からの操作によって、前記新規底質の学習データとして設定されたユーザ登録学習データ、及び前記固定ニューラルネットワークの学習の際に用いられ、前記新規底質以外の底質の学習データとして設定された固定学習データによって学習されることを特徴とする請求項１に記載の水中探知装置。
【請求項３】
前記ユーザ登録学習データは、外部からの操作によって、学習データの追加、及びユーザ登録学習データの一部の学習データを削除可能にされていることを特徴とする請求項２に記載の水中探知装置。
【請求項４】
前記底質情報は、前記第２の出力データから生成される、前記入力データと前記新規底質との類似度に相当する値、及び／又は前記第１の出力データから生成される、前記入力データと前記予め登録されている複数の底質各々との類似度に相当する値からなることを特徴とする請求項１乃至請求項３のいずれか一項に記載の水中探知装置。
【請求項５】
閾値を設定する閾値設定部を更に備え、
前記出力処理部は、前記入力データと前記新規底質との類似度に相当する値が、前記閾値以上の場合、前記第１の出力データに対して前記第２の出力データが優先された前記底質情報を生成し、前記第２の出力データが示す値が前記閾値よりも小さい場合、前記第１の出力データのみにより前記底質情報を生成することを特徴とする請求項４に記載の水中探知装置。
【請求項６】
前記入力データと前記新規底質との類似度に相当する値が、前記閾値以上の場合に、前記入力データが前記固定ニューラルネットワークに入力されないようにする可変ニューラルネットワーク出力判定部を更に備えていることを特徴とする請求項５に記載の水中探知装置。
【請求項７】
前記閾値は、外部からの操作によって変更可能にされていることを特徴とする請求項５、又は請求項６に記載の水中探知装置。
【請求項８】
前記底質情報を出力する出力部（表示モニタやスピーカ等）を備え、
前記出力部に出力させる前記底質情報の出力形態は複数あり、当該出力形態が外部からの操作によって変更可能にされていることを特徴とする請求項１乃至請求項７のいずれか一項に記載の水中探知装置。
【請求項９】
入力データをニューラルネットワークに入力し、ニューラルネットワークから出力された出力データに基づいて、登録されている複数の判別対象のうち当該入力データが属する判別対象に関する判別情報を生成する判別装置であって、
予め登録されている複数の判別対象のうち、前記入力データが属する判別対象を判別するための第１の出力データを出力する固定ニューラルネットワークと、
外部からの操作によって、新規判別対象が登録された際、前記入力データが当該新規判別対象に属するか否かを判別するための第２の出力データを出力する可変ニューラルネットワークを追加し、外部からの操作によって、新規判別対象の登録が解除された際、該第２のニューラルネットワークを削除するニューラルネットワーク管理部と、
前記第１の出力データに対して前記第２の出力データが優先された前記判別情報を生成することが可能な出力処理部と
を備えていることを特徴とする判別装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【公開番号】特開２０１０−２６６２８０（Ｐ２０１０−２６６２８０Ａ）
【公開日】平成２２年１１月２５日（２０１０．１１．２５）
【国際特許分類】
【出願番号】特願２００９−１１６６２６（Ｐ２００９−１１６６２６）
【出願日】平成２１年５月１３日（２００９．５．１３）
【出願人】（０００１６６２４７）古野電気株式会社 (441)
【Ｆターム（参考）】
【公開日】平成２２年１１月２５日（２０１０．１１．２５）
【国際特許分類】
【出願日】平成２１年５月１３日（２００９．５．１３）
【出願人】（０００１６６２４７）古野電気株式会社 (441)
【Ｆターム（参考）】
[ Back to top ]