JP2012189390A - 毛髪検出装置 - Google Patents

Abstract

【課題】検査対象物中に混在する毛髪の検出精度が高められた毛髪検出装置を提供する。
【解決手段】検査対象物に対して１９４０ｎｍ〜２４００ｎｍの波長範囲から選ばれる複数波長の光を照射することで得られる反射スペクトルを用いて毛髪を検出する。毛髪の反射スペクトルは、波長２０００ｎｍ、２１２０ｎｍ、２２４０ｎｍにおいて反射強度が大きくなり、波長２０６０ｎｍ、２１８０ｎｍにおいて低くなるため、反射スペクトルが上記のような特徴を有しているか否かを判定することによって毛髪を検出する方法が、毛髪の検出感度の向上に効果的である。
【選択図】図３

Description

本発明は、検査対象物中に混在する毛髪を検出する毛髪検出装置に関する。

従来から、加工ライン上を流れる検査対象物に混在する毛髪等の繊維状異物の検知を目的として種々の技術が検討されている。例えば、特許文献１では、単色のラインセンサを用いて検査対象物を撮像した後、演算方法を工夫することにより異物の検知率の向上が図られている。また、特許文献２では、可視光を測定光として検査対象物のカラー画像を撮像する際、検査対象物の背景色を検査対象物の表面色の補色となる色とすることにより異物の検知率を向上させる方法が開示されている。さらに、特許文献３では、生体由来の異物を紫外線により識別する方法等も検討されている。

特開平６−３２３９９９号公報 特開平９−３０４２９４号公報 特開２００３−２０２２９７号公報

しかしながら、検査対象物に混在する異物が毛髪である場合、可視光を測定対象物に照射することにより撮像される画像から、毛髪であると推測される黒いライン状の領域を検出する処理を施した場合、検査対象物に亀裂がある場合や、検査対象物の周縁等も毛髪として検出される場合があり、誤検出が多発する可能性がある。そのため、誤検出率を低減させるべく、毛髪の検出感度を下げると、元来検出すべき毛髪の検出精度が低下してしまい、結果として毛髪を検出する装置としての機能を十分に果たすことができない可能性がある。また、検査対象物が黒色の物質である場合、可視光を用いた測定では毛髪の検出が不可能となり、この場合も毛髪の検出精度が著しく悪くなると考えられる。

本発明は上記を鑑みてなされたものであり、検査対象物中に混在する毛髪の検出精度が高められた毛髪検出装置を提供することを目的とする。

上記目的を達成するため、本発明に係る毛髪検出装置は、検査対象物を撮像して得られたハイパースペクトル画像に基づいて、該検査対象物中に混在する毛髪を検出する毛髪検出装置であって、検査対象物に対して１９４０ｎｍ〜２４００ｎｍの波長範囲から選ばれる複数波長の光を照射する照射手段と、照射手段より照射された光による検査対象物からの反射光、透過光、又は散乱光を受光することで、検査対象物を撮像してハイパースペクトル画像を得る撮像手段と、撮像手段による撮像により得られたハイパースペクトル画像に含まれる複数波長のスペクトル強度について、基準スペクトルに対する相対強度を求め、これを用いて検査対象物に混在する毛髪を検出する分析手段と、を備えることを特徴とする。

上記の毛髪検出装置によれば、検査対象物に対して１９４０ｎｍ〜２４００ｎｍの波長範囲から選ばれる複数波長の光を照射することによる検査対象物からの反射光、透過光、又は散乱光を受光し、ハイパースペクトル画像を得る。そして、このスペクトル画像に含まれるスペクトル強度について、基準スペクトルに対する相対強度を求め、これを用いて検査対象物に混在する毛髪を検出する。このように、波長範囲１９４０ｎｍ〜２４００ｎｍの光を測定に用いることで、毛髪の検出精度を高めることができる。

ここで、分析手段において、複数波長における相対強度または複数波長における相対強度から計算された複数の量を特徴量として、サポートベクターマシンを用いて解析し、検査対象物に混在する毛髪を検出する態様とすることが好ましい。

上記のようにサポートベクターマシンを用いて毛髪の検出に係る解析を行う場合、より高い精度での毛髪の検出が実現される。

さらに上記作用を効果的に奏する構成として具体的には、相対強度から計算された複数の量として、複数波長における前記相対強度に含まれるベース成分が除去されたものが用いられる態様が挙げられる。

また、相対強度から計算された複数の量として、複数波長における相対強度から選ばれた２つの波長における相対強度の差分が用いられる態様とすることができる。

ここで、２つの波長は、その間隔が２５ｎｍ以上８５ｎｍ以下であることが好ましい。

また、分析手段は、ハイパースペクトル画像を参照し、波長範囲1980〜2035nmを第１波長範囲、波長範囲2035〜2070nmを第２波長範囲、波長範囲2080〜2150nmを第３波長範囲、波長範囲2150〜2210nmを第４波長範囲、波長範囲2210〜2260nmを第５波長範囲として、第ｎ波長範囲に含まれる波長における相対強度、または、第ｎ波長範囲に含まれる複数の波長における相対強度の平均値を第ｎ波長データとしたとき、下記の４つの条件；
第１波長データ−第２波長データ≧Ａ
第３波長データ−第２波長データ≧Ｂ
第３波長データ−第４波長データ≧Ｃ
第５波長データ−第４波長データ≧Ｄ （Ａ〜Ｄは設定された閾値）
のうち、３つ以上の条件を満たす場合に、測定対象物に毛髪が混在していると判定する態様とすることができる。

本発明によれば、検査対象物中に混在する毛髪の検出精度が高められた毛髪検出装置が提供される。

本実施形態に係る異状検査システムの構成を示す図である。 ハイパースペクトル画像についてその概略を説明する図である。 赤外領域における毛髪、検査対象物（豆）、検査対象物に毛髪が付着したものの反射スペクトルを示す図である。 本実施形態の検出方法を用いて毛髪の検出を行った画像の例である。 本実施形態の検出方法を用いて毛髪の検出を行った画像の例である。 比較例における毛髪の検出を行った画像の例である。

以下、添付図面を参照して、本発明を実施するための最良の形態を詳細に説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を省略する。

（毛髪検出システムの構成）
本実施形態に係る毛髪検出システム１００について図１を用いて説明する。本実施形態に係る毛髪検出システム１００は、ベルトコンベア２上に分散載置された検査対象物３（図１では検査対象物の載置位置を示す）に混入した毛髪を検出する装置である。本実施形態に係る毛髪検出システム１００の検査対象物３としては、食品や医薬品等の原材料や製品等が挙げられる。本実施形態に係る毛髪検出システム１００において検出対象となるのは、生体由来物である毛髪である。毛髪がどの生物のものであるか、また、毛髪の色等は特に限定されない。毛髪検出システム１００は、測定光を検査対象物３に対して照射することにより得られる拡散反射光のスペクトルを測定し、そのスペクトルに基づいて検査対象物３に付着した毛髪を検出する。このため、毛髪検出システム１００は、照射手段１０、撮像手段２０、及び分析手段３０を備える。

照射手段１０は、一定の波長帯域を有する測定光を、ベルトコンベア２上における所定の照射領域Ａ１へ向けて照射する。照射手段１０が照射する測定光の波長範囲は、検査対象物３や、検出対象となる検査対象物３に付着した異物や変質等の異状に応じて適宜選択される。測定光としては、波長範囲が１９４０ｎｍ〜２４００ｎｍの光を含む近赤外光が好適に用いられ、この波長範囲に含まれて波長が互いに異なる複数の光が測定に用いられる。なお、本実施形態では、ハロゲンランプ１１を含む照射手段１０について説明する。

照射領域Ａ１とは、検査対象物３を載置するベルトコンベア２の表面（載置面２ｂ）の一部の領域である。この照射領域Ａ１は、載置面２ｂの進行方向２ａ（図１のｙ軸方向）と垂直な幅方向（ｘ軸方向）に広がり、載置面２ｂの一方の端から他方の端までを覆うライン状に延びる領域である。そして、照射領域Ａ１の延在方向に垂直な方向（ｙ軸方向）における照射領域Ａ１の幅は１０ｍｍ以下とされる。

照射手段１０は、ハロゲンランプ１１と、照射部１２と、ハロゲンランプ１１と照射部１２とを接続するバンドル光ファイバ１３と、を備える。ハロゲンランプ１１は、近赤外光を含む広帯域光を発生させる。

バンドル光ファイバ１３はライトガイド（例えば１５００本）を含み、ライトガイドはバンドル光ファイバ１３の一端側では円形に束ねられ、他端側では断面が矩形（例えば３本×５００本のマトリックス）になるように配列されている。ハロゲンランプ１１により発生された近赤外光は、バンドル光ファイバ１３の円形に束ねられた端面へ入射され、矩形に配列された端面から出射する。バンドル光ファイバ１３を使うことにより、効率よくライン状の光源を実現することが可能である。

照射部１２は、バンドル光ファイバ１３の端面から出射される近赤外光を検査対象物３が載置される照射領域Ａ１に対して照射する。照射部１２は、バンドル光ファイバ１３から出射される近赤外光を入射して、照射領域Ａ１に対応した１次元のライン状に出射するため、照射部１２としてシリンドリカルレンズが好適に用いられる。このように照射部１２においてライン状に整形された近赤外光Ｌ１が、照射部１２から照射領域Ａ１に対して照射される。

照射手段１０から出力された近赤外光Ｌ１は、照射領域Ａ１上に載置された検査対象物３により拡散反射される。そして、その一部が、拡散反射光Ｌ２として撮像手段２０に入射する。

撮像手段２０は、ハイパースペクトル画像を取得するハイパースペクトルセンサとしての機能を有する。ここで、本実施形態におけるハイパースペクトル画像について図２を用いて説明する。図２は、ハイパースペクトル画像についてその概略を説明する図である。図２に示すように、ハイパースペクトル画像とは、Ｎ個の画素Ｐ_１〜Ｐ_Ｎにより構成されている画像である。図２ではそのうちの一例として２個の画素Ｐ_ｎ及びＰ_ｍについて具体的に示している。画素Ｐ_ｎ及びＰ_ｍには、それぞれ複数の強度データからなるスペクトル情報Ｓ_ｎ及びＳ_ｍが含まれている。この強度データとは、特定の波長（又は波長帯域）におけるスペクトル強度を示すデータであり、図２では、１５個の強度データがスペクトル情報Ｓ_ｎ及びＳ_ｍとして保持されていて、これらを重ね合わせた状態で示している。このように、ハイパースペクトル画像Ｈは、画像を構成する画素毎に、それぞれ複数の強度データを持つという特徴から、画像としての二次元的要素と、スペクトルデータとしての要素をあわせ持った三次元的構成のデータである。なお、本実施形態では、ハイパースペクトル画像Ｈとは、１画素あたり少なくとも５つの波長帯域における強度データを保有している画素によって構成された画像のことをいう。なお、図２では検査対象物３もあわせて示している。すなわち、図２においてＰ_ｎは検査対象物３を撮像した画素であり、Ｐ_ｍは背景（例えば、ベルトコンベア）を撮像した画素である。

図１に戻り、本実施形態に係る撮像手段２０は、カメラレンズ２４と、スリット２１と、分光器２２と、受光部２３と、を備える。この撮像手段２０は、その視野領域２０ｓがベルトコンベア２の進行方向２ａと垂直な方向（ｘ軸方向）に延びている。撮像手段２０の視野領域２０ｓは、載置面２ｂの照射領域Ａ１に含まれるライン状の領域であって、スリット２１を通過した拡散反射光Ｌ２が受光部２３上に像を結ぶ領域である。

スリット２１は、照射領域Ａ１の延在方向（ｘ軸方向）と平行な方向に開口が設けられる。撮像手段２０のスリット２１に入射した拡散反射光Ｌ２は、分光器２２へ入射する。

分光器２２は、スリット２１の長手方向、すなわち照射領域Ａ１の延在方向に垂直な方向（ｙ軸方向）に拡散反射光Ｌ２を分光する。分光器２２により分光された光は、受光部２３によって受光される。

受光部２３は、複数の受光素子が２次元に配列された受光面を備え、各受光素子が光を受光する。これにより、受光部２３がベルトコンベア２上の幅方向（ｘ軸方向）に沿った各位置で反射した拡散反射光Ｌ２の各波長の光をそれぞれ受光することとなる。各受光素子は、受光した光の強度に応じた信号を位置と波長とからなる二次元平面状の一点に関する情報として出力する。この受光部２３の受光素子から出力される信号が、ハイパースペクトル画像に係る画像データとして、撮像手段２０から分析手段３０に送られる。

分析手段３０は、入力された信号により拡散反射光Ｌ２の反射スペクトルを得て、この得られたスペクトルに基づいて検査を行う。そして、この分析手段３０による分析の結果は、例えば分析手段３０に接続されるモニタや、プリンタ等に出力することによって、この異状検査システム１００のオペレータに通知される。

この分析手段３０は、ＣＰＵ（Central Processing Unit）、主記憶装置であるＲＡＭ（Random Access Memory）及びＲＯＭ（Read Only Memory）、撮像手段等の他の機器との間の通信を行う通信モジュール、並びにハードディスク等の補助記憶装置等のハードウェアを備えるコンピュータとして構成される。

（毛髪検出システムによる検出方法）
次に、上記の毛髪検出システムにより撮像されたハイパースペクトル画像を用いて毛髪を検出する方法について説明する。この毛髪の検出に係る処理は、分析手段３０において行われる。

上記の毛髪検出システム１００の分析手段３０における毛髪の検出の原理について図３を用いて説明する。図３は、赤外領域（１０００ｎｍ〜２４００ｎｍ）における毛髪、検査対象物、及び、検査対象物に毛髪が付着したものの反射スペクトルを示す図である。なお、図３では、検査対象物として豆を用いた場合について示している。また、図３の反射スペクトルを測定する際には、背景には、全ての波長の反射率が５％以下となる黒色の吸収板を用いている。

図３に示すように、毛髪の反射スペクトルでは、波長１４００ｎｍ、１６５０ｎｍ、１９００ｎｍ、２０００ｎｍ、２１２０ｎｍ、２２４０ｎｍ付近に特徴的なピークを有する。一方、毛髪は、赤外領域の光に対しての透過率が高いため、他の物質等のスペクトルの影響を受けやすい。例えば、検査対象物が豆のよう動植物由来の物質（食品）である場合、図３に示すように、波長１９００ｎｍ以下の波長範囲にて特徴的な反射スペクトルが現れる。しかしながら、動植物由来の物質の反射スペクトルは、個体差が大きく、特徴的なピークがある波長範囲は特定されていてもそのピークの強度は個体によって変化する可能性がある。したがって、豆と毛髪とのスペクトルを重ね合わせた場合、波長１９００ｎｍ以下の波長範囲では豆のスペクトルの変化によってそのスペクトルの形状が大きく変わるため、この範囲の反射スペクトルを毛髪の検出に利用したとしても検出感度を高めることは困難であると考えられる。

一方、図３に示す波長範囲のうち、１９４０ｎｍ以上の範囲では水の吸収が大きいため、反射率が低く平坦になる。一般に動植物由来の物質では水分を含むことが多く、１９４０ｎｍ以上に現れる毛髪由来の反射スペクトルを識別に利用することで毛髪検出感度を上げることができる。豆においても１９４０ｎｍ以上２４００ｎｍ以下の領域でスペクトルの形状が平坦になり、その強度も小さくなるので、この波長範囲における反射スペクトルを用いて毛髪を検出することで検出感度を高められる。具体的には、毛髪の反射スペクトルは、波長２０００ｎｍ、２１２０ｎｍ、２２４０ｎｍにおいて反射強度が大きくなり、波長２０６０ｎｍ、２１８０ｎｍにおいて低くなる。したがって、毛髪が混入している可能性がある検査対象物の反射スペクトルを取得し、反射スペクトルが上記のような特徴を有しているか否かを判定することによって毛髪を検出する方法が、毛髪の検出感度の向上に効果的である。

具体的な方法としては、第１の方法として、検査対象物に対して波長範囲１９４０〜２４００ｎｍの近赤外光を照射しその結果得られた反射スペクトルのうち、毛髪において特徴的なピーク形状を示す複数の波長を選択し、特定の波長におけるスペクトル強度について、基準スペクトルに対する相対強度を求め、この相対強度や、複数の波長から選ばれた２つの波長における相対強度の強度比や差分等が特定の範囲にある場合に検査対象物に毛髪が混入していると判断するように条件を選択し、毛髪の検出感度を測定する方法がある。ここで相対強度を求めるための基準スペクトルとしては、例えば、波長範囲１９４０〜２４００ｎｍでの反射率が実質的に一定である標準反射板に近赤外光を照射して得られるスペクトル等を用いることができる。（なお、一連の測定で使用する標準反射板が一種類のみであれば、標準反射板の反射率は未知であっても構わない。異なる種類の標準反射板を使って得た複数の相対強度を利用する場合は、反射率の波長依存性が既知の標準反射板を使用する必要がある。）また、ベース成分を除去するためのスペクトル演算を基準スペクトルによる相対強度への補正と組み合わせて利用することもできる。

上記の差分を利用する方法の一例として以下の方法を採用することができる。波長範囲1980〜2035nmを第１波長範囲、波長範囲2035〜2070nmを第２波長範囲、波長範囲2080〜2150nmを第３波長範囲、波長範囲2150〜2210nmを第４波長範囲、波長範囲2210〜2260nmを第５波長範囲として、第ｎ波長範囲に含まれる波長における基準スペクトルに対する相対強度、または、第ｎ波長範囲に含まれる複数の波長における基準スペクトルに対する相対強度の平均値を第ｎ波長データとしたとき、下記の４つの条件のうち、３つ以上の条件を満たす場合に、測定対象物に毛髪が混在していると判定する方法がある。
第１波長データ−第２波長データ≧Ａ
第３波長データ−第２波長データ≧Ｂ
第３波長データ−第４波長データ≧Ｃ
第５波長データ−第４波長データ≧Ｄ （Ａ〜Ｄは設定された閾値）
上記の４つの条件は、図３に示した毛髪の反射スペクトルの形状から導かれるものである。なお、Ａ〜Ｄの閾値は、測定条件等によって適宜変更することができる。このような方法で判定を行うことで、反射スペクトルの形状から毛髪の有無を判断することができる。ただし、同じ検査対象物について複数回の測定を行った場合に、検出率が向上し実用性が高くなる。

一方、検査対象物の１回の測定で、ノイズに埋もれた情報から有意な情報をより高い精度で識別する方法としては、学習型アルゴリズムのサポートベクターマシン（Support Vector Machines：ＳＶＭ）を採用することが好ましい。ＳＶＭを用いた分析とは、特定の検出対象の有無の判定を行う手法であり、区別したい２つの対象のサンプルの画像データを学習用データとして学習することによって、それらに対する識別境界を生成する公知の識別アルゴリズムである。

更にＳＶＭに学習させるデータとして１９４０〜２４００ｎｍの波長範囲に含まれる特定の２つの波長間におけるスペクトル強度の差分を用いると共に、照明条件を最適化することで検出率がさらに上昇することを見いだした。毛髪は赤外域で透明であるため、下地に特徴的な吸収が無い波長域を選んだとしても、下地からの反射光量が変化するとその影響がベースラインの変動として毛髪スペクトルに乗ってくる。波長に依存しない強度の変化であれば、２波長間の差分を取ることでその影響を取り除くことができる。そのため、波長差分をＳＶＭの特徴量とすることで検出率が上昇する。

ここで、実際に測定対象物を撮像し、その画像データを用いて解析を行った結果について説明する。

はじめにカメラレンズに蓋をして（遮光して）、その測定値を０％とする。この操作により受光素子の暗電流に起因した出力がキャンセルされる。次に、反射率が９８％以上である標準反射板を測定し、その結果得られたスペクトルのスペクトル強度を１００％として扱う。この処理を行うことにより、光源と分光器の波長依存性がキャンセルされることになる。各波長に対して上記の補正を行うことで、測定値は試料の反射率スペクトルを反映した値、すなわち相対強度（規格化スペクトル強度）となる。このように、暗電流に起因した出力をキャンセルした上で標準反射板の反射スペクトルを基準スペクトルとして用いて、この基準スペクトルに対する相対強度を求めて、分析に用いた。以下で用いるデータの撮像では、分光器が付いたラインセンサタイプのハイパースペクトルカメラを使用しており、受光素子のＸ軸には空間のＸ軸が対応し、受光素子のＹ軸には波長軸λが対応するため、上述の１００％、０％の補正を１回行うことで各波長に対する基準スペクトルの取得を行った。

２波長間の差分を用いたＳＶＭの解析に関して、波長間隔が６０ｎｍである２つの波長における２つの波長データの差分を特徴量としてＳＶＭにより毛髪検出を行った際の検出率と誤検出率を算出したものを表１として示す。実施例１では、特徴量として、波長２０００ｎｍにおける規格化スペクトル強度と波長１９４０ｎｍにおける規格化スペクトル強度との差分から、波長２４００ｎｍにおける規格化スペクトル強度と波長２３４０ｎｍにおける規格化スペクトル強度との差分まで、の範囲から選ばれた複数個の差分値を利用した。

また、比較対象として、測定波長範囲を１０００〜２１３０ｎｍとした場合（実施例２）及び測定波長範囲を１０００〜１９２０ｎｍとした場合（比較例）について、同様に２波長間の差分を用いたＳＶＭの解析を行い、その結果を比較した。なお、特徴量は、それぞれの波長範囲に対応した範囲の規格化スペクトル強度から選ばれた複数個の差分値を使用した。

なお、各ピクセルにおいて上記の波長データの差分を特徴量として毛髪検出を行った後に、当該ピクセルが毛髪ピクセルか否かの判定に関して、当該ピクセルを中心とした近隣２５ピクセル（５ピクセル×５ピクセル）の内、毛髪が検出されたとされるピクセルが3ピクセル以上存在する場合に、その部分には毛髪が存在すると判定した。画像中に存在する毛髪の一部でも検出できればその毛髪は検出できたと判断し、全体の毛髪本数に対して検出できた毛髪本数の比率を検出率と定義した。

また、誤検出率は以下のように定義した。すなわち、全体の画像を１ｃｍ毎のマス目に分割した後、毛髪が存在しないにも係わらず毛髪が存在すると判定されたエリアを含むマス目を「誤検出したマス目」と定義し、全体のマス目に対する誤検出したマス目の比率を誤検出率とした。

上記の結果を表１に示す。

表１から分かるように、波長範囲１９４０〜２４００ｎｍのデータを用いた場合（実施例１）の検出率は９９．５％となり、誤検出率は０．０３％となった。一方、波長範囲を１０００〜１９２０ｎｍとした場合（比較例）、検出率は３３．３％に低下し、誤検出率は２．６％に上昇した。さらに、波長範囲１９４０〜２４００ｎｍの一部の波長データを使用した例として、波長範囲１０００〜２１３０ｎｍとした場合（実施例２）には誤検出率は２．３％に上昇するが、検出率は９１．１％となった。

上記の３つの条件での毛髪検出画像の例を図４〜図６に示す。図４は波長範囲１９４０〜２４００ｎｍにおいて撮像したもの（実施例１）であり、図５は、波長範囲１０００〜２１３０ｎｍにおいて撮像したもの（実施例２）であり、図６は、波長範囲１０００〜１９２０ｎｍにおいて撮像したもの（比較例）である。図４〜図６においては、毛髪であると判定したピクセルを白く示している。なお、図４では、実際に毛髪が存在するエリアも合わせて示している。

図４に示すように、波長範囲１９４０〜２４００ｎｍで撮像した画像から毛髪を検出した場合、毛髪があるエリアではでは全て検出している。ピクセルレベルでは誤検出があるものの、近隣２５ピクセル（５ピクセル×５ピクセル）のうち３ピクセル以上で毛髪があると検出されたエリア（毛髪を誤検出したエリア）はなかった。

次に、波長範囲１９４０〜２４００ｎｍにおいての撮像データを用いて、波長間隔が６０ｎｍである２つの波長間の差分を特徴量としてＳＶＭを使用した場合の結果と、同一データを用いて波長間の差分などを組み合わせて判定する方法(実施例３)を使用した場合の結果を比較した。

波長間の差分等から毛髪を検出した際には、以下の方法を採用した。すなわち、下記の４つの条件のうち３つ以上の条件を満たすピクセルにおいて毛髪を検出したと判断した。
（条件１）第１波長データ−第２波長データ≧Ａに相当；
2018nm−2056nm≧0.001（0.1％）
（条件２）第３波長データ（６点の平均）−第２波長データ（３点の平均）≧Ｂに相当；
（2106、2112、2119、2125、2131、2138nmのスペクトル強度の平均値）−（2049、2056、2062nmのスペクトル強度の平均値）≧0.0024（0.24％）
（条件３）第３波長データ（６点の平均）−第４波長データ（３点の平均）≧Ｃに相当；
（2106、2112、2119、2125、2131、2138nmのスペクトル強度の平均値）−（2175、2182、2188nmのスペクトル強度の平均値）≧0.0029（0.29％）
（条件４）第５波長データ−第４波長データ≧Ｄに相当；
2226nm−2175nm≧0.001（0.1％）

なお、ＳＶＭの場合と同様に、近隣２５ピクセルのエリア内に毛髪を検出したと判断されたピクセルが３点以上存在する場合に、その部分には毛髪が存在すると判定するアルゴリズムを採用した。また検出率及び誤検出率については、ＳＶＭによる解析と同様の方法で毛髪検出を行った結果、検出率は６８％、誤検出率は０．２％であった。

なお、上記のように差分を利用する方法に代えて、２次差分を利用して毛髪の検出を行う方法もある。例えば、上記で用いた条件１〜４のうち、条件２と条件３とを組み合わせて、新たな条件５とし、条件１，４，５を用いて判断を行う方法もある。
（条件１）第１波長データ−第２波長データ≧Ａに相当；
2018nm−2056nm≧0.001（0.1％）
（条件４）第５波長データ−第４波長データ≧Ｄに相当；
2226nm−2175nm≧0.001（0.1％）
（条件５）条件２と条件３との和；第３波長データ（６点の平均）の２倍−第２波長データ（３点の平均）−第４波長データ（３点の平均）≧Ｂ＋Ｃに相当；
2×（2106、2112、2119、2125、2131、2138nmの平均値）−（2049、2056、2062nmの平均値）−（2175、2182、2188nmの平均値）≧0.0053（0.53％）

上記の場合は、条件１，４，５の全てを満たす場合に、毛髪を検出したと判断することが必要である。このように、実際に解析を行う場合には上記の条件１〜４を適宜変更して判断基準を作ることもできる。

次に、１９４０〜２４００ｎｍの波長範囲のスペクトル画像に含まれるデータを用いて、差分を求める対象となる波長間隔を変更した場合の、ＳＶＭによる判定結果を示す。具体的には、差分を求める波長間隔を２５ｎｍ（実施例４）、６０ｎｍ（実施例１）、８５ｎｍ（実施例５）と変更し、それぞれの間隔で求めた規格化スペクトル強度の差分を特徴量とし、ＳＶＭによる解析を行った。

表３に示すように、波長間隔を６０ｎｍとした場合に他の場合と比較してよりよい結果が得られた。これは、１９４０〜２４００ｎｍの波長範囲において、毛髪の反射スペクトルは、ほぼ６０ｎｍ間隔で凹凸を繰り返すような波形を示していることに由来すると考えられる。したがって、毛髪の反射スペクトルの形状の特徴を考慮すると波長間隔を６０ｎｍとして得られた波長データの差分をＳＶＭの特徴量として学習させることが好ましいと考えられる。ただし、ＳＶＭによる解析は、それ自体の精度が非常に高いので、表３に示すように大きな差はなかった。しかしながら、ＳＶＭによる解析ではなく、波長間の差分等を組み合わせて毛髪の有無を判断する場合には、差分を取得する対象となる波長の間隔による影響が大きくなると考えられる。

以上、本発明の実施形態について説明したが、本発明は上記の実施形態に限定されず、種々の変更を行うことができる。

例えば、上記実施形態では、毛髪測定システム１００に分析手段３０が組み込まれた構成について説明したが、本発明に係る毛髪測定システム装置は、例えば、他の工業製品の異状分析等を行うシステムに組み込んで利用することもできる。また、分析手段３０は、上記実施形態のように画像データの撮像を行うカメラ２０と接続されている必要はなく、単体で使用することができる。

また、上記実施形態では、検査対象物に対して光を照射し、その反射光（あるいは散乱光）を受光し、反射スペクトルを撮像して分析を行う構成について説明したが、透過光を利用して分析を行うことも可能である。

１００…毛髪検出システム、２…ベルトコンベア、３…検査対象物、１０…照射手段、１１…ハロゲンランプ、１２…照射部、１３…バンドル光ファイバ、２０…撮像手段、２１…スリット、２２…分光器、２３…受光部、３０…分析手段。

Claims (6)

1. 検査対象物を撮像して得られたハイパースペクトル画像に基づいて、該検査対象物中に混在する毛髪を検出する毛髪検出装置であって、
   前記検査対象物に対して１９４０ｎｍ〜２４００ｎｍの波長範囲から選ばれる複数波長の光を照射する照射手段と、
   前記照射手段より照射された光による前記検査対象物からの反射光、透過光、又は散乱光を受光することで、前記検査対象物を撮像してハイパースペクトル画像を得る撮像手段と、
   前記撮像手段による撮像により得られたハイパースペクトル画像に含まれる複数波長のスペクトル強度について、基準スペクトルに対する相対強度を求め、これを用いて前記検査対象物に混在する毛髪を検出する分析手段と、
   を備えることを特徴とする毛髪検出装置。
2. 前記分析手段において、複数波長における前記相対強度または複数波長における前記相対強度から計算された複数の量を特徴量として、サポートベクターマシンを用いて解析し、前記検査対象物に混在する毛髪を検出することを特徴とする請求項１記載の毛髪検出装置。
3. 前記相対強度から計算された複数の量として、複数波長における前記相対強度に含まれるベース成分が除去されたものが用いられることを特徴とする請求項２記載の毛髪検出装置。
4. 前記相対強度から計算された複数の量として、前記複数波長における相対強度から選ばれた２つの波長における相対強度の差分が用いられることを特徴とする請求項３記載の毛髪検出装置。
5. 前記２つの波長は、その間隔が２５ｎｍ以上８５ｎｍ以下であることを特徴とする請求項４記載の毛髪検出装置。
6. 前記分析手段は、
   前記ハイパースペクトル画像を参照し、波長範囲1980〜2035nmを第１波長範囲、波長範囲2035〜2070nmを第２波長範囲、波長範囲2080〜2150nmを第３波長範囲、波長範囲2150〜2210nmを第４波長範囲、波長範囲2210〜2260nmを第５波長範囲として、第ｎ波長範囲に含まれる波長における前記相対強度、または、第ｎ波長範囲に含まれる複数の波長における前記相対強度の平均値を第ｎ波長データとしたとき、下記の４つの条件；
   第１波長データ−第２波長データ≧Ａ
   第３波長データ−第２波長データ≧Ｂ
   第３波長データ−第４波長データ≧Ｃ
   第５波長データ−第４波長データ≧Ｄ （Ａ〜Ｄは設定された閾値）
   のうち、３つ以上の条件を満たす場合に、前記測定対象物に毛髪が混在していると判定することを特徴とする請求項１記載の毛髪検出装置。