JP2013167491A - 検体から検出対象物を見つけ出す検出装置、検出方法、検出プログラム及び記憶媒体 - Google Patents

Abstract

【課題】迅速かつ精度良く検体から検出対象物を見つけ出すことができる検出装置、検出方法、検出プログラム及び記憶媒体を提供すること。
【解決手段】検体保持部６０が保持する検体５０にＬＥＤ７から紫外光を照射する。検体５０にぎょう虫卵がある場合には、紫外光により励起されて蛍光を発する。この蛍光画像をデジタルカメラ４でカラー撮影する。ＰＣ１００のＣＰＵは、カラー画像を二値化し、二値化画像とぎょう虫卵との画像のパターンマッチングを行い、マッチした二値化画像に対応するカラー画像を切り出す。ＰＣ１００のＣＰＵは、そのカラー画像のＲＧＢ値の積算値を求め当該積算値が所定の範囲外でない場合に、ぎょう虫卵有りと判断しカウントする。
【選択図】図１

Description

本発明は検体から検出対象物を見つけ出す検出装置、検出方法、検出プログラム及び記憶媒体に関する。詳細には、検体に所定波長の光を当てることにより、検体に含まれる検出対象物が発する蛍光の画像を使用した検出装置、検出方法、検出プログラム及び記憶媒体に関する。

従来、ぎょう虫卵の検出方法として、セロハンテープ法が普及している。セロハンテープは、被験者が特殊な粘着性のあるセロハンテープを肛門に強く押しつけて、そのテープを顕微鏡で調べる検出方法である。ところが、この方法では、採取時にセロハンテープに角質化した皮膚細胞やごみがついてしまう。その中から検査者が顕微鏡を使用して人間の目によってぎょう虫卵を見つけなければならなかった。このような問題に対して、ぎょう虫卵のみを染色する方法も提案されている（例えば、特許文献１参照。）。この方法では、中性からアルカリ性で染色能力の有る染色液は酸性下で染色能力を失う。この染色能力を失った酸性の染色液を、ぎょう虫卵検査のセロファンテープ法のテープとガラス板の隙間に流しこむ。すると、角質化した皮膚細胞やごみは染色されず、ぎょう虫卵だけを染色することができる。

また、検査担当者の負担軽減の為に、蛍光作用を利用して検体中のぎょう虫卵の有無を検査するぎょう虫卵検出装置が提案されている（例えば、特許文献２参照。）このぎょう虫卵検出装置では、試料に紫外光（紫外線）を照射してぎょう虫卵を励起させる励起光照射部と、励起されたぎょう虫卵が発生させる蛍光を含む画像のデータである画像データを取得する画像データ取得部と、画像データに基づいて、蛍光を検出することによってぎょう虫を発見する解析部とを備えている。このぎょう虫卵検出装置によれば、顕微鏡を使用して人間の目で検査が行われていた検査の少なくとも一部の自動化を可能とできる。

特開平５−２５２９９５号公報 特開２０１１−２０９１８３号公報

しかしながら、特許文献１に記載の方法では、染色処理に手間がかかり、検査に時間がかかるという問題点があった。また、特許文献２に記載の方法では、蛍光作用の無い皮膚細胞やごみ等は確実に分離できるが、検体に検出対象物以外の蛍光作用のある生物体が交じっていると検出対象物として識別してしまうとう問題点があった。

本発明は上記課題を解決するためになされたものであり、本発明の目的は、迅速かつ精度良く検体から検出対象物を見つけ出すことができる検出装置、検出方法、検出プログラム及び記憶媒体を提供することである。

上述の問題点を解決するために、請求項１の検出装置は、検体から検出対象物を見つけ出す検出装置であって、当該検体を載置する検体載置部と、当該検体載置部に載置された前記検体に特定波長光を照射する光照射手段と、前記検出対象物が前記特定波長光により励起されて発した蛍光を含む前記検体のカラー画像のデータである画像データを取得する画像データ取得手段と、当該画像データ取得手段が取得した前記画像データを二値化して二値化画像データを作成する二値化手段と、当該二値化手段により作成された二値化画像データに基づいてパターンマッチングで、検出対象物に該当する画像を探す第一マッチング手段と、当該第一マッチング手段でマッチングした画像に対応するカラー画像の画素毎のＲＧＢ値の積算度数を集計するＲＧＢ値積算手段と、当該ＲＧＢ値積算手段により積算された画素毎のＲＧＢ値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断する判断手段とを備えている。

上記構成の検出装置では、迅速に検体から検出対象物を確実に見つけ出すことができる。従って、検査者の熟練度を必要とせず、検査時間を短縮でき、精度高く検出できる。

請求項２の検出装置は、請求項１の発明の構成に加えて、前記第一マッチング手段でマッチングした前記二値化画像データに対して、パターンマッチングで、検出対象物と異なる非検出対象物に該当する画像を探す第二マッチング手段を備え、前記第二マッチング手段で前記二値化画像データが非検出対象物の画像データとマッチングした場合には、前記ＲＧＢ値積算手段によるＲＧＢ値の積算度数の集計を行わないことを特徴とする。

上記構成の検出装置では、第二マッチング手段で検出対象物と異なる非検出対象物に該当する画像を排除できるので、検出の精度を高めることができる。

請求項３の検出装置は、請求項１又は２に記載の発明の構成に加えて、前記二値化画像データから輪郭線を取り出した縁取画像データを作成する縁取手段を備え、前記第一マッチング手段は、前記縁取画像データに基づいてパターンマッチングで、検出対象物に該当する画像を探すことを特徴とする。

上記構成の検出装置では、第一マッチング手段は、縁取画像データに基づいてパターンマッチングを行うので、精度を高めることができ、処理能力の高くないコンピュータでも迅速に処理を行うことができる。

請求項４の検出装置は、請求項１〜３の何れかに記載の発明の構成に加えて、前記第一マッチング手段によりマッチングすると判断された画像の数を集計する集計手段を備え、当該集計手段の集計数が所定値の場合に、前記ＲＧＢ値積算手段により、前記第一マッチング手段でマッチングした画像に対応するカラー画像の画素毎のＲＧＢ値の積算度数を集計し、前記判断手段は前記ＲＧＢ値積算手段により積算された画素毎のＲＧＢ値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断することを特徴とする。

上記構成の検出装置では、検出対象物の画像にマッチングすると判断された画像数が所定値の場合に、ＲＧＢ値積算手段により、前記第一マッチング手段でマッチングした画像に対応するカラー画像の画素毎のＲＧＢ値の積算度数を集計をする。従って、検出対象物の画像にマッチングすると判断された画像数が所定値の場合に、より精度の高いＲＧＢ値積算手段を用いて検出対象物の有無を判断することができる。

請求項５の検出装置は、請求項１〜４の何れかに記載の発明の構成に加えて、前記判断手段が検出対象物有りと判断した数を計数する計数手段と、当該計数手段が計数した値を出力する出力手段を備えたことを特徴とする。

上記構成の検出装置では、検出対象物有りと判断した数を出力手段が出力するので、検査者は検出対象物の数を容易に知ることができる。

請求項６の検出装置は、請求項１〜５の何れかに記載の発明の構成に加えて、前記光照射手段が発する前記特定波長光は紫外光であり、前記検出対象物は、ぎょう虫卵であることを特徴とする。

この構成の検出装置では、ぎょう虫卵は、紫外光の照射により励起し蛍光を発するので、ぎょう虫卵を精度良く短時間に発見できる。

請求項７の検出方法は、検体から検出対象物を見つけ出す検出方法であって、当該検体に特定波長光を照射し、前記検出対象物が前記特定波長光により励起されて発した蛍光を含む前記検体のカラー画像データを取得する画像データ取得工程と、当該画像データ取得工程で取得した前記カラー画像データを二値化して二値化画像データを作成する二値化工程と、当該二値化工程で作成された当該二値化画像データに基づいて、予め記憶された検出対象物のデータとのパターンマッチングで、検出対象物に該当する画像を探す第一マッチング工程と、当該第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のＲＧＢ値の積算度数を集計するＲＧＢ値積算工程と、当該ＲＧＢ値積算工程により積算された画素毎のＲＧＢ値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断する判断工程とを備えている。

上記構成の検出方法では、迅速に検体から検出対象物を確実につけ出すことができる。従って、検査者の熟練度を必要とせず、検査時間を短縮でき、精度高く検出できる。

請求項８の検出方法は、請求項７に記載の発明の構成に加えて、前記第一マッチング工程でマッチングした前記二値化画像データに対して、パターンマッチングで、検出対象物と異なる非検出対象物に該当する画像を探す第二マッチング工程を備え、前記第二マッチング工程で前記二値化画像データが非検出対象物の画像データとマッチングした場合には、前記ＲＧＢ値積算工程によるＲＧＢ値の積算度数の集計を行わないことを特徴とする。

上記構成の検出方法では、第二マッチング工程で検出対象物と異なる非検出対象物に該当する画像を排除できるので、検出の精度を高めることができる。

請求項９の検出方法は、請求項７又は８に記載の発明の構成に加えて、前記二値化画像データから輪郭線を取り出した縁取画像データを作成する縁取工程を備え、前記第一マッチング工程では、前記縁取画像データに基づいてパターンマッチングで、検出対象物に該当する画像を探すことを特徴とする。

上記構成の検出方法では、第一マッチング工程は、縁取画像データに基づいてパターンマッチングを行うので、精度を高めることができ、処理能力の高くないコンピュータでも迅速に処理を行うことができる。

請求項１０の検出方法は、請求項７〜９の何れかに記載の発明の構成に加えて、前記第一マッチング工程でマッチングすると判断された画像の数を集計する集計工程を備え、当該集計工程での集計数が所定値の場合に、前記ＲＧＢ値積算工程により、前記第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のＲＧＢ値の積算度数を集計し、前記判断工程では、前記ＲＧＢ値積算工程により積算された画素毎のＲＧＢ値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断することを特徴とする。

上記構成の検出方法では、検出対象物の画像にマッチングすると判断された画像数が所定値の場合に、ＲＧＢ値積算工程により、前記第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のＲＧＢ値の積算度数を集計をする。従って、検出対象物の画像にマッチングすると判断された画像数が所定値の場合に、より精度の高いＲＧＢ値積算工程を用いて検出対象物の有無を判断することができる。

請求項１１の検出プログラムは、検体から検出対象物を見つけ出す検出プログラムであって、前記検出対象物が特定波長光により励起されて発した蛍光を含む前記検体のカラー画像データを取得する画像データ取得工程と、当該画像データ取得工程で取得したカラー画像データを二値化して二値化画像データを作成する二値化工程と、当該二値化工程で作成された当該二値化画像データに基づいて、予め記憶された検出対象物のデータとのパターンマッチングで、検出対象物に該当する画像を探す第一マッチング工程と、当該第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のＲＧＢ値の積算度数を集計するＲＧＢ値積算工程と、当該ＲＧＢ値積算工程により積算された画素毎のＲＧＢ値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断する判断工程とをコンピュータに実行させることを特徴とする。

上記構成の検出プログラムでは、迅速に検体から検出対象物を確実につけ出すことができる。従って、検査者の熟練度を必要とせず、検査時間を短縮でき、精度高く検出できる。

請求項１２の検出プログラムは、請求項１１に記載の発明の構成に加えて、前記第一マッチング工程でマッチングした前記二値化画像データに対して、パターンマッチングで、検出対象物と異なる非検出対象物に該当する画像を探す第二マッチング工程を備え、前記第二マッチング工程で前記二値化画像データが非検出対象物の画像データとマッチングした場合には、ＲＧＢ値積算工程によるＲＧＢ値の積算度数の集計を行わないことを特徴とする。

上記構成の検出プログラムでは、第二マッチング工程で検出対象物と異なる非検出対象物に該当する画像を排除できるので、検出の精度を高めることができる。

請求項１３の検出プログラムは、請求項１１又は１２に記載の発明の構成に加えて、前記二値化画像データから輪郭線を取り出した縁取画像データを作成する縁取工程を備え、前記第一マッチング工程では、前記縁取画像データに基づいてパターンマッチングで、検出対象物に該当する画像を探すことを特徴とする。

上記構成の検出プログラムでは、第一マッチング工程は、縁取画像データに基づいてパターンマッチングを行うので、精度を高めることができ、処理能力の高くないコンピュータでも迅速に処理を行うことができる。

請求項１４の検出プログラムは、請求項１１〜１３の何れかに記載の発明の構成に加えて、前記第一マッチング工程によりマッチングすると判断された画像の数を集計する集計工程を備え、当該集計工程での集計数が所定値の場合に、前記ＲＧＢ値積算工程により、前記第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のＲＧＢ値の積算度数を集計し、前記判断工程では、前記ＲＧＢ値積算工程により積算された画素毎のＲＧＢ値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断することを特徴とする。

上記構成の検出プログラムでは、検出対象物の画像にマッチングすると判断された画像数が所定値の場合に、ＲＧＢ値積算工程により、前記第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のＲＧＢ値の積算度数を集計をする。従って、検出対象物の画像にマッチングすると判断された画像数が所定値の場合に、より精度の高いＲＧＢ値積算工程を用いて検出対象物の有無を判断することができる。

請求項１５の記憶媒体は、請求項１１〜１４の何れかに記載の検出プログラムを記憶している。従って、記憶媒体から検出プログラムをコンピュータに読み込み実行することにより、請求項１１〜１４の何れかに記載の発明の効果を奏することができる。

検出装置１の構成を示す図である。 検体５０の平面図ある。 検体保持部６０の平面図である。 検体保持部６０の右側面図である。 パーソナルコンピュータ（ＰＣ）１００の電気的構成を示すブロック図である。 基本処理のフローチャートである。 検査メニューの画面を示す図である。 検出処理のフローチャートである。 画像処理のサブルーチンのフローチャートである。 画像処理のサブルーチンのフローチャートである。 撮影装置２で撮影されたカラー画像である。 画像補正処理後の画像である。 モノクロ化処理後の画像である。 二値化処理後の画像である。 ぎょう虫卵の場合の縁取り処理後の画像である。 ごみの場合の縁取り処理後の画像である。 ぎょう虫卵の場合のカラー画像のＲＧＢスペクトル波形である。 ごみの場合のカラー画像のＲＧＢスペクトル波形である。 マンソン住血吸虫卵のカラー画像のＲＧＢスペクトル波形図である。 広節裂頭条虫卵のカラー画像のＲＧＢスペクトル波形図である。

以下、本発明の一実施形態の検出装置について、図面を参照して説明する。本実施の形態の検出装置１は、検体５０に特定波長光（一例として、紫外光（紫外線））を照射して、検体５０に含まれる検出対象物が発する蛍光を撮影した画像の画素毎のＲＧＢ値の積算度数であるＲＧＢスペクトル波形により検出対象物を発見する検出装置である。

図１を参照し、検出装置１の全体の構成について説明する。図１の紙面上側、下側、右上側、左下側、右下側、左上側は夫々検出装置１の上側、下側、右側、左側、前側、後側である。図１に示すように、検出装置１は、撮影装置２と、パーソナルコンピュータ（以下「ＰＣ」という。）１００を備えている。ＰＣ１００には、ディスプレイ１０１，キーボード１０２及びマウス１０３が接続している。

以下、撮影装置２の機械的構成を説明する。図１に示すように、撮影装置２は、金属製の箱から形成された筐体３を備えている。筐体３は、外部からの光を遮断する。筐体３内の上部では、図示外のフレームがデジタルカメラ４を保持している。デジタルカメラ４は、撮像素子として、ＣＭＯＳセンサ（図示外）又はＣＣＤセンサ（図示外）を備えている。撮像素子の画素数の一例としては、１５１０万画素や１８００万画素であるが、必ずしもこの値に限られない。デジタルカメラ４としては、市販の一眼レフデジタルカメラを用いれば良い。

また、デジタルカメラ４は、マクロレンズ５を備えている。このマクロレンズ５の一例としては、焦点距離６０ｍｍ、Ｆ２．８、最短撮影距離０．２ｍ、最大撮影倍率１倍のマクロレンズを用いることができる。但し、ズームレンズ等を用いても良い。マクロレンズ５の先端側には、紫外光をカットするＵＶカットフィルタ６が嵌っている。

筐体３の下部には、検体載置部１１が存在し、検体載置部１１の上面は、平面になっている。当該検体載置部１１の上面には、後述する検体保持部６０を固定する図示外の固定機構が存在し、当該固定機構が検体保持部６０を固定する。また、検体保持部６０は内部に検体５０を保持する。

デジタルカメラ４と検体載置部１１との間には、検体５０に光を当てるリング状のＬＥＤ７を図示外のフレームが保持している。ＬＥＤ７は下面側に紫外光を発光する発光ダイオードを多数備えている。リング状のＬＥＤ７の中央には、平面視円形の開口部８が存在する。ＬＥＤ７からは、紫外光が検体５０に照射される。ＬＥＤ７が発する光の波長の一例としては、ぎょう虫卵を発見する場合には、３６０ｎｍが適しているが、検体５０に含まれる検出対象物により、ＬＥＤ７が発する光の波長は蛍光発光が生じる波長に適宜設定できる。ＬＥＤ７の検体５０への紫外光の照射角度θ１は、一例として４５度であるが、適宜変更できる。

ＬＥＤ７の上面側には、中央部に開口部１０を備えた遮蔽板９が存在する。遮蔽板９の開口部１０の直径は、ＬＥＤ７の開口部８の直径より小さくなっており、ＬＥＤ７の発する光が直接デジタルカメラ４のマクロレンズ５に入射しないようになっている。上記構成により、ＬＥＤ７は、紫外光を検体保持部６０が保持する検体５０に照射する。この状態で、検体５０をデジタルカメラ４が撮影する。このとき、検出対象物がぎょう虫卵の場合には、ぎょう虫卵が蛍光を発した写真が撮影できる。尚、検体載置部１１には、図示外のマイクロスイッチが存在し、検体保持部６０が筐体３に設けた図示外の挿入口から挿入されると、検体５０が紫外光で照明され、デジタルカメラ４が蛍光発光した検出対象物を含むカラー画像を１枚撮影するようになっている。

次に、図２を参照して、検体５０について説明する。検体５０は、平面視長方形のぎょう虫検査セロファンである。検体５０は、透明のセロファン５２の中央部に粘着部５１があり、下端部に学年、組、番号の記入欄５３と氏名の記入欄５４が存在する。被験者は朝起きた際に、粘着部５１を肛門に押し当てる。被験者の腸内にぎょう虫が居る場合には、検体５０の粘着部５１にぎょう虫卵が付着する。尚、検体５０は、未使用状態で、図２に示す構造が縦に２つ頭で繋がった状態になっており、各々肛門周辺に押し付けたものを２つ折りにして検査機関に提出する。

次に、図３及び図４を参照して、検体保持部６０の構造を説明する。検体保持部６０は、検体５０を挟み込んで保持するホルダである。図４に示すように、検体保持部６０は、平面視略長方形のホルダであり、略長方形の板である基板６１と、当該基板６１に蝶番６２により開閉可能に保持された平面視略長方形の押さえ板６３とから成る。基板６１の中央には、検体５０の粘着部５１を押し上げて皺を伸ばすための円盤状の押圧部６５が存在する。また、押さえ板６３には、押圧部６５が入る円形の開口部６４が存在する。また、基板６１には、開口部６６が存在し、指で掴みやすくなっている。検査者は、基板６１の上面に検体５０を載せ、押さえ板６３を下ろして検体５０を挟み込むことにより、押圧部６５が検体５０の粘着部５１を押し上げて粘着部５１の皺が伸びる。従って、撮影装置２で検体５０を撮影した場合に、皺等が写り込まない。

次に、図５を参照し、本実施形態の検出装置１のＰＣ１００の電気的構成について説明する。ＰＣ１００は、市販のパーソナルコンピュータを利用でき、ＣＰＵ１１０、ＲＡＭ１１１、ＲＯＭ１１２、Ｉ／Ｏインターフェース１１３、記憶装置１１７等を備えている。Ｉ／Ｏインターフェース１１３には、ＣＰＵ１１０、ビデオコントローラ１１４、キーコントローラ１１５，ＣＤ−ＲＯＭドライブ１１６、記憶装置１１７、ＵＳＢコントローラ１１９、マウス１０３が接続している。ＵＳＢコントローラ１１９には、撮影装置２が接続している。ビデオコントローラ１１４にはディスプレイ１０１が接続している。キーコントローラ１１５にはキーボード１０２が接続している。ＣＤ−ＲＯＭ１１８は、後述する基本処理、検出処理、画像処理等のプログラム及び後述するマスタデータ及びごみデータ等を記憶している。ＣＤ−ＲＯＭドライブ１１６は、ＣＤ−ＲＯＭ１１８から基本処理、検出処理、画像処理等のプログラム及び後述するマスタデータとごみデータとを読み込む。

ＲＯＭ１１２は、オペレーティングシステム等を記憶する。ＲＡＭ１１１は処理中のデータ等を一時的に記憶する。記憶装置１１７には、撮影条件等の初期設定を記憶する初期設定ファイル記憶エリア１１７Ａ、検出装置１の説明書を記憶した説明書記憶エリア１１７Ｂ、ぎょう虫卵の検出処理が実行された結果等の情報を記憶する撮影実績ファイル記憶エリア１１７Ｃ、撮影装置２で撮影した画像を記憶する画像ファイル記憶エリア１１７Ｄ、ＣＰＵ１１０が実行するプログラム等を記憶するプログラム記憶エリア１１７Ｅ、後述するパターンマッチング（Ｓ２９）で使用するぎょう虫卵の基本形状データ（以下、「マスタデータ」という。）を記憶したマスタデータ記憶エリア１１７Ｆ、後述するパターンマッチング（Ｓ３１）で使用するごみの基本形状データ（以下、「ごみデータ」という。）を記憶したごみデータ記憶エリア１１７Ｇ等が存在する。記憶装置１１７は、ハードディスク、フラッシュメモリ等の不揮発性メモリ等で構成する。ＣＤ−ＲＯＭ１１８に記憶されているＰＣ１００のＣＰＵ１１０が実行する基本処理、検出処理、画像処理等のプログラムは、ＣＤ−ＲＯＭ１１８からＣＤ−ＲＯＭドライブ１１６が読み出し記憶装置１１７のプログラム記憶エリア１１７Ｅに記憶され、ＣＰＵ１１０が処理を実行する。また、ＣＤ−ＲＯＭ１１８からマスタデータがマスタデータ記憶エリア１１７Ｆに読み込まれ、ごみデータがごみデータ記憶エリア１１７Ｇに読み込まれる。

次に、上記構成の検出装置１の動作を説明する。初めに、図５、図６及び図７を参照して、基本処理について説明する。基本処理では、まず、ＰＣ１００のＣＰＵ１１０は、ディスプレイ１０１上に、図７に示す、撮影前設定ボタン７１、実績参照ボタン７２、説明書ボタン７３から成る検査メニューの画面７０を表示する（Ｓ１）。検査者が撮影前設定ボタン７１をクリックすると（Ｓ２：ＹＥＳ）、ＣＰＵ１１０は、ディスプレイ１０１上に、撮影前設定画面（図示外）を表示して撮影前設定処理（Ｓ３）を行う。この処理では、これから撮影する画像のファイル名となる撮影情報（一例として、団体名、学年、組、番号、例えば「中部小学校６年５組２１番」や「中部小学校６５２１」）と、デジタルカメラ４の露出時間、絞りのＦ値、感度ＩＳＯ値等の撮影条件、検出処理を行う場合の検出対象の明るさ、検出対象のサイズ範囲、検出対象発見の閾値となる条件等を設定し、初期設定ファイル記憶エリア１１７Ａに記憶する（Ｓ３）。

また、検査者が実績参照ボタン７２をクリックすると（Ｓ２：ＮＯ，Ｓ４：ＹＥＳ）、ＣＰＵ１１０は、既に、ぎょう虫卵の検出処理が実行された結果等を記憶した撮影実績ファイル記憶エリア１１７Ｃの記憶内容を表示する実績参照処理（Ｓ５）を行う。また、検査者が説明書７３をクリックすると（Ｓ２：ＮＯ，Ｓ４：ＮＯ，Ｓ６：ＹＥＳ）、ＣＰＵ１１０は、説明書記憶エリア１１７Ｂに記憶している説明書の内容を表示する（Ｓ７）を行う。次いで、何れかのボタンがクリックされるまで待機する（Ｓ２：ＮＯ，Ｓ４：ＮＯ，Ｓ６：ＮＯ，Ｓ８：ＮＯ）。メニュー表示が終了の場合は（Ｓ８：ＹＥＳ）、基本処理を終了する。

次に、図８を参照して、ぎょう虫卵の検出処理を説明する。この検出処理では、ＣＰＵ１１０は、初期設定ファイル記憶エリア１１７Ａから、これから撮影する画像のファイル名となる撮影情報、デジタルカメラ４の露出時間、絞りのＦ値、感度ＩＳＯ値等の撮影条件、検出処理を行う場合の検出対象の明るさ、検出対象のサイズ範囲、検出対象発見の閾値となる条件等の初期値の読み込みを行う（Ｓ１１）。デジタルカメラ４の露出時間、絞りのＦ値、感度ＩＳＯ値は、この初期値の読み込みで読み込んだ値で制御される。次いで、撮影情報がある場合には（Ｓ１２：ＹＥＳ）、当該撮影情報をファイル名として画像を取り込む（Ｓ１３）。このＳ１３の処理では、撮影装置２に検体保持部６０が挿入されると、図示外のマイクロスイッチがＯＮとなり、ＬＥＤ７から紫外光が検体保持部６０が保持した検体５０に照射されて、デジタルカメラ４が検体５０のカラー画像を１枚撮影する。この時に、検体５０にぎょう虫卵があると、ぎょう虫卵は紫外光により励起して蛍光発光する。従って、ぎょう虫卵が検体５０に存在すると、ぎょう虫卵が蛍光発光した画像が撮影できる。この画像は、ＰＣ１００の記憶装置１１７の画像ファイル記憶エリア１１７Ｄに前記撮影情報をファイル名として記憶される（Ｓ１３）。例えば、「中部小学校６５２１．jeg」等である。

次いで、設定内容に応じて、デジタルカメラ４で撮影され、画像ファイル記憶エリア１１７Ｄに記憶されている検体５０の蛍光画像から検出対象物の検出を行う画像処理を行う（Ｓ１４）。

次に、画像処理（Ｓ１４）について、図９及び図１０の画像処理のサブルーチンと、図１１〜図２０を参照して説明する。図９に示すサブルーチンの画像処理は、ＣＰＵ１１０が実行する。図１１〜図１６に示す検体５０の写真は、処理を分かりやすくするために、表示しているが、実際は、ＣＰＵ１１０内で処理が行われるだけで、ディスプレイ１０１には、表示されない。

まず、画像処理が開始すると、ＣＰＵ１１０は、撮影装置２で撮影され、記憶装置１１７の画像ファイル記憶エリア１１７Ｄに記憶されている検体５０のカラー画像のデータをＲＡＭ１１１に取り込む（Ｓ２１）。図１１の右半分に示すように、ぎょう虫卵が検体５０に存在する場合には、紫外光により励起されて蛍光発光している。この取り込まれたカラー画像は、初期値の撮影条件に従ってデジタルカメラ４で撮影された状態の生のデジタル写真のデータである。図１１にの右半分に示す写真では、ぎょう虫卵以外にもごみ等も紫外光により蛍光発光しているものが写っている。例えば、上部に長く横たわる紐状のごみ等である。

次いで、ＣＰＵ１１０は、画像補正を行う（Ｓ２２）。この画像補正では、蛍光発光して写っている物を、より明確に浮かび上がらせるために、Ｓ２１で取り込まれた検体５０のカラー画像の明るさを上げ、その後、ＲＧＢ値を各々一定量付加する（図１２の右側の図参照）。尚、画像補正は、オリジナルのカラー画像のデータには加工が行われず、画像補正された画像データとは別にＲＡＭ１１１に記憶されている。また、これらの補正値は、予め実験して定めておく。次いで、図１３の右側の図に示すように、Ｓ２２で画像補正を行ったカラー画像をモノクロ化する（Ｓ２３）。このモノクロ化処理では、周知のカラー画像のモノクロ化方法を使用すればよく、一例として、明るさ＝Ｒ×０．３０＋Ｇ×０．５９＋Ｂ×０．１１として、明るさを求め、この明るさの値をＲＧＢすべてに指定すればよい。

次いで、ＣＰＵ１１０は、Ｓ２３でモノクロ化した画像データの二値化処理を行う（Ｓ２４）。この二値化処理では、ＣＰＵ１１０は、Ｓ２３でモノクロ化した画像データのＲＧＢの平均値を求め、この平均値に所定の値（一例として５）を付加した値を閾値として、二値化を行う。図１４の右側の図が二値化処理後の図である。

次いで、二値化画像から所定ドット数範囲の黒色画像の切り出し処理を行う（Ｓ２５）。この処理では、一例として、４０ドット〜４００ドットの黒色画像の切り出し処理を行う。この処理は、ＰＣ１００向けに公開されているライブラリを使用すればよい。例えば、ＯｐｅｎＣＶ（商標名）のライブラリを使用する。Ｓ２５の処理により、二値化画像から４０ドット〜４００ドットの黒色画像が切り出される。ここで、４０ドット〜４００ドットの黒色画像を切り出しているのは、ぎょう虫卵は、この範囲の大きさに入るものが多いからである。尚、切り出す画像のサイズは、デジタルカメラ４の解像度と、マクロレンズ５の倍率により左右されるので、予め、検出対象物の大きさと、デジタルカメラ４の解像度と、マクロレンズ５の倍率により定めておく。

次に、Ｓ２５の処理で切り出した４０ドット〜４００ドットの黒色画像の各々に対して、縁取り処理を行う（Ｓ２６）。この処理では、二値化画像から切り出された各黒色画像の黒と白の境目に黒の縁取りを行う。具体的には、この処理は、所謂、「画像のエッジ切り出し処理」であり、二値化画像から切り出された黒色の画素に隣接する白色の画素を黒色の画素として切り出す。即ち、二値化画像から切り出された黒色の画素の周囲の白色の画素が画黒色の画素として切り出されるので、二値化画像から切り出された黒色の画素の内側と外側が黒色の画素として縁取られることになる。尚、元々の黒色の画素は白色にされる。

次いで、後述するパターマッチング処理（Ｓ２９）で、マスタデータ記憶エリア１１７Ｆに記憶しているぎょう虫卵の基本形状データであるマスタデータと一致した数を数えるカウンタｎを、ｎ＝０としてリセットする（Ｓ２７）。次に、Ｓ２６の処理で縁取り処理を行った画像から１つの画像を切り出す（Ｓ２８）。この処理は、既に、Ｓ２５で画像の切り出しは行われているので、Ｓ２６で縁取りした画像を例えば、左上のものから右下に順番に選択する。図１５の中段の右端に、縁取り処理を行い、１つ切り出した画像（ぎょう虫卵）を示す。

次いで、ＣＰＵ１１０は、Ｓ２８で切り出した画像を、マスタデータ記憶エリア１１７Ｆに記憶しているぎょう虫卵のマスタデータとのパターンマッチングを行う（Ｓ２９）。この処理についても、ＰＣ１００向けに公開されているライブラリを使用すればよい。例えば、ＯｐｅｎＣＶ（商標名）のライブラリを使用する。尚、マスタデータは、予め多数のぎょう虫卵の蛍光画像を上記のＳ２１〜２８の処理を行って、得た形状のデータと、対応する検体５０を検査者が顕微鏡等で目視して、ぎょう虫卵であると確認したものに基づいて作成する。図１５の右側に示すように、ぎょう虫卵は特有の二重リング形状をしているが、図１６の右側に示すように、ごみの場合もぎょう虫卵に形状が似たものがあり、パターマッチング処理（Ｓ２９）でマッチしてしまうことがある。しかし、後述するＲＧＢ値の積算処理（Ｓ４０）及び判定処理（Ｓ４１）を行うことにより、ごみの画像を排除することができる。

Ｓ２９のパターンマッチング処理で、Ｓ２８で切り出した画像がぎょう虫卵のマスタデータとマッチした場合には（Ｓ３０：ＹＥＳ）、次いで、ＣＰＵ１１０は、Ｓ２８で切り出した画像を、ごみタデータ記憶エリア１１７Ｇに記憶しているごみのデータとのパターンマッチングを行う（Ｓ３１）。尚、ごみデータは、予め多数のごみの蛍光画像を上記のＳ２１〜２８の処理を行って、得た形状のデータと、対応する検体５０を検査者が顕微鏡等で目視して、ごみであると確認したものに基づいて作成する。Ｓ３１のパターンマッチング処理で、Ｓ２８で切り出した画像がごみのデータとのマッチした場合には（Ｓ３２：ＹＥＳ）、当該画像は、ごみであるので、後述するＳ３３〜Ｓ４５の処理を行わずにＳ２８に戻る。Ｓ３１の判断処理で、マッチしなかった場合には（Ｓ３２：ＮＯ）、当該画像は、ごみでないので、ＣＰＵ１１０は、擬陽性処理を行う（Ｓ３３）。この擬陽性処理では、ＣＰＵ１１０は、Ｓ２９のパターンマッチング処理でマッチした画像の検体５０のカラー画像上での位置を示す位置情報をＲＡＭ１１１に記憶する（Ｓ３３）。次いで、カウンタｎの値を１つ加算し（ｎ＝ｎ＋１）（Ｓ３４）、マスタデータにマッチし、ぎょう虫卵と判断できる画像の数をカウントする。尚、Ｓ２９処理で、Ｓ２８で切り出した画像がぎょう虫卵のマスタデータとマッチしなかった場合には（Ｓ３０：ＮＯ）、Ｓ２８に戻る。Ｓ２５で切り出され、縁取り処理された全画像が終了していない場合には（Ｓ３５：ＮＯ）、Ｓ２８〜Ｓ３４の処理を繰り返す。

次いで、全画像が終了し（Ｓ３５：ＹＥＳ）、ぎょう虫卵と判断できる画像の数（ｎ）が５以上になった場合には（Ｓ３６：ＹＥＳ）、図１に示すディスプレイ１０１に、ぎょう虫卵と判断できる画像の数のカウント数ｎを表示する（Ｓ４５）。一例として、ｎ＝５の場合には、「Ｅｇｇ Ｃｏｕｎｔ ５」等である。その後、処理を終了する。尚、ぎょう虫卵と判断できる画像の数のカウント数を表示すると同時に、「ぎょう虫卵有り、陽性」等の表示をしてもよい。尚、ぎょう虫卵と判断できる画像の数（ｎ）が５以上になった場合に、ぎょう虫卵と判断できる画像の数をカウント数を表示して処理を終了するのは、ぎょう虫卵と判断できる画像の数が５個以上もあれば、ぎょう虫が被験者の腸内にいることが経験上判明しているからである。これは、発明者が多数の検体５０を用いた本願発明による処理と、顕微鏡による検体５０の観察から確認している。

ぎょう虫卵と判断できる画像の数（ｎ）が１〜４の場合（Ｓ３６：ＮＯ，Ｓ３７：ＹＥＳ）、ＲＧＢスペクトル波形分析によりＣＰＵ１１０がぎょう虫卵と判断した画像の数を数えるカウンタｍを、ｍ＝０としてリセットする（Ｓ３８）。次いで、パターンマッチングでマッチした画像に対応するカラー画像の画素毎のＲＧＢ値の積算度数を集計して判断するＲＧＢスペクトル波形分析を行う。具体的には、Ｓ３３の擬陽性処理でＲＡＭ１１１に記憶した画像の位置情報に基づいて、検体５０のカラー画像上で対応するカラー画像を切り出す（Ｓ３９）。ここで、ぎょう虫卵と判断できる画像の数（ｎ）が１〜４の場合に、ＲＧＢスペクトル波形分析を行うのは、ぎょう虫卵と判断できる画像が５以上の場合には、ぎょう虫卵が確実にあること（陽性）が発明者の経験上分かっているが、ぎょう虫卵と判断できる画像が１〜４の場合には、所謂「擬陽性」であり、正確に判断する必要があるからである。

次いで、ＲＧＢ（赤（Ｒｅｄ）、緑（Ｇｒｅｅｎ）、青（Ｂｌｕｅ））値の加算処理を行う（Ｓ４０）。このＲＧＢ値の加算処理は、次のように行う。Ｓ３９の処理で切り出されたカラー画像の各画素のＲ値、Ｇ値、Ｂ値の出現度数を積算する。ここでは、ＣＰＵ１１０は、Ｓ３９の処理で切り出されたカラー画像の画素を左上から右に順番に見て、下のラインも同様に右下まで見ていくものとする。即ち、前記カラー画像の１つの画素は、Ｒ値は０〜２５５の何れかの値、Ｇ値は０〜２５５の何れかの値、Ｂ値は０〜２５５の何れかの値を持つ。そこで、前記カラー画像の各画素毎に、順番にＲＧＢ値の出現度数を積算する。

例えば、前記カラー画像の１画素目が、Ｒ：３５、Ｇ：５５、Ｂ：２２０なら、Ｒ：３５の度数１、Ｇ：５５の度数１、Ｂ：２２０の度数１と加算する。次いで、隣の２画素目がＲ：３５、Ｇ：６０、Ｂ：２２２なら、Ｒ：３５の度数２、Ｇ：５５の度数１、Ｇ：６０の度数１、Ｂ：２２０の度数１、Ｂ：２２２の度数１となる。次に、３画素目がＲ：３７、Ｇ：６０、Ｂ：２２５なら、Ｒ：３５の度数２、Ｒ：３７の度数１、Ｇ：５５の度数１、Ｇ：６０の度数２、Ｂ：２２０の度数１、Ｂ：２２２の度数１、Ｂ：２２５の度数１となる。次に、４画素目がＲ：３５、Ｇ：６０、Ｂ：２２０なら、Ｒ：３５の度数３、Ｒ：３７の度数１、Ｇ：５５の度数１、Ｇ：６０の度数３、Ｂ：２２０の度数２、Ｂ：２２２の度数１、Ｂ：２２５の度数１となる。以下、前記カラー画像の最後の画素まで、ＲＧＢ値毎の積算を繰り返す。この処理により、Ｓ３９の処理で切り出された１つのカラー画像におけるＲ値：０〜２５５各々の出現度数、Ｇ値：０〜２５５各々の出現度数、Ｂ値：０〜２５５各々の出現度数が積算でき、所謂ＲＧＢスペクトル波形が分かる。表１にＲＧＢの０〜２５５各々の出現度数の表の一例を示し、図１７にＳ４０の処理により求めたＲＧＢスペクトル波形の一例を示す。尚、波線がＲ値の積算度数であり、実線がＧ値の積算度数であり、一点鎖線がＢ値の積算度数である。表１では、一部省略して表示しているが、実際は、０〜２５５までＲＧＢ値全ての積算値が記憶される。尚、表１及び図１７は、概念図であり、実際は、ＣＰＵ１１０がカウントし、ＲＡＭ１１１に記憶されている。

発明者が数百の検体５０を使って調べた結果、ＲＧＢスペクトル波形は、ぎょう虫卵とごみでは全く異なった波形を描くことが判明した。図１８にごみの場合のＲＧＢスペクトル波形を示す。従って、本実施の形態では、図９に示すＳ２９の処理でぎょう虫卵画像のマスタデータとパターンマッチングしてマッチした画像のみを判断対象としているが、図１６の右側に示すようなぎょう虫卵に似たごみもぎょう虫卵画像のマスタデータとマッチしてしまう場合がある。しかし、上記のようにＲＧＢスペクトル波形がぎょう虫卵画像とごみの画像では全く異なるので、ＲＧＢスペクトル波形からぎょう虫卵の有無の判定が精度良く迅速にできる。

ＲＧＢ値の積算処理（Ｓ４０）が終了すると、ＣＰＵ１１０は、ＲＧＢ値の積算値が所定範囲外か否かを判断する（Ｓ４１）。この判断基準の所定範囲の一例を以下に説明する。
・Ｒ値範囲：Ｒ値３０〜１１０の各積算度数は何れも度数５０以下
・Ｇ値範囲：Ｇ値４５〜２１０各積算度数は何れも度数３０以下
・Ｂ値範囲：Ｂ値２１０〜２３０各積算度数は何れも度数２６以下及び値２３１〜２５５の各積算度数は何れも度数２６以上
上記のＲ値範囲を外れるものが３個以上、又は、Ｇ値範囲を外れるものが３個以上、又は、Ｂ値範囲を外れるものが３個以上の条件の１つでも満たす場合には、ＣＰＵ１１０は、その画像をＲＧＢ値の積算値が所定範囲外である（Ｓ４１：ＹＥＳ）と判断する。即ち、ＣＰＵ１１０は、その画像は、ぎょう虫卵でないと判断する。また、上記のＲ値範囲を外れるものが２個以下、及び、Ｇ値範囲を外れるものが２個以下、及び、Ｂ値範囲を外れるものが２個以下の全ての条件を満たす場合には、ＣＰＵ１１０は、ＲＧＢ値の積算値が所定範囲外でない（Ｓ４１：ＮＯ）と判断する。即ち、ＣＰＵ１１０は、その画像をぎょう虫卵であると判断する。上記の判断で、３個を閾値としているのは、２個までは、所謂「データのノイズ」の場合があるからである。尚、上記のＲ・Ｇ・Ｂ値範囲の各閾値は、発明者が数百の検体５０を使って調べた結果に基づく経験値であり、適宜設定することができる。

Ｓ４１の判断処理でＮＯの場合は、ＣＰＵ１１０がぎょう虫卵と判断した画像の数を数えるカウンタｍの値に１を付加する（ｍ＝ｍ＋１）（Ｓ４２）。Ｓ４１の判断処理でＹＥＳの場合は、ＣＰＵ１１０は、Ｓ３９に戻り、Ｓ３９〜Ｓ４１の処理を繰り返す。Ｓ３３の擬陽性処理でＲＡＭ１１１に記憶した全画像の判断が終了した場合（Ｓ４３：ＹＥＳ）、図１に示すディスプレイ１０１に、ぎょう虫卵と判断できる画像の数のカウント数ｍの値を表示する（Ｓ４４）。一例として、ｍ＝２の場合、「Ｅｇｇ Ｃｏｕｎｔ ２」等である。その後、処理を終了し、図８に示す検出処理のフローチャートに戻り、Ｓ１５の判断処理に進む。

尚、ぎょう虫卵と判断できる画像の数のカウント数が１以上ある場合には、ＣＰＵ１１０は、ディスプレイ１０１上にカウント数ｍの値を表示すると同時に、「ぎょう虫卵有り、陽性」等の表示をしてもよい。ぎょう虫卵が１個でも見つかった場合には、その被験者は陽性であることが経験上分かっているからである。従って、検査者は、ディスプレイ１０１が表示するカウント数ｍが１〜４の何れかであれば、被験者は陽性であることが分かる。また、Ｓ３７の判断処理で、カウント数ｎが１以上でない、即ち、カウント数ｎ＝０の場合には（Ｓ３７：ＮＯ）、ぎょう虫卵は０個であるので、ＣＰＵ１１０は、ディスプレイ１０１上に「Ｅｇｇ Ｃｏｕｎｔ ０」を表示する（Ｓ４５）。また、ＣＰＵ１１０は、ディスプレイ１０１上に「ぎょう虫卵無し」等を表示してもよい。尚、Ｓ４４の画像の数のカウント数ｍの値を表示時に、カウント数ｍのデータを図５に示す撮影実績ファイル記憶エリアに、画像ファイル名に関連づけて記憶する。

図８に示すＳ１５の判断処理では、キーボード１０２から設定変更が入力された場合は（Ｓ１５：ＹＥＳ）、設定変更（Ｓ１６）を行う。この処理は、検出者が、キーボード１０２から変更する値を入力して行う（Ｓ１６）。例えば、ディスプレイ１０１上に「Ｅｇｇ Ｃｏｕｎｔ １」と表示されている場合でも、検査者が、顕微鏡で検体５０を目視して、ぎょう虫でないと確認している場合には、キーボード１０２から「０」を入寮して、「Ｅｇｇ Ｃｏｕｎｔ ０」と修正する。また、設定変更（Ｓ１６）では、検出者が、キーボード１０２を操作して、撮影した画像のファイル名を変更もできる。例えば、「中部小学校６５２１．jeg」を「中部小学校６５２２．jeg」等である。撮影前設定処理（Ｓ３）で、誤入力があった場合に、修正する為である。

次いで、検査者がキーボード１０２又はマウス１０３を操作して、検出処理の終了を指示すると（Ｓ１７：ＹＥＳ）、検出処理が終了する。検出処理の終了でない場合（Ｓ１７：ＮＯ）にはＳ１２〜Ｓ１６の処理を繰り返す。尚、Ｓ１２で撮影情報が無い場合（Ｓ１２：ＮＯ）、又はＳ１５で設定変更でない場合（Ｓ１５）には、Ｓ１７に進む。

以上説明したように、検出装置１では、検体５０の画像から切り出した検出対象物（ぎょう虫卵）と思われる画像に対して、ＲＧＢスペクトル波形分析を行うので、検査者の熟練度を必要としない。また、蛍光発光するごみや他の寄生虫の卵等も確実に判別できる。さらに、検査時間が短く、判定精度が高い検出装置を実現できる。また、ＰＣ１００によるデータ管理も可能である。

尚、上記の実施の形態では、ＬＥＤ７が「光照射手段」の一例であり、デジタルカメラ４又はＳ２１の処理を行うＣＰＵ１１０が「画像データ取得手段」の一例である。Ｓ２４の処理を行うＣＰＵ１１０が「二値化手段」の一例である。Ｓ２９の処理を行うＣＰＵ１１０が「第一マッチング手段」の一例である。Ｓ３１の処理を行うＣＰＵ１１０が「第二マッチング手段」の一例である。Ｓ４０の処理を行うＣＰＵ１１０が「ＲＧＢ値積算手段」の一例である。Ｓ４１の処理を行うＣＰＵ１１０が「判断手段」の一例である。Ｓ２６の処理を行うＣＰＵ１１０が「縁取手段」の一例である。Ｓ３４の処理を行うＣＰＵ１１０が「集計手段」の一例である。Ｓ４２の処理を行うＣＰＵ１１０が「計数手段」の一例である。

また、Ｓ２１の処理工程が「画像データ取得工程」の一例である。Ｓ２４の処理工程が「二値化工程」の一例である。Ｓ２９の処理工程が「第一マッチング工程」の一例である。Ｓ３１の処理が「第二マッチング工程」の一例である。Ｓ４０の処理工程が「ＲＧＢ値積算工程」の一例である。Ｓ４１の処理工程が「判断工程」の一例である。Ｓ２６の処理工程が「縁取工程」の一例である。Ｓ３４の処理工程が「集計工程」の一例である。ＣＤ−ＲＯＭ１１８が「記憶媒体」の一例である。

本発明は、上記実施形態に限られず、ぎょう虫卵以外の検査にも使用することができる。例えば、マンソン住血吸虫卵のＲＧＢスペクトル波形図は、図１９に示すように特有の波形となる。また、広節裂頭条虫卵のＲＧＢスペクトル波形図は、図２０に示すように特有の波形となる。これらの卵の発見も上記の処理を応用すれば容易にできる。尚、上記実施の絵形態に記載した閾値等は、一例であり、検出対象物に合わせて適宜設定する。また、検体保持部６０を図示外の移動機構で検体載置部１１上で移動させて、検体保持部６０に保持された検体５０の写真を複数回（例えば、２回〜４回等）撮影して、各々、画像で検出処理を行うようにしても良い。このようにすれば、一つの検体５０に対する検査の精度を向上することができる。

１ 検出装置
２ 撮影装置
３ 筐体
４ デジタルカメラ
５ マクロレンズ
６ ＵＶカットフィルタ
８ 開口部
９ 遮蔽板
１０ 開口部
１１ 検体載置部
５０ 検体
５１ 粘着部
６０ 検体保持部
６１ 基板
６２ 蝶番
６３ 押さえ板
６５ 押圧部
６６ 開口部
７０ メニュー画面
７１ 撮影前設定ボタン
７２ 実績参照ボタン
７３ 説明書ボタン
１００ ＰＣ
１０１ ディスプレイ
１０２ キーボード
１０３ マウス
１１０ ＣＰＵ
１１１ ＲＡＭ
１１２ ＲＯＭ
１１３ Ｉ／Ｏインターフェース
１１４ ビデオコントローラ
１１５ キーコントローラ
１１６ ＣＤ−ＲＯＭドライブ
１１７ 記憶装置
１１７Ａ 初期設定ファイル記憶エリア
１１７Ｂ 説明書記憶エリア
１１７Ｃ 撮影実績ファイル記憶エリア
１１７Ｄ 画像ファイル記憶エリア
１１７Ｅ プログラム記憶エリア
１１７Ｆ マスタデータ記憶エリア
１１７Ｇ ごみデータ記憶エリア
１１８ ＣＤ−ＲＯＭ
１１９ ＵＳＢコントローラ

Claims (15)

1. 検体から検出対象物を見つけ出す検出装置であって、
   当該検体を載置する検体載置部と、
   当該検体載置部に載置された前記検体に特定波長光を照射する光照射手段と、
   前記検出対象物が前記特定波長光により励起されて発した蛍光を含む前記検体のカラー画像のデータである画像データを取得する画像データ取得手段と、
   当該画像データ取得手段が取得した前記画像データを二値化して二値化画像データを作成する二値化手段と、
   当該二値化手段により作成された二値化画像データに基づいてパターンマッチングで、検出対象物に該当する画像を探す第一マッチング手段と、
   当該第一マッチング手段でマッチングした画像に対応するカラー画像の画素毎のＲＧＢ値の積算度数を集計するＲＧＢ値積算手段と、
   当該ＲＧＢ値積算手段により積算された画素毎のＲＧＢ値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断する判断手段と
   を備えたことを特徴とする検出装置。
2. 前記第一マッチング手段でマッチングした前記二値化画像データに対して、パターンマッチングで、検出対象物と異なる非検出対象物に該当する画像を探す第二マッチング手段を備え、
   前記第二マッチング手段で前記二値化画像データが非検出対象物の画像データとマッチングした場合には、前記ＲＧＢ値積算手段によるＲＧＢ値の積算度数の集計を行わないことを特徴とする請求項１に記載の検出装置。
3. 前記二値化画像データから輪郭線を取り出した縁取画像データを作成する縁取手段を備え、
   前記第一マッチング手段は、前記縁取画像データに基づいてパターンマッチングで、検出対象物に該当する画像を探すことを特徴とする請求項１又２に記載の検出装置。
4. 前記第一マッチング手段によりマッチングすると判断された画像の数を集計する集計手段を備え、
   当該集計手段の集計数が所定値の場合に、前記ＲＧＢ値積算手段により、前記第一マッチング手段でマッチングした画像に対応するカラー画像の画素毎のＲＧＢ値の積算度数を集計し、
   前記判断手段は前記ＲＧＢ値積算手段により積算された画素毎のＲＧＢ値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断することを特徴とする請求項１〜３の何れかに記載の検出装置。
5. 前記判断手段が検出対象物有りと判断した数を計数する計数手段と、
   当該計数手段が計数した値を出力する出力手段を備えたことを特徴とする請求項１〜４の何れかに記載の検出装置。
6. 前記光照射手段が発する前記特定波長光は紫外光であり、
   前記検出対象物は、ぎょう虫卵であることを特徴とする請求項１〜５の何れかに記載の検出装置。
7. 検体から検出対象物を見つけ出す検出方法であって、
   当該検体に特定波長光を照射し、前記検出対象物が前記特定波長光により励起されて発した蛍光を含む前記検体のカラー画像データを取得する画像データ取得工程と、
   当該画像データ取得工程で取得した前記カラー画像データを二値化して二値化画像データを作成する二値化工程と、
   当該二値化工程で作成された当該二値化画像データに基づいて、予め記憶された検出対象物のデータとのパターンマッチングで、検出対象物に該当する画像を探す第一マッチング工程と、
   当該第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のＲＧＢ値の積算度数を集計するＲＧＢ値積算工程と、
   当該ＲＧＢ値積算工程により積算された画素毎のＲＧＢ値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断する判断工程と
   を備えたことを特徴とする検出方法。
8. 前記第一マッチング工程でマッチングした前記二値化画像データに対して、パターンマッチングで、検出対象物と異なる非検出対象物に該当する画像を探す第二マッチング工程を備え、
   前記第二マッチング工程で前記二値化画像データが非検出対象物の画像データとマッチングした場合には、前記ＲＧＢ値積算工程によるＲＧＢ値の積算度数の集計を行わないことを特徴とする請求項７に記載の検出方法。
9. 前記二値化画像データから輪郭線を取り出した縁取画像データを作成する縁取工程を備え、
   前記第一マッチング工程では、前記縁取画像データに基づいてパターンマッチングで、検出対象物に該当する画像を探すことを特徴とする請求項７又は８に記載の検出方法。
10. 前記第一マッチング工程でマッチングすると判断された画像の数を集計する集計工程を備え、
    当該集計工程での集計数が所定値の場合に、前記ＲＧＢ値積算工程により、前記第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のＲＧＢ値の積算度数を集計し、
    前記判断工程では、前記ＲＧＢ値積算工程により積算された画素毎のＲＧＢ値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断することを特徴とする請求項７〜９の何れかに記載の検出方法。
11. 検体から検出対象物を見つけ出す検出プログラムであって、
    前記検出対象物が特定波長光により励起されて発した蛍光を含む前記検体のカラー画像データを取得する画像データ取得工程と、
    当該画像データ取得工程で取得したカラー画像データを二値化して二値化画像データを作成する二値化工程と、
    当該二値化工程で作成された当該二値化画像データに基づいて、予め記憶された検出対象物のデータとのパターンマッチングで、検出対象物に該当する画像を探す第一マッチング工程と、
    当該第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のＲＧＢ値の積算度数を集計するＲＧＢ値積算工程と、
    当該ＲＧＢ値積算工程により積算された画素毎のＲＧＢ値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断する判断工程と
    をコンピュータに実行させることを特徴とする検出プログラム。
12. 前記第一マッチング工程でマッチングした前記二値化画像データに対して、パターンマッチングで、検出対象物と異なる非検出対象物に該当する画像を探す第二マッチング工程を備え、
    前記第二マッチング工程で前記二値化画像データが非検出対象物の画像データとマッチングした場合には、ＲＧＢ値積算工程によるＲＧＢ値の積算度数の集計を行わないことを特徴とする請求項１１に記載の検出プログラム。
13. 前記二値化画像データから輪郭線を取り出した縁取画像データを作成する縁取工程を備え、
    前記第一マッチング工程では、前記縁取画像データに基づいてパターンマッチングで、検出対象物に該当する画像を探すことを特徴とする請求項１１又は１２に記載の検出プログラム。
14. 前記第一マッチング工程によりマッチングすると判断された画像の数を集計する集計工程を備え、
    当該集計工程での集計数が所定値の場合に、前記ＲＧＢ値積算工程により、前記第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のＲＧＢ値の積算度数を集計し、
    前記判断工程では、前記ＲＧＢ値積算工程により積算された画素毎のＲＧＢ値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断することを特徴とする請求項１１〜１３の何れかに記載の検出プログラム。
15. 請求項１１〜１４の何れかに記載の検出プログラムを記憶したコンピュータが読み取り可能な記憶媒体。

Images