JP2700440B2 - 物品識別システム - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、画像処理・識別技術を
用いて、物品の識別を行う物品識別システムに関わり、
特に、入力された医薬品の錠剤やカプセル剤（以下、単
に錠剤という）の銘柄を識別するのに好適な物品識別シ
ステムに関する。

【０００２】

【従来の技術】現在、国内では約６０００種類の錠剤が
販売されており、それに伴って多くの錠剤を扱う総合病
院では、上記の錠剤に対する鑑別の依頼が患者から寄せ
られている。それは、「以前通っていた病院でもらった
薬と現在もらっている薬を同時に服用しても大丈夫か
？」という不安から起こるものである。

【０００３】この鑑別依頼に対し、現在では薬剤師が鑑
別対象としての錠剤の表面に記載されている識別コード
を読み取り、また錠剤の色や形を参考にしてその銘柄を
識別し、識別した銘柄をもとに薬品集等を検索して、患
者にその薬効や副作用に関する情報を提供している。

【０００４】大きな病院になるとこの鑑別業務は１日に
５０件も発生し、錠剤の目視による銘柄の識別は、薬剤
師にとって非常に大きな負担となる。錠剤の銘柄識別の
問題点については、例えば、「北澤式文：医薬品の識別
の現状と問題点、月刊薬事ｖｏｌ．３１、ｐｐ．２３ー
２５、１９８９」において論じられている。

【０００５】そのため、鑑別業務における薬剤師の負担
の軽減を指向した対話式の簡易なコンピュータシステム
が実験的に運用されてきた。これらは、錠剤の特徴を薬
剤師が目視で抽出し、その特徴をキーワードにして、予
め上記システムに登録されている錠剤の銘柄中から候補
となる錠剤の銘柄を検索し、その検索結果を表示部に表
示するように構成されている。このコンピュータシステ
ムの詳細については、例えば、「石島正之；言語表現に
よる識別選定に関する一考察、第１１回医療情報学連合
大会論文集、ｐｐ．５８７ー５８８、１９９１」におい
て論じられている。

【０００６】これらのコンピュータシステムを用いるこ
とで、鑑別業務における薬剤師の負担は軽減され、医療
の高品質化を図ることが可能となる。

【０００７】

【発明が解決しようとする課題】上記鑑別業務のコンピ
ュータシステムにおいては、薬剤師が目視で錠剤の特徴
を抽出する必要がある。しかし最近では人が飲み易い錠
剤を提供するという観点から、円形・白色・識別コード
は刻印という錠剤が圧倒的に多い。また識別コードの記
載のない錠剤もある。

【０００８】これらのことから目視による特徴の抽出も
困難になっている。

【０００９】従って本発明の目的は、錠剤の特徴抽出を
人間の目視によらずに行えるようにすることによって、
錠剤の銘柄識別を確実に行うことが可能な物品識別シス
テムを提供することにある。

【００１０】また、より一般化された本発明の目的は、
物品の識別検査を画像処理・識別技術を用いて自動的且
つ正確に行えるようにすることにある。

【００１１】

【課題を解決するための手段】本発明に係る物品識別シ
ステムは、基本的構成として、各カテゴリーに係るサン
プル物品の画像及び識別対象物品の画像を入力する画像
入力手段と、この入力画像から、濃淡値ベクトルを抽出
する特徴抽出手段と、サンプル物品の入力画像から抽出
された濃淡値ベクトルに基づいて、各カテゴリーの参照
ベクトルを生成する学習手段と、参照ベクトルを蓄積す
る辞書ファイルと、識別対象物品の入力画像から抽出さ
れた濃淡値ベクトルに基づき、辞書ファイル中の参照ベ
クトルを参照することにより、識別対象物品のカテゴリ
ーを特定する識別手段とを備える。

【００１２】本発明のシステムは、上記基本構成におい
て、特徴抽出手段が、入力 画像から物品領域を含む所定
領域を小区間に分け、各小区間内の画素の 濃淡値の中央
値をサンプリングし、サンプリングした小区間の濃淡中
央 値を要素とする濃淡値ベクトルを抽出するようになっ
ている。

【００１３】本発明の好適な実施例は、上記の構成に加
えて、入力画像に対しγ補 正の影響を除去するための逆
γ補正を行なう逆γ補正手段を更に備え、 この逆γ補正
がなされた後の画像が特徴抽出手段に入力されるように
な っている。

【００１４】また、本発明の好適な実施例は、上記構成
において、画像入力手段は 物品のＲＧＢカラー画像を入
力し、そして、このＲＧＢカラー画像をそ のＧ（グリー
ン）成分を優先的に用いてグレイ画像に変換するＲＧＢ
グ レイ変換手段を更に備え、この変換手段からのグレイ
画像が特徴抽出手 段に入力されるようになっている。

【００１５】本発明の好適な実施例では、学習手段が、
学習サンプルの濃淡値ベクトルに対して主成分分析を施
して固有値及び固有ベクトルを求め、これら固有値及び
固有ベクトルを用いて濃淡値ベクトルを有意な主成分ベ
クトルに変換し、この主成分ベクトルを参照ベクトルと
するようになっている。また、識別手段は、固有ベクト
ルを用いて識別対象物品の濃淡値ベクトルを主成分ベク
トルに変換し、この主成分ベクトルに基づき前記参照ベ
クトルを参照して識別を行なうようになっている。

【００１６】

【作用】本発明の物品識別システムは、辞書作成の際に
は各カテゴリーのサンプル物品の画像が、また、識別の
際には識別対象物品の画像がそれぞれシステムに入力さ
れて、この入力画像から物品の特徴ベクトルが自動的に
抽出され、この特徴ベクトルに基づいて、辞書作成時に
参照ベクトルが、また、識別時には識別対象物品の識別
が行われる。これにより、物品の識別検査を人の目視に
よらず、自動的に行うことが可能となる。

【００１７】ここで、特徴ベクトルとしては、入力画像
の画素の濃淡値を要素とした濃淡値ベクトルを用いる。
濃淡値ベクトルを用いて識別を行うということは、参照
画像と識別対象画像とを重ね合せてその一致の度合いを
算出していることに他ならない。このような識別手法
は、画像情報を最大限活用できることから、大カテゴリ
ー（カテゴリー数が多い）の識別に有効である。

【００１８】本発明のシステムでは、濃淡値ベクトルを
求める際、入力画像の物品 を含む領域内を小区画に細分
し、各小区画内の画素の濃淡値の中央値を サンプリング
する。そして、サンプリングした濃淡中央値を要素とし
て 濃淡値ベクトルを作成する。各小区画の中央値は、平
均値等に比較して 各小区画の濃淡の特徴を良く反映す
る。例えば、白領域と黒領域とに分 れた小区画では、平
均値をとるとグレイとなるが、中央値をとると、白 領域
が大きければ白、黒領域が大きければ黒というように、
その区画の 特徴を良く表す。従って、小区画の中央値を
要素とした濃淡値ベクトル を用いることにより、識別の
精度が向上する。

【００１９】本発明の好適な実施例では、入力画像から
濃淡値ベクトルを抽出する 前に、入力画像に対して逆γ
補正を行って、入力画像に内在するγ補正 を除去する。
これにより、γ補正によって真の物品イメージよりも濃
度 変化やコントラストが抑圧されていた濃度領域におけ
る濃度変化やコン トラストが真の物品イメージに近くな
るため、真の物品イメージを反映 した濃淡値ベクトルの
抽出が容易となり、結果として、識別精度が向上 する。

【００２０】本発明の好適な実施例では、物品画像とし
てＲＧＢカラー画像を入力 し、そのＧ成分を優先的に用
いてこのカラー画像を濃淡値だけのグレイ 画像に変換す
る。ＴＶカメラ等の画像入力手段では、一般に、Ｇ成分
は 他のＲ（レッド）成分及びＢ（ブルー）成分に比較し
て、ダイナミック レンジが広いため、物品画像の微妙な
濃度の違い、特に低濃度領域での 濃度の違いを良く反映
できる。従って、Ｇ成分を優先的に用いてグレイ 画像を
作成することにより、物品の微妙な濃度の違いを良く表
した濃淡 値ベクトルを得ることができ、結果として、識
別精度が向上する。

【００２１】好適な実施例では、画像から抽出した濃淡
値ベクトルに対して主成分分析を施し、その結果に基づ
いて濃淡値ベクトルを有意な主成分ベクトルに変換し、
この主成分ベクトルを用いて識別を行う。これにより、
識別精度の向上に寄与しない又は寄与の度合いが小さい
特徴を用いずに識別が行えるため、高い識別精度を維持
したまま識別処理の高速化が図れる。

【００２２】

【実施例】以下、本発明の実施例を図面により詳細に説
明する。

【００２３】図１は、本発明の一実施例に係る錠剤識別
システムの機能構成を示す。

【００２４】この錠剤識別システムは、ＮＴＳＣテレビ
カメラ１を外部機器として備えたコンピュータ１００上
で動作する。コンピュータ１００は、画像入力部１０
１、逆γ補正部１０２、ＲＧＢグレイ変換部１０３、位
置・向き補正部１０４、特徴抽出部１０５、学習部１０
６、識別部１０７及び辞書ファイル１０８を備える。

【００２５】本システムの動作は大きく学習フェーズと
識別フェーズに分けることができる。

【００２６】以下、（Ａ）学習フェーズと（Ｂ）識別フ
ェーズとに分けて、各部の機能及び動作を述べる。

【００２７】（Ａ）学習フェーズ 本システムは、その運用に入る前の初期化または準備と
して、まず学習フェーズを経てなければならない。学習
フェーズにおいては、識別対象となる錠剤の各銘柄につ
いて、多数個の錠剤サンプル（以下、学習サンプルとい
う）が入力され、これに基づいて各銘柄の参照ベクトル
が計算され、辞書ファイル１０８として保存される。

【００２８】まず、画像入力部１０１が、ＮＴＳＣテレ
ビカメラ１で無地の黒い背景に設置した錠剤を撮影した
カラーアナログ画像を入力し、これをＲＧＢディジタル
画像に変換する。

【００２９】次に、逆γ補正部１０２が、上記ＲＧＢデ
ィジタル画像について、ＲＧＢの各プレーンに施された
γ補正の影響を取り除き、カメラ１の入出力特性が実質
的に線形となるように、逆γ補正を行う。この時、γの
値として例えば２．２を用いる。これは、ＮＴＳＣテレ
ビカメラ１は通常、γ＝２．２のγ補正を撮影画像に施
すよう構成されているからである。この逆γ補正を行う
ことにより画像中の錠剤領域と背景領域とのコントラス
トが大きくなり、以後の処理を有効に行うことができ
る。

【００３０】次に、ＲＧＢグレイ変換部１０３が、ＲＧ
Ｂ成分の中のＧ成分の濃淡値をそのまま用いて、ＲＧＢ
画像を濃淡成分のみのグレイ画像に変換する。ここでＧ
成分を用いる理由は、一般にテレビカメラにおいて、Ｇ
成分は他の２つの成分に比べてダイナミックレンジが広
いため、圧倒的に白色の多い錠剤において、微妙な白色
の違いを濃淡に反映することができると考えられるから
である。なお、ＲＧＢ画像からグレイ画像に変換するこ
とで、以下の処理量を３分の１に削減することができ
る。

【００３１】次に、位置・向き補正部１０４が、画像中
の錠剤の位置と向きを、同一銘柄であれば常に同一の位
置及び方向となるような処理を行う。図２は、この位置
・向き補正の詳細な処理フローを示す。

【００３２】図２に示すように、まず、グレイ画像に対
し、所定の閾値を用いて画像全体の２値化処理を行い、
錠剤の領域のみを抽出する（ステップ２０１）。この
時、２値化の閾値を選択する手法として、例えば、判別
基準に基づく大津氏の方法を用いる。この手法は、背景
領域と錠剤領域の２領域に明確に領域分割できるような
画像に対して非常に有効な手法である。詳細について
は、「大津展之：判別及び最小２乗基準に基づく自動閾
値選定法、電子通信学会論文誌ｖｏｌ．Ｊ６３ーＤＮ
ｏ．４、ｐｐ．３４９ー３５６、１９８０」において論
じられている。

【００３３】次に、２値化画像中の錠剤領域の重心を求
め、重心を画像中心に移動する（ステップ２０２）。続
いて、錠剤領域内において、上記とは別の閾値を用いて
グレイ画像を２値化することにより、錠剤表面に印刷又
は印刻された識別番号コードの領域を抽出する（ステッ
プ２０３）。この時の２値化の閾値選定手法にも、上述
した判別基準に基づく大津氏の方法を用いることができ
る。

【００３４】次に、抽出した識別コード領域の２次モー
メントを求め（ステップ２０４）、この２次モーメント
が最大となる方向を画像のＸ軸と一致するように、アフ
ィン変換によって画像全体を回転させる（ステップ２０
５）。

【００３５】こうして錠剤領域の位置と方向を補正する
ことにより、後述する識別の精度が向上する。錠剤の外
観形状の特徴は、その位置及び方向に依存するからであ
る。

【００３６】又、同一の錠剤であれば常に同じ位置及び
方向になるため、撮影する際のテレビカメラ１に対する
錠剤の厳密な位置・向きの調整が不要となる。

【００３７】再び図１を参照して、次に、特徴抽出部１
０５が、位置・向き補正されたグレイ画像から錠剤の特
徴ベクトルを抽出する処理を行う。図３は、この特徴抽
出の詳細な処理フローを示す。又、図４〜図６は、特徴
抽出の処理を段階を追って説明するための画像例を示
す。

【００３８】まず、図４に示すような位置・向き補正さ
れたグレイ画像４００から、図５に示すように錠剤領域
の全体又は一部を含む所定サイズの矩形領域５００を切
出す（図３、ステップ３０１）。ここで、矩形領域５０
０のサイズは、予め、種々の銘柄の錠剤について特徴抽
出を行ってみた結果に基づき、最も、精度の良い特徴抽
出ができるサイズとして、統計的手法により決定された
ものである。

【００３９】次に、図６に示すように、この矩形領域５
００を任意のサイズＮ×Ｍの小区画６００に分割する
（ステップ３０２）。ここで、小区画６００のサイズＮ
×Ｍはコンピュータ１００の処理能力に比例して決定さ
れる。

【００４０】次に、各小区画６００毎に、その全画素の
濃淡値から代表値を算出する（ステプ３０３）。この代
表値には、例えば中央値を用いる。中央値は、錠剤領域
と背景のように明らかに濃淡値の分布が偏る場合でも、
その分布全体を良く反映することができるからである。
この後、各小区画６００の代表値を要素とする濃淡値ベ
クトルを特徴ベクトルとして抽出する（ステップ３０
４）。

【００４１】学習フェーズでは、識別対象となる錠剤の
種々の銘柄について、多数の学習サンプルが本システム
に供給されて、各学習サンプルに対して以上の撮影から
特徴抽出までの処理が行われる。

【００４２】再び、図１を参照して、学習部１０６で
は、各銘柄について、その銘柄の多数の学習サンプルか
ら抽出した全濃淡値ベクトルに対して主成分分析を施
し、固有値及び固有ベクトルを得る。そして、固有値に
基づき、寄与率を求め、寄与率の高いほうから数個の主
成分を選択し、上記固有ベクトルを用いて、上記全濃淡
値ベクトルを主成分ベクトルに変換する。このように、
主成分分析の結果に基づき有意な特徴を選択することに
より、特徴ベクトルの次元圧縮が図れ、以後の処理量を
削減することができる。次に、得られた上記主成分ベク
トルを各銘柄毎に平均して参照ベクトルとし、この参照
ベクトルを各銘柄の参照ベクトルとして辞書ファイル１
０８に格納する。更に、各銘柄の固有ベクトルも辞書フ
ァイル１０８に格納される。以下、辞書ファイル１０８
に格納された全銘柄の参照ベクトルを総称して辞書と呼
ぶ。

【００４３】（Ｂ）識別フェーズ このフェーズでは、未知の錠剤について、学習フェーズ
で作成された辞書を用いて、いずれの銘柄に近いかの識
別検査が行われる。ここでは、識別対象となる錠剤が本
システムに入力される。

【００４４】図１を参照して、まず、入力された錠剤に
ついて、学習フェーズと同様にカメラ撮影が行われ、こ
の画像に対し逆γ補正部１０２、ＲＧＢグレイ変換部１
０３、位置・向き補正部１０４及び特徴抽出部１０６に
よる一連の画像処理が行われ、濃淡値ベクトルが抽出さ
れる。

【００４５】次に、識別部１０７が、上記学習フェーズ
で得られた固有ベクトルを用いて、濃淡値ベクトルを主
成分ベクトルに変換する。次に、この主成分ベクトルと
各銘柄の参照ベクトルとの間の距離を計算する。この
時、距離関数にはユークリッド距離、類似度などを用い
る。一般的な距離関数については、例えば、「舟久保
登：視覚パターンの処理と認識、啓学出版発行、１９９
０」に記載されている。

【００４６】ところで、本実施例では、基本となる特徴
ベクトルとして濃淡値ベクトルを用いるため、距離計算
の処理は、参照画像と識別対象画像とを重ね合わせてそ
の一致の度合いを算出していることに他ならない。この
ような特徴ベクトルは従来のパターン識別システムにお
いてはほとんど用いられることがなかったが、画像情報
を最大限活用できることから、大カテゴリーを処理対象
にする場合には有効である。

【００４７】更に、識別部１０７は、こうして得た距離
の中で最も近い距離を持つ銘柄を正解として出力する。
または、距離の近い順に幾つかの銘柄を正解候補として
出力し、最終的な正解の選択は薬剤師が行なうようにし
てもよい。

【００４８】以上のように、本実施例の錠剤識別システ
ムでは、人間の目視に頼ることなく錠剤の識別検査を自
動的に行うことができる。

【００４９】なお、本発明は上記実施例に限定されるも
のではなく、その要旨を逸脱しない範囲において種々の
異なる態様で実施可能である。例えば、錠剤識別だけで
なく、自動組立てラインにおける選別された部品の識別
などにも本発明は適用できる。

【００５０】

【発明の効果】本発明によれば、物品の識別を自動的に
行うことが可能である。

【００５１】また、物品の特徴ベクトルとして物品の画
像から抽出した濃淡値ベクトルを用いるようにしている
ため、大カテゴリーの識別に有効である。

【００５２】また、濃淡値ベクトルの抽出前に逆γ補正
を行なったり、Ｇ成分を用いたＲＧＢ・グレイ画像変換
を行なったり、或いは小区画の濃淡中央値を用いて濃淡
値ベクトルを作成するようにした場合には、物品の濃淡
特徴をよく反映した濃淡値ベクトルが得られるため、識
別の精度が向上する。

【図面の簡単な説明】

【図１】本発明の一実施例に係る錠剤識別システムの構
成を示すブロック図。

【図２】同実施例における位置・向き補正部の処理を示
すフローチャート。

【図３】同実施例における特徴抽出部の処理を示すフロ
ーチャート。

【図４】同実施例における位置・向き補正を施した後の
グレイ画像の例を示す図。

【図５】同実施例における図４の画像から切り出された
矩形領域を示す図。

【図６】同実施例における図５の画像を小区画に分けた
状態を示す図。

【符号の説明】

１ ＮＴＳＣテレビカメラ １００ コンピュータ １０１ 画像入力部 １０２ 逆γ補正部 １０３ ＲＧＢグレイ変換部 １０４ 位置・向き補正部 １０５ 特徴抽出部 １０６ 学習部 １０７ 識別部 １０８ 辞書ファイル

Claims (4)

(57)【特許請求の範囲】
1. 【請求項１】 識別対象物品が予め設定された複数のカ
   テゴリーの いずれに属するかを識別する物品識別システ
   ムにおいて、 各カテゴリーに係るサンプル物品の画像及び識別対象物
   品の画像を入 力する画像入力手段と、 前記入力画像内の物品領域を含む所定領域を小区間に分
   け、各小区間 内の画素の濃淡値の中央値をサンプリング
   し、サンプリングした小区間 の濃淡中央値を要素とする
   濃淡値ベクトルを抽出する特徴抽出手段と、 前記サンプル物品の入力画像から抽出された濃淡値ベク
   トルに基づい て、各カテゴリーの参照ベクトルを生成す
   る学習手段と、 前記参照ベクトルを蓄積する辞書ファイルと、 前記識別対象物品の入力画像から抽出された濃淡値ベク
   トルに基づき 、前記辞書ファイル中の参照ベクトルを参
   照することにより、前記識別 対象物品のカテゴリーを特
   定する識別手段と、 を備えることを特徴とする物品識別システム。
2. 【請求項２】 請求項１記載のシステムにおいて、 前記画像入力手段により入力された画像に対し、内在す
   るγ補正の影 響を除去するための逆γ補正を行なう逆γ
   補正手段を更に備え、 前記特徴抽出手段が、前記逆γ補正を行った後の前記入
   力画像から、 濃淡値ベクトルを抽出することを特徴とす
   る物品識別システム。
3. 【請求項３】 請求項１記載のシステムにおいて、 前記画像入力手段により入力された画像がＲＧＢカラー
   画像であり、 前記ＲＧＢカラー画像のＧ成分を優先的に用いて、前記
   ＲＧＢカラー 画像をグレイ画像に変換するＲＧＢグレイ
   変換手段をさらに備え、 前記特徴抽出手段が、前記グレイ画像から前記濃淡値ベ
   クトルを抽出 することを特徴とする物品識別システム。
4. 【請求項４】 請求項１乃至３記載のシステムにおい
   て、 前記学習手段が、前記学習サンプルの濃淡値ベクトルに
   対して主成分分析を施して固有値及び固有ベクトルを求
   め、これら固有値及び固有ベクトルを用いて前記濃淡値
   ベクトルを有意な主成分ベクトルに変換し、この主成分
   ベクトルを前記参照ベクトルとし、 前記識別手段が、前記固有ベクトルを用いて識別対象物
   品の濃淡値ベクトルを主成分ベクトルに変換し、この主
   成分ベクトルに基づき前記参照ベクトルを参照して識別
   を行なう、ことを特徴とする物品識別システム。