JP2879128B2 - 物品同定システム及び方法 - 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
用いて物品の同定を行う物品同定システムに関わり、特
に、医薬品の錠剤やカプセル剤（以下、単に錠剤とい
う）の自動包装機において、入力された名柄に対し選別
された錠剤が正しいかどうかを検査するための錠剤同定
に好適な物品同定システムに関する。

【０００２】

【従来の技術】現在、多くの総合病院で、指定した銘柄
の複数の錠剤を自動的に分包紙内に包装する自動錠剤包
装機が用いられている。自動錠剤包装機においては、オ
ペレータが端末から入力した複数の錠剤銘柄情報を受け
て、装置内のダブレットケースから該当する錠剤を搬送
し、同一の分包紙内に包装する処理を行っている。一般
的な自動錠剤包装機については、例えば、「清野 敏
一、折井 孝男他：調剤業務への電算機の利用−自動調
剤包装機への監査システムの試み、第８回医療情報連合
大会論文集、５６５−５６８、１９８８」において論じ
られている。

【０００３】このような自動錠剤包装機を用いた薬剤シ
ステムを病院に導入することで、これまでの薬剤師の手
を介して行われていた錠剤の包装が自動化され、大幅な
待ち時間の短縮が可能となり、医療の高品質化を図るこ
とができる。

【０００４】

【発明が解決しようとする課題】上記自動錠剤包装機で
は、タブレットケースから指定された錠剤を取り出す処
理、及び、取り出した錠剤を包装する位置まで搬送する
処理に機械的な動作を含む。そのため、錠剤の取り出し
誤りや欠損が起こる可能性がある。また、タブレットケ
ースへの錠剤の補給は人間が行うが、その際に補給すべ
き銘柄を間違う可能性もある。しかし、このような機械
的又は人為的誤りがあったとしても、最終的に患者に提
供される分包中には、指定された名柄の錠剤が間違いな
く入っている必要がある。そのため、従来自動錠剤包装
機を運用する際には、包装後の錠剤が指定された銘柄か
どうか、薬剤師が目視で同定検査を行っていた。

【０００５】そのため、同定検査の手間が面倒であり、
検査に時間がかかるという問題があった。また、包装後
に検査するため、間違った錠剤の包装が発見された場合
には、その包装を破り、再度正しい錠剤の包装を作らな
ければならない、という面倒があった。

【０００６】従って、本発明の目的は、自動錠剤包装機
の運用において、選別された錠剤が指定された銘柄と一
致するかどうかを自動的に判定し、それにより、自動錠
剤包装機から常に指定通りの錠剤の入った正しい包装が
出てくるようにすることにある。

【０００７】また、より一般化された本発明の目的は、
多カテゴリーの物品群中から指定されたカテゴリーの物
品を選別するような用途において、選別された物品が指
定されたカテゴリーのものであるか否かを確認するため
の同定検査を、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。

【０００８】さらに、本発明の別の目的は、物品を撮影
する際に生じる照明の変動を吸収し、安定した画像を入
力として、より同定精度の高い物品同定システムを提供
することにある。

【０００９】

【課題を解決するための手段】本発明の第１の側面に従
う物品同定システムは、物品を撮影して物品の画像を得
る撮影手段と、この画像内の所定マーカ領域の濃淡値が
所定の基準値になるように、画像の濃淡値を補正する濃
淡値補正手段と、物品に対応するか否かの判定の対象で
あるカテゴリーを入力するカテゴリー入力手段と、補正
された画像の濃淡値ベクトルを特徴ベクトルとして抽出
する特徴抽出手段と、抽出した特徴ベクトルと予め用意
した種々のカテゴリーの参照ベクトル中の前記入力カテ
ゴリーの参照ベクトルとの距離を求め、この距離が予め
定めた許容値内にあるか否かにより、前記物品が前記入
力カテゴリーに係るものか否かを判定する同定手段とを
備えることを特徴とする。

【００１０】このシステムにおいて、上記マーカ領域
は、物品と同等又はより明るい色であることが望まし
い。

【００１１】また、本発明の第２の側面に従う物品同定
システムは、撮影した画像内のマーカ領域の濃淡値が所
定基準値に保たれるように、撮影に使用する照明の強度
を制御する照明制御手段を、上記の濃淡値補正手段の代
りに又はこれと併せて備えることを特徴とする。

【００１２】

【作用】本発明のシステムにおいては、カメラ等で物品
（例えば、錠剤）を撮影した画像とその物品に対応する
か否かの判定の対象であるカテゴリー（例えば、錠剤の
銘柄）とがシステムに入力される。この時、画像内の所
定のマーカ領域の濃淡値が所定の基準値になるように、
画像の濃淡値が補正され、又は撮影に用いる照明の強度
が制御される。これにより、照明変動に起因する画像の
濃淡変動が無くなり、安定した濃淡値をもった画像が得
られる。次に、この画像から物品の特徴ベクトルが画像
処理によって抽出される。特徴ベクトルには、画像内の
濃淡値を要素とする濃淡値ベクトルが用いられる。この
特徴ベクトルと予め用意した種々のカテゴリーの内の入
力したカテゴリーの参照ベクトルとから両者の距離が求
められ、この距離が予め定めた許容値内にあるかどうか
で、入力したカテゴリーと物品とが対応するかどうかが
判定される。

【００１３】上記のような処理を行うことにより、物品
の同定検査を人の目視によらず、自動的に行うことが可
能になる。また、撮影時の照明変動に影響されずに安定
した同定結果が得られる。

【００１４】上記マーカ領域は、物品と同等かそれより
明るい色とすることが望ましい。そうすると、画像の濃
淡補正を精度良く行なうことが出来る。

【００１５】

【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。

【００１６】図１は、本発明の一実施例に係る錠剤同定
システムの機能構成を示す。

【００１７】この錠剤同定システムは、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、名柄入力部１０２、逆γ補正部１０３、ＲＧＢグレ
イ変換部１０４、位置・向き補正手段１０５、特徴抽出
部１０６、学習部１０７、散布度算出部１０８、同定部
１０９及び辞書ファイル１１０を備える。

【００１８】本システムの動作は大きく学習フェーズと
同定フェーズに分けることができる。以下、（Ａ）学習
フェーズと（Ｂ）同定フェーズに分けて、各部の機能及
び動作を述べる。

【００１９】（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、同定対象となる錠剤の各銘柄につ
いて、複数個のサンプルと正確な銘柄名とが入力され、
これに基づいて各銘柄の参照ベクトルと散布度とが計算
され、参照ベクトルファイル１０として保存される。

【００２０】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。この時、背景の一部に白色のマーカを付
けておき、このマーカも一緒に撮影し、マーカの濃淡値
を用いて照明の変動を吸収するための照明補正を行な
う。

【００２１】図２〜図４は、この照明補正の過程を具体
的に示したものである。

【００２２】錠剤の撮影時には、種々の原因で照明の変
動が生じる。その原因としては、例えば、電源の電圧変
動や、発光管のフィラメントの温度変化などがある。こ
の照明変動によって、同一錠剤を撮影しても、撮影時に
より図２（Ａ）（Ｂ）のように画像の濃淡値が異なるこ
とがある。この濃淡値の変動は、後続の処理において画
像の濃淡値ベクトルを用いるために、同定の精度に大き
く影響する。

【００２３】そこで、図３に示すように、黒地の背景板
３１の一部に白地のマーカ３３を設けておき、このマー
カも錠剤と一緒に撮影して画像として取込む。そして、
マーカ３３内の画素の濃淡値の平均値Ｍmを計算し、こ
の平均マーカ濃淡値Ｍmと所定の基準濃淡値Ｍrefとの比
Ｃ＝Ｍref／Ｍm（補正係数）を算出する。ここで、基準
濃淡値Ｍrefには、例えば、理想的な照明条件下におい
て得られるであろうマーカ３３の平均濃淡値Ｍmを用い
る。次に、この補正係数Ｃを画像の各画素の濃淡値に乗
算することにより、図４に示すような補正された濃淡値
の画像を得る。

【００２４】以上の処理によって、マーカ３３の平均濃
淡値が基準濃淡値Ｍrefに等しくなるように画像全体の
濃淡値が補正されるから、照明変動があっても、同一の
錠剤に対しては常に同一の濃淡値をもつ画像が得られ、
結果として、同定結果を安定化させることになる。

【００２５】再び図１を参照して、画像入力部１０１の
上記処理に続いて、銘柄入力部１０２が、当該錠剤の銘
柄名をシステム内に入力する。

【００２６】次に、逆γ補正部１０３が、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補正を行うことで、画像中の錠剤領域と背景領域
（黒地）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。

【００２７】次に、ＲＧＢグレイ変換部１０４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
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。

【００２８】次に、位置・向き補正部１０５が、画像中
の錠剤の位置と向きを、同一名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５は、この位置
・向き補正の詳細な処理フローを示す。

【００２９】図５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：判別および最小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−ＤＮ
ｏ．４、ｐｐ．３４９−３５６、１９８０」において論
じられている。

【００３０】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。

【００３１】次に、抽出した識別コード領域の２次モー
メントを求め、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２０４）。

【００３２】こうして錠剤領域の位置と方向を補正する
ことにより、後述する同定の精度が向上する。錠剤の外
観形状の特徴は位置及び方向に依存するからである。ま
た、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。

【００３３】再び図１を参照して、次に、特徴抽出部１
０６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６はこの特徴抽出
の詳細な処理フローを示す。また、図７〜図９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。

【００３４】まず、図７に示すような位置・向き補正さ
れたグレイ画像４００から、図８に示すように錠剤領域
の全体または一部を含む所定サイズの矩形領域５００を
切出す（図６、ステップ３０１）。ここで、矩形領域５
００のサイズは、予め種々の銘柄の錠剤について特徴抽
出を行な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。

【００３５】次に、図９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はコンピュータの処理能力に比例して決定される。

【００３６】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（ステップ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）。

【００３７】学習フェーズでは、同定対象となる錠剤の
種々の銘柄の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
までの処理が行なわれる。

【００３８】再び図１を参照して、学習部１０７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
銘柄入力部１０２から入力された銘柄の参照ベクトルと
して辞書ファイル１１０に格納する。更に、各銘柄の固
有ベクトルも辞書ファイル１１０に格納される。

【００３９】散布度算出部１０８は、各銘柄毎に、参照
ベクトルと多数の学習サンプルの主成分ベクトルとの間
の距離の分布から、その平均を０とした場合のその標準
偏差σを求める。ここで、参照ベクトルに対する学習サ
ンプルの距離の分布は例えば図１０に示すようになって
いる。このような距離分布の標準偏差を各銘柄毎に求
め、これを銘柄入力部１０２から入力された銘柄の散布
度として辞書ファイル１１０に格納する。

【００４０】以下、辞書ファイル１１０に格納された全
銘柄の参照ベクトルと散布度を総称して辞書と呼ぶ。

【００４１】（Ｂ）同定フェーズ このフェーズでは、対応するか否か不明な錠剤と銘柄と
について、対応するか否かが検査される。即ち、学習フ
ェーズで作成された辞書を用いて、システムに供給され
た錠剤とその銘柄とが対応しているかどうかの同定検査
が行なわれる。ここでは、同定対象となる錠剤と銘柄名
とがシステムに入力される。

【００４２】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及び銘柄名の
入力から始って、画像入力部１０１から特徴抽出部１０
６に至る一連の画像処理が行なわれ、濃淡値ベクトルが
抽出される。

【００４３】次に、同定部１０９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
入力された銘柄に対応する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、１９９０」に記載されている。

【００４４】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、参照画像と同定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ほかならない。こ
のような特徴ベクトルは従来のパタ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。

【００４５】更に、同定部１０９は、こうして得た距離
を、入力された銘柄に対応する散布度（標準偏差）σか
ら定まる許容値ｒ・σと比較し、この距離が許容値ｒ・
σ内にある場合は、当該錠剤が入力された銘柄に対応す
る錠剤であると判定し、そうでない場合は対応しない別
銘柄の錠剤であると判定し、その判定結果を出力する。
この結果は、自動錠剤包装機において、同定した錠剤を
包装するか、包装せずに排出又は元のタブレットへ戻す
かの選択に利用することが望ましい。或いは、同定結果
に関わらず全ての錠剤を包装することとするが、その包
装紙面に同定結果を印刷するようにし、後に薬剤師がチ
ェックするようにしてもよい。

【００４６】ここで、許容値ｒ・σを決める係数ｒはユ
ーザが任意に設定できるようになっている。例えば、ｒ
＝１．０のように許容値が小さい場合、同定の基準は厳
しくなり、銘柄に対応しない錠剤を容易にはじくことが
できるが、実際には対応する錠剤であっても、錠剤表面
のキズ、欠損、その他の理由で参照ベクトルとの距離が
大きい時には、対応しない錠剤と判定され、はじかれて
しまう。逆にｒ＝３．０のように許容値が大きい場合に
は上記の例とは逆の結果が生じる。このように許容値に
よって、本システムのふるまいには大きく異なる。その
ため、例えば安全性を重視して多少でも異なる錠剤はは
じくというように、目的によってユーザが適当な許容値
を設定する必要がある。

【００４７】以上のように、本実施例の錠剤同定システ
ムでは、人間の目視に頼ることなく銘柄と錠剤の同定検
査を行うことができる。

【００４８】尚、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、錠剤同定だけでな
く、自動製造ラインにおける選別された部品の同定など
にも本発明は適用できる。

【００４９】また、照明補正に用いるマーカ３３は、一
定の濃淡値であれば必ずしも実施例のような白色である
必要はない。しかし、マーカ３３の色は、その濃淡値が
同定対象である物品とほぼ同等か、それより大きい（明
るい）ことが望ましい。その一つの理由は、照明補正を
最も行ないたい対象は画像内の物品の領域であるから、
その物品の濃淡値に対するカメラの入出力特性が維持さ
れている濃淡領域において補正係数Ｃを求めることが物
品画像の照明補正にとって望ましいからである。また、
別の理由は、明るい色の方が上記２つの濃淡値Ｍm、Ｍr
efが大きくなるため、補正係数Ｃの精度を高くする点で
望ましく、また、あまり暗い色ではカメラの感度も悪く
なるため精度の良い補正が期待できないからである。

【００５０】こうした観点からすると、カメラの入出力
特性の非線形性（γ補正カーブ）がそれ程顕著でなけれ
ば、マーカは白色のような出来るだけ明るい色が望まし
く、一方、γ補正カーブが顕著な場合には、物品の濃淡
値から大きく離れない範囲で出来るだけ明るい色を選ぶ
べきであろう。いずれにしても、錠剤の場合は白っぽい
色が多いから、マーカは白色が望ましい。白色のマーカ
を用いた場合でも、濃淡値の全レンジが例えば０〜２５
６階調である場合、白色のマーカを撮影して得られる濃
淡値は通常１５０階調前後であるから、補正係数Ｃが１
よりも大きい値（実際、せいぜい１．１〜１．２程度）
になっても、補正後の階調が最大値２５６を超える心配
は無い。

【００５１】また、マーカは図３、４に示したような形
状やサイズである必要はなく、もっと小さくても大きく
ても良い。しかし、画像の場所による照明の不均一を吸
収できるようにするために、マーカは画像内の充分に広
い範囲に亘って分布していることが望ましい。また、マ
ーカ周囲の領域の濃淡値が補正係数に影響しないように
するために、マーカは充分に大きい幅を有することが望
ましい。更に、マーカが物品画像の抽出に悪影響を与え
ないように、及びマーカの濃淡値が物品に影響されない
ように、マーカは物品が存在する可能性のない位置に置
かれることが望ましい。これらの観点から、図３、４の
マーカは非常に望ましい態様であるといえる。

【００５２】また、撮影した画像の濃淡値に補正を加え
る代りに、画像内のマーカの濃淡値が常に一定になるよ
う照明の強度を制御するようにしてもよい。例えば、照
明の電源回路に電圧調整回路を設け、カメラはマーカを
含んだ背景板を常時撮影し、カメラ出力からマーカの平
均濃淡値を周期的に算出して、この濃淡値と所定の基準
値との偏差に基づいて電圧調整回路を操作するようなフ
ィードバック制御を行なう。これにより、照明変動が無
くなり、安定した濃淡値の画像が得られることになる。

【００５３】

【発明の効果】本発明によれば、物品の同定を自動的に
行うことが可能である。また、物品の撮影の際の照明変
動に起因する画像の濃淡変動を抑えて、安定した同定結
果を得ることが可能である。

【図面の簡単な説明】

【図１】本発明の一実施例に係る錠剤同定システムの構
成を示すブロック図。

【図２】照明変動の影響を受けた画像の例を示す図。

【図３】同実施例におけるマーカを一緒に撮影した画像
の例を示す図。

【図４】同実施例における照明補正を行なった画像の例
を示す図。

【図５】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６】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７】同実施例における位置・向き補正部を施した後
のグレイ画像の例を示す図。

【図８】同実施例における図７の画像から切り出された
矩形領域を示す図。

【図９】同実施例における図８の画像を小区域に分けた
状態を示す図。

【図１０】同実施例における参照ベクトルに対する学習
サンプルの距離分布の例を示す図。

【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 銘柄入力部 １０３ 逆γ補正部 １０４ ＲＧＢグレイ変換部 １０５ 位置・向き補正部 １０６ 特徴抽出部 １０７ 学習部 １０８ 散布度算出部 １０９ 同定部 ３１ 背景板 ３３ マーカ

フロントページの続き (56)参考文献 特開 平５−159064（ＪＰ，Ａ) 特開 平２−245981（ＪＰ，Ａ) 特開 平４−302064（ＪＰ，Ａ) 特開 平５−159063（ＪＰ，Ａ) 特開 昭61−244423（ＪＰ，Ａ) 特開 平３−134779（ＪＰ，Ａ) 特開 平４−316282（ＪＰ，Ａ) 特開 平２−292676（ＪＰ，Ａ) 特開 平２−288667（ＪＰ，Ａ) 特開 平６−20101（ＪＰ，Ａ) 特開 平２−157986（ＪＰ，Ａ) 特開 平２−222085（ＪＰ，Ａ) 特開 平３−176786（ＪＰ，Ａ) 特開 平５−14714（ＪＰ，Ａ) 特表 昭56−500107（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁶，ＤＢ名) G06T 5/00 - 7/00

Claims (8)

(57)【特許請求の範囲】
1. 【請求項１】 システムに入力された物品が入力された
   カテゴリーに係るものか判定する物品同定システムにお
   いて、 前記物品を撮影して物品の画像を得る撮影手段と、 前記画像内の所定マーカ領域の濃淡値が所定の基準値に
   なるように、前記画像の濃淡値を補正する濃淡値補正手
   段と、 前記物品に対応するか否かの判定の対象であるカテゴリ
   ーを入力するカテゴリー入力手段と、 前記補正された画像の濃淡値ベクトルを特徴ベクトルと
   して抽出する特徴抽出手段と、 前記抽出した特徴ベクトルと予め用意した種々のカテゴ
   リーの参照ベクトル中の前記入力されたカテゴリーの参
   照ベクトルとの距離を求め、この距離が予め定めた許容
   値内にあるか否かにより、前記入力された物品が前記入
   力されたカテゴリーに係るものか否かを判定する同定手
   段と、を備えることを特徴とする物品同定システム。
2. 【請求項２】 請求項１記載のシステムにおいて、 前記マーカ領域が、前記物品と同等又はより明るい色を
   有することを特徴とする物品同定システム。
3. 【請求項３】 請求項２記載のシステムにおいて、 前記濃淡値補正手段が、前記マーカ領域の濃淡値と前記
   所定の基準値との比を補正係数として求め、この補正係
   数を前記画像の濃淡値に乗じることを特徴とする物品同
   定システム。
4. 【請求項４】 システムに入力された物品が入力された
   カテゴリーに係るものか判定する物品同定システムにお
   いて、 照明の下で前記物品を撮影して物品の画像を得る撮影手
   段と、 前記画像内の所定マーカ領域の濃淡値が所定の基準値に
   保たれるように、前記照明の強度を制御する照明制御手
   段と、 前記物品に対応するか否かの判定の対象であるカテゴリ
   ーを入力するカテゴリー入力手段と、 前記画像の濃淡値ベクトルを特徴ベクトルとして抽出す
   る特徴抽出手段と、 前記抽出した特徴ベクトルと予め用意した種々のカテゴ
   リーの参照ベクトル中の前記入力されたカテゴリーの参
   照ベクトルとの距離を求め、この距離が予め定めた許容
   値内にあるか否かにより、前記入力された物品が前記入
   力されたカテゴリーに係るものか否かを判定する同定手
   段と、を備えることを特徴とする物品同定システム。
5. 【請求項５】 請求項３記載のシステムにおいて、 前記マーカ領域が、前記物品と同等又はより明るい色を
   有することを特徴とする物品同定システム。
6. 【請求項６】 物品が入力されたカテゴリーに係るもの
   か判定する物品同定方法において、 前記物品に対応するか否かの判定の対象であるカテゴリ
   ーを入力する過程と、 前記物品の画像を受けて、この画像内の所定マーカ領域
   の濃淡値が所定の基準値になるように、前記画像の濃淡
   値を補正する過程と、 前記補正された画像の濃淡値ベクトルを特徴ベクトルと
   して抽出する過程と、 前記抽出した特徴ベクトルと予め用意した種々のカテゴ
   リーの参照ベクトル中の前記入力されたカテゴリーの参
   照ベクトルとの間の距離を求め、この距離が予め定めた
   許容値内にあるか否かにより、前記物品が前記入力され
   たカテゴリーに係るものか否かを判定する過程と、を備
   えることを特徴とする物品同定方法。
7. 【請求項７】 請求項６記載の方法において、 前記マーカ領域が、前記物品と同等又はより明るい色を
   有することを特徴とする物品同定方法。
8. 【請求項８】 請求項７記載の方法において、 前記濃淡値を補正する過程が、前記マーカ領域の濃淡値
   と前記所定の基準値との比を補正係数として求め、この
   補正係数を前記画像の濃淡値に乗じることを特徴とする
   物品同定方法。