JP2922110B2 - 物品同定システム - Google Patents
物品同定システムInfo
- Publication number
- JP2922110B2 JP2922110B2 JP6047846A JP4784694A JP2922110B2 JP 2922110 B2 JP2922110 B2 JP 2922110B2 JP 6047846 A JP6047846 A JP 6047846A JP 4784694 A JP4784694 A JP 4784694A JP 2922110 B2 JP2922110 B2 JP 2922110B2
- Authority
- JP
- Japan
- Prior art keywords
- vector
- tablet
- input
- image
- brand
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Image Analysis (AREA)
Description
【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。
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。
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。
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。
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。
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。
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】本発明のより一般化された目的は、多銘柄
の錠剤中から指定された銘柄の錠剤を選別するような用
途において、選別された錠剤が指定された銘柄のもので
であるか否かを確認するための同定検査を、画像処理技
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。
の錠剤中から指定された銘柄の錠剤を選別するような用
途において、選別された錠剤が指定された銘柄のもので
であるか否かを確認するための同定検査を、画像処理技
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】
【課題を解決するための手段】本発明の物品同定システ
ムは、錠剤の画像を入力する画像入力手段と、錠剤に対
応するか否かの判定の対象である銘柄を入力する銘柄入
力手段と、入力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銘柄の参照ベクトル中の前
記入力された銘柄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、入力さ
れた錠剤が入力された銘柄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。
ムは、錠剤の画像を入力する画像入力手段と、錠剤に対
応するか否かの判定の対象である銘柄を入力する銘柄入
力手段と、入力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銘柄の参照ベクトル中の前
記入力された銘柄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、入力さ
れた錠剤が入力された銘柄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。
【０００９】
【作用】本発明においては、カメラ等で錠剤を撮影した
画像とその錠剤に対応するか否かの判定の対象である錠
剤銘柄とがシステムに入力される。すると、画像から錠
剤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
々の銘柄の参照ベクトルの内の入力した銘柄の参照ベク
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、入力した銘柄と錠剤とが
対応するかどうかが判定される。
画像とその錠剤に対応するか否かの判定の対象である錠
剤銘柄とがシステムに入力される。すると、画像から錠
剤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
々の銘柄の参照ベクトルの内の入力した銘柄の参照ベク
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、入力した銘柄と錠剤とが
対応するかどうかが判定される。
【００１０】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。
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。
【００１１】本システムには、或カテゴリーに係る学習
サンプルとそのカテゴリーとがシステムに入力された
時、上記特徴抽出手段から学習サンプルの特徴ベクトル
を受けて、入力されたカテゴリーの参照ベクトルを算出
する学習手段と、算出された参照ベクトルと学習サンプ
ルの特徴ベクトルとの距離の分布の散布度を算出する散
布度算出手段とを更に設けることができる。
サンプルとそのカテゴリーとがシステムに入力された
時、上記特徴抽出手段から学習サンプルの特徴ベクトル
を受けて、入力されたカテゴリーの参照ベクトルを算出
する学習手段と、算出された参照ベクトルと学習サンプ
ルの特徴ベクトルとの距離の分布の散布度を算出する散
布度算出手段とを更に設けることができる。
【００１２】このようにした場合、本システムは同定に
用いる参照ベクトルと散布度とを自システムにおいて生
成することができるので、同定対象となるカテゴリー群
が変ったような場合にも、対応が容易である。
用いる参照ベクトルと散布度とを自システムにおいて生
成することができるので、同定対象となるカテゴリー群
が変ったような場合にも、対応が容易である。
【００１３】また、本システムは、以下の種々の手段を
付加させることができ、それにより、同定精度の向上ま
たは処理量の削除が図れる。
付加させることができ、それにより、同定精度の向上ま
たは処理量の削除が図れる。
【００１４】即ち、入力画像に内在するγ補正を除去す
るための逆γ補正手段を付加することができる。それに
より、撮影時に画像に施されたγ補正の影響を取り除く
ことができ、錠剤が持つ本来の濃淡が一層忠実に画像に
表現される。
るための逆γ補正手段を付加することができる。それに
より、撮影時に画像に施されたγ補正の影響を取り除く
ことができ、錠剤が持つ本来の濃淡が一層忠実に画像に
表現される。
【００１５】また、入力画像がカラー画像である場合、
そのカラー画像のＧ成分からグレイ画像を生成するＲＧ
Ｂグレイ変換手段を付加することができる。これによ
り、カラー画像内でダイナミックレンジの広いＧ成分に
対応した、ダイナミックレンジの広いグイレ画像が得ら
れので、後の処理に有利であり、しかも、ＲＧＢ３成分
からグレイ１成分に情報を圧縮した分だけ、以後の処理
量を削減することができる。
そのカラー画像のＧ成分からグレイ画像を生成するＲＧ
Ｂグレイ変換手段を付加することができる。これによ
り、カラー画像内でダイナミックレンジの広いＧ成分に
対応した、ダイナミックレンジの広いグイレ画像が得ら
れので、後の処理に有利であり、しかも、ＲＧＢ３成分
からグレイ１成分に情報を圧縮した分だけ、以後の処理
量を削減することができる。
【００１６】また、入力画像内の物品領域を一定の位置
及び向きに補正する位置・向き補正手段を付加すること
もできる。これにより、画像内での物品の位置・向きを
常に一定にすることができ、画像撮影の際にカメラに対
する錠剤の厳密な位置・向きの調整が不要になる。
及び向きに補正する位置・向き補正手段を付加すること
もできる。これにより、画像内での物品の位置・向きを
常に一定にすることができ、画像撮影の際にカメラに対
する錠剤の厳密な位置・向きの調整が不要になる。
【００１７】また、上記特徴抽出手段での特徴抽出手順
は、次のようにすることができる。即ち、まず、入力画
像から物品領域を含む矩形領域を切出し、この矩形領域
からサンプリングした濃淡値を要素とする濃淡値ベクト
ルを物品の特徴ベクトルとして抽出する。これにより、
背景等の物品以外の情報を画像から削除し、物品に関係
の深い有意な情報を優先的に抽出することができる。
は、次のようにすることができる。即ち、まず、入力画
像から物品領域を含む矩形領域を切出し、この矩形領域
からサンプリングした濃淡値を要素とする濃淡値ベクト
ルを物品の特徴ベクトルとして抽出する。これにより、
背景等の物品以外の情報を画像から削除し、物品に関係
の深い有意な情報を優先的に抽出することができる。
【００１８】また、上記学習手段においては、抽出され
た特徴ベクトルに対して主成分分析を施し、固有値・固
有ベクトルを求め、これら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て、これを参照ベクトルと
すると共に、上記同定手段においても、上記固有ベクト
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
処理を行ない、この主成分ベクトルと参照ベクトルとか
ら同定を行なうようにすることもできる。これにより、
特徴ベクトルを次元圧縮し有意な特徴だけを主成分ベク
トルとして選択し使用することができるので、更に処理
量の削減を図ることができる。
た特徴ベクトルに対して主成分分析を施し、固有値・固
有ベクトルを求め、これら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て、これを参照ベクトルと
すると共に、上記同定手段においても、上記固有ベクト
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
処理を行ない、この主成分ベクトルと参照ベクトルとか
ら同定を行なうようにすることもできる。これにより、
特徴ベクトルを次元圧縮し有意な特徴だけを主成分ベク
トルとして選択し使用することができるので、更に処理
量の削減を図ることができる。
【００１９】また、上記散布度としては、参照ベクトル
に対する学習サンプルの距離分布の標準偏差σを用いる
ことができる。
に対する学習サンプルの距離分布の標準偏差σを用いる
ことができる。
【００２０】また、上記許容量としては、ユーザが可変
設定できる係数を上記散布度に施した（例えば、乗算）
値を用いることができる。これにより、本システムによ
る同定の厳密度をユーザが自己の目的に応じて調整でき
る。
設定できる係数を上記散布度に施した（例えば、乗算）
値を用いることができる。これにより、本システムによ
る同定の厳密度をユーザが自己の目的に応じて調整でき
る。
【００２１】本システムを、錠剤自動包装機における錠
剤同定に用いる場合は、本システムは錠剤の選定処理と
選定された錠剤の包装処理との間に置かれることが望ま
しい。その場合、本システムの同定結果に応じて、選定
された錠剤を包装処理に送るか送らずに排出またはタブ
レットに戻すかする選択機構を設けることが望ましい。
それにより、同定結果が否定的である場合、間違った錠
剤を包装してしまうことがなくなり、常に正しい錠剤の
みが包装機から出力されることになる。
剤同定に用いる場合は、本システムは錠剤の選定処理と
選定された錠剤の包装処理との間に置かれることが望ま
しい。その場合、本システムの同定結果に応じて、選定
された錠剤を包装処理に送るか送らずに排出またはタブ
レットに戻すかする選択機構を設けることが望ましい。
それにより、同定結果が否定的である場合、間違った錠
剤を包装してしまうことがなくなり、常に正しい錠剤の
みが包装機から出力されることになる。
【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。
明する。
【００２３】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。
システムの機能構成を示す。
【００２４】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。
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。
【００２５】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。
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。
【００２６】（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。
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。
【００２７】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。また、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。
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。また、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。
【００２８】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。
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。
【００２９】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。
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。
【００３０】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２は、この位置
・向き補正の詳細な処理フローを示す。
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２は、この位置
・向き補正の詳細な処理フローを示す。
【００３１】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。
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。
【００３２】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。
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。
【００３３】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）。
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）。
【００３４】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。
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。
【００３５】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３はこの特徴抽出
の詳細な処理フローを示す。また、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。
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３はこの特徴抽出
の詳細な処理フローを示す。また、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。
【００３６】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
の全体また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。
れたグレイ画像４００から、図５に示すように錠剤領域
の全体また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。
【００３７】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はコンピュータの処理能力に比例して決定される。
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。
【００３８】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）。
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）。
【００３９】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。
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。
【００４０】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。
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。
【００４１】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７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。
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７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。
【００４２】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。
銘柄の参照ベクトルと散布度を総称して辞書と呼ぶ。
【００４３】（Ｂ）同定フェーズ 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。
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。
【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。
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。
【００４５】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。
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。
【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。
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。
【００４７】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。
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。
【００４８】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。
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。
【００４９】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。
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。
【００５０】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。
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。
【００５１】
【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。特に、錠剤自動包装機の運用に
使用する場合には、確実に正しい錠剤だけを患者に提供
できるので、医療の高品質化を実現することができる。
行うことが可能である。特に、錠剤自動包装機の運用に
使用する場合には、確実に正しい錠剤だけを患者に提供
できるので、医療の高品質化を実現することができる。
【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。
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。
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。
ーチャート。
【図４】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。
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。
矩形領域を示す図。
【図６】同実施例における図５の画像を小区域に分けた
状態を示す図。
状態を示す図。
【図７】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。
ンプルの距離分布の例を示す図。
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
フロントページの続き (56)参考文献 特開 平５−159063（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５−297950（ＪＰ，Ａ) 特開 平３−224075（ＪＰ，Ａ) 特開 平４−256087（ＪＰ，Ａ) 特開 昭63−78281（ＪＰ，Ａ) 特開 平４−283881（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５−15525（ＪＰ，Ａ) 特開 平６−20101（ＪＰ，Ａ) 特開 昭51−19452（ＪＰ，Ａ) 特開 平１−159774（ＪＰ，Ａ) 特開 昭59−183472（ＪＰ，Ａ) 特開 昭64−61870（ＪＰ，Ａ) 特開 平４−34665（ＪＰ，Ａ) 特開 平５−20441（ＪＰ，Ａ) 特開 平５−290150（ＪＰ，Ａ) 特表 昭56−500107（ＪＰ，Ａ) (58)調査した分野(Int.Cl.6，ＤＢ名) G06T 1/00
Claims (8)
- 【請求項１】 システムに入力された錠剤が入力された
銘柄に係るものか判定する物晶同定システムにおいて、 前記錠剤の画像を入力する画像入力手段と、 前記錠剤に対応するか否かの判定の対象である銘柄を入
力する銘柄入力手段と、 前記入力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銘柄の
参照ベクトル中の前記入力された銘柄の参照ベクトルと
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、前記入力された錠剤が前記入力された銘柄
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。 - 【請求項２】 請求項１記載のシステムにおいて、 システムに或銘柄に係る学習サンプルとその銘柄とが入
力された時、前記特徴抽出手段により前記学習サンプル
の特徴ベクトルを受けて、前記入力された銘柄の参照ベ
クトルを算出する学習手段と、 前記算出された参照ベクトルと前記学習サンプルの特徴
ベクトルとの距離の分布の散布度を、前記許容値を決め
るために算出する散布度算出手段と、 前記算出された参照ベクトルと散布度を、前記同定手段
が使用できるように保持する辞書ファイルと、 を備えることを特徴とする物品同定システム。 - 【請求項３】 請求項１乃至２記載のシステムにおい
て、 前記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
ることを特徴とする物品同定システム。 - 【請求項４】 請求項１乃至２記載のシステムにおい
て、 前記入力された画像が、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
を更に備えることを特徴とする物品同定システム。 - 【請求項５】 請求項１乃至２記載のシステムにおい
て、 前記特徴抽出手段が、前記入力された画像から錠剤領域
を含む所定サイズの矩形領域を切出し、この矩形領域か
らサンプリングした複数の濃淡値を要素とする濃淡値ベ
クトルを、前記特徴ベクトルとすることを特徴とする物
品同定システム。 - 【請求項６】 請求項２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特徴ベクトルに対
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特徴ベ
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、 前記同定手段が、前記固有ベクトルを用いて同定対象錠
剤の前記特徴ベクトルを主成分ベクトルに変換し、この
主成分ベクトルと前記判定の対象である銘柄の参照ベク
トルとから同定を行なう、 ことを特徴とする物品同定システム。 - 【請求項７】 請求項２記載のシステムにおいて、 前記散布度が、前記銘柄における前記参照ベクトルと予
め用意した多数の学習サンプルとの距離の分布の標準偏
差であることを特徴とする物品同定システム。 - 【請求項８】 請求項２記載のシステムにおいて、 前記許容値が、前記散布度にユーザが可変設定できる係
数を施した値であることを特徴とする物品同定システ
ム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6047846A JP2922110B2 (ja) | 1994-02-22 | 1994-02-22 | 物品同定システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6047846A JP2922110B2 (ja) | 1994-02-22 | 1994-02-22 | 物品同定システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07234941A JPH07234941A (ja) | 1995-09-05 |
| JP2922110B2 true JP2922110B2 (ja) | 1999-07-19 |
Family
ID=12786740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6047846A Expired - Fee Related JP2922110B2 (ja) | 1994-02-22 | 1994-02-22 | 物品同定システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2922110B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007264742A (ja) * | 2006-03-27 | 2007-10-11 | Fujifilm Corp | 顔検出方法おならびにこれを用いた撮影装置 |
| US11656174B2 (en) | 2018-01-26 | 2023-05-23 | Viavi Solutions Inc. | Outlier detection for spectroscopic classification |
| US11009452B2 (en) | 2018-01-26 | 2021-05-18 | Viavi Solutions Inc. | Reduced false positive identification for spectroscopic quantification |
| US10810408B2 (en) | 2018-01-26 | 2020-10-20 | Viavi Solutions Inc. | Reduced false positive identification for spectroscopic classification |
| CN113255467A (zh) * | 2021-04-30 | 2021-08-13 | 广州有酱料网络科技有限公司 | 一种调味品原料销售智慧追溯系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4308522A (en) * | 1979-03-19 | 1981-12-29 | Ncr Corporation | Identity verification apparatus and method |
| JP2954234B2 (ja) * | 1989-05-08 | 1999-09-27 | 株式会社日立製作所 | カラー文書画像処理システム |
| JPH03134779A (ja) * | 1989-10-20 | 1991-06-07 | Fuji Electric Co Ltd | 画像処理装置 |
| JP3159392B2 (ja) * | 1991-04-16 | 2001-04-23 | 富士写真フイルム株式会社 | 画像メモリ装置およびその動作方法 |
| JPH05159063A (ja) * | 1991-12-09 | 1993-06-25 | Nippon Telegr & Teleph Corp <Ntt> | 画像検索装置 |
| JPH05297950A (ja) * | 1992-03-18 | 1993-11-12 | Nec Corp | 物体の位置決め装置 |
-
1994
- 1994-02-22 JP JP6047846A patent/JP2922110B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH07234941A (ja) | 1995-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5450504A (en) | Method for finding a most likely matching of a target facial image in a data base of facial images | |
| EP0899680B1 (en) | Method for automatic detection of human eyes in digital images | |
| US7738015B2 (en) | Red-eye filter method and apparatus | |
| WO2005055008A3 (en) | Automated segmentation, visualization and analysis of medical images | |
| US6226399B1 (en) | Method and system for identifying an image feature and method and system for determining an optimal color space for use therein | |
| EP0807297A2 (en) | Method and apparatus for separating foreground from background in images containing text | |
| CN112348778B (zh) | 一种物体识别方法、装置、终端设备及存储介质 | |
| JP2700440B2 (ja) | 物品識別システム | |
| JP7427684B2 (ja) | 薬剤照合システム、薬剤管理方法及びプログラム | |
| EP1852693A1 (en) | Method of inspecting granular material and inspection device for conducting that method | |
| JP2922110B2 (ja) | 物品同定システム | |
| WO2021017797A1 (en) | Counting check device,counting system and method | |
| JP2879129B2 (ja) | 物品同定システム及び方法 | |
| CN109785397B (zh) | 一种图像中色卡颜色提取方法及装置 | |
| JPH07262379A (ja) | 物品同定システム | |
| JP2879128B2 (ja) | 物品同定システム及び方法 | |
| JPH07262378A (ja) | 物品同定システム | |
| JP2879127B2 (ja) | 物品同定システム及び方法 | |
| JP2989741B2 (ja) | 物品識別システム | |
| JPH07254068A (ja) | 物品同定システム | |
| JPH05245186A (ja) | 製剤識別装置 | |
| JPH07282266A (ja) | 物品識別システム | |
| JP3447751B2 (ja) | パターン認識方法 | |
| US6968081B1 (en) | System, method, and apparatus for orienting images | |
| JPH09288068A (ja) | 外観検査装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090430 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090430 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100430 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110430 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120430 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130430 Year of fee payment: 14 |
|
| LAPS | Cancellation because of no payment of annual fees |