JP5297087B2 - Ｘ線異物検出装置 - Google Patents

Description

本発明は、例えば、生肉、魚、加工食品、医薬などの物品を対象とした被検査物の中に混入された異物を検出するＸ線異物検出装置に関し、特に、被検査物を透過した複数の異なるエネルギー帯のＸ線の透過データに基づいて異物を検出する技術に関するものである。

例えば食品などの物品を検査対象とした被検査物に混入されている異物（金属、ガラス、殻、骨など）を検出するために、Ｘ線異物検出装置が用いられている。このような、従来のＸ線異物検出装置は、搬送される被検査物にＸ線を照射し、Ｘ線の照射に伴って被検査物を透過してくるＸ線をＸ線検出器によって検出し、このＸ線検出器が検出する透過Ｘ線データによって被検査物中に含まれる異物を検出するものである。

この種の異物検出装置は、一般にＸ線を照射するＸ線源とＸ線検出器がそれぞれ単一で対をなして構成され、Ｘ線検出器が検出する透過Ｘ線データをデジタル化して画像データとして扱い、この画像データを基に異物を強調するためフィルタ等の種々の画像処理を施して異物を検出する異物検出装置がある。（例えば特許文献１参照）

しかし、Ｘ線源とＸ線検出器がそれぞれ単一で対をなして構成されているため、Ｘ線の線質を１つに設定しなければならず、異なる種類の異物（例えば被検査物の物性に近い異物[骨、殻]と他の異物[金属]）を同時に検出しようとした場合には、一方の異物を強調するようにＸ線の線質を設定すると、他方の異物が検出できないという問題がある。その問題を解決するために複数の線質のＸ線を検出し、線質ごとに検出される被検査物を透過した透過Ｘ線データに基づいて異物を検出する異物検出装置がある（例えば、特許文献２参照）

また、異なるＸ線エネルギー（線質）を用いたＸ線異物検出装置には、他の異物が含まれる被検査物から異物のない被検査物を差し引いて被検査物の影響を軽減させて異物抽出するために、異なる２つのＸ線エネルギー（線質）よる同一被検査物の透過Ｘ線データを用いて被検査物の基準物質の厚さに変換し、厚さに変換された２つの変換データの差分を取ることにより異物を検出する異物検出装置もある。（特許文献３参照）

特開２００１−３０７０６９号公報 特開２００２−１６８８０３号公報 特開平１０−３１８９４３号公報

しかしながら、被検査物が袋詰めされたウィンナーのように包装体に内容物が収容された被検査物では内容物が重なり合うことがあり、その内容物の重なり部分の透過Ｘ線データの濃度と異物の透過Ｘ線データの濃度がほぼ同一となることがある。このような場合、Ｘ線源とＸ線検出器がそれぞれ単一で対をなす構成において画像処理を施して異物を検出する異物検出装置、または複数の線質ごとに検出される透過Ｘ線データに基づいて異物を検出する異物検出装置では、被検査物とほぼ同一の透過Ｘ線データ濃度の異物を区別することができないことがある。

また、異なる２つのＸ線エネルギー（線質）よる同一被検査物の透過Ｘ線データを用いて被検査物の基準物質の厚さに変換し、被検査物の厚さに変換された２つの変換データの差分を取ることにより異物を検出する異物検出装置であっても、被検査物の物性が一様でなくばらつく場合には変換される厚さにばらつきが生じてしまい、被検査物とほぼ同一の透過Ｘ線データ濃度の異物を区別することができないという課題が残っていた。

そこで、本発明は上記問題点に鑑みてなされたものであって、被検査物の内容物の重なりなどによって被検査物の透過Ｘ線データ濃度が異物の透過Ｘ線データ濃度のほぼ同一となったとしても、内容物の重なりによる影響を受けずに確実に異物を検出するＸ線異物検出装置を提供することを目的とする。

本発明の発明者は、物品に異物が含まれた被検査物に対してＸ線を照射して得られる被検査物のＸ線透過画像が、物品のＸ線透過画像と異物のＸ線透過画像の合成画像と同等であり、物品のＸ線透過画像と異物のＸ線透過画像のそれぞれが互いに統計的に独立した成分であることに着目し、独立成分分析を用いることによって被検査物のＸ線透過画像から異物のＸ線透過画像を導き出すことできると考え、本発明に到達したものである。

すなわち、本発明のＸ線異物検出装置は、（１）搬送される被検査物にＸ線を照射し、前記被検査物を透過した複数の異なるエネルギー帯のＸ線の透過量を検出する検出手段１０と、前記検出手段が出力する前記複数の異なるエネルギー帯毎の検出信号に基づいて前記被検査物中に異物が含まれているか否かを判定する判定手段２２とを備えたＸ線異物検出装置１において、前記検出手段が出力する検出信号に基づく前記被検査物の前記複数の異なるエネルギー帯毎の透過画像を記憶する透過画像記憶手段２１と、前記透過画像記憶手段に記憶された複数の異なるエネルギー帯の透過画像から独立成分として異物画像を含む複数の分離画像を分離抽出する独立成分分析手段２４を有する画像処理手段２３とを備え、前記判定手段は、前記独立成分分析手段によって分離抽出された異物画像に基づいて被検査物中に異物が含まれているか否かを判定することを特徴とする。

この構成により、異なるエネルギー帯毎の透過画像から独立成分として分離抽出された複数の分離画像の内の異物画像に基づいて被検査物中に異物が含まれているか否かを判定するため、内容物が重なりによる影響や被検査物の濃度のばらつきによる影響を受けずに確実に異物を検出することができる。

また、（１）に記載のＸ線異物検出装置においては、（２）前記画像処理手段は、独立成分分析手段によって分離抽出された異物画像に含まれ異物を強調するためのフィルタ処理手段２５を有する構成としてもよい。

この場合、独立成分分析手段によって分離抽出された異物画像にノイズが存在してもフィルタ処理手段によりノイズが除去された異物が強調された異物画像となるため、より確実に異物を抽出することができ、安定した異物検査を行うことができる。

また、（１）または（２）に記載のＸ線異物検出装置においては、（３）前記画像処理手段は、前記複数の分離画像の濃度分布に基づいて前記複数の分離画像の中から異物画像を識別する異物画像識別手段２６を有する構成としてもよい。

この場合、独立成分分析手段よって分離抽出された複数の分離画像について、各分離画像の濃度分布に基づいて異物画像を識別するので、分離画像の中から自動的に異物画像を識別することができ、効率よく異物検査を行うことができる。

また、（３）に記載のＸ線異物検出装置においては、（４）前記異物画像識別手段は、前記透過画像記憶手段に記憶された透過画像に対する各分離画像のＫｕｌｌｂａｃｋ−Ｌｅｉｂｌｅｒダイバージェンスの値に基づいて異物画像を識別するようにしてもよい。

この場合、独立成分分析手段よって分離抽出された複数の分離画像について、分離抽出される前の１つの透過画像に対するＫｕｌｌｂａｃｋ−Ｌｅｉｂｌｅｒダイバージェンスの値を用いた異物画像識別を行う。異物画像のヒストグラム分布と、分離抽出される前の透過画像のヒストグラム分布は大きく違っているので、分布間距離測定を行うことによって、複数の分離画像の中から確実に異物画像を識別することができ、安定した異物検査を行うことができる。

また、（１）〜（４）に記載のＸ線異物検出装置においては、（５）前記画像処理手段は、前記透過画像記憶手段に記憶された複数の異なるエネルギー帯の透過画像に含まれるノイズを除去した後に、前記独立成分分析手段によって独立成分として異物画像を含む複数の分離画像を分離抽出するためのエッジ保存平滑フィルタ手段２７を有する構成としてもよい。

この場合、複数の異なるエネルギー帯の透過画像に対し、急峻な濃度変動部分（エッジ）を保持しながら細かい変動のノイズを平滑化するエッジ保存平滑フィルタ手段よって細かい変動のノイズを予め除去した後に、独立成分分析手段によってノイズとは別成分の異物画像を確実に分離抽出するため、安定して異物画像の分離ができる。

請求項１の発明によれば、異なるエネルギー帯毎の透過画像から独立成分として分離抽出された異物画像に基づいて被検査物中に異物が含まれているか否かを判定するため、内容物が重なりによる影響や被検査物の濃度のばらつきによる影響を受けずに確実に異物を検出することができる。

請求項２の発明によれば、さらに、分離抽出された異物画像が、フィルタ処理手段によりノイズの除去された異物が強調された異物画像となるため、より確実に異物を抽出することができ、安定した異物検査を行うことができる。

請求項３の発明によれば、さらに、分離抽出された複数の分離画像の濃度分布に基づいて異物画像を識別するので、複数の分離画像の中から自動的に異物画像を識別することができ、効率よく異物検査を行うことができる。

請求項４の発明によれば、さらに、異物画像を識別するために、分離抽出された複数の分離画像について、分離抽出される前の１つの透過画像に対するＫｕｌｌｂａｃｋ−Ｌｅｉｂｌｅｒダイバージェンスの値を用いた異物画像識別を行う。異物画像のヒストグラム分布と、分離抽出される前の透過画像のヒストグラム分布は大きく違っているので、分布間距離測定を行うことによって、複数の分離画像の中から異物画像を確実に識別することができ、安定した異物検査を行うことができる。

請求項５の発明によれば、さらに、複数の異なるエネルギー帯の透過画像に対し、急峻な濃度変動部分（エッジ）を保持しながら細かい変動のノイズを平滑化するエッジ保存平滑フィルタ手段よって細かい変動のノイズを予め除去した後に、独立成分分析手段によってノイズとは別成分の異物画像を確実に分離抽出するため、安定して異物画像の分離ができ、安定した異物検査を行うことができる。

以下、本発明の好ましい実施の形態について、図面を参照しつつ説明する。

１．第１実施形態（図１〜図７）図１は、本発明の実施の形態を示す図である。まず、その構成について説明する。

図１に示すように、本実施形態のＸ線異物検出装置は、例えば袋状の包装材や所定形状の包装容器中に複数個の内容物を収納した被検査物Ｐを検査する装置で、被検査物Ｐを透過したＸ線を検出する検出手段１０（Ｘ線検出手段）と、被検査物Ｐを所定方向に搬送する搬送手段１１とを備えている。

検出手段１０は、被検査物Ｐに向けてＸ線を照射するＸ線源１３と、照射されたＸ線のうち被検査物Ｐを透過したＸ線を検出するＸ線検出部１４とを含んで構成されている。

Ｘ線源１３は、例えば陰極フィラメントからの熱電子をその陰極と陽極の間の高電圧により陽極ターゲットに衝突させてＸ線を発生させるＸ線管を有しており、発生したＸ線を下方のＸ線検出部１４に向けて搬送手段１１の搬送方向と直交する方向（以下、幅員方向という）に広がる略円錐状に照射するようになっている。

Ｘ線検出部１４は、複数（本実施の形態では二つ）のＸ線センサ１４ａ，１４ｂを備えている。各Ｘ線センサ１４ａ，１４ｂは、ライン状に形成され、Ｘ線異物検出装置の本体をなす筐体５の下部にて、上記Ｘ線発生部１３から略円錐状に照射されたＸ線を受ける範囲内で併設されている。

各Ｘ線センサ１４ａ，１４ｂは、図示しないが、ライン状に配列された複数のフォトダイオードと、フォトダイオード上に設けられたシンチレータとを備えたアレイ状のラインセンサが用いられる。この種の構成では、搬送された被検査物Ｐに対してＸ線が照射された時、被検査物Ｐを透過してくるＸ線をシンチレータで受けて光に変換する。シンチレータで変換された光は、フォトダイオードによって受光される。各フォトダイオードは、受光した光を電気信号に変換して透過Ｘ線データを出力する。このＸ線センサ１４ａ，１４ｂによるそれぞれの電気信号は、制御部２０に入力される。

図１に示すように、Ｘ線センサ１４ａ側には、Ｘ線のＸ線エネルギー（線質）を異ならせる線質可変体１５が設けられている。この線質可変体１５は、例えば、アルミニウムなどの金属や、カーボンや樹脂材が薄板状に形成されたフィルタをなしている。そして、線質可変体１５は、Ｘ線センサ１４ａのＸ線を受けるべき部位であって、例えば上記シンチレータ上面、あるいは不図示のスリットを覆うように配される。線質可変体１５は、Ｘ線センサ１４ａで受けるＸ線の透過量を減衰させる。これにより、Ｘ線センサ１４ａで受けるＸ線と、Ｘ線センサ１４ｂで受けるＸ線のＸ線エネルギー（線質）を異ならせることとなる。なお、本実施の形態では、線質可変体１５は、Ｘ線センサ１４ａ側にのみ設けられているが、各Ｘ線センサ２ａ，２ｂにて受けるＸ線の線質が異なる別の種類の線質可変体１５を各Ｘ線センサ１４ａ，１４ｂそれぞれに設けてもよい。

搬送手段１１は、Ｘ線源１３からＸ線検出部１４（Ｘ線センサ１４ａ，１４ｂ）に向けて照射されたＸ線に被検査物Ｐを通過させるものである。図１に示すように、搬送方向の前後に配置されたローラに巻回された無端状の搬送ベルトで被検査物Ｐを搬送するようになっており、詳細を図示しない搬送駆動機構により同期してローラが回転駆動し、予め設定された一定の搬送速度で被検査物Ｐが搬送されるようになっている。

制御部２０は、詳細なハードウェア構成を図示しないが、例えばＣＰＵ、ＲＯＭ、ＲＡＭおよびＩ／Ｏインターフェースを有するマイクロコンピュータと、フラッシュメモリ等の補助記憶装置、各機能部のドライバ回路等を含んで構成されており、ＲＯＭ等に予め格納された制御プログラムに従って、ＣＰＵがＲＡＭとの間でデータを授受しながら所定の演算処理を実行することで、Ｘ線検出部１４からの検出信号を基にＸ線透過画像を作成して被検査物Ｐ中の異物の有無を判定するようになっている。

この制御部２０は、機能的には、図１に示すように、Ｘ線検出部１４から出力される検出信号に基づく被検査物Ｐの異なるエネルギー帯毎の透過画像を記憶する透過画像記憶手段２１と、透過画像記憶手段２１に記憶された透過画像に基づいて画像処理を実施する画像処理手段２３と、画像処理手段２３によって処理された結果画像に基づき公知の所定の判定処理プログラムを実行して被検査物Ｐ中の異物の有無を判定する判定手段２２とを含んで構成されており、判定手段２２の判定結果に対応する検査結果情報を表示器３０へ出力するようになっている。表示器３０は、例えばフラットパネルディスプレイで構成された表示手段である。

透過画像記憶手段２１は、Ｘ線検出部１４から出力される検出信号から、複数（本実施の形態では二つ）の異なるエネルギー帯毎の透過Ｘ線データを取得し、各透過Ｘ線データから得られる透過画像が重なるように各透過Ｘ線データをスケーリングし、グレースケールにデジタル化された透過画像（Ｘ線透過画像）を記憶するようになっている。

ここで、透過画像記憶手段２１に記憶されるＸ線透過画像は、被検査物Ｐを透過してＸ線検出部が検出するＸ線透過量または被検査物Ｐが吸収するＸ線吸収量である。
Ｘ線の照射量Ｉ_０、Ｘ線の透過量をＩとすると、
Ｔ＝（lnＩ_０ ― lnＩ ）
として求められるＴをＸ線透過画像として扱い、ここでは、ＴをＸ線吸収量とよぶ。また、Ｘ線の照射量Ｉ_０は被検査物ＰのＸ線吸収量ＴがゼロであるときのＸ線の透過量であり、搬送ベルト上に被検査物Ｐが無い状態で検出したＸ線の透過量をＸ線の照射量Ｉ_０として求めることができる。

画像処理手段２３は、透過画像記憶手段２１に記憶された複数のＸ線透過画像を異物画像と異物を含まない被検査物の画像をそれぞれ重み付けして合成された観測画像とみなして独立成分分析を行い、特定の異物を含まない被検査物の画像（以後、分離物品画像とよぶ）と特定の異物のみからなる画像の異物画像（分離異物画像）に分離抽出する独立成分分析手段２４と、分離抽出された複数の分離画像の中から異物画像を識別する異物画像識別手段２６と、分離抽出された異物画像に対しさらに異物を強調するフィルタ処理手段２５と、から構成され、異物のみの画像を生成するようになっている。
なお、独立成分分析手段２４の詳細については後述する。

フィルタ処理手段２５は、独立成分分析手段２４によって分離抽出された異物画像に対し、必要に応じて判定手段２２で判定がより確実になるように異物を強調する。例えば、平滑化フィルタなどのフィルタ処理を行うようになっている。
なお、フィルタ処理手段２５は判定がより確実になるようにするためのものであり、フィルタ処理手段２５が無い構成としても別段問題はない。

判定手段２２は、画像処理手段２３によって得られるグレースケールの分離抽出された異物画像を基に、その異物画像の濃度の最大値が予め設定された閾値を超える場合に異物が有ると判定するようになっている。

以上、本実施形態のＸ線異物検出装置の構成について説明したが、線質可変体を設けず、Ｘ線検出器と対となるようにＸ線のＸ線エネルギーを異ならせた複数のＸ線源を設ける構成としてもよい。

次に、独立成分分析手段２４で用いられる独立成分分析について説明する。
図２に、独立成分分析の概念についての説明図を示す。

独立成分分析とは、互いに独立なＮ種類の情報源から発生した信号が線形に重ね合わされたＮ種類の観測情報を得たとき、それら観測情報から元の独立な情報を分離抽出する手法であり、Ｎ種類の情報源が互いに独立し、情報源のうち２つ以上が正規分布に従わない場合に、観測情報から元の独立な情報を推定することが可能である手法である。

ここで、Ｎ＝２としてＸ線異物検査装置に対応させて考えてみると、図２に示すように、Ｎ種類の情報源は、１つの異物画像Ｓ１と１つの異物を含まない被検査物Ｓ２の画像であり、それらが重み付けをされて重ね合わされた１つの観測情報を生み出す。そして、この観測情報は、異物を含む被検査物にＸ線を照射して得られるＸ線透過画像として得ることができる。そしてさらに、異なるエネルギー帯のＸ線透過画像を得ることによりＮ種類の観測情報を得ることができる。すなわち、異なるエネルギー帯のＸ線透過画像を得ることは、１つの異物画像Ｓ１と１つの異物を含まない被検査物の画像Ｓ２に対し重み付けを変えて重ね合わされた複数の観測情報を得るのと同等である。
なお、情報源が画像なので、以後、情報源の画像を原画像Ｓ、観測情報を観測画像Ｘ、観測画像Ｘから分離抽出された画像を分離画像Ｙと呼ぶことにする。
ただし、原画像Ｓ、観測画像Ｘ、分離画像Ｙは、
とする。

観測画像Ｘと分離画像Ｙの関係を考えてみると、図２のように観測画像Ｘと原画像Ｓの関係は行列Ａを用いてＸ＝ＡＳと表現することができる。したがって分離画像Ｙを求めるには、Ａの逆変換Ａ^-1を用いれば観測画像から原画像Ｓと同等の分離画像Ｙが得られるはずである。しかし行列Ａは未知であるため、Ｙ＝ＷＸのような適当な行列Ｗを用いて観測画像Ｘを変換し、原画像Ｓに近づくように行列Ｗを修正しながら分離画像Ｙを求める。ここで、原画像Ｓは互いに独立し正規分布に従わない場合を想定しているので、分離画像Ｙの各画像が互いに独立になるように行列Ｗを逐次的に修正していく。このように分離画像Ｙの各画像が互いに独立になるように行列Ｗを逐次的に修正していく処理が独立成分分析と呼ばれ、修正していく行列Ｗが分離行列Ｗと呼ばれており、分離行列Ｗは、
となる。また、分離行列Ｗを更新して分離画像Ｙを独立にしていくことをここでは学習と呼ぶことにする。

独立成分分析を行う方法についてはいろいろ研究されているが、本実施の形態の独立成分分析では、分離画像Ｙの各画像が互いに独立になるまでの収束が速いＦａｓｔＩＣＡ（Fast Independent Component Analysis : 高速独立成分分析）処理を行っている。このＦａｓｔＩＣＡ処理は、前処理として白色化を実行し、白色化された画像に対し、不動点法を用いたＦＰＩＣＡ（Fixed-Point
ICA）処理を行っている。

ＦａｓｔＩＣＡ処理のアルゴリズムは、統計学の中心極限定理により、「一般に、いくつかの互いに独立な情報源から発生した信号を線形に重ねるとその分布はガウス分布に近づく」という事実を逆に考えて、独立成分分析に用いている。つまり、観測画像Ｘから非ガウス性が最大になるような分離画像Ｙを求めれば、それらは、情報源であろうと考えるのである（ただし、Ｙはガウス分布に従わないという仮定は必要である）。そこで、Ｙ＝ＷＸの非ガウス性を最大化することを考える。もし、ベクトル［
ｗ１ ｗ２］が図２に示すような係数ａ1、ａ2、ａ3、ａ4からなる２×２の行列の逆行列Ａ^−１ のある一行に等しければ、
となり、Ｓ１またはＳ２のどちらかを求めることができる。

ここで、はじめに、ベクトル［ ｗ１ ｗ２］の各成分の値は、アルゴリズム上では、ランダムな値で初期化を行う。そして、独立性の指標となる非ガウス性を用いて、ベクトル［ｗ１
ｗ２］を更新し、分離行列Ｗ の各行を求めていくのである。
この非ガウス性であるが、ガウス性とは、その分布がどれだけガウス分布に近いかを表し、「ガウス性＝ その分布とガウス分布の近さ」であり、「非ガウス性＝
その分布とガウス分布の遠さ」を表していると考える。そして、非ガウス性を測る基準としては尖度やネゲントロピーなどがある。

ここで、尖度(kurtosis)は、ｋｕｒｔ（ｙ）と表し、信号を確率変数ｙ、標準偏差をσ とすると、例えば式（１）のようになる。

ｋｕｒｔ（ｙ）：＝ （Ｅ（ｙ^４）／σ^４ ）−３ （１）

ただし、ｙは平均値０の確率変数とし、Ｅ（式）は、式の期待値を表すものとする。
尖度は、信号の分布がどれだけ尖っているかを表し、ガウス分布であれば尖度は０ になる。そして、尖度が正であればガウス分布より尖っていて（supergaussian） 、尖度が負であればガウス分布より平坦である（subggaussian）。

また、ネゲントロピー(negentoropy)とは、ある確率変数ｙの確率密度関数がガウス分布のときに、分散が等しい確率密度関数の中で、最大のエントロピーを持つことを利用した、式（２）のように表される統計量であり、ガウス分布のときには０となり、それ以外では正となる。

Ｊ（ｘ）＝ Ｈ（ｙ_gauss）− Ｈ（ｙ） （２）

ただし、 Ｈ（ｙ） = -∫p(ｙ)log p(ｙ)dｙ
Ｈ（ｙ）は確率密度関数ｐ（ｙ）を持つ連続的な確率変数ｙのエントロピーである。
ｙ_gaussは ｙと等しい分散共分散行列を持ったガウス分布に従う確率変数である。

このような非ガウス性を測る基準を用いて、非ガウス性が最大となるように分離行列Ｗ
の各行を求めていく分析法がＦａｓｔＩＣＡのアルゴリズムであり、例えば、ネゲントロピーを評価基準とした、式（３）のような更新則によって、独立成分を求めていく。

Ｗｕ←orthog（Ｗ＋Ｄ・（Ｌ−ｐ’（ｙ）ｙ^Ｔ）・Ｗ） （３）

ここで、ｍ種類の観測情報を得て、ｎをサンプリング数とすると、更新前の分離行列Ｗはｍ×ｍの行列になり、更新された分離行列Ｗｕはｍ×ｍの行列になる。
Ａ・Ｂは行列Ａと行列Ｂの積を示している。
ｙ_ｉ（ｉ＝１，・・・ｍ）は要素がｎ個の列ベクトルを示し、
またｙは以下のようなｍ×ｎの行列になっている。
ｙ＝ （ｙ_１，・・・・・・・・・・，ｙ_ｍ）^Ｔ
式（３）のｙ^Ｔは上述したｙの転置を示す。
式（３）のｐ’（ｙ）は
ｐ’（ｙ）＝（ｑ’_１ （ｙ_１），・・・・・・・・・，ｑ’_ｍ（ｙ_ｍ））^Ｔ
でｍ×ｎの行列であり、
ｑ’_ｉ（ｙ_ｉ）は関数ｑ_ｉ（ｙ_ｉ）の微分を表し、ｎ個の列ベクトルである。
また、
ｑ”_ｉ（ｙ_ｉ）は関数ｑ’_ｉ（ｙ_ｉ）の微分を表し、ｎ個の列ベクトルである。
関数ｑ’_ｉ（ｙ_ｉ）としては
ｑ’_ｉ（ｙ_ｉ）＝ｔａｎｈ（ａ_１ｙ_ｉ） 但し１≦ ａ_１ ≦ ２の定数
ｑ’_ｉ（ｙ_ｉ）＝ｙ_ｉｅ^ａ２
但し ａ２ ＝ （−ｙ_ｉ ^２／２）
ｑ’_ｉ（ｙ_ｉ）＝ｙ_ｉ ^３
がよく使用される。
式（３）のＤは（Ｅ［ ｑ_ｉ”（ｙ_ｉ）］−λ_ｉ）^−１ （ｉ＝１，・・・・，ｍ）で表され、ｍ種類の観測情報ごとの上記式の値を対角要素に持つｍ×ｍの対角行列であり、
Ｅ［式］は式の平均値を表すものである。
ここで
λｉ＝Ｅ［ｙ_ｉ＊ｑ’_ｉ（ｙ_ｉ）］（ｉ＝１，・・・・，ｍ）
であり、Ｃ＊ＤはベクトルＣとベクトルＤの要素ごとの積を示す。
式（３）のＬはλｉ （ｉ＝１，・・・・，ｍ）で表され、
ｍ種類の観測情報ごとの上記式の値を対角要素に持つｍ×ｍの対角行列である。
式（３）のorthog（式）は式の直交行列を表す。

本実施の形態の独立成分分析であるＦａｓｔＩＣＡ処理は、分離画像Ｙの各画像が互いに独立になるまでの収束が速いＦＰＩＣＡ処理を行う前に、さらに、その探索範囲を大きく限定させ、学習時間の高速化を図るために前処理を行っている。独立成分分析の前処理として主成分分析があり、確率変数ｘの分散共分散行列 Ｃ_Ｘ=Ｅ［（ｘ−ｍ_Ｘ）（ｘ−ｍ_Ｘ）^Ｔ］を対角化する変換ｙ＝Ｐｘを求める手法である。上記のｍ_Ｘはｘの平均値であるが、ｘ←ｘ-Ｅ［x］のような中心化が行われ、Ｃ_Ｘ=Ｅ［ｘｘ^Ｔ］と簡略化される。

ここでｘの分散共分散行列を対角化する行列Ｐは、ｘの分散共分散行列のすべての固有ベクトルを行ベクトルに持つ行列となり、ｙの分散共分散行列Ｅ［ｙｙ^Ｔ］は、Ｅ［ｘｘ^Ｔ］の固有値を対角要素に持つ対角行列Λとなり。例えば式（４）のような変換を行うと、Ｅ［ｘ’ｘ’^Ｔ］は単位行列となる。
ｘ’ ＝ Ｐ^ＴΛ^−１／２Ｐｘ （４）
このように、変換後の分散共分散行列が単位行列になるように観測画像Ｘを変換することを白色化と呼んでいる。

次に、観測画像Ｘを白色化してＦＰＩＣＡ処理を行うＦａｓｔＩＣＡ処理について独立成分分析の処理として説明する。
図３は、独立成分分析処理の概略の流れを示すフローチャートである。
同図のフローの開始に先立って、異なる複数の観測画像Ｘ(x1、x2)が、ｍ（画像数）×ｎ（画素数）の行列として設定されているものとする。例えば、その行列は、画像総数が２枚、画像サイズが８００[H]×５００[V]）の画像の場合、ｘ＝[２×４０００００]の行列のように設定されている。

同図において、まず、行列データの各行ごとにｘの平均値が０となるように各データの中心化が行われ、中心化されたｘの分散共分散行列データから、固有値からなる対角行列Λと、対応する固有ベクトルからなる行列Ｖが求められる。そして、各行列Λ,Ｖから式（４）を用いて、ｘ’＝ Ｖ^ＴΛ^−１／２Ｖｘを演算し、白色化を行う。（ステップＳ１０１）。

次いで、分離行列Ｗを２×２の単位行列に設定し分離行列Ｗを初期化し（ステップＳ１０２）、白色化された観測画像ｘ’に対し分離行列Ｗを用いて行列演算して分離画像Ｙ＝Ｗ・ｘ’を生成する（ステップＳ１０３）。

次いで、分離画像Ｙが互いに独立性が収束しているかを分離画像間のクロスキュムラントを用いて評価を行い、独立性が収束している場合には独立成分分析処理を終了する。（ステップＳ１０４）。評価式は、例えば、分離画像Ｙの要素をそれぞれ ｙ_１, ｙ_２とすると、
ｃｃ＝ （ｃ[ｙ_１ｙ_２ ^２]^２ +ｃ[ｙ_１ｙ_２ ^３]
^２）+（ｃ[ｙ₂ｙ₁ ^２]^２ +ｃ[ｙ₂ｙ₁ ^３]
^２）
の式から算出して、限りなく０に近い値なった場合（例えば、0.00001未満の場合）に、互いに独立しており、独立性が収束していると判断する。

次いで、独立性が収束していないと判断されると（ステップＳ１０4：ＮＯ）、独立成分分析の式（３）を用いて直交化前の更新行列Ｗuを作成する（ステップＳ１０５）。
更新行列Ｗuは 関数ｑ_ｉ（ｙ_ｉ）を ｙ_ｉ ^４ とおくと、
ｑ’_ｉ（ｙ_ｉ）＝ ４ｙ_ｉ ^３ 、ｑ”_ｉ（ｙ_ｉ）＝ １２ｙ_ｉ ^２ となり、
Ｗu ＝ Ｗ＋Ｄ・（Ｌ−Ｂ／ｎ）・Ｗ とすることができる。
ただし、ｑ’_ｉ、ｑ’’_ｉ、ｙ_ｉはここでは1×400000の行ベクトルである。（ i = 1、2 ）
また、Ｂ、Ｌ、Ｄは、２×２の行列であり、それぞれ
となる。

次いで、更新行列Ｗuに対しＱＲ分解（直交三角分解）を行って直交成分Ｑを求め（ステップＳ１０６）、直交成分Ｑを分離行列Ｗとして分離行列Ｗを更新する（ステップＳ１０７）。

そして、分離行列Ｗを更新する回数（学習回数）が所定の回数（例えば１０回）に達したか否か判断し、学習回数が所定の回数に達していない場合には、ステップＳ１０３に戻ってステップＳ１０７で更新された分離行列Ｗに基づいて分離画像Ｙを再び生成し、学習回数が所定の回数に達している場合には、独立成分分析処理を終了する。（ステップＳ１０８）。

なお、独立成分分析処理において、観測画像Ｘに対し白色化を行ってから分離行列Ｗを推定するフローとしているが、白色化を行わなくても図４の（ｂ）のように独立性が収束していくので、白色化を行わずにＦＰＩＣＡ処理を実行するようにしてもよい。

図４は、２つの観測画像Ｘに対しＦＰＩＣＡ処理を実行したときの分離画像Ｙの独立性が収束するシミュレーションを示す。なお、図４の縦軸は独立性を見るための指標となるクロスキュムラントを表し、横軸は分離行列Ｗの学習回数を表している。

図４の（ａ）は、前処理として白色化を用いない場合のシミュレーション結果であり、図４の（ｂ）は、前処理として白色化を用いた場合のシミュレーション結果である。
前処理として白色化を用いない場合の収束するまでの回数、すなわちほぼ０になるまで（例えば、0.00001になるまで）の回数が５回に対し、前処理として白色化を用いた場合には２〜３回で収束していることが判る。

次に、本実施形態のＸ線異物検出装置において、独立成分分析を用いた異物検出動作について説明する。図５は、本実施形態にＸ線異物検出装置の制御部２０における独立成分分析を用いた異物検出処理の概略の流れを示すフローチャートである。

まず、Ｘ線検出部１４から出力される検出信号に基づく被検査物Ｐの低エネルギー帯および高エネルギー帯の透過画像が記憶された透過画像記憶手段２１から、エネルギー帯毎の二つ透過画像を観測画像Ｘ（例えば、画像複数画像が２×４０００００（画素数）の行列）として設定する（ステップＳ２０１）。

次いで、設定された二つの観測画像Ｘに対し上述した図３に示す処理の流れに沿って独立成分分析が実行される。（ステップＳ２０２）。

次いで、独立成分分析によって二つに分離抽出された分離画像Ｙから各画像の濃度ヒストグラムに基づいて分離物品画像が認識され、分離画像Ｙの内で分離物品画像と認識されなかった画像が分離抽出された異物画像として識別される。（ステップＳ２０３）。

分離画像Ｙから分離物品画像を認識する方法は、観測画像Ｘの濃度ヒストグラム分布状態と分離画像Ｙの各画像における濃度ヒストグラムの分布状態とを比較し、分布状態の違いが一番小さいものを分離物品画像と認識する。そしてその基準は、例えば、Kullback-Leiblerダイバージェンスを尺度として判断することができる。なお、Kullback-Leiblerダイバージェンスを用いた異物画像の識別方法は後述する。

また、分離画像Ｙから物品分離画像を認識する方法は、上記方法に限らず、物品のみの画像に比べ異物のみの画像の方がその濃度が一様に近くなることから分散量の違いを基準とし、或いは、被検査物の大きさに対応したヒストグラムの形状等を基準として認識するようにしても良い。

次いで、識別された異物画像に対し、ノイズを低減し異物が強調されるような画像フィルタを実行し、異物強調画像が生成される。（ステップＳ２０４）。
このノイズを低減し異物が強調されるような画像フィルタは、例えば異物画像を平滑化処理することによって細かいノイズ成分を除去し、異物画像の背景に対し異物が強調されるようになる。なお、異物が強調されるような画像フィルタは、収縮・膨張によって細かいノイズ成分を除去した後にラプラシアン等の異物エッジを強調するようなフィルタであってもよく、また、平滑化処理した後にエッジを強調するようなフィルタ処理としてもよい。

そして、画像フィルタによって異物が強調された異物強調画像に対し、予め設定された閾値と比較し、異物の有無が判定される（ステップＳ２０５）。
異物の有無が判定は、異物強調画像の中に閾値を超える部分があった場合に異物有と判定される。なお、独立成分分析手段２４によって分離抽出された異物画像の異物と背景のコントラストが充分ある場合には画像フィルタを行わず、分離抽出された異物画像に対し、予め設定された閾値と比較し、異物の有無が判定されるようにしても良い。

このように、独立成分分析を用いた異物検出動作は、エネルギーの異なる複数の画像を独立成分分析によって得られる分離画像Ｙから異物画像を識別し、異物が強調されるようなフィルタ処理を行ってから異物の判定を行うようになっている。

次に、本実施形態のＸ線異物検出装置において、Kullback-Leiblerダイバージェンスを用いた異物画像の識別処理について説明する。図６は、
Kullback-Leiblerダイバージェンス（以下、ＫＬ情報量）を用いて異物画像を識別処理する概略の流れを示すフローチャートである。

まず、二つの観測画像Ｘのうち、低エネルギー帯の透過画像の濃度ヒストグラムを作成し、度数合計値が１となるように正規化を行う。そして、正規化された濃度ヒストグラムを確率密度分布ｆ（ｘ）として取得する（ステップＳ３０１）。

次いで、独立成分分析手段２４によって分離抽出された複数の分離画像Ｙについて、１つの画像（以下、分離画像１）の濃度の最小値と最大値が０〜最大階調（例えば２５５階調）となるように正規化し、正規化された濃度ヒストグラムを確率密度分布ｇ１（ｘ）として取得する（ステップＳ３０２）。ここで、正規化を行うのは、分離抽出された分離画像Ｙでは、濃度の大きさに任意性があるので、観測画像Ｘの濃度分布に近い濃度ヒストグラムが得られないからである。

次いで、分離画像１の白黒反転（濃度の階調反転）を行った画像（以下、反転分離画像１のヒストグラムを確率密度分布ｇ１ｉｎｖ（ｘ）として取得する（ステップＳ３０３）。ここで、反転画像を用いるのは、独立成分分析手段２４によって得られる分離行列Ｗは、０°方向と１８０°方向は同一のものとして処理されるので、分離抽出された分離画像Ｙの濃度の大きさの方向に任意性が生じるからである。

次いで、分離抽出された複数の分離画像Ｙについて、他の画像（以下、分離画像２）をステップＳ３０２と同様に正規化し、正規化されたヒストグラムを確率密度分布ｇ２（ｘ）として取得し（ステップＳ３０４）、分離画像２の白黒反転を行った画像（以下、反転分離画像２）のヒストグラムを確率密度分布ｇ２ｉｎｖ（ｘ）として取得する（ステップＳ３０５）

次いで、確率密度分布ｆ（ｘ）を基準とし、分離画像Ｙについて求めた各確率密度分布が基準の確率密度分布ｆ（ｘ）からどれぐらい離れているかについてＫＬ情報量を用いて調べるために、式（５）を用いて、基準の分布ｆ（ｘ）に対する分布ｇ（ｘ）のＫＬ情報量をステップＳ３０２〜ステップＳ３０５で取得したｇ１（ｘ）、ｇ１ｉｎｖ（ｘ）、ｇ２（ｘ）、ｇ２ｉｎｖ（ｘ）について算出する（ステップＳ３０６）。

Ｄ_ＫＬ(ｆ(ｘ)||ｇ(ｘ))＝∫ｆ(ｘ)log(ｆ(ｘ)／ｇ(ｘ))ｄｘ （５）

次いで、ステップＳ３０６で算出した各分布のＫＬ情報量のうち、最も小さい値の分布が基準の分布ｆ（ｘ）に近いことを示すので、その最も小さい値の分布をもつ分離画像を分離物品画像とし、他の分離画像を異物画像として識別する（ステップＳ３０７）。
すなわち、ｇ１（ｘ）またはｇ１ｉｎｖ（ｘ）のＫＬ情報量が最小の時に、分離画像１が分離物品画像であり、分離画像２が分離異物画像であると識別し、ｇ２（ｘ）またはｇ２ｉｎｖ（ｘ）のＫＬ情報量が最小の時に、分離画像２が分離物品画像であり、分離画像１が分離異物画像であると識別する。

このように、独立成分分析を用いた異物検出動作は、エネルギーの異なる複数の画像を独立成分分析によって得られる分離画像Ｙから異物画像を識別し、異物が強調されるようなフィルタ処理を行ってから異物の判定を行うようになっている。

図７は、本実施形態にＸ線異物検出装置における独立成分分析を用いた異物検出処理を実施した場合の観測画像Ｘおよび分離画像Ｙである。図７の（ａ）、（ｂ）は異なるエネルギー帯の透過Ｘ線データに基づいた異物を含んだ観測画像Ｘであり、図７の（ａ）は低エネルギー帯の画像を示し、図７の（ｂ）は高エネルギー帯の画像を示す。また、図７の（ｃ）、（ｄ）は独立成分分析手段２４によって分離抽出された分離画像Ｙを示す。

図７の（ｃ）は、観測画像Ｘの濃度ヒストグラム分布状態と分離画像Ｙの各画像における濃度ヒストグラムの分布状態の違いが小さい分離物品画像であり、また、図７の（ｄ）は、異物を独立成分として反映した分離異物画像である。この分離異物画像は、物品のウィンナーが無くなり異物だけの画像となっていることが判る。

以上のように、本実施形態では、独立成分分析を用いて、異なるエネルギー帯の透過画像から独立成分として分離された異物画像（分離異物画像）に基づいて被検査物中に異物が含まれているか否かを判定するため、内容物の重なりによる影響や被検査物の濃度のばらつきによる影響を受けずに確実に異物を検出することができる。また、独立成分分析に入力される透過画像を白色化してＦＰＩＣＡ処理を行うＦａｓｔＩＣＡ処理を実行することにより分離画像を高速に生成することができるため、検査能力の向上を図ることもできる。さらに、独立成分として分離された異物画像がフィルタ処理手段によりノイズ除去され、異物画像の背景に対して異物が強調されるため、より確実に異物を抽出することができ、安定した異物検査を行うことができる。

また、独立成分として分離された異物画像を各分離画像の濃度分布に基づいて識別するので、分離画像Ｙの中から自動的に異物画像を識別することができ、効率よく異物検査を行うことがでる。さらにその識別方法が、各分離画像の濃度分布について、分離抽出される前の１つの透過画像に対するＫｕｌｌｂａｃｋ−Ｌｅｉｂｌｅｒダイバージェンスの値を用いて分布間距離測定を行って識別するので、確実に異物画像を識別することができる。

ところで、本実施形態では、独立成分分析手段２４の独立成分分析方法としてＦａｓｔＩＣＡについて説明したが、独立成分分析手段の独立成分分析の方法は、ＦａｓｔＩＣＡに限らず他の方法であってもよい。例えば、他の独立成分分析方法としては、独立性の評価量が最も増す方向を探索し分離行列Ｗを逐次更新する勾配法、観測データの出現確率を最大にする分離行列Ｗを推定値として選ぶ最尤推定法、分離画像Ｙの独立性の尺度としての各要素間の平均相互情報量が最小化するよう分離行列Ｗを更新する平均相互情報量最小化法等がある。

また、本実施形態では、複数の異なるエネルギー帯について二つの場合を説明してきたが、三以上の異なるエネルギー帯の透過画像を処理する場合も同様である。この場合、三以上の異なるエネルギー帯の透過画像を観測画像Ｘとし、観測画像Ｘと同数の互いに独立した成分を持つ分離画像Ｙが分離抽出される。そしてこの分離画像は、例えば、分離物品画像と異物の種類に応じた複数の異物画像に分離され、異物の種類毎に異物の有無判定が可能となるので、より確実に異物を抽出することができ、安定した異物検査を行うことができる。

また、本実施形態では、複数の異なるエネルギー帯の透過画像を観測画像Ｘとし、観測画像Ｘから分離抽出された分離異物画像に基づいて被検査物中に異物が含まれているか否かの判定を行うようにしているが、単一の透過画像から検出できる異物に関しては従来の異物検出処理を併用して異物を検出することは言うまでもなく、観測画像Ｘから分離抽出された分離物品画像を用いて分離異物画像に含まれない他の異なる種類の異物について画像処理を施して異物を検出する異物検出処理を併用するようにしても良い。

２．第２実施形態（図８，図９）
本実施の形態は、第１実施形態の画像処理手段２３において、独立成分分析手段２５の前処理としてのエッジ保存平滑フィルタ手段２７が付加されたものである。その他の構成に関しては、第１実施形態と同様なので、エッジ保存平滑フィルタ手段２７について説明し、その他の構成に関しては、第１実施形態と対応する部分には図中に第１実施形態と同様の符号を付し、第１実施形態の説明を援用して再度の説明を省略するものとする。

図８に示すように、本実施形態のＸ線異物検出装置は、画像処理手段２３は、複数の異なるエネルギー帯の透過画像のノイズを除去させるエッジ保存平滑フィルタ手段２７を有している。

エッジ保存平滑フィルタ手段２７は、透過画像のノイズの除去を目的とした平滑フィルタであるが、一般的な平滑化フィルタは、画像に含まれるノイズを除去すると同時に対象物のエッジ（急峻な濃度の変動）情報を滑らかにしまうため、異物が含まれる透過画像に適用すると異物が被検査物に埋もれてしまうことがある。そこで、本実施の形態ではノイズなどの細かい変動のみを平滑化するエッジ保存平滑フィルタ処理を行っている。

本実施の形態では、エッジ保存平滑フィルタ処理としてバイラテラルフィルタを用いている。バイラテラルフィルタは、注目画素からの距離に応じたガウス分布による重みに加えて、注目画素との濃度差が大きいところは重みを小さくするような注目画素との濃度差に応じたガウス分布による重みで平滑化を行うフィルタであり、式（６）で表される。
このとき、エッジを強く残す場合は、式（６）に示す分散を小さくするように設定する。

次に、本実施形態のＸ線異物検出装置において、エッジ保存平滑フィルタ手段２７を用いた場合の異物検出動作について説明する。
図９は、
エッジ保存平滑フィルタ手段２７を用いた場合における異物検出処理の概略の流れを示すフローチャートである。

まず、Ｘ線検出部１４から出力される検出信号に基づく被検査物Ｐの低エネルギー帯および高エネルギー帯の透過画像が記憶された透過画像記憶手段２１から、エネルギー帯毎の二つの透過画像それぞれについて、エッジ保存平滑フィルタが実行され、細かい変動のノイズが除去された透過画像を生成する（ステップＳ４０１）。

次いで、エッジ保存平滑フィルタ処理された二つの透過画像を観測画像Ｘ（例えば、画像複数画像が２×４０００００（画素数）の行列）として各行ごとに１つの画像情報が入るように設定する（ステップＳ４０２）。

以後、第１の実施形態と同様の処理が実行される。すなわち、設定された二つの観測画像Ｘに対し上述した図３に示す処理の流れに沿って独立成分分析が実行され（ステップＳ４０３）、独立成分分析によって二つに分離抽出された分離画像Ｙから各画像の濃度ヒストグラムに基づいて分離物品画像が認識され、分離画像Ｙの内で分離物品画像と認識されなかった画像が分離抽出された異物画像として識別される。（ステップＳ４０４）。

次いで、識別された異物画像に対し、ノイズを低減し異物が強調されるような画像フィルタを実行し、異物強調画像が生成され（ステップＳ４０５）、画像フィルタによって異物が強調された異物強調画像に対し、予め設定された閾値と比較し、異物の有無が判定される（ステップＳ４０６）。

このように、エッジ保存平滑フィルタ手段２７を用いた場合の異物検出動作は、エネルギーの異なる複数の画像に対してエッジ保存平滑フィルタを実行し、エッジ保存平滑フィルタ処理後の画像に対して独立成分分析によって得られる分離画像Ｙから異物画像を識別し、異物が強調されるようなフィルタ処理を行ってから異物の判定を行うようになっている。

以上のように、本実施形態では、複数の異なるエネルギー帯の透過画像に対し、急峻な濃度変動部分（エッジ）を保持しながら細かい変動のノイズを平滑化するエッジ保存平滑フィルタ手段よって細かい変動のノイズを予め除去した後に、独立成分分析手段によってノイズとは別成分の異物画像を異物画像を分離抽出するため、複数の異なるエネルギー帯の透過画像に異物として誤検出されるような細かい変動のノイズがあった場合でも安定して異物画像の分離ができ、安定した異物検査を行うことができる。

ところで、本実施形態では、エッジ保存平滑フィルタ処理としてバイラテラルフィルタについて説明したが、エッジ保存平滑フィルタ処理は、バイラテラルフィルタに限らず他の方法であってもよい。例えば、エッジ保存平滑フィルタとしては、注目画素の周りのＮ×Ｎ画素の中の中央値を出力するメディアンフィルタがあり、このフィルタはスパイク状のノイズ除去に有効なフィルタである。

また、他のエッジ保存平滑フィルタとしては、注目画素の周りに注目画素を含む複数の局所領域を用意し、各局所領域内の濃度分散が最小となる局所領域を選択し、その選択された局所領域について平滑フィルタを実行する方法がある。この場合、エッジが含まれる局所領域は濃度分散が高いので、平滑フィルタは実行されずエッジの保存が可能となる。

また、他のエッジ保存平滑フィルタとしては、注目画素の近傍領域中で濃度が近い画素を一定数（ｋ画素）選出し、その選出された画素の濃度の平均値を出力するｋ最近隣平均化フィルタがある。この場合、注目画素の濃度に近い画素が選出されて平滑化されるので、急峻な濃度変動部分の平滑化を避けることができ、エッジの保存が可能となる。

また、他のエッジ保存平滑フィルタとしては、注目画素の近傍領域内の濃度分散が小さいときだけ平滑フィルタを実行するようにしても良い。この場合、エッジが含まれる場合には近傍領域内の濃度分散が高くなるので、平滑フィルタは実行されずエッジの保存が可能となる。

また、本実施形態では、エネルギー帯毎の二つ透過画像それぞれについて、エッジ保存平滑フィルタが実行されるようにしたが、エネルギー帯毎の透過画像のうち、特にノイズが多い透過画像に対してのみにエッジ保存平滑フィルタを実行するようにしても良いことは言うまでもない。

以上説明したように本発明は、異なるエネルギー帯毎の透過画像を独立成分分析して得られる独立成分として分離された異物画像に基づいて被検査物中に異物が含まれているか否かを判定するため、異なるエネルギー帯の透過Ｘ線データを出力する検出手段を備えたＸ線異物検出装置全般に有用である。

本発明の第１実施形態に係るＸ線異物検出装置の概略構成を示す図である。 独立成分分析の概念を説明するための説明図である。 本発明の第１実施形態に係る独立成分分析処理の概略の流れを示すフローチャートである。 本発明の第１実施形態に係る独立成分分析処理をシミュレーションした処理結果の例である。 本発明の第１実施形態実施の形態に係るＸ線異物検出装置における異物検出処理の動作を示したフローチャートである。 本発明の第１実施形態に係るKullback-Leiblerダイバージェンス用いた異物画像の識別処理の動作を示したフローチャートである。 本発明の第１実施形態に係るＸ線異物検出装置における異物検出処理の処理結果の例である。 本発明の第２実施形態に係るＸ線異物検出装置の概略構成を示す図である。 本発明の第２実施形態に係るＸ線異物検出装置における異物検出処理の動作を示したフローチャートである。

符号の説明

１０ Ｘ線検出手段（検出手段）
１１ 搬送手段
１３ Ｘ線源
１４ Ｘ線検出部
１４a、１４b Ｘ線センサ
１５ 線質可変体
２０ 制御部
２１ 透過画像記憶手段
２２ 判定部
２３ 画像処理手段
２４ 独立成分分析手段
２５ フィルタ処理手段
２６ 異物画像識別手段
２７ エッジ保存平滑フィルタ手段
３０ 表示器

Claims (5)

1. 搬送される被検査物にＸ線を照射し、前記被検査物を透過した複数の異なるエネルギー帯のＸ線の透過量を検出する検出手段(10)と、
   前記検出手段が出力する前記複数の異なるエネルギー帯毎の検出信号に基づいて前記被検査物中に異物が含まれているか否かを判定する判定手段(22)とを備えたＸ線異物検出装置(1)において、
   前記検出手段が出力する検出信号に基づく前記被検査物の前記複数の異なるエネルギー帯毎の透過画像を記憶する透過画像記憶手段(21)と、
   前記透過画像記憶手段に記憶された複数の異なるエネルギー帯の透過画像から独立成分として異物画像を含む複数の分離画像を分離抽出する独立成分分析手段(24)を有する画像処理手段(23)とを備え、
   前記判定手段は、前記独立成分分析手段によって分離抽出された異物画像に基づいて被検査物中に異物が含まれているか否かを判定することを特徴とするＸ線異物検出装置。
2. 前記画像処理手段は、前記独立成分分析手段によって分離抽出された異物画像に含まれる異物を強調するためのフィルタ処理手段(25)を有することを特徴とする請求項１に記載のＸ線異物検出装置。
3. 前記画像処理手段は、前記複数の分離画像の濃度分布に基づいて前記複数の分離画像の中から異物画像を識別する異物画像識別手段(26)を有することを特徴とする請求項１または請求項２に記載のＸ線異物検出装置。
4. 前記異物画像識別手段は、前記透過画像記憶手段に記憶された透過画像に対する各分離画像のＫｕｌｌｂａｃｋ−Ｌｅｉｂｌｅｒダイバージェンスの値に基づいて異物画像を識別することを特徴とする請求項３に記載のＸ線異物検出装置。
5. 前記画像処理手段は、前記透過画像記憶手段に記憶された複数の異なるエネルギー帯の透過画像に含まれるノイズを除去した後に、前記独立成分分析手段によって独立成分として異物画像を含む複数の分離画像を分離抽出するためのエッジ保存平滑フィルタ手段(27)を有することを特徴とする請求項１〜請求項４に記載のＸ線異物検出装置。