JP6731683B1 - 鑑別装置、情報処理装置、プログラム、教師データおよび鑑別方法 - Google Patents

鑑別装置、情報処理装置、プログラム、教師データおよび鑑別方法 Download PDF

Info

Publication number
JP6731683B1
JP6731683B1 JP2020502241A JP2020502241A JP6731683B1 JP 6731683 B1 JP6731683 B1 JP 6731683B1 JP 2020502241 A JP2020502241 A JP 2020502241A JP 2020502241 A JP2020502241 A JP 2020502241A JP 6731683 B1 JP6731683 B1 JP 6731683B1
Authority
JP
Japan
Prior art keywords
seeds
seed
color
double
value
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.)
Active
Application number
JP2020502241A
Other languages
English (en)
Other versions
JPWO2020075793A1 (ja
Inventor
美奈 時安
美奈 時安
福島　啓吾
啓吾 福島
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hiroshima Prefecture
Original Assignee
Hiroshima Prefecture
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hiroshima Prefecture filed Critical Hiroshima Prefecture
Application granted granted Critical
Publication of JP6731683B1 publication Critical patent/JP6731683B1/ja
Publication of JPWO2020075793A1 publication Critical patent/JPWO2020075793A1/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C1/00—Apparatus, or methods of use thereof, for testing or treating seed, roots, or the like, prior to sowing or planting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Soil Sciences (AREA)
  • Environmental Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Pretreatment Of Seeds And Plants (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

ストックの様々な品種について種子の状態での八重鑑別を可能にする。鑑別装置（１０）は、複数のストックの種子からの反射光の光情報から、上記複数のストックの種子のそれぞれについて、少なくとも当該種子の色に含まれる所定の色成分の色調値を示す色調情報を取得する画像解析部（１１）と、所定の色成分の色調値の順位が第１範囲に含まれているか否かを判定することにより、特定のストックの種子が八重咲き種子か否かを決定する決定部（１２）と、を備える。

Description

本発明は、鑑別装置、情報処理装置、プログラム、教師データおよび鑑別方法に関する。
切り花としてのストックは従来から盛んに栽培され、消費者に好まれている花の一つである。ストックは、１０月から３月にかけて咲くアブラナ科の花で、約２０ｃｍから約８０ｃｍの高さまで成長する一年草である。このストックには一重咲きと八重咲きとがあり、約半数ずつ出現するが、八重咲きの方が一重咲きよりもボリューム感があり、商品価値が高い。そのため、高い収益を上げるためには、ストックが開花する前の段階で、正確に一重咲きと八重咲きとを見分ける（八重鑑別）ことが重要になる。
現在、生産者はストックが苗の状態のときに八重鑑別を行っているが、間引く苗にかける育苗コスト（種苗費、資材費、スペース、および労力）が無駄になっている。これを解消するには、種子の状態で八重鑑別を行う必要がある。
特許文献１には、ストックの種子をコーティングすることで、八重咲き種子に対して一重咲き種子の生育を遅らせることによって、一重咲きと八重咲きとを見分ける方法が開示されている。
日本国公開特許公報「特開２００３‐５２２２０６号公報（２００３年２月２５日公開）」
しかしながら、上記従来の方法では、品種によらず八重鑑別を行うことができるものの、種子の状態で八重鑑別を行うことができないため、八重鑑別のためには種子を播種して鑑別できる段階まで育苗する必要があり、間引く苗にかける育苗コスト（種苗費、資材費、スペース、および労力）が無駄になっているという問題点がある。
本発明の一態様は、上記の問題点に鑑みてなされたものであり、その目的は、ストックの様々な品種について種子の状態での八重鑑別を可能にすることにある。
上記の課題を解決するために、本発明の一態様に係る鑑別装置は、八重咲き種子を鑑別する前の複数のストックの種子から上記八重咲き種子を鑑別するための鑑別装置であって、上記複数のストックの種子からの反射光の光情報から、上記複数のストックの種子のそれぞれについて、当該種子の色に含まれる所定の色成分の色調値を示す色調情報を少なくとも取得する情報取得部と、上記複数のストックの種子の上記所定の色成分の色調値を、それぞれ値が大きい順から順位付けし、上記複数のストックの種子のそれぞれについて、少なくとも上記所定の色成分の色調値の順位が所定の第１範囲に含まれているか否かを判定することにより、特定の上記ストックの種子が上記八重咲き種子か否かを決定する決定部と、を備えている。
また、本発明の一態様に係る教師データは、八重咲き種子を鑑別する前の複数のストックの種子のそれぞれについて、当該種子の画像データから上記種子の特徴を示す特徴情報を少なくとも取得する情報取得部を備え、上記複数のストックの種子について八重咲き種子を鑑別することを機械学習する鑑別装置に適用される、学習モデルを構築ないし更新するための教師データであって、上記複数のストックの種子の特徴情報を、上記鑑別装置の上記情報取得部が少なくとも取得する処理に用いられる、上記複数のストックの種子の画像データと、上記画像データに含まれる種子の成育後に咲く花の形態を示す形態データと、を含む構造を有している。
また、本発明の一態様に係る鑑別方法は、八重咲き種子を鑑別する前の複数のストックの種子から上記八重咲き種子を鑑別するための鑑別方法であって、上記複数のストックの種子からの反射光の光情報から、上記複数のストックの種子のそれぞれについて、当該種子の色に含まれる所定の色成分の色調値を示す色調情報を少なくとも取得する情報取得ステップと、上記複数のストックの種子の上記所定の色成分の色調値を、それぞれ値が大きい順から順位付けし、上記複数のストックの種子のそれぞれについて、少なくとも上記所定の色成分の色調値の順位が所定の第１範囲に含まれているか否かを判定することにより、特定の上記ストックの種子が上記八重咲き種子か否かを決定する決定ステップと、を含んでいる。
本発明の一態様によれば、ストックの様々な品種について種子の状態での八重鑑別を可能にすることができるという効果を奏する。
本発明の実施形態１および２に係る撮像装置および情報処理装置の機能的構成を示すブロック図である。 本発明の実施形態１に係る鑑別方法を示すフローチャートである。 本発明の実施形態２に係る鑑別方法の変形例を示すフローチャートである。 早麗に関し、八重咲き種子および一重咲き種子の撮像画像の例を示す図である。 グラフ１０１は、早麗に関し、種子のａ＊値の算出結果を示すヒストグラムであり、表１０２は、早麗について特定の対象種子のａ＊値が、対象の全ての種子のａ＊値のうち、下位ｘ％に含まれるかどうかに関し、種子選択率と正答率との関係を示す表である。 アイアンマリンに関し、八重咲き種子および一重咲き種子の撮像画像の例を示す図である。 アイアンマリンに関し、種子のａ＊値の算出結果を示すヒストグラムである。 表１０５は、アイアンマリンについて特定の対象種子のａ＊値が、対象の全ての種子のａ＊値のうち、下位ｘ％に含まれるかどうかに関し、種子選択率と正答率との関係を示す表であり、グラフ１０６は、早麗およびアイアンマリンのそれぞれの種子選択率と正答率との関係を示すグラフである。 アイアンマリンに関し、種子の面積、ｂ＊値、Ｒ値および真円度の算出結果を示すヒストグラムである。 表１１１は、アイアンマリンについて決定部における判定条件の例を示す表であり、表１１２は、表１１１に示す判定条件を適用した場合における種子選択率と正答率との関係を示す表である。 表１１３は、早麗について決定部における判定条件の別の例を示す表であり、表１１４は、表１１３に示す判定条件を適用した場合における種子選択率と正答率との関係を示す表である。 単一または複数の特徴量を用い八重鑑別を行った場合における早麗およびアイアンマリンのそれぞれの種子選択率と正答率との関係を示すグラフである。 表１１５は、黄色色調値を用い八重鑑別を行った場合における早麗およびアイアンマリンのそれぞれの種子選択率と正答率との関係を示す表であり、表１１６は、青色色調値を用い八重鑑別を行った場合における早麗およびアイアンマリンのそれぞれの種子選択率と正答率との関係を示す表である。 表１１７は、早麗、アイアンマリン、アイアンチェリーおよびアイアンホワイトのそれぞれについて特定の対象種子のａ＊値が、対象の全ての種子のａ＊値のうち、下位Ｘ％に含まれるかどうかに関し、種子選択率と正答率との関係を示す表であり、グラフ１１８は、ａ＊値による八重鑑別の種子選択率と正答率との品種比較を示すグラフである。 表１１９は、早麗、アイアンマリン、アイアンチェリーおよびアイアンホワイトのそれぞれについて特定の対象種子のｂ＊値が、対象の全ての種子のｂ＊値のうち、下位Ｙ％に含まれるかどうかに関し、種子選択率と正答率との関係を示す表であり、表１２０は、特定の対象種子のＢ値が、対象の全ての種子のＢ値のうち、下位Ｚ％に含まれるかどうかに関し、種子選択率と正答率との関係を示す表である。 表１２１は、早麗について複数の特徴量の組合せによる八重鑑別の種子選択率と正答率を示す表であり、表１２２は、アイアンマリンについて複数の特徴量の組合せによる八重鑑別の種子選択率と正答率を示す表であり、表１２３は、アイアンチェリーについて複数の特徴量の組合せによる八重鑑別の種子選択率と正答率を示す表であり、表１２４は、アイアンホワイトについて複数の特徴量の組合せによる八重鑑別の種子選択率と正答率を示す表である。 単一または複数の特徴量を用い八重鑑別を行った場合における早麗、アイアンマリン、アイアンチェリーおよびアイアンホワイトのそれぞれの種子選択率と正答率との関係を示すグラフである。 本発明の実施形態３に係るカラーセンサおよび情報処理装置の機能的構成を示すブロック図である。 グラフ１２５は、早麗に関し、種子のａ＊値の測定結果を示すヒストグラムであり、グラフ１２６は、早麗に関し、種子のｂ＊値の測定結果を示すヒストグラムである。
〔実施形態１〕
説明の便宜上、特定の項目について説明した構成と同一の機能を有する構成については、同一の符号を付記し、その説明を省略する。実施形態２以下の各実施形態についても同様である。
＜情報処理装置の機能的構成＞
情報処理装置１００としては、ＰＣ、タブレット端末および種子選別ロボット等を例示することができる。図１に示すように、情報処理装置１００は、表示部１、操作入力部２、記憶部３よび制御部４を備えている。なお、情報処理装置１００は、表示部１を備えていなくても良い。例えば、情報処理装置１００が表示部を備えない種子選別ロボットであるような場合、鑑別した種子を種子選別ロボットの手が選択して所定の場所へ移動させる形態などを例示することができる。
表示部１は、後述の鑑別装置１０による鑑別結果、および情報処理装置１００に装備されている各種機能（アプリケーションソフト）が実行されることに起因する画像等を表示する。操作入力部２は、入力されたユーザ操作を取得するものであり、例えば情報処理装置１００がタブレット端末の場合であれば、表示部１と一体となったタッチパネルが用いられる。
記憶部３は、後述の鑑別装置１０によって生成された各種データ、および制御部４が実行する各種の制御プログラム等を記憶するものであり、例えばハードディスク、フラッシュメモリなどの不揮発性の記憶装置によって構成される。記憶部３は、例えば情報処理装置１００の外部に備えられてもよい。
制御部４は、情報処理装置１００を統括的に制御するものであり、鑑別装置１０を備えている。鑑別装置１０は、複数のストックの種子から八重咲き種子を鑑別するための装置であり、図１に示すように画像解析部１１（情報取得部）および決定部１２を備えている。
本発明の実施形態に係る情報取得部は、上記複数のストックの種子からの反射光の光情報から、上記複数のストックの種子のそれぞれについて、当該種子の色に含まれる所定の色成分の色調値を示す色調情報を少なくとも取得するものである。本実施形態では、上記光情報が、撮像装置５００によって取得される画像情報であり、情報取得部が画像解析部１１である場合について説明するが、情報取得部の態様はこれに限定されない（実施形態３参照）。なお、情報取得部を画像解析部１１とした場合、色調情報の他、種子の面積や種子の断面形状の丸みの程度を示す情報など、種子の大きさや形に係る情報を取得することが可能になる（実施形態２参照）。撮像装置５００は、白色光源等から出射された光がストックの種子に当たって反射した反射光を受けて画像情報を取得する。
図１では、制御部４は情報処理装置１００に内蔵されているが、この場合に限定されない。例えば、制御部４は、情報処理装置１００に取付けられた外部装置や通信部（不図示）を介して利用するネットワークサーバーであっても構わない。あるいは、鑑別装置１０が、情報処理装置１００に取付けられた外部装置であってもよい。
なお、本実施形態以下の各実施形態においては、八重咲き種子を鑑別する前のストックの種をステージに１粒ずつ載置した状態の種子を、鑑別装置１０による八重鑑別の対象となるストックの種子（以下、「対象種子」と略記）とする。ここで、「八重咲き種子を鑑別する前のストックの種」は、色特性値等の順位付けが行われるストックの種子が、未選別の種子の集団であることを特定したものである。
なお、種子の撮影ができれば必ずしもストックの種をステージに載置しなくてもよい。ストックの種をステージに載置しないで種子の撮影を行う場合としては、例えば、空中で種子の撮影を行う場合が考えられる。空中で種子の撮影を行うための手法として、例えば、（株）サタケ製の多用途シュート式光選別機を用い、シュートに種子を流し、該シュートを流れて空中に飛び出した種子を撮影する手法を挙げることができる。
＜鑑別装置の機能的構成＞
（画像解析部）
画像解析部１１は、八重鑑別の前処理として、上記ステージに載置した複数の対象種子の画像を解析する。具体的には、まず、デジタルカメラなどの撮像装置５００を用いて、画像解析の対象となる複数の対象種子をそれらの上方から同一視野で撮像する。なお、本実施形態では、複数の対象種子を一括して撮影する形態について説明するが、複数の対象種子のそれぞれを１つずつ個別に撮影するようにしても良い。
撮像場所について特に制限はないものの、暗室内で撮像するのが好ましい。複数の対象種子の撮像画像（以下、「初期画像」と略記）は、ＲＡＷ画像の状態から撮像装置５００の画像編集ソフトによってＴＩＦ形式に現像されて、画像解析部１１に送信される。
ＴＩＦ形式の初期画像（以下、「ＴＩＦ画像」と略記）を受信した画像解析部１１は、ＲＧＢ色空間となっているＴＩＦ画像に二値化処理を施して二値化画像を生成する。
なお、本実施形態では、初期画像の画像形式としてＴＩＦ形式を用いる場合について説明するが、初期画像の画像形式としてはこれに限定されず、例えば、ＪＰＥＧ形式やＧＩＦ形式などを用いても良い。
上記の二値化処理の際、画像解析部１１は、画像内の対象種子と背景との境界の色相、彩度および明度を示す値（以下、「閾値」と略記）を算出・取得する。場合によっては、二値化処理の際に種子の種子面積ｓを算出・取得してもよい。そして、ＴＩＦ画像をＣＩＥＬＡＢ色空間に変換してＬ＊、ａ＊およびｂ＊の各画像に分割した後、当該二値化画像から上記Ｌ＊、ａ＊およびｂ＊の各画像を指定する。
なお、本実施形態以下の各実施形態では、画像内の対象種子と背景とを３つの指標（色相、彩度および明度）の閾値で分節したが、この場合に限定されない。例えば１つの指標のみで分節してもよいし、「色相、彩度および明度」以外の指標で分節してもよい。
ＣＩＥＬＡＢ色空間は、国際照明委員会（ＣＩＥ）が策定したほぼ完全な色空間である。人間の目で見ることができるすべての色を表すことができ、画像処理に係る機器固有モデルの基準として利用することができる。
ＣＩＥＬＡＢ色空間は、Ｌ＊、ａ＊およびｂ＊の３つの座標で構成される。Ｌ＊は色の明度を表し、Ｌ＊＝０が黒、Ｌ＊＝１００が白の拡散色となる。白の反射色は、Ｌ＊＝１００よりもさらに値が高くなる。ａ＊は、赤色／マゼンタ色と緑色との間の位置を表し、負の値が緑色寄りとなり、正の値が赤色／マゼンタ色寄りとなる。ｂ＊は、黄色と青色との間の位置を表し、負の値が青色寄りとなり、正の値が黄色寄りとなる。
次に、複数の対象種子のそれぞれについて、種子のＬ＊値、ａ＊値およびｂ＊値の３つの値を算出し、取得する。なお、この３つの値は、Ｌ＊、ａ＊およびｂ＊の各画像における全画素の平均値となる。
画像解析部１１は、算出・取得した種子のａ＊値を決定部１２に送信する。なお、種子のａ＊値は、記憶部３に送信されて記憶されてもよい。このことは、後述する種子の彩度Ｃ＊、Ｒ値、Ｂ値、ｂ＊値、種子面積ｓ、円形度ｒ、および真円度などについても同様である（実施形態２参照）。
（決定部）
決定部１２は、画像解析部１１から受信した種子の所定の色成分の色調値に基づいて、複数の対象種子のそれぞれについて八重咲き種子か否かを決定する。具体的には、決定部１２は、複数のストックの種子の所定の色成分の色調値を、それぞれ値が大きい順から順位付けし、複数のストックの種子のそれぞれについて、少なくとも上記所定の色成分の色調値の順位が所定の第１範囲に含まれているか否かを判定することにより、特定の上記ストックの種子が上記八重咲き種子か否かを決定する。
なお、本実施形態の決定部１２は、画像解析部１１から受信した種子のａ＊値に基づいて、複数の対象種子のそれぞれについて八重咲き種子か否かを決定する。具体的には、特定の対象種子に係る種子のａ＊値が、すべての対象種子に係る種子のａ＊値のうちの下位ｘ％（第１範囲）に含まれているか否かを判定する。
下位ｘ％に含まれていた場合、決定部１２は、判定対象となった特定の対象種子が八重咲き種子であることを決定する。一方、下位ｘ％に含まれていなかった場合、決定部１２は、上記特定の対象種子が八重咲き種子でない、言い換えれば一重咲き種子であることを決定する。
ここで、ｘの値としては、少なくとも５０以下の数値を用いる。このように数値設定することで、早麗の八重鑑別の正答率が約８０％以上となり、一般的に種子での八重鑑別においてほぼ成功と見做されるレベルの正答率となる。
決定部１２は、特定のストックの種子に係る赤色成分の色調値（ａ＊値）が、上記第１範囲としての、すべてのストックの種子に係る上記赤色成分の色調値のうちの下位５０％の範囲に含まれているか否かを判定しても良い。これにより、例えば、ストックの品種が早麗である場合に、８０％以上の高い精度で八重鑑別を行うことが可能になる。
なお、ｘの値は、記憶部３または決定部１２内のメモリ（不図示）等に予め記憶されていてもよい。または、操作入力部２からユーザ入力することにより、ストックの種類等に応じた好ましい数値を任意に設定してもよい。
決定部１２が特定の対象種子を八重咲き種子であると決定した場合、鑑別装置１０は、当該特定の対象種子を八重咲き種子であると鑑別し、鑑別結果を表示部１に表示させる。一方、決定部１２が特定の対象種子を一重咲き種子であると決定した場合、鑑別装置１０は、当該特定の対象種子を一重咲き種子であると鑑別し、鑑別結果を表示部１に表示させる。
また、決定部１２は、ストックの品種に応じて、上記第１範囲を変更することができるようになっていても良い。例えば、早麗とアイアンマリンとで、好適に八重鑑別できる第１範囲が異なっている。このため、ストックの品種に応じて、第１範囲を適切な範囲に変更することにより、八重鑑別の精度を上げることが可能になる。
＜赤色色調値に基づく八重咲き種子の鑑別方法＞
図２に示すように、まずステップ１０１（以下、「Ｓ１０１」と略記）にて、撮像装置５００によってＴＩＦ画像を生成し、画像解析部１１が撮像装置５００からＴＩＦ画像を受信することにより、Ｓ１０２に進む。
Ｓ１０２（情報取得ステップ）では、画像解析部１１が、ＴＩＦ画像をＣＩＥＬＡＢ色空間に変換してＬ＊、ａ＊およびｂ＊の各画像に分割し、Ｓ１０３に進む。
Ｓ１０３（情報取得ステップ）では、画像解析部１１が、ＣＩＥＬＡＢ色空間に変換されたＴＩＦ画像に二値化処理を施した上で、複数の対象種子のそれぞれについてＬ＊値、ａ＊値およびｂ＊値を算出し、すべての対象種子に係る種子のａ＊値を決定部１２に送信して、Ｓ１０４に進む。
Ｓ１０４（決定ステップ）では、決定部１２が、複数の対象種子のそれぞれについて、種子のａ＊値がすべての対象種子に係る種子のａ＊値のうちの下位ｘ％に含まれているか否かを判定する。Ｓ１０４でＹＥＳ（以下、「Ｙ」と略記）と判定した場合、決定部１２は、判定対象となった特定の対象種子が八重咲き種子であることを決定して、Ｓ１０５に進む。
Ｓ１０５では、鑑別装置１０が、決定部１２によって八重咲き種子であると決定された特定の対象種子を、最終的に八重咲き種子であると鑑別する。鑑別装置１０は、鑑別結果を表示部１に送信して表示させる。
一方、Ｓ１０４でＮＯ（以下、「Ｎ」と略記）と判定した場合、決定部１２は、判定対象となった特定の対象種子が一重咲き種子であることを決定して、Ｓ１０６に進む。Ｓ１０６では、鑑別装置１０が、決定部１２によって一重咲き種子であると決定された特定の対象種子を、最終的に一重咲き種子であると鑑別する。鑑別装置１０は、鑑別結果を表示部１に送信して表示させる。
すべての対象種子について、Ｓ１０５またはＳ１０６のいずれかの処理が終わることにより、鑑別装置１０による八重鑑別が終了する。
上述した形態では、八重鑑別を行う第１の指標としての所定の色成分の色調値として、赤色成分の色調値であるａ＊値を用いる形態について説明した。しかしながら、所定の色成分の色調値はａ＊値に限定されず、例えば、黄色成分の色調値ｂ＊や青色成分の色調値Ｂを用いても本発明の所期の効果を得られることが判明している（図１３参照）。
また、特にストックの種子の色は、品種によらず、一重咲き種子の方が八重咲き種子と比較して赤みが強い傾向がある。このため、種子の色の赤みの強さを示す指標として、赤色色調値（ａ＊値）を利用することにより、育苗コストを低減しつつ、ストックの様々な品種について種子の状態での八重鑑別を可能にすることができる。
さらに、従来は、八重咲き種子と一重咲き種子とを選別することはできなかったが、鑑別装置１０によれば、八重咲き種子と一重咲き種子とを選別することが可能になる。
〔実施形態２〕
ここで、種子の色特性値を表すパラメータの他、種子のサイズや種子の形状を表すパラメータを用いても、高い鑑別精度で八重鑑別できる可能性がある。例えば、種子の形状を表すパラメータとして種子の円形度ｒを用いる場合が考えられる。「円形度」は形の丸さ（丸みの程度）を示す指標であり、一重咲き種子では円形度が大きく（丸く）なり、八重咲き種子では円形度が小さく（細長く）なると考えられる。円形度は、下記の式１を用いて算出される。
（式１）
円形度＝４×種子の種子面積／（π×種子の最大径２）
画像解析等によって鑑別対象となるストックの種子の円形度ｒを算出し、円形度ｒがより下位の種子から当該種子を八重咲き種子として順次選択することで、高い鑑別精度で八重鑑別できる可能性がある。
具体的には、例えば、画像解析部１１は、上記ａ＊値に加重して、さらに種子の面積（種子面積ｓ）を示す面積情報を取得し、決定部１２は、複数のストックの種子のそれぞれについて、さらに、上記面積が所定の第２範囲に含まれているか否かを判定しても良い。これにより、赤色色調値と種子の面積とを組合せることで、八重鑑別の精度をより高くすることができる。
また、画像解析部１１は、上記ａ＊値に加重して、さらに種子の断面形状の丸みの程度（円形度ｒ、真円度）を示す丸み情報を取得し、決定部１２は、複数のストックの種子のそれぞれについて、さらに、上記丸みの程度が所定の第３範囲に含まれているか否かを判定しても良い。これにより、赤色色調値と種子の丸み情報とを組合せることで、八重鑑別の精度をより高くすることができる。
次に、画像解析部１１は、上記ａ＊値に加重して、さらに種子の色に含まれる黄色成分の色調値を表す黄色色調値情報を取得し、決定部１２は、複数のストックの種子のそれぞれについて、さらに、上記黄色成分の色調値が、所定の第４範囲に含まれているか否かを判定しても良い。黄色成分の色調値の具体例としては、ＣＩＥＬＡＢ色空間のｂ＊値を挙示することができる。これにより、赤色色調値と黄色色調値とを組合せることで、八重鑑別の精度をより高くすることができる。
また、画像解析部１１は、上記ａ＊値に加重して、さらに種子の色に含まれる青色成分の色調値を表す青色色調値情報を取得し、決定部１２は、複数のストックの種子のそれぞれについて、さらに、上記青色成分の色調値が、所定の第５範囲に含まれているか否かを判定しても良い。青色成分の色調値の具体例としては、ＲＧＢ色空間のＢ値を挙示することができる。これにより、赤色色調値と青色色調値とを組合せることで、八重鑑別の精度をより高くすることができる。
次に、画像解析部１１は、上記ａ＊値に加重して、さらに種子の彩度Ｃ＊を示す彩度情報を取得し、決定部１２は、複数のストックの種子のそれぞれについて、さらに、上記彩度Ｃ＊が所定の第６範囲に含まれているか否かを判定しても良い。これにより、赤色色調値と彩度とを組合せることで、八重鑑別の精度をより高くすることができる。
図１に示す情報処理装置２００は、鑑別装置１０の画像解析部１１が、種子のａ＊値に加えて種子の円形度ｒを算出・取得する点で、実施形態１に係る情報処理装置１００と異なる。また、情報処理装置２００は、鑑別装置１０の決定部１２が、種子のａ＊値および種子の円形度ｒのそれぞれについて所定の数値範囲に含まれるか否かを判定する点でも、情報処理装置１００と異なる。
＜複数の特徴量に基づく八重咲き種子の鑑別方法＞
図３に示すフローチャートにおいて、Ｓ２０１、Ｓ２０３およびＳ２０４の各処理は、図２のフローチャートにおけるＳ１０１〜Ｓ１０３の各処理と同様であるため、その説明を省略する。
Ｓ２０２では、画像解析部１１が、複数の対象種子のそれぞれについて、種子の円形度ｒを算出・取得して、Ｓ２０３に進む。
Ｓ２０４（情報取得ステップ）では、画像解析部１１が、複数の対象種子のそれぞれについて、種子のａ＊値を算出・取得して、Ｓ２０５に進む。画像解析部１１は、すべての対象種子に係る種子の円形度ｒおよびａ＊値を決定部１２に送信する。
Ｓ２０５（決定ステップ）では、決定部１２が、特定の対象種子に係る、（Ｉ）ａ＊値がすべてのａ＊値のうちの下位ｘ％に含まれているか否か、かつ（ＩＩ）円形度ｒがすべての円形度ｒのうちの下位ｙ％に含まれているか否かについて判定する。
Ｓ２０５でＹと判定した場合、言い換えれば、特定の対象種子のａ＊値、かつ円形度ｒが上記（Ｉ）および（ＩＩ）の数値範囲に含まれていた場合、Ｓ２０６に進む。
Ｓ２０６（決定ステップ）では、決定部１２が、判定対象となった特定の対象種子が八重咲き種子であることを決定し、鑑別装置１０が、決定部１２によって八重咲き種子であると決定された特定の対象種子を、最終的に八重咲き種子であると鑑別する。鑑別装置１０は、鑑別結果を表示部１に送信して表示させる。
一方、Ｓ２０５でＮＯ（以下、「Ｎ」と略記）と判定した場合、言い換えれば、特定の対象種子のａ＊値、および円形度ｒのいずれも上記（Ｉ）および（ＩＩ）の数値範囲に含まれていなかった場合、決定部１２は、判定対象となった特定の対象種子が一重咲き種子であることを決定して、Ｓ２０７に進む。
Ｓ２０７では、鑑別装置１０が、決定部１２によって一重咲き種子であると決定された特定の対象種子を、最終的に一重咲き種子であると鑑別する。鑑別装置１０は、鑑別結果を表示部１に送信して表示させる。
すべての対象種子について、Ｓ２０６またはＳ２０７のいずれかの処理が終わることにより、鑑別装置１０による八重鑑別が終了する。
＜変形例＞
上述した形態では、種子のａ＊値に加重して使用するパラメータとして円形度ｒを用いる形態について説明した。しかしながら、鑑別装置１０による八重鑑別においては、種子のａ＊値に加重して用いるパラメータとして、円形度ｒ以外のパラメータを用いても良い。
円形度ｒ以外のパラメータとしては、種子面積ｓ、ＲＧＢ色空間のＲ値、ＣＩＥＬＡＢ色空間のｂ＊値、真円度、および彩度Ｃ＊などを例示することができる。
種子面積ｓは、対象種子を平面視した場合における当該種子の外周で取り囲まれた領域の面積である。
彩度Ｃ＊は色の鮮やかさの尺度である。彩度Ｃ＊は下記の式２を用いて算出される。
（式２）
Ｃ＊＝〔（ａ＊）２＋（ｂ＊）２〕１／２
真円度は、円形形体の幾何学的に正しい円からの狂いの大きさである。真円度は、下記の式３を用いて算出される。
（式３）
真円度＝4π×（面積）/（円周）2
例えば、画像解析部１１が、円形度ｒの代わりに種子面積ｓ、ＲＧＢ色空間のＲ値、Ｂ値、ＣＩＥＬＡＢ色空間のｂ＊値、真円度、または彩度Ｃ＊の何れかを算出・取得し、決定部１２が、種子のａ＊値、ならびに、種子面積ｓ、ＲＧＢ色空間のＲ値、Ｂ値、ＣＩＥＬＡＢ色空間のｂ＊値、真円度、または彩度Ｃ＊の何れかに基づいて八重咲き種子か否かを決定してもよい。
また、上述した形態では、種子のａ＊値および円形度ｒの２種類のパラメータを用いて八重鑑別を行ったが、この例に限定されず、種子のａ＊値を含む３種類以上のパラメータを用いて八重鑑別を行っても良い。例えば、特定の種子のａ＊値が下位ｘ％の範囲に含まれ、かつＲ値が下位ｙ％の範囲に含まれ、かつ種子面積ｓが上位ｚ％の範囲に含まれる場合に、上記特定の種子が、八重咲き種子であると判定しても良い。
図４に早麗のストックに係る八重咲き種子および一重咲き種子の撮像画像の例を示す。図４に示す撮像画像は白黒で表示されているため分かり難いが、八重咲き種子よりも一重咲き種子の方が、赤みが強い傾向がある。
図５のグラフ１０１は、早麗に関し、種子のａ＊値の算出結果を示すヒストグラムである。図５のグラフ１０１のヒストグラムは、上述したＴＩＦ画像に基づいて生成したものであり、図中の実線のグラフが八重咲き種子、破線のグラフが一重咲き種子である。図５のグラフ１０１に示すように、ａ＊値が小さい（５〜１０）範囲では、八重咲き種子の頻度が、一重咲き種子の頻度よりも高い傾向があることが分かる。
図５の表１０２は、早麗について特定の対象種子のａ＊値が、対象の全ての種子のａ＊値のうち、下位Ｘ％に含まれるかどうかに関し、種子選択率と正答率との関係を示す表である。同図に示すように、種子選択率Ｘ％を小さくすればするほど、八重鑑別の正答率が高くなることが分かる。
種子選択率は、本実施形態の方法で八重鑑別を行った対象種子の数を対象種子の総数で除し、さらに１００を乗じて算出される値である。
なお、図５の表１０２に示す八重鑑別の正答率は、（１）2018年4月9日に撮影した３５０粒を対象とした鑑別結果と、（２）2018年4月13日に撮影した３００粒を対象とした鑑別結果と、の平均をとったものである。
図６にアイアンマリンに係る八重咲き種子および一重咲き種子の撮像画像の例を示す。図６に示す撮像画像は白黒で表示されているため分かり難いが、八重咲き種子よりも一重咲き種子の方が、赤みが強い傾向がある。しかしながら、その傾向は、早麗の場合に比べて弱く、アイアンマリンの場合は、種子の色の赤みでは、八重咲き種子と一重咲き種子とを見分けづらい傾向がある。
図７のグラフ１０３およびグラフ１０４は、アイアンマリンに関し、種子のａ＊値の算出結果を示すヒストグラムである。図７のグラフ１０３は、2018年4月9日に撮影した２２４粒を対象とした場合のヒストグラムである。また、図７のグラフ１０４は、2018年4月12日に撮影した２８４粒を対象とした場合のヒストグラムである。
図７のグラフ１０３およびグラフ１０４のヒストグラムは、上述したＴＩＦ画像に基づいて生成したものであり、図中の実線のグラフが八重咲き種子、破線のグラフが一重咲き種子である。これらの図に示すように、ａ＊値が極めて小さい（１〜４）範囲では、八重咲き種子の頻度と一重咲き種子の頻度が重なったり、頻度の高低が逆転したりしていることが分かる。
次に、図８の表１０５は、アイアンマリンについて特定の対象種子のａ＊値が、対象の全ての種子のａ＊値のうち、下位Ｘ％に含まれるかどうかに関し、種子選択率と正答率との関係を示す表である。同図に示すように、アイアンマリンでは、種子選択率Ｘ％（１０〜５０）の値に関わらず、八重鑑別の正答率は６６％〜６９％の間の値が維持されている。
また、図８のグラフ１０６に示すように、早麗の場合の八重鑑別の正答率は、アイアンマリンの場合の八重鑑別の正答率より高く、これらの品種間で八重鑑別の正答率に大きな差があることが分かる。このため、上述した実施形態２のようにａ＊値に加えて円形度ｒなどのパラメータを用いて八重鑑別を行うことが好ましい。すなわち、複数の種子の特徴量を利用して八重鑑別を行うことで、鑑別精度を向上させることができる。
次に、対象種子のそれぞれについて、種子面積ｓ、ＲＧＢ色空間のＲ値、ＣＩＥＬＡＢ色空間のｂ＊値、真円度の各算出結果をヒストグラムで表すと、例えば、図９のグラフ１０７〜グラフ１１０に示すようなヒストグラムとなった。なお、図９のヒストグラムは、上述したＴＩＦ画像に基づいて生成したものであり、図中の実線のグラフが八重咲き種子、破線のグラフが一重咲き種子である。
次に、アイアンマリンの特定の対象種子の特徴量が、対象の全ての種子の特徴量のうち、図１０の表１１１に示す範囲に含まれるかどうかで八重鑑別を行った。図１０の表１１１に示す条件（１）と条件（２）とをともに満たす種子を八重咲き種子と判定した場合、図１０の表１１２に示す種子選択率２４％にて、八重鑑別の正答率９１％の結果が得られた。
次に、早麗の特定の対象種子の特徴量が、対象の全ての種子の特徴量のうち、図１１の表１１３に示す範囲に含まれるかどうかで八重鑑別を行った。図１１の表１１３に示す条件（１）と条件（２）とをともに満たす種子を八重咲き種子と判定した場合、図１１の表１１４に示す種子選択率２９％にて、八重鑑別の正答率９３％の結果が得られた。
複数の特徴量を組合せて八重鑑別を行った場合、図１２のグラフに示すように、早麗であるか、アイアンマリンであるかによらず、八重鑑別の正答率は向上した。図１２に示す「早麗単」は、早麗のストックについて単一の特徴量にて八重鑑別を行った結果を示す。また、「早麗複」は、早麗のストックについて複数の特徴量にて八重鑑別を行った結果を示す。「アイアンマリン単」は、アイアンマリンのストックについて単一の特徴量にて八重鑑別を行った結果を示す。また、「アイアンマリン複」は、アイアンマリンのストックについて複数の特徴量にて八重鑑別を行った結果を示す。
次に、図１３の表１１５に基づき、八重鑑別に用いる指標として、黄色色調値（ＣＩＥＬＡＢ色空間のｂ＊値）のみを用いて鑑別を行った結果を示す。ここでは、特定の対象種子のｂ＊値が、対象の全ての種子ｂ＊値のうち、下位Ｙ％に含まれるかどうかで八重を選別した。種子選択率Ｙは、１０〜５０の範囲とした。同図に示すように、種子選択率１０％〜５０％にて、早麗の八重鑑別の正答率６２％〜７３％の結果が得られた。また、アイアンマリンの八重鑑別の正答率６０％〜６５％の結果が得られた。
次に、図１３の表１１６に基づき、八重鑑別に用いる指標として、青色色調値（ＲＧＢ色空間のＢ値）のみを用いて鑑別を行った結果を示す。特定の対象種子のＢ値が、対象の全ての種子Ｂ値のうち、上位Ｚ％に含まれるかどうかで八重を選別した。種子選択率Ｙは、１０〜５０の範囲とした。同図に示すように、種子選択率１０％〜５０％にて、早麗の八重鑑別の正答率６１％〜６３％の結果が得られた。また、アイアンマリンについては、種子選択率１０および２０の範囲において、八重鑑別の正答率５９％、６２％の結果が得られた。
以上のように、八重鑑別に用いる指標としてｂ＊値やＢ値のみを用いた場合、八重鑑別の正答率は、ａ＊値のみを用いた場合と比較して多少劣るものの、ある程度向上させることが可能であることが分かった。
次に、図１４の表１１７は、早麗、アイアンマリン、アイアンチェリーおよびアイアンホワイトのそれぞれについて特定の対象種子のａ＊値が、対象の全ての種子のａ＊値のうち、下位Ｘ％に含まれるかどうかに関し、種子選択率と正答率との関係を示す表である。同図に示すように、種子選択率Ｘ％を小さくすればするほど、八重鑑別の正答率が高くなる。
なお、図１４の表１１７に示す早麗についての八重鑑別の正答率は、（１）2018年4月9日に撮影した３５０粒を対象とした鑑別結果と、（２）2018年4月13日に撮影した３００粒を対象とした鑑別結果と、（３）2018年9月3日に撮影した２００粒を対象とした鑑別結果と、（４）2018年9月5日に撮影した２００粒を対象とした鑑別結果と、の平均をとったものである。
次に、図１４の表１１７に示すアイアンマリンについての八重鑑別の正答率は、（１）2018年4月9日に撮影した２５０粒を対象とした鑑別結果と、（２）2018年4月12日に撮影した３００粒を対象とした鑑別結果と、の平均をとったものである。
また、図１４の表１１７に示すアイアンチェリーおよびアイアンホワイトのそれぞれについての八重鑑別の正答率は、（１）2018年9月3日に撮影した２５０粒を対象とした鑑別結果と、（２）2018年9月5日に撮影した２５０粒を対象とした鑑別結果と、の平均をとったものである。
次に、図１４のグラフ１１８は、ａ＊値による八重鑑別の種子選択率と正答率との品種比較を示すグラフである。同図に示すように、早麗、アイアンチェリーおよびアイアンホワイトは、いずれも種子選択率が低くなるにつれて、八重鑑別の正答率が高くなる傾向がある。一方、アイアンマリンは、種子選択率を変化させても八重鑑別の正答率はあまり変化しない傾向がある。
次に、図１５の表１１９は、早麗、アイアンマリン、アイアンチェリーおよびアイアンホワイトのそれぞれについて特定の対象種子のｂ＊値が、対象の全ての種子のｂ＊値のうち、下位Ｙ％に含まれるかどうかに関し、種子選択率と正答率との関係を示す表である。同図によれば、種子選択率２０％以下では、アイアンチェリーおよびアイアンホワイトの八重鑑別の正答率が、早麗およびアイアンマリンに比較して高くなっている。
次に、図１５の表１２０は、早麗、アイアンマリン、アイアンチェリーおよびアイアンホワイトのそれぞれについて特定の対象種子のＢ値が、対象の全ての種子のＢ値のうち、下位Ｚ％に含まれるかどうかに関し、種子選択率と正答率との関係を示す表である。同図によれば、種子選択率２０％以下では、アイアンホワイトの八重鑑別の正答率が、早麗おアイアンマリンおよびアイアンチェリーに比較して高くなっている。
（種子の面積、色情報および形態情報の組合せによる八重鑑別の結果）
次に、図１６に基づき、種子の面積、色情報および形態情報の組合せによる八重鑑別の結果について説明する。
早麗については、条件（１）〔面積：上位１０％，Ｒ値：下位２０％，ａ＊値：下位２０％〕のいずれかに該当し、かつ条件（２）〔Ｂ値：下位１０％，ａ＊値：上位４０％〕のいずれにも該当しない種子を八重として選別した。この結果、図１６の表１２１に示すように、種子選択率３０％で、八重鑑別の正答率が９０％の高い値を示した。
次に、アイアンマリンについては、条件（１）〔面積：上位５％，Ｒ値：下位５〜１０％，ａ＊値：下位５５％，円形度：下位５％〕のいずれかに該当し、かつ条件（２）〔面積：下位１０％，Ｒ値：上位１０〜３０％，ａ＊値：下位３％，ｂ＊値：上位３５％，彩度：上位３５％または平均値×０．８以下，真円度：下位３％〕のいずれにも該当しない種子を八重として選別した。この結果、図１６の表１２２に示すように、種子選択率２４％で、八重鑑別の正答率が９１％の高い値を示した。
次に、アイアンチェリーについては、条件（１）〔色差：下位１０％，彩度：下位２０％〕のいずれかに該当し、かつ条件（２）〔面積：下位１５％または上位１０％，Ｒ値：上位３％，ａ＊値：上位５％，ｂ＊値：上位１５％〕のいずれにも該当しない種子を八重として選別した。この結果、図１６の表１２３に示すように、種子選択率２６％で、八重鑑別の正答率が８８％の高い値を示した。
次に、アイアンホワイトについては、条件（１）〔ａ＊値：下位３５％〕に該当し、かつ条件（２）〔面積：下位１５％または上位３％，Ｒ値：上位３％，Ｂ値：下位２％，ｂ＊値：下位３％，アスペクト比：下位５％〕のいずれにも該当しない種子を八重として選別した。ここで、アスペクト比は、対象種子を楕円にフィッティングさせたときにおける長軸の長さを短軸で割った値である。上記の八重鑑別の結果、図１６の表１２４に示すように、種子選択率２３％で、八重鑑別の正答率が８４％の高い値を示した。
次に、図１７は、単一または複数の特徴量を用い八重鑑別を行った場合における早麗、アイアンマリン、アイアンチェリーおよびアイアンホワイトのそれぞれの種子選択率と正答率との関係を示すグラフである。
同図に示すように、単一の特徴量を用い八重鑑別を行った場合、早麗、アイアンチェリーおよびアイアンホワイトは、いずれも種子選択率が低くなるにつれて、八重鑑別の正答率が高くなる傾向がある。一方、アイアンマリンは、種子選択率を変化させても八重鑑別の正答率はあまり変化しない傾向がある。
次に、複数の特徴量を組合せて八重鑑別を行った場合、図１７のグラフに示すように、早麗であるか、アイアンマリンであるか、アイアンチェリーであるか、アイアンホワイトであるかによらず、八重鑑別の正答率は向上した。図１７に示す「早麗単」は、早麗のストックについて単一の特徴量にて八重鑑別を行った結果を示す。また、「早麗複」は、早麗のストックについて複数の特徴量にて八重鑑別を行った結果を示す。「アイアンマリン単」は、アイアンマリンのストックについて単一の特徴量にて八重鑑別を行った結果を示す。また、「アイアンマリン複」は、アイアンマリンのストックについて複数の特徴量にて八重鑑別を行った結果を示す。
次に、「アイアンチェリー単」は、アイアンチェリーのストックについて単一の特徴量にて八重鑑別を行った結果を示す。また、「アイアンチェリー複」は、アイアンチェリーのストックについて複数の特徴量にて八重鑑別を行った結果を示す。
また、「アイアンホワイト単」は、アイアンホワイトのストックについて単一の特徴量にて八重鑑別を行った結果を示す。また、「アイアンホワイト複」は、アイアンホワイトのストックについて複数の特徴量にて八重鑑別を行った結果を示す。
〔実施形態３〕
次に、図１８は、本発明の実施形態３に係るカラーセンサ６００および情報処理装置３００の機能的構成を示すブロック図である。本実施形態では、実施形態１および２の撮像装置５００に替えてカラーセンサ６００を用いている点で、上述した形態と異なっている。すなわち、本実施形態では、複数のストックの種子からの反射光の光情報が、カラーセンサ６００によって検出される検出情報となっている。これにより、上記光情報が撮像装置５００によって取得される画像情報である場合と比較して、色調情報を取得する処理が簡単になり、処理コストを低減させることができる。また、本実施形態の情報処理装置３００は、制御部４が、画像解析部１１に替えて、データ解析部１１ａを備えている点で上述した形態と異なっている。
カラーセンサ６００は、光源と受光部とを備えており、光源から出射した光が種子に当たって反射した反射光を受光部で検出するようになっている。カラーセンサ６００は、ＲＧＢ値を出力するものであっても良く、直接ａ＊値やｂ＊値を出力するものであって良い。なお、カラーセンサ６００が、ＲＧＢ値を出力する場合、データ解析部１１ａは、上記ＲＧＢ値を基に、ａ＊値やｂ＊値を算出する。
直接ａ＊値やｂ＊値を出力するカラーセンサ６００の具体例としては、色彩色差計（コニカミノルタ社製；ＣＲ−２００）を例示することができる。この色彩色差計による色調情報の取得方法は、以下のとおりである。色彩色差計の光源をＣまたはＤ６５のいずれかに設定する。測定開始前には白色校正板によって白色校正を行う。全ての対象種子の測定は同一の設定および校正条件で行う。種子を白い板に置き、設定・校正済みの色彩色差計を用いてａ＊値およびｂ＊値を１粒ずつ測定する。このとき、早麗の種子のａ＊値およびｂ＊値は、それぞれ、図１９の符号１２５で示すグラフ、および符号１２６で示すグラフのような分布となる。
〔ＡＩの適用例〕
画像解析部１１（またはデータ解析部１１ａ）による赤色色調情報等（特徴情報）の取得の手法、および決定部１２による八重咲き種子か否かの決定の手法は、上述の各実施形態に限定されない。上記の各手法として、例えば機械学習、若しくは、以下に示すような機械学習的手法の何れかまたはそれらの組合せを用いることができる。
・サポートベクターマシン（SVM: Support Vector Machine）
・クラスタリング（Clustering）
・帰納論理プログラミング（ILP: Inductive Logic Programming）
・遺伝的アルゴリズム（GP: Genetic Programming）
・ベイジアンネットワーク（BN: Bayesian Network）
・ニューラルネットワーク（NN: Neural Network）
ニューラルネットワークを用いる場合、畳み込み処理を含む畳み込みニューラルネットワーク（ＣＮＮ:Convolutional Neural Network）を用いてもよいし、再帰的処理を含むリカレントニューラルネットワーク（ＲＮＮ:Recurrent Neural Network）を用いてもよい。なお、鑑別装置１０が行っているような画像処理の場合であれば、ＣＮＮを用いる方が好ましい。
ＣＮＮを用いる場合、より具体的には、ニューラルネットワークに含まれる１または複数の層（レイヤ）として、畳み込み演算を行う畳み込み層を設け、当該層に入力される入力データに対してフィルタ演算（積和演算）を行う構成としてもよい。またフィルタ演算を行う際には、パディング等の処理を併用したり、適宜設定されたストライド幅を採用したりしてもよい。また、ニューラルネットワークとして、数十〜数千層に至る多層型または超多層型のニューラルネットワークを用いてもよい。
さらに、画像解析部１１による赤色色調情報等の取得、および決定部１２による八重咲き種子か否かの決定に用いられる機械学習は、教師あり学習であってもよいし、教師なし学習であってもよい。
ここで、鑑別装置１０が教師あり学習を行う場合、すなわち鑑別装置１０が教師データを用いて機械学習する場合、この機械学習に用いられる教師データとしては、以下に示すような構造を有するものが想定される。「教師データ」とは、鑑別装置１０が複数のストックの種子について八重咲き種子を鑑別することを機械学習する際に適用される、学習モデルを構築ないし更新するためのデータを指す。
例えば、（ｉ）画像解析部１１が少なくとも複数のストックの種子の赤色色調情報等を取得する処理に用いられる、当該複数のストックの種子の画像データと、（ｉｉ）画像データに含まれる種子の成育後に咲く花の形態を示す形態データと、を含む構造を有する教師データが想定される。このような画像データと形態データが対応付けられた教師データを鑑別装置１０の記憶部３等に記録しておき、鑑別装置１０に学習させることで、鑑別装置１０の鑑別精度を簡易かつ飛躍的に向上させることができる。
〔ソフトウェアによる実現例〕
鑑別装置１０の制御ブロック（特に画像解析部１１および決定部１２）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。
後者の場合、鑑別装置１０は、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータを備えている。このコンピュータは、例えば１つ以上のプロセッサを備えていると共に、上記プログラムを記憶したコンピュータ読み取り可能な記録媒体を備えている。そして、上記コンピュータにおいて、上記プロセッサが上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記プロセッサとしては、例えばＣＰＵ（Central Processing Unit）を用いることができる。上記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read Only Memory）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムを展開するＲＡＭ（Random Access Memory）などをさらに備えていてもよい。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。
〔まとめ〕
本発明の態様１に係る鑑別装置は、八重咲き種子を鑑別する前の複数のストックの種子から上記八重咲き種子を鑑別するための鑑別装置であって、上記複数のストックの種子からの反射光の光情報から、上記複数のストックの種子のそれぞれについて、当該種子の色に含まれる所定の色成分の色調値を示す色調情報を少なくとも取得する情報取得部と、上記複数のストックの種子の上記所定の色成分の色調値を、それぞれ値が大きい順から順位付けし、上記複数のストックの種子のそれぞれについて、少なくとも上記所定の色成分の色調値の順位が所定の第１範囲に含まれているか否かを判定することにより、特定の上記ストックの種子が上記八重咲き種子か否かを決定する決定部と、を備えている。上記構成によれば、ストックの種子の色に含まれる所定の色成分の色調値を利用することにより、ストックの様々な品種について種子の状態での八重鑑別を可能にすることができる。
本発明の態様２に係る鑑別装置は、上記態様１において、上記光情報が、撮像装置によって取得される画像情報であっても良い。上記構成によれば、色調情報の他、種子の面積や種子の断面形状の丸みの程度を示す情報など、種子の大きさや形に係る情報を取得することが可能になる。
本発明の態様３に係る鑑別装置は、上記態様１において、上記光情報が、カラーセンサによって検出される検出情報であっても良い。上記構成によれば、上記光情報が撮像装置によって取得される画像情報である場合と比較して、色調情報を取得する処理が簡単になり、処理コストを低減させることができる。
本発明の態様４に係る鑑別装置は、上記態様１〜３の何れかにおいて、上記所定の色成分の色調値は、赤色成分の色調値であり、上記色調情報は、上記赤色成分の色調値を示す赤色色調情報であっても良い。ストックの種子の色は、品種によらず、一重咲き種子の方が八重咲き種子と比較して赤みが強い傾向がある。このため、上記構成によれば、種子の色の赤みの強さを示す指標として、赤色色調値を利用することにより、ストックの様々な品種について種子の状態での八重鑑別を可能にすることができる。
本発明の態様５に係る鑑別装置は、上記態様１〜４の何れかにおいて、上記決定部は、上記ストックの品種に応じて、上記第１範囲を変更することができる。上記構成によれば、ストックの品種に応じて、第１範囲を適切な範囲に変更することにより、八重鑑別の精度を上げることが可能になる。
本発明の態様６に係る鑑別装置は、上記態様４において、上記決定部は、特定の上記ストックの種子に係る上記赤色成分の色調値が、上記第１範囲としての、すべてのストックの種子に係る上記赤色成分の色調値のうちの下位５０％の範囲に含まれているか否かを判定する。上記構成によれば、例えば、ストックの品種が早麗である場合に、８０％以上の高い精度で八重鑑別を行うことが可能になる。
本発明の態様７に係る鑑別装置は、上記態様２において、上記情報取得部は、さらに上記種子の面積を示す面積情報を取得し、上記決定部は、上記複数のストックの種子のそれぞれについて、さらに、上記面積が所定の第２範囲に含まれているか否かを判定する。上記構成によれば、所定の色成分の色調値と種子の面積とを組合せることで、八重鑑別の精度をより高くすることができる。
本発明の態様８に係る鑑別装置は、上記態様２において、上記情報取得部は、さらに上記種子の断面形状の丸みの程度を示す丸み情報を取得し、上記決定部は、上記複数のストックの種子のそれぞれについて、さらに、上記丸みの程度が所定の第３範囲に含まれているか否かを判定する。上記構成によれば、所定の色成分の色調値と種子の丸み情報とを組合せることで、八重鑑別の精度をより高くすることができる。
本発明の態様９に係る鑑別装置は、上記態様１から８までの何れかにおいて、上記情報取得部は、さらに上記種子の色に含まれる黄色成分の色調値を表す黄色色調値情報を取得し、上記決定部は、上記複数のストックの種子のそれぞれについて、さらに、上記黄色成分の色調値が、所定の第４範囲に含まれているか否かを判定する。上記構成によれば、所定の色成分（黄色成分を除く）の色調値と黄色色調値とを組合せることで、八重鑑別の精度をより高くすることができる。
本発明の態様１０に係る鑑別装置は、上記態様１から９までの何れかにおいて、上記情報取得部は、さらに上記種子の色に含まれる青色成分の色調値を表す青色色調値情報を取得し、上記決定部は、上記複数のストックの種子のそれぞれについて、さらに、上記青色成分の色調値が、所定の第５範囲に含まれているか否かを判定する。上記構成によれば、所定の色成分（青色成分を除く）の色調値と青色色調値とを組合せることで、八重鑑別の精度をより高くすることができる。
本発明の態様１１に係る鑑別装置は、上記態様１から１０までの何れかにおいて、上記情報取得部は、さらに上記種子の彩度を示す彩度情報を取得し、上記決定部は、上記複数のストックの種子のそれぞれについて、さらに、上記彩度が所定の第６範囲に含まれているか否かを判定する。上記構成によれば、所定の色成分の色調値と彩度とを組合せることで、八重鑑別の精度をより高くすることができる。
本発明の態様１２に係る鑑別装置は、上記態様４において、上記赤色成分の色調値が、Ｌａｂ色空間におけるａ＊値である。上記構成によれば、所定の色成分の色調値としてＬａｂ色空間のａ＊値を用いることで、八重鑑別の精度をより高くすることができる。
本発明の態様１３に係る情報処理装置は、上記態様１から１２までの何れかに係る鑑別装置を備えている。上記構成によれば、上記態様１と同様の効果を得ることができる。
本発明の態様１４に係る教師データは、八重咲き種子を鑑別する前の複数のストックの種子のそれぞれについて、当該種子の画像データから上記種子の特徴を示す特徴情報を少なくとも取得する情報取得部を備え、上記複数のストックの種子について八重咲き種子を鑑別することを機械学習する鑑別装置に適用される、学習モデルを構築ないし更新するための教師データであって、上記複数のストックの種子の特徴情報を、上記鑑別装置の上記情報取得部が少なくとも取得する処理に用いられる、上記複数のストックの種子の画像データと、上記画像データに含まれる種子の成育後に咲く花の形態を示す形態データと、を含む構造を有している。上記構成によれば、教師データを用いて鑑別装置に学習させることで、鑑別装置の鑑別精度を簡易かつ飛躍的に向上させることができる。
本発明の態様１５に係る鑑別方法は、八重咲き種子を鑑別する前の複数のストックの種子から上記八重咲き種子を鑑別するための鑑別方法であって、上記複数のストックの種子からの反射光の光情報から、上記複数のストックの種子のそれぞれについて、当該種子の色に含まれる所定の色成分の色調値を示す色調情報を少なくとも取得する情報取得ステップと、上記複数のストックの種子の上記所定の色成分の色調値を、それぞれ値が大きい順から順位付けし、上記複数のストックの種子のそれぞれについて、少なくとも上記所定の色成分の色調値の順位が所定の第１範囲に含まれているか否かを判定することにより、特定の上記ストックの種子が上記八重咲き種子か否かを決定する決定ステップと、を含んでいる。上記方法によれば、上記態様１と同様の効果を得ることができる。
本発明の各態様に係る鑑別装置は、コンピュータによって実現してもよく、この場合には、コンピュータを上記鑑別装置が備える各部（ソフトウェア要素）として動作させることにより上記鑑別装置をコンピュータにて実現させる鑑別装置のプログラム、およびそれを記録したコンピュータ読み取り可能な記録媒体も、本発明の範疇に入る。
〔付記事項〕
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。さらに、各実施形態にそれぞれ開示された技術的手段を組み合わせることにより、新しい技術的特徴を形成することができる。
１０ 鑑別装置
１１ 画像解析部（情報取得部）
１１ａ データ解析部（情報取得部）
１２ 決定部
１００、２００、３００ 情報処理装置
５００ 撮像装置
６００ カラーセンサ
ａ＊ 種子の色調値（赤色成分の色調値）
ｂ＊ 種子の色調値（黄色成分の色調値）
Ｂ 種子の色調値（青色成分の色調値）
ｒ 種子の円形度（丸みの程度）
ｓ 種子の面積
Ｃ＊ 種子の彩度

Claims (16)

  1. 八重咲き種子を鑑別する前の複数のストックの種子から上記八重咲き種子を鑑別するための鑑別装置であって、
    上記複数のストックの種子からの反射光の光情報から、上記複数のストックの種子のそれぞれについて、当該種子の色に含まれる所定の色成分の色調値を示す色調情報を少なくとも取得する情報取得部と、
    上記複数のストックの種子の上記所定の色成分の色調値を、それぞれ値が大きい順から順位付けし、
    上記複数のストックの種子のそれぞれについて、少なくとも上記所定の色成分の色調値の順位が所定の第１範囲に含まれているか否かを判定することにより、特定の上記ストックの種子が上記八重咲き種子か否かを決定する決定部と、を備える、鑑別装置。
  2. 上記光情報が、撮像装置によって取得される画像情報である、請求項１に記載の鑑別装置。
  3. 上記光情報が、カラーセンサによって検出される検出情報である、請求項１に記載の鑑別装置。
  4. 上記所定の色成分の色調値は、赤色成分の色調値であり、
    上記色調情報は、上記赤色成分の色調値を示す赤色色調情報である、請求項１から３までの何れか１項に記載の鑑別装置。
  5. 上記決定部は、上記ストックの品種に応じて、上記第１範囲を変更することができる、請求項１から４までの何れか１項に記載の鑑別装置。
  6. 上記決定部は、特定の上記ストックの種子に係る上記赤色成分の色調値が、上記第１範囲としての、すべてのストックの種子に係る上記赤色成分の色調値のうちの下位５０％の範囲に含まれているか否かを判定する、請求項４に記載の鑑別装置。
  7. 上記情報取得部は、さらに上記種子の面積を示す面積情報を取得し、
    上記決定部は、上記複数のストックの種子のそれぞれについて、さらに、上記面積が所定の第２範囲に含まれているか否かを判定する、請求項２に記載の鑑別装置。
  8. 上記情報取得部は、さらに上記種子の断面形状の丸みの程度を示す丸み情報を取得し、
    上記決定部は、上記複数のストックの種子のそれぞれについて、さらに、上記丸みの程度が所定の第３範囲に含まれているか否かを判定する、請求項２に記載の鑑別装置。
  9. 上記情報取得部は、さらに上記種子の色に含まれる黄色成分の色調値を表す黄色色調値情報を取得し、
    上記決定部は、上記複数のストックの種子のそれぞれについて、さらに、上記黄色成分の色調値が、所定の第４範囲に含まれているか否かを判定する、請求項１から８までの何れか１項に記載の鑑別装置。
  10. 上記情報取得部は、さらに上記種子の色に含まれる青色成分の色調値を表す青色色調値情報を取得し、
    上記決定部は、上記複数のストックの種子のそれぞれについて、さらに、上記青色成分の色調値が、所定の第５範囲に含まれているか否かを判定する、請求項１から９までの何れか１項に記載の鑑別装置。
  11. 上記情報取得部は、さらに上記種子の彩度を示す彩度情報を取得し、
    上記決定部は、上記複数のストックの種子のそれぞれについて、さらに、上記彩度が所定の第６範囲に含まれているか否かを判定する、請求項１から１０までの何れか１項に記載の鑑別装置。
  12. 上記赤色成分の色調値が、Ｌａｂ色空間におけるａ＊値である、請求項４に記載の鑑別装置。
  13. 請求項１から１２の何れか１項に記載の鑑別装置を備える、情報処理装置。
  14. 請求項１に記載の鑑別装置としてコンピュータを機能させるためのプログラムであって、上記情報取得部および上記決定部としてコンピュータを機能させるためのプログラム。
  15. 八重咲き種子を鑑別する前の複数のストックの種子のそれぞれについて、当該種子からの反射光の光情報から上記種子の色に含まれる所定の色成分の色調値を示す色調情報を少なくとも取得する情報取得部を備え、上記複数のストックの種子について八重咲き種子を鑑別することを機械学習する鑑別装置に適用される、学習モデルを構築ないし更新するための教師データであって、
    上記複数のストックの種子の上記色調情報と、
    上記複数のストックの種子のそれぞれにおける、当該種子の成育後に咲く花の形態を示す形態データと、を含み、
    特定のストックの種子の上記色調情報を上記学習モデルに入力することにより、上記特定のストックの種子が八重咲き種子か否かを上記鑑別装置が決定する処理に用いられる、教師データ。
  16. 八重咲き種子を鑑別する前の複数のストックの種子から上記八重咲き種子を鑑別するための鑑別方法であって、
    上記複数のストックの種子からの反射光の光情報から、上記複数のストックの種子のそれぞれについて、当該種子の色に含まれる所定の色成分の色調値を示す色調情報を少なくとも取得する情報取得ステップと、
    上記複数のストックの種子の上記所定の色成分の色調値を、それぞれ値が大きい順から順位付けし、
    上記複数のストックの種子のそれぞれについて、少なくとも上記所定の色成分の色調値の順位が所定の第１範囲に含まれているか否かを判定することにより、特定の上記ストックの種子が上記八重咲き種子か否かを決定する決定ステップと、を含む、鑑別方法。
JP2020502241A 2018-10-12 2019-10-10 鑑別装置、情報処理装置、プログラム、教師データおよび鑑別方法 Active JP6731683B1 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018193753 2018-10-12
JP2018193753 2018-10-12
PCT/JP2019/039960 WO2020075793A1 (ja) 2018-10-12 2019-10-10 鑑別装置、情報処理装置、プログラム、教師データおよび鑑別方法

Publications (2)

Publication Number Publication Date
JP6731683B1 true JP6731683B1 (ja) 2020-07-29
JPWO2020075793A1 JPWO2020075793A1 (ja) 2021-02-15

Family

ID=70164606

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020502241A Active JP6731683B1 (ja) 2018-10-12 2019-10-10 鑑別装置、情報処理装置、プログラム、教師データおよび鑑別方法

Country Status (2)

Country Link
JP (1) JP6731683B1 (ja)
WO (1) WO2020075793A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114937077A (zh) * 2022-04-22 2022-08-23 南通荣华包装材料有限公司 一种花生种子筛选方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4004257B2 (ja) * 2001-08-11 2007-11-07 正支 渡辺 ストックの八重鑑別法
JP2008527976A (ja) * 2005-01-10 2008-07-31 シンジェンタ パーティシペーションズ アクチェンゲゼルシャフト 一群の種子の均一性を調べる装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4004257B2 (ja) * 2001-08-11 2007-11-07 正支 渡辺 ストックの八重鑑別法
JP2008527976A (ja) * 2005-01-10 2008-07-31 シンジェンタ パーティシペーションズ アクチェンゲゼルシャフト 一群の種子の均一性を調べる装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
崔源煥・土肥誠・石束宣明: "花卉・野菜苗精密管理ロボットの開発（第１報） ——画像処理によるストック苗の鑑別——", 農業機械学会誌, vol. 第６６巻第２号, JPN7019000825, 2004, pages 68 - 75, ISSN: 0004277717 *

Also Published As

Publication number Publication date
WO2020075793A1 (ja) 2020-04-16
JPWO2020075793A1 (ja) 2021-02-15

Similar Documents

Publication Publication Date Title
US10304179B2 (en) Maturity determination device and maturity determination method
US8295606B2 (en) Device and method for detecting shadow in image
CN103080331B (zh) 微生物检测方法、微生物检测设备和程序
KR20190118562A (ko) 측정된 물체의 측정 이미지를 포착하는 시스템 및 방법
US20180011008A1 (en) Maturity determination device and maturity determination method
Cointault et al. In‐field Triticum aestivum ear counting using colour‐texture image analysis
EP3832524A1 (en) System and method for determining damage on crops
US8542917B2 (en) System and method for identifying complex tokens in an image
US20100195902A1 (en) System and method for calibration of image colors
US20170178322A1 (en) System and method for detecting anomalies in an image captured in-vivo
CN110248170A (zh) 图像色彩调整方法及装置
WO2022247840A1 (zh) 光源光谱和多光谱反射率图像获取方法、装置及电子设备
CN110233971A (zh) 一种拍摄方法及终端、计算机可读存储介质
CN110691226A (zh) 图像处理方法、装置、终端及计算机可读存储介质
CN110097535A (zh) 植物叶片含氮量检测方法、装置、计算机设备和存储介质
JP6731683B1 (ja) 鑑別装置、情報処理装置、プログラム、教師データおよび鑑別方法
Khoenkaw An image-processing based algorithm for rice seed germination rate evaluation
JP2017125705A (ja) 植物情報取得システム、植物情報取得装置、植物情報取得方法、作物管理システムおよび作物管理方法
JP2020016666A (ja) 植物情報取得システム、植物情報取得装置、植物情報取得方法、作物管理システムおよび作物管理方法
CN111814545A (zh) 作物识别方法、装置、电子设备及存储介质
CN111079637B (zh) 田间图像中分割油菜花的方法、装置、设备及存储介质
Cinar et al. Determination of effective and specific physical features of rice varieties by computer vision in exterior quality inspection
CN115862004A (zh) 一种玉米果穗表面缺陷检测方法及装置
JP2004528639A (ja) 画像内の特徴的な領域を検出及びセグメント化する方法及びこの方法の使用
CN116704237A (zh) 植物种类识别方法、装置、存储介质及电子设备

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200116

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20200116

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20200203

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200324

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200522

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20200609

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200630

R150 Certificate of patent or registration of utility model

Ref document number: 6731683

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250