JP6819316B2 - 閾値設定支援プログラム、閾値設定支援装置および閾値設定支援方法 - Google Patents

Description

本発明は、対象物を分別する際の閾値の設定を支援する閾値設定支援プログラム、閾値設定支援装置および閾値設定支援方法に関する。

検査対象の物体の外観検査を自動化する検査方法が提案されている（例えば、特許文献１参照）。この種の検査方法では、検査対象の物体を撮像した画像から抽出される特徴量と予め設定された閾値とを比較し、比較結果に基づいて良品か不良品かを判定する。

閾値は、例えば、良品が撮像された良品画像か不良品が撮像された不良品画像かが予め識別された複数の画像から抽出される特徴量の分布に基づいて設定される（例えば、特許文献２参照）。あるいは、閾値は、複数の良品画像から抽出される特徴量の分布に基づいて設定される（例えば、特許文献３参照）。

特開２０１１−２３２３０２号公報 特開２００６−２２０６４８号公報 特開２０１５−９４５８９号公報

検査対象の物体を良品と不良品とに分ける閾値を設定する検査員等のオペレータは、例えば、検査対象の物体が撮像された複数の画像を目視して、良品画像と不良品画像とに分ける。そして、オペレータは、良品画像には良品を示す識別情報をラベル付けし、不良品画像には不良品を示す識別情報をラベル付けする。閾値の設定に使用する画像の数を増やすことにより、設定される閾値の信頼度は向上するが、ラベル付けする画像の数も増加するため、オペレータの負担も増加する。なお、閾値の設定に良品画像のみが使用される場合でも、検査対象の物体が撮像された複数の画像から不良品画像を除外する作業等が発生するため、閾値の設定に使用する画像の数の増加に伴い、オペレータの負担は増加する。

１つの側面では、本発明は、対象物を分別するための閾値の設定を容易にすることを目的とする。

プログラムの一観点によれば、対象物を含む複数の画像から、対象物の特徴を表す複数種の特徴量を抽出し、複数種の特徴量のうち、対象物を分別するための閾値が設定される第１の特徴量に基づいて、複数の画像を複数のクラスタに分類し、複数のクラスタに分類した画像のうち、複数のクラスタ間で共通の特徴を有する画像を、複数種の特徴量のうちの第２の特徴量に基づいて抽出し、共通の特徴を有する画像のグループの少なくとも１つを、表示グループとして選択し、表示グループに属する画像を、第１の特徴量が示す値に基づいて並べて表示する処理をコンピュータに実行させるための閾値設定支援プログラムが提供される。

１つの実施態様では、閾値設定支援装置は、対象物を含む複数の画像から、対象物の特徴を表す複数種の特徴量を抽出する抽出部と、複数種の特徴量のうち、対象物を分別するための閾値が設定される第１の特徴量に基づいて、複数の画像を複数のクラスタに分類する分類部と、複数のクラスタに分類した画像のうち、複数のクラスタ間で共通の特徴を有する画像を、複数種の特徴量のうちの第２の特徴量に基づいて抽出し、共通の特徴を有する画像のグループの少なくとも１つを、表示グループとして選択する選択部と、表示グループに属する画像を、第１の特徴量が示す値に基づいて並べて表示する表示部とを有する。

方法の一観点によれば、コンピュータが、対象物を含む複数の画像から、対象物の特徴を表す複数種の特徴量を抽出し、複数種の特徴量のうち、対象物を分別するための閾値が設定される第１の特徴量に基づいて、複数の画像を複数のクラスタに分類し、複数のクラスタに分類した画像のうち、複数のクラスタ間で共通の特徴を有する画像を、複数種の特徴量のうちの第２の特徴量に基づいて抽出し、共通の特徴を有する画像のグループの少なくとも１つを、表示グループとして選択し、表示グループに属する画像を、第１の特徴量が示す値に基づいて並べて表示する閾値設定支援方法が提供される。

１つの側面では、本発明は、対象物を分別するための閾値の設定を容易にすることができる。

閾値設定支援装置、閾値設定支援方法および閾値設定支援プログラムの一実施形態を示す図である。 閾値設定支援装置の別の実施形態を示す図である。 図２に示した特徴量データベースの一例を示す図である。 図２に示した分類部の動作の一例を示す図である。 図２に示した選択部の動作の一例を示す図である。 図２に示した表示部および閾値設定部の動作の一例を示す図である。 図２に示した表示部の動作の別の例を示す図である。 図２に示した閾値設定支援装置の動作の一例を示す図である。 図８に示した閾値設定支援処理の一例を示す図である。 閾値設定支援装置の別の実施形態を示す図である。 図１０に示した選択部の動作の一例を示す図である。 閾値設定支援プログラムを実行するハードウェアの一例を示す図である。

以下、実施形態について、図面を用いて説明する。以下では、画像そのもの、および画像を表示するための画像データは、特に区別せずに、画像と称される。

図１は、閾値設定支援装置、閾値設定支援方法および閾値設定支援プログラムの一実施形態を示す。図１に示す閾値設定支援装置１０は、例えば、検査の対象物を撮像装置８０で撮像することにより得られる画像ＩＭＧを解析して対象物を分別する選別システム１に含まれる。選別システム１は、閾値設定支援装置１０に通信可能に接続される撮像装置８０および表示装置９０を有する。例えば、食品等の対象物を良品と不良品とに分別する選別システム１には、画像ＩＭＧから抽出される対象物の特徴を表す特徴量が示す値が良品を示すか不良品を示すかを分別するための閾値が予め設定される。撮像装置８０は、例えば、デジタルカメラ等であり、表示装置９０は、閾値を選別システム１に設定する際に参照される画像ＩＭＧを表示するディスプレイ等である。

閾値設定支援装置１０は、例えば、検査員等のオペレータが閾値を選別システム１に設定する際に、閾値の設定を容易にするための閾値設定支援処理を実行する。例えば、閾値設定支援装置１０は、ＣＰＵ（Central Processing Unit）等のプロセッサを含み、抽出部２０、分類部３０、選択部４０および表示部５０の機能を実現するための閾値設定支援プログラムをプロセッサが実行することで、閾値設定支援処理を実行する。なお、閾値設定支援装置１０は、ハードウェアのみで実現されてもよい。例えば、抽出部２０、分類部３０、選択部４０および表示部５０は、ハードウェアのみで実現されてもよい。図１の括弧内に、閾値設定支援方法の概要の一例を示す。

閾値設定支援装置１０は、抽出部２０、分類部３０、選択部４０および表示部５０を有する。抽出部２０は、例えば、対象物が撮像された複数の画像ＩＭＧ（ＩＭＧ１−ＩＭＧ１２）を撮像装置８０から受け、対象物を含む複数の画像ＩＭＧから、対象物の特徴を表す複数種の特徴量を抽出する。図１に示す例では、抽出部２０は、対象物の特徴を表す複数種の特徴量として、対象物の円形度、面積等の形状特徴、輝度等を複数の画像ＩＭＧ毎に抽出する。そして、抽出部２０は、画像ＩＭＧから抽出した複数種の特徴量を示す情報および画像ＩＭＧ等を図示しないメモリ等の記憶装置に格納する。

分類部３０は、抽出部２０で抽出された複数種の特徴量のうち、対象物を分別するための閾値が設定される第１の特徴量に基づいて、複数の画像ＩＭＧを複数のクラスタに分類する。例えば、第１の特徴量が円形度の場合、分類部３０は、対象物の円形度、面積、輝度のうち、円形度に基づいて、複数の画像ＩＭＧを複数のクラスタに分類する。図１に示す例では、分類部３０は、画像ＩＭＧ１−ＩＭＧ１２を、円形度が“０．８５”のクラスタと、円形度が“０．９０”のクラスタと、円形度が“０．９５”のクラスタと、円形度が“１”のクラスタとの４つのクラスタに分類する。

例えば、分類部３０は、画像ＩＭＧ１、ＩＭＧ２、ＩＭＧ３を円形度“０．８５”のクラスタに分類し、画像ＩＭＧ４、ＩＭＧ５を円形度“０．９０”のクラスタに分類する。また、分類部３０は、画像ＩＭＧ６、ＩＭＧ７、ＩＭＧ８を円形度“０．９５”のクラスタに分類し、画像ＩＭＧ９、ＩＭＧ１０、ＩＭＧ１１、ＩＭＧ１２を円形度“１”のクラスタに分類する。

選択部４０は、例えば、対象物の円形度、面積、輝度のうちの円形度以外の面積および輝度に基づいて、画像ＩＭＧを６つのグループＧ（Ｇ１−Ｇ６）に分ける。この場合、面積および輝度は、複数種の特徴量のうちの第２の特徴量の一例である。図１に示す例では、画像ＩＭＧから抽出された対象物の面積は、予め決められた第１の面積未満の場合、小面積に区分され、第１の面積以上で予め決められた第２の面積未満の場合、中面積に区分され、第２の面積以上の場合、大面積に区分される。また、画像ＩＭＧから抽出された対象物の輝度は、所定の輝度値以上の場合、高輝度に区分され、所定の輝度値未満の場合、低輝度に区分される。グループＧ１−Ｇ６は、面積の３つの区分と輝度の２つの区分との組み合わせのいずれかに対応する。なお、面積の区分数および輝度の区分数は、図１に示す例に限定されない。

画像ＩＭＧは、面積と輝度とに応じて分類された６つのグループＧ１−Ｇ６のいずれかに属する。グループＧ１、Ｇ３は、画像ＩＭＧを含むクラスタを１つ含み、グループＧ２、Ｇ４、Ｇ６は、画像ＩＭＧを含むクラスタを２つ含み、グループＧ５は、画像ＩＭＧを含むクラスタを４つ含む。

例えば、グループＧ２は、画像ＩＭＧから抽出された対象物の面積および輝度がそれぞれ小面積および低輝度である特徴を有する画像ＩＭＧのグループＧであり、画像ＩＭＧ３、ＩＭＧ１１を含む。すなわち、画像ＩＭＧ３、ＩＭＧ１１は、複数のクラスタ間で共通の特徴（小面積で低輝度）を有する画像ＩＭＧである。換言すれば、小面積で低輝度を示す特徴は、互いに異なるクラスタに分類された画像ＩＭＧ３、ＩＭＧ１１で共通する特徴である。

また、例えば、グループＧ５は、画像ＩＭＧから抽出された対象物の面積および輝度がそれぞれ大面積および高輝度である特徴を有する画像ＩＭＧのグループＧであり、画像ＩＭＧ１、ＩＭＧ４、ＩＭＧ８、ＩＭＧ９を含む。すなわち、互いに異なるクラスタに属する画像ＩＭＧ１、ＩＭＧ４、ＩＭＧ８、ＩＭＧ９は、複数のクラスタ間で共通の特徴（大面積で高輝度）を有する画像ＩＭＧである。換言すれば、大面積で高輝度を示す特徴は、互いに異なるクラスタに分類された画像ＩＭＧ１、ＩＭＧ４、ＩＭＧ８、ＩＭＧ９で共通する特徴である。

選択部４０は、複数のクラスタ間で共通の特徴を有する画像ＩＭＧのグループＧとして、グループＧ２、Ｇ４、Ｇ５、Ｇ６を抽出する。そして、選択部４０は、グループＧ２、Ｇ４、Ｇ５、Ｇ６のうち、画像ＩＭＧを含むクラスタの数が最も多いグループＧ５を、表示グループＧ５として選択する。

このように、選択部４０は、複数のクラスタに分類した画像ＩＭＧのうち、複数のクラスタ間で共通の特徴を有する画像ＩＭＧを、複数種の特徴量のうちの第２の特徴量に基づいて抽出する。そして、選択部４０は、複数のクラスタ間で共通の特徴を有する画像ＩＭＧのグループＧの少なくとも１つを、表示グループＧとして選択する。

表示部５０は、例えば、選択部４０により選択された表示グループＧ５に属する画像ＩＭＧ１、ＩＭＧ４、ＩＭＧ８、ＩＭＧ９を、円形度の値順に並べて表示装置９０に表示する。このように、表示部５０は、表示グループＧに属する画像ＩＭＧを、第１の特徴量を示す値に基づいて並べて表示する。

表示装置９０に表示された画像ＩＭＧ１、ＩＭＧ４、ＩＭＧ８、ＩＭＧ９は、例えば、オペレータの指示により、良品が撮像された良品画像と不良品が撮像された不良品画像とに分けられる。以下、良品画像および不良品画像には、画像と同じ符号を使用する。

例えば、オペレータは、画像ＩＭＧ１−ＩＭＧ１２のうち、表示装置９０に表示された画像ＩＭＧ１、ＩＭＧ４、ＩＭＧ８、ＩＭＧ９を目視で確認し、表示装置９０に表示された画像ＩＭＧ１、ＩＭＧ４、ＩＭＧ８、ＩＭＧ９から良品画像ＩＭＧを選択する。そして、閾値設定支援装置１０等は、画像ＩＭＧ１、ＩＭＧ４、ＩＭＧ８、ＩＭＧ９のうちの良品画像ＩＭＧの円形度の範囲に基づいて、円形度の閾値を設定する。例えば、円形度“０．９０”のクラスタに含まれる画像ＩＭＧ４と円形度“０．９５”のクラスタに含まれる画像ＩＭＧ８と円形度“１”のクラスタに含まれる画像ＩＭＧ９とが良品画像ＩＭＧとして選択された場合、円形度の閾値は、“０．９０”に設定される。この場合、円形度が“０．９０”未満の対象物は不良品に分別され、円形度が“０．９０”以上で“１”以下の対象物は良品に分別される。

このように、閾値設定支援装置１０は、画像ＩＭＧ１−ＩＭＧ１２の全ての画像ＩＭＧを目視で確認する場合に比べて、オペレータが目視で確認する画像ＩＭＧの数を低減でき、対象物を分別するための閾値の設定を容易にすることができる。また、複数の画像ＩＭＧは、閾値が設定される第１の特徴量（例えば、円形度）の値順に並べて表示される。このため、複数の画像ＩＭＧがランダムな順に並べて表示される場合に比べて、第１の特徴量の比較を容易にすることができる。

なお、複数種の特徴量のそれぞれに対して閾値が設定される場合、閾値設定支援装置１０は、第１の特徴量を変更して、画像ＩＭＧの分類、表示グループＧの選択等を繰り返す。この場合、閾値設定支援装置１０は、各表示グループＧに属する画像ＩＭＧのうち、他の種類の特徴量に対する閾値設定支援処理で既に良品か不良品かが判定された画像ＩＭＧに関しては、良品か不良品かを示す情報を画像ＩＭＧと一緒に表示してもよい。

閾値設定支援装置１０の構成および動作は、図１に示す例に限定されない。例えば、対象物の特徴を表す特徴量の種類は、２つでもよいし、４つ以上でもよい。また、特徴量の種類は、円形度、面積、輝度以外でもよい。あるいは、選択部４０は、複数種の特徴量のうちの第１の特徴量以外の１種類を第２の特徴量とし、第１の特徴量に基づいて分類した画像ＩＭＧを、第２の特徴量に基づいてグループ分けしてもよい。例えば、選択部４０は、複数のクラスタに分類した画像ＩＭＧを、対象物の輝度に拘わらず、面積のみに応じて３つのグループＧに分けてもよい。この場合、画像ＩＭＧ１、ＩＭＧ４、ＩＭＧ５、ＩＭＧ８、ＩＭＧ９、ＩＭＧ１２が大面積のグループＧに属し、大面積のグループＧが表示グループＧとして選択される。また、閾値設定支援装置１０は、撮像装置８０と通信可能に接続される代わりに、撮像装置８０で撮像された画像ＩＭＧを記憶する記憶装置と通信可能に接続されてもよい。

以上、図１に示す実施形態では、閾値設定支援装置１０は、対象物を含む複数の画像ＩＭＧから、対象物の特徴を表す複数種の特徴量を抽出する。そして、閾値設定支援装置１０は、複数種の特徴量のうち、対象物を分別するための閾値が設定される第１の特徴量に基づいて、複数の画像ＩＭＧを複数のクラスタに分類する。さらに、閾値設定支援装置１０は、複数のクラスタに分類した画像ＩＭＧのうち、複数のクラスタ間で共通の特徴を有する画像ＩＭＧを、複数種の特徴量のうちの第２の特徴量に基づいて抽出する。そして、閾値設定支援装置１０は、複数のクラスタ間で共通の特徴を有する画像ＩＭＧのグループＧの少なくとも１つを、表示グループＧとして選択する。また、閾値設定支援装置１０は、表示グループＧに属する画像ＩＭＧを、第１の特徴量が示す値に基づいて並べて表示する。これにより、対象物を分別するための閾値の設定を容易にすることができる。

図２は、閾値設定支援装置の別の実施形態を示す。図１で説明した要素と同一または同様の要素については、同一または同様の符号を付し、これ等については、詳細な説明を省略する。図２に示す閾値設定支援装置１００は、例えば、対象物を撮像装置８０で撮像することにより得られる画像ＩＭＧを解析して対象物を分別する選別システム１に含まれる。図２に示す選別システム１は、閾値設定支援装置１００に通信可能に接続される撮像装置８０、表示装置９０および入力装置９２を有する。入力装置９２は、例えば、マウスやキーボード等である。

例えば、閾値設定支援装置１００は、オペレータが閾値を選別システム１に設定する際に、閾値の設定を容易にするための閾値設定支援処理を実行する。なお、閾値設定支援装置１００は、ハードウェアのみで実現されてもよく、ハードウェアをソフトウェアで制御することにより実現されてもよい。例えば、閾値設定支援プログラム等のソフトウェアで制御されるコンピュータが閾値設定支援装置１００の閾値設定支援処理を実行してもよい。

閾値設定支援装置１００は、抽出部２００、記憶部２１０、分類部３００、選択部４００、表示部５００および閾値設定部６００を有する。記憶部２１０は、メモリ等の記憶装置である。例えば、記憶部２１０は、対象物の特徴を表す特徴量が登録される特徴量データベース２１２、画像ＩＭＧが登録される画像データベース２１４等を記憶する。

抽出部２００は、図１に示した抽出部２０と同一または同様である。例えば、抽出部２００は、対象物が撮像された複数の画像ＩＭＧを撮像装置８０から受け、対象物を含む複数の画像ＩＭＧから、対象物の特徴を表す複数種の特徴量を抽出する。そして、抽出部２００は、画像ＩＭＧから抽出した複数種の特徴量を、画像ＩＭＧに対応付けて特徴量データベース２１２に登録する。また、抽出部２００は、撮像装置８０から受けた画像ＩＭＧを画像データベース２１４に登録する。

抽出部２００が対象物から抽出する複数種の特徴量は、例えば、「高木幹雄、下田陽久：新編 画像解析ハンドブック、東京大学出版会、2004.」などに記載されている形状特徴、テクスチャ特徴、色特徴等であり、予め決められている。形状特徴は、面積、周囲長、円形度等であり、テクスチャ特徴は、輝度ヒストグラムの平均および分散、エッジ密度等であり、色特徴は、色ヒストグラムの平均および分散等である。なお、対象物から抽出する特徴量の種類は、上述の例に限定されない。

分類部３００は、図１に示した分類部３０と同一または同様である。例えば、分類部３００は、特徴量データベース２１２に登録された複数種の特徴量のうち、対象物を分別するための閾値が設定される第１の特徴量に基づいて、複数の画像ＩＭＧを複数のクラスタに分類する。なお、分類部３００の動作の詳細は、図４で説明する。

選択部４００は、図１に示した選択部４０と同一または同様である。例えば、選択部４００は、複数のクラスタに分類した画像ＩＭＧのうち、複数のクラスタ間で共通の特徴を有する画像ＩＭＧを、複数種の特徴量のうちの第２の特徴量に基づいて抽出する。そして、選択部４００は、複数のクラスタ間で共通の特徴を有する画像ＩＭＧのグループＧの少なくとも１つを、表示グループＧとして選択する。なお、選択部４００の動作の詳細は、図５で説明する。

表示部５００は、図１に示した表示部５０と同一または同様である。例えば、表示部５００は、選択部４００により選択された表示グループＧに属する画像ＩＭＧを画像データベース２１４から取得する。そして、表示部５００は、画像データベース２１４から取得した画像ＩＭＧ、第１の特徴量を示す値に基づいて並べて表示装置９０に表示する。なお、表示部５００の動作の詳細は、図６および図７で説明する。

閾値設定部６００は、例えば、表示装置９０に表示された複数の画像ＩＭＧのうちの良品画像ＩＭＧを示す情報ＳＩＮＦを入力装置９２から受ける。そして、閾値設定部６００は、例えば、表示装置９０に表示された複数の画像ＩＭＧのうちの良品画像ＩＭＧから抽出された第１の特徴量を示す値等に基づいて、第１の特徴量の閾値を設定する。例えば、オペレータは、表示装置９０に表示された複数の画像ＩＭＧを目視で確認して、表示装置９０に表示された複数の画像ＩＭＧのうち、良品画像ＩＭＧをマウス等の入力装置９２を用いて選択する。そして、入力装置９２は、オペレータにより選択された良品画像ＩＭＧを示す情報ＳＩＮＦを閾値設定部６００等に出力する。閾値設定部６００は、入力装置９２から受ける情報ＳＩＮＦに基づいて、第１の特徴量の閾値を設定する。例えば、閾値設定部６００は、第１の特徴量の閾値を記憶部２１０等に記憶する。

なお、閾値設定支援装置１００の構成は、図２に示す例に限定されない。例えば、撮像装置８０で撮像された画像ＩＭＧは、対象物の特徴を表す複数種の特徴量が抽出される前に、画像データベース２１４に登録されてもよい。この場合、抽出部２００は、対象物が撮像された複数の画像ＩＭＧを画像データベース２１４から取得し、画像データベース２１４から取得した複数の画像ＩＭＧから、対象物の特徴を表す複数種の特徴量を抽出してもよい。また、特徴量データベース２１２は、画像データベース２１４に含まれてもよい。すなわち、画像データベース２１４は、画像ＩＭＧの他に、特徴量データベース２１２に登録される項目を有してもよい。また、閾値設定支援装置１００は、撮像装置８０と通信可能に接続される代わりに、撮像装置８０で撮像された画像ＩＭＧを記憶する外部の記憶装置と通信可能に接続されてもよい。

図３は、図２に示した特徴量データベース２１２の一例を示す。特徴量データベース２１２には、対象物の特徴を表す特徴量が抽出された画像ＩＭＧ毎に、対象物識別番号、画像ファイル名および特徴量をそれぞれ示すデータを含むデータ群ＤＧが登録される。

対象物識別番号は、対象物を識別するための識別番号である。例えば、同一の閾値が設定される対象物等の同一の品種の対象物には、同一の識別番号が付与される。画像ファイル名は、特徴量の抽出に使用した画像ＩＭＧのファイル名である。特徴量は、画像ファイル名が示す画像ＩＭＧから抽出した対象物の特徴を表す特徴量である。図３に示す例では、対象物の面積、周囲長、円形度、エッジ密度等が特徴量として特徴量データベース２１２に登録される。

なお、特徴量データベース２１２に登録される項目は、図３に示す例に限定されない。例えば、閾値設定支援装置１００が特徴量データベース２１２を同一の品種の対象物毎に有する場合、対象物識別番号は、特徴量データベース２１２に登録する項目から省かれてもよい。

図４は、図２に示した分類部３００の動作の一例を示す。なお、図４では、対象物の特徴を分かり易くするために、データ群ＤＧの上側に示す括弧内に、データ群ＤＧに対応する画像ＩＭＧを図示している。データ群ＤＧは、図３で説明したように、画像ファイル名、特徴量等を示すデータを有する。また、データ群ＤＧに対応する画像ＩＭＧは、データ群ＤＧに含まれる画像ファイル名で指定される画像ＩＭＧである。

分類部３００は、特徴量データベース２１２から所定のデータ群ＤＧ（ＤＧ２０−ＤＧ３４）を取得する。例えば、分類部３００は、特徴量データベース２１２に登録されたデータ群ＤＧのうち、閾値の設定対象の対象物に対応するデータ群ＤＧを特徴量データベース２１２から取得する。なお、特徴量データベース２１２が同一の品種の対象物毎に設けられる場合、分類部３００は、閾値の設定対象の対象物に対応する特徴量データベース２１２から全てのデータ群ＤＧを取得してもよい。

また、分類部３００は、対象物の特徴を表す複数種の特徴量から、閾値を設定する第１の特徴量を選択する。なお、分類部３００は、複数種の特徴量から第１の特徴量を、オペレータからの指示に基づいて選択してもよいし、予め決められた順番に基づいて選択してもよい。そして、分類部３００は、特徴量データベース２１２から取得したデータ群ＤＧ２０−ＤＧ３４を第１の特徴量を示す値でクラスタリングする。

例えば、分類部３００は、閾値を設定する第１の特徴量として円形度を選択する。そして、分類部３００は、特徴量データベース２１２から取得したデータ群ＤＧ２０−ＤＧ３４を円形度の値でクラスタリングする。これにより、データ群ＤＧ２１、ＤＧ２２、ＤＧ２３は、円形度“０．８５”のクラスタに分類され、データ群ＤＧ２７、ＤＧ２９、ＤＧ３３は、円形度“０．９０”のクラスタに分類される。また、データ群ＤＧ２４、ＤＧ２６、ＤＧ３１、ＤＧ３４は、円形度“０．９５”のクラスタに分類され、データ群ＤＧ２０、ＤＧ２５、ＤＧ２８、ＤＧ３０、ＤＧ３２は、円形度“１”のクラスタに分類される。

このように、分類部３００は、対象物の特徴を表す複数種の特徴量のうち、対象物を分別するための閾値が設定される第１の特徴量に基づいて、複数のデータ群ＤＧを複数のクラスタに分類する。これにより、複数のデータ群ＤＧにそれぞれ対応する複数の画像ＩＭＧも第１の特徴量に基づいて複数のクラスタに分類される。すなわち、分類部３００は、抽出部２００で抽出された複数種の特徴量のうち、対象物を分別するための閾値が設定される第１の特徴量に基づいて、複数の画像ＩＭＧを複数のクラスタに分類する。なお、分類部３００の動作は、図４に示す例に限定されない。

図５は、図２に示した選択部４００の動作の一例を示す。なお、図５では、図４と同様に、対象物の特徴を分かり易くするために、データ群ＤＧの上側に示す括弧内に、データ群ＤＧに対応する画像ＩＭＧを図示している。また、図５では、図を見やすくするために、画像ＩＭＧ２０以外の画像ＩＭＧの符号の記載を省略している。図５では、円形度、面積、輝度、エッジ密度の４種類を抽出部２００で抽出された複数種の特徴量とし、第１の特徴量を円形度とし、第２の特徴量を面積、輝度およびエッジ密度の３種類の特徴量として説明する。

先ず、選択部４００は、分類部３００により複数のクラスタに分類されたデータ群ＤＧ（ＤＧ２０−ＤＧ３４）を、共通の特徴でグループ化する。例えば、選択部４００は、第２の特徴量である面積、輝度およびエッジ密度を示すそれぞれのデータをクラスタ間で比較し、同一の特徴を有するデータ群ＤＧをグループ化する。なお、複数のクラスタに分類されたデータ群ＤＧをグループ化することにより、複数のクラスタに分類されたデータ群ＤＧにそれぞれ対応する複数の画像ＩＭＧもグループ化される。

図５に示す例では、画像ＩＭＧから抽出された対象物の面積は、図１と同様に、小面積、中面積および大面積のいずれかに区分される。また、画像ＩＭＧから抽出された対象物の輝度は、予め決められた第１の輝度値以上の場合、高輝度に区分され、第１の輝度値未満で予め決められた第２の輝度値以上の場合、中輝度に区分され、第２の輝度値未満の場合、低輝度に区分される。そして、画像ＩＭＧから抽出された対象物のエッジ密度は、所定のエッジ密度以上の場合、高エッジ密度に区分され、所定のエッジ密度未満の場合、低エッジ密度に区分される。例えば、第２の特徴量が示す特徴は、面積の３つの区分と輝度の３つの区分とエッジ密度の２つの区分との組み合わせで表される。

グループＧ１０−Ｇ１５は、面積の３つの区分と輝度の３つの区分とエッジ密度の２つの区分との組み合わせのいずれかに対応する。データ群ＤＧ２０−ＤＧ３４は、面積、輝度およびエッジ密度に応じて分類された６つのグループＧ１０−Ｇ１５のいずれかに属する。なお、図５では、データ群ＤＧ２０−ＤＧ３４のいずれも含まないグループＧ（例えば、小面積、高輝度かつ高エッジ密度を示す特徴を有するデータ群ＤＧのグループＧ等）の記載を省略している。また、面積の区分数、輝度の区分数およびエッジ密度の区分数は、図５に示す例に限定されない。

グループＧ１０、Ｇ１１は、データ群ＤＧを含むクラスタを３つ含み、グループＧ１２は、データ群ＤＧを含むクラスタを１つ含み、グループＧ１３は、データ群ＤＧを含むクラスタを４つ含み、グループＧ１４、Ｇ１５は、データ群ＤＧを含むクラスタを２つ含む。

例えば、グループＧ１０は、画像ＩＭＧから抽出された対象物の面積、輝度およびエッジ密度がそれぞれ小面積、高輝度および低エッジ密度である特徴量を有するデータ群ＤＧのグループＧであり、データ群ＤＧ２３、ＤＧ２４、ＤＧ２８を含む。すなわち、データ群ＤＧ２３、ＤＧ２４、ＤＧ２８は、同一の特徴（小面積、高輝度かつ低エッジ密度を示す特徴）を有するデータ群ＤＧである。換言すれば、小面積、高輝度かつ低エッジ密度を示す特徴は、互いに異なるクラスタに分類されたデータ群ＤＧ２３、ＤＧ２４、ＤＧ２８で共通する特徴である。

また、例えば、グループＧ１３は、画像ＩＭＧから抽出された対象物の面積、輝度およびエッジ密度がそれぞれ大面積、中輝度および低エッジ密度である特徴量を有するデータ群ＤＧのグループＧであり、データ群ＤＧ２２、ＤＧ２７、ＤＧ２６、ＤＧ３０を含む。すなわち、データ群ＤＧ２２、ＤＧ２７、ＤＧ２６、ＤＧ３０は、同一の特徴（大面積、中輝度かつ低エッジ密度を示す特徴）を有するデータ群ＤＧである。換言すれば、大面積、中輝度かつ低エッジ密度を示す特徴は、互いに異なるクラスタに分類されたデータ群ＤＧ２２、ＤＧ２７、ＤＧ２６、ＤＧ３０で共通する特徴である。

また、例えば、グループＧ１５は、画像ＩＭＧから抽出された対象物の面積、輝度およびエッジ密度がそれぞれ中面積、高輝度および高エッジ密度である特徴量を有するデータ群ＤＧのグループＧであり、データ群ＤＧ３４、ＤＧ３２を含む。すなわち、データ群ＤＧ３４、ＤＧ３２は、同一の特徴（中面積、高輝度かつ高エッジ密度を示す特徴）を有するデータ群ＤＧである。換言すれば、中面積、高輝度かつ高エッジ密度を示す特徴は、互いに異なるクラスタに分類されたデータ群ＤＧ３４、ＤＧ３２で共通する特徴である。

このように、選択部４００は、第２の特徴量が示す特徴（面積の３つの区分と輝度の３つの区分とエッジ密度の２つの区分との組み合わせ）毎にデータ群ＤＧをグループ化する。そして、選択部４００は、複数のクラスタ間で共通の特徴を有するデータ群ＤＧのグループＧとして、グループＧ１０、Ｇ１１、Ｇ１３、Ｇ１４、Ｇ１５を抽出する。

次に、選択部４００は、表示画像特徴量を選択する。表示画像特徴量は、表示する画像ＩＭＧの特徴量である。すなわち、表示画像特徴量は、表示グループＧに属するデータ群ＤＧに共通する特徴を表す特徴量である。例えば、選択部４００は、表示装置９０に表示する画像ＩＭＧを含む表示グループＧを選択する。これにより、表示画像特徴量が選択される。

例えば、選択部４００は、グループＧ１０、Ｇ１１、Ｇ１３、Ｇ１４、Ｇ１５のうち、共通の特徴を有するデータ群ＤＧを含むクラスタの数が最も多いグループＧ１３を、表示グループＧ１３として選択する。そして、選択部４００は、表示グループＧ１３に属するデータ群ＤＧに共通する特徴（大面積、中輝度かつ低エッジ密度を示す特徴）を、表示画像特徴量として記憶部２１０等に記憶する。すなわち、選択部４００は、大面積に区分される面積、中輝度に区分される輝度値、高エッジ密度に区分されるエッジ密度を有する組み合わせの特徴量を、表示画像特徴量として記憶部２１０等に記憶する。

このように、選択部４００は、複数のクラスタに分類したデータ群ＤＧのうち、複数のクラスタ間で共通の特徴を有するデータ群ＤＧを、複数種の特徴量のうちの第２の特徴量（例えば、面積、輝度およびエッジ密度）に基づいて抽出する。そして、選択部４００は、複数のクラスタ間で共通の特徴を有するデータ群ＤＧのグループＧの少なくとも１つを、表示グループＧとして選択する。すなわち、選択部４００は、複数のクラスタに分類した画像ＩＭＧのうち、複数のクラスタ間で共通の特徴を有する画像ＩＭＧを、複数種のうちの第２の特徴量に基づいて抽出する。そして、選択部４００は、複数のクラスタ間で共通の特徴を有する画像ＩＭＧのグループＧの少なくとも１つを、表示グループＧとして選択する。なお、選択部４００の動作は、図５に示す例に限定されない。

図６は、図２に示した表示部５００および閾値設定部６００の動作の一例を示す。なお、図６に示す表示部５００の動作は、表示グループＧに属する画像ＩＭＧの数が所定の数以下の場合の表示部５００の動作である。図６に示す例では、所定の数として、“５”が予め設定されている。なお、所定の数は、“５”に限定されない。また、図６では、図５に示したグループＧ１３が表示グループＧとして選択された場合を例にして、表示部５００および閾値設定部６００の動作を説明する。

先ず、表示部５００は、選択部４００により選択された表示画像特徴量（図５に示した表示グループＧ１３では、大面積、中輝度かつ低エッジ密度を示す特徴）を有するデータ群ＤＧに対応する画像ＩＭＧを、画像データベース２１４から取得する。すなわち、表示部５００は、選択部４００により選択された表示グループＧ１３に属する画像ＩＭＧ２２、ＩＭＧ２７、ＩＭＧ２６、ＩＭＧ３０を、画像データベース２１４から取得する。これにより、選択部４００により選択された表示画像特徴量を有する画像ＩＭＧが表示候補の画像ＩＭＧとして抽出される。同一のクラスタ内で同一の表示画像特徴量を有するデータが複数存在する場合は、その中から１つのデータを抽出してもよい。

次に、表示部５００は、表示候補の画像ＩＭＧの数が“５”以下であるため、画像データベース２１４から取得した表示候補の全ての画像ＩＭＧ２２、ＩＭＧ２７、ＩＭＧ２６、ＩＭＧ３０を、円形度の値順に並べて表示装置９０に表示する。すなわち、表示部５００は、選択部４００により選択された表示グループＧに属する画像ＩＭＧを、第１の特徴量が示す値順に並べて表示装置９０に表示する。このように、複数の画像ＩＭＧが第１の特徴量が示す値（例えば、円形度の値）に基づいて並べて表示されるため、複数の画像ＩＭＧがランダムな順に並べて表示される場合に比べて、第１の特徴量の比較を容易にすることができる。

次に、閾値設定部６００は、良品の範囲を示す情報を取得する。例えば、オペレータは、表示装置９０に表示された画像ＩＭＧ２２、ＩＭＧ２７、ＩＭＧ２６、ＩＭＧ３０を目視で確認する。そして、オペレータは、表示装置９０に表示された画像ＩＭＧ２２、ＩＭＧ２７、ＩＭＧ２６、ＩＭＧ３０のうち、良品画像ＩＭＧ２６、ＩＭＧ３０をマウス等の入力装置９２を用いて選択する。これにより、入力装置９２は、オペレータにより選択された良品画像ＩＭＧ２６、ＩＭＧ３０を示す情報ＳＩＮＦを閾値設定部６００等に出力する。そして、閾値設定部６００は、表示装置９０に表示された複数の画像ＩＭＧのうちの良品のＩＭＧ２６、ＩＭＧ３０を示す情報ＳＩＮＦを入力装置９２から受ける。良品画像ＩＭＧ２６、ＩＭＧ３０を示す情報ＳＩＮＦは、良品の範囲を示す情報である。なお、良品画像ＩＭＧを示す情報ＳＩＮＦは、複数の画像ＩＭＧを分別した結果を示す情報の一例である。

次に、閾値設定部６００は、第１の特徴量の閾値を、入力装置９２から受ける情報ＳＩＮＦ（良品の範囲）に基づいて設定する。例えば、閾値設定部６００は、入力装置９２から受けた情報ＳＩＮＦが示す良品の範囲が円形度“０．９５”のクラスタに含まれる画像ＩＭＧ２６と円形度“１”のクラスタに含まれる画像ＩＭＧ３０であるため、円形度の閾値を“０．９５”に設定する。この場合、円形度が“０．９５”未満の対象物は不良品に分別され、円形度が“０．９５”以上で“１”以下の対象物は良品に分別される。

なお、例えば、良品の範囲が円形度“０．９０”のクラスタに含まれる画像ＩＭＧ２７と円形度“０．９５”のクラスタに含まれる画像ＩＭＧ２６の場合、閾値設定部６００は、円形度の下限および上限の閾値をそれぞれ“０．９０”および“０．９５”に設定する。この場合、円形度が“０．９０”未満の対象物および円形度が“０．９５”より大きい対象物は不良品に分別され、円形度が“０．９０”以上で“０．９５”以下の対象物は良品に分別される。

このように、閾値設定部６００は、入力装置９２から受ける情報ＳＩＮＦに基づいて、第１の特徴量の閾値を設定する。閾値設定支援装置１００では、オペレータが目視で確認する画像ＩＭＧの数を、画像ＩＭＧ２０−ＩＭＧ３４の全ての画像ＩＭＧを目視で確認する場合に比べて低減できるため、対象物を分別するための閾値の設定を容易にすることができる。なお、表示部５００および閾値設定部６００の動作は、図６に示す例に限定されない。

図７は、図２に示した表示部５００の動作の別の例を示す。なお、図７に示す表示部５００の動作は、表示グループＧに属する画像ＩＭＧの数が所定の数より多い場合の表示部５００の動作である。図７に示す例では、所定の数として、“５”が予め設定されている。なお、所定の数は、“５”に限定されない。図７では、９つの画像ＩＭＧ４０、ＩＭＧ４１、ＩＭＧ４２、ＩＭＧ４３、ＩＭＧ４４、ＩＭＧ４５、ＩＭＧ４６、ＩＭＧ４７、ＩＭＧ４８が表示グループＧに属する場合を例にして、表示部５００の動作を説明する。

画像ＩＭＧ４０、ＩＭＧ４１、ＩＭＧ４２、ＩＭＧ４３からそれぞれ抽出される対象物の円形度は、それぞれ、“０．８５”、“０．９０”、“０．９３”および“０．９５”である。また、画像ＩＭＧ４４、ＩＭＧ４５、ＩＭＧ４６、ＩＭＧ４７、ＩＭＧ４８からそれぞれ抽出される対象物の円形度は、それぞれ、“０．９６”、“０．９７”、“０．９８”、“０．９９”および“１”である。画像ＩＭＧ４０−ＩＭＧ４８は、それぞれの円形度に応じたクラスタに分類される。

先ず、表示部５００は、選択部４００により選択された表示画像特徴量を有するデータ群ＤＧに対応する画像ＩＭＧ、すなわち、表示グループＧに属する画像ＩＭＧ４０−ＩＭＧ４８を、画像データベース２１４から取得する。これにより、選択部４００により選択された表示画像特徴量を有する９つの画像ＩＭＧ４０−ＩＭＧ４８が表示候補の画像ＩＭＧとして抽出される。

次に、表示部５００は、表示候補の画像ＩＭＧの数が“５”より多いため、画像データベース２１４から取得した表示候補の画像ＩＭＧ４０−ＩＭＧ４８から、５つ（所定の数）の画像ＩＭＧ４０、ＩＭＧ４１、ＩＭＧ４３、ＩＭＧ４５、ＩＭＧ４８を選択する。そして、表示部５００は、５つの画像ＩＭＧ４０、ＩＭＧ４１、ＩＭＧ４３、ＩＭＧ４５、ＩＭＧ４８を円形度の値順に並べて表示装置９０に表示する。

例えば、表示部５００は、画像ＩＭＧを最初に表示する場合、良品の範囲が不明であるため、円形度が最小な画像ＩＭＧ４０と円形度が最大な画像ＩＭＧ４８とを、５つの画像ＩＭＧのうちの２つの画像ＩＭＧとして選択する。そして、表示部５００は、表示候補の画像ＩＭＧの範囲に対応する円形度の範囲（“０．８５”から“１”の範囲）を４つに分割した場合の円形度の刻みができるだけ均等になるように、５つの画像ＩＭＧのうちの残りの３つの画像ＩＭＧを選択する。これにより、表示候補の画像ＩＭＧ４０−ＩＭＧ４８のうちの５つの画像ＩＭＧ４０、ＩＭＧ４１、ＩＭＧ４３、ＩＭＧ４５、ＩＭＧ４８が円形度の値順に並べて表示装置９０に表示される。

例えば、オペレータは、表示装置９０に表示された画像ＩＭＧ４０、ＩＭＧ４１、ＩＭＧ４３、ＩＭＧ４５、ＩＭＧ４８を目視で確認する。そして、オペレータは、表示装置９０に表示された画像ＩＭＧ４０、ＩＭＧ４１、ＩＭＧ４３、ＩＭＧ４５、ＩＭＧ４８のうち、良品画像ＩＭＧ４８を、入力装置９２を用いて選択する。これにより、入力装置９２は、オペレータにより選択された良品画像ＩＭＧ４８を示す情報ＳＩＮＦを表示部５００等に出力する。そして、表示部５００は、表示装置９０に表示された複数の画像ＩＭＧのうちの良品画像ＩＭＧ４８を示す情報ＳＩＮＦ（良品の範囲を示す情報ＳＩＮＦ）を入力装置９２から受ける。

良品画像ＩＭＧ４８を示す情報ＳＩＮＦを受けた表示部５００は、表示装置９０に並べて表示した画像ＩＭＧ４０、ＩＭＧ４１、ＩＭＧ４３、ＩＭＧ４５、ＩＭＧ４８のうち、良品と不良品の境界の両側に位置する画像ＩＭＧ４５、ＩＭＧ４８を特定する。すなわち、画像ＩＭＧ４５、ＩＭＧ４８は、分別の境界の両側に位置する第１の画像ＩＭＧおよび第２の画像ＩＭＧの一例である。

境界の両側に位置する画像ＩＭＧとして特定された画像ＩＭＧ４５、ＩＭＧ４８のそれぞれの円形度は、再抽出する表示候補の画像ＩＭＧの範囲に対応する円形度の範囲の始点および終点に対応する。例えば、表示部５００は、円形度の値順に画像ＩＭＧを並べた場合に画像ＩＭＧ４５、ＩＭＧ４８の一方から他方までの間に位置する４つの画像ＩＭＧ４５、ＩＭＧ４６、ＩＭＧ４７、ＩＭＧ４８を、表示候補の画像ＩＭＧとして再抽出する。そして、表示部５００は、表示候補の画像ＩＭＧの数が“５”以下であるため、再抽出した表示候補の全ての画像ＩＭＧ４５、ＩＭＧ４６、ＩＭＧ４７、ＩＭＧ４８を、円形度の値順に並べて表示装置９０に表示する。

例えば、オペレータは、表示装置９０に表示された画像ＩＭＧ４５、ＩＭＧ４６、ＩＭＧ４７、ＩＭＧ４８を目視で確認して、良品画像ＩＭＧ４７、ＩＭＧ４８を、入力装置９２を用いて選択する。これにより、表示部５００は、表示装置９０に表示された複数の画像ＩＭＧのうちの良品画像ＩＭＧ４７、ＩＭＧ４８を示す情報ＳＩＮＦを入力装置９２から受ける。この場合、表示装置９０に並べて表示した画像ＩＭＧ４５、ＩＭＧ４６、ＩＭＧ４７、ＩＭＧ４８のうち、良品と不良品の境界の両側に位置する画像ＩＭＧは、画像ＩＭＧ４６、ＩＭＧ４７である。円形度の値順に画像ＩＭＧを並べた場合に画像ＩＭＧ４６、ＩＭＧ４７の一方から他方までの間に、画像ＩＭＧ４６、ＩＭＧ４７以外の画像ＩＭＧが存在しないため、表示部５００による画像ＩＭＧの表示処理は、終了する。この場合、例えば、閾値設定部６００は、良品画像ＩＭＧ４７、ＩＭＧ４８を示す情報ＳＩＮＦに基づいて、円形度の閾値を“０．９９”に設定する。

なお、円形度の値順に画像ＩＭＧを並べた場合に画像ＩＭＧ４６、ＩＭＧ４７の一方から他方までの間に、画像ＩＭＧ４６、ＩＭＧ４７以外の画像ＩＭＧが存在する場合、表示部５００は、所定の数以下の画像ＩＭＧを選択して表示する処理を再度実行する。例えば、表示部５００は、画像ＩＭＧ４６から画像ＩＭＧ４７までの間に存在する画像ＩＭＧを表示候補の画像ＩＭＧとして再抽出し、表示候補の画像ＩＭＧから画像ＩＭＧ４６、ＩＭＧ４７を含む所定の数以下の画像ＩＭＧを選択して円形度の値順に並べて表示する。

すなわち、表示部５００は、表示グループＧに属する画像における分別の境界を特定するまで、情報ＳＩＮＦを受ける度に、表示グループＧに属する画像ＩＭＧから所定の数以下の画像ＩＭＧを選択して表示する。これにより、表示部５００は、表示する所定の数以下の画像ＩＭＧの範囲に対応する第１の特徴量の範囲を段階的に絞る。

ここで、例えば、表示候補の全ての画像ＩＭＧ４０−ＩＭＧ４８が表示装置９０に一度に表示される場合、所定の数の画像ＩＭＧが表示装置９０に表示される場合に比べて、各画像ＩＭＧの表示面積が小さくなる。この場合、オペレータが画像ＩＭＧを目視で確認して対象物の良否を判定することが困難になるおそれがある。これに対し、表示部５００は、表示装置９０に表示する画像ＩＭＧの数を予め設定された所定の数以下にすることにより、各画像ＩＭＧの表示面積が小さくなることを抑制でき、画像を目視して確認することが困難になることを抑制できる。なお、表示部５００の動作は、図７に示す例に限定されない。

図８は、図２に示した閾値設定支援装置１００の動作の一例を示す。なお、図８に示す動作は、コンピュータにより実行される閾値設定支援方法の一態様である。例えば、図８に示す動作は、ハードウェアのみで実現されてもよく、ハードウェアを閾値設定支援プログラム等のソフトウェアで制御することにより実現されてもよい。すなわち、閾値設定支援プログラムで制御されるコンピュータが図８に示す動作を実行してもよい。図８の動作をコンピュータに実行させるプログラムは、閾値設定支援プログラムの一態様である。

図８に示す動作では、画像ＩＭＧから対象物の特徴を表す特徴量を抽出する特徴量抽出処理として、ステップＳ１００からステップＳ１３０までの一連の処理が実行される。また、図８に示す動作では、特徴量の閾値を設定する閾値設定処理として、ステップＳ２００からステップＳ７００までの一連の処理が実行される。すなわち、図８に示す動作では、特徴量抽出処理（ステップＳ１００−Ｓ１３０）と閾値設定処理（ステップＳ２００−Ｓ７００）とは、並列に実行される。先ず、特徴量抽出処理（ステップＳ１００−Ｓ１３０）について説明する。

ステップＳ１００では、抽出部２００は、撮像装置８０から画像ＩＭＧを取得して、画像ＩＭＧから対象物を検出する。例えば、撮像装置８０が同一の対象物を所定のフレームレートで撮像した場合、抽出部２００は、同一の対象物が撮像された複数のフレームの画像ＩＭＧを撮像装置８０から取得してもよい。この場合、抽出部２００は、対象物を複数のフレームに渡って追跡し、対象物が最も画像ＩＭＧの中心で撮像されているフレームの画像ＩＭＧから対象物を抽出する。すなわち、抽出部２００は、同一の対象物が撮像された複数の画像ＩＭＧを取得した場合でも、複数の画像ＩＭＧのうちのいずれかから対象物を抽出すればよい。

次に、ステップＳ１１０では、抽出部２００は、ステップＳ１００で抽出した対象物の特徴を表す複数種の特徴量を抽出する。複数種の特徴量は、例えば、図２で説明したように、形状特徴、テクスチャ特徴、色特徴等であり、予め決められている。

次に、ステップＳ１２０では、抽出部２００は、ステップＳ１１０で抽出した特徴量（対象物の特徴を表す複数種の特徴量）を、特徴量データベース２１２に登録する。例えば、抽出部２００は、図３で説明したように、特徴量を抽出した画像ＩＭＧに対応付けて、特徴量等を示すデータを含むデータ群ＤＧを特徴量データベース２１２に登録する。

次に、ステップＳ１３０では、抽出部２００は、ステップＳ１００で対象物を抽出した画像ＩＭＧを、画像データベース２１４に登録する。例えば、抽出部２００は、特徴量を抽出した画像ＩＭＧを、特徴量データベース２１２に登録した特徴量と対応がとれるように、画像データベース２１４に登録する。なお、画像データベース２１４に登録する画像ＩＭＧは、特徴量を抽出した対象物の領域のみを切り出した画像ＩＭＧでもよい。

ステップＳ１３０の処理の終了により、ステップＳ１００で抽出した対象物に対する特徴量抽出処理は終了する。このため、抽出部２００は、別の対象物に対する特徴量抽出処理をステップＳ１００から開始する。次に、閾値設定処理（ステップＳ２００−Ｓ７００）について説明する。

ステップＳ２００では、分類部３００は、図４で説明したように、特徴量データベース２１２から所定のデータ群ＤＧを取得する。

次に、ステップＳ３００では、分類部３００は、図４で説明したように、閾値が設定される第１の特徴量を選択する。例えば、分類部３００は、閾値設定対象の複数種の特徴量から第１の特徴量を、オペレータからの指示に基づいて選択してもよいし、予め決められた順番に基づいて選択してもよい。閾値設定対象の複数種の特徴量は、例えば、ステップＳ１１０で抽出された複数種の特徴量でもよいし、複数種の特徴量のうちの予め決められた一部の種類の特徴量でもよい。あるいは、閾値設定対象の特徴量は、ステップＳ１１０で抽出された複数種の特徴量のうちの予め決められた１種類の特徴量でもよい。

次に、ステップＳ４００では、閾値設定支援装置１００は、閾値の設定を支援する閾値設定支援処理を実行する。これにより、ステップＳ３００で選択した第１の特徴量の閾値を設定する際に目視される画像ＩＭＧが、図６等で説明したように、表示装置９０に表示される。閾値設定支援処理の詳細は、図９で説明する。閾値設定支援処理が終了した後、閾値設定支援装置１００の動作は、ステップＳ５００に移る。

ステップＳ５００では、閾値設定部６００は、図６で説明したように、良品の範囲を示す情報ＳＩＮＦを、入力装置９２から取得する。

次に、ステップＳ６００では、閾値設定部６００は、図６で説明したように、ステップＳ５００で取得した良品の範囲を示す情報ＳＩＮＦに基づいて、第１の特徴量の閾値を設定する。例えば、閾値設定部６００は、情報ＳＩＮＦに基づいて第１の特徴量の閾値を決定し、決定した第１の特徴量の閾値を記憶部２１０等に記憶する。

次に、ステップＳ７００では、閾値設定支援装置１００は、閾値設定対象の全ての特徴量の閾値を設定済みか否かを判定する。閾値設定対象の全ての特徴量の閾値を設定済みである場合、閾値設定支援装置１００による閾値設定処理は、終了する。一方、閾値設定対象の特徴量で、閾値が設定されていない特徴量が存在する場合、閾値設定支援装置１００の動作は、ステップＳ３００に戻る。

なお、閾値設定支援装置１００の動作は、図８に示す例に限定されない。例えば、ステップＳ１３０の処理は、ステップＳ１２０の処理より前に実行されてもよいし、ステップＳ１２０の処理と並列に実行されてもよい。

図９は、図８に示した閾値設定支援処理の一例を示す。すなわち、ステップＳ４１０−Ｓ４９０の一連の処理は、図８に示したステップＳ４００の閾値設定支援処理の一例である。例えば、ステップＳ４１０の処理は、図８に示したステップＳ３００の処理が実行された後、実行される。

ステップＳ４１０では、分類部３００は、図４で説明したように、特徴量データベース２１２から取得した複数のデータ群ＤＧを第１の特徴量で分類する。なお、複数のデータ群ＤＧは、図８に示したステップＳ２００で特徴量データベース２１２から取得したデータ群ＤＧであり、第１の特徴量は、図８に示したステップＳ３００で選択した第１の特徴量である。

次に、ステップＳ４２０では、選択部４００は、図５で説明したように、第１の特徴量で分類したデータ群ＤＧを、第２の特徴量でグループ化する。第２の特徴量は、例えば、図８に示したステップＳ１１０で画像ＩＭＧから抽出した対象物を表す複数種の特徴量のうちの第１の特徴量以外の特徴量である。第２の特徴量が１種類の特徴量の場合、選択部４００は、第１の特徴量で分類したデータ群ＤＧを、第２の特徴量が示す値（第２の特徴量が示す特徴）に応じてグループ化する。また、第２の特徴量が２種類以上の特徴量の場合、選択部４００は、第１の特徴量で分類したデータ群ＤＧを、第２の特徴量に含まれる２種類以上の特徴量がそれぞれ示す値の組み合わせ（第２の特徴量が示す特徴）に応じてグループ化する。

次に、ステップＳ４３０では、選択部４００は、図５で説明したように、表示する画像ＩＭＧの特徴量である表示画像特徴量を選択する。表示画像特徴量は、ステップＳ４２０で複数のデータ群ＤＧをグループ化する際に使用した第２の特徴量が示す特徴から選択される。例えば、選択部４００は、第２の特徴量が示す特徴毎にグループ化したデータ群ＤＧの複数のグループＧから、表示グループＧを選択する。これにより、表示画像特徴量が選択される。

次に、ステップＳ４４０では、表示部５００は、図６および図７で説明したように、ステップＳ４３０で選択した表示画像特徴量を有する画像ＩＭＧを、表示候補の画像ＩＭＧとして抽出する。例えば、表示部５００は、表示候補の画像ＩＭＧとして、表示グループＧに属する画像ＩＭＧを画像データベース２１４から取得する。

次に、ステップＳ４５０では、表示部５００は、表示候補の画像ＩＭＧの数が所定の数以下か否かを判定する。表示候補の画像ＩＭＧの数が所定の数以下の場合、表示部５００の動作は、ステップＳ４９０に移る。一方、表示候補の画像ＩＭＧの数が所定の数より多い場合、表示部５００の動作は、ステップＳ４６０に移る。

ステップＳ４６０では、表示部５００は、図７で説明したように、表示候補の画像ＩＭＧから、所定の数以下の画像ＩＭＧを選択して表示装置９０に表示する。

次に、ステップＳ４７０では、表示部５００は、良品の範囲を示す情報ＳＩＮＦ（良品画像ＩＭＧを示す情報ＳＩＮＦ）を入力装置９２から受信したか否かを判定する。良品の範囲を示す情報ＳＩＮＦは、例えば、ステップＳ４６０で表示装置９０に表示した所定の数以下の画像ＩＭＧを分別した結果を示す情報である。良品の範囲を示す情報ＳＩＮＦを入力装置９２から受信した場合、表示部５００の動作は、ステップＳ４８０に移る。一方、良品の範囲を示す情報ＳＩＮＦを入力装置９２から受信していない場合、表示部５００の動作は、ステップＳ４７０に戻る。すなわち、表示部５００は、オペレータにより選択される良品の範囲を示す情報ＳＩＮＦを入力装置９２から受信するまでステップＳ４８０の処理の実行を待機する。

ステップＳ４８０では、表示部５００は、図７で説明したように、良品と不良品の境界の両側の画像ＩＭＧの一方（第１の画像ＩＭＧ）から他方（第２の画像ＩＭＧ）までの画像ＩＭＧを表示候補の画像ＩＭＧとして抽出する。例えば、表示部５００は、表示装置９０に並べて表示した所定の数以下の画像ＩＭＧのうち、良品と不良品の境界の両側に位置する２つの画像ＩＭＧを特定する。そして、表示部５００は、第１の特徴量の値順に画像ＩＭＧを並べた場合に２つの画像ＩＭＧ（表示装置９０に表示された画像ＩＭＧのうちの境界の両側の画像ＩＭＧ）の一方から他方までの間に位置する画像ＩＭＧを、表示候補の画像ＩＭＧとして再抽出する。

ステップＳ４８０の処理が実行された後、表示部５００の動作は、ステップＳ４５０に戻る。これにより、所定の数以下の画像ＩＭＧが再度選択されて表示されるため、表示する所定の数以下の画像ＩＭＧの範囲に対応する第１の特徴量の範囲が良品と不良品の境界付近に段階的に絞られる。

このように、表示部５００は、良品の範囲を示す情報ＳＩＮＦを受けた場合、表示装置９０に並べて表示した所定の数以下の画像ＩＭＧから、分別の境界の両側に位置する第１の画像ＩＭＧおよび第２の画像ＩＭＧを特定する。そして、表示部５００は、表示グループＧに属する画像ＩＭＧを第１の特徴量の値に基づいて並べた場合に第１の画像ＩＭＧと第２の画像ＩＭＧとの間に画像ＩＭＧが存在する場合、所定の数以下の画像ＩＭＧを再度選択して表示する。例えば、表示部５００は、表示グループＧに属する画像ＩＭＧを第１の特徴量の値に基づいて並べた場合に第１の画像ＩＭＧから第２の画像ＩＭＧまでの間に位置する画像ＩＭＧから所定の数以下の画像ＩＭＧを選択して表示する。このように、表示グループＧに属する画像ＩＭＧの数が所定の数より多い場合、表示部５００は、表示する所定の数以下の画像ＩＭＧの範囲に対応する第１の特徴量の範囲を段階的に絞る。なお、閾値設定支援処理は、図９に示す例に限定されない。

以上、図２から図９に示す実施形態においても、図１に示した実施形態と同様の効果を得ることができる。例えば、閾値設定支援装置１００は、複数の画像ＩＭＧから抽出した対象物の特徴を表す複数種の特徴量のうち、閾値設定対象の第１の特徴量で画像ＩＭＧをクラスタリングする。そして、閾値設定支援装置１００は、複数種の特徴量のうちの第２の特徴量に基づいて、複数のクラスタに渡って共通する共通の特徴を有する画像ＩＭＧをグループ化し、グループ化した画像ＩＭＧのグループの少なくとも１つを表示グループＧとして選択する。例えば、閾値設定支援装置１００は、複数のクラスタ間で共通の特徴を有する画像ＩＭＧを含むクラスタの数が最も多いグループＧを表示グループＧとして選択する。これにより、第１の特徴量の値順に並べる画像ＩＭＧの候補を多くすることができ、第１の特徴量の値順に並べる画像ＩＭＧの数が少ない場合に比べて、第１の特徴量の比較を容易にすることができる。なお、この場合でも、表示装置９０に表示する画像ＩＭＧの数は、撮像装置８０から取得した全ての画像ＩＭＧの数より少ない。

したがって、閾値設定支援装置１００は、撮像装置８０から取得した全ての画像ＩＭＧを目視で確認する場合に比べて、オペレータが目視で確認する画像ＩＭＧの数を低減でき、対象物を分別するための閾値の設定を容易にすることができる。さらに、複数の画像ＩＭＧが第１の特徴量が示す値に基づいて並べて表示されるため、複数の画像ＩＭＧがランダムな順に並べて表示される場合に比べて、第１の特徴量の比較を容易にすることができる。

図１０は、閾値設定支援装置の別の実施形態を示す。図１から図９で説明した要素と同一または同様の要素については、同一または同様の符号を付し、これ等については、詳細な説明を省略する。図１０に示す閾値設定支援装置１０２は、例えば、対象物を撮像装置８０で撮像することにより得られる画像ＩＭＧを解析して対象物を分別する選別システム１に含まれる。図１０に示す選別システム１は、閾値設定支援装置１０２に通信可能に接続される撮像装置８０、表示装置９０および入力装置９２を有する。

例えば、閾値設定支援装置１０２は、オペレータが閾値を選別システム１に設定する際に、閾値の設定を容易にするための閾値設定支援処理を実行する。なお、閾値設定支援装置１０２は、ハードウェアのみで実現されてもよく、ハードウェアをソフトウェアで制御することにより実現されてもよい。例えば、閾値設定支援プログラム等のソフトウェアで制御されるコンピュータが閾値設定支援装置１０２の閾値設定支援処理を実行してもよい。

閾値設定支援装置１０２は、図２に示した選択部４００の代わりに選択部４０２を有することを除いて、図２に示した閾値設定支援装置１００と同一または同様である。例えば、閾値設定支援装置１０２は、抽出部２００、記憶部２１０、分類部３００、選択部４０２、表示部５００および閾値設定部６００を有する。抽出部２００、記憶部２１０、分類部３００、表示部５００および閾値設定部６００は、図２に示した抽出部２００、記憶部２１０、分類部３００、表示部５００および閾値設定部６００と同一または同様である。

選択部４０２は、図２に示した選択部４００と同様に、複数のクラスタに分類した画像ＩＭＧのうち、複数のクラスタ間で共通の特徴を有する画像ＩＭＧを、複数種の特徴量のうちの第２の特徴量に基づいて抽出する。そして、選択部４０２は、複数のクラスタ間で共通の特徴を有する画像ＩＭＧのグループＧの少なくとも１つを、表示グループＧとして選択する。なお、選択部４０２は、複数のグループＧのうち、第１の特徴量が示す値が隣接する複数のクラスタに画像ＩＭＧを含むグループＧを、表示グループＧとして優先して選択する。選択部４０２の動作の詳細は、図１１で説明する。なお、閾値設定支援装置１０２の構成は、図１０に示す例に限定されない。

また、閾値設定支援装置１０２の閾値設定支援処理をコンピュータに実行させるための閾値設定支援プログラムでは、第１の特徴量が示す値が隣接する複数のクラスタに画像ＩＭＧを含むグループＧを表示グループＧとして優先して選択する。閾値設定支援装置１０２の閾値設定支援処理をコンピュータに実行させるための閾値設定支援プログラムのその他の処理は、図２から図９に示した実施形態における閾値設定支援プログラムと同一または同様である。同様に、閾値設定支援方法は、第１の特徴量が示す値が隣接する複数のクラスタに画像ＩＭＧを含むグループＧを表示グループＧとして優先して選択することを除いて、図２から図９に示した実施形態における閾値設定支援方法と同一または同様である。

図１１は、図１０に示した選択部４０２の動作の一例を示す。なお、図１０では、図５と同様に、対象物の特徴を分かり易くするために、データ群ＤＧの上側に示す括弧内に、データ群ＤＧに対応する画像ＩＭＧを図示している。図１１では、図５と同様に、円形度、面積、輝度、エッジ密度の４種類を抽出部２００で抽出された複数種の特徴量とし、第１の特徴量を円形度とし、第２の特徴量を面積、輝度およびエッジ密度の３種類の特徴量として説明する。図５で説明した動作と同様の動作については、詳細な説明を省略する。

先ず、選択部４０２は、分類部３００により複数のクラスタに分類されたデータ群ＤＧ（ＤＧ５０−ＤＧ６０）を、共通の特徴でグループ化する。グループＧ１０−Ｇ１３は、各グループＧに属するデータ群ＤＧを除いて、図５で説明したグループＧ１０−Ｇ１３と同一または同様である。

グループＧ１０、Ｇ１２、Ｇ１３は、データ群ＤＧを含むクラスタを３つ含み、グループＧ１１は、データ群ＤＧを含むクラスタを２つ含む。

例えば、グループＧ１０は、円形度の値が隣接する円形度“０．８５”のクラスタおよび円形度“０．９０”のクラスタにそれぞれ含まれるデータ群ＤＧ５８、ＤＧ５９と、円形度“１”のクラスタに含まれるデータ群ＤＧ６０とを有する。なお、円形度“０．９０”のクラスタと円形度“１”のクラスタは、円形度“０．９０”のクラスタと円形度“１”のクラスタとの間に円形度“０．９５”のクラスタが存在するため、円形度の値が隣接する複数のクラスタではない。

グループＧ１１は、円形度“０．８５”のクラスタに含まれるデータ群ＤＧ５６と、円形度“１”のクラスタに含まれるデータ群ＤＧ５７とを有する。グループＧ１２は、円形度の値が隣接する円形度“０．８５”のクラスタ、円形度“０．９０”のクラスタおよび円形度“０．９５”のクラスタにそれぞれ含まれるデータ群ＤＧ５３、ＤＧ５４、ＤＧ５５を有する。グループＧ１３は、円形度の値が隣接する円形度“０．９０”のクラスタ、円形度“０．９５”のクラスタおよび円形度“１”のクラスタにそれぞれ含まれるデータ群ＤＧ５０、ＤＧ５１、ＤＧ５２を有する。したがって、選択部４０２は、円形度の値（第１の特徴量が示す値）が隣接する複数のクラスタにデータ群ＤＧを含むグループＧとして、グループＧ１０、Ｇ１２、Ｇ１３を抽出する。

次に、選択部４０２は、表示画像特徴量を選択する。例えば、選択部４０２は、グループＧ１０、Ｇ１２、Ｇ１３のうち、画像ＩＭＧを含み、かつ、円形度の値が示す値が隣接するクラスタの数が最も多い２つのグループＧ１２、Ｇ１３を、表示グループＧ（Ｇ１２、Ｇ１３）として選択する。これにより、表示グループＧ１２に属するデータ群ＤＧが有する大面積、高輝度かつ低エッジ密度を示す特徴と、表示グループＧ１３に属するデータ群ＤＧが有する大面積、中輝度かつ低エッジ密度を示す特徴とが、表示画像特徴量として選択される。そして、選択部４０２は、選択した表示画像特徴量を記憶部２１０等に記憶する。

この場合、表示部５００は、表示グループＧ１２に属する画像ＩＭＧ５３、ＩＭＧ５４、ＩＭＧ５５を並べた画像群と表示グループＧ１３に属する画像ＩＭＧ５０、ＩＭＧ５１、ＩＭＧ５２を並べた画像群とを表示装置９０の画面の上下にそれぞれ表示してもよい。あるいは、表示部５００は、表示グループＧ１２に属する画像ＩＭＧ５３、ＩＭＧ５４、ＩＭＧ５５を並べた画像群と表示グループＧ１３に属する画像ＩＭＧ５０、ＩＭＧ５１、ＩＭＧ５２を並べた画像群とを１グループＧ毎に順番に表示装置９０に表示してもよい。

ここで、グループＧ１２に属する画像ＩＭＧを含むクラスタの範囲と、グループＧ１３に属する画像ＩＭＧを含むクラスタの範囲とは、互いに異なる。このため、２つのグループＧ１２、Ｇ１３を表示グループＧとして選択することにより、表示装置９０に並べて表示する画像ＩＭＧの範囲に対応する円形度の範囲を、グループＧ１２、Ｇ１３の一方のみを表示グループＧとして選択する場合に比べて、広くできる。すなわち、２つのグループＧ１２、Ｇ１３を表示グループＧとして選択した場合、グループＧ１２、Ｇ１３の一方のみを表示グループＧとして選択する場合に比べて、目視で確認可能な円形度の範囲を広くすることができ、閾値の設定を容易にすることができる。

なお、例えば、２つのグループＧ１１、Ｇ１２を表示グループＧとして選択した場合も、第１の特徴量の値順に並べて表示する画像ＩＭＧの範囲に対応する円形度の範囲は、２つのグループＧ１２、Ｇ１３を表示グループＧとして選択した場合とで同じである。しかしながら、円形度“０．９５”のクラスタに含まれる画像ＩＭＧ５５と、円形度“１”のクラスタに含まれる画像ＩＭＧ５７とは、互いに異なるグループＧ１２、Ｇ１１に属し、互いに異なる表示画像特徴量を有する。このため、画像ＩＭＧ５５と画像ＩＭＧ５７との比較では、互いに同じ表示画像特徴量を有する画像ＩＭＧ５１と画像ＩＭＧ５２とを比較する場合に比べて、目視で確認することが困難になるおそれがある。換言すれば、互いに同じ表示画像特徴量を有する画像ＩＭＧ５１、ＩＭＧ５２を含むグループＧ１３をグループＧ１２と一緒に表示グループＧとして選択することにより、グループＧ１１を選択する場合に比べて、円形度の比較を容易にすることができる。

このように、選択部４０２は、複数のグループＧのうち、第１の特徴量が示す値が隣接する複数のクラスタに画像ＩＭＧを含むグループＧを、表示グループＧとして優先して選択する。そして、選択部４０２は、第１の特徴量が示す値が隣接する複数のクラスタに画像ＩＭＧを含むグループＧを複数抽出し、抽出した複数のグループＧを、表示グループＧとして選択する。

なお、選択部４０２の動作は、図１１に示す例に限定されない。例えば、選択部４０２は、２つのグループＧ１０、Ｇ１３を表示グループＧとして選択してもよい。２つのグループＧ１０、Ｇ１３を表示グループＧとして選択した場合も、第１の特徴量の値順に並べて表示する画像ＩＭＧの範囲に対応する円形度の範囲は、２つのグループＧ１２、Ｇ１３を表示グループＧとして選択した場合とで同じである。この場合、画像ＩＭＧ５８、ＩＭＧ５９が互いに同じ表示画像特徴量を有するため、目視で確認することが困難になることを抑制することができる。また、表示グループＧとして選択されるグループＧの数は、３つ以上でもよいし、１つでもよい。例えば、グループＧ１２に属する画像ＩＭＧを含むクラスタの範囲と、グループＧ１３に属する画像ＩＭＧを含むクラスタの範囲とが互いに同じ場合、選択部４０２は、グループＧ１２、Ｇ１３の一方のみを表示グループＧとして選択してもよい。

以上、図１０から図１１に示す実施形態においても、図２から図９に示した実施形態と同様の効果を得ることができる。例えば、閾値設定支援装置１０２は、複数の画像ＩＭＧから抽出した対象物の特徴を表す複数種の特徴量のうち、閾値設定対象の第１の特徴量で画像ＩＭＧをクラスタリングする。そして、閾値設定支援装置１０２は、複数種の特徴量のうちの第２の特徴量に基づいて、複数のクラスタに渡って共通する共通の特徴を有する画像ＩＭＧをグループ化し、グループ化した画像ＩＭＧのグループの少なくとも１つを表示グループＧとして選択する。これにより、閾値設定支援装置１０２は、撮像装置８０から取得した全ての画像ＩＭＧを目視で確認する場合に比べて、オペレータが目視で確認する画像ＩＭＧの数を低減でき、対象物を分別するための閾値の設定を容易にすることができる。

さらに、閾値設定支援装置１０２は、複数のグループＧのうち、第１の特徴量が示す値が隣接する複数のクラスタに画像ＩＭＧを含むグループＧを、表示グループＧとして優先して選択する。これにより、表示グループＧに属する画像ＩＭＧを第１の特徴量が示す値順に並べて表示装置９０に表示した場合に、表示装置９０に並べて表示する複数の画像ＩＭＧの範囲に対応する第１の特徴量が示す値が連続する。この結果、表示装置９０に並べて表示する複数の画像ＩＭＧの範囲に対応する第１の特徴量が示す値が不連続の場合に比べて、第１の特徴量の比較を容易にすることができる。

また、閾値設定支援装置１０２は、第１の特徴量が示す値が隣接する複数のクラスタに画像ＩＭＧを含む複数のグループＧにそれぞれ対応する第１の特徴量の範囲が異なる場合、複数のグループＧを表示グループＧとして選択する。この場合、表示装置９０に並べて表示する画像ＩＭＧの範囲に対応する第１の特徴量の範囲を、複数のグループＧの１つのみを表示グループＧとして選択する場合に比べて、広くできる。すなわち、複数のグループＧを表示グループＧとして選択した場合、複数のグループＧの１つのみを表示グループＧとして選択する場合に比べて、目視で確認可能な第１の特徴量の範囲を広くすることができ、閾値の設定を容易にすることができる。なお、この場合でも、表示装置９０に表示する画像ＩＭＧの数は、撮像装置８０から取得した全ての画像ＩＭＧの数より少ない。

図１２は、閾値設定支援プログラムを実行するハードウェアの一例を示す。なお、図１から図１１で説明した要素と同様の要素については、同様の符号を付し、これ等については、詳細な説明を省略する。例えば、閾値設定支援プログラムは、図１、図２および図１０に示した閾値設定支援装置１０、１００、１０２等の閾値設定支援装置の機能をコンピュータ１０００で実現する。

例えば、コンピュータ１０００は、プロセッサ１１００、メモリ１２００、ハードディスク装置１３００、入力インタフェース１４００、出力インタフェース１５００および光学ドライブ装置１６００を有する。プロセッサ１１００、メモリ１２００、ハードディスク装置１３００、入力インタフェース１４００、出力インタフェース１５００および光学ドライブ装置１６００は、バス１７００に接続される。閾値設定支援装置１０、１００、１０２等の閾値設定支援装置の機能は、例えば、プロセッサ１１００と、メモリ１２００と、ハードディスク装置１３００と、入力インタフェース１４００と、出力インタフェース１５００とにより実現される。

光学ドライブ装置１６００は、光ディスク等のリムーバブルディスク１６２０を装着可能であり、装着したリムーバブルディスク１６２０に記録された情報の読み出しおよび記録を実行する。また、コンピュータ１０００は、入力インタフェース１４００および出力インタフェース１５００を介してコンピュータ１０００の外部と通信する。例えば、入力インタフェース１４００は、画像ＩＭＧ等を撮像装置８０から受け、プロセッサ１１００等に転送する。また、入力インタフェース１４００は、良品の範囲を示す情報ＳＩＮＦ等を入力装置９２から受け、プロセッサ１１００等に転送する。出力インタフェース１５００は、例えば、表示装置９０に表示する画像ＩＭＧ等を表示装置９０に出力する。

メモリ１２００は、例えば、コンピュータ１０００のオペレーティングシステムを格納する。また、メモリ１２００は、閾値設定支援装置１０、１００、１０２等の閾値設定支援装置の動作をプロセッサ１１００が実行するための閾値設定支援プログラム等のアプリケーションプログラムを格納する。また、メモリ１２００は、画像ＩＭＧ、特徴量データベース２１２および画像データベース２１４等を記憶してもよい。なお、画像ＩＭＧ、特徴量データベース２１２および画像データベース２１４等は、ハードディスク装置１３００に保持されてもよい。

閾値設定支援プログラム等のアプリケーションプログラムは、光ディスク等のリムーバブルディスク１６２０に記録して頒布することができる。例えば、コンピュータ１０００は、閾値設定支援プログラム等のアプリケーションプログラムを、リムーバブルディスク１６２０から光学ドライブ装置１６００を介して読み出し、メモリ１２００やハードディスク装置１３００に格納してもよい。また、コンピュータ１０００は、閾値設定支援プログラム等のアプリケーションプログラムを、インターネット等のネットワークに接続する通信装置（図示せず）を介してダウンロードし、メモリ１２００やハードディスク装置１３００に格納してもよい。また、コンピュータ１０００は、ネットワークに接続する通信装置を介して撮像装置８０から画像ＩＭＧを取得してもよい。

なお、閾値設定支援プログラムを実行するハードウェアは、図１２に示す例に限定されない。例えば、コンピュータ１０００は、光学ドライブ装置１６００が省かれてもよい。また、例えば、コンピュータ１０００は、ハードディスク装置１３００の代わりにＳＳＤ（Solid State Drive）等を有してもよい。

以上の実施形態において説明した発明を整理して、付記として以下の通り開示する。
（付記１）
対象物を含む複数の画像から、前記対象物の特徴を表す複数種の特徴量を抽出し、
前記複数種の特徴量のうち、前記対象物を分別するための閾値が設定される第１の特徴量に基づいて、前記複数の画像を複数のクラスタに分類し、
前記複数のクラスタに分類した画像のうち、複数のクラスタ間で共通の特徴を有する画像を、前記複数種の特徴量のうちの第２の特徴量に基づいて抽出し、前記共通の特徴を有する画像のグループの少なくとも１つを、表示グループとして選択し、
前記表示グループに属する画像を、前記第１の特徴量が示す値に基づいて並べて表示する
処理をコンピュータに実行させるための閾値設定支援プログラム。
（付記２）
付記１に記載の閾値設定支援プログラムにおいて、
複数の前記グループのうち、画像を含むクラスタの数が多い前記グループを、前記表示グループとして優先して選択する
処理をコンピュータに実行させるための閾値設定支援プログラム。
（付記３）
付記１に記載の閾値設定支援プログラムにおいて、
複数の前記グループのうち、前記第１の特徴量が示す値が隣接する複数のクラスタに画像を含む前記グループを、前記表示グループとして優先して選択する
処理をコンピュータに実行させるための閾値設定支援プログラム。
（付記４）
付記３に記載の閾値設定支援プログラムにおいて、
前記第１の特徴量が示す値が隣接する複数のクラスタに画像を含む前記グループを複数抽出し、抽出した複数の前記グループを、前記表示グループとして選択する
処理をコンピュータに実行させるための閾値設定支援プログラム。
（付記５）
付記１ないし付記４のいずれか１項に記載の閾値設定支援プログラムにおいて、
前記複数種の特徴量のうちの前記第１の特徴量以外の少なくとも２種類の特徴量を、前記第２の特徴量とする
処理をコンピュータに実行させるための閾値設定支援プログラム。
（付記６）
付記１ないし付記５のいずれか１項に記載の閾値設定支援プログラムにおいて、
前記表示グループに属する画像の数が所定の数以下の場合、前記表示グループに属する全ての画像を前記第１の特徴量が示す値に基づいて並べて表示し、
前記表示グループに属する画像の数が前記所定の数より多い場合、前記表示グループに属する画像から前記所定の数以下の画像を選択し、選択した前記所定の数以下の画像を前記第１の特徴量が示す値に基づいて並べて表示する
処理をコンピュータに実行させるための閾値設定支援プログラム。
（付記７）
付記６に記載の閾値設定支援プログラムにおいて、
並べて表示した前記所定の数以下の画像を分別した結果を示す情報を受けた場合、並べて表示した前記所定の数以下の画像から、分別の境界の両側に位置する第１の画像および第２の画像を特定し、前記表示グループに属する画像を前記第１の特徴量の値に基づいて並べた場合に前記第１の画像と前記第２の画像との間に画像が存在する場合、前記第１の画像から前記第２の画像までの間に位置する画像から前記所定の数以下の画像を選択して表示し、表示する前記所定の数以下の画像の範囲に対応する前記第１の特徴量の範囲を絞る
処理をコンピュータに実行させるための閾値設定支援プログラム。
（付記８）
対象物を含む複数の画像から、前記対象物の特徴を表す複数種の特徴量を抽出する抽出部と、
前記複数種の特徴量のうち、前記対象物を分別するための閾値が設定される第１の特徴量に基づいて、前記複数の画像を複数のクラスタに分類する分類部と、
前記複数のクラスタに分類した画像のうち、複数のクラスタ間で共通の特徴を有する画像を、前記複数種の特徴量のうちの第２の特徴量に基づいて抽出し、前記共通の特徴を有する画像のグループの少なくとも１つを、表示グループとして選択する選択部と、
前記表示グループに属する画像を、前記第１の特徴量が示す値に基づいて並べて表示する表示部とを有する
ことを特徴とする閾値設定支援装置。
（付記９）
付記８に記載の閾値設定支援装置において、
前記選択部は、複数の前記グループのうち、画像を含むクラスタの数が多い前記グループを、前記表示グループとして優先して選択する
ことを特徴とする閾値設定支援装置。
（付記１０）
付記８に記載の閾値設定支援装置において、
前記選択部は、複数の前記グループのうち、前記第１の特徴量が示す値が隣接する複数のクラスタに画像を含む前記グループを、前記表示グループとして優先して選択する
ことを特徴とする閾値設定支援装置。
（付記１１）
付記１０に記載の閾値設定支援装置において、
前記選択部は、前記第１の特徴量が示す値が隣接する複数のクラスタに画像を含む前記グループを複数抽出し、抽出した複数の前記グループを、前記表示グループとして選択する
ことを特徴とする閾値設定支援装置。
（付記１２）
付記８ないし付記１１のいずれか１項に記載の閾値設定支援装置において、
前記選択部は、前記複数種の特徴量のうちの前記第１の特徴量以外の少なくとも２種類の特徴量を、前記第２の特徴量とする
ことを特徴とする閾値設定支援装置。
（付記１３）
付記８ないし付記１２のいずれか１項に記載の閾値設定支援装置において、
前記表示部は、
前記表示グループに属する画像の数が所定の数以下の場合、前記表示グループに属する全ての画像を前記第１の特徴量が示す値に基づいて並べて表示し、
前記表示グループに属する画像の数が前記所定の数より多い場合、前記表示グループに属する画像から前記所定の数以下の画像を選択し、選択した前記所定の数以下の画像を前記第１の特徴量が示す値に基づいて並べて表示する
ことを特徴とする閾値設定支援装置。
（付記１４）
付記１３に記載の閾値設定支援装置において、
前記表示部は、並べて表示した前記所定の数以下の画像を分別した結果を示す情報を受けた場合、並べて表示した前記所定の数以下の画像から、分別の境界の両側に位置する第１の画像および第２の画像を特定し、前記表示グループに属する画像を前記第１の特徴量の値に基づいて並べた場合に前記第１の画像と前記第２の画像との間に画像が存在する場合、前記第１の画像から前記第２の画像までの間に位置する画像から前記所定の数以下の画像を選択して表示し、表示する前記所定の数以下の画像の範囲に対応する前記第１の特徴量の範囲を絞る
ことを特徴とする閾値設定支援装置。
（付記１５）
コンピュータにより実行される閾値設定支援方法であって、
前記コンピュータが、
対象物を含む複数の画像から、前記対象物の特徴を表す複数種の特徴量を抽出し、
前記複数種の特徴量のうち、前記対象物を分別するための閾値が設定される第１の特徴量に基づいて、前記複数の画像を複数のクラスタに分類し、
前記複数のクラスタに分類した画像のうち、複数のクラスタ間で共通の特徴を有する画像を、前記複数種の特徴量のうちの第２の特徴量に基づいて抽出し、前記共通の特徴を有する画像のグループの少なくとも１つを、表示グループとして選択し、
前記表示グループに属する画像を、前記第１の特徴量が示す値に基づいて並べて表示する
ことを特徴とする閾値設定支援方法。
（付記１６）
対象物を含む複数の画像から、前記対象物の特徴を表す複数種の特徴量を抽出し、
前記複数種の特徴量のうち、前記対象物を分別するための閾値が設定される第１の特徴量に基づいて、前記複数の画像を複数のクラスタに分類し、
前記複数のクラスタに分類した画像のうち、複数のクラスタ間で共通の特徴を有する画像を、前記複数種の特徴量のうちの第２の特徴量に基づいて抽出し、前記共通の特徴を有する画像のグループの少なくとも１つを、表示グループとして選択し、
前記表示グループに属する画像を、前記第１の特徴量が示す値に基づいて並べて表示する
処理をコンピュータに実行させるための閾値設定支援プログラムを記録したことを特徴とするコンピュータが読み取り可能な記録媒体。

以上の詳細な説明により、実施形態の特徴点および利点は明らかになるであろう。これは、特許請求の範囲がその精神および権利範囲を逸脱しない範囲で前述のような実施形態の特徴点および利点にまで及ぶことを意図するものである。また、当該技術分野において通常の知識を有する者であれば、あらゆる改良および変更に容易に想到できるはずである。したがって、発明性を有する実施形態の範囲を前述したものに限定する意図はなく、実施形態に開示された範囲に含まれる適当な改良物および均等物に拠ることも可能である。

１‥選別システム；１０‥閾値設定支援装置；２０‥抽出部；３０‥分類部；４０‥選択部；５０‥表示部；８０‥撮像装置；９０‥表示装置；９２‥入力装置；１００、１０２‥閾値設定支援装置；２００‥抽出部；２１０‥記憶部；２１２‥特徴量データベース；２１４‥画像データベース；３００‥分類部；４００、４０２‥選択部；５００‥表示部；６００‥閾値設定部；１０００‥コンピュータ；１１００‥プロセッサ；１２００‥メモリ；１３００‥ハードディスク装置；１４００‥入力インタフェース；１５００‥出力インタフェース；１６００‥光学ドライブ装置；１６２０‥リムーバブルディスク；１７００‥バス

Claims (9)

1. 対象物を含む複数の画像から、前記対象物の特徴を表す複数種の特徴量を抽出し、
   前記複数種の特徴量のうち、前記対象物を分別するための閾値が設定される第１の特徴量に基づいて、前記複数の画像を複数のクラスタに分類し、
   前記複数のクラスタに分類した画像のうち、複数のクラスタ間で共通の特徴を有する画像を、前記複数種の特徴量のうちの第２の特徴量に基づいて抽出し、前記共通の特徴を有する画像のグループの少なくとも１つを、表示グループとして選択し、
   前記表示グループに属する画像を、前記第１の特徴量が示す値に基づいて並べて表示する
   処理をコンピュータに実行させるための閾値設定支援プログラム。
2. 請求項１に記載の閾値設定支援プログラムにおいて、
   複数の前記グループのうち、画像を含むクラスタの数が多い前記グループを、前記表示グループとして優先して選択する
   処理をコンピュータに実行させるための閾値設定支援プログラム。
3. 請求項１に記載の閾値設定支援プログラムにおいて、
   複数の前記グループのうち、前記第１の特徴量が示す値が隣接する複数のクラスタに画像を含む前記グループを、前記表示グループとして優先して選択する
   処理をコンピュータに実行させるための閾値設定支援プログラム。
4. 請求項３に記載の閾値設定支援プログラムにおいて、
   前記第１の特徴量が示す値が隣接する複数のクラスタに画像を含む前記グループを複数抽出し、抽出した複数の前記グループを、前記表示グループとして選択する
   処理をコンピュータに実行させるための閾値設定支援プログラム。
5. 請求項１ないし請求項４のいずれか１項に記載の閾値設定支援プログラムにおいて、
   前記複数種の特徴量のうちの前記第１の特徴量以外の少なくとも２種類の特徴量を、前記第２の特徴量とする
   処理をコンピュータに実行させるための閾値設定支援プログラム。
6. 請求項１ないし請求項５のいずれか１項に記載の閾値設定支援プログラムにおいて、
   前記表示グループに属する画像の数が所定の数以下の場合、前記表示グループに属する全ての画像を前記第１の特徴量が示す値に基づいて並べて表示し、
   前記表示グループに属する画像の数が前記所定の数より多い場合、前記表示グループに属する画像から前記所定の数以下の画像を選択し、選択した前記所定の数以下の画像を前記第１の特徴量が示す値に基づいて並べて表示する
   処理をコンピュータに実行させるための閾値設定支援プログラム。
7. 請求項６に記載の閾値設定支援プログラムにおいて、
   並べて表示した前記所定の数以下の画像を分別した結果を示す情報を受けた場合、並べて表示した前記所定の数以下の画像から、分別の境界の両側に位置する第１の画像および第２の画像を特定し、前記表示グループに属する画像を前記第１の特徴量の値に基づいて並べた場合に前記第１の画像と前記第２の画像との間に画像が存在する場合、前記第１の画像から前記第２の画像までの間に位置する画像から前記所定の数以下の画像を選択して表示し、表示する前記所定の数以下の画像の範囲に対応する前記第１の特徴量の範囲を絞る
   処理をコンピュータに実行させるための閾値設定支援プログラム。
8. 対象物を含む複数の画像から、前記対象物の特徴を表す複数種の特徴量を抽出する抽出部と、
   前記複数種の特徴量のうち、前記対象物を分別するための閾値が設定される第１の特徴量に基づいて、前記複数の画像を複数のクラスタに分類する分類部と、
   前記複数のクラスタに分類した画像のうち、複数のクラスタ間で共通の特徴を有する画像を、前記複数種の特徴量のうちの第２の特徴量に基づいて抽出し、前記共通の特徴を有する画像のグループの少なくとも１つを、表示グループとして選択する選択部と、
   前記表示グループに属する画像を、前記第１の特徴量が示す値に基づいて並べて表示する表示部とを有する
   ことを特徴とする閾値設定支援装置。
9. コンピュータにより実行される閾値設定支援方法であって、
   前記コンピュータが、
   対象物を含む複数の画像から、前記対象物の特徴を表す複数種の特徴量を抽出し、
   前記複数種の特徴量のうち、前記対象物を分別するための閾値が設定される第１の特徴量に基づいて、前記複数の画像を複数のクラスタに分類し、
   前記複数のクラスタに分類した画像のうち、複数のクラスタ間で共通の特徴を有する画像を、前記複数種の特徴量のうちの第２の特徴量に基づいて抽出し、前記共通の特徴を有する画像のグループの少なくとも１つを、表示グループとして選択し、
   前記表示グループに属する画像を、前記第１の特徴量が示す値に基づいて並べて表示する
   ことを特徴とする閾値設定支援方法。

Images