JP7248963B1 - 米の銘柄判定方法及び銘柄判定プログラム - Google Patents

Abstract

【課題】米粒が撮影された画像データを用いて、米の銘柄の判定を行うことが可能な銘柄判定装置を提供する。【解決手段】銘柄判定装置１は、カメラ２を備えたスマートフォン３によって米粒Ｒを撮影し、スマートフォン３のアプリによって米粒Ｒの銘柄を判定する装置である。その構成は、米粒Ｒを載置可能な載置台４と、スマートフォン３を移動させる移動装置５とを備える。移動装置５は、カメラ設置台６と、光源９を有する撮影室７と、水平移動可能なステージ８とを備える。銘柄判定装置１では、１回目にカメラ２で撮影し、移動装置５で所定の距離を移動させた後、２回目、３回目の撮影を行い、銘柄判定モデル１４を用いて銘柄の単体判定を行う。立体物である米粒Ｒを複数の箇所で撮影することにより、輪郭の見え方が異なる複数の画像で、判定部１２による銘柄の総合判定を行うため、正確な判定ができる。【選択図】図１

Description

特許法第３０条第２項適用 Ａｍａｚｏｎの公式ブログ「Ａｂｏｕｔ Ａｍａｚｏｎ」、日本経済新聞 令和４年４月２６日付Ａｍａｚｏｎ広告紙面

本発明は、米の銘柄を判定する方法及び銘柄判定プログラムに関する。

米の銘柄判定装置としては、現在はＤＮＡ鑑定による銘柄判定装置が製品化されている。この種の装置は、米粒に含まれる遺伝子（ＤＮＡ配列）の差異により食品の品種を判別するものである。

しかしながら、ＤＮＡ鑑定による銘柄判定装置では、判定結果を得るために時間を要するものであり、農産物検査現場や流通の各段階で日常的に判定を実施することは困難である。また、当該装置は高価であるため各検査現場に当該装置を導入することは困難であり、装置を所有していない者は装置を所有する検査機関に判定を依頼することが必要となる。

一方で、撮影された画像データから米粒の銘柄判定を行う試みが行われている（特許文献１）。特許文献１には、撮影部において得られた画像データから、一粒ずつの米粒の画像を切り出し、人工知能を用いて銘柄の判定を行うことが開示されている。

特開２０２１－０３９５４６号公報

特許文献１のように、画像から米の銘柄判定を行うことができれば、ＤＮＡ鑑定を行う事なく銘柄判定ができるので、簡易迅速に銘柄判定を行うことができる。

しかしながら、現実問題としては、既存の手法によって正確に銘柄判定を行うことは困難であった。既存の製品としては、特許文献１の出願人により穀粒判定器が提供されているが、当該判定器は、米粒の着色粒、死米、胴割粒、或いは砕粒等の不良の有無を判定するものに止まっており、銘柄の判定を行うことはできなかった。

本発明は、米粒が撮影された画像データを用いて、銘柄の判定を行うことが可能な銘柄判定方法及び銘柄判定プログラムを提供することを目的とする。

上記目的を達成するために、本発明の米の銘柄判定方法は、米の銘柄を判定する方法であって、載置部に載置された複数の米粒に対して、前記載置部に対して少なくとも同じ米粒が複数回撮影されるようにカメラを相対的に移動させて撮影して複数の集合画像を取得し、前記集合画像を加工して前記米粒の単体画像を抽出し、予め銘柄が明らかである複数の米の教師データによって学習された銘柄判定モデルを用いて前記単体画像ごとの銘柄の判定である単体判定を行い、前記単体判定の結果を基にスコアを算出し、複数の前記集合画像における前記スコアを集計して複数の前記米粒の銘柄の判定である総合判定を行うことを特徴とする。

本発明の米の銘柄判定方法では、移動手段によってカメラ又は載置部を相対的に移動させ、載置台に載置された複数の米粒を異なった位置からカメラで撮影し、複数の画像を取得することができる。これらの複数の画像について、銘柄判定モデルによってその画像の米粒がいずれかの銘柄であるか単体判定を行い、その結果を基にスコアを算出する。判定部では、そのスコアを基礎として米粒の銘柄の判定を行う。

本発明の米の銘柄判定方法によれば、カメラで複数の位置から撮影することにより、立体物で複数の位置から見た場合の輪郭の見え方が違う米粒について、複数の輪郭でとらえるため、各銘柄の特徴を高い確率で認識することができる。従って、本発明の米の銘柄判定方法によれば、従来では困難であった画像データによる正確な銘柄判定を行うことができる。

本発明の米の銘柄判定方法において、前記判定は単一の銘柄判定を行うものであり、前記スコアとして、前記単体判定の結果を前記単体画像における単体得票とし、各銘柄ごとに前記単体得票を集計し、前記単体得票が最多の銘柄を総合判定の結果としてもよい。当該構成において、前記単体得票が最多の銘柄を前記集合画像における集合得票とし、前記集合得票が最多の銘柄を総合判定の結果としてもよい。

また、本発明の米の銘柄判定方法において、前記スコアとして、前記単体得票に加え、前記銘柄判定モデルによって前記単体画像の銘柄の確率を取得し、前記確率を複数のレベルに分け、前記スコアとして前記レベルの高いものが前記レベルの低いものに比べて値が高くなるようなポイントを算出し、複数の銘柄において前記集合得票が同数の場合は、前記ポイントの合計が最多の銘柄を総合判定の結果としてもよい。

また、複数の銘柄において前記集合得票が同数であり、前記ポイントの合計が同数であるときは、前記銘柄における前記単体得票の数が少ない銘柄を総合判定の結果としてもよい。

また、本発明の米の銘柄判定方法において、前記判定は単一の銘柄判定を行うものであり、前記銘柄判定モデルによって前記単体画像の銘柄の確率を取得し、前記確率を複数のレベルに分け、前記スコアとして前記レベルの高いものが前記レベルの低いものに比べて値が高くなるようなポイントを算出し、前記ポイントが最多の銘柄を総合判定の結果としてもよい。また、本発明の米の銘柄判定方法において、前記判定部は、複数の銘柄判定を行うときは、前記画像について、前記銘柄判定モデルによって判定された銘柄の割合を各銘柄の割合として判定してもよい。

また、本発明の米の銘柄判定プログラムは、処理装置によって米の銘柄を判定するプログラムであって、載置部に載置された複数の米粒に対して、前記載置部に対して少なくとも同じ米粒が複数回撮影されるようにカメラを相対的に移動させて撮影して複数の集合画像を取得し、前記集合画像を加工して前記米粒の単体画像を抽出し、予め銘柄が明らかである複数の米の教師データによって学習された銘柄判定モデルを用いて前記単体画像ごとの銘柄の判定である単体判定を行い、前記単体判定の結果を基にスコアを算出し、複数の前記集合画像における前記スコアを集計して複数の前記米粒の銘柄の判定である総合判定を行うことを特徴とする。

本発明によれば、撮影された画像データを用いて、米の銘柄の判定を行うことが可能な方法及びプログラムを提供することができる。

本実施形態の銘柄判定装置の外観を示す説明図。 本実施形態の銘柄判定装置を分解した状態を示す説明図。 本実施形態の銘柄判定装置の機能的構成を示す説明図。 本実施形態の銘柄判定装置において複数の位置でカメラの撮影を行っている状態を示す説明図。 スマートフォンに表示される画面と、撮影された画像の処理の流れを示す説明図。

次に、本発明の実施形態の一例である米の銘柄判定装置について、図１～図５を参照して説明する。図１は、本実施形態の銘柄判定装置１の外観を示す説明図であり、図２は、本実施形態の銘柄判定装置１を分解した状態を示す説明図である。

本実施形態の銘柄判定装置１は、図１に示すように、カメラ２を備えたスマートフォン３によって米粒Ｒを撮影し、スマートフォン３にインストールされたアプリ（プログラム）によって米粒Ｒの銘柄を判定する装置である。

図１に示すように、銘柄判定装置１は、複数の米粒Ｒを載置可能な載置台（載置部）４と、カメラ２を備えたスマートフォン３と、スマートフォン３を移動させる移動装置（移動手段）５とを備えている。

載置台４は、本実施形態においては、トレイ形状をしており、その表面に米粒Ｒを複数載置することが可能である。載置台４の米粒Ｒを載置する面は、カメラ２によって映り込みが生じないように、光が反射しにくく明度が低くなるような処理が施されている。

カメラ２は、本実施形態ではスマートフォン３に搭載されたカメラを利用している。近年のスマートフォン３に搭載されたカメラ２は、性能の向上が著しく、米の銘柄判定を行うことが可能となっている。また、スマートフォン３は、現在広く普及しており、銘柄の判別を行いたい者が容易に入手可能となっている。

移動装置５は、図１及び図２に示すように、スマートフォン３を設置するカメラ設置台６と、カメラ２の撮影を正確に行うための撮影室７と、カメラ２を水平方向に移動可能なステージ８とを備えている。

カメラ設置台６は、スマートフォン３のカメラ２を撮影室７内に向けて位置決め固定する台である。カメラ設置台６には、スマートフォン３のカメラ２を外部に露出させるカメラ用窓６ａが形成されている。本実施形態では、このカメラ設置台６は、スマートフォン３の種類（機種）に応じて専用のものが準備されているが、複数の種類に対応した調整可能な構成としてもよい。

撮影室７は、カメラ２の撮影時に照射される光を制御するために設けられており、円筒状の本体７ａと、円形板状の蓋７ｂとを備えている。本体７ａの内部には、ＬＥＤを使用した光源９が設置されている。本実施形態では、この光源９からの光が直接米粒Ｒに照射されず、反射光が米粒Ｒに照射されるように形成されている。また、本実施形態では、光源９に平均演色評価数（Ｒａ）が８０以上の光源を用いている。蓋７ｂには、スマートフォン３のカメラ２によって米粒Ｒが撮影可能なように開口部７ｃが形成されている。

ステージ８は、スマートフォン３、カメラ設置台６、及び撮影室７を図１の矢印の方向（逆方向も可）に移動させ、複数の位置で撮影した複数の画像を取得可能となっている。ステージ８は、矩形の板状に形成され、撮影室７が装着される開口部８ａと、四隅の下方に延びる脚部８ｂを備えている。脚部８ｂの裏面には、ステージ８を一方向に移動させることが可能なキャスター８ｃが設けられている（図４参照）。

図３は、本実施形態の銘柄判定装置１の機能的構成を示すブロック図である。図３に示すように、スマートフォン３は、カメラ２と、画像処理部１０と、算出部１１と判定部１２と表示部１３とを備えている。スマートフォン３は、現在広く用いられている汎用の携帯機器であり、カメラ２の他に、ハードウエアとしてＣＰＵ、ＧＰＵ等の処理装置、内蔵メモリ等の記憶部、Ｗｉ－Ｆｉ（登録商標）や電話回線網と接続するための通信部等を内蔵している。

カメラ２はスマートフォン３に搭載されており、表示部１３はスマートフォン３の液晶画面を利用している。画像処理部１０、算出部１１及び判定部１２は、スマートフォン３の記憶部に記憶されており、アプリと呼ばれるプログラムと前記各ハードウエアによって実現される機能部である。また、スマートフォン３は、外部のデータベースに記憶されている銘柄判定モデル１４と信号のやりとりを行うことができる。

画像処理部１０は、カメラ２で撮影された集合画像（図５（Ｃ）参照）を、銘柄判定モデル１４によって判定処理を行うことができるように加工する機能部である。本実施形態においては、撮影された集合画像について、米粒Ｒの輪郭を抽出して背景をマスクし、米粒Ｒの向きが検出可能となるように米粒Ｒの外接矩形の判定を行い、各米粒Ｒの輪郭ごとの単体画像（図５（Ｆ）及び（Ｇ）参照）を生成する処理を行う。

算出部１１は、銘柄判定モデル１４の判定結果から、米粒Ｒごとのスコアと、米の銘柄ごとのスコアを算出する機能部である。銘柄判定モデル１４においては、画像処理部１０で処理された単体画像について、米の銘柄の単体判定がなされ、その単体判定の結果を単体得票とする。

また、算出部１１は、その単体画像について、銘柄の確率を所定の閾値（例えば５０％）で複数のレベルにレベル分けし、その確率が閾値以上の場合はその単体画像のポイントを１（１倍）とし、銘柄の確率が閾値未満の場合はその単体画像のポイントを０．７（０．７倍）とする処理を行う。このように、算出部１１は、閾値以上の単体画像が閾値未満の単体画像と比べて高い値となるようにポイントを算出する。また、算出部１１は、各米粒Ｒの単体画像についてのポイントを、米の銘柄ごとに積算する。

判定部１２は、算出部１１の算出結果から米の銘柄の総合判定を行う機能部である。算出部１１によって各米粒Ｒの銘柄ごとに集計されたスコアによって、載置台４に載置された米粒Ｒがどの銘柄であるか、或いは判定しようとする銘柄である確率はいくつか等の判定を行う。

表示部１３は、スマートフォン３の表示画面に判定結果等を表示させる機能部である。本実施形態では、判定結果等をスマートフォン３の表示画面に表示させているが、有線又は無線で外部のディスプレイに表示させるようにしてもよい。

次に、本実施形態の銘柄判定装置１における銘柄判定モデル１４について説明する。銘柄判定モデル１４は、ニューラルネットワークとパラメータとを含む構造を有する。ニューラルネットワークは、複数のニューロンを結合させた構造を有する。一例として、ニューラルネットワークは、複数のニューロンがグループ化された層を連ねた階層型の多層ニューラルネットワークとすることができる。

ニューラルネットワークは、ニューロンの個数及び結合関係で定義される。ニューロン間又は層間の結合強度は、パラメータ（重み係数など）を用いて定義される。ニューラルネットワークでは、対象データが入力され、複数のニューロンの演算結果及びパラメータに基づいて、対象データの評価及びラベルの付与が行われる。

銘柄判定モデル１４は、単体画像の内容を認識し、当該単体画像が複数の米の銘柄のどの銘柄であるかの単体判定を行う。ここで、本願における銘柄は、米の品種も含む概念である。銘柄判定モデル１４は、予め銘柄が明らかである複数の米の教師データによって機械学習されている。銘柄としては、あきたこまち、まっしぐら、青天の霹靂、つがるロマン、コシヒカリ、ひとめぼれ、ヒノヒカリ、ななつぼし、はえぬき等の各銘柄の単体判定が可能である。

銘柄判定モデル１４の学習環境は、例えばＡｍａｚｏｎ社の「ＳａｇｅＭａｋｅｒ」等の既存の機械学習フレームワークを利用して構築することができる。その他、銘柄判定モデル１４の構築は、特許文献１に記載された方法の他、公知の畳み込みニューラルネットワーク（ＣＮＮ）を用いて行うことができるが、公知の手法であるため詳細な説明は省略する。

次に、図４及び図５を参照して、本実施形態の銘柄判定装置１の作動について説明する。本実施形態の銘柄判定装置１のユーザは、事前準備として、スマートフォン３に銘柄判定アプリをインストールし、アプリを立ち上げる。ユーザは、アプリを立ち上げた際に表示されるユーザ認証画面（図示省略）でユーザ認証を行う。

ユーザ認証が行われると、スマートフォン３の表示画面に、図５（Ａ）に示すモデル選択画面２１が表示される。モデル選択画面２１では、判定に使用する銘柄判定モデル１４を選択することができる。例えば、青森版２１ａのモデルや、岩手版２１ｂのモデルというように、産地で分類されたモデルを選択することができる。銘柄判定モデル１４は、この他に、品種の近似するものをまとめたモデルや、所定の取引所において取引されている品種をまとめたモデル等の各種モデルを選択することができる。

モデル選択画面２１によってモデルの選択を行うと、図５（Ｂ）に示すモード選択画面２２が表示される。本実施形態では、判定会モード２２ａと、申告モード２２ｂの２種類を選択することができる。また、モデル選択を行わないときは、キャンセル２２ｃを選択することができる。

判定会モード２２ａとは、複数の米粒Ｒについて、単一の銘柄であるか否かを判定するモードである。申告モード２２ｂとは、所定の単一の銘柄であると申請された米粒Ｒについて、その米粒Ｒが申請された銘柄である確率を、ランクや確率の数値によって判定するモードである。ここでは、まず、図５（Ｂ）において、判定会モード２２ａを選択した場合の作動について説明する。

図５（Ｂ）において、判定会モード２２ａ選択すると、スマートフォン３のカメラ２が起動してスタンバイ状態となる。この状態でスマートフォン３をカメラ設置台６にセットする。また、図４（Ａ）に示すように、載置台４の上に複数の米粒Ｒを載置する。このとき、載置台４を真上から見たときに、米粒Ｒ同士が多少接触していてもよい。なお、本実施形態では、米粒Ｒとして玄米を用いている。

移動装置５側においては、撮影室７が載置台４の上方に位置するようにステージ８を配置する。このとき、光源９によって載置台４に載置された米粒ＲにＬＥＤの反射光が照射される。ここで、スマートフォン３のカメラ２を用いて、米粒Ｒの第１回目の撮影を行う。撮影された集合画像は、スマートフォン３の記憶部（図示省略）に記憶される。

次に、図４（Ｂ）に示すように、移動装置５を矢印の方向に移動させ、その状態でカメラ２による第２回目の撮影を行う。同様に、図４（Ｃ）に示すように、移動装置５を矢印の方向に移動させ、その状態でカメラ２による第３回目の撮影を行う。

次に、画像処理部１０により画像処理を行う。図５（Ｃ）は、カメラ２により撮影された集合画像２３ａである。図５（Ｄ）は、画像処理部１０によりマスク処理を行った集合画像２３ｂである。図５（Ｅ）は、画像処理部１０により米粒Ｒの画像に四角形を当てはめる処理を行った集合画像２３ｃである。

画像処理部１０は、図５（Ｄ）に示すように、集合画像２３ａにおける米粒Ｒの輪郭を抽出して、背景のマスク処理を行い、集合画像２３ｂとする。輪郭の抽出においては、米粒Ｒの外周が輪郭として抽出可能な米粒のみを選択し、輪郭が抽出できない米粒のデータについては集合画像２３ｂから消去する。また、マスク処理では、輪郭が抽出できない米粒のデータを含め、米粒が検出されていない領域を黒一色で塗りつぶす処理を行う。

次に、画像処理部１０は、図５（Ｅ）に示すように、米粒Ｒの輪郭に接する四角形を形成した集合画像２３ｃを生成し、当該四角形の傾きを検出する。その後、図５（Ｆ）及び（Ｇ）に示すように、各米粒Ｒの単体画像である輪郭画像２４ａ、２４ｂを抽出し、その輪郭画像２４ａ、２４ｂの姿勢を縦方向にそろえる処理を行う。

次に、銘柄判定モデル１４によって各米粒Ｒの銘柄の単体判定を行う。例えば、図５（Ｈ）では、輪郭画像２４ａは、つがるロマンである確率が閾値である５０％以上であった。このため、算出部１１は、当該輪郭画像２４ａについては、つがるロマンである確率が高いと判定される。ここで、当該輪郭画像２４ａの単体得票が１となる。

一方で、輪郭画像２４ｂは、つがるロマンであると判定されているが、つがるロマンである確率が閾値である５０％未満であった。このため、算出部１１は、当該輪郭画像２４ｂについては、つがるロマンである確率が低いと判定される。また、この確率が低い場合でも、つがるロマンであると判定されているので、当該輪郭画像２４ａの単体得票が１となる。

次に、算出部１１は、輪郭画像２４ａについて、つがるロマンである確率が高いため、確率が高い場合の係数を乗じてポイントを算出する。本実施形態では、この場合の係数を１．０としている。同様に、輪郭画像２４ｂについては、つがるロマンである確率が低いため、確率が低い場合の係数を乗じる。本実施形態では、この場合の係数を０．７としている。

次に、算出部１１は、図５（Ｊ）に示すように、上記処理により係数によって調整されたポイントを、銘柄ごとに集計する。例えば、青森版２１ａのモデルであれば、複数の米粒Ｒについて銘柄判定モデル１４により判定された銘柄が、あきたこまち、まっしぐら、青天の霹靂、又はつがるロマンであり、各銘柄について、判定された輪郭画像に関連付けられたスコア（単体得票及びポイント）を積算する。

以上の画像処理、銘柄判定モデル１４による単体判定、及び算出部１１による処理を、カメラ２で撮影された回数繰り返す。本実施形態においては、カメラ２により３回撮影を行っているので、上記各処理を３回繰り返す。

次に、判定部１２は、算出部１１により算出されたスコアを基礎として複数の米粒Ｒの銘柄の総合判定を行い、表示部１３によって、判定結果画面２５をスマートフォン３に表示させる。判定会モード２２ａの場合は、図５（Ｋ）に示すように、総合判定の結果として、特定の品種を表示させる。

図５（Ｋ）は、つがるロマンが特定の品種として表示された例を示している。同図においては、グラフ２６に、各銘柄のスコアが％表示で示されている。このグラフ２６は、判定結果として表示してもよく、グラフ２６を表示させずに総合判定の結果のみを表示させてもよい。

ここで、判定部１２における判定処理について説明する。本実施形態においては、判定部１２は、判定会モード２２ａ及び申告モード２２ｂのように、単一の銘柄判定を行う際に、まず、第１回目の撮影で得られた輪郭画像（２４ａ、２４ｂ等）について、銘柄判定モデル１４による単体判定がなされた銘柄の数（単体得票の数）を求めて積算し、銘柄として単体得票が最多のものを第１回目の撮影における判定結果としている（集合得票）。本実施形態では、上記の通り、銘柄判定モデル１４による単体判定の結果が、閾値以上のものと閾値未満のものを共にそれぞれ単体得票を１とカウントしている。

次に、第２及び第３の撮影で得られた輪郭画像についても同様の処理を行い、第２回目の撮影における判定結果（集合得票）と、第３回目の撮影における判定結果（集合得票）を得る。本実施形態では、判定部１２は、第１回目から第３回目の撮影における判定結果において、集合得票が最多の銘柄を最終的な総合判定としている。例えば、第１回目と第２回目の撮影における判定結果がつがるロマン（集合得票が２）、第３回目の撮影における判定結果があきたこまち（集合得票が１）のときは、集合得票が２であるつがるロマンを最終的な総合判定の結果とする。

仮に、撮影を偶数回行う場合においても、第１回目から第ｎ回目（ｎは正の偶数）の複数の撮影における判定結果において、集合得票が最多の判定結果となった撮影回数が同数となる場合がある（つがるロマンの集合得票が２、あきたこまちの集合得票が２等）。この場合は、各銘柄において、図５（Ｊ）で集計を行ったポイントの合計が最多のものを最終的な判定結果とする。

図５（Ｊ）で集計を行ったポイントの合計が最多で同一のものが複数生じた場合は、各銘柄における輪郭画像が少ない銘柄を最終的な銘柄として総合判定するようにしてもよい。このように、同一スコアの場合に輪郭画像が少ない銘柄を優先するのは、輪郭画像が少ない状態で合計として同一スコアとなっているため、各輪郭画像の単独でのポイントが高い（その銘柄である確率が高い）ものが多いためである。

次に、図５（Ｂ）のモード選択画面２２において、申告モード２２ｂを選択した際の処理について説明する。図５（Ｂ）のモード選択画面２２において、申告モード２２ｂを選択した場合は、図５（Ｌ）における品種選択画面２７が表示される。この品種選択画面２７では、モデル選択画面２１で選択されたモデル（例えば青森版２１ａ）について、そのモデルで判定可能な銘柄が表示される。図５（Ｌ）では、あきたこまち、まっしぐら、晴天の霹靂、及びつがるロマンの４種類の銘柄が表示される。

ユーザが品種選択画面２７において、つがるロマンを選択した場合、総合判定の結果として、米粒Ｒがつがるロマンである可能性が表示される。本実施形態では、選択された品種について集計されたスコアが４０％以上で「Ａ」判定、３０％以上４０％未満が「Ｂ」判定、３０％未満が「Ｃ」判定となるように設定されている。なお、当該判定基準は任意に変更することができる。

判定部１２は、算出部１１により積算した結果を基に複数の米粒Ｒの銘柄の総合判定を行い、表示部１３によって、申告モード２２ｂの判定結果画面２８をスマートフォン３に表示させる。図５（Ｍ）では、判定結果画面２８において、米粒Ｒ全体に対するつがるロマンの割合が全体の３５％であった場合の総合判定の結果として「Ｂ」となった例を示している。

次に、本実施形態の銘柄判定装置１において、単一ではなく、複数の銘柄の判定を行う場合の作動について説明する。複数の銘柄判定を行うときは、モード選択画面で複数銘柄モードを選択する（図示省略）。その上で、カメラ２での撮影を複数回行い、総合判定の結果として図５（Ｋ）に示すグラフ２６のようなグラフ表示、或いは各銘柄ごとの割合（％）の表をスマートフォン３の表示画面に表示させる。

このような処理により、ユーザは、載置台４に載置した米粒Ｒについて、複数の銘柄の判定を行うことができるので、ブレンド米等、複数の銘柄がブレンドされた米粒Ｒについて、各銘柄のブレンド状況を確認することができる。

なお、上記実施形態においては、移動装置５は、カメラ２側を移動させる装置となっているが、これに限らず、載置台４側を移動させるようにしてもよい。例えば、載置台４の裏面にキャスターを設け、載置台４を撮影に応じて移動させるようにしてもよい。即ち、移動装置５は、カメラ２と載置台４が相対的に移動するような構成であればよい。また、移動装置５の移動方向は、水平方向のみならず、米粒Ｒに対してカメラ２を円弧状の起動を描いて移動させるように構成してもよい。

また、上記実施形態においては、カメラ２は、スマートフォン３に搭載されたカメラを利用しているが、これに限らず、デジタルカメラを用いてもよい。その場合、算出部１１及び判定部１２は、小型のコンピュータ等を用いるようにすればよい。

また、上記実施形態においては、銘柄判定モデル１４は、外部のデータベースに記憶されているものを利用しているが、これに限らず、スマートフォン３に記憶させてもよく、小型のコンピュータ等に記憶されているものを利用してもよい。

また、上記実施形態においては、カメラ２の撮影回数を３回としているが、銘柄判定モデル１４の精度によっては２回でもよく、４回以上の回数としてもよい。また、上記実施形態では、米粒Ｒとして玄米を用いているが、これに限らず、精米を用いてもよい。また、上記実施形態においては、画像処理部１０によって、各米粒Ｒの輪郭画像２４ａ、２４ｂを抽出しているが、これに限らず、各米粒Ｒの画像そのもので上記処理を行ってもよい。

また、判定部１２においては、単体得票とポイントとを用いて総合判定を行っているが、単体得票のみを集計して総合判定としてもよく、ポイントのみを集計して総合判定としてもよい。また、上記実施形態においては、単体判定における閾値の一例として５０％を例示しているが、これに限らず、閾値を３０％、５０％、及び７０％というように、複数設けてポイントを算出してもよい。

１…銘柄判定装置
２…カメラ
３…スマートフォン
４…載置台（載置部）
５…移動装置（移動手段）
６…カメラ設置台
７…撮影室
８…ステージ
９…光源
１０…画像処理部
１１…算出部
１２…判定部
１３…表示部
１４…銘柄判定モデル
２１…モデル選択画面
２２…モード選択画面
２３…集合画像
２４ａ，２４ｂ…輪郭画像（単体画像）
２５，２８…判定結果画面
２６…グラフ
２７…品種選択画面

Claims (9)

1. 米の銘柄を判定する方法であって、
   載置部に載置された複数の米粒に対して、前記載置部に対して少なくとも同じ米粒が複数回撮影されるようにカメラを相対的に移動させて撮影して複数の集合画像を取得し、
   前記集合画像を加工して前記米粒の単体画像を抽出し、
   予め銘柄が明らかである複数の米の教師データによって学習された銘柄判定モデルを用いて前記単体画像ごとの銘柄の判定である単体判定を行い、
   前記単体判定の結果を基にスコアを算出し、
   複数の前記集合画像における前記スコアを集計して複数の前記米粒の銘柄の判定である総合判定を行うことを特徴とする米の銘柄判定方法。
2. 請求項１に記載の米の銘柄判定方法であって、
   前記判定は単一の銘柄判定を行うものであり、
   前記スコアとして、前記単体判定の結果を前記単体画像における単体得票とし、各銘柄ごとに前記単体得票を集計し、
   前記単体得票が最多の銘柄を総合判定の結果とすることを特徴とする米の銘柄判定方法。
3. 請求項２に記載の米の銘柄判定方法であって、
   前記単体得票が最多の銘柄を前記集合画像における集合得票とし、前記集合得票が最多の銘柄を総合判定の結果とすることを特徴とする米の銘柄判定方法。
4. 請求項３に記載の米の銘柄判定方法であって、
   前記スコアとして、前記単体得票に加え、前記銘柄判定モデルによって前記単体画像の銘柄の確率を取得し、前記確率を複数のレベルに分け、前記スコアとして前記レベルの高いものが前記レベルの低いものに比べて値が高くなるようなポイントを算出し、
   複数の銘柄において前記集合得票が同数の場合は、前記ポイントの合計が最多の銘柄を総合判定の結果とすることを特徴とする米の銘柄判定方法。
5. 請求項４に記載の米の銘柄判定方法であって、
   複数の銘柄において前記集合得票が同数であり、前記ポイントの合計が同数であるときは、前記銘柄における前記単体得票の数が少ない銘柄を総合判定の結果とすることを特徴とする米の銘柄判定方法。
6. 請求項１に記載の米の銘柄判定方法であって、
   前記判定は単一の銘柄判定を行うものであり、
   前記銘柄判定モデルによって前記単体画像の銘柄の確率を取得し、前記確率を複数のレベルに分け、前記スコアとして前記レベルの高いものが前記レベルの低いものに比べて値が高くなるようなポイントを算出し、
   前記ポイントが最多の銘柄を総合判定の結果とすることを特徴とする米の銘柄判定方法。
7. 請求項６に記載の米の銘柄判定方法であって、
   複数の前記集合画像ごとに前記ポイントを集計し、前記ポイントの合計が最多の銘柄を前記集合画像における集合得票とし、前記集合得票が最多の銘柄を総合判定の結果とすることを特徴とする米の銘柄判定方法。
8. 請求項１に記載の米の銘柄判定方法であって、
   複数の銘柄判定を行うときは、前記銘柄判定モデルによって判定された銘柄の割合を各銘柄の割合として判定することを特徴とする米の銘柄判定方法。
9. 処理装置によって米の銘柄を判定するプログラムであって、
   載置部に載置された複数の米粒に対して、前記載置部に対して少なくとも同じ米粒が複数回撮影されるようにカメラを相対的に移動させて撮影して複数の集合画像を取得し、
   前記集合画像を加工して前記米粒の単体画像を抽出し、
   予め銘柄が明らかである複数の米の教師データによって学習された銘柄判定モデルを用いて前記単体画像ごとの銘柄の判定である単体判定を行い、
   前記単体判定の結果を基にスコアを算出し、
   複数の前記集合画像における前記スコアを集計して複数の前記米粒の銘柄の判定である総合判定を行うことを特徴とする米の銘柄判定プログラム。

Images