KR20190010576A - 정보 탐색 시스템 및 방법, 정보 탐색 프로그램 - Google Patents

정보 탐색 시스템 및 방법, 정보 탐색 프로그램 Download PDF

Info

Publication number
KR20190010576A
KR20190010576A KR1020187034735A KR20187034735A KR20190010576A KR 20190010576 A KR20190010576 A KR 20190010576A KR 1020187034735 A KR1020187034735 A KR 1020187034735A KR 20187034735 A KR20187034735 A KR 20187034735A KR 20190010576 A KR20190010576 A KR 20190010576A
Authority
KR
South Korea
Prior art keywords
information
association
detection algorithm
degree
photographing
Prior art date
Application number
KR1020187034735A
Other languages
English (en)
Other versions
KR102273128B1 (ko
Inventor
나오키 노로
요헤이 타카라
후미노리 안도
타카히로 후지모리
Original Assignee
에바 · 재팬 가부시키가이샤
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 에바 · 재팬 가부시키가이샤 filed Critical 에바 · 재팬 가부시키가이샤
Priority claimed from PCT/JP2018/018219 external-priority patent/WO2018212078A1/ja
Publication of KR20190010576A publication Critical patent/KR20190010576A/ko
Application granted granted Critical
Publication of KR102273128B1 publication Critical patent/KR102273128B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G01J3/50—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
    • H04N23/11—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths for generating image signals from visible and infrared light wavelengths
    • H04N5/232—
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/30—Measuring the intensity of spectral lines directly on the spectrum itself
    • G01J3/36—Investigating two or more bands of a spectrum by separate detectors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Mathematical Physics (AREA)
  • Biochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

[과제] 피사체로부터 목적 사상을 판별하는데 필요한 스펙트럼 데이터를 취득하기 위한 검출 알고리즘 정보를 자동적으로 탐색한다
[해결 수단] 촬영한 피사체(10)로부터 목적 사상을 판별하는데 필요한 검출 알고리즘 정보를 탐색함에 있어서, 새롭게 판별해야 할 피사체의 목적 사상에 관한 정보의 입력을 접수하고, 알고리즘 데이터베이스(3)에 기억되어 있는 피사체의 각 목적 사상과, 검출 알고리즘 정보와의 3단계 이상의 제1 연관도를 참조하고, 입력된 상기 목적 사상에 관한 정보에 기초하여, 하나 이상의 검출 알고리즘 정보를 탐색하게 한다.

Description

정보 탐색 시스템 및 방법, 정보 탐색 프로그램
본 발명은 피사체로부터 목적 사상(事象)을 판별하는데 필요한 스펙트럼 데이터를 취득하기 위한 검출 알고리즘 정보나, 이것을 촬영하는 촬영 장치의 각종 촬영 조건을 자동적으로 탐색하는데 적합한 정보 탐색 시스템 및 방법, 정보 탐색 프로그램에 관한 것이다.
종래부터, 피사체의 촬영 화상을 파장마다 분광하여 분석함으로써, 피사체에 대해 원하는 사상을 판별하는 스펙트럼 촬상 장치가 제안되어 있다. 스펙트럼 촬상 장치는 자외부터 가시, 나아가 적외에 이르기까지의 파장 영역에 대하여, 0.1nm∼100nm의 파장 분해능으로 수십 밴드 이상에 걸쳐 분광 가능한 고파장 분해 분광 정보(이하, 하이퍼 스펙트럼 데이터)를 취득할 수 있다. 이러한 하이퍼 스펙트럼 데이터를 활용함으로써, 예를 들면, 식품의 선도, 건축 구조물의 결함, 식물의 광합성, 광물 중에 포함되는 화학 원소, 피부의 수분이나 검버섯 등을 고정밀도로 분석하는 것이 가능하게 된다. 즉 이 스펙트럼 촬상 장치에 의하면, 단지 피사체만을 촬상하는 것에 일관하는 것이 아니라, 그 피사체에 있어서의 목적 사상까지를 검지하는 것이 가능하게 된다.
이러한 하이퍼 스펙트럼 데이터를 취득할 수 있는 스펙트럼 촬상 장치의 예가, 예를 들면, 특허문헌 1, 2에 개시되어 있다.
특허문헌 1에는, 인체 내의 종양 부위를 목적 사상으로 한 스펙트럼 촬상 장치가 개시되어 있다. 이 특허문헌 1의 개시 기술에 의하면, 암세포 내에 축적되는 성분에 따른 형광 파장에 초점을 맞추어 검출을 행함으로써, 종양 부위와 비종양 부위를 식별하는 것이다.
또한, 특허문헌 2에는, 피사체가 과실인지 아닌지를 판별하기 위한 정보 처리장치가 개시되어 있다. 과실의 기준 특징량을 미리 취득해 두고, 실제로 촬상한 피사체의 분광 화상의 특징량과의 비교에 기초하여, 피사체가 과실인지 아닌지를 판별한다. 이 기준 특징량은 모두 스펙트럼 데이터에 근거하고 있다.
이외에는, 하이퍼 스펙트럼 데이터를 화상 해석에 주목한 기술도 개시되어 있다(예를 들면, 특허문헌 3 참조.).
국제공개 13/002350호 공보 일본 특개 2017-3495호 공보 일본 특개 2015-166682호 공보
그러나, 이 피사체에 있어서의 목적 사상을 판별하는데 필요한 스펙트럼 데이터를 취득하기 위한 검출 알고리즘을 연구하는 것은 많은 시간과 노력을 요하고, 게다가 기술적인 지견도 필요하게 된다.
예를 들면, 상술한 인체 내의 종양 부위의 스펙트럼 데이터를 얻기 위한 검출 알고리즘은 암세포 내에 축적되는 프로토포르피린 IX가 635nm의 형광을 발하고, 포토 프로토포르피린이 675nm의 형광을 발광하는 점에 주목하고, 이들 형광을 검지 가능한 검출 알고리즘을 편성하게 된다. 이러한 검출 알고리즘을 편성함에 있어서는, 이들 암세포 내에 축적되는 성분이 무엇인지, 또 어떠한 파장의 형광을 발광하는 것인지 등의 기술적 지견이 필요하고, 또한 이들 형광만을 정밀하게 추출하여 정확한 식별을 행하기 위한 각종 검토에 많은 시간과 노력이 필요하게 된다.
이 때문에, 잇달아 새로운 피사체의 목적 사상이 생겨날 때마다, 최적의 검출 알고리즘을 용이하게 취득할 수 있는 기술이 종래부터 요망되고 있었다. 그러나, 특허문헌 1∼3에는, 피사체의 목적 사상에 따라 최적의 검출 알고리즘을 취득하기 위한 기술은 특별히 개시되어 있지 않다.
또한, 실제로 피사체를 촬상하는 촬상 장치를 설계함에 있어서의 조건이나, 피사체를 촬영함에 있어서의 조건(이하, 이것들을 촬영 조건이라 총칭함)을 자동적으로 탐색함으로써 개발 비용의 삭감이나, 개발 기간의 단축화를 도모할 필요도 있지만, 특허문헌 1∼3에는 이러한 요청에 대응할 수 있는 기술은 특별히 개시되어 있지 않다.
그래서, 본 발명은 상술한 문제점을 감안하여 안출된 것으로, 그 목적으로 하는 바는 피사체로부터 목적 사상을 판별하는데 필요한 스펙트럼 데이터를 취득하기 위한 검출 알고리즘 정보나, 이것을 촬영하는 촬영 장치의 촬영 조건을 자동적으로 탐색하는 것이 가능한 정보 탐색 시스템 및 방법, 정보 탐색 프로그램을 제공하는 것에 있다.
본 발명자들은, 상술한 과제를 해결하기 위하여, 촬영한 피사체로부터 목적 사상을 판별하는데 필요한 검출 알고리즘 정보를 탐색함에 있어서, 새롭게 판별해야 할 피사체의 목적 사상에 관한 정보의 입력을 접수하고, 제1 연관 데이터베이스에 기억되어 있는 피사체의 각 목적 사상과, 검출 알고리즘 정보와의 3단계 이상의 제1 연관도를 참조하고, 상기 입력된 상기 목적 사상에 관한 정보에 기초하여, 하나 이상의 검출 알고리즘 정보를 탐색시키는 정보 탐색 시스템 및 방법, 정보 탐색 프로그램을 발명했다.
본 발명에 따른 정보 탐색 시스템은 촬영한 피사체로부터 목적 사상을 판별하는데 필요한 스펙트럼 데이터의 검출 알고리즘 정보를 탐색하는 정보 탐색 시스템에 있어서, 피사체의 각 목적 사상과, 상기 검출 알고리즘 정보와의 3단계 이상의 제1 연관도가 미리 기억되어 있는 제1 연관 데이터베이스와, 새롭게 판별해야 할 피사체의 목적 사상에 관한 정보가 입력되는 목적 사상 입력 수단과, 상기 제1 연관 데이터베이스에 기억되어 있는 상기 제1 연관도를 참조하고, 상기 목적 사상 입력 수단을 통하여 입력된 상기 목적 사상에 관한 정보에 기초하여, 하나 이상의 검출 알고리즘 정보를 탐색하는 탐색 수단을 구비하는 것을 특징으로 한다.
본 발명에 따른 정보 탐색 시스템은, 촬영한 피사체로부터 목적 사상을 판별하기 위한 촬영 장치의 촬영 조건을 탐색하는 정보 탐색 시스템에 있어서, 피사체의 각 목적 사상과, 각 촬영 조건과의 3단계 이상의 제1 연관도가 미리 기억되어 있는 제1 연관 데이터베이스와, 새롭게 판별해야 할 피사체의 목적 사상에 관한 정보가 입력되는 목적 사상 입력 수단과, 상기 제1 연관 데이터베이스에 기억되어 있는 상기 제1 연관도를 참조하고, 상기 목적 사상 입력 수단을 통하여 입력된 상기 목적 사상에 관한 정보에 기초하여, 하나 이상의 촬영 조건을 탐색하는 탐색 수단을 구비하는 것을 특징으로 한다.
본 발명에 따른 정보 탐색 프로그램은 촬영한 피사체로부터 목적 사상을 판별하는데 필요한 검출 알고리즘 정보를 탐색하는 정보 탐색 프로그램에 있어서, 새롭게 판별해야 할 피사체의 목적 사상에 관한 정보의 입력을 접수하는 목적 사상 입력 스텝과, 제1 연관 데이터베이스에 기억되어 있는 피사체의 각 목적 사상과, 검출 알고리즘 정보와의 3단계 이상의 제1 연관도를 참조하고, 상기 목적 사상 입력 스텝에 의해 입력된 상기 목적 사상에 관한 정보에 기초하여, 하나 이상의 검출 알고리즘 정보를 탐색하는 탐색 스텝을 컴퓨터에 실행시키는 것을 특징으로 한다.
본 발명에 따른 정보 탐색 프로그램은, 촬영한 피사체로부터 목적 사상을 판별하기 위한 촬영 장치의 촬영 조건을 탐색하는 정보 탐색 프로그램에 있어서, 새롭게 판별해야 할 피사체의 목적 사상에 관한 정보가 입력되는 목적 사상 입력 스텝과, 제1 연관 데이터베이스에 기억되어 있는, 피사체의 각 목적 사상과, 각 촬영 조건과의 3단계 이상의 제1 연관도를 참조하고, 상기 목적 사상 입력 스텝에 의해 입력된 상기 목적 사상에 관한 정보에 기초하여, 하나 이상의 촬영 조건을 탐색하는 탐색 스텝을 컴퓨터에 실행시키는 것을 특징으로 한다.
본 발명에 따른 정보 탐색 방법은, 촬영한 피사체로부터 목적 사상을 판별하는데 필요한 검출 알고리즘 정보를 탐색하는 정보 탐색 방법에 있어서, 새롭게 판별해야 할 피사체의 목적 사상에 관한 정보의 입력을 접수하는 목적 사상 입력 스텝과, 제1 연관 데이터베이스에 기억되어 있는 피사체의 각 목적 사상과, 검출 알고리즘 정보와의 3단계 이상의 제1 연관도를 참조하고, 상기 목적 사상 입력 스텝에 의해 입력된 상기 목적 사상에 관한 정보에 기초하여, 하나 이상의 검출 알고리즘 정보를 탐색하는 탐색 스텝을 갖고, 이들 각 스텝은 컴퓨터가 실행하는 것을 특징으로 한다.
본 발명에 따른 정보 탐색 방법은, 촬영한 피사체로부터 목적 사상을 판별하기 위한 촬영 장치의 촬영 조건을 탐색하는 정보 탐색 방법에 있어서, 새롭게 판별해야 할 피사체의 목적 사상에 관한 정보가 입력되는 목적 사상 입력 스텝과, 제1 연관 데이터베이스에 기억되어 있는, 피사체의 각 목적 사상과, 각 촬영 조건과의 3단계 이상의 제1 연관도를 참조하고, 상기 목적 사상 입력 스텝에 의해 입력된 상기 목적 사상에 관한 정보에 기초하여, 하나 이상의 촬영 조건을 탐색하는 탐색 스텝을 갖고, 이들 각 스텝은 컴퓨터가 실행하는 것을 특징으로 한다.
상술한 구성으로 이루어지는 본 발명에 의하면, 이제부터 판별해야 할 피사체의 목적 사상에 따른 스펙트럼 데이터의 최적의 검출 알고리즘 정보를 용이하게 취득하는 것이 가능하게 된다. 이 때문에, 잇달아 새로운 피사체의 목적 사상이 생길 때마다, 최적의 검출 알고리즘을 검토하기 위한 노력의 부담을 줄일 수 있어, 시간의 단축화를 도모하는 것이 가능하게 된다.
도 1은 본 발명을 적용한 제1 실시형태에 따른 정보 탐색 시스템의 전체 구성을 도시하는 블럭도이다.
도 2는 정보 탐색 시스템을 구성하는 탐색 장치의 블럭도이다.
도 3은 정보 탐색 시스템을 구성하는 스펙트럼 촬상 장치의 블럭도이다.
도 4는 스펙트럼 촬상 장치에 있어서의 제어부의 상세한 구성을 설명하기 위한 도면이다.
도 5는 촬영 장치의 블록 구성예를 도시하는 도면이다.
도 6은 정보 탐색 프로그램의 처리 동작 수순을 나타내는 플로우차트이다.
도 7은 어떤 과실의 선도를 스펙트럼 데이터를 통하여 판별하는 예에 대해 설명하기 위한 도면이다.
도 8은 피사체의 참조용 목적 사상과, 검출 알고리즘 정보를 제1 연관도에 의해 서로를 관계지은 네트워크를 도시하는 도면이다.
도 9는 피사체의 목적 사상에 더하여, 이들 조명계, 촬상계의 각종 파라미터를 제1 연관도에 의해 관련지은 예를 도시하는 도면이다.
도 10은 제1 연관도의 다른 예에 대해 설명하기 위한 도면이다.
도 11은 피사체의 참조용 목적 사상과, 촬영 조건을 제1 연관도에 의해 서로를 관계지은 네트워크를 도시하는 도면이다.
도 12는 피사체의 참조용 목적 사상 및 참조용 촬영 조건과, 촬영 조건을 제1 연관도에 의해 서로를 관계지은 네트워크를 도시하는 도면이다.
도 13은 피사체의 목적 사상의 입력으로부터 촬영 장치의 촬영 조건을 취득할 때까지의 데이터 플로우도이다.
도 14는 본 발명을 적용한 제2 실시형태에 따른 정보 탐색 시스템의 전체 구성을 도시하는 블럭도이다.
도 15는 복수의 검출 알고리즘 정보 등의 조합에 대한 촬영 조건이 3단계 이상의 제2 연관도에 의해 관련지어진 예를 도시하는 도면이다.
도 16은 제2 연관도의 다른 예에 대해 설명하기 위한 도면이다.
도 17은 조합의 제2 연관도의 예에 대해 설명하기 위한 도면이다.
도 18은 좌측의 참조용 검출 알고리즘 정보에 필터의 조건을 규정하고, 우측의 촬영 조건에는, 촬상 소자의 조건을 규정한 예를 도시하는 도면이다.
도 19는 스펙트럼 데이터에 의한 목적 사상을 자동적으로 판별하는데 필요하게 되는 제3 연관도를 도시하는 도면이다.
도 20은 조합에 대한 피사체의 목적 사상의 판별 결과와의 3단계 이상의 제3 연관도를 도시하는 도면이다.
도 21은 탐색해야 할 설계 정보와의 3단계 이상의 제4 연관도가 설정되어 있는 예를 도시하는 도면이다.
(발명을 실시하기 위한 형태)
이하, 본 발명을 적용한 정보 탐색 시스템에 대해, 도면을 참조하면서 상세하게 설명을 한다.
제1 실시형태
도 1은 본 발명을 적용한 제1 실시형태에 따른 정보 탐색 시스템(1)의 전체 구성을 도시하는 블럭도이다. 정보 탐색 시스템(1)은 스펙트럼 촬상 장치(4)에 대하여 제공해야 할 검출 알고리즘 정보를 탐색하는 것으로, 알고리즘 데이터베이스(3)와, 이 알고리즘 데이터베이스에 접속된 탐색 장치(2)와, 탐색 장치(2)에 접속되는 스펙트럼 촬상 장치(4) 및 촬영 장치(5)를 구비하고 있다.
알고리즘 데이터베이스(3)는 스펙트럼 촬상 장치(4)에 대하여 제공해야 할 검출 알고리즘 정보에 관한 데이터베이스가 구축되어 있다. 또한, 알고리즘 데이터베이스(3)는 촬영 장치(5)의 촬영 조건에 관한 데이터베이스가 구축되어 있다. 이 알고리즘 데이터베이스(3)에는, 공중 통신망을 통하여 보내져 온 정보, 또는 이 시스템의 유저에 의해 입력된 정보가 축적된다. 또한, 알고리즘 데이터베이스(3)는 탐색 장치(2)로부터의 요구에 기초하여, 이 축적한 정보를 탐색 장치(2)에 송신한다.
탐색 장치(2)는, 예를 들면, 퍼스널 컴퓨터(PC) 등을 비롯한 전자 기기로 구성되어 있지만, PC 이외에, 휴대전화, 스마트폰, 태블릿형 단말, 웨어러블 단말 등, 다른 모든 전자 기기로 구현화 되는 것이어도 된다.
도 2는 탐색 장치(2)의 구체적인 구성예를 도시하고 있다. 이 탐색 장치(2)는 탐색 장치(2) 전체를 제어하기 위한 제어부(24)와, 조작 버튼이나 키보드 등을 통하여 각종 제어용의 지령을 입력하기 위한 조작부(25)와, 유선 통신 또는 무선 통신을 행하기 위한 통신부(26)와, 최적의 검출 알고리즘 정보를 탐색하는 탐색부(27)와, 하드 디스크 등으로 대표되고, 실행해야 할 검색을 행하기 위한 프로그램을 저장하기 위한 기억부(28)가 내부 버스(21)에 각각 접속되어 있다. 또한, 이 내부 버스(21)에는, 실제로 정보를 표시하는 모니터로서의 표시부(23)가 접속되어 있다.
제어부(24)는, 내부 버스(21)를 통하여 제어 신호를 송신함으로써, 탐색 장치(2) 내에 실장된 각 구성 요소를 제어하기 위한 소위 중앙 제어 유닛이다. 또한, 이 제어부(24)는 조작부(25)를 통한 조작에 따라 각종 제어용의 지령을 내부 버스(21)를 통해 전달한다.
조작부(25)는 키보드나 터치패널에 의해 구현화 되고, 프로그램을 실행하기 위한 실행 명령이 유저로부터 입력된다. 이 조작부(25)는, 상기 실행 명령이 유저로부터 입력된 경우에는, 이것을 제어부(24)에 통지한다. 이 통지를 받은 제어부(24)는, 탐색부(27)를 비롯하여, 각 구성 요소와 협조하게 하여 원하는 처리 동작을 실행해 가게 된다.
탐색부(27)는 스펙트럼 촬상 장치(4)에 의해 촬상한 피사체로부터 목적 사상을 판별하는데 필요한 스펙트럼 데이터의 검출 알고리즘 정보를 탐색한다. 이 탐색부(27)는 탐색 동작을 실행함에 있어서, 필요한 정보로서 기억부(28)에 기억되어 있는 각종 정보나, 알고리즘 데이터베이스에 기억되어 있는 각종 정보를 읽어 낸다. 이 탐색부(27)는 인공 지능에 의해 제어되는 것이어도 된다. 이 인공 지능은 어떠한 주지의 인공 지능 기술에 기초하는 것이어도 된다.
표시부(23)는 제어부(24)에 의한 제어에 기초하여 표시 화상을 만들어 내는 그래픽 콘트롤러에 의해 구성되어 있다. 이 표시부(23)는, 예를 들면, 액정 디스플레이(LCD) 등에 의해 실현된다.
기억부(28)는, 하드 디스크로 구성되는 경우에 있어서, 제어부(24)에 의한 제어에 기초하여, 각 어드레스에 대하여 소정의 정보가 기입됨과 아울러, 필요에 따라 이것이 읽어 내어진다. 또한, 이 기억부(28)에는, 본 발명을 실행하기 위한 프로그램이 저장되어 있다. 이 프로그램은 제어부(24)에 의해 읽어 내어져 실행되게 된다.
도 3은 스펙트럼 촬상 장치(4)의 구성예를 도시하고 있다. 스펙트럼 촬상 장치(4)는 소위 멀티 스펙트럼 카메라나, 컬러 필터를 교환하는 방식의 카메라나, 프리즘을 사용한 방식의 카메라로 구성되어 있다. 스펙트럼 촬상 장치(4)는 피사체를 촬영하고, 또한 거기에서 분광 화상을 취득한다. 스펙트럼 촬상 장치(4)는 각 촬영 위치에 있어서의 2차원 분광 데이터로부터 2차원의 공간 정보와 1차원의 파장 정보를 갖는 3차원 분광 데이터에 기초하여 분광 화상을 생성한다. 스펙트럼 촬상 장치(4)가 생성하는 분광 화상은 파장마다의 피사체의 반사율 또는 투과율을 나타내는 복수의 이차원 화상으로 이루어진다. 이 분광 화상의 예로서는, 200nm∼13㎛의 소정의 파장 범위의 파장 영역에 있어서, 0.1nm∼100nm의 파장 분해능으로 되어 있어도 되고, 밴드마다의 분광 화상으로 되어 있다.
덧붙여서 말하면, 이 스펙트럼 촬상 장치(4)에 의해 촬상되는 분광 화상에 있어서의 파장 범위는 가시광의 영역뿐만 아니라, 적외 영역, 근적외 영역, 자외 영역의 광도 포함된다.
스펙트럼 촬상 장치(4)는 촬상 대상이 스스로 발하는 광이나 피사체(10)가 반사 또는 투과하는 광, 즉 피사체(10)로부터의 촬영광(L)을 받아들이는 대물렌즈(41)와, XYZ로 이루어지는 3축의 직교 좌표계에 있어서의 Y축 방향으로 이동하는 정밀 직동 스테이지(42)와, 대물렌즈(41)의 상면(像面)에 있어서 Z축 방향에 설치된 슬릿 개구부(43a)를 배열 설치하기 위한 슬릿판(43)과, 슬릿 개구부(43a)를 통과한 광속을 평행광으로 하는 콜리메이트 렌즈(44)와, 콜리메이트 렌즈(44)로부터의 평행광을 분산시키는 분산 광학 소자(45)와, 분산 광학 소자(45)로부터 출사된 광속을 받아들이는 결상 렌즈(46)와, 결상 렌즈(46)의 상면 위에 설치된 촬상 소자(47)와, 정밀 직동 스테이지(42) 및 촬상 소자(47)를 제어하고, 또한 촬상 소자(47)를 통하여 수광된 화상 데이터의 각종 처리를 행하는 제어부(48)를 구비하고 있다. 또한, 이 스펙트럼 촬상 장치(4)는 일본 특개 2015-166682호 공보의 개시 기술을 사용하도록 해도 된다.
정밀 직동 스테이지(42)는 제어부(48)에 의한 제어하에서 슬릿판(43), 콜리메이트 렌즈(44), 분산 광학 소자(45), 결상 렌즈(46), 촬상 소자(47)를 일체로 Y축 방향을 향하여 이동시킨다.
분산 광학 소자(45)는, 예를 들면, 회절 격자, 프리즘 등에 의해 구현화된다. 분산 광학 소자는 콜리메이트 렌즈(44)를 통과해 오는 광속을 파장마다의 성분으로 분산시키는 기능을 가지고 있다.
촬상 소자(47)는, 예를 들면, CCD 이미지 센서나 CMOS 이미지 센서 등에 의해 구성된다. 이 촬상 소자(47)는 촬상면에 결상된 광을 광전 변환에 의해 전기 신호로 변환한다. 그리고, 촬상 소자(47)에 의해 변환된 전기 신호는 제어부(48)에 송신된다. 가령 적외 영역, 근적외 영역, 자외 영역의 광을 수광하는 것이라면, 그것에 적합한 촬상 소자(47)를 배열 설치하게 된다.
도 4는 제어부(48)의 더한층의 상세한 구성을 도시하고 있다. 제어부(48)는 촬상 소자(47)에 의해 전기 신호를 취득하는 타이밍을 제어하는 촬영 제어부(481)와, 정밀 직동 스테이지(42)의 Y축 방향에 있어서의 이동 방향, 이동량, 이동 타이밍을 제어하는 이동 제어부(482)와, 촬상 소자(47)로부터의 전기 신호에 기초하여 분광 데이터를 작성하는 분광 데이터 작성부(483)와, 분광 데이터 작성부(483)에서 작성된 분광 데이터에 기초하여 각종 화상 처리나 교정 등을 행하는 화상 처리부(484)를 구비하고 있다. 또한, 이 제어부(48)의 일부의 구성 요소 또는 전체 요소에 대해서는 독립한 퍼스널 컴퓨터(PC) 내에 실장되는 것이어도 된다.
분광 데이터 작성부(483)는 촬상 소자(47)로부터 송신되어 온 전기 신호에 기초하여, 1차원의 공간 정보와 1차원의 파장 정보를 갖는 2차원 분광 데이터를 작성하고, 이것을 기억한다. 분광 데이터 작성부(483)는 이것들의 처리를 반복 실행하고, 모든 촬영 위치의 촬영이 종료되면, 2차원의 공간 정보와 1차원의 파장 정보를 갖는 3차원 분광 데이터로 이루어지는 하이퍼 스펙트럼 화상을 얻는 것이 가능하게 된다.
화상 처리부(484)는 분광 데이터 작성부(483)에서 작성된 파장마다의 분광 화상을 소정의 표색계로 변환하고, 색 연산 처리를 행하여 색 해석 화상을 생성한다. 또한 화상 처리부(484)는 생성한 색 해석 화상을 소정의 표시 방법에 의해 표시하기 위한 처리를 행한다. 이 화상 처리부(484)는 교정 처리부(484-1)와, 산출부(484-2)와, 색 해석 화상 취득부(484-3)를 구비하고 있다.
이 교정 처리부(484-1)는 암전류에 기인하는 노이즈 제거, 화소간 감도 편차 보정 처리, 휘도 교정 처리, 공간 내의 광원광의 조명 불균일의 보정 등을 행한다.
산출부(484-2)는 교정 처리부(484-1)에서 처리된 각 파장마다의 분광 화상에 있어서의 각 분광 방사 휘도, 각 분광 휘도 등을 산출한다.
색 해석 화상 취득부(484-3)는 교정 처리부(484-1)에서 교정 처리된 각종 파라미터, 및 산출부(484-2)에서 산출된 각 분광 방사 휘도, 각 분광 휘도 등을 사용하여 설정된 규격의 표색계로 변환하기 위한 색 공간 변환 처리를 행한다.
색 해석 화상 취득부(484-3)에서 색 공간 변환 처리된 색 해석 화상은 도시하지 않은 PC 등에 보내지고, 디스플레이 상 등에 묘화된다.
도 5는 촬영 장치(5)의 블록 구성예를 도시하고 있다. 촬영 장치(5)는 일반적인 디지털 카메라나, 멀티 스펙트럼 카메라, 게다가 휴대전화나 스마트폰, 태블릿형 단말, 웨어러블 단말에 각각 실장되는 모든 디지털 카메라를 포함하는 것이다. 스펙트럼 촬상 장치(4)는 모든 대역에 있어서의 스펙트럼 데이터를 검지할 수 있는 것에 대하여, 촬영 장치(5)는 통상의 가시광의 화상 촬영에 더하여, 미리 특정한 파장 영역에 한정하여 스펙트럼 데이터를 검지하는 것을 의도하는 것이다. 이 촬영 장치(5)는 결상 광학계(51)와, 필터(52)와, 촬상 소자(53)와, 신호 처리부(54)를 구비하고 있다.
결상 광학계(51)는 적어도 1개의 촬상 렌즈(56)를 갖고, 피사체(10)로부터의 광을 집광하여 촬상 소자(53)의 촬상면 위에 상을 형성한다.
필터(52)는 피사체(10)와 촬상 렌즈(56) 사이에 배치된다. 필터(52)는 촬상 소자(53)에 도달하는 광의 경로 위에 배치된다. 필터(52)는 소정의 분광 투과율로 이루어지는 소자이다. 즉 이 필터(52)는 미리 설정되어 있는 파장 영역의 광만을 투과시키고, 그 이외의 파장 영역의 광을 반사하도록 작용한다. 필터(52)는 실제로 투과시키고 싶은 광의 파장 및 파장폭에 따라 그 종류가 선택된다. 필터(52)는 촬영 장치(5) 내에 미리 고정 배치되는 경우를 예로 들어 설명을 하지만, 이것에 한정되는 것은 아니다. 즉 이 필터(52)는 서로 투과하는 파장 영역이 상이한 복수의 필터(52)를 차례로 전환 가능하게 구성되어 있어도 된다.
촬상 소자(53)는 CCD 이미지 센서나 CMOS 이미지 센서 등에 의해 구성된다. 이 촬상 소자(53)는 촬상면에 결상된 광을 광전 변환에 의해 전기 신호로 변환한다. 그리고, 촬상 소자(53)에 의해 변환된 전기 신호(12)는 신호 처리부(54)에 송신된다.
신호 처리부(54)는 촬상 소자(53)로부터 보내져 오는 전기 신호를 처리하는 회로이다. 이 신호 처리부(54)는 촬상 소자(53)에 의해 취득된 화상에 기초하여, 피사체(10)로부터의 광의 파장 영역마다로 분리된 분광 분리 화상을 생성한다. 또 신호 처리부(54)는 취득한 전기 신호에 기초하여 각종 초점 제어를 행하도록 해도 된다.
상술한 구성으로 이루어지는 정보 탐색 시스템(1)의 제1 실시형태에 있어서의 동작에 대해 설명을 한다.
우선 탐색 장치(2)는 스펙트럼 촬상 장치(4)나 촬영 장치(5)에 대하여 제공해야 할 검출 알고리즘 정보, 또는 촬영 장치(5)에 대하여 제공해야 할 검출 알고리즘 정보를 탐색한다. 이 탐색 프로세스에서는, 새롭게 스펙트럼 촬상 장치(4)나 촬영 장치(5)에 의해 촬영하려고 하는 피사체의 목적 사상을 유저 자신이 입력하는 곳으로부터 개시한다. 여기에서 말하는 피사체란 실제로 스펙트럼 촬상 장치(4)나 촬영 장치(5)에 의해 촬영되는 대상물을 총칭하는 것이며, 목적 사상이란 스펙트럼 촬상 장치(4)나 촬영 장치(5)를 통하여 판별하고 싶은 물질, 또는 현상을 의미한다. 예를 들면, 소금, 설탕의 혼합물로부터 소금만을 판별하고 싶은 경우에는, 피사체는 혼합물이며, 목적 사상은 소금이 된다. 예를 들면, 물과 오일의 혼합물로부터 오일만을 판별하고 싶은 경우에는, 피사체는 혼합물이며, 목적 사상은 오일이 된다. 예를 들면, 초밥의 선도를 판별하고 싶은 경우에는, 피사체는 초밥이며, 목적 사상은 선도가 된다. 예를 들면, 얼굴의 검버섯을 판별하고 싶은 경우에는, 피사체는 얼굴이며, 목적 사상은 검버섯이다. 예를 들면, 위에서 위암을 판별하고 싶은 경우에는, 피사체는 위이며, 목적 사상은 위암이다.
유저는 이 피사체의 목적 사상의 입력을 조작부(25)를 통하여 수동으로 행한다. 이 입력에 있어서, 다른 휴대 단말이나 PC 등의 전자 기기에서 작성한 피사체의 목적 사상의 텍스트 데이터를 인터넷 경유로 입력하도록 해도 된다.
이렇게 하여 송신 또는 입력된 피사체의 목적 사상은 기억부(28)에 기억되게 된다.
이렇게 하여 피사체의 목적 사상이 입력된 후에, 실제로 정보 탐색 프로그램에 의한 처리 동작이 실행되어 가게 된다. 이 정보 탐색 프로그램의 처리 동작 플로우를 도 6에 나타낸다.
정보 탐색 프로그램은 스텝 S11에서 입력되고, 기억부(28)에 기억된 피사체의 목적 사상에 대하여 문언 해석을 행한다(스텝 S12). 이 문언 해석에 대해서는, 기존의 모든 텍스트 마이닝 기술, 데이터 마이닝 기술, 언어 해석 처리 기술 등을 사용하도록 해도 된다.
다음에, 이 정보 탐색 프로그램은 해석 대상의 피사체의 목적 사상을 단어, 형태소, 구, 절 등, 모든 문법상의 구조단위 중에서 어느 하나 이상의 단위에 걸쳐, 캐릭터 라인의 추출을 행한다. 예를 들면, 피사체의 목적 사상으로서 「발의 혈관」이라고 하는 텍스트 데이터가 입력된 경우에는, 「발」, 「혈관」 등과 같은 문자열을 추출하게 되고, 「얼굴의 수분」이라고 하는 텍스트 데이터가 입력된 경우에는, 「얼굴」, 「수분」 등과 같은 문자열을 추출하게 된다. 정보 탐색 프로그램은 이 추출한 문자열로부터 피사체와 목적 사상을 각각 특정한다. 상술한 예의 경우, 피사체는 「발」, 「얼굴」이며, 목적 사상은 「혈관」, 「수분」이다. 통상이라면 피사체를 구성하는 문자열이 목적 사상을 구성하는 문자열보다도 앞인 경우가 많으므로, 추출한 문자열의 선두부터 피사체, 목적 사상을 각각 특정하게 된다.
또는, 피사체로서 「발」, 목적 사상으로서 「혈관」 등과 미리 입력하는 유저측에서 분류하여 입력하는 경우도 있다. 이러한 경우에는, 그 입력된 피사체, 목적 사상의 문자열을 그대로 받아들이게 된다.
다음에 정보 탐색 프로그램은 스텝 S13으로 이행하고, 스텝 S12에서 추출한 문자열과 연관도가 높은 검출 알고리즘 정보를 탐색한다. 이 탐색을 행하기 전에 있어서, 알고리즘 데이터베이스(3)는 참조용의 목적 사상(이하, 참조용 목적 사상이라고 한다.)과 2종 이상으로 분류된 검출 알고리즘 정보의 3단계 이상의 연관도(이하, 제1 연관도라고 한다.)를 미리 취득해 둔다.
여기에서 말하는 검출 알고리즘 정보는 실제로 스펙트럼 촬상 장치(4)나 촬영 장치(5)에 의해 피사체를 촬상해도 목적 사상을 판단하는데 필요한 스펙트럼 데이터를 검출하기 위한 알고리즘이다. 예를 들면, 도 7에 도시하는 바와 같이, 어떤 과실의 선도가 파장 500nm∼700nm의 대역에서 스펙트럼 강도(반사율)에 차가 생기는 것이 기지인 것으로 한다. 즉 어떤 과실을 1일 상온에서 방치한 경우, 3일 상온에서 방치한 경우, 5일 상온에서 방치한 경우에서, 스펙트럼 강도가 파장 500nm∼700nm의 범위에서 스펙트럼 강도(반사율)가 크게 변화되는 것이 기지인 것으로 한다. 이러한 경우에는, 이 파장 500nm∼700nm의 범위에서 분광 화상을 작성함으로써, 과실의 선도를 판별하는 것이 가능하게 된다.
이러한 목적 사상을 판별할 수 있는 파장 범위 중 어느 하나를 특징 파장으로서 특정한다. 도 7의 예에서는, 파장 500nm∼700nm의 파장 범위의 어느 하나를 특징 파장으로서 특정한다. 특징 파장은 1점으로 특정해도 되고, 복수 특정해도 된다. 특징 파장의 결정 방법으로서는, 예를 들면, 상기 파장 범위(500nm∼700nm)의 중심파장인 600nm로 해도 되고, 각 스펙트럼 사이의 스펙트럼 강도의 차분값이 가장 커지는 파장으로 해도 된다. 또 도 7에 있어서 파장이 약 650nm에서, 각 스펙트럼 데이터에 있어서 위로 볼록한 피크가 형성되어 있는 것을 알 수 있는데, 이러한 특이점을 특징 파장으로서 특정하도록 해도 된다. 이 특징 파장은 피사체의 목적 사상마다 상이한 것이어도 된다.
이것에 더하여, 이 특징 파장을 중심으로 한 특징 파장 범위를 설정한다. 특징 파장 범위는, 예를 들면, ±10nm 등과 같이, 미리 설정한 소정의 파장 범위로 구성되어 있다. 이 때문에, 가령 특징 파장이 500nm이며, 특징 파장 범위가 ±10nm이면, 실제로 스펙트럼 데이터를 검출하는 범위는 495∼505nm가 된다. 이 특징 파장 범위는 피사체의 목적 사상마다 상이한 것이어도 된다.
검출 알고리즘 정보는, 또한 이것들에 더하여, 각종 연산 방법이 포함되는 것이어도 된다. 이러한 경우에는, 이 특징 파장이나 특징 파장 범위를 설명 변수(x1, x2, ... xk)로 하고, 이것들을 연산식에 대입함으로써 얻어지는 목적 변수(y)를 통하여 판별하게 된다. 즉 y=f(x1, x2, .. xk)에 의해 얻어지는 목적 변수(y)가 검출 알고리즘 정보가 될 수 있다. 또한 이것을 구성하는 개개의 설명 변수(x1, x2, ... xk)로서의 특징 파장이나 특징 파장 범위에 대해서도 마찬가지로 검출 알고리즘 정보가 될 수 있다.
알고리즘 데이터베이스(3)에는, 이러한 특징 파장과, 특징 파장 범위, 경우에 따라서는 연산 방법이나 그것을 규정하는 연산식 그 자체가 피사체의 참조용 목적 사상마다 서로 연관되어 기억되어 있다.
이때, 알고리즘 데이터베이스(3)에는, 피사체의 참조용 목적 사상과, 검출 알고리즘 정보 사이의 3단계 이상의 제1 연관도에 기초하여 규정되어 있어도 된다. 도 8은 피사체의 참조용 목적 사상과, 검출 알고리즘 정보 사이에서 3단계 이상의 제1 연관도에 의해 서로 관계지은 네트워크를 나타내고 있다. 예를 들면, 과실의 선도는 검출 알고리즘 정보로서의 특징 파장 및 특징 파장 범위가 970±10nm인 경우에 제1 연관도 80%, 1170+10nm, 880+15nm의 2파장인 경우에 제1 연관도 60%, 547+4nm, 588±10nm, 939±5nm의 3파장이며 그 연산 방법이 클러스터 분석인 경우에 제1 연관도 40%, 455±12nm인 경우에 제1 연관도 20%인 것이 나타내어져 있다. 모발의 수분은 검출 알고리즘 정보로서의 특징 파장 및 특징 파장 범위가 630+5nm, 750+10nm, 1250±5nm의 3파장이며 그 연산 방법이 선형인 경우에 제1 연관도 80%, 970+10nm인 경우에 제1 연관도 20%인 것이 개시되어 있다. 위의 암은 검출 알고리즘 정보로서의 특징 파장 및 특징 파장 범위가 970+10nm인 경우에 제1 연관도 20%, 230±12nm, 400±5nm의 2파장이며 그 연산 방법이 K-means인 경우에는 제1 연관도 40%, 547±4nm, 588±10nm, 939±5nm의 3파장이며 그 연산 방법이 클러스터 분석인 경우에 제1 연관도 80%인 것이 나타내어져 있다. 이 제1 연관도는 소위 뉴럴 네트워크에 의해 구성되어 있어도 된다.
이 제1 연관도는 스펙트럼 촬상 장치(4)나 촬영 장치(5)를 통하여 피사체의 목적 사상을 판별함에 있어서 선택하는 검출 알고리즘 정보의 적합성, 바꾸어 말하면, 피사체의 목적 사상을 판별함에 있어서 선택하는 검출 알고리즘 정보의 적확성을 나타내는 것이다. 상술의 예이면, 과실의 선도를 검출하기 위한 검출 알고리즘으로서 970±10nm인 경우에 가장 적합성이 좋고, 나아가서는 가장 효과적이고 또한 고정밀도로 판별을 행하는 것이 가능하게 되는 것이 나타내어져 있다. 과실의 선도 검출에서는, 그 적합성의 높이가 1170±10nm, 880±15nm의 2파장인 경우, 547±4nm, 588±10nm, 939±5nm의 3파장이며 그 연산 방법이 클러스터 분석인 경우, 455±12nm인 경우의 순으로 이것에 이어지는 것이 나타내어져 있다.
또한, 피사체의 목적 사상의 표기 방법은 상술에 한정되는 것은 아니다. 예를 들면, 도 9에 도시하는 바와 같이, 피사체가 2 이상에 걸치는 복합체로 구성되는 경우도 마찬가지로 제1 연관도를 통하여 관련지어진다. 도 9의 예에서는, 피사체로서 유리판의 사이에 플라스틱 재료를 사이에 끼운 복합체를 피사체로 하고, 플라스틱 재료 중의 상처를 참조용 목적 사상으로 한 예이다. 이 복합체는, 예를 들면, 금속과 수지가 서로 복수층에 걸쳐 적층된 적층체로 구성되어 있어도 되고, 설탕과 소금과 같이 서로 섞인 혼합물로서 구성되는 것이어도 된다. 또한, 세라믹스를 모재로 하고, 제2층으로서 휘스커를 첨가한 세라믹스 기재 복합 재료와 같은 혼연일체로 되어 있는 복합체이어도 된다.
또한 금속과 이물로 이루어지는 복합체 중의 이물을 참조용 목적 사상으로 한 것이어도 된다. 이러한 예는 복합체의 일방이 참조용 목적 사상으로 된 것이다. 더욱이 피사체가, 예를 들면, 유리, 플라스틱 재료, 세라믹스의 3 이상으로 이루어지는 복합체로 구성되는 것이어도 된다. 이들 복합체 각각에 대하여 참조용 목적 사상이 정의되게 된다.
이와 같이 피사체가 복합체로 구성되는 경우에도 검출 알고리즘 정보가 이것에 대하여 3단계 이상의 연관도를 통하여 관련지어지게 된다. 가령 피사체가 금속과 이물의 복합체로 구성되는 경우, 그 금속의 특징 파장에 더하여, 이물의 특징 파장도 검출 알고리즘 정보를 구성하는 특징 파장도 고려하고, 그 속에서 참조용 목적 사상을 추출하는데 적합한 조건이 미리 검토되어 이것이 연관도로서 연계되게 된다.
또한, 피사체가 복합체인 예로서는 금속이, 예를 들면, 마르텐사이트 변태의 전후의 혼정 상태를 피사체로 하고, 개개의 상을 참조용 목적 사상으로 해도 된다. 또한 이것 이외에는, 피사체 자체는 복합체가 아니라 단상의 재료로 구성되어 있지만, 그 단상의 재료가 시계열적으로 변화될 때의 변화 후의 상을 참조용 목적 사상으로서 파악하도록 해도 된다.
스텝 S13으로 이행 후, 정보 탐색 프로그램은 스텝 S12에서 추출한 피사체의 목적 사상을 구성하는 문자열로부터, 검출 알고리즘 정보를 1 또는 2 이상에 걸쳐 선택하는 작업을 행한다.
이 스텝 S12에 있어서 추출한 피사체의 목적 사상을 구성하는 문자열로부터 검출 알고리즘 정보를 선택함에 있어서, 미리 취득한 도 8에 도시하는 피사체의 참조용 목적 사상과 검출 알고리즘 정보의 제1 연관도를 참조한다. 예를 들면, 스텝 S12에서 추출한 피사체의 목적 사상이 「잎의 광합성」인 경우에는, 상술한 제1 연관도를 참조한 경우, 그 「잎의 광합성」과 제1 연관도가 높은 1357±10nm를 검출 알고리즘 정보로서 선택한다. 제1 연관도는 낮지만 연관성 그 자체는 인정되는 630±5nm, 750±10nm, 1250±5nm이며 연산 방법이 선형인 경우도 검출 알고리즘 정보로서 선택하도록 해도 된다. 또한, 이것 이외에 화살표가 연결되어 있지 않은 검출 알고리즘 정보를 선택해도 되는 것은 물론이다.
또한, 스텝 S12에 있어서 추출한 피사체의 목적 사상이 「잎의 수분」인 경우에는, 피사체의 참조용 목적 사상에서 그러한 항목은 존재하지 않는다. 이러한 경우에는, 피사체의 참조용 목적 사상으로서의 「잎의 광합성」과 제1 연관도가 높은 1357±10nm인 경우와, 630±5nm, 750±10nm, 1250±5nm이며 연산 방법이 선형인 경우와, 「모발의 수분」과 제1 연관도가 높은 630±5nm, 750±10nm, 1250±5nm이며 연산 방법이 선형인 경우와, 970±10nm인 경우로부터, 최적의 검출 알고리즘 정보를 추정하도록 해도 된다. 그 경우에는, 예를 들면, 서로 공통되는 제1 연관도인 630±5nm를 「잎의 수분」의 검출 알고리즘 정보로서 추정하도록 해도 되고, 「잎의 광합성」, 「모발의 수분」의 중에서 제1 연관도가 40% 이상의 것을 모두 검출 알고리즘 정보로서 추정하도록 해도 된다. 또한, 이 「잎의 광합성」, 「모발의 수분」과 제1 연관도가 0%를 초과하는 모든 검출 알고리즘에 대하여, 각각의 제1 연관도로 가중 평균화한 파장을 검출 알고리즘 정보로서 추정하도록 해도 된다.
또한, 스텝 S12에 있어서 추출한 피사체의 목적 사상이 「혀의 암」인 경우에는 피사체의 참조용 목적 사상에 있어서 그러한 항목은 존재하지 않는다. 「암」에 관해서는 「위의 암」이 과거의 피사체의 목적 사상으로서 존재하지만 「혀」에 대해서는 조금도 피사체의 참조용 목적 사상으로서 존재하지 않는다. 이러한 경우에는 「위의 암」의 과거의 검출 알고리즘 정보에 기초하여 추정하도록 해도 되고, 가령 「혀」에 가까운 부위의 「입술」 등에 대하여 과거의 검출 알고리즘 정보가 존재하는 경우에는, 그것을 참조하여 추정하도록 해도 된다.
또한, 스텝 S12에 있어서 추출한 피사체가 설탕과 소금의 혼합체인 경우에서, 동일하게 추출한 목적 사상이 소금이면, 도 9에 도시하는 제1 연관도를 참조한 경우에, 검출 알고리즘 정보로서는 파장이 230±12nm, 400±5nm이며, 연산 방법이 K-mens인 경우가 우선적으로 선택된다.
또한, 스텝 S12에 있어서 추출한 피사체가, 예를 들면, 「종이」이며, 마찬가지로 추출한 목적 사상이 「이물」인 경우에는, 도 8, 9에 도시되는 제1 연관도에 대조해도 이것에 합치하는 피사체는 존재하지 않지만, 참조용 목적 사상으로서의 「이물」은 피사체가 「금속」과 「이물」의 혼합체로 하는 경우에 있어서 존재한다. 이러한 경우에는, 이 피사체가 「금속」과 「이물」의 혼합체이고, 참조용 목적 사상이 「이물」인 경우의 제1 연관도가 굳이 낮은 검출 알고리즘 정보를 선택하도록 해도 된다.
즉 이 검출 알고리즘 정보의 선택은 제1 연관도가 높은 것부터 차례로 선택되는 경우에 한정되는 것은 아니고, 케이스에 따라 제1 연관도가 낮은 것부터 차례로 선택되는 것이어도 되고, 그 밖에 어떠한 우선 순위로 선택되는 것이어도 된다.
또한, 스텝 S12에 있어서 추출한 피사체의 목적 사상에 대한 검출 알고리즘 정보의 선택 방법은 상술한 방법에 한정되는 것은 아니고, 제1 연관도를 참조하는 것이면 어떠한 방법에 기초하여 실행하도록 해도 된다. 또한, 이 스텝 S13의 탐색 동작에서는, 인공 지능을 이용하여 행하도록 해도 된다. 이러한 경우에는, 제1 연관도를 뉴럴 네트워크로 간주하도록 해도 된다.
다음에 스텝 S14로 이행하고, 선택한 검출 알고리즘 정보를 표시부(23)를 통하여 표시한다. 이것에 의해 유저는, 표시부(23)를 시인함으로써, 이제부터 판별하려고 하는 피사체의 목적 사상에 따른 검출 알고리즘 정보를 바로 파악하는 것이 가능하게 된다.
유저는, 출력된 검출 알고리즘 정보에 기초하여, 스펙트럼 촬상 장치(4)에 있어서의 화상 처리부(484)의 검출 알고리즘을 설정하고, 또는 촬영 장치(5)의 검출 알고리즘을 설정한다. 이 검출 알고리즘의 설정은, 특징 파장, 특징 파장 범위에 더하여, 이들 특징 파장에 기초하는 색 연산 처리(이하, 특징 파장 연산)를 시행한다. 예를 들면, 피사체의 목적 사상이 「잎의 광합성」이며, 검출 알고리즘으로서 1357±10nm가 선택된 경우에는, 당해 파장 범위에 포함되는 화소에 대해서는, 적(赤)을 표시하는 특징 파장 연산을 행하게 하고, 당해 파장에 포함되지 않는 화소에 대해서는 백(白)을 표시하는 특징 파장 연산을 행하도록 스펙트럼 촬상 장치(4)나 촬영 장치(5)에 대하여 설정한다.
이것에 의해, 스펙트럼 촬상 장치(4)나 촬영 장치(5)에 의해 피사체로서의 「잎」을 촬상함으로써 그 목적 사상으로서의 「광합성」을 판별하는데 필요한 스펙트럼 데이터를 검출하고, 이것을 색 해석 화상을 통하여 표시하는 것이 가능하게 된다.
특히 본 발명에 의하면, 이러한 스펙트럼 촬상 장치(4)나 촬영 장치(5)에 의해 이제부터 판별해야 할 피사체의 목적 사상에 따른 스펙트럼 데이터의 최적의 검출 알고리즘 정보를 용이하게 취득하는 것이 가능하게 된다. 잇달아 새로운 피사체의 목적 사상이 생길 때마다, 최적의 검출 알고리즘을 검토하기 위한 노력의 부담을 경감할 수 있어, 시간의 단축화를 도모하는 것이 가능하게 된다.
또한, 본 발명을 적용한 정보 탐색 시스템(1)에서는, 3단계 이상으로 설정되어 있는 제1 연관도를 통하여 최적의 검출 알고리즘 정보의 탐색을 행하는 점에 특징이 있다. 제1 연관도는, 예를 들면, 0∼100%까지의 수치로 기술할 수 있지만, 이것에 한정되는 것은 아니고 3단계 이상의 수치로 기술할 수 있는 것이면 어떠한 단계로 구성되어 있어도 된다.
이러한 3단계 이상의 수치로 표시되는 제1 연관도에 기초하여 탐색함으로써, 복수의 검출 알고리즘 정보가 선택되는 상황하에서, 당해 제1 연관도가 높은 차례로 탐색하여 표시하는 것도 가능하게 된다. 이와 같이 제1 연관도가 높은 차례로 유저에게 표시할 수 있다면, 보다 가능성이 높은 검출 알고리즘 정보를 우선적으로 선택하는 것을 촉진시킬 수도 있다. 한편, 제1 연관도가 낮은 검출 알고리즘 정보이더라도 세컨드 오피니언이라고 하는 의미로 표시할 수 있고, 퍼스트 오피니언으로 능숙하게 분석을 할 수 없는 경우에 있어서 유용성을 발휘할 수 있다.
이것에 더하여, 본 발명에 의하면, 제1 연관도가 1%와 같은 극히 낮은 검출 알고리즘 정보도 놓치지 않고 판단할 수 있다. 제1 연관도가 극히 낮은 검출 알고리즘 정보이더라도 약간의 징후로서 연결되어 있게 마련이며, 수십회, 수백회에 한번은 검출 알고리즘 정보로서 도움이 되는 경우도 있는 것을 유저에 대하여 주의 환기할 수 있다.
또한 본 발명에 의하면, 이러한 3단계 이상의 제1 연관도에 기초하여 탐색을 행함으로써, 임계값을 설정하는 방식으로, 탐색 방침을 정할 수 있는 이점이 있다. 임계값을 낮게 하면, 상술한 제1 연관도가 1%의 것이어도 빠짐없이 찾아낼 수 있는 반면, 피사체의 목적 사상을 적합하게 검출할 수 있을 가능성이 낮은 검출 알고리즘 정보를 많이 찾아내 버리는 경우도 있다. 한편, 임계값을 높게 하면, 피사체의 목적 사상을 적합하게 검출할 수 있을 가능성이 높은 검출 알고리즘 정보만으로 좁힐 수 있는 반면, 수십회, 수백회에 한번은 적합한 답을 표시하는 검출 알고리즘 정보를 놓치는 경우도 있다. 어느 쪽에 중점을 둘지는 유저측, 시스템측의 생각에 기초하여 정하는 것이 가능하게 되지만, 이러한 중점을 두는 포인트를 고르는 자유도를 높게 하는 것이 가능하게 된다.
또한, 본 발명에서는, 상술한 제1 연관도를 갱신시키도록 해도 된다. 즉, 도 8에 도시하는 바와 같은 피사체의 참조용 목적 사상과, 검출 알고리즘 정보를 수시 갱신해 간다. 이 갱신은, 예를 들면, 인터넷을 비롯한 공중 통신망을 통하여 제공된 정보를 반영시키도록 해도 된다. 공중 통신망으로부터 취득 가능한 사이트 정보나 기입 등을 통하여, 피사체의 참조용 목적 사상과, 검출 알고리즘 정보와의 관계성에 대하여 새로운 지견이 발견된 경우에는, 당해 지견에 따라 제1 연관도를 상승시키커나, 또는 하강시킨다. 예를 들면, 어떤 피사체의 참조용 목적 사상에 대하여 어느 정도의 제1 연관도를 갖는 검출 알고리즘이 고정밀도로 검출을 할 수 있는 것이 공중 통신망 상의 사이트를 통하여 많이 드러나 있었을 경우, 이것들 사이에 설정되어 있는 제1 연관도를 더욱 상승시킨다. 또한 어떤 피사체의 참조용 목적 사상에 대하여 어느 정도의 제1 연관도를 갖는 검출 알고리즘이 그다지 정밀하게 검출할 수 없는 것이 공중 통신망 상의 사이트를 통하여 많이 드러나 있었을 경우, 이것들 사이에 설정되어 있는 제1 연관도를 하강시킨다. 또한, 어떤 피사체의 참조용 목적 사상에 대하여, 지금까지 없는 검출 알고리즘으로 고정밀도로 검출을 할 수 있는 것이 공중 통신망 상의 사이트를 통하여 드러나 있었을 경우, 이것들 사이에 새롭게 제1 연관도를 설정함으로써 갱신하도록 해도 된다.
이 제1 연관도의 갱신은 공중 통신망으로부터 취득 가능한 정보에 근거하는 경우 이외에, 전문가에 의한 연구 데이터나 논문, 학회 발표나, 신문 기사, 서적 등의 내용에 기초하여 시스템측 또는 유저측이 인위적으로, 또는 자동적으로 갱신하도록 해도 된다. 이것들의 갱신 처리에서는 인공 지능을 활용하도록 해도 된다.
또한, 제1 실시형태는 상술한 실시형태에 한정되는 것은 아니다. 입력해야 할 정보로서 피사체의 목적 사상 이외에, 상술한 조명광의 정보나, 각종 촬상계의 파라미터나 하드웨어 상의 파라미터 스텝 S11에서 입력한 뒤에, 이 검출 알고리즘 정보를 탐색하도록 해도 된다.
또한, 탐색 장치(2)는 촬영 장치(5)에 대하여 제공해야 할 촬영 조건을 탐색하도록 해도 된다. 정보 탐색 프로그램은 취득한 목적 사상과 연관도가 높은 촬영 조건을 탐색한다. 이 탐색을 행하기 전에 있어서, 알고리즘 데이터베이스(3)는, 도 10에 도시하는 바와 같이, 참조용 목적 사상과, 촬영 조건과의 제1 연관도를 미리 취득해 둔다.
여기에서 말하는 촬영 조건이란 스펙트럼 촬상 장치(4)나 촬영 장치(5)에 의한 촬상시의 조명광의 파장, 조사 각도, 휘도, 조명광에 설치되는 편광 필터의 조건 등으로 이루어지는 조명광의 정보나, 스펙트럼 촬상 장치(4)나 촬영 장치(5) 자체의 F값, 렌즈의 NA, 초점 거리, 사용 기종, 파장 분해능, 공간 해상도, 각 분광 파장에 대한 감도, 노광 시간, 오토 포커스의 시간, 셔터 스피드, 셔터 방식, 화이트 밸런스, 블랙 밸런스, 게인 등의 각종 촬상계의 파라미터나 하드웨어 상의 파라미터도 포함된다. 검출 알고리즘 정보로서는 상술한 특징 파장이나 특징 파장 범위, 연산 방법에 더하여, 상술한 각 파라미터가 추가되어 있어도 된다. 또한 상술한 각 파라미터는 상술한 특징 파장이나 특징 파장 범위를 생성함에 있어서의 하나의 조건으로서 규정되는 것이어도 된다.
이러한 각종 촬영 조건에 대하여, 제1 연관도를 통하여 관련짓기를 행하는 경우에는, 가령 파장 분해능이라면, 96-120dpi, 120-144dpi, 144-192dpi와 같이 몇 종류인가로 랭크 부여를 행하고, 각각의 랭크에 대하여 제1 연관도가 관련지어지도록 해도 된다.
이러한 촬영 조건을, 예를 들면, 도 10에 도시하는 바와 같이, 「화이트 밸런스 ○○」, 「렌즈의 배치 P」와 「필터 W」의 조합, 「필터 Q」, 「필터 R」과 「조명광의 각도 ○○°」의 조합, 「필터 S」와 「공간 해상도 133-140dpi」의 조합, 「노광 시간 ○○ns 이상」, 「노광 시간 ○○ns 미만」 등과 같이 설정되어 있다.
이 촬영 조건은 복수의 요인의 조합으로 구성되어 있어도 되고, 단독의 팩터에 의해 구성되는 것이어도 된다. 또한 동일한 「노광 시간」이라고 하는 촬영 조건에 대해서도, 「노광 시간 ○○ns 이상」, 「노광 시간 ○○ns 미만」과 같이 분류된 뒤에, 각각에 대하여 제2 연관도가 관련지어 있어도 된다. 또한 「필터 Q」는, 예를 들면, 필터의 투과 파장이 600∼650nm 등, 「필터 R」은, 예를 들면, 필터의 투과 파장이 340∼400nm 등, 「필터 S」는, 예를 들면, 필터의 투과 파장이 1000∼1100nm 등과 같이, 각각의 상세한 조건이 할당되어 있다.
피사체의 참조용 목적 사상과, 촬영 조건이 제1 연관도를 통하여 서로 관련지어 있다. 예를 들면, 「과실의 선도」에 대하여 「필터 Q」가 제1 연관도 80%로 관련지어지고, 「화이트 밸런스 ○○」에 대하여 제1 연관도 20%로 관련지어 있다. 「모발의 수분」은 「필터 S」와 「공간 해상도 133-140dpi」의 조합에 대하여 제1 연관도 100%로 관련지어지고, 「렌즈의 배치 P」 와 「필터 W」의 조합에 대하여 제1 연관도 40%로 관련지어진다. 「잎의 광합성」은 「화이트 밸런스 ○○」에 대하여 제1 연관도 60%로 관련지어지고, 「노광 시간 ○○ns 미만」에 대하여 제1 연관도 20%로 관련지어진다. 「위의 암」은 「렌즈 배치 P」와 「필터 W」의 조합에 대하여 제1 연관도 80%로 관련지어지고, 「필터 S」, 「공간 해상도 133-140dpi」에 대하여 제1 연관도 40%로 관련지어진다. 「유리의 결함」은 「필터 R, 조명광의 각도 ○○°」에 대하여 제1 연관도 100%로 관련지어지고, 「노광 시간 ○○ns 이상」에 대하여 제1 연관도 20%로 관련지어진다.
이 제1 연관도는, 각 참조용 목적 사상에 기초하여 판별을 행함에 있어서의, 촬영 장치(5)에서의 촬영 조건의 적합성이며, 바꾸어 말하면, 참조용 목적 사상, 나아가서는 이것에 의해 판별하는 피사체의 목적 사상에 대한 촬영 장치(5)에서의 설계나 촬영 방법의 적확성을 나타내는 것이다. 상술의 예이면, 「위의 암」에 대한 촬영 조건으로서 「렌즈의 배치 P」와 「필터 W」의 조합이 가장 적합성이 좋고, 나아가서는 가장 효과적이고 또한 고정밀도로 판별을 행하는 것이 가능하게 되는 것이 나타내어져 있다. 「위의 암」에 대한 촬영 조건은 「필터 S」와 「공간 해상도 133-140dpi」가 이것에 이어지는 것이 나타내어져 있다.
알고리즘 데이터베이스(3)에는, 이러한 각 촬영 조건에 대하여, 상술한 참조용 목적 사상이 서로 제1 연관도를 통하여 연계되어 기억되어 있다.
정보 탐색 프로그램은 새롭게 입력된 목적 사상과 적합성이 높은 촬영 조건을 탐색함에 있어서, 도 10에 도시하는 제1 연관도를 참조하도록 해도 된다. 예를 들면, 새롭게 입력된 목적 사상이 「모발의 수분」인 경우에는, 상술한 제1 연관도를 참조한 경우, 이것에 대응하는 참조용 검출 알고리즘 정보와 제1 연관도가 높은 「필터 S」와 「공간 해상도 133-140dpi」를 촬영 조건으로서 선택한다. 제1 연관도는 낮지만 연관성 그 자체는 약간이지만 인정되는 「렌즈 배치 P」와 「필터 W」의 조합도 촬영 조건으로서 선택하도록 해도 된다. 마찬가지로 새롭게 입력된 목적 사상이 「위의 암」인 경우에는, 「렌즈 배치 P」 와 「필터 W」의 조합이 선택되게 된다.
또한, 이 도 10에 도시하는 형태에서도 마찬가지로, 촬영 조건의 선택은 제1 연관도가 높은 것부터 차례로 선택되는 경우에 한정되는 것이 아니라, 케이스에 따라 제1 연관도가 낮은 것부터 차례로 선택되는 것이어도 되고, 그 외에 어떠한 우선 순위로 선택되는 것이어도 된다.
도 11은 참조용 목적 사상과, 참조용 촬영 조건의 조합에 대한 촬영 조건이 3단계 이상의 제1 연관도에 의해 관련지어진 예를 도시하고 있다. 이 참조용 촬영 조건은 상술한 촬영 조건과 동일한 항목으로 구성된다. 이 도 11에 도시하는 제1 연관도는, 조작부(25)를 통하여, 목적 사상에 더하여, 촬영 조건의 일부가 기지의 정보로서 입력되는 경우의 예이다. 즉 목적 사상과 촬영 조건의 일부는 이미 결정되어 있지만, 나머지의 촬영 조건을 결정할 수 없기 때문에, 이 제1 연관도를 통하여 탐색하는 예이다.
도 11에 도시하는 바와 같이, 제1 연관도를 통하여 좌측에 참조용 목적 사상이나 참조용 촬영 조건이 배열되고, 제1 연관도를 통하여 우측에, 실제로 탐색해야 할 촬영 조건이 배열되어 있다.
참조용 목적 사상이 「과실의 선도」이며, 참조용 촬영 조건이 「필터 S」인 경우에, 이것들의 조합의 노드는 「화이트 밸런스 ○○」이 제1 연관도 70%, 「노광 시간 ○○ns 이상」이 제1 연관도 40%로 되어 있다. 또한 참조용 촬영 조건이 「필터 S」, 「셔터 스피드 ○○초」 이며, 참조용 목적 사상이 「잎의 광합성」인 경우에는, 이것들의 조합의 노드는 「화이트 밸런스 ○○」가 제1 연관도 60%, 「노광 시간 ○○ns 미만」이 제1 연관도 40%로 되어 있다.
이러한 제1 연관도가 미리 기억되어 있는 경우에 있어서, 조작부(25)를 통하여 기지의 목적 사상과, 촬영 조건이 입력된 경우에는, 제1 연관도를 참조함으로써, 촬영 조건을 탐색할 수 있다. 예를 들면, 조작부(25)를 통하여 목적 사상으로서 「유리의 결함」이 입력되고, 촬영 조건으로서 「조명광의 각도 ○○°」가 입력된 경우에는, 그것들의 조합의 노드와 연관도가 규정되어 있는 「렌즈의 배치」나 「필터 S, 공간 해상도 133-140dpi」 등을 적당히 선택해 가게 된다.
이들 선택이 완료된 후, 정보 탐색 프로그램은 선택한 촬영 조건을 탐색 장치(2)의 표시부(23)를 통하여 표시한다. 이것에 의해 유저는 표시부(23)를 시인함으로써, 검출 알고리즘 정보에 따른 촬영 조건을 바로 파악하는 것이 가능하게 된다. 이 촬영 조건의 탐색 동작에 대해서도 마찬가지로 인공 지능을 이용하도록 해도 된다. 즉 제1 연관도가 뉴럴 네트워크에 의해 구성되어 있어도 된다.
유저는 출력된 촬영 조건에 기초하여, 촬영 장치(5)에 있어서의 결상 광학계(51)와, 필터(52)와, 촬상 소자(53)와, 신호 처리부(54) 등을 각각 설계하고, 또는 조명광의 조건을 설정하거나, 또는 촬영에 관한 각종 조건을 결정해 가게 된다. 또한, 유저는 출력된 촬영 조건에 기초하여, 스펙트럼 촬상 장치(4)의 각 구성을 설계하거나, 또는 각 조건을 결정해 가게 된다.
덧붙여서 말하면, 이 기지의 촬영 조건을 입력하는 과정에서는 조작부(25)를 통한 입력 이외에, 예를 들면, 기지의 촬영 조건을 자동적으로 추출하도록 해도 된다. 이 촬영 조건을 추출하는 수단으로서는, 예를 들면, 사용하는 촬영 장치(4, 5)에 관한 매뉴얼류의 전자 데이터나 인터넷 상에 게재되어 있는 정보를 텍스트 마이닝 기술을 통하여 읽어내고, 해석하는 기기로 구성되어 있어도 되고, PC 등에서 구현화하도록 해도 된다. 이 해석한 정보 중에서 촬영 조건에 관한 정보를 추출하고, 이것을 상술한 기지의 촬영 조건으로서 입력하도록 해도 된다. 또한, 기지의 촬영 조건으로서 노광 시간을 추출하는 것이면, 촬영 장치(4, 5)에 의한 실제의 노광 시간을 측정하기 위한 디바이스를 이용하도록 해도 되고, 촬영 장치(4, 5)를 직접 PC에 접속하여, 설정되어 있는 노광 시간을 읽어 들이도록 해도 된다.
도 12는 참조용 목적 사상과, 참조용 촬영 조건의 조합에 대한 검출 알고리즘 정보, 또는 검출 알고리즘 정보와 촬영 조건과의 조합이 3단계 이상의 제1 연관도에 의해 관련지어진 예를 도시하고 있다. 이 도 12에 도시하는 제1 연관도는 조작부(25)를 통하여, 목적 사상에 더하여, 촬영 조건의 일부가 기지의 정보로서 입력되는 경우의 예이다. 즉 목적 사상과 촬영 조건의 일부는 이미 결정되어 있지만, 나머지의 촬영 조건과 검출 알고리즘 정보를 결정할 수 없기 때문에, 이 제1 연관도를 통하여 탐색하는 예이다.
도 12에 도시하는 바와 같이, 제1 연관도를 통하여 좌측에 참조용 목적 사상이나 참조용 촬영 조건이 배열되고, 제1 연관도를 통하여 우측에, 실제로 탐색해야 할 검출 알고리즘 정보, 또는 촬영 조건과 알고리즘 정보의 조합이 배열되어 있다.
참조용 목적 사상이 「과실의 선도」이며, 참조용 촬영 조건이 「조명광의 각도 30∼60°」인 경우에, 이것들의 조합의 노드는 「630±5nm, 촬상 소자 T, 조명광의 각도 ○○°」가 제1 연관도 60%, 「970±10nm, 900±5nm, 클러스터 분석」이 제1 연관도 40%로 되어 있다. 참조용 목적 사상이 「잎의 광합성」이며, 참조용 촬영 조건이 「공간 해상도가 120 조명광의 각도 30∼60°」인 경우에, 이것들의 조합의 노드는 「275±12nm, 필터 R」이 제1 연관도 80%, 「1357±10nm」가 제1 연관도 20%로 되어 있다.
이러한 제1 연관도가 미리 기억되어 있는 경우에 있어서, 조작부(25)를 통하여 기지의 목적 사상과, 촬영 조건이 입력된 경우에는, 제1 연관도를 참조함으로써, 촬영 조건을 탐색할 수 있다. 예를 들면, 조작부(25)를 통하여 입력된 목적 사상이 「과실의 선도」이며, 입력된 촬영 조건이 「조명광의 각도 30∼60°」인 경우에, 그것들의 조합의 노드와 연관도가 규정되어 있는 「630±5nm, 촬상 소자 T, 조명광의 각도 ○○°」, 「970±10nm, 900±5nm, 클러스터 분석」 등을 적당하게 선택해 가게 된다.
도 13은 피사체의 목적 사상의 입력으로부터 촬영 장치(5)의 촬영 조건을 취득할 때까지의 데이터 플로우를 나타내고 있다.
입력되는 정보로서는 피사체의 목적 사상에 더하여, 조명계의 파라미터인 조명광의 파장, 피사체에 조사하는 조명광의 조사 각도, 조명광의 휘도 등, 또한 촬상계의 파라미터인, 스펙트럼 촬상 장치(4)나 촬영 장치(5)의 파장 범위, 파장 분해능, 공간 해상도, 분광 파장 감도, 편광 필터 등이다. 또한 이것에 더하여 하드웨어 상의 파라미터도 입력되는 경우가 있다. 이 입력된 정보에 기초하여, 상술한 제1 연관도를 참조함으로써, 특징 파장, 특징 파장 범위로 이루어지는 검출 알고리즘 정보나 촬영 조건이 탐색되게 된다. 이렇게 하여 얻어진 검출 알고리즘 정보는 입력된 피사체의 목적 사상에 더하여, 조명계의 파라미터, 촬상계의 파라미터에 기초하여, 알고리즘 데이터 베이스(3)에 기억되어 있는 과거의 데이터를 참조한 뒤에, 스펙트럼 촬상 장치(4)나 촬영 장치(5)에 의해 피사체를 촬상하는데 가장 적합한 알고리즘 정보나 촬영 조건이 선택된다.
검출 알고리즘 정보가 설정된 스펙트럼 촬상 장치(4)나 촬영 장치(5)에 의해 피사체를 촬상하고, 특징 파장 연산을 행하게 함으로써, 연산 후의 색 해석 화상을 얻는 것이 가능하게 된다.
또한, 상술한 제1 실시형태는 상술한 양태에 한정되는 것은 아니다. 상술한 제1 연관도를 취득하고 있는 전제하에서, 스텝 S11에 있어서, 피사체의 목적 사상의 입력을 접수하는 대신에, 검출 알고리즘 정보의 입력을 접수하도록 해도 된다. 그리고 스텝 S13에서는, 이 입력을 접수한 검출 알고리즘 정보에 기초하여, 상기 제1 연관도를 참조함으로써 피사체의 목적 사상이 무엇인지를 역으로 탐색한다. 즉 도 8, 9에 있어서의 입력과 출력의 관계가 상술한 양태와 바뀐 것이며, 입력이 검출 알고리즘 정보이며, 출력이 피사체의 목적 사상이 된다.
이러한 양태의 응용예로서는, 예를 들면, 스펙트럼 촬상 장치(4)나 촬영 장치(5)에 의해, 어떤 미지의 피사체에 대해 촬상한 결과, 그 특징 파장이 310nm, 660nm이었을 경우, 혼합물 중의 염이 피사체의 목적 사상일 가능성이 높은 것을 판별하는 것이 가능하게 된다.
제2 실시형태
도 14는 본 발명을 적용한 제2 실시형태에 따른 정보 탐색 시스템(1')의 전체 구성을 도시하는 블럭도이다. 정보 탐색 시스템(1')은 촬영한 피사체(10)로부터 목적 사상을 판별하기 위한 촬영 장치(5)의 촬영 조건을 탐색하는 것으로, 알고리즘 데이터베이스(3)와, 촬영 조건 데이터베이스(6)와, 이들 알고리즘 데이터베이스(3) 및 촬영 조건 데이터베이스(6)에 접속된 탐색 장치(2)와, 탐색 장치(2)에 접속되는 스펙트럼 촬상 장치(4), 촬영 장치(5)를 구비하고 있다.
이 제2 실시형태에 있어서, 상술한 제1 실시형태와 동일한 구성 요소, 부재에 관해서는 동일한 부호를 붙임으로써, 이하에서의 설명을 생략한다.
촬영 조건 데이터베이스(6)는 촬영 장치(5)의 촬영 조건에 관한 데이터베이스가 구축되어 있다. 이 촬영 조건 데이터베이스(6)에는 공중 통신망을 통하여 보내져 온 정보, 또는 이 시스템의 유저에 의해 입력된 정보가 축적된다. 또한 촬영 조건 데이터베이스(6)는 탐색 장치(2)로부터의 요구에 기초하여, 이 축적한 정보를 탐색 장치(2)에 송신한다.
상술한 구성으로 이루어지는 정보 탐색 시스템(1)의 제2 실시형태에 있어서의 동작에 대해 설명을 한다.
우선 탐색 장치(2)는 촬영 장치(5)에 대하여 제공해야 할 촬영 조건을 탐색한다.
이 탐색 프로세스에서는, 이 촬영 장치(5)에 의해 촬영하려고 하는 검출 알고리즘 정보를 취득하는 곳으로부터 개시한다. 이 검출 알고리즘 정보는 제1 실시형태를 통하여 탐색된 검출 알고리즘 정보를 그대로 적용하도록 해도 되고, 유저가 새롭게 검출 알고리즘 정보를 입력하도록 해도 된다. 이렇게 하여 취득된 검출 알고리즘 정보는 기억부(28)에 기억되게 된다.
제2 실시형태에 있어서, 정보 탐색 프로그램은 취득한 검출 알고리즘 정보와 연관도가 높은 촬영 조건을 탐색한다. 이 탐색을 행하기 전에 있어서, 촬영 조건 데이터베이스(6)는, 도 15에 도시하는 바와 같이, 참조용 검출 알고리즘 정보와, 촬영 조건과의 연관도를 미리 취득해 둔다.
여기에서 말하는 촬영 조건이란 촬영 장치(5)에 있어서의 결상 광학계(51)의 상세한 구성, 필터(52)의 상세한 구성, 촬상 소자(53)의 상세한 구성, 더욱이 신호 처리부(54)에 있어서의 상세한 구성을 나타내는 것이다. 이 촬영 조건은, 예를 들면, 도 15에 도시하는 바와 같이, 「화이트 밸런스 ○○」, 「렌즈의 배치 P」와 「필터 W」의 조합, 「필터 Q」, 「필터 R」과 「조명광의 각도 ○○°」의 조합, 「필터 S」와 「공간 해상도 133-140dpi」의 조합, 「노광 시간 ○○ns 이상」, 「노광 시간 ○○ns 미만」 등과 같이 설정되어 있다.
이 촬영 조건은 복수의 요인의 조합으로 구성되어 있어도 되고, 단독의 팩터에 의해 구성되는 것이어도 된다. 또한 동일한 「노광 시간」이라고 하는 촬영 조건에 대해서도 「노광 시간 ○○ns 이상」, 「노광 시간 ○○ns 미만」과 같이 분류된 뒤에, 각각에 대하여 제2 연관도가 관련지어져 있어도 된다. 또한 「필터 Q」는, 예를 들면, 필터의 투과 파장이 600∼650nm 등, 「필터 R」은, 예를 들면, 필터의 투과 파장이 340∼400nm 등, 「필터 S」는, 예를 들면, 필터의 투과 파장이 1000∼1100nm 등과 같이, 각각의 상세한 조건이 할당되어 있다.
또한, 검출 알고리즘 정보는 상술한 제1 실시형태와 동일하다. 즉 이 검출 알고리즘 정보로서는 특징 파장, 특징 파장 범위, 연산 방법 등이 있다. 또한 이 검출 알고리즘 정보에 더하여, 조명광의 정보나, 각종 촬상계의 파라미터나, 하드웨어 상의 파라미터 등을 비롯한 기지의 촬영 조건의 조합으로 제2 연관도를 정의해도 된다. 이하, 이 제2 연관도를 통하여 관련지어지는 검출 알고리즘 정보를 참조 검출 알고리즘 정보라 하고, 제2 연관도를 통하여 관련지어지는 기지의 촬영 조건을 참조용 촬영 조건이라 한다.
이러한 참조 검출 알고리즘 정보 및 참조용 촬영 조건과, 탐색해야 할 촬영 조건이 제2 연관도를 통하여 서로 관련되어 있다. 예를 들면, 파장 880±5nm와 970±10nm와 클러스터 분석으로 이루어지는 연산 방법의 조합에 대하여 「필터 Q」가 제2 연관도 80%로 관련지어지고, 「화이트 밸런스 ○○」에 대하여 제2 연관도 20%로 관련지어진다. 파장 230±12nm와 630±5nm의 조합은 「필터 S」와 「공간 해상도 133-140dpi」의 조합에 대하여 제2 연관도 100%로 관련지어지고, 「렌즈의 배치 P」와 「필터 W」의 조합에 대하여 제2 연관도 40%로 관련지어진다. 파장 547±4nm와 파장 275±12nm와 PLS 회귀와 셔터 스피드 ○○초의 조합은 「화이트 밸런스 ○○」에 대하여 제2 연관도 60%로 관련지어지고, 「노광 시간 ○○ns 미만」에 대하여 제2 연관도 20%로 관련지어진다. 촬상 소자 T와 셔터 스피드 ○○초의 조합은 「렌즈 배치 P」와 「필터 W」의 조합에 대하여 제2 연관도 80%로 관련지어지고, 「필터 S」, 「공간 해상도 133-140dpi」에 대하여 제2 연관도 40%로 관련지어진다. 특징 파장 455±12nm는 「필터 R」에 대하여 제2 연관도 100%로 관련지어지고, 「노광 시간 ○○ns 이상」에 대하여 제2 연관도 20%로 관련지어진다.
이 제2 연관도는 각 참조용 검출 알고리즘 정보나 참조용 촬영 조건에 기초하여 판별을 행함에 있어서의, 촬영 장치(5)에서의 촬영 조건의 적합성이며, 바꾸어 말하면, 참조용 검출 알고리즘 정보나 참조용 촬영 조건, 나아가서는 이것에 의해 판별하는 피사체의 목적 사상에 대한 촬영 장치(5)에 있어서의 설계나 촬영 방법의 적확성을 나타내는 것이다. 상술의 예이면, 촬상 소자 T와 셔터 스피드 ○○초의 조합에 대한, 탐색해야 할 촬영 조건으로서 「렌즈의 배치 P」와 「필터 W」의 조합이 가장 적합성이 좋고, 나아가서는 가장 효과적 또는 고정밀도로 판별을 행하는 것이 가능하게 되는 것이 나타내어져 있다. 촬상 소자 T와 셔터 스피드 ○○초의 조합에 대한 촬영 조건으로서는 「필터 S」와, 「공간 해상도 133-140dpi」가 이것에 다음가는 것이 나타내어져 있다.
촬영 조건 데이터베이스(6)에는, 이러한 각 촬영 조건에 대하여, 상술한 참조용 검출 알고리즘 정보나 참조용 촬영 조건이 서로 제2 연관도를 통하여 관련되어 기억되어 있다.
정보 탐색 프로그램은 제1 실시형태를 통하여 탐색된 검출 알고리즘 정보나 참조용 촬영 조건, 또는 새롭게 입력한 검출 알고리즘 정보나 참조용 촬영 조건과 적합성이 좋은 촬영 조건을 탐색함에 있어서, 도 15에 도시하는 제2 연관도를 참조하도록 해도 된다. 예를 들면, 새롭게 입력된 검출 알고리즘 정보가 230±12nm와 630±5nm의 조합인 경우에는, 상술한 제2 연관도나 참조용 촬영 조건을 참조한 경우, 이것에 대응하는 참조용 검출 알고리즘 정보와 제2 연관도가 높은 「필터 S」와 「공간 해상도 133-140dpi」를 촬영 조건으로서 선택한다. 제2 연관도는 낮지만 연관성 그 자체는 약간이지만 인정되는 「렌즈 배치 P」와 「필터 W」의 조합도 촬영 조건으로서 선택하도록 해도 된다. 마찬가지로 제1 실시형태를 통하여 탐색된 검출 알고리즘 정보나 참조용 촬영 조건이 촬상 소자 T와 셔터 스피드 ○○초인 경우에는, 「렌즈 배치 P」와 「필터 W」의 조합이 선택되게 된다.
또한, 이 제2 실시형태에서도 마찬가지로, 촬영 조건의 선택은 제2 연관도가 높은 것부터 차례로 선택되는 경우에 한정되는 것은 아니고, 케이스에 따라 제2 연관도가 낮은 것부터 차례로 선택되는 것이어도 되고, 그 밖에 어떠한 우선순위로 선택되는 것이어도 된다.
또한, 제1 실시형태를 통하여 탐색된 검출 알고리즘 정보(입력한 검출 알고리즘 정보)가 참조용 검출 알고리즘 정보에 합치하지 않는 경우에는, 당해 참조용 검출 알고리즘 정보의 특징 파장 범위를 넓히도록 해도 된다. 예를 들면, 취득한 검출 알고리즘 정보의 파장이 660nm인 경우에는, 촬영 조건 데이터베이스(6)에 기억되어 있는 어느 참조용 검출 알고리즘 정보에도 포함되지 않는다. 이러한 경우에는, 참조용 검출 알고리즘 정보의 특징 파장 영역을 각각 +30nm까지 확장하도록 해도 된다. 또는, 유사한 참조용 검출 알고리즘을 유추하여 할당하도록 해도 된다.
도 16은 복수의 참조용 검출 알고리즘이나 참조용 촬영 조건의 조합에 대한 촬영 조건이 3단계 이상의 제2 연관도에 의해 관련지어진 예를 도시하고 있다. 참조용 검출 알고리즘이나 참조용 촬영 조건이 1)의 조합 그룹에 더하여, 또한 2)의 조합 그룹인 경우에는, 그 조합에 대하여, 「화이트 밸런스 ○○」의 제2 연관도가 80%이며, 「필터 R」과 「조명광의 각도 ○○°」의 조합의 제2 연관도가 20%이다. 참조용 검출 알고리즘이 3)∼5)의 각 조합 그룹의 논리곱 또는 논리합으로 구성되는 경우에는 그 조합에 대하여, 「필터 S」와 「공간 해상도 133-140dpi」의 조합이 제2 연관도 60% 「노광 시간 ○○ns 미만」이 제2 연관도 20%이다.
이러한 제2 연관도가 미리 기억되어 있는 경우에 있어서, 제1 실시형태를 통하여 탐색된 검출 알고리즘 정보나 기지의 촬영 조건(입력한 검출 알고리즘 정보나 참조용 촬영 조건)이 1), 2)의 조합 그룹 간의 조합인 경우에는, 제2 연관도를 참조함으로써, 제2 연관도 80%인 「화이트 밸런스 ○○」, 제2 연관도 20%인 「필터 R」 과 「조명광의 각도 ○○°」를 탐색하는 것이 가능하게 된다.
이들 선택이 완료된 후, 정보 탐색 프로그램은 선택한 촬영 조건을 탐색 장치(2)의 표시부(23)를 통하여 표시한다. 이것에 의해 유저는 표시부(23)를 시인함으로써, 검출 알고리즘 정보나 기지의 촬영 조건에 따른 탐색해야 할 촬영 조건을 바로 파악하는 것이 가능하게 된다. 이 제2 실시형태에 있어서의 탐색 동작에 대해서도 마찬가지로 인공 지능을 이용하도록 해도 된다. 즉 제2 연관도가 뉴럴 네트워크에 의해 구성되어 있어도 된다.
덧붙여서 말하면, 이 조합의 제2 연관도는 도 17에 도시하는 형태로 설정되어 있어도 된다. 이 도 17의 예에서는, 참조용 검출 알고리즘 정보로서, 하나 이상의 참조용 검출 알고리즘 정보와, 하나 이상의 참조용 촬영 조건과의 조합에 대한 탐색해야 할 촬영 조건의 3단계 이상의 제2 연관도가 설정되어 있다.
제2 연관도는, 도 17에 도시하는 바와 같이, 하나 이상의 참조용 검출 알고리즘 정보와, 하나 이상의 참조용 촬영 조건과의 조합의 집합이 소위 은닉층의 노드(61a∼61e)로서 표현되게 된다. 각 노드(61a∼61e)는 참조용 검출 알고리즘 정보나, 참조용 촬영 조건에 대한 가중과, 출력해에 대한 가중이 각각 설정되어 있다. 이 가중이 3단계 이상의 제2 연관도이다. 예를 들면, 노드 61a는 참조용 검출 알고리즘 정보로서 「880±5nm, 970±10nm, 클러스터 분석」이 제2 연관도 80%로, 참조용 촬영 조건으로서의 「카메라의 분광 특성 R1」이 제2 연관도 80%로 연관되어 있다. 또 노드(61c)는 참조용 검출 알고리즘 정보로서 「230±12nm, 630±5nm」가 제2 연관도 60%로, 참조용 촬영 조건으로서의 「촬상 소자 T, 셔터 스피드 ○○초」가 제2 연관도 60%, 참조용 촬영 조건으로서의 「카메라의 분광 특성 R2」가 제2 연관도 40%로 연관되어 있다.
이러한 제2 연관도가 미리 기억되어 있는 경우에 있어서, 제1 실시형태를 통하여 탐색된 검출 알고리즘 정보나 기지의 촬영 조건(입력한 검출 알고리즘 정보나 참조용 촬영 조건)이 참조용 검출 알고리즘 정보로서 「880±5nm, 970±10nm, 클러스터 분석」이며, 참조용 촬영 조건으로서 「셔터 스피드 ○○초」인 경우에는, 제2 연관도를 통하여 노드 61b가 관련되어 있고, 이 노드 61b는 「필터 R, 조명도의 각도 ○○°」가 제2 연관도 60%, 「노광 시간 ○○ns 미만」이 제2 연관도 40%로 관련되어 있다. 이것들을 탐색해로서 출력하도록 해도 된다.
이 노드 61로부터 탐색해야 할 촬영 조건으로 연결되는 제2 연관도와, 참조용 검출 알고리즘 정보나, 참조용 촬영 조건으로부터 노드 61로 연결되는 제2 연관도 각각이 3단계 이상으로 구성되어 있다. 그러나, 노드 61로부터 탐색해야 할 촬영 조건으로 연결되는 제2 연관도와, 참조용 검출 알고리즘 정보나, 참조용 촬영 조건으로부터 노드 61로 연결되는 제2 연관도의 어느 일방을 2단계로, 바꾸어 말하면 연결되어 있는지 아닌지로 구성하도록 해도 된다.
또한, 상술한 제1 연관도에 대해서도 마찬가지로, 조합의 연관도를 이 입력측(예를 들면, 도 17에서 말하는 참조용 검출 알고리즘 정보, 참조용 촬영 조건이 있는 측)과, 출력측(예를 들면, 도 17에서 말하는 탐색해야 할 촬영 조건이 있는 측)과의 사이에 설치된 노드 61에 연결해도 된다. 그리고, 입력측으로부터 노드 61, 노드 61로부터 출력측 각각에 독립하여 3단계 이상의 제1 연관도가 각각 설정되어도 되고, 각각이 독립적으로 갱신되는 것이어도 된다.
유저는 출력된 촬영 조건에 기초하여, 촬영 장치(5)에 있어서의 결상 광학계(51)와, 필터(52)와, 촬상 소자(53)와, 신호 처리부(54) 등을 각각 설계하고, 또는 조명광의 조건을 설정하거나, 또는 촬영에 관한 각종 조건을 결정해 가게 된다. 특히 본 발명에 의하면, 잇달아 새로운 피사체의 목적 사상이 생길 때마다, 나아가서는 새로운 검출 알고리즘 정보가 생성될 때마다, 촬영 장치(5)에 대하여 최적의 촬영 조건을 검토하기 위한 노력의 부담을 경감할 수 있어, 시간의 단축화를 도모하는 것이 가능하게 된다.
또한, 본 발명을 적용한 정보 탐색 시스템(1)에서는, 3단계 이상으로 설정되어 있는 제2 연관도를 통하여 최적의 촬영 조건의 탐색을 행하는 점에 특징이 있다. 제2 연관도는, 예를 들면, 0∼100%까지의 수치로 기술할 수 있지만, 이것에 한정되는 것은 아니고, 3단계 이상의 수치로 기술할 수 있는 것이면 어떠한 단계로 구성되어 있어도 된다.
이러한 3단계 이상의 수치로 표시되는 제2 연관도에 기초하여 탐색함으로써, 복수의 촬영 조건이 선택되는 상황하에 있어서, 당해 제2 연관도가 높은 순으로 탐색하여 표시하는 것도 가능하게 된다. 이와 같이 제2 연관도가 높은 순으로 유저에게 표시할 수 있으면, 보다 가능성이 높은 촬영 조건을 우선적으로 선택하는 것을 촉진시킬 수도 있다. 한편, 제2 연관도가 낮은 촬영 조건이더라도 세컨드 오피니언이라고 하는 의미로 표시할 수 있고, 퍼스트 오피니언으로 능숙하게 설계할 수 없는 경우에 있어서 유용성을 발휘할 수 있다.
이것과 더불어, 본 발명에 의하면, 제2 연관도가 1%와 같은 극히 낮은 촬영 조건도 놓치지 않고 판단할 수 있다. 제2 연관도가 극히 낮은 촬영 조건이더라도 약간의 징후로서 연결되어 있게 마련이며, 수십회, 수백회에 한번은 촬영 조건으로서 도움이 되는 경우도 있는 것을 유저에게 주의 환기할 수 있다.
또한 본 발명에 의하면, 이러한 3단계 이상의 제2 연관도에 기초하여 탐색을 함으로써, 임계값을 설정하는 방식으로, 탐색 방침을 정할 수 있는 메리트가 있다. 임계값을 낮게 하면, 상술한 연관도가 1%의 것이어도 빠짐없이 찾아낼 수 있는 반면, 검출 알고리즘 정보나 기지의 촬영 조건에 어울리는 촬영 조건을 적합하게 검출할 수 있을 가능성이 낮아져 버리는 경우도 있다. 한편, 임계값을 높게 하면, 검출 알고리즘 정보나 기지의 촬영 조건에 적당한 촬영 조건을 고확률로 좁힐 수 있는 반면, 수십회, 수백회에 한번은 적합한 조건을 찾아내는 촬영 조건을 못보고 넘겨버리는 경우도 있다. 어느 쪽에 중점을 둘지는, 유저측, 시스템측의 생각에 기초하여 정하는 것이 가능하게 되지만, 이러한 중점을 두는 포인트를 선택하는 자유도를 높게 하는 것이 가능하게 된다.
도 18은 좌측의 참조용 촬영 조건에 필터의 조건을 규정하고, 우측의 탐색해야 할 촬영 조건에는, 촬상 소자의 조건을 규정한 예를 도시하고 있다. 상술한 도 15의 예에서는, 좌측의 참조용 촬영 조건에 촬상 소자의 조건을 규정하고, 우측의 탐색해야 할 촬영 조건에는, 필터의 조건을 규정하고 있는데, 그 배치를 바꾼 것이다.
이 도 18의 예에서는, 이제부터 탐색해야 할 촬영 조건으로서 촬상 소자 T, U, W가 있고, 필터의 조건에 대해서는 탐색 전에 있어서 필터 S, 또는 필터 R로 결정하고 있기 때문에 이것들을 좌측의 참조용 촬영 조건에 포함하고 있다. 이 도 18에 도시하는 제2 연관도를 통하여, 어떤 필터 S의 조건에 대하여 최적의 촬상 소자를 탐색할 수 있다.
이와 같이, 제2 실시형태에서는, 조명광의 정보, 각종 촬상계의 파라미터, 하드웨어 상의 파라미터 중, 이제부터 실제로 탐색해야 할 촬영 조건과, 미리 결정하고 있는 조건을 미리 분류하여 제2 연관도를 형성해 둘 수 있다. 이것에 의해, 탐색해야 할 촬영 조건이 때마다 변화되는 경우에도, 이제부터 실제로 탐색해야 할 촬영 조건이 우측에 위치하는 제2 연관도를 미리 만들어 둠으로써 탐색을 실현할 수 있다.
또한 본 발명에서는, 상술한 제2 연관도를 갱신시키도록 해도 된다. 즉, 도 15에 도시하는 바와 같은 참조용 검출 알고리즘 정보 및 참조용 촬영 조건과, 설계정보를 수시로 갱신해 간다. 이 갱신은, 예를 들면, 인터넷을 비롯한 공중 통신망을 통하여 제공된 정보를 반영시키도록 해도 된다. 공중 통신망으로부터 취득 가능한 사이트 정보나 기입 등을 통하여, 참조용 검출 알고리즘 정보 및 참조용 촬영 조건과, 설계 정보와의 관계성에 대하여 새로운 지견이 발견된 경우에는, 당해 지견에 따라 연관도를 상승시키거나, 또는 하강시킨다. 예를 들면, 어떤 검출 알고리즘 정보에 대하여 어느 정도의 연관도를 갖는 촬영 조건이 대단히 적합성이 좋은 것이 공중 통신망 상의 사이트를 통하여 많이 드러나 있었을 경우, 이것들 사이에 설정되어 있는 제2 연관도를 더욱 상승시킨다. 또한 어떤 검출 알고리즘 정보에 대하여 어느 정도의 제2 연관도를 갖는 촬영 조건이 그다지 적합성이 좋지 않은 것이 공중 통신망 상의 사이트를 통하여 많이 드러나 있었을 경우, 이것들 사이에 설정되어 있는 제2 연관도를 하강시킨다. 또한 어떤 검출 알고리즘 정보에 대하여, 지금까지 없는 촬영 조건에서 고정밀도로 검출을 할 수 있는 것이 공중 통신망 상의 사이트를 통하여 드러나 있었을 경우, 이것들 사이에 새롭게 제2 연관도를 설정함으로써 갱신하도록 해도 된다.
이 제2 연관도의 갱신은 공중 통신망으로부터 취득 가능한 정보에 기초하는 경우 이외에, 전문가에 의한 연구 데이터나 논문, 학회 발표의 내용에 기초하여 시스템측 또는 유저측이 인위적으로, 또는 자동적으로 갱신하도록 해도 된다. 이들 갱신 처리에서는 인공 지능을 활용하도록 해도 된다.
또한, 본 발명에 의하면, 제1 실시형태에 계속하여, 제2 실시형태를 연속해서 실행하도록 해도 된다. 이러한 경우에는, 제1 실시형태에 있어서, 우선 피사체의 목적 사상을 입력하고, 제1 연관도를 참조함으로써, 이것에 따른 최적의 검출 알고리즘 정보나 촬영 조건이 선택된다. 다음에 이 선택된 검출 알고리즘 정보나 촬영 조건으로부터, 제2 연관도를 참조함으로써, 이것에 따른 최적의 촬영 장치(5)의 촬영 조건이 선택되게 된다. 즉 피사체의 목적 사상을 입력한 경우에, 이것을 촬영 장치(5)에서 촬영하는데 최적의 촬영 조건이 탐색 장치(2)에 의한 해로서 표시되게 된다.
도 13에 기초하여 제2 실시형태의 데이터 플로우에 대하여 설명을 한다. 제1 실시형태에 있어서 탐색된 검출 알고리즘 정보나 촬영 조건에 기초하여, 촬영 장치(5)의 각종 촬영 조건이 결정된다. 이 촬영 조건으로서는 상술한 결상 광학계(51)와, 필터(52)와, 촬상 소자(53)와, 신호 처리부(54) 등의 하드웨어 상의 파라미터, 촬영계의 파라미터, 조명광의 정보 중 어느 하나 이상이 결정된다. 이들 촬영 조건이 반영된 촬영 장치(5)는 검출 알고리즘 정보에 의해 검지해야 할 피사체의 목적 사상을 검지함에 있어서 적합한 구성이 된다. 그리고, 이 촬영 장치(5)에 의해 피사체를 촬영하고, 특징 파장 연산을 행하게 함으로써, 연산 후의 색 해석 화상을 얻는 것이 가능하게 된다.
또한, 제2 실시형태에서는, 특히 이 촬영 장치(5)가 휴대전화나 스마트폰, 태블릿형 단말, 웨어러블 단말에 각각 실장되는 모든 디지털 카메라로서 구현화되는 경우에 있어서, 그 색 해석 화상을 얻기 위한 어플리케이션 소프트웨어의 필터 조건, 필터 연산 방법도 상기 촬영 조건에 포함시키도록 해도 된다. 이 어플리케이션 소프트웨어에 있어서의 필터 조건이란 구체적으로 어떠한 특징 파장, 특징 파장 범위의 촬상광을 투과시킬지를 소프트웨어 상에서 결정하는 조건이다. 마찬가지로 필터 연산이란 구체적으로 어떠한 특징 파장 연산을 행하게 할지를 소프트웨어 상에서 결정하는 것이다.
또한 본 발명은 탐색된 검출 알고리즘 정보나 촬영 조건에 기초하여 스펙트럼 촬상 장치(4)나 촬영 장치(5)에 의해 피사체를 촬영함으로써 얻어진 스펙트럼 데이터에 의해, 목적 사상을 자동적으로 판별할 수도 있다. 이 판별을 행하는 경우에는, 탐색 장치(2)에 대하여 그 자동적인 판별 기능을 담당하게 하도록 해도 된다.
도 19는 그 스펙트럼 데이터에 의한 목적 사상의 자동적인 판별에 필요하게 되는 제3 연관도를 도시하고 있다. 이 제3 연관도의 예에서는, 스펙트럼 촬상 장치(4)나 촬영 장치(5)에 의해 피사체를 촬영함으로써 얻어진 스펙트럼 데이터와, 목적 사상의 판별 결과를 미리 학습시키게 된다.
알고리즘 데이터베이스(3)에는, 이 스펙트럼 데이터(r1, r2, r3, ····)와, 출력해로서의 목적 사상의 판별 결과와의 사이에서의 3단계 이상의 제3 연관도를 미리 기억시켜 둔다. 도 19의 예에 의하면, 스펙트럼 데이터가 r1인 경우에, 유리의 표면에 발생하고 있는 결함의 결함률에 있어서 「결함률 3%」가 제3 연관도 80%, 「결함률 4%」가 제3 연관도 60%로 설정되어 있다. 또한 스펙트럼 데이터가 r2인 경우에, 「결함률 5%」가 연관도 90%, 「결함률 2%」가 연관도 40%로 설정되어 있다.
이들 제3 연관도는 이전에 스펙트럼 촬상 장치(4)나 촬영 장치(5)에 의해 피사체를 촬영했을 때의 스펙트럼 데이터(r1, r2, r3, ···)와, 그 판별 결과로서의 결함률을 알고리즘 데이터베이스(3) 내에 미리 축적해 두고, 그것들에 기초하여 설정하도록 해도 된다. 이 제3 연관도는 소위 뉴럴 네트워크에 의해 구성되어 있어도 된다. 이 제3 연관도는 실제로 스펙트럼 데이터에 기초하여 피사체의 목적 사상을 판별함에 있어서의 판별 결과(예를 들면, 상술한 결함률 등)를 판별하는 점에서의 적확성을 나타내는 것이다. 예를 들면, 스펙트럼 데이터 r3에 대해서는 연관도 70%의 「결함률 1%」가 가장 적확한 판별에 가깝고, 연관도 50%의 「결함률 3%」가 이것에 다음가는 적확한 판별이게 된다. 마찬가지로 스펙트럼 데이터 r2에 대해서는, 연관도 90%의 「결함률 5%」가 가장 적확한 판별에 가깝고, 연관도 40%의 「결함률 2%」가 이것에 다음가는 정확한 판별이게 된다.
다음에 탐색된 알고리즘에 기초하여 실제로 피사체로서의 유리를 스펙트럼 촬상 장치(4)나 촬영 장치(5)에 의해 촬상함으로써 새롭게 스펙트럼 데이터를 취득한다. 이 취득한 스펙트럼 데이터에 기초하여 피사체의 목적 사상을 판별하는 작업을 행한다. 이 판별에서는, 미리 취득한 도 19에 도시하는 제3 연관도를 참조한다. 새롭게 취득한 스펙트럼 데이터가 스펙트럼 데이터 r1인지, 또는 이것에 근사하는 것인 경우에는, 상술한 제3 연관도를 참조한 경우, 제3 연관도가 가장 높은 「결함률 3%」를 최적해로서 선택한다. 단, 가장 제3 연관도가 높은 것을 최적해로서 선택하는 것은 필수가 아니라, 제3 연관도는 낮지만 연관성 그 자체는 인정되는 「결함률 4%」를 최적해로서 선택하도록 해도 된다. 또한 이것 이외에 화살표가 연결되어 있지 않은 출력해를 선택해도 되는 것은 물론이다. 즉 이 피사체의 목적 사상의 판별 결과의 선택은 제3 연관도가 높은 것부터 차례로 선택되는 경우에 한정되는 것이 아니라, 케이스에 따라 제3 연관도가 낮은 것부터 차례로 선택되는 것이어도 되고, 그 외에 어떠한 우선순위로 선택되는 것이어도 된다.
또한, 얻어진 스펙트럼 데이터가 r2와도 일부 유사하지만, r3과도 일부 유사하고, 어느 곳에 할당해야 좋을지 모르는 경우에 대해서는, 예를 들면, 화상 간의 특징 등에 주목하여 판단하도록 해도 된다. 이러한 경우에는, 예를 들면, 얻어진 스펙트럼 데이터의 휘도를 화상 내의 특징 영역으로 간주하여 어느 곳에 할당할지 판단하도록 해도 된다. 취득한 스펙트럼 데이터의 화상이 r1∼r3의 어느 곳과 유사한지를 판별할 때는, 예를 들면, 딥러닝 등을 활용하도록 해도 된다. 딥러닝을 통하여 화상 상의 특징량에 기초하여, 어느 r1∼r3에 할당할지를 판별하게 된다. 이와 같이 하여, 얻어진 스펙트럼 데이터를 r1∼r3의 어느 하나에 할당한 후, 이것들에 설정된 제3 연관도에 기초하여 출력해로서의 피사체의 목적 사상의 판별 결과를 선택하게 된다.
또한, 얻어진 스펙트럼 데이터에 대한 피사체의 목적 사상의 판별 결과의 선택 방법은 상술한 방법에 한정되는 것은 아니고, 제3 연관도를 참조하는 것이면, 어떠한 방법에 기초하여 실행하도록 해도 된다. 또한, 이것들의 탐색 동작에서는 인공지능을 이용하여 행하도록 해도 된다.
도 20은 참조용의 스펙트럼 데이터(r1, r2, ···)와, 참조용의 검출 알고리즘 정보 및/또는 참조용 촬영 조건과의 조합과 당해 조합에 대한 피사체의 목적 사상의 판별 결과와의 3단계 이상의 제3 연관도가 설정되어 있는 예를 도시하고 있다.
이러한 경우에 있어서, 제3 연관도는, 도 20에 도시하는 바와 같이, 참조용의 스펙트럼 데이터(r1, r2, ···)와, 참조용의 검출 알고리즘 정보 및/또는 참조용 촬영 조건과의 조합의 집합이 소위 은닉층의 노드(61a∼61e)로서 표현되게 된다. 각 노드(61a∼61e)는 참조용의 스펙트럼 데이터(r1, r2, ···)와, 참조용의 검출 알고리즘 정보 및/또는 참조용 촬영 조건에 대한 가중과, 피사체의 목적 사상의 판별 결과에 대한 가중이 각각 설정되어 있다. 이 가중이 3단계 이상의 제3 연관도이다. 예를 들면, 노드 61a는 스펙트럼 데이터 r1이 제3 연관도 80%이며, 또한 알고리즘 정보로서의 「230±12nm, 630±5nm」가 제3 연관도 80%로 연관되어 있다. 또 노드 61c는 스펙트럼 데이터 r2가 제3 연관도 60%이며, 참조용 촬영 조건으로서의 「필터 S, 공간 해상도」가 제3 연관도 60%, 참조용의 검출 알고리즘 정보로서의 「455±12nm」가 제3 연관도 40%로 연관되어 있다.
이러한 제3 연관도가 설정되어 있는 경우도 마찬가지로, 새롭게 스펙트럼 데이터를 취득하고, 또 촬영 조건 및/또는 검출 알고리즘 정보를 새롭게 취득한 경우에는, 이 제3 연관도를 참조하고, 피사체의 목적 사상의 판별 결과를 탐색한다. 새롭게 취득한 스펙트럼 데이터가 r1이며, 또한 촬영 조건이 「화이트 밸런스 ○○」인 경우, 제3 연관도를 통하여 노드 61b가 관련되어 있고, 이 노드 61b는 「결함률 3%」가 제3 연관도 60%, 「결함률 1%」가 제3 연관도 40%로 관련되어 있다. 이와 같은 제3 연관도에 기초하여 피사체의 목적 사상의 판별 결과를 선택해 가게 된다.
또한 본 발명은 설계 정보 탐색 시스템으로서 구현화되는 것이어도 된다. 이 설계 정보 탐색 시스템에서는, 목적 사상의 판별 결과에 기초하여 목적 사상을 설계하기 위한 설계 정보를 탐색한다. 이 설계 정보의 탐색은, 예를 들면, 이하에 설명하는 제4 연관도를 참조하도록 해도 된다.
여기에서 말하는 목적 사상의 설계 정보란 목적 사상을 금후 설계하기 위하여 필요한 모든 정보가 포함된다. 예를 들면, 목적 사상의 판별 결과가 얼굴의 수분의 비율이 70%인 경우에, 이것에 적합한 파운데이션을 설계하는데 필요한 정보를 탐색하는 것이다. 또는, 목적 사상의 판별 결과가 유리의 결함률이었을 경우에는, 새롭게 유리의 재료 설계에 필요한 정보를 탐색하게 된다. 이 재료 설계에 필요한 정보의 예로서는 제1층째에 재료 P를 형성하고, 제2층째에 재료 Q를 형성함과 아울러 분산 강화 파이버를 복합시키고, 또한 제3층째에 재료 R을 형성시켜야 한다고 하는 조언과 같은 것이어도 된다.
도 21은 참조용의 스펙트럼 데이터 r1, r2, ···와, 참조용의 목적 사상의 판별 결과와의 조합에 대한, 탐색해야 할 설계 정보와의 3단계 이상의 제4 연관도가 설정되어 있는 예를 도시하고 있다.
이러한 경우에 있어서, 제4 연관도는, 도 21에 도시하는 바와 같이, 참조용의 스펙트럼 데이터(r1, r2, ···)와, 참조용의 목적 사상의 판별 결과와의 조합의 집합이 소위 은닉층의 노드(61a∼61e)로서 표현되게 된다. 각 노드(61a∼61e)는 참조용의 스펙트럼 데이터(r1, r2, ···)와, 참조용의 목적 사상의 판별 결과에 대한 가중과, 탐색해야 할 설계 정보에 대한 가중이 각각 설정되어 있다. 이 가중이 3단계 이상의 제4 연관도이다. 예를 들면, 노드 61a는 스펙트럼 데이터 r1이 제3 연관도 80%로, 또 목적 사상의 판별 결과로서 「A 성분:B성분=1:3」이 제4 연관도 80%로 연관되어 있다. 또 노드 61c는 스펙트럼 데이터 r2가 제4 연관도 60%로, 목적 사상의 판별 결과로서의 「A 성분:B 성분=2:1」이 제4 연관도 60%, 목적 사상의 판별 결과로서의 「A 성분:B 성분=1:6」이 제4 연관도 40%로 연관되어 있다.
이러한 제4 연관도가 설정되어 있는 경우도 마찬가지로, 새롭게 스펙트럼 데이터를 취득하고, 또 목적 사상의 판별 결과를 새롭게 취득한 경우에는, 이 제4 연관도를 참조하여 설계 정보를 탐색한다. 새롭게 취득한 스펙트럼 데이터가 r1이며,또한 목적 사상의 판별 결과가 「A 성분:B 성분=5:1」인 경우, 제4 연관도를 통하여 노드 61b가 관련되어 있고, 이 노드 61b는 「설계 정보 E」가 제4 연관도60%, 「설계 정보 G」가 제4 연관도 40%로 관련되어 있다. 이러한 제4 연관도에 기초하여 설계 정보를 선택해 가게 된다.
또한, 목적 사상의 판별 결과는 제3 연관도를 통하여 선택된 것이어도 되고, 이것과는 별도로 새롭게 입력된 것을 이용하도록 해도 된다.
이 제3 연관도, 제4 연관도를 사용한 판별에서는, 또한 피사체(10)를 촬상한 위치에 관한 위치 정보, 당해 위치 정보를 현재지의 지도에 대조함으로써 취득한 지도 정보, 더욱이, 피사체(10)의 형태 정보(형상, 모양, 색채, 질감 등)의 어느 하나 이상을 조합하여 판단하도록 해도 된다. 이러한 경우에는, 인공 위성으로부터 보내져 오는 위성 측위 신호에 기초하여 현시점의 위치 정보를 리얼 타임으로 취득하는 도시하지 않은 위치 정보 취득부나, 일본 내의 지도, 세계 각국의 지도로 이루어지는 지도 정보를 기억하는 도시하지 않은 지도 정보 취득부가 별도 설치되어 있다. 형태 정보의 취득은 피사체(10)를 촬상하는 카메라로 구성되어 있다. 이 카메라에 의해 촬상된 피사체(10)의 화상으로부터, 이 피사체(10)의 형태(형상, 모양, 색채, 질감 등)를 식별하는 것이 가능하게 된다. 검출된 위치 정보, 지도 정보, 형태 정보의 어느 하나 이상을 취득하고, 상술과 마찬가지로 제3 연관도, 제4 연관도를 통한 학습된 모델을 구축한다. 이러한 경우에는, 도 20에서의 제3 연관도에 있어서의 노드 61의 좌측이나, 도 21에 있어서의 제4 연관도에서의 노드 61의 좌측에 있어서, 이들 위치 정보, 지도 정보, 형태 정보의 어느 하나 이상이 배열되고, 노드 61에 링크되게 된다. 즉, 제3 연관도, 제4 연관도는 위치 정보, 지도 정보, 형태 정보의 어느 하나 이상을 조합함으로써 판단을 행할 수 있는 모델로 되어 있다. 따라서, 이 위치 정보, 지도 정보, 형태 정보의 어느 하나 이상을 더 조합하여, 상술한 제3 연관도, 제4 연관도를 통하여 각종 판별을 행하는 것이 가능하게 된다.
또한, 형태 정보로서는 소위 공간 특징 정보를 포함하도록 해도 된다. 여기에서 말하는 공간 특징 정보로서는 공간 위치(배치), 형태(형상, 크기, 모양, 텍스처, 색채, 질감 등)를 포함시킨 것이다. 이 공간 특징 정보는 소위 딥러닝 기술에서 사용되는 화상 상의 특징량을 포함하는 개념이며, 이것을 추출함으로써 공간 위치(배치)나 형태를 식별해 가기 위한 정보이다. 이 공간 특징 정보는 일반적인 공간 특징량에 더하여, 스펙트럼마다 추출된 스펙트럼 특징량도 포함되는 것이어도 된다. 또는, 이 공간 특징 정보는 공간 특징량과, 이 스펙트럼 특징량을 융합시킨 것으로 구성되어 있어도 된다. 이 스펙트럼 특징량은 분광 화상에 기초하여 특징량을 추출하는 것이기 때문에, 배경의 움직임 등으로부터 원하는 피사체만을 용이하게 분리하여 특징량을 추출할 수 있어, 형태 정보의 파악을 용이하게 행하는 것이 가능하게 된다.
또한, 제3 연관도, 제4 연관도 모두 뉴럴 네트워크 등으로 대표되는 인공 지능으로 구성되어 있어도 된다.
1 정보 탐색 시스템 2 탐색 장치
3 알고리즘 데이터베이스 4 스펙트럼 촬상 장치
5 촬영 장치 6 촬영 조건 데이터베이스
10 피사체 21 내부 버스
23 표시부 24 제어부
25 조작부 26 통신부
27 탐색부 28 기억부
41 대물렌즈 42 정밀 직동 스테이지
43 슬릿판 43a 슬릿 개구부
44 콜리메이트 렌즈 45 분산 광학 소자
46 결상 렌즈 47 촬상 소자
48 제어부 51 결상 광학계
52 필터 53 촬상 소자
54 신호처리부 481 촬영 제어부
482 이동 제어부 483 분광 데이터 작성부
484 화상 처리부 484-1 교정 처리부
484-2 산출부 484-3 색 해석 화상 취득부

Claims (23)

  1. 촬영한 피사체로부터 목적 사상을 판별하는데 필요한 스펙트럼 데이터의 검출 알고리즘 정보를 탐색하는 정보 탐색 시스템에 있어서,
    피사체의 각 목적 사상과, 상기 검출 알고리즘 정보와의 3단계 이상의 제1 연관도가 미리 기억되어 있는 제1 연관 데이터베이스;
    새롭게 판별해야 할 피사체의 목적 사상에 관한 정보가 입력되는 목적 사상 입력 수단; 및
    상기 제1 연관 데이터베이스에 기억되어 있는 상기 제1 연관도를 참조하고, 상기 목적 사상 입력 수단을 통하여 입력된 상기 목적 사상에 관한 정보에 기초하여, 하나 이상의 검출 알고리즘 정보를 탐색하는 탐색 수단;을 구비하는 것을 특징으로 하는 정보 탐색 시스템.
  2. 제1항에 있어서,
    상기 제1 연관 데이터베이스는 피사체의 각 목적 사상 및 참조용 촬영 조건과, 상기 검출 알고리즘 정보와의 3단계 이상의 제1 연관도가 미리 기억되고,
    상기 목적 사상 입력 수단은 새롭게 판별해야 할 피사체의 목적 사상 및 기지의 촬영 조건에 관한 정보가 입력되고,
    상기 탐색 수단은, 상기 제1 연관 데이터베이스에 기억되어 있는 상기 제1 연관도를 참조하고, 상기 목적 사상 입력 수단을 통하여 입력된 상기 목적 사상 및 기지의 촬영 조건에 관한 정보에 기초하여, 하나 이상의 검출 알고리즘 정보를 탐색하는 것을 특징으로 하는 정보 탐색 시스템.
  3. 촬영한 피사체로부터 목적 사상을 판별하기 위한 촬영 장치의 촬영 조건을 탐색하는 정보 탐색 시스템에 있어서,
    피사체의 각 목적 사상과, 각 촬영 조건과의 3단계 이상의 제1 연관도가 미리 기억되어 있는 제1 연관 데이터베이스;
    새롭게 판별해야 할 피사체의 목적 사상에 관한 정보가 입력되는 목적 사상 입력 수단; 및
    상기 제1 연관 데이터베이스에 기억되어 있는 상기 제1 연관도를 참조하고, 상기 목적 사상 입력 수단을 통하여 입력된 상기 목적 사상에 관한 정보에 기초하여, 하나 이상의 촬영 조건을 탐색하는 탐색 수단;을 구비하는 것을 특징으로 하는 정보 탐색 시스템.
  4. 제3항에 있어서,
    상기 제1 연관 데이터베이스는 피사체의 각 목적 사상 및 참조용 촬영 조건과, 각 촬영 조건과의 3단계 이상의 제1 연관도가 미리 기억되고,
    상기 목적 사상 입력 수단은 새롭게 판별해야 할 피사체의 목적 사상 및 기지의 촬영 조건에 관한 정보가 입력되고,
    상기 탐색 수단은 상기 제1 연관 데이터베이스에 기억되어 있는 상기 제1 연관도를 참조하고, 상기 목적 사상 입력 수단을 통하여 입력된 상기 목적 사상 및 기지의 촬영 조건에 관한 정보에 기초하여, 하나 이상의 촬영 조건을 탐색하는 것을 특징으로 하는 정보 탐색 시스템.
  5. 제1항에 있어서,
    각 상기 검출 알고리즘 정보와, 촬영한 피사체로부터 목적 사상을 판별하기 위한 촬영 장치에 대하여 탐색해야 할 촬영 조건과의 3단계 이상의 제2 연관도가 미리 기억되어 있는 제2 연관 데이터베이스를 더 구비하고,
    상기 탐색 수단은, 상기 제2 연관 데이터베이스에 기억되어 있는 상기 제2 연관도를 참조하고, 상기 탐색한 하나 이상의 검출 알고리즘 정보 또는 새롭게 입력된 하나 이상의 검출 알고리즘 정보에 기초하여, 하나 이상의 상기 탐색해야 할 촬영 조건을 탐색하는 것을 특징으로 하는 정보 탐색 시스템.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서,
    상기 제1 연관 데이터베이스는 상기 목적 사상에 따른 하나 이상의 특징 파장 및 그 특징 파장 범위, 이 특징 파장을 설명 변수로 한 연산식의 어느 하나 이상으로 이루어지는 상기 검출 알고리즘 정보의 상기 제1 연관도가 기억되어 있는 것을 특징으로 하는 정보 탐색 시스템.
  7. 제2항 내지 제4항 중 어느 한 항에 있어서,
    상기 제1 연관 데이터베이스는 또한 상기 피사체를 촬영함에 있어서의 조명에 관한 정보, 상기 피사체를 촬영함에 있어서의 촬상계의 파라미터, 상기 피사체를 촬상하는 하드웨어 상의 파라미터 중 어느 하나 이상으로 이루어지는 상기 촬영 조건의 상기 제1 연관도가 기억되어 있는 것을 특징으로 하는 정보 탐색 시스템.
  8. 제5항에 있어서,
    상기 제2 연관 데이터베이스는, 복수의 검출 알고리즘 정보의 조합에 대하여, 탐색해야 할 촬영 조건의 3단계 이상의 상기 제2 연관도가 미리 기억되고,
    상기 탐색 수단은 상기 제2 연관 데이터베이스에 기억되어 있는 상기 제2 연관도를 참조하고, 상기 탐색한 복수의 검출 알고리즘 정보 또는 새롭게 입력된 복수의 검출 알고리즘 정보에 기초하여, 하나 이상의 상기 탐색해야 할 촬영 조건을 탐색하는 것을 특징으로 하는 정보 탐색 시스템.
  9. 제5항에 있어서,
    상기 제2 연관 데이터베이스는 각 상기 검출 알고리즘 정보 및 참조용 촬영 조건의 조합에 대한, 상기 탐색해야 할 촬영 조건과의 3단계 이상의 상기 제2 연관도가 미리 기억되고,
    상기 탐색 수단은 상기 제2 연관 데이터베이스에 기억되어 있는 상기 제2 연관도를 참조하고, 상기 탐색한 1 이상의 검출 알고리즘 정보 또는 새롭게 입력된 하나 이상의 검출 알고리즘 정보 및 기지의 촬영 조건에 관한 정보에 기초하여, 하나 이상의 상기 탐색해야 할 촬영 조건을 탐색하는 것을 특징으로 하는 정보 탐색 시스템.
  10. 제2항 또는 제4항에 있어서,
    상기 기지의 촬영 조건을 자동적으로 추출하는 촬영 조건 추출 수단을 더 구비하고,
    상기 목적 사상 입력 수단은 상기 촬영 조건 추출 수단에 의해 추출된 기지의 촬영 조건에 관한 정보가 입력되는 것을 특징으로 하는 정보 탐색 시스템.
  11. 제1항 또는 제2항에 기재된 정보 탐색 시스템에 있어서의 상기 탐색 수단에 의해 탐색된 검출 알고리즘 정보에 기초하여 피사체를 촬영하는 촬영 수단; 및
    상기 촬영 수단에 의해 촬영하여 얻어진 스펙트럼 데이터에 기초하여 목적 사상을 판별하는 목적 사상 판별 수단;을 구비하는 것을 특징으로 하는 촬영 시스템.
  12. 제11항에 있어서,
    상기 목적 사상 판별 수단은 참조용 스펙트럼 데이터와, 피사체의 목적 사상의 판별 결과와의 3단계 이상의 제3 연관도가 미리 기억되어 있는 제3 연관 데이터베이스를 더 구비하고,
    상기 목적 사상 판별 수단은 상기 제3 연관 데이터베이스에 기억되어 있는 상기 제3 연관도를 참조하고, 상기 촬영 수단에 의해 촬영하여 얻어진 스펙트럼 데이터에 기초하여, 하나 이상의 상기 판별 결과를 탐색함으로써 판별하는 것을 특징으로 하는 촬영 시스템.
  13. 제11항에 있어서,
    상기 목적 사상 판별 수단은 참조용 스펙트럼 데이터와, 참조용의 검출 알고리즘 정보 및/또는 참조용 촬영 조건과의 조합에 대한 피사체의 목적 사상의 판별 결과와의 3단계 이상의 제3 연관도가 미리 기억되어 있는 제3 연관 데이터베이스를 더 구비하고,
    상기 목적 사상 판별 수단은 상기 제3 연관 데이터베이스에 기억되어 있는 상기 제3 연관도를 참조하고, 상기 촬영 수단에 의해 촬영하여 얻어진 스펙트럼 데이터, 및 상기 조합을 구성하는 검출 알고리즘 정보 및/또는 촬영 조건에 기초하여, 하나 이상의 상기 판별 결과를 탐색함으로써 판별하는 것을 특징으로 하는 촬영 시스템.
  14. 제11항 내지 제13항 중 어느 하나 이상의 촬영 시스템에 있어서의 상기 목적 사상 판별 수단에 의한 목적 사상의 판별 결과에 기초하여, 목적 사상을 설계하기 위한 설계 정보를 탐색하는 설계 정보 탐색 수단을 더 구비하는 것을 특징으로 하는 설계 정보 탐색 시스템.
  15. 제14항에 있어서,
    참조용 스펙트럼 데이터와, 피사체의 목적 사상의 판별 결과와의 조합에 대한 상기 설계 정보와의 3단계 이상의 제4 연관도가 미리 기억되어 있는 제4 연관 데이터베이스를 더 구비하고,
    상기 설계 정보 탐색 수단은 상기 제4 연관 데이터베이스에 기억되어 있는 상기 제4 연관도를 참조하고, 상기 촬영 수단에 의해 촬영하여 얻어진 스펙트럼 데이터, 및 상기 목적 사상 판별 수단에 의한 목적 사상의 판별 결과에 기초하여, 하나 이상의 상기 판별 결과를 탐색함으로써 판별하는 것을 특징으로 하는 설계 정보 탐색 시스템.
  16. 제1항 내지 제10항 중 어느 한 항에 있어서,
    상기 제1 연관 데이터베이스는 피사체의 목적 사상과, 검출 알고리즘 정보와의 관계를 새롭게 취득한 경우에는, 이것을 상기 제1 연관도에 반영시킴으로써 갱신하는 것을 특징으로 하는 정보 탐색 시스템.
  17. 제5항에 있어서,
    상기 제2 연관 데이터베이스는 촬영 장치의 촬영 조건과, 검출 알고리즘 정보와의 관계를 새롭게 취득한 경우에는, 이것을 상기 제2 연관도에 반영시킴으로써 갱신하는 것을 특징으로 하는 정보 탐색 시스템.
  18. 스펙트럼 데이터의 검출 알고리즘 정보로부터 피사체의 목적 사상을 탐색하는 정보 탐색 시스템에 있어서,
    피사체의 각 목적 사상과, 상기 검출 알고리즘 정보와의 3단계 이상의 제1 연관도가 미리 기억되어 있는 제1 연관 데이터베이스와,
    새롭게 검출 알고리즘 정보가 입력되는 알고리즘 입력 수단과,
    상기 제1 연관 데이터베이스에 기억되어 있는 상기 제1 연관도를 참조하고, 상기 알고리즘 입력 수단을 통하여 입력된 상기 검출 알고리즘 정보에 기초하여, 하나 이상의 피사체의 목적 사상을 탐색하는 탐색 수단을 구비하는 것을 특징으로 하는 정보 탐색 시스템.
  19. 제1항 내지 제12항 중 어느 한 항에 있어서,
    상기 탐색 수단은 인공 지능을 이용하여 상기 탐색을 행하는 것을 특징으로 하는 정보 탐색 시스템.
  20. 촬영한 피사체로부터 목적 사상을 판별하는데 필요한 검출 알고리즘 정보를 탐색하는 정보 탐색 프로그램에 있어서,
    새롭게 판별해야 할 피사체의 목적 사상에 관한 정보의 입력을 접수하는 목적 사상 입력 스텝; 및
    제1 연관 데이터베이스에 기억되어 있는 피사체의 각 목적 사상과, 검출 알고리즘 정보와의 3단계 이상의 제1 연관도를 참조하고, 상기 목적 사상 입력 스텝에 의해 입력된 상기 목적 사상에 관한 정보에 기초하여, 하나 이상의 검출 알고리즘 정보를 탐색하는 탐색 스텝;을 컴퓨터에 실행시키는 것을 특징으로 하는 정보 탐색 프로그램.
  21. 촬영한 피사체로부터 목적 사상을 판별하기 위한 촬영 장치의 촬영 조건을 탐색하는 정보 탐색 프로그램에 있어서,
    새롭게 판별해야 할 피사체의 목적 사상에 관한 정보가 입력되는 목적 사상 입력 스텝; 및
    제1 연관 데이터베이스에 기억되어 있는, 피사체의 각 목적 사상과, 각 촬영 조건과의 3단계 이상의 제1 연관도를 참조하고, 상기 목적 사상 입력 스텝에 의해 입력된 상기 목적 사상에 관한 정보에 기초하여, 하나 이상의 촬영 조건을 탐색하는 탐색 스텝;을 컴퓨터에 실행시키는 것을 특징으로 하는 정보 탐색 프로그램.
  22. 촬영한 피사체로부터 목적 사상을 판별하는데 필요한 검출 알고리즘 정보를 탐색하는 정보 탐색 방법에 있어서,
    새롭게 판별해야 할 피사체의 목적 사상에 관한 정보의 입력을 접수하는 목적 사상 입력 스텝; 및
    제1 연관 데이터베이스에 기억되어 있는 피사체의 각 목적 사상과, 검출 알고리즘 정보와의 3단계 이상의 제1 연관도를 참조하고, 상기 목적 사상 입력 스텝에 의해 입력된 상기 목적 사상에 관한 정보에 기초하여, 하나 이상의 검출 알고리즘 정보를 탐색하는 탐색 스텝;을 갖고, 이들 각 스텝은 컴퓨터가 실행하는 것을 특징으로 하는 정보 탐색 방법.
  23. 촬영한 피사체로부터 목적 사상을 판별하기 위한 촬영 장치의 촬영 조건을 탐색하는 정보 탐색 방법에 있어서,
    새롭게 판별해야 할 피사체의 목적 사상에 관한 정보가 입력되는 목적 사상 입력 스텝; 및
    제1 연관 데이터베이스에 기억되어 있는 피사체의 각 목적 사상과 각 촬영 조건과의 3단계 이상의 제1 연관도를 참조하고, 상기 목적 사상 입력 스텝에 의해 입력된 상기 목적 사상에 관한 정보에 기초하여, 하나 이상의 촬영 조건을 탐색하는 탐색 스텝;을 갖고, 이들 각 스텝은 컴퓨터가 실행하는 것을 특징으로 하는 정보 탐색 방법.
KR1020187034735A 2017-05-17 2018-05-10 정보 탐색 시스템 및 방법, 정보 탐색 프로그램 KR102273128B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
JPJP-P-2017-098159 2017-05-17
JP2017098159 2017-05-17
JPJP-P-2018-060578 2018-03-27
JP2018060578A JP6843439B2 (ja) 2017-05-17 2018-03-27 情報探索システム及び方法、情報探索プログラム
PCT/JP2018/018219 WO2018212078A1 (ja) 2017-05-17 2018-05-10 情報探索システム及び方法、情報探索プログラム

Publications (2)

Publication Number Publication Date
KR20190010576A true KR20190010576A (ko) 2019-01-30
KR102273128B1 KR102273128B1 (ko) 2021-07-05

Family

ID=64570465

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187034735A KR102273128B1 (ko) 2017-05-17 2018-05-10 정보 탐색 시스템 및 방법, 정보 탐색 프로그램

Country Status (7)

Country Link
US (1) US10832088B2 (ko)
EP (1) EP3474000A4 (ko)
JP (1) JP6843439B2 (ko)
KR (1) KR102273128B1 (ko)
CN (1) CN109313126A (ko)
CA (1) CA3026633C (ko)
RU (1) RU2724786C1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6843439B2 (ja) * 2017-05-17 2021-03-17 エバ・ジャパン 株式会社 情報探索システム及び方法、情報探索プログラム
JP6951753B2 (ja) * 2018-03-27 2021-10-20 エバ・ジャパン 株式会社 情報探索システム及びプログラム
CN114002178A (zh) * 2021-10-29 2022-02-01 中电科西北集团有限公司 一种利用卫星定位匹配猕猴桃糖度预测模型的方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070014058A (ko) * 2005-07-26 2007-01-31 캐논 가부시끼가이샤 촬상 장치 및 촬상 방법
KR20090083223A (ko) * 2008-01-29 2009-08-03 엔에이치엔(주) 검색결과간의 연관도에 기초하여 클러스터링된 검색결과를제공하는 방법 및 시스템 그리고 검색결과를클러스터링하는 방법 및 시스템
KR20090100242A (ko) * 2008-03-19 2009-09-23 소니 가부시끼 가이샤 구도 판정 장치, 구도 판정 방법, 프로그램
JP2013002350A (ja) 2011-06-16 2013-01-07 Hitachi Appliances Inc スクロール圧縮機
JP2015166682A (ja) 2014-03-03 2015-09-24 エバ・ジャパン 株式会社 分光放射輝度計
KR20160088049A (ko) * 2015-01-15 2016-07-25 삼성전자주식회사 이미지 분석 방법과 이를 수행하는 전자 장치 및 서버
JP2017003495A (ja) 2015-06-12 2017-01-05 株式会社リコー 情報処理装置、情報処理プログラム、および情報処理システム

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6919959B2 (en) * 1999-06-30 2005-07-19 Masten Opto-Diagnostics Co. Digital spectral identifier-controller and related methods
SE0402576D0 (sv) * 2004-10-25 2004-10-25 Forskarpatent I Uppsala Ab Multispectral and hyperspectral imaging
US7450761B2 (en) 2004-11-02 2008-11-11 The Boeing Company Spectral geographic information system
US7953274B2 (en) * 2005-03-18 2011-05-31 Valspar Sourcing, Inc. Digital method for matching stains
JP4539432B2 (ja) 2005-05-16 2010-09-08 ソニー株式会社 画像処理装置および撮像装置
US8154612B2 (en) 2005-08-18 2012-04-10 Qualcomm Incorporated Systems, methods, and apparatus for image processing, for color classification, and for skin color detection
US7420678B2 (en) * 2005-09-12 2008-09-02 The Boeing Company Multi-spectral imaging
JP4642681B2 (ja) * 2005-09-30 2011-03-02 富士フイルム株式会社 光断層画像化装置
CN201051074Y (zh) * 2007-05-22 2008-04-23 浙江大学 多光谱肉类新鲜度人工智能测量系统
JP2009053064A (ja) * 2007-08-28 2009-03-12 Sekonic Corp カラーメータ
BRPI1006077B8 (pt) * 2009-01-10 2023-02-28 Goldfinch Solutions Llc Sistema para analisar uma ou mais propriedades de carne
US20100201800A1 (en) 2009-02-09 2010-08-12 Olympus Corporation Microscopy system
JP2011095225A (ja) * 2009-11-02 2011-05-12 Olympus Corp 画像処理装置、画像処理方法および顕微鏡システム
JP5274288B2 (ja) * 2009-02-10 2013-08-28 独立行政法人農業・食品産業技術総合研究機構 穀粉の判別方法及び装置
JP5698489B2 (ja) * 2010-09-30 2015-04-08 オリンパス株式会社 検査装置
WO2012090416A1 (ja) 2010-12-28 2012-07-05 オリンパス株式会社 検査装置
US9019358B2 (en) * 2011-02-08 2015-04-28 Xerox Corporation Method for classifying a pixel of a hyperspectral image in a remote sensing application
CN103608662B (zh) 2011-06-29 2016-09-28 京都府公立大学法人 肿瘤部位的识别装置以及识别方法
US8600227B2 (en) * 2011-09-22 2013-12-03 Xerox Corporation Multi-filter array for a multi-resolution, multi-spectral camera
JP6211534B2 (ja) * 2011-12-21 2017-10-11 シャハーフ，キャサリン，エム． 組織表面を整列させる病変を撮像するためのシステム
RU2014142268A (ru) * 2013-10-29 2016-05-20 Андрей Юрьевич Щербаков Индивидуальный помощник с элементами искусственного интеллекта и способ его применения
US9959628B2 (en) * 2014-11-21 2018-05-01 Christopher M. MUTTI Imaging system for object recognition and assessment
CN106954385B (zh) * 2015-01-09 2020-07-28 麦克赛尔控股株式会社 植物信息取得系统、植物信息取得装置和植物信息取得方法
JP6843439B2 (ja) * 2017-05-17 2021-03-17 エバ・ジャパン 株式会社 情報探索システム及び方法、情報探索プログラム
JP6951753B2 (ja) * 2018-03-27 2021-10-20 エバ・ジャパン 株式会社 情報探索システム及びプログラム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070014058A (ko) * 2005-07-26 2007-01-31 캐논 가부시끼가이샤 촬상 장치 및 촬상 방법
KR20090083223A (ko) * 2008-01-29 2009-08-03 엔에이치엔(주) 검색결과간의 연관도에 기초하여 클러스터링된 검색결과를제공하는 방법 및 시스템 그리고 검색결과를클러스터링하는 방법 및 시스템
KR20090100242A (ko) * 2008-03-19 2009-09-23 소니 가부시끼 가이샤 구도 판정 장치, 구도 판정 방법, 프로그램
JP2013002350A (ja) 2011-06-16 2013-01-07 Hitachi Appliances Inc スクロール圧縮機
JP2015166682A (ja) 2014-03-03 2015-09-24 エバ・ジャパン 株式会社 分光放射輝度計
KR20160088049A (ko) * 2015-01-15 2016-07-25 삼성전자주식회사 이미지 분석 방법과 이를 수행하는 전자 장치 및 서버
JP2017003495A (ja) 2015-06-12 2017-01-05 株式会社リコー 情報処理装置、情報処理プログラム、および情報処理システム

Also Published As

Publication number Publication date
US20190147294A1 (en) 2019-05-16
KR102273128B1 (ko) 2021-07-05
CA3026633C (en) 2021-10-19
JP6843439B2 (ja) 2021-03-17
EP3474000A4 (en) 2020-09-09
RU2724786C1 (ru) 2020-06-25
JP2018194541A (ja) 2018-12-06
CA3026633A1 (en) 2018-11-22
US10832088B2 (en) 2020-11-10
EP3474000A1 (en) 2019-04-24
CN109313126A (zh) 2019-02-05

Similar Documents

Publication Publication Date Title
KR102222913B1 (ko) 정보 탐색 시스템 및 프로그램
Kim et al. Smartphone-based multispectral imaging: system development and potential for mobile skin diagnosis
JP6915349B2 (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
Hu et al. Thermal-to-visible face recognition using partial least squares
Li et al. AOTF based molecular hyperspectral imaging system and its applications on nerve morphometry
KR20190010576A (ko) 정보 탐색 시스템 및 방법, 정보 탐색 프로그램
Liu et al. TuLUMIS-a tunable LED-based underwater multispectral imaging system
Li et al. Tongue fissure extraction and classification using hyperspectral imaging technology
US20230162354A1 (en) Artificial intelligence-based hyperspectrally resolved detection of anomalous cells
JP2018124814A (ja) 画像処理装置、撮像装置、画像処理方法、画像処理プログラム、および、記憶媒体
JP6884584B2 (ja) 画像処理装置、撮像装置、画像処理方法、画像処理プログラム、および、記憶媒体
AU2018415972B2 (en) Information retrieval system and program
WO2018212078A1 (ja) 情報探索システム及び方法、情報探索プログラム
CN114972547A (zh) 用于确定牙齿颜色的方法
JP6925046B2 (ja) 撮像装置の設計システム、撮像装置の設計プログラム
JP6730629B2 (ja) バンドパスフィルタの設計システム、バンドパスフィルタの設計プログラム
Rivas et al. Copper concentrate dual-band joint classification using reflectance hyperspectral images in the VIS-NIR and SWIR bands
Cho et al. Hyperspectral face databases for facial recognition research
Tran et al. Mobile Fluorescence Imaging and Protein Crystal Recognition
EP3889886A1 (en) Systems, methods and computer programs for a microscope system and for determining a transformation function
Mahajan et al. Brass Board Forensic Crime Scene Survey Camera
Ding et al. Method for GPU-based spectral data cube reconstruction of integral field snapshot imaging spectrometers
JP2019193030A (ja) レンズ装置、撮像装置、および、解析システム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant