WO2018212078A1

WO2018212078A1 - 情報探索システム及び方法、情報探索プログラム

Info

Publication number: WO2018212078A1
Application number: PCT/JP2018/018219
Authority: WO
Inventors: 直樹野呂; 洋平高良; 史識安藤; 雄大藤森
Original assignee: エバ・ジャパン株式会社
Priority date: 2017-05-17
Filing date: 2018-05-10
Publication date: 2018-11-22

Abstract

【課題】被写体から目的事象を判別する上で必要なスペクトルデータを取得するための検出アルゴリズム情報を自動的に探索する【解決手段】撮影した被写体１０から目的事象を判別する上で必要な検出アルゴリズム情報を探索する上で、新たに判別すべき被写体の目的事象に関する情報の入力を受け付け、アルゴリズムデータベース３に記憶されている被写体の各目的事象と、検出アルゴリズム情報との３段階以上の第１連関度を参照し、入力された上記目的事象に関する情報に基づき、１以上の検出アルゴリズム情報を探索させる。

Description

情報探索システム及び方法、情報探索プログラム

　本発明は、被写体から目的事象を判別する上で必要なスペクトルデータを取得するための検出アルゴリズム情報や、これを撮影する撮影装置の各種撮影条件を自動的に探索する上で好適な情報探索システム及び方法、情報探索プログラムに関するものである。

　従来より、被写体の撮影画像を波長毎に分光して分析することにより、被写体について所望の事象を判別するスペクトル撮像装置が提案されている。スペクトル撮像装置は、紫外から可視、更には赤外に至るまでの波長領域について、０．１ｎｍ～１００ｎｍの波長分解能で数十バンド以上に亘り分光可能な高波長分解分光情報（以下、ハイパースペクトルデータ）を取得することができる。このようなハイパースペクトルデータを活用することで、例えば食品の鮮度、建築構造物の欠陥、植物の光合成、鉱物中に含まれる化学元素、肌の水分やシミ等を高精度に分析することが可能となる。即ち、このスペクトル撮像装置によれば、単に被写体のみを撮像することに終始するのではなく、その被写体における目的事象までを検知することが可能となる。

　このようなハイパースペクトルデータを取得することができるスペクトル撮像装置の例が、例えば特許文献１、２に開示されている。

　特許文献１には、人体内の腫瘍部位を目的事象としたスペクトル撮像装置が開示されている。この特許文献１の開示技術によれば、癌細胞内に蓄積される成分に応じた蛍光波長に焦点を当てて検出を行うことにより、腫瘍部位と非腫瘍部位を識別するものである。

　また、特許文献２には、被写体が果実であるか否かを判別するための情報処理装置が開示されている。果実の基準特徴量を予め取得しておき、実際に撮像した被写体の分光画像の特徴量との比較に基づいて、被写体が果実であるか否かを判別する。この基準特徴量は何れもスペクトルデータに基づいている。

　他には、ハイパースペクトルデータを画像解析に着目した技術も開示されている（例えば、特許文献３参照。）。

国際公開１３／００２３５０号公報特開２０１７－３４９５号公報特開２０１５－１６６６８２号公報

　しかしながら、この被写体における目的事象を判別する上で必要なスペクトルデータを取得するための検出アルゴリズムを研究するのは多くの時間と労力を要し、しかも技術的な知見も必要となる。

　例えば上述した人体内の腫瘍部位のスペクトルデータを得るための検出アルゴリズムは、癌細胞内に蓄積されるプロトポルフィリンＩＸが６３５ｎｍの蛍光を発し、フォトープロトポルフィリンが６７５ｎｍの蛍光を発光する点に着目し、これらの蛍光を検知可能な検出アルゴリズムを組むことになる。このような検出アルゴリズムを組む上では、これら癌細胞内に蓄積される成分が何であるのか、またいかなる波長の蛍光を発光するのか等の技術的知見が必要とされ、更にこれらの蛍光のみを精度よく抽出して的確な識別を行うための各種検討に多くの時間と労力が必要となる。

　このため、次々に新しい被写体の目的事象が生まれる都度、最適な検出アルゴリズムを容易に取得することができる技術が従来より望まれていた。しかしながら、特許文献１～３には、被写体の目的事象に応じて最適な検出アルゴリズムを取得するための技術は特段開示されていない。

　また、実際に被写体を撮像する撮像装置を設計する上での条件や、被写体を撮影する上での条件（以下、これらを撮影条件と総称する）を自動的に探索することで開発コストの削減や、開発期間の短縮化を図る必要もあるが、特許文献１～３にはかかる要請に対応できる技術は特段開示されていない。

　そこで本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、被写体から目的事象を判別する上で必要なスペクトルデータを取得するための検出アルゴリズム情報や、これを撮影する撮影装置の撮影条件を自動的に探索することが可能な情報探索システム及び方法、情報探索プログラムを提供することにある。

　本発明者らは、上述した課題を解決するために、撮影した被写体から目的事象を判別する上で必要な検出アルゴリズム情報を探索する上で、新たに判別すべき被写体の目的事象に関する情報の入力を受け付け、第１連関データベースに記憶されている被写体の各目的事象と、検出アルゴリズム情報との３段階以上の第１連関度を参照し、上記入力された上記目的事象に関する情報に基づき、１以上の検出アルゴリズム情報を探索させる情報探索システム及び方法、情報探索プログラムを発明した。

　本発明に係る情報探索システムは、撮影した被写体から目的事象を判別する上で必要なスペクトルデータの検出アルゴリズム情報を探索する情報探索システムにおいて、被写体の各目的事象と、上記検出アルゴリズム情報との３段階以上の第１連関度が予め記憶されている第１連関データベースと、新たに判別すべき被写体の目的事象に関する情報が入力される目的事象入力手段と、上記第１連関データベースに記憶されている上記第１連関度を参照し、上記目的事象入力手段を介して入力された上記目的事象に関する情報に基づき、１以上の検出アルゴリズム情報を探索する探索手段とを備えることを特徴とする。

　本発明に係る情報探索システムは、撮影した被写体から目的事象を判別するための撮影装置の撮影条件を探索する情報探索システムにおいて、被写体の各目的事象と、各撮影条件との３段階以上の第１連関度が予め記憶されている第１連関データベースと、新たに判別すべき被写体の目的事象に関する情報が入力される目的事象入力手段と、上記第１連関データベースに記憶されている上記第１連関度を参照し、上記目的事象入力手段を介して入力された上記目的事象に関する情報に基づき、１以上の撮影条件を探索する探索手段とを備えることを特徴とする。

　本発明に係る情報探索プログラムは、撮影した被写体から目的事象を判別する上で必要な検出アルゴリズム情報を探索する情報探索プログラムにおいて、新たに判別すべき被写体の目的事象に関する情報の入力を受け付ける目的事象入力ステップと、第１連関データベースに記憶されている被写体の各目的事象と、検出アルゴリズム情報との３段階以上の第１連関度を参照し、上記目的事象入力ステップにより入力された上記目的事象に関する情報に基づき、１以上の検出アルゴリズム情報を探索する探索ステップとをコンピュータに実行させることを特徴とする。

　本発明に係る情報探索プログラムは、撮影した被写体から目的事象を判別するための撮影装置の撮影条件を探索する情報探索プログラムにおいて、新たに判別すべき被写体の目的事象に関する情報が入力される目的事象入力ステップと、第１連関データベースに記憶されている、被写体の各目的事象と、各撮影条件との３段階以上の第１連関度を参照し、上記目的事象入力ステップにより入力された上記目的事象に関する情報に基づき、１以上の撮影条件を探索する探索ステップとをコンピュータに実行させることを特徴とする。

　本発明に係る情報探索方法は、撮影した被写体から目的事象を判別する上で必要な検出アルゴリズム情報を探索する情報探索方法において、新たに判別すべき被写体の目的事象に関する情報の入力を受け付ける目的事象入力ステップと、第１連関データベースに記憶されている被写体の各目的事象と、検出アルゴリズム情報との３段階以上の第１連関度を参照し、上記目的事象入力ステップにより入力された上記目的事象に関する情報に基づき、１以上の検出アルゴリズム情報を探索する探索ステップとを有し、これらの各ステップはコンピュータが実行することを特徴とする。

　本発明に係る情報探索方法は、撮影した被写体から目的事象を判別するための撮影装置の撮影条件を探索する情報探索方法において、新たに判別すべき被写体の目的事象に関する情報が入力される目的事象入力ステップと、第１連関データベースに記憶されている、被写体の各目的事象と、各撮影条件との３段階以上の第１連関度を参照し、上記目的事象入力ステップにより入力された上記目的事象に関する情報に基づき、１以上の撮影条件を探索する探索ステップとを有し、これらの各ステップはコンピュータが実行することを特徴とする。

　上述した構成からなる本発明によれば、これから判別すべき被写体の目的事象に応じたスペクトルデータの最適な検出アルゴリズム情報を容易に取得することが可能となる。このため、次々に新しい被写体の目的事象が生まれる都度、最適な検出アルゴリズムを検討するための労力の負担を軽減でき、時間の短縮化を図ることが可能となる。

本発明を適用した第１実施形態に係る情報探索システムの全体構成を示すブ　　ロック図である。情報探索システムを構成する探索装置のブロック図である。情報探索システムを構成するスペクトル撮像装置のブロック図である。スペクトル撮像装置における制御部の詳細な構成を説明するための図である。撮影装置のブロック構成例を示す図である。情報探索プログラムの処理動作手順を示すフローチャートである。ある果実の鮮度をスペクトルデータを介して判別する例について説明するための図である。被写体の参照用目的事象と、検出アルゴリズム情報とを第１連関度により互いを関係付けたネットワークを示す図である。被写体の目的事象に加え、これら照明系、撮像系の各種パラメータを第１連関度により関連付けた例を示す図である。第１連関度の他の例について説明するための図である。被写体の参照用目的事象と、撮影条件とを第１連関度により互いを関係付けたネットワークを示す図である。被写体の参照用目的事象及び参照用撮影条件と、撮影条件とを第１連関度により互いを関係付けたネットワークを示す図である。被写体の目的事象の入力から撮影装置の撮影条件を取得するまでのデータフロー図である。本発明を適用した第２実施形態に係る情報探索システムの全体構成を示すブロック図である。複数の検出アルゴリズム情報等の組み合わせに対する撮影条件が３段階以上の第２連関度により関連付けられた例を示す図である。第２連関度の他の例について説明するための図である。組み合わせの第２連関度の例について説明するための図である。左側の参照用検出アルゴリズム情報にフィルタの条件を規定し、右側の撮影条件には、撮像素子の条件を規定した例を示す図である。スペクトルデータによる目的事象の自動的な判別する上で必要となる第３連関度を示す図である。組み合わせに対する被写体の目的事象の判別結果との３段階以上の第３連関度を示す図である。探索すべき設計情報との３段階以上の第４連関度が設定されている例を示す図である。

　以下、本発明を適用した情報探索システムについて、図面を参照しながら詳細に説明をする。

　第１実施形態
図１は、本発明を適用した第１実施形態に係る情報探索システム１の全体構成を示すブロック図である。情報探索システム１は、スペクトル撮像装置４に対して提供すべき検出アルゴリズム情報を探索するものであり、アルゴリズムデータベース３と、このアルゴリズムデータベースに接続された探索装置２と、探索装置２に接続されるスペクトル撮像装置４及び撮影装置５とを備えている。

　アルゴリズムデータベース３は、スペクトル撮像装置４に対して提供すべき検出アルゴリズム情報に関するデータベースが構築されている。また、アルゴリズムデータベース３は、撮影装置５の撮影条件に関するデータベースが構築されている。このアルゴリズムデータベース３には、公衆通信網を介して送られてきた情報、或いは本システムのユーザによって入力された情報が蓄積される。またアルゴリズムデータベース３は、探索装置２からの要求に基づいて、この蓄積した情報を探索装置２へと送信する。

　探索装置２は、例えば、パーソナルコンピュータ（ＰＣ）等を始めとした電子機器で構成されているが、ＰＣ以外に、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末等、他のあらゆる電子機器で具現化されるものであってもよい。

　図２は、探索装置２の具体的な構成例を示している。この探索装置２は、探索装置２全体を制御するための制御部２４と、操作ボタンやキーボード等を介して各種制御用の指令を入力するための操作部２５と、有線通信又は無線通信を行うための通信部２６と、最適な検出アルゴリズム情報を探索する探索部２７と、ハードディスク等に代表され、実行すべき検索を行うためのプログラムを格納するための記憶部２８とが内部バス２１にそれぞれ接続されている。さらに、この内部バス２１には、実際に情報を表示するモニタとしての表示部２３が接続されている。

制御部２４は、内部バス２１を介して制御信号を送信することにより、探索装置２内に実装された各構成要素を制御するためのいわゆる中央制御ユニットである。また、この制御部２４は、操作部２５を介した操作に応じて各種制御用の指令を内部バス２１を介して伝達する。

　操作部２５は、キーボードやタッチパネルにより具現化され、プログラムを実行するための実行命令がユーザから入力される。この操作部２５は、上記実行命令がユーザから入力された場合には、これを制御部２４に通知する。この通知を受けた制御部２４は、探索部２７を始め、各構成要素と協調させて所望の処理動作を実行していくこととなる。

　探索部２７は、スペクトル撮像装置４により撮像した被写体から目的事象を判別する上で必要なスペクトルデータの検出アルゴリズム情報を探索する。この探索部２７は、探索動作を実行するに当たり、必要な情報として記憶部２８に記憶されている各種情報や、アルゴリズムデータベースに記憶されている各種情報を読み出す。この探索部２７は、人工知能により制御されるものであってもよい。この人工知能はいかなる周知の人工知能技術に基づくものであってもよい。

表示部２３は、制御部２４による制御に基づいて表示画像を作り出すグラフィックコントローラにより構成されている。この表示部２３は、例えば、液晶ディスプレイ（ＬＣＤ）等によって実現される。

記憶部２８は、ハードディスクで構成される場合において、制御部２４による制御に基づき、各アドレスに対して所定の情報が書き込まれるとともに、必要に応じてこれが読み出される。また、この記憶部２８には、本発明を実行するためのプログラムが格納されている。このプログラムは制御部２４により読み出されて実行されることになる。

　図３は、スペクトル撮像装置４の構成例を示している。スペクトル撮像装置４は、いわゆるマルチスペクトルカメラや、カラーフィルタを交換する方式のカメラや、プリズムを用いた方式のカメラで構成されている。スペクトル撮像装置４は、被写体を撮影し、更にそこから分光画像を取得する。スペクトル撮像装置４は、各撮影位置における２次元分光データから２次元の空間情報と１次元の波長情報とを有する３次元分光データに基づいて分光画像を生成する。スペクトル撮像装置４が生成する分光画像は、波長ごとの被写体の反射率又は透過率を示す複数の二次元画像からなる。この分光画像の例としては、２００ｎｍ～１３μｍの所定の波長範囲の波長域において、０．１ｎｍ～１００ｎｍの波長分解能とされていてもよく、バンド毎の分光画像とされている。

　ちなみに、このスペクトル撮像装置４により撮像される分光画像における波長範囲は、可視光の領域のみならず、赤外領域、近赤外領域、紫外領域の光も含まれる。

　スペクトル撮像装置４は、撮像対象が自ら発する光や被写体１０が反射又は透過する光、すなわち被写体１０からの撮影光Ｌを取り込む対物レンズ４１と、ＸＹＺからなる３軸の直交座標系におけるＹ軸方向に移動する精密直動ステージ４２と、対物レンズ４１の像面においてＺ軸方向に設けられたスリット開口部４３ａを配設するためのスリット板４３と、スリット開口部４３ａを通過した光束を平行光とするコリメートレンズ４４と、コリメートレンズ４４からの平行光を分散させる分散光学素子４５と、分散光学素子４５から出射された光束を取り込む結像レンズ４６と、結像レンズ４６の像面上に設けられた撮像素子４７と、精密直動ステージ４２および撮像素子４７を制御し、更に撮像素子４７を介して受光された画像データの各種処理を行う制御部４８とを備えている。なお、このスペクトル撮像装置４は、特開２０１５－１６６６８２号公報の開示技術を用いるようにしてもよい。

　精密直動ステージ４２は、制御部４８による制御の下でスリット板４３、コリメートレンズ４４、分散光学素子４５、結像レンズ４６、撮像素子４７を一体的にＹ軸方向に向けて移動させる。

　分散光学素子４５は、例えば、回折格子、プリズム等により具現化される。分散光学素子は、コリメートレンズ４４を通過してくる光束を波長毎の成分に分散させる機能を有している。

　撮像素子４７は、例えばＣＣＤイメージセンサやＣＭＯＳイメージセンサ等により構成される。この撮像素子４７は、撮像面に結像された光を光電変換により電気信号へと変換する。そして、撮像素子４７により変換された電気信号は、制御部４８に送信される。仮に赤外領域、近赤外領域、紫外領域の光を受光するのであれば、それに適した撮像素子４７を配設することになる。

　図４は、制御部４８の更なる詳細な構成を示している。制御部４８は、撮像素子４７により電気信号を取得するタイミングを制御する撮影制御部４８１と、精密直動ステージ４２のＹ軸方向における移動方向、移動量、移動タイミングを制御する移動制御部４８２と、撮像素子４７からの電気信号に基づいて分光データを作成する分光データ作成部４８３と、分光データ作成部４８３において作成された分光データに基づいて、各種画像処理や校正等を行う画像処理部４８４とを備えている。なお、この制御部４８の一部の構成要素又は全て要素については、独立したパーソナルコンピュータ（ＰＣ）内に実装されるものであってもよい。

　分光データ作成部４８３は、撮像素子４７から送信されてきた電気信号に基づいて、１次元の空間情報と１次元の波長情報とを有する２次元分光データを作成し、これを記憶する。分光データ作成部４８３は、これらの処理を繰り返し実行し、全ての撮影位置の撮影が終了すると、２次元の空間情報と１次元の波長情報とを有する３次元分光データからなるハイパースペクトル画像を得ることが可能となる。

　画像処理部４８４は、分光データ作成部４８３において作成された波長毎の分光画像を所定の表色系に変換し、色演算処理を行って色解析画像を生成する。また画像処理部４８４は、生成した色解析画像を所定の表示方法により表示するための処理を行う。この画像処理部４８４は、校正処理部４８４－１と、算出部４８４－２と、色解析画像取得部４８４－３とを備えている。

　この校正処理部４８４－１は、暗電流に起因するノイズ除去、画素間感度偏差補正処理、輝度校正処理、空間内の光源光の照明ムラの補正等を行う。

　算出部４８４－２は、校正処理部４８４－１において処理された各波長ごとの分光画像における各分光放射輝度、各分光輝度等を算出する。

　色解析画像取得部４８４－３は、校正処理部４８４－１において校正処理された各種パラメータ、並びに算出部４８４－２において算出された各分光放射輝度、各分光輝度等を用いて設定された規格の表色系へ変換するための色空間変換処理を行う。

　色解析画像取得部４８４－３において色空間変換処理された色解析画像は、図示しないＰＣ等に送られ、ディスプレイ上等に描画される。

　図５は、撮影装置５のブロック構成例を示している。撮影装置５は、一般的なデジタルカメラや、マルチスペクトルカメラ、更には携帯電話やスマートフォン、タブレット型端末、ウェラブル端末にそれぞれ実装されるあらゆるデジタルカメラを含むものである。スペクトル撮像装置４は、あらゆる帯域におけるスペクトルデータを検知することができるのに対して、撮影装置５は、通常の可視光の画像撮影に加えて、予め特定した波長領域に限定してスペクトルデータを検知することを意図するものである。この撮影装置５は、結像光学系５１と、フィルタ５２と、撮像素子５３と、信号処理部５４とを備えている。

　結像光学系５１は、少なくとも１つの撮像レンズ５６を有し、被写体１０からの光を集光し撮像素子５３の撮像面上に像を形成する。

　フィルタ５２は、被写体１０と撮像レンズ５６との間に配置される。フィルタ５２は、撮像素子５３に到達する光の経路上に配置される。フィルタ５２は、所定の分光透過率からなる素子である。即ち、このフィルタ５２は、予め設定されている波長領域の光のみを透過させ、それ以外の波長領域の光を反射するように作用する。フィルタ５２は、実際に透過させたい光の波長及び波長幅に応じてその種類が選択される。フィルタ５２は、撮影装置５内に予め固定配置される場合を例にとり説明をするが、これに限定されるものではない。即ち、このフィルタ５２は、互いに透過する波長領域が異なる複数のフィルタ５２を順次切換可能に構成されていてもよい。

　撮像素子５３は、ＣＣＤイメージセンサやＣＭＯＳイメージセンサ等により構成される。この撮像素子５３は、撮像面に結像された光を光電変換により電気信号へと変換する。そして、撮像素子５３により変換された電気信号は、信号処理部５４に送信される。

　信号処理部５４は、撮像素子５３から送られてくる電気信号を処理する回路である。この信号処理部５４は、撮像素子５３によって取得された画像に基づいて、被写体１０からの光の波長域ごとに分離された分光分離画像を生成する。また信号処理部５４は、取得した電気信号に基づいて、各種焦点制御を行うようにしてもよい。

　上述した構成からなる情報探索システム１の第１実施形態における動作について説明をする。

　先ず探索装置２は、スペクトル撮像装置４や撮影装置５に対して提供すべき検出アルゴリズム情報、或いは撮影装置５に対して提供すべき検出アルゴリズム情報を探索する。この探索プロセスにおいては、新たにスペクトル撮像装置４や撮影装置５により撮影しようとする被写体の目的事象をユーザ自身が入力するところから開始する。ここでいう被写体とは、実際にスペクトル撮像装置４や撮影装置５により撮影される対象物を総称するものであり、目的事象とは、スペクトル撮像装置４や撮影装置５を介して判別したい物、又は事を意味する。例えば塩、砂糖の混合物から塩のみを判別したい場合には、被写体は混合物であり、目的事象は塩となる。例えば水と油の混合物から油のみを判別したい場合には、被写体は混合物であり、目的事象は油となる。例えば寿司の鮮度を判別したい場合には、被写体は寿司であり、目的事象は鮮度となる。例えば顔のシミを判別したい場合には、被写体は顔であり、目的事象は、シミである。例えば胃から胃癌を判別したい場合には、被写体は胃であり、目的事象は胃癌である。

ユーザは、この被写体の目的事象の入力を操作部２５を介して手動で行う。この入力において、他の携帯端末やＰＣ等の電子機器において作成した被写体の目的事象のテキストデータをインターネット経由で入力するようにしてもよい。

このようにして送信又は入力された被写体の目的事象は、記憶部２８に記憶されることとなる。

このようにして被写体の目的事象が入力された後に、実際に情報探索プログラムによる処理動作が実行されていくこととなる。この情報探索プログラムの処理動作フローを図６に示す。

　情報探索プログラムは、ステップＳ１１において入力され、記憶部２８に記憶された被写体の目的事象について文言解析を行う。（ステップＳ１２）。この文言解析については、既存のあらゆるテキストマイニング技術、データマイニング技術、言語解析処理技術等を用いるようにしてもよい。

次に、この情報探索プログラムは、解析対象の被写体の目的事象を単語、形態素、句、節等、あらゆる文法上の構造単位の中から何れか１以上の単位に亘り、文字列の抽出を行う。例えば被写体の目的事象として、「足の血管」というテキストデータが入力された場合には、「足」、「血管」等といった文字列を抽出することとなり、「顔の水分」というテキストデータが入力された場合には、「顔」、「水分」等といった文字列を抽出することとなる。情報探索プログラムは、この抽出した文字列から、被写体と目的事象をそれぞれ特定する。上述した例の場合、被写体は、「足」、「顔」であり、目的事象は「血管」、「水分」である。通常であれば被写体を構成する文字列が目的事象を構成する文字列よりも前である場合が多いので、抽出した文字列の先頭から被写体、目的事象をそれぞれ特定することとなる。

或いは、被写体として「足」、目的事象として「血管」等と予め入力するユーザ側において分類して入力する場合もある。かかる場合には、その入力された被写体、目的事象の文字列をそのまま受け入れることとなる。

次に情報探索プログラムは、ステップＳ１３へ移行し、ステップＳ１２において抽出した文字列と連関度の高い検出アルゴリズム情報を探索する。この探索を行う前において、アルゴリズムデータベース３は、参照用の目的事象（以下、参照用目的事象という。）と２種以上に分類された検出アルゴリズム情報の３段階以上の連関度（以下、第１連関度という。）を予め取得しておく。

　ここでいう検出アルゴリズム情報は、実際にスペクトル撮像装置４や撮影装置５により被写体を撮像しても目的事象を判断する上で必要なスペクトルデータを検出するためのアルゴリズムである。例えば、図７に示すように、ある果実の鮮度が波長５００ｎｍ～７００ｎｍの帯域においてスペクトル強度（反射率）に差が出てくることが既知であるものとする。即ち、ある果実を１日常温で放置した場合、３日常温で放置した場合、５日常温で放置した場合で、スペクトル強度が波長５００ｎｍ～７００ｎｍの範囲においてスペクトル強度（反射率）が大きく変化することが既知であるものとする。かかる場合には、この波長５００ｎｍ～７００ｎｍの範囲において分光画像を作成することにより、果実の鮮度を判別することが可能となる。

　このような目的事象を判別することができる波長範囲の何れかを特徴波長として特定する。図７の例では、波長５００ｎｍ～７００ｎｍの波長範囲の何れかを特徴波長として特定する。特徴波長は１点で特定してもよいし、複数特定してもよい。特徴波長の決め方としては、例えば上記波長範囲（５００ｎｍ～７００ｎｍ）の中心波長である６００ｎｍとしてもよいし、各スペクトル間のスペクトル強度の差分値が最も大きくなる波長としてもよい。また図７において波長が約６５０ｎｍにおいて、各スペクトルデータにおいて上に凸のピークが形成されているのが分かるが、このような特異点を特徴波長として特定するようにしてもよい。この特徴波長は、被写体の目的事象毎に異なるものであってもよい。

　これに加えて、この特徴波長を中心とした特徴波長範囲を設定する。特徴波長範囲は、例えば±１０ｎｍ等のように、予め設定した所定の波長範囲で構成されている。このため、仮に特徴波長が５００ｎｍであり、特徴波長範囲が±１０ｎｍであれば、実際にスペクトルデータを検出する範囲は、４９５～５０５ｎｍとなる。この特徴波長範囲は、被写体の目的事象毎に異なるものであってもよい。

　検出アルゴリズム情報は、更にこれらに加えて、各種演算方法が盛り込まれるものであってもよい。かかる場合には、この特徴波長や特徴波長範囲を説明変数ｘ1、ｘ2、・・・ｘkとし、これらを演算式に代入することにより得られる目的変数ｙを介して判別することとなる。即ち、ｙ＝ｆ（ｘ1、ｘ2、・・・ｘk）により得られる目的変数ｙが検出アルゴリズム情報となりえる。また、これを構成する個々の説明変数ｘ1、ｘ2、・・・ｘkとしての特徴波長や特徴波長範囲についても同様に検出アルゴリズム情報となりえる。

　アルゴリズムデータベース３には、このような特徴波長と、特徴波長範囲、場合によっては演算方法やそれを規定する演算式そのものが、被写体の参照用目的事象毎に互いに紐付けられて記憶されている。

　このとき、アルゴリズムデータベース３には、被写体の参照用目的事象と、検出アルゴリズム情報との間の３段階以上の第１連関度に基づいて規定されていてもよい。図８は、被写体の参照用目的事象と、検出アルゴリズム情報との間で３段階以上の第１連関度により互いを関係付けたネットワークを示している。例えば、果実の鮮度は、検出アルゴリズム情報としての特徴波長及び特徴波長範囲が９７０±１０ｎｍである場合に第１連関度８０％、１１７０±１０ｎｍ、８８０±１５ｎｍの２波長である場合に第１連関度６０％、５４７±４ｎｍ、５８８±１０ｎｍ、９３９±５ｎｍの３波長でその演算方法がクラスター分析である場合に第１連関度４０％、４５５±１２ｎｍである場合に第１連関度２０％であることが示されている。毛髪の水分は、検出アルゴリズム情報としての特徴波長及び特徴波長範囲が６３０±５ｎｍ、７５０±１０ｎｍ、１２５０±５ｎｍの３波長でその演算方法が線形である場合に第１連関度８０％、９７０±１０ｎｍである場合に第１連関度２０％であることが示されている。胃の癌は、検出アルゴリズム情報としての特徴波長及び特徴波長範囲が９７０±１０ｎｍである場合に第１連関度２０％、２３０±１２ｎｍ、４００±５ｎｍの２波長でその演算方法がK-meansである場合には第１連関度４０％、５４７±４ｎｍ、５８８±１０ｎｍ、９３９±５ｎｍの３波長でその演算方法がクラスター分析である場合に第１連関度８０％であることが示されている。この第１連関度は、いわゆるニューラルネットワークにより構成されていてもよい。

　この第１連関度は、スペクトル撮像装置４や撮影装置５を介して被写体の目的事象を判別する上で選択する検出アルゴリズム情報の相性、換言すれば、被写体の目的事象を判別する上で選択する検出アルゴリズム情報の的確性を示すものである。上述の例であれば、果実の鮮度を検出するための検出アルゴリズムとして９７０±１０ｎｍである場合に最も相性がよく、ひいては最も効果的かつ高精度に判別を行うことが可能となることが示されている。果実の鮮度検出においては、その相性の高さが、１１７０±１０ｎｍ、８８０±１５ｎｍの２波長である場合、５４７±４ｎｍ、５８８±１０ｎｍ、９３９±５ｎｍの３波長でその演算方法がクラスター分析である場合、４５５±１２ｎｍである場合の順でこれに続くことが示されている。

　また被写体の目的事象の表記方法は、上述に限定されるものではない。例えば図９に示すように被写体が２以上に亘る複合体で構成される場合も同様に第１連関度を介して関連付けられる。図９の例では、被写体としてガラス板の間にプラスチック材料を挟みこんだ複合体を被写体とし、プラスチック材料中のキズを参照用目的事象とした例である。この複合体は、例えば金属と樹脂が互いに複数層に亘って積層された積層体で構成されていてもよいし、砂糖と塩のように互いに混じりあった混合物として構成されるものであってもよい。またセラミックスを母材とし、第２層としてウィスカーを添加したセラミックス基複合材料のような渾然一体となっている複合体であってもよい。

　更に金属と異物とからなる複合体中の異物を参照用目的事象としたものであってもよい。かかる例は、複合体の一方が参照用目的事象としたものである。更に被写体が、例えばガラス、プラスチック材料、セラミックスの３以上からなる複合体で構成されるものであってもよい。これらの複合体それぞれに対して参照用目的事象が定義されることとなる。

　このように被写体が複合体で構成される場合においても検出アルゴリズム情報がこれに対して３段階以上の連関度を介して紐付けられることとなる。仮に被写体が金属と異物の複合体で構成される場合、その金属の特徴波長に加え、異物の特徴波長も検出アルゴリズム情報を構成する特徴波長も考慮に入れ、その中から参照用目的事象を抽出する上で好適な条件が予め検討されてこれが連関度として紐付くこととなる。

　また被写体が複合体である例としては、金属が例えばマルテンサイト変態の前後の混晶状態を被写体とし、個々の相を参照用目的事象としてもよい。またこれ以外には、被写体自体は、複合体ではなく単相の材料で構成されているが、その単相の材料が時系列的に変化する際の変化後の相を参照用目的事象として捉えるようにしてもよい。

ステップＳ１３に移行後、情報探索プログラムは、ステップＳ１２において抽出した被写体の目的事象を構成する文字列から、検出アルゴリズム情報を１又は２以上に亘り選択する作業を行う。

このステップＳ１２において抽出した被写体の目的事象を構成する文字列から検出アルゴリズム情報を選択する上で、予め取得した図８に示す被写体の参照用目的事象と検出アルゴリズム情報との第１連関度を参照する。例えば、ステップＳ１２において抽出した被写体の目的事象が「葉の光合成」である場合には、上述した第１連関度を参照した場合、その「葉の光合成」と第１連関度の高い１３５７±１０ｎｍを検出アルゴリズム情報として選択する。第１連関度は低いものの連関性そのものは認められる６３０±５ｎｍ、７５０±１０ｎｍ、１２５０±５ｎｍで演算方法が線形である場合も検出アルゴリズム情報として選択するようにしてもよい。また、これ以外に矢印が繋がっていない検出アルゴリズム情報を選択してもよいことは勿論である。

　また、ステップＳ１２において抽出した被写体の目的事象が「葉の水分」である場合には、被写体の参照用目的事象においてそのような項目は存在しない。かかる場合には、被写体の参照用目的事象としての「葉の光合成」と第１連関度の高い１３５７±１０ｎｍである場合と、６３０±５ｎｍ、７５０±１０ｎｍ、１２５０±５ｎｍで演算方法が線形である場合と、「毛髪の水分」と第１連関度の高い６３０±５ｎｍ、７５０±１０ｎｍ、１２５０±５ｎｍで演算方法が線形である場合と、９７０±１０ｎｍある場合とから、最適な検出アルゴリズム情報を推定するようにしてもよい。その場合には、例えば互いに共通する第１連関度である６３０±５ｎｍを「葉の水分」の検出アルゴリズム情報として推定するようにしてもよいし、「葉の光合成」、「毛髪の水分」の中で第１連関度が４０％以上のものを全て検出アルゴリズム情報として推定するようにしてもよい。また、この「葉の光合成」、「毛髪の水分」と第１連関度が０％を超える全ての検出アルゴリズムについて、それぞれの第１連関度で重み付け平均化した波長を検出アルゴリズム情報として推定するようにしてもよい。

　またステップＳ１２において抽出した被写体の目的事象が「舌の癌」である場合には、被写体の参照用目的事象においてそのような項目は存在しない。「癌」については「胃の癌」が過去の被写体の目的事象として存在するが、「舌」については何ら被写体の参照用目的事象として存在しない。かかる場合には、「胃の癌」の過去の検出アルゴリズム情報に基づいて推定するようにしてもよいし、仮に「舌」に近い部位の「唇」等について過去の検出アルゴリズム情報が存在する場合には、それを参照して推定するようにしてもよい。

　更にステップＳ１２において抽出した被写体が砂糖と塩の混合体である場合で、同じく抽出した目的事象が塩であれば、図９に示す第１連関度を参照した場合に、検出アルゴリズム情報としては、波長が２３０±１２ｎｍ、４００±５ｎｍであって、演算方法がK-mensである場合が優先的に選ばれる。

　またステップＳ１２において抽出した被写体が例えば「紙」で、同じく抽出した目的事象が「異物」である場合には、図８、９に示される第１連関度に照らし合わせてもこれに合致する被写体は存在ないが、参照用目的事象としての「異物」は、被写体が「金属」と「異物」の混合体とする場合において存在する。かかる場合には、この被写体が「金属」と「異物」の混合体とし、参照用目的事象が「異物」である場合の第１連関度があえて低い検出アルゴリズム情報を選択するようにしてもよい。

　即ち、この検出アルゴリズム情報の選択は、第１連関度が高いものから順に選択される場合に限定されるものではなく、ケースに応じて第１連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

　なお、ステップＳ１２において抽出した被写体の目的事象に対する検出アルゴリズム情報の選択方法は、上述した方法に限定されるものではなく、第１連関度を参照するものであればいかなる方法に基づいて実行するようにしてもよい。また、このステップＳ１３の探索動作では、人工知能を利用して行うようにしてもよい。かかる場合には、第１連関度をニューラルネットワークとみなすようにしてもよい。

　次にステップＳ１４へ移行し、選択した検出アルゴリズム情報を表示部２３を介して表示する。これによりユーザは、表示部２３を視認することにより、これから判別しようとする被写体の目的事象に応じた検出アルゴリズム情報を即座に把握することが可能となる。

　ユーザは、出力された検出アルゴリズム情報に基づいて、スペクトル撮像装置４における画像処理部４８４の検出アルゴリズムを設定し、或いは撮影装置５の検出アルゴリズムを設定する。この検出アルゴリズムの設定は、特徴波長、特徴波長範囲に加えて、これら特徴波長に基づく色演算処理（以下、特徴波長演算）を施す。例えば被写体の目的事象が、「葉の光合成」であり、検出アルゴリズムとして１３５７±１０ｎｍが選択された場合には、当該波長範囲に含まれる画素については、赤を表示する特徴波長演算を行わせ、当該波長に含まれない画素については白を表示する特徴波長演算を行うようスペクトル撮像装置４や撮影装置５に対して設定する。

　これにより、スペクトル撮像装置４や撮影装置５により被写体としての「葉」を撮像することでその目的事象としての「光合成」を判別する上で必要なスペクトルデータを検出し、これを色解析画像を介して表示することが可能となる。

　特に本発明によれば、このようなスペクトル撮像装置４や撮影装置５によりこれから判別すべき被写体の目的事象に応じたスペクトルデータの最適な検出アルゴリズム情報を容易に取得することが可能となる。次々に新しい被写体の目的事象が生まれる都度、最適な検出アルゴリズムを検討するための労力の負担を軽減でき、時間の短縮化を図ることが可能となる。

　また、本発明を適用した情報探索システム１では、３段階以上に設定されている第１連関度を介して最適な検出アルゴリズム情報の探索を行う点に特徴がある。第１連関度は、例えば０～１００％までの数値で記述することができるが、これに限定されるものではなく３段階以上の数値で記述できるものであればいかなる段階で構成されていてもよい。

　このような３段階以上の数値で表される第１連関度に基づいて探索することで、複数の検出アルゴリズム情報が選ばれる状況下において、当該第１連関度の高い順に探索して表示することも可能となる。このように第１連関度の高い順にユーザに表示できれば、より可能性の高い検出アルゴリズム情報を優先的に選択することを促すこともできる。一方、第１連関度の低い検出アルゴリズム情報であってもセカンドオピニオンという意味で表示することができ、ファーストオピニオンで上手く分析ができない場合において有用性を発揮することができる。

　これに加えて、本発明によれば、第１連関度が１％のような極めて低い検出アルゴリズム情報も見逃すことなく判断することができる。第１連関度が極めて低い検出アルゴリズム情報であっても僅かな兆候として繋がっているものであり、何十回、何百回に一度は、検出アルゴリズム情報として役に立つ場合もあることをユーザに対して注意喚起することができる。

　更に本発明によれば、このような３段階以上の第１連関度に基づいて探索を行うことにより、閾値の設定の仕方で、探索方針を決めることができるメリットがある。閾値を低くすれば、上述した第１連関度が１％のものであっても漏れなく拾うことができる反面、被写体の目的事象を好適に検出できる可能性が低い検出アルゴリズム情報を沢山拾ってしまう場合もある。一方、閾値を高くすれば、被写体の目的事象を好適に検出できる可能性が高い検出アルゴリズム情報のみ絞り込むことができる反面、何十回、何百回に一度は好適な解を表示する検出アルゴリズム情報を見落としてしまう場合もある。いずれに重きを置くかは、ユーザ側、システム側の考え方に基づいて決めることが可能となるが、このような重点を置くポイントを選ぶ自由度を高くすることが可能となる。

　更に本発明では、上述した第１連関度を更新させるようにしてもよい。つまり、図８に示すような被写体の参照用目的事象と、検出アルゴリズム情報を随時更新していく。この更新は、例えばインターネットを始めとした公衆通信網を介して提供された情報を反映させるようにしてもよい。公衆通信網から取得可能なサイト情報や書き込み等を通じて、被写体の参照用目的事象と、検出アルゴリズム情報との関係性について新たな知見が発見された場合には、当該知見に応じて第１連関度を上昇させ、或いは下降させる。例えば、ある被写体の参照用目的事象に対してある程度の第１連関度を有する検出アルゴリズムが、高精度に検出ができることが公衆通信網上のサイトを通じて多く挙がっていた場合、これらの間に設定されている第１連関度を更に上昇させる。また、ある被写体の参照用目的事象に対してある程度の第１連関度を有する検出アルゴリズムが、あまり精度よく検出できないことが公衆通信網上のサイトを通じて多く挙がっていた場合、これらの間に設定されている第１連関度を下降させる。また、ある被写体の参照用目的事象に対して、今までに無い検出アルゴリズムで高精度に検出ができることが公衆通信網上のサイトを通じて挙がっていた場合、これらの間に新たに第１連関度を設定することで更新するようにしてもよい。

　この第１連関度の更新は、公衆通信網から取得可能な情報に基づく場合以外に、専門家による研究データや論文、学会発表や、新聞記事、書籍等の内容に基づいてシステム側又はユーザ側が人為的に、又は自動的に更新するようにしてもよい。これらの更新処理においては人工知能を活用するようにしてもよい。

　なお、第１実施形態は、上述した実施の形態に限定されるものではない。入力すべき情報として、被写体の目的事象以外に、上述した照明光の情報や、各種撮像系のパラメータや、ハードウェア上のパラメータステップＳ１１において入力した上で、この検出アルゴリズム情報を探索するようにしてもよい。

　なお探索装置２は、撮影装置５に対して提供すべき撮影条件を探索するようにしてもよい。情報探索プログラムは、取得した目的事象と連関度の高い撮影条件を探索する。この探索を行う前において、アルゴリズムデータベース３は、図１０に示すように参照用目的事象と、撮影条件との第１連関度を予め取得しておく。

　ここでいう撮影条件とは、スペクトル撮像装置４や撮影装置５による撮像時の照明光の波長、照射角度、輝度、照明光に設けられる偏光フィルタの条件等からなる照明光の情報や、スペクトル撮像装置４や撮影装置５自体のＦ値、レンズのＮＡ、焦点距離、使用機種、波長分解能、空間解像度、各分光波長に対する感度、露光時間、オートフォーカスの時間、シャッタースピード、シャッター方式、ホワイトバランス、ブラックバランス、ゲイン等の各種撮像系のパラメータやハードウェア上のパラメータも含まれる。検出アルゴリズム情報としては、上述した特徴波長や特徴波長範囲、演算方法に加えて、上述した各パラメータが追加されていてもよい。また上述した各パラメータは、上述した特徴波長や特徴波長範囲を出す上での一つの条件として規定されるものであってもよい。

　このような各種撮影条件について、第１連関度を介して関連付けを行う場合には、仮に波長分解能であれば、９６－１２０ｄｐｉ、１２０－１４４ｄｐｉ、１４４－１９２ｄｐｉのように何種類かにランク付けを行い、それぞれのランクについて第１連関度が関連付けられるようにしてもよい。

　このような撮影条件を、例えば図１０に示すように、「ホワイトバランス○○」、「レンズの配置Ｐ」と「フィルタＷ」の組み合わせ、「フィルタＱ」、「フィルタＲ」と「照明光の角度○○°」の組み合わせ、「フィルタＳ」と「空間解像度１３３－１４０ｄｐｉ」の組み合わせ、「露光時間○○ｎｓ以上」、「露光時間○○ｎｓ未満」等のように設定されている。

　この撮影条件は、複数の要因の組み合わせで構成されていてもよいし、単独のファクターにより構成されるものであってもよい。また同じ「露光時間」という撮影条件についても、「露光時間○○ｎｓ以上」、「露光時間○○ｎｓ未満」のように分類された上で、それぞれについて第２連関度が関連付けられていてもよい。また「フィルタＱ」は、例えば、フィルタの透過波長が６００～６５０ｎｍ等、「フィルタＲ」は、例えば、フィルタの透過波長が３４０～４００ｎｍ等、「フィルタＳ」は、例えば、フィルタの透過波長が１０００～１１００ｎｍ等のように、それぞれの詳細な条件が割り当てられている。

　被写体の参照用目的事象と、撮影条件が第１連関度を通じて互いに関連付けられている。例えば、「果実の鮮度」に対して「フィルタＱ」が第１連関度８０％で関連付けられ、「ホワイトバランス○○」に対して第１連関度２０％で関連付けられる。「毛髪の水分」は、「フィルタＳ」と「空間解像度１３３－１４０ｄｐｉ」の組み合わせに対して第１連関度１００％で関連付けられ、「レンズの配置Ｐ」と「フィルタＷ」の組み合わせに対して第１連関度４０％で関連付けられる。「葉の光合成」は、「ホワイトバランス○○」に対して第１連関度６０％で関連付けられ、「露光時間○○ｎｓ未満」に対して第１連関度２０％で関連付けられる。「胃の癌」は、「レンズ配置Ｐ」と「フィルタＷ」の組み合わせに対して第１連関度８０％で関連付けられ、「フィルタＳ」、「空間解像度１３３－１４０ｄｐｉ」に対して第１連関度４０％で関連付けられる。「ガラスの欠陥」は、「フィルタＲ、照明光の角度○○°」に対して第１連関度１００％で関連付けられ、「露光時間○○ｎｓ以上」に対して第１連関度２０％で関連付けられる。

　この第１連関度は、各参照用目的事象に基づいて判別を行う上での、撮影装置５における撮影条件の相性であり、換言すれば、参照用目的事象、ひいてはこれにより判別する被写体の目的事象に対する撮影装置５における設計や撮影方法の的確性を示すものである。上述の例であれば、「胃の癌」に対する撮影条件として「レンズの配置Ｐ」と「フィルタＷ」の組み合わせが最も相性がよく、ひいては最も効果的かつ高精度に判別を行うことが可能となることが示されている。「胃の癌」に対する撮影条件は、「フィルタＳ」と、「空間解像度１３３－１４０ｄｐｉ」がこれに続くことが示されている。

　アルゴリズムデータベース３には、このような各撮影条件に対して、上述した参照用目的事象が互いに第１連関度を介して紐付けられて記憶されている。

　情報探索プログラムは、新たに入力された目的事象と相性の高い撮影条件を探索する上で、図１０に示す第１連関度を参照するようにしてもよい。例えば、新たに入力された目的事象が「毛髪の水分」である場合には、上述した第１連関度を参照した場合、これに対応する参照用検出アルゴリズム情報と第１連関度の高い「フィルタＳ」と「空間解像度１３３－１４０ｄｐｉ」を撮影条件として選択する。第１連関度は低いものの連関性そのものは僅かながら認められる「レンズ配置Ｐ」と「フィルタＷ」の組み合わせも撮影条件として選択するようにしてもよい。同様に新たに入力された目的事象が「胃の癌」である場合には、「レンズ配置Ｐ」と「フィルタＷ」の組み合わせが選択されることとなる。

　なお、この図１０に示す形態においても同様に、撮影条件の選択は、第１連関度が高いものから順に選択される場合に限定されるものではなく、ケースに応じて第１連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

　図１１は、参照用目的事象と、参照用撮影条件の組み合わせに対する撮影条件が３段階以上の第１連関度により関連付けられた例を示している。この参照用撮影条件は、上述した撮影条件と同様の項目で構成される。この図１１に示す第１連関度は、操作部２５を介して、目的事象に加え、撮影条件の一部が既知の情報として入力される場合の例である。即ち、目的事象と撮影条件の一部は既に決定しているが、残りの撮影条件が決定できないため、この第１連関度を介して探索する例である。

　図１１に示すように、第１連関度を介して左側に参照用目的事象や参照用撮影条件が配列し、第１連関度を介して右側に、実際に探索すべき撮影条件が配列している。

　参照用目的事象が「果実の鮮度」であり、参照用撮影条件が「フィルタＳ」である場合に、これらの組み合わせのノードは、「ホワイトバランス○○」が第１連関度７０％、「露光時間○○ｎｓ以上」が第１連関度４０％とされている。また参照用撮影条件が「フィルタＳ」、「シャッタースピード○○秒」であり、参照用目的事象が「葉の光合成」である場合には、これらの組み合わせのノードは、「ホワイトバランス○○」が第１連関度６０％、「露光時間○○ｎｓ未満」が第１連関度４０％とされている。

　このような第１連関度が予め記憶されている場合において、操作部２５を介して既知の目的事象と、撮影条件が入力された場合には、第１連関度を参照することにより、撮影条件を探索することができる。例えば、操作部２５を介して目的事象として「ガラスの欠陥」が入力され、撮影条件として「照明光の角度○○°」が入力された場合には、それらの組み合わせのノードと連関度が規定されている「レンズの配置」や「フィルタＳ、空間解像度１３３－１４０ｄｐｉ」等を適宜選択していくこととなる。

　これら選択が完了した後、情報探索プログラムは、選択した撮影条件を探索装置２の表示部２３を介して表示する。これによりユーザは、表示部２３を視認することにより、検出アルゴリズム情報に応じた撮影条件を即座に把握することが可能となる。この撮影条件の探索動作についても同様に人工知能を利用するようにしてもよい。即ち、第１連関度がニューラルネットワークにより構成されていてもよい。

　ユーザは、出力された撮影条件に基づいて、撮影装置５における結像光学系５１と、フィルタ５２と、撮像素子５３と、信号処理部５４等をそれぞれ設計し、或いは照明光の条件を設定し、或いは撮影に関する各種条件を決定していくこととなる。またユーザは、出力された撮影条件に基づいて、スペクトル撮像装置４の各構成を設計し、或いは各条件を決定していくこととなる。

　ちなみに、この既知の撮影条件を入力する過程では、操作部２５を介した入力以外に、例えば、既知の撮影条件を自動的に抽出するようにしてもよい。この撮影条件を抽出する手段としては、例えば使用する撮影装置４、５に関するマニュアル類の電子データやインターネット上に掲載されている情報をテキストマイニング技術を介して読み取り、解析する機器で構成されていてもよく、ＰＣ等で具現化するようにしてもよい。この解析した情報の中から撮影条件に関する情報を抽出し、これを上述した既知の撮影条件として入力するようにしてもよい。また既知の撮影条件として露光時間を抽出するものであれば、撮影装置４、５による実際の露光時間を測定するためのデバイスを利用するようにしてもよいし、撮影装置４、５を直接ＰＣに接続して、設定されている露光時間を読み込むようにしてもよい。

　図１２は、参照用目的事象と、参照用撮影条件の組み合わせに対する検出アルゴリズム情報、又は検出アルゴリズム情報と撮影条件との組み合わせが３段階以上の第１連関度により関連付けられた例を示している。この図１２に示す第１連関度は、操作部２５を介して、目的事象に加え、撮影条件の一部が既知の情報として入力される場合の例である。即ち、目的事象と撮影条件の一部は既に決定しているが、残りの撮影条件と検出アルゴリズム情報が決定できないため、この第１連関度を介して探索する例である。

　図１２に示すように、第１連関度を介して左側に参照用目的事象や参照用撮影条件が配列し、第１連関度を介して右側に、実際に探索すべき検出アルゴリズム情報、又は撮影条件とアルゴリズム情報の組み合わせが配列している。

　参照用目的事象が「果実の鮮度」であり、参照用撮影条件が「照明光の角度３０～６０°」である場合に、これらの組み合わせのノードは、「６３０±５ｎｍ、撮像素子Ｔ、照明光の角度○○°」が第１連関度６０％、「９７０±１０ｎｍ、９００±５ｎｍ、クラスター分析」が第１連関度４０％とされている。参照用目的事象が「葉の光合成」であり、参照用撮影条件が「空間解像度が１２０照明光の角度３０～６０°」である場合に、これらの組み合わせのノードは、「２７５±１２ｎｍ、フィルタＲ」が第１連関度８０％、「１３５７±１０ｎｍ」が第１連関度２０％とされている。

　このような第１連関度が予め記憶されている場合において、操作部２５を介して既知の目的事象と、撮影条件が入力された場合には、第１連関度を参照することにより、撮影条件を探索することができる。例えば、操作部２５を介して入力された目的事象が「果実の鮮度」であり、入力された撮影条件が「照明光の角度３０～６０°」である場合に、それらの組み合わせのノードと連関度が規定されている「６３０±５ｎｍ、撮像素子Ｔ、照明光の角度○○°」、「９７０±１０ｎｍ、９００±５ｎｍ、クラスター分析」等を適宜選択していくこととなる。

　図１３は、被写体の目的事象の入力から撮影装置５の撮影条件を取得するまでのデータフローを示している。

　入力される情報としては、被写体の目的事象に加え、照明系のパラメータである照明光の波長、被写体に照射する照明光の照射角度、照明光の輝度等、更に撮像系のパラメータである、スペクトル撮像装置４や撮影装置５の波長範囲、波長分解能、空間解像度、分光波長感度、偏光フィルタ等である。更にこれに加えてハードウェア上のパラメータも入力される場合がある。この入力された情報に基づいて、上述した第１連関度を参照することにより、特徴波長、特徴波長範囲からなる検出アルゴリズム情報や撮影条件が探索されることとなる。このようにして得られた検出アルゴリズム情報は、入力された被写体の目的事象に加え、照明系のパラメータ、撮像系のパラメータに基づき、アルゴリズムデータベース３に記憶されている過去のデータを参照した上で、スペクトル撮像装置４や撮影装置５により被写体を撮像する上で最も適したアルゴリズム情報や撮影条件が選択される。

　検出アルゴリズム情報が設定されたスペクトル撮像装置４や撮影装置５により被写体を撮像し、特徴波長演算を行わせることにより、演算後の色解析画像を得ることが可能となる。

　なお、上述した第１実施形態は、上述した態様に限定されるものではない。上述した第１連関度を取得している前提の下で、ステップＳ１１において、被写体の目的事象の入力を受け付ける代わりに、検出アルゴリズム情報の入力を受け付けるようにしてもよい。そしてステップＳ１３においては、この入力を受け付けた検出アルゴリズム情報に基づき、上記第１連関度を参照することで、被写体の目的事象が何であるかを逆に探索する。即ち、図８、９における入力と出力の関係が上述した態様と入れ替わったものであり、入力が検出アルゴリズム情報で、出力が被写体の目的事象となる。

　かかる態様の応用例としては、例えばスペクトル撮像装置４や撮影装置５により、ある未知の被写体について撮像した結果、その特徴波長が３１０ｎｍ、６６０ｎｍであった場合、混合物中の塩が被写体の目的事象である可能性が高いことを判別することが可能となる。

　第２実施形態
　図１４は、本発明を適用した第２実施形態に係る情報探索システム１´の全体構成を示すブロック図である。情報探索システム１´は、撮影した被写体１０から目的事象を判別するための撮影装置５の撮影条件を探索するものであり、アルゴリズムデータベース３と、撮影条件データベース６と、これらアルゴリズムデータベース３及び撮影条件データベース６に接続された探索装置２と、探索装置２に接続されるスペクトル撮像装置４、撮影装置５とを備えている。

　この第２実施形態において、上述した第１実施形態と同一の構成要素、部材に関しては同一の符号を付すことにより、以下での説明を省略する。

　撮影条件データベース６は、撮影装置５の撮影条件に関するデータベースが構築されている。この撮影条件データベース６には、公衆通信網を介して送られてきた情報、或いは本システムのユーザによって入力された情報が蓄積される。また撮影条件データベース６は、探索装置２からの要求に基づいて、この蓄積した情報を探索装置２へと送信する。

　上述した構成からなる情報探索システム１の第２実施形態における動作について説明をする。

　先ず探索装置２は、撮影装置５に対して提供すべき撮影条件を探索する。この探索プロセスにおいては、この撮影装置５により撮影しようとする検出アルゴリズム情報を取得するところから開始する。この検出アルゴリズム情報は、第１実施形態を通じて探索された検出アルゴリズム情報をそのまま適用するようにしてもよいし、ユーザが新たに検出アルゴリズム情報を入力するようにしてもよい。このようにして取得された検出アルゴリズム情報は、一旦記憶部２８に記憶されることとなる。

　第２実施形態において、情報探索プログラムは、取得した検出アルゴリズム情報と連関度の高い撮影条件を探索する。この探索を行う前において、撮影条件データベース６は、図１５に示すように参照用検出アルゴリズム情報と、撮影条件との連関度を予め取得しておく。

　ここでいう撮影条件とは、撮影装置５における結像光学系５１の詳細な構成、フィルタ５２の詳細な構成、撮像素子５３の詳細な構成、更には信号処理部５４における詳細な構成を示すものである。この撮影条件は、例えば図１５に示すように、「ホワイトバランス○○」、「レンズの配置Ｐ」と「フィルタＷ」の組み合わせ、「フィルタＱ」、「フィルタＲ」と「照明光の角度○○°」の組み合わせ、「フィルタＳ」と「空間解像度１３３－１４０ｄｐｉ」の組み合わせ、「露光時間○○ｎｓ以上」、「露光時間○○ｎｓ未満」等のように設定されている。

　また検出アルゴリズム情報は、上述した第１実施形態と同様である。即ち、この検出アルゴリズム情報としては、特徴波長、特徴波長範囲、演算方法等がある。またこの検出アルゴらイズム情報に加え、照明光の情報や、各種撮像系のパラメータや、ハードウェア上のパラメータ等を始めとした既知の撮影条件の組み合わせで第２連関度を定義してもよい。以下、この第２連関度を介して関連付けられる検出アルゴリズム情報を参照検出アルゴリズム情報といい、第２連関度を介して関連付けられる既知の撮影条件を参照用撮影条件という。

　このような参照検出アルゴリズム情報及び参照用撮影条件と、探索すべき撮影条件が第２連関度を通じて互いに関連付けられている。例えば、波長８８０±５ｎｍと９７０±１０ｎｍとクラスター分析からなる演算方法の組み合わせに対して「フィルタＱ」が第２連関度８０％で関連付けられ、「ホワイトバランス○○」に対して第２連関度２０％で関連付けられる。波長２３０±１２ｎｍと６３０±５ｎｍの組み合わせは、「フィルタＳ」と「空間解像度１３３－１４０ｄｐｉ」の組み合わせに対して第２連関度１００％で関連付けられ、「レンズの配置Ｐ」と「フィルタＷ」の組み合わせに対して第２連関度４０％で関連付けられる。波長５４７±４ｎｍと波長２７５±１２ｎｍとＰＬＳ回帰とシャッタースピード○○秒の組み合わせは、「ホワイトバランス○○」に対して第２連関度６０％で関連付けられ、「露光時間○○ｎｓ未満」に対して第２連関度２０％で関連付けられる。撮像素子Ｔとシャッタースピード○○秒の組み合わせは、「レンズ配置Ｐ」と「フィルタＷ」の組み合わせに対して第２連関度８０％で関連付けられ、「フィルタＳ」、「空間解像度１３３－１４０ｄｐｉ」に対して第２連関度４０％で関連付けられる。特徴波長４５５±１２ｎｍは、「フィルタＲ」に対して第２連関度１００％で関連付けられ、「露光時間○○ｎｓ以上」に対して第２連関度２０％で関連付けられる。

　この第２連関度は、各参照用検出アルゴリズム情報や参照用撮影条件に基づいて判別を行う上での、撮影装置５における撮影条件の相性であり、換言すれば、参照用検出アルゴリズム情報や参照用撮影条件、ひいてはこれにより判別する被写体の目的事象に対する撮影装置５における設計や撮影方法の的確性を示すものである。上述の例であれば、撮像素子Ｔとシャッタースピード○○秒の組み合わせに対する、探索すべき撮影条件として「レンズの配置Ｐ」と「フィルタＷ」の組み合わせが最も相性がよく、ひいては最も効果的かつ高精度に判別を行うことが可能となることが示されている。撮像素子Ｔとシャッタースピード○○秒の組み合わせに対する撮影条件としては、「フィルタＳ」と、「空間解像度１３３－１４０ｄｐｉ」がこれに続くことが示されている。

　撮影条件データベース６には、このような各撮影条件に対して、上述した参照用検出アルゴリズム情報や参照用撮影条件が互いに第２連関度を介して紐付けられて記憶されている。

　情報探索プログラムは、第１実施形態を通じて探索された検出アルゴリズム情報や参照用撮影条件、又は新たに入力した検出アルゴリズム情報や参照用撮影条件と相性の良い撮影条件を探索する上で、図１５に示す第２連関度を参照するようにしてもよい。例えば、新たに入力された検出アルゴリズム情報が２３０±１２ｎｍと６３０±５ｎｍの組み合わせである場合には、上述した第２連関度や参照用撮影条件を参照した場合、これに対応する参照用検出アルゴリズム情報と第２連関度の高い「フィルタＳ」と「空間解像度１３３－１４０ｄｐｉ」を撮影条件として選択する。第２連関度は低いものの連関性そのものは僅かながら認められる「レンズ配置Ｐ」と「フィルタＷ」の組み合わせも撮影条件として選択するようにしてもよい。同様に第１実施形態を通じて探索された検出アルゴリズム情報や参照用撮影条件が撮像素子Ｔとシャッタースピード○○秒である場合には、「レンズ配置Ｐ」と「フィルタＷ」の組み合わせが選択されることとなる。

　なお、この第２実施形態においても同様に、撮影条件の選択は、第２連関度が高いものから順に選択される場合に限定されるものではなく、ケースに応じて第２連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

　なお第１実施形態を通じて探索された検出アルゴリズム情報（入力した検出アルゴリズム情報）が、参照用検出アルゴリズム情報に合致しない場合には、当該参照用検出アルゴリズム情報の特徴波長範囲を広げるようにしてもよい。例えば、取得した検出アルゴリズム情報の波長が６６０ｎｍである場合には、撮影条件データベース６に記憶されている何れの参照用検出アルゴリズム情報にも含まれない。かかる場合には、参照用検出アルゴリズム情報の特徴波長領域をそれぞれ±３０ｎｍまで拡張するようにしてもよい。或いは類似する参照用検出アルゴリズムを類推して割り当てるようにしてもよい。

　図１６は、複数の参照用検出アルゴリズムや参照用撮影条件の組み合わせに対する撮影条件が３段階以上の第２連関度により関連付けられた例を示している。参照用検出アルゴリズムや参照用撮影条件が１）の組み合わせグループに加え、更に２）の組み合わせグループである場合には、その組み合わせに対して、「ホワイトバランス○○」の第２連関度が８０％であり、「フィルタＲ」と「照明光の角度○○°」の組み合わせの第２連関度が２０％である。参照用検出アルゴリズムが３）～５）の各組み合わせグループの論理積又は論理和で構成される場合にはその組み合わせに対して、「フィルタＳ」と「空間解像度１３３－１４０ｄｐｉ」の組み合わせが第２連関度６０％、「露光時間○○ｎｓ未満」が第２連関度２０％である。

　このような第２連関度が予め記憶されている場合において、第１実施形態を通じて探索された検出アルゴリズム情報や既知の撮影条件（入力した検出アルゴリズム情報や参照用撮影条件）が１）、２）の組み合わせグループ間の組み合わせである場合には、第２連関度を参照することにより、第２連関度８０％である「ホワイトバランス○○」、第２連関度２０％である「フィルタＲ」と「照明光の角度○○°」を探索することが可能となる。

　これら選択が完了した後、情報探索プログラムは、選択した撮影条件を探索装置２の表示部２３を介して表示する。これによりユーザは、表示部２３を視認することにより、検出アルゴリズム情報や既知の撮影条件に応じた探索すべき撮影条件を即座に把握することが可能となる。この第２実施形態における探索動作についても同様に人工知能を利用するようにしてもよい。即ち、第２連関度がニューラルネットワークにより構成されていてもよい。

　ちなみに、この組み合わせの第２連関度は、図１７に示す形態で設定されていてもよい。この図１７の例では、参照用検出アルゴリズム情報として、１以上の参照用検出アルゴリズム情報と、１以上の参照用撮影条件との組み合わせに対する探索すベき撮影条件の３段階以上の第２連関度が設定されている。

　第２連関度は、図１７に示すように、１以上の参照用検出アルゴリズム情報と、１以上の参照用撮影条件との組み合わせの集合がいわゆる隠れ層のノード６１ａ～６１ｅとして表現されることとなる。各ノード６１ａ～６１ｅは、参照用検出アルゴリズム情報や、参照用撮影条件に対する重み付けと、出力解に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第２連関度である。例えば、ノード６１ａは、参照用検出アルゴリズム情報として「８８０±５ｎｍ、９７０±１０ｎｍ、クラスター分析」が第２連関度８０％で、参照用撮影条件としての「カメラの分光特性Ｒ１」が第２連関度８０％で連関している。またノード６１ｃは、参照用検出アルゴリズム情報として「２３０±１２ｎｍ、６３０±５ｎｍ」が第２連関度６０％で、参照用撮影条件としての「撮像素子Ｔ、シャッタースピード○○秒」が第２連関度６０％、参照用撮影条件としての「カメラの分光特性Ｒ２」が第２連関度４０％で連関している。

　このような第２連関度が予め記憶されている場合において、第１実施形態を通じて探索された検出アルゴリズム情報や既知の撮影条件（入力した検出アルゴリズム情報や参照用撮影条件）が参照用検出アルゴリズム情報として「８８０±５ｎｍ、９７０±１０ｎｍ、クラスター分析」であり、参照用撮影条件として「シャッタースピード○○秒」である場合いは、第２連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「フィルタＲ、照明度の角度○○°」が第２連関度６０％、「露光時間○○ｎｓ未満」が第２連関度４０％で関連付けられている。これらを探索解として出力するようにしてもよい。

　このノード６１から探索すべき撮影条件につながる第２連関度と、参照用検出アルゴリズム情報や、参照用撮影条件からノード６１につながる第２連関度、それぞれが３段階以上で構成されている。しかしながら、ノード６１から探索すべき撮影条件につながる第２連関度と、参照用検出アルゴリズム情報や、参照用撮影条件からノード６１につながる第２連関度の何れか一方を２段階で、換言すればつながっているか否かで構成するようにしてもよい。

　また、上述した第１連関度についても同様に、組み合わせの連関度を、この入力側（例えば図１７でいうところの参照用検出アルゴリズム情報、参照用撮影条件がある側）と、出力側（例えば図１７でいうところの探索すべき撮影条件がある側）との間に設けられたノード６１につなげてもよい。そして、入力側からノード６１、ノード６１から出力側それぞれに独立して３段階以上の第１連関度がそれぞれ設定されてもよく、それぞれが独立に更新されるものであってもよい。

　ユーザは、出力された撮影条件に基づいて、撮影装置５における結像光学系５１と、フィルタ５２と、撮像素子５３と、信号処理部５４等をそれぞれ設計し、或いは照明光の条件を設定したり、或いは撮影に関する各種条件を決定していくこととなる。特に本発明によれば、次々に新しい被写体の目的事象が生まれる都度、ひいては新しい検出アルゴリズム情報が生成される都度、撮影装置５について最適な撮影条件を検討するための労力の負担を軽減でき、時間の短縮化を図ることが可能となる。

　また、本発明を適用した情報探索システム１では、３段階以上に設定されている第２連関度を介して最適な撮影条件の探索を行う点に特徴がある。第２連関度は、例えば０～１００％までの数値で記述することができるが、これに限定されるものではなく３段階以上の数値で記述できるものであればいかなる段階で構成されていてもよい。

　このような３段階以上の数値で表される第２連関度に基づいて探索することで、複数の撮影条件が選ばれる状況下において、当該第２連関度の高い順に探索して表示することも可能となる。このように第２連関度の高い順にユーザに表示できれば、より可能性の高い撮影条件を優先的に選択することを促すこともできる。一方、第２連関度の低い撮影条件であってもセカンドオピニオンという意味で表示することができ、ファーストオピニオンで上手く設計できない場合において有用性を発揮することができる。

　これに加えて、本発明によれば、第２連関度が１％のような極めて低い撮影条件も見逃すことなく判断することができる。第２連関度が極めて低い撮影条件であっても僅かな兆候として繋がっているものであり、何十回、何百回に一度は、撮影条件として役に立つ場合もあることをユーザに対して注意喚起することができる。

　更に本発明によれば、このような３段階以上の第２連関度に基づいて探索を行うことにより、閾値の設定の仕方で、探索方針を決めることができるメリットがある。閾値を低くすれば、上述した連関度が１％のものであっても漏れなく拾うことができる反面、検出アルゴリズム情報や既知の撮影条件に見合った撮影条件を好適に検出できる可能性が低くなってしまう場合もある。一方、閾値を高くすれば、検出アルゴリズム情報や既知の撮影条件に見合った撮影条件を高確率で絞り込むことができる反面、何十回、何百回に一度は好適な条件を見出す撮影条件を見落としてしまう場合もある。いずれに重きを置くかは、ユーザ側、システム側の考え方に基づいて決めることが可能となるが、このような重点を置くポイントを選ぶ自由度を高くすることが可能となる。

　図１８は、左側の参照用撮影条件にフィルタの条件を規定し、右側の探索すべき撮影条件には、撮像素子の条件を規定した例を示している。上述した図１５の例では、左側の参照用撮影条件に撮像素子の条件を規定し、右側の探索すべき撮影条件には、フィルタの条件を規定しているが、その配置を入れ替えたものである。

　この図１８の例では、これから探索すべき撮影条件として撮像素子Ｔ、Ｕ、Ｗがあり、フィルタの条件については探索前においてフィルタＳ、又はフィルタＲに決定しているためこれらを左側の参照用撮影条件に含めている。この図１８に示す第２連関度を介して、あるフィルタＳの条件に対して最適な撮像素子を探索することができる。

　このように、第２実施形態においては、照明光の情報、各種撮像系のパラメータ、ハードウェア上のパラメータのうち、これから実際に探索すべき撮影条件と、予め決定している条件を予め分類して第２連関度を形成しておくことができる。これにより、探索すべき撮影条件が都度変化する場合においても、これから実際に探索すべき撮影条件が右側に位置する第２連関度を予め作りこんでおくことで、探索を実現できる。

　更に本発明では、上述した第２連関度を更新させるようにしてもよい。つまり、図１５に示すような参照用検出アルゴリズム情報及び参照用撮影条件と、設計情報を随時更新していく。この更新は、例えばインターネットを始めとした公衆通信網を介して提供された情報を反映させるようにしてもよい。公衆通信網から取得可能なサイト情報や書き込み等を通じて、参照用検出アルゴリズム情報及び参照用撮影条件と、設計情報との関係性について新たな知見が発見された場合には、当該知見に応じて連関度を上昇させ、或いは下降させる。例えば、ある検出アルゴリズム情報に対してある程度の連関度を有する撮影条件が、非常に相性が良いことが公衆通信網上のサイトを通じて多く挙がっていた場合、これらの間に設定されている第２連関度を更に上昇させる。また、ある検出アルゴリズム情報に対してある程度の第２連関度を有する撮影条件が、あまり相性が良くないことが公衆通信網上のサイトを通じて多く挙がっていた場合、これらの間に設定されている第２連関度を下降させる。また、ある検出アルゴリズム情報に対して、今までに無い撮影条件で高精度に検出ができることが公衆通信網上のサイトを通じて挙がっていた場合、これらの間に新たに第２連関度を設定することで更新するようにしてもよい。

　この第２連関度の更新は、公衆通信網から取得可能な情報に基づく場合以外に、専門家による研究データや論文、学会発表の内容に基づいてシステム側又はユーザ側が人為的に、又は自動的に更新するようにしてもよい。これらの更新処理においては人工知能を活用するようにしてもよい。

　なお、本発明によれば、第１実施形態に続き、第２実施形態を連続して実行するようにしてもよい。かかる場合には、第１実施形態において、先ず被写体の目的事象を入力し、第１連関度を参照することで、これに応じた最適な検出アルゴリズム情報や撮影条件が選択される。次にこの選択された検出アルゴリズム情報や撮影条件から、第２連関度を参照することで、これに応じた最適な撮影装置５の撮影条件が選択されることとなる。つまり被写体の目的事象を入力した場合に、これを撮影装置５で撮影する上で最適な撮影条件が探索装置２による解として表示されることとなる。

　図１３に基づいて第２実施形態のデータフローについて説明をする。第１実施形態において探索された検出アルゴリズム情報や撮影条件に基づいて、撮影装置５の各種撮影条件が決定される。この撮影条件としては、上述した結像光学系５１と、フィルタ５２と、撮像素子５３と、信号処理部５４等のハードウェア上のパラメータ、撮影系のパラメータ、照明光の情報の何れか１以上が決定される。これら撮影条件が反映された撮影装置５は、検出アルゴリズム情報により検知すべき被写体の目的事象を検知する上で好適な構成となる。そして、この撮影装置５により被写体を撮影し、特徴波長演算を行わせることにより、演算後の色解析画像を得ることが可能となる。

　なお、第２実施形態においては、特にこの撮影装置５が、携帯電話やスマートフォン、タブレット型端末、ウェラブル端末にそれぞれ実装されるあらゆるデジタルカメラとして具現化される場合において、その色解析画像を得るためのアプリケーションソフトウェアのフィルタ条件、フィルタ演算方法も上記撮影条件に含めるようにしてもよい。このアプリケーションソフトウェアにおけるフィルタ条件とは、具体的にいかなる特徴波長、特徴波長範囲の撮像光を透過させるかをソフトウェア上にて決定する条件である。同様にフィルタ演算とは、具体的にいかなる特徴波長演算を行わせるかをソフトウェア上にて決定するものである。

　なお本発明は、探索された検出アルゴリズム情報や撮影条件に基づいて、スペクトル撮像装置４や撮影装置５により被写体を撮影することで得られたスペクトルデータにより、目的事象を自動的に判別することもできる。この判別を行う場合には、探索装置２に対してその自動的な判別機能を担わせるようにしてもよい。

　図１９は、そのスペクトルデータによる目的事象の自動的な判別する上で必要となる第３連関度を示している。この第３連関度の例では、スペクトル撮像装置４や撮影装置５により被写体を撮影することで得られたスペクトルデータと、目的事象の判別結果とを予め学習させることとなる。

　アルゴリズムデータベース３には、このスペクトルデータｒ１、ｒ２、ｒ３、・・・・と、出力解としての目的事象の判別結果との間での３段階以上の第３連関度を予め記憶させておく。図１９の例によれば、スペクトルデータがｒ１である場合に、ガラスの表面に発生している欠陥の欠陥率において「欠陥率３％」が第３連関度８０％、「欠陥率４％」が第３連関度６０％で設定されている。またスペクトルデータがｒ２である場合に、「欠陥率５％」が連関度９０％、「欠陥率２％」が連関度４０％で設定されている。

　これらの第３連関度は、以前にスペクトル撮像装置４や撮影装置５により被写体を撮影したときのスペクトルデータｒ１、ｒ２、ｒ３、・・・と、その判別結果としての欠陥率をアルゴリズムデータベース３内に予め蓄積しておき、それらに基づいて設定するようにしてもよい。この第３連関度は、いわゆるニューラルネットワークにより構成されていてもよい。この第３連関度は、実際にスペクトルデータに基づいて被写体の目的事象を判別する上での判別結果（例えば上述した欠陥率等）を判別する上での的確性を示すものである。例えばスペクトルデータｒ３に対しては、連関度７０％の「欠陥率１％」が最も的確な判別に近く、連関度５０％の「欠陥率３％」がこれに続く的確な判別ということになる。同様にスペクトルデータｒ２に対しては、連関度９０％の「欠陥率５％」が最も的確な判別に近く、連関度４０％の「欠陥率２％」がこれに続く的確な判別ということになる。

　次に、探索されたアルゴリズムに基づいて実際に被写体としてのガラスをスペクトル撮像装置４や撮影装置５により撮像することで、新たにスペクトルデータを取得する。この取得したスペクトルデータに基づいて、被写体の目的事象を判別する作業を行う。この判別においては、予め取得した図１９に示す第３連関度を参照する。新たに取得したスペクトルデータが、スペクトルデータｒ１か、又はこれに近似するものである場合には、上述した第３連関度を参照した場合、第３連関度の最も高い「欠陥率３％」を最適解として選択する。但し、最も第３連関度の高いものを最適解として選択することは必須ではなく、第３連関度は低いものの連関性そのものは認められる「欠陥率４％」を最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論である。即ち、この被写体の目的事象の判別結果の選択は、第３連関度が高いものから順に選択される場合に限定されるものではなく、ケースに応じて第３連関度が低いものから順に選択されるものであってもよいし、その他いかなる優先順位で選択されるものであってもよい。

　また、得られたスペクトルデータが、ｒ２にも一部類似しているが、ｒ３にも一部類似し、何れに割り当ててよいか分からない場合については、例えば、画像間の特徴等に着目して判断するようにしてもよい。かかる場合には、例えば得られたスペクトルデータの輝度を画像内の特徴領域とみなして何れに割り当てるか判断するようにしてもよい。取得したスペクトルデータの画像がｒ１～ｒ３の何れに類似しているかを判別する際には、例えばディープラーニング等を活用するようにしてもよい。ディープラーニングを通じて画像上の特徴量に基づき、何れのｒ１～ｒ３に割り当てるかを判別することとなる。このようにして、得られたスペクトルデータをｒ１～ｒ３の何れかに割り当てた後、これらに設定された第３連関度に基づいて出力解としての被写体の目的事象の判別結果を選択することになる。

　なお、得られたスペクトルデータに対する被写体の目的事象の判別結果の選択方法は、上述した方法に限定されるものではなく、第３連関度を参照するものであればいかなる方法に基づいて実行するようにしてもよい。また、これらの探索動作では、人工知能を利用して行うようにしてもよい。

　図２０は、参照用のスペクトルデータｒ１、ｒ２、・・・と、参照用の検出アルゴリズム情報及び／又は参照用撮影条件との組み合わせと当該組み合わせに対する被写体の目的事象の判別結果との３段階以上の第３連関度が設定されている例を示している。

　かかる場合において、第３連関度は、図２０に示すように、参照用のスペクトルデータｒ１、ｒ２、・・・と、参照用の検出アルゴリズム情報及び／又は参照用撮影条件との組み合わせの集合がいわゆる隠れ層のノード６１ａ～６１ｅとして表現されることとなる。各ノード６１ａ～６１ｅは、参照用のスペクトルデータｒ１、ｒ２、・・・と、参照用の検出アルゴリズム情報及び／又は参照用撮影条件に対する重み付けと、被写体の目的事象の判別結果に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第３連関度である。例えば、ノード６１ａは、スペクトルデータｒ１が第３連関度８０％で、またアルゴリズム情報としての「２３０±１２ｎｍ、６３０±５ｎｍ」が第３連関度８０％で連関している。またノード６１ｃは、スペクトルデータｒ２が第３連関度６０％で、参照用撮影条件としての「フィルタＳ、空間解像度」が第３連関度６０％、参照用の検出アルゴリズム情報としての「４５５±１２ｎｍ」が第３連関度４０％で連関している。

　このような第３連関度が設定されている場合も同様に、新たにスペクトルデータを取得し、また撮影条件及び／又は検出アルゴリズム情報を新たに取得した場合には、この第３連関度を参照し、被写体の目的事象の判別結果を探索する。新たに取得したスペクトルデータがｒ１であり、かつ撮影条件が「ホワイトバランス○○」である場合、第３連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「欠陥率３％」が第３連関度６０％、「欠陥率１％」が第３連関度４０％で関連付けられている。このような第３連関度に基づいて被写体の目的事象の判別結果を選択していくことになる。

　また本発明は、設計情報探索システムとして具現化されるものであってもよい。この設計情報探索システムでは、目的事象の判別結果に基づいて、目的事象を設計するための設計情報を探索する。この設計情報の探索は、例えば以下に説明する第４連関度を参照するようにしてもよい。

　ここでいう目的事象の設計情報とは、目的事象を今後設計するために必要なあらゆる情報が含まれる。例えば目的事象の判別結果が、顔の水分の割合が７０％である場合に、これに適したファウンデーションを設計する上で必要な情報を探索するものである。或いは目的事象の判別結果がガラスの欠陥率であった場合には、新たにガラスの材料設計に必要な情報を探索することになる。この材料設計に必要な情報の例としては、第１層目に材料Ｐを形成し、第２層目に材料Ｑを形成すると共に分散強化ファイバを複合させ、更に第３層目に材料Ｒを形成させるべき、という助言のようなものであってもよい。

　図２１は、参照用のスペクトルデータｒ１、ｒ２、・・・と、参照用の目的事象の判別結果との組み合わせに対する、探索すべき設計情報との３段階以上の第４連関度が設定されている例を示している。

　かかる場合において、第４連関度は、図２１に示すように、参照用のスペクトルデータｒ１、ｒ２、・・・と、参照用の目的事象の判別結果との組み合わせの集合がいわゆる隠れ層のノード６１ａ～６１ｅとして表現されることとなる。各ノード６１ａ～６１ｅは、参照用のスペクトルデータｒ１、ｒ２、・・・と、参照用の目的事象の判別結果に対する重み付けと、探索すべき設計情報に対する重み付けがそれぞれ設定されている。この重み付けが３段階以上の第４連関度である。例えば、ノード６１ａは、スペクトルデータｒ１が第３連関度８０％で、また目的事象の判別結果として「Ａ成分：Ｂ成分＝１：３」が第４連関度８０％で連関している。またノード６１ｃは、スペクトルデータｒ２が第４連関度６０％で、目的事象の判別結果としての「Ａ成分：Ｂ成分＝２：１」が第４連関度６０％、目的事象の判別結果としての「Ａ成分：Ｂ成分＝１：６」が第４連関度４０％で連関している。

　このような第４連関度が設定されている場合も同様に、新たにスペクトルデータを取得し、また目的事象の判別結果を新たに取得した場合には、この第４連関度を参照し設計情報を探索する。新たに取得したスペクトルデータがｒ１であり、かつ目的事象の判別結果が「Ａ成分：Ｂ成分＝５：１」である場合、第４連関度を介してノード６１ｂが関連付けられており、このノード６１ｂは、「設計情報Ｅ」が第４連関度６０％、「設計情報Ｇ」が第４連関度４０％で関連付けられている。このような第４連関度に基づいて設計情報を選択していくことになる。

　なお、目的事象の判別結果は、第３連関度を通じて選択されたものであってもよいし、これとは別に新たに入力されたものを利用するようにしてもよい。

　この第３連関度、第４連関度を用いた判別では、さらに被写体１０を撮像した位置に関する位置情報、当該位置情報を現在地の地図に照らし合わせることで取得した地図情報、更には、被写体１０の形態情報（形状、模様、色彩、質感等）の何れか１以上を組み合わせて判断するようにしてもよい。かかる場合には、人工衛星から送られてくる衛星測位信号に基づいて現時点の位置情報をリアルタイムに取得する図示しない位置情報取得部や、日本国内の地図、世界各国の地図からなる地図情報を記憶する図示しない地図情報取得部が別途設けられている。形態情報の取得は、被写体１０を撮像するカメラで構成されている。このカメラにより撮像された被写体１０の画像から、この被写体１０の形態（形状、模様、色彩、質感等）を識別することが可能となる。検出された位置情報、地図情報、形態情報の何れか１以上を取得し、上述と同様に第３連関度、第４連関度を介した学習済みモデルを構築する。かかる場合には、図２０における第３連関度におけるノード６１の左側や、図２１における第４連関度におけるノード６１の左側において、これら位置情報、地図情報、形態情報の何れか１以上が配列し、ノード６１にリンクすることになる。つまり、第３連関度、第４連関度は、位置情報、地図情報、形態情報の何れか１以上を組み合わせることで判断を行うことができるモデルとなっている。従って、この位置情報、地図情報、形態情報の何れか１以上を更に組み合わせ、上述した第３連関度、第４連関度を介して各種判別を行うことが可能となる。

　なお、形態情報としては、いわゆる空間特徴情報を含むようにしてもよい。ここでいう空間特徴情報としては、空間位置（配置）、形態（形状、大きさ、模様、テクスチャ、色彩、質感等）を含めたものである。この空間特徴情報は、いわゆるディープラーニング技術において使用される画像上の特徴量を含む概念であり、これを抽出することで空間位置（配置）や形態を識別していくための情報である。この空間特徴情報は、一般的な空間特徴量に加えて、スペクトル毎に抽出されたスペクトル特徴量も含まれるものであってもよい。或いは、この空間特徴情報は、空間特徴量と、このスペクトル特徴量を融合させたもので構成されていてもよい。このスペクトル特徴量は、分光画像に基づいて特徴量を抽出するものであるから、背景の動き等から所望の被写体のみを容易に分離して特徴量を抽出することができ、形態情報の把握を容易に行うことが可能となる。

　また、第３連関度、第４連関度共にニューラルネットワーク等に代表される人工知能で構成されていてもよい。

１　情報探索システム
２　探索装置
３　アルゴリズムデータベース
４　スペクトル撮像装置
５　撮影装置
６　撮影条件データベース
１０　被写体
２１　内部バス
２３　表示部
２４　制御部
２５　操作部
２６　通信部
２７　探索部
２８　記憶部
４１　対物レンズ
４２　精密直動ステージ
４３　スリット板
４３ａ　スリット開口部
４４　コリメートレンズ
４５　分散光学素子
４６　結像レンズ
４７　撮像素子
４８　制御部
５１　結像光学系
５２　フィルタ
５３　撮像素子
５４　信号処理部
４８１　撮影制御部
４８２　移動制御部
４８３　分光データ作成部
４８４　画像処理部
４８４－１　校正処理部
４８４－２　算出部
４８４－３　色解析画像取得部

Claims

　撮影した被写体から目的事象を判別する上で必要なスペクトルデータの検出アルゴリズム情報を探索する情報探索システムにおいて、
　被写体の各目的事象と、上記検出アルゴリズム情報との３段階以上の第１連関度が予め記憶されている第１連関データベースと、
　新たに判別すべき被写体の目的事象に関する情報が入力される目的事象入力手段と、
　上記第１連関データベースに記憶されている上記第１連関度を参照し、上記目的事象入力手段を介して入力された上記目的事象に関する情報に基づき、１以上の検出アルゴリズム情報を探索する探索手段とを備えること
　を特徴とする情報探索システム。
　上記第１連関データベースは、被写体の各目的事象及び参照用撮影条件と、上記検出アルゴリズム情報との３段階以上の第１連関度が予め記憶され、
　上記目的事象入力手段は、新たに判別すべき被写体の目的事象及び既知の撮影条件に関する情報が入力され、
　上記探索手段は、上記第１連関データベースに記憶されている上記第１連関度を参照し、上記目的事象入力手段を介して入力された上記目的事象及び既知の撮影条件に関する情報に基づき、１以上の検出アルゴリズム情報を探索すること
　を特徴とする請求項１記載の情報探索システム。
　撮影した被写体から目的事象を判別するための撮影装置の撮影条件を探索する情報探索システムにおいて、
　被写体の各目的事象と、各撮影条件との３段階以上の第１連関度が予め記憶されている第１連関データベースと、
　新たに判別すべき被写体の目的事象に関する情報が入力される目的事象入力手段と、
　上記第１連関データベースに記憶されている上記第１連関度を参照し、上記目的事象入力手段を介して入力された上記目的事象に関する情報に基づき、１以上の撮影条件を探索する探索手段とを備えること
　を特徴とする情報探索システム。
　上記第１連関データベースは、被写体の各目的事象及び参照用撮影条件と、各撮影条件との３段階以上の第１連関度が予め記憶され、
　上記目的事象入力手段は、新たに判別すべき被写体の目的事象及び既知の撮影条件に関する情報が入力され、
　上記探索手段は、上記第１連関データベースに記憶されている上記第１連関度を参照し、上記目的事象入力手段を介して入力された上記目的事象及び既知の撮影条件に関する情報に基づき、１以上の撮影条件を探索すること
　を特徴とする請求項３記載の情報探索システム。
　各上記検出アルゴリズム情報と、撮影した被写体から目的事象を判別するための撮影装置について探索すべき撮影条件との３段階以上の第２連関度が予め記憶されている第２連関データベースを更に備え、
　上記探索手段は、上記第２連関データベースに記憶されている上記第２連関度を参照し、上記探索した１以上の検出アルゴリズム情報又は新たに入力された１以上の検出アルゴリズム情報に基づき、１以上の上記探索すべき撮影条件を探索すること
　を特徴とする請求項１記載の情報探索システム。
　上記第１連関データベースは、上記目的事象に応じた１以上の特徴波長並びにその特徴波長範囲、この特徴波長を説明変数とした演算式の何れか１以上からなる上記検出アルゴリズム情報の上記第１連関度が記憶されていること
　を特徴とする請求項１～５のうち何れか１項記載の情報探索システム。
　上記第１連関データベースは、更に上記被写体を撮影する上での照明に関する情報、上記被写体を撮影する上での撮像系のパラメータ、上記被写体を撮像するハードウェア上のパラメータの何れか１以上からなる上記撮影条件の上記第１連関度が記憶されていること
　を特徴とする請求項２～４のうち何れか１項記載の情報探索システム。
　上記第２連関データベースは、複数の検出アルゴリズム情報の組み合わせに対して、探索すべき撮影条件の３段階以上の上記第２連関度が予め記憶され、
　上記探索手段は、上記第２連関データベースに記憶されている上記第２連関度を参照し、上記探索した複数の検出アルゴリズム情報又は新たに入力された複数の検出アルゴリズム情報に基づき、１以上の上記探索すべき撮影条件を探索すること
　を特徴とする請求項５項記載の情報探索システム。
　上記第２連関データベースは、各上記検出アルゴリズム情報及び参照用撮影条件の組み合わせに対する、上記探索すべき撮影条件との３段階以上の上記第２連関度が予め記憶され、
　上記探索手段は、上記第２連関データベースに記憶されている上記第２連関度を参照し、上記探索した１以上の検出アルゴリズム情報又は新たに入力された１以上の検出アルゴリズム情報及び既知の撮影条件に関する情報に基づき、１以上の上記探索すべき撮影条件を探索すること
　を特徴とする請求項５記載の情報探索システム。
　上記既知の撮影条件を自動的に抽出する撮影条件抽出手段を更に備え、
　上記目的事象入力手段は、上記撮影条件抽出手段により抽出された既知の撮影条件に関する情報が入力されること
　を特徴とする請求項２又は４記載の情報探索システム。
　請求項１又は２記載の情報探索システムにおける上記探索手段により探索された検出アルゴリズム情報に基づいて被写体を撮影する撮影手段と、
　上記撮影手段により撮影して得られたスペクトルデータに基づいて目的事象を判別する目的事象判別手段とを備えること
　を特徴とする撮影システム。
　上記目的事象判別手段は、参照用スペクトルデータと、被写体の目的事象の判別結果との３段階以上の第３連関度が予め記憶されている第３連関データベースを更に備え、
　上記目的事象判別手段は、上記第３連関データベースに記憶されている上記第３連関度を参照し、上記撮影手段により撮影して得られたスペクトルデータに基づき、１以上の上記判別結果を探索することで判別すること
　を特徴とする請求項１１記載の撮影システム。
　上記目的事象判別手段は、参照用スペクトルデータと、参照用の検出アルゴリズム情報及び／又は参照用撮影条件との組み合わせに対する被写体の目的事象の判別結果との３段階以上の第３連関度が予め記憶されている第３連関データベースを更に備え、
　上記目的事象判別手段は、上記第３連関データベースに記憶されている上記第３連関度を参照し、上記撮影手段により撮影して得られたスペクトルデータ、並びに上記組み合わせを構成する検出アルゴリズム情報及び／又は撮影条件に基づき、１以上の上記判別結果を探索することで判別すること
　を特徴とする請求項１１記載の撮影システム。
　請求項１１～１３のうち何れか１以上の撮影システムにおける上記目的事象判別手段による目的事象の判別結果に基づいて、目的事象を設計するための設計情報を探索する設計情報探索手段を更に備えること
　を特徴とする設計情報探索システム。
　参照用スペクトルデータと、被写体の目的事象の判別結果との組み合わせに対する上記設計情報との３段階以上の第４連関度が予め記憶されている第４連関データベースを更に備え、
　上記設計情報探索手段は、上記第４連関データベースに記憶されている上記第４連関度を参照し、上記撮影手段により撮影して得られたスペクトルデータ、並びに上記目的事象判別手段による目的事象の判別結果に基づいて、１以上の上記判別結果を探索することで判別すること
　を特徴とする請求項１４記載の設計情報探索システム。
　上記第１連関データベースは、被写体の目的事象と、検出アルゴリズム情報との関係を新たに取得した場合には、これを上記第１連関度に反映させることで更新すること
　を特徴とする請求項１～１０のうち何れか１項記載の情報探索システム。
　上記第２連関データベースは、撮影装置の撮影条件と、検出アルゴリズム情報との関係を新たに取得した場合には、これを上記第２連関度に反映させることで更新すること
　を特徴とする請求項５項記載の情報探索システム。
　スペクトルデータの検出アルゴリズム情報から被写体の目的事象を探索する情報探索システムにおいて、
　被写体の各目的事象と、上記検出アルゴリズム情報との３段階以上の第１連関度が予め記憶されている第１連関データベースと、
　新たに検出アルゴリズム情報が入力されるアルゴリズム入力手段と、
　上記第１連関データベースに記憶されている上記第１連関度を参照し、上記アルゴリズム入力手段を介して入力された上記検出アルゴリズム情報に基づき、１以上の被写体の目的事象を探索する探索手段とを備えること
　を特徴とする情報探索システム。
　上記探索手段は、人工知能を利用して上記探索を行うこと
　を特徴とする請求項１～１２のうち何れか１項記載の情報探索システム。
　撮影した被写体から目的事象を判別する上で必要な検出アルゴリズム情報を探索する情報探索プログラムにおいて、
　新たに判別すべき被写体の目的事象に関する情報の入力を受け付ける目的事象入力ステップと、
　第１連関データベースに記憶されている被写体の各目的事象と、検出アルゴリズム情報との３段階以上の第１連関度を参照し、上記目的事象入力ステップにより入力された上記目的事象に関する情報に基づき、１以上の検出アルゴリズム情報を探索する探索ステップとをコンピュータに実行させること
　を特徴とする情報探索プログラム。
　撮影した被写体から目的事象を判別するための撮影装置の撮影条件を探索する情報探索プログラムにおいて、
　新たに判別すべき被写体の目的事象に関する情報が入力される目的事象入力ステップと、
　第１連関データベースに記憶されている、被写体の各目的事象と、各撮影条件との３段階以上の第１連関度を参照し、上記目的事象入力ステップにより入力された上記目的事象に関する情報に基づき、１以上の撮影条件を探索する探索ステップとをコンピュータに実行させること
　を特徴とする情報探索プログラム。
　撮影した被写体から目的事象を判別する上で必要な検出アルゴリズム情報を探索する情報探索方法において、
　新たに判別すべき被写体の目的事象に関する情報の入力を受け付ける目的事象入力ステップと、
　第１連関データベースに記憶されている被写体の各目的事象と、検出アルゴリズム情報との３段階以上の第１連関度を参照し、上記目的事象入力ステップにより入力された上記目的事象に関する情報に基づき、１以上の検出アルゴリズム情報を探索する探索ステップとを有し、これらの各ステップはコンピュータが実行すること
　を特徴とする情報探索方法。
　撮影した被写体から目的事象を判別するための撮影装置の撮影条件を探索する情報探索方法において、
　新たに判別すべき被写体の目的事象に関する情報が入力される目的事象入力ステップと、
　第１連関データベースに記憶されている、被写体の各目的事象と、各撮影条件との３段階以上の第１連関度を参照し、上記目的事象入力ステップにより入力された上記目的事象に関する情報に基づき、１以上の撮影条件を探索する探索ステップとを有し、これらの各ステップはコンピュータが実行すること
　を特徴とする情報探索方法。