JP7375161B2 - 学習データ作成装置、方法、プログラム、及び記録媒体 - Google Patents

Description

本発明は学習データ作成装置、方法、プログラム、学習データ及び機械学習装置に係り、特に多数の学習データを効率よく作成する技術に関する。

従来、教示ファイルに格納されている多数の教示データに基づいて学習し、パターン認識して欠陥判定をする外観検査装置が提案されている（特許文献１）。

この外観検査装置は、教示ファイル中の多数の教示データのうち、データ数の少ない特定の教示データについては、その特定の教示データを変形して新たな教示データを生成する教示データ生成装置を備え、教示データ生成装置により生成された教示データを教示ファイルに補充して学習することで、データ数の少ない欠陥の検査を可能にしている。

また、教示データ生成装置は、生成すべき教示データが画像データであるときは、画像の拡大、縮小、回転を含むアフィン変換と、明るさ、コントラスト、エッジ強度を含む属性変換を行うことにより、新たな教示データを生成している。

特開２００６－４８３７０号公報

ところで、対象物としての薬剤が撮影された撮影画像からその撮影画像内の薬剤の領域を、学習済みの学習モデルにより精度よく認識するためには、薬剤を撮影した撮影画像と、その撮影画像内の薬剤の領域を示す領域情報（正解データ）とのペアを多数作成し、多数のペアからなる学習データセットにより学習モデルを機械学習させる必要がある。

従来のこの種の正解データは、撮影画像をディスプレイに表示し、ディスプレイに表示された撮影画像を見ながら薬剤の領域をユーザが画素単位で塗り潰して作成しており、正解データの作成に手間と時間がかかるという問題がある。

一方、特許文献１に記載の外観検査装置は、カメラを用いて印刷物や無地面（紙、フィルム、金属など）の対象物を撮像し、撮像した画像から印刷欠陥を認識し、欠陥の種類（「穴」、「しみ」、「凸」、「すじ」など）を分別するものである。

したがって、教示データ生成装置により、データ数の少ない一のデータ（画像データ）を変形して新たに複数の教示データを生成する場合、同じ画像データを変形して生成した複数の教示データに対応する正解データは、同一の欠陥の種類を示すデータになる。即ち、特許文献１には、教示データ（教示画像）に対する正解データの作成に手間と時間がかかるという課題の記載がなく、それを解決する技術も開示されていない。

本発明はこのような事情に鑑みてなされたもので、薬剤を撮影した撮影画像から薬剤の領域に対応する領域情報を認識する学習モデルを機械学習させるための学習データを効率よく作成することができる学習データ作成装置、方法、プログラム、学習データ及び機械学習装置を提供することを目的とする。

上記目的を達成するために第１態様に係る発明は、プロセッサと、メモリとを備え、プロセッサが機械学習用の学習データを作成する学習データ作成装置であって、プロセッサは、薬剤が撮影された撮影画像を取得する取得処理と、取得した撮影画像から薬剤を任意に配置した学習用画像を生成する学習用画像生成処理と、生成した学習用画像における薬剤の領域に対応する第２領域情報を生成し、生成した第２領域情報を学習用画像に対する正解データとする正解データ生成処理と、生成した学習用画像と正解データとのペアを、学習データとしてメモリに記憶させる記憶制御と、を行う。

本発明の第１態様によれば、薬剤が撮影された撮影画像から薬剤を任意に配置した学習用画像を生成する。また、生成した学習用画像における薬剤の領域に対応する第２領域情報を生成し、生成した第２領域情報を学習用画像に対する正解データとする。この正解データの生成は、プロセッサによる正解データ生成処理により行うことができるため、正解データの作成に手間と時間を要しない。

このようにして生成した学習用画像と正解データとのペアを学習データとすることで、多くの学習データを生成すること（水増しすること）ができる。

本発明の第２態様に係る学習データ作成装置において、プロセッサの取得処理は、取得した撮影画像内の薬剤の領域に対応する第１領域情報を取得し、正解データ生成処理は、取得した第１領域情報に基づいて第２領域情報を生成することが好ましい。

本発明の第３態様に係る学習データ作成装置において、プロセッサの取得処理は、複数の薬剤が撮影された撮影画像、又は薬剤が撮影された複数の撮影画像を取得し、複数の薬剤の領域に対応する複数の第１領域情報を取得することが好ましい。

本発明の第４態様に係る学習データ作成装置において、第１領域情報は、撮影画像内の薬剤の領域を手動で設定された領域情報、撮影画像内の薬剤の領域を画像処理により自動で抽出した領域情報、又は撮影画像内の薬剤の領域を画像処理により自動で抽出し、かつ手動で調整された領域情報であることが好ましい。

本発明の第５態様に係る学習データ作成装置において、正解データは、薬剤の領域に対応する正解画像、薬剤の領域を矩形で囲むバウンディングボックス情報、及び薬剤の領域のエッジを示すエッジ情報のうちの少なくとも１つを含むことが好ましい。尚、正解画像は、マスク画像を含む。

本発明の第６態様に係る学習データ作成装置において、学習用画像生成処理は、撮影画像を平行移動、反転、回転、又は拡縮させて学習用画像を生成し、正解データ生成処理は、第１領域情報を撮影画像に対応して平行移動、反転、回転、又は拡縮させて正解データを生成することが好ましい。学習用画像の生成と正解データの生成とは、並列処理にて同時に生成してもよいし、学習用画像及び正解データのうちのいずれか一方を生成してから他方を生成してもよい。

本発明の第７態様に係る学習データ作成装置において、学習用画像生成処理は、撮影画像を平行移動、反転、回転、又は拡縮させた２以上の画像を合成して学習用画像を生成し、正解データ生成処理は、２以上の画像の各々に対応する第１領域情報を撮影画像に対応して平行移動、反転、回転、又は拡縮させて正解データを生成することが好ましい。これにより、複数の薬剤の画像からなる学習用画像とその正解データを生成することができる。

本発明の第８態様に係る学習データ作成装置において、プロセッサは、取得した第１領域情報に基づいて撮影画像から薬剤の領域を切り出した薬剤画像を取得する薬剤画像取得処理を含み、学習用画像生成処理は、取得した薬剤画像を平行移動、反転、回転、又は拡縮させて学習用画像を生成し、正解データ生成処理は、第１領域情報を薬剤画像に対応して平行移動、反転、回転、又は拡縮させて正解データを生成することが好ましい。

本発明の第９態様に係る学習データ作成装置において、プロセッサは、取得した第１領域情報に基づいて撮影画像から薬剤の領域を切り出した薬剤画像を取得する薬剤画像取得処理を含み、学習用画像生成処理は、取得した薬剤画像を平行移動、反転、回転、又は拡縮させた２以上の画像を合成して学習用画像を生成し、正解データ生成処理は、第１領域情報を薬剤画像に対応して平行移動、反転、回転、又は拡縮させた２以上の第２領域情報を合成して正解データを生成することが好ましい。これにより、複数の薬剤の画像からなる学習用画像とその正解データを生成することができる。

本発明の第１０態様に係る学習データ作成装置において、学習用画像生成処理は、複数の薬剤を含む学習用画像を生成する際に、複数の薬剤の全部又は一部が点又は線で接触する学習用画像を生成することが好ましい。

本発明の第１１態様に係る学習データ作成装置において、正解データは、複数の薬剤画像の点又は線で接触する箇所のみを示すエッジ画像を含むことが好ましい。複数の薬剤の全部又は一部が点又は線で接触する学習用画像に対する正解データとして、複数の薬剤画像の点又は線で接触する箇所のみを示すエッジ画像を含めることができる。この学習データは、複数の薬剤画像の点又は線で接触する箇所の分離に有用なものとなる。

本発明の第１２態様に係る学習データ作成装置において、薬剤は、少なくとも一部が透明な薬剤であることが好ましい。少なくとも一部が透明な薬剤は、全体が不透明な薬剤と比較して抽出が難しく、かつ学習データが少ないため、少なくとも一部が透明な薬剤に対する学習データの生成は特に有効である。

本発明の第１３態様に係る学習データ作成装置において、プロセッサによる学習用画像生成処理は、複数の薬剤を含む学習用画像を生成する際に、透明な薬剤以外の薬剤を任意に配置することが好ましい。少なくとも一部が透明な薬剤の場合、その薬剤画像を任意に配置したものと、透明な薬剤を同じ位置に配置して撮影したものとは、照明光との位置関係で異なる画像になるからである。

本発明の第１４態様に係る学習データ作成装置において、撮影画像は、自薬局が取り扱っている薬剤を撮影した画像であることが好ましい。自薬局が取り扱っている薬剤に対する学習データを作成できればよいからである。

第１５態様に係る発明は、撮影された薬剤を任意に配置して生成された学習用画像と、学習用画像における薬剤の領域を示す第２領域情報を有する正解データと、のペアからなる学習データである。

本発明の第１６態様に係る機械学習装置は、学習モデルと、上記の学習データを使用し、学習モデルを機械学習させる学習制御部と、を備える。

本発明の第１７態様に係る機械学習装置において、学習モデルは、畳み込みニューラルネットワークで構成されることが好ましい。

第１８態様に係る発明は、プロセッサが、以下の各ステップの処理を行うことにより機械学習用の学習データを作成する学習データ作成方法であって、薬剤が撮影された撮影画像を取得するステップと、取得した撮影画像から薬剤を任意に配置した学習用画像を生成するステップと、生成した学習用画像における薬剤の領域に対応する第２領域情報を生成し、生成した第２領域情報を学習用画像に対する正解データとするステップと、生成した学習用画像と正解データとのペアを、学習データとしてメモリに記憶させるステップと、を含む。

本発明の第１９態様に係る学習データ作成方法において、正解データは、薬剤の領域に対応する正解画像、薬剤の領域を矩形で囲むバウンディングボックス情報、及び薬剤の領域のエッジを示すエッジ情報のうちの少なくとも１つを含むことが好ましい。

本発明の第２０態様に係る学習データ作成方法において、学習用画像を生成するステップは、複数の薬剤を配置する際に、複数の薬剤の全部又は一部を点又は線で接触させることが好ましい。

本発明の第２１態様に係る学習データ作成方法において、正解データは、複数の薬剤の点又は線で接触する箇所のみを示すエッジ画像を含むことが好ましい。

本発明の第２２態様に係る学習データ作成方法において、薬剤は、少なくとも一部が透明な薬剤であることが好ましい。

本発明の第２３態様に係る学習データ作成方法において、学習用画像を生成するステップは、複数の薬剤を含む学習用画像を生成する際に、透明な薬剤以外の薬剤を任意に配置することが好ましい。

第２４態様に係る発明は、薬剤が撮影された撮影画像を取得する機能と、取得した撮影画像から薬剤を任意に配置した学習用画像を生成する機能と、生成した学習用画像における薬剤の領域に対応する第２領域情報を生成し、生成した第２領域情報を学習用画像に対する正解データとする機能と、生成した学習用画像と正解データとのペアを、学習データとしてメモリに記憶させる機能と、をコンピュータにより実現させる学習データ作成プログラムである。

本発明によれば、薬剤を撮影した撮影画像から薬剤の領域に対応する領域情報を認識する学習モデルを機械学習させるための学習データを効率よく作成することができる。

図１は、学習済みの学習モデルに入力される撮影画像と学習モデルから取得したい出力結果とを示す図である。 図２は、学習データの一例を示す図である。 図３は、正解データを自動で作成する場合の画像処理を示す概念図である。 図４は、シミュレーションにより学習データを作成する第１実施形態を示す図である。 図５は、シミュレーションにより学習データを作成する第２実施形態を示す図である。 図６は、本発明に係る学習データ作成装置のハードウェア構成の一例を示すブロック図である。 図７は、複数の薬剤が一包化された薬包を示す平面図である。 図８は、図６に示した撮影装置の概略構成を示すブロック図である。 図９は、撮影装置の概略構成を示す平面図である。 図１０は、撮影装置の概略構成を示す側面図である。 図１１は、本発明に係る学習データ作成装置の実施形態を示すブロック図である。 図１２は、画像取得部が取得する撮影画像及び第１領域情報取得部が取得する撮影画像内の薬剤の領域を示す第１領域情報の一例を示す図である。 図１３は、図１２に示した撮影画像及びマスク画像から生成した学習データの一例を示す図である。 図１４は、複数の薬剤の点又は線で接触する箇所のみを示すエッジ画像の一例を示す図である。 図１５は、本発明に係る機械学習装置の実施形態を示すブロック図である。 図１６は、本発明に係る学習データ作成方法の実施形態を示すフローチャートである。

以下、添付図面に従って本発明に係る学習データ作成装置、方法、プログラム、学習データ及び機械学習装置の好ましい実施形態について説明する。

［本発明の概要］
図１は、学習済みの学習モデルに入力される撮影画像と学習モデルから取得したい出力結果とを示す図である。

図１（Ｂ）に示す学習モデルの出力結果は、図１（Ａ）に示した撮影画像内の薬剤の領域（薬剤領域）を推論した推論結果であり、本例では、薬剤領域と背景領域とを領域分類したマスク画像である。尚、推論結果は、マスク画像に限らず、例えば、薬剤領域を矩形の枠で囲むバウンディングボックス、又はバウンディングボックスの対角の２点の座標、又はこれらの組み合わせが考えられる。

学習済みの学習モデルにより、任意の入力画像から所望の出力結果（推論結果）を得るためには、未学習の学習モデルを機械学習させるための学習データを大量に準備する必要がある。

図２は、学習データの一例を示す図である。

図２（Ａ）～（Ｃ）は、それぞれ左側が薬剤の撮影画像（学習用画像）であり、右側が撮影画像に対する正解データであり、左右の撮影画像と正解データとのペアが、学習データである。本例の正解データは、各薬剤の領域を背景から区別するマスク画像である。

基本的に、学習データには、図２（Ａ）～（Ｃ）に示した左側の撮影画像が必要であるが、例えば、新薬等、数が少ない薬剤も存在するため、多くの画像が集まらないという問題がある。

撮影画像（学習用画像）に対する正解データの作成は、撮影画像をディスプレイに表示させ、ディスプレイに表示された撮影画像を見ながら薬剤の領域をユーザが画素単位で塗り潰して作成するのが一般的である。

また、正解データを自動で作成する場合、例えば、撮影画像からテンプレートマッチングにより薬剤の位置、回転角を計算することで求めることができる。

図３は、正解データを自動で作成する場合の画像処理を示す概念図である。

薬剤を撮影した撮影画像ＩＴＰに対して、その薬剤を示す画像であるテンプレート画像Ｉ_tplを用意する。薬剤の形状が円形でない場合には、探索する回転角毎の複数のテンプレート画像Ｉ_tplを用意することが好ましい。

そして、撮影画像ＩＴＰの中からテンプレート画像Ｉ_tplと相関が最も高くなる位置、及び回転角のテンプレート画像を探索すること（テンプレートマッチング)により、相関が最も高い時のテンプレート画像Ｉ_tplの位置、及びテンプレート画像Ｉ_tplの回転角に基づいて、撮影画像ＩＴＰにおける薬剤の領域を示す正解データを作成することができる。

また、撮影画像ＩＴＰと正解データ（例えば、マスク画像）とを重ね合わせてディスプレイに表示し、マスク画像に誤差がある場合には、ユーザがマスク画像を画素単位で修正するようにしてもよい。

＜シミュレーションにより学習データを作成する第１実施形態＞
図４は、シミュレーションにより学習データを作成する第１実施形態を示す図である。

図４（Ａ）は、薬剤を撮影した撮影画像と、その撮影画像に基づいて手動又は自動で生成したマスク画像とのペアを示す図である。

本発明は、撮影画像とマスク画像とのペアから、シミュレーションにより学習データを作成する（学習データを水増しする）。

図４（Ｂ）は、それぞれ図４（Ａ）に示した撮影画像とマスク画像とをそれぞれ反転した撮影画像及びマスク画像のペアを示す図である。

図４（Ｂ）に示す右側の反転（左右反転）されたマスク画像は、図４（Ｂ）に示す左側の反転された撮影画像における薬剤の領域を示すマスク画像となる。したがって、反転された撮影画像は、新たな学習用画像とすることができ、反転されたマスク画像は、新たに生成された学習用画像に対する正解データとすることができる。尚、画像の反転は、左右反転に限らず、上下反転も含む。また、先に左の画像を作っておき、そこから薬剤画像の領域を検出することによって、右の画像を作成するようにしてもよい。

図４（Ｃ）は、図４（Ａ）及び図４（Ｂ）に示した画像を加算した画像を示す図である。

図４（Ｃ）に示す左側の撮影画像は、図４（Ａ）に示した撮影画像と図４（Ｂ）に示した反転された撮影画像とを合成することで作成することができる。即ち、図４（Ｃ）に示す撮影画像は、図４（Ａ）に示す撮影画像に、図４（Ｂ）に示す反転された撮影画像中の薬剤の領域を切り出した画像（薬剤画像）を貼り付けることで作成することができる。尚、反転された撮影画像からの薬剤画像の切り出しは、図４（Ｂ）の反転されたマスク画像に基づいて、図４（Ａ）に示した撮影画像から薬剤の領域を切り出す処理により行うことができる。また、２以上の薬剤画像を合成する方法は、上記のようにマスク画像を使用する方法に限らない。例えば、薬剤が撮影されていない背景のみの背景画像を使用して、図４（Ａ）及び図４（Ｂ）からそれぞれ薬剤画像のみを抽出し、抽出した各薬剤画像を背景画像に合成することで、図４（Ｃ）に示した撮影画像を生成することができる。

また、図４（Ｃ）に示す右側のマスク画像は、図４（Ａ）に示したマスク画像と図４（Ｂ）に示す反転されたマスク画像とを加算することで作成することができる。尚、２つのマスク画像を加算する際に、インスタンス分離のために、本例では図４（Ｃ）の反転されたマスク画像の薬剤の領域の画素値を例えば「０．５」、背景の画素値を「０」として加算することで、生成されたマスク画像における２つの薬剤の領域の画素値を異ならせる。

このようにして、図４（Ａ）に示した撮影画像とマスク画像のペアからなる１つの学習データから、図４（Ｂ）及び（Ｃ）に示した２つの学習データを作成することができる。

また、上記の第１実施形態では、図４（Ａ）に示した撮影画像及びマスク画像をそれぞれ反転し、図４（Ｂ）に示した新たな撮影画像及びマスク画像のペアからなる学習データを作成するようにしたが、これに限らず、図４（Ａ）に示した撮影画像及びマスク画像をそれぞれ同期して平行移動、回転、又は拡縮させて、新たな撮影画像及びマスク画像のペアからなる学習データを作成してもよい。尚、撮影画像及びマスク画像をそれぞれ同期して平行移動、回転、又は縮小させることで、背景に余白が生じる場合には、背景と同様な画素値で余白を埋めることが好ましい。

更に、上記の第１実施形態では、１つの薬剤が撮影された撮影画像及びマスク画像から新たな撮影画像及びマスク画像を作成するが、複数の異なる薬剤が別々に撮影された複数の撮影画像及びマスク画像、又は複数の異なる薬剤が同時に撮影された撮影画像及びマスク画像から、新たな撮影画像及びマスク画像を作成するようにしてもよい。

＜シミュレーションにより学習データを作成する第２実施形態＞
図５は、シミュレーションにより学習データを作成する第２実施形態を示す図である。

図５（Ａ）は、薬剤を撮影した撮影画像と、その撮影画像に基づいて手動又は自動で生成したマスク画像とのペアを示す図であり、図４（Ａ）に示したペアと同一である。

図５（Ｂ）は、それぞれ図５（Ａ）に示した撮影画像及びマスク画像からそれぞれ切り出す薬剤領域を示す図である。

本例では、薬剤領域を囲む矩形の枠内の領域を、画像を切り出す領域（切出領域）としている。尚、マスク画像により薬剤領域は既知であるため、マスク画像に基づいて薬剤領域を囲む矩形の枠内の画像を切り出すことができる。

図５（Ｃ）は、それぞれ図５（Ａ）に示した撮影画像及びマスク画像から切り出された切出領域の画像を示す。撮影画像からの薬剤画像の切り出しは、図５（Ａ）に示したマスク画像に基づいて、図５（Ａ）に示した撮影画像から薬剤の領域を切り出す処理（薬剤画像取得処理）により行うことができる。尚、図５（Ａ）に示したマスク画像は、薬剤の領域を示す情報（第１領域情報）を有するため、マスク画像から薬剤の領域（以下、「薬剤マスク画像」という）を切り出すことができる。また、薬剤画像取得処理には、切り出された後の状態の画像を、メモリ等から読み出す処理が含まれていてもよい。

図５（Ｄ）は、切り出された薬剤画像及び薬剤マスク画像を任意の位置及び任意の回転角で貼り付けて作成した、新たな撮影画像及びマスク画像を示す図である。

図５（Ｄ）に示す撮影画像及びマスク画像は、図５（Ａ）に示した撮影画像及びマスク画像から上記の画像処理により作成した、新たな学習用画像及び正解データのペアからなる学習データとなる。

図５（Ｅ）は、切り出された薬剤画像及び薬剤マスク画像を任意の位置及び任意に回転角で貼り付けて作成した、新たな撮影画像及びマスク画像を示す図であり、特に複数の薬剤画像が点又は線で接触するように作成されている。

学習モデルにおける推論結果を向上させるためには、薬剤同士が点又は線で接触している状態の学習データを大量に作成する必要がある。薬剤同士が点又は線で接触している撮影画像から、各薬剤の領域を精度よく推論するのは、各薬剤が接触せずに孤立している場合に比べて難しいからである。

図５（Ｅ）に示す左側のマスク画像は、各薬剤領域が接しないように画像処理することが好ましい。各薬剤領域が接触する箇所は既知であるため、その接触する箇所を背景色に置換することで、各薬剤領域が接触しないようにできる。

また、薬剤同士が点又は線で接触する各薬剤が同一薬剤の場合、インスタンス分離のために、薬剤領域の画素値を異ならせることが好ましい。この場合、マスク画像における各薬剤領域は、その画素値の違いで認識できるため、薬剤領域が接触する箇所を背景色に置換しなくてもよい。

以上のようにして、薬剤が撮影された撮影画像とその撮影画像内の薬剤の領域を示す第１領域情報（マスク画像）とを元に、多くの学習データを作成することができる。

［学習データ作成装置の構成］
図６は、本発明に係る学習データ作成装置のハードウェア構成の一例を示すブロック図である。

図６に示す学習データ作成装置１は、例えば、コンピュータにより構成することができ、主として画像取得部２２、ＣＰＵ（Central Processing Unit）２４、操作部２５、ＲＡＭ(Random Access Memory)２６、ＲＯＭ(Read Only Memory)２７、メモリ２８及び表示部２９から構成されている。

画像取得部２２は、撮影装置１０により薬剤が撮影された撮影画像を、撮影装置１０から取得する。

撮影装置１０により撮影される薬剤は、例えば、服用１回分の薬剤、又は任意の薬剤であり、薬包に入っているものでもよいし、薬包に入っていないものでもよい。

図７は、複数の薬剤が一包化された薬包を示す平面図である。

図７に示す薬包ＴＰは、１回に服用される複数の薬剤が透明な包に収納され、一包ずつパッキングされたものである。薬包ＴＰは、図９及び図１０に示すように帯状に連結されており、各薬包ＴＰを切り離し可能にする切取線が入っている。尚、図７に示す薬包ＴＰには、６個の薬剤Ｔが一包化されている。

図８は、図６に示した撮影装置の概略構成を示すブロック図である。

図８に示す撮影装置１０は、薬剤を撮影する２台のカメラ１２Ａ、１２Ｂと、薬剤を照明する２台の照明装置１６Ａ，１６Ｂと、撮影制御部１３とから構成されている。

図９及び図１０は、それぞれ撮影装置の概略構成を示す平面図及び側面図である。

薬包ＴＰは、水平（ｘ－ｙ平面）に設置された透明なステージ１４の上に載置される。

カメラ１２Ａ、１２Ｂは、ステージ１４と直交する方向（ｚ方向）に、ステージ１４を挟んで互いに対向して配置される。カメラ１２Ａは、薬包ＴＰの表面に正対し、薬包ＴＰを上方から撮影する。カメラ１２Ｂは、薬包ＴＰの裏面に正対し、薬包ＴＰを下方から撮影する。

ステージ１４を挟んで、カメラ１２Ａの側には、照明装置１６Ａが備えられ、カメラ１２Ｂの側には、照明装置１６Ｂが備えられる。

照明装置１６Ａは、ステージ１４の上方に配置され、ステージ１４に載置された薬包ＴＰを上方から照明する。照明装置１６Ａは、放射状に配置された４つの発光部１６Ａ１～１６Ａ４を有し、直交する４方向から照明光を照射する。各発光部１６Ａ１～１６Ａ４の発光は、個別に制御される。

照明装置１６Ｂは、ステージ１４の下方に配置され、ステージ１４に載置された薬包ＴＰを下方から照明する。照明装置１６Ｂは、照明装置１６Ａと同様に放射状に配置された４つの発光部１６Ｂ１～１６Ｂ４を有し、直交する４方向から照明光を照射する。各発光部１６Ｂ１～１６Ｂ４の発光は、個別に制御される。

撮影は、次のように行われる。まず、カメラ１２Ａを用いて、薬包ＴＰを上方から撮影する。撮影の際には、照明装置１６Ａの各発光部１６Ａ１～１６Ａ４を順次発光させ、４枚の画像の撮影を行い、続いて、各発光部１６Ａ１～１６Ａ４を同時に発光させ、１枚の画像の撮影を行う。次に、下方の照明装置１６Ｂの各発光部１６Ｂ１～１６Ｂ４を同時に発光させるとともに、図示しないリフレクタを挿入し、リフレクタを介して薬包ＴＰを下から照明し、カメラ１２Ａを用いて上方から薬包ＴＰの撮影を行う。

各発光部１６Ａ１～１６Ａ４を順次発光させて撮影される４枚の画像は、それぞれ照明方向が異なっており、薬剤の表面に刻印（凹凸）がある場合に刻印による影の出方が異なるものとなる。これらの４枚の撮影画像は、薬剤Ｔの表面側の刻印を強調した刻印画像を生成するために使用される。

各発光部１６Ａ１～１６Ａ４を同時に発光させて撮影される１枚の画像は、輝度ムラのない画像であり、例えば、薬剤Ｔの表面側の画像（薬剤画像）を切り出す場合に使用され、また、刻印画像が重畳される撮影画像である。

また、リフレクタを介して薬包ＴＰを下方から照明し、カメラ１２Ａを用いて上方から薬包ＴＰが撮影される画像は、複数の薬剤Ｔの領域を認識する場合に使用される撮影画像である。

次に、カメラ１２Ｂを用いて、薬包ＴＰを下方から撮影する。撮影の際には、照明装置１６Ｂの各発光部１６Ｂ１～１６Ｂ４を順次発光させ、４枚の画像の撮影を行い、続いて、各発光部１６Ｂ１～１６Ｂ４を同時に発光させ、１枚の画像の撮影を行う。

４枚の撮影画像は、薬剤Ｔの裏面側の刻印を強調した刻印画像を生成するために使用され、各発光部１６Ｂ１～１６Ｂ４を同時に発光させて撮影される１枚の画像は、輝度ムラのない画像であり、例えば、薬剤Ｔの裏面側の薬剤画像を切り出す場合に使用され、また、刻印画像が重畳される撮影画像である。

図８に示した撮影制御部１３は、カメラ１２Ａ、１２Ｂ、及び照明装置１６Ａ、１６Ｂを制御し、１つの薬包ＴＰに対して１１回の撮影（カメラ１２Ａで６回、カメラ１２Ｂで５回の撮影）を行わせる。

また、撮影は暗室の状態で行われ、撮影の際に薬包ＴＰに照射される光は、照明装置１６Ａ、又は照明装置１６Ｂからの照明光のみである。したがって、上記のようにして撮影される１１枚の撮影画像のうち、リフレクタを介して薬包ＴＰを下方から照明し、カメラ１２Ａを用いて上方から薬包ＴＰを撮影した画像は、背景が光源の色（白色）になり、各薬剤Ｔの領域が遮光されて黒くなる。一方、他の１０枚の撮影画像は、背景が黒く、各薬剤の領域が薬剤の色になる。

尚、リフレクタを介して薬包ＴＰを下方から照明し、カメラ１２Ａを用いて上方から薬包ＴＰを撮影した画像であっても、薬剤全体が透明（半透明）な透明薬剤、あるいは一部又は全部が透明なカプセルに粉末又は顆粒状の医薬が充填されたカプセル剤（一部が透明な薬剤）の場合、薬剤の領域から光が透過するため、不透明な薬剤のように真っ黒にならない。

図６に戻って、学習データ作成装置１は、薬剤が撮影された撮影画像から薬剤を推論（特に撮影画像内に存在する各薬剤Ｔの領域を推論）する学習モデルを、機械学習させるための学習データを作成するものである。

したがって、学習データ作成装置１の画像取得部２２は、撮影装置１０により撮影される１１枚の撮影画像のうちの、複数の薬剤Ｔの領域を認識する場合に使用される撮影画像（即ち、リフレクタを介して薬包ＴＰを下方から照明し、カメラ１２Ａを用いて上方から薬包ＴＰを撮影した撮影画像）を取得することが好ましい。

メモリ２８は、学習データを記憶する記憶部分であり、例えば、ハードディスク装置、フラッシュメモリ等の不揮発性メモリである。

ＣＰＵ２４は、ＲＡＭ２６を作業領域とし、ＲＯＭ２７又はメモリ２８に記憶された学習データ作成プログラムを含む各種のプログラムを使用し、プログラムを実行することで本装置の各種の処理を実行する。

操作部２５は、キーボード、ポインティングデバイス（マウス等）を含み、ユーザの操作により各種の情報や指示を入力する部分である。

表示部２９は、操作部２５での操作に必要な画面を表示し、ＧＵＩ（Graphical User Interface）を実現する部分として機能し、また、撮影画像等を表示することができる。

［学習データ作成装置の実施形態］
図１１は、本発明に係る学習データ作成装置の実施形態を示すブロック図である。

図１１に示す学習データ作成装置１は、図６に示した学習データ作成装置１のハードウェア構成により実行される機能を示す機能ブロック図であり、プロセッサ２とメモリ２８とを備えている。

プロセッサ２は、図６に示した画像取得部２２、ＣＰＵ２４、ＲＡＭ２６、ＲＯＭ２７、及びメモリ２８等から構成され、以下に示す各種の処理を行う。

プロセッサ２は、取得部２０、学習用画像生成部３０、正解データ生成部３２、及び記憶制御部３４として機能する。

取得部２０は、画像取得部２２及び第１領域情報取得部２３を備えている。

画像取得部２２は、前述したように撮影装置１０から薬剤Ｔを撮影した撮影画像ＩＴＰを取得する（撮影画像の取得処理を行う）。

第１領域情報取得部２３は、画像取得部２２が取得した撮影画像ＩＴＰ内の薬剤の領域を示す情報（第１領域情報）を取得する。この第１領域情報は、撮影画像を学習モデルの機械学習用の入力画像とした場合、学習モデルが推論する推論結果に対する正解データである。尚、正解データである第１領域情報としては、撮影画像内の薬剤の領域を示す正解画像（例えば、マスク画像）、薬剤の領域を矩形で囲むバウンディングボックス情報、及び薬剤の領域のエッジを示すエッジ情報の少なくとも１つを含むことが好ましい。

図１２は、画像取得部が取得する撮影画像及び第１領域情報取得部が取得する撮影画像内の薬剤の領域を示す第１領域情報の一例を示す図である。

図１２（Ａ）に示す撮影画像ＩＴＰは、リフレクタを介して薬包ＴＰを下方から照明し、カメラ１２Ａを用いて上方から薬包ＴＰ（図７参照）を撮影した画像である。この薬包ＴＰには、６個の薬剤Ｔ１～Ｔ６が一包化されている。

図１２（Ａ）に示す薬剤Ｔ１～Ｔ３は、下方からの照明光を遮光する不透明な薬剤であるため、黒く撮影されている。薬剤Ｔ４は、透明薬剤であるため、下方からの照明光が透過して白く撮影されている。薬剤Ｔ５、Ｔ６は、同一種類のカプセル剤であり、下方からの照明光の一部が漏れるため、部分的に僅かに白く撮影されている。

図１２（Ｂ）は、撮影画像ＩＴＰ内の各薬剤Ｔ１～Ｔ６の領域を示す第１領域情報であり、本例ではマスク画像ＩＭである。

マスク画像ＩＭは、例えば、撮影画像ＩＴＰを表示部２９に表示させ、表示部２９に表示された撮影画像ＩＴＰを見ながら、ユーザがマウス等のポインティングデバイスを使用して各薬剤Ｔ１～Ｔ６の領域を画素単位で塗り潰すことで作成することができる。例えば、塗り潰した各薬剤Ｔ１～Ｔ６の領域の画素値を「１」、背景の領域の画素値を「０」とすることで、２値化したマスク画像ＩＭを作成することができる。

尚、カプセル状の薬剤Ｔ５、Ｔ６は、同一種類であるが、インスタンス分離のために、両者の薬剤Ｔ５、Ｔ６の領域の画素値を異ならせてことが好ましい。例えば、薬剤Ｔ５の領域の画素値を「１」、薬剤Ｔ６の領域の画素値を「０．５」とすることができる。

上記の例では、第１領域情報であるマスク画像ＩＭは、撮影画像ＩＴＰ内の各薬剤Ｔ１～Ｔ６の領域をユーザがポインティングデバイスを使用して手動で設定することで生成される領域情報であるが、これに限らず、撮影画像内の薬剤の領域を画像処理により自動で抽出して生成したものでもよいし、撮影画像内の薬剤の領域を画像処理により自動で抽出し、かつ手動で調整することで生成されたものでもよい。

図１１に戻って、学習用画像生成部３０は、画像取得部２２から薬剤を撮影した撮影画像ＩＴＰを入力し、入力した撮影画像ＩＴＰから薬剤を任意に配置した学習用画像（Ｉ_Ａ，Ｉ_Ｂ，Ｉ_Ｃ，…）を生成する。即ち、学習用画像生成部３０は、撮影画像ＩＴＰに基づいて複数の学習用画像（Ｉ_Ａ，Ｉ_Ｂ，Ｉ_Ｃ，…）を生成する学習用画像生成処理を行う。

撮影画像ＩＴＰに撮影されている薬剤の任意の配置は、ユーザがポインディンデバイスにより薬剤画像の位置や回転を指示して行うようにしてもよいし、図４を用いて説明したように撮影画像の反転や加算等により行うようにしてもよい。また、乱数を使用してランダムに薬剤画像の位置や回転を決定して、薬剤を任意に配置してもよい。この場合、薬剤画像が重ならないようにする必要がある。

正解データ生成部３２は、第１領域情報取得部２３から第１領域情報であるマスク画像ＩＭを入力し、入力したマスク画像ＩＭから複数の学習用画像（Ｉ_Ａ，Ｉ_Ｂ，Ｉ_Ｃ，…）に対応する複数の正解データ（Ｉ_ａ，Ｉ_ｂ，Ｉ_ｃ，…）を生成する。即ち、正解データ生成部３２は、マスク画像ＩＭに基づいて複数の学習用画像（Ｉ_Ａ，Ｉ_Ｂ，Ｉ_Ｃ，…）における薬剤の領域を示す第２領域情報を生成し、生成した第２領域情報を複数の学習用画像（Ｉ_Ａ，Ｉ_Ｂ，Ｉ_Ｃ，…）にそれぞれ対する複数の正解データ（Ｉ_ａ，Ｉ_ｂ，Ｉ_ｃ，…）とする正解データ生成処理を行う。

尚、複数の学習用画像（Ｉ_Ａ，Ｉ_Ｂ，Ｉ_Ｃ，…）、及び複数の正解データ（Ｉ_ａ，Ｉ_ｂ，Ｉ_ｃ，…）の生成は、シミュレーションにより学習データを作成する第１実施形態、及び第２実施形態で説明したように、薬剤を撮影した撮影画像と、その撮影画像内の薬剤の領域を示す第１領域情報（例えば、マスク画像）とを使用し、撮影画像及びマスク画像をそれぞれ同期して反転、平行移動、回転、又は拡縮等を行い、あるいは撮影画像及びマスク画像から切り出した薬剤画像及び薬剤マスク画像を平行移動、回転、又は拡縮して貼り付けることで生成することができる。

記憶制御部３４は、学習用画像生成部３０により生成される学習用画像（Ｉ_Ａ，Ｉ_Ｂ，Ｉ_Ｃ，…）と、正解データ生成部３２により生成される正解データ（Ｉ_ａ，Ｉ_ｂ，Ｉ_ｃ，…）とを入力し、それぞれ対応するペア（学習用画像Ｉ_Ａと正解データＩ_ａ，学習用画像Ｉ_Ｂと正解データＩ_ｂ，学習用画像Ｉ_Ｃと正解データＩ_ｃ，…、）からなる学習データをメモリ２８に記憶させる。

これにより、メモリ２８には、多くの学習データが記憶、蓄積される。尚、図６には図示されていないが、学習用画像生成部３０及び正解データ生成部３２にそれぞれ入力される撮影画像ＩＴＰとマスク画像ＩＭのペアも学習データとしてメモリ２８に記憶させることが好ましい。

図１３は、図１２に示した撮影画像及びマスク画像から生成した学習データの一例を示す図である。

図１３（Ａ）は、学習用画像Ｉ_Ａと正解データ（マスク画像）Ｉ_ａとのペアからなる学習データを示し、図１３（Ｂ）は、学習用画像Ｉ_Ｂとマスク画像Ｉ_ｂとのペアからなる学習データを示す。

図１３（Ａ）に示す学習用画像Ｉ_Ａでは、カプセル状の薬剤Ｔ５，Ｔ６が線で接触し、薬剤Ｔ２，Ｔ３，Ｔ４が互いに点で接触している。この学習用画像Ｉ_Ａに対応するマスク画像Ｉ_ａは、同一の薬剤である薬剤Ｔ５，Ｔ６の領域の画素値を異ならせることで、薬剤Ｔ５，Ｔ６の領域のインスタンス分離を可能にし、かつ線で接している薬剤Ｔ５，Ｔ６の境界も区別可能にしている。

また、マスク画像Ｉ_ａは、薬剤Ｔ２，Ｔ３，Ｔ４の互いに点で接触している箇所を、背景の画素値と同一とすることで、各薬剤Ｔ２，Ｔ３，Ｔ４が互いに接触しないようにし、各薬剤Ｔ２，Ｔ３，Ｔ４の領域が明確になるようにしている。

また、図１３（Ｂ）に示す学習用画像Ｉ_Ｂでは、カプセル状の薬剤Ｔ５，Ｔ６が線で接触し、薬剤Ｔ６と薬剤Ｔ３が点で接触している。この学習用画像Ｉ_Ｂに対応するマスク画像Ｉ_ｂは、同一の薬剤である薬剤Ｔ５，Ｔ６の領域の画素値を異ならせる（例えば、薬剤Ｔ６の領域の画素値を「０．５」とする）ことで、薬剤Ｔ５，Ｔ６の領域のインスタンス分離を可能にし、かつ線で接している薬剤Ｔ５，Ｔ６の境界、及び点で接している薬剤Ｔ６と薬剤Ｔ３の境界を区別可能にしている。

図１３に示した学習データは一例であり、各薬剤Ｔ１～Ｔ６を示す薬剤画像をそれぞれ任意に平行移動及び回転等を組み合わせて配置し、各薬剤Ｔ１～Ｔ６の領域を示す薬剤マスク画像を同様に配置することで、多くの学習データを作成することができる。

この場合、複数の薬剤画像の一部又は全部が点又は線で接触するように配置して学習データを生成することが好ましい。このような学習データにより機械学習された学習済み学習モデルが、点又は線で接触する薬剤を撮影した撮影画像を入力画像とする場合に、各薬剤の領域を正しく推論するためである。

また、図１２（Ａ）に示した撮影画像ＩＴＰのように透明な薬剤Ｔ４が撮影されている場合、下方からの照明光が透過して白く撮影されるが、薬剤Ｔ４の位置や角度により照明光の透過状況が変化する。即ち、透明な薬剤Ｔ４の薬剤画像は、撮影領域における透明な薬剤Ｔ４の位置や角度により輝度分布等が異なる画像になる。

したがって、透明な薬剤を含む複数の薬剤を撮影した撮影画像から、薬剤を任意に配置して学習用画像を生成する場合、透明な薬剤は移動させずに透明な薬剤以外の薬剤を任意に配置して学習用画像を生成することが好ましい。

また、本例では、正解データとしてマスク画像を生成するようにしたが、薬剤画像の領域のエッジを示す薬剤画像毎のエッジ情報（エッジ画像）とすることができる。また、薬剤同士が点又は線で接触している場合には、点又は線で接触する箇所を背景色で置換し、薬剤毎のエッジ画像を離間させることが好ましい。

更に、薬剤同士が点又は線で接触する場合には、点又は線で接触する箇所のみを示すエッジ画像を、正解データとして生成してもよい。

図１４は、複数の薬剤の点又は線で接触する箇所のみを示すエッジ画像の一例を示す図である。

図１４に示すエッジ画像ＩＥは、複数の薬剤Ｔ１～Ｔ６のうちの２以上の薬剤が点又は線で接触する箇所Ｅ１、Ｅ２のみを示す画像であり、図１４上で、実線で示した画像である。尚、図１４上で、点線で示した領域は、複数の薬剤Ｔ１～Ｔ６が存在する領域を示す。

線で接触する箇所Ｅ１のエッジ画像は、カプセル状の薬剤Ｔ５とＴ６とが線で接触している箇所の画像であり、点で接触する箇所Ｅ２のエッジ画像は、３つの薬剤Ｔ２～Ｔ４が互いに点で接触している箇所の画像である。

学習用画像における各薬剤画像の配置は既知であるため、複数の薬剤のうちの２以上の薬剤が点又は線で接触する箇所も既知である。したがって、図１１に示した正解データ生成部３２は、学習用画像生成部３０により生成される学習用画像に対して、点又は線で接触する箇所のみを示すエッジ画像（正解データ）を自動的に作成することができる。

図１４に示したエッジ画像ＩＥは、図１３（Ａ）に示した学習用画像Ｉ_Ａに対応する正解データとすることができる。即ち、図１３（Ａ）に示した学習用画像Ｉ_Ａと図１４に示したエッジ画像ＩＥとのペアからなる学習データとするができる。

このような学習データは、点又は線で接触する薬剤を撮影した薬剤画像を入力画像とし、その点又は線で接触する箇所のみのエッジ画像を推論結果として出力する学習モデルを機械学習させる場合に使用することができる。

また、点又は線で接触する箇所のみのエッジ画像（推論結果）は、例えば、点又は線で接触する複数の薬剤を撮影した薬剤画像と、その点又は線で接触する箇所のみのエッジ画像とを入力画像（マルチチャンネルの入力画像）とし、複数の薬剤の領域を推論する学習モデルに使用することができる。この学習モデルによれば、入力画像に加えて、点又は線で接触する箇所の情報を入力するため、各薬剤の領域をより正確に推論することができる。

［機械学習装置］
図１５は、本発明に係る機械学習装置の実施形態を示すブロック図である。

図１５に示す機械学習装置５０は、学習モデル（学習モデルの一つである畳み込みニューラルネットワーク（ＣＮＮ：Convolution Neural Network））５２と、損失値算出部５４と、パラメータ制御部５６とから構成される。

この機械学習装置５０は、図１１に示した学習データ作成装置１により作成され、メモリ２８に記憶された学習データを使用し、ＣＮＮ５２を機械学習させる。

ＣＮＮ５２は、薬剤を撮影した撮影画像を入力画像とするとき、その入力画像に写っている薬剤の領域を推論する部分であり、複数のレイヤ構造を有し、複数の重みパラメータを保持している。重みパラメータは、畳み込み層での畳み込み演算に使用されるカーネルと呼ばれるフィルタのフィルタ係数などである。

ＣＮＮ５２は、重みパラメータが初期値から最適値に更新されることで、未学習の学習モデルから学習済みの学習モデルに変化しうる。

このＣＮＮ５２は、入力層５２Ａと、畳み込み層とプーリング層から構成された複数セットを有する中間層５２Ｂと、出力層５２Ｃとを備え、各層は複数の「ノード」が「エッジ」で結ばれる構造となっている。

入力層５２Ａには、学習対象である学習用画像が入力画像として入力される。学習用画像は、メモリ２８に記憶されている学習データ（学習用画像と正解データとのペアからなる学習データ）における学習用画像である。

中間層５２Ｂは、畳み込み層とプーリング層とを１セットとする複数セットを有し、入力層５２Ａから入力した画像から特徴を抽出する部分である。畳み込み層は、前の層で近くにあるノードにフィルタ処理し（フィルタを使用した畳み込み演算を行い）、「特徴マップ」を取得する。プーリング層は、畳み込み層から出力された特徴マップを縮小して新たな特徴マップとする。「畳み込み層」は、画像からのエッジ抽出等の特徴抽出の役割を担い、「プーリング層」は抽出された特徴が、平行移動などによる影響を受けないようにロバスト性を与える役割を担う。

尚、中間層５２Ｂには、畳み込み層とプーリング層とを１セットとする場合に限らず、畳み込み層が連続する場合や活性化関数による活性化プロセス、正規化層も含まれ得る。

出力層５２Ｃは、中間層５２Ｂにより抽出された特徴を示す特徴マップを出力する部分である。また、出力層５２Ｃは、学習済みＣＮＮ５２では、例えば、入力画像に写っている薬剤領域等をピクセル単位、もしくはいくつかのピクセルを一塊にした単位で領域分類（セグメンテーション）した推論結果を出力する。

学習前のＣＮＮ５２の各畳み込み層に適用されるフィルタの係数やオフセット値は、任意の初期値がセットされる。

学習制御部として機能する損失値算出部５４及びパラメータ制御部５６のうちの損失値算出部５４は、ＣＮＮ５２の出力層５２Ｃから出力される特徴マップと、入力画像（学習用画像）に対する正解データであるマスク画像（メモリ２８から学習湯尾画像に対応して読み出されるマスク画像）とを比較し、両者間の誤差（損失関数の値である損失値）を計算する。損失値の計算方法は、例えばソフトマックスクロスエントロピー、シグモイドなどが考えられる。

パラメータ制御部５６は、損失値算出部５４により算出された損失値を元に、誤差逆伝播法によりＣＮＮ５２の重みパラメータを調整する。誤差逆伝播法では、誤差を最終レイヤから順に逆伝播させ、各レイヤにおいて確率的勾配降下法を行い、誤差が収束するまでパラメータの更新を繰り返す。

この重みパラメータの調整処理を繰り返し行い、ＣＮＮ５２の出力と正解データであるマスク画像との差が小さくなるまで繰り返し学習を行う。

機械学習装置５０は、メモリ２８に記憶された学習データを使用した機械学習を繰り返すことで、ＣＮＮ５２が学習済みモデルとなる。学習済みのＣＮＮ５２は、未知の入力画像（薬剤を撮影した撮影画像）を入力すると、撮影画像内の薬剤の領域を示すマスク画像等の推論結果を出力する。

尚、ＣＮＮ５２としては、Ｒ－ＣＮＮ（Regions with Convolutional Neural Networks)を適用することができる。Ｒ－ＣＮＮでは、撮影画像ＩＴＰ内において、大きさを変えたバウンディングボックスをスライドさせ、薬剤が入るバウンディングボックスの領域を検出する。そして、バウンディングボックスの中の画像部分だけを評価（ＣＮＮ特徴量を抽出）することで、薬剤のエッジを検出する。また、Ｒ－ＣＮＮに代えて、Ｆａｓｔ Ｒ-ＣＮＮ、Ｆａｓｔｅｒ Ｒ－ＣＮＮ、Ｍａｓｋ Ｒ－ＣＮＮ等を使用することができる。

このようにして構成される学習済モデルの推論結果は、例えば、複数の薬剤が一包化された薬包を撮影した撮影画像から、各薬剤の画像を切り出す場合に使用することができる。尚、切り出された各薬剤の画像は、薬包に入っている各薬剤の監査・鑑別を行う場合に使用される。

ところで、メモリ２８には、前述したように薬剤を撮影した撮影画像とその撮影画像内の薬剤の領域を示す正解データとに基づいて、シミュレーションにより作成した多くの学習データが記憶されるが、撮影画像は、自薬局が取り扱っている薬剤を撮影した画像であることが好ましい。自薬局が取り扱っている薬剤を撮影した撮影画像を使用して学習データを作成し、その学習データを使用して学習モデルを構成することで、自薬局で取り扱っている薬剤の監査・鑑別を行う場合に、その学習モデルを有効に使用できるからである。

［学習データ作成方法］
図１６は、本発明に係る学習データ作成方法の実施形態を示すフローチャートである。

図１６に示す各ステップの処理は、例えば、図１１に示した学習データ作成装置１のプロセッサ２により行われる。

図１６において、画像取得部２２は、撮影装置１０から薬剤を撮影した撮影画像ＩＴＰ（例えば、図１２（Ａ）に示す撮影画像ＩＴＰ）を取得する（ステップＳ１０）。尚、図１２（Ａ）に示した撮影画像ＩＴＰは、リフレクタを介して薬包を下から照明し、薬包の上方から薬包を撮影した画像であるが、薬剤を撮影した撮影画像は上記のようにして撮影したものに限らない。また、撮影される薬剤は、薬包に入っていないものでもよいし、薬剤の個数は１個でもよい。

また、第１領域情報取得部２３は、画像取得部２２が取得する撮影画像内の薬剤の領域を示す第１領域情報としてマスク画像ＩＭ（例えば、図１２（Ｂ）に示すマスク画像ＩＭ）を取得する（ステップＳ１２）。尚、マスク画像ＩＭは、撮影画像ＩＴＰに基づいて手動又は自動で生成され、メモリ２８等に記憶されたものである。

続いて、学習用画像生成部３０は、ステップＳ１０で取得する撮影画像ＩＴＰから薬剤Ｔ１～Ｔ６を任意に配置した学習用画像を生成する（ステップＳ１４）。学習用画像の生成は、各薬剤を示す薬剤画像を平行移動、反転、回転、又は拡縮させる画像処理により行うことができる。

また、正解データ生成部３２は、ステップＳ１２で取得したマスク画像ＩＭに基づいて、ステップＳ１４で生成された学習用画像に対応する正解データ（マスク画像）を生成する（ステップＳ１６）。即ち、ステップＳ１６では、マスク画像ＩＭにおける各薬剤の領域を学習用画像における各薬剤と同様に配置し、その配置した各薬剤の領域を示す第２領域情報を生成し、生成した第２領域情報を学習用画像に対する正解データ（マスク画像）とする画像処理を行う。

記憶制御部３４は、ステップＳ１４で生成した学習用画像とステップＳ１６で生成したマスク画像とのペアを学習データとしてメモリ２８に記憶させる（ステップＳ１８）。図１３（Ａ）及び図１３（Ｂ）は、上記のようにして生成され、メモリ２８に記憶される学習用画像とマスク画像のペアからなる学習データの一例を示す。

続いて、プロセッサ２は、学習データの生成を終了するか否かを判別する（ステップＳ２０）。例えば、ユーザからの学習データの生成終了の指示入力があった場合や、１つの撮影画像ＩＴＰとマスク画像のペアから、予め設定された規定数の学習データの作成が終了した場合を学習データの生成終了と判別することができる。

学習データの生成を終了していないと判別されると（「No」の場合）、ステップＳ１４、ステップＳ１６に戻り、ステップＳ１４～ステップＳ２０により次の学習データを作成する。

学習データの生成を終了すると判別されると（「Yes」の場合）、ステップＳ１０、ステップＳ１２で取得した撮影画像ＩＴＰ，マスク画像ＩＭに基づく学習データの作成を終了させる。

尚、ステップＳ１０、ステップＳ１２において、別の撮影画像ＩＴＰ，マスク画像ＩＭが取得される場合には、その撮影画像ＩＴＰ，マスク画像ＩＭに基づく複数の学習データの作成が行われることは言うまでもない。

［その他］
本発明に係る学習データ作成装置の、例えば、ＣＰＵ２４等の各種の処理を実行する処理部（processing unit）のハードウェア的な構造は、次に示すような各種のプロセッサ（processor）である。各種のプロセッサには、ソフトウェア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵ（Central Processing Unit）、ＦＰＧＡ（Field Programmable Gate Array）などの製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device：ＰＬＤ）、ＡＳＩＣ（Application Specific Integrated Circuit）などの特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路などが含まれる。

１つの処理部は、これら各種のプロセッサのうちの１つで構成されていてもよいし、同種または異種の２つ以上のプロセッサ（例えば、複数のＦＰＧＡ、あるいはＣＰＵとＦＰＧＡの組み合わせ）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアントやサーバなどのコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアの組合せで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System On Chip：ＳｏＣ）などに代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサを１つ以上用いて構成される。

これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子などの回路素子を組み合わせた電気回路（circuitry）である。

また、本発明は、コンピュータにインストールされることにより、本発明に係る学習データ作成装置として各種の機能を実現させる学習データ作成プログラム、及びこの学習データ作成プログラムが記録された記録媒体を含む。

更に、本発明は上述した実施形態に限定されず、本発明の精神を逸脱しない範囲で種々の変形が可能であることは言うまでもない。

１ 学習データ作成装置
２ プロセッサ
１０ 撮影装置
１２Ａ、１２Ｂ カメラ
１３ 撮影制御部
１４ ステージ
１６Ａ、１６Ｂ 照明装置
１６Ａ１～１６Ａ４，１６Ｂ１～１６Ｂ４ 発光部
２０ 取得部
２２ 画像取得部
２３ 第１領域情報取得部
２４ ＣＰＵ
２５ 操作部
２６ ＲＡＭ
２７ ＲＯＭ
２８ メモリ
２９ 表示部
３０ 学習用画像生成部
３２ 正解データ生成部
３４ 記憶制御部
５０ 機械学習装置
５２ 学習モデル（ＣＮＮ）
５２Ａ 入力層
５２Ｂ 中間層
５２Ｃ 出力層
５４ 損失値算出部
５６ パラメータ制御部
Ｉ_Ａ、Ｉ_Ｂ、Ｉ_Ｃ 学習用画像
ＩＥ エッジ画像
ＩＭ、Ｉ_ａ、Ｉ_ｂ、Ｉ_ｃ マスク画像（正解データ）
ＩＴＰ 撮影画像
Ｉ_tpl テンプレート画像
Ｓ１０～Ｓ２０ ステップ
Ｔ、Ｔ１～Ｔ６ 薬剤
ＴＰ 薬包

Claims (18)

1. プロセッサと、メモリとを備え、前記プロセッサが機械学習用の学習データを作成する学習データ作成装置であって、
   前記プロセッサは、
   薬剤が撮影された撮影画像を取得する取得処理と、
   前記取得した前記撮影画像から前記薬剤を任意に配置した学習用画像を生成する学習用画像生成処理と、
   前記生成した学習用画像における前記薬剤の領域に対応する第２領域情報を生成し、前記生成した前記第２領域情報を前記学習用画像に対する正解データとする正解データ生成処理と、
   前記生成した学習用画像と前記正解データとのペアを、学習データとして前記メモリに記憶させる記憶制御と、を行い、
   前記学習用画像生成処理は、複数の薬剤を含む前記学習用画像を生成する際に、前記複数の薬剤の全部又は一部が点又は線で接触する前記学習用画像を生成し、
   前記正解データは、前記複数の薬剤の前記点又は線で接触する箇所のみを示すエッジ画像を含む、
   学習データ作成装置。
2. プロセッサと、メモリとを備え、前記プロセッサが機械学習用の学習データを作成する学習データ作成装置であって、
   前記プロセッサは、
   薬剤が撮影された撮影画像を取得する取得処理と、
   前記取得した前記撮影画像から前記薬剤を任意に配置した学習用画像を生成する学習用画像生成処理と、
   前記生成した学習用画像における前記薬剤の領域に対応する第２領域情報を生成し、前記生成した前記第２領域情報を前記学習用画像に対する正解データとする正解データ生成処理と、
   前記生成した学習用画像と前記正解データとのペアを、学習データとして前記メモリに記憶させる記憶制御と、を行い、
   前記学習用画像生成処理は、複数の薬剤を含む前記学習用画像を生成する際に、前記複数の薬剤の全部又は一部が点又は線で接触する前記学習用画像を生成し、
   前記正解データは、前記薬剤の領域に対応するマスク画像又は前記薬剤の領域のエッジを示すエッジ画像であり、前記点又は線で接触する箇所は背景色に置換される、
   学習データ作成装置。
3. プロセッサと、メモリとを備え、前記プロセッサが機械学習用の学習データを作成する学習データ作成装置であって、
   前記プロセッサは、
   薬剤が撮影された撮影画像を取得する取得処理と、
   前記取得した前記撮影画像から前記薬剤を任意に配置した学習用画像を生成する学習用画像生成処理と、
   前記生成した学習用画像における前記薬剤の領域に対応する第２領域情報を生成し、前記生成した前記第２領域情報を前記学習用画像に対する正解データとする正解データ生成処理と、
   前記生成した学習用画像と前記正解データとのペアを、学習データとして前記メモリに記憶させる記憶制御と、を行い、
   前記学習用画像生成処理は、複数の薬剤を含む前記学習用画像を生成する際に、前記複数の薬剤の全部又は一部が点又は線で接触する前記学習用画像を生成し、
   前記正解データは、前記薬剤の領域に対応するマスク画像であり、前記点又は線で接触する前記複数の薬剤に対応する前記マスク画像は画素値が異なる、
   学習データ作成装置。
4. プロセッサと、メモリとを備え、前記プロセッサが機械学習用の学習データを作成する学習データ作成装置であって、
   前記プロセッサは、
   薬剤が撮影された撮影画像を取得する取得処理と、
   前記取得した前記撮影画像から前記薬剤を任意に配置した学習用画像を生成する学習用画像生成処理と、
   前記生成した学習用画像における前記薬剤の領域に対応する第２領域情報を生成し、前記生成した前記第２領域情報を前記学習用画像に対する正解データとする正解データ生成処理と、
   前記生成した学習用画像と前記正解データとのペアを、学習データとして前記メモリに記憶させる記憶制御と、を行い、
   前記薬剤は、少なくとも一部が透明な薬剤であり、
   前記プロセッサによる前記学習用画像生成処理は、複数の薬剤を含む前記学習用画像を生成する際に、前記透明な薬剤以外の薬剤を任意に配置する、
   学習データ作成装置。
5. 前記プロセッサの前記取得処理は、前記取得した前記撮影画像内の薬剤の領域に対応する第１領域情報を取得し、
   前記正解データ生成処理は、前記取得した前記第１領域情報に基づいて前記第２領域情報を生成する、
   請求項１から４のいずれか１項に記載の学習データ作成装置。
6. 前記プロセッサの前記取得処理は、複数の薬剤が撮影された前記撮影画像、又は薬剤が撮影された複数の前記撮影画像を取得し、複数の薬剤の領域に対応する複数の前記第１領域情報を取得する、
   請求項５に記載の学習データ作成装置。
7. 前記第１領域情報は、前記撮影画像内の薬剤の領域を手動で設定された領域情報、前記撮影画像内の薬剤の領域を画像処理により自動で抽出した領域情報、又は前記撮影画像内の薬剤の領域を画像処理により自動で抽出し、かつ手動で調整された領域情報である、
   請求項５又は６に記載の学習データ作成装置。
8. 前記学習用画像生成処理は、前記撮影画像を平行移動、反転、回転、又は拡縮させて前記学習用画像を生成し、
   前記正解データ生成処理は、前記第１領域情報を前記撮影画像に対応して平行移動、反転、回転、又は拡縮させて前記正解データを生成する、
   請求項５又は６に記載の学習データ作成装置。
9. 前記学習用画像生成処理は、前記撮影画像を平行移動、反転、回転、又は拡縮させた２以上の画像を合成して前記学習用画像を生成し、
   前記正解データ生成処理は、前記２以上の画像の各々に対応する前記第１領域情報を前記撮影画像に対応して平行移動、反転、回転、又は拡縮させて前記正解データを生成する、
   請求項５又は６に記載の学習データ作成装置。
10. 前記プロセッサは、前記取得した前記第１領域情報に基づいて前記撮影画像から前記薬剤の領域を切り出した薬剤画像を取得する薬剤画像取得処理を含み、
    前記学習用画像生成処理は、前記取得した薬剤画像を平行移動、反転、回転、又は拡縮させて前記学習用画像を生成し、
    前記正解データ生成処理は、前記第１領域情報を前記薬剤画像に対応して平行移動、反転、回転、又は拡縮させて前記正解データを生成する、
    請求項５又は６に記載の学習データ作成装置。
11. 前記プロセッサは、前記取得した前記第１領域情報に基づいて前記撮影画像から前記薬剤の領域を切り出した薬剤画像を取得する薬剤画像取得処理を含み、
    前記学習用画像生成処理は、前記取得した薬剤画像を平行移動、反転、回転、又は拡縮させた２以上の画像を合成して前記学習用画像を生成し、
    前記正解データ生成処理は、前記第１領域情報を前記薬剤画像に対応して平行移動、反転、回転、又は拡縮させた２以上の前記第２領域情報を合成して前記正解データを生成する、
    請求項５、６及び１０のいずれか１項に記載の学習データ作成装置。
12. 前記撮影画像は、自薬局が取り扱っている薬剤を撮影した画像である、
    請求項１から１１のいずれか１項に記載の学習データ作成装置。
13. プロセッサが、以下の各ステップの処理を行うことにより機械学習用の学習データを作成する学習データ作成方法であって、
    薬剤が撮影された撮影画像を取得するステップと、
    前記取得した前記撮影画像から前記薬剤を任意に配置した学習用画像を生成するステップと、
    前記生成した学習用画像における前記薬剤の領域に対応する第２領域情報を生成し、前記生成した前記第２領域情報を前記学習用画像に対する正解データとするステップと、
    前記生成した学習用画像と前記正解データとのペアを、学習データとしてメモリに記憶させるステップと、を含み、
    前記学習用画像を生成するステップは、複数の薬剤を配置する際に、前記複数の薬剤の全部又は一部を点又は線で接触させ、
    前記正解データは、前記複数の薬剤の前記点又は線で接触する箇所のみを示すエッジ画像を含む、
    学習データ作成方法。
14. プロセッサが、以下の各ステップの処理を行うことにより機械学習用の学習データを作成する学習データ作成方法であって、
    薬剤が撮影された撮影画像を取得するステップと、
    前記取得した前記撮影画像から前記薬剤を任意に配置した学習用画像を生成するステップと、
    前記生成した学習用画像における前記薬剤の領域に対応する第２領域情報を生成し、前記生成した前記第２領域情報を前記学習用画像に対する正解データとするステップと、
    前記生成した学習用画像と前記正解データとのペアを、学習データとしてメモリに記憶させるステップと、を含み、
    前記学習用画像を生成するステップは、複数の薬剤を配置する際に、前記複数の薬剤の全部又は一部を点又は線で接触させ、
    前記正解データは、前記薬剤の領域に対応するマスク画像又は前記薬剤の領域のエッジを示すエッジ画像であり、前記点又は線で接触する箇所は背景色に置換される、
    学習データ作成方法。
15. プロセッサが、以下の各ステップの処理を行うことにより機械学習用の学習データを作成する学習データ作成方法であって、
    薬剤が撮影された撮影画像を取得するステップと、
    前記取得した前記撮影画像から前記薬剤を任意に配置した学習用画像を生成するステップと、
    前記生成した学習用画像における前記薬剤の領域に対応する第２領域情報を生成し、前記生成した前記第２領域情報を前記学習用画像に対する正解データとするステップと、
    前記生成した学習用画像と前記正解データとのペアを、学習データとしてメモリに記憶させるステップと、を含み、
    前記学習用画像を生成するステップは、複数の薬剤を配置する際に、前記複数の薬剤の全部又は一部を点又は線で接触させ、
    前記正解データは、前記薬剤の領域に対応するマスク画像であり、前記点又は線で接触する前記複数の薬剤に対応する前記マスク画像は画素値が異なる、
    学習データ作成方法。
16. プロセッサが、以下の各ステップの処理を行うことにより機械学習用の学習データを作成する学習データ作成方法であって、
    薬剤が撮影された撮影画像を取得するステップと、
    前記取得した前記撮影画像から前記薬剤を任意に配置した学習用画像を生成するステップと、
    前記生成した学習用画像における前記薬剤の領域に対応する第２領域情報を生成し、前記生成した前記第２領域情報を前記学習用画像に対する正解データとするステップと、
    前記生成した学習用画像と前記正解データとのペアを、学習データとしてメモリに記憶させるステップと、を含み、
    前記学習用画像を生成するステップは、複数の薬剤を配置する際に、前記複数の薬剤の全部又は一部を点又は線で接触させ、
    前記薬剤は、少なくとも一部が透明な薬剤であり、
    前記学習用画像を生成するステップは、複数の薬剤を含む学習用画像を生成する際に、前記透明な薬剤以外の薬剤を任意に配置する、
    学習データ作成方法。
17. 薬剤が撮影された撮影画像を取得する機能と、
    前記取得した前記撮影画像から前記薬剤を任意に配置した学習用画像を生成する機能であって、複数の薬剤を含む前記学習用画像を生成する際に、前記複数の薬剤の全部又は一部が点又は線で接触する前記学習用画像を生成する機能と、
    前記生成した学習用画像における前記薬剤の領域に対応する第２領域情報を生成し、前記生成した前記第２領域情報を前記学習用画像に対する正解データとする機能と、
    前記生成した学習用画像と前記正解データとのペアを、学習データとしてメモリに記憶させる機能と、をコンピュータにより実現させ、
    前記正解データは、前記複数の薬剤の前記点又は線で接触する箇所のみを示すエッジ画像を含む、
    学習データ作成プログラム。
18. 非一時的かつコンピュータ読取可能な記録媒体であって、請求項１７に記載のプログラムが記録された記録媒体。

Images