JP2020103885A - 種類判別装置 - Google Patents

Abstract

【課題】薬剤の撮像によって得られる画像の変化に対応できるようにする。【解決手段】コンピュータ（６０）は、撮像画像（８２）から生成された対象色データとマスタ色データとを照合し、該照合の結果に基づいて対象薬剤の種類を判別する判別部（６４）と、判別部（６４）が対象薬剤の種類を正しく判別したときに使用された判別成功色データ（８３）を新たなマスタ色データとするマスタ更新部（７１）と、を備える。【選択図】図１

Description

本発明は、薬剤の種類を自動で判別する種類判別装置等に関する。

従来、返品された複数種類の薬剤は、薬剤師または医師の手により種類毎に仕分けられていた。返品される薬剤は、様々な患者に処方される、または処方された調剤後の薬剤である。そのため、１患者単位の処方箋情報に基づいて、調剤機器等に予め薬種単位でまとめられた薬種群（薬剤カセット）から、一服用時期単位毎に、（１種または複数種の）薬剤（錠剤）を取りまとめる（分包する）調剤業務に比べて、複数の患者に処方された薬剤がまとめて返品される薬剤の種類は非常に多い。そのため、返品された薬剤を自動的に仕分けて、再利用することの有用性は高い。なお、一服用時期用に調剤される薬剤は、一般に２〜３種類程度であり、多くても１０種類程度である。

なお、仕分け業務にかかる時間、手間、または仕分け間違い（薬剤カセットへの戻し間違い）による誤投与のリスクを避けるため、返品された薬剤を、そのまま廃棄する薬局または病院（正確には院内薬剤部）も存在している。

特許文献１には、返品されたアンプルまたはバイアルを自動的に認識して格納する薬剤仕分装置が開示されている。この薬剤仕分装置は、アンプルまたはバイアルの向き及び姿勢と、アンプルまたはバイアルの性状（例：形状、大きさ、種類及び使用期限）とを認識する。そして、認識されたアンプルまたはバイアルの大きさに応じて格納時に個々のアンプルまたはバイアルに設定される格納領域と、個々のアンプルまたはバイアルの識別情報とを関連付けて、アンプルまたはバイアルを個別に配置し、それによって個別のアンプルまたはバイアルを取り出し可能に格納する。

国際公開第2015/170761号（2015年11月12日公開）

特許文献１での返品対象は、アンプルまたはバイアルであり、錠剤またはカプセル等の、容器等に収容されていない薬剤、または包装等が施されていない薬剤自体ではない。そのため、特許文献１では、このような薬剤（例：錠剤またはカプセル）そのものを識別し、自動的に仕分けることについてまでは想定されていない。薬剤の自動仕分けを行う薬剤仕分装置を実現しようとした場合、予め種類が既知の薬剤について、その外観の特徴を示すマスタデータを作成して記憶しておき、そのマスタデータを用いて仕分け対象の薬剤の種類の判別を行うことが考えられる。なお、マスタデータとの照合に用いる、仕分け対象の薬剤の外観の特徴は、該薬剤を撮像した画像を解析することで特定すればよい。

しかしながら、同じ薬剤を撮像した場合であっても、撮像装置や撮像環境が変われば、得られる画像に差異が生じ得る。また、撮像装置や撮像環境を同じにしたとしても、装置（撮像装置のみならず照明装置等の周辺装置も含む）の経時劣化により、得られる画像に差異が生じ得る。つまり、撮像によって得られる画像は、マスタデータの作成時に想定していたものから変化する可能性があり、このような変化が生じた場合、種類の判別に要する時間が増加する等の支障が生じる可能性がある。

本発明の一態様は、薬剤を撮像した画像とマスタデータとを用いた薬剤の種類の判別において、撮像によって得られる画像が、マスタデータの作成時に想定していたものから変化した場合であっても、適切に種類の判別を行うことができる種類判別装置等を実現することを目的とする。

上記の課題を解決するために、本発明の一態様に係る種類判別装置は、薬剤の照合用のマスタデータを用いて、種類不明の対象薬剤を撮像した撮像画像から、前記対象薬剤の種類を判別する種類判別装置であって、前記マスタデータには、薬剤の色を示すマスタ色データが含まれており、前記撮像画像から生成された、前記対象薬剤の外観の特徴を示す情報と、前記マスタデータとを照合し、該照合の結果に基づいて前記対象薬剤の種類を判別する判別部と、前記判別部が前記対象薬剤の種類の判別に成功したときに、当該判別に使用された、前記対象薬剤の色を示す判別成功色データを、新たな前記マスタ色データとするマスタ更新部と、を備える。

本発明の一態様によれば、判別成功色データを新たなマスタ色データとするので、対象薬剤の撮像によって得られる画像が、マスタデータの作成時に想定していたものから変化した場合であっても、適切に種類の判別を行うことができる。なお、「適切に」とは、必ずしも種類の判別精度が高いことを意味しない。例えば、適正な時間で種類の判別ができることも「適切に」の範疇に含まれる。

薬剤仕分装置の全体構成を示すブロック図である。 薬剤仕分装置の構成例を示す図であり、（ａ）は薬剤仕分装置の斜視図であり、（ｂ）は、薬剤仕分領域の基本構成を示す斜視図である。 （ａ）および（ｂ）は、撮像ユニットの全体構成を示す斜視図であり、（ｃ）は、薬剤載置台の一例を示す斜視図である。 （ａ）および（ｂ）は、撮像ユニットの旋回について説明するための図である。 薬剤データベースの更新方法を説明する図である。 色スコアの算出式における重みの更新方法を説明する図である。 判別成功色データを記憶する処理の一例を示すフローチャートである。 薬剤データベースを更新する処理の一例を示すフローチャートである。 色スコアの算出式における重みを更新する処理の一例を示すフローチャートである。 本発明の実施形態２に係る薬剤仕分装置が備える制御部の要部構成の一例を示すブロック図である。 情報処理装置の要部構成の一例を示すブロック図である。 判定領域の設定例を示す図である。 閾値が相違することにより類似性の判定精度に相違が生じた例を示す図である。 識別器を構築する処理の一例を示すフローチャートである。 識別器を構築する処理の具体例を示す図である。 マークの一致判定処理の一例を示すフローチャートである。 マークの一致判定の具体例を示す図である。

〔実施形態１〕
〔薬剤仕分装置１の概要〕
まず、薬剤仕分装置１の概要について図１および図２を用いて説明する。図１は、薬剤仕分装置１の全体構成を示すブロック図である。図２は、薬剤仕分装置１の構成例を示す図であり、（ａ）は薬剤仕分装置１の斜視図であり、（ｂ）は、薬剤仕分領域２の基本構成を示す斜視図である。図１、並びに、図２の（ａ）および（ｂ）に示すように、薬剤仕分装置１は、薬剤仕分領域２、タッチパネル３、印刷出力部４、および分包機構６を備える。

薬剤仕分装置１は、複数種類の薬剤のそれぞれについて撮像し、撮像の結果得られた画像に基づき薬剤の種類を判別し、種類毎に薬剤を仕分ける。具体的には、薬剤仕分領域２においてこの処理が行われる。薬剤仕分領域２（薬剤仕分装置１の内部構成）については後述する。なお、種類毎に仕分けられた薬剤は、ユーザによる目視鑑査が行われた後、分包されたり、薬剤棚または分包機へと返却されたりする。

本実施形態では、複数種類の薬剤は、容器等に収容されていない薬剤、または包装等が施されていない薬剤であり、その一例として、錠剤またはカプセルであるものとして説明する。また、複数種類の薬剤が返品された薬剤であるものとして説明する。薬剤の返品としては、薬局または病院における採用薬が当該薬局または病院にて「返品薬」として返品される場合と、当該薬局または病院において、当該採用薬以外に、他の薬局または病院で発行された薬剤も含み得る「持参薬」が返品される場合とが含まれる。換言すれば、返品される薬剤という概念には、上記「返品薬」および「持参薬」の少なくともいずれかが含まれる。薬剤仕分装置１は、薬剤が返品された後、撮像から仕分までの処理を自動的に行うことが可能である。

タッチパネル３は、操作部３１にて各種ユーザ入力を受け付けるとともに、表示部３２にて各種画像（例：薬剤仕分の推移を示す画像、目視鑑査用の画像）を表示する。

印刷出力部４は、目視鑑査後のユーザ入力に従って、目視鑑査後の薬剤に関する薬剤データ（例：薬剤名、製造元または成分を示すデータ）を表すジャーナルを印字する。薬剤データには、薬剤固有の画像を示す画像データが含まれていてもよい。

分包機構６は仕分けられた薬剤を分包する。分包機構６はオプション機構である。分包機構６が薬剤仕分装置１に備えられる場合、返品された薬剤の仕分から、目視鑑査を経た後の分包までの処理を、薬剤仕分装置１で一括して行うことが可能となる。特に、搬送・仕分ユニット１２により分包機構６へ薬剤が投入される場合には、目視鑑査を除き、上記仕分から分包までの処理を自動で行うことができる。

分包機構６としては、従来から用いられている錠剤分包機または散薬分包機の分包部を採用することが可能である。この場合、例えば、同一薬種毎に仕分けられた仕分カップ１４１内の薬剤を、一包または複数包に分包することができる。

また、薬剤仕分装置１は、第１ＲＦＩＤ（Radio Frequency Identifier）リーダ・ライタユニット５を備えている。第１ＲＦＩＤリーダ・ライタユニット５は、図２の（ｂ）に示すように、台座１９の、薬剤の取出し側に設けられている。

第１ＲＦＩＤリーダ・ライタユニット５は、第２収容部１４の各仕分カップ１４１の底部に設けられたＲＦＩＤタグ（不図示）に記憶された、各仕分カップ１４１に格納された薬剤に関するデータを読取る。当該データとしては、例えば、格納された薬剤の個数、薬剤データ、および撮像ユニット１３が取得した画像データが挙げられる。当該データは、目視鑑査によって決定された薬剤データ（目視鑑査後の薬剤データ）を含んでもよい。また、上記ＲＦＩＤタグに目視鑑査後の薬剤データを書込んでもよい。目視鑑査後の薬剤データは、対応する仕分カップ１４１に格納された薬剤を、（１）分包機構６、もしくは薬剤仕分装置１とは異なる分包機で分包する時、または（２）薬剤棚へ返却する時に用いられる。また、図２の（ａ）に示すように、薬剤仕分装置１は、薬剤の取出し側を開閉可能とする開閉シャッター５１と開閉扉５２とを備えている。

〔薬剤仕分領域２の基本構成〕
次に、図１および図２の（ｂ）を用いて、薬剤仕分領域２の基本構成（薬剤仕分装置１の内部構成）について説明する。

図１および図２の（ｂ）に示すように、薬剤仕分領域２は、ハードウェアとして主に、第１収容部１１、搬送・仕分ユニット１２（仕分部）、撮像ユニット１３、第２収容部１４、待機トレイ１５、回収トレイ１６、薬剤投入口１７および第２ＲＦＩＤリーダ・ライタユニット１８を備える。そして、搬送・仕分ユニット１２を除く各部材は台座１９に設けられている。搬送・仕分ユニット１２、撮像ユニット１３、および第２ＲＦＩＤリーダ・ライタユニット１８の主要機能については、後述の各処理の説明において詳細に説明する。

第１収容部１１は、ユーザによって返品された複数種類の薬剤を混在した状態で収容する。本実施例では、第１収容部１１は、複数の収容部に分割されている。この場合、例えば、１つの収容部に収容された薬剤の全てが搬送・仕分ユニット１２によって搬送されると、当該収容部に隣接する収容部に収容された薬剤が搬送対象となる。また、第１収容部１１がＺ軸（円柱形状の中心）に対して回動可能に設けられてもよい。この場合、コンピュータ（種類判別装置）６０の制御部６０ａは、例えば１つの収容部が空になったタイミングで、搬送・仕分ユニット１２が薬剤を取得しやすいように第１収容部１１を回動させてもよい。

第２収容部１４は、薬剤を種類毎に仕分けられた状態で収容する複数の仕分カップ１４１を備える。制御部６０ａは、撮像ユニット１３で撮像された薬剤の画像に基づき薬剤の種類を判別し、その判別結果に基づき当該薬剤を格納する仕分カップ１４１を決定する。当該薬剤は、その決定された仕分カップ１４１に搬送・仕分ユニット１２により搬送され、格納される。

待機トレイ１５は、薬剤が仮置きされる収容部である。例えば、仕分カップ１４１の全てに薬剤が格納されている場合に、制御部６０ａによりそれら以外の種類であると判別された薬剤が、待機トレイ１５に仮置きされる。この場合、仕分カップ１４１から薬剤が取り除かれた後、待機トレイ１５から当該仕分カップ１４１に搬送されてもよい。

また、本実施形態では、待機トレイ１５には、薬剤であると推定された推定薬剤（後述）が仮置きされても構わない。推定薬剤が仮置きされた場合、制御部６０ａの判別結果に応じて、第２収容部１４の所定領域に搬送される。

回収トレイ１６は、制御部６０ａにより種類が判別できなかった物（例：薬剤以外の異物）を格納する収容部である。薬剤以外の異物としては、例えば、ＰＴＰ（Press Through Pack）シートの破片が挙げられる。ＰＴＰシートの破片は、薬剤の返品時に第１収容部１１に混入する可能性がある。また、制御部６０ａは、薬剤データベースに廃棄する薬剤として登録されている薬剤、またはユーザが廃棄することを所望する薬剤（例：製造日の古い薬剤）についても、回収トレイ１６に格納する。

薬剤投入口１７は、薬剤仕分装置１に分包機構６が備えられている場合に、第２収容部１４に格納された薬剤を、搬送・仕分ユニット１２により分包機構６へ搬送するためのものである。当然ながら、薬剤仕分装置１に分包機構６が備えられていない場合には、薬剤投入口１７は不要な構成である。

また、図１に示すように、薬剤仕分装置１の上記各部材（ハードウェア）を統括して制御するコンピュータ６０を備える。コンピュータ６０は、制御部６０ａと記憶部８０を備えている。そして、制御部６０ａには、搬送制御部６１、仕分制御部６２、撮像制御部６３、判別部６４、判別成否判定部６５、操作入力部６６、表示制御部６７、ＲＦＩＤ制御部６８、印刷出力制御部６９、登録部７０、マスタ更新部７１、および重み更新部（評価情報更新部）７２が含まれる。搬送制御部６１、仕分制御部６２、撮像制御部６３、判別部６４、判別成否判定部６５、マスタ更新部７１、および重み更新部７２については、後述の各処理の説明において詳細に説明する。記憶部８０に予め記憶されているか、あるいは記憶される各情報についても後述する。

操作入力部６６および表示制御部６７は、それぞれタッチパネル３の操作部３１および表示部３２を制御する。ＲＦＩＤ制御部６８は、第１ＲＦＩＤリーダ・ライタユニット５および第２ＲＦＩＤリーダ・ライタユニット１８を制御する。印刷出力制御部６９は、操作入力部６６が受け付けたユーザ入力に従って、印刷出力部４を制御する。なお、薬剤仕分装置１が分包機構６を備える場合には、制御部６０ａは、分包機構６を制御する分包制御部を備えることとなる。

登録部７０は、判別部６４によって画像データに対応する薬剤データが存在しないと判定された薬剤に関する薬剤データを、薬剤データベース８１に登録する。具体的には、登録部７０は、判別部６４により対応する薬剤データが存在しないと判定された薬剤について、当該薬剤の撮像画像８２と、ユーザにより特定された薬剤データとを紐付けて薬剤データベース８１に登録する。

また、コンピュータ６０は記憶部８０を備える。記憶部８０には、複数種類の薬剤に関する薬剤データを管理する薬剤データベース（薬剤マスタ）８１が予め記憶されていると共に、薬剤仕分装置１による仕分けが行われるにつれて、撮像画像８２および判別成功色データ８３が記憶される。撮像画像８２は、第１カメラ１３１が撮像した画像である。なお、記憶部８０に記憶された各種データは、記憶部８０にて管理されていなくてもよく、例えば外部装置で管理されてもよい。この場合、制御部６０ａは、上記各種データを、必要に応じて、インターネット等の通信回線を通じて当該外部装置から取得してもよい。また、薬剤データベースは、新たな薬剤データが追加されることにより、更新されてもよい。

〔薬剤仕分装置１における処理の概要〕
薬剤仕分装置１では、搬送・仕分ユニット１２が、第１収容部１１に返品された各薬剤を撮像ユニット１３まで搬送する。搬送された各薬剤を順次撮像ユニット１３が撮像する。制御部６０ａは、撮像された画像に基づき各薬剤の種類を判別するとともに、判別した各薬剤の第２収容部１４における仕分位置を決定する。搬送・仕分ユニット１２は、決定された仕分位置に各薬剤を搬送する。そして、第２収容部１４に格納された薬剤についての情報は、仕分カップ１４１のＲＦＩＤタグに書き込まれたり、記憶部８０に記憶されたり、タッチパネル３に表示されたりする。また、薬剤の仕分が完了した後、または仕分の途中において、ユーザがタッチパネル３を操作することで、目視鑑査、分包等の処理が行われる。以降、各処理について具体的に説明する。

〔撮像ユニット１３への薬剤搬送処理〕
まず、第１収容部１１から撮像ユニット１３への薬剤搬送処理について、図１および図２の（ａ）を用いて説明する。

具体的には、搬送・仕分ユニット１２は、第１収容部１１に収容された薬剤を、撮像ユニット１３が薬剤を受け入れる受入領域Ａｒ１（図３の（ｂ）参照）まで搬送させる。搬送制御部６１は、搬送・仕分ユニット１２による当該搬送処理を制御する。

搬送・仕分ユニット１２は、第２カメラ１２１、吸着・シャッター機構１２２、および搬送機構１２３を備える。

第２カメラ１２１は、搬送対象とする薬剤を特定するために、第１収容部１１を逐次撮像する。撮像制御部６３は、第２カメラ１２１の撮像処理を制御する。第２カメラ１２１は、搬送・仕分ユニット１２の（具体的には、少なくとも吸着・シャッター機構１２２を含む筐体の）、台座１９と対向する側の端部に設けられる。第２カメラ１２１は、後述の吸着機構の先端部に設けられてもよい。撮像制御部６３は、撮像された画像を解析して、当該画像に薬剤が含まれるか否かを判定する。搬送制御部６１は、薬剤が含まれると判定された場合には、例えば、上記先端部を第１収容部１１に近づけ、そのとき撮像された画像に含まれる薬剤を搬送対象の薬剤として特定する。

吸着・シャッター機構１２２は、搬送対象として特定された薬剤を吸着する吸着機構と、吸着機構が吸着した薬剤が落下することを防止するシャッター機構とを含む。吸着機構はＺ軸方向に移動可能に設けられる。シャッター機構は上記端部の前方に、ＸＹ平面と略平行に移動可能に設けられる。

吸着機構は、薬剤取得時に、上記端部から延伸して、その先端部において、特定された薬剤を吸着した後、上記端部の位置まで戻る。この状態において、搬送制御部６１は、上記端部と対向する位置にシャッター機構を移動させ、薬剤搬送中、シャッター機構の位置を維持する（閉状態とする）。搬送制御部６１は、受入領域Ａｒ１に配置された薬剤保持機構１３３の薬剤載置台１３３ａ（図３の（ｂ）参照）と対向する位置まで吸着・シャッター機構１２２を移動させると、シャッター機構を上記端部と対向しない位置に移動させる（開状態とする）。そして、吸着機構を上記端部から延伸させた後、吸着状態を解除することにより、薬剤載置台１３３ａに薬剤を載置する。

搬送機構１２３は、搬送制御部６１の制御を受けて、Ｘ軸およびＹ軸方向に吸着・シャッター機構１２２を移動させる。この搬送機構１２３により、第１収容部１１上での搬送対象となる薬剤の探索時の吸着・シャッター機構１２２の動き、または第１収容部１１から薬剤載置台１３３ａまでの薬剤搬送が可能となる。また、薬剤仕分処理においても、薬剤載置台１３３ａから、第２収容部１４、待機トレイ１５または回収トレイ１６への薬剤搬送が可能となる。なお、薬剤仕分処理では、仕分制御部６２が、受入領域Ａｒ１に配置された薬剤を、判別部６４による判別結果に基づき、仕分ユニット１２を制御して、第２収容部１４の所定の仕分カップ１４１または待機トレイ１５まで搬送する。

〔薬剤撮像処理〕
次に、撮像ユニット１３による薬剤撮像処理について、図１、図２の（ｂ）、図３および図４を用いて説明する。図３の（ａ）および（ｂ）は、撮像ユニット１３の全体構成を示す斜視図であり、図３の（ｃ）は、薬剤載置台１３３ａの一例を示す斜視図である。図４の（ａ）および（ｂ）は、撮像ユニット１３の旋回について説明するための図である。上記薬剤撮像処理は、主として、撮像ユニット１３および撮像制御部６３により行われる。

具体的には、撮像ユニット１３は、薬剤載置台１３３ａに載置され、図３の（ｂ）に示す撮像対象となる薬剤を配置する配置領域Ａｒ２（撮像領域）に配置された薬剤を撮像する。撮像制御部６３は、撮像ユニット１３による当該撮像処理と、第１カメラ１３１および照明器１３４の旋回移動と、薬剤保持機構１３３の移動とを制御する。撮像ユニット１３は、図１および図３に示すように、第１カメラ１３１（撮像部）、回転機構１３２（回動部）、薬剤保持機構１３３（薬剤載置台、移動機構）、および照明器１３４（紫外光照射部、可視光照射部）を備える。

第１カメラ１３１は、後述の判別部６４において薬剤の種類を判別するために、第１カメラ１３１と対向する配置領域Ａｒ２に配置された薬剤を撮像する。薬剤保持機構１３３は、薬剤を保持する機構であり、図３の（ａ）および（ｂ）に示すように、薬剤載置台（シャーレ）１３３ａと、旋回機構１３３ｂ（移動機構）と、薬剤載置台１３３ａおよび旋回機構１３３ｂを接続する軸部１３３ｃとを備える。薬剤載置台１３３ａは、撮像対象となる薬剤を載置するものである。旋回機構１３３ｂは、薬剤載置台１３３ａを移動させるものであり、具体的には、薬剤載置台１３３ａをＸＹ平面に対して旋回させるとともに、軸部１３３ｃを、軸部１３３ｃの周方向に旋回させる。

撮像制御部６３は、薬剤載置台１３３ａに第１収容部１１から搬送された薬剤が載置されると、旋回機構１３３ｂを駆動し、当該薬剤載置台１３３ａを受入領域Ａｒ１から配置領域Ａｒ２へと移動させる。その後、少なくとも第１カメラ１３１および照明器１３４を制御して、配置領域Ａｒ２に配置された薬剤を撮像する。撮像した画像は記憶部８０に撮像画像８２として記憶される。撮像制御部６３は、例えば撮像が完了した後に、旋回機構１３３ｂを駆動し、撮像された薬剤が載置された薬剤載置台１３３ａを配置領域Ａｒ２から受入領域Ａｒ１へと移動させる。

本実施形態では、薬剤載置台１３３ａは軸部１３３ｃの先端部（端部）に２つ設けられている。旋回機構１３３ｂは、軸部１３３ｃを旋回させることにより、一方の薬剤載置台１３３ａを配置領域Ａｒ２に配置したとき、他方の薬剤載置台１３３ａを受入領域Ａｒ１に配置する。配置領域Ａｒ２での薬剤撮像時に、搬送・仕分ユニット１２により、受入領域Ａｒ１に存在する薬剤載置台１３３ａに、第１収容部１１から薬剤を搬送しておくことで、連続的な薬剤の撮像処理が可能となる。なお、当該薬剤載置台１３３ａは、第２収容部１４への薬剤仕分処理後等、薬剤が載置されていない状態であることが前提である。

また、本実施形態では、薬剤載置台１３３ａは透明性を有する。そのため、第１カメラ１３１は、薬剤載置台１３３ａに載置された薬剤を、薬剤載置台１３３ａを通して多方面から撮像できる。

また、図３の（ｃ）に示すように、薬剤載置台１３３ａは底部が凹んだ状態の断面略Ｖ字形状であってもよい。また、図３の（ｂ）および図４に示すように、薬剤載置台１３３ａが受入領域Ａｒ１および配置領域Ａｒ２に配置されている場合、断面略Ｖ字形状の溝方向（軸部１３３ｃの延伸方向）は、回転機構１３２による撮像機構（後述）の旋回軸Ａｙに対して略平行である。また、薬剤載置台１３３ａの底部は、鋭角なＶ字形状ではなくてよい。図３の（ｃ）に示すように、底部は、底面部１３３ａａと、底面部１３３ａａの対向する２箇所から傾斜した傾斜面部１３３ａｂとを備えていてもよい。底部の形状は、薬剤載置台１３３ａの裏側から見ても（撮像しても）、薬剤の刻印またはプリントが示す情報（刻印情報または印字情報）を認識できる程度で、かつ薬剤が固定される程度の形状であればよい。

薬剤がカプセルまたは変形錠（例：ラグビーボール形）の場合、薬剤載置台１３３ａの底部が平坦であれば、ＸＹ平面上で薬剤の向きがそろわずに、鮮明な薬剤の画像（刻印情報または印字情報）を取得することが困難になる可能性がある。断面略Ｖ字形状であれば、最下端部にカプセルまたは変形錠が嵌合され、当該薬剤を固定できる。そのため、鮮明な薬剤の画像が取得しやすくなる。なお、錠剤の場合には、例えば、軸部１３３ｃを軸部１３３ｃの周方向に旋回させることで、薬剤載置台１３３ａの平面部分（傾斜面部１３３ａｂ）を第１カメラ１３１に対向させることで、当該薬剤を確実に動かないようにしてもよい。

その他、旋回機構１３３ｂは、薬剤載置台１３３ａを振動させる（小さく動かす、ゆする）ことも可能である。この場合、例えば、薬剤載置台１３３ａに載置されたカプセルに振動を与えて転がすことで、カプセルのプリントが付された部分を所定の方向に向かせることができる（例：当該部分を、後述の初期位置に配置された第１カメラ１３１と対向させることができる）。また、上記振動により、例えば円筒状（底部が円形状）の錠剤が上記平面部分に立った状態で載置されたとしても、錠剤を横に倒す（錠剤の底部が当該平面部分に対向するように配置する）ことができる。

照明器１３４は、撮像制御部６３の制御により、薬剤の撮像時に、薬剤に照射される光を出射する。照明器１３４は、図３の（ａ）に示すように、薬剤に可視光を照射する可視光照射部（第１照射部１３４ａおよび第２照射部１３４ｂ）と、薬剤に紫外光を照射する紫外光照射部１３４ｃとを備える。

第１照射部１３４ａおよび第２照射部１３４ｂは、可視光として白色光を薬剤に照射する。第１照射部１３４ａはバー形状の可視光源（バー照明）であり、第２照射部１３４ｂはリング形状の可視光源（リング照明）である。第１カメラ１３１は、第１照射部１３４ａまたは第２照射部１３４ｂから出射され、薬剤で反射した可視光を受光することにより、可視光に基づく画像（可視光画像）を取得する。撮像制御部６３は、第１カメラ１３１が取得した可視光画像を示す画像データを撮像画像８２として記憶部８０に記憶する。

紫外光照射部１３４ｃは、薬剤に紫外光（例：３６５ｎｍ以上４１０ｎｍ以下のピーク波長を有する光）を照射することで、薬剤に含まれる成分を励起させる。これにより、薬剤から蛍光（例：４１０ｎｍ以上８００ｎｍ以下のピーク波長を有する光）が取り出される。第１カメラ１３１は、薬剤から発せられた蛍光を受光することにより、紫外光に基づく画像（紫外光画像）を取得する。撮像制御部６３は、第１カメラ１３１が取得した紫外光画像を示す画像データを撮像画像８２として記憶部８０に記憶する。

回転機構１３２は、図３および図４に示すように、撮像対象となる薬剤が配置される配置領域Ａｒ２（当該位置に配置された薬剤載置台１３３ａ）の周囲を旋回するように第１カメラ１３１を回動させる。第１カメラ１３１は、回転機構１３２が回動させた複数の位置から、配置領域Ａｒ２に配置された薬剤を撮像する。具体的には、第１カメラ１３１および照明器１３４を含む撮像機構を、配置領域Ａｒ２の周囲を旋回するように回動させる。そのため、配置領域Ａｒ２に対する第１カメラ１３１および照明器１３４の位置関係を維持したまま、第１カメラ１３１が複数の方向から薬剤を撮像できる。

回転機構１３２は、図３の（ａ）に示すように、撮像機構駆動部１３２ａと動力伝達機構１３２ｂとを含む。撮像機構駆動部１３２ａは、撮像機構を配置領域Ａｒ２の周囲を旋回させるための動力を発生する。動力伝達機構１３２ｂは、撮像機構駆動部１３２ａが発生させた動力を撮像機構へと伝達する。撮像機構駆動部１３２ａは、撮像制御部６３の制御により駆動し、配置領域Ａｒ２の周囲における撮像機構の位置を変更する。

回転機構１３２は、撮像機構を、初期位置と、初期位置と対向する位置との間において旋回させる。初期位置とは、配置領域Ａｒ２に対して略垂直方向の位置であって、配置領域Ａｒ２の上方の位置である。初期位置と対向する位置とは、配置領域Ａｒ２に対して略垂直方向の位置であって、配置領域Ａｒ２の下方の位置である。また、当該位置は、第１カメラ１３１が配置領域Ａｒ２に存在する薬剤載置台１３３ａの底部と対向する位置であるともいえる。

図４に示すように、配置領域Ａｒ２の中心を通りＺ軸と平行な軸を軸Ａｘ０とし、配置領域Ａｒ２の中心および撮像機構の中心を通る軸を軸Ａｘ１とする。また、軸Ａｘ０と軸Ａｘ１とのなす角をθとする。本実施形態では、回転機構１３２は、撮像機構を、θ＝０°（初期位置）、４５°、１３５°および１８０°の位置のいずれかに配置する。なお、図４の（ａ）は撮像機構がθ＝０°の位置にある場合を示し、図４の（ｂ）は撮像機構が初期位置から旋回してθ＝４５°の位置にある場合を示す。

このように、撮像機構を配置領域Ａｒ２の周囲を旋回させることにより、薬剤を配置領域Ａｒ２に固定した状態で、複数の方向から薬剤を撮像できる。また、薬剤載置台１３３ａをゆすっても薬剤（錠剤）が立っている場合であっても、斜め方向（θ＝４５°または１３５°）からの撮像で、薬剤に付された刻印等が示す情報を取得できる。

なお、撮像機構を固定し薬剤を回動させることで複数の方向から当該薬剤を撮像してもよい。

（撮像位置制御）
次に、撮像機構の位置制御の一例について説明する。撮像制御部６３は、まず撮像機構を初期位置にセットし、第１カメラ１３１に、当該初期位置おいて配置領域Ａｒ２に配置された薬剤を撮像させる。このとき、第１カメラ１３１は、第１照射部１３４ａおよび第２照射部１３４ｂからの可視光に基づく可視光画像（２つの可視光画像）を取得するとともに、紫外光照射部１３４ｃからの紫外光に基づく紫外光画像を取得する。

次に、撮像制御部６３は、撮像機構を初期位置とは対向する位置にセットし、第１カメラ１３１に、当該位置において配置領域Ａｒ２に配置された薬剤を撮像させ、２つの可視光画像および紫外光画像を取得する。判別部６４は、これら６つの画像を解析することにより、薬剤の種類を判別する。薬剤の種類を１つに特定できなかった場合、撮像制御部６３は、θ＝４５°および１３５°の位置において、第１照射部１３４ａおよび第２照射部１３４ｂから可視光を出射させ、第１カメラ１３１に薬剤を撮像させる。判別部６４は、このときの可視光画像を解析して薬剤の種類を判別する。

上記に限らず、撮像機構の位置制御は種々の方法が挙げられる。例えば、初期位置と対向する位置から撮像した後、初期位置から撮像を行ってもよい。また、θ＝４５°の位置から撮像したときの可視光画像に基づく薬剤の判別処理を行い、薬剤の種類を１つに特定できなかった場合にのみθ＝１３５°の位置から撮像したときの可視光画像を取得してもよい。また、初期位置および初期位置と対向する位置において紫外光画像のみを取得し、当該紫外光画像に基づく薬剤の判別処理を行った後、当該位置における可視光画像を取得してもよい。また、全ての位置において可視光画像および紫外光画像を取得してもよい。

〔画像処理・判別処理〕
次に、撮像ユニット１３により撮像された画像に対する画像処理と、画像処理の結果に基づく薬剤の判別処理について、図１を用いて説明する。上記画像処理は、主として撮像制御部６３により行われ、上記判別処理は、主として判別部６４により行われる。

判別部６４は、第１カメラ１３１により撮像された薬剤の画像に基づき、薬剤の種類を判別する。具体的には、判別部６４は、第１照射部１３４ａまたは第２照射部１３４ｂから可視光が照射された状態で撮像された薬剤の撮像結果（可視光画像）に基づき、薬剤の種類を判別する。また、判別部６４は、紫外光が照射された状態で撮像された薬剤の撮像結果（紫外光画像）に基づき、薬剤の種類を判別する。

判別部６４は、可視光画像および／または紫外光画像のそれぞれにおいて画像解析を実行することにより、当該画像に含まれる薬剤の特徴を抽出する。薬剤の特徴としては、例えば、大きさ、形状、刻印、プリント、割線、代表色（刻印またはプリントが付された領域の色）が挙げられる。ＯＣＲ（Optical Character Recognition）等を行った場合には、薬剤の特徴として、刻印またはプリントにより表された薬剤名（例：識別コード）または製造元を示す識別情報（薬剤を識別する識別情報）、使用期限等のその他の情報が抽出される。また、紫外光画像の場合には、薬剤の特徴として、画像中の薬剤における代表色が挙げられる。判別部６４は、抽出した各薬剤の特徴を示す情報を、薬剤の撮像画像８２に紐づけて記憶部８０に記憶する。なお、薬剤の特徴抽出は、公知の技術により行われてもよい。

抽出した薬剤の特徴には、上述のように画像中の薬剤の代表色が含まれている。以下では、この代表色を示すデータを色データ（薬剤の色を示すデータ）と呼ぶ。色データには、可視光画像から生成されたものと、紫外光画像から生成されたものとが含まれる。なお、以下の説明では、特に断らない限り、単に「色データ」と記載した場合には、可視光画像から生成された色データと、紫外光画像から生成された色データの両方を指す。色データは、薬剤を撮像した画像における所定領域（薬剤が写っている領域の少なくとも一部、典型的には刻印またはプリントが付された領域）の色を示すデータである。例えば、当該領域に含まれる各画素のＲＧＢ値の平均値を色データとしてもよい。

判別部６４は、各薬剤の特徴を薬剤データベース８１と照合することにより薬剤の種類を判別する。詳細は後述するが、判別部６４は、色データに基づいて、薬剤データベースの中から、撮像された薬剤に関する薬剤データの候補を順位づけする。その後、判別部６４は、上記順位に従って、他の特徴に基づく種類の判別を行う。

また、判別部６４は、パターンマッチング等を用いて抽出した薬剤の特徴（対象特徴）が薬剤データベースに無い場合であっても、対象特徴の少なくとも一部に基づき薬剤（錠剤またはカプセル）であると推定される場合には、薬剤の種類を推定薬剤として判別する。この場合、推定薬剤も、第２収容部１４または待機トレイ１５への仕分け対象とすることができる。本実施形態では、推定薬剤は、まず待機トレイ１５へ仮置きされても構わない。

このように、判別部６４は、予め登録された複数種類の薬剤に関する薬剤データ（薬剤データベース８１）の中に、第１カメラ１３１によって撮像された撮像画像８２に対応する薬剤データが存在するか否かを判定している。

判別部６４は、薬剤の種類の判別結果を仕分制御部６２に出力する。例えば、薬剤の種類を１つに特定できた場合、または所定数以内の候補数に絞込んだ場合には、当該薬剤に関する薬剤データを判別結果として出力する。この場合、判別部６４は、当該薬剤に関する薬剤データを、当該薬剤の撮像画像８２に紐づけて記憶部８０に記憶する。

判別部６４は、薬剤の種類を推定薬剤として判別した場合には、薬剤の特徴（推定薬剤として推定された物の特徴）を判別結果として出力する。一方、判別部６４は、薬剤データベースに廃棄する薬剤として登録された薬剤であると判別した場合、または第１収容部１１に収容された物が薬剤以外の異物であると判別した場合、仕分対象外の薬剤である旨を判別結果として出力する。

〔判別成否判定〕
判別成否判定部６５は、判別部６４が薬剤の種類の判別に成功したか否かを判定する。例えば、判別成否判定部６５は、判別部６４が薬剤の種類を一意に判別することができた場合（薬剤の種類を１つに絞り込むことができた場合）に、判別成功と判定してもよい。また、例えば、判別成否判定部６５は、判別部６４の判定結果に従って仕分けられた薬剤の鑑査結果に基づいて上記判定を行ってもよい。鑑査は、仕分けられた薬剤そのものを鑑査員（例えば医師や薬剤師等）が目視することによって行ってもよいし、仕分けられた薬剤の画像を例えばタッチパネル３の表示部３２に表示させ、表示された画像を鑑査員が目視することによって行ってもよい。また、鑑査結果は、例えば鑑査員がタッチパネル３の操作部３１を操作することによってコンピュータ６０に入力されてもよい。

また、判別成否判定部６５は、判別部６４が正しく判別したと判定した場合、判別部６４が当該判別に用いた各種データと、判別部６４が判別した種類とを紐付けて、判別成功データとして記憶部８０に記憶する。本実施形態では、上記判別成功データが、判別部６４が上記判別に用いた撮像画像８２から生成された色データ（判別成功色データ８３）である例を説明する。

なお、判別成功データは、色データ以外の各種データ（判別部６４が上記判別に用いた、薬剤の特徴を示すデータ）を含んでいてもよいし、判別部６４が上記判別に用いた撮像画像８２を判別成功データとして記憶してもよい。ただし、撮像画像８２を判別成功データとする場合、記憶部８０に記憶させるデータ量が多くなるため、本実施形態のように判別成功色データ８３を判別成功データとして記憶する構成とすることが好ましい。

〔薬剤データベース（マスタデータ）８１の更新方法〕
図５に基づいて、薬剤データベース８１の更新方法を説明する。図５は、薬剤データベース８１の更新方法を説明する図である。以下説明するように、薬剤データベース８１の更新はマスタ更新部７１によって行われる。

薬剤データベース８１には、複数種類の薬剤について、その薬剤に関する薬剤データがそれぞれ薬剤の照合用のマスタデータとして登録されている。また、図５に示すように、各種類の薬剤のマスタデータには、薬剤の特徴を示すデータの１つとして、当該薬剤の色を示す色データであるマスタ色データが含まれている。具体的には、図５の薬剤データベース８１には、薬剤Ａのマスタデータとしてマスタ色データ８１１ａが登録されている。また、同様に、薬剤Ａ、Ｂのマスタデータとして、マスタ色データ８１１ｂ、８１１ｃがそれぞれ登録されている。なお、マスタ色データにも、可視光画像から生成されたものと、紫外光画像から生成されたものとが含まれる。

また、上述のように、記憶部８０には判別成功色データ８３が記憶される。図５の例では、薬剤Ａについて判別成功色データ８３ａ〜８３ｃが記憶されている。つまり、この例では、薬剤仕分装置１が、種類不明の薬剤を薬剤Ａであると仕分けし、その仕分けにおける種類の判別結果が正しかったことが過去に少なくとも３回はあったことを想定している。同様に、図５の例では、薬剤Ｂ、Ｃについて判別成功色データ８３ｄ〜８３ｅおよび８３ｆ〜８３ｈがそれぞれ記憶されている。

マスタ更新部７１は、判別成功色データ８３を、新たなマスタ色データとすることにより、薬剤データベース８１（より詳細にはマスタデータに含まれるマスタ色データ）を更新する。この更新は各種類の薬剤のそれぞれについて行う。例えば、図５の例では、マスタ色データ８１１ａ〜８１１ｃがそれぞれ更新される。

ここで、更新の際に、一種類の薬剤に対して、複数の判別成功色データ８３が紐付けられて記憶されていれば、マスタ更新部７１は、最新の（記憶されたタイミングが最も新しい）判別成功色データ８３を新たなマスタ色データとすることが好ましい。これにより、撮像条件の変化等によって撮像画像８２に写る薬剤の色が変化した場合であっても、適切に種類の判別を行うことが可能になる。なお、新たなマスタ色データを追加した後、更新前のマスタ色データ８１１ａ〜８１１ｃは削除（言い換えれば上書き更新）してもよいし、記憶した状態のまま維持してもよい。

〔色スコアの算出方法〕
判別部６４は、仕分けの対象薬剤を撮像した撮像画像８２（以下、対象画像と呼ぶ）から生成された色データである対象色データとマスタ色データとの類似度を示す色スコアを算出する。なお、１つの対象画像には可視光画像と紫外光画像とが含まれる。色スコアの算出式（類似度評価情報）は、例えば下記のような算出式であってもよい。

（色スコア）＝（可視光画像におけるＲＧＢ値の類似度）×ｗ_１
＋（可視光画像におけるＣＩＥＬａｂ値の類似度）×ｗ_２
＋（紫外光画像におけるＲＧＢ値の類似度）×ｗ_３
＋（紫外光画像におけるＣＩＥＬａｂ値の類似度）×ｗ_４
上記算出式におけるｗ_１〜ｗ_４は重みであり、ｗ_１〜ｗ_４の和は例えば１であるが、ｗ_１〜ｗ_４の和が１未満の値あるいは１より大きい値となっても構わない。重みｗ_１〜ｗ_４の値を適切に調整することによって、対象色データとマスタ色データとの類似度をより正確に反映させた色スコアを算出することができる。例えば、ある薬剤のマスタ色データにおいて、その薬剤を可視光で撮像した画像に基づくＣＩＥＬａｂ値がその薬剤の色の特徴を的確に反映したものとなっている場合がある。このような場合、ｗ_２が他の重みよりも相対的に大きくなっていれば、算出される色スコアは、薬剤の色の特徴を的確に反映した、可視光撮像画像に基づくＣＩＥＬａｂ値の類似度の影響を強く受ける。よって、ｗ_２を他の重みよりも相対的に大きくした上記算出式を用いることにより、実際の類似度を正確に反映させた色スコアを算出することができる。詳細は後述するが、実際の類似度を正確に反映させた色スコアを算出することができる状態が維持されるように、ｗ_１〜ｗ_４は重み更新部７２によって随時更新される。ｗ_１〜ｗ_４の初期値は適宜定めておけばよい。

なお、上記算出式におけるＲＧＢ値とは、薬剤を撮像した画像における所定領域（薬剤が写っている領域の少なくとも一部）の色をＲ値、Ｇ値、およびＢ値の組み合わせで表した値であり、典型的には当該領域に含まれる各画素のＲＧＢ値の平均値である。また、ＲＧＢ値の類似度とは、対象画像のＲＧＢ値と、マスタ色データが示すＲＧＢ値との類似度である。ＲＧＢ値の類似度の算出方法は特に限定されない。例えば、対象画像のＲＧＢ値とマスタ色データが示すＲＧＢ値とをそれぞれ三次元ベクトルとみなし、それら２つのベクトル間の距離を類似度としてもよい。なお、上記算出式では、ＲＧＢ値の類似度とＣＩＥＬａｂ値の類似度とを加算するので、これらの類似度は例えば０〜１の数値範囲となるように規格化しておく。

また、上記算出式におけるＣＩＥＬａｂ値とは、薬剤を撮像した画像における所定領域（薬剤が写っている領域の少なくとも一部）の色をＣＩＥＬａｂ色空間におけるＬ＊値、ａ＊値、およびｂ＊値の組み合わせで表した値である。ＣＩＥＬａｂ値は、ＲＧＢ値をまずＸＹＺ色空間における値に変換し、その値をさらにＣＩＥＬａｂ色空間における値に変換することにより算出することができる。ＣＩＥＬａｂ値の類似度は、上述したＲＧＢ値の類似度と同様にして算出することができる。

〔色スコアによる順位づけ〕
薬剤データベース８１には各種類の薬剤のマスタ色データが登録されている。判別部６４は、これらのマスタ色データのそれぞれについて、上述のようにして対象色データとの色スコアを算出する。そして、判別部６４は、算出した色スコアの高い順に、各種類の薬剤のマスタデータを順位づけする。この後、判別部６４は、順位の高いマスタデータから順に、対象画像との照合を行う。つまり、判別部６４は、対象色データと、各種類の薬剤に対応するマスタ色データのそれぞれとの類似度を示す色スコアを算出すると共に、該色スコアの順に、対象画像の特徴を示す情報とマスタデータとの照合を行って対象薬剤の種類を判別する。照合においては、例えばマスタデータに含まれる刻印情報（薬剤の刻印の内容を示す情報）と、対象画像からＯＣＲ等によって読み取った刻印情報との照合等が行われ、対象薬剤の種類が特定される。

このような順位づけを行う理由としては、一般に、薬剤には色が類似したものが多い点が挙げられる。つまり、対象色データとの色スコアが同程度の値となるマスタ色データが複数生じることもあり、また、対象色データとの色スコアが最も高いマスタ色データの薬剤が、対象薬剤とは異なる薬剤であることもある。このため、色スコアのみで対象薬剤の種類を一意に特定することは一般に難しい。

そこで、判別部６４は、色スコアをマスタデータとの照合における順位づけに用いている。色データは、刻印情報等の読み取りと比べて、簡易かつ短時間の情報処理によって生成できるから、色スコアの算出および照合も簡易に短時間で行うことが可能である。よって、色スコアによる順位づけを行うことにより、順位づけを行うことなくマスタデータとの照合を行う場合と比べて、短時間で照合を完了することが可能になる。また、以下説明するように、重み更新部７２が色スコアの算出式の重みを適切に更新するので、例えば対象薬剤が薬剤Ａであった場合には、薬剤Ａのマスタ色データの順位が高くなりやすい。よって、マスタデータとの照合をより短時間で完了させることが可能になる。

〔色スコアの算出式における重みの更新方法〕
図６に基づいて、上述した色スコアの算出式における重み（ｗ_１〜ｗ_４）の更新方法について説明する。図６は、色スコアの算出式における重みの更新方法を説明する図である。以下説明するように、色スコアの算出式における重みの更新は重み更新部７２によって行われる。

重みの更新には、複数の判別成功色データ８３を用いる。図６の例では、薬剤Ａ〜Ｚのそれぞれに複数の判別成功色データ８３が紐付けられている。重み更新部７２は、これらの判別成功色データ８３を訓練データとして、確率的勾配降下法により、色スコアの算出式における重みを最適なものに更新する。確率的勾配降下法を用いることにより、最適ではない局所解を抜けて、最適解に到達することが期待できる。

具体的には、まず、重み更新部７２は、判別成功色データ８３から所定数のミニバッチデータを作成する。この作成において、各ミニバッチデータには、全種類の薬剤について少なくとも１つの判別成功色データ８３が含まれるようにし、かつ、各ミニバッチデータに含まれる判別成功色データ８３の数が所定範囲内に収まるようにする。

図６には、薬剤Ａ〜Ｚのそれぞれについて１つの判別成功色データ８３が含まれるｎ個のミニバッチデータＢ１〜Ｂｎを記載している。ｎは、薬剤データベース８１に登録されている薬剤の種類数や、前回の重みの更新後の経過時間等に応じて決定すればよく、例えば４０程度であってもよい。なお、１つの判別成功色データ８３を複数のミニバッチデータに含めてもよい。

次に、重み更新部７２は、作成したミニバッチデータを用いて、確率的勾配降下法により、重み（ｗ_１〜ｗ_４）を更新する。更新後の重みが、更新前の重みよりも妥当な値となっているか否かは、当該更新後の重みを用いて算出した色スコアから判定することができる。例えば、各種類の薬剤のマスタ色データと判別成功色データ８３とについて、色スコアをそれぞれ算出して、その色スコアの順位から判定することもできる。

例えば、図６の例では、薬剤Ａ〜Ｚの２６種類の薬剤についてマスタ色データが登録されている。そして、ミニバッチデータＢｎには、薬剤Ａの判別成功色データ８３ｂが含まれている。このミニバッチデータＢｎを用いた重みの更新においては、薬剤Ａのマスタ色データと判別成功色データ８３ｂとについて算出した色スコアの順位が高くなるように重みを更新すればよい。具体的な計算内容については以下で説明するが、この更新においては、可視光ＲＧＢ値の重み（ｗ_１）を＋ｓｃａｌｅする。なお、＋ｓｃａｌｅは、重みの変化量（正の数）である。同様に、他の重み（ｗ_２〜ｗ_４）についても＋ｓｃａｌｅする。このように、確率的勾配降下法では、各重みを所定の変化量（＋ｓｃａｌｅ）ずつ変化させながら、最適な重みを探索する演算を行う。

具体的には、上記演算には勾配平均を用いる。勾配平均は、例えば下記の数式で算出することができる。なお、下記の数式におけるＺは１つのミニバッチデータに含まれる判別成功色データ８３の数である。また、Σは、１つのミニバッチデータにおける１番目の判別成功色データ８３からＺ番目の判別成功色データ８３までの和を表す。また、平均順位は、各ミニバッチデータに含まれる判別成功色データ８３から算出した順位を、全てのミニバッチデータで平均した値である。なお、順位づけの方法は「色スコアによる順位づけ」で上述したとおりであるから説明は繰り返さない。

（勾配平均）＝｛Σ（重みをずらした後の平均順位−重みをずらす前の平均順位）／重みの変化量}／Ｚ
そして、重み更新部７２は、下記の数式により重みを更新する。なお、学習率は適宜設定すればよい。

（更新後の重み）＝（現在の重み）−（学習率×勾配平均）
〔判別成功色データ８３を記憶する処理の流れ〕
図７に基づいて判別成功色データ８３を記憶する処理の流れを説明する。図７は、判別成功色データ８３を記憶する処理の一例を示すフローチャートである。なお、図７では、種類不明の対象薬剤の撮像が行われて、記憶部８０に撮像画像８２が記憶された後の処理の流れを示している。

まず、判別部６４は、対象画像から対象色データを生成する（Ｓ１）。続いて、判別部６４は、Ｓ１で生成した対象色データと、薬剤データベース８１に登録されているマスタ色データのそれぞれとの類似度を示す色スコアを算出する（Ｓ２）。そして、判別部６４は、マスタデータとの照合順を、Ｓ２で算出した色スコアの高い順とし（Ｓ３）、その照合順で照合を行い（Ｓ４）、対象薬剤の種類を判別する（Ｓ５）。

次に、Ｓ５にて対象薬剤の種類の判別に成功したことを受け、判別成否判定部６５は、Ｓ１で生成された対象色データをＳ５で判別された種類の薬剤の判別成功色データ８３として記憶部８０に記憶し、図７の処理は終了する。

〔薬剤データベース８１を更新する処理の流れ〕
図８に基づいて薬剤データベース８１を更新する処理の流れを説明する。図８は、薬剤データベース８１を更新する処理の一例を示すフローチャートである。

まず、マスタ更新部７１は、薬剤データベース８１を更新するか否か、より詳細には薬剤データベース８１に含まれるマスタ色データを更新するか否かを判定する（Ｓ１１）。マスタ色データの更新条件は特に限定されない。例えば、コンピュータ６０の動作終了時（例えば一日の終り）に更新するようにしてもよい。また、例えば、所定期間（例えば１日）毎に更新の要否を問い合わせるメッセージをユーザに提示し、そのメッセージに対して、更新する旨のユーザ入力が行われたときにマスタ色データを更新してもよい。また、例えば、直近数回の種類判別の平均処理時間（撮像後、判別結果が出るまでの時間）が所定時間以上であること、撮像リトライの発生頻度が閾値以上であること（種類判別の失敗頻度が閾値以上であること）等を条件としてもよい。この他にも、例えば、前回の更新から所定期間（例えば３０日）経過したことを条件として、マスタ色データを更新してもよい。

Ｓ１２では、マスタ更新部７１は、記憶部８０に記憶されている判別成功色データ８３のうち、最新の（記憶されたタイミングが最も新しい）判別成功色データ８３を取得する。そして、Ｓ１３では、マスタ更新部７１は、Ｓ１２で取得した判別成功色データ８３を、新たなマスタ色データとして薬剤データベース８１に追加する。これにより、図８の処理は終了する。なお、Ｓ１２およびＳ１３の処理は、少なくとも一種類の薬剤について行えばよく、例えば薬剤データベース８１に登録されている全種類の薬剤について行ってもよいし、一部の種類の薬剤について行ってもよい。

このように、判別部６４は、対象画像から生成された、対象薬剤の外観の特徴を示す情報と、前記マスタデータとを照合し、該照合の結果に基づいて前記対象薬剤の種類を判別する（図７のＳ５）。そして、マスタ更新部７１は、判別部６４が対象薬剤の種類の判別に成功したときに、当該判別に使用された判別成功色データ８３を、新たなマスタ色データとする（図８のＳ１３）。

したがって、薬剤仕分装置１によれば、対象薬剤の撮像によって得られる対象画像が、マスタデータの作成時に想定していたものから変化した場合であっても、適切に種類の判別を行うことができる。これにより、例えば薬剤仕分装置１をある薬局に導入した場合に、デフォルトのマスタデータを、その薬局における撮像条件に適合したものに更新することができる。また、薬剤仕分装置１の導入後に、撮像装置や照明装置等の経時劣化によって、撮像画像の色味が変化した場合にも、適切に種類の判別を行うことができる状態を維持することができる。

〔色スコアの算出式における重みを更新する処理の流れ〕
図９に基づいて色スコアの算出式における重みを更新する処理の流れを説明する。図９は、色スコアの算出式における重みを更新する処理の一例を示すフローチャートである。なお、図９の処理を行う条件は特に限定されない。例えば、薬剤仕分装置１が日時更新の要否を問い合わせるメッセージをユーザに提示し、そのメッセージに対して日時更新を行う旨のユーザ操作が行われた場合に、日時更新を行う前に図９の処理を開始してもよい。なお、日時更新は、図９の処理が終了次第行われる。また、例えば、前回の重みの更新から所定期間（例えば３０日）経過したことを条件として図９の処理を開始してもよいし、所定数の判別成功色データ８３が蓄積されたことを条件として図９の処理を開始してもよい。また、マスタ色データの更新が行われたときには、更新後のマスタ色データに対して、現行の重みが適切な値となっていない可能性があるため、マスタ色データの更新が行われたことを条件として図９の処理を開始してもよい。

まず、重み更新部７２は、記憶部８０に記憶されている所定期間の判別成功色データ８３を取得する（Ｓ２１）。例えば、上記所定期間が３０日間であれば、重み更新部７２は、直近３０日に記憶された全ての判別成功色データ８３を取得する。そして、重み更新部７２は、Ｓ２１で取得した判別成功色データ８３からミニバッチデータを作成し（Ｓ２２）、作成したミニバッチデータを用いて色スコアの算出式における重みを最適化する（Ｓ２３）。

なお、Ｓ２３では、過去に重みが更新されていた場合であっても、更新後の重み値ではなく、重みの初期値から最適化演算を行うことが好ましい。これにより、最適化後の重み値が、重みの初期値からかけ離れた値となりにくくすることができるので、安定した最適化が可能になる。

次に、重み更新部７２は、Ｓ２３で算出した重み（最適化した重み）が、現行の重み（過去に更新が行われている場合には直近の更新後の重み）よりも高精度な値となっているか否かを判定する（Ｓ２４）。なお、重みの精度の評価は、その重みを適用した算出式によって算出された色スコアに基づいて行えばよい。例えば、重み更新部７２は、Ｓ２１で取得した判別成功色データ８３の一部または全部について色スコアを算出して色スコアの順位を求め、平均順位が高くなっているか否かにより、重みが高精度な値となっているか否かを判定してもよい。なお、色スコアの順位とは、ある薬剤の判別成功色データ８３と各種類の薬剤のマスタ色データとで算出した各色スコアのうち、上記ある薬剤の判別成功色データ８３と当該ある薬剤の判別成功色データ８３とで算出した色スコアの順位である。

Ｓ２４において高精度な値となっていると判定された場合（Ｓ２４でＹＥＳ）、Ｓ２５の処理に進み、重み更新部７２は、現行の重みの代わりにＳ２３で算出した重みを適用する。これにより、以後の仕分けにおいては更新後の重みが使用される。一方、高精度な値となっていないと判定された場合（Ｓ２４でＮＯ）、図９の処理は終了する。つまり、この場合には重みは更新されず、以後の仕分けにおいては現行の重みが引き続き使用される。

以上のように、重み更新部７２は、複数の判別成功色データ８３を訓練データとして取得し（Ｓ２１）、取得した訓練データを用いて色スコアの算出式（より詳細には色スコアの算出式における重みｗ_１〜ｗ_４）を更新する（Ｓ２５）。したがって、薬剤仕分装置１によれば、対象薬剤の撮像によって得られる対象画像が、マスタデータの作成時に想定していたものから変化した場合であっても、またマスタ色データが更新された後であっても、適切な重み値を用いて算出した適切な色スコアに基づき、適切に種類の判別を行うことができる。

〔変形例〕
上記実施形態では、ミニバッチを用いた確率的勾配降下法により重みを更新する例を示したが、重みの更新には他のアルゴリズムを適用することもできる。例えば、ミニバッチを用いない確率的勾配降下法を用いてもよいし、局所解の問題を考慮する必要がなければ、通常の勾配降下法を用いてもよい。また、勾配降下法以外の最適化アルゴリズムを適用することもできる。

また、薬剤データベース８１の更新処理と重みの更新処理の少なくとも何れかを、薬剤仕分装置１の外部の情報処理装置（コンピュータ）に実行させてもよい。この場合、当該情報処理装置を薬剤仕分装置１と通信可能な状態としておくことにより、情報処理装置から、薬剤仕分装置１が使用する薬剤データベース８１と色スコアの算出式における重みを更新することができる。

〔実施形態２〕
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。

〔薬剤仕分装置の構成〕
図１０は、本実施形態に係る薬剤仕分装置１が備える制御部６０ｂの要部構成の一例を示すブロック図である。なお、図１０では、本実施形態に特徴的な構成を中心に図示しているが、制御部６０ｂには図１に示した制御部６０ａに含まれる他のブロックも含まれていてもよい。

制御部６０ｂには、マーク検出部７３と類似性判定部７４と一致判定部７５と判別部６４とが含まれている。また、類似性判定部７４には、７４１−１から７４１−ｎまでのｎ個の識別器が含まれている。なお、ｎは２以上の整数である。また、各識別器を区別する必要がないときには、単に識別器７４１と記載する。

本実施形態の薬剤仕分装置１も、実施形態１の薬剤仕分装置１と同様に、種類不明の対象薬剤を撮像した撮像画像から、その対象薬剤の種類を判別する。そして、この判別は実施形態１と同様に判別部６４が行う。本実施形態では、判別部６４の判定材料の１つとして、対象薬剤のマークが薬剤の照合用のマスタデータに登録されている登録マークと一致するか否かを複数の識別器７４１を用いて判定する点で実施形態１と相違している。

より詳細には、マーク検出部７３は、対象薬剤に形成されたマークを撮像画像から検出する。続いて、類似性判定部７４が、マーク検出部７３が検出した検出マークと、薬剤の照合用のマスタデータに登録されている登録マークとの類似性を、複数の識別器７４１により判定する。そして、一致判定部７５は、各識別器７４１による判定の結果に基づいて検出マークと登録マークとが一致するか判定する。

上記の構成によれば、複数の識別器７４１による類似性の判定結果に基づいて検出マークと登録マークとが一致するか判定する。したがって、マークの一致判定の精度を高めることが可能になる。そして、判別部６４は、マーク検出部７３の判定結果に基づいて対象薬剤の種類を判別するので、マークを的確に考慮して対象薬剤の種類判別の精度を高めることができる。

一般に、薬剤に形成されたマークは、その形状がバリエーションに富んでいるため、ＯＣＲ（optical character reader）等による識別は難しい。また、マークが薬剤の表面を彫り込むことにより形成される場合には、撮像時の薬剤への光の当たり方により撮像画像へのマークの写り方が変わるため、一致判定の精度を上げることが難しかった。しかし、上記の構成によれば、薬剤の表面を彫り込むことにより形成されたマークについても、高精度に一致判定を行うことが可能である。

〔情報処理装置の構成〕
上述の類似性判定部７４と一致判定部７５は、情報処理装置１００によって構築される。ここでは、情報処理装置１００の構成を図１１に基づいて説明する。図１１は、情報処理装置１００の要部構成の一例を示すブロック図である。

情報処理装置１００は、情報処理装置１００の各部を統括して制御する制御部１１０と、情報処理装置１００が使用する各種データを記憶する記憶部１５０を備えている。また、情報処理装置１００は、情報処理装置１００に対する入力を受け付ける入力部１３０、および情報処理装置１００がデータを出力するための出力部１４０を備えている。

制御部１１０には、識別器群生成部１１１、判定領域設定部１１２、類似性判定部１１３、評価部１１４、選抜部１１５、重み設定部１１６、信頼度算出部１１７、および識別器構築部１１８が含まれている。また、記憶部１５０には、識別器ＤＢ（データベース）１５１、登録マークＤＢ１５２、および学習用ＤＢ１５３が記憶されている。

識別器群生成部１１１は、類似性判定部１１３が類似性の判定に使用する識別器群を生成する。具体的には、識別器群生成部１１１は、識別器ＤＢ１５１に格納されている識別器が類似性判定に用いる閾値のバリエーションを増やすことにより、１１３１−１から１１３１−ＮまでのＮ個の識別器からなる識別器群を生成する。この識別器群により類似性判定部１１３が構成される。なお、Ｎは２以上の整数である。また、各識別器を区別する必要がないときには、単に識別器１１３１と記載する。

判定領域設定部１１２は、撮像画像における検出マークが写っている領域を区分して、類似性判定部１１３が類似性の判定を行う対象となる判定領域を複数設定する。判定領域の設定については図１２に基づいて後述する。

類似性判定部１１３は、識別器群生成部１１１が生成した識別器群に含まれる各識別器１１３１を用いて、登録マークＤＢ１５２に格納されている登録マーク画像に写る登録マークと学習用ＤＢ１５３に含まれる各テスト画像に写るマークとの類似性の判定を行う。上述のように、この判定は、判定領域設定部１１２が設定した判定領域毎に行う。なお、テスト画像の詳細は図１２に基づいて後述する。

評価部１１４は、類似性判定部１１３に含まれる各識別器１１３１による類似性の判定結果を評価する。評価手法は、各識別器１１３１の類似性の判定精度に応じた評価値を算出できるものであればよい。本実施形態では、評価部１１４が、各識別器１１３１のエラー率を算出する例を説明する。エラー率は、類似性の判定を行った総回数に対する判定結果が誤りであった回数の割合を示す数値であり、エラー率が低いほど類似性の判定精度は高いといえる。

選抜部１１５は、識別器群生成部１１１が生成した識別器群、すなわち類似性判定部１１３に含まれる識別器１１３１の中から、評価部１１４が評価した類似性の判定精度に基づいて複数の識別器を選抜する。また、選抜部１１５は、この選抜において、重み設定部１１６が設定した重みを考慮する。

重み設定部１１６は、各識別器１１３１による類似性の判定対象となる各テスト画像に重みを設定する。重みの設定方法および重みを考慮した識別器の選抜方法については、図１４に基づいて後述する。

信頼度算出部１１７は、選抜部１１５が選抜した各識別器の信頼度を算出する。詳細は後述するが、この信頼度は、薬剤仕分装置１による一致判定で用いられる。また、信頼度の算出方法についても後述する。

識別器構築部１１８は、選抜部１１５が選抜した複数の識別器を用いて、検出マークと登録マークとが一致するか否かを判定するための識別器を構築する。そして、薬剤仕分装置１は、識別器構築部１１８が構築した識別器を用いて一致判定を行う。

識別器ＤＢ１５１には、薬剤の撮像画像から検出された検出マークと、薬剤の照合用のマスタデータに登録されている登録マークとの類似性を判定する識別器が格納されている。上述のように、識別器群生成部１１１が識別器ＤＢ１５１に格納されている識別器の閾値のバリエーションを増やし、これにより選抜部１１５による選抜の対象となる識別器群が生成される。このため、識別器ＤＢ１５１には、少なくとも１種類の識別器が格納されていればよい。ただし、複数種類の識別器が格納されていれば、複数種類の識別器から選抜された識別器からなる、より判定精度の高い識別器を構築し得るため好ましい。識別器ＤＢ１５１に格納されている識別器の具体例は後述する。

登録マークＤＢ１５２には、実施形態１の薬剤データベース８１に薬剤の照合用のマスタデータとして登録されている、登録マークが写っている画像である登録マーク画像が格納されている。登録マーク画像は、薬剤データベース８１に格納されているマスタ画像８１２からマークが写っている部分を切り出すことによって生成されたものであってもよい。

学習用ＤＢ１５３には、上述のように、各識別器１１３１の類似性の判定精度の評価に用いるテスト画像が格納されている。テスト画像の詳細は図１２に基づいて後述する。

以上のように、情報処理装置１００は、撮像画像から検出された検出マークと登録マークとの類似性を判定する識別器１１３１−１〜１１３１−Ｎの中から、類似性の判定精度に基づいて複数の識別器を選抜する選抜部１１５を備えている。また、情報処理装置１００は、選抜部１１５が選抜した複数の識別器を用いて、検出マークと登録マークとが一致するか否かを判定するための識別器を構築する識別器構築部１１８を備えている。

上記の構成によれば、類似性の判定精度に基づいて選抜された複数の識別器による判定結果に基づいて検出マークと登録マークとが一致するかを判定するための識別器を構築することができる。そして、本実施形態の薬剤仕分装置１は、このようにして構築された識別器を用いることにより、マークの一致判定を高精度に行うことが可能になり、その判定結果に基づく対象薬剤の種類判別も高精度に行うことが可能になる。

〔判定領域の設定〕
図１２は、判定領域の設定例を示す図である。より詳細には、図１２には、マスタ画像８１２から登録マークのマスタデータである登録マーク画像１５２１を生成し、この登録マーク画像１５２１にＡ２−１からＡ２−ＭまでのＭ個の判定領域を設定した例を示している。

図１２に示すマスタ画像８１２においては、錠剤Ｔ１が写っていると共に、錠剤Ｔ１の表面部分にマークＴ１１と番号Ｔ１２が写っている。登録マーク画像１５２１は、このようなマスタ画像８１２からマークが写っている領域Ａ１を検出し、この部分を切り出すことにより生成される。切り出した画像はそのまま登録マーク画像１５２１としてもよいし、所定サイズに拡大あるいは縮小する等の処理を行った上で登録マーク画像１５２１としてもよい。登録マーク画像１５２１は、登録マークＤＢ１５２に格納される。

判定領域設定部１１２は、登録マーク画像１５２１に複数の判定領域を設定する。図１２の例では、Ａ２−１からＡ２−ＭまでのＭ個の判定領域を設定している。なお、Ｍは２以上の整数である。また、各判定領域を区別する必要がないときには、単に判定領域Ａ２と記載する。

判定領域設定部１１２は、登録マーク画像１５２１の全画像領域が、少なくとも何れかの判定領域Ａ２に含まれるように判定領域を設定することが好ましい。また、図１２の例における判定領域Ａ２−１とＡ２−２のように、判定領域設定部１１２は、一部が重畳するように判定領域を設定してもよい。また、判定領域設定部１１２は、判定領域Ａ２−１とＡ２−Ｍのようにサイズの異なる判定領域を設定してもよいし、形状の異なる判定領域を設定してもよい。

判定領域２Ａの個数および各判定領域２Ａのサイズは特に限定されない。ただし、識別器１１３１による類否判定に支障が出ない程度のサイズおよび個数、つまり各判定領域２Ａにマークの特徴が表れる程度のサイズおよび個数とすることが好ましい。一例として、判定領域設定部１１２は、数百個の判定領域Ａ２を設定してもよい。

なお、判定領域設定部１１２は、自動で判定領域２Ａを設定してもよい。例えば、判定領域設定部１１２は、所定サイズの判定領域２Ａを所定の方向に所定の距離だけずらしながら登録マーク画像１５２１の全画像領域をカバーする複数の判定領域２Ａを設定してもよい。また、判定領域設定部１１２は、例えば、入力部１３０を介したユーザの入力に従って各判定領域２Ａを設定してもよい。

また、判定領域設定部１１２は、テスト画像に対しても登録マーク画像１５２１と同じ判定領域Ａ２を設定する。テスト画像は、登録マーク画像１５２１との類似性判定の対象となる画像であり、学習用ＤＢ１５３に格納されている。

学習用ＤＢ１５３に格納されているテスト画像には、登録マーク画像１５２１に写るマークと同一のマークが写ったテスト画像１５３１と、登録マーク画像１５２１に写るマークとは異なるマークが写ったテスト画像１５３２がそれぞれ複数含まれている。テスト画像１５３１および１５３２は、類似性の判定が容易なものから、困難なものまで、できるだけバリエーションに富んだものを用意することが好ましい。これにより、薬剤の多様な撮像画像についてマークの一致判定を高精度に行うことが可能になる。

類似性判定部１１３は、登録マーク画像１５２１とテスト画像の類似性の判定を、上述のようにして設定された各判定領域のそれぞれについて行う。具体的には、類似性判定部１１３は、登録マーク画像１５２１の判定領域Ａ２−１と、テスト画像１５３１の判定領域Ａ２−１との類似性を判定する。また、類似性判定部１１３は、テスト画像１５３２についても同様の判定を行う。そして、類似性判定部１１３は、判定領域Ａ２−２からＡ２−Ｍについても同様に、登録マーク画像１５２１とテスト画像１５３１、ならびに、登録マーク画像１５２１とテスト画像１５３２の類似性の判定を行う。

そして、選抜部１１５は、複数の判定領域のそれぞれにおける類似性の判定精度に基づいて複数の識別器を選抜する。これにより、各判定領域における判定精度の高い識別器が選抜され、選抜されたそれらの識別器によりマークの一致判定を行うための識別器が構築される。このようにして構築された識別器では、例えば、マークの形状の特徴が表れた判定領域については形状の判定精度が高い識別器で判定し、マークの色の特徴が表れた判定領域については色の判定精度が高い識別器で判定する、といった適材適所の判定が可能である。

また、このようにして構築された識別器を用いる薬剤仕分装置１の類似性判定部７４は、撮像画像の検出マークが写っている領域を区分した複数の判定領域のそれぞれについて、当該判定領域に応じた識別器により類似性の判定を行う。これにより、領域の違いを考慮した高精度な判定を行うことが可能になる。

〔使用する識別器〕
上述のように、薬剤仕分装置１の類似性判定部７４は、複数の識別器７４１により類似性の判定を行う。この類似性判定部７４は、類似性の判定方法が異なる複数種類の識別器により検出マークと登録マークとの類似性の判定を行ってもよい。この構成によれば、複数の判定方法を考慮してマークの一致判定を行うので、１種類の判定方法で類似性の判定を行う場合と比べて、当該判定の精度を高めることが可能になる。

また、複数種類の識別器を用いる場合、それらの識別器の中には、色の類似性を判定する識別器と、形状の類似性を判定する識別器とが含まれている、ことが好ましい。この構成によれば、色の類似性と形状の類似性の両方を考慮してマークの一致判定を行うので、判定の精度を高めることが可能になる。

ここで、識別器７４１は、情報処理装置１００の類似性判定部１１３に含まれる識別器１１３１−１〜１１３１−Ｎの中から選抜されたものであり、これらの識別器１１３１は識別器ＤＢ１５１に格納されている識別器が基になっている。

よって、この基になる識別器を複数種類とし、その中に、色の類似性を判定する識別器と、形状の類似性を判定する識別器とを含めておけば、薬剤仕分装置１において上述のような効果が期待できる。

また、薬剤によっては色による類似性の判定が難しいものも存在するが、そのような薬剤については、色の類似性を判定する識別器の判定精度が低くなるため、そのような識別器は選抜され難い。よって、識別器ＤＢ１５１に色の類似性を判定する識別器を含めておいても、色による類似性の判定が難しい薬剤の類似性の判定には、色の類似性を判定する識別器を用いないようにすることができる。

形状の類似性を判定する識別器としては、例えば、類似性の判定対象となる画像について下記のような値を算出して、算出した値と所定の閾値とを比較することにより、類似か非類似かを判定する識別器を用いることもできる。

（１）ＨＯＧ（Histograms of Oriented Gradients）特徴量の距離
（２）Average Hash法により算出したHash値の距離
（３）Perceptual Hash法により算出したHash値の距離
（４）ＨＳＶ（Ｈ：Hue、Ｓ：Saturation・Chroma、Ｖ：Value・Brightness）変換により生成したＳ成分画像でのＨＯＧ特徴量の距離
（５）先鋭化した画像の特徴点抽出（ＯＲＢ：Oriented FAST and Rotated BRIEF）により得た特徴の類似度
（６）ソーベルフィルタリングした画像から特徴点抽出アルゴリズムであるＡＫＡＺＥにより得た特徴量の類似度
（７）グラディエントフィルタリングした画像から特徴点抽出アルゴリズムであるＡＫＡＺＥにより得た特徴量の類似度
（８）数字等が写る画像からその数字等の特徴ベクトルを出力するように学習した畳み込みニューラルネットワークに類似性の判定対象となる各画像を入力して得た各特徴ベクトル間の距離
また、色の類似性を判定する識別器としては、例えば、ＨＳＶ変換画像の平均色距離を算出して、算出した値と所定の閾値とを比較することにより、類似か非類似かを判定する識別器を用いることもできる。

〔閾値の相違による類似性の判定精度の相違〕
上述のように、識別器群生成部１１１は、閾値が異なる識別器群を生成する。ここでは、閾値の相違による類似性の判定精度の相違について図１３に基づいて説明する。図１３は、閾値が相違することにより類似性の判定精度に相違が生じた例を示す図である。

この例では、登録マーク画像１５２１における領域Ａ２とテスト画像における同領域との類似度を、識別器ＤＢ１５１に格納されている識別器の１つである第１識別器と、該第１識別器の閾値をより大きい値に変更した第２識別器とで判定している。テスト画像には、登録マーク画像１５２１に写るマークと同一のマークが写るテスト画像Ａ〜Ｃと、非同一のマークが写るテスト画像ａ〜ｃが含まれている。

第１識別器と第２識別器は、類似と非類似の判定閾値が異なるだけで、同じ識別器であるから、これらの識別器が算出する、登録マーク画像１５２１とテスト画像の類似度は同じ値である。図１３の例では、テスト画像Ａが登録マーク画像１５２１との類似度が最も高く、以下類似度の高い順に、テスト画像Ｂ、ａ、ｂ、Ｃ、ｃと続く結果となっている。

第１識別器と第２識別器は、算出した上記類似度が閾値以上であれば類似、閾値未満であれば非類似との判定結果を出力する。この例では、第１識別器の判定結果は、テスト画像Ａ、Ｂ、ａ、ｂは登録マーク画像１５２１と類似しており、テスト画像Ｃ、ｃは登録マーク画像１５２１と類似していない、となっている。これら６つの結果のうち、テスト画像ａ、ｂ、Ｃについての判定結果は誤判定であるから、第１識別器のエラー率は３／６である。

一方、第２識別器の判定結果は、テスト画像Ａ、Ｂ、ａは登録マーク画像１５２１と類似しており、テスト画像ｂ、Ｃ、ｃは登録マーク画像１５２１と類似していない、となっている。これら６つの結果のうち、テスト画像ａ、Ｃについての判定結果は誤判定であるから、第２識別器のエラー率は２／６である。

これら第１識別器と第２識別器のように、同じ値の類似度を算出する識別器であっても、類似性の判定に用いる閾値の値が変われば、判定精度が変化し得る。よって、類似性判定に用いる閾値のバリエーションを増やすことにより、登録マーク画像１５２１の類似性の判定に適した識別器を含む識別器群を生成することができる。

なお、識別器群生成部１１１が各識別器に設定する閾値を決定する方法、および閾値のバリエーションの数は、特に限定されない。バリエーションを多くする程、最適な閾値の識別器を含む識別器群を構築できる可能性が高くなるが、その分、最終的な識別器の構築までに要する演算量が増大する。このため、許容できる演算量と求められる判定精度等に基づいて閾値の決定方法および閾値のバリエーションの数を設定すればよい。例えば、識別器群生成部１１１は、各識別器の出力値の範囲を複数に等分する各値を閾値に設定してもよい。例えば、識別器群生成部１１１は、出力値の範囲を１０等分する９つの値を閾値に設定してもよい。これにより、１つの識別器に９つのバリエーションを持たせることができる。

〔識別器を構築する処理の流れ〕
図１４および図１５に基づいて、情報処理装置１００が識別器を構築する処理（情報処理方法）の流れを説明する。図１４は、識別器を構築する処理の一例を示すフローチャートである。また、図１５は、識別器を構築する処理の具体例を示す図である。

図１４の処理を開始する前に、識別器群生成部１１１は、識別器ＤＢ１５１に格納されている識別器の閾値のバリエーションを増やすことにより識別器群を生成している。また、判定領域設定部１１２は、判定領域を設定している。

上記識別器群について、図１５の例では、識別器群生成部１１１は、識別器ＤＢ１５１に格納されているｍ種類（ｍは自然数）の識別器の閾値のバリエーションをそれぞれ増やすことにより、識別器１１３１−１から１１３１−ＮまでのＮ個の識別器を含む識別器群を生成している。

また、図１５の例では、判定領域設定部１１２は、Ａ２−１からＡ２−ＭまでのＭ個の判定領域を設定している。上述のように、判定領域Ａ２−１〜Ａ２−Ｍは、登録マーク画像１５２１とテスト画像１５３１および１５３２との類似性の判定に用いられる。

図１４のＳ３１では、類似性判定部１１３が、識別器群生成部１１１が生成した上述の識別器群に含まれる各識別器を用いて、登録マークＤＢ１５２に格納されている登録マークと、学習用ＤＢ１５３に格納されているテスト画像１５３１および１５３２との類似性の判定を行う。この判定は、判定領域設定部１１２が設定した判定領域のそれぞれについて行われる。

例えば、図１５の例では、Ｍ個の判定領域が設定されているから、１つの識別器による判定は、１つのテスト画像につきＭ回行われる。また、識別器は合計でＮ個あるから、１つのテスト画像につき合計でＭ×Ｎ回の判定が行われる。

Ｓ３２では、評価部１１４が、Ｓ３１で行われた各判定の判定精度を評価する。上述のように、評価部１１４は、エラー率を算出することにより判定精度を評価してもよい。また、この評価には、重み設定部１１６が各テスト画像に設定した重みが考慮される。以下説明するように、Ｓ３２〜Ｓ３６の処理は所定回数繰り返されるが、初回の評価では各テスト画像の重みは初期値（全てのテスト画像の重みは同一）とする。

Ｓ３３では、選抜部１１５が、Ｓ３２で評価された識別器の中から、当該評価の結果に基づいて識別器を選抜する。例えば、選抜部１１５は、エラー率が最も低かった１つの識別器を選抜してもよい。なお、この際に、選抜部１１５は、選抜した識別器と、その識別器の判定領域とを対応付けておく。

Ｓ３４では、信頼度算出部１１７が、Ｓ３３で選抜された識別器の信頼度を算出する。例えば、信頼度算出部１１７は、下記の数式により信頼度を算出してもよい。なお、下記の数式において、「ｌｎ」は、ｌｏｇ_ｅである。

（信頼度）＝１／２・ｌｎ［{１−（エラー率）}／（エラー率）］
Ｓ３５では、識別器構築部１１８が、学習が終了したか否かを判定する。例えば、識別器構築部１１８は、Ｓ３２〜Ｓ３６の処理の繰り返し回数が所定数に達していれば学習が終了したと判定し、所定回数に達していなければ学習は終了していないと判定してもよい。Ｓ３５で学習が終了したと判定された場合（Ｓ３５でＹＥＳ）にはＳ３７の処理に進み、終了していないと判定された場合（Ｓ３５でＮＯ）にはＳ３６の処理に進む。

Ｓ３６では、重み設定部１１６が、テスト画像の重みを更新する。この更新において、重み設定部１１６は、直近のＳ３３の処理で選抜された識別器が誤判定したテスト画像の重みが、同識別器が正しく判定したテスト画像の重みよりも大きくなるように更新する。

Ｓ３６の後、処理はＳ３２に戻り、評価部１１４が、更新後の重みを用いて、Ｓ３１で行われた各判定の判定精度を再評価する。この再評価では、直近のＳ３３の処理で選抜された識別器が誤判定したテスト画像の重みが相対的に大きくなっているので、このテスト画像の判定精度が高い識別器の評価が相対的に高くなる。

よって、続くＳ３３では、前回選抜された識別器が誤判定したテスト画像の判定精度が高い識別器が選抜されやすくなる。このような繰り返し処理により、互いに欠点を補い合う識別器を順次選抜することができる。

Ｓ３７では、識別器構築部１１８が、これまでの繰り返し処理によって選抜された識別器を用いて、検出マークと登録マークとが一致するかを判定するための識別器を構築する。例えば、識別器構築部１１８は、選抜された識別器の出力値に当該識別器の信頼度で重みを付けた値を、選抜された全識別器について合計した値（以下、一致度と呼ぶ）を出力する識別器を構築してもよい。

また、識別器構築部１１８は、上記一致度の閾値を設定する。閾値は、構築した上記識別器の判定精度が少なくとも許容下限値以上となるように設定すればよい。例えば、識別器構築部１１８は、構築した上記識別器により算出された、登録マーク画像に写る登録マークと、複数のテスト画像１５３１および１５３２に写るマークとの一致度を取得してもよい。そして、識別器構築部１１８は、取得した一致度の平均と分散から一致度の標準偏差σを算出し、この標準偏差σを基準に上記閾値を設定してもよい。例えば、識別器構築部１１８は、閾値を５σとしたときに、構築した上記識別器の誤判定率が許容下限値以上となる場合に、閾値を５σとしてもよい。

識別器が構築されることにより、図示の処理は終了となる。なお、Ｓ３７で構築した識別器は、記憶部１５０に記憶してもよいし、出力部１４０に出力させてもよい。また、情報処理装置１００と薬剤仕分装置１が通信機能を備えている場合、情報処理装置１００は、該通信機能により薬剤仕分装置１に構築した識別器を送信してもよい。

薬剤仕分装置１の類似性判定部７４に含まれる複数の識別器７４１は、以上のように、登録マークの画像と他のマークの画像とを含むテスト画像群についての類似性の判定精度に基づいて選抜された識別器である。この構成によれば、テスト画像群についての類似性の判定精度に基づいて選抜された識別器による類似性の判定結果に基づいてマークの一致判定を行うので、高精度な判定を行うことが可能になる。

〔構築した識別器を用いたマークの一致判定処理の流れ〕
図１６および図１７に基づいて、上述のようにして構築した識別器を用いた、薬剤仕分装置１によるマークの一致判定処理（判定方法）の流れを説明する。図１６は、マークの一致判定処理の一例を示すフローチャートである。また、図１７は、マークの一致判定の具体例を示す図である。

Ｓ４１では、マーク検出部７３が、対象薬剤を撮像した撮像画像８２から、当該対象薬剤に形成されたマークを検出する。図１７の例では、撮像画像８２には、表面にマークＴ１１と番号Ｔ１２が記された錠剤Ｔ１が写っている。この例では、マーク検出部７３は、マークＴ１１を検出して、検出したマークＴ１１が写る矩形状の領域Ａ１を撮像画像８２から切り出して所定サイズに変更し、マーク画像８４を生成している。なお、所定サイズは、登録マーク画像１５２１と同じサイズである。

Ｓ４２では、類似性判定部７４が、Ｓ４１で検出された検出マークと登録マークとの類似性を、複数の識別器７４１により判定する。図１７の例では、類似性判定部７４は、識別器７４１−１から７４１−ｍのそれぞれを用いて、マーク画像８４に写る検出マークと、登録マーク画像１５２１に写る登録マークとの類似性を判定する。

なお、この判定は、各識別器７４１に対応付けられた判定領域Ａ２毎に行う。例えば、識別器７４１−１に対応付けられた判定領域がＡ２−１であり、識別器７４１−２に対応付けられた判定領域がＡ２−５であったとする。この場合、識別器７４１−１を用いた判定は判定領域Ａ２−１について行い、識別器７４１−２を用いた判定は判定領域Ａ２−５について行う。

Ｓ４３では、一致判定部７５が、Ｓ４２の判定結果に基づいて判定用スコアを算出する。図１７の例では、各識別器７４１は、類似していることを示す判定結果である「１」または非類似であることを示す判定結果である「−１」を出力している。そして、一致判定部７５は、上記判定結果にその判定を行った識別器７４１の信頼度を乗じて足し合わせることにより、判定用スコアを算出している。

Ｓ４４では、一致判定部７５は、Ｓ４３で算出した判定用スコアが閾値以上であるか否かにより、Ｓ４１で検出された検出マークと登録マークとが一致するか否かを判定する。このように、一致判定部７５は、各識別器７４１による判定の結果に、各識別器７４１の信頼度に応じた重み付けを行った上で、検出マークと登録マークとが一致するか判定する。これにより、各識別器７４１の信頼度をマークの一致判定に反映させることができるので、高精度な判定を行うことが可能になる。

最後に、Ｓ４５では、一致判定部７５は、Ｓ４５の判定結果を判別部６４に出力し、これにより図１６の処理は終了する。なお、Ｓ４４の判定結果が一致していないという結果であった場合、類似性の判定対象の登録マークを変更して、再度Ｓ４２〜Ｓ４４の処理を行ってもよい。そして、Ｓ４４の判定結果が一致しているとの結果となるまでこれらの処理を繰り返してもよい。

図１６の処理の終了後、Ｓ４５の判定結果を受信した判別部６４は、マーク検出部７３の判定結果と、対象薬剤の色や形状、番号等のその他の検出結果や判定結果に基づいて、対象薬剤の種類を判別する。

〔ソフトウェアによる実現例〕
薬剤仕分装置１の制御ブロック（特に、制御部６０ａおよび６０ｂに含まれる各部）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。

後者の場合、薬剤仕分装置１は、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータを備えている。このコンピュータは、例えば１つ以上のプロセッサを備えていると共に、上記プログラムを記憶したコンピュータ読み取り可能な記録媒体を備えている。そして、上記コンピュータにおいて、上記プロセッサが上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記プロセッサとしては、例えばＣＰＵ（Central Processing Unit）を用いることができる。上記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read Only Memory）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムを展開するＲＡＭ（Random Access Memory）などをさらに備えていてもよい。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

同様に、情報処理装置１００の制御ブロック（特に制御部１１０に含まれる各部）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよい。そして、これら制御ブロックは、上述のようにしてソフトウェアによって実現してもよい。

〔付記事項〕
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

１ 薬剤仕分装置
６０ コンピュータ（種類判別装置）
６４ 判別部
７１ マスタ更新部
７２ 重み更新部（評価情報更新部）
８１ 薬剤データベース
８２ 撮像画像
８１１ａ、８１１ｂ マスタ色データ
７３ マーク検出部
７４ 類似性判定部
７４１ 識別器
７５ 一致判定部
１００ 情報処理装置
１１５ 選抜部
１１８ 識別器構築部

Claims (13)

1. 薬剤の照合用のマスタデータを用いて、種類不明の対象薬剤を撮像した撮像画像から、前記対象薬剤の種類を判別する種類判別装置であって、
   前記マスタデータには、薬剤の色を示すマスタ色データが含まれており、
   前記撮像画像から生成された、前記対象薬剤の外観の特徴を示す情報と、前記マスタデータとを照合し、該照合の結果に基づいて前記対象薬剤の種類を判別する判別部と、
   前記判別部が前記対象薬剤の種類の判別に成功したときに、当該判別に使用された、前記対象薬剤の色を示す判別成功色データを、新たな前記マスタ色データとするマスタ更新部と、を備えることを特徴とする種類判別装置。
2. 前記判別部は、前記対象薬剤の色を示す対象色データと、各種類の薬剤に対応する前記マスタ色データのそれぞれとの類似度を算出すると共に、該類似度の順に、前記対象薬剤の特徴を示す前記情報と前記マスタデータとの照合を行って前記対象薬剤の種類を判別することを特徴とする請求項１に記載の種類判別装置。
3. 複数の前記判別成功色データを訓練データとして、前記対象色データと前記マスタ色データとから前記類似度を算出するための類似度評価情報を更新する評価情報更新部を備えることを特徴とする請求項２に記載の種類判別装置。
4. 前記評価情報更新部は、確率的勾配降下法を用いて前記類似度評価情報を更新することを特徴とする請求項３に記載の種類判別装置。
5. 薬剤の照合用のマスタデータを用いて、種類不明の対象薬剤を撮像した撮像画像から、前記対象薬剤の種類を判別する種類判別装置であって、
   前記マスタデータには、薬剤の色を示すマスタ色データが含まれており、
   前記撮像画像から生成された、前記対象薬剤の色を示す対象色データと、各種類の薬剤に対応する前記マスタ色データのそれぞれとの類似度を算出すると共に、該類似度に基づいて前記対象薬剤の種類を判別する判別部と、
   前記判別部の判別結果が正しかったときに、当該判別に使用された前記対象色データである判別成功色データを複数取得して訓練データとし、該訓練データを用いて、前記対象色データと前記マスタ色データとから前記類似度を算出するための類似度評価情報を更新する評価情報更新部と、を備えることを特徴とする種類判別装置。
6. 種類不明の対象薬剤を撮像した撮像画像から、前記対象薬剤の種類を判別する種類判別装置であって、
   前記撮像画像から前記対象薬剤に形成されたマークを検出するマーク検出部と、
   前記マーク検出部が検出した検出マークと、薬剤の照合用のマスタデータに登録されている登録マークとの類似性を、複数の識別器により判定する類似性判定部と、
   各識別器による前記判定の結果に基づいて前記検出マークと前記登録マークとが一致するか判定する一致判定部と、を備えることを特徴とする種類判別装置。
7. 前記類似性判定部は、類似性の判定方法が異なる複数種類の識別器により前記検出マークと前記登録マークとの類似性の判定を行う、ことを特徴とする請求項６に記載の種類判別装置。
8. 複数種類の前記識別器には、色の類似性を判定する識別器と、形状の類似性を判定する識別器とが含まれている、ことを特徴とする請求項７に記載の種類判別装置。
9. 前記類似性判定部は、前記撮像画像の前記検出マークが写っている領域を区分した複数の判定領域のそれぞれについて、当該判定領域に応じた複数の前記識別器により類似性の判定を行う、ことを特徴とする請求項６から８の何れか１項に記載の種類判別装置。
10. 複数の前記識別器は、前記登録マークの画像と他のマークの画像とを含むテスト画像群についての類似性の判定精度に基づいて選抜された識別器である、ことを特徴とする請求項６から９の何れか１項に記載の種類判別装置。
11. 前記一致判定部は、各識別器による前記判定の結果に、各識別器の信頼度に応じた重み付けを行った上で、前記検出マークと前記登録マークとが一致するか判定する、ことを特徴とする請求項６から１０の何れか１項に記載の種類判別装置。
12. 薬剤の撮像画像から検出された検出マークと、薬剤の照合用のマスタデータに登録されている登録マークとの類似性を判定する識別器群の中から、類似性の判定精度に基づいて複数の識別器を選抜する選抜部と、
    前記選抜部が選抜した複数の前記識別器を用いて、前記検出マークと前記登録マークとが一致するか否かを判定するための識別器を構築する識別器構築部と、を備えることを特徴とする情報処理装置。
13. 前記選抜部は、前記撮像画像の前記検出マークが写っている領域を区分した複数の判定領域のそれぞれにおける類似性の判定精度に基づいて複数の識別器を選抜する、ことを特徴とする請求項１２に記載の情報処理装置。

Images