处理装置、系统、方法和计算机程序制造方法及图纸

处理装置(10)经由网络与具备高光谱传感器的一个以上终端连接，所述高光谱传感器生成将对象物的高光谱信息压缩为二维图像信息的压缩图像数据。所述处理装置(10)具备：存储装置(110、120)，存储多个样本的数据集和用于根据所述压缩图像数据复原高光谱数据的第一复原表，各样本的数据集包含所述样本的高光谱数据以及表示所述样本的特性值的数据；以及处理电路(140)，基于所述多个样本的所述数据集，生成用于根据所述高光谱数据来推测所述特性值的统计模型，并根据所生成的所述统计模型编辑所述第一复原表，来生成第二复原表。来生成第二复原表。来生成第二复原表。

【技术实现步骤摘要】
【国外来华专利技术】处理装置、系统、方法和计算机程序


[0001]本公开涉及用于推测对象物的特性的处理装置、系统、方法和计算机程序。

技术介绍

[0002]近年来，进行了生产味道更好的农产品、例如糖度高的水果或蔬菜的努力。农产品的糖度不仅依赖于品种，而且依赖于生长环境和过程。因此，测定农产品的糖度，保证糖度后进行出厂。糖度除了用糖度计测定的方法以外，还可以用非破坏性的方法测定。例如，专利文献1公开了基于包括红外线的波长的多个种类波长的光的吸收率来推测表示水果的糖度的白利糖度值等特性的方法。专利文献1的系统使用表示样本的特性与来自样本的散射光的关系的回归模型，根据以特定光谱的光照射样本时产生的散射光来推测样本的特性。另一方面，专利文献2公开了使用了多变量解析的细胞等试样的分类方法。专利文献3公开了一种使用主成分分析来判别细胞种类的方法。
[0003]另一方面，专利文献4公开利用了压缩感测的高光谱(Hyperspectral)摄像装置的例子。该摄像装置具备：编码元件，是光透射率的波长依赖性相互不同的多个光学滤波器的阵列；图像传感器，对透射了编码元件的光进行检测；以及信号处理电路。在连结被摄体和图像传感器的光路上，配置编码元件。图像传感器通过针对每个像素同时检测重叠了多个波长波段成分的光来取得一个波长复用图像。信号处理电路利用编码元件的分光透射率(spectral transmittance)的空间分布的信息，对所取得的波长复用图像应用压缩感测，由此重构关于多个波长波段的每一个波长波段的图像数据。
[0004]在先技术文献r/>[0005]专利文献
[0006]专利文献1：国际公开第01/069191号说明书
[0007]专利文献2：国际公开第01/092859号说明书
[0008]专利文献3：国际公开第2019/117177号说明书
[0009]专利文献4：美国专利第9599511号说明书

技术实现思路

[0010]本公开提供了用于推测例如农产品的糖度等的对象物的特性的技术。
[0011]本公开的一形态的处理装置是经由网络与具备高光谱传感器的一个以上终端连接的处理装置，所述高光谱传感器生成将对象物的高光谱信息压缩为二维图像信息的压缩图像数据。所述处理装置包括：存储装置，存储多个样本的数据集和用于根据所述压缩图像数据复原高光谱数据的第一复原表，各样本的数据集包含所述样本的高光谱数据以及表示所述样本的特性值的数据；以及处理电路，基于所述多个样本的所述数据集，生成用于根据所述高光谱数据来推测所述特性值的统计模型，并根据所生成的所述统计模型编辑所述第一复原表，来生成第二复原表。
[0012]本公开的另一形态的处理装置，是与具备高光谱传感器的一个以上装置连接的处
理装置，所述高光谱传感器生成将对象物的高光谱信息压缩为二维图像信息的压缩图像数据。所述处理装置具备：存储装置，存储多个样本的数据集和用于根据所述压缩图像数据复原高光谱数据的第一复原表，各样本的数据集包含所述样本的高光谱数据以及表示所述样本的特性值的数据；以及处理电路，基于所述多个样本的所述数据集，生成用于将所述高光谱数据变换为与所述特性值相关联的光谱数据的模型，并基于所述模型和所述第一复原表，生成用于从所述压缩图像数据中复原与所述特性值相关联的光谱数据的第二复原表。
[0013]本公开的总括性或具体的形态既可以通过系统、装置、方法、集约化电路、计算机程序或计算机可读取的记录磁盘等记录介质来实现，也可以通过系统、装置、方法、集成电路、计算机程序和记录介质的任意的组合来实现。计算机可读取的记录介质可以包括易失性的记录介质，也可以包括CD
‑
ROM(Compact Disc
‑
Read Only Memory，只读光盘)等非易失性的记录介质。装置可以由一个以上装置构成。在装置由两个以上装置构成的情况下，该两个以上装置可以配置在一个设备内，也可以分开配置在分离的两个以上设备内。在本说明书和请求保护的范围中，“装置”不仅可以意味着一个装置，还可以意味着由多个装置构成的系统。
[0014]根据本公开的一个形态，能够提高例如农产品的糖度等对象物的特性的推测精度。
[0015]根据本公开的另一形态，即使在数据由于例如农产品的品种或生长方法等对象物的属性的变化而脱离统计模型的情况下，也可以早期与对象物的属性的变化对应地来推测对象物的特性。
附图说明
[0016]图1是表示将农产品的光谱数据进行主成分分析所得的结果的例子的图。
[0017]图2是表示光谱数据的主成分分析的结果因番茄的品种而不同的图。
[0018]图3A是示意性地表示高光谱相机(Hyperspectral camera)的结构例的图。
[0019]图3B是示意性地表示高光谱相机的另一结构例的图。
[0020]图3C是示意性地表示高光谱相机的又一结构例的图。
[0021]图3D是示意性地表示高光谱相机的又一结构例的图。
[0022]图4A是示意性地表示滤波器阵列的例子的图。
[0023]图4B是表示对象波长域所包含的多个波长波段W1、W2、
…
、Wm各自的光的透射率的空间分布的一例的图。
[0024]图5是表示实施方式1中的糖度推测系统的结构的框图。
[0025]图6A是表示第一存储装置所存储的学习用数据的一例的图。
[0026]图6B是表示第一存储装置所存储的从糖度推测装置发送的光谱数据的一例的图。
[0027]图7是表示第二存储装置所存储的每个糖度推测装置的完全复原表的例子的图。
[0028]图8是表示第三存储装置所存储的每个糖度推测装置的缩小复原表的例子的图。
[0029]图9是表示第三存储装置所存储的模型的数据的例子的图。
[0030]图10A是表示确认了与糖度有相关性的特定的主成分的主成分得分与糖度的关系的例子的散布图。
[0031]图10B示出了第三存储装置所存储的对应表的一例。
[0032]图11A示出了统计学习装置发送的数据的格式的一例。
[0033]图11B示出了统计学习装置发送的数据的格式的另一例。
[0034]图12是表示第四存储装置所存储的缩小复原表的一例的图。
[0035]图13示出了发送至统计学习装置的数据的一例。
[0036]图14是表示统计学习装置和糖度推测装置之间的通信和处理的概要的图。
[0037]图15是表示糖度和主成分得分之间具有相关性的主成分的每一波长的主成分负荷量的例子的曲线图。
[0038]图16是表示图14所示的步骤S1001至步骤S1007的动作的具体例的流程图。
[0039]图17是表示生成缩小复原表的处理的详细情况的流程图。
[0040]图18是表示在能够推测糖度的状态下的统计学习装置的动作的一例的流程图。
[0041]图19是表示糖度推测装置执行本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种处理装置，经由网络与具备高光谱传感器的一个以上终端连接，所述高光谱传感器生成将对象物的高光谱信息压缩为二维图像信息的压缩图像数据，在所述处理装置中，具备：存储装置，存储多个样本的数据集和用于根据所述压缩图像数据复原高光谱数据的第一复原表，各样本的数据集包含所述样本的高光谱数据以及表示所述样本的特性值的数据；以及处理电路，基于所述多个样本的所述数据集，生成用于根据所述高光谱数据来推测所述特性值的统计模型，并根据所生成的所述统计模型编辑所述第一复原表，来生成第二复原表。2.根据权利要求1所述的处理装置，其中，所述高光谱数据包含针对对象波长域所包含的多个波长波段的每一个波长波段的亮度信息，所述第一复原表是用于将针对所述多个波长波段的每一个波长波段的所述亮度信息根据所述压缩图像数据来复原的数据，所述第二复原表是用于将针对整合了所述多个波长波段的一部分所得的新的多个波长波段的每一个波长波段的所述亮度信息根据所述压缩图像数据来复原的数据。3.根据权利要求1或2所述的处理装置，其中，所述第二复原表的数据尺寸小于所述第一复原表的数据尺寸。4.根据权利要求1至3中任一项所述的处理装置，其中，所述处理电路，通过基于所述多个样本的所述高光谱数据的主成分分析，决定与所述特性值有关联的特定的主成分的主成分负荷量，基于所述主成分负荷量，根据所述第一复原表来生成所述第二复原表。5.根据权利要求1所述的处理装置，其中，所述高光谱数据包含针对对象波长域所包含的多个波长波段的每一个波长波段的亮度信息，所述第一复原表是用于将针对所述多个波长波段的每一个波长波段的所述亮度信息根据所述压缩图像数据来复原的数据，所述处理电路，通过基于所述多个样本的所述高光谱数据的主成分分析，决定与所述特性值有关联的特定的主成分的主成分负荷量，基于所述主成分负荷量，从所述多个波长波段中决定对所述主成分的贡献度相对低的一部分波长波段，通过整合所述第一复原表中的与所述一部分波长波段相关的信息，生成所述第二复原表。6.根据权利要求1至5中任一项所述的处理装置，其中，所述高光谱传感器具备包含多个滤波器的滤波器阵列，所述多个滤波器的透射光谱因滤波器而不同，所述第一复原表是反映了所述滤波器阵列的所述透射光谱的空间分布的数据。
7.根据权利要求1至6中任一项所述的处理装置，其中，所述处理电路将所述统计模型以及所述第二复原表发送至所述终端。8.根据权利要求1至7中任一项所述的处理装置，其中，所述处理电路将所述统计模型、所述第一复原表以及所述第二复原表按照每个预先确定的分类而生成。9.根据权利要求1至8中任一项所述的处理装置，其中，所述处理电路，取得通过所述终端从所述压缩图像数据中提取一部分区域的数据而生成的部分压缩图像数据，使用所述第二复原表，根据所述部分压缩图像数据，生成与所述一部分区域对应的高光谱数据，使用所述统计模型，根据所述高光谱数据，推测所述对象物的所述特性值，将表示推测出的所述特性值的数据发送至所述终端。10.根据权利要求1至8中任一项所述的处理装置，其中，所述处理电路，从所述终端取得所述压缩图像数据，使用所述第二复原表，根据所述压缩图像数据生成高光谱数据，使用所述统计模型，根据所述高光谱数据，推测所述对象物的所述特性值，将表示推测出的所述特性值的数据发送至所述终端。11.根据权利要求1至8中任一项所述的处理装置，其中，所述处理电路，取得所述终端基于所述第二复原表根据所述压缩图像数据生成的高光谱数据，基于所述统计模型，根据所述高光谱数据推测所述对象物的所述特性值，将表示所述特性值的数据发送至所述终端。12.根据权利要求1至11中任一项所述的处理装置，其中，所述处理电路，在根据基于所述第二复原表从所述压缩图像数据生成的高光谱数据、和所述多个样本的所述数据集中的所述高光谱数据，判断为需要变更所述统计模型以及所述第二复原表时，基于多个新样本的所述数据集来重新生成所述统计模型，根据重新生成的所述统计模型，更新所述第二复原表。13.一种系统，其中，具备：权利要求1至12中任一项所述的处理装置；以及所述一个以上终端。14.一种方法，由处理装置执行，所述处理装置经由网络与具备高光谱传感器的一个以上终端连接，所述高光谱传感器生成将对象物的高光谱信息压缩为二维图像信息的压缩图像数据，所述方法包括：取得多个样本的数据集和第一复原表，所述多个样本的数据集的各样本的数据集包含所述样本的高光谱数据以及表示所述样本的特性值的数据，所述第一复原表用于根据所述
压缩图像数据复原高光谱数据；基于所述多个样本的所述数据集，生成用于根据所述高光谱数据来推测所述特性值的统计模型；以及根据所生成的所述统计模型编辑所述第一复原表来生成第二复原表。15.一种计算机程序，由处理装置的计算机执行，所述处理装置经由网络与具备高光谱传感器的一个以上终端连接，所述高光谱传感器生成将对象物的高光谱信息压缩为二维图像信息的压缩图像数据，所述计算机程序使所述计算机执行：取得多个样本的数据集和第一复原表，所述多个样本的数据集的各样本的数据集包含所述样本的高光谱数据以及表示所述样本的特性值的数据，所述第一复原表用于根据所述压缩图像数据复原高光谱数据；基于所述多个样本的所述数据集，生成用于根据所述高光谱数据来推测所述特性值的统计模型；以及根据所生成的所述统计模型编辑所述第一复原表来生...

【专利技术属性】
技术研发人员：加藤弓子，八子基树，狩集庆文，
申请(专利权)人：松下知识产权经营株式会社，
类型：发明
国别省市：