知財求人 - 知財ポータルサイト「IP Force」
▶ キユーピー株式会社の特許一覧 ▶ 株式会社トウ・ソリューションズの特許一覧
特許7164135情報処理装置、評価システム、機械学習装置、情報処理方法、及びプログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2022-10-24
(45)【発行日】2022-11-01
(54)【発明の名称】情報処理装置、評価システム、機械学習装置、情報処理方法、及びプログラム
(51)【国際特許分類】
G06Q 50/04 20120101AFI20221025BHJP
G06T 7/00 20170101ALI20221025BHJP
G16H 50/20 20180101ALI20221025BHJP
【ＦＩ】
G06Q50/04
G06T7/00 350C
G16H50/20
【請求項の数】
12
(21)【出願番号】P 2021533187
(86)(22)【出願日】2021-02-09
(86)【国際出願番号】 JP2021004705
(87)【国際公開番号】W WO2021166733
(87)【国際公開日】2021-08-26
【審査請求日】2021-06-10
(31)【優先権主張番号】P 2020026256
(32)【優先日】2020-02-19
(33)【優先権主張国・地域又は機関】JP
【早期審査対象出願】
(73)【特許権者】
【識別番号】000001421
【氏名又は名称】キユーピー株式会社
(73)【特許権者】
【識別番号】515036523
【氏名又は名称】株式会社トウ・ソリューションズ
(74)【代理人】
【識別番号】110000338
【氏名又は名称】特許業務法人ＨＡＲＡＫＥＮＺＯ ＷＯＲＬＤ ＰＡＴＥＮＴ ＆ ＴＲＡＤＥＭＡＲＫ
(72)【発明者】
【氏名】長尾 春香
(72)【発明者】
【氏名】山岡 晃汰
【審査官】田中 寛人
(56)【参考文献】
【文献】特開２０１７－１６１９５８（ＪＰ，Ａ）
【文献】特開２０１８－１９５２６７（ＪＰ，Ａ）
【文献】特開２０１８－０００６４９（ＪＰ，Ａ）
【文献】特開２０１８－００５２６８（ＪＰ，Ａ）
【文献】特開２００４－０００４２８（ＪＰ，Ａ）
【文献】国際公開第２０１８／２３２５１０（ＷＯ，Ａ１）
【文献】爪の長さが●mm以上だと汚れは約1.9倍!? 「トイレの便座」以上の汚れを検出 [online]，［令和4年3月3日検索］，マイナビ，2014年10月24日，インターネット＜ＵＲＬ：https://news.mynavi.jp/article/20141024-a013/＞
【文献】伸びっぱなしの爪には細菌がいっぱい！ [online]，［令和4年3月3日検索］，ＣＮＳ合同会社，2017年09月28日，インターネット＜ＵＲＬ：https://www.gespa-cns.net/blog/entry-030.html＞
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｑ１０／００－９９／００
Ｇ０６Ｔ７／００
Ｇ１６Ｈ１０／００－８０／００
(57)【特許請求の範囲】
【請求項1】
爪を被写体として含む画像データを取得する取得部と、前記画像データを参照して、前記爪の長さに基づく前記爪の衛生状態を評価することにより、評価結果を示す情報を生成する評価部と、
を備え、
前記評価部は、前記爪の長さに基づく爪の衛生状態が基準を満たすか否かを示す情報を、前記評価結果を示す情報に含めて出力し、
前記評価部は、前記画像データから爪それぞれの部分画像データを抽出し、抽出した部分画像データの個数がｎ個以上である場合に、当該ｎ個以上の部分画像データを参照して処理を続行し、ｎ個未満である場合に処理を中断し、片方の手についてｎを２以上５未満に設定する、情報処理装置。
【請求項2】
前記評価部は、前記評価結果を示す情報として、前記爪を有する人に対する屋内への入退場可否を含む情報を生成する、請求項１に記載の情報処理装置。
【請求項3】
前記屋内が、食品工場の部屋または食品加工場である、請求項２に記載の情報処理装置。
【請求項4】
前記評価部は、前記画像データを参照して、前記爪の色に基づく前記爪の衛生状態をさらに評価する、請求項１から３のいずれか１項に記載の情報処理装置。
【請求項5】
前記画像データを入力として、前記爪の長さに基づく衛生状態の評価結果を示す第１情報を出力するよう機械学習により構築された第１の評価モデルを利用し、前記評価部は、前記第１情報に基づいて前記評価結果を示す情報を生成する、請求項１から４のいずれか１項に記載の情報処理装置。
【請求項6】
前記画像データを入力として、前記爪の色に基づく衛生状態の評価結果を示す第２情報を出力するよう機械学習により構築された第２の評価モデルを利用し、前記評価部は、前記第１情報及び前記第２情報に基づいて前記評価結果を示す情報を生成する、請求項５に記載の情報処理装置。
【請求項7】
請求項１から６のいずれか１項に記載の情報処理装置と、前記爪を含む人体の部位を撮像して前記画像データを生成する撮像装置と、
前記評価結果を示す情報を出力する出力装置と、
を含む評価システム。
【請求項8】
前記撮像装置は、撮像機器と、
当該撮像機器に対する前記部位の位置合わせを可能にする位置合わせ台と、
外部から前記位置合わせ台に入射する光を遮る遮光壁と、
を備えており、
前記撮像機器は、前記位置合わせ台を撮像範囲に含むように設置され、
前記位置合わせ台は、前記撮像機器に向く面が単色であり、
前記遮光壁は、前記位置合わせ台の周囲に設置されている、請求項７に記載の評価システム。
【請求項9】
前記撮像機器は、撮像ボックスの内部に設置され、前記撮像ボックスは、
前記位置合わせ台としての底面と、
前記遮光壁としての側面と、
前記撮像機器が設置される天面と、を有し、
前記側面は前記撮像ボックスの内部に前記部位を挿入可能な開口部を有している、請求項８に記載の評価システム。
【請求項10】
前記撮像装置は、隣接する爪同士が離間した状態で前記部位を撮影することを可能にするガイド機構を備えている、請求項８または９に記載の評価システム。
【請求項11】
プロセッサを含むコンピュータが実行する情報処理方法であって、前記プロセッサが爪を被写体として含む画像データを取得する取得ステップと、
前記プロセッサが前記画像データを参照して前記爪の長さに基づく前記爪の衛生状態を評価することにより、評価結果を示す情報を生成する評価ステップと、
を含み、
前記評価ステップにおいて前記プロセッサは、前記爪の長さに基づく爪の衛生状態が基準を満たすか否かを示す情報を、前記評価結果を示す情報に含めて出力し、
前記評価ステップにおいて前記プロセッサは、前記画像データから爪それぞれの部分画像データを抽出し、抽出した部分画像データの個数がｎ個以上である場合に、当該ｎ個以上の部分画像データを参照して処理を続行し、ｎ個未満である場合に処理を中断し、片方の手についてｎを２以上５未満に設定する、情報処理方法。
【請求項12】
請求項１から６の何れか１項に記載の情報処理装置としてコンピュータを機能させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、爪の状態を検査する技術に関する。
【背景技術】
【0002】
人間の手の爪は日々伸び続け、定期的に切りそろえる必要がある。伸びきった爪には内側に汚れがたまりやすいことから、食品の製造現場や医療現場等では、常に適切な長さまで切りそろえられていることが求められる。また、つけ爪やマニキュア等のネイルアートが施された爪も、清潔面や異物混入の面、医療現場では感染リスクの面で、好ましくない。
【0003】
これらの状態を防ぐためには、熱心な指導により一人ひとりの身だしなみへの心がけを正すことや、部屋への入退出時に、他人にダブルチェックしてもらうルールを徹底する等の方法がとられてきた。しかしながら、この方法では人為的なミスを防ぎきることはできず、また、他人にダブルチェックしてもらう際には周囲の人の作業を止めてチェックしてもらう必要があり、作業効率の面でも問題があった。
【先行技術文献】
【特許文献】
【0004】
【文献】日本国特開２０１７－１８５１０２号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
本発明は上記した課題を解決するためになされたものであり、人の目視確認を介さず簡便に爪状態可否を判定することのできる、爪の状態を検査する技術を提供することを目的とする。
【0006】
特許文献１に記載された技術によれば、測定された手の３次元形状に基づき、推奨するスポーツ用手保護具を選択することができる。しかしながら、人の目視確認を介さず簡便に爪状態可否を判定することについて解決する技術は存在しなかった。
【課題を解決するための手段】
【0007】
上記課題を解決するため、本発明の一態様に係る情報処理装置は、爪を被写体として含む画像データを取得する取得部と、前記画像データを参照して前記爪の長さに基づく前記爪の衛生状態を評価することにより、評価結果を示す情報を生成する評価部と、を備えた構成である。
【0008】
本発明の各態様に係る情報処理装置は、コンピュータによって実現してもよく、この場合には、コンピュータを前記情報処理装置が備える各部（ソフトウェア要素）として動作させることにより前記情報処理装置をコンピュータにて実現させる情報処理装置の制御プログラム、及びそれを記録したコンピュータ読み取り可能な記録媒体も、本発明の範疇に入る。
【発明の効果】
【0009】
本発明によれば、人の目視確認を介さず簡便に爪状態可否を判定することのできる技術を提供することができる。
【図面の簡単な説明】
【0010】
【図1】本発明の実施の形態１に係る爪の状態検査装置（情報処理装置）の構成図である。
【図2】本発明の実施の形態１に係る撮像装置の説明図である。
【図3】本発明の実施の形態１に係る爪の状態検査装置（評価システム）の概略構成一例である。
【図4】本発明の実施の形態１に係る爪の状態検査装置（評価システム）の概略構成一例である。
【図5】本発明の実施の形態２に係る評価システムの構成を示すブロック図である。
【図15】本発明の実施の形態３に係る評価システムの構成を示すブロック図である。
【発明を実施するための形態】
【0011】
〔実施形態１〕
以下、添付図面を参照して、本発明を実施するための形態（以下、実施形態と称する）について、詳細に説明する。なお、実施形態の説明の全体を通して同じ要素には同じ番号を付している。
以下、添付図面を参照して、本発明を実施するための形態（以下、実施形態と称する）について、詳細に説明する。なお、実施形態の説明の全体を通して同じ要素には同じ番号を付している。
【0012】
（実施形態１の構成）
図１に示すように、本実施形態１に係る爪の状態検査装置（評価システム）１は、少なくとも、撮像装置１０と、演算装置（情報処理装置）２０と、入出力装置３０と、をハードウエア資源として備え、前記演算装置（情報処理装置）２０は学習済みニューラルネットワーク（評価モデル）２１を備える。
図１に示すように、本実施形態１に係る爪の状態検査装置（評価システム）１は、少なくとも、撮像装置１０と、演算装置（情報処理装置）２０と、入出力装置３０と、をハードウエア資源として備え、前記演算装置（情報処理装置）２０は学習済みニューラルネットワーク（評価モデル）２１を備える。
【0013】
演算装置（情報処理装置）２０と入出力装置３０は、例えば、スタンドアローン構成のコンピュータ（例えば、パソコン（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等）や、サーバとコンピュータを組み合わせたオンライン構成のもので実現可能である。
【0014】
爪の状態検査装置（評価システム）１は、あらゆる目的での判定に使用できるが、特に前記判定により、部屋（屋内）Ｒへの人の入退場可否を判定することに使用できる。さらに、部屋（屋内）Ｒが手の衛生的状態が求められる、食品の製造現場や医療現場であると好適であり、特に食品工場の部屋（屋内）Ｒまたは食品加工場Ｒが特に好適である。
【0015】
演算装置（情報処理装置）２０は、人の手の画像Ｈで学習された学習済みニューラルネットワーク（評価モデル）２１を備える。人の手の画像Ｈは、撮像装置１０で得られたものでもよいし、またその他の撮像装置を用いたものでもよいが、画角・色調などの観点から、撮像装置１０と同じ構成の撮像装置から得られたものが好ましい。また、人の手の画像は、爪を検査するため、少なくとも人の手の甲側の画像を含む。
【0016】
前記学習済みニューラルネットワーク（評価モデル）２１は、爪の長さや爪全体の色調等といった爪の情報と、目視による判定結果情報により学習されていることができ、これにより、被検者Ｐの手の甲側の画像から、爪の状態を判定することができる。
【0017】
また前記学習済みニューラルネットワーク（評価モデル）２１は、前記爪全体の色調をもとに学習することで、爪に付着物があるかを判別できるようにすることができる。付着物とは例えば、ネイルアートのことをいい、スカルプ、ネイルチップ、ラインストーンの設置、マニキュア、ジェル等が挙げられる。
【0018】
入出力装置３０は、ディスプレイ、表示灯、ブザーなどの音響機器などの出力機器（出力装置）を用いることができる。またさらに、マウス、キーボード、タッチパネル、などの入力機器を備えてもよい。
【0019】
図２に示すように、本実施形態に係る撮像部（撮像装置）１０は、上部に撮像機器１０１が設置され、下部に底面１０３が設置され、さらに遮光壁１０２を有することができる。前記底面１０３は、単色であると好ましい。遮光壁１０２と底面１０３とは、外からの光が底面１０３にあたりにくいよう連続体として構成することもできる。またさらに、後述する図１０に示すように、天面１０４を加えて連続体として構成された箱体である撮像ボックス１０５として構成することもでき、手を入れる一面を除いて他の面からの光の侵入を防止し、部屋（屋内）の入退場口に設置されることもできる。被検者Ｐは前記撮像装置に自分の手の甲を上にした状態で差し入れ、画像を取得することができる。
【0020】
図３に、爪の状態検査装置（評価システム）１がスタンドアローン構成の場合の構成例を示す。この場合、演算装置（情報処理装置）２０及び入出力装置３０は１台のパソコンとして構成されてもよい。被検者Ｐは撮像装置１０により手の画像Ｈ（後述する図７参照）を取得し、演算装置（情報処理装置）２０に手の画像Ｈを送信する。演算装置２０は学習済みニューラルネットワーク（評価モデル）２１により、前記手の画像Ｈを判定する。判定の結果を入出力装置３０に出力することができてもよい。
【0021】
管理者Ｓは前記パソコンにより、保存された被検者Ｐの情報を確認することができてもよい。その際、被検者Ｐの社員コード等個人に一意に設定された情報に紐づき、別途測定または入力した、被検者Ｐの体調の情報、例えば体温や吐息のアルコール情報、傷の有無、髪の毛が帽子から出ていないか等の情報を一覧で表示することができてもよい。
【0022】
図４に、入退場検査装置（評価システム）１がオンライン構成の場合の構成例を示す。この場合、被検者Ｐと管理者Ｓは別々の入出力装置３０を用いることができてもよい。被検者Ｐは撮像装置１０により手の画像Ｈ（後述する図７参照）を取得し、演算装置（情報処理装置）２０に手の画像Ｈを送信する。演算装置（情報処理装置）２０は学習済みニューラルネットワーク（評価モデル）２１により、前記手の画像Ｈを判定する。判定の結果を被検者側及び／または管理者側の入出力装置３０に出力することができてもよい。
【0023】
管理者Ｓは管理者側の入出力装置を用い、保存された被検者Ｐの情報を確認することができてもよい。その際、被検者Ｐの社員コード等個人に一意に設定された情報に紐づき、別途測定または入力した、被検者Ｐの体調の情報、例えば、体温や吐息のアルコール情報、傷の有無、髪の毛が帽子から出ていないか等の情報を一覧で表示することができてもよい。
【0024】
〔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、実施形態１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。
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、実施形態１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。
【0025】
【0026】
評価システム１ａは、爪の長さに基づく衛生状態を評価するためのシステムである。評価システム１ａは、図５に示すように、撮像装置１０ａと、情報処理装置２０ａと、出力装置３０ａと、機械学習装置４０と、を備えている。入出力装置３０は、特許請求の範囲に記載した出力装置の一例である。情報処理装置２０ａは、撮像装置１０ａ、機械学習装置４０、及び出力装置３０ａのそれぞれと通信可能に接続される。
【0027】
撮像装置１０ａは、爪を含む人体の部位を撮像して、爪を被写体として含む画像データ（以下、単に「画像データ」という場合がある。）を生成するための装置である。撮像装置１０ａは、撮像ボックス１０５を備えている点が、実施形態１における撮像装置１０と少なくとも異なる。撮像装置１０ａの構成の詳細については、参照する図面を代えて後述する。出力装置３０ａは、実施形態１における入出力装置３０に含まれる出力機器である。
【0028】
情報処理装置２０ａは、学習済みニューラルネットワーク２１（図１）の代わりに、第１の評価モデル２１ａ及び第２の評価モデル２１ｂを用いる点が、実施形態１における演算装置（情報処理装置）２０と少なくとも異なる。情報処理装置２０ａは、情報処理方法Ｍ１を実施するための装置である。情報処理方法Ｍ１は、撮像装置１０ａから提供された画像データに基づき、第１の評価モデル２１ａ及び第２の評価モデル２１ｂを用いて爪の衛生状態を評価する方法である。情報処理装置２０ａの構成及び情報処理方法Ｍ１の流れの詳細については、参照する図面を代えて後述する。
【0029】
ここで、第１の評価モデル２１ａ及び第２の評価モデル２１ｂとしては、それぞれ、例えば、ＣＮＮ（Convolution Neural Network）、ＧＡＮ（Generative Adversarial Network）等といった、ニューラルネットワークを利用した機械学習アルゴリズムを用いることができる。また、第１の評価モデル２１ａ及び第２の評価モデル２１ｂとしては、サポートベクタマシン、ランダムフォレスト、勾配ブースティング・ツリー等といった、ニューラルネットワークを利用しない機械学習アルゴリズムを用いることができる。ただし、第１の評価モデル２１ａ及び第２の評価モデル２１ｂをそれぞれ実現するアルゴリズムは、上述したものに限られない。また、第１の評価モデル２１ａ及び第２の評価モデル２１ｂをそれぞれ実現するアルゴリズムは、同一であってもよいし、異なっていてもよい。
【0030】
第１の評価モデル２１ａは、画像データを入力として、爪の長さに基づく衛生状態の評価結果を示す第１情報を出力するよう機械学習により構築される。ここで、「爪の長さ」は、例えば、爪先の長さである。「爪先」は、爪床から出て白く見える部分であり、爪先の長さは、爪の黄線から爪の先端までの長さに相当する。なお、「黄線」は、爪甲と爪先との境界であり、「爪甲」は、爪床の上にある爪の領域であり、「爪床」は、爪甲の下にある皮下組織である。ただし、第１の評価モデル２１ａは、爪の長さ（例えば、上述した爪先の長さ）自体を正解データとして機械学習されるものではない。第１の評価モデル２１ａは、評価者が爪の長さ（例えば、上述した爪先の長さ）の観点から衛生状態を評価した評価結果を正解データとして機械学習により構築される。なお、「爪の長さ」とは、上述した爪先の長さに限定されない。例えば、「爪の長さ」とは、爪全体の長さであってもよいし、爪全体の長さに対する爪先の長さの割合であってもよい。また、「爪の長さ」とは、爪先の長さ、爪全体の長さ、爪全体の長さに対する爪先の長さの割合、及びその他の観点の一部または全てを含む総合的な観点であってもよい。この場合、第１の評価モデル２１ａは、評価者が爪の長さの総合的な観点から衛生状態を評価した評価結果を正解データとして機械学習により構築される。第１の評価モデル２１ａを機械学習により構築する方法については後述する。
【0031】
第２の評価モデル２１ｂは、画像データを入力として、爪の色に基づく衛生状態の評価結果を示す第２情報を出力するよう機械学習により構築される。ここで、「爪の色」は、爪の色調、色相等である。また、「爪の色」は、少なくとも爪の一部の色であればよいが、衛生上の観点から、爪全体の色であることが好ましい。第２の評価モデル２１ｂを機械学習により構築する方法については後述する。
【0032】
第１の評価モデル２１ａの入力である爪を被写体として含む画像データと第１の評価モデル２１ａの出力である爪の長さに基づく衛生状態との間には、関係式として明示的に特定することは困難であるものの、一定の関係があることが知られている。同様に、第２の評価モデル２１ｂの入力である爪を被写体として含む画像データと第２の評価モデル２１ｂの出力である爪の色に基づく衛生状態との間にも、一定の関係があることが知られている。したがって、爪を被写体として含む画像データを入力とする第１の評価モデル２１ａを用いれば、爪の長さに基づく衛生状態を精度良く評価することができる。また、爪を被写体として含む画像データを入力とする第２の評価モデル２１ｂを用いれば、爪の色に基づく衛生状態を精度良く評価することができる。
【0033】
機械学習装置４０は、機械学習方法Ｍ２を実施するための装置である。機械学習方法Ｍ２は、学習用の画像データを用いて学習用データセットを作成すると共に、学習用データデータセットを用いた機械学習によって第１の評価モデル２１ａ及び第２の評価モデル２１ｂを構築するための方法である。機械学習装置４０の構成及び機械学習方法Ｍ２の流れの詳細については、参照する図面を代えて後述する。
【0034】
評価システム１ａは、準備フェーズと試用フェーズとを経て実用フェーズに至る。準備フェーズ、試用フェーズ、及び実用フェーズについて、その内容を簡単に説明すれば、以下のとおりである。
【0035】
（１）準備フェーズ
準備フェーズは、機械学習装置４０が第１の評価モデル２１ａ及び第２の評価モデル２１ｂを構築するフェーズである。準備フェーズにおいては、評価者が、複数の学習用の画像データの各々に被写体として含まれる爪に対して、爪の長さに基づく評価及び爪の色に基づく評価を行う。機械学習装置４０は、各学習用の画像データに対して評価者による評価結果をラベル付けした教師データからなる学習用データセットを生成し、学習用データセットを用いた機械学習によって第１の評価モデル２１ａ及び第２の評価モデル２１ｂを構築する。構築された第１の評価モデル２１ａ及び第２の評価モデル２１ｂは、機械学習装置４０から情報処理装置２０ａに転送される。
準備フェーズは、機械学習装置４０が第１の評価モデル２１ａ及び第２の評価モデル２１ｂを構築するフェーズである。準備フェーズにおいては、評価者が、複数の学習用の画像データの各々に被写体として含まれる爪に対して、爪の長さに基づく評価及び爪の色に基づく評価を行う。機械学習装置４０は、各学習用の画像データに対して評価者による評価結果をラベル付けした教師データからなる学習用データセットを生成し、学習用データセットを用いた機械学習によって第１の評価モデル２１ａ及び第２の評価モデル２１ｂを構築する。構築された第１の評価モデル２１ａ及び第２の評価モデル２１ｂは、機械学習装置４０から情報処理装置２０ａに転送される。
【0036】
（２）試用フェーズ
試用フェーズにおいては、評価システム１ａは、屋内（例えば、食品工場の部屋等の部屋）の入口に設置される。屋内に入場すべき作業者が手の爪を撮像装置１０ａの撮像ボックス１０５（後述する図１０参照）に差し入れると、情報処理装置２０ａは、爪を被写体として含む画像データを撮像装置１０ａから取得して、当該爪の衛生状態の評価を行う。試用フェーズにおいて、評価者は、情報処理装置２０ａが評価対象とした画像データに対して、爪の長さに基づく評価及び爪の色に基づく評価を行う。評価者による評価は、情報処理装置２０ａによる評価が行われる度に行われてもよいし、情報処理装置２０ａによる評価が所定の期間（例えば、１週間、１ヶ月、または１年など）または所定回数（例えば、１００回、１０００回、または１００００回など）実施された後にまとめて実施されてもよい。評価者は、当該評価者による評価結果と、情報処理装置２０ａによる評価結果とを比較し、情報処理装置２０ａの評価精度を評価する。評価精度が不十分である場合には、準備フェーズに戻る。評価精度が十分である場合には、実用フェーズに進む。なお、評価精度の確認は、準備フェーズが終了した段階で、学習用データセットの一部を利用して行ってもよい。この場合、試用フェーズを省略することができる。
試用フェーズにおいては、評価システム１ａは、屋内（例えば、食品工場の部屋等の部屋）の入口に設置される。屋内に入場すべき作業者が手の爪を撮像装置１０ａの撮像ボックス１０５（後述する図１０参照）に差し入れると、情報処理装置２０ａは、爪を被写体として含む画像データを撮像装置１０ａから取得して、当該爪の衛生状態の評価を行う。試用フェーズにおいて、評価者は、情報処理装置２０ａが評価対象とした画像データに対して、爪の長さに基づく評価及び爪の色に基づく評価を行う。評価者による評価は、情報処理装置２０ａによる評価が行われる度に行われてもよいし、情報処理装置２０ａによる評価が所定の期間（例えば、１週間、１ヶ月、または１年など）または所定回数（例えば、１００回、１０００回、または１００００回など）実施された後にまとめて実施されてもよい。評価者は、当該評価者による評価結果と、情報処理装置２０ａによる評価結果とを比較し、情報処理装置２０ａの評価精度を評価する。評価精度が不十分である場合には、準備フェーズに戻る。評価精度が十分である場合には、実用フェーズに進む。なお、評価精度の確認は、準備フェーズが終了した段階で、学習用データセットの一部を利用して行ってもよい。この場合、試用フェーズを省略することができる。
【0037】
（３）実用フェーズ
実用フェーズにおいては、情報処理装置２０ａが爪の長さ及び色に基づく爪の衛生状態の評価を行う。実用フェーズにおいて情報処理装置２０ａが用いる第１の評価モデル２１ａ及び第２の評価モデル２１ｂは、試用フェーズにおいて十分な推定精度を有することを確かめられたものである。実用フェーズにおいては、食品工場の部屋に被検者が入場する際に、目視による爪の長さ及び色に基づく衛生状態の評価を省略することができる。このため、爪の長さ及び色に基づく衛生状態の評価の手間から被検者を解放すると共に、人の目視確認を介さず簡便に、且つ精度良く爪の長さ及び色に基づく衛生状態の評価を行うことが可能になる。
実用フェーズにおいては、情報処理装置２０ａが爪の長さ及び色に基づく爪の衛生状態の評価を行う。実用フェーズにおいて情報処理装置２０ａが用いる第１の評価モデル２１ａ及び第２の評価モデル２１ｂは、試用フェーズにおいて十分な推定精度を有することを確かめられたものである。実用フェーズにおいては、食品工場の部屋に被検者が入場する際に、目視による爪の長さ及び色に基づく衛生状態の評価を省略することができる。このため、爪の長さ及び色に基づく衛生状態の評価の手間から被検者を解放すると共に、人の目視確認を介さず簡便に、且つ精度良く爪の長さ及び色に基づく衛生状態の評価を行うことが可能になる。
【0038】
（情報処理装置２０ａの構成）
情報処理装置２０ａの構成について、図５を参照して説明する。情報処理装置２０ａは、制御部２２及び記憶部２３を備えている。制御部２２は、情報処理装置２０ａを統括的に制御する。情報処理装置２０ａにおいて、制御部２２は、取得部２２１及び評価部２２２を含む。取得部２２１は、情報処理方法Ｍ１の取得ステップＭ１１を実行する。評価部２２２は、情報処理方法Ｍ１の評価ステップＭ１２及び出力ステップＭ１３を実行する。情報処理方法Ｍ１の流れの詳細については後述する。記憶部２３には、第１の評価モデル２１ａ及び第２の評価モデル２１ｂが格納されている。
情報処理装置２０ａの構成について、図５を参照して説明する。情報処理装置２０ａは、制御部２２及び記憶部２３を備えている。制御部２２は、情報処理装置２０ａを統括的に制御する。情報処理装置２０ａにおいて、制御部２２は、取得部２２１及び評価部２２２を含む。取得部２２１は、情報処理方法Ｍ１の取得ステップＭ１１を実行する。評価部２２２は、情報処理方法Ｍ１の評価ステップＭ１２及び出力ステップＭ１３を実行する。情報処理方法Ｍ１の流れの詳細については後述する。記憶部２３には、第１の評価モデル２１ａ及び第２の評価モデル２１ｂが格納されている。
【0039】
【0040】
情報処理方法Ｍ１は、取得ステップＭ１１と、評価ステップＭ１２と、出力ステップＭ１３と、を含んでいる。
【0041】
（取得ステップＭ１１）
取得ステップＭ１１は、取得部２２１が、爪を被写体として含む画像データを取得するステップである。取得ステップＭ１１において、取得部２２１は、撮像装置１０ａが生成した爪を被写体として含む画像データを取得する。
取得ステップＭ１１は、取得部２２１が、爪を被写体として含む画像データを取得するステップである。取得ステップＭ１１において、取得部２２１は、撮像装置１０ａが生成した爪を被写体として含む画像データを取得する。
【0042】
（評価ステップＭ１２）
評価ステップＭ１２は、評価部２２２が、第１の評価モデル２１ａ及び第２の評価モデル２１ｂを用いて爪の長さ及び色に基づく衛生状態を評価するステップである。評価ステップＭ１２において、評価部２２２は、取得部２２１が取得した画像データに含まれている少なくとも２本以上の指の爪の領域に基づいて、爪の衛生状態を評価する。具体的には、評価部２２２は、取得部２２１が取得した爪を被写体として含む画像データを第１の評価モデル２１ａに入力し、第１の評価モデル２１ａから出力される第１情報を取得する。また、評価部２２２は、取得部２２１が取得した爪を被写体として含む画像データを第２の評価モデル２１ｂに入力し、第２の評価モデル２１ｂから出力される第２情報を取得する。また、評価部２２２は、第１情報および第２情報に基づいて、評価結果を示す情報を生成する。なお、評価部２２２は、評価結果を示す情報を記憶部２３に書き込む。
評価ステップＭ１２は、評価部２２２が、第１の評価モデル２１ａ及び第２の評価モデル２１ｂを用いて爪の長さ及び色に基づく衛生状態を評価するステップである。評価ステップＭ１２において、評価部２２２は、取得部２２１が取得した画像データに含まれている少なくとも２本以上の指の爪の領域に基づいて、爪の衛生状態を評価する。具体的には、評価部２２２は、取得部２２１が取得した爪を被写体として含む画像データを第１の評価モデル２１ａに入力し、第１の評価モデル２１ａから出力される第１情報を取得する。また、評価部２２２は、取得部２２１が取得した爪を被写体として含む画像データを第２の評価モデル２１ｂに入力し、第２の評価モデル２１ｂから出力される第２情報を取得する。また、評価部２２２は、第１情報および第２情報に基づいて、評価結果を示す情報を生成する。なお、評価部２２２は、評価結果を示す情報を記憶部２３に書き込む。
【0043】
図７は、評価ステップＭ１２の処理の一例を説明する模式図である。例えば、評価ステップＭ１２は、部分画像データの抽出処理と、第１の評価処理と、第２の評価処理と、評価結果を示す情報の生成処理とを含む。図７を参照して、これらの処理について説明する。
【0044】
（部分画像データの抽出処理）
評価部２２２は、取得部２２１が取得した爪を被写体として含む画像データＨから、５本の指それぞれの「爪」の領域を、部分画像データＩＭＧ－１、ＩＭＧ－２、ＩＭＧ－３、ＩＭＧ－４、ＩＭＧ－５として抽出する。部分画像データＩＭＧ－１は親指の爪の領域であり、部分画像データＩＭＧ－２は人差し指の爪の領域であり、部分画像データＩＭＧ－３は中指の爪の領域であり、部分画像データＩＭＧ－４は薬指の爪の領域であり、部分画像データＩＭＧ－５は小指の爪の領域である。以降、部分画像データＩＭＧ１～ＩＭＧ５のそれぞれを特に区別する必要が無い場合には、単に部分画像データＩＭＧ－ｉ（ｉ＝１，２，３，４，５）とも記載する。換言すると、部分画像データＩＭＧ－ｉは、１つの爪を被写体として含む。
評価部２２２は、取得部２２１が取得した爪を被写体として含む画像データＨから、５本の指それぞれの「爪」の領域を、部分画像データＩＭＧ－１、ＩＭＧ－２、ＩＭＧ－３、ＩＭＧ－４、ＩＭＧ－５として抽出する。部分画像データＩＭＧ－１は親指の爪の領域であり、部分画像データＩＭＧ－２は人差し指の爪の領域であり、部分画像データＩＭＧ－３は中指の爪の領域であり、部分画像データＩＭＧ－４は薬指の爪の領域であり、部分画像データＩＭＧ－５は小指の爪の領域である。以降、部分画像データＩＭＧ１～ＩＭＧ５のそれぞれを特に区別する必要が無い場合には、単に部分画像データＩＭＧ－ｉ（ｉ＝１，２，３，４，５）とも記載する。換言すると、部分画像データＩＭＧ－ｉは、１つの爪を被写体として含む。
【0045】
なお、画像データから爪の領域を抽出する手法としては、公知の物体検出アルゴリズムを用いることができる。そのような物体検出アルゴリズムの一例として、ＹＯＬＯ Ｖ３（You Only Look Once V3）、ＭＡＳＫ Ｒ－ＣＮＮ（MASK Regions with CNN features）等が挙げられるが、これらに限られない。
【0046】
また、評価部２２２が画像データＨから抽出する部分画像データＩＭＧ－ｉの数は、５つに限定されないが、複数であることが好ましい。例えば、評価部２２２は、ｎ（ｎは２以上の整数）個以上の部分画像データＩＭＧ－ｉを抽出した場合に処理を続行し、ｎ個未満の部分画像データＩＭＧ－ｉを抽出した場合には処理を中断してエラー情報を出力してもよい。例えば、ｎを２以上５未満に設定することにより、撮影時の手の位置等に起因して５つの爪の全てが画像データＨに含まれていない場合、又は、撮影時の指の向き等に起因して一部の爪が明瞭に画像データＨに含まれていない場合にも柔軟に対応可能となる。
【0047】
（第１の評価処理）
評価部２２２は、抽出したｎ個の部分画像データＩＭＧ－ｉのそれぞれを第１の評価モデル２１ａに入力する。その結果、第１の評価モデル２１ａから第１スコアが出力される。ここで、第１スコアは、爪の長さに基づく衛生状態の評価結果を示す第１情報の一例である。第１スコアは、０以上、１以下の範囲の数値であり、爪の長さに基づく衛生状態が良好である可能性を示している。つまり、第１スコアが１に近いほど、爪の長さに基づく衛生状態が良好である可能性が高く、０に近いほど良好でない可能性が高い。ｎ個の部分画像データＩＭＧ－ｉから得られたｎ個の第１スコアの平均値が所定の閾値以上であれば、評価部２２２は、被検者Ｐの爪の長さに基づく衛生状態を「合格」と評価する。一方、第１スコアの平均値が所定の閾値未満であれば、評価部２２２は、被検者Ｐの爪の長さに基づく衛生状態を「不合格」と評価する。評価部２２２は、被検者Ｐの識別情報（社員コード等）に関連付けて、爪の長さの合否を示す情報を記憶部２３に記憶する。
評価部２２２は、抽出したｎ個の部分画像データＩＭＧ－ｉのそれぞれを第１の評価モデル２１ａに入力する。その結果、第１の評価モデル２１ａから第１スコアが出力される。ここで、第１スコアは、爪の長さに基づく衛生状態の評価結果を示す第１情報の一例である。第１スコアは、０以上、１以下の範囲の数値であり、爪の長さに基づく衛生状態が良好である可能性を示している。つまり、第１スコアが１に近いほど、爪の長さに基づく衛生状態が良好である可能性が高く、０に近いほど良好でない可能性が高い。ｎ個の部分画像データＩＭＧ－ｉから得られたｎ個の第１スコアの平均値が所定の閾値以上であれば、評価部２２２は、被検者Ｐの爪の長さに基づく衛生状態を「合格」と評価する。一方、第１スコアの平均値が所定の閾値未満であれば、評価部２２２は、被検者Ｐの爪の長さに基づく衛生状態を「不合格」と評価する。評価部２２２は、被検者Ｐの識別情報（社員コード等）に関連付けて、爪の長さの合否を示す情報を記憶部２３に記憶する。
【0048】
なお、第１の評価処理において、ｎ個の第１スコアを参照して被検者Ｐの爪の長さに基づく衛生状態の合否を判定する手法は、上述したものに限定されない。例えば、評価部２２２は、ｎ個の第１スコアの最大値、最小値、中央値等の各種の統計値が閾値以上であるか否かに基づき判定を行ってもよい。例えば、最小値を用いる場合、換言すると、爪の長さが良好でない爪が１つでもある場合、不合格と判定される。また、例えば、最大値を用いる場合、換言すると、爪の長さが良好である爪が１つでもある場合、合格と判定される。
【0049】
（第２の評価処理）
評価部２２２は、抽出したｎ個の部分画像データＩＭＧ－ｉのそれぞれを第２の評価モデル２１ｂに入力する。その結果、第２の評価モデル２１ｂから第２スコアが出力される。ここで、第２スコアは、爪の色に基づく衛生状態の評価結果を示す第２情報の一例である。第２スコアは、０以上、１以下の範囲の数値であり、爪の色に基づく衛生状態が良好である可能性を示している。つまり、第２スコアが１に近いほど、爪の色に基づく衛生状態が良好である可能性が高く、０に近いほど良好でない可能性が高い。ｎ個の部分画像データＩＭＧ－ｉから得られたｎ個の第２スコアの平均値が所定の閾値以上であれば、評価部２２２は、被検者Ｐの爪の色に基づく衛生状態を「合格」と評価する。一方、第２スコアの平均値が所定の閾値未満であれば、評価部２２２は、被検者Ｐの爪の色に基づく衛生状態を「不合格」と評価する。評価部２２２は、被検者の識別情報に関連付けて、爪の色の合否を示す情報を記憶部２３に記憶する。
評価部２２２は、抽出したｎ個の部分画像データＩＭＧ－ｉのそれぞれを第２の評価モデル２１ｂに入力する。その結果、第２の評価モデル２１ｂから第２スコアが出力される。ここで、第２スコアは、爪の色に基づく衛生状態の評価結果を示す第２情報の一例である。第２スコアは、０以上、１以下の範囲の数値であり、爪の色に基づく衛生状態が良好である可能性を示している。つまり、第２スコアが１に近いほど、爪の色に基づく衛生状態が良好である可能性が高く、０に近いほど良好でない可能性が高い。ｎ個の部分画像データＩＭＧ－ｉから得られたｎ個の第２スコアの平均値が所定の閾値以上であれば、評価部２２２は、被検者Ｐの爪の色に基づく衛生状態を「合格」と評価する。一方、第２スコアの平均値が所定の閾値未満であれば、評価部２２２は、被検者Ｐの爪の色に基づく衛生状態を「不合格」と評価する。評価部２２２は、被検者の識別情報に関連付けて、爪の色の合否を示す情報を記憶部２３に記憶する。
【0050】
なお、第２の評価処理において、ｎ個の第２スコアを参照して被検者Ｐの爪の色に基づく衛生状態の合否を判定する手法は、上述したものに限定されない。例えば、評価部２２２は、ｎ個の第２スコアの最大値、最小値、中央値等の各種の統計値が閾値以上であるか否かに基づき判定を行ってもよい。例えば、最小値を用いる場合、換言すると、爪の色が良好でない爪が１つでもある場合、不合格と判定される。また、例えば、最大値を用いる場合、換言すると、爪の色が良好である爪が１つでもある場合、合格と判定される。また、第１の評価処理及び第２の評価処理の実行順序は、順不同である。換言すると、評価部２２２は、第１の評価処理の次に第２の評価処理を行ってもよいし、第２の評価処理の次に第１の評価処理を行ってもよいし、これらの評価処理を並行して行ってもよい。
【0051】
（評価結果を示す情報の生成処理）
評価部２２２は、第１情報及び第２情報に基づき、屋内への入退場可否を示す情報を生成する。例えば、評価部２２２は、（ｉ）抽出できた部分画像の個数ｎが２以上であり、且つ（ｉｉ）爪の長さに基づく衛生状態の評価結果及び爪の色に基づく衛生状態の評価結果の両方が「合格」である場合に、被検者Ｐは屋内への入退可能であることを示す情報を生成する。また、評価部２２２は、（ｉ）および（ｉｉ）の何れも満たされない場合に、被検者Ｐは屋内への入退不可であることを示す情報を生成する。評価部２２２は、被検者Ｐの識別情報に関連付けて、入退可否を示す情報を記憶部２３に記憶する。なお、評価部２２２は、被験者Ｐの識別情報に、当該評価ステップＭ１２を実行した評価日時を関連付け、被検者Ｐの識別情報及び評価日時で一意に識別されるレコードとして、爪の長さの合否、爪の色の合否、及び入退可否を示す情報を記憶してもよい。ここで、「屋内」は、任意の建物の内部であり、例えば、建物内の任意の部屋である。「建物」は、特に限定されないが、手の衛生的状態が求められる食品の製造現場の建物（例えば、食品加工工場等）や医療現場の建物（例えば、病院等）であることが好適である。
評価部２２２は、第１情報及び第２情報に基づき、屋内への入退場可否を示す情報を生成する。例えば、評価部２２２は、（ｉ）抽出できた部分画像の個数ｎが２以上であり、且つ（ｉｉ）爪の長さに基づく衛生状態の評価結果及び爪の色に基づく衛生状態の評価結果の両方が「合格」である場合に、被検者Ｐは屋内への入退可能であることを示す情報を生成する。また、評価部２２２は、（ｉ）および（ｉｉ）の何れも満たされない場合に、被検者Ｐは屋内への入退不可であることを示す情報を生成する。評価部２２２は、被検者Ｐの識別情報に関連付けて、入退可否を示す情報を記憶部２３に記憶する。なお、評価部２２２は、被験者Ｐの識別情報に、当該評価ステップＭ１２を実行した評価日時を関連付け、被検者Ｐの識別情報及び評価日時で一意に識別されるレコードとして、爪の長さの合否、爪の色の合否、及び入退可否を示す情報を記憶してもよい。ここで、「屋内」は、任意の建物の内部であり、例えば、建物内の任意の部屋である。「建物」は、特に限定されないが、手の衛生的状態が求められる食品の製造現場の建物（例えば、食品加工工場等）や医療現場の建物（例えば、病院等）であることが好適である。
【0052】
評価部２２２は、衛生上の観点から、被検者Ｐの両手について、爪の長さ及び色に基づく衛生状態を評価することが好ましい。被検者Ｐの両手の画像データは１つの画像データであってもよく、片手ずつをそれぞれ撮像することによって取得した個別の画像データであってもよい。
【0053】
衛生上の観点から、評価部２２２は、画像データに含まれている少なくとも２本以上の指の爪の領域（部分画像データＩＭＧ－ｉ）に基づいて、爪の長さ及び色に基づく衛生状態を評価することが好ましい。物体検出アルゴリズムによって１本の爪として認識された爪の部分画像データの内、２つ以上の爪の部分画像データを入力データとして用いればよく、どの指の爪の部分画像データを入力データとして選択するかについては特に限定されない。なお、被検者Ｐの両手について爪の長さ及び色に基づく衛生状態を評価する場合は、片方の手につき２つ以上の爪の部分画像データを入力データとして用いればよい。
【0054】
出力ステップＭ１３は、評価ステップＭ１２にて評価した爪の衛生状態の評価結果を示す情報を出力するステップである。この出力ステップＭ１３において、情報処理装置２０ａは、評価結果を示す情報を記憶部２３から読み出して出力装置３０ａに出力することによって、ユーザに提示する。
【0055】
図８は、図５の評価システム１ａに含まれる出力装置３０ａが出力する画面の一例を示す図である。図８に示す画面例５００は、典型的には、出力装置３０ａが、被験者Ｐにより視認可能に設置されている場合に好適な画面例である。画面例５００は、各被験者に関する入退可否を示す情報５０１を含む。入退可否を示す情報５０１は、評価ステップＭ１２において評価部２２２が記憶部２３に記憶した情報が読み込まれて出力される。画面例５００を視認することにより、被検者Ｐは、屋内への入退場可否を容易に確認することができる。なお、画面例５００は、屋内への入場可否を示す情報５０１に加えて、他の付加情報を含んでいてもよい。例えば、画面例５００は、屋内への入場不可を示す情報５０１を含む場合は、不可と評価された理由（例えば、爪の長さが不合格、爪の色が不合格等）も出力してもよい。
【0056】
図９は、図５の評価システム１ａに含まれる出力装置３０ａが出力する画面の一例を示す図である。図９に示す画面例６００は、典型的には、出力装置３０ａが、管理者Ｓにより視認可能に設置されている場合に好適な画面例である。画面例６００は、各被験者に関する評価結果を示す情報６０１を含む。評価結果を示す情報６０１は、被検者Ｐの識別情報である社員コードと、評価日時と、爪の長さの合否と、爪の色の合否と、入退可否とをそれぞれ示す情報を含む。これらの情報は、評価ステップＭ１２において評価部２２２が記憶部２３に記憶した情報が読み込まれて出力される。画面例６０１を視認することにより、管理者Ｓは、各被検者Ｐの爪の衛生状態の評価結果を示す情報を一覧で確認することができる。
【0057】
（撮像装置１０ａの構成）
撮像装置１０ａの構成について、図１０を参照して説明する。図１０は、図５の評価システム１ａに含まれる撮像装置１０ａの構成を示す斜視図である。撮像装置１０ａは、撮像ボックス１０５を備えている。撮像装置１０ａにおいて、撮像機器１０１は、撮像ボックス１０５の内部に設置されている。撮像ボックス１０５は、底面１０３と、遮光壁としての側面１０２と、撮像機器１０１が設置される天面１０４と、を有している。撮像装置１０ａは、図１０に示される３次元座標空間に配置される。撮像装置１０ａの撮像ボックス１０５における底面１０３をｘｙ平面に配置し、ｘｙ平面に直交する法線方向のうち、天頂へ向かう方向をｚ軸方向と定める。
撮像装置１０ａの構成について、図１０を参照して説明する。図１０は、図５の評価システム１ａに含まれる撮像装置１０ａの構成を示す斜視図である。撮像装置１０ａは、撮像ボックス１０５を備えている。撮像装置１０ａにおいて、撮像機器１０１は、撮像ボックス１０５の内部に設置されている。撮像ボックス１０５は、底面１０３と、遮光壁としての側面１０２と、撮像機器１０１が設置される天面１０４と、を有している。撮像装置１０ａは、図１０に示される３次元座標空間に配置される。撮像装置１０ａの撮像ボックス１０５における底面１０３をｘｙ平面に配置し、ｘｙ平面に直交する法線方向のうち、天頂へ向かう方向をｚ軸方向と定める。
【0058】
撮像ボックス１０５の４つの側面１０２の内の１つの面は、撮像ボックス１０５の内部に被検者Ｐの爪を含む人体の部位を挿入可能な開口部１０７を有している。この開口部１０７を有している側面を特に、前面１０６と称する。
【0059】
前面１０６は、撮像ボックス１０５の内部を撮像ボックス１０５の外側から目視可能であり、且つ撮像ボックス１０５内の光の照射が一定となるように、半透明の材料で形成されている。これにより、被検者Ｐが、撮像ボックス１０５の内部の様子を撮像ボックス１０５の外側から目視で確認しながら、被検者Ｐの手を撮像ボックス１０５の内部に差し入れることができる。前面１０６を形成する材料は、半透明の材料であれば特に限定されない。例えば、樹脂、ガラス等の半透明の材料から形成することができる。ここで、「半透明」とは、撮像ボックス１０５内の光環境が撮像時に外部からの光に干渉されにくく、かつ、被検者Ｐが撮像ボックス１０５の外側から撮像ボックス１０５内の自分の手を目視で認識できる程度に透明であればよい。
【0060】
開口部１０７の大きさは特に限定されないが、撮像ボックス１０５の外からの光が撮像ボックス１０５の内部に侵入することを防ぐ観点から、被検者Ｐの手を撮像ボックス１０５の内部に差し入れ可能な範囲で最小の大きさであることが好ましい。また、撮像ボックス１０５の内部に差し入れた手を底面１０３上に載置し易いように、開口部１０７は、前面１０６の下側に設けられていることが好ましい。
【0061】
底面１０３は、撮像機器１０１に対する被検者Ｐの手の水平方向の位置合わせを可能にする位置合わせ台として機能する。撮像機器１０１は、位置合わせ台としての撮像ボックス１０５の底面１０３を撮像範囲に含むように設置されている。底面１０３は、撮像機器１０１に向く面が単色であることが好ましく、例えば、黒色、青色等の被検者Ｐの手の色とのコントラストが大きい色であることが好ましい。底面１０３の色として被検者Ｐの手の色とのコントラストが大きい色を選択することで、撮像機器１０１が生成した「爪を被写体として含む画像データ」において、情報処理装置２０ａによる爪の認識精度を高めることができる。
【0062】
撮像装置１０ａは、隣接する爪同士が離間した状態で爪を含む人体の部位を撮影することを可能にするガイド機構を備えていることが好ましい。図１１は、図１０の撮像装置１０ａが備えているガイド機構の構成の一例を示す上面図であり、１１０１は、撮像ボックス１０５の底面１０３ａがガイド機構として複数個の突起１０９ａを備えている構成（変形例１）を説明しており、１１０２は、撮像ボックス１０５の底面１０３ｂがガイド機構として手の形状のガイド線１０９ｂを備えている構成（変形例２）を説明している。
【0063】
変形例１において、ガイド機構としての複数個の突起１０９ａは、撮像ボックス１０５の底面１０３ａからＺ軸正方向に突出している。複数個の突起１０９ａは、底面１０３ａ上に所定の間隔で配置されている。被検者Ｐは、撮像ボックス１０５内に手を差し込んだ後に、指と指との間に突起１０９ａがそれぞれ位置するように底面１０３ａ上に手を載置すればよい。撮像装置１０ａがガイド機構としての複数個の突起１０９ａを備えることにより、被検者Ｐが、底面１０３ａ上に撮影に適した状態で手を載置できるようガイドすることができるので、隣接する爪同士が離間した状態で爪を含む人体の部位を撮影することが可能になる。その結果、撮像機器１０１が生成した「爪を被写体として含む画像データ」において、情報処理装置２０ａによる爪の認識精度を高めることができる。
【0064】
変形例２のように、ガイド機構が手の形状のガイド線１０９ｂである場合は、被検者Ｐは、撮像ボックス１０５内に手を差し込んだ後に、ガイド線１０９ｂの形状に合うように開いた状態で底面１０３ｂ上に手を載置すればよい。変形例２においても、変形例１と同様に、被検者Ｐが、底面１０３ｂ上に撮影に適した状態で手を載置できるようガイドすることができるので、隣接する爪同士が離間した状態で爪を含む人体の部位を撮影することが可能になる。その結果、撮像機器１０１が生成した「爪を被写体として含む画像データ」において、情報処理装置２０ａによる爪の認識精度を高めることができる。なお、前面１０６は半透明の材料で形成されているため、被検者Ｐは、撮像ボックス１０５内の手の位置を前面１０６越しに目視で確認しながら、底面１０３ｂ上の適切な位置に手を載置することができる。
【0065】
撮像装置１０ａが備えているガイド機構の構成は、前述の変形例に限定されない。例えば、底面１０３の凸凹であったり、底面１０３の表面の一部に棒状のものを設置したり、複数の色彩を用いた模様であってもよい。また、例えば、撮像装置１０ａが生成した「爪を被写体として含む画像データ」において、被検者Ｐの手の指の開き具合が十分でなく、情報処理装置２０ａが１本の爪として認識することができなかった場合に、情報処理装置２０ａは、隣り合う指同士がもっと離れた状態で底面１０３上に手を載置し直すことを被検者Ｐに促すメッセージを出力装置３０ａに表示させるように構成してもよい。
【0066】
撮像装置１０ａは、撮像ボックス１０５内部に照明として複数個のＬＥＤ（light emitting diode）１０８を備えている。これにより、底面１０３の全面に均一な光を照射することができる。複数個のＬＥＤ１０８が照射する光の強さは、爪に照射された光の反射が強くなり過ぎて爪の色に基づく衛生状態の評価精度に影響を及ぼさないように、適宜調整すればよい。
【0067】
（機械学習装置４０の構成）
機械学習装置４０の構成について、図５を参照して説明する。機械学習装置４０は、記憶部４１及び制御部４２を備えている。制御部４２は、機械学習装置４０を統括的に制御する。機械学習装置４０において、制御部４２は、構築部４２１を含む。構築部４２１は、機械学習方法Ｍ２を実行する。
機械学習装置４０の構成について、図５を参照して説明する。機械学習装置４０は、記憶部４１及び制御部４２を備えている。制御部４２は、機械学習装置４０を統括的に制御する。機械学習装置４０において、制御部４２は、構築部４２１を含む。構築部４２１は、機械学習方法Ｍ２を実行する。
【0068】
【0069】
機械学習方法Ｍ２は、学習用データセット構築ステップＭ２１と、学習済モデル構築ステップＭ２２と、を含んでいる。
【0070】
（学習用データセット構築ステップＭ２１）
学習用データセット構築ステップＭ２１は、プロセッサ４０１が、第１の学習用データセット及び第２の学習用データセットを作成するステップである。
学習用データセット構築ステップＭ２１は、プロセッサ４０１が、第１の学習用データセット及び第２の学習用データセットを作成するステップである。
【0071】
（第１の学習用データセットの作成処理）
第１の学習用データセットは、第１の評価モデル２１ａを構築するための複数個の第１学習用データ（教師データ）の集合である。
第１の学習用データセットは、第１の評価モデル２１ａを構築するための複数個の第１学習用データ（教師データ）の集合である。
【0072】
各第１学習用データは、１本の爪を被写体として含む教師画像データと、正解情報とを含む。教師画像データは、撮像装置１０ａが撮影したものであってもよいし、他の撮像装置が撮影したものであってもよい。また、教師画像データは、複数の爪を被写体として含む画像データから抽出された部分画像データであってもよい。また、教師画像データは、ネットワーク上に公開された公開画像データであってもよいし、当該公開画像データから抽出された部分画像データであってもよい。正解情報は、評価者による爪の長さの評価結果を示す情報である。
【0073】
学習用データセット構築ステップＭ２１において、構築部４２１は、教師画像データを取得し、表示装置（図示せず）に表示する。また、構築部４２１は、評価者による爪の長さに基づく衛生状態の評価結果を示す正解情報を、入力装置（図示せず）を介して取得する。例えば、評価者は、表示装置に表示された教師画像データを視認して、「合格」または「不合格」との評価結果を入力装置から入力してもよい。また、評価者は、表示装置に表示された教師画像データを視認して、衛生状態のスコアを入力装置から入力してもよい。
【0074】
また、構築部４２１は、教師画像データと、正解情報とを含む第１学習用データを生成する。また、構築部４２１は、生成した第１学習用データを記憶部４１に格納する。以上のプロセスを、複数の教師画像データに対して構築部４２１が繰り返すことによって、第１の学習用データセットが作成される。
【0075】
（第２の学習用データセットの作成処理）
第２の学習用データセットは、第２の評価モデル２１ｂを構築するための複数個の第２学習用データ（教師データ）の集合である。
第２の学習用データセットは、第２の評価モデル２１ｂを構築するための複数個の第２学習用データ（教師データ）の集合である。
【0076】
各第２学習用データは、１本の爪を被写体として含む教師画像データと、正解情報とを含む。教師画像データについては、第１の学習用データセットの作成処理において説明した通りである。なお、第２の学習用データセットの作成処理で用いる教師データの一部または全部は、第１の学習用データセットの作成に用いたものと同一であってもよい。正解情報は、評価者による爪の色の評価結果を示す情報である。
【0077】
学習用データセット構築ステップＭ２１において、構築部４２１は、教師画像データを取得し、表示装置（図示せず）に表示する。また、構築部４２１は、評価者による爪の色に基づく衛生状態の評価結果を示す正解情報を、入力装置（図示せず）を介して取得する。評価者による正解情報の入力手法の具体例については、第１の学習用データセットの作成処理において説明した通りである。
【0078】
また、構築部４２１は、教師画像データと、正解情報とを含む第２学習用データを生成する。また、構築部４２１は、生成した第２学習用データを記憶部４１に格納する。以上のプロセスを、複数の教師画像データに対して構築部４２１が繰り返すことによって、第２の学習用データセットが作成される。
【0079】
（学習済モデル構築ステップＭ２２）
学習済モデル構築ステップＭ２２は、構築部４２１が、第１の評価モデル２１ａ及び第２の評価モデル２１ｂを構築するステップである。学習済モデル構築ステップＭ２２において、構築部４２１は、第１の学習用データセットを用いた教師あり学習によって、第１の評価モデル２１ａを構築する。また、構築部４２１は、第２の学習用データセットを用いた教師あり学習によって、第２の評価モデル２１ｂを構築する。構築された第１の評価モデル２１ａ及び第２の評価モデル２１ｂは、記憶部４１に格納される。
学習済モデル構築ステップＭ２２は、構築部４２１が、第１の評価モデル２１ａ及び第２の評価モデル２１ｂを構築するステップである。学習済モデル構築ステップＭ２２において、構築部４２１は、第１の学習用データセットを用いた教師あり学習によって、第１の評価モデル２１ａを構築する。また、構築部４２１は、第２の学習用データセットを用いた教師あり学習によって、第２の評価モデル２１ｂを構築する。構築された第１の評価モデル２１ａ及び第２の評価モデル２１ｂは、記憶部４１に格納される。
【0080】
（実施形態２の他の態様１）
実施形態２として、評価部２２２が爪の衛生状態を評価するために用いる評価モデルの個数が、２つである態様を説明した。ただし、評価部２２２が用いる評価モデルの個数は２つに限定されない。例えば、評価部２２２は、第１の評価モデル２１ａ及び第２の評価モデル２１ｂの何れか一方を用いて爪の衛生状態を評価してもよい。また、評価部２２２は、第１の評価モデル２１ａ及び第２の評価モデル２１ｂに加えて、他の評価モデルを用いて爪の衛生状態を評価してもよい。この場合、他の評価モデルは、爪を被写体として含む画像データを入力として、爪の他の観点に基づく衛生状態の評価結果を示す情報を出力するよう機械学習により構築される。
実施形態２として、評価部２２２が爪の衛生状態を評価するために用いる評価モデルの個数が、２つである態様を説明した。ただし、評価部２２２が用いる評価モデルの個数は２つに限定されない。例えば、評価部２２２は、第１の評価モデル２１ａ及び第２の評価モデル２１ｂの何れか一方を用いて爪の衛生状態を評価してもよい。また、評価部２２２は、第１の評価モデル２１ａ及び第２の評価モデル２１ｂに加えて、他の評価モデルを用いて爪の衛生状態を評価してもよい。この場合、他の評価モデルは、爪を被写体として含む画像データを入力として、爪の他の観点に基づく衛生状態の評価結果を示す情報を出力するよう機械学習により構築される。
【0081】
（実施形態２の他の態様２）
実施形態２として、第１の評価モデル２１ａ及び第２の評価モデル２１ｂの入力が、１つの爪を被写体として含む部分画像データＩＭＧ－ｉである態様を説明した。ただし、第１の評価モデル２１ａ及び第２の評価モデル２１ｂの入力は、２本以上の指の爪を被写体として含む画像データＨであってもよい。
実施形態２として、第１の評価モデル２１ａ及び第２の評価モデル２１ｂの入力が、１つの爪を被写体として含む部分画像データＩＭＧ－ｉである態様を説明した。ただし、第１の評価モデル２１ａ及び第２の評価モデル２１ｂの入力は、２本以上の指の爪を被写体として含む画像データＨであってもよい。
【0082】
この場合、構築部４２１は、複数の爪を被写体として含む学習用の画像データと、評価者が複数の爪の長さに基づく衛生状態を評価した評価結果を示す正解情報とを含む第１学習用データを生成する。これにより、第１の評価モデル２１ａは、そのような第１学習用データからなる第１学習用データセットを用いて機械学習される。また、構築部４２１は、複数の爪を被写体として含む学習用の画像データと、評価者が複数の爪の色に基づく衛生状態を評価した評価結果を示す正解情報とを含む第２学習用データを生成する。これにより、第２の評価モデル２１ｂは、そのような第２学習用データからなる第２学習用データセットを用いて機械学習される。
【0083】
また、この場合、評価部２２２は、評価ステップＭ１２において、部分画像データの抽出処理を省略し、取得部２２１が取得した画像データＨを第１の評価モデル２１ａ及び第２の評価モデル２１ｂのそれぞれに入力してもよい。
【0084】
なお、第１の評価モデル２１ａ及び第２の評価モデル２１ｂの入力が部分画像データＩＭＧ－ｉである場合、比較的少ない学習用の画像データを用いて第１の評価モデル２１ａ及び第２の評価モデル２１ｂを精度よく構築することが可能である。これに対して、第１の評価モデル２１ａ及び第２の評価モデル２１ｂの入力が画像データＨである場合、評価部２２２の処理コストを低減することが可能であるというメリットがある。
【0085】
（実施形態２の他の態様３）
実施形態２において、評価システム１ａは、出力装置３０ａの代わりに、被検者端末と、被検者側の出力装置と、管理者端末と、管理者側の出力装置とを含んでもよい。この場合、情報処理装置２０ａは、被検者端末及び管理者端末のそれぞれと、ネットワークを介して通信可能に接続される。例えば、被検者端末と、被検者側の出力装置と、撮像装置１０ａとは、食品工場の入口付近に設置される。また、例えば、管理者端末と、管理者側の出力装置とは、管理者のオフィスに設置される。
実施形態２において、評価システム１ａは、出力装置３０ａの代わりに、被検者端末と、被検者側の出力装置と、管理者端末と、管理者側の出力装置とを含んでもよい。この場合、情報処理装置２０ａは、被検者端末及び管理者端末のそれぞれと、ネットワークを介して通信可能に接続される。例えば、被検者端末と、被検者側の出力装置と、撮像装置１０ａとは、食品工場の入口付近に設置される。また、例えば、管理者端末と、管理者側の出力装置とは、管理者のオフィスに設置される。
【0086】
本態様において、評価部２２２は、出力ステップＭ１３において、図８に示すような被検者向けの情報を被検者側の出力装置に出力し、図９に示すような管理者向けの情報を管理者側の出力装置に出力してもよい。また、評価部２２２は、管理者向けの情報を管理者側の出力装置に出力する処理を、出力ステップＭ１３において実行することに代えて、または加えて、管理者による要求に応じて実行してもよい。管理者による要求は、管理者端末の入力装置（図示せず）を介して入力される。
【0087】
（実施形態２の他の態様４）
実施形態２として、情報処理装置２０ａの記憶部２３に第１の評価モデル２１ａおよび第２の評価モデル２１ｂが格納されている態様を説明した。しかし、情報処理装置２０ａは、第１の評価モデル２１ａおよび第２の評価モデル２１ｂを含んでいなくてもよい。例えば、第１の評価モデル２１ａおよび第２の評価モデル２１ｂは、情報処理装置２０ａとネットワークを介して接続された他のコンピュータ（例えば、クラウドサーバを構成するコンピュータ）に内蔵されていてもよい。そしてこの場合、情報処理装置２０ａの評価部２２２は、ネットワーク経由で第１の評価モデル２１ａおよび第２の評価モデル２１ｂを利用して、爪の長さ及び色に基づく衛生状態の評価結果を生成すればよい。
実施形態２として、情報処理装置２０ａの記憶部２３に第１の評価モデル２１ａおよび第２の評価モデル２１ｂが格納されている態様を説明した。しかし、情報処理装置２０ａは、第１の評価モデル２１ａおよび第２の評価モデル２１ｂを含んでいなくてもよい。例えば、第１の評価モデル２１ａおよび第２の評価モデル２１ｂは、情報処理装置２０ａとネットワークを介して接続された他のコンピュータ（例えば、クラウドサーバを構成するコンピュータ）に内蔵されていてもよい。そしてこの場合、情報処理装置２０ａの評価部２２２は、ネットワーク経由で第１の評価モデル２１ａおよび第２の評価モデル２１ｂを利用して、爪の長さ及び色に基づく衛生状態の評価結果を生成すればよい。
【0088】
（実施形態２の効果）
本実施形態は、画像データを入力として、ＡＩ（Artificial Intelligence、人工知能）を用いて爪の衛生状態を評価するので、画像解析が不要であり、また、解析結果に基づき爪の衛生状態を評価する評価ルールをあらかじめ設ける必要がないというメリットを有している。これは、ＡＩを用いている実施形態１の評価システム１と同様の効果といえる。また、本実施形態では、評価部２２２は、爪の長さ及び色に基づく衛生状態を評価するので、爪の長さのみに基づく衛生状態を評価する場合と比較して、爪の衛生状態を精度よく、より多角的に評価することができる。さらには、本実施形態では、評価部２２２が、第１の評価モデル２１ａ及び第２の評価モデル２１ｂの２種類の評価モデルを用いるので、１種の評価モデルを用いて爪の長さ及び色に基づく衛生状態を評価する場合と比較して、爪の衛生状態をより精度良く評価することができる。
本実施形態は、画像データを入力として、ＡＩ（Artificial Intelligence、人工知能）を用いて爪の衛生状態を評価するので、画像解析が不要であり、また、解析結果に基づき爪の衛生状態を評価する評価ルールをあらかじめ設ける必要がないというメリットを有している。これは、ＡＩを用いている実施形態１の評価システム１と同様の効果といえる。また、本実施形態では、評価部２２２は、爪の長さ及び色に基づく衛生状態を評価するので、爪の長さのみに基づく衛生状態を評価する場合と比較して、爪の衛生状態を精度よく、より多角的に評価することができる。さらには、本実施形態では、評価部２２２が、第１の評価モデル２１ａ及び第２の評価モデル２１ｂの２種類の評価モデルを用いるので、１種の評価モデルを用いて爪の長さ及び色に基づく衛生状態を評価する場合と比較して、爪の衛生状態をより精度良く評価することができる。
【0089】
【0090】
情報処理装置２０ａは、汎用コンピュータを用いて実現されており、プロセッサ２０１と、一次メモリ２０２と、二次メモリ２０３と、入出力インタフェース２０４と、通信インタフェース２０５と、バス２０６とを備えている。プロセッサ２０１、一次メモリ２０２、二次メモリ２０３、入出力インタフェース２０４、及び通信インタフェース２０５は、バス２０６を介して相互に接続されている。
【0091】
二次メモリ２０３には、情報処理プログラム及び１または複数の評価モデルが格納されている。二次メモリ２０３は、記憶部２３を実現する構成の一例である。プロセッサ２０１は、二次メモリ２０３に格納されている情報処理プログラム及び１または複数の評価モデルを一次メモリ２０２上に展開する。そして、プロセッサ２０１は、一次メモリ２０２上に展開された情報処理プログラムに含まれる命令に従って、情報処理方法Ｍ１に含まれる各ステップを実行することにより、制御部２２として機能する。一次メモリ２０２上に展開された１または複数の評価モデル（例えば、第１の評価モデル２１ａ及び第２の評価モデル２１ｂ）は、情報処理方法Ｍ１の評価ステップＭ１２をプロセッサ２０１が実行する際に利用される。なお、情報処理プログラムが二次メモリ２０３に格納されているとは、ソースコード、または、ソースコードをコンパイルすることにより得られた実行形式ファイルが二次メモリ２０３に記憶されていることを指す。また、１または複数の評価モデルが二次メモリ２０３に格納されているとは、１または複数の評価モデルを規定するパラメータが二次メモリ２０３に格納されていることを指す。
【0092】
プロセッサ２０１として利用可能なデバイスとしては、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphic Processing Unit）、ＤＳＰ（Digital Signal Processor）、ＭＰＵ（Micro Processing Unit）、ＦＰＵ（Floating point number Processing Unit）、ＰＰＵ（Physics Processing Unit）、マイクロコントローラ、または、これらの組み合わせを挙げることができる。
【0093】
また、一次メモリ２０２として利用可能なデバイスとしては、例えば、ＲＡＭ（Random Access Memory）を挙げることができる。一次メモリ２０２は、「主記憶装置」と呼ばれることもある。また、二次メモリ２０３として利用可能なデバイスとしては、例えば、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、ＯＤＤ（Optical Disk Drive）、または、これらの組み合わせを挙げることができる。二次メモリ２０３は、「補助記憶装置」と呼ばれることもある。なお、二次メモリ２０３は、情報処理装置２０ａに内蔵されていてもよいし、入出力インタフェース２０４または通信インタフェース２０５を介して情報処理装置２０ａと接続された他のコンピュータ（例えば、クラウドサーバを構成するコンピュータ）に内蔵されていてもよい。なお、本実施形態においては、情報処理装置２０ａにおける記憶を２つのメモリ（一次メモリ２０２及び二次メモリ２０３）により実現しているが、これに限定されない。すなわち、情報処理装置２０ａにおける記憶を１つのメモリにより実現してもよい。この場合、例えば、そのメモリの或る記憶領域を一次メモリ２０２として利用し、そのメモリの他の記憶領域を二次メモリ２０３として利用すればよい。
【0094】
入出力インタフェース２０４には、入力デバイス及び／または出力デバイスが接続される。入出力インタフェース２０４としては、例えば、ＵＳＢ（Universal Serial Bus）、ＡＴＡ（Advanced Technology Attachment）、ＳＣＳＩ（Small Computer System Interface）、ＰＣＩ（Peripheral Component Interconnect）などのインタフェースが挙げられる。入出力インタフェース２０４に接続される入力デバイスとしては、撮像装置１０ａが挙げられる。情報処理方法Ｍ１において撮像装置１０ａから取得する画像データは、一次メモリ２０２に記憶される。また、入出力インタフェース２０４に接続される入力デバイスとしては、例えば、キーボード、マウス、タッチパッド、マイク、または、これらの組み合わせが挙げられる。また、入出力インタフェース２０４に接続される出力デバイスとしては、例えば、出力装置３０ａ（ディスプレイ、プロジェクタ、プリンタ、スピーカ、ヘッドホン、または、これらの組み合わせ）が挙げられる。情報処理方法Ｍ１においてユーザに提供する情報は、これらの出力デバイスを介して情報処理装置２０ａから出力される。なお、情報処理装置２０ａは、ラップトップ型コンピュータのように、入力デバイスとして機能するキーボードと、出力デバイスとして機能するディスプレイとを、それぞれ内蔵してもよい。或いは、情報処理装置２０ａは、タブレット型コンピュータのように、入力デバイス及び出力デバイスの両方として機能するタッチパネルを内蔵していてもよい。
【0095】
通信インタフェース２０５には、ネットワークを介して他のコンピュータが有線接続または無線接続される。通信インタフェース２０５としては、例えば、イーサネット（登録商標）、Ｗｉ－Ｆｉ（登録商標）などのインタフェースが挙げられる。利用可能なネットワークとしては、例えば、ＰＡＮ（Personal Area Network）、ＬＡＮ（Local Area Network）、ＣＡＮ（Campus Area Network）、ＭＡＮ（Metropolitan Area Network）、ＷＡＮ（Wide Area Network）、ＧＡＮ（Global Area Network）、または、これらのネットワークを含むインターネットワークが挙げられる。インターネットワークは、イントラネットであってもよいし、エクストラネットであってもよいし、インターネットであってもよい。情報処理方法Ｍ１において情報処理装置２０ａが他のコンピュータ（例えば、機械学習装置４０）から取得するデータ（例えば、１または複数の評価モデル）、及び、情報処理方法Ｍ１において情報処理装置２０ａが他のコンピュータに提供するデータは、これらのネットワークを介して送受信される。
【0096】
なお、本実施形態においては、単一のプロセッサ（プロセッサ２０１）を用いて情報処理方法Ｍ１を実行する構成を採用しているが、本発明は、これに限定されない。すなわち、複数のプロセッサを用いて情報処理方法Ｍ１を実行する構成を採用してもよい。例えば、取得ステップＭ１１を第１のプロセッサにおいて実行し、評価ステップＭ１２を第２のプロセッサにおいて実行してもよい。この場合、連携して情報処理方法Ｍ１を実行する複数のプロセッサは、単一のコンピュータに設けられ、バスを介して相互に通信可能に構成されていてもよいし、複数のコンピュータに分散して設けられ、ネットワークを介して相互に通信可能に構成されていてもよい。一例として、クラウドサーバを構成するコンピュータに内蔵されたプロセッサと、そのクラウドサーバの利用者が所有するコンピュータに内蔵されたプロセッサとが、連携して情報処理方法Ｍ１を実行する態様などが考えられる。
【0097】
また、本実施形態においては、情報処理方法Ｍ１を実行するプロセッサ（プロセッサ２０１）と同じコンピュータに内蔵されたメモリ（二次メモリ２０３）に評価モデルを格納する構成を採用しているが、本発明は、これに限定されない。すなわち、情報処理方法Ｍ１を実行するプロセッサと異なるコンピュータに内蔵されたメモリに１または複数の評価モデルを格納する構成を採用してもよい。この場合、１または複数の評価モデルを格納するメモリが内蔵されたコンピュータは、情報処理方法Ｍ１を実行するプロセッサが内蔵されたコンピュータとネットワークを介して相互に通信可能に構成される。一例として、クラウドサーバを構成するコンピュータに内蔵されたメモリに１または複数の評価モデルを格納し、そのクラウドサーバの利用者が所有するコンピュータに内蔵されたプロセッサが情報処理方法Ｍ１を実行する態様などが考えられる。
【0098】
また、本実施形態においては、単一のメモリ（二次メモリ２０３）に１または複数の評価モデルを格納する構成を採用しているが、本発明は、これに限定されない。すなわち、複数のメモリに１または複数の評価モデルを分散して格納する構成を採用してもよい。この場合、１または複数の評価モデルを格納する複数のメモリは、単一のコンピュータ（情報処理方法Ｍ１を実行するプロセッサが内蔵されたコンピュータであってもよいし、そうでなくてもよい）に設けられていてもよいし、複数のコンピュータ（情報処理方法Ｍ１を実行するプロセッサが内蔵されたコンピュータを含んでいてもよいし、そうでなくてもよい）に分散して設けられていてもよい。一例として、クラウドサーバを構成する複数のコンピュータの各々に内蔵されたメモリに１または複数の評価モデルを分散して格納する構成などが考えられる。
【0099】
【0100】
機械学習装置４０は、汎用コンピュータを用いて実現されており、プロセッサ４０１と、一次メモリ４０２と、二次メモリ４０３と、入出力インタフェース４０４と、通信インタフェース４０５と、バス４０６とを備えている。プロセッサ４０１、一次メモリ４０２、二次メモリ４０３、入出力インタフェース４０４、及び通信インタフェース４０５は、バス４０６を介して相互に接続されている。
【0101】
二次メモリ４０３には、機械学習プログラム及び学習用データセットが格納されている。二次メモリ４０３は、記憶部４１を実現する構成の一例である。学習用データセットは、複数個の学習用データの集合である。プロセッサ４０１は、二次メモリ４０３に格納されている機械学習プログラムを一次メモリ４０２上に展開する。そして、プロセッサ４０１は、一次メモリ４０２上に展開された機械学習プログラムに含まれる命令に従って、機械学習方法Ｍ２に含まれる各ステップを実行することにより制御部４２として機能する。二次メモリ４０３に格納された学習用データセットは、機械学習方法Ｍ２の学習用データセット構築ステップＭ２１にて作成され、機械学習方法Ｍ２の学習済モデル構築ステップＭ２２において利用される。また、機械学習方法Ｍ２の学習済モデル構築ステップＭ２２にて構築された１または複数の評価モデルも、二次メモリ４０３に格納される。なお、機械学習プログラムが二次メモリ４０３に格納されているとは、ソースコード、または、ソースコードをコンパイルすることにより得られた実行形式ファイルが二次メモリ４０３に記憶されていることを指す。また、１または複数の評価モデルが二次メモリ４０３に格納されているとは、１または複数の評価モデルを規定するパラメータが二次メモリ４０３に格納されていることを指す。
【0102】
プロセッサ４０１、一次メモリ４０２または二次メモリ４０３として利用可能なデバイスの具体例としては、情報処理装置２０ａのハードウエア構成の説明において記載したとおりである。なお、二次メモリ４０３は、機械学習装置４０に内蔵されていてもよいし、入出力インタフェース４０４または通信インタフェース４０５を介して機械学習装置４０と接続された他のコンピュータ（例えば、クラウドサーバを構成するコンピュータ）に内蔵されていてもよい。なお、本実施形態においては、機械学習装置４０における記憶を２つのメモリ（一次メモリ４０２及び二次メモリ４０３）により実現しているが、これに限定されない。すなわち、機械学習装置４０における記憶を１つのメモリにより実現してもよい。この場合、例えば、そのメモリの或る記憶領域を一次メモリ４０２として利用し、そのメモリの他の記憶領域を二次メモリ４０３として利用すればよい。
【0103】
入出力インタフェース４０４には、入力デバイス及び／又は出力デバイスが接続される。入出力インタフェース４０４の具体例は、情報処理装置２０ａのハードウエア構成の説明において記載したとおりである。入出力インタフェース４０４に接続される入力デバイスとしては、撮像装置１０ａが挙げられる。機械学習方法Ｍ２において撮像装置１０ａから取得するデータは、機械学習装置４０に入力され、一次メモリ４０２に記憶される。また、入出力インタフェース４０４に接続される入力デバイスの具体例は、情報処理装置２０ａのハードウエア構成の説明において記載したとおりである。機械学習方法Ｍ２においてユーザから取得するデータは、これらの入力デバイスを介して機械学習装置４０に入力され、一次メモリ４０２に記憶される。また、入出力インタフェース４０４に接続される出力デバイスの具体例は、情報処理装置２０ａのハードウエア構成の説明において記載したとおりである。機械学習方法Ｍ２においてユーザに提供する情報は、これらの出力デバイスを介して機械学習装置４０から出力される。なお、機械学習装置４０は、ラップトップ型コンピュータのように、入力デバイスとして機能するキーボードと、出力デバイスとして機能するディスプレイとを、それぞれ内蔵してもよい。或いは、機械学習装置４０は、タブレット型コンピュータのように、入力デバイス及び出力デバイスの両方として機能するタッチパネルを内蔵していてもよい。
【0104】
通信インタフェース４０５には、ネットワークを介して他のコンピュータが有線接続又は無線接続される。通信インタフェース４０５の具体例は、情報処理装置２０ａのハードウエア構成の説明において記載したとおりである。インターネットワークは、イントラネットであってもよいし、エクストラネットであってもよいし、インターネットであってもよい。機械学習装置４０が他のコンピュータ（例えば、情報処理装置２０ａ）に提供するデータ（例えば、１または複数の評価モデル）は、これらのネットワークを介して送受信される。
【0105】
なお、本実施形態においては、単一のプロセッサ（プロセッサ４０１）を用いて機械学習方法Ｍ２を実行する構成を採用しているが、本発明は、これに限定されない。すなわち、複数のプロセッサを用いて機械学習方法Ｍ２を実行する構成を採用してもよい。例えば、学習用データセット構築ステップＭ２１を第１のプロセッサにおいて実行し、学習済モデル構築ステップＭ２２を第２のプロセッサにおいて実行する構成を採用してもよい。この場合、連携して機械学習方法Ｍ２を実行する複数のプロセッサは、単一のコンピュータに設けられ、バスを介して相互に通信可能に構成されていてもよいし、複数のコンピュータに分散して設けられ、ネットワークを介して相互に通信可能に構成されていてもよい。一例として、クラウドサーバを構成するコンピュータに内蔵されたプロセッサと、そのクラウドサーバの利用者が所有するコンピュータに内蔵されたプロセッサとが、連携して機械学習方法Ｍ２を実行する態様などが考えられる。
【0106】
また、本実施形態においては、機械学習方法Ｍ２を実行するプロセッサ（プロセッサ４０１）と同じコンピュータに内蔵されたメモリ（二次メモリ４０３）に学習用データセットを格納する構成を採用しているが、本発明は、これに限定されない。すなわち、機械学習方法Ｍ２を実行するプロセッサと異なるコンピュータに内蔵されたメモリに学習用データセットを格納する構成を採用してもよい。この場合、学習用データセットを格納するメモリが内蔵されたコンピュータは、機械学習方法Ｍ２を実行するプロセッサが内蔵されたコンピュータとネットワークを介して相互に通信可能に構成される。一例として、クラウドサーバを構成するコンピュータに内蔵されたメモリに学習用データセットを格納し、そのクラウドサーバの利用者が所有するコンピュータに内蔵されたプロセッサが機械学習方法Ｍ２を実行する態様などが考えられる。
【0107】
また、本実施形態においては、単一のメモリ（二次メモリ４０３）に学習用データセットを格納する構成を採用しているが、本発明は、これに限定されない。すなわち、複数のメモリに学習用データセットを分散して格納する構成を採用してもよい。この場合、学習用データセットを格納する複数のメモリは、単一のコンピュータ（機械学習方法Ｍ２を実行するプロセッサが内蔵されたコンピュータであってもよいし、そうでなくてもよい）に設けられていてもよいし、複数のコンピュータ（機械学習方法Ｍ２を実行するプロセッサが内蔵されたコンピュータを含んでいてもよいし、そうでなくてもよい）に分散して設けられていてもよい。一例として、クラウドサーバを構成する複数のコンピュータの各々に内蔵されたメモリに学習用データセットを分散して格納する構成などが考えられる。
【0108】
また、本実施形態においては、情報処理方法Ｍ１及び機械学習方法Ｍ２を異なるプロセッサ（プロセッサ２０１及びプロセッサ４０１）を用いて実行する構成を採用しているが、本発明は、これに限定されない。すなわち、情報処理方法Ｍ１及び機械学習方法Ｍ２を同一のプロセッサを用いて実行してもよい。この場合、機械学習方法Ｍ２を実行することによって、このプロセッサと同じコンピュータに内蔵されたメモリに１または複数の評価モデルが格納さる。そして、このプロセッサは、情報処理方法Ｍ１を実行する際に、このメモリに格納された１または複数の評価モデルを利用することになる。
【0109】
〔実施形態３〕
（評価システム１ｂの構成）
本発明の実施形態３に係る評価システム１ｂについて、図１５を参照して説明する。図１５は、評価システム１ｂの構成を表すブロック図である。評価システム１ａは、図１５に示すように、撮像装置１０ａと、情報処理装置２０ｂと、出力装置３０ａと、を備えている。撮像装置１０ａおよび出力装置３０ａについては、実施形態２で説明したとおりである。
（評価システム１ｂの構成）
本発明の実施形態３に係る評価システム１ｂについて、図１５を参照して説明する。図１５は、評価システム１ｂの構成を表すブロック図である。評価システム１ａは、図１５に示すように、撮像装置１０ａと、情報処理装置２０ｂと、出力装置３０ａと、を備えている。撮像装置１０ａおよび出力装置３０ａについては、実施形態２で説明したとおりである。
【0110】
情報処理装置２０ｂは、情報処理方法Ｍ１ｂを実行するための装置である。情報処理装置２０ｂは、機械学習により構築された評価モデルを用いずに、爪の衛生状態を評価する点が、実施形態２と少なくとも異なる。
【0111】
（情報処理装置２０ｂの構成）
情報処理装置２０ｂの構成について、図１５を参照して説明する。情報処理装置２０ｂは、制御部２２ｂ及び記憶部２３ｂを備えている。制御部２２ｂは、情報処理装置２０ｂを統括的に制御する。情報処理装置２０ｂにおいて、制御部２２ｂは、取得部２２１及び評価部２２２ｂを含む。取得部２２１は、情報処理方法Ｍ１ｂの取得ステップＭ１１を実行する。評価部２２２ｂは、情報処理方法Ｍ１ｂの評価ステップＭ１２ｂ及び出力ステップＭ１３を実行する。
情報処理装置２０ｂの構成について、図１５を参照して説明する。情報処理装置２０ｂは、制御部２２ｂ及び記憶部２３ｂを備えている。制御部２２ｂは、情報処理装置２０ｂを統括的に制御する。情報処理装置２０ｂにおいて、制御部２２ｂは、取得部２２１及び評価部２２２ｂを含む。取得部２２１は、情報処理方法Ｍ１ｂの取得ステップＭ１１を実行する。評価部２２２ｂは、情報処理方法Ｍ１ｂの評価ステップＭ１２ｂ及び出力ステップＭ１３を実行する。
【0112】
（情報処理方法Ｍ１ｂの流れ）
情報処理方法Ｍ１ｂは、評価ステップＭ１２の代わりに評価ステップＭ１２ｂを含む点が、実施形態２に係る情報処理方法Ｍ１に対して相違する。以下では、当該相違点についてのみ説明する。
情報処理方法Ｍ１ｂは、評価ステップＭ１２の代わりに評価ステップＭ１２ｂを含む点が、実施形態２に係る情報処理方法Ｍ１に対して相違する。以下では、当該相違点についてのみ説明する。
【0113】
（評価ステップＭ１２ｂ）
評価ステップＭ１２ｂにおいて、評価部２２２ｂは、公知の画像解析技術を用いて、取得部２２１が取得した爪を被写体として含む画像データにおける爪の長さを測定する。また、評価部２２２ｂは、記憶部２３ｂに予め格納された爪の長さと衛生状態との対応関係を示す情報を参照して、爪の長さの測定結果から、爪の長さに基づく衛生状態を評価し、その評価結果を示すデータを記憶部２３ｂに書き込む。例えば、評価部２２２は、爪を被写体として含む画像データにおける爪全体の領域の長さに対する、爪先の相対的な長さを「爪の長さ」として測定してもよい。この場合、記憶部２３ｂには、爪の相対的な長さと衛生状態との対応関係を示す情報が格納されている。
評価ステップＭ１２ｂにおいて、評価部２２２ｂは、公知の画像解析技術を用いて、取得部２２１が取得した爪を被写体として含む画像データにおける爪の長さを測定する。また、評価部２２２ｂは、記憶部２３ｂに予め格納された爪の長さと衛生状態との対応関係を示す情報を参照して、爪の長さの測定結果から、爪の長さに基づく衛生状態を評価し、その評価結果を示すデータを記憶部２３ｂに書き込む。例えば、評価部２２２は、爪を被写体として含む画像データにおける爪全体の領域の長さに対する、爪先の相対的な長さを「爪の長さ」として測定してもよい。この場合、記憶部２３ｂには、爪の相対的な長さと衛生状態との対応関係を示す情報が格納されている。
【0114】
同様に、評価部２２２ｂは、公知の画像解析技術を用いて、取得部２２１が取得した爪を被写体として含む画像データにおける爪の色を測定する。記憶部２３ｂに予め格納された爪の色と衛生状態との対応関係を示す情報を参照して、爪の色の測定結果から、爪の色に基づく衛生状態を評価し、その評価結果を示すデータを記憶部２３ｂに書き込む。
【0115】
（実施形態３の効果）
本実施形態は、情報処理装置２０ｂは、機械学習により構築された評価モデルを用いずに爪の衛生状態を評価するので、機械学習装置が不要である。従って、評価システム１ｂの構築コストを低減することが可能であるというメリットがある。
本実施形態は、情報処理装置２０ｂは、機械学習により構築された評価モデルを用いずに爪の衛生状態を評価するので、機械学習装置が不要である。従って、評価システム１ｂの構築コストを低減することが可能であるというメリットがある。
【0116】
〔ハードウエアによる実現例〕
上述した各実施形態では、情報処理装置２０、２０ａ及び２０ｂの制御ブロック（特に制御部２２、２２ｂ）が、二次メモリ２０３に記憶されたプログラムを読み込んでプロセッサ２０１が実行することにより実現される態様について説明した。これに限らず、情報処理装置２０、２０ａ及び２０ｂの制御ブロックの一部または全部は、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。また、実施形態２では、機械学習装置４０の制御ブロック（特に制御部４２）が、二次メモリ４０３に記憶されたプログラムを読み込んでプロセッサ４０１が実行することにより実現される態様について説明した。これに限らず、機械学習装置４０の制御ブロックの一部または全部は、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。
上述した各実施形態では、情報処理装置２０、２０ａ及び２０ｂの制御ブロック（特に制御部２２、２２ｂ）が、二次メモリ２０３に記憶されたプログラムを読み込んでプロセッサ２０１が実行することにより実現される態様について説明した。これに限らず、情報処理装置２０、２０ａ及び２０ｂの制御ブロックの一部または全部は、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。また、実施形態２では、機械学習装置４０の制御ブロック（特に制御部４２）が、二次メモリ４０３に記憶されたプログラムを読み込んでプロセッサ４０１が実行することにより実現される態様について説明した。これに限らず、機械学習装置４０の制御ブロックの一部または全部は、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。
【0117】
以上、実施形態を用いて本発明を説明したが、本発明の技術的範囲は上記実施形態に記載の範囲には限定されない。上記実施例に、多様な変更又は改良を加えることが可能であることが当業者に明らかである。また、その様な変更又は改良を加えることが可能であることが当業者に明らかである。また、その様な変更又は改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。
【0118】
〔まとめ〕
本発明は、
（１）爪を被写体として含む画像データを取得する取得部と、前記画像データを参照して前記爪の長さに基づく前記爪の衛生状態を評価することにより、評価結果を示す情報を生成する評価部と、を備えた情報処理装置、
（２）前記評価部は、前記評価結果を示す情報として、前記爪を有する人に対する屋内への入退場可否を含む情報を生成する、（１）の情報処理装置、
（３）前記屋内が、食品工場の部屋または食品加工場である、（２）の情報処理装置、
（４）前記評価部は、前記画像データに含まれている少なくとも２本以上の指の爪の領域に基づいて、前記爪の衛生状態を評価する、（１）～（３）のいずれか１つの情報処理装置、
（５）前記評価部は、前記画像データを参照して、前記爪の色に基づく前記爪の衛生状態をさらに評価する、（１）～（４）のいずれか１つの情報処理装置、
（６）前記画像データを入力として、前記爪の長さに基づく衛生状態の評価結果を示す第１情報を出力するよう機械学習により構築された第１の評価モデルを利用し、前記評価部は、前記第１情報に基づいて前記評価結果を示す情報を生成する、（１）～（５）のいずれか１つの情報処理装置、
（７）前記画像データを入力として、前記爪の色に基づく衛生状態の評価結果を示す第２情報を出力するよう機械学習により構築された第２の評価モデルを利用し、前記評価部は、前記第１情報及び前記第２情報に基づいて前記評価結果を示す情報を生成する、（６）の情報処理装置、
（８）（１）～（７）のいずれか１つの情報処理装置と、前記爪を含む人体の部位を撮像して前記画像データを生成する撮像装置と、前記評価結果を示す情報を出力する出力装置と、を含む評価システム、
（９）前記撮像装置は、撮像機器と、当該撮像機器に対する前記部位の位置合わせを可能にする位置合わせ台と、外部から前記位置合わせ台に入射する光を遮る遮光壁と、を備えており、前記撮像機器は、前記位置合わせ台を撮像範囲に含むように設置され、前記位置合わせ台は、前記撮像機器に向く面が単色であり、前記遮光壁は、前記位置合わせ台の周囲に設置されている、（８）の評価システム、
（１０）前記撮像機器は、撮像ボックスの内部に設置され、前記撮像ボックスは、前記位置合わせ台としての底面と、前記遮光壁としての側面と、前記撮像機器が設置される天面と、を有し、前記側面は前記撮像ボックスの内部に前記部位を挿入可能な開口部を有している、（９）の評価システム、
（１１）前記撮像装置は、隣接する爪同士が離間した状態で前記部位を撮影することを可能にするガイド機構を備えている、（９）または（１０）の評価システム、
（１２）学習用データセットを用いた機械学習によって、爪の長さに基づく衛生状態を評価する第１の評価モデルを構築する構築部を備えており、前記第１の評価モデルの入力は、爪を被写体として含む画像データであり、前記第１の評価モデルの出力は、前記爪の長さに基づく衛生状態の評価結果を示す第１情報である、機械学習装置、
（１３）前記構築部は、学習用データセットを用いた機械学習によって、爪の色に基づく衛生状態を評価する第２の評価モデルをさらに構築し、前記第２の評価モデルの入力は、爪を被写体として含む画像データであり、前記第２の評価モデルの出力は、前記爪の色に基づく衛生状態の評価結果を示す第２情報である、（１２）の機械学習装置、
（１４）爪を被写体として含む画像データを取得する取得ステップと、前記画像データを参照して前記爪の長さに基づく前記爪の衛生状態を評価することにより、評価結果を示す情報を生成する評価ステップと、を含む、情報処理方法、
（１５）（１）～（７）のいずれか１つの情報処理装置としてコンピュータを機能させるためのプログラム、
である。
本発明は、
（１）爪を被写体として含む画像データを取得する取得部と、前記画像データを参照して前記爪の長さに基づく前記爪の衛生状態を評価することにより、評価結果を示す情報を生成する評価部と、を備えた情報処理装置、
（２）前記評価部は、前記評価結果を示す情報として、前記爪を有する人に対する屋内への入退場可否を含む情報を生成する、（１）の情報処理装置、
（３）前記屋内が、食品工場の部屋または食品加工場である、（２）の情報処理装置、
（４）前記評価部は、前記画像データに含まれている少なくとも２本以上の指の爪の領域に基づいて、前記爪の衛生状態を評価する、（１）～（３）のいずれか１つの情報処理装置、
（５）前記評価部は、前記画像データを参照して、前記爪の色に基づく前記爪の衛生状態をさらに評価する、（１）～（４）のいずれか１つの情報処理装置、
（６）前記画像データを入力として、前記爪の長さに基づく衛生状態の評価結果を示す第１情報を出力するよう機械学習により構築された第１の評価モデルを利用し、前記評価部は、前記第１情報に基づいて前記評価結果を示す情報を生成する、（１）～（５）のいずれか１つの情報処理装置、
（７）前記画像データを入力として、前記爪の色に基づく衛生状態の評価結果を示す第２情報を出力するよう機械学習により構築された第２の評価モデルを利用し、前記評価部は、前記第１情報及び前記第２情報に基づいて前記評価結果を示す情報を生成する、（６）の情報処理装置、
（８）（１）～（７）のいずれか１つの情報処理装置と、前記爪を含む人体の部位を撮像して前記画像データを生成する撮像装置と、前記評価結果を示す情報を出力する出力装置と、を含む評価システム、
（９）前記撮像装置は、撮像機器と、当該撮像機器に対する前記部位の位置合わせを可能にする位置合わせ台と、外部から前記位置合わせ台に入射する光を遮る遮光壁と、を備えており、前記撮像機器は、前記位置合わせ台を撮像範囲に含むように設置され、前記位置合わせ台は、前記撮像機器に向く面が単色であり、前記遮光壁は、前記位置合わせ台の周囲に設置されている、（８）の評価システム、
（１０）前記撮像機器は、撮像ボックスの内部に設置され、前記撮像ボックスは、前記位置合わせ台としての底面と、前記遮光壁としての側面と、前記撮像機器が設置される天面と、を有し、前記側面は前記撮像ボックスの内部に前記部位を挿入可能な開口部を有している、（９）の評価システム、
（１１）前記撮像装置は、隣接する爪同士が離間した状態で前記部位を撮影することを可能にするガイド機構を備えている、（９）または（１０）の評価システム、
（１２）学習用データセットを用いた機械学習によって、爪の長さに基づく衛生状態を評価する第１の評価モデルを構築する構築部を備えており、前記第１の評価モデルの入力は、爪を被写体として含む画像データであり、前記第１の評価モデルの出力は、前記爪の長さに基づく衛生状態の評価結果を示す第１情報である、機械学習装置、
（１３）前記構築部は、学習用データセットを用いた機械学習によって、爪の色に基づく衛生状態を評価する第２の評価モデルをさらに構築し、前記第２の評価モデルの入力は、爪を被写体として含む画像データであり、前記第２の評価モデルの出力は、前記爪の色に基づく衛生状態の評価結果を示す第２情報である、（１２）の機械学習装置、
（１４）爪を被写体として含む画像データを取得する取得ステップと、前記画像データを参照して前記爪の長さに基づく前記爪の衛生状態を評価することにより、評価結果を示す情報を生成する評価ステップと、を含む、情報処理方法、
（１５）（１）～（７）のいずれか１つの情報処理装置としてコンピュータを機能させるためのプログラム、
である。
【符号の説明】
【0119】
１ 爪の状態検査装置（評価システム）
１ａ、１ｂ 評価システム
１０（１０’） 撮像装置（撮像端末）
１０ａ 撮像装置（撮像端末）
２０ 演算装置（情報処理装置）
２０ａ、２０ｂ 情報処理装置
２１ 学習済みニューラルネットワーク
２１ａ 第１の評価モデル
２１ｂ 第２の評価モデル
２２、２２ｂ 制御部
２３、２３ｂ 記憶部
３０（３０’） 入出力装置（入出力端末）（出力装置）
３０ａ 出力装置
４０ 機械学習装置
１０１ 撮像装置（撮像機器）
１０２ 遮光壁（側面）
１０３、１０３ａ、１０３ｂ 底面（位置合わせ台）
１０４ 天面
１０５ 撮像ボックス
１０６ 前面
１０７ 開口部
１０８ ＬＥＤ
１０９ａ 突起（ガイド機構）
１０９ｂ ガイド線（ガイド機構）
２０１ プロセッサ
２０２ 一次メモリ
２０３ 二次メモリ
２０４ 入出力インタフェース
２０５ 通信インタフェース
２０６ バス
２２１ 取得部
２２２、２２２ｂ 評価部
４０１ プロセッサ
４０２ 一次メモリ
４０３ 二次メモリ
４０４ 入出力インタフェース
４０５ 通信インタフェース
４０６ バス
５００ 画面例
５０１ 屋内への入場不可を示す情報
６００ 画面例
６０１ 屋内への入場不可を示す情報
Ｒ 部屋（屋内）
Ｈ 手の画像
Ｐ 被検者
Ｓ 管理者
１ａ、１ｂ 評価システム
１０（１０’） 撮像装置（撮像端末）
１０ａ 撮像装置（撮像端末）
２０ 演算装置（情報処理装置）
２０ａ、２０ｂ 情報処理装置
２１ 学習済みニューラルネットワーク
２１ａ 第１の評価モデル
２１ｂ 第２の評価モデル
２２、２２ｂ 制御部
２３、２３ｂ 記憶部
３０（３０’） 入出力装置（入出力端末）（出力装置）
３０ａ 出力装置
４０ 機械学習装置
１０１ 撮像装置（撮像機器）
１０２ 遮光壁（側面）
１０３、１０３ａ、１０３ｂ 底面（位置合わせ台）
１０４ 天面
１０５ 撮像ボックス
１０６ 前面
１０７ 開口部
１０８ ＬＥＤ
１０９ａ 突起（ガイド機構）
１０９ｂ ガイド線（ガイド機構）
２０１ プロセッサ
２０２ 一次メモリ
２０３ 二次メモリ
２０４ 入出力インタフェース
２０５ 通信インタフェース
２０６ バス
２２１ 取得部
２２２、２２２ｂ 評価部
４０１ プロセッサ
４０２ 一次メモリ
４０３ 二次メモリ
４０４ 入出力インタフェース
４０５ 通信インタフェース
４０６ バス
５００ 画面例
５０１ 屋内への入場不可を示す情報
６００ 画面例
６０１ 屋内への入場不可を示す情報
Ｒ 部屋（屋内）
Ｈ 手の画像
Ｐ 被検者
Ｓ 管理者
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】