(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】2023-12-19
(45)【発行日】2023-12-27
(54)【発明の名称】Ｘ線検査装置
(51)【国際特許分類】
G01N 23/087 20180101AFI20231220BHJP
G01N 23/04 20180101ALI20231220BHJP
G01G 9/00 20060101ALI20231220BHJP
【ＦＩ】
G01N23/087
G01N23/04
G01G9/00
【請求項の数】
6
(21)【出願番号】P 2019048143
(22)【出願日】2019-03-15
(65)【公開番号】P2020148703
(43)【公開日】2020-09-17
【審査請求日】2022-02-04
【前置審査】
(73)【特許権者】
【識別番号】000147833
【氏名又は名称】株式会社イシダ
(74)【代理人】
【識別番号】100088155
【弁理士】
【氏名又は名称】長谷川 芳樹
(74)【代理人】
【識別番号】100113435
【弁理士】
【氏名又は名称】黒木 義樹
(74)【代理人】
【識別番号】100180851
【弁理士】
【氏名又は名称】▲高▼口 誠
(74)【代理人】
【識別番号】100183081
【弁理士】
【氏名又は名称】岡▲崎▼ 大志
(74)【代理人】
【識別番号】100223424
【弁理士】
【氏名又は名称】和田 雄二
(72)【発明者】
【氏名】杉本 一幸
【審査官】田中 洋介
(56)【参考文献】
【文献】特開２０１２－１４１１７６（ＪＰ，Ａ）
【文献】特許第５２９７２０６（ＪＰ，Ｂ２）
【文献】特開２０１８－１４１７３６（ＪＰ，Ａ）
【文献】特開２０１０－１４５１３５（ＪＰ，Ａ）
【文献】特開２００３－１３９７２３（ＪＰ，Ａ）
【文献】特開２００９－２９４２０９（ＪＰ，Ａ）
【文献】特開２０１８－１５５５４４（ＪＰ，Ａ）
【文献】特開２０１８－１０５６９７（ＪＰ，Ａ）
【文献】米国特許出願公開第２０１７／００２３６９７（ＵＳ，Ａ１）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０１Ｎ ２３／００－２３／２２７６
Ｇ０１Ｇ ９／００
Ａ６１Ｂ ６／００－６／１４
(57)【特許請求の範囲】
【請求項1】
Ｘ線に対する特性の異なる複数の成分を含有する物品にＸ線を照射する照射部と、前記物品を透過した複数のエネルギー帯の各々のＸ線を検出する検出部と、
前記エネルギー帯毎の前記Ｘ線の検出結果に基づいて前記エネルギー帯毎のＸ線透過画像を生成する生成部と、
前記エネルギー帯毎のＸ線透過画像に基づいて、前記エネルギー帯毎の前記物品の質量の第１推定値を取得する第１推定部と、
前記エネルギー帯毎の前記第１推定値に基づいて、前記物品の質量の第２推定値を取得する第２推定部と、
を備え、
前記第２推定部は、
前記エネルギー帯毎の前記第１推定値間の対比に基づくパラメータに基づいて、前記複数のエネルギー帯のうちの一のエネルギー帯に対応する前記第１推定値に対する補正量を取得し、
前記補正量に基づいて前記一のエネルギー帯に対応する前記第１推定値を補正することにより、前記第２推定値を取得する、Ｘ線検査装置。
【請求項2】
前記第２推定部は、前記エネルギー帯毎の前記第１推定値間の対比に基づくパラメータと適正補正量との関係を規定する関係情報を用いることにより、前記エネルギー帯毎の前記第１推定値間の対比に基づくパラメータに対応する前記適正補正量を前記補正量として取得する、請求項１に記載のＸ線検査装置。
【請求項3】
前記関係情報は、前記物品と同種の物品である複数のサンプルの各々についての前記エネルギー帯毎の前記第１推定値間の対比に基づくパラメータと適正補正量とを含む教師データを用いた機械学習により生成された学習済みモデルであり、前記第２推定部は、前記関係情報に前記エネルギー帯毎の前記第１推定値間の対比に基づくパラメータを入力することにより、前記関係情報により出力される前記適正補正量の推定値を前記補正量として取得する、請求項２に記載のＸ線検査装置。
【請求項4】
Ｘ線に対する特性の異なる複数の成分を含有する物品にＸ線を照射する照射部と、
前記物品を透過した複数のエネルギー帯の各々のＸ線を検出する検出部と、
前記エネルギー帯毎の前記Ｘ線の検出結果に基づいて前記エネルギー帯毎のＸ線透過画像を生成する生成部と、
前記エネルギー帯毎のＸ線透過画像に基づいて、前記エネルギー帯毎の前記物品の質量の第１推定値を取得する第１推定部と、
前記エネルギー帯毎の前記第１推定値に基づいて、前記物品の質量の第２推定値を取得する第２推定部と、
を備え、
前記第２推定部は、推定モデルに前記エネルギー帯毎の前記第１推定値を入力することにより、前記推定モデルにより出力される前記物品の質量の推定値を前記第２推定値として取得し、
前記推定モデルは、前記物品と同種の物品である複数のサンプルの各々についての前記エネルギー帯毎の前記第１推定値と前記サンプルの質量値とを含む教師データを用いた機械学習により生成された学習済みモデルである、Ｘ線検査装置。
【請求項5】
前記第２推定値が予め定められた適正範囲内であるか否かを判定する判定部を更に備える、請求項１～４のいずれか一項に記載のＸ線検査装置。
【請求項6】
前記Ｘ線透過画像に複数の前記物品が含まれている場合に、ラベリング処理により複数の前記物品を区別して認識する認識部を更に備え、前記第１推定部は、前記物品毎に前記第１推定値を取得し、
前記第２推定部は、前記物品毎に前記第２推定値を取得する、請求項１～５のいずれか一項に記載のＸ線検査装置。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、Ｘ線検査装置に関する。
【背景技術】
【0002】
従来、検査対象の物品に対してＸ線を照射し、当該物品を透過したＸ線の検出結果（Ｘ線透過画像）に基づいて、当該物品の質量を推定（算出）する装置が知られている（例えば、特許文献１，２参照）。このような装置は、Ｘ線透過画像において物品の厚みが大きい部分ほど暗く写るという性質を利用して、Ｘ線透過画像に含まれる単位領域当たりの明るさ（輝度値等）に基づいて物品の質量を推定する。
【先行技術文献】
【特許文献】
【0003】
【文献】特許第５２９７２０６号公報
【文献】特許第５１４８２８５号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、検査対象の物品がＸ線に対する特性の異なる複数の成分を含有すると共にその成分比率に個体差（ばらつき）がある物品である場合、上記の質量推定方法では、比較的大きい誤差が生じる場合がある。このような物品の具体例としては、脂肪部分と肉（赤身）部分とを含む物品（例えば鶏の唐揚げ等）が挙げられる。
【0005】
そこで、本開示は、Ｘ線に対する特性の異なる複数の成分を含有する物品の質量を精度良く推定することができるＸ線検出装置を提供することを目的とする。
【課題を解決するための手段】
【0006】
本開示の一側面に係るＸ線検査装置は、Ｘ線に対する特性の異なる複数の成分を含有する物品にＸ線を照射する照射部と、物品を透過した複数のエネルギー帯の各々のＸ線を検出する検出部と、エネルギー帯毎のＸ線の検出結果に基づいてエネルギー帯毎のＸ線透過画像を生成する生成部と、エネルギー帯毎のＸ線透過画像に基づいて、エネルギー帯毎の物品の質量の第１推定値を取得する第１推定部と、エネルギー帯毎の第１推定値に基づいて、物品の質量の第２推定値を取得する第２推定部と、を備える。
【0007】
仮に２つの物品間で一のエネルギー帯についての第１推定値が一致する場合であっても、当該第１推定値が、一方の物品については精度の高い推定値（すなわち、当該一方の物品の真の質量値からのずれが比較的小さい値）である一方で、他方の物品については精度の低い推定値（すなわち、当該他方の物品の真の質量値からのずれが比較的大きい値）であるという状況が生じ得る。これは、Ｘ線に対する特性の異なる複数の成分の比率に関して、上記２つの物品間で個体差があることに起因する。従って、このような物品の質量を精度良く推定するためには、当該物品に含まれる複数の成分の比率を考慮する必要がある。しかし、一のエネルギー帯についての第１推定値のみからは、物品に含まれる複数の成分の比率に関する情報を得ることはできない。一方、複数のエネルギー帯の各々についての第１推定値間には、上記物品の成分の比率に応じた差が生じる。これは、Ｘ線に対する特性の異なる複数の成分間において、各エネルギー帯のＸ線の吸収率に差があることに起因する。
【0008】
そこで、上記Ｘ線検査装置は、複数のエネルギー帯の各々について得られたＸ線透過画像に基づいて、物品の質量の第１推定値をエネルギー帯毎に取得する。そして、上記Ｘ線検査装置は、複数のエネルギー帯についての第１推定値に基づいて、物品の質量の第２推定値を取得する。これにより、複数のエネルギー帯についての第１推定値に基づいて上記物品に含まれる複数の成分の比率が間接的に考慮された推定値（第２推定値）が、最終的な推定値として取得される。従って、上記Ｘ線検査装置によれば、Ｘ線に対する特性の異なる複数の成分を含有する物品の質量を精度良く推定することができる。
【0009】
第２推定部は、エネルギー帯毎の第１推定値間の対比に基づくパラメータに基づいて、複数のエネルギー帯のうちの一のエネルギー帯に対応する第１推定値に対する補正量を取得してもよく、補正量に基づいて一のエネルギー帯に対応する第１推定値を補正することにより、第２推定値を取得してもよい。これによれば、エネルギー帯毎の第１推定値間の対比に基づくパラメータと一のエネルギー帯に対応する第１推定値の物品の真の質量値からの誤差との間の相関関係に基づいて、物品の質量を精度良く推定することができる。
【0010】
第２推定部は、エネルギー帯毎の第１推定値間の対比に基づくパラメータと適正補正量との関係を規定する関係情報を用いることにより、エネルギー帯毎の第１推定値間の対比に基づくパラメータに対応する適正補正量を補正量として取得してもよい。これによれば、予め用意された関係情報を用いることにより、物品の質量の最終的な推定値（第２推定値）を簡易に得ることができる。
【0011】
関係情報は、検査対象の物品と同種の物品である複数のサンプルの各々についてのエネルギー帯毎の第１推定値間の対比に基づくパラメータと適正補正量とを含む教師データを用いた機械学習により生成された学習済みモデルであってもよい。第２推定部は、関係情報にエネルギー帯毎の第１推定値間の対比に基づくパラメータを入力することにより、関係情報により出力される適正補正量の推定値を補正量として取得してもよい。これによれば、検査対象の物品と同種の物品である複数のサンプルについての教師データに基づいて予め用意された学習済みモデルを関係情報として用いることにより、物品の質量の最終的な推定値（第２推定値）を簡易かつ精度良く得ることができる。
【0012】
第２推定部は、推定モデルにエネルギー帯毎の第１推定値を入力することにより、推定モデルにより出力される物品の質量の推定値を第２推定値として取得してもよい。推定モデルは、検査対象の物品と同種の物品である複数のサンプルの各々についてのエネルギー帯毎の第１推定値とサンプルの質量値とを含む教師データを用いた機械学習により生成された学習済みモデルであってもよい。これによれば、エネルギー帯毎に得られた複数の第１推定値を推定モデルに入力するだけの処理によって、物品の質量の最終的な推定値（第２推定値）を簡易に得ることができる。
【0013】
上記Ｘ線検査装置は、第２推定値が予め定められた適正範囲内であるか否かを判定する判定部を更に備えてもよい。これによれば、物品の最終的な質量の推定値（第２推定値）に基づく物品の良否判定を行うことができる。このような判定結果は、例えば後段の工程において、物品の選別（例えば、第２推定値が適正範囲内でないと判定された物品の除外等）等に好適に利用され得る。
【0014】
上記Ｘ線検査装置は、Ｘ線透過画像に複数の物品が含まれている場合に、ラベリング処理により複数の物品を区別して認識する認識部を更に備えてもよい。第１推定部は、物品毎に第１推定値を取得してもよい。第２推定部は、物品毎に第２推定値を取得してもよい。これによれば、Ｘ線透過画像に複数の物品が含まれる場合において、個々の物品の質量を精度良く推定することができる。
【発明の効果】
【0015】
本開示によれば、Ｘ線に対する特性の異なる複数の成分を含有する物品の質量を精度良く推定することができるＸ線検出装置を提供することができる。
【図面の簡単な説明】
【0016】
【図1】一実施形態のＸ線検査装置の構成図である。
【図3】制御部の機能構成図である。
【図4】（Ａ）は低エネルギー画像の一例であり、（Ｂ）は高エネルギー画像の一例である。
【図5】線形回帰により得られる関係情報の一例を示す図である。
【図6】Ｘ線検査装置の動作の一例を示すフローチャートである。
【発明を実施するための形態】
【0017】
以下、本開示の実施形態について図面を参照しながら説明する。各図において同一又は相当の部分には同一の符号を付し、重複する説明を省略する。
【0018】
図１に示されるように、Ｘ線検査装置１は、装置本体２と、支持脚３と、シールドボックス４と、搬送部５と、Ｘ線照射部６（照射部）と、Ｘ線検出部７（検出部）と、表示操作部８と、制御部１０と、を備えている。Ｘ線検査装置１は、物品Ｇを搬送しつつ物品ＧのＸ線透過画像を生成し、当該Ｘ線透過画像に基づいて物品Ｇの検査（例えば、収納数検査、異物混入検査、欠品検査、割れ欠け検査等）を行う。検査前の物品Ｇは、搬入コンベア５１によってＸ線検査装置１に搬入される。検査後の物品Ｇは、搬出コンベア５２によってＸ線検査装置１から搬出される。Ｘ線検査装置１によって不良品と判定された物品Ｇは、搬出コンベア５２の下流に配置された振分装置（図示省略）によって生産ライン外に振り分けられる。Ｘ線検査装置１によって良品と判定された物品Ｇは、当該振分装置をそのまま通過する。
【0019】
装置本体２は、制御部１０等を収容している。支持脚３は、装置本体２を支持している。シールドボックス４は、装置本体２に設けられている。シールドボックス４は、外部へのＸ線の漏洩を防止する。シールドボックス４の内部には、Ｘ線による物品Ｇの検査が実施される検査領域Ｒが設けられている。シールドボックス４には、搬入口４ａ及び搬出口４ｂが形成されている。検査前の物品Ｇは、搬入コンベア５１から搬入口４ａを介して検査領域Ｒに搬入される。検査後の物品Ｇは、検査領域Ｒから搬出口４ｂを介して搬出コンベア５２に搬出される。搬入口４ａ及び搬出口４ｂのそれぞれには、Ｘ線の漏洩を防止するＸ線遮蔽カーテン（図示省略）が設けられている。
【0020】
搬送部５は、シールドボックス４内に配置されている。搬送部５は、搬入口４ａから検査領域Ｒを介して搬出口４ｂまで、搬送方向Ａに沿って物品Ｇを搬送する。搬送部５は、例えば、搬入口４ａと搬出口４ｂとの間に掛け渡されたベルトコンベアである。
【0021】
図１及び図２に示されるように、Ｘ線照射部６は、シールドボックス４内に配置されている。Ｘ線照射部６は、搬送部５によって搬送される物品ＧにＸ線を照射する。Ｘ線照射部６は、例えば、Ｘ線を出射するＸ線管と、Ｘ線管から出射されたＸ線を搬送方向Ａに垂直な面内において扇状に広げるコリメータと、を有している。Ｘ線照射部６から照射されるＸ線には、低エネルギー（長波長）から高エネルギー（短波長）までの様々なエネルギー帯のＸ線が含まれている。なお、上述した低エネルギー帯及び高エネルギー帯における「低」及び「高」は、Ｘ線照射部６から照射される複数のエネルギー帯の中で相対的に「低い」及び「高い」ことを示すものであり、特定の範囲を示すものではない。
【0022】
Ｘ線検出部７は、シールドボックス４内に配置されている。Ｘ線検出部７は、物品Ｇを透過した複数のエネルギー帯の各々のＸ線を検出する。本実施形態では、Ｘ線検出部７は、低エネルギー帯のＸ線及び高エネルギー帯のＸ線を検出するように構成されている。すなわち、Ｘ線検出部７は、第１ラインセンサ１１と、第２ラインセンサ１２と、を有している。第１ラインセンサ１１及び第２ラインセンサ１２は、それぞれ、搬送方向Ａに垂直な水平方向に沿って一次元に配列されたＸ線検出素子によって構成されている。第１ラインセンサ１１は、物品Ｇ及び搬送部５の搬送ベルトを透過した低エネルギー帯のＸ線を検出する。第２ラインセンサ１２は、物品Ｇ、搬送部５の搬送ベルト及び第１ラインセンサ１１を透過した高エネルギー帯のＸ線を検出する。
【0023】
図１に示されるように、表示操作部８は、装置本体２に設けられている。表示操作部８は、各種情報を表示すると共に、各種条件の入力を受け付ける。表示操作部８は、例えば、液晶ディスプレイであり、タッチパネルとしての操作画面を表示する。この場合、オペレータは、表示操作部８を介して各種条件を入力することができる。
【0024】
制御部１０は、装置本体２内に配置されている。制御部１０は、Ｘ線検査装置１の各部の動作を制御する。制御部１０は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等で構成されている。制御部１０には、Ｘ線検出部７の第１ラインセンサ１１から低エネルギー帯のＸ線の検出結果が入力されると共に、Ｘ線検出部７の第２ラインセンサ１２から高エネルギー帯のＸ線の検出結果が入力される。
【0025】
図３に示されるように、制御部１０は、生成部２１と、認識部２２と、変換テーブル生成部２３と、変換テーブル記憶部２４と、第１推定部２５と、関係情報生成部２６と、関係情報記憶部２７と、第２推定部２８と、判定部２９と、を備えている。
【0026】
生成部２１は、エネルギー帯毎のＸ線の検出結果に基づいてエネルギー帯毎のＸ線透過画像を生成する。本実施形態では、生成部２１は、Ｘ線検出部７の第１ラインセンサ１１による低エネルギー帯のＸ線の検出結果に基づいて、当該低エネルギー帯についてのＸ線透過画像（以下「低エネルギー画像」）を生成する。また、生成部２１は、Ｘ線検出部７の第２ラインセンサ１２による高エネルギー帯のＸ線の検出結果に基づいて、当該高エネルギー帯についてのＸ線透過画像（以下「高エネルギー画像」）を生成する。
【0027】
ここで、本実施形態では、図２に示されるように、Ｘ線照射部６から照射されるＸ線は扇状に放射されると共に、Ｘ線照射部６から第１ラインセンサ１１までの距離とＸ線照射部６から第２ラインセンサ１２までの距離とが異なる。このため、低エネルギー画像における物品Ｇの大きさと高エネルギー画像における物品Ｇの大きさとが異なる。具体的には、高エネルギー画像における物品Ｇは、低エネルギー画像における物品Ｇよりも僅かに大きくなる。そこで、生成部２１は、Ｘ線照射部６から第１ラインセンサ１１までの距離（Ｌ１）とＸ線照射部６から第２ラインセンサ１２までの距離（Ｌ２）との比（Ｌ２／Ｌ１）に基づいて、低エネルギー画像と高エネルギー画像とのスケールを合わせる処理を実施してもよい。例えば、生成部２１は、低エネルギー画像を上記比で拡大してもよいし、高エネルギー画像を上記比の逆数（Ｌ１／Ｌ２）で縮小してもよい。
【0028】
図４の（Ａ）は、生成部２１の上述した処理によって生成された低エネルギー画像Ｐ１の一例であり、図４の（Ｂ）は、生成部２１の上述した処理によって生成された高エネルギー画像Ｐ２の一例である。低エネルギー画像Ｐ１は、比較的コントラストが高く、全体的に暗くなっている。一方、高エネルギー画像Ｐ２は、比較的コントラストが低く、全体的に明るくなっている。本実施形態では、１つのＸ線透過画像（低エネルギー画像Ｐ１及び高エネルギー画像Ｐ２）に複数（ここでは一例として５つ）の物品Ｇが含まれている。例えば、複数の物品Ｇを袋詰めしたものを被検査物としてＸ線検査装置１に流す場合等に、１つのＸ線透過画像に複数の物品Ｇが含まれる。
【0029】
認識部２２は、Ｘ線透過画像に複数の物品Ｇが含まれている場合に、ラベリング処理により複数の物品Ｇを区別して認識する。ラベリング処理には公知のアルゴリズムを用いることができる。例えば、ラベリング処理は、以下のようにして行われる。すなわち、認識部２２は、低エネルギー画像Ｐ１及び高エネルギー画像Ｐ２の一方（一例として低エネルギー画像Ｐ１）について、予め定められた閾値を用いて各画素の輝度値を二値化する。これにより、低エネルギー画像Ｐ１において、物品Ｇが占める範囲のみが白（又は黒）に対応する値に変換される。そして、認識部２２は、白（又は黒）の部分が連続した画素に同じ番号を割り当てる処理を行う。そして、認識部２２は、このように物品Ｇが占める範囲が認識された低エネルギー画像Ｐ１と高エネルギー画像Ｐ２とを重ね合わせることにより、高エネルギー画像Ｐ２において物品Ｇが占める範囲を認識する。これにより、図４の例において、認識部２２は、低エネルギー画像Ｐ１及び高エネルギー画像Ｐ２において、複数（ここでは５つ）の物品Ｇを、互いに異なる物品Ｇ（すなわち、互いに異なる番号が割り当てられた物品）として認識する。なお、Ｘ線透過画像に１つの物品Ｇしか含まれていない場合においても、認識部２２の上記処理により、Ｘ線透過画像において当該物品Ｇが占める範囲（画素）が特定される。
【0030】
変換テーブル生成部２３は、低エネルギー画像Ｐ１及び高エネルギー画像Ｐ２の各々についての変換テーブルを生成する。低エネルギー画像Ｐ１用の変換テーブルｍ１（ａ）は、低エネルギー画像Ｐ１において物品Ｇに対応する各画素の明るさａ（輝度値）から、単位領域（１画素）毎の推定質量ｍ１を算出するための情報である。一方、高エネルギー画像Ｐ２用の変換テーブルｍ２（ａ）は、高エネルギー画像Ｐ２において物品Ｇに対応する各画素の明るさａ（輝度値）から、単位領域（１画素）毎の推定質量ｍ２を算出するための情報である。以下、Ｘ線透過画像（低エネルギー画像Ｐ１又は高エネルギー画像Ｐ２）用の変換テーブルｍ（ａ）を生成する方法の一例について説明する。以下の説明において、「Ｘ線透過画像」を「低エネルギー画像Ｐ１」と読み替えた場合に生成される変換テーブルｍ（ａ）が、低エネルギー画像Ｐ１用の変換テーブルｍ１（ａ）に相当し、「Ｘ線透過画像」を「高エネルギー画像Ｐ２」と読み替えた場合に生成される変換テーブルｍ（ａ）が、高エネルギー画像Ｐ２用の変換テーブルｍ２（ａ）に相当する。
【0031】
まず、変換テーブル生成部２３は、上述した生成部２１及び認識部２２の機能を利用することにより、予め質量が把握されている複数（例えば１０個）の物品（検査対象の物品Ｇと同種の物品）についてのＸ線透過画像を取得する。
【0032】
続いて、変換テーブル生成部２３は、上述のように取得されたＸ線透過画像における物品に対応する単位領域（１画素）毎の明るさａから、当該単位領域における推定質量ｍを算出するための下記式（１）に基づいて、変換テーブルｍ（ａ）を生成する。
ｍ（ａ）＝ｃｔ＝－ｃ／μ×ｌｎ（Ｉ／ａ）＝－αｌｎ（Ｉ／ａ） ・・・（１）
（ただし、ｍ：推定質量、ｃ：物品の厚さを質量に変換するための係数、ｔ：物質の厚さ、Ｉ：物品がないときの明るさ、μ：線吸収係数）
ｍ（ａ）＝ｃｔ＝－ｃ／μ×ｌｎ（Ｉ／ａ）＝－αｌｎ（Ｉ／ａ） ・・・（１）
（ただし、ｍ：推定質量、ｃ：物品の厚さを質量に変換するための係数、ｔ：物質の厚さ、Ｉ：物品がないときの明るさ、μ：線吸収係数）
【0033】
変換テーブル生成部２３は、例えば表示操作部８を介して入力された１０個の物品の各々の実際の質量と、上記変換テーブルによって求められる各単位領域の推定質量を合計した合計推定質量とを比較し、合計推定質量が実際の質量に近くなるように変換テーブルを調整する。このような変換テーブルの調整には、公知の手法（例えば特許第５２９７２０６号に記載の手法等）を用いることができる。
【0034】
変換テーブル生成部２３により生成された低エネルギー画像Ｐ１用の変換テーブルｍ１（ａ）及び高エネルギー画像Ｐ２用の変換テーブルｍ２（ａ）は、後述する第１推定部２５から参照可能となるように、変換テーブル記憶部２４に記憶される。
【0035】
第１推定部２５は、エネルギー帯毎のＸ線透過画像に基づいて、エネルギー帯毎の物品Ｇの質量の第１推定値を取得する。本実施形態では、第１推定部２５は、低エネルギー画像Ｐ１に基づいて、低エネルギー帯に基づく物品Ｇの質量の第１推定値Ｍ１を取得し、高エネルギー画像Ｐ２に基づいて、高エネルギー帯に基づく物品Ｇの質量の第１推定値Ｍ２を取得する。図４の例のようにＸ線透過画像に複数の物品Ｇが含まれる場合、第１推定部２５は、認識部２２のラベリング処理の結果を参照することにより、物品Ｇ毎に個別に第１推定値Ｍ１，Ｍ２を取得する。すなわち、第１推定部２５は、推定対象となる１つの物品Ｇ（以下「対象物品」）を選択し、当該対象物品の第１推定値Ｍ１，Ｍ２を取得する処理を、複数の物品Ｇの各々の第１推定値Ｍ１，Ｍ２を取得するまで繰り返す。以下、対象物品の第１推定値Ｍ１，Ｍ２を取得する処理について説明する。
【0036】
第１推定部２５は、以下のようにして対象物品の第１推定値Ｍ１を取得する。まず、第１推定部２５は、認識部２２のラベリング処理の結果を参照することにより、低エネルギー画像Ｐ１において対象物品が占める領域に含まれる画素（すなわち、対象物品に対応する番号が割り当てられた画素）を抽出する。そして、第１推定部２５は、抽出された画素毎に、変換テーブル記憶部２４に記憶された変換テーブルｍ１（ａ）に当該画素の明るさａを代入することにより、画素毎の推定質量を取得する。そして、第１推定部２５は、このように取得された各画素の推定質量の和を求めることにより、対象物品の第１推定値Ｍ１を取得する。
【0037】
また、第１推定部２５は、以下のようにして対象物品の第１推定値Ｍ２を取得する。まず、第１推定部２５は、認識部２２のラベリング処理の結果を参照することにより、高エネルギー画像Ｐ２において対象物品が占める領域に含まれる画素（すなわち、対象物品に対応する番号が割り当てられた画素）を抽出する。そして、第１推定部２５は、抽出された画素毎に、変換テーブル記憶部２４に記憶された変換テーブルｍ２（ａ）に当該画素の明るさａを代入することにより、画素毎の推定質量を取得する。そして、第１推定部２５は、このように取得された各画素の推定質量の和を求めることにより、対象物品の第１推定値Ｍ２を取得する。
【0038】
ここで、検査対象となる物品ＧがＸ線に対する特性（例えばエネルギー帯毎のＸ線の吸収率等）の異なる複数の成分を含有する場合について考える。このような物品Ｇの具体例としては、例えば、互いにＸ線に対する特性の異なる複数の部分（例えば、肉部分、皮部分、衣部分等）を含む物品（例えば鶏の唐揚げ等）が挙げられる。本発明者は、このような場合について、物品Ｇの質量を簡易かつ精度良く推定する手法について鋭意研究を行った結果、以下のような知見を得た。
【0039】
仮に２つの物品Ｇ（以下「物品Ｇ１」及び「物品Ｇ２」と表す。）間で一のエネルギー帯（本実施形態では、低エネルギー帯又は高エネルギー帯）についての第１推定値（第１推定値Ｍ１又は第１推定値Ｍ２）が一致したとしても、当該第１推定値が、一方の物品Ｇ１については精度の高い推定値（すなわち、当該一方の物品Ｇ１の真の質量値からのずれが比較的小さい値）である一方で、他方の物品Ｇ２については精度の低い推定値（すなわち、当該他方の物品Ｇ２の真の質量値からのずれが比較的大きい値）であるという状況が生じ得る。これは、Ｘ線に対する特性の異なる複数の成分の比率（以下単に「成分比率」という。）に関して、上記２つの物品Ｇ１，Ｇ２間で個体差があることに起因する。すなわち、上記例では、物品Ｇ１の成分比率は、第１推定部２５による一のエネルギー帯に基づく推定処理によって精度良く推定できる成分比率となっている一方で、物品Ｇ２の成分比率は、第１推定部２５による一のエネルギー帯に基づく推定処理によって精度良く推定できる成分比率となっていない。このように、一のエネルギー帯についての物品Ｇの第１推定値と物品Ｇの真の質量値との間には、物品Ｇの成分比率に応じた誤差Ｅが生じる。
【0040】
従って、このような物品Ｇの質量を精度良く推定するためには、当該物品Ｇの成分比率を考慮する必要がある。しかし、一のエネルギー帯についての第１推定値のみからは、物品Ｇの成分比率に関する情報を得ることはできない。一方、複数のエネルギー帯の各々についての物品Ｇの第１推定値間（本実施形態では、低エネルギー帯についての第１推定値Ｍ１と高エネルギー帯についての第１推定値Ｍ２との間）には、物品Ｇの成分比率に応じた差が生じる。これは、Ｘ線に対する特性の異なる複数の成分間において、各エネルギー帯のＸ線の吸収率に差があることに起因する。
【0041】
以上を整理すると、上記誤差Ｅは、物品Ｇの成分比率に応じて生じる。つまり、上記誤差Ｅと物品Ｇの成分比率との間には相関がある。そして、複数のエネルギー帯の各々についての第１推定値間の差も、物品Ｇの成分比率に応じて生じる。つまり、複数のエネルギー帯の各々についての第１推定値間の差と物品Ｇの成分比率との間にも相関がある。従って、上記誤差Ｅと複数のエネルギー帯の各々についての第１推定値間の差との間にも相関があるといえる。
【0042】
上記知見に基づいて、Ｘ線検査装置１は、第１推定値Ｍ１と第１推定値Ｍ２との差（対比に基づくパラメータ）に基づいて物品Ｇの推定値（第１推定値Ｍ１又は第１推定値Ｍ２）を補正することにより、より精度の良い物品Ｇの質量の推定値（第２推定値Ｍ３）を取得するように構成されている。すなわち、Ｘ線検査装置１は、第１推定値Ｍ１，Ｍ２から第２推定値Ｍ３を取得するための構成として、関係情報生成部２６、関係情報記憶部２７、及び第２推定部２８を備えている。
【0043】
関係情報生成部２６は、第１推定値Ｍ１と第１推定値Ｍ２との差と適正補正量との関係を規定する関係情報を生成する。適正補正量とは、一のエネルギー帯についての第１推定値（第１推定値Ｍ１又は第１推定値Ｍ２）と物品Ｇの真の質量値との差を埋めるための補正量（すなわち、「真の質量値－第１推定値Ｍ１」又は「真の質量値－第１推定値Ｍ２」）である。
【0044】
関係情報生成部２６は、検査対象の物品Ｇと同種の物品である複数のサンプルの測定値に基づいて、関係情報を生成する。例えば、関係情報生成部２６は、各サンプルについて、真の質量値Ｍｒと第１推定部２５により得られる第１推定値Ｍ１及び第１推定値Ｍ２とを取得する。そして、関係情報生成部２６は、各サンプルについて、第１推定値Ｍ１と第１推定値Ｍ２との差（ここでは一例として、「第１推定値Ｍ２－第１推定値Ｍ１」）を説明変数とし、適正補正量（ここでは一例として、「質量値Ｍｒ－第１推定値Ｍ１」）を目的変数とするサンプルデータＳを取得する。そして、関係情報生成部２６は、このようなサンプルデータＳを教師データとして用いた機械学習を行うことにより、学習済みモデルとしての関係情報を取得する。
【0045】
図５に示されるように、本実施形態では一例として、関係情報生成部２６は、複数のサンプルデータＳに基づく回帰分析（ここでは一例として線形回帰）を上記機械学習として実行することにより、下記式（２）に示される回帰式Ｒ（回帰直線）を学習済みモデルとして取得する。下記式（２）において、Ｘは上記差「第１推定値Ｍ２－第１推定値Ｍ１」に対応する説明変数である。Ｙは上記適正補正量「質量値Ｍｒ－第１推定値Ｍ１」に対応する目的変数である。Ａは回帰式Ｒの傾きを示すパラメータである。Ｂは回帰式Ｒの切片を示すパラメータである。この場合、当該回帰式ＲのパラメータＡ，Ｂの組み合わせが、上記学習済みモデルを構成するパラメータに対応する。
Ｙ＝ＡＸ＋Ｂ ・・・（２）
Ｙ＝ＡＸ＋Ｂ ・・・（２）
【0046】
関係情報生成部２６により生成された関係情報は、後述する第２推定部２８から参照可能となるように、関係情報記憶部２７に記憶される。
【0047】
第２推定部２８は、エネルギー帯毎の第１推定値に基づいて、物品Ｇの質量の第２推定値Ｍ３を取得する。図４の例のようにＸ線透過画像に複数の物品Ｇが含まれる場合、第２推定部２８は、認識部２２のラベリング処理の結果を参照することにより、物品Ｇ毎に個別に第２推定値Ｍ３を取得する。すなわち、第２推定部２８は、第１推定部２５と同様に、推定対象となる１つの物品Ｇ（対象物品）を選択し、当該対象物品の第２推定値Ｍ３を取得する処理を、複数の物品Ｇの各々の第２推定値Ｍ３を取得するまで繰り返す。以下、対象物品の第２推定値Ｍ３を取得する処理について説明する。
【0048】
第２推定部２８は、対象物品の低エネルギー帯についての第１推定値Ｍ１と高エネルギー帯についての第１推定値Ｍ２とに基づいて、対象物品の第２推定値Ｍ３を取得する。具体的には、第２推定部２８は、エネルギー帯毎の第１推定値Ｍ１，Ｍ２間の差（本実施形態では、「第１推定値Ｍ２－第１推定値Ｍ１」）に基づいて、複数のエネルギー帯のうちの一のエネルギー帯（本実施形態では、低エネルギー帯）に対応する第１推定値Ｍ１に対する補正量を取得する。そして、第２推定部２８は、上記補正量に基づいて低エネルギー帯に対応する第１推定値Ｍ１を補正することにより、第２推定値Ｍ３を取得する。
【0049】
本実施形態では、第２推定部２８は、関係情報生成部２６に記憶された関係情報（回帰式Ｒ）を用いることにより、上記差「第１推定値Ｍ２－第１推定値Ｍ１」に対応する適正補正量を上記補正量として取得する。具体的には、第２推定部２８は、上記式（２）により示される回帰式Ｒの説明変数Ｘに上記差「第１推定値Ｍ２－第１推定値Ｍ１」を入力することにより、回帰式Ｒにより出力される目的変数Ｙ（すなわち、適正補正量の推定値）を上記補正量として取得する。そして、第２推定部２８は、第１推定値Ｍ１に上記補正量を加算することにより、第２推定値Ｍ３を取得する。
【0050】
判定部２９は、第２推定部２８により得られた物品Ｇの第２推定値Ｍ３が予め定められた適正範囲内であるか否かを判定する。ここで、物品Ｇ毎に質量値の適正範囲が予め定められている場合には、判定部２９は、物品Ｇ毎に、第２推定値Ｍ３が上記適正範囲内であるか否かを判定してもよい。そして、判定部２９は、第２推定値Ｍ３が上記適正範囲内にない物品Ｇを不良品と判定してもよい。このような判定結果は、例えば、上述した振分装置（図示省略）に通知される。これにより、判定部２９によって不良品と判定された物品Ｇを、当該振分装置によって生産ライン外に適切に振り分けることができる。
【0051】
また、袋詰め商品のように複数の物品Ｇをひとまとめにした商品単位での質量値の適正範囲が予め定められている場合には、判定部２９は、当該複数の物品Ｇの各々の第２推定値Ｍ３の和を算出し、上記和が上記適正範囲内であるか否かを判定してもよい。そして、判定部２９は、上記和が上記適正範囲内にない商品を不良品と判定してもよい。この場合、複数の物品Ｇを含む商品単位で、上述した振分装置による振り分け制御を実施することができる。
【0052】
次に、図６を参照して、Ｘ線検査装置１の動作の一例について説明する。ステップＳ１の処理は、検査対象の物品Ｇの質量の最終的な推定値（第２推定値Ｍ３）を取得するために必要な情報（変換テーブル及び関係情報）を準備するための処理である。ステップＳ２～Ｓ８の処理は、検査対象の物品Ｇ（物品Ｇが複数存在する場合には各物品Ｇ）の第２推定値Ｍ３を取得するための処理である。ステップＳ９の処理は、第２推定値Ｍ３に基づいて物品Ｇの良否判定を行う処理である。ステップＳ１の処理は、変換テーブル及び関係情報が用意されていない場合にのみ実行されればよく、既に変換テーブル及び関係情報が変換テーブル記憶部２４及び関係情報記憶部２７に記憶されている場合には省略され得る。以下、各ステップの処理について説明する。
【0053】
ステップＳ１において、変換テーブル（本実施形態では、低エネルギー画像Ｐ１用の変換テーブルｍ１（ａ）及び高エネルギー画像Ｐ２用の変換テーブルｍ２（ａ））と関係情報（本実施形態では、上記式（２）で示される回帰式Ｒ）とが生成される。具体的には、変換テーブル生成部２３が、予め質量が把握されている複数の物品（検査対象の物品Ｇと同種の物品）についての低エネルギー画像Ｐ１及び高エネルギー画像Ｐ２に基づいて、変換テーブルｍ１（ａ）及び変換テーブルｍ２（ａ）を生成する。生成された変換テーブルｍ１（ａ）及び変換テーブルｍ２（ａ）は、変換テーブル記憶部２４に記憶される。また、関係情報生成部２６が、検査対象の物品Ｇと同種の物品である複数のサンプルの測定値（質量値Ｍｒ、第１推定値Ｍ１、及び第１推定値Ｍ２）に基づいて、関係情報を生成する。生成された関係情報は、関係情報記憶部２７に記憶される。
【0054】
ステップＳ２において、検査対象の物品Ｇが、搬入コンベア５１から搬入口４ａを介して検査領域Ｒに搬入される（図１参照）。そして、Ｘ線照射部６が当該物品ＧにＸ線を照射し、Ｘ線検出部７が当該物品Ｇを透過した複数のエネルギー帯の各々のＸ線を検出する。本実施形態では、Ｘ線検出部７の第１ラインセンサ１１によって低エネルギー帯のＸ線が検出され、Ｘ線検出部７の第２ラインセンサ１２によって高エネルギー帯のＸ線が検出される（図２参照）。
【0055】
ステップＳ３において、生成部２１は、第１ラインセンサ１１による低エネルギー帯のＸ線の検出結果に基づいて、低エネルギー画像Ｐ１を生成し、第２ラインセンサ１２による高エネルギー帯のＸ線の検出結果に基づいて、高エネルギー画像Ｐ２を生成する（図４参照）。
【0056】
ステップＳ４において、認識部２２がＸ線透過画像（低エネルギー画像Ｐ１及び高エネルギー画像Ｐ２）に対してラベリング処理を実行する。これにより、Ｘ線透過画像に複数の物品Ｇが含まれている場合には、Ｘ線透過画像に含まれる複数の物品Ｇが区別して認識される。
【0057】
ステップＳ５において、第１推定部２５は、認識部２２によるラベリング処理の結果を参照することにより、Ｘ線透過画像に含まれる物品Ｇのうちから対象物品を選択する。
【0058】
ステップＳ６において、第１推定部２５は、低エネルギー画像Ｐ１用の変換テーブルｍ１（ａ）を用いることにより、対象物品の質量の第１推定値Ｍ１を取得すると共に、高エネルギー画像Ｐ２用の変換テーブルｍ２（ａ）を用いることにより、対象物品の質量の第１推定値Ｍ２を取得する。
【0059】
ステップＳ７において、第２推定部２８は、対象物品の第１推定値Ｍ１、第１推定値Ｍ２、及び関係情報に基づいて、対象物品の質量の第２推定値Ｍ３を取得する。本実施形態では、第２推定部２８は、第１推定値Ｍ１と第１推定値Ｍ２との差「第１推定値Ｍ２－第１推定値Ｍ１」を算出し、当該差を上記式（２）により示される回帰式Ｒの説明変数Ｘに入力することにより、回帰式Ｒにより出力される目的変数Ｙを補正量として取得する。そして、第２推定部２８は、第１推定値Ｍ１に上記補正量を加算することにより、第２推定値Ｍ３を取得する。
【0060】
ステップＳ５～Ｓ７における第１推定部２５及び第２推定部２８の処理は、Ｘ線透過画像に含まれる全ての物品Ｇについて第２推定値Ｍ３が得られるまで繰り返し実行される（ステップＳ８：ＮＯ）。Ｘ線透過画像に含まれる全ての物品Ｇについて第２推定値Ｍ３が得られると（ステップＳ８：ＹＥＳ）、第１推定部２５及び第２推定部２８の処理は完了する。
【0061】
ステップＳ９において、判定部２９は、第２推定部２８により得られた物品Ｇの第２推定値Ｍ３に基づいて、物品Ｇ単位の良否判定又は複数の物品Ｇを含む商品単位の良否判定を実行する。上述したように、判定部２９による判定結果は、搬出コンベア５２の下流に配置された振分装置（図示省略）による振り分け制御等に用いられ得る。
【0062】
以上述べたＸ線検査装置１は、複数のエネルギー帯の各々について得られたＸ線透過画像（本実施形態では、低エネルギー画像Ｐ１及び高エネルギー画像Ｐ２）に基づいて、物品Ｇの質量の第１推定値Ｍ１，Ｍ２をエネルギー帯毎に取得する。そして、Ｘ線検査装置１は、複数のエネルギー帯についての第１推定値Ｍ１，Ｍ２に基づいて、物品Ｇの質量の第２推定値Ｍ３を取得する。これにより、複数のエネルギー帯についての第１推定値Ｍ１，Ｍ２に基づいて上記物品Ｇに含まれる複数の成分の比率が間接的に考慮された推定値（第２推定値Ｍ３）が、最終的な推定値として取得される。従って、Ｘ線検査装置１によれば、Ｘ線に対する特性の異なる複数の成分を含有する物品Ｇの質量を精度良く推定することができる。また、Ｘ線検査装置１では、物品Ｇに含まれる複数の成分の比率を具体的に特定する必要がないため、その分、コンピュータ等の計算資源の節約及び処理の高速化を図ることができる。
【0063】
また、第２推定部２８は、エネルギー帯毎の第１推定値Ｍ１，Ｍ２間の差（本実施形態では「第１推定値Ｍ２－第１推定値Ｍ１」）に基づいて、複数のエネルギー帯のうちの一のエネルギー帯（本実施形態では、低エネルギー帯）に対応する第１推定値Ｍ１に対する補正量を取得する。そして、第２推定部２８は、当該補正量に基づいて第１推定値Ｍ１を補正することにより、第２推定値Ｍ３を取得する。これによれば、エネルギー帯毎の第１推定値Ｍ１，Ｍ２間の差と一のエネルギー帯に対応する第１推定値Ｍ１の真の質量値からの誤差との間の相関関係に基づいて、物品Ｇの質量を精度良く推定することができる。
【0064】
また、第２推定部２８は、エネルギー帯毎の第１推定値Ｍ１，Ｍ２間の差と適正補正量との関係を規定する関係情報を用いることにより、エネルギー帯毎の第１推定値Ｍ１，Ｍ２間の差に対応する適正補正量を補正量として取得する。これによれば、予め用意された関係情報を用いることにより、物品Ｇの質量の最終的な推定値（第２推定値Ｍ３）を簡易に得ることができる。
【0065】
また、関係情報は、検査対象の物品Ｇと同種の物品である複数のサンプルの各々についてのエネルギー帯毎の第１推定値Ｍ１，Ｍ２間の差と適正補正量とを含む教師データを用いた機械学習（本実施形態では、線形回帰分析）により生成された学習済みモデル（本実施形態では、上記式（２）により示される回帰式Ｒ）である。そして、第２推定部２８は、関係情報にエネルギー帯毎の第１推定値Ｍ１，Ｍ２間の差を入力することにより、関係情報により出力される適正補正量の推定値を補正量として取得する。これによれば、検査対象の物品Ｇと同種の物品である複数のサンプルについての教師データに基づいて予め用意された学習済みモデルを関係情報として用いることにより、物品Ｇの質量の最終的な推定値（第２推定値Ｍ３）を簡易かつ精度良く得ることができる。
【0066】
また、Ｘ線検査装置１は、第２推定値Ｍ３が予め定められた適正範囲内であるか否かを判定する判定部２９を備えている。これによれば、物品Ｇの最終的な質量の推定値（第２推定値Ｍ３）に基づく物品Ｇの良否判定を行うことができる。このような判定結果は、例えば後段の工程において、物品Ｇの選別（例えば、第２推定値Ｍ３が適正範囲内でないと判定された物品Ｇの除外等）等に好適に利用され得る。
【0067】
また、Ｘ線検査装置１は、Ｘ線透過画像に複数の物品Ｇが含まれている場合に、ラベリング処理により複数の物品Ｇを区別して認識する認識部２２を備えている。そして、第１推定部２５は、物品Ｇ毎に第１推定値Ｍ１，Ｍ２を取得し、第２推定部２８は、物品Ｇ毎に第２推定値Ｍ３を取得する。これによれば、Ｘ線透過画像に複数の物品Ｇが含まれる場合において、個々の物品Ｇの質量を精度良く推定することができる。
【0068】
以上、本開示の一実施形態について説明したが、本開示は、上述した実施形態に限定されない。
【0069】
例えば、上記実施形態では、関係情報の例として機械学習の一種である線形回帰分析によって得られる回帰式（回帰式Ｒ）を示したが、関係情報は、線形回帰分析以外の機械学習によって得られる学習済みモデルであってもよい。例えば、関係情報は、非線形回帰分析によって得られる学習済みモデルであってもよい。つまり、上記実施形態において、説明変数である差「第１推定値Ｍ２－第１推定値Ｍ１」と適正補正量との関係を曲線近似することにより得られるモデルが関係情報として用いられてもよい。また、関係情報は、説明変数として上述した差「第１推定値Ｍ２－第１推定値Ｍ１」以外の任意の情報を含む教師データを用いた機械学習（例えばディープラーニング等）によって生成された学習済みモデルであってもよい。或いは、関係情報は、機械学習以外の手法によって得られた情報であってもよい。例えば、関係情報は、上記差の特定の範囲毎に特定の補正量を対応付けたテーブル情報（例えば、差の範囲「１以上２未満」に対して補正量「＋１」を対応付け、差の範囲「２以上３未満」に対して補正量「＋２」を対応付けるといった対応関係を規定した情報）であってもよい。このようなテーブル情報は、予めオペレータ等によって手動で作成されてもよい。
【0070】
また、上記実施形態では、２つのエネルギー帯（低エネルギー帯及び高エネルギー帯）についての第１推定値Ｍ１，Ｍ２に基づいて第２推定値Ｍ３が取得されたが、第２推定値Ｍ３は、３つ以上のエネルギー帯についての第１推定値に基づいて算出されてもよい。例えば３つのエネルギー帯を用いる場合、第１推定部２５は、第１エネルギー帯についての第１推定値Ｍ１１、第２エネルギー帯についての第１推定値Ｍ１２、及び第３エネルギー帯についての第１推定値Ｍ１３を取得することができる。この場合、第１推定値Ｍ１１を基準とした複数のエネルギー帯毎の第１推定値間の差としては、「第１推定値Ｍ１２－第１推定値Ｍ１１」と「第１推定値Ｍ１３－第１推定値Ｍ１１」の２つの値が得られる。この場合、２つの値を説明変数として含むと共に適正補正量「真の質量値Ｍｒ－第１推定値Ｍ１１」を目的変数として含む教師データに基づく機械学習により生成された学習済みモデルを関係情報として用いることが可能となる。このように、３つ以上のエネルギー帯を用いる場合、説明変数に含めることができる情報（第１推定値間の差）を増やすことができるため、対象物品の第２推定値Ｍ３をより精度良く推定することが可能となる。
）
）
【0071】
また、上記実施形態では、関係情報の例として、説明変数として第１推定値間の差「第１推定値Ｍ２－第１推定値Ｍ１」を含むと共に目的変数として適正補正量「真の質量値Ｍｒ－第１推定値Ｍ１」を含む教師データを用いた機械学習により生成された学習済みモデルを示した。しかし、例えば特徴量を自動的に抽出可能な機械学習（例えばディープラーニング等）を実行する場合等には、第１推定値間の差及び適正補正量を明示的に特徴量（説明変数、目的変数）として与えなくても、適切に学習を行うことが可能となる。このような場合、関係情報生成部２６は、検査対象の物品Ｇと同種の物品である複数のサンプルの各々についてのエネルギー帯毎の第１推定値Ｍ１，Ｍ２とサンプルの質量値Ｍｒとを含む教師データを用いた機械学習により生成された推定モデル（学習済みモデル）を関係情報として生成してもよい。より具体的には、関係情報は、サンプルの第１推定値Ｍ１，Ｍ２を説明変数として含むと共にサンプルの真の質量値Ｍｒを目的変数として含む教師データを用いて機械学習された推定モデルであってもよい。この場合、第２推定部２８は、推定モデルに対象物品のエネルギー帯毎の第１推定値Ｍ１，Ｍ２を入力することにより、推定モデルにより出力される物品の質量の推定値を第２推定値Ｍ３として取得してもよい。これによれば、エネルギー帯毎に得られた複数の第１推定値Ｍ１，Ｍ２を推定モデルに入力するだけの処理によって、物品の質量の最終的な推定値（第２推定値Ｍ３）を簡易に得ることができる。
【0072】
また、上記実施形態では、判定部２９が第２推定値Ｍ３に基づく良否判定を行ったが、第２推定値Ｍ３は上記良否判定以外に利用されてもよい。ここで、上述したように物品の成分比率が間接的に考慮された第２推定値Ｍ３は、従来の質量推定値（すなわち、第１推定値Ｍ１又は第１推定値Ｍ２）よりも推定精度が高い。そこで、第２推定値Ｍ３は、高精度な質量推定結果を前提とする種々の制御（例えば、ベルトコンベアを流れる物品Ｇの流量を監視・調整する流量制御等）に用いられてもよい。
【0073】
また、上記実施形態では、エネルギー帯毎の第１推定値間の対比に基づくパラメータとして、第１推定値間の差「第１推定値Ｍ２－第１推定値Ｍ１」を用いたが、上記パラメータは、第１推定値間の差に限られない。例えば、上記パラメータは、第１推定値間の比率（例えば、第１推定値Ｍ１／第１推定値Ｍ２）等であってもよい。すなわち、上記パラメータは、複数のエネルギー帯の各々の第１推定値同士を対比することにより得られる値であればよい。また、上記実施形態では、適正補正量及び補正量は、一のエネルギー帯の第１推定値（上記実施形態では、第１推定値Ｍ１）に加算することにより第２推定値Ｍ３を得るためのパラメータであったが、上記に限られず、例えば当該第１推定値に乗算することにより第２推定値Ｍ３を得るためのパラメータ等であってもよい。
【符号の説明】
【0074】
１…Ｘ線検査装置、６…Ｘ線照射部（照射部）、７…Ｘ線検出部（検出部）、２１…生成部、２２…認識部、２５…第１推定部、２８…第２推定部、２９…判定部、Ｇ…物品、Ｐ１…低エネルギー画像（Ｘ線透過画像）、Ｐ２…高エネルギー画像（Ｘ線透過画像）。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】