3年4月2日?4月30日的记录中有符合上述条件的记录则也检索它们。然后，获取部15参照之前检索出的各记录所包含的菌落图像的储存目的地中与检查项目“一般活菌”对应的菌落图像的储存目的地，从图像存储部13a获取培养有一般活菌的菌落图像。由此，能够将在4月实施的食材A的一般活菌的检查关注为调查对象。
[0052]另外，如图5所示，在将工厂“工厂3A”进一步指定为条件的情况下，除了上述期间以及食材以外，还将工厂设为AND条件，来检索图3所示的检查信息。在该情况下，检索出图3所示的检查信息的记录中的检体编号“105”、“107”、“108”的记录。此外，由于在图3中摘录了2013年4月I日的检查信息的记录，所以示出仅关注上述3个记录的例子，但实际上若在2013年4月2日?4月30日的记录中有符合上述条件的记录则也检索出这些记录。然后，获取部15参照之前检索出的各记录所包含的菌落图像的储存目的地中与检查项目“一般活菌”对应的菌落图像的储存目的地，从图像存储部13a获取培养有一般活菌的菌落图像。由此，能够将在4月在工厂3A实施的食材A的一般活菌的检查关注为调查对象。
[0053]另外，假定在图5所示的条件指定画面200中代替工厂“工厂3A”进一步将负责人“〇〇”指定为条件的情况。在该情况下，除了上述期间以及食材以外，将负责人设为AND条件，检索图3所示的检查信息。其结果，检索出图3所示的检查信息的记录中检体编号“105”、“108”的记录。此外，由于图3中摘录了2013年4月I日的检查信息的记录，所以示出仅关注上述两个记录的例子，但实际上若在2013年4月2日?4月30日的记录中有符合上述条件的记录则也检索出这些记录。然后，获取部15参照之前检索出的各记录所包含的菌落图像的储存目的地中与检查项目“一般活菌”对应的菌落图像的储存目的地，从图像存储部13a获取培养有一般活菌的菌落图像。由此，能够将在4月由〇〇检查员实施的食材A的一般活菌的检查关注为调查对象。
[0054]此外，在这里，例示了对指定了条件的项目进行AND检索的情况，但也可以对指定了条件的项目进行OR检索。另外，也可以使本公司5的品质管理部门的相关人员选择执行AND检索、或者执行OR检索。
[0055]计算部16是计算由获取部15获取的3个以上的菌落图像间的相似度的处理部。
[0056]作为一个实施方式，计算部16能够对菌落图像间的相似度的计算应用自组织映射法(SOM: Se I f-Organi zing Map)。具体而言，计算部16设定菌落的颜色、大小、数量、圆形度、光泽的程度、培养皿内的分布等作为评价细菌的图像的评价轴。然后，计算部16通过对由获取部15获取到的各菌落图像执行图像处理，来按照每个菌落图像制作与菌落的颜色、大小、数量、圆形度、光泽的程度以及培养皿内的分布相关的高维的向量数据。然后，计算部16将各菌落图像的高维的向量数据映射到I?3维左右的低维的图空间。然后，计算部16计算各菌落图像间的距离。由此，能够实现无监督数据地计算相似度。此外，作为评价轴的项目既能够由菌落图像检查程序的制作者等默认设定，也能够由本公司5的品质管理部门的相关人员依次选择。
[0057]作为另一实施方式，计算部16也能够应用规定的算法从菌落图像提取特征量，并根据菌落图像间的特征量来计算相似度。在这样的特征量的提取中，作为一个例子，能够应用根据亮度梯度的大小、方向来求特征量的SIFT(Scale-1nvariant Feature Transform:尺度不变特征转换)、SURF( Speed Up Robust Features:快速鲁棒特征)或者HOG(Histogram of Oriented Gradients:方向梯度直方图)等任意的算法。在该情况下，能够将特征量转换为向量数据，并在菌落图像间计算特征向量的相似度。通过上述算法的应用，能够在图像的旋转、尺度变化中提取鲁棒的特征量。作为另一个例子，也能够提取菌落图像的颜色直方图作为特征量。像这样，在制作颜色直方图的情况下，例如将多个波长成分，例如红色成分R、绿色成分G以及蓝色成分B的各种颜色成分减少到4种颜色，并将红色成分R、绿色成分G以及蓝色成分B的组合设为64种，对与64种对应的各种颜色赋予第O至第63的组距(bin)编号。然后，能够通过计数菌落图像内包含几个与各组距编号的颜色相应像素来制作颜色直方图。然后，能够通过在菌落图像间对颜色直方图的形状等进行比较来计算相似度。作为另外一个例子，也能够提取菌落图像所包含的菌落的面积的平均值作为特征量。像这样，在求菌落的面积的平均值的情况下，通过对菌落图像执行边缘检测等图像处理来检测边缘封闭的菌落。接着，通过合计各菌落的像素数来求出菌落的总面积。然后，通过菌落的总面积除以菌落数来求出菌落的面积的平均值。然后，例如，通过在计算相似度的菌落图像的对中使菌落的面积的平均值中较小的一方的值除以较大的一方的值，从而两个图像越相似越能够计算出接近I的相似度。
[0058]像这样，在从各菌落图像中提取特征量来计算相似度的情况下，能够以如下方式配对计算相似度的菌落图像。例如，计算部16将由获取部15获取到的菌落图像中的一个图像设定为基准图像，并能够在基准图像与基准图像以外的各菌落图像之间计算相似度。像这样，在从菌落图像中选择基准图像的情况下，也能够随机地选择全部的菌落图像中的任意一个。另外，也可以使本公司5的品质管理部门的相关人员通过缩略图显示等来阅览菌落图像，鉴于调查检查品质的食材的种类指定菌落的形成方式一般的菌落图像。另外，计算部16也能够通过循环由获取部15获取的菌落图像的全部的组合来计算相似度。
[0059]作为另一实施方式，计算部16也能够在将菌落图像变换为空间频率区域后计算相似度。在这里，例示了使用傅立叶变换的情况，但只要是能够变换为空间频率区域的算法，也能够使用其他变换方法。例如，能够应用离散傅立叶变换(DFT discrete FourierTransform)、高速傅立叶变换(FFT: Fast Fourier Transform)、离散余弦变换(DCT:Discrete Cosine Transform)等。
[0060]图6是表示相似度的计算方法的一个例子的图。在图6中从左到右依次图示有一般活菌的卫生检查所使用的工厂3A的菌落图像、工厂3B的菌落图像、工厂3C的菌落图像。图6所示的3个菌落图像已经执行二值化，在其下部图示有作为对各个菌落图像执行傅立叶变换的结果的系数矩阵。这些系数矩阵意味着位于左上的系数越大图像包含越多低频成分，位于右下的系数越大图像包含越多高频成分。若在各菌落图像间求出系数矩阵的距离，例如欧氏距离，则如下所示。即，工厂3A的菌落图像以及工厂3B的菌落图像的距离为“335”。另夕卜，工厂3B的菌落图像以及工厂3C的菌落图像的距离为“1130”。并且，工厂3C的菌落图像以及工厂3A的菌落图像的距离为“1170”。即，在本例中，意味着工厂3A的菌落图像以及工厂3B的菌落图像最相似，工厂3C的菌落图像以及工厂3A的菌落图像最不相似。由于上述距离其值越小意味着相互越相似，所以能够保持原样或者通过正规化来用作相似度的一个例子。
[0061]此外，在这里，假定选择性地使用上述相似度的计算方法中任意一个的情况，但也能够将通过各个计算方法计算出的相似度的统计值，例如算术平均值、加权平均值、众数、中位数等用作总体相似度。另外，对于上述相似度的计算方法中的使用朝向从图像中提取出的特征量，例如颜色直方图、空间频率成分的变换来计算相似度的方法，能够预先计算特征量。由此，由于能够使用预先计算出的特征量来计算相似度，所以能够改善处理响应。
[0062]选择部17是在3个以上的菌落图像中选择表示相似度最不相似的两个菌落图像的处理部。作为一个实施方式，选择部17在计算部16采用值越高表示相互越相似的相似度，例如相关系数、正规化后的距离等的情况下，选择由获取部15获取的菌落图像中相似度最低的两个菌落图像。另外，选择部17在计算部16采用值越低表示相互越相似的相似度，例如欧氏距离等距离等的情况下，选择由获取部15获取的菌落图像中相似度最高的两个菌落图像。
[0063]例如，在使用上述自组织映射法的情况下，选择部17选择映射到低维的映射空间上的菌落图像中相互的距离最远的，即相互最不类似的菌落图像的对。另外，在基准图像与其以外的菌落图像之间求出相似度的情况下，选择部17选择与基准图像的相似度最低的菌落图像和基准图像作为对。另外，在循环地求出各菌落图像间的相似度的情况下，选择菌落图像的所有组合中相似度最低的菌落图像的对。另外，在将菌落图像变换为空间频率区域来求出相似度的情况下，选择部17选择菌落图像的所有组合中距离最远的，换言之相互最不相似的菌落图像的对。
[0064]输出部18是将由选择部17选择出的两个菌落图像作为成为排列的状态的图像输出的处理部。作为一个实施方式，输出部18生成相互最不相似的两个菌落图像上下或者左右排列的检查品质调查画面，并将所生成的检查品质调查画面发送至本公司终端50。
[0065]图7以及图8是表不检查品质调查画面的个例子的图。在图7以及图8中，图不有根据在图4所示的条件指定画面200中指定的条件获取了菌落图像的情况下的显示例。其中，在图7中，例示有选择了与图3所示的检查信息建立有关联的菌落图像中的工厂3A的LotN0.3241的菌落图像以及工厂3B的LotN0.8573的菌落图像作为相互最不相似的菌落图像的对的情况。另外，在图8中，例示有选择了与