JP2019503490A - 赤外線及び蛍光の分光データの多重処理を用いた分光分析方法及び装置 - Google Patents
赤外線及び蛍光の分光データの多重処理を用いた分光分析方法及び装置 Download PDFInfo
- Publication number
- JP2019503490A JP2019503490A JP2018539897A JP2018539897A JP2019503490A JP 2019503490 A JP2019503490 A JP 2019503490A JP 2018539897 A JP2018539897 A JP 2018539897A JP 2018539897 A JP2018539897 A JP 2018539897A JP 2019503490 A JP2019503490 A JP 2019503490A
- Authority
- JP
- Japan
- Prior art keywords
- sample
- light source
- data
- cube
- spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000004611 spectroscopical analysis Methods 0.000 title claims abstract description 13
- 230000003595 spectral effect Effects 0.000 title claims description 18
- 238000012545 processing Methods 0.000 title description 10
- 238000002189 fluorescence spectrum Methods 0.000 claims abstract description 49
- 238000001228 spectrum Methods 0.000 claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 230000005540 biological transmission Effects 0.000 claims abstract description 21
- 230000010354 integration Effects 0.000 claims abstract description 18
- 238000013179 statistical model Methods 0.000 claims abstract description 15
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 12
- 230000001678 irradiating effect Effects 0.000 claims abstract description 8
- 230000005855 radiation Effects 0.000 claims description 13
- 230000004927 fusion Effects 0.000 abstract description 15
- 239000011159 matrix material Substances 0.000 description 23
- 230000005284 excitation Effects 0.000 description 19
- 238000010521 absorption reaction Methods 0.000 description 14
- 238000000862 absorption spectrum Methods 0.000 description 13
- 238000001506 fluorescence spectroscopy Methods 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 10
- 235000013305 food Nutrition 0.000 description 9
- 241000209140 Triticum Species 0.000 description 8
- 235000021307 Triticum Nutrition 0.000 description 8
- 238000004847 absorption spectroscopy Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 8
- 238000012417 linear regression Methods 0.000 description 8
- 235000018102 proteins Nutrition 0.000 description 8
- 108090000623 proteins and genes Proteins 0.000 description 8
- 102000004169 proteins and genes Human genes 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 238000000611 regression analysis Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 4
- 229910052736 halogen Inorganic materials 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000012306 spectroscopic technique Methods 0.000 description 4
- 229910052721 tungsten Inorganic materials 0.000 description 4
- 239000010937 tungsten Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000000295 emission spectrum Methods 0.000 description 3
- 230000035784 germination Effects 0.000 description 3
- 150000002367 halogens Chemical class 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 235000000346 sugar Nutrition 0.000 description 3
- 150000008163 sugars Chemical class 0.000 description 3
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 3
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 description 2
- 101100326525 Candida albicans (strain SC5314 / ATCC MYA-2876) MTS1 gene Proteins 0.000 description 2
- 108010068370 Glutens Proteins 0.000 description 2
- 231100000678 Mycotoxin Toxicity 0.000 description 2
- 235000013339 cereals Nutrition 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000012569 chemometric method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000021312 gluten Nutrition 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 244000144972 livestock Species 0.000 description 2
- 101150009774 mfa1 gene Proteins 0.000 description 2
- 238000000491 multivariate analysis Methods 0.000 description 2
- 239000002636 mycotoxin Substances 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002110 toxicologic effect Effects 0.000 description 2
- 238000000411 transmission spectrum Methods 0.000 description 2
- HRPVXLWXLXDGHG-UHFFFAOYSA-N Acrylamide Chemical compound NC(=O)C=C HRPVXLWXLXDGHG-UHFFFAOYSA-N 0.000 description 1
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- 240000005979 Hordeum vulgare Species 0.000 description 1
- 235000007340 Hordeum vulgare Nutrition 0.000 description 1
- QIVBCDIJIAJPQS-VIFPVBQESA-N L-tryptophane Chemical compound C1=CC=C2C(C[C@H](N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-VIFPVBQESA-N 0.000 description 1
- 101100166852 Pseudomonas savastanoi pv. glycinea cfa2 gene Proteins 0.000 description 1
- QIVBCDIJIAJPQS-UHFFFAOYSA-N Tryptophan Natural products C1=CC=C2C(CC(N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-UHFFFAOYSA-N 0.000 description 1
- 150000003926 acrylamides Chemical class 0.000 description 1
- 125000003368 amide group Chemical group 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 125000002915 carbonyl group Chemical group [*:2]C([*:1])=O 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000004925 denaturation Methods 0.000 description 1
- 230000036425 denaturation Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012921 fluorescence analysis Methods 0.000 description 1
- 238000004433 infrared transmission spectrum Methods 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000001055 reflectance spectroscopy Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 231100000723 toxicological property Toxicity 0.000 description 1
- 231100000027 toxicology Toxicity 0.000 description 1
- 238000002235 transmission spectroscopy Methods 0.000 description 1
- -1 tungsten halogen Chemical class 0.000 description 1
- 238000002371 ultraviolet--visible spectrum Methods 0.000 description 1
- 235000015112 vegetable and seed oil Nutrition 0.000 description 1
- 239000008158 vegetable oil Substances 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1734—Sequential different kinds of measurements; Combining two or more methods
- G01N2021/1736—Sequential different kinds of measurements; Combining two or more methods with two or more light sources
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N2021/6417—Spectrofluorimetric devices
- G01N2021/6419—Excitation at two or more wavelengths
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N2021/6417—Spectrofluorimetric devices
- G01N2021/6421—Measuring at two or more wavelengths
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6486—Measuring fluorescence of biological material, e.g. DNA, RNA, cells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
Abstract
少なくとも1つの試料を分析し、多重統計モデルに基づく分光データの分析法を実行する方法であって、該方法は:a)少なくとも1つの第2光源が第1光源から分離されている、前記第1光源及び前記第2光源による分析されるべき前記又は各試料の照射と;b)蛍光スペクトルが前記第1光源により放射された1以上の光ビームによる前記又は各試料の照射によりもたらされる、前記又は各試料の蛍光スペクトルの取得と;c)透過及び/又は反射スペクトルが前記第2光源により放射された1以上の光ビームによる前記又は各試料の照射によりもたらされる、前記又は各試料の透過及び/又は反射スペクトルの取得と;d)取得された前記蛍光スペクトルの第1取得データキューブへの統合と;e)取得された前記透過及び/又は反射スペクトルの第2取得データキューブへの統合と;f)前記第1キューブの取得データと前記第2キューブの取得データの第3融合データキューブへの融合と;g)前記多重統計モデルの適用による前記第3キューブの融合されたデータの分解と;h)前記多重統計モデルを前記融合されたデータに適用することにより生成されたデータによる、前記又は各試料を特徴づける少なくとも1つの指標の決定と;を含むことを特徴とする方法。そのような方法を実行する装置。
【選択図】図1
【選択図】図1
Description
本発明は蛍光分析方法及び装置に基づいている。より具体的には、本発明は多重統計処理を種々の分光分析技術から取得した1組の分光データに適用して少なくとも1つの試料を分析する方法に関する。
本発明は特にアグリビジネス、医薬品産業、あるいは環境産業に適用されるがこれに限定されない。アグリビジネスにおいて、本発明は例えば、食品を準備する間の技術的、食品の栄養学的及び/又は毒物学的特性の研究や、該食品に課される農畜産的、生物学的あるいは技術的方法の研究を可能にする。より一般的には、本発明は試料の品質指標、及び/又は試料に課される方法を特徴づけるパラメータの決定に利用することができる。
品質パラメータと呼ばれている食品の品質を示すパラメータの決定にはケモメトリックス法を使う分光分析が知られている。これに関連して、透過分光法及び/又は反射分光法を含む、吸収分光法はアグリビジネスの工場や未加工の農畜産物を受け入れる場所に装備される多くの装置に使われている。赤外線(IR)及び/又は近赤外線(NIR)分野の吸収分光法は、特に、タンパク質、脂質、水分量、又は全糖類等の高濃度成分について食品内の内容の測定を評価できる。
従来、吸収分光法として知られ、使われる方法は分光分析データの統計的多変量解析法に基づいている。データが蛍光(励起蛍光マトリクス)の場合のように多次元であれば多重分析は多変量解析からの自然な延長となり、従って“PARAFAC”(“パラレルファクタ”)や“NPLS”(“N次元部分的最小二乗回帰”)等の多重統計モデルの使用に基づくものになる。
しかしながら、今日の数多くの産業手順は、特に所定の食品の技術的、栄養学的及び/又は毒性的特性の詳細な分析を実行するうえでこれらの試料を構成する原材料について固有の知識を必要とする。例えば、有害化学分子(アクリルアミド、マイコトキシン等)によるこれらの試料の汚染レベル、その機能(変性速度、団粒径等)を条件付けるタンパク質の構造、あるいは穀類の発芽状態(小麦のハグバーグフォーリングナンバー、モルトハウスにおける大麦の潜在的な発芽等)といった様々のパラメータを知ることが必要とされる。これらのパラメータを高精度で測定するには赤外線、可視光、紫外線を含むできるだけ広い電磁スペクトルフィールドにまたがって分光データを処理することが必要となる。しかし吸収分光法のみ用いて決定され、一般的には赤外線フィールドで適用される品質パラメータは、分析された試料について高精度の情報を与えない。例えば、このタイプの分光法はマイコトキシンやアクリルアミドの場合のようにトレース状態(<0.5%)で存在する分子を定量化できない。
分析される食品の品質を、蛍光技術を用いてより明確に定量化する最先端技術の解決方法が知られている。例えば可視光(Vis)及び/又は紫外線(UV)フィールドで所定波長を有するビームに照射されると、試料はそれに応じて試料内に含有する成分に応じたビームを放射する。これらの放射ビームの測定に基づいて波長に従った、相当する蛍光スペクトルを取得できる。このように蛍光分光法はpH変化、植物油の場合のような食品マトリックスの発熱、汚染分析、植物の成長や穀類発芽の特性解析等のトレンドを特徴づけることができる。取得した情報は分析された試料の技術的品質について種々のマーカーの評価も行える。
それが持つ感度にもかかわらず、蛍光分光法は吸収分光法がアクセスできるものと同じ品質パラメータを精度よく決定できない。特に、吸収分光法が原子間結合について情報を提供するのに対し、蛍光は分子構成について情報を提供する。例えば、糖はカルボニル分子間結合によって特徴付けることができ、赤外線で定量化できるが、糖は蛍光を発しないので、蛍光による定量化ができない。タンパク質は両方の技術により可視できるが、種々の構造:赤外線用アミド基及び特に蛍光トリプトファン等のアミノ酸芳香環により可能である。従って、所定の試料の表面上に放射される蛍光信号と吸収信号は一緒に使われる方が合理的であり、電磁スペクトルから決定される波長のビームで試料を照射することにより、試料の物理化学的状態に関するより大量の情報を判別できる。
しかしながら、これら両方の技術によるデータの「共同処理」、例えば、IRとNIRフィールドでの吸収分光法及びVisとUVフィールドでの蛍光分光法による処理は現時点で問題がある。何故ならば今の分析方法の有効性を維持するために制限されるからである。通常、2つの異なる技術によるデータ処理は個別になされる。それ故両方の分光法で得られた結果はその「共同使用」からもたらされる相乗効果と補完性の恩恵を受けない。それに加えて、2つの異なる分光技術によって取得されたデータの取り扱いや組合せは多くの技術的制約を受けて、関連する分析手法の実行を制限する。各技術の多変量分解ツールを適用することで取得される削減された変数を得ることでこの補完性の一部が解決するが、しかし元の削減されていない分光情報の全てを精度よくかつ確実に抽出できない。さらにこの情報には相関性がない。両方の技術からもたらされる重複を考慮すると、適用される処理に強い利点を与えないからである。この情報は補完的であるわけでもない。何故ならば抽出された情報を補強しないからである。最後に、これらのアプローチがせいぜい試料の分類や比較のみを可能にするのに対し、専門家にとっては指標の定量化がより大きな関心事であり有用である。両方の計測から恩恵を受けるには生産者、製造者、協力者が一般的に2つの異なるタイプのアナライザーを装備し、高いスタッフ、投資、物流コストがかかる可能性がある。
異なった技術を利用するうえの困難や制限を克服するために、本発明は少なくとも1つの試料を分析する方法を提案し多重統計モデルに基づいて分光データを分析する方法を実行することを目的とし、該方法は:
a)少なくとも1つの第2光源が第1光源から分離されている、前記第1光源及び前記第2光源による分析されるべき前記又は各試料の照射と;
b)蛍光スペクトルが前記第1光源により放射された1以上の光ビームによる前記又は各試料の照射によりもたらされる、前記又は各試料の蛍光スペクトルの取得と;
c)透過及び/又は反射スペクトルが前記第2光源により放射された1以上の光ビームによる前記又は各試料の照射によりもたらされる、前記又は各試料の透過及び/又は反射スペクトルの取得と;
d)取得された前記蛍光スペクトルの第1取得データキューブへの統合と;
e)取得された前記透過及び/又は反射スペクトルの第2取得データキューブへの統合と;
f)前記第1キューブの取得データと前記第2キューブの取得データの第3融合データキューブへの融合と;
g)前記多重統計モデルの適用によって前記第3キューブの融合されたデータの分解と;
h)前記多重統計モデルを前記融合されたデータに適用することにより生成されたデータによる、前記又は各試料を特徴づける少なくとも1つの指標の決定と;を含むことを特徴とする。
a)少なくとも1つの第2光源が第1光源から分離されている、前記第1光源及び前記第2光源による分析されるべき前記又は各試料の照射と;
b)蛍光スペクトルが前記第1光源により放射された1以上の光ビームによる前記又は各試料の照射によりもたらされる、前記又は各試料の蛍光スペクトルの取得と;
c)透過及び/又は反射スペクトルが前記第2光源により放射された1以上の光ビームによる前記又は各試料の照射によりもたらされる、前記又は各試料の透過及び/又は反射スペクトルの取得と;
d)取得された前記蛍光スペクトルの第1取得データキューブへの統合と;
e)取得された前記透過及び/又は反射スペクトルの第2取得データキューブへの統合と;
f)前記第1キューブの取得データと前記第2キューブの取得データの第3融合データキューブへの融合と;
g)前記多重統計モデルの適用によって前記第3キューブの融合されたデータの分解と;
h)前記多重統計モデルを前記融合されたデータに適用することにより生成されたデータによる、前記又は各試料を特徴づける少なくとも1つの指標の決定と;を含むことを特徴とする。
統合又は分離が可能な様々の追加の特徴によれば:
−前記第1光源は各照射波長を有する光放射源である。
−前記第2光源は連続光源である。
−前記蛍光スペクトルは250nmと800nmとの間のスペクトルレンジに渡って取得されるスペクトルである。
−前記透過及び/又は反射スペクトルは400nmと2,500nmとの間のスペクトルレンジに渡って、好ましくは400nmと1,100nmとの間のスペクトルレンジ渡って取得されるスペクトルである。
−前記第1光源によって出射される光ビームの数は1と8の間、好ましくは2と5の間である。
−蛍光スペクトルは前面モードで取得される蛍光スペクトルである。
−前記ステップd)はさらに前記蛍光スペクトル及び/又は前記透過及び/又は反射スペクトルを標準化する前のステップも含む。
−実行される前記多重統計モデルはTucker型モデルである。
−前記又は各試料を特徴づける指標の前記決定は前記分解データを前記指標に接続する較正モデルを適用することによりなされる。
−前記第1光源は各照射波長を有する光放射源である。
−前記第2光源は連続光源である。
−前記蛍光スペクトルは250nmと800nmとの間のスペクトルレンジに渡って取得されるスペクトルである。
−前記透過及び/又は反射スペクトルは400nmと2,500nmとの間のスペクトルレンジに渡って、好ましくは400nmと1,100nmとの間のスペクトルレンジ渡って取得されるスペクトルである。
−前記第1光源によって出射される光ビームの数は1と8の間、好ましくは2と5の間である。
−蛍光スペクトルは前面モードで取得される蛍光スペクトルである。
−前記ステップd)はさらに前記蛍光スペクトル及び/又は前記透過及び/又は反射スペクトルを標準化する前のステップも含む。
−実行される前記多重統計モデルはTucker型モデルである。
−前記又は各試料を特徴づける指標の前記決定は前記分解データを前記指標に接続する較正モデルを適用することによりなされる。
本発明はさらに本発明にかかる方法を実施するために少なくとも1つの試料を分析する装置を提案することを目的とし、該装置は:
第1光源と少なくとも1つの第2光源とを含み、前記少なくとも1つの第2光源は前記第1光源から分離されて、分析対象の前記又は各試料を照射する手段と;
蛍光スペクトルは前記第1光源により放射される1以上の光で前記又は各試料を照射することによってもたらされる、前記又は各試料の前記蛍光スペクトルを取得する第1手段と;
透過及び/又は反射スペクトルは前記第2光源により放射される1以上の光ビームで前記又は各試料を照射することによってもたらされる、前記又は各試料の前記透過及び/又は反射スペクトルを取得する第2手段と;
ステップd)からh)を実行するように構成された1以上のプロセッサと;を含むことを特徴とする。
第1光源と少なくとも1つの第2光源とを含み、前記少なくとも1つの第2光源は前記第1光源から分離されて、分析対象の前記又は各試料を照射する手段と;
蛍光スペクトルは前記第1光源により放射される1以上の光で前記又は各試料を照射することによってもたらされる、前記又は各試料の前記蛍光スペクトルを取得する第1手段と;
透過及び/又は反射スペクトルは前記第2光源により放射される1以上の光ビームで前記又は各試料を照射することによってもたらされる、前記又は各試料の前記透過及び/又は反射スペクトルを取得する第2手段と;
ステップd)からh)を実行するように構成された1以上のプロセッサと;を含むことを特徴とする。
本発明の他の特徴、詳細及び効果は例として示された添付の図面を参照して記載される明細書を読むことで明らかになる。
本発明にかかる方法の第1ステップa)は複数の光源による1以上の試料の照射を含む。図1は本発明にかかる方法を実行するための装置Aの簡略図を示す。図示されるように、試料Eが支持台Hに配置される。前記試料は個体、粉体、透明容器に入れた液体等であっても良い。支持台Hは光放射に対し透明又は部分的に透明である。
装置Aは前記支持台Hの一方側に配置されEを照射するように構成された第1光源S1を含む。前記第1光源は個々の照射波長を有する励起光の放射源であることが有利である。好ましくは、個々の光源が様々な波長の単色光のビームを放射する。本発明によれば、第1光源によるEの照射により蛍光スペルトルを発生させることができる。蛍光分光法は試料に向けて所定波長の光ビームを放射することを含む。この光ビームは通常可視光(Vis)及び/又は紫外線(UV)フィールドで少なくとも1つの波長を有し、試料に含まれる成分を励起する。前記光ビームを特徴付ける波長は通常は250nmから800nmのスペクトルレンジに渡る。波長λexcitationに相当する各励起光ビームに対して、試料はいくつかの波長λemissionに相当する複数の放射ビームを含む、蛍光スペクトルと呼ばれるフルスペクトルを放射する。これらのビームは一般的に2つの寄与を含む:1つは、弾性散乱に起因して照射ビームと同じ波長を有することであり;他は、相当する放射ビームが波長λemissionがλexcitationより大きいことで特徴付けられる、蛍光に起因して多色であることである。蛍光スペクトルはさらに自家蛍光スペクトル又は特定のケースでは、試料に付加されたマーカーにより誘発された蛍光スペクトルも含む。
限定されない方法において、前記第1光源の照射ビームを発生する前記第1光源は単一の単色放射源、3以上の多数の単色放射源、又は1以上の多色光源を含む。第1光源は1以上の発光ダイオードを含むことが有利である。S1は従ってより高い強度が必要な場合1以上のレーザー源を有することもできる。図1に示されるように、S1は別の光源S12を、より一般的にはS1から分離された、いくつかの他の光源を含んでも良い。好ましくは、これに限定されないが、前記光ビームの波長は250nmから800nmである。一般的には、励起光ビームはできる限り最大幅のUV−可視スペクトルをカバーするように選択された波長を有する。放射源の数に従って、これら励起ビームは赤外線、可視光及び紫外線フィールドをカバーするスペクトルレンジをラフにサンプリング(数十波長)及び/又は細かにサンプリング(数百波長)できる。第1光源から放射される光ビームの数は1から8、好ましくは、2から5である。
蛍光スペクトルは前面モードで取得される方が有利である。前面モードでの蛍光の特定の利用はリアルタイムでこの方法を適用できる効果がある。それに加えて前記又は各試料によって放射される前面蛍光スペクトルの取得は試料の準備につながる分析誤差を生じない。本発明にかかる方法によって取得された結果はそれ故精度がより高く、より早く決定される。
装置Aはさらに試料Eを照射するように構成された第2光源S2を含む。光源S2によるEの照射は上記に詳細に述べたように光源S1によるEの照射の前後でよい。S2は例えばタングステン、ハロゲン、又はタングステンハロゲンランプ等の多色光源である連続光源であるのが好ましい。光源S2はその波長が電磁スペクトルの広いスペクトルレンジに渡って分布する連続ビームを放射するように構成される。S1は400nmから2500nmの、好ましくは400nmから1,100nmのスペクトルレンジに渡って試料を照射するように構成される。このスペクトルレンジは可視光、赤外線及び/又は近赤外線フィールドを含む。さらに照射モジュールMIも光源S2に加えられてS2によって放射されたビームを試料Eに向かわせる。これらのビームは、以下に述べるように、取得手段MAによって検出される前に試料によって吸収される。
本発明によれば、光源S2によるEの照射は吸収スペクトルを発生することを可能にする。これらの吸収信号は、特に、透過及び/又は反射信号を含むことができる。吸収スペクトルは、入射ビーム例えば赤外線ビームが照射されるいかなる原料も、これらのビームの一部を反射するか、これらのビームの一部を吸収するかあるいはこれらのビームの一部を透過する原理に基づいている。より具体的には、吸収分光法は特定の波長の光エネルギーを吸収する原子結合の特性に基づいている。
第2光源は試料に対して第1光源と同じ側に配置でき、他のどの方向に沿っても配置できる。第1光源と第2光源は試料E及び/又は支持台Hの2つの異なる側に沿って配置されている。最終的に、紫外線、可視光、赤外線及び/又は近赤外線フィールドで取得された1組のスペクトルを分析するように構成された、例えば1つの同じ測定チャンバーと単一の分光計を含む、単一の装置の使用によって、1つの同じ試料について得られるデータの一貫性を高めることができる。
本発明にかかる方法の第2ステップb)及び第3ステップc)は前記又は各試料の蛍光及び吸収スペクトルの取得を含む。
本発明によれば、試料によりもたらされる蛍光スペクトルと吸収スペクトルのセットが取得手段MAで捕捉される。前記手段MAは試料によって放射され、反射され、伝達される、前記試料の照射によってもたらされる光ビームを検出し計測する。手段MAは例えば物理的に分離するかどうかは問わず1以上の測定ステーションを備え、試料によってもたらされる蛍光スペクトルと吸収スペクトルの取得を可能にする。手段MAは単一の測定ステーションに共同に設置され、試料Eからの任意のタイプの放射を適正に受けるように適切に配置される。これにより、原料から抽出した同一の試料の分析を容易にしてより効果的な方法を実現し、分析に必要な時間を短縮し、原料に関する分光分析データの相関関係を改善できる。
Eから放射される蛍光信号と吸収信号は通信手段MCを介して1以上のプロセッサPへ伝送される。通信手段MCは、例えば光ファイバー、イーサネット(登録商標)、PLCタイプの有線接続、例えばWi−Fi(登録商標)やBluetooth(登録商標)タイプの無線接続、あるいは本発明を実施するために好ましい原料によって変化する他の接続タイプを含むことができる。プロセッサPはそれ自体が信号処理装置、スペクトルで放射される光ビームを分解するように構成されたスペクトル分光計、又は該方法に適合する他の処理機器を含む。より一般的には、Pは装置Aによって取得されたスペクトルからケモメトリック情報を抽出できるデータ処理手段(例えば適切にプログラムされたコンピュータ)を含む。信号は通常測定対象とみなす品質パラメータに相関する情報を抽出可能とするケモメトリック法により分析される。これらの相関は多くの食品に存在しており、その内容が変化するために出現する。例えば、食品の天然成分(ビタミン類、タンパク質、及び他の天然成分、意図的であるかどうかは問わない添加成分)からの内在蛍光及びその反射率は時間とともに変化する一方、それと同じ時間にわたって、新規分子の形成によって新規信号が出現する。それ故に前記相関は分光分析によるその特徴付けの一部として重要な役割を果たす。
本発明にかかる方法の第4ステップd)及び第5ステップe)は取得データの第1キューブ及び第2キューブにそれぞれ取得される蛍光スペクトル及び吸収スペクトルの統合を含む。
一旦、分析される試料に対して蛍光、透過及び/又は反射スペクトルが取得されると、集めたデータはデータキューブに統合される。定義上、前記データキューブは「励起蛍光マトリックス」(EEM)と呼ばれるいくつかのマトリクスを含む。前記マトリクスは1つの試料に渡って取得された全てのスペクトルを含むように構築されている。特に、EEMは双方向テーブルとすることができ、該テーブルは「励起光 x 蛍光 x 強度」の形式で3次元スペクトルによって表すことができる。1以上の蛍光スペクトルを取得する特定ケースでは、取得データキューブは通常3次元の「励起光 x 蛍光 x 試料」を含む。
本発明にかかるスペクトルデータをデータキューブに統合するモードを図2に示す。所得したデータをデータキューブに統合することによって方法の以下に示すステップで多変量分解ツールよりもはるかに強力な多重分析方法を適用することを可能にする。
蛍光データの取得中、蛍光測定結果は第1取得データキューブC1又は「蛍光キューブ」と呼ばれる3次元データキューブ「I x J x K」に統合される。前記3次元のそれぞれは所定のモードに相当する。エントリー数「i」から成るC1のモードIは前記又は各サンプルの蛍光スペクトルを取得するステップの期間第2光源によって照射される試料の数に関連付けられる。エントリー数「j」から成るC1のモードJは発光波長の数「j」に関連付けられて、これらの波長のそれぞれは第1光源による1以上の試料の照射後に該1以上の試料から放射されるビーム成分の1つに相当する。エントリー数「k」から成るC1のモードKは励起波長の数「k」に関連付けられて、これらの波長のそれぞれは1以上の試料を照射するために使われる光ビーム相当する。取得される蛍光データはこのように3次元キューブに統合され、これらの次元は3つのモード「励起光 x 蛍光 x 試料」に相当する。
吸収データの取得期間中、吸収測定は第2取得データキューブC2又は「吸収キューブ」と呼ばれる2次元データキューブ「I x L」に統合される。前記2つの次元のそれぞれは所定のモードに相当する。エントリー数「i」から成るC2のモードIは前記又は各サンプルの透過及び/又は反射スペクトルを取得するステップの期間第1光源によって照射される試料の数に関連付けられる。エントリー数「l」から成るC2のモードLは吸収波長の数「l」に関連付けられて、これらの波長のそれぞれは第2光源による1以上の試料の照射後に該1以上の試料から放射されるビーム成分の1つに相当する。取得される蛍光データはこのように2次元キューブ「I x L」に統合され、モード「蛍光 x 試料」に相当する。
本発明にかかる方法の第6ステップf)は第1キューブのデータと第2キューブのデータの、融合データと呼ぶ第3キューブ内の融合を含む。
データの統合と融合のための3モードはこのように提案される。定義されるように、データ統合の第1モードは取得データの物理特性を順守する利点がある。以下に定義するデータの統合のための第1及び第3モードの重要な技術的効果は、2つの分光技術のそれぞれによって別々に取得されたスペクトルデータの線形性を維持することである。これらの実施例は第1データキューブと第2データキューブの融合中吸収データと蛍光データとの間の相関を維持することもできる。これらの相関は重要である。何故ならば、それらの相関は所定の試料に対し、紫外線/可視光の蛍光スペクトルと可視光/近赤外線の透過スペクトルとを接続する情報を含むことができるからである。この情報は、例えば、生産物の被分析物濃度、物理化学的構造、又は機能性や官能性である。この情報は特に分析される試料に特有の品質基準を定義するために有用であり、吸収スペクトルだけを、あるいは蛍光スペクトルだけを使用することでアクセスすることが困難である。
図3に示されるように、本発明にかかる実施例は第1取得データキューブと第2取得データキューブを融合データと呼ぶ1つの同じ第3データキューブC31に結合することを含む。
ステップ3.1の期間、キューブC2が3次元キューブI x L x Lに変換され、キューブI x LがモードL x Lに応じたキューブI x L x Lの対角面を構成し、対角線は蛍光キューブのk番目の放射源の弾性散乱によって形成される対角線に等しい次元を有する。ステップ3.2の期間、このキューブI x L x Lは寸法I x J x KのキューブC1に連結されてキューブC31を形成する。キューブC31の他のエントリーはゼロに等しい数値で満たされる。この連結はモードLをモードJ、Kと整列させて融合されたデータの前記キューブC3を構成する。従ってキューブC31は次元I x (K+L) x (K+L)のキューブであり、左上部は3次元サブキューブの形で蛍光データを含み、対角面の一部がモード(K+L) x (K+L)に従った対角サブプレーンの形式で吸収データを含む。
データの統合はC2のモードLがC1のモードJ,Kと整列するので、キューブC1、C2の最初の共通モードを順守するという利点がある。これらのモードは発光波長、励起波長にそれぞれ相当するので、蛍光スペクトルにより取得されたデータと吸収スペクトルにより取得されたデータとの間の相関が維持される。
図4、5によれば、本発明にかかる2つの他の実施例はキューブC2を置換する。ステップ4.1及び5.1によれば、キューブC2が「k」回複製されて中間3次元キューブI x L x Kを形成する。この中間3次元キューブI x L x Kは従って次元I x J x KのキューブC1と共通の2タイプのエントリーを含む。これらの2つの3次元キューブは2つの共通モードを有し、融合データの単一かつ同一の3次元キューブで分析される試料数「i」に相当するモードIを維持するように複数通りの組合せが可能である。
図4に示すように、第1の可能性はステップ4.2及び4.3に従った手順からなり、中間キューブI x L x KをキューブC1と並置させる。これら2つの3次元キューブのモードJ、Lを整列させることで蛍光と吸収の全てのデータを含むI x K x (J+L)の3次元キューブが得られる。
図5に示すように、別の可能性はステップ5.2及び5.3に従った手順からなり、中間キューブI x L x KをキューブC1と並置させる。共通のモードKに従ってこれら2つの3次元キューブのモードを整列させることで蛍光と吸収の全てのデータを含むI x L x Jの3次元キューブC33が得られる。これは例えばマトリクスの積数を「k」とすることで行うことができる。
他の融合モードを使っても3次元融合データキューブを形成し同様の技術的利点の特徴を得ることができる。
本発明によれば、取得された分光分析データの統合は種々の前処理のサブステップを先行させることができる。例えば、蛍光スペクトルに前処理を施してレイリー散乱とも呼ばれる弾性散乱による寄与を考慮することができる。これらの寄与は一般化線形モデルによって算出され、取得されたスペクトルから減算される。レイリー散乱の減算は一般的にはほとんどの分析法において必要とされ、本発明の方法の一部として適用される。しかし、散乱の減算は本発明において必ずしも望ましいものではない。さらに、弾性散乱の寄与は「純粋」な蛍光スペクトルを利用するために、数学的な処理によって除去できる。あるいは、弾性散乱強度は後で利用するために、例えば、試料を特徴付ける指標を計算中に付加することができる。種々の励起波長に相当する初期の弾性散乱強度は以下の方法のステップで取得する情報と組合わせて再利用することができる。
取得されたスペクトルはMSC(多重散乱補正)、又はSNV(標準正規変量)を使って前処理できる。定義された前処理は本発明にかかるデータキューブにも適用できる。
本発明にかかる方法の第7ステップg)は多重統計モデルの適用による第3キューブの融合データの分解を含む。ケモメトリックプロセスの種々のタイプに従ってデータの分解を進行できる。分解されるデータキューブのサイズと次元に従って、多変量法は多重法から区別される。PLSやPCA等の多変量法は、通常2次元キューブに従った統合データに適するデータ低減方法である。それらは、通常次元の1つにかかる初期キューブの事前折り畳み(prior folding)や、取得データの連結や、そして分析それ自体に関わる。Tucker、NPLS、又はmPCA等の多重方法は2次元以上のキューブへデータ統合するのに適したデータ低減方法である。それ故、それらは本来多重次元であり、上記に定義されたステップによる分析方法によってもたらされたデータキューブに直接使用できる。
2データキューブよりもむしろ単一の融合データキューブに多重統計モデルを適用することにより、分析方法のソフトウェアの有効性を向上することができるとともに、前記データを分解できる可能性が、固有の相関を維持しながらそれらの相関から分析された試料についてのより精度の高い情報を推定することを可能にする。
従って本発明は迅速かつより効率的な分析方法を提供する。同様に、そのような方法を実行する分析装置はよりシンプルでより安価な設備、そして結果的には業界の要請にマッチした最先端技術の設備を必要とする。本発明はさらに食品の生産期間中に迅速かつ合理的な決定を下すことを容易にする。
革新的対処法として本発明は新規の多重分解技術を全ての融合化された未加工のデータに適用する。融合化されたデータの3次元キューブの分解を行うために適用される多重処理はTucker3モデルであるのが有益である。Tucker3モデルはテンソルX「I x J x K」を3つの2次元キューブへ及び2つのデータキューブへ分解できる。特に各要素xi,j,kは以下のように分解される:
ここで、
ai,p、bj,q、ck,rはそれぞれ、マトリクスA「I x P」、B「J x Q」及びC「K x R」の要素、
ei,j,kは、残留キューブE「I x J x K」の要素、
gp,q,rは、相互作用キューブG「P x Q x R」の要素であり、「コアアレイ」とも呼ばれる。
ai,p、bj,q、ck,rはそれぞれ、マトリクスA「I x P」、B「J x Q」及びC「K x R」の要素、
ei,j,kは、残留キューブE「I x J x K」の要素、
gp,q,rは、相互作用キューブG「P x Q x R」の要素であり、「コアアレイ」とも呼ばれる。
いずれの場合も、マトリクスA、B、Cの1つが「スコア」マトリクスと呼ばれるマトリクスであり縮小データである一方、他は「ローディング」マトリクスと呼ばれる。例えば、モードIが試料のモードであれば、マトリクスA「I x P」は「スコア」マトリクスとなり、この「スコア」マトリクスが代表「スコア」数「p」により各試料「i」を定義することができる。前記「スコア」は本発明において引き続き使用される。ローディングマトリクスB及びC自体はそれぞれモードJ、Kの寄与を表し、一方キューブGは3つのモード間の相互作用を表している。
好ましくは、しかし限定されない方法において、本発明はTucker2又はPARAFACタイプの多重分解にも適用される。これらの2つのモデルはTucker3の特定ケースを構成する。
本発明にかかる方法の第8ステップh)は、前記多重統計モデルを前記融合データに適用することから得られるデータにより前記又は各サンプルを特徴づける少なくとも1つの指標の決定を含む。本発明にかかるステップg)で生じる「スコア」マトリクスは分析された試料又は変数のセットにより分析された試料を特徴づけることができる。前記変数はそれ自体が回帰モデルを介して前記少なくとも1つの指標に接続される。前記回帰モデルを1以上の新規試料について得られた「スコア」に適用することでこれらの試料の指標値を得ることができる。
適用される2例を使って本発明の2、3の技術的結果を以下に明示する。これらの2例は、本発明にかかる方法を実行しないで得られるパフォーマンスに関して、本発明にかかる方法を使って試料の特徴を推定する場合のパフォーマンスの改善を示している。
第1の例は蛍光スペクトルと蛍光スペクトルの結合された分析を介して得られるスコアの多重線形結合により得られた結果に関し、小麦試料例えばグルテンにおけるタンパク比の予測を得ることに関する。
第1の例は、20の小麦試料の分析を考える。各試料はそれぞれ280nm,340nm,385nm及び450nmの光ビームを放射する4つの発光ダイオードLEDにより照射される。これら光ビームの照射により250nmから800nmの電磁スペクトルレンジに渡って20の小麦試料に関連する蛍光スペクトルを含むフル発光スペクトルを取得する。各試料はその後800nmから2500nmのスペクトルレンジに渡って拡散する連続ビームを放射するハロゲン/タングステンランプによって照射される。このビームの照射により250nmから800nmの同じ電磁スペクトルレンジに渡って20の小麦試料の透過及び/又は反射スペクトルを含むフル発光スペクトルを取得する。取得されたスペクトルは具体的には1以上のプロセッサを使うシグナルアナライザによって処理される。具体的には、蛍光スペクトルは弾性散乱が除かれ標準化された前処理が施される。この標準化は例えばSNVタイプの標準化である。最良の実行方法によればスペクトルの前処理は蛍光スペクトル及び吸収スペクトルをデータキューブへ統合する前の任意の時間に実行できる。この前処理が終わると蛍光スペクトルは第1取得データキューブと呼ぶ1つの3次元キューブに統合される。該3次元キューブのエントリー数はそれぞれが試料数、励起ビーム数、及び取得された蛍光ビーム数に相当する前記次元に関連付けられており、それはモード「試料 x 励起光 x 蛍光」のキューブである。例えば、キューブCF1は20 x 4 x 550から成りエントリー数は44,000である。SNV(標準正規変量)標準化を使って前処理された吸収スペクトルは、第2取得データキューブと呼ばれる1つの双方向キューブCA0に統合され、エントリー数は試料数及び蛍光数にそれぞれ相当する前記次元に関連付けられて、それはモード「試料 x 蛍光」のキューブである。例えば、前記キューブCA0は20 x 1,700即ち34,000のエントリー数からなる。キューブCA0は4回複製されてサイズが20 x 4 x 1,700のキューブCA1を形成する。言い換えるとCA1は136,000のエントリーにより構成される。
本願において、CF1とCA1はその後蛍光モードに応じて1組とされ、サイズ20 x 4 x 2,250のモード試料 x 励起光 x 蛍光のキューブCFA1を取得する。キューブCFA1はその後、例えばTucker2タイプのアルゴリズムを適用して分解されサイズ20 x 15のスコアマトリクスを取得する。言い換えれば、20試料のそれぞれに15スコアファクタを取得する。スコアマトリクスはその後サイズ20 x 1のベクトルと関連付けられる。前記ベクトルは各試料で測定され、多数の線形回帰を介して取得されたグルテン比率(パーセント)の分析結果を含む。
これらの特定の統合モードを適用することで、大量の情報をそこから抽出できる。この情報は小麦品質パラメータについて赤外線のみによる較正の質及び蛍光のみから取得する較正の質を含むだけでなく、上記3次元構造を使って取得した較正とともに2つの技術に対し別々に取得されるスコアの結合により得られる較正も含む。この回帰分析の統計的パフォーマンスを以下のテーブルに示す。
下記表1は、R2と較正エラー(RMSEC及びRMSECV)の数値を使って最新技術による代表的方法で得られたパフォーマンスを特徴づけるテーブルを示す。
この方法でもたらされる技術的改善を特徴付けるために、同様の回帰分析が論文により従来から使用される方法によって取得された。具体的には:ACPにより吸収データで前処理された双方向テーブルを分解し、20 x 5のスコアマトリクスMA1を準備して多重線形回帰分析を実行する。さらに:PARAFACにより蛍光データで前処理されたキューブCF1を分解し、20 x 6のスコアマトリクスMF1を準備して多重線形回帰分析を実行する。その後2つのマトリクスMA1、MF1を連結してサイズ20 x 11のマトリクスMFA1を形成し多重線形回帰分析を実行する。回帰分析はこのように実行されて小麦試料のそれぞれについてタンパク比率を予測する本発明の主題を構成するアプローチと比較される。パフォーマンスの比較を下記表2に示す。表2は予測パフォーマンスの明確な改善を実証している。20試料の蛍光スペクトル及び透過スペクトルの取得により生成する分光データを分析する、本発明にかかる方法を適用して得られたR2、RMSEC、R2CV、RMSECBの各数値は、蛍光スペクトルの取得のみあるいは透過スペクトルの取得のみから得られたデータを分析する、従来の方法を適用して得られた数値よりも全て大きいと考えられる。
適用の第2例は上記第1例に近いが第1例とは分離され、小麦試料のタンパク比率を予測するために蛍光スペクトルと蛍光スペクトルの分析を結合して得られるスコアの多重結合から得られた結果に関する。
各試料は280nm、340nm、385nm、450nmで各光ビームを放射する4つのLEDにより連続して照射される。前記光ビームのそれぞれに対し、フル発光スペクトルが250nmから800nmのレンジに渡って取得される。各試料はその後800nmから2,500nmのスペクトルレンジに渡ってハロゲン/タングステンランプにより照射され相当する吸収スペクトルが同じレンジに渡り取得される。蛍光スペクトルは弾性散乱が除去され、SNV(標準正規変量)を使った標準化により前処理され、20 x 4 x 550のサイズのモード「試料 x 励起光 x 蛍光」の1つの第1データキューブCF2に統合される。吸収スペクトル自体はSNV(標準正規変量)を使った標準化により前処理され、20 x 1,700のサイズのモード「試料 x 蛍光」の第2データキューブCF2に統合される。吸収データの前記テーブルは4回複製されて得られた4つのテーブルは組にされてサイズ20 x 4 x 1,700の新規キューブCA2を形成する。励起モードにかかるマトリクスの積がキューブCF2、CA2の間に生成されてサイズ20 x 550 x 1,700のモード「試料 x 蛍光 x 蛍光」のキューブCFA2を取得する。その後このキューブはPARAFACのアルゴリズムを適用することで分解され、サイズ20 x 15のスコアマトリクス「試料 x ファクタ」の取得を可能にする。その後スコアマトリクスは多重線形回帰分析を介して各試料で測定されたタンパク比率(%)の分析結果を含むサイズ20 x 1のベクトルと関連付けられる。この回帰分析の統計的パフォーマンスを以下の表3に示す。下記表はR2と較正エラー(RMSEC及びRMSECV)の数値を使って最新技術による代表的方法で得られたパフォーマンスを特徴付けるテーブルを示す。
この方法によりもたらされる技術的改善を特徴付けるために、同様の回帰分析を最先端技術の論文に通常使用される方法によって取得した。具体的には:ACPにより吸収データで前処理された双方向テーブルを分解し、20 x 5のスコアマトリクスMA1を準備して多重線形回帰分析を実行する。さらに:PARAFACにより蛍光データで前処理されたキューブCF1を分解し、20 x 6のスコアマトリクスMF1を準備する。その後多重線形回帰分析を実行する。最後に:2つのマトリクスMA1、MF1を連結してサイズ20 x 11のマトリクスMFA1を形成し多重線形回帰分析を実行する。回帰分析はこのように実行されて本発明の主題を構成するアプローチと比較され、テーブル4に表すように、予測パフォーマンスの改善を実証する。
要約すると、本発明は1以上の所定の試料を分析するために異なる2つの分光分析技術によって得られたスペクトルデータの「共同処理」を最適化できる分析方法に関する。具体的には、定義される分析方法及びその種々の実施例は2つの技術特に吸収スペクトルと蛍光スペクトルの同時使用によりもたらされる制約を調整することを目的とする。本発明は従って1以上の試料の品質を特徴付けるより精度の高い指標を取得するための画期的な分析方法を提案する。本発明はさらにそのような分析方法を実行する分析装置を提案する。
当然ながら、具体的ニーズを満たすために当業者は先行する開示に修正を加えることができる。
本発明は具体的な実施例を参照して上記のように定義されたが、本発明はその具体的実施例に限定されることなく本発明の応用分野に位置づけられる修正は当業者にとって明らかである。
Claims (11)
- 少なくとも1つの試料を分析し、多重統計モデルに基づく分光データの分析法を実行する方法であって、該方法は:
a)少なくとも1つの第2光源が第1光源から分離されている、前記第1光源及び前記第2光源による分析されるべき前記又は各試料の照射と;
b)蛍光スペクトルが前記第1光源により放射された1以上の光ビームによる前記又は各試料の照射によりもたらされる、前記又は各試料の蛍光スペクトルの取得と;
c)透過及び/又は反射スペクトルが前記第2光源により放射された1以上の光ビームによる前記又は各試料の照射によりもたらされる、前記又は各試料の透過及び/又は反射スペクトルの取得と;
d)取得された前記蛍光スペクトルの第1取得データキューブへの統合と;
e)取得された前記透過及び/又は反射スペクトルの第2取得データキューブへの統合と;
f)前記第1キューブの取得データと前記第2キューブの取得データの第3融合データキューブへの融合と;
g)前記多重統計モデルの適用によって前記第3キューブの融合されたデータの分解と;
h)前記多重統計モデルを前記融合されたデータに適用することにより生成されたデータによる、前記又は各試料を特徴づける少なくとも1つの指標の決定と;
を含むことを特徴とする方法。 - 前記第1光源は各照射波長を有する光放射源である、請求項1に記載の方法。
- 前記第2光源は連続光源である、請求項1又は2に記載の方法。
- 前記蛍光スペクトルは250nmと800nmの間のスペクトルレンジに渡って取得されるスペクトルである、請求項1から3のいずれかに記載の方法。
- 前記透過及び/又は反射スペクトルは400nmと2,500nmの間のスペクトルレンジに渡って、好ましくは400nmと1,100nmの間のスペクトルレンジ渡って取得されるスペクトルである、請求項1から4のいずれか記載の方法。
- 前記第1光源によって出射される光ビームの数は1と8の間、好ましくは2と5の間である、請求項1から5のいずれか記載の方法。
- 蛍光スペクトルは前面モードで取得される蛍光スペクトルである、請求項1から6のいずれか記載の方法。
- 前記ステップd)はさらに前記蛍光スペクトル及び/又は前記透過及び/又は反射スペクトルを標準化する前のステップも含む、請求項1から7のいずれか記載の方法。
- 実行される前記多重統計モデルはTucker型モデルである、請求項1から8のいずれか記載の方法。
- 前記又は各試料を特徴づける指標の前記決定は、前記分解データを前記指標に接続する較正モデルを適用することによりなされる、請求項1から9のいずれか記載の方法。
- 請求項1から10のいずれかに記載の方法を実行する少なくとも1つの試料を分析する装置であって、該装置は:
第1光源と少なくとも1つの第2光源とを含み、前記少なくとも1つの第2光源は前記第1光源から分離されて、分析対象の前記又は各試料を照射する手段と;
蛍光スペクトルは前記第1光源により放射される1以上の光ビームによって前記又は各試料からもたらされる、前記又は各試料の前記蛍光スペクトルを取得する第1手段と;
透過及び/又は反射スペクトルは前記第2光源により放射される1以上の光ビームで前記又は各試料を照射することによってもたらされる、前記又は各試料からの前記透過及び/又は反射スペクトルを取得する第2手段と;
少なくともステップd)からh)を実行するように構成された1以上のプロセッサと;
を含むことを特徴とする装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1650830A FR3047313B1 (fr) | 2016-02-02 | 2016-02-02 | Procede et appareil d'analyse spectroscopique, utilisant un traitement multivoies de donnees spectrales en infrarouge et en fluorescence. |
FR1650830 | 2016-02-02 | ||
PCT/EP2017/052046 WO2017134050A1 (fr) | 2016-02-02 | 2017-01-31 | Procédé et appareil d'analyse spectroscopique, utilisant un traitement multivoies de données spectrales en infrarouge et en fluorescence |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019503490A true JP2019503490A (ja) | 2019-02-07 |
Family
ID=55862992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018539897A Pending JP2019503490A (ja) | 2016-02-02 | 2017-01-31 | 赤外線及び蛍光の分光データの多重処理を用いた分光分析方法及び装置 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20190369013A1 (ja) |
EP (1) | EP3411691A1 (ja) |
JP (1) | JP2019503490A (ja) |
CN (1) | CN109313127A (ja) |
CA (1) | CA3013301A1 (ja) |
FR (1) | FR3047313B1 (ja) |
WO (1) | WO2017134050A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3083866B1 (fr) * | 2018-07-13 | 2020-10-23 | Spectralys Innovation | Dispositif d'analyse de spectroscopie de fluorescence et infrarouge |
JP2020034545A (ja) * | 2018-08-28 | 2020-03-05 | パナソニックIpマネジメント株式会社 | 成分分析装置及び成分分析方法 |
CN109856061A (zh) * | 2019-03-15 | 2019-06-07 | 首都师范大学 | 碳酸饮料中合成色素浓度的检测方法及系统 |
CN109856062A (zh) * | 2019-03-15 | 2019-06-07 | 首都师范大学 | 配制酒中合成色素浓度的检测方法及系统 |
CN109856063A (zh) * | 2019-03-15 | 2019-06-07 | 首都师范大学 | 碳酸饮料中合成色素浓度的检测方法及系统 |
FR3113523A1 (fr) * | 2020-08-21 | 2022-02-25 | Spectralys Innovation | Dispositif d’analyse spectroscopique d’un echantillon et procede d’analyse d’un echantillon au moyen d’un tel dispositif |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070037135A1 (en) * | 2005-08-08 | 2007-02-15 | Barnes Russell H | System and method for the identification and quantification of a biological sample suspended in a liquid |
CN101283241A (zh) * | 2005-08-08 | 2008-10-08 | 普凯尔德诊断技术有限公司 | 识别和量化悬浮于液体中的生物样品的系统及方法 |
EP1850117A1 (en) * | 2006-04-24 | 2007-10-31 | FOSS Analytical A/S | Optical analyser |
US8330122B2 (en) * | 2007-11-30 | 2012-12-11 | Honeywell International Inc | Authenticatable mark, systems for preparing and authenticating the mark |
FR2988473B1 (fr) * | 2012-03-22 | 2014-04-18 | Spectralys Innovation | Procede et appareil de caracterisation d'echantillons par mesure de la diffusion lumineuse et de la fluorescence. |
-
2016
- 2016-02-02 FR FR1650830A patent/FR3047313B1/fr not_active Expired - Fee Related
-
2017
- 2017-01-31 US US16/073,750 patent/US20190369013A1/en not_active Abandoned
- 2017-01-31 CA CA3013301A patent/CA3013301A1/fr not_active Abandoned
- 2017-01-31 WO PCT/EP2017/052046 patent/WO2017134050A1/fr active Application Filing
- 2017-01-31 EP EP17701899.1A patent/EP3411691A1/fr not_active Withdrawn
- 2017-01-31 JP JP2018539897A patent/JP2019503490A/ja active Pending
- 2017-01-31 CN CN201780012576.1A patent/CN109313127A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
FR3047313B1 (fr) | 2018-01-12 |
WO2017134050A1 (fr) | 2017-08-10 |
US20190369013A1 (en) | 2019-12-05 |
CA3013301A1 (fr) | 2017-08-10 |
EP3411691A1 (fr) | 2018-12-12 |
CN109313127A (zh) | 2019-02-05 |
FR3047313A1 (fr) | 2017-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2019503490A (ja) | 赤外線及び蛍光の分光データの多重処理を用いた分光分析方法及び装置 | |
Li et al. | Recent advances in nondestructive analytical techniques for determining the total soluble solids in fruits: a review | |
US10458908B2 (en) | System and method for qualifying plant material | |
Abu-Khalaf et al. | Visible/Near Infrared (VIS/NIR) spectroscopy as an optical sensor for evaluating olive oil quality | |
He et al. | Study on lossless discrimination of varieties of yogurt using the Visible/NIR-spectroscopy | |
El-Abassy et al. | Fast determination of milk fat content using Raman spectroscopy | |
Kimuli et al. | Application of SWIR hyperspectral imaging and chemometrics for identification of aflatoxin B1 contaminated maize kernels | |
Hussain et al. | Classical and emerging non-destructive technologies for safety and quality evaluation of cereals: A review of recent applications | |
Liu et al. | Prediction of nitrogen and phosphorus contents in citrus leaves based on hyperspectral imaging | |
US20120092663A1 (en) | Transmission raman spectroscopy analysis of seed composition | |
KR101498096B1 (ko) | 초분광 영상을 이용한 농산물의 원산지 판별 장치 및 방법 | |
Kumaravelu et al. | A review on the applications of Near-Infrared spectrometer and Chemometrics for the agro-food processing industries | |
KR100921914B1 (ko) | 곡물 성분함량 측정장치 및 그 측정방법 | |
US20210247318A1 (en) | Non-Destructive Detection of Egg Freshness Based on Raman Spectroscopy | |
Beghi et al. | Rapid evaluation of grape phytosanitary status directly at the check point station entering the winery by using visible/near infrared spectroscopy | |
Anyidoho et al. | Nondestructive authentication of the regional and geographical origin of cocoa beans by using a handheld NIR spectrometer and multivariate algorithm | |
Sundaram et al. | Application of near infrared spectroscopy to peanut grading and quality analysis: overview | |
Ambrose et al. | A review of technologies for detection and measurement of adulterants in cereals and cereal products | |
KR20030010025A (ko) | 근적외선 흡수스펙트럼을 이용한 곡물 1립 비파괴 분석방법 | |
Aulia et al. | Protein and lipid content estimation in soybeans using Raman hyperspectral imaging | |
Ravikanth et al. | Detection of broken kernels content in bulk wheat samples using near-infrared hyperspectral imaging | |
JP7169643B2 (ja) | 硝酸イオン濃度非破壊計測方法、硝酸イオン濃度非破壊計測装置、及び硝酸イオン濃度非破壊計測プログラム | |
Matousek et al. | Recent advances in pharmaceutical analysis using transmission Raman spectroscopy | |
Shuqin et al. | Predicting wheat kernels’ protein content by near infrared hyperspectral imaging | |
Huang | Chemometric methods in analytical spectroscopy technology |