CN113412423A - 传感检测系统以及用于该传感检测系统的数据结构 - Google Patents

传感检测系统以及用于该传感检测系统的数据结构 Download PDF

Info

Publication number
CN113412423A
CN113412423A CN202080012964.1A CN202080012964A CN113412423A CN 113412423 A CN113412423 A CN 113412423A CN 202080012964 A CN202080012964 A CN 202080012964A CN 113412423 A CN113412423 A CN 113412423A
Authority
CN
China
Prior art keywords
data
control unit
analyte
processing
communication terminal
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.)
Granted
Application number
CN202080012964.1A
Other languages
English (en)
Other versions
CN113412423B (zh
Inventor
森穗高
神田和辉
马渡和明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Denso Corp
Original Assignee
Denso Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Denso Corp filed Critical Denso Corp
Publication of CN113412423A publication Critical patent/CN113412423A/zh
Application granted granted Critical
Publication of CN113412423B publication Critical patent/CN113412423B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • G01N33/025—Fruits or vegetables
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00—Botany in general
    • 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
    • G01N21/65—Raman scattering
    • G01N21/658—Raman scattering enhancement Raman, e.g. surface plasmons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/05—Agriculture
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/10—Forestry
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/15—Fishing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/25—Manufacturing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • 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
    • G01N2201/06—Illumination; Optics
    • G01N2201/061—Sources
    • G01N2201/06113—Coherent sources; lasers

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Food Science & Technology (AREA)
  • Marketing (AREA)
  • Agronomy & Crop Science (AREA)
  • Theoretical Computer Science (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Primary Health Care (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medicinal Chemistry (AREA)
  • Mining & Mineral Resources (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Forests & Forestry (AREA)
  • Biomedical Technology (AREA)
  • Botany (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Environmental Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)

Abstract

具备：服务器(10)，具有存储部(12)以及使用存储于存储部(12)的数据进行规定处理的控制部(11)；以及构成为能够与服务器(10)通信的通信终端(20)。而且，在存储部(12)中，针对多个分析对象物分别存储有加工数据，该加工数据在进行分光分析法时使用，与用于在检测基板(50)上形成凹凸构造(50a)的加工条件相关。另外，在存储部(12)中，针对多个分析对象物分别存储有分析数据，该分析数据用于根据通过进行分光分析法而获得的分析对象物的分光光谱分析分析对象物。控制部(11)若接收请求加工数据的信号，则选择与分析对象物对应的加工数据并向通信终端(20)发送，若接收分光光谱，则使用分析数据分析分光光谱。

Description

传感检测系统以及用于该传感检测系统的数据结构
相关申请的相互参照
本申请基于2019年2月8日提出申请的日本专利申请号2019－21776号，此处通过参照而引入其记载内容。
技术领域
本公开涉及传感检测系统以及用于该传感检测系统的数据结构。
背景技术
以往以来，例如在专利文献1中，提出了通过表面增强拉曼分光(SurfaceEnhanced Raman Spectroscopy：以下，简称作SERS)法确定分析对象物的物质等的方法。具体而言，在该方法中，首先，在检测基板的表面上形成凹凸构造，使分析对象物附着于形成有该凹凸构造的部分。然后，通过在该状态下对分析对象物照射激光束，取得与分析对象物相应的SERS光谱。
现有技术文献
专利文献
专利文献1：日本特开2015－190836号公报
发明内容
然而，现状是消耗者、生产者有想要容易地调查农作物等分析对象物所含的物质等这一期望。
本公开的目的在于提供能够容易地调查分析对象物的传感检测系统以及用于其的数据结构。
根据本公开的一个观点，数据结构存储于能够与使用者所使用的通信终端通信的服务器，具备：加工数据，在使分析对象物附着于形成有凹凸构造的检测基板的凹凸构造而进行分光分析法时使用，与用于在检测基板上形成凹凸构造的加工条件相关；以及分析数据，用于根据通过进行分光分析法而获得的分析对象物的分光光谱分析分析对象物，加工数据以及分析数据针对多个分析对象物而分别设定。
据此，使用者通过与服务器进行通信，能够容易地取得加工数据而形成检测基板，通过发送分光光谱，能够容易地使分析对象物得以分析。因此，能够容易地调查分析对象物。
另外，根据本公开的另一观点，传感检测系统在服务器与通信终端之间进行通信，具备：服务器，具有存储规定的数据的存储部以及使用存储于存储部的数据进行规定的处理的控制部；以及由使用者利用并构成为能够与服务器通信的通信终端。而且，在存储部中，针对多个分析对象物分别存储有加工数据，并且针对多个分析对象物分别存储有分析数据，该加工数据在使分析对象物附着于形成有凹凸构造的检测基板的凹凸构造而进行分光分析法时使用，与用于在检测基板上形成凹凸构造的加工条件相关，所述分析数据用于根据通过进行分光分析法而获得的分析对象物的分光光谱分析分析对象物，若从通信终端接收请求分析在分析对象物时所使用的与检测基板相关的加工数据的信号，则控制部选择与分析对象物对应的加工数据并向通信终端发送，使用者使用加工数据形成形成有凹凸构造的检测基板，并且使分析对象物附着于凹凸构造，从通信终端发送通过分光分析法而获得的分光光谱，控制部若由此接收到该分光光谱，则使用分析数据分析分光光谱。
据此，控制部在接收到请求加工数据的信号的情况下，发送加工数据，在接收到分光光谱的情况下，分析分光光谱。因此，使用者能够从服务器容易地取得用于形成具有适合分析对象物的凹凸构造的检测基板的加工数据。另外，使用者通过将分光光谱向服务器发送，能够容易地使分析对象物得以分析。因而，使用者能够容易地调查分析对象物。
另外，附加于各构成要素等的带括号的参照附图标记是表示该构成要素等与后述的实施方式所记载的具体构成要素等的对应关系的一个例子。
附图说明
图1是表示第一实施方式中的传感检测系统的构成的示意图。
图2是用于说明SERS法的图。
图3是表示分析对象物的SERS光谱以及分析用的SERS光谱的图。
图4是表示检测基板的凹凸构造的图。
图5是检测基板的俯视图。
图6是表示使用者所进行的工作的流程图。
图7是表示服务器的控制部所执行的工作的流程图。
图8A是表示在生长发育期间的初期的时候存储于存储部的条件数据的图。
图8B是表示在生长发育期间的初期的时候存储于存储部的化学数据的图。
图8C是表示在生长发育期间的初期的时候存储于存储部的状况数据的图。
图9A是表示在生长发育期间的后期的时候存储于存储部的条件数据的图。
图9B是表示在生长发育期间的后期的时候存储于存储部的化学数据的图。
图9C是表示在生长发育期间的后期的时候存储于存储部的状况数据的图。
图10A是表示在收获期间的时候存储于存储部的条件数据的图。
图10B是表示在收获期间的时候存储于存储部的化学数据的图。
图10C是表示在收获期间的时候存储于存储部的状况数据的图。
图11A是表示在收获期间结束时存储于存储部的条件数据的图。
图11B是表示在收获期间结束时存储于存储部的化学数据的图。
图11C是表示在收获期间结束时存储于存储部的状况数据的图。
图12是表示第二实施方式中的使用者所进行的工作的流程图。
图13是表示第二实施方式中的服务器的控制部所执行的工作的流程图。
图14是表示第三实施方式中的存储部所存储的变量的图。
图15是表示第三实施方式中的使用者所进行的工作的流程图。
图16是表示第三实施方式中的服务器的控制部所执行的工作的流程图。
具体实施方式
以下，基于附图对本公开的实施方式进行说明。另外，在以下的各实施方式彼此之中，对彼此相同或等效的部分标注相同的附图标记来进行说明。
(第一实施方式)
参照附图，对第一实施方式的传感检测系统进行说明。本实施方式的传感检测系统优选在使用者调查分析对象物的物质名、物质浓度等时使用。另外，虽然之后具体叙述，本实施方式的传感检测系统利用SERS法，根据基于SERS光谱的分析结果对使用者通知分析对象物的物质名、物质浓度。
首先，对本实施方式的传感检测系统的构成进行说明。传感检测系统如图1所示，具备服务器10、通信终端20、加工装置30、测定装置40等。
服务器10采用如下构成：具有控制部11以及构成为能够在与通信终端20之间收发各种数据的未图示的通信部等。另外，本实施方式的服务器10构成为能够与通信终端20进行无线通信。
控制部11由具备未图示的CPU、ROM、RAM、闪存、HDD等非临时性实体的存储介质所构成的存储部12等的微计算机等构成。CPU是Central Processing Unit的缩写，ROM是ReadOnly Memory的缩写，RAM是Random Access Memory的缩写，HDD是Hard Disk Drive的缩写。
这里，本实施方式的传感检测系统如上述那样利用SERS法。SERS法是如下方法：如图2所示，使分析对象物60附着于形成有具有纳米凹凸的凹凸构造50a的检测基板50而照射激光束，基于产生的散射光取得SERS光谱。另外，凹凸构造50a为了使散射光(即，检测信号)放大而形成。然后，在SERS法中，检测灵敏度根据检测基板50的凹凸构造50a与分析对象物60的关系而变化。因此，为了通过SERS法取得适当的SERS光谱，优选的是使检测基板50的凹凸构造50a为与分析对象物60相应的形状。
因而，在存储部12中，将各种物质与用于在检测基板50形成适合这些物质的凹凸构造50a的加工条件相关的加工数据建立对应地存储。另外，在存储部12中，也将名称、商品名等与各种物质建立对应地存储。例如在西红柿的情况下，将西红柿所含的钠、钾、钙、维生素类、胡萝卜素、脂肪酸类等物质与作为分析对象物60的西红柿建立对应地存储。因此，也可以说在存储部12中存储有适合分析对象物60的凹凸构造50a的加工数据。另外，适合各物质的凹凸构造50a也根据检测基板50的材料而变化，因此在存储部12中也将检测基板50的材料建立对应地存储。
另外，在本实施方式中，如后述那样，通过照射激光束而形成形成有凹凸构造50a的检测基板50。因此，在存储部12中，作为加工数据，存储有照射激光束时的加工条件，例如存储有激光束的强度、波长、照射点等。
另外，在存储部12中存储有与各种物质相关的SERS光谱的分析数据。即，在存储部12存储有分析用的主光谱。
然后，控制部11通过由CPU从存储部12读出各种数据并执行来实现各种控制工作。具体而言，控制部11若从通信终端20接收与检测基板50以及分析对象物60相关的数据，则判定为接收到请求加工数据的信号，将与加工条件相关的加工数据向通信终端20发送。另外，在本实施方式中，在分析对象物60中包含多个物质的情况下，将用于形成适合各物质的凹凸构造50a的加工数据分别向通信终端20发送。
另外，控制部11若从通信终端20接收SERS光谱，则根据接收到的SERS光谱使用分析数据分析分析对象物60所含的物质名、物质浓度，并将分析结果向通信终端20发送。例如图3是表示在西红柿的表面涂覆4，4－联吡啶溶液并擦拭之后获得的分析对象物60的SERS光谱、及作为分析数据的4，4－联吡啶的SERS光谱的图。另外，在图3中，纸面左侧的纵轴是表示分析对象物60的强度的值，纸面右侧的纵轴是表示分析数据的强度的值。
如图3所示，分析对象物60的SERS光谱成为如下波形：在图3中的虚线所示的波数的位置再现4，4－联吡啶的主要峰值，并且在不同的波数处也具有峰值。即，在图3中，峰值PA以及峰值PB等表示与4，4－联吡啶不同的西红柿所含的成分、附着于西红柿的农药所含的成分等。因此，控制部11参照存储于存储部12的各物质的分析数据而分析相当于峰值PA以及峰值PB的物质以及物质浓度。另外，控制部11基于峰值的强度分析物质浓度。
虽然没有特别图示，通信终端20构成为具有构成能够在与服务器10之间对各种数据进行通信的通信部、进行规定的处理的控制部等，例如由智能手机、平板终端、个人计算机等构成。
加工装置30是对用于SERS法的检测基板50进行加工的装置，构成为具有加工部31、输入部32以及控制部33等。另外，虽然没有特别图示，加工装置30也具有能够在与通信终端20之间收发各种数据的通信部等。另外，本实施方式的加工装置30也可以构成为能够与通信终端20进行无线通信，也可以构成为能够进行有线通信。
加工部31在本实施方式中具有固定检测基板50的底座、照射激光束的激光照射部等。而且，加工部31通过照射激光束，如图4所示，形成形成有具有纳米凹凸的凹凸构造50a的SERS法用的检测基板50。具体而言，加工部31通过照射激光束而使检测基板50的表面熔融并飞散，使飞散的物质再次堆积，从而形成形成有具有纳米凹凸的凹凸构造50a的检测基板50。
另外，在图4中，示出了具有几纳米左右的纳米凹凸的凹凸构造50a，但凹凸构造50a也可以构成为具有更小的纳米凹凸，也可以构成为具有更大的纳米凹凸。而且，检测基板50例如由金、银、镍、钴、铜、铝、钛等金属材料构成。另外，检测基板50例如在由硅、玻璃、橡胶片等构成的基板上形成镀金、镀银、镀镍、镀钴膜等而构成。
输入部32由使用者能够操作的触摸面板等构成。
控制部33由具备未图示的CPU、ROM、RAM、闪存、HDD等非临时性实体的存储介质所构成的存储部等的微计算机等构成，与加工部31以及输入部32连接。而且，控制部33通过由CPU从存储部12读出各种数据并执行来实现各种控制工作。
具体而言，控制部33若从通信终端20接收加工数据，由使用者操作输入部32以开始加工，则基于加工数据控制加工部31，从而形成具有凹凸构造50a的检测基板50。在该情况下，在本实施方式中，在分析对象物60包含多个物质的情况下，从服务器10向通信终端20发送用于形成适合各物质的凹凸构造50a的加工数据。即，多个加工数据从服务器10被发送到通信终端20。因此，在多个加工数据被从服务器10发送到通信终端20的情况下，如图5所示，形成具有多个凹凸构造50a的检测基板50。另外，图4是相当于图5中的IV－IV截面的图。
测定装置40是通过SERS法检测SERS光谱的装置，构成为具有测定部41、输入部42以及控制部43。另外，测定装置40虽然没有特别图示，但具有能够在与通信终端20之间收发各种数据的通信部等。另外，本实施方式的测定装置40也可以构成为能够与通信终端20进行无线通信，也可以构成为能够进行有线通信。
测定部41在本实施方式中具有固定检测基板50的底座、照射激光束的激光照射部、检测散射光并分析从而生成SERS光谱的检测部等。
输入部42由使用者能够操作的触摸面板等构成。
控制部43由具备未图示的CPU、ROM、RAM、闪存、HDD等非临时性实体的存储介质所构成的存储部12等的微计算机等构成，与测定部41以及输入部42连接。而且，若附着有分析对象物60的检测基板50配置于测定部41，由使用者操作输入部42以开始测定，则控制部43通过控制测定部41而检测SERS光谱。然后，控制部43将检测出的SERS光谱向通信终端20发送。
另外，在本实施方式中，服务器10与加工装置30以及测定装置40能够经由通信终端20收发数据。即，服务器10、加工装置30以及测定装置40不能直接通信。换言之，服务器10不能直接控制加工装置30以及测定装置40。
以上是本实施方式中的传感检测系统的构成。另外，加工装置30以及测定装置40可以由使用者自身所具有，也可以设置于便利店、超市等设施，由使用者在这些设施中利用。而且，在将加工装置30设置于设施等的情况下，也可以配备精通加工装置30的构成等的作业者，由使用者对作业者委托加工。同样，在将测定装置40设置于设施等的情况下，也可以配备精通测定装置40的构成等的作业者，由使用者对作业者委托加工。另外，检测基板50例如可以由服务器10的所有者、或者相关人员向使用者销售，也可以由服务器10的所有者、或者相关人员向使用者发布等。
接下来，参照图1以及图6，对使用者使用上述传感检测系统分析分析对象物60的方法进行说明。
首先，使用者在步骤S101中从通信终端20向服务器10发送与检测基板50以及分析对象物60相关的数据。此时，使用者作为检测基板50的数据发送检测基板50的材料等。另外，使用者作为分析对象物60的数据发送名称、商品名等。例如在分析对象物60是作为农作物的西红柿的情况下，发送西红柿或者西红柿的商品名等。
接下来，由于在步骤S101中通过向服务器10发送各种数据而从服务器10发送与检测基板50的加工条件相关的加工数据，因此使用者在步骤S102中在通信终端20接收加工数据。另外，在本实施方式中，由于使用上述的加工装置30加工检测基板50，因此在接收到的加工数据中包含激光束的强度、波长、光斑系统、能量等各种数据。
接着，使用者在步骤S103中基于在步骤S102中接收到的加工数据，在检测基板50形成凹凸构造50a。具体而言，使用者准备检测基板50而将该检测基板50配置于加工装置30，并且将在步骤S102中接收到的加工数据向加工装置30发送。然后，通过操作加工装置30的输入部32，形成具有基于加工数据的凹凸构造50a的检测基板50。此时，在分析对象物60包含多个物质的情况下，如图5所示，形成具有多个凹凸构造50a的检测基板50。
接下来，使用者在步骤S104中，使分析对象物60附着于检测基板50的形成有凹凸构造50a的部分。另外，使用者使分析对象物60附着于检测基板50的方法能够适当变更。例如使用者在分析对象物60是西红柿等农作物的情况下，可以通过将检测基板50按压于农作物的表面，使分析对象物60附着于形成有凹凸构造50a的部分。另外，例如在分析对象物60是西红柿等农作物的情况下，使用者可以捣碎分析对象物60并涂覆，从而使分析对象物60附着于形成有凹凸构造50a的部分。在该情况下，使用者在检测基板50上形成有多个凹凸构造50a的情况下，使分析对象物60分别附着于各凹凸构造50a。
之后，使用者在步骤S105中取得分析对象物60的SERS光谱。具体而言，使用者将附着有分析对象物60的检测基板50配置于测定装置40，并操作输入部42从而取得SERS光谱。另外，在检测基板50形成有多个凹凸构造50a的情况下，检测形成于各凹凸构造50a的分析对象物60的SERS光谱。
接下来，使用者在步骤S106中由通信终端20从测定装置40接收分析对象物60的SERS光谱，将接收到的SERS光谱向服务器10发送。由此，服务器10根据所发送的SERS光谱分析分析对象物60所含的物质、物质浓度等，将分析结果向通信终端20发送。
然后，使用者在步骤S107中从服务器10取得分析结果。由此，使用者能够取得分析对象物60的物质、物质浓度。
接下来，参照图1以及图7，对本实施方式的传感检测系统中的服务器10的控制部11所执行的工作进行说明。
首先，控制部11在步骤S201中判定是否接收到检测基板50以及分析对象物60的数据。然后，控制部11在判定为接收到检测基板50以及分析对象物60的数据的情况下(即，步骤S201：YES)，发送与接收到的检测基板50以及适合分析对象物60的检测基板50的加工条件相关的加工数据。在该情况下，在分析对象物60包含多个物质的情况下，发送与适合各物质的检测基板50的加工条件相关的加工数据。
控制部11在发送加工数据之后、或者判定为未接收到检测基板50以及分析对象物60的数据的情况下(即，步骤S201：NO)，在步骤S203中判定是否接收到SERS光谱。然后，控制部11在判定为接收到SERS光谱的情况下(即，步骤S203：YES)，在步骤S204中分析接收到的SERS光谱而确定物质以及物质浓度。具体而言，控制部11通过将SERS光谱与各物质的分析数据比较，确定分析对象物60所含的物质以及物质浓度。
然后，控制部11在步骤S205中将与分析结果相关的数据向通信终端20发送。
如以上说明那样，在本实施方式的传感检测系统中，服务器10若接收到请求加工数据的信号，则发送加工数据，在接收到SERS光谱的情况下分析所含的物质以及物质浓度，并发送分析结果。因此，使用者能够从服务器10容易地取得用于形成具有适合分析对象物60的凹凸构造50a的检测基板50的加工数据。另外，使用者通过将SERS光谱向服务器10发送，能够容易地确定分析对象物60的物质等。因而，使用者能够容易地调查自身希望调查的分析对象物60。
另外，使用者只要在即将分析之前形成具有凹凸构造50a的检测基板50即可，因此也可以不保管形成有凹凸构造50a的检测基板50。因此，能够抑制检测基板50伴随着保管而劣化。
然后，加工装置30照射激光束而在检测基板50形成凹凸构造50a。因此，特别是，在检测基板50形成多个凹凸构造50a的情况下，容易局部地形成凹凸构造50a，并且通过变更激光束的照射条件，能够容易地变更各凹凸构造50a的构成。
而且，测定装置40通过SERS法检测SERS光谱。因此，也能够作为检测基板50使用玻璃等，能够提高检测基板50的选择性。
另外，服务器10与加工装置30以及测定装置40能够经由通信终端20收发数据。即，服务器10与加工装置30以及测定装置40不能直接通信。因此，与服务器10与加工装置30以及测定装置40能够直接通信的情况相比，能够使得难以从服务器10对加工装置30以及测定装置40进行非法操作。
(第一实施方式的变形例)
在上述第一实施方式中，说明了分析对象物60是农作物的例子，但分析对象物60也可以是畜产品、水产品，也可以是林产品。即，作为分析对象物60，可以适用农林水产品。另外，分析对象物60也可以是半导体装置、车载部件等工业产品。在这种情况下，例如通过检测附着于工业产品的表面的成分等，能够推断该产品的寿命。而且，分析对象物60也可以是在用于制造工业产品的制造工序产生的气体中的细颗粒等。另外，分析对象物60也可以是存在于车辆空间内等规定空间内的气体、细颗粒等。另外，在使这种细颗粒附着于检测基板50的情况下，将检测基板50暴露在可存在细颗粒的场所即可。
(第二实施方式)
对第二实施方式进行说明。本实施方式相对于上述第一实施方式，由服务器10的控制部11预测将来的结果。其他方面与上述第一实施方式相同。另外，在本实施方式中，说明在作为使用者的农作业者预测作为农作物的果实的产量等时应用本传感检测系统的例子。
以下，说明在塑料棚内栽培果实的例子。而且，以下，将可收获果实的期间设为收获期间，将从开始栽培果实到收获期间为止的期间设为生长发育期间。
在本实施方式中，在服务器10的存储部12中，如图8A、图8B、图8C、图9A、图9B、图9C、图10A、图10B、图10C、图11A、图11B、图11C所示，存储有各种数据。
具体而言，在存储部12中设定生长发育期间以及收获期间。而且，如图8A、图9A、图10A、图11A所示，依次存储与果实的栽培条件相关的条件数据。另外，在存储部12中，如图8B、图9B、图10B、图11B所示，依次存储与SERS光谱相关的化学数据。而且，在存储部12中，如图8C、图9C、图10C、图10D所示，依次存储与果实的状况相关的状况数据。另外，条件数据、化学数据、状况数据相互建立对应地存储。即，例如生长发育期间的第1行数据在条件数据中是与2018年10月22日相关的数据，但在化学数据以及状况数据中也是在2018年10月22日存储的数据。换言之，与各行相关的数据是在同一日存储的数据，并且是在时期上有关联的数据。
另外，在本实施方式中，在存储部12中，作为条件数据，存储有时日、棚外温度、棚外湿度、风量、日照量、棚内温度、棚内湿度、培养液浓度、培养液量、叶的间苗数量、叶的数量、茎的平均粗细、茎的高度。但是，这里的棚指的是塑料棚。而且，条件数据是栽培果实时对果实有影响的数据，也可以说是与后述的化学数据不同的数据。
另外，在存储部12中，作为化学数据，存储叶的SERS光谱的形状、叶的SERS光谱中的物质α的峰值高度、叶所含的物质α的浓度、果实的SERS光谱的形状、果实的SERS光谱中的物质β的峰值高度、果实所含的物质β的浓度。另外，化学数据也可以说是基于SERS光谱的数据。另外，在图8B、图9B、图10B、图11B中，将叶所含的物质α的浓度简单地表示为物质α的浓度，将果实所含的物质β的浓度简单地表示为物质β的浓度。
而且，这里的SERS光谱的形状相关的数据是存储有SERS光谱的形状本身的数据，在各图中，为了方便，使用字母而示出。另外，SERS光谱中的各物质的峰值高度是表示根据SERS光谱分析的规定的物质的峰值的高度。另外，这里，例如关于叶，说明规定物质α的峰值高度以及规定物质α的浓度存储于存储部12的例子，但也可以将多个物质的峰值高度以及浓度存储于存储部12。同样，关于果实，说明规定物质β的峰值高度以及规定物质β的浓度存储于存储部12的例子，但也可以将多个物质的峰值高度以及浓度存储于存储部12。
而且，在存储部12中，作为状况数据，存储有可收获果实的数量、可收获的果实的平均尺寸(以下，简称作平均尺寸)、尺寸的偏差、收获数量。另外，状况数据是与化学数据不同的数据，并且也可以说是表示果实的状况本身的数据。
而且，关于条件数据以及状况数据，如后述那样，通过由农作业者从通信终端20向服务器10发送实测的数值而存储于存储部12。关于化学数据，通过由农作业者测定SERS光谱并将该SERS光谱向服务器10发送，从而由服务器10分析所发送的SERS光谱而存储于存储部12。
本实施方式的控制部11若接收上述各种数据，则使存储部12存储各种数据。另外，控制部11若从农作业者经由通信终端20接收预测开始信号，则使用存储于存储部12的至少条件数据以及化学数据，进行下式所示的多元回归分析，预测将来的结果。即，控制部11进行利用多个说明变量预测一个目标变量的多元回归分析而预测将来的结果。
[式1]
Figure BDA0003199167960000121
另外，在数式1中，X(ti)是说明变量，Y(t)是目标变量，β(ti)是偏回归系数。而且，控制部11根据说明变量X(ti)与目标变量Y(t)计算偏回归系数β(ti)，并且在说明变量X(ti)变化的情况下预测目标变量Y(t)成为何种值。
例如在经验上生长发育期间的叶的数量对最终的可收获果实的数量有较大影响的情况下，有农作业者希望预测生长发育期间内日后的叶的数量的情况。在该情况下，控制部11若接收用于预测叶的数量的预测开始信号，则在存储有图8A～图8C所示的数据的情况下，将X(t)设为时日、棚外温度、棚外湿度、风量、日照量、棚内温度、棚内湿度、培养液浓度、培养液量、叶的间苗数量、叶的数量、茎的平均粗细、茎的高度、叶的SERS光谱的形状、叶的SERS光谱中的物质α的峰值高度、叶所含的物质α的浓度，将Y(t)设为叶的数量而预测叶的数量。即，控制部11使用条件数据以及化学数据预测叶的数量。
而且，即使在收获期间前，根据果实，在充分地累积了叶、茎的数据的情况下，有时也能够预测日后的可收获果实的数量。在该情况下，控制部11在即使在收获期间前也接收到用于预测可收获果实的数量的预测开始信号时，在存储有图9A～图9C所示的数据的情况下，将X(t)设为时日、棚外温度、棚外湿度、风量、日照量、棚内温度、棚内湿度、培养液浓度、培养液量、叶的间苗数量、叶的数量、茎的平均粗细、茎的高度、叶的SERS光谱的形状、叶的SERS光谱中的物质α的峰值高度、叶所含的物质α的浓度，将Y(t)设为可收获的果实的数量来预测果实的数量。即，控制部11使用条件数据以及化学数据预测可收获的果实的数量。另外，在本实施方式中，可收获果实的数量相当于产量。
而且，农作业者有时希望在收获期间预测日后的可收获的果实的数量。在该情况下，控制部11若接收用于预测可收获果实的数量的预测开始信号，则在存储有图10A～图10C所示的数据的情况下，将X(t)设为时日、棚外温度、棚外湿度、风量、日照量、棚内温度、棚内湿度、培养液浓度、培养液量、叶的间苗数量、叶的数量、茎的平均粗细、茎的高度、叶的SERS光谱的形状、叶的SERS光谱中的物质α的峰值高度、叶所含的物质α的浓度、果实的SERS光谱的形状、果实的SERS光谱中的物质β的峰值高度、果实所含的物质β的浓度，将Y(t)设为可收获的果实的数量来预测果实的数量。即，控制部11使用条件数据以及化学数据预测可收获果实的数量。
另外，控制部11使用的说明变量能够适当变更。例如控制部11在预测可收获果实的数量的情况下，也可以也将预测之前的可收获果实的数量、平均尺寸、尺寸的偏差等作为说明变量而引入。即，控制部11在预测可收获果实的数量的情况下，也可以除了条件数据以及化学数据之外还使用状况数据预测可收获果实的数量。
另外，控制部11在存储有与上一年度的栽培相关的图11A～图11C那样的最终数据的情况下，也可以也使用该数据进行多元回归分析从而预测结果。在该情况下，也可以使用条件数据以及化学数据进行预测，也可以使用条件数据、化学数据以及状况数据进行预测，但无论哪种方法，都由于使用的数据增加而能够提高预测精度。即，在本实施方式中，控制部11通过由农作业者持续地利用本传感检测系统，能够逐渐获得可靠性较高的预测结果。
以上是本实施方式中的传感检测系统的构成。接下来，参照图12，对农作业者利用上述传感检测系统的方法进行说明。
首先，农作业者在步骤S301～步骤S306中进行与上述步骤S101～S106相同的工序。即，农作业者基于加工数据形成检测基板50，使分析对象物60附着于该检测基板50而取得SERS光谱。然后，农作业者将取得的SERS光谱从通信终端20向服务器10发送。由此，在服务器10中，存储与SERS光谱相关的化学数据。
另外，在本实施方式中，农作业者使作为分析对象物60的叶附着于检测基板50而取得SERS光谱。另外，农作业者在结出果实之后，作为分析对象物60使叶以及果实附着于检测基板50而取得SERS光谱。在该情况下，由于存在至少两个分析对象物60，因此在检测基板50上形成至少两个凹凸构造50a。
然后，农作业者在步骤S307中将各条件数据从通信终端20向服务器10发送。即，农作业者从通信终端20向服务器10发送与时日、棚外温度、棚外湿度、风量、日照量、棚内温度、棚内湿度、培养液浓度、培养液量、叶的间苗数量、叶的数量、茎的平均粗细、茎的高度相关的数据。由此，在服务器10中，存储与条件数据相关的数据。
另外，农作业者在步骤S308中将各状况数据从通信终端20向服务器10发送。即，农作业者从通信终端20向服务器10发送与可收获果实的数量、平均尺寸、尺寸的偏差、收获数量相关的数据。由此，在服务器10中，存储与状况数据相关的数据。另外，农作业者在步骤S306中发送SERS光谱的情况下，也可以同时发送在步骤S307中发送的条件数据以及在步骤S308中发送的状况数据。
之后，农作业者根据需要在步骤S309中从通信终端20向服务器10发送预测开始信号。例如如果是生长发育期间，则农作业者发送使得预测日后的叶的数量的预测开始信号。另外，例如如果是收获期间，则农作业者发送使得预测日后的可收获果实的数量的预测开始信号。由此，服务器10使用存储于存储部12的各种数据进行多元回归分析。然后，农作业者在步骤S310中接收预测结果。
由此，农作业者根据接收到的预测结果调整自身可调整的参数。例如农作业者在生长发育期间，在预测到的叶的数量少于希望的叶的数量的情况下，能够执行增多培养液量等促进生长发育的处置。
接下来，参照图13，对上述传感检测系统中的服务器10的控制部11所执行的工作进行说明。
首先，控制部11在步骤S401～S404中进行与上述步骤S201～S204相同的处理。即，控制部11若接收检测基板50以及分析对象物60的数据，则发送加工数据。另外，控制部11若接收SERS光谱，则分析SERS光谱。另外，控制部11在步骤S404中，在本实施方式中分析SERS光谱而将分析结果作为化学数据存储于存储部12，并且也存储SERS光谱的形状本身。
接下来，控制部11在步骤S405中判定是否接收到条件数据。然后，控制部11在判定为接收到条件数据的情况下(即，步骤S405：YES)，在步骤S406中将条件数据存储于存储部12。
另外，控制部11在步骤S407中判定是否接收到状况数据。而且，控制部11在判定为接收到状况数据的情况下(即，步骤S407：YES)，在步骤S408中将状况数据存储于存储部12。
接着，控制部11在步骤S409中判定是否接收到预测开始信号。然后，控制部11在判定为接收到预测开始信号的情况下(即，步骤S409：YES)，在步骤S410中进行使用了存储于存储部12的至少条件数据以及化学数据的多元回归分析而预测，并发送预测结果。例如控制部11在接收到预测日后的叶的数量的预测开始信号的情况下，使用存储于存储部12的条件数据以及化学数据预测叶的数量。另外，例如控制部11在接收到预测日后的可收获果实的数量的预测开始信号的情况下，使用存储部12所记载的条件数据以及化学数据预测可收获的果实的数量。
如以上说明那样，在本实施方式中，使用与SERS光谱相关的化学数据和与化学数据不同的条件数据预测规定期间后的结果。因此，例如与仅利用图像数据预测规定期间后的结果的情况相比，成为也使用了分析对象物60的化学成分的预测，并且在预测中使用的参数增加，因此能够实现预测结果的精度的提高。
另外，在本实施方式中，也与上述第一实施方式相同，农作业者也可以在每次将SERS光谱向服务器10发送时接收化学数据，并由自身始终掌握分析对象物60的浓度等。
(第二实施方式的变形例)
对上述第二实施方式的变形例进行说明。在上述第二实施方式中，列举控制部11预测产量(即，可收获的果实的数量)的例子进行了说明，但也可以预测作为生长发育量的果实的尺寸。另外，虽然没有特别图示，控制部11也可以存储果实发病的数量、发病的比例，预测疾病发生率。
而且，在上述第二实施方式中，说明了使用传感检测系统进行与农作物相关的预测的例子，但也可以预测畜产品、水产品、或者林产品的将来的结果。另外，这里的水产品是指通过养殖而得的水产品。
另外，上述第二实施方式的传感检测系统也可以在预测制造半导体装置、车载部件等工业产品的制造工序的不合格品产生概率时使用。例如假设依次进行第一工序、第二工序、第三工序、第四工序、第五工序而制造规定的工业产品。在该情况下，例如控制部11在预测第一工序的不合格品产生概率的情况下，将第一工序的各种数据作为说明变量，将不合格品产生概率作为目标变量来预测即可。另外，例如控制部11在预测第五工序的不合格品产生概率的情况下，将第一～第五工序的各种数据作为说明变量，将不合格品产生概率作为目标变量来预测即可。另外，在各工序中的各种数据中，例如将温度、湿度等作为条件数据而存储。另外，在各工序中的各种数据中，例如在由于加热工序等产生规定的气体的情况下，将检测基板50暴露于该气体而使气体中所含的细颗粒附着于检测基板50来取得SERS光谱，由此将与该SERS光谱相关的数据作为化学数据而存储。而且，各工序中的不合格品产生概率作为状况数据而存储。在该情况下，状况数据也可以是作为合格品制造的产品的寿命。
而且，上述第二实施方式的传感检测系统也可以在预测车内空间等规定空间内的清洁度时使用，例如可在预测被汽车共享的车辆的车内空间的清洁度时使用。即，在这种情况下，例如将车厢内温度、车厢内湿度、空调温度、空调风量、乘员人数、车厢内图像作为条件数据存储。另外，通过使存在于车内的空间的细颗粒等附着于检测基板50而取得SERS光谱，由此将与该SERS光谱相关的数据作为化学数据存储。而且，控制部11也可以将这些条件数据以及化学数据作为说明变量，将车内的清洁度作为目标变量来预测经过规定期间后的清洁度。但是，在这种情况下，优选的是将测定装置40搭载于车厢内。而且，优选的是预先形成检测基板50，且能够在车厢内立即预测规定期间后的清洁度，该检测基板50形成有与设想存在于车内的细颗粒对应的凹凸构造50a。在该情况下，例如由在前面乘坐的人预测清洁度，由在后面乘坐的人确认预测出的清洁度而决定乘车的时间，从而能够对各乘员提供舒适的环境。
(第三实施方式)
本实施方式相对于第二实施方式，由服务器10的控制部11预测调整方法以成为农作业者的希望状况。关于其他方面，与上述第二实施方式相同，因此这里省略说明。
在本实施方式的存储部12中存储有与上述第二实施方式相同的各种数据。而且，控制部11若从农作业者接收调整开始信号，则使用上述数式1，预测农作业者能够调整的参数的调整方法，以接近农作业者所希望的希望状况。具体而言，控制部11预测农作业者能够调整的条件数据的调整方法。
例如农作业者在上述步骤S310中接收到与日后的平均尺寸相关的预想结果的情况下，若接收到的预想结果与自身希望的平均尺寸不同，则有想要详细掌握用于成为自身希望的平均尺寸的调整方法的情况。
在该情况下，控制部11若接收与平均尺寸相关的调整开始信号，则使用上述各种数据预测用于接近希望状况的调整方法。例如控制部11通过将与上述第二实施方式相同的各种数据存储于存储部12，计算图14所示那样的偏回归系数β(ti)。另外，图14简化表示存储于存储部12的数据，也可以包含状况数据。
而且，例如农作业者在取得的平均尺寸的预想结果比希望的平均尺寸小的情况下，希望掌握增大平均尺寸的调整方法。在该情况下，对农作业者来说，增大偏回归系数β(ti)最大的说明变量X(ti)的值成为最简单的调整方法。因此，控制部11提取农作业者可控制的条件数据中的偏回归系数β(ti)最大的说明变量X(ti)，计算出用于接近农作业者所希望的平均尺寸的说明变量X(ti)的值。例如在图14所示的数据的情况下，偏回归系数β(ti)最大是2，因此控制部11预测作为说明变量X(ti)的培养液量的调整方法而发送调整结果。
另外，例如农作业者在取得的平均尺寸的预想结果比希望的平均尺寸大的情况下，希望掌握减小平均尺寸的调整方法。在该情况下，对农作业者来说，减小偏回归系数β(ti)最小的说明变量X(ti)的值成为最简单的调整方法。因此，控制部11提取农作业者可控制的条件数据中的偏回归系数β(ti)最小的说明变量X(ti)，计算出用于接近农作业者所希望的平均尺寸的说明变量X(ti)的值。例如在图14所示的数据的情况下，偏回归系数β(ti)最小为－0.8，因此控制部11预测作为说明变量X(ti)的叶的间苗数量的调整方法而发送调整结果。
以上是本实施方式中的传感检测系统的构成。接下来，参照图15，对农作业者利用上述传感检测系统的方法进行说明。
首先，农作业者在步骤S501～步骤S510中进行与上述步骤S301～S310相同的工序。然后，农作业者根据需要在步骤S511中从通信终端20向服务器10发送调整开始信号。例如农作业者发送预测为了使日后的平均尺寸成为希望的尺寸所需的调整的调整开始信号。由此，服务器10如上述那样预测存储于存储部12的条件数据中的农作业者可控制的参数的调整方法。然后，农作业者在步骤S512中接收调整结果。由此，农作业者能够明确地掌握用于成为希望状况的详细的调整方法，能够执行用于接近希望状况的栽培。
接下来，参照图16，对上述传感检测系统中的服务器10的控制部11所执行的工作进行说明。
首先，控制部11在步骤S601～S610中进行与上述步骤S401～S410相同的处理。然后，控制部11在步骤S611中判定是否接收到调整开始信号。然后，控制部11在判定为接收到调整开始信号的情况下(即，步骤S611：YES)，在步骤S612中如上述那样预测存储于存储部12的条件数据中的农作业者可控制的参数的调整方法。然后，控制部11发送预测到的调整结果。例如控制部11预测使平均尺寸成为农作业者希望的尺寸所需的调整方法，并发送预测的调整结果。
如以上说明那样，在本实施方式中，预测条件数据中的农作业者可控制的参数的调整方法。因此，农作业者能够基于预测到的调整结果，进行用于接近希望状况的处理。
另外，控制部11在预测调整方法时，根据偏回归系数β(ti)的值提取调整的说明变量X(ti)。然后，偏回归系数β(ti)如在上述第二实施方式中说明那样，至少使用条件数据以及化学数据来计算。因此，例如与仅根据图像数据预测调整方法的情况相比，成为也使用了分析对象物60的化学成分的预测，并且在预测中使用的参数增加，因此能够实现预测结果的精度的提高。
(第三实施方式的变形例)
对上述第三实施方式的变形例进行说明。上述第三实施方式的传感检测系统与上述第二实施方式的变形例相同，也可以适用于畜产品、水产品、或者林产品。另外，上述第三实施方式的传感检测系统也可以适用于与工业产品相关的制造工序，也可以适用于规定空间内的清洁度。
(其他实施方式)
本公开遵照实施方式进行了描述。然而，可理解为本公开并不限定于该实施方式及结构。本公开也包含各种变形例及等效范围内的变形。除此之外，各种组合及方式、进而是在它们之中包含仅一个要素、一个要素以上、或一个要素以下的其他组合及方式也落入本公开的范畴和思想范围内。
例如在上述各实施方式中，说明了服务器10具备具有存储部12的控制部11的例子，但也可以分别具备进行规定的处理的CPU等处理部和存储部12。另外，在存储部12中存储加工数据、分析数据等，但也可以在多个存储部而并非一个存储部中具备各数据。在该情况下，也可以具备多个服务器10。
另外，在上述各实施方式中，加工装置30与测定装置40也可以一体化。据此，能够使在加工装置30以及测定装置40中使用的激光照射部一体化，因此能够实现系统的简化。即，由于能够使加工部31以及测定部41的至少一部分一体化，因此能够实现系统的简化。
而且，在上述各实施方式中，也可以使加工装置30与服务器10电连接，也可以使测定装置40与服务器10电连接。
另外，在上述各实施方式中，在测定装置40中，也可以通过红外分光法检测红外分光光谱。在这种情况下，在存储部12中存储与红外分光光谱相关的加工数据以及分析数据，控制部11使用该分析数据分析红外分光光谱。
另外，在上述各实施方式中，通信终端20也可以分别具备在服务器10与加工装置30之间进行通信的终端、及在服务器10与测定装置40之间进行通信的终端。在该情况下，各通信终端20也可以与加工装置30或者测定装置40一体化地配备。
另外，在上述各实施方式中，从服务器10向通信终端20发送的加工数据、及从测定装置40向通信终端20发送并且从通信终端20向服务器10发送的SERS光谱也可以以规定的加密方式加密。据此，可以使得使用者难以非法利用各数据。
另外，在上述各实施方式中，形成具有凹凸构造50a的检测基板50的方法能够适当变更，也可以如以下那样。例如，首先区别于检测基板50地准备由金、银等构成的金属基板。然后，也可以向金属基板照射激光束而使金属粒子飞散，使飞散的金属粒子堆积于检测基板50，从而形成具有凹凸构造50a的检测基板50。在该情况下，最初准备的检测基板50也可以是玻璃、橡胶片等。而且，也可以通过进行喷砂处理，形成具有凹凸构造50a的检测基板50。
而且，本公开所记载的控制部11及其方法也可以由如下专用计算机实现：该专用计算机通过构成处理器以及存储器来提供，该处理器被编程为执行由计算机程序具体化的一个或多个功能。或者，本公开所记载的控制部11及其方法也可以由通过一个以上的专用硬件逻辑电路构成处理器来提供的专用计算机实现。或者，本公开所记载的控制部11及其方法也可以由一个以上的如下专用计算机实现：该专用计算机由被编程为执行一个或多个功能的处理器以及存储器、与一个以上的硬件逻辑电路所构成的处理器的组合构成。另外，计算机程序也可以作为由计算机执行的指令，存储于计算机可读取的非临时性有形记录介质。

Claims (14)

1.一种数据结构，存储于能够与使用者所使用的通信终端(20)通信的服务器(10)，其特征在于，所述数据结构具备：
加工数据，在使分析对象物(60)附着于形成有凹凸构造(50a)的检测基板(50)的所述凹凸构造而进行分光分析法时使用，与用于在所述检测基板上形成所述凹凸构造的加工条件相关；以及
分析数据，用于根据通过进行所述分光分析法而获得的所述分析对象物的分光光谱分析所述分析对象物，
所述加工数据以及所述分析数据针对多个所述分析对象物分别设定。
2.根据权利要求1所述的数据结构，其特征在于，具备：
化学数据，基于由使用者获得并发送的所述分光光谱；以及
条件数据，与所述化学数据在时期上具有关联，由使用者通过与所述分光光谱不同的方法获得并发送，基于与所述分析对象物相关的条件，
所述化学数据与所述条件数据相互建立了对应。
3.根据权利要求2所述的数据结构，其特征在于，
所述数据结构具备状况数据，该状况数据与所述化学数据在时期上具有关联，由使用者通过与所述分光光谱不同的方法获得并发送，基于与所述分析对象物相关的状况，
所述化学数据、所述条件数据以及所述状况数据相互建立了对应。
4.根据权利要求3所述的数据结构，其特征在于，
所述状况数据是农林水产品的生长发育量、产量、或者疾病发生率、工业产品的寿命、制造工序中的不合格品产生概率、或规定空间内的清洁度。
5.根据权利要求1至4中任一项所述的数据结构，其特征在于，
所述加工数据是与进行表面增强拉曼分光法时的所述凹凸构造相关的数据。
6.一种传感检测系统，在服务器(10)与通信终端(20)之间进行通信，其特征在于，所述传感检测系统具备：
所述服务器，具有存储部(12)和控制部(11)，所述存储部(12)存储规定的数据，所述控制部(11)使用存储于所述存储部的数据进行规定的处理；以及
所述通信终端，由使用者使用，构成为能够与所述服务器进行通信，
在所述存储部中，针对多个所述分析对象物分别存储有加工数据，并且针对多个所述分析对象物分别存储有分析数据，所述加工数据在使分析对象物(60)附着于形成有凹凸构造(50a)的检测基板(50)的所述凹凸构造而进行分光分析法时使用，与用于在所述检测基板上形成所述凹凸构造的加工条件相关，所述分析数据用于根据通过进行所述分光分析法而获得的所述分析对象物的分光光谱分析所述分析对象物，
若从所述通信终端接收请求分析所述分析对象物时所使用的与所述检测基板相关的所述加工数据的信号，则所述控制部选择与构成所述分析对象物以及所述检测基板的材料对应的所述加工数据而向所述通信终端发送，
使用者使用所述加工数据形成形成有所述凹凸构造的所述检测基板，并且使所述分析对象物附着于所述凹凸构造，从所述通信终端发送通过所述分光分析法而获得的所述分光光谱，所述控制部若由此接收到该分光光谱，则使用所述分析数据分析所述分光光谱。
7.根据权利要求6所述的传感检测系统，其特征在于，
所述控制部在每次接收所述分光光谱时，将基于所述分光光谱的化学数据存储于所述存储部，并且在每次接收条件数据时，将该条件数据存储于所述存储部，该条件数据与所述化学数据在时期上具有关联，通过与所述分光光谱不同的方法获得，且与所述分析对象物相关，
所述控制部在将所述化学数据以及所述条件数据存储于所述存储部时相互建立对应地进行存储，
所述控制部若从所述通信终端接收预测开始信号，则基于存储于所述存储部的所述化学数据以及所述条件数据，预测所述分析对象物的规定期间后的状况。
8.根据权利要求7所述的传感检测系统，其特征在于，
所述控制部在每次接收状况数据时，将该状况数据存储于所述存储部，该状况数据与所述化学数据在时期上具有关联，通过与所述分光光谱不同的方法获得，且与所述分析对象物的状况相关，
所述控制部在将所述化学数据、所述条件数据以及所述状况数据存储于所述存储部时相互建立对应地进行存储，
所述控制部若从所述通信终端接收预测开始信号，则基于存储于所述存储部的所述化学数据、所述条件数据以及所述状况数据，预测所述分析对象物的规定期间后的状况。
9.根据权利要求7或8所述的传感检测系统，其特征在于，
所述条件数据中包含所述使用者能够控制的数据，
所述控制部若从所述通信终端接收用于使所述分析对象物的状况成为希望状况的调整开始信号，则为了使规定期间后的所述分析对象物的状况接近所述希望状况而预测所述使用者能够控制的数据的调整方法。
10.根据权利要求7至9中任一项所述的传感检测系统，其特征在于，
所述控制部作为所述分析对象物的规定期间后的状况，预测农林水产品的生长发育量、产量、或者疾病发生率、工业产品的寿命、制造工序中的不合格品产生概率、或规定空间内的清洁度。
11.根据权利要求6至10中任一项所述的传感检测系统，其特征在于，具备：
加工装置(30)，构成为能够与所述通信终端进行通信，若从所述通信终端接收所述加工数据，则基于所述加工数据在所述检测基板上形成所述凹凸构造；以及
测定装置(40)，构成为能够与所述通信终端进行通信，若配置在所述凹凸构造上附着有所述分析对象物的所述检测基板，则通过所述分光分析法取得所述分析对象物的所述分光光谱并向所述通信终端发送。
12.根据权利要求11所述的传感检测系统，其特征在于，
所述加工装置通过照射激光束而在所述检测基板上形成所述凹凸构造。
13.根据权利要求12所述的传感检测系统，其特征在于，
所述加工装置与所述测定装置一体化，
所述测定装置照射所述激光束而进行所述分光分析法。
14.根据权利要求11至13中任一项所述的传感检测系统，其特征在于，
所述服务器能够经由所述通信终端而与所述加工装置以及所述测定装置进行数据的收发。
CN202080012964.1A 2019-02-08 2020-01-30 传感检测系统、用于该传感检测系统的数据结构、以及非临时性存储介质 Active CN113412423B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019021776A JP7205271B2 (ja) 2019-02-08 2019-02-08 センシングシステム
JP2019-021776 2019-02-08
PCT/JP2020/003441 WO2020162321A1 (ja) 2019-02-08 2020-01-30 センシングシステムおよびそれに用いられるデータ構造

Publications (2)

Publication Number Publication Date
CN113412423A true CN113412423A (zh) 2021-09-17
CN113412423B CN113412423B (zh) 2024-04-26

Family

ID=71947009

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080012964.1A Active CN113412423B (zh) 2019-02-08 2020-01-30 传感检测系统、用于该传感检测系统的数据结构、以及非临时性存储介质

Country Status (4)

Country Link
US (1) US20210364443A1 (zh)
JP (1) JP7205271B2 (zh)
CN (1) CN113412423B (zh)
WO (1) WO2020162321A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7544392B2 (ja) * 2021-03-05 2024-09-03 国立研究開発法人農業・食品産業技術総合研究機構 農作物の生産成績を予測する予測モデルの生成方法、生成装置、及び生成プログラム
JP2022136057A (ja) * 2021-03-05 2022-09-15 国立研究開発法人農業・食品産業技術総合研究機構 農作物の生産成績を予測する予測モデルの生成方法、生成装置、及び生成プログラム
JP2022136056A (ja) * 2021-03-05 2022-09-15 国立研究開発法人農業・食品産業技術総合研究機構 農作物の生産成績を予測する予測方法、予測装置、及び予測プログラム

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04506999A (ja) * 1989-07-27 1992-12-03 ミルン，クリストファー　ジョージ 表面改良型ラマン分光システム用装置及び微小基体とそのための製作方法
JP2004070931A (ja) * 2002-06-10 2004-03-04 Masaya Fukui 循環生産における個別情報管理方法および個別情報管理システム
JP2008501982A (ja) * 2004-06-07 2008-01-24 ウェイン エー ワイマー 表面増強ラマン分光（ｓｅｒｓ）用基板表面の製造方法及びシステム、及びそれを用いた装置
CN102072878A (zh) * 2009-11-19 2011-05-25 精工爱普生株式会社 传感器芯片、传感器盒及分析装置
CN102735677A (zh) * 2012-07-13 2012-10-17 湖南大学 一种具有普适性的表面增强拉曼光谱定量分析方法
CN103502799A (zh) * 2010-05-26 2014-01-08 增强型光谱测定技术公司 一种用于检测物质的拉曼光谱和光致发光光谱的装置和方法
JP2015190836A (ja) * 2014-03-28 2015-11-02 学校法人 東洋大学 ラマン分光測定法及びラマン分光測定器
CN105466560A (zh) * 2014-09-30 2016-04-06 精工爱普生株式会社 分光分析装置、以及分光分析装置的校正方法
CN107199397A (zh) * 2016-03-17 2017-09-26 发那科株式会社 机器学习装置、激光加工系统以及机器学习方法
CN107305370A (zh) * 2016-04-25 2017-10-31 发那科株式会社 设定与产品的异常相关的变量的判定值的生产系统
CN107636544A (zh) * 2015-06-19 2018-01-26 富士机械制造株式会社 制造系统及制造系统的控制方法
JP2018180708A (ja) * 2017-04-06 2018-11-15 株式会社デンソーウェーブ 管理システム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201126148A (en) * 2010-01-26 2011-08-01 Ind Tech Res Inst Method and system for Raman detection
JP6134975B2 (ja) * 2013-04-08 2017-05-31 富士フイルム株式会社 測定用デバイス、測定装置および方法
WO2020237055A1 (en) * 2019-05-21 2020-11-26 Ohio State Innovation Foundation Portable spectrometer system and methods for determining nutritional and quality traits

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04506999A (ja) * 1989-07-27 1992-12-03 ミルン，クリストファー　ジョージ 表面改良型ラマン分光システム用装置及び微小基体とそのための製作方法
JP2004070931A (ja) * 2002-06-10 2004-03-04 Masaya Fukui 循環生産における個別情報管理方法および個別情報管理システム
JP2008501982A (ja) * 2004-06-07 2008-01-24 ウェイン エー ワイマー 表面増強ラマン分光（ｓｅｒｓ）用基板表面の製造方法及びシステム、及びそれを用いた装置
CN102072878A (zh) * 2009-11-19 2011-05-25 精工爱普生株式会社 传感器芯片、传感器盒及分析装置
CN103502799A (zh) * 2010-05-26 2014-01-08 增强型光谱测定技术公司 一种用于检测物质的拉曼光谱和光致发光光谱的装置和方法
CN102735677A (zh) * 2012-07-13 2012-10-17 湖南大学 一种具有普适性的表面增强拉曼光谱定量分析方法
JP2015190836A (ja) * 2014-03-28 2015-11-02 学校法人 東洋大学 ラマン分光測定法及びラマン分光測定器
CN105466560A (zh) * 2014-09-30 2016-04-06 精工爱普生株式会社 分光分析装置、以及分光分析装置的校正方法
CN107636544A (zh) * 2015-06-19 2018-01-26 富士机械制造株式会社 制造系统及制造系统的控制方法
CN107199397A (zh) * 2016-03-17 2017-09-26 发那科株式会社 机器学习装置、激光加工系统以及机器学习方法
CN107305370A (zh) * 2016-04-25 2017-10-31 发那科株式会社 设定与产品的异常相关的变量的判定值的生产系统
JP2018180708A (ja) * 2017-04-06 2018-11-15 株式会社デンソーウェーブ 管理システム

Also Published As

Publication number Publication date
JP7205271B2 (ja) 2023-01-17
WO2020162321A1 (ja) 2020-08-13
US20210364443A1 (en) 2021-11-25
CN113412423B (zh) 2024-04-26
JP2020128927A (ja) 2020-08-27

Similar Documents

Publication Publication Date Title
CN113412423B (zh) 传感检测系统、用于该传感检测系统的数据结构、以及非临时性存储介质
Li et al. Investigation of nonlinear relationship of surface enhanced Raman scattering signal for robust prediction of thiabendazole in apple
Blanco et al. NIR spectroscopy: a rapid-response analytical tool
Agelet et al. A tutorial on near infrared spectroscopy and its calibration
Sindhu et al. Nondestructive testing methods for pesticide residue in food commodities: A review
EP1525534B1 (en) Method of predicting a value of a property of interest using NIR spectroscopy
EP3495800B1 (de) Vorrichtung und verfahren zum analysieren eines stoffs
Boldrini et al. Hyperspectral imaging: a review of best practice, performance and pitfalls for in-line and on-line applications
McGoverin et al. Raman spectroscopic quantification of milk powder constituents
Kimuli et al. Application of SWIR hyperspectral imaging and chemometrics for identification of aflatoxin B1 contaminated maize kernels
DE102018103509B3 (de) Mobiles Inhaltsstoffanalysesystem sowie Verfahren zur probenrichtigen Messung und Nutzerführung mit diesem
McMullin et al. Advancements in IR spectroscopic approaches for the determination of fungal derived contaminations in food crops
Fan et al. Individual wheat kernels vigor assessment based on NIR spectroscopy coupled with machine learning methodologies
Rady et al. Near-infrared spectroscopy and hyperspectral imaging for sugar content evaluation in potatoes over multiple growing seasons
WO2013043947A1 (en) Chemometrics for near infrared spectral analysis
EP3537119A1 (de) Analyse einer speise
Hennessy et al. Attempted confirmation of the provenance of Corsican PDO honey using FT-IR spectroscopy and multivariate data analysis
US20170074788A1 (en) Spectroscopy method and system
Risius et al. In-line estimation of falling number using near-infrared diffuse reflectance spectroscopy on a combine harvester
CA2299098C (en) Method and apparatus for estimating quality of grains
Guo et al. Flexible Au@ AgNRs/MAA/PDMS-based SERS sensor coupled with intelligent algorithms for in-situ detection of thiram on apple
Aheto et al. Fabrication and evaluation of chitosan modified filter paper for chlorpyrifos detection in wheat by surface‐enhanced Raman spectroscopy
Kos et al. Optimisation of a sample preparation procedure for the screening of fungal infection and assessment of deoxynivalenol content in maize using mid-infrared attenuated total reflection spectroscopy
Checa et al. Preliminary study of the relation between the content of cadmium and the hyperspectral signature of organic cocoa beans
Aheto et al. Activated carbon@ silver nanoparticles conjugates as SERS substrate for capturing malathion analyte molecules for SERS detection

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant