JP2001293021A

JP2001293021A - 排泄の検出方法とその装置

Info

Publication number: JP2001293021A
Application number: JP2000109609A
Authority: JP
Inventors: Takayuki Tsuji; 隆之辻; Satoshi Mori; 敏森; Akira Kato; 陽加藤; Tomohiro Kawaguchi; 智博河口; Yasuhiro Setoguchi; 泰弘瀬戸口; Tatsuya Funai; 達也船井
Original assignee: FOUR LEAVES KK; Figaro Engineering Inc
Current assignee: FOUR LEAVES KK; Figaro Engineering Inc
Priority date: 2000-04-11
Filing date: 2000-04-11
Publication date: 2001-10-23

Abstract

(57)【要約】【構成】おむつカバー２からの空気（内気）と外気と
を交互にガスセンサ４に導き、内外気でのセンサ信号の
時系列をニューラルネットで処理し、排便と排尿を検出
する。検出結果をおむつ交換時にチェックし、ネットを
成長させる。【効果】排尿を排便を区別して検出でき、かつガスセ
ンサの疲労が生じない。また個人差を学習で克服でき
る。

Description

【発明の詳細な説明】

【０００１】

【発明の利用分野】この発明は排泄の検出に関する。

【０００２】

【従来技術】発明者らは、おむつ内の雰囲気を吸引して
ガスセンサに導き、排泄を検出することを研究してい
る。この過程で、排便時と排尿時とでは信号の幅が異な
ることを見出した（特開平１０−１９２３２４）。しか
しながら排泄の検出には不正確さが残り、特に被看護者
の個人差により検出が困難な場合が生じた。

【０００３】

【発明の課題】この発明の課題は、被看護者の個人差に
よらずに、排泄を正確に検出することにある（請求項１
〜６）。この発明の副次的課題は、排泄の検出に伴うガ
スセンサの疲労を防止し、同時に排泄の検出用の情報量
を増すことにある（請求項２，４）。

【０００４】

【発明の構成】この発明は、被看護者のベッド内の雰囲
気に、ガスセンサをさらして、排泄を検出する方法にお
いて、前記ガスセンサからデータを得て、学習可能な情
報処理装置で分析して排泄を検出し、検出結果を実際の
排泄の状況と比較して、前記情報処理装置を学習させる
ことを特徴とする。データには、例えばガスセンサの信
号の時系列データ、ガスセンサを温度変化させた際の複
数の温度でのセンサ信号の組み合わせ（直積）からなる
温度スペクトル、複数個のガスセンサあるいはガス感応
体からのセンサ信号の組み合わせ、等を用いる。好まし
くは、ガスセンサを、前記のベッド内の雰囲気とそれ以
外の雰囲気とに交互にさらして、ベッド内雰囲気でのガ
スセンサ信号と、それ以外の雰囲気でのガスセンサ信号
との時系列データを、前記のデータとして、情報処理装
置で分析する。

【０００５】またこの発明は、被看護者のベッド内の雰
囲気にガスセンサをさらして、排泄を検出する装置にお
いて、前記ガスセンサからデータを得て、学習可能な情
報処理装置で分析して排泄を検出し、検出結果を実際の
排泄の状況と比較して、前記情報処理装置を学習させる
ようにしたことを特徴とする。データには、例えばガス
センサの信号の時系列データ、ガスセンサを温度変化さ
せた際の複数の温度でのセンサ信号の組み合わせ（直
積）からなる温度スペクトル、複数個のガスセンサある
いはガス感応体からのセンサ信号の組み合わせ、等を用
いる。好ましくは、ガスセンサを、前記のベッド内の雰
囲気とそれ以外の雰囲気とに交互にさらして、ベッド内
雰囲気でのガスセンサ信号と、それ以外の雰囲気でのガ
スセンサ信号との時系列データを、前記のデータとし
て、情報処理装置で分析させる。

【０００６】好ましくは、前記ガスセンサにヒータを設
けて、ガスセンサの温度を周期的に変化させて、この温
度変化に伴うガスセンサの信号波形を前記のデータとし
て、前記の情報処理装置で分析する。特に好ましくは、
前記の温度変化に伴うガスセンサの信号波形の時系列デ
ータを、前記の情報処理装置で分析する。

【０００７】

【発明の作用と効果】この発明では、ガスセンサから得
たデータで排泄を検出し、おむつの交換時等に排泄の状
況を介護者等がチェックして、情報処理装置を学習させ
る。このため、被看護者の個人差によらずに、排泄を正
確に検出できる（請求項１，３）。またガスセンサをベ
ッド内の雰囲気とそれ以外の雰囲気とに交互にさらす
と、ガスセンサの疲労を防止でき、またベッド内の雰囲
気とそれ以外の雰囲気とで２つのデータが得られるの
で、情報量が増し、排泄の検出が容易になる（請求項
２，４）。

【０００８】ガスセンサの温度を周期的に変化させて、
温度変化に伴う信号波形を情報処理装置で分析させる
と、排泄の有無による信号波形の差から排泄を検出で
き、この検出をおむつの交換時等の教師信号で学習でき
る（請求項５）。ここで温度変化に伴う信号波形の時系
列データを用いると、特に情報量が増す（請求項６）。
ここでさらに、雰囲気をベッド内雰囲気とそれ以外とに
周期的に切り替えながら、ガスセンサを温度変化させ
て、温度波形の時系列データを用いると、情報量が豊か
で、排尿と排便とを識別して検出できる。

【０００９】

【実施例】最初に用語等を説明すると、被看護者の「ベ
ッド内の雰囲気」は、好ましくはおむつ内の雰囲気と
し、これ以外にお尻や腰等に対応する位置でのベッド内
の毛布や布団の内側の雰囲気などを意味する。ベッド内
の雰囲気を以下「内気」と呼び、それ以外の雰囲気を
「外気」と呼ぶ。外気はベッド外などからサンプリング
した室内の空気などでも良く、あるいはオゾン脱臭機や
活性炭脱臭器、光触媒脱臭器などで浄化した空気でも良
く、この場合おむつ内の雰囲気を脱臭して外気としても
良い。データには、例えばガスセンサの信号の時系列デ
ータ、ガスセンサを温度変化させた際の複数の温度での
センサ信号の組み合わせ（直積）からなる温度スペクト
ル、複数個のガスセンサあるいはガス感応体からのセン
サ信号の組み合わせ、等を用いる。

【００１０】雰囲気の切り替え周期は、１周期を例えば
１０秒〜１０分とし、内気に触れる割合と外気に触れる
割合は、例えば内：外が２：１〜１：１０程度とする。
ガスセンサの信号は臭いで増加するものとし、信号を表
す電圧などの大小とは、大小が逆になる場合がある。ガ
スセンサは、排便への感度を増すため周期的に温度変化
させることが好ましく、特にパルス的に短時間（１ｍ秒
〜１０秒）加熱し、パルス加熱時間の１０倍以上の時
間、電力を加えないで放冷することが好ましい。

【００１１】図１〜図１１に、実施例とその変形とを示
す。図１に実施例の排泄検出装置のブロック構成を示す
と、２はおむつカバーで、その内部におむつパットを取
り付けて、寝たきりの被看護者等に着用させるものとす
る。おむつカバー２を介しておむつの臭いを吸引するこ
とに替えて、捕集バッグ３等をベッド内のお尻や腰等に
対応する位置に配置し、多孔性の捕集バッグ３から雰囲
気を吸引するようにしても良い。

【００１２】４はガスセンサで、ここでは金属酸化物半
導体をヒータで加熱させるようにしたガスセンサを用い
る。但しこのようなガスセンサに替えて、気体吸着性の
ポリマーを水晶振動子等の表面に設けて、臭い分子の吸
着による重量変化を検出するようにしたセンサ等でも良
い。６はバルブで、８は吸引ポンプで、１０はチューブ
であり、バルブ６の向きを切り替えることにより、おむ
つ内の雰囲気とそれ以外の雰囲気（ここでは室内空気）
とを例えば１分毎に２分周期で切り替えて吸引する。

【００１３】１２はマイクロコンピュータで、１４はＡ
Ｄコンバータで、１６はバルブ６を操作するためのタイ
マで、その信号をTimer信号とする。１８は内気時系列
信号記憶部で、内気中でのガスセンサ信号の時系列を記
憶し、サンプリング毎に記憶内容を更新する。２０は外
気時系列信号記億部で、外気中でのガスセンサ信号の時
系列を記憶し、サンプリング毎に記憶内容を更新する。
２２は候補時系列信号記憶部で、ニューラルネットが排
便あり、排尿あり、あるいはいずれもないと判断した際
の、ガスセンサ信号の時系列を記憶する。記憶部２２で
の記憶は「排便あり」を優先し、「排便あり」とニュー
ラルネットが出力している間に、ニューラルネットに入
力された時系列データを記憶する。また「排尿ありで排
便無し」との判断であれば、排尿ありと出力されている
期間にニューラルネットに入力された時系列データを記
憶する。いずれもないとの判断であれば、入力された時
系列で排便に紛らわしい時系列データを記憶する。２４
はＦＦＴ（高速フーリエ変換部）で、ガスセンサの温度
変化に伴う信号波形を用いる際に使用する。

【００１４】２６はニューラルネットで、略称をＡＮＮ
とし、例えば３層のバックプロパゲーション型のネット
ワークで、ガスセンサ４の信号の内気の時系列データと
外気の時系列データとを入力する。２８は外部出力で、
排便，排尿、および排泄による室内空気の汚染予測への
空調の要求の、３種の信号を外部に出力する。これらの
信号はケーブルあるいは赤外線通信等で出力し、例えば
排便や排尿はＬＥＤ等で表示し、空調要求信号は、換気
扇や脱臭器等が室内に備えられている場合に、それらを
駆動する。

【００１５】３０は教師信号の入力部で、排便あり、排
尿あり、いずれも無しの３種の信号を入力できる。そし
て排便の信号は排尿の信号に優先し、排便信号と排尿信
号とを共に入力すると、排尿信号は無視される。３２は
標準学習データの記憶部で、出荷前に記憶させた固定の
標準データで、代表的な排便時や排尿時の時系列データ
を記憶している。おむつの交換時に教師信号が入力され
ると、ＡＮＮ２６は候補信号と標準学習データとを用い
て再学習する。

【００１６】図１の実施例では、外気として室内空気を
用いたが、何らかの手法でおむつ内の空気を浄化し、こ
れを外気として用いても良い。図２および図３にこのよ
うな例を示す。図２において４０はオゾン脱臭機で、こ
れ以外の脱臭器でも良く、マイクロコンピュータ１２か
らのTimer信号により、例えば１分毎にオゾン脱臭機４
０をオン／オフする。オゾン脱臭機４０をオンしている
際のガスセンサの信号を、外気での信号と見なせばよ
い。

【００１７】図３の変形例では、４２は活性炭脱臭器
で、これに代えて光触媒脱臭器等を用いても良く、オゾ
ン脱臭機４０との違いは、オン／オフ制御には余り適し
ていない点にある。図３において、７は新たなバルブ
で、マイクロコンピュータ１２からのTimer信号で、バ
ルブ６，７を駆動する。そして活性炭脱臭器４２をバイ
パスして、おむつ内の雰囲気をガスセンサ４へ導くこと
と、活性炭脱臭器４２で浄化したおむつ内の雰囲気をガ
スセンサ４へ導くこと、とを交互に行う。

【００１８】ここで数値的な条件の例を説明すると、雰
囲気の切替周期は、内気にさらす時間と外気にさらす時
間の合計を１周期として、例えば１０秒〜１０分とし、
好ましくは３０秒〜５分とし、実施例では各１分の２分
周期とする。また内気に触れる割合と外気に触れる割合
とは、外気に触れる割合が大きいほどガスセンサ４の疲
労が少ないので、内気に触れる割合と外気に触れる割合
との比を例えば２：１〜１：１０程度とし、好ましくは
１：１〜１：３程度とする。図４に、内気／外気の切り
替えと、これに伴うセンサ信号とを示し、内気／外気と
も雰囲気の切り換え直前の信号をサンプリングする。排
尿時は主として内気の信号が増加し、信号増加後の減衰
は比較的速い。排便時は内気／外気ともにセンサ信号が
増加し、信号増加後の減衰は遅い場合が多い。

【００１９】ガスセンサ４は、アルミナ等の基板にヒー
タ膜と絶縁膜とを積層し、この上部にＳｎＯ2等の金属
酸化物半導体膜を設けたものを用いた。このガスセンサ
は、１周期１秒〜６０秒（実施例では１秒）程度で動作
し、各周期の最初の１０ｍ秒〜１秒（実施例では１４ｍ
秒）パルス的にヒータをオンして、金属酸化物半導体を
最高温度３００〜４００℃程度に加熱する。そして例え
ば、次のパルス加熱直前のガスセンサ信号を用いる。な
おガスセンサ４の種類や構造は任意である。

【００２０】図５に、ニューラルネット２６の学習アル
ゴリズムを示す。内気でのセンサ信号、外気でのセンサ
信号が、それぞれ２分ごとにサンプリングされ、これら
の時系列データをニューラルネット２６に入力して、排
便と排尿、いずれも無いの３状態を識別する。排便あり
と判断された場合、その時点でニューラルネットに入力
したデータの時系列を、候補信号記憶部２２に記憶し、
排尿ありと判断された場合も同様に、入力した時系列デ
ータを記憶する。排便も排尿も無いとされた場合、記憶
部２２に記憶した信号（排尿も排便も無いとされた場合
のもの）と、今回の時系列データとの、いずれが排便に
紛らわしいかを比較し、紛らわしい側を候補信号として
記憶する。例えば外気での信号の値が大きく、増加から
定常値に移行したことが、紛らわしさの指標である。

【００２１】排便や排尿を検出した場合、外部出力２８
から出力して、介護者に表示し、同時に換気扇や脱臭機
等を駆動する。おむつの交換が行われると、介護者には
排便の有無や排尿の有無が明らかになる。そこで教師信
号入力３０から排便／排尿／無しを入力し、これに対し
て記憶した候補データと標準学習データとを用いてニュ
ーラルネットを再学習させる。ただし標準学習データは
用いなくても良い。

【００２２】図６に、内外気の切り替えにガスセンサの
温度波形を付加した変形例での、センサ信号を示す。雰
囲気は、図６の1)のように、内気と外気とに例えば１周
期２分の各１分で切り替えられ、ガスセンサのヒータ
は、2)のように雰囲気の切り替えの２倍の周波数で切り
替えられる。そして雰囲気の切り替えと、ヒータのオン
／オフとの２種類の周期的刺激に対する、センサの応答
波形を観察する。観察した波形は例えばフーリエ変換
し、フーリエスペクトルの時系列データとして、ニュー
ラルネット２６に入力する。この変形例では、温度変化
に伴うスペクトルの時系列データを用いることにより情
報量が増加し、排尿と排便の識別がより容易になる。

【００２３】図７〜図９に、２４時間の内気と外気とで
のセンサ信号の変化を示す。使用したガスセンサは前記
のパルス加熱センサで、駆動条件は前記のものとした。
ニューラルネットには内気での時系列と外気での時系列
を入力し、温度波形は用いなかった。内気や外気でのセ
ンサ信号のサンプリングは、雰囲気の切り替え直前に行
った。図中の「尿パット交換」等は尿パットを交換した
ことを示し、「＋２７０ｇ」等の数量は尿パットの重量
増である。

【００２４】排尿は内気でのデータにピークが生じるこ
とから検出でき、排便は内気／外気ともセンサ信号が増
加することから検出できる。しかし排尿と排便には紛ら
わしいデータがあり、排尿や排便への信号波形は被看護
者の体調や服用している薬等による個人差がある。これ
らをニューラルネット２６で被看護者毎の信号波形（セ
ンサ信号の時系列データ）で学習して解決する。

【００２５】図７の時刻７時３０分付近から排便があ
り、ここからおむつ交換までの間、ネット２６は排便を
出力し続けるので、この間の複数の排便の候補データが
記憶される。おむつ交換時に教師信号によりこれが正し
いデータであったことが判明し、これらの全数、あるい
は先頭の１個の時系列データを、学習用のデータとす
る。例えば出力上で排便を１回検出すると、実際には、
おむつの交換までに多数回繰り返して排便を検出してい
ることになる。学習に用いる時系列データは、最初に排
便や排尿の検出が行われた時点のものも少なくとも含
め、これは次の排便の検出や排尿の検出を速める効果が
ある。

【００２６】内気／外気ともセンサ信号が高い時期は、
図８の時刻１１時頃にもあるが、これは内気／外気とも
センサ信号が減少するパターンで、排便とは明瞭に区別
できる。図９の時刻２０時４０分頃等に排尿のピークあ
り、特徴は内気でのセンサ信号が急増し、外気でのセン
サ信号は不変または微増であることである。ニューラル
ネット２６はこれらの時系列データの特徴から、排便と
排尿とを検出し、教師信号により学習して、被看護者の
個人差を吸収する。

【００２７】使用するガスセンサは、ヒータを設ける場
合、パルス的に加熱し、他は室温に放冷するものが好ま
しい。これは、ガスセンサの温度を一定に保つと、排便
時に外気での信号が増加するとの特徴が失われ、排尿と
排便の識別が難しくなるからである。内気にガスセンサ
を連続してさらすと、ガスセンサの疲労が見られた。こ
の疲労はパルス加熱型のガスセンサで著しく、４００℃
等の一定温度に加熱するガスセンサでは余り顕著でなか
った。

【００２８】図１０，図１１はパルス加熱型ガスセンサ
での動作波形を示し、疲労の顕著な例である。図１１は
図１０の２４時間後の波形を示し、この間連続して内気
のみを吸引した。図１０ではガスセンサ信号のベースラ
インは１Ｖ付近にあり、図１１では大量の排便後におむ
つを交換しても、数時間に渡ってガスセンサ信号は４Ｖ
付近に張り付いたままで、検出が不可能になった。この
ような現象をガスセンサの疲労と呼ぶ。図７〜図９に戻
り、内気と外気とを交互にガスセンサ４に接触させる
と、ガスセンサの疲労が生じなかった。

【００２９】図１２，内気と外気とに対して、排泄が無
い際のセンサ信号に対応する基準値を求めて、これに適
当な感度を加算或いは乗算して、排泄を検出し、その結
果が正しいか否かを学習して感度を変更する変形例を示
す。図において、５０は新たなマイクロコンピュータ
で、１４はＡＤコンバータ、２８は前記の外部出力、３
０は前記の教師信号入力部である。５２は内気基準値記
憶部、５４は外気基準値記憶部、５６は内気感度記憶
部、５８は外気感度記憶部である。内気や外気の基準値
は、これらの雰囲気でのセンサの出力の内で、統計的に
見て小さな値を用い、例えば前回の基準値からの差や比
が所定の範囲内で、内気の信号と外気の信号が所定の範
囲内の場合に、内気や外気の基準値とする。前回の基準
値からの差や比が所定の範囲内であることは、間接的に
内気や外気でのセンサ信号が相対的に小さいことを意味
する。またセンサ信号Ｓは、例えば１分ごとに内気／外
気を切り替えて用いる。感度は、基準値からのマージン
で、基準値×マージン、或いは基準値＋マージンが検出
のしきい値となり、例えば排尿用のしきい値（内気の
み）と排便用のしきい値（内気と外気の双方でアンド論
理）がある。

【００３０】検出結果は外部出力２８から出力され、実
際の状態は教師入力３０からフィードバックされ、正解
率は統計的に処理され、排尿見逃し率大で内気への排尿
への感度を変更してマージンを削減し、排尿誤報率大で
内気への排尿への感度を変更してマージンを増す。排便
見逃し率大で内気と外気の排便への感度を共に変更して
マージンを削減し、排便誤報率大で内気と外気の排便へ
の感度を変更してマージンを増す。このようにすれば、
簡単なアルゴリズムで、排尿や排便への感度を学習でき
る。

【００３１】実施例は特定の例について示したが、これ
らに限るものではない。特にガスセンサの材料や構造等
は任意であり、連続加熱型よりも、金属酸化物半導体を
温度変化させるガスセンサが好ましく、さらに金属酸化
物半導体ガスセンサをパルス加熱するものが最も好まし
い。実施例では金属酸化物半導体ガスセンサを用いた
が、水晶振動子の表面に硫化水素系のガスを吸着するた
めのポリマーフィルムを設けた水晶振動子センサ等でも
良い。またガスセンサを２個以上組み合わせて用いても
良い。またチューブ１０の材質等は任意であり、雰囲気
を直接おむつ内から吸引するか、おむつの周囲のベッド
内の空気を吸引するか等は任意である。内気と外気とを
周期的にサンプリングすることに変えて、常時外気をガ
スセンサへ送り、間欠的に内気を外気に混合してガスセ
ンサへ導いても良い。「内気と外気とを交互」には、例
えば内気と外気とを混合してガスセンサへ導き、混合率
を周期的に変えるものなども含まれる。

【００３２】ニューラルネットを用いた例を示したが、
これに変えて正準分析や判別分析等でも良く、分析や学
習の対象はセンサ信号の時系列データや温度波形デー
タ、あるいは温度波形の時間的変化を示す時系列データ
等とする。実施例ではガスセンサ４の疲労の防止と、デ
ータ量の増加のために雰囲気の変更を用いたが、雰囲気
を内気のみに固定しても良い。その場合、ガスセンサ４
の動作温度を高めて疲労を防止することが好ましい。

【図面の簡単な説明】

【図１】実施例の配置を示すブロック図

【図２】第１の変形例の要部ブロック図

【図３】第２の変形例の要部ブロック図

【図４】実施例での、ガスセンサへの導入雰囲気の
切り替え1)とセンサ信号2)とを示す波形図

【図５】実施例でのＡＮＮ（ニューラルネット）の
学習アルゴリズムを示すフローチャート

【図６】変形例でのガスセンサへの導入雰囲気の切
り替え1)と温度変化2)とセンサ信号3)とを示す波形図

【図７】８時間分の内気／外気での波形を示す特性
図

【図８】図７に続く８時間の波形を示す特性図

【図９】図８に続く８時間の波形を示す特性図

【図１０】ガスセンサを内気のみにさらした際の波形
を示す特性図

【図１１】図１０から２４時間後の波形を示す特性図

【図１２】内気と外気の信号から排泄が無い場合の信
号に対応する基準値を求め、検出結果から基準値に対す
る感度を学習するようにした変形例のブロック図

【符号の説明】

２おむつカバー３捕集バッグ４ガスセンサ６，７バルブ８吸引ポンプ１０チューブ１２マイクロコンピュータ１４ＡＤコンバータ１６タイマ１８内気時系列信号記憶部２０外気時系列信号記憶部２２候補時系列信号記憶部２４ＦＦＴ２６ニューラルネット２８外部出力３０教師信号入力部３２標準学習データ記憶部４０オゾン脱臭機４２活性炭脱臭器

───────────────────────────────────────────────────── フロントページの続き (72)発明者加藤陽箕面市船場西１丁目５番３号フィガロ技研株式会社内 (72)発明者河口智博箕面市船場西１丁目５番３号フィガロ技研株式会社内 (72)発明者瀬戸口泰弘箕面市船場西１丁目５番３号フィガロ技研株式会社内 (72)発明者船井達也箕面市石丸３丁目16番４号フォーリーブス株式会社内Ｆターム(参考） 2G046 AA34 BA01 BA09 BB02 BB04 BE03 EA02 EA04 EA08 FB02 FE03 FE39 4C098 AA09 CD07

Claims

【特許請求の範囲】

【請求項１】被看護者のベッド内の雰囲気に、ガスセ
ンサをさらして、排泄を検出する方法において、前記ガスセンサからデータを得て、学習可能な情報処理
装置で分析して排泄を検出し、検出結果を実際の排泄の
状況と比較して、前記情報処理装置を学習させることを
特徴とする、排泄検出方法。
【請求項２】ガスセンサを、前記のベッド内の雰囲気
とそれ以外の雰囲気とに交互にさらして、ベッド内雰囲
気でのガスセンサ信号と、それ以外の雰囲気でのガスセ
ンサ信号との時系列データを、前記のデータとして、情
報処理装置で分析することを特徴とする、請求項１の排
泄検出方法。
【請求項３】被看護者のベッド内の雰囲気にガスセン
サをさらして、排泄を検出する装置において、前記ガスセンサからデータを得て、学習可能な情報処理
装置で分析して排泄を検出し、検出結果を実際の排泄の
状況と比較して、前記情報処理装置を学習させるように
したことを特徴とする、排泄検出装置。
【請求項４】ガスセンサを、前記のベッド内の雰囲気
とそれ以外の雰囲気とに交互にさらして、ベッド内雰囲
気でのガスセンサ信号と、それ以外の雰囲気でのガスセ
ンサ信号との時系列データを、前記のデータとして、情
報処理装置で分析させることを特徴とする、請求項３の
排泄検出装置。
【請求項５】前記ガスセンサにヒータを設けて、ガス
センサの温度を周期的に変化させて、この温度変化に伴
うガスセンサの信号波形を前記のデータとして、前記の
情報処理装置で分析することを特徴とする、請求項３ま
たは４の排泄検出装置。
【請求項６】前記の温度変化に伴うガスセンサの信号
波形の時系列データを、前記の情報処理装置で分析する
ことを特徴とする、請求項５の排泄検出装置。