JP2005241642A - 匂いの強度の測定 - Google Patents

Abstract

【課題】 本発明は、調整可能な（形態化可能な）スケールを使用する匂いの強度の定量測定、換言すると、研究中の匂いの性質に関係なく適用できる（少なくともある程度まで）測定スケールを提供するための方法及びシステムを提供することを目的とする。
【解決手段】 匂いの強度は、その匂いに対する匂いの検出装置の反応は何かを決定して、その後、選択された参照の匂いのセットに関する変形データに基づいた匂いの強度値へ反応データを変形することによって定量化できる。変形データは、知覚のパネルによって参照の匂いのセットに割り当てられた匂いの強度値が参照化合物の濃度にどのように依存するかを示す官能データを含んで、参照の匂いのセットに曝された場合に匂いの検出装置の反応データが参照化合物の濃度にどのように依存するかを示すデータを含んでいる。参照の匂いは、匂いが定義できる、多次元のスペースの大きさを定義する基本的な匂いである。
【選択図】 図３

Description

本発明は、匂いを分析する分野に関し、より詳細には、匂いの強度の定量的な測定を提供するための方法及びシステムに関する。

匂いの感覚は、嗅覚システムでの揮発性の化学物質の相互作用に起因する。広範囲な研究は匂いの様々な様相：匂いの知覚、匂いの源、産出物などの濃度と匂いの相関性に関して行なわれた。本発明を理解するために、匂いに関して行なわれたある研究が下記に記載される。

多くの研究は、顕著に、いくつかの産出の匂いと、それらが構成される化学物質との関係を調査することによって、匂いを質的に分析するように行われてきた。特に、それらの器官感覚受容性の特性に関して匂いを分類するためのシステムを確立することがなされてきた。

アンドリュードラビニクス（Andrew Dravnieks）は、幾らかの分子に関係のある匂いの特有の特性についての研究を行った。１２０乃至１４０人の判断パネルは、１４６の可能な意味ある表現のセット（例えば、花、木質など）から選択された、ある記述的な用語に関して分子の匂いの特性を評価した。その結果は、与えられた化合物の匂いが“花に似た”程度を示し、“木質の”程度などを示す。例えば、非特許文献１参照。

非特許文献１に近似のアプローチを使用して、ジョーベルト（Jaubert）等は、１４００の分子の匂いを放つ特性が分析されるようにアレンジされた（例えば、非特許文献２参照）。それらの試験において、６５０の異なる意味のある表現は、１４００の分子の匂いについて描写するために使用された。しかしながら、１３５の基本的な意味のある表現が、すべての分子の特徴をカバーし得ることが分かった。試験された分子の構造及びそれぞれの匂いに割り当てられた特徴を分析することによって、ジョーベルトは、匂いを分類するために使用され得る４２の参照の匂いを識別できた。

ジョーベルトは、参照極を構成する６つの化合物のまわりのこれらの４２の匂いの分配によって匂いのマッピングができ得る匂いの空間の三次元の表現を確立することができた。６つの参照極は、下記の表１で示される。

異なる匂いを表わすことができる多次元の匂いの空間を決めるように他の試みがなされた。例えば、ワインとビールの匂いを表わすために、環状構造は、Ａ．Ｃ．ノーブル（A.C. Noble）及びモルテン メイルガード（Morten Meilgaard）によってそれぞれ提案され、１７次元の匂いの空間は、ＭＡジェルテマ（MA Jeltema）及びＥＷサウスウィック（EW Southwick）によって決定された（例えば、非特許文献３参照）、等。

上記の研究は、分析器機の使用により匂いの強度の定量測定を決定する方法の問題に取り組んでいない。しかしながら、匂いの強度の定量測定を決定できることが有用であり得る、多くの応用がある。例えば、食料又は飲料で品質管理を実行する場合、製品によって発された匂いの強度として一定のレベルを維持することが望まれる。定量値を匂いの強度に帰することができる場合、匂いの不変性又は変わりやすさがモニターすることができる。代わりに、異なる適用において製品の適切なパッケージを評価する場合、匂いの強度を測定できることは有用であり、例えば、それは、コーヒーの芳香を保存するために豆を挽いたコーヒーをどのようにパッケージするのが最良であるかを決定する場合であるか、又は匂いの発散が最小であるパッケージ材料を探し求める場合である。

匂いの強度を測定できることが有用な別の適用は、環境をモニターする分野である。工場のような環境上の建造物は、迷惑となる臭いを生み出す可能性がある。環境上の建造物によって発せられた匂いの強度を定量化できるのであれば、その迷惑な環境に対する影響はモニターすることができる。

従来から、匂いの強度は人間の試験者のパネルを使用して評価される。匂いの強度を定量化するための装置を開発するいくつかの試みがなされてきている。例えば、特許文献１、２及び３参照。

特許文献１は、特定の匂いの検出装置で閾値よりも低い反応を刺激するために匂いのサンプルがどれくらい希釈されるかを決定することによって、匂いの強度におけるインデックス値を決定することを提案する。この方法が匂いの強度値を生じるが、この値は、人間がどれくらい激しく匂いを知覚するか示さない。さらに、特許文献１は、特に匂いに対する人間の知覚と無関係な匂いの強度の測定を求める。

特許文献２は、特許文献１と同様の方法を提案するが、特許文献２では、匂いの検出装置によって使用される閾値は、人間が匂いを知覚することができなくなる希釈レベルに相当する。しかしながら、それが、異なるタイプの匂いの強度の測定のために適用される場合、どのようにその方法を適応しなければならないかに関しての導きはない。

特許文献３は、内燃機関の排気ガスの臭いの強度を測定するためのシステムを提案する。特許文献３において、内燃機関の排気ガスは水溶液の中に入れられ、この溶液のｐＨが測定される。次いで、測定されたｐＨ値は、人間によって知覚されるような匂いの強度にｐＨ値を関連づけるグラフに基づいて匂いの強度値を決定するように使用される。特許文献３はまた、人間の試験者によって与えられた匂いの強度の格付けと、排気ガスでのホルムアルデヒドの濃度との相関性があることに基づいて、排気ガスの匂いの強度がガス中のホルムアルデヒドの濃度を測定することによって測定される初期の研究を記載している。

特許文献３で言及された測定技術が人間によって知覚されるような匂いの強度に関係のある定量測定を提供するが、それらは、すなわち、内燃機関からの排気ガスの匂いの強度の測定を考慮する、特定の適用に制限される。それらの技術は、一般的には、他のタイプの匂いには適用できない。
米国特許第５６２７３０７号 米国特許第６００６５８３号 米国特許第５１４９５０４号 Ａ．Ｄｒａｖｎｉｅｋｓ、「Ａｔｌａｓ ｏｆ ｏｄｏｒ ｃｈａｒａｃｔｅｒ ｐｒｏｆｉｌｅｓ」、ＡＳＴＭ Ｄａｔａ Ｓｅｒｉｅｓ ６１、Ｐｈｉｌａｄｅｌｐｈｉａ（１９８５） ＪＮ Ｊａｕｂｅｒｔ、Ｇ．Ｇｏｒｄｏｎ、ＪＣ Ｄｏｒｅ、「Ｔｈｅ Ｆｉｅｌｄ ｏｆ Ｏｄｏｒｓ：Ｔｏｗａｒｄ ａ Ｕｎｉｖｅｒｓａｌ Ｌａｎｇｕａｇｅ ｆｏｒ Ｏｄｏｒ Ｒｅｌａｔｉｏｓｈｉｓ」、Ｐｅｒｆｕｍｅｒ ａｎｄ Ｆｌａｖｏｒｉｓｔ、１９９５、２０、３、ｐａｇｅｓ１−１６ ＭＡ Ｊｅｌｔｅｍａ ａｎｄ ＥＷ Ｓｏｕｔｈｗｉｃｋ、Ｊ．Ｓｅｎｓ．Ｓｔｕｄ．，Ｖｏｌ．１、ｐａｇｅｓ１２３−１３６

本発明は、調整可能な（形態化可能な）スケールを使用する匂いの強度の定量測定、換言すると、研究中の匂いの性質に関係なく適用できる（少なくともある程度まで）測定スケールを提供するための方法及びシステムを提供することを目的とする。このスケールは、最終的な目的及び適用領域に依存して調整することができる。

本発明は、２つの重要な相関性があるという事実を利用する。第一は、人間によって知覚される匂いの強度と特定の気体濃度との関係である。第二の重要な相関性は、気体検出装置によって生じた器機による測定と気体の濃度との関係である。この点は、図１及び２の考察によって例証される。

図１は、異なる濃度で匂いに曝された場合に人間の嗅覚システムの振る舞いを概要するグラフである。Ｔｈ１とＴｈ２との間に表されたモデルは、ＡＦＮＯＲ（アソシエーション フランカイズ デ ノーマライゼーション（Association Francaise de Normalisation））スタンダードＮＦＶ０９−０１９、アナライズ センサーリエレ（Analyse sensorielle）：メソッド デ エスティメーション デ ラ グランデール

［外１］

、ＩＳＢＮ ２−１２−１９０８６３−３によって提案されたモデルである。このスタンダードは、知覚の分析でのサイズの判断に関しており、下記のモデルが使用される。

式中、
Ｉ：匂いの強度
Ｃ：産出物の濃度
ｋ及びｔ：２つの定数
図２は、例えば、金属酸化物センサーの気体検出装置に同じ匂いのセットが提供されて、典型的な試験結果を概要したグラフである。このモデルは、センサーの種類に依存する。センサーの抵抗と脱酸化気体の濃度との間の関係は、気体濃度のある範囲（ＭＴｈ１とＭＴｈ２との間）において下記の式によって表すことができる。

式中、
Ｒｓ：センサーの電気抵抗
Ａ：定数
［Ｃ］：気体濃度
α：Ｒｓ曲線の傾き
上記の式によると、気体濃度に対するセンサー抵抗の関係は、気体濃度の実際的な範囲内の対数スケールにおいて直線である。実際のセンサー抵抗値がセンサーごとに変化するので、典型的な感度の特性は、目標とする気体（Ｒ０）のある濃度での抵抗に対する気体の様々な濃度でのセンサー抵抗（Ｒｓ）の比率として表される。

電気化学セルなどの他のタイプのセンサーにおいて、光イオン化検出器などのセンサー反応は、気体濃度に関して直線となる。

図１から分かるように、非常に低い濃度では、人間のパネルは匂いの濃度における変化に無感覚である。匂いの濃度が閾値Ｔｈ１を通過する場合にだけ人間のパネルは匂いの検出を開始する。しかしながら、この閾値濃度Ｔｈ１から第二の閾値レベルＴｈ２までの間において、人間のパネルによってサンプルに選定された“匂いの強度値”と、そのサンプルの濃度との間に関係がある。匂いの濃度が第二の閾値Ｔｈ２を超過する場合、人間のパネルはさらなる変化を検出することができない。

図１のグラフが下記の３領域を有することが考えられる。

領域Ｚ１：未反応領域。この領域では、人間の試験者はどんな匂いも嗅がない。

領域Ｚ２：検出領域。この領域では、人間の試験者は気体の匂いを嗅ぎ、その匂いに対して数的な値を割り当てることができ、この値は気体濃度で変化する。

領域Ｚ３：飽和領域。この領域では、人間の試験者はサンプルの匂いを嗅ぐが、サンプル濃度と無関係に最も高い値を割り当てる。

図１の検出領域Ｚ２では、実際の気体濃度Ｃと、人間の試験者によってそれに割り当てられた数的な値Ｉとの関係（Ｆ（Ｃ）＝Ｉ）は、簡素な線形の関数又はさらにより複雑な関数となることに注意するべきである。この関係Ｆは、気体の種類の違いによって異なる。図１は、単一の気体化合物において得られる典型的な反応を例示する。

ここで図２を参照すると、人間の試験者のパネルと同様に、異なる濃度で気体サンプルに対する気体検出器の反応は３領域を有する。それら３領域は、センサーが全く検出せず、最低限の出力Ｍｉｎ（ゼロ出力又は最低限の出力のいずれか）を有し、最低の気体濃度から最初の閾値レベルＭＴｈ１での気体濃度まで移動する未反応領域ＭＺ１と、第一の閾値レベルで開始し、第二の閾値ＭＴｈ２で気体濃度まで移動し、センサーが匂いを検出し、それに対する反応で可変の出力を生じる検出領域ＭＺ２と、第二の閾値ＭＴｈ２で開始し、センサー出力が飽和される（すなわち、サンプル濃度に関係なく最大の可能な値Ｍａｘとなる）飽和領域ＭＺ３とである。適切な分析によって、気体濃度Ｃに対するセンサー反応Ｓに関する関数Ｇ（Ｓ）＝Ｃを見つけることができる。

気体濃度の第一及び第二の閾値レベルＭＴｈ１及びＭＴｈ２は、必ずしも人間の試験者のパネルに適用可能な閾値レベルＴｈ１及びＴｈ２と同じではない。

気体センサーの検出領域ＭＺ２が人間のパネルの検出領域Ｚ２をカバーする場合、人間のパネルによって与えられた匂いの強度値と、同じ気体の化合物に曝された場合の気体センサーの反応との間に相関性があることは図１及び２の考察から理解される。ここで、図２のグラフは、金属酸化物センサータイプの気体センサーの典型的な反応をモデル化する。しかしながら、人間の知覚データと器機反応との間の同様の相関性は、マススペクトロメーター、ＩＲスペクトロメーター、ガス相クロマトグラフィー装置など他のタイプの気体検出装置が使用された場合に見られる。

本発明者は、
ａ）試験中に匂いが提供される場合に臭いの測定装置の一つ以上のセンサーの反応を測定すること、
ｂ）複数の選択された参照化合物に関する官能データ（特には、人間の試験者のパネルによって生じる官能データ）及び選択された参照化合物に対する匂いの測定装置のセンサーの反応に関するデータに基づく変形のセットにしたがって、反応データを匂いの強度インデックスに変換すること、
によって人間が知覚する匂いに関して意味がある、匂いの定量測定を生じることができることを認識した。

センサー反応データを測定し変換するプロセスは、“匂いの強度測定過程”（又は単に“測定過程”）と呼ぶことができる。

本発明の好ましい実施態様において、ステップｂ）に含まれる変形は、下記の２つのサブ変形の組合せに相当する。それら２つのサブ変形は、
ｃ）匂いの測定装置でのセンサー反応を、センサーの反応と選択された参照化合物における気体濃度との間の所定関係のセットに基づいて気体濃度値に変換することと、
ｄ）上述ｃ）のようにして決定された気体濃度値を上記の選択された参照気体化合物の濃度に関する官能データに基づき変形のセットにしたがって匂いの強度インデックスに変換することである。

サブ変形ｃ）を実行することができるために、センサー反応を気体濃度値に変換して、匂いのセットに対応する選択された参照気体としての気体濃度Ｃに対するセンサー反応Ｓを変換するために、どの変形Ｇが必要とされるか先に決めることが必要である。これは、匂いの測定装置に（又は、匂いの測定装置のサンプルへの比較可能な反応を有するセンサーを含む器機に）既知の濃度で異なる匂いのサンプルを提示することにより実行される予備テストを要求する。

サブ変形ｄ）を実行することができるために、気体濃度値を人間が知覚する匂いに関して意味のある程度の匂いの強度値に変換して、気体濃度Ｃを選択された各参照気体における匂いの強度値Ｉに変換するために、どの変形Ｆが必要とされるか先に決めることが必要である。これは、人間の試験者のパネルに既知の濃度で異なる気体の同じサンプルを提示することにより実行される予備テストを必要とする。後者は、特に、好ましくは、例えば、ＡＦＮＯＲ［ＮＦＶ０９−００６、知覚の分析−方法論（Ｓｅｎｓｏｒｙ Ａｎａｌｙｓｉｓ−Ｍｅｔｈｏｄｏｌｏｇｙ）−匂いの検出及び認識での初期化及び訓練、ＮＦＶ０９−０１９］によって規定されたスタンダードによって、匂いの定量化を実行するように訓練される。

人間の試験者のパネル及び匂いの測定装置にサンプルを提供することによるこの予備試験は、“変形データ獲得過程”又は“訓練過程”と呼ぶことができる。

特定の匂いのテストにおいて生じた反応データを変形するために使用される、官能データをもたらす参照化合物は、ある参照の匂いに一致するように選択される。有利に、これらの参照の匂いは、芳匂い分類することができる基本的な匂いを構成することができる。例えば、参照化合物は、ジョーベルトによって識別された６の参照極又は４２の参照の匂いの数多若しくはすべてと一致できる。

より一般的には、多次元の匂いの空間が決められ、異なる産出物の匂いを表すことができ、参照化合物は、この匂いの空間の異なる次元を決める匂いと一致できる。

一般的に、特定の適用において、匂いの総空間の単に一部分だけにわたる参照産出物を使用することが好ましい。選択された適用に含まれる主要な匂いであるパネルの判断に基づいて、適切に訓練された知覚のパネル（つまり、上記で言及したＮＦＶ０９−００６などの基準にしたがって訓練された）によって与えられた適用で使用する適切な部分は、識別することができる。問題の適用には適切な匂いの空間の単にその部分に注目することによって、測定過程中にシステムによって生じた匂いの強度インデックス値は、同じ匂いが存在するのであれば、知覚のパネルによって生じていた値に、より緊密に相当する。さらに、測定過程中に任意の特別な匂いの強度インデックスを計算するのに必要な時間は縮小される。

多くの場合、特定の参照の匂いに相当する１つより多くい産出物がある。例えば、産出物クローブ（clove）、フェノール及び硫化水素はすべて、“aromatic, pharmaceutical and sulphurous”の記載に対応する参照の匂いを生成する。一般的に、単に単一の産出物は、特定の参照の匂いに関する官能データを生じるように本発明で使用される。よって、選択は、産出物が与えられた参照の匂いを生じるように使用されるにつれて、多くの場合必要である。

産出物が、例えば、この分野に存在するスタンダード（匂いと香水の関係に関するＡＦＮＯＲデータベースなど）又は様々な研究者により公表された研究（分子を特徴づける記述的な用語のＤｒａｖｎｉｅｋｓの“ａｔｌａｓ”、ジョーベルトの研究など）である、基本的な匂いを発することを決定するために使用できる多数のソースがある。好ましくは、本発明によると、特定の産出物が与えられた参照の匂いを生み出すように使用されるべき選択は固定されないが、匂いの強度が測定されている特別の状況に適応することができる。

文献が参照化合物に選択を与えない場合、ガスクロマトグラフィー−オルフラクトメトリー（ＧＣ−Ｏ）は、適用の特別の領域において使用される。いわゆるガスクロマトグラフィー−オルフラクトメトリーと呼ばれるガスクロマトグラフィーから現われるような流出する気体を鼻で嗅ぐ技術は、匂いのある化合物の検出を支援するために広範囲に使用される。ＧＣ−Ｏは、独特な分析技術であり、それは人間の鼻の選択性及び感度と、キャピラリーＧＣの解像力とを関連させる。腐敗に相当する、クロマトグラムの面積及び頻繁な特定のピークは、この方法を使用して識別することができ、腐敗するものの数及び性質は、しばしば確認することができる。

本発明は、匂いの強度の定量測定を決定する方法を提供し、上記に言及した匂いの強度の測定過程からなる方法は、ステップａ）及びｂ）を含む。

本発明はさらに、匂いの強度の定量測定を決定する方法を提供し、その方法は、上記に言及した匂いの強度測定過程と変形データ獲得過程の両者（つまり、“訓練過程”及び“測定過程”の両者）を含む。

変形データの獲得過程（“訓練過程”）は２つの部分を有する。すなわち、人間のパネルによる試験（“知覚の試験”）と装置による試験であり、それらは同時実行を必要としない。特に、広範囲の参照の匂い（及び関連する産出物）において、人間の試験は前もって実行することができ得る。それらの産出物において変形関数Ｆを決める結果のデータはデータベースに記憶することができる。特定の適用での匂いの強度の定量が望ましい場合、その適用における適切な参照の匂いが識別され、対応する参照産出物ｒｉが選択される。これらの産出物における関数Ｆｉを定義する官能データがデータベースにおいて既に利用可能ならば、この段階では、試験装置内に適用可能な変形関数Ｇｉを定義するデータを得ることが単に必要である。変形データ獲得過程の“機器を試験する”部分は、変形データ獲得過程の“知覚をテストする”部分で官能データが得られる、参照産出物のサブセットを試験することができることを容易に理解する。

したがって、本発明はさらに、匂いの強度の定量測定を決定する方法を提供し、その方法は、上述した匂いの強度の測定過程と上述した変形データの獲得過程の“機器を試験する”部分（官能性の変形データが既に利用可能である過程において）とを含む。

本発明の匂いの強度の測定方法は、広範囲の異なる匂いに適用可能な利点を有する。

本発明の方法において、変形データは、複数の選択された匂い物質に関して使用される。これらの物質が匂いを質的に分類するスキーム、例えば、上述した分類スキームの一つで識別される“極”（又は“参照の匂い”）に一致する場合に好ましい。

曖昧な分類方法及び訓練された神経のネットワークは、本発明の匂いの強度の定量方法の訓練過程のＦ及びＧの関数を見つけるために使用できる。

本発明はさらに、匂いを放つ物質に曝された場合に反応を生じるように適用された匂いの検出器のセットを含む匂いの測定装置及びセンサーの反応データを匂いの強度インデックスに変換するための手段とより成る匂いの強度の測定機器を提供し、匂いの測定装置の変換手段は、サンプルの匂いへの匂いの検出器の暴露で生成されたセンサーの反応データを、多くの選択された参照の匂いに関係のある、官能データ、及び、選択された参照化合物に対する匂いの測定装置のセンサー反応を示すデータに基づいた変形のセットによる匂いの強度インデックスに変換するために変形データを用いられて供給される。

本発明の匂いの測定装置での変換手段は、好ましくは、試験サンプルに対して匂いの検出器が曝されることで得られた測定されたセンサーの反応データに加重（a weighted）変形（選択された参照産出物に対する匂いの検出器の暴露で得られたセンサーの反応データと、測定されたセンサーの反応データとの比較の仕方に依存する加重（weights））を適用するために適応される。変換手段は、この加重変形を適用するように適応された神経のネットワークを含んでよい。

匂いのセットに関する選択された参照気体のセンサー反応Ｒと気体濃度Ｃとの間の関係Ｇに関する変形データを生じるために、本発明の匂いの強度測定機器で使用される匂いの測定装置は、変形データ獲得段階（“訓練過程”）の部分をそれ自身で実行してもよい。あるいは、匂いの測定装置は、匂いの測定装置自体（ネットワーク接続にわたってアクセス可能なメモリを含む）の内部又は外部のメモリに記憶された既存の変形データに対するアクセスを有してよい。この既存の変形データは、ほぼ同じ装置の設定（例えば、温度及び圧力、流速などの操作）と共に、本発明の匂いの強度測定装置で現在使用されているのと同じタイプの匂いの測定装置を使用して生成される。

典型的には、本発明の匂いの測定機器の匂いの測定装置は、変換手段によって使用されるように変形データを記憶するためのメモリを含む。本発明の匂いの測定機器の匂いの強度測定装置は、変形データの生成の使用、かつ上述したメモリ（存在する場合）で生じたそのような変形データの記憶のために適応されてよい。

本発明の上述及びさらなる特徴及び利点は、制限されない実施例によって与えられ、添付図を伴って例示して、それらの好ましい実施態様の下記の記載から明白となる。

本発明の匂いの強度の定量方法は、図３乃至６の流れ図と図７及び８のグラフを参照して、さらに詳細に記載される。

図３に示されるように、本発明の好ましい実施態様の全体の方法は２過程を有し、それらは訓練過程と測定過程である。

訓練過程において、既知の参照化合物のサンプルは、異なった既知の濃度で調製される。次いで、これらのサンプルは、センサーのパネル（人間の試験者のパネル）と気体検出機器に提供される。与えられた産出物において、人間のパネルの各要素ｋは、この産出物の各サンプルの匂いのＡからＢ（例えば、１から１０）までの範囲でインデックスＩ^ｋを選定し、インデックスは匂いが人間の試験者番号ｋによって考慮されて、どれくらい強烈であるかを示す。生じた知覚の測定（又は“ノート”）を概要するために、特定の統計的な事前処理及び方法は、次いで、設定Ｉ^ｋの個々の要素に適応される。この適用の目的は、設定Ｉ^ｋにグローバルインデックスＩを代用することである。次に、選定されたインデックス値Ｉに対して濃度Ｃを関連づける数学的な関数Ｆを決定するために、匂いのインデックス値は既知の濃度値と共に処理される。換言すると、Ｆは、Ｆ（Ｃ）＝Ｉのように決められる。この関数Ｆを決めるデータＦは、この産出物に関連して記録される。手順は、各参照産出物において反復される。Ｃ及びＩに基づいてＦを決定するための手順は、下記に詳細に記載される。

同様の手法において、試験サンプルが気体検出機器、例えば、多くの気体センサーを含む電子鼻タイプの機器（典型的には、金属酸化物センサー、電子化学的セル及び光イオン化検出器の組合せ）に提供される場合、センサー反応が示される。各産出物において、計算は、その産出物の試験サンプルの既知の濃度Ｃにセンサー反応データＳを関連づける関数Ｇは何かを確かめるために実行される。換言すると、ＧはＧ（Ｓ）＝Ｃのように見られる。この関数Ｇを定義するデータは、関連する産出物に関して記録される。この手順は、各参照産出物において繰り返される。Ｓ及びＣに基づいてＧを決定するための手順は、下記に詳細に記載される。

このようにして、訓練過程の最後で、データは、知覚された匂いの強度インデックスにそれぞれの参照気体化合物の濃度を関連づける多数の関数Ｆと、それぞれの参照気体化合物の濃度に気体検出機器の反応データを関連づける多数の関数Ｇの定義づけに利用可能である。好ましくは、このデータは、続く測定過程で、この（又は類似の）気体検出機器に利用可能となるように記憶される。このデータが気体検出機器の不揮発性のメモリに記憶される場合は、簡便である。しかしながら、多数の選択が可能であり、例えば、データは、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ又は気体検出機器と共に作用するコンピュータシステムを介してアクセスされる他の記録媒体に記録でき、気体検出機器（又は関連するコンピュータシステム）の接続を介して、ローカル又はリモートネットワーク等とアクセスできる。

続く測定過程において、試験サンプルの匂いの強度の定量測定を獲得することが望ましい場合、その試験サンプルは気体検出機器に提供される。気体検出機器での気体センサーの反応が示される。次いで、この反応データＳは、試験サンプルにおける匂いの強度値を産出するように、気体検出機器に利用可能な関数データＦ及びＧに基づいて変形される。

測定過程が実行される適用にはその後無関係であると考えられる幾つかを含む広範囲の参照産出物の関数データＦ、Ｇを生じるように、訓練過程において可能である。さらに、“機械”関数データＧを生じるように使用されるものと同一ではないが、重なる参照産出物のセットにおいて生成されるように、官能性の関数データＦにおいて可能である。しかしながら、測定過程中に、気体検出機器が参照産出物の共通セットにおける官能性の関数データＦ及び“機械”関数データＧに対する利用可能性を有することは重要である。

上述した方法での異なる段階は、図４乃至６を参照して、より詳細に記載される。

図４は、訓練過程中に知覚のパネルによって選定された匂いの強度のインデックスに化合物濃度を関連づける官能データ（特に、関数Ｆ）の決定に含まれる主要なステップを示す流れ図である。

図４のステップ１で示されるように、このプロセスでの第一ステップは、官能データが得られるべき参照の匂いのセットの選択である。訓練過程が最終的な適用が既知である場合に実行されるのであれば、好ましくは、参照の匂いの選択は最終的な適用に依存する。例えば、最終的な適用が不用の処理部位によって放出される匂いの強度の定量化から構成される場合、参照の匂いのセットは、表２に示された下記の匂いを含み得る。

当の適用において適切な参照の匂いは何か確証するために知覚のパネルを使用することは便利である。これは、パネルに典型的な匂いを提示し、それらの匂いを描写するために使用される意味のある表現を注意することにより達成される。表２に表された場合において、それらの注意された意味のある表現は、一般的に、右側のカラムと一致し得る。対応する参照化合物は、例えば、上記で引用した既知の参照研究に基づいて選択できる。

使用される参照の匂いの数に特定の制限はない。明らかに、訓練過程の持続及び複雑さは、多数の参照の匂いが使用される場合に高まる。適切な数は、当の適用において使用されるために参照の匂いを決定している、知覚のパネルによって検出された主要な“ノート”の数に依存する。実際上、１０又はより少数の参照の匂いの使用に結びつくパネルによって検知された、１０又はより少数の主要な“ノート”が通常ある。

最終的な適用が既知でないか、又はユーザが参照の匂いは何か知覚のパネルに決めさせたくない場合、あるいは、広く適用可能であるシステムを有することが望まれる場合、任意の便利な分類スキーム（例えば、限定されないが、ジャーベルトのスキーム）によって定義されるような全体の匂いの空間（又は、選択された分画）にわたるように、参照の匂いは選択できる。匂いの空間がジョーベルトのスキームにしたがって決められるのであれば、この匂いの空間の全体は、参照の匂いのセットがジョーベルトによって決められた４２の参照の匂いと一致する場合、又は、より効率的には、参照の匂いがジョーベルトによって識別された６の参照極と一致する場合（すなわち、参照の匂いは、イソブチルアミン、シトラール、アルファ−ピネン、ジメチル硫化物、アセチルメチルピラジン及びクマリンの匂いと一致する。上記の表１参照）において、スパンできる。

一旦、参照の匂いが選択されると、気体化合物が各選択された参照の匂いを産出するために使用されるように選択される（図４のステップ２）。上記で言及したように、特定の参照の匂いを産出する一つよりも多い気体化合物となることができる。したがって、選択は、気体化合物が特定の場合に使用されるように必要とされてよい。選択された気体化合物は、以下、“参照の産出物”と呼ばれる。一般的に、単一の参照産出物は、特定の参照の匂いに関連する官能データを生じるように使用される。

次に、ステップ３において、第一の参照の産出物ｒ_ｉにおいて、多くのサンプルＮが調製され、各々は異なる（及び既知の）濃度Ｃ_ｎを有する。サンプルの数、及びそれらのそれぞれの濃度は、検出領域Ｚ２の全体にわたる（図１参照）ように選択されるべきであり、好ましくは、濃度は比較的均一に間隔が置かれるべきである。パネルは２つの“隣接する”サンプルに割り当てる（濃度の変更方向に隣接する）、匂いの強度のインデックス値の鋭い変化がある場合、それら２つのサンプルとパネルに対するこの新しいサンプルとの間の中間濃度を有する新しいサンプルを調製することは有用である。

それは、閾値の濃度値Ｔｈ１及びＴｈ２が演繹的に知られない場合であってよい。そのような場合、サンプルのセットは、全体の検出領域にわたる良好な機会があるように、幅広い濃度値で生成される。その結果として、これがその場合ではないと分かった場合、余分なサンプルは調製されてよく、異なる閾値を評価するために知覚のパネルに提供されてよい。

試験サンプルは、Ｋの人間の試験者のパネルに対して提供される（図４のステップ４）。各試験者ｋは、それぞれの濃度{Ｃ_ｎ；ｎ＝１：Ｎ}のサンプルに対して匂いの強度値のセット{（Ｉ（ｋ、ｎ）；ｎ＝１：Ｎ）}を割り当てる。様々な提案は、質の高い結果を生じるために、このタイプの知覚のパネルをどのように訓練しなければならないかに関して行われた。好ましくは、本発明の方法で使用される知覚のパネルは、公表されたスタンダード、例えば、ＡＦＮＯＲによって提案された前述のスタンダード、のうちの一つと一致して訓練されたのは一つである。各サンプルに割り当てられた匂いの強度値は、一般的に、予め調整されたスケールで決められ、例えば、そのスケールは、１から１０までのスケールであり、１は中間の検出可能な匂いを示し、１０は最も強烈な匂いを示す。

生成された知覚のデータのセットを要約するために、特定の統計上の事前処理及び方法は、気体の濃度データ{Ｃ_ｎ；ｎ＝１：Ｎ}及び匂いの強度のインデックスデータのセット{Ｉ（ｋ、ｎ）；ｋ＝１：Ｋ、ｎ＝１：Ｎ}に適応される（図４のステップ５）。これらステップの目的は、データセット{Ｉ（ｋ、ｎ）；ｋ＝１：Ｋ、ｎ＝１：Ｎ}をより小さく{Ｉｎ；ｎ＝１：Ｎ}変形することである。後者のデータセットは、第一のデータセットに含まれるものと比較して、最多の（及びロバストな）情報を含む。既知の方法は、この変形を実行するために使用でき、例えば、滑らかにする、分散（Ａｎｏｖａ）方法の手段及び分析などを使用できる。

各参照産出物ｒ_ｉにおいて、濃度データＣ_ｎ及び匂いの強度のインデックスデータＩ_ｎは、互いに関連づける、換言すると、
Ｆ_ｉ（Ｃ_ｎ）＝Ｉ_ｎ
のような関数Ｆ_ｉを見つけるために処理される（図４のステップ６）。

関数Ｆは線形であるか、より複雑な形態を有してよい。関数Ｆは、既知の技術を使用して見つけることができ、例えば、訓練された神経のネットワーク又は線形若しくは非線形の回帰技術などを使用する。

一旦、関数Ｆが見つかると、確認は参照産出物がすべて分析されたかどうかに関して行われる（図４のステップ７）。分析されない参照産出物が未だに存在する場合、試験中の参照産出物のインデックスｉは１によって高まり（図４のステップ８）、方法のステップ３乃至６は、この新しい参照産出物ｒ_ｉにおいて繰り返される。参照産出物のすべてが知覚のパネルに一旦提出されると、関数のデータＦ_ｉが得られ、方法のこの部分は終了する。官能データ、すなわち、関数Ｆ_ｉを定義するデータは、適切な形式で保存されるか出力される（図４のステップ９）。典型的には、このデータは、データベースとして記憶され、任意の適切な記録媒体に記録される。有利に、この官能データは、本発明による匂いの強度の定量化方法の測定過程を実行するために使用される気体検出機器の不揮発性メモリにプログラムできる。

図５は、気体検出装置のセンサーの反応データＳを対応する気体化合物の濃度Ｃに関連づける、変形データ（特に、関数Ｇ）が決定される訓練過程に部分的に含まれる主要なステップを示す流れ図である。

図５のステップ１及び２に示されるように、プロセスの第一ステップは、変形データが含まれるべきである参照の匂いのセットの選択及び対応する匂いを産出するｐの参照産出物のセットの選択である。一般的に、関数Ｇの決定に使用するための参照の匂いのセット及び参照産出物を選択する場合、関数Ｆを決定する際の使用に参照の匂い及び参照産出物を選ぶ場合として、同じ考察は当てはまる（図４のステップ１及び２に関する上記の記載を参照）。

次に、図５のステップ３で、参照産出物ｒ_ｉにおいて、サンプルの数Ｍが調製され、それぞれの濃度が、この参照産出物における知覚のパネルの検出領域Ｚ２の全体をわたるように選択される（図１参照）。好ましくは、濃度は比較的均一に間隔が置かれる。

試験サンプルは、電子鼻機器、マススペクトロメーター、ＩＲスペクトロメーター、ガス相クロマトグラフィー装置などであってよい、気体検出機器に提供される（図５のステップ４）。気体検出機器は、特定の参照産出物に関する機器の検出領域ＭＺ２が同じ参照産出物を試験する人間のパネルの対応する検出領域Ｚ２の全体をカバーするように適応される。例えば、電子鼻装置の場合、装置内で使用されるセンサーの数及び種類の適切な選択によって保証することができる（例えば、ＭＯＳセンサーで使用される感受層及び操作条件の適切な選択によって又は異なる気体検出技術の組合せによって）。センサー反応データＳ_ｍは、それぞれの濃度Ｃ_ｍでサンプルのために集められる。

特定の参照産出物に関して、気体検出機器内のあるセンサーの反応は、異なる濃度の気体のサンプルを区別することは特に有用ではない。そのような場合、異なる濃度でサンプルを区別するように、どのセンサー反応が重要であるか、又は相当の貢献をするか決めるために統計の前処理（図５のステップ５）を適用することは有用である。好ましくは、単にそれらセンサーからのセンサーデータが、関数Ｇの決定のために使用される。主要な構成要素の分析または同種のものは、効率的な手法で異なる濃度のサンプルを特徴づけることができる、一つ以上のセンサーの反応に各々が基づいた混成の変数を生じるように実行できる。

統計上の前処理はまた、一般的には、異なるセンサーからの反応データを標準化するように適応できる。

次に、センサーデータ（センサーの縮小されたセット又は混成変数データである、センサーのオリジナルデータからのデータとなる）は、各産出物ｒ_ｉにおいて既知の濃度データＣ_ｍにセンサー反応データＳ_ｍを関連づける関数Ｇ_ｉを決定するために処理される（図５のステップ６）。換言すると、計算は、関係を満たすＧを決定するように求められる。

Ｇ_ｉ（Ｓ_ｍ）＝Ｃ_ｍ
の関係を満たすＧ_ｉを決定するように求められる。

関数Ｇは、一般的に、線形関数である。気体検出装置で使用されるセンサー数がｎである場合、センサー反応データは、ｎの構成要素を有するベクトルＳを形成する。Ｇの決定は、

のようにｎの係数ａ（ｉ）の計算となる。

様々な既知の方法は、関数Ｇを決定するために使用でき、例えば、部分的な最小二乗法（ＰＬＳ）は使用することができる。

次いで、確認は、参照産出物がすべて分析されたかどうかに関して行われる（図５のステップ７）。未だ分析されない参照産出物が存在する場合、試験中の参照産出物のインデックスｉは１によって高まり（図５のステップ８）、方法のステップ３乃至６はこの新しい参照産出物ｒ_ｉにおいて繰り返される。ｐの参照産出物のすべてが気体検出機器によって一旦試験され、関数データＧ_ｉが得られると、方法のこの部分は終了する。変形データ、すなわち関数Ｇ_ｉを定義するデータは、任意の適切な形式で保存されるか又は出力される（図５のステップ９）。典型的には、このデータは、気体検出機器の不揮発性メモリにデータベースとして記憶される。

図６は、本発明の好ましい実施態様による匂いの強度の定量化方法の測定過程の主要なステップを例示する。

図６で見られるように、ステップ１で、試験サンプルｘは気体検出機器に提供される。この気体検出機器が変形データＧ_ｉを生成するために使用されたのと同じ装置である場合は有利である。しかしながら、本発明はまた、異なる装置が使用される場合もカバーする。気体検出機器は、参照の匂いのセットに適応可能な関数Ｆ及びＧを定義するデータに対して利用可能である。好ましくは、この参照の匂いのセットは、測定過程が実行されている適用に依存して選択される。

試験サンプルｘに対する気体検出機器のセンサーの反応Ｓ_ｘが測定される（図６のステップ２）。センサー反応データである、ベクトルＳ_ｘは、例えば、センサーの反応を標準化するように、訓練過程注に得られるデータの主要な構成要素の分析で使用される混成変数の値を決定するように、事前処理される。

次に、図６のステップ３で、試験サンプルｘを表すセンサーデータは、試験サンプルがこのセンサーデータが匂いの強度インデックス値に変形されることを可能にして、関数データ（Ｆ_ｊ、Ｇ_ｊ）が利用可能である、参照産出物ｒ_ｊの一つと一致するかどうかを決定するために、訓練過程中の参照産出物において得られるセンサーデータと比較される。この比較は、図７及び８の考察から一層よく理解することができる。

図７及び８は、多数のＭＯＳ気体センサーからなる電子鼻装置を使用して得られるセンサーデータを表す。ＭＯＳセンサーによって生じた反応データは、３つの主要な構成要素を産出した、主要な構成要素の分析を受ける。これらの主要な３つの構成要素は、０と１との間の標準化された値をとり、図７及び８で３つの対応する軸を使用して表わされる。

図７及び８に示される中空円及び交差は、訓練過程（同じ電子鼻装置を使用して実行された）中に参照の匂いＡ、Ｂ及びＣ（参照産出物Ａ、Ｂ及びＣ）において得られたセンサーデータを表す。参照の匂い（又は産出物）Ａに関するセンサーデータは、図７及び８に示される点線に沿っていることが分かる。この点線は、参照の匂いＡのセンサーデータの“軌道”と呼ぶことができる。同様に、参照の匂い（産出物）Ｂに関して訓練過程で得られたセンサーデータは、図７及び８に示されるダッシュラインに沿っており、参照の匂い（産出物）Ｃに関して訓練過程で得られたセンサーデータは、図７及び８に示されるドットチェーンラインに沿っている。

図７の濃い黒点は、試験中の第一サンプルが測定過程中に気体検出機器に提供される場合に得られるセンサーデータを示している。図７に例示した場合、濃い黒点は参照産出物Ｂにおいて得られるデータと対応するラインと一致することが分かる。したがって、試験中の産出物が参照産出物Ｂと同じ匂いを十分に有することを仮定することができる。したがって、試験中のこのサンプルに匂いの強度インデックスを割り当てるように求める場合、訓練過程の産出物Ｂにおいて得られた関数Ｆ及びＧを使用することは適切である。

このように、図７に例示された場合において、図６のステップ３でなされた決定の結果は“はい”となり、試験サンプルはＦ_ｊ及びＧ_ｊを定義するデータが利用可能である参照産出物ｒ_ｊと一致しない。したがって、（図６のステップ４）気体化合物濃度の予測Ｃ_ｘｊを得るために、下記の
Ｃ_ｘｊ＝Ｇ_ｊ（Ｓ_ｘ）
にしたがって、関数Ｇ_ｊはセンサー反応データＳ_ｘに適応できる。

特定の参照の匂いとしての知覚のデータ軌道に試験中のサンプルｘのために得られたセンサーデータＳ_ｘが実際は軌道上ではないが、接近していることがその場合であるのはもっともである。本発明にしたがって、試験中のサンプルｘが特定の参照産出物に一致するかどうかの決定（図６のステップ３）は、好ましくは、知覚のデータＳ_ｘを表わすポイントと、参照産出物の各々におけるセンサーデータ軌道との間の最短距離のサイズを考慮することによってなされる。試験サンプルのセンサーデータと参照産出物の一つであるｒ_ｊにおける軌道との間の距離が所定の閾値（参照産出物ｒ_ｊなどにおいて得られる知覚のデータの広がりに関する絶対値となる）よりも短い場合、試験中のサンプルはｒ_ｊに一致することが決定される。したがって、図６のステップ４では、この参照産出物ｒ_ｊに関する関数データＦ_ｊ及びＧ_ｊは、センサーデータＳ_ｘを濃度予測Ｃ_ｘｊに変形するように使用される。

最終ステップ（図６のステップ５）では、気体化合物濃度の予測Ｃ_ｘｊは、下記
Ｉ_ｘ＝Ｆ_ｊ（Ｃ_ｘｊ）
のようにＦ_ｊをＣ_ｘｊに適応することによって匂いの強度のインデックスＩ_ｘに変形できる。

図６のステップ４及び５が、単一の式
Ｉ_ｘ＝Ｆ_ｊ（Ｇ_ｊ（Ｓ_ｘ））
で実行できることが容易に認識される。

次に、考察は、試験中のサンプルにおいて得られたセンサーデータが、訓練過程中に試験された参照産出物に関係のあるラインのうちの１つに一致しない（又は十分に近接しない）場合に与えられる。これは、図６のステップ３でなされた決定の結果が“いいえ”である場合に対応する。

図８の濃い黒点は、測定過程中で試験中の第二サンプルが気体検出機器に提供された場合に得られたセンサーデータを示す。図８に例示された場合において、濃い黒点は訓練過程中の参照産出物において得られたデータと対応する任意のラインに一致しないことが分かる。したがって、この第二の試験サンプルに匂いの強度インデックスを割り当てるようにした場合、参照産出物の単一の一つに関係のある関数データＦ、Ｇを使用することは適切ではない。

図８に例示された場合において、匂いの強度インデックスは、下記

式中、α_ｊはｊ番目の参照の匂いに適用可能な関数Ｆ_ｊ、Ｇ_ｊに割り当てられた加重で、

のように、試験中のサンプルにおいて得られたセンサーデータＳ_ｘに加重関数を適応することによって、得ることができる（図６のステップ６）。

加重α_ｉのそれぞれの値は、対応する参照産出物ｒ_ｉにおけるセンサーデータ軌道を定義するラインに対する試験中のサンプルのセンサーデータの接近に依存する。換言すると、加重の値は、試験中のサンプルにおけるセンサーデータを定義するポイントと、ｐの参照産出物におけるセンサーデータのそれぞれの軌道との間の距離に依存する。与えられた参照産出物ｒ_ｉにおいて、この距離はわずかであり、対応する加重α_ｉは大きい。反対に、この距離が大きい場合、対応する加重α_ｉの値は小さくなる。

これら加重α_ｉの値は、多数の既知の方法のいずれか一つによって得ることができ、例えば、曖昧な分類方法を使用して、抑制された神経のネットワークを使用して、分析された匂いの各構成要素の加重か影響の判断を含む方法を使用して得られる。

図８に例示される場合では、試験中のサンプルが、変形データが利用可能である参照産出物のいずれか一つと一致しない場合、試験サンプルの匂いは、構成要素Ｃａ、Ｃｂ及びＣｃに分割できることが考慮できる。各構成要素Ｃａ、Ｃｂ及びＣｃは、試験サンプルのセンサーデータが異なる参照の匂いと対応する範囲を示す。したがって、この場合、試験サンプルが各参照産出物のような匂いがする範囲を示す追加的な匂いの強度値を決定することが可能である。換言すると、試験サンプルにおける全体の匂いの強度インデックスの生成に加えて、全体の匂いを構成する構成要素に関する個々の匂いの強度値を生じることは可能である。

例えば、図８の参照の匂いＡが“硫黄”であると選定され、参照の匂いＢが“窒素”であると選定され、参照の匂いＣが“アルデヒド”であると選定されたと仮定する場合、図８に表された試験サンプルは、２８００（１から１００，０００のスコアにおいて）の全体の匂いの強度を有し、硫黄の構成要素のスコアは５０００であり、窒素の構成要素のスコアは２５００であり、アルデヒドの構成要素のスコアは１５００である。この追加的な匂いの強度データは、産出物の全体の匂いの一定の強度があるだけでなく、全体的な匂いを生成するために結合する“構成の”匂いの一定の強度があることを保証することが望ましい適用で有用となる。

参照の匂いの一つと対応する試験中のサンプルである、図７に表された場合が、図８に表された、より一般的な状況の特別のケースであることが理解される。より詳細には、試験中のサンプルが参照産出物の特定の一つｒ_ｑと一致する場合、匂いの強度インデックスＩ_ｘへのセンサー反応データＳ_ｘの変形は、下記の式

式中、ｉ＝ｑの場合αｉ＝１、ｉ＝ｑでない場合αｉ＝０
による加重式の適用と一致する。

本発明はそれの一つの好ましい実施態様に関して上に記載されたが、修正及び適応が請求項に規定される発明の範囲を逸脱せずに成すことができることを当業者は容易に認識する。

例えば、上述のように、訓練過程で使用される気体検出機器が測定過程で使用される機器と同じである場合には簡便であるが、これは不可欠ではない。訓練過程中で得られた関数Ｇが測定過程中で使用された気体検出機器において適用可能であるべきことが重要な要素である（または、それをこの装置に適用可能にするために関数データＧをどのように適応するか知られている）。

同様に、与えられた参照産出物における官能データ（関数Ｆ）を生じるように使用されるサンプルの数及び濃度が“機械”変形データ（関数Ｇ）を得るために使用されるサンプルの数と濃度と同じであれば訓練過程が簡素化できるが、これは不可欠ではない。さらに、訓練過程では、各既知の濃度で与えられた参照産出物の単一サンプルを使用することが簡便であるが、各濃度で２以上のサンプルを使用することが可能である。

さらに、訓練過程の好ましい実施態様は参照の匂いを選択し、次に、これらの匂いを産出するか、又は相当する参照産出物を選択する個別のステップを含んでいるが、参照産出物の選択を含む単一の選択ステップが含まれてよい（換言すると、参照の匂いは選択された産出物の匂いである）。

さらに、上述の好ましい実施態様が１から１０のスケール（１が中間の匂いを表す）で匂いの強度のインデックス値の割り付けに言及するが、インデックス値の他の範囲（例えば、０．０から１．０、１から１００、０から５など）が使用でき、範囲の上端は最も強い匂いの代わりに中間の匂いを指定することができる。

匂いを構成する気体の濃度で匂いの知覚された強度がどのように変化するかを例示するグラフである。 匂いを構成する気体の濃度で検出器の反応がどのように変化するかを例示するグラフである。 本発明の匂いの強度の測定方法の一つの好ましい実施態様での主要なステップを例示する流れ図である。 匂いの濃度データＣの匂いの強度インデックスＩへの変形での使用における官能データＦを獲得する工程を例示する流れ図である。 センサーの反応データＳを匂いの濃度データＣに変換するデータＧを獲得するプロセスを例示する流れ図である。 試験中の産出物のサンプルｘに匂いの強度のインデックス値Ｉｘを選定するプロセスを例示する流れ図である。 試験中のサンプルで獲得されたセンサー反応データと、試験サンプルが参照の匂いの一つと一致する場合に参照の匂いで獲得されるセンサー反応データとの間の関係を例示するグラフである。 試験中のサンプルで獲得されたセンサー反応データと、試験サンプルが参照の匂いの一つと一致しない場合に参照の匂いで獲得されるセンサー反応データとの間の関係を例示するグラフである。

Claims (17)

1. 匂いの強度を測定する方法であって、該方法は、
   参照化合物（ｒ_ｊ）の各セットにおいて、参照化合物の濃度（Ｃ_ｍ）と、該濃度（Ｃ_ｍ）の該参照化合物（ｒ_ｊ）に対する第一タイプの匂いの測定装置の匂いセンサーのセットの反応（Ｓ_ｍ）との関係を示すそれぞれの第一の関数（Ｇ_ｊ）を定義づけるデータの提供ステップと、
   参照化合物（ｒ_ｊ）の各セットにおいて、前記参照化合物の濃度（Ｃ_ｎ）と、該濃度（Ｃ_ｎ）で該参照化合物（ｒ_ｊ）に知覚のパネルによって選定された匂いの強度の格付け（Ｉ_ｎ）との関係を示すそれぞれの第二の関数（Ｆ_ｊ）を定義づけるデータの提供ステップと、
   試験（ｘ）下で匂いのサンプルに曝された場合に前記第一タイプの匂いの測定装置で匂いセンサーのセットの反応（Ｓ_ｘ）の反応の測定ステップと、
   前記測定された反応データ（Ｓ_ｘ）に前記第一及び第二関数の組合せを適応することによって、前記測定された反応データ（Ｓ_ｘ）を匂いの強度インデックス（Ｉ_ｘ）に変換するステップより成ることを特徴とする匂いの強度の測定方法。
2. 前記変換ステップは、前記測定ステップで測定された前記センサー反応データ（Ｓ_ｘ）に加重変形の適応ステップを含み、前記加重は前記選択された参照化合物（ｒ_ｊ）に対する前記第一タイプの匂いの測定装置の暴露で得られたセンサー反応データと前記測定されたセンサー反応データ（Ｓ_ｘ）がどのように比較するかに依存することを特徴とする請求項１に記載の匂いの強度の測定方法。
3. 前記加重変形の適応ステップは、曖昧な分類方法、抑制された神経のネットワークを使用する方法、前記試験サンプルの匂いの各参照化合物の影響の判断を含む方法から構成される群から選択される方法を適応するステップを含むことを特徴とする請求項２に記載の匂いの強度の測定方法。
4. 前記匂いの測定装置を前記選択された参照化合物（ｒ_ｊ）の一つ以上に曝すステップと、
   前記一つ以上の選択された参照化合物（ｒ_ｊ）に対して前記匂いの測定装置の前記反応（Ｓ）を示す第一関数を定義するデータ（Ｇ_ｊ）を計算するステップを含み、
   前記データは前記変換ステップの後の実行において使用可能であることを特徴とする請求項１乃至３のいずれか一項に記載の匂いの強度の測定方法。
5. 前記計算するステップは、部分的な最小二乗法計算を適応することを特徴とする請求項４に記載の匂いの強度の測定方法。
6. 前記計算するステップで計算されて、前記一つ以上の参照化合物に対して前記匂いの測定装置の前記反応（Ｓ）を示す前記第一関数を定義する、前記データ（Ｇ）を前記匂いの測定装置のメモリに記憶するステップを含むことを特徴とする請求項４又は５に記載の匂いの強度の測定方法。
7. 前記選択された参照化合物（ｒ_ｊ）の一つ以上に前記匂いの測定装置を曝すステップは、各参照化合物において、同じ参照化合物（ｒ_ｊ）において第二関数（Ｆ）を定義するデータを生じるように使用される知覚のパネルの感度領域（Ｚ２）をカバーする、濃度の範囲を有するサンプルのセットに前記匂いの測定装置を曝すステップを含むことを特徴とする請求項１乃至４のいずれか一項に記載の匂いの強度の測定方法。
8. 前記測定ステップは、電子鼻装置、赤外線スペクトロメーター、マススペクトロメーター及びガス相クロマトグラフィー装置から構成される群から選択される匂いの測定装置を使用することを特徴とする請求項１乃至７のいずれか一項に記載の匂いの強度の測定方法。
9. 前記選択された参照化合物の各々において、
   異なる濃度（Ｃ_ｎ）で前記参照化合物（ｒ_ｉ）の複数のサンプルを知覚のパネルに提供し、前記知覚のパネルによって各サンプルに選定された匂いの強度のインデックス値（Ｉ_ｎ）を決定するステップと、
   前記知覚のパネルによってサンプルに選定された前記匂いの強度値（Ｉ）と前記サンプルの濃度（Ｃ）との間の関係を示す第二関数（Ｆ_ｉ）を決定するステップを含むことを特徴とする請求項１乃至８のいずれか一項に記載の匂いの強度の測定方法。
10. 匂いを放つ物質に曝された場合に反応（Ｓ）を生じるように適応された匂いセンサーのセットを含む成る第一タイプの匂いの測定装置と、
    前記匂いの測定装置のセンサー反応データ（Ｓ）を匂いの強度インデックス（Ｉ）に変換するための手段を含む匂いの強度測定機器であって、
    前記変換手段は、参照化合物（ｒ_ｊ）の各セットにおいて、参照化合物の濃度（Ｃ_ｍ）と、該濃度（Ｃ_ｍ）の該参照化合物（ｒ_ｊ）に対する前記第一タイプの匂いの測定装置の匂いセンサーのセットの反応（Ｓ_ｍ）との関係を示すそれぞれの第一の関数（Ｇ_ｊ）を定義づけるデータと、参照化合物（ｒ_ｊ）の各セットにおいて、参照化合物の濃度（Ｃ_ｎ）と、該濃度（Ｃ_ｎ）で該参照化合物（ｒ_ｊ）に知覚のパネルによって選定された匂いの強度の格付け（Ｉ_ｎ）との関係を示すそれぞれの第二の関数（Ｆ_ｊ）を定義づけるデータとを用いられて提供し、前記測定された反応データ（Ｓ_ｘ）に前記第一及び第二関数の組合せを適応することによって、前記匂いの強度インデックス（Ｉ）を生じるように適応されることを特徴とする匂いの強度測定機器。
11. 前記変換手段は、前記サンプルの匂い（ｘ）に対する前記匂いセンサーのセットの暴露で生じた測定されたセンサー反応データ（Ｓ_ｘ）に加重変形を適用するために適応され、前記加重は前記選択された参照化合物（ｒ_ｊ）に対する前記第一タイプの匂いの測定装置の暴露で得られたセンサー反応データと前記測定されたセンサー反応データ（Ｓ_ｘ）がどのように比較するかに依存することを特徴とする請求項１０に記載の匂いの強度測定機器。
12. 前記変換手段は、曖昧な分類方法、抑制された神経のネットワークを使用する方法、前記サンプルの匂いの各参照化合物の影響の判断を含む方法から構成される群から選択される方法を使用して前記加重変形を適用するために適応されることを特徴とする請求項１１に記載の匂いの強度測定機器。
13. 前記匂いの測定装置が前記参照化合物に曝された場合、前記一つ以上の選択された参照化合物（ｒ_ｊ）に対して前記第一タイプの匂いの測定装置の前記反応（Ｓ）を示す前記第一関数を定義する前記データ（Ｇ_ｊ）の少なくとも幾らかを計算するための計算手段を含むことを特徴とする請求項１０乃至１２のいずれか一項に記載の匂いの強度測定機器。
14. 前記計算手段は、部分的な最小二乗法計算を適応するための手段を含むことを特徴とする請求項１３に記載の匂いの強度測定機器。
15. 前記匂いの測定装置はメモリを含み、前記計算手段によって計算され、前記参照化合物に対して前記匂いの測定装置の前記反応（Ｓ）を示す前記第一関数を定義する、前記データ（Ｇ）を前記メモリに保存するように適応されることを特徴とする請求項１３又は１４に記載の匂いの強度測定機器。
16. 前記匂いの測定装置は、前記選択された各参照化合物において、前記選択された参照化合物において第二関数を定義する前記データを生じるように使用される知覚のパネルの対応する感度領域（Ｚ２）をカバーする、感度領域（ＭＺ２）を有する匂いセンサーのセットを含むことを特徴とする請求項１３乃至１５のいずれか一項に記載の匂いの強度測定機器。
17. 前記匂いの測定装置は、電子鼻装置、赤外線スペクトロメーター、マススペクトロメーター及びガス相クロマトグラフィー装置から構成される群から選択される装置であることを特徴とする請求項１０乃至１６のいずれか一項に記載の匂いの強度測定機器。

Images