JP6655597B2 - 化学物質に関連した情報を取り扱うためのシステム - Google Patents
化学物質に関連した情報を取り扱うためのシステム Download PDFInfo
- Publication number
- JP6655597B2 JP6655597B2 JP2017247226A JP2017247226A JP6655597B2 JP 6655597 B2 JP6655597 B2 JP 6655597B2 JP 2017247226 A JP2017247226 A JP 2017247226A JP 2017247226 A JP2017247226 A JP 2017247226A JP 6655597 B2 JP6655597 B2 JP 6655597B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- information
- odor
- sensor
- pattern
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61Q—SPECIFIC USE OF COSMETICS OR SIMILAR TOILETRY PREPARATIONS
- A61Q13/00—Formulations or additives for perfume preparations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
- G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Electrochemistry (AREA)
- Analytical Chemistry (AREA)
- Human Computer Interaction (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Description
、におい生成装置200を駆動するためのドライバデバイス(ドライバIC)201とが接続されている。OLP100は、1つの集積化されたデバイス(チップ)または複数の集積化されたチップ(チップセット)として提供することができる。におい生成装置200が、USBなどの汎用インターフェイスにより接続する機能を備えていれば、におい生成装置200は、破線で示すように専用のデバイス201の代わりにローカル入出力インターフェイス14に接続することも可能である。におい生成装置200は、典型的には、複数のにおいソース(におい発生源)202と、それらを混合して所望のにおいを生成する左右の混合器203Lおよび203Rと、制御ユニット205とを含む。
Spectrometry、または、DIMS、Differential Ion Mobility spectrometry)のよう
なMEMSセンサーを、OLP100とともに用いることにより、高価なCPUまたはDSPが不要で、大きな機械的な部分も不要で、さらに、複雑なコントロール回路類も不要な、低コストの、においを記録、生成、認識できるシステム1を提供できる。
を検出できるセンサー)からの入力データに対して共通の、または標準のデータ・フォーマットを提供できる。さらに、OLP100は、MPEG(Moving Picture Experts Group)、RoSE(Representative of Sensory Effect)およびNOSE・N/W(Second
Network on Artificial Olfactory Sensing(Nose II))によって定義された標準インタ
ーフェイスおよびデータ・フォーマットをサポートできる。したがって、システム1を多種類のセンサーに適応するための投資を抑制できる。また、ユーザは、さまざまな標準にしたがったデータで、においの情報を入出力できる。このため、システム1の使用効率を向上でき、実質的に低コストで汎用性の高いシステムを提供できる。
情報をデータストリーム化することにより、音、映像とともに、においをマルチメディアに含めることが可能となる。さらに、無線、インターネットなどの通信媒体あるいは通信インフラを介してリアルタイムで、においを伝えることが可能となる。さらに、圧縮、暗号化、伸長(解凍)といった音、画像データではすでに行われているデータ処理を参照し、においの情報を圧縮、暗号化、伸長することも可能となる。
1. OLPの概略構成(図2)
2. OLPによるデータ生成
2.1 概要(図3)
2.2 化学物質空間(化学物質特徴空間)のデータの周波数空間へのマッピング(図3)
2.3 サブバンドイメージを用いたマッピング(図4−図6)
2.4 ストリームデータの生成および出力
2.5 ステレオイメージ
2.6 化学物質情報以外の補助情報の畳み込み
2.6.1 環境情報(温度、湿度、圧力)
2.6.2 エアーフロー
2.6.3 時刻
2.6.4 位置
2.7 プリプロセッサ(測定条件の再構成)(図7,8)
2.8 複数センサーに対する対応
3. OLPにおける物質認識(図9)
4. OLPにおけるデータ圧縮(図10)
5. OLPにおけるデータ再生および出力
6. OLPについてのいくつかの補助情報
7. アプリケーション
OLP100は、データを生成しエンコードするセクション101と、データを受信しデコードするセクション102と、OLP100の全体を制御するOLPコントローラ105とを含む。OLP100は、エンコーダセクション101またはデコーダセクション102のいずれかを含むものであってもよい。OLP100は、1つのデバイス(集積回路、チップ)として提供されているが、チップセットとして提供することも可能であり、また、適当な能力を備えたCPUまたはMPUで実行可能なプログラム(プログラム製品)として提供することも可能である。
、QMF(Quadrature Mirror Filter)などによりサブバンドに分割されたQMFタイプのデータであってもよい。これらのRAWデータ35は、OLPのインターフェイス107からそのまま出力されてもよい。
2.1 概要(図3)
図3に、OLP100に含まれる複数の機能ユニットのうち、RAWデータ(RAWデータストリーム、第1のデータ)35を生成する部分を抜き出して示している。また、図11に、OLP100のエンコードセクション101において、RAWデータ35を生成する処理(生成方法)の概要をフローチャートにより示している。
ーからのデータにより最終判断された物質であってもよいが、質量分析におけるフラグメント成分であってもよく、M/Z(電荷あたりの質量)が同じ成分は適当な、あるいは所定のルールで仮に割り当てられた化学物質で代表されていてもよい。
それぞれ割り当てられた周波数空間にマッピングされたコンテンツデータ139dを含み、適当な記録媒体、たとえば、メモリ、CD−ROM、ハードディスクなどに記録して提供できる。RAWデータ35は、必ずしも最終分析された化学成分あるいは化学物質の情報を含んでいなくてもよく、一方、センサーからのデータのうち、化学物質の認定に要する可能性のある情報は、実際には異なる化学物質に分類されていても含まれていることが望ましい。
化学成分の分析は、個体、液体、気体、空間を含めた多種多様な対象物について行われる。本願に含まれる発明は、そのすべての対象物において検出された成分(化学物質)をデータ化あるいはコンテンツ化してデータ処理、伝達、記録、再生などのために利用できるものである。大気中に存在する成分は、五感のうちの嗅覚において把握される。したがって、以下では、本発明を、嗅覚機能を情報処理装置に実装するというアプリケーションに適用した例を説明する。
Shaping、機能的(官能基による)分類による波形成形)技術により、化学物質に特徴付けられた空間(化学物質空間)を周波数空間にマップし(割り当てし)、化学物質の存在を示す強度情報を周波数領域の強度情報に変換する。すなわち、各化学物質の検出強度変化の時間経過を、各化学物質に対応するように定められた周波数の信号の強度変化に変換する。FCWSにより、匂いを示す信号は、周波数空間に写像されて、再定義され、匂いストリームとして出力される。
例示しているFCWS技術においては、複数の化学物質は複数のグループに分けられ、複数のサブバンドが複数のグループにそれぞれ割り当てられる。データ化の対象となる化学物質の数が少ない場合は、サブバンド化(マルチバンド化)することによるデータ処理の負荷が勝る可能性がある。しかしながら、大気中に含まれる、または、含まれる可能性のある化学物質の種類は膨大であり、サブバンド化することは、パターンマッチング、圧縮などのほとんどすべてのデータ処理において有効である。
けられており、有機81aは46個の官能基のグループ(サブクラス)を含む。その下の階層(第3層、物質クラス)83が具体的な化学物質を示す層である。官能基のグループの1つはアルカン(鎖式飽和炭化水素)82aであり、このグループ82aには化学物質としてエタン83a、メタン83b、プロパン83c、ブタン83dなどが含まれる。官能基のグループは、炭化水素の基に限らず、窒素を含む官能基の1つであるアミノ基82b、酸素を含む官能基の1つであるアルコール基82cおよびケトン基82dなどを含む。官能基の分子の中の原子は、同じであるか同様の化学反応を受けて、共通の匂いと他の特性を示す。揮発性有機物と有機化合物は、匂いとして嗅覚を刺激する典型的なものであり、健康状態を監視するためにも利用可能である。
行できるようになっている。波形成形ユニット136Lおよび136Rの出力は、検出された化学物質を示す強度変化が所定の周波数の強度変化に変換されたコンテンツデータ139dLおよび139dRである。
変換ユニット131により生成されるコンテンツデータ139dは、化学物質情報を含む周波数領域のデータ36である。したがって、音響データおよび画像データといった時間領域の情報をFFTにより周波数領域に変換したデータに対比させることができる。さらに、ジェネレータ130は、オッシレータ142と、周波数領域のデータ36に逆FFTを行うことにより時間領域のデータ、たとえば、PCMタイプのデータ34に変換する変換装置(コンバータ)141とを備えている。さらに、OLP100は、周波数領域のデータ36および時間領域のデータ34のいずれもRAWデータ35としてインターフェイス107を介して外部(システム1の内外)に出力できる。
OLP100は、具体的には匂い情報のステレオ記録および再生に対応している。OLP100に、方向に関する検出特性の異なる左右のセンサー61および62からデータを入力できる。変換ユニット131は、左右のFSM132Lおよび132Rと、左右の波形成形ユニット136Lおよび136Rを含む。変換ユニット131は、左右のセンサー61および62のそれぞれから得られるスキャンデータ33、または左右のスキャンデータ33に基づく左右の化学物質を示す強度変化を左右の周波数空間にそれぞれマッピングする機能を含む。ステレオイメージのRAWデータ35は、左右のコンテンツデータ139dLおよび139dRを含む。データの生成方法(ステップ310)においても、左右のセンサー61および62のそれぞれからのデータにより検出された左右の化学物質を示す強度変化を左右の周波数空間にそれぞれマッピングすることが並列に実行される。
OLP100のジェネレータ130は、化学物質に関連した情報であるコンテンツデータ139dに加えて、他の種々の情報をRAWデータ35に組み込むことができる。
温度、湿度および気圧は嗅覚作用に重要な役割を果たす。RAWデータ35を生成した時間および/または場所と異なる時間および/または場所(遠隔サイト)において匂いを再生するためには、温度、湿度および気圧の情報に基づいて匂いの強度を補正することが望ましい。
OLP100は、補助情報として気流センサー74のデータもヘッダー情報139hに加えることができる。気流センサー74の情報は、ステレオセンシングに加えて、RAWデータ35に、より方向性のある情報としての性質を加える。したがって、セキュリティなアプリケーションにおいては、汚染物質ソースの方向、風向きを的確に判断でき、ユーザが脅威から脱出するのを支援したり、脅威に近づくのを未然に防止できる。ロボット工学のアプリケーションにおいては、気流センサーに対応するOLP100は、芳香ソースへの方向および距離を識別する機能をロボットに与えることができる。
OLP100は、補助情報として日時のデータもヘッダー情報139hに加えることができる。日時の情報は、RAWデータ35の生成の証明として有効である。OLP100は、ヘッダー情報139hに、メタデータとして、絶対的時間および/または相対的な時間情報を含めることが可能である。相対的な時間は、たとえば再生開始からの経過時間であり、他のマルチメディアコンテンツとともに再生する際に、芳香データを放出する同期用の情報として有用である。
OLP100は、補助情報として位置情報もヘッダー情報139hに加えることができる。位置情報は、RAWデータ35の生成場所の証明として有効である。OLP100は、ヘッダー情報139hに、メタデータとして、絶対的位置情報および/または相対的な位置情報を含めることが可能である。絶対的な位置情報の1つは、GPSシステム19から取得できる衛星測位された位置の情報、たとえば、経度緯度データである。相対的な位置情報の1つは、無線電話でアクセスしているときの基地局の情報である。
RAWデータストリーム35の一例は、匂いのサブバンド信号が連結された生データ(圧縮、暗号化などの処理がされてないデータ)である。RAWデータ35は、温度のような環境変数のための補助チャネルを含み、その補助チャネルには、さらに、湿度、空気圧力、および気流などの変数を含めることができる。また、RAWデータ35は、シングル、モノラル、ステレオ(左右)の嗅覚に関する時間変化するデータを、ストリーム型のデータとして格納できる。典型的なデータストリームは、ヘッダー139hと、ペイロード(コンテンツデータ)139dのデータパケットとを有する。ストリームヘッダー139hは、さらに、タイムスタンプ、データ型式、分割、および信号処理に必要な他の大事な細目を含む。
OLP100は、センサーからの入力データを前処理するプリプロセッサセクション120を有する。典型的なプリプロセッサ121は、再サンプリング、ベースライン修正、正規化、ノイズリダクション、ピーク検出を行う。OLP100は、前処理されたデータをRAWデータ35に変換することにより、たとえば、NISTまたはWileyというMS(質量分析)データベースを用いてウェブ上あるいはPCにより化学成分を分析可能とする。OLP100のプリプロセッサ121の特徴の1つは、分析タイプのセンサーの測定条件を自動的に制御することである。
センサーデータ(スペクトルグラム)32は、化学雑音、イオンオーバーロードなどの要因により変動するベースラインを含む。サンプリングユニット124は、高周波ノイズと、信号ピークとにより隠される低周波ベースラインを見積もり、ベースラインとみなされる低周波成分をスペクトルグラム32から差し引く。
サンプリングユニット124は、アプリケーションにより定められた要求あるいはルールにより、あらゆる信号の最大の強度を再スケーリングし、スペクトルグラム35を標準化(正規化)する。
通常、正規化されたデータは雑音と信号の混合物を含んでいる。ノイズリダクションは、スペクトルの精度と妥当性を改善するために必要であり、ノイズを低減することによりピーク検出アルゴリズムを有効に作用させることができる。ノイズリダクションの1つは、多項式フィルタであり、ピークの鋭さを保存することができる。
ピーク検出アルゴリズムは、振幅に基づきピークを特定する。スペクトルのピークの形状に追加の情報が含まれていることがあり、それも考慮される。ピークの形状には特徴があり、形状マッチング機能を用い、スケールと振幅とを変えることで個々のピーク(個々の化学物質(分子、化合物、成分))を特定できる。このテクニックは、単純なまたは簡易なパターンマッチングであるが、効果的にスパイク雑音とノイズから切り離して、信号を特定することができる。
プリプロセッサ121は、さらに、センサー構成制御ユニット126と、センサーに設定可能な複数の条件(測定条件)を含むライブラリー125と、予備解析ユニット127とを含む。質量分析型のセンサー61および62には、典型的には、スペクトルの広範囲にわたりほぼ同一の解像度が得られ、広範囲の化学物質の強度を比較できる低解像度モードと、冗長的でデータ量が多くなるが高分解能の高解像度モードとを設定できる。低解像度モードの条件128aが予備測定(予備検出)に適しており、高解像度モード128bにより測定されたデータがRAWデータ35に変換されるために利用される。具体的には、条件128a、128bにより、質量分析型のセンサー61および62のM/Zをスキャンするための電圧を変えてスキャンスピードを変えたり、イオン化するための電圧を変えたりすることが可能である。
OLP100のさらに異なる特徴は、複数タイプのセンサーに対応でき、それらの測定結果を共通フォーマットのRAWデータ35に集約できることである。すなわち、ジェネレータ130の変換ユニット131は、複数のセンサーのそれぞれからのデータにより検出された化学物質を示す強度変化を共通の周波数空間にマッピングする機能を含む。また、生成する過程310は、複数のセンサーのそれぞれからのデータにより判明した化学物質を示す強度変化を共通の周波数空間にマッピングすることを含む。
化学物質情報が周波数空間にマップされたコンテンツデータ139dは、周波数空間にマップされたターゲットの物質情報とパターンマッチングさせることにより、コンテンツデータ139dに含まれる物質を特定することができる。コンテンツデータ139dをM/Z空間に逆変換して物質を特定することも可能である。
コンテンツデータ139dは、複数のサブバンドに分けて化学物質情報が割り当てられている。したがって、パターン認識はサブバンド単位で行うことが可能であり、個々のパターン認識処理で取り扱うファクタを数10分の1に低減することが可能となる。サブバンド単位でのパターン認識は、特定物質の認識のための処理速度を向上でき、それに要するパターン認識エンジン152の処理能力を低減できる。以下のそれぞれの処理ブロックは、サブバンド毎に実装したり、実行することが可能である。
特徴抽出処理ブロック152aは、線形、線非線型およびヒューリスティックアルゴリズムを実装するためのものである。RAWデータ35に含まれるコンテンツデータ139dは、プリプロセッサ121から出力されたマススペクトルグラムを、化学物質というインデックスを介して周波数空間にマップした情報である。したがって、コンテンツデータ139dは、冗長で、基本的には、多数の化学物質に起因する多重化された情報を含んでいる。冗長性と多重性とを備えたコンテンツデータ139dを処理するために、パターン認識エンジン152は十分な処理能力が要求される。データの冗長性に対応するためには、適当な信号モデルに基づくアルゴリズムを認識エンジン152は備えていることが望ましい。特性抽出のために主成分分析法(PCA、Principle Component Analysis)あるいは判別分析法(LDA、Linear Discriminate Analysis)といった標準的なアルゴリズムを適用することも可能である。
パターン分類処理ブロック152cは、2分類法、普遍的近似法(ユニバーサルアプロキシメーション)、KNN(K Nearest Neighbour)などのコンピュータに実装しやすい
分類アルゴリズムを含む。分類処理ブロック152cは、匂いベクトルを対応するクラスに分類する。
認識エンジン152は、ニューラルネットワーク処理152dを含み、パターンマッチングのためにニューラルネットワークを適用できる。ニューラルネットワークとファジィ論理アルゴリズムは、においの特性とパターンとをリアルタイムで決定する。ニューラルネットワークは人工知能の中心となり得る。OLP100においても、ニューラルネットワークは、人間の脳のいくつかのユニークな特性をまね、シミュレートできるので、人間の嗅覚を再現するのに適している。ニューラルネットワークは、訓練および学習により、ライブラリ153に予め格納された複数の匂いパターン(フィンガープリント)とのパターンマッチングのスピードを加速できる。また、ターゲットとなる新しいフィンガープリントをライブラリ153に格納することも可能である。さらに、外部インターフェイス154を介してウェブから新しいフィンガープリントを取得したり、ウェブ上、たとえばサーバやホームページなどに用意されているフィンガープリントにパターンマッチングの範囲を広げることも可能である。
パターン認識エンジン152は、パターンデータベース153を高速で検索するために、CAMベースのハードウェア索引エンジン(データベース検索エンジン)152eを備えている。パターン認識エンジン152は、ローカルなデータベース153に、一致するものが探索されれば、その匂いパターンと特性とをOLPコントローラ105に返す。OLP100では、探索(認識)の対象は匂いのみに限定されず、嗅覚にほとんど影響を与えなくても、人体に影響を与えたり、危険物であったりする物質の認識を行うことができる。さらに、パターン認識エンジン152は、システムが新しいにおいパターンを認識するか、または学ぶのを訓練するために学習機能ブロック152fまたはそれ用のインタフェースをユーザに提供する。データベース153に登録可能なターゲットの匂いあるいは物質のパターンは、質量分析器などにより組成あるいは成分が判明している物、標準的な化学データベースに登録されている物であれば、ターゲットの物質の成分を、ルックアップテーブル133を用いて周波数空間にマップすることにより生成できる。
信号圧縮は、伝播に必要となるバンド幅を減少させ、記録容量を減少させるための重要な機能である。OLP100は、RAWデータ(第1のデータ)35を圧縮した圧縮データ37を生成するための圧縮装置(圧縮ユニット)160を有する。圧縮ユニット160は、サブバンドにより圧縮条件を変える圧縮制御ユニット161を含む。匂いに関するコンテンツデータ139dに対しては、圧縮制御ユニットの一例は匂いスペースフィルタ161である。匂いスペースフィルタ161は、匂いスペーステーブル162の情報に基づき、RAWデータ35に含まれる複数のサブバンドのうち、匂いに関連しないグループに割り当てられたサブバンドを削除することにより圧縮率をあげる。人間の匂いスペースの外にある信号を排除することにより、匂いとしての情報量を落とさずにデータ量を削減できる。
OLP100は、図2に示すように、RAWデータ35のコンテンツデータ139dを匂いデータ39に変換し、匂い生成装置200のドライバ201に対し供給するための再生装置(デコーダセクション)102を有する。デバイスドライバ201は、におい生成装置200において利用可能な複数のにおい源202の組み合わせに匂いデータ39を変換する機能を含む。デコーダセクション102は、暗号化されたデータ38を受信して復号するデクリプションユニット173と、復号されたデータ37を解析する再生解析ユニット170と、その結果により適当な方法によりデータ37を伸長してRAWデータ35を復元する伸長ユニット175とを含む。
OLP100は、生成装置(ジェネレータ)130を含む回路が集積されたチップ(集積回路デバイス)で提供することが好ましい。上述したOLP100のすべての機能が集積回路で実現されていてもよく、一部はファームウェア(プログラム、プログラム製品)で実現されていてもよく、一部がシステム1の機能により実現されていてもよく、一部がインターネット上の機能により実現されていてもよい。また、OLP100の機能が固定化された回路で実現されていてもよく、動的に再構成可能な回路により実現されていてもよい。コンピュータにより、OLP100の一部あるいはすべての機能を実現するためのプログラム(プログラム製品)を提供することが可能であり、CD−ROMなどの適当な記録媒体に記録して提供したり、インターネットなどの通信媒体を介して提供することも可能である。
本発明において提供する化学物質に関連するコンテンツを含むデータの生成に関する技術およびアーキテクチャの適用は匂いに限定されず、多種多様な分野で適用できる。それらの中でいくつかのアプリケーションを挙げるが、これらに限定することを意図するものではない。たとえば、OLP100が提供する電子ノーズ技術は、芳香センシングに基づく、芳香レシピ生成、芳香再生における汎用的なフォーマット、インターフェイスを提供する。OLP技術はガスおよび薬品に対する嗅覚を電子技術で模倣でき、ガスおよび薬品に対する電気・機械製品の対応を標準化でき、統合できる。
関連したコンテンツデータを含む第1のデータを生成する装置を有するシステムである。化学物質は、化合物、分子および元素の少なくともいずれかを含む。生成する装置(第1のデータを生成する装置)は、少なくともいずれかの化学物質の存在により変化する量(物理量)を検出可能な少なくとも1つのセンサーからのデータに含まれる、検出された化学物質(detected chemical substances)の強度変化(変量、variations)を、複数の周波数が複数の特定の化学物質にそれぞれ割り当てられた周波数空間にマッピングする(マップする)ことによりコンテンツデータに変換する変換ユニットを含む。本明細書において、化学物質とは、化合物、分子および元素を含み、成分あるいは組成物に限らず、生成物も含む。
Claims (9)
- ロボットが、化学物質を検出する少なくとも1つのセンサーから出力されるスペクトルデータに含まれるパターンを認識するパターン認識ユニットを有するモニタリングシステムであって、
さらに、画像情報を取得する装置および音響情報を取得する装置の少なくともいずれかを有し、
前記パターン認識ユニットは、アプリケーションにより認識が要求されるパターンを機械学習する機能と、
前記機械学習する際に、画像情報および/または音声情報によりパターン認識の対象となる範囲を限定する機能とを含み、前記ロボットが、前記機械学習されたパターン、画像情報および/または音声情報を協働させて対象物を認識する、モニタリングシステム。 - 請求項1において、
前記機械学習する機能は、ニューラルネットワークを含む人工知能を含む、モニタリングシステム。 - 請求項1または2において、
前記機械学習する機能は、ターゲットの物質の成分よりパターンを生成して訓練する機能を含む、モニタリングシステム。 - 請求項1ないし3のいずれかにおいて、
前記アプリケーションは、食品安全管理、食品製造プロセス制御、有毒物質管理、薬品製造管理、医療診断、調香、税関検査、大気汚染管理、車両安全管理、空調管理、シックハウス対策管理、および健康モニタリングの少なくともいずれかを含む、モニタリングシステム。 - ロボットを制御可能なコンピュータを、化学物質を検出する少なくとも1つのセンサーから出力されるスペクトルデータに含まれるパターンを認識するパターン認識ユニットを有するシステムとして機能させてモニタリングする方法であって、
前記システムは、さらに、画像情報を取得する装置および音響情報を取得する装置の少なくともいずれかを有し、
前記パターン認識ユニットが、アプリケーションにより認識が要求されるパターンを機械学習することと、
前記機械学習する際に、画像情報および/または音声情報によりパターン認識の対象となる範囲を限定することとを含み、前記ロボットが、前記機械学習されたパターン、画像情報および/または音声情報を協働させ対象物を認証する、方法。 - 請求項5において、
前記機械学習することは、ニューラルネットワークを含む人工知能が機械学習することを含む、方法。 - 請求項5または6において、
前記機械学習することは、ターゲットの物質の成分よりパターンを生成して訓練することを含む、モニタリングシステム。 - 請求項5ないし7のいずれかにおいて、
前記アプリケーションは、食品安全管理、食品製造プロセス制御、有毒物質管理、薬品製造管理、医療診断、調香、税関検査、大気汚染管理、車両安全管理、空調管理、シックハウス対策管理、および健康モニタリングの少なくともいずれかを含む、方法。 - ロボットを制御可能なコンピュータを、化学物質を検出する少なくとも1つのセンサーから出力されるスペクトルデータに含まれるパターンを認識するパターン認識ユニットを有するシステムとして機能させるためのプログラムであって、
前記システムは、さらに、画像情報を取得する装置および音響情報を取得する装置の少なくともいずれかを有し、
前記パターン認識ユニットは、アプリケーションにより認識が要求されるパターンを機械学習する機能と、
前記機械学習する際に、画像情報および/または音声情報によりパターン認識の対象となる範囲を限定する機能とを含み、前記ロボットが、前記機械学習されたパターン、画像情報および/または音声情報を協働させて対象物を認証する、プログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008163540 | 2008-06-23 | ||
JP2008163540 | 2008-06-23 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016087477A Division JP6268213B2 (ja) | 2008-06-23 | 2016-04-25 | 化学物質に関連した情報を取り扱うためのシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018077237A JP2018077237A (ja) | 2018-05-17 |
JP6655597B2 true JP6655597B2 (ja) | 2020-02-26 |
Family
ID=41444260
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010517761A Active JP5545551B2 (ja) | 2008-06-23 | 2009-06-23 | 化学物質に関連した情報を取り扱うためのシステム |
JP2014094472A Pending JP2014167484A (ja) | 2008-06-23 | 2014-05-01 | 化学物質に関連した情報を取り扱うためのシステム |
JP2016087477A Active JP6268213B2 (ja) | 2008-06-23 | 2016-04-25 | 化学物質に関連した情報を取り扱うためのシステム |
JP2017247226A Active JP6655597B2 (ja) | 2008-06-23 | 2017-12-25 | 化学物質に関連した情報を取り扱うためのシステム |
Family Applications Before (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010517761A Active JP5545551B2 (ja) | 2008-06-23 | 2009-06-23 | 化学物質に関連した情報を取り扱うためのシステム |
JP2014094472A Pending JP2014167484A (ja) | 2008-06-23 | 2014-05-01 | 化学物質に関連した情報を取り扱うためのシステム |
JP2016087477A Active JP6268213B2 (ja) | 2008-06-23 | 2016-04-25 | 化学物質に関連した情報を取り扱うためのシステム |
Country Status (6)
Country | Link |
---|---|
US (2) | US20110172931A1 (ja) |
EP (1) | EP2306180A4 (ja) |
JP (4) | JP5545551B2 (ja) |
KR (1) | KR20110043605A (ja) |
CN (1) | CN102132151B (ja) |
WO (1) | WO2009157187A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102500948B1 (ko) * | 2021-10-01 | 2023-02-20 | 한국전자기술연구원 | 시변적 ims 데이터 처리를 통한 위험 물질 검출 장치 및 방법 |
Families Citing this family (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5494169B2 (ja) * | 2010-04-16 | 2014-05-14 | 国立大学法人東北大学 | 換気制御システムおよび換気制御方法 |
US20120012346A1 (en) * | 2010-07-14 | 2012-01-19 | Adam Chattaway | Odorant for fire suppression system |
EP2823291A4 (en) * | 2012-03-08 | 2015-12-02 | Senova Systems Inc | DEVICE FOR DETECTING SUBSTANCE TO BE ANALYZED |
CN104285142B (zh) * | 2012-04-25 | 2018-05-18 | Atonarp株式会社 | 内容提供系统 |
US10839440B2 (en) * | 2012-05-07 | 2020-11-17 | Hannah Elizabeth Amin | Mobile communications device with electronic nose |
US9645127B2 (en) | 2012-05-07 | 2017-05-09 | Alexander Himanshu Amin | Electronic nose system and method |
CN102680650A (zh) * | 2012-05-14 | 2012-09-19 | 上海鼎为软件技术有限公司 | 气味识别终端、气味散发终端及信息通信系统 |
WO2014074087A2 (en) * | 2012-11-06 | 2014-05-15 | Empire Technology Development Llc | Methods and systems for monitoring liquids |
KR101519702B1 (ko) | 2012-11-15 | 2015-05-19 | 현대자동차주식회사 | 에어컨에서 나는 탄 냄새의 검출 방법 및 탄 냄새 재현 방법과 이에 제조된 탄 냄새 조성물 |
KR101449145B1 (ko) | 2012-11-16 | 2014-10-08 | 현대자동차주식회사 | 에어컨 냄새 원인 물질 규명 방법 |
CN103197697A (zh) * | 2013-02-05 | 2013-07-10 | 华为技术有限公司 | 一种气体生成方法、装置及系统 |
US20140260704A1 (en) * | 2013-03-15 | 2014-09-18 | Invensense, Inc. | Device and system for integrated sensor system (iss) |
KR101500074B1 (ko) | 2013-04-23 | 2015-03-06 | 현대자동차주식회사 | 에어컨에서 나는 물비린내의 검출 방법 및 물비린내 재현 방법과 이에 제조된 물비린내 조성물 |
JP6353291B2 (ja) * | 2014-06-28 | 2018-07-04 | 大樹 軍場 | 生体情報生成方法、生体情報生成プログラム及び生体情報生成装置 |
JP6416600B2 (ja) * | 2014-11-28 | 2018-10-31 | 株式会社アドバンテスト | 測定装置 |
JP6416601B2 (ja) * | 2014-11-28 | 2018-10-31 | 株式会社アドバンテスト | 測定装置 |
DE102014017619B4 (de) * | 2014-11-28 | 2023-03-23 | Drägerwerk AG & Co. KGaA | Sensormodul für atembare Gasgemische, Beatmungsgerät, Therapiegerät und Verfahren zur Messung mehrerer Gase eines atembaren Gasgemisches |
EP3062103A1 (en) * | 2015-02-27 | 2016-08-31 | Alpha M.O.S. | Portable fluid sensory device with learning capabilities |
WO2016207409A1 (en) * | 2015-06-26 | 2016-12-29 | Koninklijke Philips N.V. | System and method for detecting halitosis |
WO2017080884A1 (de) * | 2015-11-13 | 2017-05-18 | Eugen Kagan | Beatmungsgerät |
WO2017094284A1 (ja) | 2015-11-30 | 2017-06-08 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置 |
JP6518633B2 (ja) * | 2016-08-09 | 2019-05-22 | 京楽産業.株式会社 | 遊技機 |
US10885292B2 (en) * | 2016-09-21 | 2021-01-05 | International Business Machines Corporation | System, method and computer program product for pollution source attribution |
JP7010446B2 (ja) | 2016-09-27 | 2022-01-26 | 株式会社アロマビット | 匂い測定装置及び匂い測定システム |
KR101941158B1 (ko) * | 2016-10-31 | 2019-04-12 | 한국전자통신연구원 | 냄새 방향 및 위치 탐지가 가능한 후각 정보 생성 장치 및 생성 방법 |
JP6695087B2 (ja) * | 2016-11-23 | 2020-05-20 | アトナープ株式会社 | 一組のガスに対応する一組の質量電荷比を求めるためのシステムおよび方法 |
JP2020057029A (ja) * | 2017-02-02 | 2020-04-09 | テルモ株式会社 | 電子システム |
US11713899B2 (en) * | 2017-03-15 | 2023-08-01 | Taiyo Yuden Co., Ltd. | Management apparatus, air conditioning management system, and air conditioning management method |
US10366540B2 (en) * | 2017-03-23 | 2019-07-30 | Htc Corporation | Electronic apparatus and method for virtual reality or augmented reality system |
WO2018207595A1 (ja) * | 2017-05-08 | 2018-11-15 | 長谷川香料株式会社 | イメージを色で表現する方法および色表現図 |
US10710429B2 (en) * | 2017-08-24 | 2020-07-14 | Ford Global Technologies, Llc | Vehicle cabin odor detection and amelioration |
CN107490621A (zh) * | 2017-09-21 | 2017-12-19 | 中国电子科技集团公司第八研究所 | 一种气味重现装置 |
CN107764944A (zh) * | 2017-10-18 | 2018-03-06 | 广东工业大学 | 一种气味复现的方法及装置 |
CN111602048B (zh) * | 2018-01-09 | 2023-08-22 | Atonarp株式会社 | 用于优化峰形的系统和方法 |
US10782265B2 (en) * | 2018-03-30 | 2020-09-22 | Sharp Kabushiki Kaisha | Analysis apparatus |
KR20210006904A (ko) * | 2018-05-08 | 2021-01-19 | 인피콘, 인크. | 화학 분석 장치 및 방법 |
WO2020003532A1 (ja) * | 2018-06-29 | 2020-01-02 | 日本電気株式会社 | 学習モデル作成支援装置、学習モデル作成支援方法、及びコンピュータ読み取り可能な記録媒体 |
US20210325343A1 (en) * | 2018-12-05 | 2021-10-21 | Revorn Co., Ltd. | Information processing apparatus, information processing method, learned model generation method, and program |
WO2019171363A2 (en) * | 2019-05-07 | 2019-09-12 | Symbiosis International (Deemed University) | A system and a method for detection and classification of gasses |
CN110320328A (zh) * | 2019-06-21 | 2019-10-11 | 珠海格力电器股份有限公司 | 一种甲醛浓度检测方法、装置及空气净化器 |
US11500528B2 (en) * | 2019-07-01 | 2022-11-15 | Palantir Technologies Inc. | System architecture for cohorting sensor data |
US11586982B2 (en) | 2019-09-18 | 2023-02-21 | Samsung Electronics Co., Ltd. | Electronic and atomic structure computation utilizing machine learning |
US11537898B2 (en) | 2019-10-02 | 2022-12-27 | Samsung Electronics Co., Ltd. | Generative structure-property inverse computational co-design of materials |
JP7354284B2 (ja) | 2019-11-26 | 2023-10-02 | 株式会社 資生堂 | 香りの経時的な変化を表わす立体物の生成方法、プログラム、装置、および立体物 |
JP2021092476A (ja) * | 2019-12-11 | 2021-06-17 | 清水建設株式会社 | 評価装置、評価方法、学習装置、及び学習方法 |
JP7476713B2 (ja) * | 2020-08-04 | 2024-05-01 | 横河電機株式会社 | データ管理システム、データ管理方法、および、データ管理プログラム |
US11409797B2 (en) * | 2020-08-31 | 2022-08-09 | MS∧2 Inc. | Systems and methods for generating smell data and a database thereof |
US20220357230A1 (en) * | 2021-05-05 | 2022-11-10 | Earthview Corporation | Gas leak quantization system |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6217651A (ja) * | 1985-07-16 | 1987-01-26 | Jeol Ltd | 質量分析装置の定量デ−タ取得法 |
JPS63269050A (ja) * | 1987-04-27 | 1988-11-07 | Nec Corp | 雰囲気伝送方式 |
JPH05142201A (ja) * | 1991-11-18 | 1993-06-08 | Hitachi Ltd | 高感度多元素同時分析装置 |
US6400996B1 (en) * | 1999-02-01 | 2002-06-04 | Steven M. Hoffberg | Adaptive pattern recognition based control system and method |
JP3109783B2 (ja) * | 1993-08-18 | 2000-11-20 | シャープ株式会社 | においの記録再生装置 |
EP0647847A1 (de) * | 1993-09-14 | 1995-04-12 | Elpatronic Ag | Verwendung eines Massenspektrometers mit Sekundärionisation zur Inspektion von Behältern |
JPH09127069A (ja) * | 1995-10-27 | 1997-05-16 | Mitsubishi Electric Corp | 異常探査装置 |
IL126168A0 (en) | 1998-09-10 | 1999-05-09 | Aromix Technologies Ltd | Methods and apparatus for odor reproduction |
IL126167A0 (en) | 1998-09-10 | 1999-05-09 | Aromix Technologies Ltd | Methods and apparatus for odor transmission |
JP3609947B2 (ja) * | 1998-11-19 | 2005-01-12 | 日本電信電話株式会社 | におい通信方法 |
US6450008B1 (en) * | 1999-07-23 | 2002-09-17 | Cyrano Sciences, Inc. | Food applications of artificial olfactometry |
JP2001133439A (ja) * | 1999-11-09 | 2001-05-18 | Jeol Ltd | 高周波誘導結合プラズマ質量分析方法及び装置 |
JP2001351568A (ja) * | 2000-06-06 | 2001-12-21 | Anelva Corp | イオン付着質量分析の方法および装置 |
US7583710B2 (en) | 2001-01-30 | 2009-09-01 | Board Of Trustees Operating Michigan State University | Laser and environmental monitoring system |
GB2391694B (en) | 2002-08-01 | 2006-03-01 | Microsaic Systems Ltd | Monolithic micro-engineered mass spectrometer |
JP2004108958A (ja) * | 2002-09-19 | 2004-04-08 | Jeol Ltd | ガスクロマトグラフ質量分析装置 |
WO2004038602A1 (en) * | 2002-10-24 | 2004-05-06 | Warner-Lambert Company, Llc | Integrated spectral data processing, data mining, and modeling system for use in diverse screening and biomarker discovery applications |
JP2004164303A (ja) * | 2002-11-13 | 2004-06-10 | Sumiden Asahi Industries Ltd | 監視用自走機 |
DE10310394A1 (de) * | 2003-03-07 | 2004-09-23 | Wma Airsense Analysentechnik Gmbh | Verfahren und Meßsystem zur Erfassung von Gefahrstoffen |
JP4802104B2 (ja) * | 2003-11-25 | 2011-10-26 | サイオネックス コーポレイション | サンプルの分析を改善するための分散特性、サンプル解離及び/又は圧力制御を用いた移動度ベースの装置及び方法 |
CN1245630C (zh) * | 2004-01-08 | 2006-03-15 | 江苏大学 | 基于电子视觉和嗅觉融合技术的农畜产品无损检测方法及其装置 |
JP2005338057A (ja) * | 2004-04-15 | 2005-12-08 | Yoshinori Kanno | 物質識別装置および物質識別方法 |
KR20070052774A (ko) | 2004-08-02 | 2007-05-22 | 올스톤 리미티드 | 이온 이동도 분광분석기 |
GB2472951B (en) | 2004-11-29 | 2011-04-27 | Thermo Finnigan Llc | Method of processing mass spectrometry data |
JP2007192628A (ja) * | 2006-01-18 | 2007-08-02 | Canon Inc | ガスセンサ |
JP4752676B2 (ja) * | 2006-08-24 | 2011-08-17 | 株式会社島津製作所 | 質量分析装置 |
JP4998473B2 (ja) * | 2006-12-05 | 2012-08-15 | 株式会社島津製作所 | 質量分析装置 |
US20090124867A1 (en) * | 2007-11-13 | 2009-05-14 | Hirsh Robert A | Method and device to administer anesthetic and or vosactive agents according to non-invasively monitored cardiac and or neurological parameters |
-
2009
- 2009-06-23 EP EP09769897.1A patent/EP2306180A4/en not_active Withdrawn
- 2009-06-23 US US13/000,667 patent/US20110172931A1/en not_active Abandoned
- 2009-06-23 JP JP2010517761A patent/JP5545551B2/ja active Active
- 2009-06-23 KR KR1020117001297A patent/KR20110043605A/ko not_active Application Discontinuation
- 2009-06-23 WO PCT/JP2009/002872 patent/WO2009157187A1/ja active Application Filing
- 2009-06-23 CN CN200980132948.XA patent/CN102132151B/zh not_active Expired - Fee Related
-
2014
- 2014-05-01 JP JP2014094472A patent/JP2014167484A/ja active Pending
-
2016
- 2016-04-25 JP JP2016087477A patent/JP6268213B2/ja active Active
-
2017
- 2017-12-25 JP JP2017247226A patent/JP6655597B2/ja active Active
-
2018
- 2018-04-03 US US15/944,248 patent/US11521711B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102500948B1 (ko) * | 2021-10-01 | 2023-02-20 | 한국전자기술연구원 | 시변적 ims 데이터 처리를 통한 위험 물질 검출 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
US20180225426A1 (en) | 2018-08-09 |
US20110172931A1 (en) | 2011-07-14 |
EP2306180A4 (en) | 2016-03-09 |
WO2009157187A1 (ja) | 2009-12-30 |
CN102132151B (zh) | 2015-05-06 |
JP2014167484A (ja) | 2014-09-11 |
EP2306180A1 (en) | 2011-04-06 |
JP5545551B2 (ja) | 2014-07-09 |
JP6268213B2 (ja) | 2018-01-24 |
CN102132151A (zh) | 2011-07-20 |
JP2018077237A (ja) | 2018-05-17 |
JPWO2009157187A1 (ja) | 2011-12-08 |
US11521711B2 (en) | 2022-12-06 |
KR20110043605A (ko) | 2011-04-27 |
JP2016156834A (ja) | 2016-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6655597B2 (ja) | 化学物質に関連した情報を取り扱うためのシステム | |
Di Natale et al. | Counteraction of environmental disturbances of electronic nose data by independent component analysis | |
Bax et al. | How can odors be measured? An overview of methods and their applications | |
Stönner et al. | Real‐world volatile organic compound emission rates from seated adults and children for use in indoor air studies | |
Webber et al. | Optical detection of chemical warfare agents and toxic industrial chemicals: Simulation | |
Purcaro et al. | Toward a definition of blueprint of virgin olive oil by comprehensive two-dimensional gas chromatography | |
JP6121014B2 (ja) | コンテンツを供給する装置 | |
CA3168901A1 (en) | Method and apparatus for compressing and decompressing a higher order ambisonics representation | |
US7096715B2 (en) | Odor discriminating apparatus | |
Gontier et al. | An efficient audio coding scheme for quantitative and qualitative large scale acoustic monitoring using the sensor grid approach | |
Müller et al. | An algorithmic approach to compute the effect of non-radiative relaxation processes in photoacoustic spectroscopy | |
Li et al. | Using field asymmetric ion mobility spectrometry for odor assessment of automobile interior components | |
JPWO2012056709A1 (ja) | 分析装置 | |
Nakamoto | Olfactory display and odor recorder | |
Rimland et al. | Beyond visualization of big data: a multi-stage data exploration approach using visualization, sonification, and storification | |
KR20170035781A (ko) | 사운드를 합성하는 방법 및 디바이스 | |
Albastaki et al. | Electronic nose technologies and advances in machine olfaction | |
LaMontagne et al. | HABase: a web-application for the analysis of protein spectra and identification of microbial species | |
CN202057641U (zh) | 车载系统及车载气体清新度检测装置 | |
Sciabica et al. | Dissimilarity test modelling by time-frequency representation applied to engine sound | |
Tan et al. | Vibrational spectrum of a 1D oscillator: The quantum, the Wigner, and the classical ways | |
Battestini et al. | Analysis and Cluster Based Modelling and Recognition of Context in a Mobile Environment. | |
Williams et al. | What can we learn from the air chemistry of crowds? | |
Wheeler | SST: Integrated Fluorocarbon Microsensor System Using Catalytic Modification | |
Santoso et al. | IoT enabled Environmental Monitoring System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180123 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180123 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180926 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181031 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20181203 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190228 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190718 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190913 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200107 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200203 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6655597 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |