JP7006799B2 - 情報処理装置、センサ動作最適化方法、およびプログラム - Google Patents
情報処理装置、センサ動作最適化方法、およびプログラム Download PDFInfo
- Publication number
- JP7006799B2 JP7006799B2 JP2020547856A JP2020547856A JP7006799B2 JP 7006799 B2 JP7006799 B2 JP 7006799B2 JP 2020547856 A JP2020547856 A JP 2020547856A JP 2020547856 A JP2020547856 A JP 2020547856A JP 7006799 B2 JP7006799 B2 JP 7006799B2
- Authority
- JP
- Japan
- Prior art keywords
- sensor
- output data
- odor
- length
- sampling length
- 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
- 230000010365 information processing Effects 0.000 title claims description 56
- 238000000034 method Methods 0.000 title claims description 29
- 238000005457 optimization Methods 0.000 title claims description 13
- 238000005070 sampling Methods 0.000 claims description 122
- 238000010926 purge Methods 0.000 claims description 56
- 238000005259 measurement Methods 0.000 claims description 32
- 239000000356 contaminant Substances 0.000 claims description 5
- 235000019645 odor Nutrition 0.000 description 86
- 239000007789 gas Substances 0.000 description 49
- 238000003860 storage Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 14
- 238000012546 transfer Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000000630 rising effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000011261 inert gas Substances 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- 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
- 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
-
- 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
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—Specially adapted to detect a particular component
-
- 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
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method, e.g. intermittent, or the display, e.g. digital
-
- G01N33/0068—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
- G01N5/02—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by absorbing or adsorbing components of a material and determining change of weight of the adsorbent, e.g. determining moisture content
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (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
本発明は、情報処理装置、センサ動作最適化方法、およびプログラムに関する。
ガスをセンサで測定することにより、ガスに関する情報を得る技術が開発されている。例えば、下記特許文献１は、未知試料の入力に対する化学センサの出力を基に求められる伝達関数を使って、未知試料を識別する技術を開示している。具体的には、１）未知試料の量が時間的に変化する入力を化学センサに与え、２）上記化学センサからの時間的に変化する応答を測定し、３）上記入力および上記応答に基づいて上記未知試料の伝達関数を求め、４）求めた伝達関数に基づいて上記未知試料を識別する、という技術が開示されている。
未知試料（ガス）を検知する化学センサ（所謂、においセンサ）において、対象とするにおい成分の検知精度を向上させるためにセンサの動作を最適化する技術が望まれる。
本発明は、上記の課題に鑑みてなされたものである。本発明の目的の一つは、においセンサが検知対象とするにおい成分の検知精度を向上させるためにセンサの動作を最適化する技術を提供することである。
本発明の情報処理装置は、
対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データを取得するセンサ出力データ取得手段と、
前記サンプリング長さ別のセンサ出力データを用いて、前記対象ガスのにおい成分に関する予測を行うための予測式を生成する予測式生成手段と、
前記予測式を用いて、前記においセンサを動作させるときのサンプリング長さを決定する動作設定手段と、
を備える。
対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データを取得するセンサ出力データ取得手段と、
前記サンプリング長さ別のセンサ出力データを用いて、前記対象ガスのにおい成分に関する予測を行うための予測式を生成する予測式生成手段と、
前記予測式を用いて、前記においセンサを動作させるときのサンプリング長さを決定する動作設定手段と、
を備える。
本発明のセンサ動作最適化方法は、
コンピュータが、
対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データを取得し、
前記サンプリング長さ別のセンサ出力データを用いて、前記対象ガスのにおい成分に関する予測を行うための予測式を生成し、
前記予測式を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
ことを含む。
コンピュータが、
対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データを取得し、
前記サンプリング長さ別のセンサ出力データを用いて、前記対象ガスのにおい成分に関する予測を行うための予測式を生成し、
前記予測式を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
ことを含む。
本発明のプログラムは、コンピュータに、上述のセンサ動作最適化方法を実行させる。
本発明によれば、においセンサが検知対象とするにおい成分の検知精度を向上させるためにセンサの動作を最適化することができる。
上述した目的、およびその他の目的、特徴および利点は、以下に述べる好適な実施の形態、およびそれに付随する以下の図面によってさらに明らかになる。
以下、本発明の実施形態について、図面を用いて説明する。尚、すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。
なお、以下に示す説明において、特に説明する場合を除き、各装置の各構成要素は、ハードウエア単位の構成ではなく、機能単位のブロックを示している。各装置の各構成要素は、任意のコンピュータのＣＰＵ、メモリ、メモリにロードされた本図の構成要素を実現するプログラム、そのプログラムを格納するハードディスクなどの記憶メディア、ネットワーク接続用インタフェースを中心にハードウエアとソフトウエアの任意の組合せによって実現される。そして、その実現方法、装置には様々な変形例がある。
［第１実施形態］
＜概要＞
まず、図１を用いて、第１実施形態に係る情報処理装置２０の概要について説明する。図１は、第１実施形態に係る情報処理装置２０の概要を説明するための図である。情報処理装置２０は、特定のにおい成分を検出する場合におけるセンサ１０のサンプリング長さを最適化する。
＜概要＞
まず、図１を用いて、第１実施形態に係る情報処理装置２０の概要について説明する。図１は、第１実施形態に係る情報処理装置２０の概要を説明するための図である。情報処理装置２０は、特定のにおい成分を検出する場合におけるセンサ１０のサンプリング長さを最適化する。
ここで、図１に示されるセンサ１０は所謂においセンサである。センサ１０（においセンサ）の動作は、サンプリングとパージの繰り返しで構成されている。「サンプリング」は、センサ１０をにおい成分を含む対象ガスに曝す（例えば、におい成分を含む対象ガスをセンサ１０に吹き掛ける）動作を意味し、「パージ」は、センサ１０から対象ガスを取り除く（例えば、センサ１０をパージ用のガスに曝す）動作を意味する。また、「サンプリング長さ」は、上述のサンプリング動作を行う期間の長さを意味し、「パージ長さ」とは、上述のパージ動作を行う期間の長さを意味する。
図１の例において、符号１２および符号１４は、それぞれ、センサ１０に与えられる入力信号および当該入力信号に対するセンサ１０の出力信号を示している。
センサ１０に与えられる入力信号１２において、信号の立ち上がり期間はサンプリング動作の期間を、また、信号の立ち下がり期間はパージ動作の期間をそれぞれ示す。すなわち、図１において、Ｌ１、Ｌ２、およびＬ３は、それぞれ、サンプリング長さを示している。図示されるように、サンプリング長さＬ１、Ｌ２、およびＬ３は、それぞれ互いに異なる長さに設定されている。センサ１０の入力信号１２は、複数の期間それぞれでサンプリング長さが異なるような波形を持つ信号であれば、特に限定されない。なお、本実施形態では、パージ期間は固定長である。パージ期間は、センサ１０に付着したにおい成分（分子）の全てをセンサ１０から離脱させるのに十分な長さに設定される。
また、センサの出力信号１４において、ＯＬ１、ＯＬ２、およびＯＬ３は、それぞれ、期間Ｐ１でのサンプリング長さＬ１の入力、期間Ｐ２でのサンプリング長さＬ２の入力、および期間Ｐ３でのサンプリング長さＬ３の入力に対応するセンサ出力データ（サンプリング長さ別のセンサ出力データ）である。
図に示されるように、情報処理装置２０は、まず、サンプリング長さ別のセンサ出力データ（ＯＬ１、ＯＬ２、およびＯＬ３）を取得する。そして、情報処理装置２０は、サンプリング長さ別のセンサ出力データを用いた機械学習を行い、予測式を生成する。予測式は、センサ１０の出力に基づく特徴量を用いて、対象ガスのにおい成分に関する予測（例えば、におい成分の含有判別など）を行うための式である。そして、情報処理装置２０は、この予測式を用いて、センサ１０を動作させるときのサンプリング長さを決定する。具体的には、情報処理装置２０は、生成された予測式を用いて、「センサ１０の出力に基づく特徴量のどの部分が、対象ガスのにおい成分に関する予測に寄与するか」を特定する。そして、情報処理装置２０は、対象ガスのにおい成分に関する予測に寄与する特徴量を含むようなセンサ１０の出力を得るために適したサンプリング長さを、センサ１０を動作させるときのサンプリング長さとして決定する。
＜情報処理装置２０の機能構成例＞
図２は、第１実施形態に係る情報処理装置２０の機能構成を例示する図である。図２に示されるように、本実施形態の情報処理装置２０は、センサ出力データ取得部２１０、予測式生成部２２０、および動作設定部２３０を備える。
図２は、第１実施形態に係る情報処理装置２０の機能構成を例示する図である。図２に示されるように、本実施形態の情報処理装置２０は、センサ出力データ取得部２１０、予測式生成部２２０、および動作設定部２３０を備える。
センサ出力データ取得部２１０は、対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データ（例：図１のＯＬ１、ＯＬ２、およびＯＬ３）を取得する。予測式生成部２２０は、サンプリング長さ別のセンサ出力データを用いて機械学習を行い、対象ガスのにおい成分に関する予測を行うための予測式を生成する。そして、動作設定部２３０は、生成された予測式を用いて、においセンサを動作させるときのサンプリング長さを決定する。
＜ハードウエア構成＞
図３は、情報処理装置２０を実現するための計算機１０００を例示する図である。計算機１０００は任意の計算機である。例えば計算機１０００は、Personal Computer（PC）やサーバマシンなどの据え置き型の計算機である。その他にも例えば、計算機１０００は、スマートフォンやタブレット端末などの可搬型の計算機である。計算機１０００は、情報処理装置２０を実現するために設計された専用の計算機であってもよいし、汎用の計算機であってもよい。
図３は、情報処理装置２０を実現するための計算機１０００を例示する図である。計算機１０００は任意の計算機である。例えば計算機１０００は、Personal Computer（PC）やサーバマシンなどの据え置き型の計算機である。その他にも例えば、計算機１０００は、スマートフォンやタブレット端末などの可搬型の計算機である。計算機１０００は、情報処理装置２０を実現するために設計された専用の計算機であってもよいし、汎用の計算機であってもよい。
計算機１０００は、バス１０２０、プロセッサ１０４０、メモリ１０６０、ストレージデバイス１０８０、入出力インタフェース１１００、及びネットワークインタフェース１１２０を有する。バス１０２０は、プロセッサ１０４０、メモリ１０６０、ストレージデバイス１０８０、入出力インタフェース１１００、及びネットワークインタフェース１１２０が、相互にデータを送受信するためのデータ伝送路である。ただし、プロセッサ１０４０などを互いに接続する方法は、バス接続に限定されない。
プロセッサ１０４０は、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（Field-Programmable Gate Array）などの種々のプロセッサである。メモリ１０６０は、ＲＡＭ（Random Access Memory）などを用いて実現される主記憶装置である。ストレージデバイス１０８０は、ハードディスク、ＳＳＤ（Solid State Drive）、メモリカード、又はＲＯＭ（Read Only Memory）などを用いて実現される補助記憶装置である。
入出力インタフェース１１００は、計算機１０００と入出力デバイスとを接続するためのインタフェースである。例えば入出力インタフェース１１００には、キーボードなどの入力装置や、ディスプレイ装置などの出力装置が接続される。その他にも例えば、入出力インタフェース１１００には、センサ１０が接続される。ただし、センサ１０は必ずしも計算機１０００と直接接続されている必要はない。例えば、センサ１０は、計算機１０００と共有している記憶装置に出力データ（サンプリング長さ別のセンサ出力データ）を記憶させてもよい。
ネットワークインタフェース１１２０は、計算機１０００を通信網に接続するためのインタフェースである。この通信網は、例えばＬＡＮ（Local Area Network）やＷＡＮ（Wide Area Network）である。ネットワークインタフェース１１２０が通信網に接続する方法は、無線接続であってもよいし、有線接続であってもよい。
ストレージデバイス１０８０は、情報処理装置２０の各機能構成部（センサ出力データ取得部２１０、予測式生成部２２０、動作設定部２３０など）を実現するプログラムモジュールを記憶している。プロセッサ１０４０は、これら各プログラムモジュールをメモリ１０６０に読み出して実行することで、各プログラムモジュールに対応する機能を実現する。
＜処理の流れ＞
図４は、第１実施形態の情報処理装置２０により実行される処理の流れを例示するフローチャートである。
図４は、第１実施形態の情報処理装置２０により実行される処理の流れを例示するフローチャートである。
まず、センサ出力データ取得部２１０は、サンプリング長さ別のセンサ出力データを取得する（Ｓ１０２）。一例として、センサ出力データ取得部２１０は、入出力インタフェース１１００を介して接続されたセンサ１０に、サンプリング長さがランダムな複数の入力を与え、その結果としてセンサ１０から出力されるデータ（センサ出力データ）を取得する。他の一例として、サンプリング長さ別のセンサ出力データがストレージデバイス１０８０などの記憶領域に予め記憶されており、センサ出力データ取得部２１０は、当該記憶領域に記憶されているセンサ出力データを読み出してもよい。
次に、予測式生成部２２０は、センサ出力データ取得部２１０により取得された、サンプリング長さ別のセンサ出力データを用いて、対象ガスのにおい成分に関する予測を行うための予測式を生成する（Ｓ１０４）。例えば、予測式生成部２２０は、サンプリング長さ別のセンサ出力データ（例：図１におけるＯＬ１、ＯＬ２、およびＯＬ３）それぞれにフーリエ変換等を行って周波数領域の特徴データとし、これらの特徴データを用いて機械学習を行い、予測式を生成する。具体的には、予測式生成部２２０は、サンプリング長さ別のセンサ出力データから得た特徴データを用いて例えばＬＡＳＳＯ（Least Absolute Shrinkage and Selection Operator）などのスパース学習を実行して、「（予測結果：目的変数）＝ｆ（周波数領域の特徴データ：説明変数）」で表される予測モデル（予測式）を求める。スパース学習を実行することによって、対象ガスのにおい成分の予測に寄与する１以上の周波数成分（特徴量）が選択される。予測式生成部２２０は、スパース学習によって選択された当該１以上の周波数成分以外の周波数成分の重み係数を０とした予測式を生成する。
例えば、予測式は特徴量の線形和であり、ｚ＝ＷＸ＋ｂで表される。ここで、Ｘはセンサ１０の出力に基づく特徴量ベクトル、Ｗは特徴量ベクトルＸの各要素（特徴量）に対応する重み係数を示す重み係数ベクトル、ｂは定数である。そして、得られるｚが予測結果を示す。予測式は判別に用いられても良いし、回帰予測に用いられても良い。たとえばあるにおい成分の有無の判別に用いられる予測式では、ｚが予め定められた基準以上である場合、測定対象のガスに検出対象のにおい成分が含まれていると判断し、基準未満である場合、測定対象のガスに検出対象のにおい成分が含まれていないと判断することができる。回帰予測の例としては、飲料等の製品のにおいに基づく製造品質の予測や呼気の測定による体内状態の予測等が挙げられる。
次に、動作設定部２３０は、予測式生成部２２０により生成された予測式を用いて、センサ１０を動作させるときのサンプリング長さを決定する（Ｓ１０６）。具体的には、動作設定部２３０は、予測式における周波数成分別の重み係数を用いて、センサ１０を動作させるときのサンプリング長さを決定する。
まず、動作設定部２３０は、予測式における周波数成分別の重み係数に基づいて、重み係数の値が０以外の周波数成分を特定する。そして、動作設定部２３０は、特定した周波数成分について逆フーリエ変換を実行する。この結果として、対象のにおい成分に関する予測に用いるセンサ１０の出力（時間領域の信号）として理想的な第１の波形が得られる。そして、動作設定部２３０は、当該第１の波形を、センサ１０の逆伝達関数を用いて、センサ１０の入力として理想的な第２の波形に変換する。ここで、センサ１０の逆伝達関数は、例えばセンサ１０の伝達関数に基づいて導出することができる。なお、動作設定部２３０は、センサ１０の入力信号と出力信号の組み合わせに基づいて、センサ１０の伝達関数を算出することができる。動作設定部２３０は、このように得られた第２の波形から、センサ１０の動作に最適なサンプリング長さを決定することができる。例えば、動作設定部２３０は、第２の波形における信号の立ち上がり期間の長さを、センサ１０を動作させるときのサンプリング長さとして決定することができる。なお、スパース学習を行った結果として複数の周波数成分が選択された場合には、動作設定部２３０は、逆フーリエ変換の結果として、複数のサンプリング長さを有する第２の波形を得ることができる。そして、動作設定部２３０は、この第２の波形に基づく複数のサンプリング長さを、それぞれ、センサ１０を動作させるときのサンプリング長さとして決定することができる。但し、ここで説明した具体的な動作はあくまで一例であり、動作設定部２３０の動作はこれらの例に制限されない。
そして、動作設定部２３０は、Ｓ１０６の処理で決定されたサンプリング長さと、固定値であるパージ長さとに基づいて、センサ１０の動作（センサ１０のサンプリング／パージの切り替え周期）を設定する（Ｓ１０８）。なお、固定値であるパージ長さに関する情報は、例えば、メモリ１０６０やストレージデバイス１０８０などの記憶領域に予め記憶されており、動作設定部２３０は、当該記憶領域から、パージ長さに関する情報を取得することができる。
＜作用・効果＞
以上、本実施形態では、まず、サンプリング長さの異なる複数の入力それぞれに対する応答としてにおいセンサから得られる、サンプリング長さ別のセンサ出力データを用いて、そのにおい成分に関する予測を行うための予測式が生成される。そして、生成された予測式を用いて、におい成分の予測に寄与する特徴量（例えば、周波数成分）が特定される。そして、当該特定された特徴量を含むセンサ１０の出力を得るために適したサンプリング長さが、「においセンサを動作させるときのサンプリング長さ」として決定される。つまり、本実施形態によれば、対象ガスのにおい成分の予測に寄与する特徴量がセンサ１０の出力に現れるように、においセンサの動作を最適化することができる。これにより、対象とするにおい成分について誤った予測を行う可能性を低減させる効果が期待できる。
以上、本実施形態では、まず、サンプリング長さの異なる複数の入力それぞれに対する応答としてにおいセンサから得られる、サンプリング長さ別のセンサ出力データを用いて、そのにおい成分に関する予測を行うための予測式が生成される。そして、生成された予測式を用いて、におい成分の予測に寄与する特徴量（例えば、周波数成分）が特定される。そして、当該特定された特徴量を含むセンサ１０の出力を得るために適したサンプリング長さが、「においセンサを動作させるときのサンプリング長さ」として決定される。つまり、本実施形態によれば、対象ガスのにおい成分の予測に寄与する特徴量がセンサ１０の出力に現れるように、においセンサの動作を最適化することができる。これにより、対象とするにおい成分について誤った予測を行う可能性を低減させる効果が期待できる。
＜具体的な利用例＞
上述したセンサ１０の動作を最適化する方法は、例えば、当該センサ１０を設ける現場で実行することができる。具体的には、センサ１０を設ける現場に、検知対象のにおい成分を含むガス（サンプルガス）を持っていき、以下の手順でセンサ１０の動作を最適化することができる。
１）センサ１０を様々なサンプリング長さでサンプルガスに曝して得られる、サンプリング長さ別のセンサ出力データを、情報処理装置２０に入力する。
２）情報処理装置２０が、上記１）で得られたサプリング長さ別のセンサ出力データを用いて、検知対象のにおい成分に関する予測を行うための予測式を生成する。
３）情報処理装置２０が、上記２）で生成された予測式を用いて、センサ１０を動作させるときのサンプリング長さを決定し、センサ１０に設定する。
このように、本実施形態によれば、センサ１０を設ける現場で、そのセンサ１０の動作を簡単にチューニングすることができる。
上述したセンサ１０の動作を最適化する方法は、例えば、当該センサ１０を設ける現場で実行することができる。具体的には、センサ１０を設ける現場に、検知対象のにおい成分を含むガス（サンプルガス）を持っていき、以下の手順でセンサ１０の動作を最適化することができる。
１）センサ１０を様々なサンプリング長さでサンプルガスに曝して得られる、サンプリング長さ別のセンサ出力データを、情報処理装置２０に入力する。
２）情報処理装置２０が、上記１）で得られたサプリング長さ別のセンサ出力データを用いて、検知対象のにおい成分に関する予測を行うための予測式を生成する。
３）情報処理装置２０が、上記２）で生成された予測式を用いて、センサ１０を動作させるときのサンプリング長さを決定し、センサ１０に設定する。
このように、本実施形態によれば、センサ１０を設ける現場で、そのセンサ１０の動作を簡単にチューニングすることができる。
なお、例えば、ゴムが焼けるにおい及びプラスチックが溶けるにおいの両方を検知する場合など、複数種類のにおいが検知対象である場合、情報処理装置２０は、検知対象のにおい別に上述の処理を行い、検知対象のにおい別に最適なサンプリング長さを決定する。この場合、情報処理装置２０は、検知対象のにおい別に決定したサンプリング長さを使って、センサ１０動作を最適化する。具体的には、検知対象のにおいが２種類ある場合、情報処理装置２０は、第１のにおい及び第２のにおいについて、それぞれ、第１のサンプリング長さおよび第２のサンプリング長さを決定する。そして、情報処理装置２０は、例えば、「第１のサンプリング長さでのサンプリング動作→固定長のパージ動作→第２のサンプリング長さでのサンプリング動作→固定長のパージ動作」を、センサ１０の１サイクルの動作として設定する。このようにすることで、複数種類のにおいが検出対象である場合であっても、それぞれのにおいを精度よく検知できるようにセンサ１０の動作が最適化される。
［第２実施形態］
センサ１０の出力は、対象ガスの成分のみならず、その測定環境（測定条件）に応じて変わる場合がある。具体的な例として、センサ１０の一構成要素としてばねが存在する場合に、ばね係数が気温や湿度などによって変動することで、同一の入力に対する出力が異なる場合がある。そうすると、におい成分の特徴を含むセンサ１０の出力を得るために適切なサンプリング長さは、測定環境毎に異なってくる可能性がある。本実施形態に係る情報処理装置２０は、この問題を解決する構成を有する。
センサ１０の出力は、対象ガスの成分のみならず、その測定環境（測定条件）に応じて変わる場合がある。具体的な例として、センサ１０の一構成要素としてばねが存在する場合に、ばね係数が気温や湿度などによって変動することで、同一の入力に対する出力が異なる場合がある。そうすると、におい成分の特徴を含むセンサ１０の出力を得るために適切なサンプリング長さは、測定環境毎に異なってくる可能性がある。本実施形態に係る情報処理装置２０は、この問題を解決する構成を有する。
＜機能構成例＞
本実施形態に係る情報処理装置２０は、以下に説明する点を除いて第１の実施形態に係る情報処理装置２０と同じである。本実施形態において、予測式生成部２２０は、サンプリング長さ別のセンサ出力データをセンサ１０の測定環境で分類し、その測定環境別のセンサ出力データを用いて、センサ１０の測定環境別に予測式を生成する。予測式の生成する方法は、第１実施形態と同様である。また、動作設定部２３０は、センサ１０の測定環境別に生成された予測式を用いて、センサ１０を動作させるサンプリング長さを測定環境別に決定する。サンプリング長さを決定する方法は、第１実施形態と同様である。
本実施形態に係る情報処理装置２０は、以下に説明する点を除いて第１の実施形態に係る情報処理装置２０と同じである。本実施形態において、予測式生成部２２０は、サンプリング長さ別のセンサ出力データをセンサ１０の測定環境で分類し、その測定環境別のセンサ出力データを用いて、センサ１０の測定環境別に予測式を生成する。予測式の生成する方法は、第１実施形態と同様である。また、動作設定部２３０は、センサ１０の測定環境別に生成された予測式を用いて、センサ１０を動作させるサンプリング長さを測定環境別に決定する。サンプリング長さを決定する方法は、第１実施形態と同様である。
上述の測定環境の具体例としては、特に限定されないが、例えば、気温、湿度、気圧、夾雑ガスの種類、パージガスの種類、センシング対象物とセンサとの距離、センサの周囲に存在する物体などが挙げられる。温度、湿度、および気圧はそれぞれセンサ１０の周囲の温度、湿度、および気圧、具体的にはセンサ１０の官能部を取り巻く雰囲気の温度、湿度、および気圧である。夾雑ガスの種類は、センサ１０を対象ガスに曝す操作（サンプリング）において、対象のにおい成分と共にセンサ１０に供給されるガスの種類である。具体的には夾雑ガスの種類としては、窒素等の不活性ガス、および空気等が挙げられる。パージガスの種類はセンサ１０から測定対象のガスを取り除く操作（パージ）においてセンサ１０に供給されるガスである。具体的にはパージガスとしては、窒素等の不活性ガス、および空気等が挙げられる。対象物とセンサ１０との距離は、特定の対象物の周囲にセンサ１０を配置して検出を行う場合の、対象物とセンサ１０との距離である。センサ１０の周囲に存在する物体は、特定の対象物の周囲にセンサ１０を配置して検出を行う場合の、対象物の種類である。
＜作用・効果＞
以上、本実施形態では、測定環境別のセンサ出力データを用いて予測式が測定環境別に生成され、その測定環境別の予測式を用いてサンプリング長さが測定環境別に決定される。これにより、センサ１０の動作を測定環境に応じて最適化することが可能となる。
以上、本実施形態では、測定環境別のセンサ出力データを用いて予測式が測定環境別に生成され、その測定環境別の予測式を用いてサンプリング長さが測定環境別に決定される。これにより、センサ１０の動作を測定環境に応じて最適化することが可能となる。
［第３実施形態］
本実施形態の情報処理装置２０は、以下に説明する点を除き、上述の各実施形態と同様の構成を有する。
本実施形態の情報処理装置２０は、以下に説明する点を除き、上述の各実施形態と同様の構成を有する。
＜概要＞
図５を用いて、第３実施形態に係る情報処理装置２０の概要について説明する。図５は、第３実施形態に係る情報処理装置２０の概要を説明するための図である。図５の例と図１の例とでは、入力信号１２の波形が異なる。図１の例において、入力信号１２のパージ長さ（信号の立ち下がり期間）は固定であったが、図５の例では、可変となっている。具体的には、図５において、Ｌ１、Ｌ２、およびＬ３は、それぞれ、サンプリング長さを示している。図示されるように、サンプリング長さＬ１、Ｌ２、およびＬ３は、それぞれ互いに異なる長さに設定されている。また、Ｌ４、Ｌ５、およびＬ６は、それぞれ、パージ長さを示している。図示されるように、パージ長さＬ４、Ｌ５、およびＬ６は、それぞれ互いに異なる長さに設定されている。図５に例示されるような入力信号１２は、例えば、Ｍ系列信号を生成する論理回路などを用いて生成される。
図５を用いて、第３実施形態に係る情報処理装置２０の概要について説明する。図５は、第３実施形態に係る情報処理装置２０の概要を説明するための図である。図５の例と図１の例とでは、入力信号１２の波形が異なる。図１の例において、入力信号１２のパージ長さ（信号の立ち下がり期間）は固定であったが、図５の例では、可変となっている。具体的には、図５において、Ｌ１、Ｌ２、およびＬ３は、それぞれ、サンプリング長さを示している。図示されるように、サンプリング長さＬ１、Ｌ２、およびＬ３は、それぞれ互いに異なる長さに設定されている。また、Ｌ４、Ｌ５、およびＬ６は、それぞれ、パージ長さを示している。図示されるように、パージ長さＬ４、Ｌ５、およびＬ６は、それぞれ互いに異なる長さに設定されている。図５に例示されるような入力信号１２は、例えば、Ｍ系列信号を生成する論理回路などを用いて生成される。
また、センサの出力信号１４において、ＯＬ１－４、ＯＬ２－５、およびＯＬ３－６は、それぞれ、期間Ｐ１でのサンプリング長さＬ１とパージ長さＬ４との組み合わせの入力、期間Ｐ２でのサンプリング長さＬ２とパージ長さＬ５との組み合わせの入力、および期間Ｐ３でのサンプリング長さＬ３とパージ長さＬ６との組み合わせの入力に対応するセンサ出力データ（サンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データ）である。
図に示されるように、情報処理装置２０は、まず、サンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データ（ＯＬ１－４、ＯＬ２－５、およびＯＬ３－６）を取得する。そして、情報処理装置２０は、サンプリング長さ別のセンサ出力データを用いた機械学習を行い、予測式を生成する。予測式は、センサ１０の出力に基づく特徴量を用いて、対象ガスのにおい成分に関する予測（例えば、におい成分の含有判別など）を行うための式である。そして、情報処理装置２０は、この予測式を用いて、センサ１０を動作させるときのサンプリング長さを決定する。具体的には、情報処理装置２０は、生成された予測式を用いて、「センサ１０の出力に基づく特徴量のどの部分が、対象ガスのにおい成分に関する予測に寄与するか」を特定する。そして、情報処理装置２０は、対象ガスのにおい成分に関する予測に寄与する特徴量を含むようなセンサ１０の出力を得るために適したサンプリング長さおよびパージ長さを、センサ１０を動作させるときのサンプリング長さおよびパージ長さとして決定する。
＜機能構成例＞
本実施形態の情報処理装置２０は、第１実施形態で例示した構成（例：図１）と同様の構成を有する。本実施形態において、センサ出力データ取得部２１０は、センサ１０（においセンサ）のサンプリング長さおよびパージ長さの組み合わせ別にセンサ出力データを取得する。また、予測式生成部２２０は、サンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データを用いて機械学習を行い、対象ガスのにおい成分の予測に関する予測式を生成する。そして、動作設定部２３０は、生成された予測式を用いて、においセンサを動作させるときのサンプリング長さおよびパージ長さを決定する。
本実施形態の情報処理装置２０は、第１実施形態で例示した構成（例：図１）と同様の構成を有する。本実施形態において、センサ出力データ取得部２１０は、センサ１０（においセンサ）のサンプリング長さおよびパージ長さの組み合わせ別にセンサ出力データを取得する。また、予測式生成部２２０は、サンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データを用いて機械学習を行い、対象ガスのにおい成分の予測に関する予測式を生成する。そして、動作設定部２３０は、生成された予測式を用いて、においセンサを動作させるときのサンプリング長さおよびパージ長さを決定する。
＜処理の流れ＞
図６は、第３実施形態の情報処理装置２０により実行される処理の流れを例示するフローチャートである。
図６は、第３実施形態の情報処理装置２０により実行される処理の流れを例示するフローチャートである。
まず、センサ出力データ取得部２１０は、サンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データを取得する（Ｓ２０２）。一例として、センサ出力データ取得部２１０は、入出力インタフェース１１００を介して接続されたセンサ１０に、サンプリング長さおよびパージ長さがランダムな複数の入力を与え、その結果としてセンサ１０から出力されるデータ（センサ出力データ）を取得する。他の一例として、サンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データがストレージデバイス１０８０などの記憶領域に予め記憶されており、センサ出力データ取得部２１０は、当該記憶領域に記憶されているセンサ出力データを読み出してもよい。
次に、予測式生成部２２０は、センサ出力データ取得部２１０により取得された、サンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データを用いて、対象ガスのにおい成分に関する予測を行うための予測式を生成する（Ｓ２０４）。予測式生成部２２０は、第１実施形態と同様に、スパース学習によって対象ガスのにおい成分の予測に寄与する１以上の周波数成分を選択し、当該１以上の周波数成分以外の周波数成分の重み係数を０とした予測式を生成する。
次に、動作設定部２３０は、予測式生成部２２０により生成された予測式を用いて、センサ１０を動作させるときのサンプリング長さおよびパージ長さを決定する（Ｓ２０６）。具体的には、動作設定部２３０は、予測式における周波数成分別の重み係数を用いて、センサ１０を動作させるときのサンプリング長さおよびパージ長さを決定する。
まず、動作設定部２３０は、予測式における周波数成分別の重み係数に基づいて、重み係数の値が０以外の周波数成分を特定する。そして、動作設定部２３０は、特定した周波数成分について逆フーリエ変換を実行する。この結果として、対象のにおい成分に関する予測に用いるセンサ１０の出力（時間領域の信号）として理想的な第１の波形が得られる。そして、動作設定部２３０は、当該第１の波形を、センサ１０の逆伝達関数を用いて、センサ１０の入力として理想的な第２の波形に変換する。ここで、センサ１０の逆伝達関数は、例えばセンサ１０の伝達関数に基づいて導出することができる。なお、動作設定部２３０は、センサ１０の入力信号と出力信号の組み合わせに基づいて、センサ１０の伝達関数を算出することができる。動作設定部２３０は、このように得られた第２の波形から、センサ１０の動作に最適なサンプリング長さおよびパージ長さを決定することができる。動作設定部２３０は、第２の波形における信号の立ち上がり期間の長さを、センサ１０を動作させるときのサンプリング長さとして決定することができる。また、動作設定部２３０は、第２の波形における信号の立ち下がり期間の長さを、センサ１０を動作させるときのパージ長さとして決定することができる。なお、スパース学習を行った結果として複数の周波数成分が選択された場合には、動作設定部２３０は、逆フーリエ変換の結果として、複数のサンプリング長さおよび複数のパージ長さを有する第２の波形を得ることができる。そして、動作設定部２３０は、この第２の波形に基づく複数のサンプリング長さを、それぞれ、センサ１０を動作させるときのサンプリング長さとして決定することができる。また、動作設定部２３０は、この第２の波形に基づく複数のパージ長さを、センサ１０を動作させるときのパージ長さとして決定することができる。但し、ここで説明した具体的な動作はあくまで一例であり、動作設定部２３０の動作はこれらの例に制限されない。
そして、動作設定部２３０は、Ｓ２０６の処理で決定されたサンプリング長さおよびパージ長さ（センサ１０のサンプリング／パージの切り替え周期）を基に、センサ１０の動作を設定する（Ｓ２０８）。
以上、本実施形態では、センサ１０の動作に最適な周期として特定された周期に基づいて、センサ１０が動作するときのサンプリング長さおよびパージ長さが決定される。そして、決定されたサンプリング長さおよびパージ長さに基づいて、センサ１０の動作がチューニングされる。サンプリング長さのみならず、パージ長さをも調整することにより、においセンサの動作を精度よく最適化することができる。
以上、図面を参照して本発明の実施形態について述べたが、これらは本発明の例示であり、上記以外の様々な構成を採用することもできる。
また、上述の説明で用いた複数のフローチャートでは、複数の工程（処理）が順番に記載されているが、各実施形態で実行される工程の実行順序は、その記載の順番に制限されない。各実施形態では、図示される工程の順番を内容的に支障のない範囲で変更することができる。また、上述の各実施形態は、内容が相反しない範囲で組み合わせることができる。
上記の実施形態の一部または全部は、以下の付記のようにも記載されうるが、以下に限られない。
１．
対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データを取得するセンサ出力データ取得手段と、
前記サンプリング長さ別のセンサ出力データを用いて、前記対象ガスのにおい成分に関する予測を行うための予測式を生成する予測式生成手段と、
前記予測式を用いて、前記においセンサを動作させるときのサンプリング長さを決定する動作設定手段と、
を備える情報処理装置。
２．
前記予測式生成手段は、
前記サンプリング長さ別のセンサ出力データを、それぞれ、周波数領域の特徴データに変換し、
前記周波数領域の特徴データを用いて、前記予測式を生成する、
１．に記載の情報処理装置。
３．
前記予測式は周波数別の重み係数を有しており、
前記動作設定手段は、前記周波数別の重み係数を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
２．に記載の情報処理装置。
４．
前記予測式生成手段は、前記においセンサの測定環境に基づいて分類される、測定環境別の前記センサ出力データを用いて、前記予測式を前記においセンサの測定環境別に生成し、
前記動作設定手段は、前記においセンサの測定環境別に生成された前記予測式の重みを用いて、前記サンプリング長さを前記測定環境別に決定する、
１．から３．のいずれか１つに記載の情報処理装置。
５．
前記測定環境は、温度、湿度、気圧、夾雑ガスの種類、パージガスの種類、対象物と前記においセンサとの距離、前記においセンサの周囲に存在する物体のうち少なくともいずれかを含む、
４．に記載の情報処理装置。
６．
前記センサ出力データ取得手段は、前記においセンサのサンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データを取得し、
前記予測式生成手段は、前記組み合わせ別のセンサ出力データを用いて前記予測式を生成し、
前記動作設定手段は、前記予測式を用いて、前記サンプリング長さおよび前記パージ長さを決定する、
１．から５．のいずれか１つに記載の情報処理装置。
７．
コンピュータが、
対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データを取得し、
前記サンプリング長さ別のセンサ出力データを用いて、前記対象ガスのにおい成分に関する予測を行うための予測式を生成し、
前記予測式を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
ことを含むセンサ動作最適化方法。
８．
前記コンピュータが、
前記サンプリング長さ別のセンサ出力データを、それぞれ、周波数領域の特徴データに変換し、
前記周波数領域の特徴データを用いて、前記予測式を生成する、
ことを含む７．に記載のセンサ動作最適化方法。
９．
前記予測式は周波数別の重み係数を有しており、
前記コンピュータが、
前記周波数別の重み係数を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
ことを含む８．に記載のセンサ動作最適化方法。
１０．
前記コンピュータが、
前記においセンサの測定環境に基づいて分類される、測定環境別の前記センサ出力データを用いて、前記予測式を前記においセンサの測定環境別に生成し、
前記においセンサの測定環境別に生成された前記予測式の重みを用いて、前記サンプリング長さを前記測定環境別に決定する、
ことを含む７．から９．のいずれか１つに記載のセンサ動作最適化方法。
１１．
前記測定環境は、温度、湿度、気圧、雰囲気ガスの種類、パージガスの種類、対象物と前記においセンサとの距離、前記においセンサの周囲に存在する物体のうち少なくともいずれかを含む、
１０．に記載のセンサ動作最適化方法。
１２．
前記コンピュータが、
前記においセンサのサンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データを取得し、
前記組み合わせ別のセンサ出力データを用いて前記予測式を生成し、
前記予測式を用いて、前記サンプリング長さおよび前記パージ長さを決定する、
ことを含む７．から１１．のいずれか１つに記載のセンサ動作最適化方法。
１３．
コンピュータに、７．から１２．のいずれか１つに記載のセンサ動作最適化方法を実行させるプログラム。
上記の実施形態の一部または全部は、以下の付記のようにも記載されうるが、以下に限られない。
１．
対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データを取得するセンサ出力データ取得手段と、
前記サンプリング長さ別のセンサ出力データを用いて、前記対象ガスのにおい成分に関する予測を行うための予測式を生成する予測式生成手段と、
前記予測式を用いて、前記においセンサを動作させるときのサンプリング長さを決定する動作設定手段と、
を備える情報処理装置。
２．
前記予測式生成手段は、
前記サンプリング長さ別のセンサ出力データを、それぞれ、周波数領域の特徴データに変換し、
前記周波数領域の特徴データを用いて、前記予測式を生成する、
１．に記載の情報処理装置。
３．
前記予測式は周波数別の重み係数を有しており、
前記動作設定手段は、前記周波数別の重み係数を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
２．に記載の情報処理装置。
４．
前記予測式生成手段は、前記においセンサの測定環境に基づいて分類される、測定環境別の前記センサ出力データを用いて、前記予測式を前記においセンサの測定環境別に生成し、
前記動作設定手段は、前記においセンサの測定環境別に生成された前記予測式の重みを用いて、前記サンプリング長さを前記測定環境別に決定する、
１．から３．のいずれか１つに記載の情報処理装置。
５．
前記測定環境は、温度、湿度、気圧、夾雑ガスの種類、パージガスの種類、対象物と前記においセンサとの距離、前記においセンサの周囲に存在する物体のうち少なくともいずれかを含む、
４．に記載の情報処理装置。
６．
前記センサ出力データ取得手段は、前記においセンサのサンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データを取得し、
前記予測式生成手段は、前記組み合わせ別のセンサ出力データを用いて前記予測式を生成し、
前記動作設定手段は、前記予測式を用いて、前記サンプリング長さおよび前記パージ長さを決定する、
１．から５．のいずれか１つに記載の情報処理装置。
７．
コンピュータが、
対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データを取得し、
前記サンプリング長さ別のセンサ出力データを用いて、前記対象ガスのにおい成分に関する予測を行うための予測式を生成し、
前記予測式を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
ことを含むセンサ動作最適化方法。
８．
前記コンピュータが、
前記サンプリング長さ別のセンサ出力データを、それぞれ、周波数領域の特徴データに変換し、
前記周波数領域の特徴データを用いて、前記予測式を生成する、
ことを含む７．に記載のセンサ動作最適化方法。
９．
前記予測式は周波数別の重み係数を有しており、
前記コンピュータが、
前記周波数別の重み係数を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
ことを含む８．に記載のセンサ動作最適化方法。
１０．
前記コンピュータが、
前記においセンサの測定環境に基づいて分類される、測定環境別の前記センサ出力データを用いて、前記予測式を前記においセンサの測定環境別に生成し、
前記においセンサの測定環境別に生成された前記予測式の重みを用いて、前記サンプリング長さを前記測定環境別に決定する、
ことを含む７．から９．のいずれか１つに記載のセンサ動作最適化方法。
１１．
前記測定環境は、温度、湿度、気圧、雰囲気ガスの種類、パージガスの種類、対象物と前記においセンサとの距離、前記においセンサの周囲に存在する物体のうち少なくともいずれかを含む、
１０．に記載のセンサ動作最適化方法。
１２．
前記コンピュータが、
前記においセンサのサンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データを取得し、
前記組み合わせ別のセンサ出力データを用いて前記予測式を生成し、
前記予測式を用いて、前記サンプリング長さおよび前記パージ長さを決定する、
ことを含む７．から１１．のいずれか１つに記載のセンサ動作最適化方法。
１３．
コンピュータに、７．から１２．のいずれか１つに記載のセンサ動作最適化方法を実行させるプログラム。
Claims (8)
- 対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データを取得するセンサ出力データ取得手段と、
前記サンプリング長さ別のセンサ出力データを用いて、前記対象ガスのにおい成分に関する予測を行うための予測式を生成する予測式生成手段と、
前記予測式を用いて、前記においセンサを動作させるときのサンプリング長さを決定する動作設定手段と、
を備える情報処理装置。 - 前記予測式生成手段は、
前記サンプリング長さ別のセンサ出力データを、それぞれ、周波数領域の特徴データに変換し、
前記周波数領域の特徴データを用いて、前記予測式を生成する、
請求項１に記載の情報処理装置。 - 前記予測式は周波数別の重み係数を有しており、
前記動作設定手段は、前記周波数別の重み係数を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
請求項２に記載の情報処理装置。 - 前記予測式生成手段は、前記においセンサの測定環境に基づいて分類される、測定環境別の前記センサ出力データを用いて、前記予測式を前記においセンサの測定環境別に生成し、
前記動作設定手段は、前記においセンサの測定環境別に生成された前記予測式の重みを用いて、前記サンプリング長さを前記測定環境別に決定する、
請求項１から３のいずれか１項に記載の情報処理装置。 - 前記測定環境は、温度、湿度、気圧、夾雑ガスの種類、パージガスの種類、対象物と前記においセンサとの距離、前記においセンサの周囲に存在する物体のうち少なくともいずれかを含む、
請求項４に記載の情報処理装置。 - 前記センサ出力データ取得手段は、前記においセンサのサンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データを取得し、
前記予測式生成手段は、前記組み合わせ別のセンサ出力データを用いて前記予測式を生成し、
前記動作設定手段は、前記予測式を用いて、前記サンプリング長さおよび前記パージ長さを決定する、
請求項１から５のいずれか１項に記載の情報処理装置。 - コンピュータが、
対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データを取得し、
前記サンプリング長さ別のセンサ出力データを用いて、前記対象ガスのにおい成分に関する予測を行うための予測式を生成し、
前記予測式を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
ことを含むセンサ動作最適化方法。 - コンピュータに、請求項７に記載のセンサ動作最適化方法を実行させるプログラム。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2018/036505 WO2020065991A1 (ja) | 2018-09-28 | 2018-09-28 | 情報処理装置、センサ動作最適化方法、およびプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPWO2020065991A1 JPWO2020065991A1 (ja) | 2021-08-30 |
| JP7006799B2 true JP7006799B2 (ja) | 2022-02-10 |
Family
ID=69952989
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020547856A Active JP7006799B2 (ja) | 2018-09-28 | 2018-09-28 | 情報処理装置、センサ動作最適化方法、およびプログラム |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11789001B2 (ja) |
| JP (1) | JP7006799B2 (ja) |
| WO (1) | WO2020065991A1 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220221435A1 (en) * | 2019-05-27 | 2022-07-14 | Nanoscent Ltd. | Method and device for identifying volatile compounds |
| WO2024090156A1 (ja) * | 2022-10-28 | 2024-05-02 | パナソニックＩｐマネジメント株式会社 | 匂い識別方法及び匂い識別システム |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000155107A (ja) | 1998-11-20 | 2000-06-06 | Shimadzu Corp | ガス測定装置 |
| JP2001175970A (ja) | 1999-12-17 | 2001-06-29 | Yazaki Corp | ガス検出装置及びガス検出方法 |
| JP6102217B2 (ja) | 2011-12-15 | 2017-03-29 | 大日本印刷株式会社 | 配送用シール |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04238243A (ja) | 1991-01-21 | 1992-08-26 | Masao Karube | 揮発性有機物質の測定装置 |
| JP3130679B2 (ja) | 1992-09-17 | 2001-01-31 | エヌオーケー株式会社 | ガス識別方法とガス識別装置 |
| JP3378481B2 (ja) * | 1997-11-05 | 2003-02-17 | 株式会社エヌ・ティ・ティ・データ | 物質濃度の定量化方法、物質濃度検出装置および記録媒体 |
| JP6286574B2 (ja) * | 2014-10-02 | 2018-02-28 | シャープ株式会社 | 信号処理装置、信号処理方法およびコンピュータプログラム |
| JP6774097B2 (ja) | 2016-11-28 | 2020-10-21 | 国立研究開発法人物質・材料研究機構 | 化学センサ測定による試料識別方法、試料識別装置、及び入力パラメータ推定方法 |
| CN108537336B (zh) * | 2018-03-26 | 2021-07-20 | 上海电力学院 | 一种基于深度神经网络的空气质量预测方法 |
| US11668677B2 (en) * | 2019-04-23 | 2023-06-06 | Pall Corporation | Aircraft air contaminant analyzer and method of use |
-
2018
- 2018-09-28 WO PCT/JP2018/036505 patent/WO2020065991A1/ja active Application Filing
- 2018-09-28 US US17/280,439 patent/US11789001B2/en active Active
- 2018-09-28 JP JP2020547856A patent/JP7006799B2/ja active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000155107A (ja) | 1998-11-20 | 2000-06-06 | Shimadzu Corp | ガス測定装置 |
| JP2001175970A (ja) | 1999-12-17 | 2001-06-29 | Yazaki Corp | ガス検出装置及びガス検出方法 |
| JP6102217B2 (ja) | 2011-12-15 | 2017-03-29 | 大日本印刷株式会社 | 配送用シール |
Also Published As
| Publication number | Publication date |
|---|---|
| US20220003732A1 (en) | 2022-01-06 |
| WO2020065991A1 (ja) | 2020-04-02 |
| US11789001B2 (en) | 2023-10-17 |
| JPWO2020065991A1 (ja) | 2021-08-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2021101388A (ja) | 予測分析用の動作中心型第一原理プロセスモデルの動的構築及びオンライン配備のためのコンピュータシステム及び方法 | |
| JP5116307B2 (ja) | 集積回路装置異常検出装置、方法およびプログラム | |
| JP7063389B2 (ja) | 処理装置、処理方法、およびプログラム | |
| JP7006799B2 (ja) | 情報処理装置、センサ動作最適化方法、およびプログラム | |
| JP3901137B2 (ja) | におい識別装置 | |
| KR101025163B1 (ko) | 진동 및 소음 전달경로 해석 시스템과 진동 및 소음 전달경로 해석 방법 | |
| CN110146215B (zh) | 一种带有温度补偿与参数整定措施的气压传感器 | |
| JP2019036061A (ja) | 要因分析装置、要因分析方法、およびプログラム | |
| US20200319626A1 (en) | Method and apparatus for monitoring the state of a device in a process industry and medium | |
| KR20190060548A (ko) | 변수 구간별 불량 발생 지수를 도출하여 공정 불량 원인을 파악하고 시각화하는 방법 | |
| JP7140191B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
| JP7127697B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
| WO2019026193A1 (ja) | 情報処理装置、情報処理システム、情報処理方法、及び、記録媒体 | |
| JP7056747B2 (ja) | 情報処理装置、処理装置、情報処理方法、処理方法、決定方法、およびプログラム | |
| US20220044151A1 (en) | Apparatus and method for electronic determination of system data integrity | |
| JP7099623B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| CN114624791A (zh) | 雨量测量方法、装置、计算机设备及存储介质 | |
| JP7143895B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| JP7074194B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
| JP7143894B2 (ja) | 情報処理装置、伝達関数生成方法、およびプログラム | |
| CN117373917B (zh) | 一种半导体器件加工方法、系统及电子设备 | |
| JP2021162490A (ja) | 生鮮品の判定装置およびプログラム | |
| Jenisha et al. | Design and Development of Industrial Pollution Monitoring System Data Log System using Lab VIEW | |
| Waller | Using surrogate data for nonlinear identification: A case study | |
| JP2015220379A (ja) | 集積回路デバイスの潜在不良検査装置、方法およびプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210324 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210324 |
|
| 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: 20211207 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211220 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 7006799 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |