JP7205271B2 - センシングシステム - Google Patents
センシングシステム Download PDFInfo
- Publication number
- JP7205271B2 JP7205271B2 JP2019021776A JP2019021776A JP7205271B2 JP 7205271 B2 JP7205271 B2 JP 7205271B2 JP 2019021776 A JP2019021776 A JP 2019021776A JP 2019021776 A JP2019021776 A JP 2019021776A JP 7205271 B2 JP7205271 B2 JP 7205271B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- communication terminal
- control unit
- analysis
- stored
- 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
- 239000000126 substance Substances 0.000 claims description 95
- 238000001514 detection method Methods 0.000 claims description 86
- 238000012545 processing Methods 0.000 claims description 84
- 239000000758 substrate Substances 0.000 claims description 84
- 238000003860 storage Methods 0.000 claims description 73
- 238000004458 analytical method Methods 0.000 claims description 71
- 238000004891 communication Methods 0.000 claims description 70
- 238000000034 method Methods 0.000 claims description 52
- 239000012491 analyte Substances 0.000 claims description 22
- 238000001228 spectrum Methods 0.000 claims description 21
- 230000003749 cleanliness Effects 0.000 claims description 8
- 238000004611 spectroscopical analysis Methods 0.000 claims description 8
- 230000002950 deficient Effects 0.000 claims description 7
- 230000001678 irradiating effect Effects 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 201000010099 disease Diseases 0.000 claims description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 claims 1
- 230000003595 spectral effect Effects 0.000 claims 1
- 238000000479 surface-enhanced Raman spectrum Methods 0.000 description 65
- 235000013399 edible fruits Nutrition 0.000 description 45
- 238000003306 harvesting Methods 0.000 description 15
- 238000004416 surface enhanced Raman spectroscopy Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 12
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 11
- 240000003768 Solanum lycopersicum Species 0.000 description 11
- 239000010419 fine particle Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000005855 radiation Effects 0.000 description 5
- 238000000611 regression analysis Methods 0.000 description 5
- MWVTWFVJZLCBMC-UHFFFAOYSA-N 4,4'-bipyridine Chemical compound C1=NC=CC(C=2C=CN=CC=2)=C1 MWVTWFVJZLCBMC-UHFFFAOYSA-N 0.000 description 4
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 4
- 238000007747 plating Methods 0.000 description 4
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 3
- 229910052737 gold Inorganic materials 0.000 description 3
- 239000010931 gold Substances 0.000 description 3
- 244000144972 livestock Species 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 229910052709 silver Inorganic materials 0.000 description 3
- 239000004332 silver Substances 0.000 description 3
- 229910017052 cobalt Inorganic materials 0.000 description 2
- 239000010941 cobalt Substances 0.000 description 2
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 239000002609 medium Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 239000002923 metal particle Substances 0.000 description 2
- 229910052759 nickel Inorganic materials 0.000 description 2
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 2
- 239000005060 rubber Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004566 IR spectroscopy Methods 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- UPYKUZBSLRQECL-UKMVMLAPSA-N Lycopene Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1C(=C)CCCC1(C)C)C=CC=C(/C)C=CC2C(=C)CCCC2(C)C UPYKUZBSLRQECL-UKMVMLAPSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 239000003905 agrochemical Substances 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 238000005422 blasting Methods 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 235000001465 calcium Nutrition 0.000 description 1
- 150000001746 carotenes Chemical class 0.000 description 1
- 235000005473 carotenes Nutrition 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 239000012531 culture fluid Substances 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 239000001963 growth medium Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 235000007686 potassium Nutrition 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 235000015424 sodium Nutrition 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 125000000391 vinyl group Chemical group [H]C([*])=C([H])[H] 0.000 description 1
- 229920002554 vinyl polymer Polymers 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- NCYCYZXNIZJOKI-UHFFFAOYSA-N vitamin A aldehyde Natural products O=CC=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C NCYCYZXNIZJOKI-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
- G01N21/658—Raman scattering enhancement Raman, e.g. surface plasmons
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/025—Fruits or vegetables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/05—Agriculture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/10—Forestry
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/15—Fishing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/25—Manufacturing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/06—Illumination; Optics
- G01N2201/061—Sources
- G01N2201/06113—Coherent sources; lasers
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Chemical & Material Sciences (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Agronomy & Crop Science (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Marine Sciences & Fisheries (AREA)
- Medicinal Chemistry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Ecology (AREA)
- Animal Husbandry (AREA)
- Mining & Mineral Resources (AREA)
- Biomedical Technology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Forests & Forestry (AREA)
- Entrepreneurship & Innovation (AREA)
- Botany (AREA)
- Environmental Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
Description
本発明は、センシングシステムに関するものである。
従来より、例えば、特許文献１では、表面増強ラマン分光（Surface Enhanced Raman Spectroscopy：以下では、単にＳＥＲＳと称する）法によって分析対象物の物質等を特定する方法が提案されている。具体的には、この方法では、まず、検出基板の表面上に凹凸構造を形成し、当該凹凸構造が形成された部分に分析対象物を付着させる。そして、この状態で分析対象物にレーザビームを照射することにより、分析対象物に応じたＳＥＲＳスペクトルを取得する。
ところで、現状では、消費者や生産者が農作物等の分析対象物に含まれる物質等を容易に調査したいという要望がある。
本発明は上記点に鑑み、分析対象物を容易に調査できるセンシングシステムを提供することを目的とする。
上記目的を達成するための請求項１のセンシングシステムは、サーバ（１０）と通信端末（２０）との間で通信を行うセンシングシステムであり、所定のデータが記憶される記憶部（１２）および記憶部に記憶されているデータを用いて所定の処理を行う制御部（１１）を有するサーバと、利用者によって利用され、サーバと通信可能に構成された通信端末と、を備えている。そして、記憶部には、凹凸構造（５０ａ）が形成された検出基板（５０）の凹凸構造に分析対象物（６０）を付着させて分光分析法を行う際に用いられる、検出基板に凹凸構造を形成するための加工条件に関する加工データが、複数の分析対象物に対してそれぞれ記憶されていると共に、分光分析法を行うことによって得られた分析対象物の分光スペクトルから分析対象物を解析するための解析データが、複数の分析対象物に対してそれぞれ記憶されており、制御部は、通信端末から分析対象物を分析するのに用いられる検出基板に関する加工データを要求する信号を受信すると、分析対象物に対応した加工データを選択して通信端末に送信し、利用者が加工データを用いて凹凸構造が形成された検出基板を形成すると共に凹凸構造に分析対象物を付着し、分光分析法によって得られた分光スペクトルを通信端末から送信することにより、当該分光スペクトルを受信すると、解析データを用いて分光スペクトルを解析する。
これによれば、制御部は、加工データを要求する信号を受信した場合には、加工データを送信し、分光スペクトルを受信した場合には、分光スペクトルを解析する。このため、利用者は、分析対象物に適した凹凸構造を有する検出基板を形成するための加工データをサーバから容易に取得できる。また、利用者は、分光スペクトルをサーバに送信することにより、容易に分析対象物を解析させることができる。したがって、利用者は、分析対象物を容易に調査できる。
なお、各構成要素等に付された括弧付きの参照符号は、その構成要素等と後述する実施形態に記載の具体的な構成要素等との対応関係の一例を示すものである。
以下、本発明の実施形態について図に基づいて説明する。なお、以下の各実施形態相互において、互いに同一もしくは均等である部分には、同一符号を付して説明を行う。
（第１実施形態）
第１実施形態のセンシングシステムについて、図面を参照しつつ説明する。本実施形態のセンシングシステムは、利用者が分析対象物の物質名や物質濃度等を調査するのに利用されると好適である。なお、本実施形態のセンシングシステムは、具体的には後述するが、ＳＥＲＳ法を利用し、ＳＥＲＳスペクトルに基づいた解析結果から利用者に分析対象物の物質名や物質濃度を通知するものである。
第１実施形態のセンシングシステムについて、図面を参照しつつ説明する。本実施形態のセンシングシステムは、利用者が分析対象物の物質名や物質濃度等を調査するのに利用されると好適である。なお、本実施形態のセンシングシステムは、具体的には後述するが、ＳＥＲＳ法を利用し、ＳＥＲＳスペクトルに基づいた解析結果から利用者に分析対象物の物質名や物質濃度を通知するものである。
まず、本実施形態のセンシングシステムの構成について説明する。センシングシステムは、図１に示されるように、サーバ１０、通信端末２０、加工装置３０、測定装置４０等を備えている。
サーバ１０は、制御部１１、および通信端末２０との間で各種データを送受信可能に構成された図示しない通信部等を有する構成とされている。なお、本実施形態のサーバ１０は、通信端末２０と無線通信が可能な構成とされている。
制御部１１は、図示しないＣＰＵや、ＲＯＭ、ＲＡＭ、フラッシュメモリ、ＨＤＤ等の非遷移的実体的記憶媒体で構成される記憶部１２等を備えたマイクロコンピュータ等で構成される。ＣＰＵは、Central Processing Unitの略であり、ＲＯＭは、Read Only Memoryの略であり、ＲＡＭは、Random Access Memoryの略であり、ＨＤＤはHard Disk Driveの略である。
ここで、本実施形態のセンシングシステムは、上記のようにＳＥＲＳ法を利用するものである。ＳＥＲＳ法とは、図２に示されるように、ナノ凹凸を有する凹凸構造５０ａが形成された検出基板５０に分析対象物６０を付着させてレーザビームを照射し、発生する散乱光に基づいてＳＥＲＳスペクトルを取得する方法である。なお、凹凸構造５０ａは、散乱光（すなわち、検出信号）を増幅させるために形成されている。そして、ＳＥＲＳ法では、検出基板５０の凹凸構造５０ａと分析対象物６０の関係によって検出感度が変化する。このため、ＳＥＲＳ法によって適切なＳＥＲＳスペクトルを取得するためには、検出基板５０の凹凸構造５０ａを分析対象物６０に応じた形状とすることが好ましい。
したがって、記憶部１２には、種々の物質と、これら物質に適した凹凸構造５０ａを検出基板５０に形成するための加工条件に関する加工データとが対応付けられて記憶されている。また、記憶部１２には、名称や商品名等も種々の物質と対応付けられて記憶されている。例えば、トマトの場合には、トマトに含まれるナトリウム、カリウム、カルシウム、ビタミン類、カロテン、脂肪酸類等の物質が分析対象物６０としてのトマトと対応付けられて記憶されている。このため、記憶部１２には、分析対象物６０に適した凹凸構造５０ａの加工データが記憶されているともいえる。また、各物質に適した凹凸構造５０ａは、検出基板５０の材料によっても変化するため、記憶部１２には、検出基板５０の材料も対応付けられて記憶されている。
なお、本実施形態では、後述するように、レーザビームを照射することによって凹凸構造５０ａが形成された検出基板５０を形成する。このため、記憶部１２には、加工データとして、レーザビームを照射する際の加工条件が記憶されており、例えば、レーザビームの強度、波長、照射スポット等が記憶されている。
また、記憶部１２には、種々の物質に関するＳＥＲＳスペクトルの解析データが記憶されている。つまり、記憶部１２には、解析用のマスタスペクトルが記憶されている。
そして、制御部１１は、ＣＰＵが記憶部１２から各種データを読み出して実行することで各種の制御作動を実現する。具体的には、制御部１１は、通信端末２０から検出基板５０および分析対象物６０に関するデータを受信すると、加工データを要求する信号を受信したと判定し、加工条件に関する加工データを通信端末２０に送信する。なお、本実施形態では、分析対象物６０に複数の物質が含まれる場合には、各物質に適した凹凸構造５０ａを形成するための加工データをそれぞれ通信端末２０に送信する。
また、制御部１１は、通信端末２０からＳＥＲＳスペクトルを受信すると、受信したＳＥＲＳスペクトルから解析データを用いて分析対象物６０に含まれる物質名や物質濃度を解析し、解析結果を通信端末２０に送信する。例えば、図３は、トマトの表面に、４、４－ビピリジン溶液を塗布してふき取った後に得られる分析対象物６０のＳＥＲＳスペクトルと、解析データとしての４、４－ビピリジンのＳＥＲＳスペクトルを示す図である。なお、図３中において、紙面左側の縦軸は、分析対象物６０の強度を示す値であり、紙面右側の縦軸は、解析データの強度を示す値である。
図３に示されるように、分析対象物６０のＳＥＲＳスペクトルは、図３中の点線で示す波数の位置に４、４－ビピリジンの主なピークを再現しつつ、異なる波数にもピークを有する波形となっている。つまり、図３では、ピークＰＡおよびピークＰＢ等は、４、４－ビピリジンとは異なるトマトに含まれる成分やトマトに付着した農薬に含まれる成分等を示している。このため、制御部１１は、記憶部１２に記憶されている各物質の解析データを参照してピークＰＡおよびピークＰＢに相当する物質および物質濃度を解析する。なお、制御部１１は、ピークの強度に基づいて物質濃度を解析する。
通信端末２０は、特に図示しないが、サーバ１０との間で各種データを通信可能に構成された通信部や所定の処理を行う制御部等を有する構成とされており、例えば、スマートフォン、タブレット端末、パーソナルコンピュータ等で構成される。
加工装置３０は、ＳＥＲＳ法に使用する検出基板５０を加工する装置であり、加工部３１、入力部３２、および制御部３３等を有する構成とされている。また、加工装置３０は、特に図示しないが、通信端末２０との間で各種データを送受信可能な通信部等も有している。なお、本実施形態の加工装置３０は、通信端末２０と無線通信が可能な構成とされていてもよいし、有線通信が可能な構成とされていてもよい。
加工部３１は、本実施形態では、検出基板５０を固定する台座やレーザビームを照射するレーザ照射部等を有している。そして、加工部３１は、レーザビームを照射することにより、図４に示されるように、ナノ凹凸を有する凹凸構造５０ａが形成されたＳＥＲＳ法用の検出基板５０を形成する。具体的には、加工部３１は、レーザビームを照射することによって検出基板５０の表面を溶融させつつ飛散させ、飛散した物質を再堆積させることによってナノ凹凸を有する凹凸構造５０ａが形成された検出基板５０を形成する。
なお、図４では、数ナノ程度のナノ凹凸を有する凹凸構造５０ａを示しているが、凹凸構造５０ａは、さらに小さいナノ凹凸を有する構成とされていてもよいし、さらに大きいナノ凹凸を有する構成とされていてもよい。そして、検出基板５０は、例えば、金、銀、ニッケル、コバルト、銅、アルミ、チタン等の金属材料で構成される。また、検出基板５０は、例えば、シリコン、ガラス、ゴムシート等で構成される基板に、金メッキ、銀メッキ、ニッケルメッキ、コバルトメッキ膜等が形成されて構成される。
入力部３２は、利用者が操作可能なタッチパネル等で構成されている。
制御部３３は、図示しないＣＰＵや、ＲＯＭ、ＲＡＭ、フラッシュメモリ、ＨＤＤ等の非遷移的実体的記憶媒体で構成される記憶部等を備えたマイクロコンピュータ等で構成されており、加工部３１および入力部３２と接続されている。そして、制御部３３は、ＣＰＵが記憶部１２から各種データを読み出して実行することで各種の制御作動を実現する。
具体的には、制御部３３は、通信端末２０から加工データを受信し、利用者によって加工を開始するように入力部３２が操作されると、加工データに基づいて加工部３１を制御することで凹凸構造５０ａを有する検出基板５０を形成する。この場合、本実施形態では、分析対象物６０に複数の物質が含まれる場合には、サーバ１０から各物質に適した凹凸構造５０ａを形成するための加工データが通信端末２０に送信される。つまり、複数の加工データがサーバ１０から通信端末２０に送信される。このため、複数の加工データがサーバ１０から通信端末２０に送信された場合には、図５に示されるように、複数の凹凸構造５０ａを有する検出基板５０を形成する。なお、図４は、図５中のIV－IV断面に相当する図でもある。
測定装置４０は、ＳＥＲＳ法によってＳＥＲＳスペクトルを検出する装置であり、測定部４１、入力部４２、および制御部４３を有する構成とされている。また、測定装置４０は、特に図示しないが、通信端末２０との間で各種データを送受信可能な通信部等も有している。なお、本実施形態の測定装置４０は、通信端末２０と無線通信が可能な構成とされていてもよいし、有線通信が可能な構成とされていてもよい。
測定部４１は、本実施形態では、検出基板５０を固定する台座、レーザビームを照射するレーザ照射部、散乱光を検出して分析することでＳＥＲＳスペクトルを生成する検出部等を有している。
入力部４２は、利用者が操作可能なタッチパネル等で構成されている。
制御部４３は、図示しないＣＰＵや、ＲＯＭ、ＲＡＭ、フラッシュメモリ、ＨＤＤ等の非遷移的実体的記憶媒体で構成される記憶部１２等を備えたマイクロコンピュータ等で構成されており、測定部４１および入力部４２と接続されている。そして、制御部４３は、分析対象物６０が付着された検出基板５０が測定部４１に配置され、利用者によって測定を開始するように入力部４２が操作されると、測定部４１を制御することによってＳＥＲＳスペクトルを検出する。そして、制御部４３は、検出されたＳＥＲＳスペクトルを通信端末２０に送信する。
なお、本実施形態では、サーバ１０と、加工装置３０および測定装置４０とは、通信端末２０を介してデータの送受信が可能とされている。つまり、サーバ１０と、加工装置３０および測定装置４０とは、直接的な通信が不可とされている。言い換えると、サーバ１０は、直接的に加工装置３０および測定装置４０を制御できないようになっている。
以上が本実施形態におけるセンシングシステムの構成である。なお、加工装置３０および測定装置４０は、利用者自身が所有してもよいし、コンビニエンスストアやスーパーマーケット等の施設に設置され、利用者がこれらの施設で利用するようにしてもよい。そして、加工装置３０を施設等に設置する場合には、加工装置３０の構成等に精通した作業者を配置するようにし、利用者は作業者に加工を委託するようにしてもよい。同様に、測定装置４０を施設等に設置する場合には、測定装置４０の構成等に精通した作業者を配置するようにし、利用者は作業者に測定を委託するようにしてもよい。また、検出基板５０は、例えば、サーバ１０の所有者、または関係者が利用者に販売するようにしてもよいし、サーバの所有者、または関係者が利用者に配布する等してもよい。
次に、上記センシングシステムを用い、利用者が分析対象物６０を分析する方法について、図１および図６を参照しつつ説明する。
まず、利用者は、ステップＳ１０１にて、通信端末２０から検出基板５０および分析対象物６０に関するデータをサーバ１０に送信する。この際、利用者は、検出基板５０のデータとして、検出基板５０の材料等を送信する。また、利用者は、分析対象物６０のデータとして、名称や商品名等を送信する。例えば、分析対象物が農作物であるトマトである場合、トマトまたはトマトの商品名等を送信する。
次に、利用者は、ステップＳ１０２にて、ステップＳ１０１にて各種データをサーバ１０に送信することによってサーバ１０から検出基板５０の加工条件に関する加工データが送信されるため、加工データを通信端末２０にて受信する。なお、本実施形態では、上記の加工装置３０を用いて検出基板５０を加工するため、受信した加工データには、レーザビームの強度、波長、スポット系、エネルギー等の各種データが含まれている。
続いて、利用者は、ステップＳ１０３にて、ステップＳ１０２で受信した加工データに基づいて検出基板５０に凹凸構造５０ａを形成する。具体的には、利用者は、検出基板５０を用意して当該検出基板５０を加工装置３０に配置すると共に、ステップＳ１０２で受信した加工データを加工装置３０に送信する。そして、加工装置３０の入力部３２を操作することにより、加工データに基づいた凹凸構造５０ａを有する検出基板５０を形成する。この際、分析対象物６０に複数の物質が含まれる場合には、図５に示されるように、複数の凹凸構造５０ａを有する検出基板５０が形成される。
次に、利用者は、ステップＳ１０４にて、検出基板５０の凹凸構造５０ａが形成された部分に分析対象物６０を付着させる。なお、利用者が分析対象物６０を検出基板５０に付着させる方法は、適宜変更可能である。例えば、利用者は、分析対象物６０がトマト等の農作物である場合には、検出基板５０を農作物の表面を押し付けることにより、凹凸構造５０ａが形成された部分に分析対象物６０を付着させることができる。また、例えば、利用者は、分析対象物６０がトマト等の農作物である場合には、分析対象物６０をすり潰して塗布することにより、凹凸構造５０ａが形成された部分に分析対象物６０を付着させることができる。この場合、利用者は、検出基板５０に複数の凹凸構造５０ａが形成されている場合には、各凹凸構造５０ａにそれぞれ分析対象物６０を付着させる。
その後、利用者は、ステップＳ１０５にて、分析対象物のＳＥＲＳスペクトルを取得する。具体的には、利用者は、測定装置４０に分析対象物６０が付着された検出基板５０を配置し、入力部４２を操作することによってＳＥＲＳスペクトルを取得する。なお、検出基板５０に複数の凹凸構造５０ａが形成されている場合には、各凹凸構造５０ａに形成された分析対象物６０のＳＥＲＳスペクトルを検出する。
次に、利用者は、ステップＳ１０６にて、分析対象物６０のＳＥＲＳスペクトルを通信端末２０にて測定装置４０から受信し、受信したＳＥＲＳスペクトルをサーバ１０に送信する。これにより、サーバ１０は、送信されたＳＥＲＳスペクトルから分析対象物に含まれる物質や物質濃度等を解析し、解析結果を通信端末２０に送信する。
そして、利用者は、ステップＳ１０７にて、サーバ１０から分析結果を取得する。これにより、利用者は、分析対象物６０の物質や物質濃度を取得することができる。
次に、本実施形態のセンシングシステムにおけるサーバ１０の制御部１１が実行する作動について、図１および図７を参照しつつ説明する。
まず、制御部１１は、ステップＳ２０１にて、検出基板５０および分析対象物６０のデータを受信したか否かを判定する。そして、制御部１１は、検出基板５０および分析対象物６０のデータを受信したと判定した場合には（すなわち、ステップＳ２０１：ＹＥＳ）、受信した検出基板５０および分析対象物６０に適した検出基板５０の加工条件に関する加工データを送信する。この場合、分析対象物６０に複数の物質が含まれる場合には、各物質に適した検出基板５０の加工条件に関する加工データを送信する。
制御部１１は、加工データを送信した後、または検出基板５０および分析対象物６０のデータを受信していないと判定した場合には（すなわち、ステップＳ２０１：ＮＯ）、ステップＳ２０３にて、ＳＥＲＳスペクトルを受信したか否かを判定する。そして、制御部１１は、ＳＥＲＳスペクトルを受信したと判定した場合には（すなわち、ステップＳ２０３：ＹＥＳ）、ステップＳ２０４にて、受信したＳＥＲＳスペクトルを解析して物質および物質濃度を特定する。具体的には、制御部１１は、ＳＥＲＳスペクトルを各物質の解析データと比較することによって分析対象物６０に含まれる物質および物質濃度を特定する。
そして、制御部１１は、ステップＳ２０５にて、解析結果に関するデータを通信端末２０に送信する。
以上説明したように、本実施形態のセンシングシステムでは、サーバ１０は、加工データを要求する信号を受信すると加工データを送信し、ＳＥＲＳスペクトルを受信した場合には含まれる物質および物質濃度を解析して解析結果を送信する。このため、利用者は、分析対象物６０に適した凹凸構造５０ａを有する検出基板５０を形成するための加工データをサーバ１０から容易に取得できる。また、利用者は、ＳＥＲＳスペクトルをサーバ１０に送信することにより、分析対象物６０の物質等を容易に特定できる。したがって、利用者は、自身で調査したい分析対象物６０を容易に調査できる。
また、利用者は、分析の直前に凹凸構造５０ａを有する検出基板５０を形成すればよいため、凹凸構造５０ａが形成された検出基板５０を保管しなくてもよい。このため、保管に伴って検出基板５０が劣化することを抑制できる。
そして、加工装置３０は、レーザビームを照射して検出基板５０に凹凸構造５０ａを形成する。このため、特に、検出基板５０に複数の凹凸構造５０ａを形成する場合には、局所的に凹凸構造５０ａが形成し易くなると共に、レーザビームの照射条件を変更することによって各凹凸構造５０ａの構成を容易に変更できる。
さらに、測定装置４０は、ＳＥＲＳ法によってＳＥＲＳスペクトルを検出する。このため、検出基板５０としてガラス等を用いることもでき、検出基板５０の選択性を向上できる。
また、サーバ１０と、加工装置３０および測定装置４０とは、通信端末２０を介してデータの送受信が可能とされている。つまり、サーバ１０と、加工装置３０および測定装置４０とは、直接的な通信が不可とされている。このため、サーバ１０と加工装置３０および測定装置４０とが直接的な通信が可能とされている場合と比較して、サーバ１０から加工装置３０および測定装置４０に対する不正操作を行い難くできる。
（第１実施形態の変形例）
上記第１実施形態では、分析対象物６０が農作物である例について説明したが、分析対象物６０は、畜産物や水産物であってもよいし、林産物であってもよい。つまり、分析対象物６０としては、農林水産物が適用され得る。また、分析対象物６０は、半導体装置や車載部品等の工業製品であってもよい。この場合は、例えば、工業製品の表面に付着した成分等を検出することにより、当該製品の寿命を推定したりできる。さらに、分析対象物６０は、工業製品を製造するための製造工程にて発生するガス中の微粒子等であってもよい。また、分析対象物６０は、車両空間内等の所定空間内に存在するガスや微粒子等であってもよい。なお、このような微粒子を検出基板５０に付着させる場合には、検出基板５０を微粒子が存在し得る場所に曝すようにすればよい。
上記第１実施形態では、分析対象物６０が農作物である例について説明したが、分析対象物６０は、畜産物や水産物であってもよいし、林産物であってもよい。つまり、分析対象物６０としては、農林水産物が適用され得る。また、分析対象物６０は、半導体装置や車載部品等の工業製品であってもよい。この場合は、例えば、工業製品の表面に付着した成分等を検出することにより、当該製品の寿命を推定したりできる。さらに、分析対象物６０は、工業製品を製造するための製造工程にて発生するガス中の微粒子等であってもよい。また、分析対象物６０は、車両空間内等の所定空間内に存在するガスや微粒子等であってもよい。なお、このような微粒子を検出基板５０に付着させる場合には、検出基板５０を微粒子が存在し得る場所に曝すようにすればよい。
（第２実施形態）
第２実施形態について説明する。本実施形態は、上記第１実施形態に対し、サーバ１０の制御部１１が将来の結果を予測するようにしたものである。その他に関しては、上記第１実施形態と同様である。なお、本実施形態では、利用者としての農作業者が農作物としての果実の収量等を予測するのに本センシングシステムを適用する例について説明する。
第２実施形態について説明する。本実施形態は、上記第１実施形態に対し、サーバ１０の制御部１１が将来の結果を予測するようにしたものである。その他に関しては、上記第１実施形態と同様である。なお、本実施形態では、利用者としての農作業者が農作物としての果実の収量等を予測するのに本センシングシステムを適用する例について説明する。
以下では、果実をビニールハウス内で栽培する例を説明する。そして、以下では、果実を収穫可能な期間を収穫期間とし、果実を栽培し始めてから収穫期間となるまでの期間を生育期間とする。
本実施形態では、サーバ１０の記憶部１２には、図８Ａ、図８Ｂ、図８Ｃ、図９Ａ、図９Ｂ、図９Ｃ、図１０Ａ、図１０Ｂ、図１０Ｃ、図１１Ａ、図１１Ｂ、図１１Ｃに示されるように、各種データが記憶されている。
具体的には、記憶部１２には、生育期間および収穫期間が設定される。そして、図８Ａ、図９Ａ、図１０Ａ、図１１Ａに示されるように、果実の栽培条件に関する条件データが順に記憶される。また、記憶部１２には、図８Ｂ、図９Ｂ、図１０Ｂ、図１１Ｂに示されるように、ＳＥＲＳスペクトルに関する化学データが順に記憶される。さらに、記憶部１２には、図８Ｃ、図９Ｃ、図１０Ｃ、図１０Ｄに示されるように、果実の状況に関する状況データが順に記憶される。なお、条件データ、化学データ、状況データは、互いに記憶付けられて記憶されている。つまり、例えば、生育期間における１行目のデータは、条件データでは、２０１８年１０月２２日に関するデータであるが、化学データおよび状況データにおいても、２０１８年１０月２２日に記憶されたデータとなる。言い換えると、各行に関するデータは、同じ日に記憶されたデータであり、時期的に関連のあるデータである。
なお、本実施形態では、記憶部１２には、条件データとして、日時、ハウス外温度、ハウス外湿度、風量、日射量、ハウス内温度、ハウス内湿度、培養液濃度、培養液量、葉の間引きの数、葉の数、茎の平均太さ、茎の高さが記憶される。但し、ここでのハウスとは、ビニールハウスのことである。また、条件データは、果実を栽培する際の果実に影響のあるデータであって、後述の化学データと異なるデータであるともいえる。
また、記憶部１２には、化学データとして、葉のＳＥＲＳスペクトルの形状、葉のＳＥＲＳスペクトルにおける物質αのピーク高さ、葉に含まれる物質αの濃度、果実のＳＥＲＳスペクトルの形状、果実のＳＥＲＳスペクトルにおける物質βのピーク高さ、果実に含まれる物質βの濃度が記憶される。なお、化学データは、ＳＥＲＳスペクトルに基づいたデータであるともいえる。
また、ここでのＳＥＲＳスペクトルの形状に関するデータは、ＳＥＲＳスペクトルの形状そのものを記憶したデータであり、各図中では、便宜的にアルファベットを用いて示している。また、ＳＥＲＳスペクトルにおける各物質のピーク高さは、ＳＥＲＳスペクトルから解析される所定の物質を示すピークの高さである。なお、ここでは、例えば、葉に関しては、所定物質αのピーク高さ、および所定物質αの濃度が記憶部１２に記憶される例を説明するが、複数の物質のピーク高さおよび濃度が記憶部１２に記憶されていてもよい。同様に、果実に関しては、所定物質βのピーク高さ、および所定物質βの濃度が記憶部１２に記憶される例を説明するが、複数の物質のピーク高さおよび濃度が記憶部１２に記憶されていてもよい。
さらに、記憶部１２には、状況データとして、収穫可能果実の数、収穫可能果実の平均サイズ（以下では、単に平均サイズと称する）、サイズのばらつき、収穫数が記憶される。なお、状況データは、化学データと異なるデータであって、果実の状況そのものを示すデータであるともいえる。
そして、条件データおよび状況データは、後述するように、農作業者が実測した数値を通信端末２０からサーバ１０に送信することで記憶部１２に記憶される。化学データは、農作業者がＳＥＲＳスペクトルを測定して当該ＳＥＲＳスペクトルをサーバ１０に送信することにより、サーバ１０が送信されたＳＥＲＳスペクトルを解析して記憶部１２に記憶される。
本実施形態の制御部１１は、上記各種データを受信すると、記憶部１２に各種データを記憶させる。また、制御部１１は、農作業者から通信端末２０を介して予測開始信号を受信すると、記憶部１２に記憶されている少なくとも条件データおよび化学データを用い、次式に示す重回帰分析を行って将来の結果を予測する。つまり、制御部１１は、複数の説明変数で１つの目的変数を予測する重回帰分析を行って将来の結果を予測する。
なお、数式１中では、Ｘ（ｔｉ）が説明変数であり、Ｙ（ｔ）が目的変数であり、β（ｔｉ）が偏回帰係数である。そして、制御部１１は、説明変数Ｘ（ｔｉ）と目的変数Ｙ（ｔ）から偏回帰係数β（ｔｉ）を算出しつつ、説明変数Ｘ（ｔｉ）が変化した場合に目的変数Ｙ（ｔ）がどのような値になるかを予測する。
例えば、経験的に生育期間の葉の数が最終的な収穫可能果実の数に大きな影響がある場合、農作業者は、生育期間中に後日の葉の数を予測したい場合がある。この場合、制御部１１は、葉の数を予測するための予測開始信号を受信すると、図８Ａ～図８Ｃに示すデータが記憶されている場合には、Ｘ（ｔ）を日時、ハウス外温度、ハウス外湿度、風量、日射量、ハウス内温度、ハウス内湿度、培養液濃度、培養液量、間引きの数、葉の数、茎の平均太さ、茎の高さ、葉のＳＥＲＳスペクトルの形状、葉のＳＥＲＳスペクトルにおける物質αのピーク高さ、葉に含まれる物質αの濃度とし、Ｙ（ｔ）を葉の数として葉の数を予測する。つまり、制御部１１は、条件データおよび化学データを用いて葉の数を予測する。
さらに、収穫期間前においても、果実によっては、葉や茎のデータが十分に蓄積されている場合には、後日の収穫可能果実の数を予測できる場合がある。この場合、制御部１１は、収穫期間前であっても収穫可能果実の数を予測するための予測開始信号を受信すると、図９Ａ～図９Ｃに示すデータが記憶されている場合には、Ｘ（ｔ）を日時、ハウス外温度、ハウス外湿度、風量、日射量、ハウス内温度、ハウス内湿度、培養液濃度、培養液量、間引きの数、葉の数、茎の平均太さ、茎の高さ、葉のＳＥＲＳスペクトルの形状、葉のＳＥＲＳスペクトルにおける物質αのピーク高さ、葉に含まれる物質αの濃度とし、Ｙ（ｔ）を収穫可能な果実の数として果実の数を予測する。つまり、制御部１１は、条件データおよび化学データを用いて収穫可能な果実の数を予測する。なお、本実施形態では、収穫可能果実の数が収量に相当する。
さらに、農作業者は、収穫期間に後日の収穫可能な果実の数を予測したい場合がある。この場合、制御部１１は、収穫可能果実の数を予測するための予測開始信号を受信すると、図１０Ａ～図１０Ｃに示すデータが記憶されている場合には、Ｘ（ｔ）を日時、ハウス外温度、ハウス外湿度、風量、日射量、ハウス内温度、ハウス内湿度、培養液濃度、培養液量、間引きの数、葉の数、茎の平均太さ、茎の高さ、葉のＳＥＲＳスペクトルの形状、葉のＳＥＲＳスペクトルにおける物質αのピーク高さ、葉に含まれる物質αの濃度とし、果実のＳＥＲＳスペクトルの形状、果実のＳＥＲＳスペクトルにおける物質βのピーク高さ、果実に含まれる物質βの濃度とし、Ｙ（ｔ）を収穫可能な果実の数として果実の数を予測する。つまり、制御部１１は、条件データおよび化学データを用いて収穫可能果実の数を予測する。
なお、制御部１１が用いる説明変数は適宜変更可能である。例えば、制御部１１は、収穫可能果実の数を予測する場合、予測する前の収穫可能果実の数、平均サイズ、サイズのばらつき等も説明変数として組み込んでもよい。つまり、制御部１１は、収穫可能果実の数を予測する場合、条件データおよび化学データに加え、状況データも用いて収穫可能果実の数を予測してもよい。
また、制御部１１は、前年度の栽培に関する図１１Ａ～図１１Ｃのような最終的なデータが記憶されている場合には、当該データも用いて重回帰分析を行うことで結果を予測するようにしてもよい。この場合、条件データおよび化学データを用いて予測するようにしてもよいし、条件データ、化学データおよび状況データを用いて予測するようにしてもよいが、どちらの方法であっても、用いるデータが増加するために予測精度を高くできる。つまり、本実施形態では、制御部１１は、農作業者によって継続的に本センシングシステムが利用されることにより、徐々に信頼性の高い予測結果を得ることができるようになっている。
以上が本実施形態におけるセンシングシステムの構成である。次に、上記センシングシステムを農作業者が利用する方法について、図１２を参照しつつ説明する。
まず、農作業者は、ステップＳ３０１～ステップＳ３０６にて、上記ステップＳ１０１～Ｓ１０６と同様の工程を行う。すなわち、農作業者は、加工データに基づいて検出基板５０を形成し、当該検出基板５０に分析対象物６０を付着させてＳＥＲＳスペクトルを取得する。そして、農作業者は、取得したＳＥＲＳスペクトルを通信端末２０からサーバ１０に送信する。これにより、サーバ１０では、ＳＥＲＳスペクトルに関する化学データが記憶される。
なお、本実施形態では、農作業者は、分析対象物としての葉を検出基板５０に付着させてＳＥＲＳスペクトルを取得する。また、農作業者は、果実が実り出した後は、分析対象物として葉および果実を検出基板５０に付着させてＳＥＲＳスペクトルを取得する。この場合、少なくとも２つの分析対象物６０が存在するため、検出基板５０には少なくとも２つの凹凸構造５０ａが形成される。
そして、農作業者は、ステップＳ３０７にて、各条件データを通信端末２０からサーバ１０に送信する。つまり、農作業者は、日時、ハウス外温度、ハウス外湿度、風量、日射量、ハウス内温度、ハウス内湿度、培養液濃度、培養液量、間引きの数、葉の数、茎の平均太さ、茎の高さに関するデータを通信端末２０からサーバ１０に送信する。これにより、サーバ１０では、条件データに関するデータが記憶される。
また、農作業者は、ステップＳ３０８にて、各状況データを通信端末２０からサーバ１０に送信する。つまり、農作業者は、収穫可能果実の数、平均サイズ、サイズのばらつき、収穫数に関するデータを通信端末２０からサーバ１０に送信する。これにより、サーバ１０では、状況データに関するデータが記憶される。なお、農作業者は、ステップＳ３０６にてＳＥＲＳスペクトルを送信する場合、ステップＳ３０７に送信する条件データおよびステップＳ３０８にて送信する状況データを同時に送信するようにしてもよい。
その後、農作業者は、必要に応じ、ステップＳ３０９にて、通信端末２０からサーバ１０に予測開始信号を送信する。例えば、農作業者は、生育期間であれば、後日の葉の数を予測させる予測開始信号を送信する。また、例えば、農作業者は、収穫期間であれば、後日の収穫可能果実の数を予測させる予測開始信号を送信する。これにより、サーバ１０は、記憶部１２に記憶された各種データを用いて重回帰分析を行う。そして、農作業者は、ステップＳ３１０にて予測結果を受信する。
これにより、農作業者は、受信した予測結果に応じ、自身で調整できるパラメータを調整する。例えば、農作業者は、生育期間において、希望する葉の数よりも予測された葉の数が少ない場合には、培養液量を多くする等、生育が促進する処置を実行することができる。
次に、上記センシングシステムにおけるサーバ１０の制御部１１が実行する作動について、図１３を参照しつつ説明する。
まず、制御部１１は、ステップＳ４０１～Ｓ４０４にて、上記ステップＳ２０１～Ｓ２０４と同様の処理を行う。すなわち、制御部１１は、検出基板５０および分析対象物６０のデータを受信すると、加工データを送信する。また、制御部１１は、ＳＥＲＳスペクトルを受信すると、ＳＥＲＳスペクトルを解析する。なお、制御部１１は、ステップＳ４０４では、本実施形態では、ＳＥＲＳスペクトルを解析して解析結果を化学データとして記憶部１２に記憶すると共に、ＳＥＲＳスペクトルの形状そのものも記憶する。
次に、制御部１１は、ステップＳ４０５にて、条件データを受信しているか否かを判定する。そして、制御部１１は、条件データを受信していると判定した場合には（すなわち、ステップＳ４０５：ＹＥＳ）、ステップＳ４０６にて、条件データを記憶部１２に記憶する。
また、制御部１１は、ステップＳ４０７にて、状況データを受信しているか否かを判定する。そして、制御部１１は、状況データを受信していると判定した場合には（すなわち、ステップＳ４０７：ＹＥＳ）、ステップＳ４０８にて、状況データを記憶部１２に記憶する。
続いて、制御部１１は、ステップＳ４０９にて、予測開始信号を受信しているか否かを判定する。そして、制御部１１は、予測開始信号を受信していると判定した場合には（すなわち、ステップＳ４０９：ＹＥＳ）、ステップＳ４１０にて、記憶部１２に記憶されている少なくとも条件データおよび化学データを用いた重回帰分析を行って予測し、予測結果を送信する。例えば、制御部１１は、後日の葉の数を予測する予測開始信号を受信した場合には、記憶部１２に記憶されている条件データおよび化学データを用いて葉の数を予測する。また、例えば、制御部１１は、後日の収穫可能果実の数を予測する予測開始信号を受信した場合には、記憶部１２に記載されている条件データおよび化学データを用いて収穫可能な果実の数を予測する。
以上説明したように、本実施形態では、ＳＥＲＳスペクトルに関する化学データと、化学データと異なる条件データを用いて所定期間後の結果を予測するようにしている。このため、例えば、画像データのみで所定期間後の結果を予測する場合と比較して、分析対象物の化学成分も用いた予測となると共に予測するのに用いるパラメータが増加するため、予測結果の精度の向上を図ることができる。
なお、本実施形態においても、上記第１実施形態と同様に、農作業者は、ＳＥＲＳスペクトルをサーバ１０に送信する毎に化学データを受信するようにし、分析対象物６０の濃度等を自身で常に把握するようにしてもよい。
（第２実施形態の変形例）
上記第２実施形態の変形例について説明する。上記第２実施形態では、制御部１１は、収量（すなわち、収穫可能な果実の数）を予測する例に挙げて説明したが、生育量としての果実のサイズを予測するようにしてもよい。また、特に図示していないが、制御部１１は、果実が病気になった数や病気になった割合を記憶し、病気発生率を予測するようにしてもよい。
上記第２実施形態の変形例について説明する。上記第２実施形態では、制御部１１は、収量（すなわち、収穫可能な果実の数）を予測する例に挙げて説明したが、生育量としての果実のサイズを予測するようにしてもよい。また、特に図示していないが、制御部１１は、果実が病気になった数や病気になった割合を記憶し、病気発生率を予測するようにしてもよい。
そして、上記第２実施形態では、センシングシステムを用いて農作物に関する予測を行う例について説明したが、畜産物、水産物、または林産物の将来の結果を予測するようにしてもよい。なお、ここでの水産物とは、養殖によって得られる水産物のことを意味している。
また、上記第２実施形態のセンシングシステムは、半導体装置や車載部品等の工業製品を製造する製造工程の不良品発生確率を予測するのに適用されてもよい。例えば、第１工程、第２工程、第３工程、第４工程、第５工程を順に行って所定の工業製品を製造するとする。この場合、例えば、制御部１１は、第１工程の不良品発生確率を予測する場合には、第１工程の各種データを説明変数とし、不良品発生確率を目的変数として予測すればよい。また、例えば、制御部１１は、第５工程の不良品発生確率を予測する場合には、第１～第５工程の各種データを説明変数とし、不良品発生確率を目的変数として予測すればよい。なお、各工程における各種データには、例えば、温度や湿度等が条件データとして記憶される。また、各工程における各種データには、例えば、加熱工程等によって所定のガスが発生する場合には、検出基板５０を当該ガスに曝すことによってガス中に含まれる微粒子を検出基板５０に付着させてＳＥＲＳスペクトルを取得することにより、当該ＳＥＲＳスペクトルに関するデータが化学データとして記憶される。そして、各工程における不良品発生確率が状況データとして記憶される。この場合、状況データは、良品として製造された製品の寿命であってもよい。
さらに、上記第２実施形態のセンシングシステムは、車内空間等の所定空間内の清浄度を予測するのに適用されてもよく、例えば、カーシェアリングされる車両の車内空間の清浄度を予測するのに適用され得る。すなわち、このような場合は、例えば、車室内温度、車室内湿度、エアコン温度、エアコン風量、乗員数、車室内画像が条件データとして記憶される。また、車内の空間に存在する微粒子等を検出基板５０に付着させてＳＥＲＳスペクトルを取得することにより、当該ＳＥＲＳスペクトルに関するデータが化学データとして記憶される。そして、制御部１１は、これら条件データおよび化学データを説明変数とし、車内の清浄度を目的変数として所定期間経過後の清浄度を予測するようにしてもよい。但し、このような場合には、測定装置４０を車室内に搭載しておくことが好ましい。そして、予め車内に存在すると想定される微粒子に対応する凹凸構造５０ａが形成された検出基板５０を形成しておき、車室内で即座に所定期間後の清浄度を予測できるようにすることが好ましい。この場合、例えば、前に乗車した人が清浄度を予測しておき、後に乗車する人が予測された清浄度を確認して乗車する時間を決定するようにすることにより、各乗員に快適な環境を提供することができる。
（第３実施形態）
本実施形態は、第２実施形態に対し、サーバ１０の制御部１１が農作業者の希望状況となるように調整方法を予測するようにしたものである。その他に関しては、上記第２実施形態と同様であるため、ここでは説明を省略する。
本実施形態は、第２実施形態に対し、サーバ１０の制御部１１が農作業者の希望状況となるように調整方法を予測するようにしたものである。その他に関しては、上記第２実施形態と同様であるため、ここでは説明を省略する。
本実施形態の記憶部１２には、上記第２実施形態と同様の各種データが記憶される。そして、制御部１１は、農作業者から調整開始信号を受信すると、上記数式１を用い、農作業者が希望する希望状況に近づくように、農作業者が調整できるパラメータの調整方法を予測する。具体的には、制御部１１は、農作業者が調整できる条件データの調整方法を予測する。
例えば、農作業者は、上記ステップＳ３１０で後日の平均サイズに関する予想結果を受信した場合、受信した予想結果が自身の希望する平均サイズと異なっていると、自身が希望する平均サイズにするための調整方法を詳細に把握したい場合がある。
この場合、制御部１１は、平均サイズに関する調整開始信号を受信すると、上記各種データを用いて希望状況に近づけるための調整方法を予測する。例えば、制御部１１は、上記第２実施形態と同様の各種データが記憶部１２に記憶されていることにより、図１４に示されるような偏回帰係数β（ｔｉ）を算出する。なお、図１４は、記憶部１２に記憶されるデータを簡略化して示したものであり、例えば、状況データとして、培養液量等が含まれていてもよい。
そして、例えば、農作業者は、取得した平均サイズの予想結果が希望する平均サイズよりも小さい場合、平均サイズを大きくする調整方法を把握することを望む。この場合、農作業者にとっては、偏回帰係数β（ｔｉ）が最も大きい説明変数Ｘ（ｔｉ）の値を大きくするのが最も簡単な調整方法となる。このため、制御部１１は、農作業者が制御できる条件データのうちの偏回帰係数β（ｔｉ）が最も大きい説明変数Ｘ（ｔｉ）を抽出し、農作業者が希望する平均サイズに近づけるための説明変数Ｘ（ｔｉ）の値を算出する。例えば、図１４に示されるデータである場合、偏回帰係数β（ｔｉ）は２が最も大きくなるため、制御部１１は、説明変数Ｘ（ｔｉ）としてのハウス内温度の調整方法を予測して調整結果を送信する。
また、例えば、農作業者は、取得した平均サイズの予想結果が希望する平均サイズよりも大きい場合、平均サイズを小さくする調整方法を把握することを望む。この場合、農作業者にとっては、偏回帰係数β（ｔｉ）が最も小さい説明変数Ｘ（ｔｉ）の値を小さくするのが最も簡単な調整方法となる。このため、制御部１１は、農作業者が制御できる条件データのうちの偏回帰係数β（ｔｉ）が最も小さい説明変数Ｘ（ｔｉ）を抽出し、農作業者が希望する平均サイズに近づけるための説明変数Ｘ（ｔｉ）の値を算出する。例えば、図１４に示されるデータである場合、偏回帰係数β（ｔｉ）は－０．８が最も小さくなるため、制御部１１は、説明変数Ｘ（ｔｉ）としての葉の間引き数の調整方法を予測して調整結果を送信する。
以上が本実施形態におけるセンシングシステムの構成である。次に、上記センシングシステムを農作業者が利用する方法について、図１５を参照しつつ説明する。
まず、農作業者は、ステップＳ５０１～ステップＳ５１０にて、上記ステップＳ３０１～Ｓ３１０と同様の工程を行う。そして、農作業者は、必要に応じ、ステップＳ５１１にて、通信端末２０からサーバ１０に調整開始信号を送信する。例えば、農作業者は、後日の平均サイズを希望する数とするために必要な調整を予測させる調整開始信号を送信する。これにより、サーバ１０は、記憶部１２に記憶された条件データのうちの農作業者が制御できるパラメータの調整方法を上記のように予測する。そして、農作業者は、ステップＳ５１２にて調整結果を受信する。これにより、農作業者は、希望状況とするための詳細な調整方法を明確に把握でき、希望状況に近づけるための栽培を実行できる。
次に、上記センシングシステムにおけるサーバ１０の制御部１１が実行する作動について、図１６を参照しつつ説明する。
まず、制御部１１は、ステップＳ６０１～Ｓ６１０にて、上記ステップＳ４０１～Ｓ４１０と同様の処理を行う。そして、制御部１１は、ステップＳ６１１にて、調整開始信号を受信しているか否かを判定する。そして、制御部１１は、調整開始信号を受信していると判定した場合には（すなわち、ステップＳ６１１：ＹＥＳ）、ステップＳ６１２にて、記憶部１２に記憶されている条件データのうちの農作業者が制御できるパラメータの調整方法を上記のように予測する。そして、制御部１１は、予測した調整結果を送信する。例えば、制御部１１は、平均サイズを農作業者が希望するサイズにするのに必要な調整方法を予測し、予測した調整結果を送信する。
以上説明したように、本実施形態では、条件データのうちの農作業者が制御できるパラメータの調整方法を予測する。このため、農作業者は、予測された調整結果に基づき、希望状況に近づけるための処理を行うことができる。
また、制御部１１は、調整方法を予測する際、偏回帰係数β（ｔｉ）に値に応じて調整する説明変数Ｘ（ｔｉ）を抽出する。そして、偏回帰係数β（ｔｉ）は、上記第２実施形態で説明したように、少なくとも条件データおよび化学データを用いて算出される。このため、例えば、画像データのみから調整方法を予測する場合と比較して、分析対象物６０の化学成分も用いた予測となると共に予測するのに用いるパラメータが増加するため、予測結果の精度の向上を図ることができる。
（第３実施形態の変形例）
上記第３実施形態の変形例について説明する。上記第３実施形態のセンシングシステムは、上記第２実施形態の変形例と同様に、畜産物、水産物、または林産物に対しても適用可能である。また、上記第３実施形態のセンシングシステムは、工業製品に関する製造工程に対しても適用可能であり、所定空間内の洗浄度に対しても適用可能である。
上記第３実施形態の変形例について説明する。上記第３実施形態のセンシングシステムは、上記第２実施形態の変形例と同様に、畜産物、水産物、または林産物に対しても適用可能である。また、上記第３実施形態のセンシングシステムは、工業製品に関する製造工程に対しても適用可能であり、所定空間内の洗浄度に対しても適用可能である。
（他の実施形態）
本発明は上記した実施形態に限定されるものではなく、特許請求の範囲に記載した範囲内において適宜変更が可能である。
本発明は上記した実施形態に限定されるものではなく、特許請求の範囲に記載した範囲内において適宜変更が可能である。
例えば、上記各実施形態では、サーバ１０は、記憶部１２を有する制御部１１が備えられている例について説明したが、所定の処理を行うＣＰＵ等の処理部と、記憶部１２とが別々に備えられていてもよい。また、記憶部１２には、加工データや解析データ等が記憶されるが、１つの記憶部ではなく、複数の記憶部に各データが備えられていてもよい。この場合、サーバ１０は、複数備えられていてもよい。
また、上記各実施形態において、加工装置３０と測定装置４０とが一体化されていてもよい。これによれば、加工装置３０および測定装置４０で使用するレーザ照射部を一体化できるため、システムの簡素化を図ることができる。つまり、加工部３１および測定部４１の少なくとも一部を一体化できるため、システムの簡素化を図ることができる。
さらに、上記各実施形態において、加工装置３０とサーバ１０とが電気的に接続されるようにしてもよいし、測定装置４０とサーバ１０とが電気的に接続されるようにしてもよい。
また、上記各実施形態において、測定装置４０では、赤外分光法によって赤外分光スペクトルを検出するようにしてもよい。このような場合には、記憶部１２には、赤外分光スペクトルに関する加工データおよび解析データが記憶され、制御部１１は、当該解析データを用いて赤外分光スペクトルを解析する。
また、上記各実施形態において、通信端末２０は、サーバ１０と加工装置３０との間で通信を行う端末と、サーバ１０と測定装置４０との間で通信を行う端末とが別々に備えられていてもよい。この場合、各通信端末２０は、加工装置３０または測定装置４０と一体化して備えられていてもよい。
また、上記各実施形態において、サーバ１０から通信端末２０に送信される加工データ、および測定装置４０から通信端末２０に送信されると共に通信端末２０からサーバ１０に送信されるＳＥＲＳスペクトルは、所定の暗号化方式で暗号化されていてもよい。これによれば、利用者が各データを不正利用し難くできる。
また、上記各実施形態において、凹凸構造５０ａを有する検出基板５０を形成する方法は、適宜変更可能であり、次のようにしてもよい。例えば、まず、検出基板５０とは別に金や銀等で構成される金属基板を用意する。そして、金属基板にレーザビームを照射して金属粒子を飛散させ、飛散させた金属粒子を検出基板５０に堆積させることによって凹凸構造５０ａを有する検出基板５０を形成するようにしてもよい。この場合、最初に用意する検出基板５０は、ガラスやゴムシート等であってもよい。さらに、ブラスト処理を行うことにより、凹凸構造５０ａを有する検出基板５０を形成するようにしてもよい。
そして、本開示に記載の制御部１１及びその手法は、コンピュータプログラムにより具体化された一つ乃至は複数の機能を実行するようにプログラムされたプロセッサ及びメモリーを構成することによって提供された専用コンピュータにより、実現されてもよい。あるいは、本開示に記載の制御部１１及びその手法は、一つ以上の専用ハードウエア論理回路によってプロセッサを構成することによって提供された専用コンピュータにより、実現されてもよい。もしくは、本開示に記載の制御部１１及びその手法は、一つ乃至は複数の機能を実行するようにプログラムされたプロセッサ及びメモリーと一つ以上のハードウエア論理回路によって構成されたプロセッサとの組み合わせにより構成された一つ以上の専用コンピュータにより、実現されてもよい。また、コンピュータプログラムは、コンピュータにより実行されるインストラクションとして、コンピュータ読み取り可能な非遷移有形記録媒体に記憶されていてもよい。
１０ サーバ
２０ 通信端末
５０ 検出基板
５０ａ 凹凸構造
６０ 分析対象物
２０ 通信端末
５０ 検出基板
５０ａ 凹凸構造
６０ 分析対象物
Claims (9)
- サーバ（１０）と通信端末（２０）との間で通信を行うセンシングシステムであって、
所定のデータが記憶される記憶部（１２）および前記記憶部に記憶されているデータを用いて所定の処理を行う制御部（１１）を有する前記サーバと、
利用者によって利用され、前記サーバと通信可能に構成された前記通信端末と、を備え、
前記記憶部には、凹凸構造（５０ａ）が形成された検出基板（５０）の前記凹凸構造に分析対象物（６０）を付着させて分光分析法を行う際に用いられる、前記検出基板に前記凹凸構造を形成するための加工条件に関する加工データが、複数の前記分析対象物に対してそれぞれ記憶されていると共に、前記分光分析法を行うことによって得られた前記分析対象物の分光スペクトルから前記分析対象物を解析するための解析データが、複数の前記分析対象物に対してそれぞれ記憶されており、
前記制御部は、
前記通信端末から前記分析対象物を分析するのに用いられる前記検出基板に関する前記加工データを要求する信号を受信すると、前記分析対象物および前記検出基板を構成する材料に対応した前記加工データを選択して前記通信端末に送信し、
利用者が前記加工データを用いて前記凹凸構造が形成された前記検出基板を形成すると共に前記凹凸構造に前記分析対象物を付着し、前記分光分析法によって得られた前記分光スペクトルを前記通信端末から送信することにより、当該分光スペクトルを受信すると、前記解析データを用いて前記分光スペクトルを解析するセンシングシステム。 - 前記制御部は、
前記分光スペクトルを受信する度に前記分光スペクトルに基づいた化学データを前記記憶部に記憶すると共に、前記化学データに対して時期的に関連のあるデータであって、前記分光スペクトルと異なる方法で得られた前記分析対象物に関する条件データを受信する度に当該条件データを前記記憶部に記憶し、
前記化学データおよび前記条件データを前記記憶部に記憶する際には、互いに対応付けて記憶し、
前記通信端末から予測開始信号を受信すると、前記記憶部に記憶されている前記化学データおよび前記条件データに基づき、前記分析対象物の所定期間後の状況を予測する請求項１に記載のセンシングシステム。 - 前記制御部は、
前記化学データに対して時期的に関連のあるデータであって、前記分光スペクトルと異なる方法で得られた前記分析対象物の状況に関する状況データを受信する度に当該状況データを前記記憶部に記憶し、
前記化学データ、前記条件データ、および前記状況データを前記記憶部に記憶する際には、互いに対応付けて記憶し、
前記通信端末から予測開始信号を受信すると、前記記憶部に記憶されている前記化学データ、前記条件データ、および前記状況データに基づき、前記分析対象物の所定期間後の状況を予測する請求項２に記載のセンシングシステム。 - 前記条件データには、前記利用者が制御可能なデータが含まれ、
前記制御部は、前記通信端末から前記分析対象物の状況を希望状況とするための調整開始信号を受信すると、所定期間後の前記分析対象物の状況を前記希望状況に近づけるために前記利用者が制御可能なデータの調整方法を予測する請求項２または３に記載のセンシングシステム。 - 前記制御部は、前記分析対象物の所定期間後の状況として、農林水産物の生育量、収量、または病気発生率、工業製品の寿命、製造工程における不良品発生確率、もしくは所定空間内の清浄度を予測する請求項２ないし４のいずれか１つに記載のセンシングシステム。
- 前記通信端末と通信可能に構成され、前記通信端末から前記加工データを受信すると、前記加工データに基づいて前記検出基板に前記凹凸構造を形成する加工装置（３０）と、
前記通信端末と通信可能に構成され、前記凹凸構造に前記分析対象物が付着された前記検出基板が配置されると、前記分光分析法によって前記分析対象物の前記分光スペクトルを取得して前記通信端末に送信する測定装置（４０）と、を備える請求項１ないし５のいずれか１つに記載のセンシングシステム。 - 前記加工装置は、レーザビームを照射することで前記検出基板に前記凹凸構造を形成する請求項６に記載のセンシングシステム。
- 前記加工装置と前記測定装置とが一体化されており、
前記測定装置は、前記レーザビームを照射して前記分光分析法を行う請求項７に記載のセンシングシステム。 - 前記サーバは、前記通信端末を介して前記加工装置および前記測定装置とのデータの送受信が可能とされている請求項６ないし８のいずれか１つに記載のセンシングシステム。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019021776A JP7205271B2 (ja) | 2019-02-08 | 2019-02-08 | センシングシステム |
| CN202080012964.1A CN113412423B (zh) | 2019-02-08 | 2020-01-30 | 传感检测系统、用于该传感检测系统的数据结构、以及非临时性存储介质 |
| PCT/JP2020/003441 WO2020162321A1 (ja) | 2019-02-08 | 2020-01-30 | センシングシステムおよびそれに用いられるデータ構造 |
| US17/394,289 US20210364443A1 (en) | 2019-02-08 | 2021-08-04 | Sensing system and storage medium storing data structure used in sensing system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019021776A JP7205271B2 (ja) | 2019-02-08 | 2019-02-08 | センシングシステム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020128927A JP2020128927A (ja) | 2020-08-27 |
| JP7205271B2 true JP7205271B2 (ja) | 2023-01-17 |
Family
ID=71947009
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019021776A Active JP7205271B2 (ja) | 2019-02-08 | 2019-02-08 | センシングシステム |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20210364443A1 (ja) |
| JP (1) | JP7205271B2 (ja) |
| CN (1) | CN113412423B (ja) |
| WO (1) | WO2020162321A1 (ja) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008501982A (ja) | 2004-06-07 | 2008-01-24 | ウェイン エー ワイマー | 表面増強ラマン分光（ｓｅｒｓ）用基板表面の製造方法及びシステム、及びそれを用いた装置 |
| JP2015190836A (ja) | 2014-03-28 | 2015-11-02 | 学校法人 東洋大学 | ラマン分光測定法及びラマン分光測定器 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5017007A (en) * | 1989-07-27 | 1991-05-21 | Milne Christopher G | Apparatus and microbase for surface-enhanced raman spectroscopy system and method for producing same |
| JP2004070931A (ja) * | 2002-06-10 | 2004-03-04 | Masaya Fukui | 循環生産における個別情報管理方法および個別情報管理システム |
| EP2325634B1 (en) * | 2009-11-19 | 2015-03-18 | Seiko Epson Corporation | Sensor chip, sensor cartridge, and analysis apparatus |
| US20110292376A1 (en) * | 2010-05-26 | 2011-12-01 | Kukushkin Igor V | Apparatus and method for detecting raman and photoluminescence spectra of a substance |
| CN102735677B (zh) * | 2012-07-13 | 2014-04-16 | 湖南大学 | 一种具有普适性的表面增强拉曼光谱定量分析方法 |
| JP2016070776A (ja) * | 2014-09-30 | 2016-05-09 | セイコーエプソン株式会社 | 分光分析装置、及び分光分析装置の校正方法 |
| CN107636544A (zh) * | 2015-06-19 | 2018-01-26 | 富士机械制造株式会社 | 制造系统及制造系统的控制方法 |
| JP6625914B2 (ja) * | 2016-03-17 | 2019-12-25 | ファナック株式会社 | 機械学習装置、レーザ加工システムおよび機械学習方法 |
| JP6453805B2 (ja) * | 2016-04-25 | 2019-01-16 | ファナック株式会社 | 製品の異常に関連する変数の判定値を設定する生産システム |
| JP6852529B2 (ja) * | 2017-04-06 | 2021-03-31 | 株式会社デンソーウェーブ | 管理システム |
-
2019
- 2019-02-08 JP JP2019021776A patent/JP7205271B2/ja active Active
-
2020
- 2020-01-30 WO PCT/JP2020/003441 patent/WO2020162321A1/ja active Application Filing
- 2020-01-30 CN CN202080012964.1A patent/CN113412423B/zh active Active
-
2021
- 2021-08-04 US US17/394,289 patent/US20210364443A1/en active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008501982A (ja) | 2004-06-07 | 2008-01-24 | ウェイン エー ワイマー | 表面増強ラマン分光（ｓｅｒｓ）用基板表面の製造方法及びシステム、及びそれを用いた装置 |
| JP2015190836A (ja) | 2014-03-28 | 2015-11-02 | 学校法人 東洋大学 | ラマン分光測定法及びラマン分光測定器 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113412423A (zh) | 2021-09-17 |
| CN113412423B (zh) | 2024-04-26 |
| WO2020162321A1 (ja) | 2020-08-13 |
| JP2020128927A (ja) | 2020-08-27 |
| US20210364443A1 (en) | 2021-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Busemeyer et al. | Precision phenotyping of biomass accumulation in triticale reveals temporal genetic patterns of regulation | |
| US11828652B2 (en) | Method for characterising samples using neural networks | |
| King et al. | Evaluation of neural network modeling to predict non-water-stressed leaf temperature in wine grape for calculation of crop water stress index | |
| Fan et al. | Individual wheat kernels vigor assessment based on NIR spectroscopy coupled with machine learning methodologies | |
| US20170319185A1 (en) | Method and apparatus for predicting concentration of analyte | |
| WO2019082617A1 (ja) | 情報処理装置、情報処理方法、プログラム及び観察システム | |
| CN103119419A (zh) | 紫外线防御效果的评估方法、评估装置及存储介质 | |
| CA2711135A1 (en) | Method and system for measuring a composition in a blood fluid | |
| Rady et al. | Near-infrared spectroscopy and hyperspectral imaging for sugar content evaluation in potatoes over multiple growing seasons | |
| JPWO2018150691A1 (ja) | 情報生成方法、情報生成装置、プログラム | |
| Hennessy et al. | Attempted confirmation of the provenance of Corsican PDO honey using FT-IR spectroscopy and multivariate data analysis | |
| US20170074788A1 (en) | Spectroscopy method and system | |
| JP7205271B2 (ja) | センシングシステム | |
| EP4158562A1 (en) | Real-time projections and estimated distributions of agricultural pests, diseases, and biocontrol agents | |
| JPWO2019073666A1 (ja) | 判定装置、判定方法、および判定プログラム | |
| WO2013188952A1 (en) | Sensor for early detection of problems in algae cultures and related system and method | |
| JP7355323B2 (ja) | 計測制御装置、分光計測装置、及び計測制御方法 | |
| Joseph et al. | Quality by Design (QbD) approach: An explanation of the QbD concept and its application in pharmaceutical formulation development | |
| WO2021182000A1 (ja) | パラメータ調整装置、推論装置、パラメータ調整方法、及びパラメータ調整プログラム | |
| Newcomb et al. | Nighttime Chlorophyll Fluorescence Imaging of Dark-Adapted Plants Using a Robotic Field Phenotyping Platform | |
| Nguyen-Xuan et al. | A dynamic model for temperature prediction in glass greenhouse | |
| US20220196564A1 (en) | System and method for detecting the presence of spores in fields | |
| Effler et al. | A mechanistic model for Secchi disk depth, driven by light scattering constituents | |
| De et al. | Identification of the best architecture of a multilayer perceptron in modeling daily total ozone concentration over Kolkata, India | |
| US9645086B2 (en) | Componential analysis method, componential analysis apparatus and non-transitory computer-readable recording medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210602 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220719 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220909 |
|
| 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: 20221129 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221212 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 7205271 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |