JP7371981B2 - 原臭選定方法、原臭の組み合わせによりニオイを表現、提示または合成する方法、及びそのための装置 - Google Patents
原臭選定方法、原臭の組み合わせによりニオイを表現、提示または合成する方法、及びそのための装置 Download PDFInfo
- Publication number
- JP7371981B2 JP7371981B2 JP2022509487A JP2022509487A JP7371981B2 JP 7371981 B2 JP7371981 B2 JP 7371981B2 JP 2022509487 A JP2022509487 A JP 2022509487A JP 2022509487 A JP2022509487 A JP 2022509487A JP 7371981 B2 JP7371981 B2 JP 7371981B2
- Authority
- JP
- Japan
- Prior art keywords
- odors
- odor
- original
- sensor
- gas
- 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
- 235000019645 odor Nutrition 0.000 title claims description 443
- 238000000034 method Methods 0.000 title claims description 52
- 230000002194 synthesizing effect Effects 0.000 title claims description 6
- 239000007789 gas Substances 0.000 claims description 82
- 239000013598 vector Substances 0.000 claims description 61
- 239000003086 colorant Substances 0.000 claims description 51
- 238000001514 detection method Methods 0.000 claims description 25
- 238000002156 mixing Methods 0.000 claims description 19
- 230000010365 information processing Effects 0.000 claims description 18
- 238000010187 selection method Methods 0.000 claims description 13
- 230000008786 sensory perception of smell Effects 0.000 claims description 10
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000003786 synthesis reaction Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 description 56
- 235000015067 sauces Nutrition 0.000 description 31
- 241000251468 Actinopterygii Species 0.000 description 18
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 18
- 239000000463 material Substances 0.000 description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 16
- 239000011248 coating agent Substances 0.000 description 14
- 238000000576 coating method Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 14
- 239000000203 mixture Substances 0.000 description 13
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 12
- 239000002131 composite material Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 235000011194 food seasoning agent Nutrition 0.000 description 9
- 239000007788 liquid Substances 0.000 description 9
- 239000002105 nanoparticle Substances 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 8
- -1 aminopropyl groups Chemical group 0.000 description 7
- 235000013555 soy sauce Nutrition 0.000 description 7
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 239000012528 membrane Substances 0.000 description 6
- 239000000377 silicon dioxide Substances 0.000 description 6
- 239000004278 EU approved seasoning Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 239000012159 carrier gas Substances 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000001179 sorption measurement Methods 0.000 description 4
- 235000019640 taste Nutrition 0.000 description 4
- RLGQACBPNDBWTB-UHFFFAOYSA-N cetyltrimethylammonium ion Chemical compound CCCCCCCCCCCCCCCC[N+](C)(C)C RLGQACBPNDBWTB-UHFFFAOYSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000011246 composite particle Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000005507 spraying Methods 0.000 description 3
- 241000237502 Ostreidae Species 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000003795 desorption Methods 0.000 description 2
- 238000010195 expression analysis Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 235000020636 oyster Nutrition 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 1
- 235000005979 Citrus limon Nutrition 0.000 description 1
- 244000131522 Citrus pyriformis Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 101001090865 Homo sapiens 26S proteasome regulatory subunit 7 Proteins 0.000 description 1
- 101000828889 Homo sapiens tRNA modification GTPase GTPBP3, mitochondrial Proteins 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 229910004298 SiO 2 Inorganic materials 0.000 description 1
- 239000003570 air Substances 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 229910001873 dinitrogen Inorganic materials 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000975 dye Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 235000019688 fish Nutrition 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 235000008960 ketchup Nutrition 0.000 description 1
- 235000010746 mayonnaise Nutrition 0.000 description 1
- 239000008268 mayonnaise Substances 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 235000012149 noodles Nutrition 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000002304 perfume Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 229920003229 poly(methyl methacrylate) Polymers 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 239000004926 polymethyl methacrylate Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 235000014347 soups Nutrition 0.000 description 1
- 238000006557 surface reaction Methods 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 102100023793 tRNA modification GTPase GTPBP3, mitochondrial Human genes 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 210000001138 tear Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 235000021419 vinegar Nutrition 0.000 description 1
- 239000000052 vinegar Substances 0.000 description 1
- 235000015041 whisky Nutrition 0.000 description 1
Classifications
-
- 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 or the display, e.g. intermittent measurement or digital display
-
- 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
- G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
- G01N33/0034—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array comprising neural networks or related mathematical techniques
-
- 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
- G01N33/0001—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00 by organoleptic means
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
- Sampling And Sample Adjustment (AREA)
Description
ここで、前記それぞれのニオイの検知は、前記それぞれのニオイに対するセンサの出力信号から得られる複数の特徴からなるところの前記それぞれのニオイに対応する特徴ベクトルを求めることを含み、前記原臭からなる部分集合の選定は、前記ニオイの集合中のそれぞれのニオイに対応する前記特徴ベクトルの集合から、前記特徴ベクトルを含む特徴空間内における端点検出により選定された前記特徴ベクトルの部分集合に基づいて前記原臭を選定することを含んでよい。
また、前記それぞれのニオイに対応して求められた特徴ベクトルを縦ベクトルとすることで構成される特徴行列の各行をスケール変換してよい。
また、前記特徴空間の任意の方向で端に位置する点であるエンドポイントとなる回数をカウントし、その回数が多い順に前記特徴ベクトルの集合中から特徴ベクトルを取り出すことによって前記特徴ベクトルの部分集合を得てよい。
また、前記センサは表面応力センサであってよい。
また、前記センサは複数のセンサ素子を有するセンサアレイであり、前記出力信号は前記複数のセンサ素子のそれぞれからの個別の出力信号を含んでよい。
本発明の他の側面によれば、センサと、前記それぞれのニオイを有する試料ガスと基準ガスとを交互にセンサに供給するガス供給手段と、前記センサからの出力信号を入力する情報処理装置とを設け、前記何れかの原臭選定方法により前記情報処理装置が得た前記特徴ベクトルの前記部分集合の各要素に対応する試料ガスのニオイを原臭として選定する原臭選定装置が与えられる。
本発明のさらに他の側面によれば、前記何れかの原臭選定方法により選定された複数の原臭に基づいて、所与のニオイを前記選定された各々の原臭を混合したニオイとして合成する、ニオイ合成方法が与えられる。
本発明のさらに他の側面によれば、前記原臭選定装置により選定された原臭のそれぞれに対応する前記試料ガスを混合する手段を設けた、ニオイ合成装置が与えられる。
本発明のさらに他の側面によれば、前記何れかの原臭選定方法により選定された複数の原臭に基づいて、所与のニオイを前記選定された各々の原臭の組み合わせとして表現する、ニオイ表現方法が与えられる。
ここで、前記原臭の組み合わせは前記原臭の特徴ベクトルの線形結合で表されてよい。
本発明のさらに他の側面によれば、センサと、前記それぞれのニオイを有する試料ガスと基準ガスとを交互にセンサに供給するガス供給手段と、前記センサからの出力信号を入力する情報処理装置とを設け、前記何れかのニオイ表現方法によって前記情報処理装置が得たニオイ表現結果を記憶しまたは外部へ提供する手段とを設けた、ニオイ表現装置が与えられる。
本発明のさらに他の側面によれば、前記原臭の組み合わせを嗅覚以外の知覚により認識できる形態で提示する、ニオイ提示方法が与えられる。
ここで、前記嗅覚以外の知覚により認識できる形態での提示は、前記原臭の各々に異なる色を対応付け、ニオイを前記異なる色を混合した結果により提示してよい。
また、前記原臭の各々に対応付けられる異なる色は3原色であってよい。
本発明のさらに他の側面によれば、センサと、前記それぞれのニオイを有する試料ガスと基準ガスとを交互にセンサに供給するガス供給手段と、前記センサからの出力信号を入力する情報処理装置と、前記何れかのニオイ提示方法によって前記情報処理装置が得たニオイ提示結果を出力する出力装置と
を設けたニオイ提示装置が与えられる。
異なる感応膜材料を感応膜としてそれぞれ塗布したMSS(それぞれのMSSを以下ではチャンネルとも称する)の集合体であるセンサアレイでニオイを測定する。MSS等の表面応力センサでは、センサに測定対象の試料と、基準となる流体(ニオイ測定の場合には基準ガス。測定対象のニオイをセンサに供給すると、ニオイ中の成分が感応膜に吸着するが、基準ガスを流す間に吸着した成分が脱着されるので、この意味でパージガスとも呼ばれる。実施例では窒素ガス(N2)を使用)とを所定周期で交互に供給して、これにより感応膜で生起する周期的な吸着・脱着に基づく応答信号を得る。
・パラメータ2:点Bと、供給するガスを試料ガス(ニオイ)から基準ガスに切り替えた時点に対応する点Cとの間の勾配によって定義する。これは準平衡状態の情報を含んでいる。
・パラメータ3:試料ガス(ニオイ)の脱着プロセスの開始点となる点Cと、基準ガスを供給し続けたことで応答信号の値が応答信号の値の最小値に接近した点Dとの間の勾配によって定義する。点Dの具体的な定め方としては、点Bの場合と同様、点Cから所定時間経過した時点の応答信号上の点を点Dとすることができる。あるいは、応答信号の値が減少していき、応答信号の最小値+(最大値-最小値)×所定比率(例えば5%)に到達した点を点Dとする、などとしてもよい。
・パラメータ4:ピークの高さによって定義する。これには各感応膜材料の吸着能力の情報が含まれる。図2に示されるピーク形状では点Cの高さがパラメータ4となる。しかし、一般的には、試料の供給中に出力信号の大きさが単調に増加するとは限らず、場合によっては点Bと点Cとの間に最大値、つまりピークの高さに到達し、出力信号はこの最大値点から先へ向かって減少していく、等の場合がある。
集めたニオイサンプルから、一組の原臭を決定するために、MSSを用いた測定によって得られたニオイの高次元の特徴ベクトルに対して、以下に示す端点検出手法を実行する。もちろん、すでに述べたように以下に示す端点検出手法は一例にすぎず、他の任意の手法を採用できることは言うまでもない。以下では説明を簡単にするため、原臭数=3とし、また各ニオイサンプルから抽出する特徴量は、異なる感応膜を塗布した12のチャンネルからそれぞれ与えられるところの、図2を参照して上で説明したパラメータ1~4であるとする。従って、ニオイサンプル毎に12×4=48個の特徴量が与えられ、特徴ベクトルは48次元となる。なお、このように原臭数及び特徴量の個数を特定の値であるとして行う説明は一般性を失うものではないのは当然である。
へ変換する処理である。ここで、添え字i及びj並びに定数μ及びσはそれぞれ以下のとおりである。
・i:特徴行列Xの列のインデックスであり、上述の通り、それぞれのニオイサンプルの番号1~Nである。
・j:特徴行列Xの行のインデックスであり、当該値の測定に使用したMSSの番号及び当該MSSの応答信号から得られたパラメータの番号に対応付けられている。例えば、上の例のように12個のMSS(MSS1~MSS12)を使用し、またそれぞれのMSSから4個のパラメータ(パラメータ1~パラメータ4)を抽出する場合、j=(MSS番号-1)×4+パラメータ番号としてよい。
・μ:xj1,xj2,・・・,xji,・・・,xjNの算術平均。
・σ:xj1,xj2,・・・,xji,・・・,xjNの標準偏差。
(1) 標準化済みのすべてのニオイデータの特徴ベクトル
ニオイサンプルから複数個の原臭(上の説明では例として3つの原臭。以下でも原臭を3原臭であるとして説明する)を選定する手法を上記[原臭を選定するための端点検出手法]で説明した。その他のニオイを原臭の組み合わせによって表現するために、3原臭の特徴ベクトルの線型結合でその他のニオイの特徴ベクトルを表す。このとき、ターゲットとするニオイの特徴ベクトルが可能な限り実現される線型結合を探索する。(w1,w2,w3)を3原臭の標準化された特徴ベクトル
上で図2を参照して説明したパラメータ1~4の抽出を行った。ここで、試料(ニオイ)と基準ガスの供給の繰り返し周期を10秒とし、点Aと点Bとの間の時間差を0.5秒と決めた。同様に、点CとDとの間の時間差も0.5秒とした。
例を示すために、MSS及び機械学習を利用し、調味料のニオイから原臭を選定する。ここでは、12種類の調味料を用意した。具体的には、純水、ケチャップ、マヨネーズ、レモン汁、オイスターソース、ウスターソース、日本酒、めんつゆ、焼肉のたれ、酢、醤油、ナンプラーである。これらの液体サンプルをバイアルに入れ、バイアル内のヘッドスペース内に溜まった気体をMSSによって測定した。本実施例では、ヘッドスペース内に溜まった気体(ニオイ)を押し出してMSSへ送り込むためのキャリアガスとして、基準ガスと同じN2ガスを用いた。応答信号の感応膜材料依存性を図4A及び図4Bに示す。アミノプロピル基で修飾されたシリカ/チタニア複合ナノ粒子が塗布されているチャンネル5を除き、信号の形状は、各チャンネルであまり変わらない。一方で、ピークの高さはサンプルによって異なり、日本酒は常に最大のピークを示し、ナンプラーは最小のピークとなる。したがって、生の応答信号の観点からは、日本酒とナンプラーは原臭の候補と考えられる。一方、それ以外のニオイサンプルに関しては、生の応答信号を見ているだけでは、原臭候補を選出することは困難である。なお、各チャンネルで得られた応答信号の強度はチャンネル毎に異なるが、図4A及び図4Bでは、各チャンネルでの応答信号のピーク値がほぼ同じ高さになるようにすることで、一覧性を高めている。
ターゲットのニオイを色に変換するために、係数(w1,w2,w3)を二次計画法によって計算する(詳細は上述の[原臭を用いた任意のニオイの表現法]に示す)。これらの係数は、応答信号から抽出された3原臭の標準化された特徴ベクトル
3種類の原臭が事前に決まっている場合、二次計画法を実行するだけでさまざまなニオイを即座に色等の嗅覚以外の知覚で認識できる形態に変換することができる。したがって、例えばターゲットのニオイの色(ニオイを上述のようにして色に変換したもの)をリアルタイムで出力することができる。そこで、MSS、機械学習を実装した情報処理装置としてコンパクトコンピュータ、及びLEDライトを使用して、ニオイの色をリアルタイムで表示する装置を作製した。ここで、色を出力するために使用したデバイスとしてLEDライトを使用したが、もちろん出力装置であればどのようなものでもよい。ここで例として3種類の原臭としてナンプラー、日本酒、純水を用いた。また、原臭のそれぞれの色を赤、緑、青とした。ここで、原臭の応答信号を測定する際の基準ガス及びキャリアガスとしてN2ガスを使用したため、ターゲットのニオイを測定する際もN2ガスを基準ガス及びキャリアガスとして使用した。ただし、空気を基準ガス及びキャリアガスとして使うこともできる。
本実施例中で使用したMSSチップには全部で12のチャンネル(以下ではChとも称する)が搭載されており、各チャンネルに塗布された材料及び塗布条件は以下に示す通りである。
Ch2:オクタデシル基修飾シリカ/チタニア複合ナノ粒子(インクジェットコーティング、1g/L、400ショット)、
Ch3:フェニル基修飾シリカ/チタニア複合ナノ粒子(インクジェットコーティング、1g/L、200ショット)、
Ch4:ポリメタクリル酸メチル(インクジェットコーティング、1g/L、300ショット)
Ch5:アミノプロピル基修飾シリカ/チタニア複合ナノ粒子(インクジェットコーティング、1 g/L、600ショット)、
Ch6:オクタデシル基修飾シリカ/チタニア複合ナノ粒子(インクジェットコーティング、1 g/L、800ショット)、
Ch7:フェニル基修飾シリカ/チタニア複合ナノ粒子(インクジェットコーティング、1 g/L、500ショット)、
Ch8:シリカ/ヘキサデシルトリメチルアンモニウム複合粒子(インクジェットコーティング、1 g/L、1000ショット)、
Ch9:Tenax TA(Mesh:20/35)(インクジェットコーティング、1 g/L、300ショット、ステージ温度100oC)、
Ch10:Tenax TA(Mesh:20/35)(インクジェットコーティング、1g/L、300ショット、ステージ温度20oC)、
Ch11:Tenax TA(Mesh:60/80)(インクジェットコーティング、1 g/L、300ショット、ステージ温度100oC)、
Ch12:Tenax TA(Mesh:60/80)(インクジェットコーティング、1 g/L、300ショット、ステージ温度20oC)。
Claims (16)
- ニオイの集合中のそれぞれのニオイを検知し、
前記それぞれのニオイの検知結果に基づいて、前記ニオイの集合中のニオイの原臭からなる部分集合を選定する
原臭選定方法。 - 前記それぞれのニオイの検知は、前記それぞれのニオイに対するセンサの出力信号から得られる複数の特徴からなるところの前記それぞれのニオイに対応する特徴ベクトルを求めることを含み、
前記原臭からなる部分集合の選定は、前記ニオイの集合中のそれぞれのニオイに対応する前記特徴ベクトルの集合から、前記特徴ベクトルを含む特徴空間内における端点検出により選定された前記特徴ベクトルの部分集合に基づいて前記原臭を選定することを含む
請求項1に記載の原臭選定方法。 - 前記それぞれのニオイに対応して求められた特徴ベクトルを縦ベクトルとすることで構成される特徴行列の各行をスケール変換する、請求項2に記載の原臭選定方法。
- 前記特徴空間の任意の方向で端に位置する点であるエンドポイントとなる回数をカウントし、その回数が多い順に前記特徴ベクトルの集合中から特徴ベクトルを取り出すことによって前記特徴ベクトルの部分集合を得る、請求項2または3に記載の原臭選定方法。
- 前記センサは表面応力センサである、請求項2から4の何れかに記載の原臭選定方法。
- 前記センサは複数のセンサ素子を有するセンサアレイであり、
前記出力信号は前記複数のセンサ素子のそれぞれからの個別の出力信号を含む、
請求項2から5の何れかに記載の原臭選定方法。 - センサと、
前記それぞれのニオイを有する試料ガスと基準ガスとを交互にセンサに供給するガス供給手段と、
前記センサからの出力信号を入力する情報処理装置と
を設け、
請求項2から6の何れかに記載の原臭選定方法により前記情報処理装置が得た前記特徴ベクトルの前記部分集合の各要素に対応する試料ガスのニオイを原臭として選定する原臭選定装置。 - 請求項1から6の何れかに記載の原臭選定方法により選定された複数の原臭に基づいて、前記ニオイの集合中の所与のニオイを前記選定された各々の原臭を混合したニオイとして合成する、ニオイ合成方法。
- 請求項7に記載の原臭選定装置により選定された原臭のそれぞれに対応する前記試料ガスを混合する手段を設けた、ニオイ合成装置。
- 請求項1から6の何れかに記載の原臭選定方法により選定された複数の原臭に基づいて、前記ニオイの集合中の所与のニオイを前記選定された各々の原臭の組み合わせとして表現する、ニオイ表現方法。
- 前記原臭の組み合わせは前記原臭の特徴ベクトルの線形結合で表される、請求項10に記載のニオイ表現方法。
- センサと、
前記それぞれのニオイを有する試料ガスと基準ガスとを交互にセンサに供給するガス供給手段と、
前記センサからの出力信号を入力する情報処理装置と
を設け、
請求項10または11に記載のニオイ表現方法によって前記情報処理装置が得たニオイ表現結果を記憶しまたは外部へ提供する手段と
を設けた、ニオイ表現装置。 - 請求項10または11に記載の前記原臭の組み合わせを嗅覚以外の知覚により認識できる形態で提示する、ニオイ提示方法。
- 前記嗅覚以外の知覚により認識できる形態での提示は、前記原臭の各々に異なる色を対応付け、ニオイを前記異なる色を混合した結果により提示する、請求項13に記載のニオイ提示方法。
- 前記原臭の各々に対応付けられる異なる色は3原色である、請求項14に記載のニオイ提示方法。
- センサと、
前記それぞれのニオイを有する試料ガスと基準ガスとを交互にセンサに供給するガス供給手段と、
前記センサからの出力信号を入力する情報処理装置と、
請求項13から15の何れかのニオイ提示方法によって前記情報処理装置が得たニオイ提示結果を出力する出力装置と
を設けたニオイ提示装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020051050 | 2020-03-23 | ||
JP2020051050 | 2020-03-23 | ||
PCT/JP2021/008633 WO2021192915A1 (ja) | 2020-03-23 | 2021-03-05 | 原臭選定方法、原臭の組み合わせによりニオイを表現、提示または合成する方法、及びそのための装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021192915A1 JPWO2021192915A1 (ja) | 2021-09-30 |
JPWO2021192915A5 JPWO2021192915A5 (ja) | 2022-09-21 |
JP7371981B2 true JP7371981B2 (ja) | 2023-10-31 |
Family
ID=77891317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022509487A Active JP7371981B2 (ja) | 2020-03-23 | 2021-03-05 | 原臭選定方法、原臭の組み合わせによりニオイを表現、提示または合成する方法、及びそのための装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230090065A1 (ja) |
EP (1) | EP4130735A4 (ja) |
JP (1) | JP7371981B2 (ja) |
CN (1) | CN115349089A (ja) |
WO (1) | WO2021192915A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023163214A1 (ja) * | 2022-02-28 | 2023-08-31 | 株式会社香味醗酵 | 情報処理装置、カートリッジ、放出装置、n次元コード、制御方法、コンピュータプログラム |
JP7462813B2 (ja) | 2023-03-28 | 2024-04-05 | 花王株式会社 | 体臭表現システム |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002524206A (ja) | 1998-09-10 | 2002-08-06 | センシート インコーポレイテッド | 臭気再生のための方法および装置 |
JP2002524205A (ja) | 1998-09-10 | 2002-08-06 | センシート インコーポレイテッド | 匂い伝送のための方法および装置 |
JP2013124953A (ja) | 2011-12-15 | 2013-06-24 | National Institute For Materials Science | センサーアレイを用いた測定結果可視化装置 |
WO2016031080A1 (ja) | 2014-08-29 | 2016-03-03 | 株式会社アロマビット | 嗅覚システム、匂い識別装置、匂い識別方法 |
US20160216244A1 (en) | 2013-09-12 | 2016-07-28 | Yeda Research And Development Co. Ltd. | Method and electronic nose for comparing odors |
WO2018211642A1 (ja) | 2017-05-17 | 2018-11-22 | 株式会社アロマビット | 匂い画像の基データ作成方法 |
WO2018221283A1 (ja) | 2017-05-31 | 2018-12-06 | 国立研究開発法人物質・材料研究機構 | 低吸湿性材料からなるナノメカニカルセンサ用受容体及びそれを受容体として使用するナノメカニカルセンサ |
WO2019111262A1 (en) | 2017-12-08 | 2019-06-13 | Yeda Research And Development Co. Ltd. | Utilization of electronic nose-based analysis of odorants |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011148774A1 (ja) | 2010-05-24 | 2011-12-01 | 独立行政法人物質・材料研究機構 | 表面応力センサ |
-
2021
- 2021-03-05 WO PCT/JP2021/008633 patent/WO2021192915A1/ja unknown
- 2021-03-05 CN CN202180023970.1A patent/CN115349089A/zh active Pending
- 2021-03-05 US US17/800,386 patent/US20230090065A1/en active Pending
- 2021-03-05 EP EP21776633.6A patent/EP4130735A4/en active Pending
- 2021-03-05 JP JP2022509487A patent/JP7371981B2/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002524206A (ja) | 1998-09-10 | 2002-08-06 | センシート インコーポレイテッド | 臭気再生のための方法および装置 |
JP2002524205A (ja) | 1998-09-10 | 2002-08-06 | センシート インコーポレイテッド | 匂い伝送のための方法および装置 |
JP2013124953A (ja) | 2011-12-15 | 2013-06-24 | National Institute For Materials Science | センサーアレイを用いた測定結果可視化装置 |
US20160216244A1 (en) | 2013-09-12 | 2016-07-28 | Yeda Research And Development Co. Ltd. | Method and electronic nose for comparing odors |
WO2016031080A1 (ja) | 2014-08-29 | 2016-03-03 | 株式会社アロマビット | 嗅覚システム、匂い識別装置、匂い識別方法 |
WO2018211642A1 (ja) | 2017-05-17 | 2018-11-22 | 株式会社アロマビット | 匂い画像の基データ作成方法 |
WO2018221283A1 (ja) | 2017-05-31 | 2018-12-06 | 国立研究開発法人物質・材料研究機構 | 低吸湿性材料からなるナノメカニカルセンサ用受容体及びそれを受容体として使用するナノメカニカルセンサ |
WO2019111262A1 (en) | 2017-12-08 | 2019-06-13 | Yeda Research And Development Co. Ltd. | Utilization of electronic nose-based analysis of odorants |
Non-Patent Citations (1)
Title |
---|
中本高道,匂いセンシングと再現性に関する研究,日本味と匂学会誌,日本,2012年08月,Vol.19, No.2,pp.147-155 |
Also Published As
Publication number | Publication date |
---|---|
CN115349089A (zh) | 2022-11-15 |
EP4130735A1 (en) | 2023-02-08 |
EP4130735A4 (en) | 2024-04-17 |
WO2021192915A1 (ja) | 2021-09-30 |
JPWO2021192915A1 (ja) | 2021-09-30 |
US20230090065A1 (en) | 2023-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7371981B2 (ja) | 原臭選定方法、原臭の組み合わせによりニオイを表現、提示または合成する方法、及びそのための装置 | |
JP7365339B2 (ja) | 電子ノーズに基づく臭気物質の分析の利用 | |
US11796520B2 (en) | System and method for scent perception measurements and for construction ofa scent database | |
Wilson et al. | Applications and advances in electronic-nose technologies | |
Brudzewski et al. | Recognition of coffee using differential electronic nose | |
EP3044582A1 (en) | Method and electronic nose for comparing odors | |
Granitto et al. | Rapid and non-destructive identification of strawberry cultivars by direct PTR-MS headspace analysis and data mining techniques | |
Biancolillo et al. | Extension of SO-PLS to multi-way arrays: SO-N-PLS | |
Martínez‐Mayorga et al. | Characterization of a comprehensive flavor database | |
Harel et al. | Towards an odor communication system | |
Haddad et al. | Measuring smells | |
JP2019060870A (ja) | 匂い表現予測システム、及び匂い表現予測カテゴライズ方法 | |
Ray et al. | Fragrance profiling of Jasminum sambac Ait. flowers using electronic nose | |
JPWO2021192915A5 (ja) | ||
Prasetyawan et al. | Odor Reproduction Technology Using a Small Set of Odor Components | |
Godinho et al. | Quality control of fragrances using Raman spectroscopy and multivariate analysis | |
Di Natale et al. | Sorting of apricots with computer screen photoassisted spectral reflectance analysis and electronic nose | |
Castro et al. | An electronic nose for multimedia applications | |
Duran | The Effect of Bubble Formation within Carbonated Drinks on the Brewage Foamability, Bubble Dynamics and Sensory Perception by Consumers | |
Prema et al. | Hybrid Approach of CNN and SVM for Shrimp Freshness Diagnosis in Aquaculture Monitoring System using IoT based Learning Support System | |
Martínez-Velasco et al. | Analysis Software for the Principal Physical Properties in Food Matrices | |
JP2021076458A (ja) | 香料開発支援方法、香料開発支援装置、香りのマッピング方法、及びデータ | |
KR102480439B1 (ko) | 청주 및 사케의 품질 및 등급 판별 장치 | |
Delpha et al. | Discrimination of Forane 134a and carbon dioxide concentrations in an air conditioned atmosphere with an electronic nose: influence of the relative humidity | |
Parmar et al. | Quality Control in Flavor Industry |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220727 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220727 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230718 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230805 |
|
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: 20231003 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231012 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7371981 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |