JP7427519B2 - pH measurement system and pH measurement method - Google Patents

pH measurement system and pH measurement method Download PDF

Info

Publication number
JP7427519B2
JP7427519B2 JP2020079063A JP2020079063A JP7427519B2 JP 7427519 B2 JP7427519 B2 JP 7427519B2 JP 2020079063 A JP2020079063 A JP 2020079063A JP 2020079063 A JP2020079063 A JP 2020079063A JP 7427519 B2 JP7427519 B2 JP 7427519B2
Authority
JP
Japan
Prior art keywords
sample
coordinates
region
color
colored
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
Application number
JP2020079063A
Other languages
Japanese (ja)
Other versions
JP2021173682A (en
Inventor
賢吾 河原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Organo Corp
Original Assignee
Organo Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Organo Corp filed Critical Organo Corp
Priority to JP2020079063A priority Critical patent/JP7427519B2/en
Publication of JP2021173682A publication Critical patent/JP2021173682A/en
Application granted granted Critical
Publication of JP7427519B2 publication Critical patent/JP7427519B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Spectrometry And Color Measurement (AREA)
  • Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Description

本発明は、ｐＨ測定システム及びｐＨ測定方法に関する。 The present invention relates to a pH measurement system and a pH measurement method.

一般に、試料のｐＨを測定する際には、水素イオン選択性の感応膜を有するｐＨ測定電極や、ｐＨ指示薬の水溶液をろ紙に含浸し、乾燥したｐＨ試験紙が使用される（例えば、非特許文献１参照）。ｐＨ測定電極を使用する場合、ｐＨを精度良く測定できるものの、試料の数が多い時などは、測定毎に電極を洗浄する必要があるため、作業が煩雑となり、迅速な測定が困難である。 Generally, when measuring the pH of a sample, a pH measuring electrode with a hydrogen ion-selective sensitive membrane or a pH test paper made by impregnating a filter paper with an aqueous solution of a pH indicator and drying it are used (for example, non-patent (See Reference 1). When using a pH measurement electrode, pH can be measured with high accuracy, but when there are many samples, the electrode needs to be cleaned after each measurement, which makes the work complicated and makes it difficult to measure quickly.

一方、ｐＨ試験紙を使用する場合、例えば、ｐＨ試験紙を試料で濡らし、呈色したｐＨ試験紙の色と色見本とを目視で比較して、試料のｐＨを測定するため、簡便且つ迅速にｐＨを測定することができるが、色の比較を人間が行う場合には、正確な判定が困難であるという問題がある。 On the other hand, when using pH test paper, for example, the pH of the sample can be measured simply and quickly by wetting the pH test paper with a sample and visually comparing the color of the colored pH test paper with the color sample. However, when humans compare colors, it is difficult to make accurate determinations.

そこで、呈色した試験片をＣＣＤ等の撮像装置により撮像し、撮像した画像データを色分析する方法が提案されている。 Therefore, a method has been proposed in which a colored test piece is imaged with an imaging device such as a CCD, and the imaged image data is color-analyzed.

例えば、特許文献１には、試験片の画像データから、表色系に基づく指数を算出し、試料中の分析対象物質の濃度と前記指数との関係を表す関数に、前記算出した指数を代入し、分析対象物質の濃度を判定する試料分析方法が開示されている。 For example, Patent Document 1 discloses that an index based on a color system is calculated from image data of a test piece, and the calculated index is substituted into a function representing the relationship between the concentration of an analyte in a sample and the index. However, a sample analysis method for determining the concentration of an analyte is disclosed.

また、例えば、特許文献２には、試験片の画像データにおける赤色チャンネル、青色チャンネル、緑色チャンネルのうちの少なくとも１つの強度データを第１のデータポイントに変換し、前記第１のデータポイントと厳密に一致する標準曲線から、分析対象物質の濃度を算出する試料分析方法が開示されている。 For example, Patent Document 2 discloses that intensity data of at least one of a red channel, a blue channel, and a green channel in image data of a test piece is converted into a first data point, and A sample analysis method is disclosed in which the concentration of an analyte is calculated from a standard curve that matches the standard curve.

特開２００５－１３３６３４号公報Japanese Patent Application Publication No. 2005-133634 特表２０１５－５０９５８２号公報Special Publication No. 2015-509582

高木誠司、「定量分析の実験と計算」、ｐ．５０８及びｐ．５３６、共立出版株式会社、昭和５９年３月１０日発行Seiji Takagi, “Experiments and calculations for quantitative analysis”, p. 508 and p. 536, Kyoritsu Shuppan Co., Ltd., published March 10, 1982.

ところで、ｐＨ試験紙をアルカリ度の低い試料で濡らした場合、アルカリ度の低い試料は緩衝性が低いため、ｐＨ指示薬自体の酸性・アルカリ性により、試料のｐＨを変化させてしまう場合がある。そのため、アルカリ度の低い試料のｐＨをｐＨ試験紙で測定すると、試料の実際のｐＨとのずれが生じ、ｐＨ値を精度よく測定できない場合がある。 By the way, when a pH test paper is wetted with a sample with low alkalinity, the pH of the sample may change due to the acidity/alkalinity of the pH indicator itself since the sample with low alkalinity has low buffering properties. Therefore, when the pH of a sample with low alkalinity is measured using a pH test paper, there is a deviation from the actual pH of the sample, and the pH value may not be accurately measured.

そこで、本発明では、試料のｐＨ値を精度よく測定することができるｐＨ測定システム及びｐＨ測定方法を提供することを目的とする。 Therefore, an object of the present invention is to provide a pH measurement system and a pH measurement method that can accurately measure the pH value of a sample.

本発明は、試料のｐＨに応じて呈色する第１呈色領域と、試料のアルカリ度に応じて呈色する第２呈色領域を撮像する撮像部と、前記撮像部により撮像された前記第１呈色領域の画像データから、２つ以上の色チャンネルを有する色空間における座標Ａを抽出し、前記撮像部により撮像された前記第２呈色領域の画像データから、２つ以上の色チャンネルを有する色空間における座標Ｂを抽出する抽出部と、前記試料のｐＨと前記第１呈色領域及び前記第２呈色領域の画像データに基づく色空間における座標との関係式を用いて、前記抽出部により抽出された前記座標Ａ及び前記座標Ｂから前記試料のｐＨ値を算出する算出部と、を備えるｐＨ測定システムである。 The present invention provides an imaging section that images a first coloring region that changes color depending on the pH of the sample, and a second coloring region that changes color depending on the alkalinity of the sample, and A coordinate A in a color space having two or more color channels is extracted from the image data of the first color region, and two or more colors are extracted from the image data of the second color region captured by the imaging unit. An extraction unit that extracts coordinates B in a color space having a channel, and a relational expression between the pH of the sample and the coordinates in the color space based on image data of the first coloring region and the second coloring region, The pH measurement system includes a calculation section that calculates the pH value of the sample from the coordinates A and B extracted by the extraction section.

また、本発明は、試料のｐＨに応じて呈色する第１呈色領域と、試料のアルカリ度に応じて呈色する第２呈色領域を撮像する撮像部と、前記撮像部により撮像された前記第１呈色領域の画像データから、２つ以上の色チャンネルを有する色空間における座標Ａを抽出し、前記撮像部により撮像された前記第２呈色領域の画像データから、２つ以上の色チャンネルを有する色空間における座標Ｂを抽出する抽出部と、前記抽出部により抽出された前記座標Ａ及び前記座標Ｂを学習処理済みニューラルネットワークに入力して、前記試料のｐＨ値を算出する算出部と、を備えるｐＨ測定システムである。 The present invention also provides an imaging section that images a first coloring region that changes color depending on the pH of the sample and a second coloring region that changes color depending on the alkalinity of the sample; A coordinate A in a color space having two or more color channels is extracted from the image data of the first coloring region, and two or more coordinates A are extracted from the image data of the second coloring region captured by the imaging unit. an extraction unit that extracts the coordinate B in a color space having color channels, and inputs the coordinate A and the coordinate B extracted by the extraction unit into a learning processed neural network to calculate the pH value of the sample. A pH measurement system includes a calculation unit.

また、前記ｐＨ測定システムにおいて、前記ニューラルネットワークは、既知のｐＨに対して呈色した呈色領域の画像データに基づく色空間における座標から計算される特徴量、既知のアルカリ度に対して呈色した呈色領域の画像データに基づく色空間における座標から計算される特徴量、及び前記既知のｐＨに対して呈色した呈色領域の画像データに基づく色空間における座標と前記既知のアルカリ度に対して呈色した呈色領域の画像データに基づく色空間における座標とから計算される特徴量のうちの少なくとも１つを教師データとして、学習処理に利用していることが好ましい。 Further, in the pH measuring system, the neural network may be configured to calculate a feature value calculated from coordinates in a color space based on image data of a colored region colored with respect to a known pH , and a color produced with a known alkalinity. a feature quantity calculated from coordinates in a color space based on image data of a colored region that has been colored, and a coordinate in a color space based on image data of a colored region that has colored with respect to the known pH and the known alkalinity. It is preferable that at least one of the feature quantities calculated from the coordinates in the color space based on the image data of the coloring area colored in contrast to the coloring area is used as teacher data in the learning process.

また、本発明は、試料のｐＨに応じて呈色する第１呈色領域と、試料のアルカリ度に応じて呈色する第２呈色領域を撮像する撮像工程と、前記撮像工程により撮像された前記第１呈色領域の画像データから、２つ以上の色チャンネルを有する色空間における座標Ａを抽出し、前記撮像工程により撮像された前記第２呈色領域の画像データから、２つ以上の色チャンネルを有する色空間における座標Ｂを抽出する抽出工程と、前記試料のｐＨと前記第１呈色領域及び前記第２呈色領域の画像データに基づく色空間における座標との関係式を用いて、前記抽出工程により抽出された前記座標Ａ及び前記座標Ｂから前記試料のｐＨ値を算出する算出工程と、を備えるｐＨ測定方法である。 The present invention also provides an imaging step of imaging a first coloring region that changes color depending on the pH of the sample and a second coloring region that changes color depending on the alkalinity of the sample; A coordinate A in a color space having two or more color channels is extracted from the image data of the first coloring region, and two or more coordinates A are extracted from the image data of the second coloring region imaged in the imaging step. an extraction step of extracting the coordinate B in a color space having a color channel, and using a relational expression between the pH of the sample and the coordinates in the color space based on image data of the first coloring region and the second coloring region. This is a pH measurement method comprising a calculation step of calculating the pH value of the sample from the coordinates A and B extracted in the extraction step.

また、本発明は、試料のｐＨに応じて呈色する第１呈色領域と、試料のアルカリ度に応じて呈色する第２呈色領域を撮像する撮像工程と、前記撮像工程により撮像された前記第１呈色領域の画像データから、２つ以上の色チャンネルを有する色空間における座標Ａを抽出し、前記撮像工程により撮像された前記第２呈色領域の画像データから、２つ以上の色チャンネルを有する色空間における座標Ｂを抽出する抽出工程と、前記抽出工程により抽出された前記座標Ａ及び前記座標Ｂを学習処理済みニューラルネットワークに入力して、前記試料のｐＨ値を算出する算出工程と、を備えるｐＨ測定方法である。 The present invention also provides an imaging step of imaging a first coloring region that changes color depending on the pH of the sample and a second coloring region that changes color depending on the alkalinity of the sample; A coordinate A in a color space having two or more color channels is extracted from the image data of the first coloring region, and two or more coordinates A are extracted from the image data of the second coloring region imaged in the imaging step. an extraction step of extracting the coordinate B in a color space having color channels, and inputting the coordinate A and the coordinate B extracted in the extraction step to a trained neural network to calculate the pH value of the sample. A calculation step.

また、前記ｐＨ測定方法において、前記ニューラルネットワークは、既知のｐＨに対して呈色した呈色領域の画像データに基づく色空間における座標から計算される特徴量、既知のアルカリ度に対して呈色した呈色領域の画像データに基づく色空間における座標から計算される特徴量、及び前記既知のｐＨに対して呈色した呈色領域の画像データに基づく色空間における座標と前記既知のアルカリ度に対して呈色した呈色領域の画像データに基づく色空間における座標とから計算される特徴量のうちの少なくとも１つを教師データとして、学習処理に利用していることが好ましい。 Further, in the pH measurement method, the neural network may be configured to include a feature quantity calculated from coordinates in a color space based on image data of a coloring area that is colored for a known pH , and a coloring area that is colored for a known alkalinity. a feature quantity calculated from coordinates in a color space based on image data of a colored region that has been colored, and a coordinate in a color space based on image data of a colored region that has colored with respect to the known pH and the known alkalinity. It is preferable that at least one of the feature quantities calculated from the coordinates in the color space based on the image data of the coloring area colored in contrast to the coloring area is used as teacher data in the learning process.

本発明によれば、試料のｐＨ値を精度よく測定することができるｐＨ測定システム及びｐＨ測定方法を提供することができる。 According to the present invention, it is possible to provide a pH measurement system and a pH measurement method that can accurately measure the pH value of a sample.

本実施形態に係るｐＨ測定システムで使用される試験片の一例を示す模式図である。FIG. 2 is a schematic diagram showing an example of a test piece used in the pH measurement system according to the present embodiment. 本実施形態に係るｐＨ測定システムの構成の一例を示す模式図である。FIG. 1 is a schematic diagram showing an example of the configuration of a pH measurement system according to the present embodiment. 本実施形態に係るｐＨ測定システムを構成する制御部の機能ブロックの一例を示す図である。It is a figure showing an example of the functional block of the control part which constitutes the pH measurement system concerning this embodiment. 第１呈色領域及び第２呈色領域の画像データに基づく色空間における座標の相関関係を説明するための図である。FIG. 3 is a diagram for explaining the correlation of coordinates in a color space based on image data of a first coloring area and a second coloring area. 第１呈色領域に係る座標（Ｌ＊）及び第２呈色領域に係る座標（ａ＊）を対応する試料のｐＨと関連付けたデータベースの一例を示す。An example of a database that associates the coordinates (L*) related to the first coloration region and the coordinates (a*) related to the second coloration region with the pH of the corresponding sample is shown. 本実施形態に係るｐＨ測定システムの動作の一例を示すフロー図である。FIG. 2 is a flow diagram showing an example of the operation of the pH measurement system according to the present embodiment. 本実施形態に係るｐＨ測定システムを構成する制御部の機能ブロックの他の一例を示す図である。It is a figure which shows another example of the functional block of the control part which comprises the pH measurement system based on this embodiment. 設定部におけるニューラルネットワークの構成の一例を示す模式図である。FIG. 2 is a schematic diagram showing an example of the configuration of a neural network in a setting section. 本実施形態に係るｐＨ測定システムの動作の一例を示すフロー図である。FIG. 2 is a flow diagram showing an example of the operation of the pH measurement system according to the present embodiment. 本実施形態に係るｐＨ測定システムの構成の他の一例を示す模式図である。It is a schematic diagram which shows another example of a structure of the pH measurement system based on this embodiment. 本実施形態に係るｐＨ測定システムの動作の一例を示すフロー図である。FIG. 2 is a flow diagram showing an example of the operation of the pH measurement system according to the present embodiment. 本実施形態に係るｐＨ測定システムの構成の他の一例を示す模式図である。It is a schematic diagram which shows another example of a structure of the pH measurement system based on this embodiment. 本実施形態に係るｐＨ測定システム７の動作の一例を示すフロー図である。It is a flow diagram showing an example of the operation of the pH measurement system 7 according to the present embodiment. 比較例１のｐＨ値の算出結果を示す図である。FIG. 3 is a diagram showing the calculation results of the pH value of Comparative Example 1. 比較例２のｐＨ値の算出結果を示す図である。3 is a diagram showing the calculation results of pH values in Comparative Example 2. FIG. 実施例１のｐＨ値の算出結果を示す図である。3 is a diagram showing the calculation results of pH values in Example 1. FIG. 実施例２のｐＨ値の算出結果を示す図である。3 is a diagram showing the calculation results of pH values in Example 2. FIG. 実施例３のｐＨ値の算出結果を示す図である。3 is a diagram showing the calculation results of pH values in Example 3. FIG.

本発明の実施の形態について以下説明する。本実施形態は本発明を実施する一例であって、本発明は本実施形態に限定されるものではない。 Embodiments of the present invention will be described below. This embodiment is an example of implementing the present invention, and the present invention is not limited to this embodiment.

図１は、本実施形態に係るｐＨ測定システムで使用される試験片の一例を示す模式図である。試験片１は、試料中の分析対象物質の濃度に応じて呈色する呈色領域（第１呈色領域１０、第２呈色領域１２）を有する。本実施形態では、第１呈色領域１０及び第２呈色領域１２を同一平面上に有する試験片１を用いているが、第１呈色領域１０を有する試験片及び第２呈色領域１２を有する試験片それぞれを用いてもよい。 FIG. 1 is a schematic diagram showing an example of a test piece used in the pH measurement system according to the present embodiment. The test piece 1 has a coloring region (first coloring region 10, second coloring region 12) that changes color depending on the concentration of the substance to be analyzed in the sample. In this embodiment, the test piece 1 having the first coloring area 10 and the second coloring area 12 on the same plane is used. You may use each test piece having the following.

第１呈色領域１０には、試料のｐＨに応じて（すなわち、試料中の水素イオン濃度に応じて）、色が変化する試薬が固定されている。また、第２呈色領域１２には、試料のアルカリ度に応じて（すなわち、試料中の炭酸塩及び／又は炭酸水素塩の濃度に応じて）、色が変化する試薬が固定されている。なお、試験片１には、第３呈色領域が設けられていてもよい。第３呈色領域の測定対象は、例えば、アルミニウム、ホウ素、銅、クロム、バナジウム、鉄、マンガン、ニッケル、銀、スズ、亜鉛、鉛、ヒ素、カドミウム、水銀、コバルト、モリブデン、シリカ、シアン、水酸化物、亜硝酸、硝酸、亜硫酸、硫化物、硫酸、全窒素、有機体窒素、硝酸性窒素、亜硝酸性窒素、全りん、リン酸、アンモニウム、リチウム、カリウム、ナトリウム、カルシウム、マグネシウム、塩化物、臭化物、よう化物、結合残留塩素、活性酸素、過酸化水素、アスコルビン酸、キレート剤、界面活性剤、グルコース、ポリマー、ホルムアルデヒド等が挙げられる。また、カルシウム塩および／またはマグネシウム塩の含有量を示す指標となる硬度や、酸素、過酸化水素、水素、亜硫酸などの酸化剤または還元剤の含有量を示す指標となる酸化還元電位も測定対象である。 A reagent whose color changes depending on the pH of the sample (that is, depending on the hydrogen ion concentration in the sample) is fixed in the first coloring region 10 . Further, a reagent whose color changes depending on the alkalinity of the sample (that is, depending on the concentration of carbonate and/or hydrogen carbonate in the sample) is fixed in the second coloring region 12. Note that the test piece 1 may be provided with a third colored region. Measurement targets in the third coloring region include, for example, aluminum, boron, copper, chromium, vanadium, iron, manganese, nickel, silver, tin, zinc, lead, arsenic, cadmium, mercury, cobalt, molybdenum, silica, cyanide, Hydroxide, nitrous acid, nitric acid, sulfite, sulfide, sulfuric acid, total nitrogen, organic nitrogen, nitrate nitrogen, nitrite nitrogen, total phosphorus, phosphoric acid, ammonium, lithium, potassium, sodium, calcium, magnesium, Examples include chloride, bromide, iodide, bound residual chlorine, active oxygen, hydrogen peroxide, ascorbic acid, chelating agent, surfactant, glucose, polymer, and formaldehyde. In addition, hardness, which is an indicator of the content of calcium salts and/or magnesium salts, and redox potential, which is an indicator of the content of oxidizing agents or reducing agents such as oxygen, hydrogen peroxide, hydrogen, and sulfite, are also measured. It is.

試験片１は、呈色領域で生じた呈色と比較するための色見本から構成されるカラーチャート領域を有していてもよい。カラーチャート領域の色見本は、例えば、絵の具、インク、顔料、塗料等を使用したオフセット印刷、グラビア印刷、凸版印刷、スクリーン印刷、熱転写印刷、レーザー印刷、インクジェット印刷等によって形成される。カラーチャート領域は、試験片１とは別のシート等に設けられていてもよい。 The test piece 1 may have a color chart area composed of color samples for comparison with the coloration produced in the coloration area. The color sample in the color chart area is formed by, for example, offset printing, gravure printing, letterpress printing, screen printing, thermal transfer printing, laser printing, inkjet printing, etc. using paint, ink, pigment, paint, etc. The color chart area may be provided on a separate sheet from the test piece 1.

試料と呈色領域との接触は、例えば、試験片１を試料へ浸漬させる、或いは試料を試験片１の呈色領域に滴下する等の方法が挙げられる。 The contact between the sample and the colored region can be carried out, for example, by dipping the test piece 1 into the sample, or by dropping the sample onto the colored region of the test piece 1.

図２は、本実施形態に係るｐＨ測定システムの構成の一例を示す模式図である。図２に示すｐＨ測定システム３は、撮像部２２、発光部２４、制御部２６、操作部２８、表示部３０、記憶部３２を有する。ｐＨ測定システム３は、例えば、スマートフォン、ラップトップ型のパーソナルコンピュータ（ＰＣ）、タブレット端末のような汎用型又は多機能型の携帯型コンピュータ、デスクトップ型又はタワー型のＰＣ等の汎用型のコンピュータ等の端末装置等が適用される。 FIG. 2 is a schematic diagram showing an example of the configuration of the pH measurement system according to the present embodiment. The pH measurement system 3 shown in FIG. 2 includes an imaging section 22, a light emitting section 24, a control section 26, an operation section 28, a display section 30, and a storage section 32. The pH measurement system 3 is, for example, a general-purpose computer such as a smartphone, a laptop-type personal computer (PC), a general-purpose or multi-functional portable computer such as a tablet terminal, a desktop-type or tower-type PC, etc. This applies to terminal devices, etc.

撮像部２２は、例えば、ＣＣＤ又はＣＭＯＳ等のイメージセンサを用いた撮像装置であり、試験片１を撮像し、撮像した試験片１の画像データを取得する。発光部２４は、撮像部２２に隣接して配置され、必要に応じて、撮像部２２による撮像時に発光する。 The imaging unit 22 is, for example, an imaging device using an image sensor such as a CCD or a CMOS, and images the test piece 1 and acquires image data of the imaged test piece 1. The light emitting unit 24 is arranged adjacent to the imaging unit 22, and emits light when the imaging unit 22 takes an image, if necessary.

操作部２８は、ユーザーからの操作を受け付けるためのインターフェースであり、例えば、スマートフォン等の携帯端末等の場合には、タッチパネルやキーボタン等である。表示部３０は、撮像部２２により撮像した試験片１の画像や制御部２６から出力された情報等を表示するためのインターフェースであり、例えば、ディスプレイ等である。スマートフォン等の携帯端末等の場合には、表示部３０は、タッチパネルディスプレイとして操作部２８と一体化されている。 The operation unit 28 is an interface for accepting operations from the user, and is, for example, a touch panel, key buttons, etc. in the case of a mobile terminal such as a smartphone. The display unit 30 is an interface for displaying the image of the test piece 1 captured by the imaging unit 22, information output from the control unit 26, and the like, and is, for example, a display. In the case of a mobile terminal such as a smartphone, the display section 30 is integrated with the operation section 28 as a touch panel display.

記憶部３２は、例えば、ＲＡＭ、ＲＯＭ、ＨＤＤ、フラッシュメモリー等を含んで構成され、撮像部２２が取得した画像データ、制御部２６が読み出す所定の処理プログラム、制御部２６から出力される情報等を記憶する。また、記憶部３２は、例えば、試料のｐＨ値を算出するために必要な情報等を記憶する。 The storage unit 32 includes, for example, RAM, ROM, HDD, flash memory, etc., and stores image data acquired by the imaging unit 22, a predetermined processing program read by the control unit 26, information output from the control unit 26, etc. remember. Further, the storage unit 32 stores, for example, information necessary for calculating the pH value of the sample.

制御部２６は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等を含んで構成され、記憶部３２に記憶された所定の処理プログラムを読み出し、当該処理プログラムを実行して、ｐＨ測定システム３の動作を制御する。 The control unit 26 is configured to include, for example, a CPU, ROM, RAM, etc., and reads a predetermined processing program stored in the storage unit 32 and executes the processing program to control the operation of the pH measurement system 3. .

図３は、本実施形態に係るｐＨ測定システムを構成する制御部の機能ブロックの一例を示す図である。図３に示すように、制御部２６は、機能ブロックとして、画像領域選択部３４、抽出部３６、算出部３８を有する。 FIG. 3 is a diagram illustrating an example of functional blocks of a control unit that constitutes the pH measurement system according to the present embodiment. As shown in FIG. 3, the control unit 26 includes an image area selection unit 34, an extraction unit 36, and a calculation unit 38 as functional blocks.

画像領域選択部３４は、撮像部２２により撮像された試験片１の画像データから、第１呈色領域１０、第２呈色領域１２それぞれの画像領域を選択する。例えば、画像領域選択部３４は、試験片１上の第１呈色領域１０、第２呈色領域１２の位置関係の相対値から、又はユーザーからの操作に応じて、それぞれの画像領域を検出する。 The image area selection unit 34 selects image areas of the first colored area 10 and the second colored area 12 from the image data of the test piece 1 captured by the imaging unit 22. For example, the image area selection unit 34 detects each image area based on the relative value of the positional relationship between the first colored area 10 and the second colored area 12 on the test piece 1, or according to an operation from a user. do.

抽出部３６は、第１呈色領域１０の画像データから２つ以上の色チャンネルを有する色空間における座標Ａを抽出する（以下、第１呈色領域１０に係る座標Ａと称する場合がある）。また、抽出部３６は、第２呈色領域１２の画像データから２つ以上の色チャンネルを有する色空間における座標Ｂを抽出する（以下、第２呈色領域１２に係る座標Ｂと称する場合がある）。 The extraction unit 36 extracts a coordinate A in a color space having two or more color channels from the image data of the first coloring region 10 (hereinafter sometimes referred to as coordinate A related to the first coloring region 10). . Further, the extraction unit 36 extracts coordinates B in a color space having two or more color channels from the image data of the second coloration area 12 (hereinafter, may be referred to as coordinates B related to the second coloration area 12). be).

２つ以上の色チャンネルとしては、ＲＧＢ空間におけるＲ、Ｇ、Ｂ、ＸＹＺ空間におけるＸ、Ｙ、Ｚ、Ｌ＊ａ＊ｂ＊空間におけるＬ＊、ａ＊、ｂ＊、ＣＭＹＫ空間におけるＣ、Ｍ、Ｙ、Ｋ、ＨＳＶ空間におけるＨ、Ｓ、Ｖ、ＨＬＳ空間におけるＨ、Ｌ、Ｓ等が挙げられる。そして、２つ以上の色チャンネルを有する色空間とは、Ｒ、Ｇ、Ｂのチャンネルを例にすると、Ｒ軸、Ｇ軸が相互に直交する２次元色空間、Ｒ軸、Ｂ軸が相互に直交する２次元色空間、Ｇ軸、Ｂ軸が相互に直交する２次元色空間、又はＲ軸、Ｇ軸、Ｂ軸が相互に直交する３次元色空間である。また、抽出部３６により抽出される座標は、色空間を構成する色チャンネルの色値（画像信号値）である。例えば、Ｒ軸、Ｇ軸が相互に直交する２次元空間を例にすると、呈色領域の画像データから抽出したＲの色値及びＧの色値の両方又はいずれか一方が、抽出部３６により抽出される座標となる。なお、画像データから抽出する色チャンネルの色値は、画像データ内の各画素の色チャンネルの色値の平均値や最頻値など、色値を統計処理することにより算出した値であることが望ましい。 Two or more color channels include R, G, B in RGB space, X, Y, Z in XYZ space, L*, a*, b* in L*a*b* space, C, M in CMYK space. , Y, K, H, S, V in HSV space, H, L, S in HLS space, etc. A color space having two or more color channels is, for example, a two-dimensional color space in which the R, G, and B axes are orthogonal to each other; These are two-dimensional color spaces that are orthogonal to each other, two-dimensional color spaces where the G and B axes are orthogonal to each other, or three-dimensional color spaces where the R, G and B axes are orthogonal to each other. Further, the coordinates extracted by the extraction unit 36 are color values (image signal values) of color channels that constitute the color space. For example, taking a two-dimensional space in which the R axis and the G axis are orthogonal to each other, the extraction unit 36 extracts both or one of the R color value and the G color value extracted from the image data of the coloring region. These are the coordinates to be extracted. Note that the color value of the color channel extracted from the image data may be a value calculated by statistical processing of the color value, such as the average value or mode of the color value of the color channel of each pixel in the image data. desirable.

算出部３８は、試料のｐＨと第１呈色領域１０及び第２呈色領域１２の画像データに基づく色空間における座標との関係式（以下、試料のｐＨを算出するための関係式と称する場合がある）を用いて、第１呈色領域１０に係る座標Ａ及び第２呈色領域１２に係る座標Ｂから試料のｐＨを算出する。 The calculation unit 38 calculates a relational expression (hereinafter referred to as a relational expression for calculating the pH of the sample) between the pH of the sample and the coordinates in the color space based on the image data of the first coloring region 10 and the second coloring region 12. ), the pH of the sample is calculated from the coordinates A related to the first coloring region 10 and the coordinates B related to the second coloring region 12.

図４は、第１呈色領域及び第２呈色領域の画像データに基づく色空間における座標の相関関係を説明するための図である。図４では、横軸を第２呈色領域１２の画像データに基づく色空間における座標（Ｌ＊ａ＊ｂ＊空間におけるａ＊）とし、縦軸を第１呈色領域１０の画像データに基づく色空間における座標（Ｌ＊ａ＊ｂ＊空間におけるＬ＊）とし、ｐＨ及びアルカリ度の異なる複数の試料に対して試験片１を浸漬させ、各試験片１の第１呈色領域１０及び第２呈色領域１２の画像データの色空間における座標（ａ＊，Ｌ＊）をプロットしている。図４のプロットは、左下側から右上側に向かってｐＨの高い試料に対するデータとなっており、これらのプロットを線形の関数で近似することができる。したがって、試料のｐＨと、第１呈色領域１０の画像データに基づく色空間における座標及び第２呈色領域１２の画像データに基づく色空間における座標との間には相関関係があるため、試料のｐＨ値を算出するための関係式にこれらの座標を変数として組み込むことにより、アルカリ度を考慮した試料のｐＨ値を算出することができ、試料のｐＨ値の算出精度の向上が図られる。 FIG. 4 is a diagram for explaining the correlation of coordinates in the color space based on the image data of the first coloring area and the second coloring area. In FIG. 4, the horizontal axis is the coordinate in the color space based on the image data of the second coloring area 12 (a* in L*a*b* space), and the vertical axis is the coordinate based on the image data of the first coloring area 10. Coordinates in color space (L* in L*a*b* space), test piece 1 is immersed in a plurality of samples with different pH and alkalinity, and the first colored area 10 and the first colored area of each test piece 1 are The coordinates (a*, L*) of the image data of the two-color region 12 in the color space are plotted. The plots in FIG. 4 are data for samples with high pH from the lower left side to the upper right side, and these plots can be approximated by a linear function. Therefore, since there is a correlation between the pH of the sample and the coordinates in the color space based on the image data of the first color region 10 and the coordinates in the color space based on the image data of the second color region 12, By incorporating these coordinates as variables into the relational expression for calculating the pH value of , it is possible to calculate the pH value of the sample in consideration of alkalinity, and the accuracy of calculating the pH value of the sample can be improved.

試料のｐＨ値を算出するための関係式は、例えば、以下のようにして設定される。ｐＨ及びアルカリ度の異なる複数の試料に対して試験片１を浸漬させ、各試験片１の第１呈色領域１０及び第２呈色領域１２の画像データを取得し、第１呈色領域１０に係る座標（例えば、Ｌ＊）、第２呈色領域１２に係る座標（例えば、ａ＊）を抽出し、対応する試料のｐＨ等と関連付けてデータベースにする。 The relational expression for calculating the pH value of the sample is set, for example, as follows. The test piece 1 is immersed in a plurality of samples having different pH and alkalinity, and image data of the first coloring area 10 and the second coloring area 12 of each test piece 1 is obtained. The coordinates (for example, L*) related to the second color region 12 and the coordinates (for example, a*) related to the second colored region 12 are extracted, and are made into a database by associating them with the pH of the corresponding sample, etc.

図５は、第１呈色領域に係る座標（Ｌ＊）及び第２呈色領域に係る座標（ａ＊）を対応する試料のｐＨと関連付けたデータベースの一例を示す。そして、図５に示すデータベースに対して、例えば重回帰分析を実施することにより、以下のような、試料のｐＨ値を算出するための関係式が設定される。
Ｙ＝ｂ１Ｘ１＋ｂ２Ｘ２＋ｂ０
Ｙ：試料のｐＨ値
ｂ１、ｂ２、ｂ０：重回帰分析により求められる定数
Ｘ１：第１呈色領域１０に係る座標（Ｌ＊）
Ｘ２：第２呈色領域１２に係る座標（ａ＊） FIG. 5 shows an example of a database that associates the coordinates (L*) related to the first coloration region and the coordinates (a*) related to the second coloration region with the pH of the corresponding sample. Then, by performing, for example, multiple regression analysis on the database shown in FIG. 5, the following relational expression for calculating the pH value of the sample is set.
Y = b1X1 + b2X2 + b0
Y: pH value of the sample b 1 , b 2 , b 0 : Constants determined by multiple regression analysis X 1 : Coordinates related to the first color region 10 (L*)
X 2 : Coordinates (a*) related to the second coloring area 12

上記関係式は一例であって、上記に限定されるものではない。例えば、試料のｐＨ値を算出するための関係式における変数は、３つ以上であってもよい。例えば、Ｘ１、Ｘ２に加え、第１呈色領域１０の画像データに基づく色空間における座標（ａ＊）を変数とするＸ３、第２呈色領域１２の画像データに基づく色空間における座標（Ｌ＊）を変数とするＸ４等を含む関係式であってもよい。 The above relational expression is an example, and is not limited to the above. For example, the number of variables in the relational expression for calculating the pH value of the sample may be three or more. For example, in addition to X 1 , It may be a relational expression including X4 , etc., with the coordinate (L*) as a variable.

上記関係式は、ｐＨ測定システム３によって、分析対象である試料のｐＨ値を算出する前の段階で設定されるものである。関係式は例えば記憶部３２に記憶される。 The above relational expression is set by the pH measurement system 3 before calculating the pH value of the sample to be analyzed. The relational expression is stored in the storage unit 32, for example.

図６は、本実施形態に係るｐＨ測定システムの動作の一例を示すフロー図である。図６に示す各ステップの処理は、記憶部３２に記憶されている所定の処理プログラムに基づいて、制御部２６により、ｐＨ測定システム３を構成する各部と協働して実行される。 FIG. 6 is a flow diagram showing an example of the operation of the pH measurement system according to this embodiment. The processing of each step shown in FIG. 6 is executed by the control unit 26 based on a predetermined processing program stored in the storage unit 32 in cooperation with each unit constituting the pH measurement system 3.

ステップＳ１０では、撮像部２２は、試料に浸漬させた後の試験片１を撮像する。ステップＳ１２では、画像領域選択部３４は、撮像部２２によって撮像された試験片１の画像データから、第１呈色領域１０の画像データ及び第２呈色領域１２の画像データを選択する。ステップＳ１４では、制御部２６を構成する抽出部３６は、選択された第１呈色領域１０の画像データから、２つ以上の色チャンネルを有する色空間における座標Ａ、及び選択された第２呈色領域１２の画像データから、２つ以上の色チャンネルを有する色空間における座標Ｂを抽出する。ステップＳ１６では、制御部２６を構成する算出部３８は、記憶部３２に記憶されている、試料のｐＨと第１呈色領域１０及び第２呈色領域１２の画像データに基づく色空間における座標との関係式（試料のｐＨを算出するための関係式）を読み出し、当該式に、座標Ａ及び座標Ｂの値を代入し、試料のｐＨ値を算出する。なお、記憶部３２は、ステップＳ１６で算出した試料のｐＨ値を記憶する。また、必要に応じて、算出した試料のｐＨ値を表示部３０に表示する。 In step S10, the imaging unit 22 images the test piece 1 after being immersed in the sample. In step S12, the image area selection unit 34 selects the image data of the first colored area 10 and the image data of the second colored area 12 from the image data of the test piece 1 imaged by the imaging unit 22. In step S14, the extraction unit 36 constituting the control unit 26 extracts the coordinate A in the color space having two or more color channels and the selected second coloration area from the image data of the selected first coloration area 10. A coordinate B in a color space having two or more color channels is extracted from the image data of the color region 12. In step S16, the calculation unit 38 constituting the control unit 26 calculates the coordinates in the color space based on the pH of the sample and the image data of the first coloring region 10 and the second coloring region 12, which are stored in the storage unit 32. A relational expression (a relational expression for calculating the pH of the sample) is read out, and the values of coordinates A and B are substituted into the expression to calculate the pH value of the sample. Note that the storage unit 32 stores the pH value of the sample calculated in step S16. Further, the calculated pH value of the sample is displayed on the display section 30 as necessary.

図７は、本実施形態に係るｐＨ測定システムを構成する制御部の機能ブロックの他の一例を示す図である。図７に示すように、機能ブロックとして、画像領域選択部３４、抽出部３６、算出部３８、ニューラルネットワークを含む設定部４０を有する。画像領域選択部３４、抽出部３６は前述の通りであり、その説明を省略する。 FIG. 7 is a diagram showing another example of the functional blocks of the control unit configuring the pH measurement system according to the present embodiment. As shown in FIG. 7, it has an image area selection section 34, an extraction section 36, a calculation section 38, and a setting section 40 including a neural network as functional blocks. The image area selection section 34 and the extraction section 36 are as described above, and their explanation will be omitted.

図８は、設定部におけるニューラルネットワークの構成の一例を示す模式図である。ニューラルネットワークには、入力層、一つ以上の中間層、出力層から構成され、また、入力層、中間層、出力層のそれぞれに含まれるニューロンが互いにどのように結合されるのかという結合情報や、結合されたニューロン間で入出力されるデータに付与される結合係数がいくつであるのかという重み情報等が含まれる。 FIG. 8 is a schematic diagram showing an example of the configuration of a neural network in the setting section. A neural network consists of an input layer, one or more hidden layers, and an output layer, and also contains connection information about how the neurons included in each of the input layer, hidden layer, and output layer are connected to each other. , and weight information indicating how many coupling coefficients are given to data input/output between connected neurons.

ニューラルネットワークは、試料のｐＨに対応する第１呈色領域１０及び第２呈色領域１２の画像データに基づく色空間における座標が、入力層に入力された際に、試料のｐＨが出力されるように、教師データを用いた学習処理が施されている。 The neural network outputs the pH of the sample when the coordinates in the color space based on the image data of the first colored region 10 and the second colored region 12 corresponding to the pH of the sample are input to the input layer. As shown, learning processing using training data is performed.

例えば、記憶部３２には、学習処理に利用される複数の教師データが記憶される。教師データは、既知のｐＨ及びアルカリ度を示す試料に対して試験片１を浸漬して、試験片１の第１呈色領域１０及び第２呈色領域１２の画像データを取得し、第１呈色領域１０に係る座標Ａ、第２呈色領域１２に係る座標Ｂを抽出し、これらの座標と対応する試料のｐＨ等とを関連付けることにより得られるデータセットである。教師データは、試料のｐＨ及びアルカリ度を変えて複数作成し、記憶部３２に記憶させる。教師データにおける第１呈色領域１０に係る座標Ａは少なくとも１つの色チャンネルであればよく、例えば、Ｌ＊、ａ＊、ｂ＊のうちの少なくともいずれか１つであればよい。また、教師データにおける第２呈色領域１２に係る座標Ｂは少なくとも１つの色チャンネルであればよく、例えば、Ｌ＊、ａ＊、ｂ＊のうちの少なくともいずれか１つであればよい。また、教師データには、第１呈色領域１０に係る座標Ａから計算される特徴量、第２呈色領域１２に係る座標Ｂから計算される特徴量、及び第１呈色領域１０に係る座標Ａと第２呈色領域１２に係る座標Ｂとから計算される特徴量のうちの少なくとも１つを含んでいてもよい。 For example, the storage unit 32 stores a plurality of pieces of teacher data used in learning processing. The training data is obtained by immersing the test piece 1 in a sample exhibiting a known pH and alkalinity, and acquiring image data of the first colored region 10 and the second colored region 12 of the test piece 1. This data set is obtained by extracting coordinates A related to the coloring region 10 and coordinates B related to the second coloring region 12, and associating these coordinates with the pH of the corresponding sample. A plurality of training data are created by changing the pH and alkalinity of the sample, and are stored in the storage unit 32. The coordinate A related to the first colored region 10 in the teacher data may be at least one color channel, for example, at least one of L*, a*, and b*. Moreover, the coordinate B related to the second colored region 12 in the teacher data may be at least one color channel, for example, at least one of L*, a*, and b*. In addition, the teacher data includes a feature amount calculated from the coordinates A related to the first coloring region 10, a feature amount calculated from the coordinates B related to the second coloring region 12, and a feature amount calculated from the coordinates B related to the first coloring region 10. It may include at least one of the feature amounts calculated from the coordinates A and the coordinates B related to the second colored region 12.

第１呈色領域１０に係る座標Ａから計算される特徴量とは、例えば、ある座標点から、第１呈色領域１０に係る座標Ａまでの距離、角度、ベクトル等、もしくはある規定関数から、第１呈色領域１０に係る座標Ａまでの距離、角度、ベクトル、その交点の座標等が挙げられる。第２呈色領域１２に係る座標Ｂから計算される特徴量も同様である。第１呈色領域１０に係る座標Ａと第２呈色領域１２に係る座標Ｂとから計算される特徴量とは、例えば、第１呈色領域１０に係る座標Ａから第２呈色領域１２に係る座標Ｂまでの距離（色差）、角度、ベクトル等、もしくはある規定関数から、第１呈色領域１０に係る座標Ａまでの距離、角度、ベクトル、その交点の座標等が挙げられる。 The feature amount calculated from the coordinates A related to the first coloring area 10 is, for example, the distance, angle, vector, etc. from a certain coordinate point to the coordinates A related to the first coloring area 10, or from a certain prescribed function. , the distance to the coordinate A related to the first colored region 10, the angle, the vector, the coordinates of their intersection, etc. The same applies to the feature amount calculated from the coordinates B related to the second colored region 12. The feature amount calculated from the coordinate A related to the first coloring area 10 and the coordinate B related to the second coloring area 12 is, for example, from the coordinate A related to the first coloring area 10 to the coordinate B related to the second coloring area Examples include the distance (color difference), angle, vector, etc. from a certain prescribed function to the coordinate B related to the first coloring area 10, the distance, angle, vector, and the coordinates of their intersection.

学習処理に用いられる入力データは、教師データに含まれる第１呈色領域１０に係る座標Ａ及び第２呈色領域１２に係る座標Ｂ等である。また、学習処理に用いられる入力データには上記特徴量が含まれていてもよい。学習処理に用いられる出力データは、教師データに含まれる座標に関連付けられた試料のｐＨである。 The input data used in the learning process are coordinates A related to the first coloring area 10, coordinates B related to the second coloring area 12, etc. included in the teacher data. Further, the input data used for the learning process may include the above-mentioned feature amount. The output data used in the learning process is the pH of the sample associated with the coordinates included in the teacher data.

設定部４０は、例えば、記憶部３２から取得した複数の教師データを用いて、ニューラルネットワークにより構築された学習モデル（アルゴリズム）にしたがって、深層学習（ディープラーニング）を行い、学習処理されたニューラルネットワークを構築する。ニューラルネットワークの学習処理の終了条件は、教師データの出力データとニューラルネットワークの出力値との誤差が閾値以下となったら学習処理を終了するように定めても良いし、既定の計算サイクル回数の終了後に学習処理を終了するよう定めても良い。なお、設定部４０によるニューラルネットワークの構築は、試料のｐＨ値を算出する準備段階として行われる。 For example, the setting unit 40 performs deep learning according to a learning model (algorithm) constructed by a neural network using a plurality of training data acquired from the storage unit 32, and creates a neural network that has been subjected to learning processing. Build. The termination condition for the neural network learning process may be set such that the learning process is terminated when the error between the output data of the teacher data and the output value of the neural network becomes less than a threshold value, or the termination condition is such that the learning process is terminated when the predetermined number of calculation cycles is completed. It may be determined that the learning process is ended later. Note that the construction of the neural network by the setting unit 40 is performed as a preparatory step for calculating the pH value of the sample.

算出部３８は、設定部４０により構築された学習済みニューラルネットワークに、第１呈色領域１０に係る座標Ａ及び第２呈色領域１２に係る座標Ｂを入力して、試料のｐＨを算出する。試料のｐＨを算出する具体例を以下に示す。 The calculation unit 38 inputs the coordinates A related to the first coloring region 10 and the coordinates B related to the second coloring region 12 to the trained neural network constructed by the setting unit 40, and calculates the pH of the sample. . A specific example of calculating the pH of a sample is shown below.

図９は、本実施形態に係るｐＨ測定システムの動作の一例を示すフロー図である。ステップＳ２０では、撮像部２２は、試料に浸漬させた後の試験片１を撮像する。ステップＳ２２では、画像領域選択部３４は、撮像部２２によって撮像された試験片１の画像データから、第１呈色領域１０の画像データ及び第２呈色領域１２の画像データを選択する。ステップＳ２４では、制御部２６を構成する抽出部３６は、選択された第１呈色領域１０の画像データから、第１呈色領域１０に係る座標Ａ、及び選択された第２呈色領域１２の画像データから、第２呈色領域１２に係る座標Ｂを抽出する。ステップＳ２６では、制御部２６を構成する算出部３８は、設定部４０により構築された学習済みニューラルネットワークに、座標Ａ及び座標Ｂを入力して、試料のｐＨ値を算出（出力）する。なお、記憶部３２は、ステップＳ２６で算出した試料のｐＨ値を記憶する。また、必要に応じて、算出した試料のｐＨ値を表示部３０に表示する。 FIG. 9 is a flow diagram showing an example of the operation of the pH measurement system according to this embodiment. In step S20, the imaging unit 22 images the test piece 1 after being immersed in the sample. In step S22, the image area selection unit 34 selects the image data of the first colored area 10 and the image data of the second colored area 12 from the image data of the test piece 1 captured by the imaging unit 22. In step S24, the extraction unit 36 that constitutes the control unit 26 extracts the coordinates A related to the first coloring area 10 and the selected second coloring area 12 from the image data of the selected first coloring area 10. Coordinates B related to the second colored region 12 are extracted from the image data. In step S26, the calculation unit 38 that constitutes the control unit 26 inputs the coordinates A and B to the trained neural network constructed by the setting unit 40, and calculates (outputs) the pH value of the sample. Note that the storage unit 32 stores the pH value of the sample calculated in step S26. Further, the calculated pH value of the sample is displayed on the display section 30 as necessary.

図１０は、本実施形態に係るｐＨ測定システムの構成の他の一例を示す模式図である。図１０に示すｐＨ測定システム５は、互いに通信可能な端末装置４２及びサーバ装置４４を有する。これらの各装置は、有線または無線の通信ネットワーク４６を介して互いに接続されている。通信ネットワーク４６は、例えば、インターネットが含まれる。 FIG. 10 is a schematic diagram showing another example of the configuration of the pH measurement system according to this embodiment. The pH measurement system 5 shown in FIG. 10 includes a terminal device 42 and a server device 44 that can communicate with each other. Each of these devices is connected to each other via a wired or wireless communication network 46. Communication network 46 includes, for example, the Internet.

端末装置４２は、スマートフォン、ラップトップ型のパーソナルコンピュータ（ＰＣ）、タブレット端末のような様々な汎用型又は多機能型の携帯型コンピュータ、デスクトップ型或いはタワー型のＰＣ等の汎用型のコンピュータ等の端末装置が適用される。 The terminal device 42 may be a smartphone, a laptop-type personal computer (PC), various general-purpose or multi-functional portable computers such as a tablet terminal, or a general-purpose computer such as a desktop or tower-type PC. Terminal equipment applies.

端末装置４２は、撮像部２２、発光部２４、制御部２６、操作部２８、表示部３０、記憶部３２、端末側通信部４８、を有する。撮像部２２、発光部２４、操作部２８、表示部３０は前述の通りであり、その説明を省略する。 The terminal device 42 includes an imaging section 22, a light emitting section 24, a control section 26, an operation section 28, a display section 30, a storage section 32, and a terminal side communication section 48. The imaging section 22, light emitting section 24, operation section 28, and display section 30 are as described above, and their explanation will be omitted.

記憶部３２は、例えば、撮像部２２が取得した画像データ、制御部２６が読みだす所定の処理プログラム、制御部２６から出力される情報等を記憶する。 The storage unit 32 stores, for example, image data acquired by the imaging unit 22, a predetermined processing program read by the control unit 26, information output from the control unit 26, and the like.

制御部２６は、例えば、記憶部３２に記憶された所定の処理プログラムを読みだし、当該処理プログラムを実行して、端末装置４２の動作を制御する。 For example, the control unit 26 reads a predetermined processing program stored in the storage unit 32, executes the processing program, and controls the operation of the terminal device 42.

制御部２６は、機能ブロックとして、例えば、画像領域選択部３４、抽出部３６を有する。画像領域選択部３４及び抽出部３６の機能は前述の通りであり、その説明を省略する。 The control unit 26 includes, for example, an image area selection unit 34 and an extraction unit 36 as functional blocks. The functions of the image area selection section 34 and the extraction section 36 are as described above, and their explanation will be omitted.

端末側通信部４８は、制御部２６の抽出部により抽出されたデータをサーバ装置４４に送信する。また、端末側通信部４８は、サーバ装置４４から送信された情報を受信する。 The terminal-side communication unit 48 transmits the data extracted by the extraction unit of the control unit 26 to the server device 44. Further, the terminal side communication unit 48 receives information transmitted from the server device 44.

サーバ装置４４は、サーバ側通信部５０と、記憶部５２と、制御部５４とを有する。サーバ側通信部５０は、端末側通信部４８により送信されたデータ等を受信する。また、サーバ側通信部５０は、サーバ装置４４側で算出された試料ｐＨ値等を端末側通信部４８に送信する。 The server device 44 includes a server side communication section 50, a storage section 52, and a control section 54. The server-side communication unit 50 receives data and the like transmitted by the terminal-side communication unit 48. Further, the server side communication unit 50 transmits the sample pH value etc. calculated on the server device 44 side to the terminal side communication unit 48.

記憶部５２は、端末装置４２から受信したデータやサーバ装置４４側で算出された試料ｐＨ値等を記憶する。また、記憶部５２は、制御部５４が読みだす所定の処理プログラムや制御部５４から出力される情報等も記憶する。 The storage unit 52 stores data received from the terminal device 42, the sample pH value calculated on the server device 44 side, and the like. The storage unit 52 also stores predetermined processing programs read by the control unit 54, information output from the control unit 54, and the like.

制御部５４は、例えば、記憶部５２に記憶された所定のプログラムを読み出し、当該処理プログラムを実行して、サーバ装置４４の動作を制御する。 For example, the control unit 54 reads a predetermined program stored in the storage unit 52, executes the processing program, and controls the operation of the server device 44.

また、制御部５４は、機能ブロックとして、算出部３８、ニューラルネットワークを含む設定部４０、教師データベース５６を有する。 Further, the control unit 54 includes a calculation unit 38, a setting unit 40 including a neural network, and a teacher database 56 as functional blocks.

教師データベース５６には、例えば、ｐＨ及びアルカリ度の異なる複数の試料を準備し、これらの試料に対して試験片１を浸漬して、各試験片１の第１呈色領域１０及び第２呈色領域１２の画像データを取得し、第１呈色領域１０に係る座標Ａ、第２呈色領域１２に係る座標Ｂを抽出し、これらの座標と対応する試料のｐＨ等とを関連付けることにより得られた教師データが複数蓄積される。複数の教師データは端末装置４２側で得られたデータであり、通信部（４８，５０）を介して教師データベース５６に蓄積される。 In the teacher database 56, for example, a plurality of samples having different pHs and alkalinities are prepared, and the test pieces 1 are immersed in these samples to determine the first colored area 10 and the second colored area of each test piece 1. By acquiring image data of the color region 12, extracting coordinates A related to the first color region 10 and coordinates B related to the second color region 12, and associating these coordinates with the pH of the corresponding sample, etc. A plurality of pieces of obtained training data are accumulated. The plurality of teacher data are data obtained on the terminal device 42 side, and are stored in the teacher database 56 via the communication section (48, 50).

設定部４０によるニューラルネットワークの構築は前述の通りであり、その説明を省略する。 The construction of the neural network by the setting unit 40 is as described above, and its explanation will be omitted.

算出部３８は、設定部４０により構築された学習済みニューラルネットワークに、第１呈色領域１０に係る座標Ａ及び第２呈色領域１２に係る座標Ｂを入力して、試料のｐＨを算出する。試料のｐＨを算出する具体例を以下に示す。 The calculation unit 38 inputs the coordinates A related to the first coloring region 10 and the coordinates B related to the second coloring region 12 to the trained neural network constructed by the setting unit 40, and calculates the pH of the sample. . A specific example of calculating the pH of a sample is shown below.

図１１は、本実施形態に係るｐＨ測定システム５の動作の一例を示すフロー図である。 FIG. 11 is a flow diagram showing an example of the operation of the pH measurement system 5 according to this embodiment.

ステップＳ３０では、撮像部２２は、試料に浸漬させた後の試験片１を撮像する。ステップＳ３２では、画像領域選択部３４は、撮像部２２によって撮像された試験片１の画像データから、第１呈色領域１０の画像データ及び第２呈色領域１２の画像データを選択する。ステップＳ３４では、制御部２６を構成する抽出部３６は、選択された第１呈色領域１０の画像データから、第１呈色領域１０に係る座標Ａ、及び選択された第２呈色領域１２の画像データから、第２呈色領域１２に係る座標Ｂを抽出する。ステップＳ３６では、端末側通信部４８は、第１呈色領域１０に係る座標Ａ及び第２呈色領域１２に係る座標Ｂをサーバ装置４４に送信する。ステップＳ３８では、サーバ装置４４は、第１呈色領域１０に係る座標Ａ及び第２呈色領域１２に係る座標Ｂをサーバ側通信部５０で受信し、記憶部５２で記憶する。ステップＳ４０では、制御部５４を構成する算出部３８は、設定部４０により構築された学習済みニューラルネットワークに、記憶部５２に記憶されている座標Ａ及び座標Ｂを入力して、試料のｐＨ値を算出する。ステップＳ４２では、サーバ側通信部５０は、算出した試料のｐＨを端末装置４２に送信する。ステップＳ４４は、端末装置４２は、算出した試料のｐＨを端末側通信部４８で受信し、表示部３０に表示する。また、必要に応じて、算出した試料のｐＨ値を記憶部３２に記憶する。 In step S30, the imaging unit 22 images the test piece 1 after being immersed in the sample. In step S32, the image area selection unit 34 selects the image data of the first colored area 10 and the image data of the second colored area 12 from the image data of the test piece 1 imaged by the imaging unit 22. In step S<b>34 , the extraction unit 36 configuring the control unit 26 extracts the coordinates A related to the first coloring area 10 and the selected second coloring area 12 from the image data of the selected first coloring area 10 . Coordinates B related to the second colored region 12 are extracted from the image data. In step S<b>36 , the terminal-side communication unit 48 transmits the coordinates A related to the first colored region 10 and the coordinates B related to the second colored region 12 to the server device 44 . In step S<b>38 , the server device 44 receives the coordinates A related to the first colored region 10 and the coordinates B related to the second colored region 12 through the server-side communication unit 50 and stores them in the storage unit 52 . In step S40, the calculation unit 38 constituting the control unit 54 inputs the coordinates A and B stored in the storage unit 52 into the trained neural network constructed by the setting unit 40, and calculates the pH value of the sample by inputting the coordinates A and B stored in the storage unit 52. Calculate. In step S42, the server-side communication unit 50 transmits the calculated pH of the sample to the terminal device 42. In step S<b>44 , the terminal device 42 receives the calculated pH of the sample through the terminal communication unit 48 and displays it on the display unit 30 . Further, the calculated pH value of the sample is stored in the storage unit 32 as necessary.

図１２は、本実施形態に係るｐＨ測定システムの構成の他の一例を示す模式図である。図１２に示すｐＨ測定システム７は、互いに通信可能な端末装置４２及びサーバ装置４４を有する。これらの各装置は、有線または無線の通信ネットワーク４６を介して互いに接続されている。通信ネットワーク４６は、例えば、インターネットが含まれる。 FIG. 12 is a schematic diagram showing another example of the configuration of the pH measurement system according to this embodiment. The pH measurement system 7 shown in FIG. 12 includes a terminal device 42 and a server device 44 that can communicate with each other. Each of these devices is connected to each other via a wired or wireless communication network 46. Communication network 46 includes, for example, the Internet.

端末装置４２は、スマートフォン、ラップトップ型のパーソナルコンピュータ（ＰＣ）、タブレット端末のような様々な汎用型又は多機能型の携帯型コンピュータ、デスクトップ型或いはタワー型のＰＣ等の汎用型のコンピュータ等の端末装置が適用される。 The terminal device 42 may be a smartphone, a laptop-type personal computer (PC), various general-purpose or multi-functional portable computers such as a tablet terminal, or a general-purpose computer such as a desktop or tower-type PC. Terminal equipment applies.

端末装置４２は、撮像部２２、発光部２４、制御部２６、操作部２８、表示部３０、記憶部３２、端末側通信部４８、を有する。撮像部２２、発光部２４、操作部２８、表示部３０は前述の通りであり、その説明を省略する。 The terminal device 42 includes an imaging section 22, a light emitting section 24, a control section 26, an operation section 28, a display section 30, a storage section 32, and a terminal side communication section 48. The imaging section 22, light emitting section 24, operation section 28, and display section 30 are as described above, and their explanation will be omitted.

記憶部３２は、例えば、撮像部２２が取得した画像データ、制御部２６が読みだす所定の処理プログラム、制御部２６から出力される情報等を記憶する。 The storage unit 32 stores, for example, image data acquired by the imaging unit 22, a predetermined processing program read by the control unit 26, information output from the control unit 26, and the like.

制御部２６は、例えば、記憶部３２に記憶された所定の処理プログラムを読みだし、当該処理プログラムを実行して、端末装置４２の動作を制御する。 For example, the control unit 26 reads a predetermined processing program stored in the storage unit 32, executes the processing program, and controls the operation of the terminal device 42.

また、制御部２６は、機能ブロックとして、例えば、画像領域選択部３４、抽出部３６、算出部３８を有する。画像領域選択部３４及び抽出部３６の機能は前述の通りであり、その説明を省略する。 Further, the control unit 26 includes, for example, an image area selection unit 34, an extraction unit 36, and a calculation unit 38 as functional blocks. The functions of the image area selection section 34 and the extraction section 36 are as described above, and their explanation will be omitted.

算出部３８は、サーバ装置４４側の設定部４０により構築された学習済みニューラルネットワークに、第１呈色領域１０に係る座標Ａ及び第２呈色領域１２に係る座標Ｂを入力して、試料のｐＨを算出する。 The calculation unit 38 inputs the coordinates A related to the first coloration region 10 and the coordinates B related to the second coloration region 12 to the learned neural network constructed by the setting unit 40 on the server device 44 side, and calculates the sample. Calculate the pH of

端末側通信部４８は、制御部２６の抽出部３６により抽出されたデータをサーバ装置４４に送信する。また、端末側通信部４８は、サーバ装置４４から送信された情報を受信する。 The terminal side communication unit 48 transmits the data extracted by the extraction unit 36 of the control unit 26 to the server device 44. Further, the terminal side communication unit 48 receives information transmitted from the server device 44.

サーバ装置４４は、サーバ側通信部５０と、記憶部５２と、制御部５４とを有する。サーバ側通信部５０は、端末側通信部４８により送信されたデータ等を受信する。また、サーバ側通信部５０は、サーバ装置４４側で設定されたニューラルネットワーク等を端末側通信部４８に送信する。 The server device 44 includes a server side communication section 50, a storage section 52, and a control section 54. The server-side communication unit 50 receives data and the like transmitted by the terminal-side communication unit 48. Further, the server side communication unit 50 transmits the neural network etc. set on the server device 44 side to the terminal side communication unit 48.

記憶部５２は、端末装置４２から受信したデータ等を記憶する。また、記憶部５２は、制御部５４が読みだす所定の処理プログラムや制御部５４から出力される情報等も記憶する。 The storage unit 52 stores data and the like received from the terminal device 42. The storage unit 52 also stores predetermined processing programs read by the control unit 54, information output from the control unit 54, and the like.

制御部５４は、例えば、記憶部５２に記憶された所定のプログラムを読み出し、当該処理プログラムを実行して、サーバ装置４４の動作を制御する。 For example, the control unit 54 reads a predetermined program stored in the storage unit 52, executes the processing program, and controls the operation of the server device 44.

また、制御部５４は、機能ブロックとして、ニューラルネットワークを含む設定部４０、教師データベース５６を有する。 Further, the control unit 54 includes a setting unit 40 including a neural network and a teacher database 56 as functional blocks.

教師データベース５６には、例えば、ｐＨ及びアルカリ度の異なる複数の試料を準備し、これらの試料に対して試験片１を浸漬して、各試験片１の第１呈色領域１０及び第２呈色領域１２の画像データを取得し、第１呈色領域１０に係る座標Ａ、第２呈色領域１２に係る座標Ｂを抽出し、これらの座標と対応する試料のｐＨ等とを関連付けることにより得られた教師データが複数蓄積される。複数の教師データは端末装置４２側で得られたデータであり、通信部（４８，５０）を介して教師データベース５６に蓄積される。 In the teacher database 56, for example, a plurality of samples having different pHs and alkalinities are prepared, and the test pieces 1 are immersed in these samples to determine the first colored area 10 and the second colored area of each test piece 1. By acquiring image data of the color region 12, extracting coordinates A related to the first color region 10 and coordinates B related to the second color region 12, and associating these coordinates with the pH of the corresponding sample, etc. A plurality of pieces of obtained training data are accumulated. The plurality of teacher data are data obtained on the terminal device 42 side, and are stored in the teacher database 56 via the communication section (48, 50).

設定部４０によるニューラルネットワークの構築は前述の通りであり、その説明を省略する。 The construction of the neural network by the setting unit 40 is as described above, and its explanation will be omitted.

図１３は、本実施形態に係るｐＨ測定システム７の動作の一例を示すフロー図である。 FIG. 13 is a flow diagram showing an example of the operation of the pH measurement system 7 according to this embodiment.

ステップＳ５０では、撮像部２２は、試料に浸漬させた後の試験片１を撮像する。ステップＳ５２では、画像領域選択部３４は、撮像部２２によって撮像された試験片１の画像データから、第１呈色領域１０の画像データ及び第２呈色領域１２の画像データを選択する。ステップＳ５４では、制御部２６を構成する抽出部３６は、選択された第１呈色領域１０の画像データから、第１呈色領域１０に係る座標Ａ、及び選択された第２呈色領域１２の画像データから、第２呈色領域１２に係る座標Ｂを抽出する。ステップＳ５６では、サーバ装置４４は、設定部４０により構築された学習済みニューラルネットワークを端末装置４２に送信する。ステップＳ５８では、端末装置４２は、学習済みニューラルネットワークを端末側通信部４８で受信し、記憶部３２で記憶する。ステップＳ６０では、制御部２６を構成する算出部３８は、学習済みニューラルネットワークに、座標Ａ及び座標Ｂを入力して、試料のｐＨ値を算出する。ステップＳ６２では、算出した試料のｐＨを表示部３０に表示する。また、必要に応じて、算出した試料のｐＨ値を記憶部３２に記憶する。なお、図１３のステップＳ５６、Ｓ５８は、ステップＳ５４の後ではなく、ステップＳ５４の前、例えばステップＳ５０の前に実行してもよい。 In step S50, the imaging unit 22 images the test piece 1 after being immersed in the sample. In step S52, the image area selection unit 34 selects the image data of the first colored area 10 and the image data of the second colored area 12 from the image data of the test piece 1 imaged by the imaging unit 22. In step S54, the extraction unit 36 that constitutes the control unit 26 extracts the coordinates A related to the first coloring area 10 and the selected second coloring area 12 from the image data of the selected first coloring area 10. Coordinates B related to the second colored region 12 are extracted from the image data. In step S56, the server device 44 transmits the trained neural network constructed by the setting unit 40 to the terminal device 42. In step S<b>58 , the terminal device 42 receives the trained neural network through the terminal communication unit 48 and stores it in the storage unit 32 . In step S60, the calculation unit 38 forming the control unit 26 inputs the coordinates A and B to the trained neural network and calculates the pH value of the sample. In step S62, the calculated pH of the sample is displayed on the display section 30. Further, the calculated pH value of the sample is stored in the storage unit 32 as necessary. Note that steps S56 and S58 in FIG. 13 may be executed not after step S54 but before step S54, for example, before step S50.

ｐＨ測定システム５，７における試料のｐＨの算出は、ニューラルネットワークを用いる場合に限定されず、試料のｐＨと第１呈色領域１０及び第２呈色領域１２の画像データに基づく色空間における座標との関係式を用いてもよい。 Calculation of the pH of the sample in the pH measurement systems 5 and 7 is not limited to using a neural network, and is performed using coordinates in a color space based on the pH of the sample and image data of the first coloring region 10 and the second coloring region 12. You may use the relational expression between

なお、実施形態で説明したｐＨ測定システムの制御部の各機能をコンピュータに実現させるための所定のプログラムは、磁気記録媒体、光記録媒体などのコンピュータにより読み取り可能な記録媒体に記録された形で提供してもよい。 Note that the predetermined program for causing a computer to realize each function of the control unit of the pH measurement system described in the embodiments may be recorded in a computer-readable recording medium such as a magnetic recording medium or an optical recording medium. may be provided.

＜比較例１＞
ｐＨ及びアルカリ度の異なる試料を複数準備した。これらの試料に、ｐＨに応じて呈色する呈色領域を有する試験片を浸漬させた。各試験片の呈色領域を撮像し、画像データから、Ｌ＊ａ＊ｂ＊空間におけるＬ＊、ａ＊、ｂ＊を抽出した。抽出したＬ＊、ａ＊、ｂ＊と対応する試料のｐＨを関連付けてデータベースにして、重回帰分析を行い、ｐＨ値を算出するための関係式を設定した。この関係式に、別途準備した複数の試料からそれぞれ抽出したＬ＊、ａ＊、ｂ＊を代入し、ｐＨを算出した。図１４は、比較例１のｐＨ値の算出結果を示す図である。図１４では、算出したｐＨ値（推定ｐＨ）を縦軸とし、対応する試料の実際のｐＨ（実測ｐＨ）を横軸とし、比較例１の結果をプロットしている（以下の比較例及び実施例も同様）。推定ｐＨ及び実測ｐＨのデータを相関分析した結果、相関関係Ｒは０．９４、決定係数Ｒ２は０．８９であった。 <Comparative example 1>
A plurality of samples with different pH and alkalinity were prepared. A test piece having a colored region that changes color depending on the pH was immersed in these samples. The colored region of each test piece was imaged, and L*, a*, and b* in L*a*b* space were extracted from the image data. The extracted L*, a*, b* and the pH of the corresponding sample were linked to form a database, multiple regression analysis was performed, and a relational expression for calculating the pH value was set. The pH was calculated by substituting L*, a*, and b* extracted from a plurality of separately prepared samples into this relational expression. FIG. 14 is a diagram showing the calculation results of the pH value of Comparative Example 1. In Figure 14, the calculated pH value (estimated pH) is plotted on the vertical axis, the actual pH of the corresponding sample (actually measured pH) is plotted on the horizontal axis, and the results of Comparative Example 1 are plotted. example). As a result of correlation analysis of data on estimated pH and measured pH, correlation R was 0.94 and coefficient of determination R2 was 0.89.

＜比較例２＞
上記同様の試料に、アルカリ度に応じて呈色する呈色領域を有する試験片のみを浸漬させたこと以外は、比較例１と同様にして、ｐＨ値を算出した。図１５は、比較例２のｐＨ値の算出結果を示す図である。推定ｐＨ及び実測ｐＨのデータを相関分析した結果、相関関係Ｒは０．８０、決定係数Ｒ２は０．６３であった。 <Comparative example 2>
The pH value was calculated in the same manner as in Comparative Example 1, except that only the test piece having a colored region that changes color depending on the alkalinity was immersed in the same sample as above. FIG. 15 is a diagram showing the calculation results of the pH value of Comparative Example 2. As a result of correlation analysis of data on estimated pH and measured pH, correlation R was 0.80 and coefficient of determination R 2 was 0.63.

＜実施例１＞
上記同様の試料に、ｐＨに応じて呈色する第１呈色領域及びアルカリ度に応じて呈色する第２呈色領域を有する試験片を浸漬させた。各試験片の第１呈色領域及び第２呈色領域を撮像し、第１呈色領域の画像データから、Ｌ＊ａ＊ｂ＊空間におけるＬ＊、ａ＊、ｂ＊を抽出し、第２呈色領域の画像データから、Ｌ＊ａ＊ｂ＊空間におけるＬ＊、ａ＊、ｂ＊を抽出した。抽出した各Ｌ＊、ａ＊、ｂ＊及び対応する試料のｐＨを関連付けてデータベースにして、重回帰分析を行い、ｐＨ値を算出するための関係式を設定した。この関係式に、別途準備した複数の試料からそれぞれ抽出した第１呈色領域のＬ＊、ａ＊、ｂ＊、第２呈色領域のＬ＊、ａ＊、ｂ＊を代入し、ｐＨ値を算出した。図１６は、実施例１のｐＨ値の算出結果を示す図である。推定ｐＨ及び実測ｐＨのデータを相関分析した結果、相関関係Ｒは０．９６、決定係数Ｒ２は０．９３であった。 <Example 1>
A test piece having a first coloring area that changes color depending on the pH and a second coloring area that changes color depending on the alkalinity was immersed in the same sample as above. The first colored region and the second colored region of each test piece are imaged, L*, a*, b* in L*a*b* space are extracted from the image data of the first colored region, and L*, a*, and b* in L*a*b* space were extracted from the image data of the two color areas. The extracted L*, a*, b* and the pH of the corresponding sample were correlated to create a database, multiple regression analysis was performed, and a relational expression for calculating the pH value was set. Into this relational expression, substitute L*, a*, b* of the first color region extracted from multiple samples prepared separately, and L*, a*, b* of the second color region, and calculate the pH value. was calculated. FIG. 16 is a diagram showing the calculation results of pH values in Example 1. As a result of correlation analysis of data on estimated pH and measured pH, correlation R was 0.96 and coefficient of determination R 2 was 0.93.

＜実施例２＞
上記同様の試料に、ｐＨに応じて呈色する第１呈色領域及びアルカリ度に応じて呈色する第２呈色領域を有する試験片を浸漬させた。各試験片の第１呈色領域及び第２呈色領域を撮像し、第１呈色領域の画像データから、Ｌ＊ａ＊ｂ＊空間におけるＬ＊、ａ＊、ｂ＊を抽出し、第２呈色領域の画像データから、Ｌ＊ａ＊ｂ＊空間におけるＬ＊、ａ＊、ｂ＊を抽出した。抽出した各Ｌ＊、ａ＊、ｂ＊及び対応する試料のｐＨを関連付けたデータセットを教師データにして、ニューラルネットワークに学習処理を行い、ｐＨ値を算出するための学習処理済みニューラルネットワークを構築した。このニューラルネットワークに、別途準備した複数の試料からそれぞれ抽出した第１呈色領域のＬ＊、ａ＊、ｂ＊、第２呈色領域のＬ＊、ａ＊、ｂ＊を代入し、ｐＨ値を算出した。図１７は、実施例２のｐＨ値の算出結果を示す図である。推定ｐＨ及び実測ｐＨのデータを相関分析した結果、相関関係Ｒは０．９８、決定係数Ｒ２は０．９６であった。 <Example 2>
A test piece having a first coloring area that changes color depending on the pH and a second coloring area that changes color depending on the alkalinity was immersed in the same sample as above. The first colored region and the second colored region of each test piece are imaged, L*, a*, b* in L*a*b* space are extracted from the image data of the first colored region, and L*, a*, and b* in L*a*b* space were extracted from the image data of the two color regions. Using the data set that associates the extracted L*, a*, b* and the pH of the corresponding sample as training data, perform learning processing on the neural network and construct a trained neural network for calculating pH values. did. Into this neural network, L*, a*, b* of the first color region extracted from multiple samples prepared separately, L*, a*, b* of the second color region are substituted, and the pH value is was calculated. FIG. 17 is a diagram showing the calculation results of pH values in Example 2. As a result of correlation analysis of data on estimated pH and measured pH, correlation R was 0.98 and coefficient of determination R2 was 0.96.

＜実施例３＞
上記同様の試料に、ｐＨに応じて呈色する第１呈色領域及びアルカリ度に応じて呈色する第２呈色領域を有する試験片を浸漬させた。各試験片の第１呈色領域及び第２呈色領域を撮像し、第１呈色領域の画像データから、Ｌ＊ａ＊ｂ＊空間におけるＬ＊、ａ＊、ｂ＊を抽出し、第２呈色領域の画像データから、Ｌ＊ａ＊ｂ＊空間におけるＬ＊、ａ＊、ｂ＊を抽出した。さらに第１呈色領域のＬ＊、ａ＊、ｂ＊と第２呈色領域のＬ＊、ａ＊、ｂ＊との色差を計算した。抽出した各Ｌ＊、ａ＊、ｂ＊と計算した色差及び対応する試料のｐＨを関連付けたデータセットを教師データにして、ニューラルネットワークに学習処理を行い、ｐＨ値を算出するための学習処理済みニューラルネットワークを構築した。このニューラルネットワークに、別途準備した複数の試料からそれぞれ抽出した第１呈色領域のＬ＊、ａ＊、ｂ＊、第２呈色領域のＬ＊、ａ＊、ｂ＊、第１呈色領域のＬ＊、ａ＊、ｂ＊と第２呈色領域のＬ＊、ａ＊、ｂ＊との色差を代入し、ｐＨ値を算出した。図１８は、実施例３のｐＨ値の算出結果を示す図である。推定ｐＨ及び実測ｐＨのデータを相関分析した結果、相関関係Ｒは０．９７、決定係数Ｒ２は０．９５であった。 <Example 3>
A test piece having a first coloring area that changes color depending on the pH and a second coloring area that changes color depending on the alkalinity was immersed in the same sample as above. The first colored region and the second colored region of each test piece are imaged, L*, a*, b* in L*a*b* space are extracted from the image data of the first colored region, and L*, a*, and b* in L*a*b* space were extracted from the image data of the two color areas. Furthermore, the color difference between L*, a*, b* of the first coloring area and L*, a*, b* of the second coloring area was calculated. A dataset that associates the extracted L*, a*, b* with the calculated color difference and the pH of the corresponding sample is used as training data, and the neural network is trained to calculate the pH value. A neural network was constructed. In this neural network, L*, a*, b* of the first coloring area extracted from a plurality of separately prepared samples, L*, a*, b* of the second coloring area, the first coloring area The pH value was calculated by substituting the color difference between L*, a*, b* of the sample and L*, a*, b* of the second coloring region. FIG. 18 is a diagram showing the calculation results of pH values in Example 3. As a result of a correlation analysis of the estimated pH and measured pH data, the correlation R was 0.97 and the coefficient of determination R2 was 0.95.

このように、実施例はいずれも、比較例と比べて、相関関係Ｒ及び決定係数Ｒ２は高い値となり、推定ｐＨと実測ｐＨとは非常に高い相関を示した。すなわち、実施例はいずれも、比較例と比べて、試料のｐＨ値を精度よく算出できたと言える。 As described above, in all of the Examples, the correlation R and the coefficient of determination R2 were higher than in the Comparative Example, and the estimated pH and the measured pH showed a very high correlation. That is, it can be said that in all Examples, the pH value of the sample could be calculated with higher accuracy than in the Comparative Example.

１ 試験片、３，５，７ ｐＨ測定システム、１０ 第１呈色領域、１２ 第２呈色領域、２２ 撮像部、２４ 発光部、２６，５４ 制御部、２８ 操作部、３０ 表示部、３２，５２ 記憶部、３４ 画像領域選択部、３６ 抽出部、３８ 算出部、４０ 設定部、４２ 端末装置、４４ サーバ装置、４６ 通信ネットワーク、４８ 端末側通信部、５０ サーバ側通信部、５６ 教師データベース。
 1 test piece, 3, 5, 7 pH measurement system, 10 first color region, 12 second color region, 22 imaging section, 24 light emitting section, 26, 54 control section, 28 operation section, 30 display section, 32 , 52 storage section, 34 image area selection section, 36 extraction section, 38 calculation section, 40 setting section, 42 terminal device, 44 server device, 46 communication network, 48 terminal side communication section, 50 server side communication section, 56 teacher database .

Claims (6)

試料のｐＨに応じて呈色する第１呈色領域と、試料のアルカリ度に応じて呈色する第２呈色領域を撮像する撮像部と、
前記撮像部により撮像された前記第１呈色領域の画像データから、２つ以上の色チャンネルを有する色空間における座標Ａを抽出し、前記撮像部により撮像された前記第２呈色領域の画像データから、２つ以上の色チャンネルを有する色空間における座標Ｂを抽出する抽出部と、
前記試料のｐＨと前記第１呈色領域及び前記第２呈色領域の画像データに基づく色空間における座標との関係式を用いて、前記抽出部により抽出された前記座標Ａ及び前記座標Ｂから前記試料のｐＨ値を算出する算出部と、を備えることを特徴とするｐＨ測定システム。 an imaging unit that images a first coloring region that changes color depending on the pH of the sample; and a second coloring region that changes color depending on the alkalinity of the sample;
A coordinate A in a color space having two or more color channels is extracted from the image data of the first colored region captured by the imaging unit, and an image of the second colored region captured by the imaging unit is extracted. an extraction unit that extracts a coordinate B in a color space having two or more color channels from the data;
From the coordinates A and B extracted by the extraction unit using a relational expression between the pH of the sample and the coordinates in the color space based on the image data of the first coloring region and the second coloring region. A pH measurement system comprising: a calculation unit that calculates the pH value of the sample. 試料のｐＨに応じて呈色する第１呈色領域と、試料のアルカリ度に応じて呈色する第２呈色領域を撮像する撮像部と、
前記撮像部により撮像された前記第１呈色領域の画像データから、２つ以上の色チャンネルを有する色空間における座標Ａを抽出し、前記撮像部により撮像された前記第２呈色領域の画像データから、２つ以上の色チャンネルを有する色空間における座標Ｂを抽出する抽出部と、
前記抽出部により抽出された前記座標Ａ及び前記座標Ｂを学習処理済みニューラルネットワークに入力して、前記試料のｐＨ値を算出する算出部と、を備えることを特徴とするｐＨ測定システム。 an imaging unit that images a first coloring region that changes color depending on the pH of the sample; and a second coloring region that changes color depending on the alkalinity of the sample;
A coordinate A in a color space having two or more color channels is extracted from the image data of the first colored region captured by the imaging unit, and an image of the second colored region captured by the imaging unit is extracted. an extraction unit that extracts a coordinate B in a color space having two or more color channels from the data;
A pH measurement system comprising: a calculation unit that inputs the coordinates A and B extracted by the extraction unit into a learning-processed neural network to calculate the pH value of the sample. 前記ニューラルネットワークは、
既知のｐＨに対して呈色した呈色領域の画像データに基づく色空間における座標から計算される特徴量、
既知のアルカリ度に対して呈色した呈色領域の画像データに基づく色空間における座標から計算される特徴量、
及び前記既知のｐＨに対して呈色した呈色領域の画像データに基づく色空間における座標と前記既知のアルカリ度に対して呈色した呈色領域の画像データに基づく色空間における座標とから計算される特徴量のうちの少なくとも１つを教師データとして、学習処理に利用していることを特徴とする請求項２に記載のｐＨ測定システム。 The neural network is
a feature quantity calculated from coordinates in a color space based on image data of a colored region colored against a known pH ;
Features calculated from coordinates in a color space based on image data of a colored region colored with respect to known alkalinity ;
and Calculated from the coordinates in a color space based on the image data of the coloring region colored in response to the known pH and the coordinates in the color space based on the image data of the coloring region colored in response to the known alkalinity. 3. The pH measurement system according to claim 2, wherein at least one of the feature quantities is used as training data in a learning process. 試料のｐＨに応じて呈色する第１呈色領域と、試料のアルカリ度に応じて呈色する第２呈色領域を撮像する撮像工程と、
前記撮像工程により撮像された前記第１呈色領域の画像データから、２つ以上の色チャンネルを有する色空間における座標Ａを抽出し、前記撮像工程により撮像された前記第２呈色領域の画像データから、２つ以上の色チャンネルを有する色空間における座標Ｂを抽出する抽出工程と、
前記試料のｐＨと前記第１呈色領域及び前記第２呈色領域の画像データに基づく色空間における座標との関係式を用いて、前記抽出工程により抽出された前記座標Ａ及び前記座標Ｂから前記試料のｐＨ値を算出する算出工程と、を備えることを特徴とするｐＨ測定方法。 an imaging step of imaging a first coloring region that changes color depending on the pH of the sample; and a second coloring region that changes color depending on the alkalinity of the sample;
A coordinate A in a color space having two or more color channels is extracted from the image data of the first colored region imaged in the imaging step, and an image of the second colored region imaged in the imaging step. an extraction step of extracting a coordinate B in a color space having two or more color channels from the data;
From the coordinates A and B extracted in the extraction step using a relational expression between the pH of the sample and the coordinates in the color space based on the image data of the first coloring region and the second coloring region. A pH measurement method comprising: a calculation step of calculating the pH value of the sample. 試料のｐＨに応じて呈色する第１呈色領域と、試料のアルカリ度に応じて呈色する第２呈色領域を撮像する撮像工程と、
前記撮像工程により撮像された前記第１呈色領域の画像データから、２つ以上の色チャンネルを有する色空間における座標Ａを抽出し、前記撮像工程により撮像された前記第２呈色領域の画像データから、２つ以上の色チャンネルを有する色空間における座標Ｂを抽出する抽出工程と、
前記抽出工程により抽出された前記座標Ａ及び前記座標Ｂを学習処理済みニューラルネットワークに入力して、前記試料のｐＨ値を算出する算出工程と、を備えることを特徴とするｐＨ測定方法。 an imaging step of imaging a first coloring region that changes color depending on the pH of the sample; and a second coloring region that changes color depending on the alkalinity of the sample;
A coordinate A in a color space having two or more color channels is extracted from the image data of the first colored region imaged in the imaging step, and an image of the second colored region imaged in the imaging step. an extraction step of extracting a coordinate B in a color space having two or more color channels from the data;
A pH measurement method, comprising a calculation step of inputting the coordinates A and the coordinates B extracted in the extraction step into a learning-processed neural network to calculate the pH value of the sample. 前記ニューラルネットワークは、
既知のｐＨに対して呈色した呈色領域の画像データに基づく色空間における座標から計算される特徴量、
既知のアルカリ度に対して呈色した呈色領域の画像データに基づく色空間における座標から計算される特徴量、
及び前記既知のｐＨに対して呈色した呈色領域の画像データに基づく色空間における座標と前記既知のアルカリ度に対して呈色した呈色領域の画像データに基づく色空間における座標とから計算される特徴量のうちの少なくとも１つを教師データとして、学習処理に利用していることを特徴とする請求項５に記載のｐＨ測定方法。 The neural network is
a feature quantity calculated from coordinates in a color space based on image data of a colored region colored against a known pH ;
Features calculated from coordinates in a color space based on image data of a colored region colored with respect to known alkalinity ;
and Calculated from the coordinates in a color space based on the image data of the coloring region colored in response to the known pH and the coordinates in the color space based on the image data of the coloring region colored in response to the known alkalinity. 6. The pH measurement method according to claim 5, wherein at least one of the feature amounts is used as training data in a learning process.
JP2020079063A 2020-04-28 2020-04-28 pH measurement system and pH measurement method Active JP7427519B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2020079063A JP7427519B2 (en) 2020-04-28 2020-04-28 pH measurement system and pH measurement method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020079063A JP7427519B2 (en) 2020-04-28 2020-04-28 pH measurement system and pH measurement method

Publications (2)

Publication Number Publication Date
JP2021173682A JP2021173682A (en) 2021-11-01
JP7427519B2 true JP7427519B2 (en) 2024-02-05

Family

ID=78281579

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020079063A Active JP7427519B2 (en) 2020-04-28 2020-04-28 pH measurement system and pH measurement method

Country Status (1)

Country Link
JP (1) JP7427519B2 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114002217B (en) * 2021-11-02 2024-05-14 苏州国科医工科技发展(集团)有限公司 Method for reading PH value through PH test paper image

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005189119A (en) 2003-12-25 2005-07-14 Osaka Industrial Promotion Organization Color measuring method and color measuring device
JP2010527001A (en) 2007-05-07 2010-08-05 ゼネラル・エレクトリック・カンパニイ Method and apparatus for measuring the pH of a low alkalinity solution
JP2015509582A (en) 2012-02-03 2015-03-30 ユニバーシティ・オブ・シンシナティ Methods, systems, and apparatus for analyzing colorimetric assays
JP2020168602A (en) 2019-04-02 2020-10-15 オルガノ株式会社 Sample analysis system, sample analysis method and terminal device

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005189119A (en) 2003-12-25 2005-07-14 Osaka Industrial Promotion Organization Color measuring method and color measuring device
JP2010527001A (en) 2007-05-07 2010-08-05 ゼネラル・エレクトリック・カンパニイ Method and apparatus for measuring the pH of a low alkalinity solution
JP2015509582A (en) 2012-02-03 2015-03-30 ユニバーシティ・オブ・シンシナティ Methods, systems, and apparatus for analyzing colorimetric assays
JP2020168602A (en) 2019-04-02 2020-10-15 オルガノ株式会社 Sample analysis system, sample analysis method and terminal device

Also Published As

Publication number Publication date
JP2021173682A (en) 2021-11-01

Similar Documents

Publication Publication Date Title
Ciosek et al. The analysis of sensor array data with various pattern recognition techniques
CN109781934A (en) Processing unit, processing method, computer readable storage medium and the environment sensor system of environmental sensor detection data
CN113344986B (en) Point cloud registration result evaluation method, device, equipment and storage medium
JP7427519B2 (en) pH measurement system and pH measurement method
KR102340166B1 (en) Methods and systems for calibrating and using a camera to detect an analyte in a sample
CN1902464A (en) Method and device for measuring, determining and controlling flatness of a metal strip
KR20220105530A (en) Method for predicting water quality and apparatus thereof
CN105973828B (en) A kind of IR spectrum quantitative analysis method and system
CN116385819A (en) Water quality evaluation method, device and equipment based on neural network model
CN114667452A (en) Method for determining the concentration of an analyte in a body fluid
Wang et al. Application of neural networks with novel independent component analysis methodologies to a Prussian blue modified glassy carbon electrode array
Safavi et al. CCD camera full range pH sensor array
JP7008468B2 (en) Sample analyzer, sample analysis method, sample analysis system, and program
KR20130086690A (en) System for performing colorimetric analysis when running in a portable device and method of colorimetric analysis using the same
CN110376190B (en) Spectrum-based cell culture suspension pH value detection method
JP7263084B2 (en) SAMPLE ANALYSIS SYSTEM, SAMPLE ANALYSIS METHOD AND TERMINAL DEVICE
KR20230089554A (en) Electrochemical sensor and measurement method
JP7382740B2 (en) Sample analysis device and sample analysis method
CN118464809A (en) PH detection method
CN114694128A (en) Pointer instrument detection method and system based on abstract metric learning
de Jesus et al. Applications of smartphones in analysis: Challenges and solutions
CN117574314B (en) Information fusion method, device and equipment of sensor and storage medium
Alers et al. An experimental framework for exploiting vision in swarm robotics
Calvo et al. Simultaneous titration of ternary alkaline–earth mixtures employing a potentiometric electronic tongue
Fontela et al. Carbonate system species and pH

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230202

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231031

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231213

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: 20240116

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240124

R150 Certificate of patent or registration of utility model

Ref document number: 7427519

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150