JPH04238243A - 揮発性有機物質の測定装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、揮発性有機物質、特に
におい物質の測定装置に関するものである。

【０００２】

【従来の技術】においの計測は、各種食品の品質管理、
発酵工程の管理、肉や魚、果物などの鮮度の判定、工場
排気臭や排水の測定、環境モニタリング等の応用面のみ
ならず、におい測定による物理化学反応の追跡などの基
礎研究に至るまで、広範な応用の可能性を有している。 特に最近では、生活の豊かさに伴う心のゆとりから一般
の人の「におい」への関心が高まっており、よりよい香
りの追及や悪臭の追放などが積極的に進められている。

【０００３】しかし、そのセンシング技術については、
他の技術に比べて非常に遅れていると言っても過言では
ない。従来のにおいの評価方法としては、ガスクロマト
グラフィ法やマススペクトロメトリーのような機器によ
る分離分析法と、人間の嗅覚を利用した官能試験法が一
般的であった。

【０００４】しかしながら、これらの評価法には、まだ
まだ問題点が多い。前者の場合は、試料のサンプリング
が煩雑で、高価な装置が必要であり、リアルタイムでの
測定ができない等の問題点がある。一方、後者の場合に
は、感受性の個人差や順応、疲労等があり、結果が環境
や生理的、心理的な条件の影響を受け易く、客観性に乏
しく、信頼性が低いと言われている。

【０００５】このような背景から、人間と同じようなに
おい検知機構を有し、かつ個人差や順応、疲労がなく、
オンライン測定が可能なにおいセンサーの開発が強く望
まれていた。

【０００６】これまでもいくつかのにおいセンサーの開
発が試みられている。しかし、今まで開発されたにおい
センサーと称するものの大部分はガスセンサーを用いた
ものであり、生体の嗅覚機構から考えるとにおいセンサ
ーとは言えないものである。ガスセンサーには、電気化
学式、触媒燃焼式、金属酸化物半導体式、固体電解質式
、電解効果トランジスタ式など各種のものがあるが、そ
れらはいずれも主に被検ガスの化学的性質を利用するも
ので、特定のガスに対して高感度で選択的に反応するが
、嗅覚のように、多成分からなるにおいの識別は不可能
である。

【０００７】一方、嗅覚は、多成分のにおいの種類識別
機能を有しており、さらに極めて高感度である。嗅覚の
これらの特徴は、嗅覚が持つ次のような特性に起因する
。嗅覚受容器には極めて多数の嗅細胞が存在し、この細
胞には数本又は数十本の嗅線毛が接続されており、かな
り広い面積を持っている。そしてこの全部がにおいを受
容すると思われる。また、これらの嗅細胞から得られた
多重情報は、並列多重処理や多重伝送によって大脳内の
神経のネットワークに伝達され、高度に知覚、認識され
る。

【０００８】嗅覚におけるにおい物質の認識プロセスを
要約すると、以下のようになる。数種類のにおいに応答
するようなジェネラリスト的性質を持った嗅細胞ににお
い物質が吸着すると、種々の界面現象が起こって、神経
インパルスが発生する。この神経インパルスは、並列多
重処理や多重伝送によって大脳内の神経のネットワーク
に伝達され、高度に記憶・学習が行われ、また情報の圧
縮や特徴抽出が行われてにおい物質が認識される。

【０００９】

【発明が解決しようとする課題】本発明は、上記嗅覚に
おけるにおい物質の認識プロセスを発想の基本とし、多
数のニューロン（神経単位）による並列情報処理メカニ
ズムを模した人工的情報処理システムを備え、におい物
質の識別を可能にする揮発性有機物質の測定装置を提供
することを目的とする。

【００１０】

【課題を解決するための手段】上記目的を達成するため
に、本発明は、一つの揮発性有機物質に対してそれぞれ
異なる感能性膜を表面に備えた複数のＳＡＷデバイスと
、この複数のＳＡＷデバイスの共振周波数を選択的に検
出する周波数検出手段と、各ＳＡＷデバイスの感能性膜
に揮発性有機物質が吸着されることによりそれぞれ変化
する各ＳＡＷデバイスの共振周波数を検出した応答パタ
ーンを、予め用意し学習させた標準パターンを用いてパ
ターン認識を行うコンピュータとから構成される。

【００１１】また、前記ＳＡＷデバイスに代えて、水晶
振動子を用いた構成とする。

【００１２】

【作用】先ず、においセンサーとしては、感能性膜と、
そこで発生する情報を電気信号に変換するトランスジュ
ーサとから構成される。感能性膜はにおいを感知するも
のであり、この種の物質として、天然及び人工脂質が、
におい物質や味物質に対する選択性は低いが、それぞれ
の物質に対して異なる応答を示すことが知られている。 トランスジューサとしては、圧電素子が考えられ、中で
も、水晶振動子やＳＡＷ（Ｓｕｒｆａｃｅ　Ａｃｏｕｓ
ｔｉｃ　Ｗａｖｅ　表面弾性波）デバイスはよく知られ
ている。従って、これらの圧電素子に脂質膜を形成し、
それににおい物質が吸着すれば質量が変化するので、圧
電素子の振動数が変化する。

【００１３】一つのにおい物質に対してそれぞれ異なる
応答を示す脂質膜を備えた複数の圧電素子を、被測定に
おい物質に同時に曝すと、それぞれ異なる吸着率で吸着
し、圧電素子の振動数変化も異なる。この複数の応答パ
ターンをニューラルネットワークにより並列多重処理し
てバックプロパゲーション学習アルゴリズムにより情報
の圧縮、特徴抽出を行い、予め用意し学習させた標準パ
ターンと比較してパターン認識を行う。

【００１４】

【実施例】以下、図面を参照して実施例を詳細に説明す
る。図１は、本発明の一実施例の６チャンネル型ＳＡＷ
デバイスにおいセンサ装置を示したものであり、１はＳ
ＡＷデバイス、１０は複数のＳＡＷデバイスを同一基板
上に集積したＳＡＷデバイスアレイ、２は信号セレクタ
、３はネットワーク／スペクトラムアナライザ（例えば
アンリツ社製　ＭＳ６２０Ｊ）、４はパーソナルコンピ
ュータ（例えば日本電気製パーソナルニューロコンピュ
ータ　Ｎｅｕｒｏ−０７）である。

【００１５】ＳＡＷデバイス１は、図２に示したように
、櫛型（ＩＤＴ）電極５の両面にグレーティング反射器
６が設けられた二対端子式共振型デバイス（共振周波数
３１０ＭＨｚ）で、電極は、Ｙカット（カット角度３６
°）、Ｘ方向伝播水晶板の上にアルミ薄膜で形成されて
いる。 そして、一方のＩＤＴ電極５に高周波信号を与え、この
波が水晶板の表面を伝わり、他方の電極５で再び電気信
号に変換される。本実施例では、同一水晶板上に６組の
ＳＡＷデバイスがアレイ状に配設されており、各ＳＡＷ
デバイス１にはそれぞれ、一つのにおい物質に対してそ
れぞれ異なる応答を示す感能性膜が形成されている。

【００１６】感能性膜には、天然脂質のホスファチジル
エタノールアミン（以下ＰＥ）、ホスファチジルグリセ
ロール（以下ＰＧ）、ホスファチジルイノシトール（以
下ＰＩ）、ホスファチジルセリン（以下ＰＳ）、リピッ
ドＡ（以下ＬＡ）及びＰＧ＋ＰＩの６種が用いられてい
る。なお、感能性膜としては、脂質の外にたんぱく質、
多糖類、糖脂質、糖たんぱく質、糖ペプチド、合成高分
子化合物等も使用できる。

【００１７】これら脂質膜の形成方法としては、脂質を
クロロホルムに溶解させ、この溶液をＳＡＷデバイス表
面にキャスティングした後、静置、乾燥させる方法でも
よいが、再現性と信頼性を上げるために、ラングミュア
・ブロジェット（ＬＢ）膜形成技術を用いるのが好まし
い。ＬＢ膜の形成は、図３のような膜形成装置が使用さ
れる。水槽７にポリプロピレン製の枠８が入っており、
フロート９が枠８の中に浮かせてある。フロート９から
は細い糸が引き出され、滑車を介してその先端に錘１１
が下がっている。その錘で表面圧を調節し、下層液水面
に被付着物質の単分子層を作る。この単分子層を、図４
に示した基板１２の垂直上下法あるいは水平付着法（本
実施例で適用）で形成する。このＬＢ膜を累積させ、Ｓ
ＡＷデバイスの周波数変化を見たところ、脂質膜の層数
に比例して共振周波数が減少することが確認された。そ
して、ここではセンサーとして最も安定した特性が得ら
れた２０層累積のＬＢ膜を用いることにした。

【００１８】図５及び図６は、におい測定の実験装置の
一例を示したもので、標準ガス発生器（ガステック社製
　ＰＤ−１Ｂ９）１５、ＳＡＷデバイスアレイ１０を固
定した恒温セル１６、信号セレクタを含むネットワーク
／スペクトラムアナライザ３、パーソナルコンピュータ
４等からなっている。

【００１９】標準ガス発生器１５は、窒素ガスをキャリ
アガスとし、拡散チューブ（サンプリングチューブ）１
７をガス発生源として恒温槽１８内のチューブホルダ１
９に保持させる。単位時間に管壁を浸透拡散するガス量
又は管内の液体が蒸発拡散する量は各温度により一定と
なるので、そこにキャリアガスを一定量送ると、任意の
微量濃度の標準ガスを発生させることができる。

【００２０】このような装置において、先ず、共振周波
数が一定になるまで窒素ガスを流した後、ガスを止め、
次に標準ガス発生器で調製した標準ガスを連続的に流し
ながら、その時の周波数変化を測定した。周波数の変化
が定常値になった後、その応答パターンを、予め用意し
、学習させた標準パターンを用いて、パターン認識を行
った。

【００２１】ここで、ニューラルネットワークの構成単
位である処理ユニットとして、図７（ａ）の生体のニュ
ーロンユニットに類似する図７（ｂ）に示した多入力、
一出力のユニットが使用されている。実際のニューロン
間のシナプス（ｓｙｎａｐｓｅ）結合（ニューロン間の
方向性を持った結合）は可塑性（ｐｌａｓｔｉｃｉｔｙ
）を持っており、結合度を調整することにより学習が行
われる。この結合には興奮性結合と抑制性結合とがある
。信号は一方向にだけ伝わり、ある重み（結合荷重）を
付けられて、結合されたユニットに入力される。この重
みによって、ユニット間の結合の強さが表わされる。即
ち、入力信号（ｘ）の重み（ｗ）付け総和をとった値に
適当な活性化関数（応答関数）を作用させたものを出力
（ｙ）とするユニットである。また、出力値（ｙ）は、
その時点でのユニットの状態を表わしている。

【００２２】ニューラルネットワークは、処理ユニット
の結合様式によって階層型ネットワークと相互結合型ネ
ットワークの二つに分類されるが、本実施例のパターン
認識、データ圧縮などに使用される階層型ネットワーク
について、簡単に説明する。

【００２３】階層型ネットワークにおいては、学習は入
力パターンとそれに対する正しい出力パターン（教師信
号）をネットワークに与え、ユニット間の結合の強さを
修正するという方法で行う。また出力層への教師信号に
文字カテゴリを与えることによって、センサシステムか
ら入力された応答パターンからにおい物質の種類を認識
（文字などのシンボルへの変換）することも可能である
。このような学習は、一般的には図８に示したようなプ
ロセスによって行われる。まず、結合荷重の初期設定を
する。最初に、重みに関する何の知識もなければランダ
ムな値にしておく。次に、この重みに対して学習データ
を入力し、評価基準を参照して評価する。さらに、評価
結果に基づいて重み値を調整し、再び評価を行う。この
ようなプロセスを繰り返して最適な値に近づけていく。

【００２４】多層のネットワークによく使われる学習規
則の代表的なものが、バックプロパゲーション学習規則
である。この規則では、ネットワークの出力信号と教師
信号の差の二乗が最小になるようにユニット間結合係数
を修正する。本実施例では、学習パターンを一つ入力す
る毎に結合係数を修正する、逐次修正法を用いた学習フ
ローチャートが使用されている。

【００２５】上記実験装置を用いてにおい物質をパター
ン認識して得た結果の一例を次に示す。ここで、測定対
象として代表的なにおい物質である、ｎ−Ａｍｙｌ−ａ
ｃｅｔａｔｅ（果実香），Ｍｅｎｔｈｏｎｅ（ハッカ香
）、Ａｃｅｔｏｉｎ（甘みのあるクリームやバターを思
わせる香気）、及び有臭性の有機ガスとして、メタノー
ル，エタノール，プロパノール，ブタノールを選んだ。

【００２６】先ず、図１２に示したように、ＰＥ及びＰ
Ｇの各脂質膜を形成したＳＡＷデバイスにｎ−Ａｍｙｌ
−ａｃｅｔａｔｅを濃度を段階的に増加させて吸着させ
たところ、各脂質のにおいに対する応答値（周波数変化
）がそれぞれ異なることが確認された。これは、既に述
べたように、におい物質による吸着性の違いや、各脂質
膜への吸着性の違いによるものである。また、濃度の増
加に略比例して応答も増加することが確認された。

【００２７】各濃度のにおい物質の各脂質膜における応
答値をグラフ化し、それらの応答パターンを比較するた
めに、ｉをにおい物質の種類、ｊを被覆した脂質の種類
とするパターン因子Ｐ（ｉ，ｊ）を導入してパターンの
標準化を行うと、図９のようなパターンが得られる。こ
れから明らかなように、未知試料のパターンの識別を行
うことが可能である。

【００２８】センサシステムから入力された信号は、図
１０に示したように、階層的なネットワークによって高
次の表現形式に変換される。即ち、学習は次のように進
行する。入力層への入力データは、センサシステムの出
力パターン、出力層への教師信号は文字カテゴリを与え
る。つまり、「ｍｅｔｈａｎｏｌ」というにおいパター
ンを与える場合、教師信号は出力層セルの「ｍｅｔｈａ
ｎｏｌ」に対応する位置が１、その他は０となるｎ次元
データ（においの種類）となっている。学習させる場合
は、入力パターンと教師信号を繰り返しネットワークに
与える。初期の段階では出力層の出力値は「でたらめな
値」であるが、バックプロパゲーションによる誤差修正
計算を行うことによって、学習回数が進むに従って、出
力層から出力される値は次第に教師信号に近づく。その
際の画面には、各層のセル出力値が正方形の面積で示さ
れる。なお、検出されたにおい物質の括弧内のパーセン
テージは存在の確度を示すものである。

【００２９】図１１は、学習回数２００回後の出力信号
を示したものである。

【００３０】図１３は、本発明の他の実施例を示したも
ので、図１の実施例のＳＡＷデバイスの代わりにＡＴカ
ット水晶振動子２１を用いたものである。２２は水晶振
動子２１を発振子とする発振回路である。各水晶振動子
２１には前記実施例と同様の脂質膜がキャスティングに
より形成されている。各発振回路２２からの発振周波数
は、信号セレクタ２２により選択され、周波数カウンタ
２４で検出される。

【００３１】このように構成された本実施例において、
ニューラルネットワークを用いてセンサの応答パターン
からにおい物質の種類の同定を試みた。センサシステム
から入力された信号は、図１４に示すようなプロセスで
、入力パターンから文字などのシンボルへ変換（パター
ン認識）される。そして、最初は「でたらめな値」が出
力されるが、バックプロパゲーションによる誤差修正計
算を行うことによって、学習回数が進むに従い、出力層
から出力される値は次第に教師信号に近づく。

【００３２】図１５は、２５０回学習させた結果を示し
たもので、各行が一つのサンプルに対する７つの出力応
答を示している。本実施例の場合も、図１の実施例と同
様に、におい物質のパターン認識を行うことができる。

【００３３】水晶振動子の場合は、ＳＡＷデバイスに比
較して、共振周波数は低いが、Ｑ値が高く、水晶振動子
の表面上にある程度の量の感能性膜を被覆しても安定に
発振することや、また、その周波数特性や規格がほとん
ど統一されているという利点がある。

【００３４】一方、ＳＡＷデバイスの場合は、水晶振動
子に比べて小型で、高周波化が容易なため、高感度なセ
ンサを得ることができる。又、同一基板上に２個一対の
センサパターンを形成し、その一方を参照電極として利
用できるのでＳ／Ｎ比を大きく取ることができる。さら
に、半導体加工技術であるホトリソグラフィを始め、薄
膜集積化技術を応用して多種多様で、複雑なデバイスを
作製することも可能であり、かつ複数組のセンサーを一
枚のチップ上に集積することもでき、安価に大量生産す
ることができる利点を有する。

【００３５】

【発明の効果】以上説明したように、本発明によれば、
一つの揮発性有機物質に対してそれぞれ異なる感能性膜
を表面に備えたＳＡＷデバイスアレイ、あるいはマルチ
チャンネル型水晶振動子をトランスジューサとし、その
センサアレイ出力をニューラルネットワークを用いてパ
ターン認識し、におい物質の識別を行うことができる。 そして、各種食品の品質管理、発酵工程の管理、生鮮食
品の鮮度の判定、工場排気臭や排水の測定、環境モニタ
リング等に大きく貢献するものである。

【図面の簡単な説明】

【図１】本発明の一実施例のにおいセンサ装置の全体構
成図である。

【図２】同実施例のＳＡＷデバイスの構成図である。

【図３】同実施例における脂質のＬＢ膜形成装置の構成
図である。

【図４】ＬＢ膜形成方法を示す図である。

【図５】同実施例におけるにおい測定の実験装置の構成
図である。

【図６】同実験装置におけるにおい測定部の恒温セルの
詳細図である。

【図７】ニューロンユニットのモデルを示す図である。

【図８】階層型ニューラルネットワークのモデルを示す
図である。

【図９】におい物質の各脂質膜における標準化された応
答パターンを示す図である。

【図１０】学習プロセスを説明する図である。

【図１１】学習回数２００回後の出力信号を示す図であ
る。

【図１２】脂質膜ににおい物質を吸着させたときのＳＡ
Ｗデバイスの周波数変化を示す図である。

【図１３】本発明の他の実施例のにおいセンサ装置の全
体構成図である。

【図１４】同実施例における初期応答と学習後の応答を
示す図である。

【図１５】同実施例における２５０回学習させた結果を
示す図である。

【符号の説明】

１　…　ＳＡＷデバイス、　２，２３　…　信号セレク
タ、　３　…　ネットワーク／スペクトラムアナライザ
、　４…　パーソナルコンピュータ、　１０　…　ＳＡ
Ｗデバイスアレイ、　１５　…　標準ガス発生器、　１
６　…　恒温セル、２１　…　水晶振動子、　２２　…
　発振回路、　２４　…　周波数カウンタ。

Claims (2)

【特許請求の範囲】
1. 【請求項１】　　一つの揮発性有機物質に対してそれぞ
   れ異なる感能性膜を表面に備えた複数のＳＡＷデバイス
   と、該複数のＳＡＷデバイスの共振周波数を選択的に検
   出する周波数検出手段と、前記各ＳＡＷデバイスの感能
   性膜に揮発性有機物質が吸着されることによりそれぞれ
   変化する前記各ＳＡＷデバイスの共振周波数を検出した
   応答パターンを、予め用意し学習させた標準パターンを
   用いてパターン認識を行うコンピュータとからなること
   を特徴とする揮発性有機物質の測定装置。
2. 【請求項２】　　一つの揮発性有機物質に対してそれぞ
   れ異なる感能性膜を表面に備えた水晶振動子を発振子と
   する複数の発振回路と、該複数の発振回路の発振周波数
   を選択的に検出する周波数検出手段と、前記各水晶振動
   子の感能性膜に揮発性有機物質が吸着されることにより
   それぞれ変化する前記各発振回路の発振周波数を検出し
   た応答パターンを、予め用意し学習させた標準パターン
   を用いてパターン認識を行うコンピュータとからなるこ
   とを特徴とする揮発性有機物質の測定装置。