JPWO2020065991A1 - 情報処理装置、センサ動作最適化方法、およびプログラム - Google Patents
情報処理装置、センサ動作最適化方法、およびプログラム Download PDFInfo
- Publication number
- JPWO2020065991A1 JPWO2020065991A1 JP2020547856A JP2020547856A JPWO2020065991A1 JP WO2020065991 A1 JPWO2020065991 A1 JP WO2020065991A1 JP 2020547856 A JP2020547856 A JP 2020547856A JP 2020547856 A JP2020547856 A JP 2020547856A JP WO2020065991 A1 JPWO2020065991 A1 JP WO2020065991A1
- Authority
- JP
- Japan
- Prior art keywords
- sensor
- prediction formula
- output data
- odor
- length
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims description 42
- 238000005457 optimization Methods 0.000 title claims description 19
- 238000005070 sampling Methods 0.000 claims abstract description 153
- 238000010926 purge Methods 0.000 claims description 74
- 238000005259 measurement Methods 0.000 claims description 44
- 239000000356 contaminant Substances 0.000 claims description 4
- 235000019645 odor Nutrition 0.000 description 93
- 239000007789 gas Substances 0.000 description 64
- 230000006870 function Effects 0.000 description 21
- 238000012546 transfer Methods 0.000 description 19
- 238000003860 storage Methods 0.000 description 17
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000000630 rising effect Effects 0.000 description 5
- 239000011261 inert gas Substances 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
Images
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
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—Specially adapted to detect a particular component
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
- G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method, e.g. intermittent, or the display, e.g. digital
-
- G01N33/0068—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
- G01N5/02—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by absorbing or adsorbing components of a material and determining change of weight of the adsorbent, e.g. determining moisture content
Abstract
Description
対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データを取得するセンサ出力データ取得手段と、
前記サンプリング長さ別のセンサ出力データを用いて、前記対象ガスのにおい成分に関する予測を行うための予測式を生成する予測式生成手段と、
前記予測式を用いて、前記においセンサを動作させるときのサンプリング長さを決定する動作設定手段と、
を備える。
コンピュータが、
対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データを取得し、
前記サンプリング長さ別のセンサ出力データを用いて、前記対象ガスのにおい成分に関する予測を行うための予測式を生成し、
前記予測式を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
ことを含む。
<概要>
まず、図1を用いて、第1実施形態に係る情報処理装置20の概要について説明する。図1は、第1実施形態に係る情報処理装置20の概要を説明するための図である。情報処理装置20は、特定のにおい成分を検出する場合におけるセンサ10のサンプリング長さを最適化する。
図2は、第1実施形態に係る情報処理装置20の機能構成を例示する図である。図2に示されるように、本実施形態の情報処理装置20は、センサ出力データ取得部210、予測式生成部220、および動作設定部230を備える。
図3は、情報処理装置20を実現するための計算機1000を例示する図である。計算機1000は任意の計算機である。例えば計算機1000は、Personal Computer(PC)やサーバマシンなどの据え置き型の計算機である。その他にも例えば、計算機1000は、スマートフォンやタブレット端末などの可搬型の計算機である。計算機1000は、情報処理装置20を実現するために設計された専用の計算機であってもよいし、汎用の計算機であってもよい。
図4は、第1実施形態の情報処理装置20により実行される処理の流れを例示するフローチャートである。
以上、本実施形態では、まず、サンプリング長さの異なる複数の入力それぞれに対する応答としてにおいセンサから得られる、サンプリング長さ別のセンサ出力データを用いて、そのにおい成分に関する予測を行うための予測式が生成される。そして、生成された予測式を用いて、におい成分の予測に寄与する特徴量(例えば、周波数成分)が特定される。そして、当該特定された特徴量を含むセンサ10の出力を得るために適したサンプリング長さが、「においセンサを動作させるときのサンプリング長さ」として決定される。つまり、本実施形態によれば、対象ガスのにおい成分の予測に寄与する特徴量がセンサ10の出力に現れるように、においセンサの動作を最適化することができる。これにより、対象とするにおい成分について誤った予測を行う可能性を低減させる効果が期待できる。
上述したセンサ10の動作を最適化する方法は、例えば、当該センサ10を設ける現場で実行することができる。具体的には、センサ10を設ける現場に、検知対象のにおい成分を含むガス(サンプルガス)を持っていき、以下の手順でセンサ10の動作を最適化することができる。
1)センサ10を様々なサンプリング長さでサンプルガスに曝して得られる、サンプリング長さ別のセンサ出力データを、情報処理装置20に入力する。
2)情報処理装置20が、上記1)で得られたサプリング長さ別のセンサ出力データを用いて、検知対象のにおい成分に関する予測を行うための予測式を生成する。
3)情報処理装置20が、上記2)で生成された予測式を用いて、センサ10を動作させるときのサンプリング長さを決定し、センサ10に設定する。
このように、本発明によれば、センサ10を設ける現場で、そのセンサ10の動作を簡単にチューニングすることができる。
センサ10の出力は、対象ガスの成分のみならず、その測定環境(測定条件)に応じて変わる場合がある。具体的な例として、センサ10の一構成要素としてばねが存在する場合に、ばね係数が気温や湿度などによって変動することで、同一の入力に対する出力が異なる場合がある。そうすると、におい成分の特徴を含むセンサ10の出力を得るために適切なサンプリング長さは、測定環境毎に異なってくる可能性がある。本実施形態に係る情報処理装置20は、この問題を解決する構成を有する。
本実施形態に係る情報処理装置20は、以下に説明する点を除いて第2の実施形態に係る情報処理装置20と同じである。本実施形態において、予測式生成部220は、サンプリング長さ別のセンサ出力データをセンサ10の測定環境で分類し、その測定環境別のセンサ出力データを用いて、センサ10の測定環境別に予測式を生成する。予測式の生成する方法は、第1実施形態と同様である。また、動作設定部230は、センサ10の測定環境別に生成された予測式を用いて、センサ10を動作させるサンプリング長さを測定環境別に決定する。サンプリング長さを決定する方法は、第1実施形態と同様である。
以上、本実施形態では、測定環境別のセンサ出力データを用いて予測式が測定環境別に生成され、その測定環境別の予測式を用いてサンプリング長さが測定環境別に決定される。これにより、センサ10の動作を測定環境に応じて最適化することが可能となる。
本実施形態の情報処理装置20は、以下に説明する点を除き、上述の各実施形態と同様の構成を有する。
図5を用いて、第3実施形態に係る情報処理装置20の概要について説明する。図5は、第1実施形態に係る情報処理装置20の概要を説明するための図である。図5の例と図1の例とでは、入力信号12の波形が異なる。図1の例において、入力信号12のパージ長さ(信号の立ち下がり期間)は固定であったが、図5の例では、可変となっている。具体的には、図5において、L1、L2、およびL3は、それぞれ、サンプリング長さを示している。図示されるように、サンプリング長さL1、L2、およびL3は、それぞれ互いに異なる長さに設定されている。また、L4、L5、およびL6は、それぞれ、パージ長さを示している。図示されるように、パージ長さL4、L5、およびL6は、それぞれ互いに異なる長さに設定されている。図5に例示されるような入力信号12は、例えば、M系列信号を生成する論理回路などを用いて生成される。
本実施形態の情報処理装置20は、第1実施形態で例示した構成(例:図1)と同様の構成を有する。本実施形態において、センサ出力データ取得部210は、センサ10(においセンサ)のサンプリング長さおよびパージ長さの組み合わせ別にセンサ出力データを取得する。また、予測式生成部220は、サンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データを用いて機械学習を行い、対象ガスのにおい成分の予測に関する予測式を生成する。そして、動作設定部230は、生成された予測式を用いて、においセンサを動作させるときのサンプリング長さおよびパージ長さを決定する。
図6は、第3実施形態の情報処理装置20により実行される処理の流れを例示するフローチャートである。
上述したセンサ10の動作を最適化する方法は、例えば、当該センサ10を設ける現場で実行することができる。具体的には、センサ10を設ける現場に、検知対象のにおい成分を含むガス(サンプルガス)を持っていき、以下の手順でセンサ10の動作を最適化することができる。
1)センサ10を様々なサンプリング長さでサンプルガスに曝して得られる、サンプリング長さ別のセンサ出力データを、情報処理装置20に入力する。
2)情報処理装置20が、上記1)で得られたサプリング長さ別のセンサ出力データを用いて、検知対象のにおい成分に関する予測を行うための予測式を生成する。
3)情報処理装置20が、上記2)で生成された予測式を用いて、センサ10を動作させるときのサンプリング長さを決定し、センサ10に設定する。
このように、本実施形態によれば、センサ10を設ける現場で、そのセンサ10の動作を簡単にチューニングすることができる。
本実施形態に係る情報処理装置20は、以下に説明する点を除いて第1の実施形態に係る情報処理装置20と同じである。本実施形態において、予測式生成部220は、サンプリング長さ別のセンサ出力データをセンサ10の測定環境で分類し、その測定環境別のセンサ出力データを用いて、センサ10の測定環境別に予測式を生成する。予測式の生成する方法は、第1実施形態と同様である。また、動作設定部230は、センサ10の測定環境別に生成された予測式を用いて、センサ10を動作させるサンプリング長さを測定環境別に決定する。サンプリング長さを決定する方法は、第1実施形態と同様である。
図5を用いて、第3実施形態に係る情報処理装置20の概要について説明する。図5は、第3実施形態に係る情報処理装置20の概要を説明するための図である。図5の例と図1の例とでは、入力信号12の波形が異なる。図1の例において、入力信号12のパージ長さ(信号の立ち下がり期間)は固定であったが、図5の例では、可変となっている。具体的には、図5において、L1、L2、およびL3は、それぞれ、サンプリング長さを示している。図示されるように、サンプリング長さL1、L2、およびL3は、それぞれ互いに異なる長さに設定されている。また、L4、L5、およびL6は、それぞれ、パージ長さを示している。図示されるように、パージ長さL4、L5、およびL6は、それぞれ互いに異なる長さに設定されている。図5に例示されるような入力信号12は、例えば、M系列信号を生成する論理回路などを用いて生成される。
上記の実施形態の一部または全部は、以下の付記のようにも記載されうるが、以下に限られない。
1.
対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データを取得するセンサ出力データ取得手段と、
前記サンプリング長さ別のセンサ出力データを用いて、前記対象ガスのにおい成分に関する予測を行うための予測式を生成する予測式生成手段と、
前記予測式を用いて、前記においセンサを動作させるときのサンプリング長さを決定する動作設定手段と、
を備える情報処理装置。
2.
前記予測式生成手段は、
前記サンプリング長さ別のセンサ出力データを、それぞれ、周波数領域の特徴データに変換し、
前記周波数領域の特徴データを用いて、前記予測式を生成する、
1.に記載の情報処理装置。
3.
前記予測式は周波数別の重み係数を有しており、
前記動作設定手段は、前記周波数別の重み係数を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
2.に記載の情報処理装置。
4.
前記予測式生成手段は、前記においセンサの測定環境に基づいて分類される、測定環境別の前記センサ出力データを用いて、前記予測式を前記においセンサの測定環境別に生成し、
前記動作設定手段は、前記においセンサの測定環境別に生成された前記予測式の重みを用いて、前記サンプリング長さを前記測定環境別に決定する、
1.から3.のいずれか1つに記載の情報処理装置。
5.
前記測定環境は、温度、湿度、気圧、夾雑ガスの種類、パージガスの種類、対象物と前記においセンサとの距離、前記においセンサの周囲に存在する物体のうち少なくともいずれかを含む、
4.に記載の情報処理装置。
6.
前記センサ出力データ取得手段は、前記においセンサのサンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データを取得し、
前記予測式生成手段は、前記組み合わせ別のセンサ出力データを用いて前記予測式を生成し、
前記動作設定手段は、前記予測式を用いて、前記サンプリング長さおよび前記パージ長さを決定する、
1.から5.のいずれか1つに記載の情報処理装置。
7.
コンピュータが、
対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データを取得し、
前記サンプリング長さ別のセンサ出力データを用いて、前記対象ガスのにおい成分に関する予測を行うための予測式を生成し、
前記予測式を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
ことを含むセンサ動作最適化方法。
8.
前記コンピュータが、
前記サンプリング長さ別のセンサ出力データを、それぞれ、周波数領域の特徴データに変換し、
前記周波数領域の特徴データを用いて、前記予測式を生成する、
ことを含む7.に記載のセンサ動作最適化方法。
9.
前記予測式は周波数別の重み係数を有しており、
前記コンピュータが、
前記周波数別の重み係数を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
ことを含む8.に記載のセンサ動作最適化方法。
10.
前記コンピュータが、
前記においセンサの測定環境に基づいて分類される、測定環境別の前記センサ出力データを用いて、前記予測式を前記においセンサの測定環境別に生成し、
前記においセンサの測定環境別に生成された前記予測式の重みを用いて、前記サンプリング長さを前記測定環境別に決定する、
ことを含む7.から9.のいずれか1つに記載のセンサ動作最適化方法。
11.
前記測定環境は、温度、湿度、気圧、雰囲気ガスの種類、パージガスの種類、対象物と前記においセンサとの距離、前記においセンサの周囲に存在する物体のうち少なくともいずれかを含む、
10.に記載のセンサ動作最適化方法。
12.
前記コンピュータが、
前記においセンサのサンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データを取得し、
前記組み合わせ別のセンサ出力データを用いて前記予測式を生成し、
前記予測式を用いて、前記サンプリング長さおよび前記パージ長さを決定する、
ことを含む7.から11.のいずれか1つに記載のセンサ動作最適化方法。
13.
コンピュータに、7.から12.のいずれか1つに記載のセンサ動作最適化方法を実行させるプログラム。
Claims (13)
- 対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データを取得するセンサ出力データ取得手段と、
前記サンプリング長さ別のセンサ出力データを用いて、前記対象ガスのにおい成分に関する予測を行うための予測式を生成する予測式生成手段と、
前記予測式を用いて、前記においセンサを動作させるときのサンプリング長さを決定する動作設定手段と、
を備える情報処理装置。 - 前記予測式生成手段は、
前記サンプリング長さ別のセンサ出力データを、それぞれ、周波数領域の特徴データに変換し、
前記周波数領域の特徴データを用いて、前記予測式を生成する、
請求項1に記載の情報処理装置。 - 前記予測式は周波数別の重み係数を有しており、
前記動作設定手段は、前記周波数別の重み係数を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
請求項2に記載の情報処理装置。 - 前記予測式生成手段は、前記においセンサの測定環境に基づいて分類される、測定環境別の前記センサ出力データを用いて、前記予測式を前記においセンサの測定環境別に生成し、
前記動作設定手段は、前記においセンサの測定環境別に生成された前記予測式の重みを用いて、前記サンプリング長さを前記測定環境別に決定する、
請求項1から3のいずれか1項に記載の情報処理装置。 - 前記測定環境は、温度、湿度、気圧、夾雑ガスの種類、パージガスの種類、対象物と前記においセンサとの距離、前記においセンサの周囲に存在する物体のうち少なくともいずれかを含む、
請求項4に記載の情報処理装置。 - 前記センサ出力データ取得手段は、前記においセンサのサンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データを取得し、
前記予測式生成手段は、前記組み合わせ別のセンサ出力データを用いて前記予測式を生成し、
前記動作設定手段は、前記予測式を用いて、前記サンプリング長さおよび前記パージ長さを決定する、
請求項1から5のいずれか1項に記載の情報処理装置。 - コンピュータが、
対象ガスに対する、においセンサのサンプリング長さ別のセンサ出力データを取得し、
前記サンプリング長さ別のセンサ出力データを用いて、前記対象ガスのにおい成分に関する予測を行うための予測式を生成し、
前記予測式を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
ことを含むセンサ動作最適化方法。 - 前記コンピュータが、
前記サンプリング長さ別のセンサ出力データを、それぞれ、周波数領域の特徴データに変換し、
前記周波数領域の特徴データを用いて、前記予測式を生成する、
ことを含む請求項7に記載のセンサ動作最適化方法。 - 前記予測式は周波数別の重み係数を有しており、
前記コンピュータが、
前記周波数別の重み係数を用いて、前記においセンサを動作させるときのサンプリング長さを決定する、
ことを含む請求項8に記載のセンサ動作最適化方法。 - 前記コンピュータが、
前記においセンサの測定環境に基づいて分類される、測定環境別の前記センサ出力データを用いて、前記予測式を前記においセンサの測定環境別に生成し、
前記においセンサの測定環境別に生成された前記予測式の重みを用いて、前記サンプリング長さを前記測定環境別に決定する、
ことを含む請求項7から9のいずれか1項に記載のセンサ動作最適化方法。 - 前記測定環境は、温度、湿度、気圧、雰囲気ガスの種類、パージガスの種類、対象物と前記においセンサとの距離、前記においセンサの周囲に存在する物体のうち少なくともいずれかを含む、
請求項10に記載のセンサ動作最適化方法。 - 前記コンピュータが、
前記においセンサのサンプリング長さおよびパージ長さの組み合わせ別のセンサ出力データを取得し、
前記組み合わせ別のセンサ出力データを用いて前記予測式を生成し、
前記予測式を用いて、前記サンプリング長さおよび前記パージ長さを決定する、
ことを含む請求項7から11のいずれか1項に記載のセンサ動作最適化方法。 - コンピュータに、請求項7から12のいずれか1項に記載のセンサ動作最適化方法を実行させるプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/036505 WO2020065991A1 (ja) | 2018-09-28 | 2018-09-28 | 情報処理装置、センサ動作最適化方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020065991A1 true JPWO2020065991A1 (ja) | 2021-08-30 |
JP7006799B2 JP7006799B2 (ja) | 2022-02-10 |
Family
ID=69952989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020547856A Active JP7006799B2 (ja) | 2018-09-28 | 2018-09-28 | 情報処理装置、センサ動作最適化方法、およびプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11789001B2 (ja) |
JP (1) | JP7006799B2 (ja) |
WO (1) | WO2020065991A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220221435A1 (en) * | 2019-05-27 | 2022-07-14 | Nanoscent Ltd. | Method and device for identifying volatile compounds |
WO2024090156A1 (ja) * | 2022-10-28 | 2024-05-02 | パナソニックIpマネジメント株式会社 | 匂い識別方法及び匂い識別システム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06102217A (ja) * | 1992-09-17 | 1994-04-15 | Nok Corp | ガス識別方法とガス識別装置 |
JPH11142313A (ja) * | 1997-11-05 | 1999-05-28 | Ntt Data Corp | 物質濃度の定量化方法、物質濃度検出装置および記録媒体 |
JP2000155107A (ja) * | 1998-11-20 | 2000-06-06 | Shimadzu Corp | ガス測定装置 |
JP2001175970A (ja) * | 1999-12-17 | 2001-06-29 | Yazaki Corp | ガス検出装置及びガス検出方法 |
WO2016052049A1 (ja) * | 2014-10-02 | 2016-04-07 | シャープ株式会社 | 信号処理装置、信号処理方法およびコンピュータプログラム |
JP2018087722A (ja) * | 2016-11-28 | 2018-06-07 | 国立研究開発法人物質・材料研究機構 | 化学センサ測定による試料識別方法、試料識別装置、及び入力パラメータ推定方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04238243A (ja) | 1991-01-21 | 1992-08-26 | Masao Karube | 揮発性有機物質の測定装置 |
JP6102217B2 (ja) | 2011-12-15 | 2017-03-29 | 大日本印刷株式会社 | 配送用シール |
CN108537336B (zh) * | 2018-03-26 | 2021-07-20 | 上海电力学院 | 一种基于深度神经网络的空气质量预测方法 |
US11668677B2 (en) * | 2019-04-23 | 2023-06-06 | Pall Corporation | Aircraft air contaminant analyzer and method of use |
-
2018
- 2018-09-28 WO PCT/JP2018/036505 patent/WO2020065991A1/ja active Application Filing
- 2018-09-28 US US17/280,439 patent/US11789001B2/en active Active
- 2018-09-28 JP JP2020547856A patent/JP7006799B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06102217A (ja) * | 1992-09-17 | 1994-04-15 | Nok Corp | ガス識別方法とガス識別装置 |
JPH11142313A (ja) * | 1997-11-05 | 1999-05-28 | Ntt Data Corp | 物質濃度の定量化方法、物質濃度検出装置および記録媒体 |
JP2000155107A (ja) * | 1998-11-20 | 2000-06-06 | Shimadzu Corp | ガス測定装置 |
JP2001175970A (ja) * | 1999-12-17 | 2001-06-29 | Yazaki Corp | ガス検出装置及びガス検出方法 |
WO2016052049A1 (ja) * | 2014-10-02 | 2016-04-07 | シャープ株式会社 | 信号処理装置、信号処理方法およびコンピュータプログラム |
JP2018087722A (ja) * | 2016-11-28 | 2018-06-07 | 国立研究開発法人物質・材料研究機構 | 化学センサ測定による試料識別方法、試料識別装置、及び入力パラメータ推定方法 |
Also Published As
Publication number | Publication date |
---|---|
US20220003732A1 (en) | 2022-01-06 |
WO2020065991A1 (ja) | 2020-04-02 |
US11789001B2 (en) | 2023-10-17 |
JP7006799B2 (ja) | 2022-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3575892B1 (en) | Model parameter value estimation device and estimation method, program, recording medium with program recorded thereto, and model parameter value estimation system | |
JP5116307B2 (ja) | 集積回路装置異常検出装置、方法およびプログラム | |
JP6253860B1 (ja) | 品質管理装置、品質管理方法及び品質管理プログラム | |
JP5005814B2 (ja) | バッテリーの長期特性予測システム及び方法 | |
JP5313250B2 (ja) | バッテリーの長期特性予測システム及び方法 | |
JP7063389B2 (ja) | 処理装置、処理方法、およびプログラム | |
WO2015136586A1 (ja) | 要因分析装置、要因分析方法および要因分析プログラム | |
JP7006799B2 (ja) | 情報処理装置、センサ動作最適化方法、およびプログラム | |
JP3901137B2 (ja) | におい識別装置 | |
JP2019036061A (ja) | 要因分析装置、要因分析方法、およびプログラム | |
KR20190060548A (ko) | 변수 구간별 불량 발생 지수를 도출하여 공정 불량 원인을 파악하고 시각화하는 방법 | |
JP7140191B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
JP7127697B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
WO2019026193A1 (ja) | 情報処理装置、情報処理システム、情報処理方法、及び、記録媒体 | |
JP7056747B2 (ja) | 情報処理装置、処理装置、情報処理方法、処理方法、決定方法、およびプログラム | |
US20220044151A1 (en) | Apparatus and method for electronic determination of system data integrity | |
JP7099623B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2018189638A (ja) | 近赤外分光法及び機械学習技術による、製造工程におけるエンドポイント検出 | |
JP7143895B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP7074194B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
US20220044152A1 (en) | Signal selection device, learning device, and signal selection method and program | |
CN117373917B (zh) | 一种半导体器件加工方法、系统及电子设备 | |
CN114418270B (zh) | 一种食品检测的样品智能化筛查方法及系统 | |
JPWO2020065889A1 (ja) | 情報処理装置、伝達関数生成方法、およびプログラム | |
JP2015220379A (ja) | 集積回路デバイスの潜在不良検査装置、方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210324 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210324 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211220 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7006799 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |