WO2020116727A1 - 자외선 차단지수 산출 장치, 자외선 차단지수 산출 방법 - Google Patents

자외선 차단지수 산출 장치, 자외선 차단지수 산출 방법 Download PDF

Info

Publication number
WO2020116727A1
WO2020116727A1 PCT/KR2019/005894 KR2019005894W WO2020116727A1 WO 2020116727 A1 WO2020116727 A1 WO 2020116727A1 KR 2019005894 W KR2019005894 W KR 2019005894W WO 2020116727 A1 WO2020116727 A1 WO 2020116727A1
Authority
WO
WIPO (PCT)
Prior art keywords
decision tree
index
information
calculating
cosmetic
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.)
Ceased
Application number
PCT/KR2019/005894
Other languages
English (en)
French (fr)
Inventor
심지용
박선규
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.)
LG H&H Co Ltd
Original Assignee
LG Household and Health Care Ltd
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 LG Household and Health Care Ltd filed Critical LG Household and Health Care Ltd
Priority to US17/299,485 priority Critical patent/US20220067031A1/en
Publication of WO2020116727A1 publication Critical patent/WO2020116727A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2379—Updates performed during online database operations; commit processing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J1/00—Photometry, e.g. photographic exposure meter
    • G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J1/00—Photometry, e.g. photographic exposure meter
    • G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
    • G01J1/429—Photometry, e.g. photographic exposure meter using electric radiation detectors applied to measurement of ultraviolet light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]

Definitions

  • the present invention relates to a sunscreen index calculation device and a sunscreen index calculation method, and more particularly, to a sunscreen index calculation device and a sunscreen index calculation method for automatically calculating the sunscreen index of cosmetics.
  • UVR Ultraviolet ray
  • Ultraviolet rays are classified into ultraviolet rays A, ultraviolet rays B, and ultraviolet rays C according to the wavelength band, and ultraviolet rays A are ultraviolet rays having a wavelength of 320 to 400 nm, which are the main causes of aging and wrinkles on the skin, and ultraviolet rays B are ultraviolet rays having a wavelength of 290 to 320 nm. It is known to cause skin aging, skin cancer, cataracts, etc., and UV C is a UV having a wavelength of 200 to 290 nm, which has a high probability of causing skin cancer, but is rarely filtered by the atmospheric layer and reaches the Earth.
  • the sun protection index is an index for objectively indicating the sun protection effect, and includes SPF and PFA (PA).
  • SPF Sun Protection Factor
  • SPF is a value obtained by dividing the minimum erythema amount obtained by applying the sunscreen product by the minimum erythema amount obtained without applying the sunscreen product, and is generally expressed as a specific value.
  • PFA Photoprotection Factor A and means the blocking effect of UV A.
  • PFA is the value obtained by dividing the minimum sustained immediate blackening amount obtained by applying the sunscreen product to the minimum sustained instantaneous blackening amount obtained without applying the sunscreen product.
  • PFA is generally represented by PA+, PA++, etc., and means that the blocking effect is doubled each time the number of + symbols increases.
  • UV blocking indexes of conventional SPF, PFA, and the like are calculated through measurement experiments.
  • the UV light since the UV light must be applied to the experimenter for a certain period of time during the measurement experiment, there are problems such as adversely affecting the experimenter and taking a lot of time for the experiment.
  • the present invention is to provide an apparatus for calculating an ultraviolet ray blocking index and a method for calculating an ultraviolet ray blocking index, which calculates an ultraviolet ray index according to information of cosmetics, without going through a measurement experiment.
  • the present invention is to provide a sunscreen index calculation device and a sunscreen index calculation method for calculating a sunscreen index based on a database for previously manufactured cosmetics.
  • the method for calculating the UV blocking index of the apparatus for calculating the UV blocking index includes storing a database including a plurality of cosmetics and a UV blocking index corresponding to each of the plurality of cosmetics, based on the database, and a plurality of cosmetics Generating a decision tree with the cosmetic raw material included in the explanatory variable and the UV blocking index as a dependent variable, receiving the information input of the cosmetic, and outputting the UV blocking index of the cosmetic information input according to the decision tree It may include the steps.
  • the step of generating a decision tree may include generating a decision tree when the explanatory variable further includes at least one sub-information in addition to the cosmetic raw material.
  • the sub information may further include at least one of a skin type, a minimum erythema amount, whether a pigment is included, a pigment grade TiO2 concentration, a formulation property, and a product type.
  • Receiving a decision tree update command when receiving a decision tree update command, updating the database by storing the sunscreen index calculated according to the cosmetic information and cosmetic information in the database, and based on the updated database Regenerating the decision tree may further include.
  • the apparatus for calculating the sunscreen index is based on a memory, a database storing an input unit for receiving information input of cosmetics, a database including a plurality of cosmetics and a sunscreen index corresponding to each of the plurality of cosmetics,
  • the cosmetic ingredient included in a plurality of cosmetics is a descriptive variable
  • a decision tree generation unit for generating a decision tree having a UV blocking index as a dependent variable, and a UV blocking index of cosmetics input through the input unit according to the decision tree. It may include a control unit having a UV protection index calculation unit for calculating, and an output unit for outputting the UV protection index calculated through the decision tree.
  • the controller may generate a decision tree by setting the cosmetic raw material and at least one sub-information as further explanatory variables.
  • the sub information may further include at least one of a skin type, a minimum erythema amount, whether a pigment is included, a pigment grade TiO2 concentration, a formulation property, and a product type.
  • the output unit may output SPF (Sun Protection Factor) or PFA (Photoprotection Factor A) calculated according to the decision tree.
  • control unit may update the image database by storing the information of the cosmetics and the UV protection index calculated according to the received cosmetic information in the database, and regenerate the decision tree based on the updated database. have.
  • the UV blocking index is calculated according to the previously generated decision tree, so a separate experiment for measuring the UV blocking index is unnecessary, thereby reducing the time required for measurement and It has the advantage of reducing the measurement cost.
  • the UV blocking index is calculated according to a decision tree that takes sub-information such as skin type, minimum erythema amount as well as cosmetic raw materials, it has an advantage of improving prediction accuracy. That is, the prediction accuracy of the UV blocking index according to the decision tree using only cosmetic raw materials and sub information as a variable has a higher advantage than the prediction accuracy of the UV blocking index according to the decision tree using only cosmetic raw materials as a variable.
  • FIG. 1 is a control block diagram of an apparatus for calculating a UV protection index according to an embodiment of the present invention.
  • FIG. 2 is a flowchart illustrating a method of calculating an ultraviolet ray blocking index of an apparatus for calculating an ultraviolet ray blocking index according to an embodiment of the present invention.
  • FIG. 3 is a flowchart illustrating a method of generating a decision tree by the apparatus for calculating the UV blocking index according to an embodiment of the present invention.
  • FIG 4 is an exemplary view of an SPF calculation decision tree generated by the UV blocking index calculation device according to the first embodiment of the present invention.
  • 5 is a graph showing the predicted rate of SPF calculating decision tree generated according to the second embodiment of the present invention.
  • FIG. 6 is an exemplary view of an SPF calculation decision tree generated by an apparatus for calculating an UV blocking index according to a second embodiment of the present invention.
  • FIG. 7 is a graph showing the predicted rate of SPF calculation decision trees generated according to the second embodiment of the present invention.
  • FIG. 8 is an exemplary view of an SPF calculation decision tree generated by a UV blocking index calculation device according to a third embodiment of the present invention.
  • FIG. 9 is a graph showing a predicted rate of SPF-calculated decision trees generated by an apparatus for calculating an UV blocking index according to a third embodiment of the present invention.
  • FIG. 10 is an exemplary view of an SPF calculation decision tree generated by a UV blocking index calculation device according to a fourth embodiment of the present invention.
  • FIG. 11 is a graph showing the predicted rate of SPF-calculated decision trees generated by the UV blocking index calculating device according to the fourth embodiment of the present invention.
  • FIG. 12 is an exemplary view of an SPF calculation decision tree generated by a UV blocking index calculation device according to a fifth embodiment of the present invention.
  • FIG. 13 is a graph showing a prediction rate of an SPF-calculated decision tree generated by the apparatus for calculating an UV blocking index according to a fifth embodiment of the present invention.
  • FIG. 14 is an exemplary view of an SPF calculation decision tree generated by a UV blocking index calculation device according to a sixth embodiment of the present invention.
  • 15 is a graph showing a predicted rate of SPF-calculated decision trees generated by a UV blocking index calculating device according to a sixth embodiment of the present invention.
  • 16 is an exemplary view of an SPF calculation decision tree generated by the UV blocking index calculation device according to the seventh embodiment of the present invention.
  • 17 is a graph showing a prediction rate of an SPF-calculated decision tree generated by a UV blocking index calculation device according to a seventh embodiment of the present invention.
  • FIG. 18 is an exemplary diagram of a decision tree for calculating PFA generated by an apparatus for calculating an ultraviolet ray index according to a first embodiment of the present invention.
  • 19 is a graph showing a prediction rate of a PFA-calculating decision tree generated by an apparatus for calculating an UV blocking index according to a first embodiment of the present invention.
  • 20 is an exemplary view of a decision tree for calculating PFA generated by an apparatus for calculating an UV blocking index according to a second embodiment of the present invention.
  • 21 is a graph showing a predicted rate of a PFA-calculating decision tree generated by a UV blocking index calculating device according to a second embodiment of the present invention.
  • FIG. 22 is an exemplary diagram of a decision tree for calculating PFA generated by a UV blocking index calculating device according to a third embodiment of the present invention.
  • FIG. 23 is a graph showing a predicted rate of a PFA-calculating decision tree generated by a UV blocking index calculating device according to a third embodiment of the present invention.
  • FIG. 24 is an exemplary diagram of a decision tree for calculating PFA generated by the apparatus for calculating the UV blocking index according to the fourth embodiment of the present invention.
  • 25 is a graph showing a prediction rate of a PFA-calculating decision tree generated by an apparatus for calculating a UV blocking index according to a fourth embodiment of the present invention.
  • 26 is an exemplary view of a decision tree for calculating PFA generated by an apparatus for calculating an ultraviolet ray index according to a fifth embodiment of the present invention.
  • FIG. 27 is a graph showing a prediction rate of a PFA-calculating decision tree generated by a UV blocking index calculating device according to a fifth embodiment of the present invention.
  • FIG. 28 is an exemplary diagram of a decision tree for calculating PFA generated by the apparatus for calculating an ultraviolet ray index according to a sixth embodiment of the present invention.
  • 29 is a graph showing a prediction rate of a PFA-calculating decision tree generated by an apparatus for calculating an UV blocking index according to a sixth embodiment of the present invention.
  • FIG. 30 is an exemplary view of a decision tree for calculating PFA generated by a UV blocking index calculating device according to a seventh embodiment of the present invention.
  • FIG. 31 is a graph showing a predicted rate of a PFA-calculating decision tree generated by a UV blocking index calculating device according to a seventh embodiment of the present invention.
  • 32 is an exemplary view showing a method of outputting a UV protection index by an apparatus for calculating an UV protection index according to an embodiment of the present invention.
  • FIG. 1 is a control block diagram of an apparatus for calculating a UV protection index according to an embodiment of the present invention.
  • the UV blocking index calculating apparatus 10 may include at least a part or all of the memory 11, the input unit 13, the output unit 14, and the control unit 15, and the control unit 15 ) May include a decision tree generation unit 16 and a UV blocking index calculation unit 17.
  • the memory 11 may store cosmetic information, UV protection index information, a decision tree generation algorithm, and generated decision tree information.
  • the cosmetic information may include cosmetic raw material information for each of a plurality of pre-made cosmetics.
  • the memory 11 may map and store UV blocking index (eg, SPF, PA, etc.) information on each cosmetic product including cosmetic raw material information (eg, type, content, manufacturer, product name, etc.) of the cosmetic material.
  • the memory 11 may include first data that maps cosmetic raw material information and UV protection index for the first cosmetic product, second data and third cosmetic product that maps cosmetic raw material information and UV protection index for the second cosmetic product. It is possible to store cosmetic raw material information and third data mapping UV blocking index.
  • the present invention can provide an apparatus for calculating a sunscreen index and a method for calculating a sunscreen index by using cosmetic raw material information and sunblock index information for each of a plurality of pre-made cosmetics.
  • the memory 11 may store a database as shown in Table 1.
  • Table 1 is an example of a plurality of cosmetic information stored in the memory 11 and UV protection index (eg, SPF, PA, etc.) information for each of the cosmetic information.
  • UV protection index eg, SPF, PA, etc.
  • the cosmetic information may further include sub information in addition to cosmetic raw material information for each of a plurality of pre-made cosmetics.
  • the memory 11 may store and store information on UV blocking indexes (eg, SPF, PA, etc.) on cosmetic raw material information and at least one sub-information.
  • the sub-information refers to information on ancillary factors influencing the determination of the sunscreen index of cosmetics.
  • the sub-information is skin type, minimum erythema (MED), and pigment presence. ), pigment grade TiO 2 (pigment grade TiO 2 ) content, product formulation, product type, and the like.
  • the skin type may mean the skin type of the test subject in the experiment of measuring the UV blocking index of cosmetics.
  • Skin types can be classified according to Fitzpatrick's skin type, in which case the skin type is easily burned but without pigmentation type 1 and easily burned and slightly pigmented. Type 3, which causes gradual pigmentation with severe burns, Type 4, which causes slight burns but always causes pigmentation, and Type 5, which causes almost no burns and severe pigmentation And, it may be type 6 with no pigmentation and no pigmentation.
  • the memory 11 is a sub-information about the skin type, the first skin type (always easily (very badly) red, hardly black), and the second skin type (easy (severe) red, slightly black) Information), the third skin type (usually reddens, and darkens to medium) and the fourth skin type (not reddens easily, darkens easily).
  • the minimum erythema amount may mean the minimum erythema amount of the test subject in the experiment of measuring the UV blocking index of the cosmetic product.
  • the minimum erythema amount may mean a minimum ultraviolet dose capable of exhibiting erythema in all areas of the irradiated region within 16 to 24 hours after irradiating ultraviolet B to human skin.
  • the minimum erythema amount may include numerical information such as 29.2 or 36.7.
  • the memory 11 may further store sub information indicating the minimum erythema amount for each cosmetic product.
  • Whether or not the pigment is included means that the cosmetic product contains a pigment, for example, whether or not the pigment is included may include information such as yes (included) or no (not included).
  • the memory 11 may further store sub-information indicating whether or not a pigment is included for each cosmetic product.
  • Pigment grade TiO 2 content to mean the amount of pigment grade TiO 2 contained in cosmetics, for example, it may comprise content information, such as 0.15, 2.25.
  • the memory 11 may further store sub-information indicating the pigment-grade TiO 2 content for each cosmetic product.
  • Formulation properties indicate the state in which the product was made, and include, for example, water-in-oil (W/O), oil-in-water (O/W), and water-in-silicone oil (W/S). can do.
  • the memory 11 may further store sub information indicating formulation properties for each cosmetic product.
  • the product type indicates the shape of the product, and may include, for example, cream, lotion, oil, powder, and the like.
  • the memory 11 may further store sub information indicating a product type for each cosmetic product.
  • the memory 11 may store a database as shown in Table 2.
  • Table 2 is an example of cosmetic raw material information, skin type information, and UV protection index information for each of a plurality of cosmetics stored in the memory 11.
  • Table 2 only the skin type is described as the sub-information, but this is only an example, and may further include at least one of the above-described sub-information.
  • the input unit 13 may receive input of cosmetic information or input of a UV protection index.
  • the input unit 13 may include a physical key button or may be formed in a touch screen form capable of touch input.
  • the input unit 13 may further include a communication module (not shown) for receiving cosmetic information or a sensing module (not shown) for sensing cosmetics.
  • the input unit 13 may directly receive cosmetic raw material information, additional information, or UV protection index information for each cosmetic product from the user. In this case, the user can input cosmetic information through the input unit 13.
  • the user may input cosmetic information through the input unit 13 to generate an initial model of the decision tree, perform verification of the decision tree, update the decision tree, or calculate the UV protection index.
  • the input unit 13 may receive cosmetic raw material information, additional information, or UV protection index information for each cosmetic product from a server or a mobile terminal through a communication module. In this case, the input unit 13 may receive cosmetic information from the outside.
  • the input unit 13 may acquire at least one cosmetic raw material included in cosmetics by sensing cosmetics through a sensing module, obtain sub-information, and receive UV protection index information for the detected cosmetics directly from a user. have.
  • the input unit 13 may receive information of a cosmetic product that is a target for calculating the UV protection index. That is, the input unit 13 may detect the target cosmetic that is the target of calculating the UV protection index, and obtain information (eg, the type and content of cosmetic raw materials included in the cosmetic) of the target cosmetic, and the control unit ( 15) can calculate the UV protection index based on the information of the target cosmetic.
  • the control unit 15 generates a decision tree based on the cosmetic information input through the input unit 13, or through the input unit 13
  • the sunscreen index can be determined by sensing the information-inputted cosmetics.
  • the output unit 14 may output the UV protection index by analyzing the cosmetics based on the decision tree.
  • the output unit 14 may include a display module that visually displays the UV protection index, or may include a speaker that acoustically displays the UV protection index. Also, the output unit 14 may include a communication module that transmits the UV blocking index to a server or a mobile terminal.
  • the control unit 15 may control the operation of the UV blocking index calculation device.
  • the control unit 15 may control each of the memory 11, the input unit 13 and the output unit 14.
  • control unit 15 may generate a decision tree through the decision tree generation unit 16, and may calculate the sun protection index through the UV protection index calculation unit 17.
  • the memory 11 may store a cosmetic sunscreen index database including a plurality of pre-made cosmetics and a sunscreen index corresponding to each of the plurality of cosmetics.
  • the controller 15 may generate an initial model of a UV blocking index decision tree (hereinafter referred to as a'decision tree') based on the stored database.
  • the decision tree generation unit 16 may generate a decision tree for determining the UV blocking index according to the cosmetic information based on the data stored in the memory 11.
  • the decision tree generation unit 16 may generate a decision tree that classifies the UV blocking index according to the cosmetic raw material.
  • the decision tree generation unit 16 may generate a decision tree that classifies the UV blocking index according to the cosmetic raw material and at least one sub information.
  • the UV protection index calculation unit 17 is generated through the decision tree generation unit 16. It can be controlled to determine the UV blocking index of additional input cosmetics based on a decision tree.
  • the controller 15 may add the information of the additionally input cosmetics and the corresponding UV blocking index to the database stored in the memory 11.
  • control unit 15 determines the UV protection index according to the information of the additionally input cosmetics whenever the information of the cosmetics is input, and stores the determined UV protection index information in the memory 11 to accumulate the cosmetics UV protection index database And update the decision tree of the initial model based on the updated database.
  • the controller 15 may repeat the process of updating the cosmetic sunscreen index database, calculating the sunscreen index upon additional input of cosmetic information, and updating the decision tree.
  • the accuracy of calculating the UV protection index may be improved.
  • FIG. 2 is a flowchart illustrating a method of calculating an ultraviolet ray blocking index of an apparatus for calculating an ultraviolet ray blocking index according to an embodiment of the present invention.
  • the memory 11 of the sun protection index calculation device 10 may store a database including cosmetics information and a sun protection index corresponding to cosmetics (S11).
  • the memory 11 may update the database by receiving additional cosmetic information and a UV protection index corresponding to the cosmetic according to a user's request in a database that has already been input.
  • controller 15 may further perform verification of additional data when updating the database
  • the controller 15 receives the additional UV blocking index calculated by applying only the additional cosmetic information to the parasitic decision tree.
  • the difference in values may be compared, and when the difference in value is greater than a preset reference value, a message requiring verification may be output. That is, the control unit 15 may allow the user to verify that the additionally inputted information is correct, so that the reliability of the decision tree renewed by the additionally entered additional data can be maintained.
  • control unit 15 may exclude the incorrectly entered value from the cosmetic information pre-stored in the memory and the UV protection index corresponding to the cosmetic product by a user's request.
  • the user's request may be received through the input unit 13.
  • the cosmetic information may include cosmetic raw material information and skin type, minimum erythema amount (MED), pigment inclusion, pigment grade TiO 2 content, formulation properties, product type, etc. for each of the aforementioned cosmetics.
  • MED minimum erythema amount
  • the memory 11 may store a database including UV protection index information for each cosmetic product having cosmetic information. Since the database is the same as described above, detailed description will be omitted.
  • the controller 15 may generate a decision tree based on the database (S13).
  • the control unit 15 may generate a decision tree by analyzing cosmetic information stored in the memory 11 and UV protection index information through the decision tree generation unit 16.
  • FIG. 3 is a flowchart illustrating a method of generating a decision tree by the apparatus for calculating the UV blocking index according to an embodiment of the present invention.
  • FIG. 3 may be a flowchart embodying step S13 for generating the decision tree of FIG. 2.
  • the decision tree generating unit 16 is composed of a root node, at least one intermediate node, and at least one terminal node. Decision trees that contain classification criteria and end nodes can include a sun protection index.
  • the decision tree generator 16 may set cosmetic information as an explanatory variable and set the UV blocking index as a dependent variable (S21).
  • the decision tree generating unit 16 may set the cosmetic information as an explanatory variable, set the UV protection index as a dependent variable, and then determine the root node, the middle node, and the end node in the direction of increasing purity (S23). .
  • the decision tree generation unit 16 may determine the root node, the middle node, and the end node in the direction in which the purity (purity, homogeneity) increases according to the recursive partitioning method.
  • the decision tree generation unit 16 sorts the cosmetic sunscreen index database stored in the memory 11 in ascending order according to the content of a specific cosmetic raw material, and assumes the point between the sorted data values as a branch to calculate the Gini coefficient before branching.
  • the (Gini index) and the Gini coefficient after branching can be calculated, and information gain can be investigated by calculating the difference between the Gini coefficient before branching and the Gini coefficient after branching. Acquiring information may mean the difference between the Gini coefficient before and after the quarter.
  • the decision tree generation unit 16 calculates entropy before branching and entropy after branching instead of Gini coefficient before branching and Gini coefficient after branching, and calculates the difference between entropy before branching and entropy after branching. Information acquisition can be investigated.
  • the decision tree generation unit 16 may investigate information acquisition by calculating various reference values representing uncertainties such as p-values of a chi-square statistic in addition to the Gini coefficient and entropy.
  • the decision tree generation unit 16 may determine the root node, the middle node, or the end node based on the branch point having the largest information acquisition.
  • the control unit 15 determines the root node as the first branch point, determines the end node as the branch point having a purity of 100%, and determines the middle node as the other branch point that does not correspond to the root node and the end node. Can be.
  • the decision tree generation unit 16 calculates the uncertainty before branch (eg, Gini coefficient or entropy) and the uncertainty after branch for the number of N1 ⁇ N2 cases when the number of data is N1 and the number of variables is N2. Therefore, the root node, the middle node, and the end node can be determined by examining information acquisition.
  • the uncertainty before branch eg, Gini coefficient or entropy
  • the decision tree generation unit 16 may combine the end nodes by pruning (S25).
  • the decision tree generation unit 16 may determine the root node, the middle node, and the end node so that the purity of all the end nodes is 100%, and then combine the end nodes so that overfitting is minimized. It is common for the misclassification rate to decrease when adding new data as the branching point increases, but when the branching point exceeds a certain number, a misclassification rate may increase when adding new data, which is not suitable. It can be said. Accordingly, the decision tree generation unit 16 may perform pruning that combines at least two or more end nodes when the branch point exceeds a predetermined number. The controller 15 may perform pruning according to Equation 1 below.
  • CC(T) is the cost complexity of the decision tree (the smaller the smaller the number of nodes with fewer errors, the smaller the value)
  • Err(T) is the misclassification rate for the verification data
  • L(T) Is the number of end nodes
  • ⁇ may mean a weight combining Err(T) and L(T), and may be a value ranging from 0.01 to 0.01.
  • the decision tree generation unit 16 may combine the end nodes and then perform feasibility evaluation (S27).
  • the decision tree generation unit 16 may perform a feasibility assessment through cross validation by at least one of a gain chart, a risk chart, and a cost chart.
  • the decision tree generation unit 16 divides data into k data based on at least one of a gain chart, a risk chart, and a cost chart, and the divided k Among data, k-1 data can be used as training data, and one data can be used as test data.
  • the control unit 15 may evaluate the validity of the decision tree generated through steps S21, S23, and S25 while changing training data and test data.
  • the decision tree generation unit 16 may construct a decision tree by analyzing the analysis results of the decision tree after the validity evaluation (S29).
  • FIG. 4 is an exemplary view of an SPF calculation decision tree generated by the apparatus for calculating an UV blocking index according to the first embodiment of the present invention
  • FIG. 5 is an illustration of an SPF calculation decision tree generated according to the first embodiment of the present invention. It is a graph showing the prediction rate.
  • the decision tree generation unit 16 may generate a decision tree as illustrated in FIG. 4, wherein the explanatory variable is a cosmetic raw material and the dependent variable is a UV blocking index SPF.
  • the decision tree according to the first embodiment may include a root node 101, first to tenth middle nodes 111 to 120, and first to twelfth end nodes 131 to 142.
  • Each of the root nodes 101 and the first to tenth intermediate nodes 111 to 120 may include a content standard of cosmetic ingredients, and the root nodes 101 and the first to tenth intermediate nodes 111 to 120
  • the child nodes may be connected, and the child nodes may be other intermediate nodes or end nodes.
  • the root node 101 includes a criterion indicating whether the content of the cosmetic raw material Diethylamino hyderoxybenzoyl Hexyl Benzoate is 2.5 g or less or more than 2.5 g, and according to the standard, the first middle node 111 or the agent It can be separated into two intermediate nodes (112).
  • the first intermediate node 111 includes a criterion indicating whether the content of Diethylamino hyderoxybenzoyl Hexyl Benzoate is 0.6 g or less or more than 0.6 g, and is divided into a third intermediate node 113 or a fourth intermediate node 114 according to the standard Can be.
  • the fourth intermediate node 114 includes a criterion indicating whether the content of Titanium Dioxide is less than or equal to 5.35 g or more than 5.35 g, and may be separated into a ninth intermediate node 119 or a first end node 131 according to the standard. have.
  • the ninth intermediate node 119 includes a criterion indicating whether the content of Titanium Dioxide is less than 1 g or more than 1 g, and may be divided into a ninth end node 139 or a tenth end node 140 according to the standard.
  • intermediate nodes and some end nodes have been described as examples, but other intermediate nodes and other end nodes include content standards similarly to those described above and are separated according to content standards, so a detailed description thereof will be omitted.
  • the graph of FIG. 5 may represent the SPF prediction rate of the decision tree shown in FIG. 4.
  • each of the graphs shown in FIG. 5 is an SPF calculated according to a decision tree (hereinafter referred to as'prediction SPF'), and an vertical axis is actually measured SPF (hereinafter referred to as'real SPF'). )to be. Accordingly, each point displayed in the graph of FIG. 5 may be points displayed at positions corresponding to the SPF calculated according to the decision tree and the actual measured SPF.
  • the first line 190 illustrated in the graph of FIG. 5 may be a line connecting the average value of the actual SPF to the predicted SPF. Therefore, the slope of the first line 190 may represent the prediction accuracy of the decision tree. That is, as the slope of the first line 190 approaches 1, it may mean that the prediction accuracy of the decision tree is higher.
  • the slope of the first line 190 is 0.8317.
  • a deviation R 2 of prediction accuracy may be calculated through the graph illustrated in FIG. 5. That is, it can be seen that the deviation between the average value of the actual SPF and the actual SPF can be calculated, and in the case of the graph illustrated in FIG. 5, the deviation R 2 of prediction accuracy is 0.85.
  • FIG. 6 is an exemplary view of an SPF calculation decision tree generated by the UV blocking index calculation device according to the second embodiment of the present invention
  • FIG. 7 is an SPF calculation intention generated according to the second embodiment of the present invention It is a graph showing the predicted rate of crystal trees.
  • the decision tree generation unit 16 may generate a decision tree as illustrated in FIG. 6, wherein the explanatory variables are cosmetic raw materials and skin types, and the dependent variables are UV blocking index SPF. have.
  • the decision tree according to the second embodiment may include a root node 201, first to eleventh intermediate nodes 211 to 218, 231 to 233, and first to thirteenth end nodes 251 to 263 Can be.
  • the root node 201 and the first to eighth intermediate nodes 211 to 218 may include the content standard of the cosmetic raw material, and the ninth to eleventh intermediate nodes 231 to 233 are skin Type criteria may be included.
  • the first to thirteenth end nodes 251 to 263 may include a UV blocking index.
  • the root node 201 includes a criterion indicating whether the content of the cosmetic raw material Diethylamino hyderoxybenzoyl Hexyl Benzoate is 2.5 g or less or more than 2.5 g, and the first intermediate node 111 or the agent according to the standard. It can be separated into two intermediate nodes (112).
  • the second middle node 212 includes a criterion indicating whether the content of Ethylhexyl Triazone is 0.5 g or less or more than 0.5 g, and may be divided into a fifth middle node 215 and a 13 middle node 233 according to the standard. have.
  • the thirteenth middle node 233 includes a criterion indicating whether or not the skin type is the second type, and may be divided into a third end node 253 and an eighth middle node 218 according to the standard.
  • the eighth intermediate node 218 is divided into a 12th end node 262 or a 13th end node 263 based on whether the content of the cosmetic raw material Bis-Ethylhexyloxypenol Methoxyphenyl Triazine) is 3.25g or less or more than 3.25g. Can be.
  • the decision tree may further include sub-information such as skin type as well as cosmetic raw materials as a parameter for calculating the UV blocking index.
  • the graph of FIG. 7 may represent the SPF prediction rate of the decision tree shown in FIG. 6.
  • the second line 290 illustrated in FIG. 7 is a line connecting the average value of the actual SPF to the predicted SPF, and the slope of the second line 290 indicating prediction accuracy may be 0.8902.
  • the deviation (R 2 ) of prediction accuracy may be 0.8779.
  • FIG. 8 is an exemplary view of an SPF calculation decision tree generated by the apparatus for calculating a sunscreen index according to a third embodiment of the present invention
  • FIG. 9 is a view generated by the apparatus for calculating a sunscreen index according to a third embodiment of the present invention This graph shows the predicted rate of SPF-calculated decision trees.
  • the decision tree generation unit 16 has a decision variable as shown in FIG. 8, wherein the explanatory variables are cosmetic raw materials and minimum erythema (MED), and the dependent variables are UV blocking index SPF. Can generate trees.
  • the explanatory variables are cosmetic raw materials and minimum erythema (MED)
  • the dependent variables are UV blocking index SPF. Can generate trees.
  • the decision tree includes a root node 301, first to eleventh intermediate nodes 311 to 317, 318 to 321, and first to thirteenth end nodes 341 to 353 can do.
  • the root node 301 and the first to seventh intermediate nodes 311 to 317 may include a reference amount of cosmetic ingredients, and the eighth to eleventh intermediate nodes 318 to 321 are the minimum. May include erythema standards.
  • the first to thirteenth end nodes 341 to 353 may include a UV blocking index.
  • the SPF calculating decision tree according to the third embodiment of the present invention may further include sub-information such as a minimum erythema amount as well as a cosmetic raw material as a UV blocking index calculation variable.
  • the graph of FIG. 9 shows the prediction rate of the SPF calculating decision tree illustrated in FIG. 8, and the third line 390 illustrated in FIG. 9 may be a line connecting the average value of the actual SPF to the predicted SPF.
  • the slope of the third line 390 representing the prediction accuracy of the SPF calculating decision tree according to the third embodiment is 0.914, and the deviation R 2 of prediction accuracy is 0.8952. .
  • FIG. 10 is an exemplary view of a SPF calculation decision tree generated by an apparatus for calculating an UV protection index according to a fourth embodiment of the present invention
  • FIG. 11 is an apparatus for calculating an UV protection index according to an embodiment of the present invention. This graph shows the predicted rate of SPF-calculated decision trees.
  • the decision tree generating unit 16 has a decision variable as shown in FIG. 10 in which the explanatory variables are cosmetic ingredients and pigment presence, and the dependent variable is the UV protection index SPF. Can generate trees.
  • the decision tree includes a root node 401, first to twelfth intermediate nodes 411 to 420, 421 to 422, and first to fourteenth end nodes 431 to 444 can do.
  • the root node 401 and the first to tenth intermediate nodes 411 to 420 may include a content standard of cosmetic ingredients, and the 11th to 12th intermediate nodes 421 to 422 are pigments Criteria indicating whether or not to include may be included.
  • the first to fourth end nodes 431 to 444 may include a sun protection index SPF.
  • the SPF calculation decision tree according to the fourth embodiment of the present invention may further include sub-information such as whether to include pigments as well as cosmetic raw materials as a UV-blocking index calculation variable.
  • the graph of FIG. 11 shows the prediction rate of the SPF calculating decision tree illustrated in FIG. 10, and the fourth line 490 illustrated in FIG. 11 may be a line connecting the average value of the actual SPF to the predicted SPF.
  • the slope of the fourth line 490 representing the prediction accuracy of the SPF calculating decision tree according to the fourth embodiment is 0.8961, and the deviation R 2 of prediction accuracy is 0.8654. .
  • FIG. 12 is an exemplary view of an SPF calculation decision tree generated by the apparatus for calculating a sun protection index according to a fifth embodiment of the present invention
  • FIG. 13 is a view generated by the apparatus for calculating a sun protection index according to a fifth embodiment of the present invention. This graph shows the predicted rate of SPF-calculated decision trees.
  • the decision tree generation unit 16 is illustrated in FIG. 12, where the explanatory variables are cosmetic raw materials and pigment grade TiO 2 (Pigment grade TiO 2 ) content, and the dependent variables are UV blocking index SPF. You can create a decision tree as shown.
  • the decision tree may include a root node 501, first to twelfth intermediate nodes 511 to 522, and first to fourteenth end nodes 431 to 444.
  • the root node 501 and the first to ninth intermediate nodes 511 to 519 may include a content standard of cosmetic ingredients, and the tenth to twelfth intermediate nodes 520 to 522 are pigments It may include a standard indicating the content of the grade TiO 2 .
  • the first to fourth end nodes 431 to 444 may include a sun protection index SPF.
  • the SPF calculation decision tree according to the fifth embodiment of the present invention may further include sub-information such as the content of pigment-grade TiO 2 as well as cosmetic raw materials as a UV-blocking index calculation variable.
  • the graph of FIG. 13 shows the prediction rate of the SPF calculation decision tree illustrated in FIG. 12, and the fifth line 590 illustrated in FIG. 13 may be a line connecting the average value of the actual SPF to the predicted SPF. 13, it can be seen that the slope of the fifth line 590 representing the prediction accuracy of the SPF calculating decision tree according to the fifth embodiment is 0.9098, and the deviation R 2 of prediction accuracy is 0.877. .
  • FIG. 14 is an exemplary view of an SPF calculation decision tree generated by the apparatus for calculating a sunscreen index according to a sixth embodiment of the present invention
  • FIG. 15 is a view generated by the apparatus for calculating a sunscreen index according to a sixth embodiment of the present invention This graph shows the predicted rate of SPF-calculated decision trees.
  • the decision tree generation unit 16 has the explanatory variables as cosmetic raw materials and product formation, and the dependent variable is the UV blocking index SPF as shown in FIG. 14 Can generate trees.
  • the decision tree may include a root node 601, first to tenth middle nodes 611 to 620, and first to twelfth end nodes 631 to 642.
  • the root node 601 and the first to eighth intermediate nodes 611 to 618 may include a content standard of cosmetic ingredients, and the ninth to tenth middle nodes 619 to 620 are formulations. Criteria for indicating a constellation may be included.
  • the first to twelfth end nodes 631 to 642 may include a sun protection index SPF.
  • the SPF calculating decision tree according to the sixth embodiment of the present invention may further include sub information such as cosmetic ingredients as well as cosmetic ingredients as a UV blocking index calculation variable.
  • the graph of FIG. 15 shows the prediction rate of the SPF calculating decision tree illustrated in FIG. 14, and the sixth line 690 illustrated in FIG. 15 may be a line connecting the average value of the actual SPF to the predicted SPF. 15, it can be seen that the slope of the sixth line 690 representing the prediction accuracy of the SPF calculating decision tree according to the sixth embodiment is 0.892, and the deviation R 2 of prediction accuracy is 0.8658. .
  • FIG. 16 is an exemplary view of an SPF calculation decision tree generated by the UV blocking index calculation device according to the seventh embodiment of the present invention
  • FIG. 17 is generated by the UV blocking index calculation device according to the seventh embodiment of the present invention. This graph shows the predicted rate of SPF-calculated decision trees.
  • the decision tree generation unit 16 makes a decision as shown in FIG. 16, wherein the explanatory variables are cosmetic raw materials and product types, and the dependent variables are UV protection index SPF. Can generate trees.
  • the decision tree may include a root node 701, first to tenth middle nodes 711 to 720, and first to twelfth end nodes 731 to 742.
  • the root node 701 and the first to sixth intermediate nodes 711 to 716 may include a content standard of cosmetic ingredients, and the seventh to tenth intermediate nodes 717 to 720 are products Criteria for indicating the type may be included.
  • the first to twelfth end nodes 731 to 742 may include a sun protection index SPF.
  • the SPF calculating decision tree according to the seventh embodiment of the present invention may further include sub-information such as product type as well as cosmetic raw materials as a UV blocking index calculation variable.
  • the graph of FIG. 17 shows the prediction rate of the SPF calculating decision tree illustrated in FIG. 16, and the seventh line 790 illustrated in FIG. 17 may be a line connecting the average value of the actual SPF to the predicted SPF.
  • the slope of the seventh line 790 representing the prediction accuracy of the SPF calculating decision tree according to the seventh embodiment is 0.9074, and the deviation R 2 of prediction accuracy is 0.8713. .
  • FIG. 18 is an exemplary view of a decision tree for calculating a PFA generated by the apparatus for calculating an ultraviolet protection index according to the first embodiment of the present invention
  • FIG. 19 is an apparatus for calculating an ultraviolet protection index according to the first embodiment of the present invention. This graph shows the predicted rate of PFA-producing decision trees.
  • the decision tree generation unit 16 may generate a decision tree as illustrated in FIG. 18, wherein the explanatory variable is a cosmetic raw material and the dependent variable is a UV blocking index PFA.
  • the decision tree may include a root node 801, first to eighth middle nodes 811 to 818, and first to tenth end nodes 831 to 840.
  • the root node 801 and the first to eighth intermediate nodes 811 to 818 may include a content standard of cosmetic ingredients.
  • the first to tenth end nodes 831 to 840 are UV-blocking Index PFA.
  • the decision tree for calculating PFA according to the first embodiment of the present invention may include only cosmetic raw materials as a variable for calculating the UV blocking index.
  • the graph of FIG. 19 shows the prediction rate of the PFA calculation decision tree illustrated in FIG. 18, and the eighth line 890 illustrated in FIG. 18 may be a line connecting the average value of the actual PFA to the predicted PFA.
  • the slope of the eighth line 890 representing the prediction accuracy of the PFA calculation decision tree according to the first embodiment is 0.8675, and the deviation R 2 of prediction accuracy is 0.81. .
  • FIG. 20 is an exemplary view of a decision tree for calculating a PFA generated by an apparatus for calculating an UV blocking index according to a second embodiment of the present invention
  • FIG. 21 is an apparatus for calculating an UV blocking index according to an embodiment of the present invention This graph shows the predicted rate of PFA-producing decision trees.
  • the decision tree generation unit 16 has the explanatory variables as cosmetic raw materials and skin type, and the dependent variable is the UV blocking index PFA as shown in FIG. 20 Can generate trees.
  • the decision tree may include a root node 901, first to tenth middle nodes 911 to 920, and first to twelfth end nodes 931 to 942.
  • the root node 901 and the first to eighth intermediate nodes 911 to 918 include the content standards of cosmetic ingredients
  • the ninth to tenth middle nodes 919 to 920 are skin types ( Skin Type) may be included.
  • the first to twelfth end nodes 931 to 942 may include a UV blocking index PFA.
  • the decision tree for calculating PFA according to the second embodiment of the present invention may include sub-information such as a cosmetic raw material and a skin type as a variable for calculating a UV blocking index.
  • the graph of FIG. 21 shows the prediction rate of the PFA calculation decision tree illustrated in FIG. 20, and the ninth line 990 illustrated in FIG. 21 may be a line connecting the average value of the actual PFA to the predicted PFA.
  • the slope of the ninth line 990 representing the prediction accuracy of the PFA-calculating decision tree according to the second embodiment is 0.8881
  • the deviation R 2 of prediction accuracy is 0.8172.
  • FIG. 22 is an exemplary view of a decision tree for calculating PFA generated by the apparatus for calculating an ultraviolet protection index according to a third embodiment of the present invention
  • FIG. 23 is generated by an apparatus for calculating an ultraviolet protection index according to a third embodiment of the present invention This graph shows the predicted rate of PFA-producing decision trees.
  • the decision tree generation unit 16 has a decision variable as shown in FIG. 22, wherein the explanatory variables are cosmetic raw materials and minimum erythema (MED), and the dependent variables are UV protection index PFA. Can generate trees.
  • the explanatory variables are cosmetic raw materials and minimum erythema (MED)
  • the dependent variables are UV protection index PFA.
  • the decision tree may include a root node 1101, first to ninth intermediate nodes 1111 to 1119, and first to eleventh end nodes 1131 to 1141.
  • the root node 1101 and the first to seventh intermediate nodes 1111 to 1117 include the content standard of cosmetic ingredients, and the eighth to ninth intermediate nodes 1118 to 1119 are the minimum erythema amount It may include a standard indicating.
  • the first to eleventh end nodes 1131 to 1141 may include a UV blocking index PFA.
  • the decision tree for calculating the PFA according to the third embodiment of the present invention may include cosmetic raw materials and sub-information such as the minimum erythema amount as variables for calculating the UV blocking index.
  • the graph of FIG. 23 shows the prediction rate of the PFA calculation decision tree illustrated in FIG. 22, and the tenth line 1190 illustrated in FIG. 23 may be a line connecting the average value of the actual PFA to the predicted PFA.
  • the slope of the tenth line 1190 representing the prediction accuracy of the PFA-calculating decision tree according to the third embodiment is 0.8892, and the deviation R 2 of prediction accuracy is 0.8204. .
  • FIG. 24 is an exemplary view of a decision tree for calculating PFA generated by the apparatus for calculating the sun protection index according to the fourth embodiment of the present invention
  • FIG. 25 is generated by the apparatus for calculating the sun protection index according to the fourth embodiment of the present invention
  • This graph shows the predicted rate of PFA-producing decision trees.
  • the decision tree generation unit 16 makes a decision as illustrated in FIG. 24, wherein the explanatory variables are cosmetic ingredients and pigment presence, and the dependent variable is the UV blocking index PFA. Can generate trees.
  • the decision tree may include a root node 1201, first to ninth middle nodes 1211 to 1219, and first to eleventh end nodes 1231 to 1441.
  • the root node 1201 and the first to eighth intermediate nodes 1211 to 1218 include the content standards of cosmetic ingredients
  • the ninth middle node 1219 includes the criteria indicating whether or not the pigment is included. can do.
  • the first to eleventh end nodes 1231 to 1241 may include a UV blocking index PFA.
  • the decision tree for calculating PFA according to the fourth embodiment of the present invention may include sub-information such as cosmetic raw materials and whether or not a pigment is included as a variable for calculating a UV blocking index.
  • the graph of FIG. 25 shows the prediction rate of the PFA calculation decision tree illustrated in FIG. 24, and the eleventh line 1290 illustrated in FIG. 25 may be a line connecting the average value of the actual PFA to the predicted PFA.
  • the slope of the eleventh line 1290 representing the prediction accuracy of the PFA calculation decision tree according to the fourth embodiment is 0.8813, and the deviation (R 2 ) of the prediction accuracy is 0.8274. .
  • FIG. 26 is an exemplary view of a decision tree for calculating a PFA generated by an apparatus for calculating an UV protection index according to a fifth embodiment of the present invention
  • FIG. 27 is an apparatus for calculating an UV protection index according to an embodiment of the present invention This graph shows the predicted rate of PFA-producing decision trees.
  • the decision tree generation unit 16 is shown in Figure 26, the explanatory variables are cosmetic raw materials and pigment grade TiO 2 (Pigment grade TiO 2 ) content, and the dependent variable is the UV blocking index PFA.
  • the explanatory variables are cosmetic raw materials and pigment grade TiO 2 (Pigment grade TiO 2 ) content, and the dependent variable is the UV blocking index PFA.
  • the decision tree may include a root node 1301, first to ninth middle nodes 1311 to 1319, and first to eleventh end nodes 1331 to 1341.
  • the root node 1301 and the first to eighth intermediate nodes 1311 to 1318 include the content standards of cosmetic ingredients
  • the ninth middle node 1319 is a criterion indicating the pigment grade TiO 2 content. It can contain.
  • the first to eleventh end nodes 1331 to 1341 may include a UV blocking index PFA.
  • the decision tree for calculating PFA according to the fifth embodiment of the present invention may include sub information such as cosmetic raw materials and pigment-grade TiO 2 content as parameters for calculating the UV blocking index.
  • the graph of FIG. 27 shows the prediction rate of the PFA calculation decision tree illustrated in FIG. 26, and the twelfth line 1390 illustrated in FIG. 27 may be a line connecting the average value of the actual PFA to the predicted PFA.
  • the slope of the twelfth line 1390 representing the prediction accuracy of the PFA-calculating decision tree according to the fifth embodiment is 0.8907, and the deviation R 2 of prediction accuracy is 0.8387. .
  • FIG. 28 is an exemplary view of a decision tree for calculating PFA generated by the apparatus for calculating the sun protection index according to the sixth embodiment of the present invention
  • FIG. 29 is generated by the apparatus for calculating the sun protection index according to the sixth embodiment of the present invention
  • This graph shows the predicted rate of PFA-producing decision trees.
  • the decision tree generation unit 16 has a descriptive tree as illustrated in FIG. 28 in which the explanatory variables are cosmetic raw materials and formulations, and the dependent variable is the UV blocking index PFA.
  • the decision tree may include a root node 1401, first to eighth middle nodes 1411 to 1418, and first to tenth end nodes 1431 to 1440.
  • the root node 1401 and the first to sixth intermediate nodes 1411 to 1416 include the content standards of cosmetic ingredients, and the seventh to eighth intermediate nodes 1417 to 1418 form formulation properties. Indications may be included.
  • the first to tenth end nodes 1431 to 1440 may include a UV blocking index PFA.
  • the decision tree for calculating PFA according to the sixth embodiment of the present invention may include sub-information such as cosmetic ingredients and formulation properties as a parameter for calculating the UV blocking index.
  • the graph of FIG. 29 shows the prediction rate of the decision tree for calculating PFA shown in FIG. 28, and the 13th line 1490 shown in FIG. 29 may be a line connecting the average value of the actual PFA to the predicted PFA.
  • the slope of the 13th line 1490 representing the prediction accuracy of the PFA-calculating decision tree according to the sixth embodiment is 0.8803, and the deviation (R 2 ) of the prediction accuracy is 0.8239. .
  • FIG. 30 is an exemplary view of a PFA calculation decision tree generated by the UV blocking index calculation device according to the seventh embodiment of the present invention
  • FIG. 31 is generated by the UV blocking index calculation device according to the seventh embodiment of the present invention. This graph shows the predicted rate of PFA-producing decision trees.
  • the decision tree generation unit 16 makes a decision as illustrated in FIG. 30, wherein the explanatory variables are cosmetic raw materials and product types, and the dependent variables are UV protection index PFA. Can generate trees.
  • the decision tree may include a root node 1501, first to ninth middle nodes 1511 to 1519, and first to eleventh end nodes 1531 to 1541.
  • the root node 1501 and the first to eighth middle nodes 1511 to 1518 include the content standards of cosmetic ingredients
  • the ninth middle node 1519 includes the standards indicating product types. Can be.
  • the first to eleventh end nodes 1531 to 1541 may include a UV blocking index PFA.
  • the decision tree for calculating PFA according to the seventh embodiment of the present invention may include sub-information such as cosmetic raw materials and product types as variables for calculating the UV blocking index.
  • the graph of FIG. 31 shows the prediction rate of the PFA calculation decision tree illustrated in FIG. 30, and the 14th line 1590 illustrated in FIG. 31 may be a line connecting the average value of the actual PFA to the predicted PFA.
  • the slope of the 14th line 1590 representing the prediction accuracy of the PFA-calculating decision tree according to the seventh embodiment is 0.8796
  • the deviation (R 2 ) of prediction accuracy is 0.8222. .
  • the prediction accuracy when the calculated variable is only cosmetic raw material is 0.8317, and the calculated variable includes sub information in addition to cosmetic raw material
  • the prediction accuracy in the case of is 0.8902, 0.914, 0.8961, 0.9098, 0.892, or 0.9074, and the prediction accuracy is higher when there are two output variables than when there are one output variable.
  • the prediction accuracy when the calculated variable is only cosmetic raw material is 0.8675, and the calculated variable is sub information other than cosmetic raw material
  • the prediction accuracy in the case of containing is 0.8881, 0.8898, 0.8813, 0.8907, 0.8803, or 0.8796, and the prediction accuracy is higher when there are two output variables than when there are one output variable.
  • the explanatory variable when the explanatory variable is only cosmetic raw material, it is found that when the explanatory variable includes sub-information in addition to the cosmetic raw material, the deviation of the decision tree is high and the prediction accuracy is higher. Can be.
  • the decision tree generation unit 16 can generate a decision tree having three or more output variables, and the more the number of output variables, the more the UV protection index. It has the advantage of improving the prediction accuracy.
  • FIG. 2 will be described.
  • the control unit 15 may determine whether the information input of the cosmetic is received (S15).
  • the user may input cosmetic information using the input unit 13, and the control unit 15 may receive input of cosmetic information through the input unit 13.
  • the controller 15 may receive input of at least one cosmetic raw material information included in cosmetics.
  • the controller 15 may receive at least one cosmetic raw material information and at least one sub information input included in the cosmetic product.
  • the controller 15 may detect cosmetics of a predetermined mass through a sensing module (not shown), and analyze the detected cosmetics to receive cosmetic raw material information.
  • the controller 15 may receive a cosmetic information signal including raw material information or sub-information of cosmetics through a communication module (not shown).
  • control unit 15 may output the UV blocking index of the cosmetic according to the decision tree (S17).
  • the sun protection index calculation unit 17 may obtain a sun protection index corresponding to the received cosmetic information based on the decision tree, and output the obtained sun protection index through the output unit 14.
  • 32 is an exemplary view showing a method of outputting a UV protection index by an apparatus for calculating an UV protection index according to an embodiment of the present invention.
  • the output unit 14 of the UV protection index calculation device 10 may display the UV protection index of the cosmetic product.
  • the controller 15 may receive information input of cosmetics through the input unit 13 and obtain the UV protection index of the information-inputted cosmetics, and output the obtained UV protection index to the output unit 14.
  • the controller 15 may display the UV blocking index as at least one indicator, such as SPF and PFA.
  • the output unit 14 may display a message such as “The sunscreen index (SPF) of the cosmetic inputted information is 32 ”.
  • SPDF sunscreen index
  • the output unit 14 may display a message such as “The UV protection index of the cosmetic inputted information is SPF 32, PA++”.
  • FIG. 2 will be described.
  • the controller 15 may determine whether a decision tree update command has been received (S19).
  • the controller 15 may receive a decision tree update command through the input unit 13. When the decision tree update command is not received, the controller 15 does not create a new decision tree, and upon receiving information input of the cosmetic (S15), determines the UV blocking index of the cosmetic according to the generated decision tree. It can be calculated and output (S17).
  • control unit 15 may accumulate and store additional cosmetic information and UV protection index in the database (S21).
  • the controller 15 stores the newly received cosmetic information and the calculated exchange UV protection index in the memory 11 when calculating the UV protection index, updates the database, and is based on the updated database.
  • the decision tree can be regenerated, that is, the decision tree can be updated.
  • control unit 15 may calculate and output the UV blocking index based on the updated decision tree (S17).
  • the controller 15 can deep-learn the standard setting method of each node by calculating a UV blocking index when inputting new cosmetic information and updating the decision tree by merging the calculation results into a database as shown in the flowchart shown in FIG. 2. Thereby, the prediction accuracy of the decision tree can be improved.
  • the above-described method can be implemented as code readable by a processor on a medium on which a program is recorded.
  • Examples of the medium readable by the processor include those implemented in the form of ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage, and the like.
  • the sun protection index calculation device includes a control unit and an output unit having an sun protection index calculation unit for calculating an sun protection index through an input unit and a stored decision tree, except for a memory and a decision tree generation unit. It can also be provided in the form of a terminal. In this case, it can also be used as a method of updating a pre-stored decision tree by receiving a separate input.
  • the apparatus for calculating the UV blocking index described above is not limited to the configuration and method of the above-described embodiments, and the above embodiments are selectively combined in all or part of each embodiment so that various modifications can be made. It may be configured.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Cosmetics (AREA)

Abstract

본 발명은 측정 실험을 통하지 않고, 화장품의 정보에 따라 자외선 차단지수를 산출하는 자외선 차단지수 산출 장치 및 자외선 차단지수 산출 방법에 관한 것으로, 복수개의 화장품과 복수개의 화장품 각각에 대응하는 자외선 차단지수를 포함하는 데이터베이스를 저장하는 단계, 데이터베이스에 기초하여, 복수개의 화장품에 포함된 화장품 원료가 설명변수이고, 자외선 차단지수가 종속변수인 의사결정나무를 생성하는 단계, 화장품의 정보 입력을 수신하는 단계, 및 의사결정나무에 따라 정보 입력된 화장품의 자외선 차단지수를 출력하는 단계를 포함할 수 있다.

Description

자외선 차단지수 산출 장치, 자외선 차단지수 산출 방법
본 발명의 자외선 차단지수 산출 장치 및 자외선 차단 지수 산출 방법에 관한 것으로, 보다 상세하게는 화장품의 자외선 차단 지수를 자동으로 산출하는 자외선 차단지수 산출 장치 및 자외선 차단지수 산출 방법에 관한 것이다.
자외선(Ultraviolet Ray: UVR)은 지표면에 도달하는 태양광선 중 파장이 200 내지 400 나노미터(nm)인 광선을 의미한다.
자외선은 파장대에 따라 자외선 A, 자외선 B 및 자외선 C로 구분되고, 자외선 A는 320~400nm 파장을 갖는 자외선으로 피부의 노화, 주름의 주 원인이 되며, 자외선 B는 290~320nm 파장을 갖는 자외선으로 피부 노화, 피부암, 백내장 등을 유발하는 것으로 알려졌고, 자외선 C는 200~290nm 파장을 갖는 자외선으로 피부암 유발 확률이 높으나 대기층에 의해 걸러져 지구에 도달하는 양이 거의 없다.
자외선 차단지수는 자외선 차단 효과를 객관적으로 나타내기 위한 지표로, SPF, PFA(PA) 등이 있다.
SPF는 일광차단지수(Sun Protection Factor, SPF)로, 자외선 B의 차단 효과를 의미한다. SPF는 자외선차단제품을 도포하여 얻은 최소홍반량을 자외선차단제품을 도포하지 않고 얻은 최소홍반량으로 나눈 값으로, 특정 수치로 표현되는 것이 일반적이다.
PFA(PA)는 Photoprotection Factor A의 약자로, 자외선 A의 차단 효과를 의미한다. PFA는 자외선차단제품을 도포하여 얻은 최소지속형즉시흑화량을 자외선차단제품을 도포하지 않고 얻은 최소지속형즉시흑화량으로 나눈 값이다. PFA는 PA+, PA++ 등으로 표시되는 것이 일반적이며, + 기호의 개수가 늘어날 때마다 차단 효과가 2배 증가하는 것을 의미한다.
이와 같이, 종래 SPF, PFA 등의 자외선 차단지수는 측정 실험을 통해 산출된다. 이 경우, 측정 실험시 실험자에게 자외선을 일정시간 동안 도포해야 하므로 실험자에게 유해한 영향을 미치고, 실험에 많은 시간이 소요되는 등의 문제가 있다.
본 발명은 측정 실험을 통하지 않고, 화장품의 정보에 따라 자외선 차단지수를 산출하는 자외선 차단지수 산출 장치 및 자외선 차단지수 산출 방법을 제공하고자 한다.
본 발명은 기 제작된 화장품에 대한 데이터베이스에 기초하여 자외선 차단지수를 산출하는 자외선 차단지수 산출 장치 및 자외선 차단지수 산출 방법을 제공하고자 한다.
본 발명의 실시 예에 따른 자외선 차단지수 산출 장치의 자외선 차단지수 산출 방법은 복수개의 화장품과 복수개의 화장품 각각에 대응하는 자외선 차단지수를 포함하는 데이터베이스를 저장하는 단계, 데이터베이스에 기초하여, 복수개의 화장품에 포함된 화장품 원료가 설명변수이고, 자외선 차단지수가 종속변수인 의사결정나무를 생성하는 단계, 화장품의 정보 입력을 수신하는 단계, 및 의사결정나무에 따라 정보 입력된 화장품의 자외선 차단지수를 출력하는 단계를 포함할 수 있다.
의사결정나무를 생성하는 단계는 설명변수가 화장품 원료 외에 적어도 하나의 서브 정보를 더 포함하는 경우의 의사결정나무를 생성하는 단계를 포함할 수 있다.
서브 정보는 피부타입, 최소홍반량, 색소포함여부, 안료급 TiO2 농도, 제형 성상, 제품 타입 중 적어도 하나를 더 포함할 수 있다.
자외선 차단지수를 출력하는 단계를 포함하는 의사결정나무에 따라 산출된 SPF(Sun Protection Factor) 또는 PFA(Photoprotection Factor A)를 출력하는 단계를 포함할 수 있다.
의사결정나무 갱신 명령을 수신하는 단계, 의사결정나무 갱신 명령을 수신시 화장품의 정보 및 화장품의 정보에 따라 산출된 자외선 차단지수를 데이터베이스에 저장함으로써 데이터베이스를 업데이트하는 단계, 및 업데이트된 데이터베이스에 기초하여 의사결정나무를 재생성하는 단계를 더 포함할 수 있다.
본 발명의 실시 예에 따른 자외선 차단지수 산출 장치는 화장품의 정보 입력을 수신하는 입력부, 복수개의 화장품과 복수개의 화장품 각각에 대응하는 자외선 차단지수를 포함하는 데이터베이스를 저장하는 메모리, 데이터베이스에 기초하여, 복수개의 화장품에 포함된 화장품 원료가 설명변수이고, 자외선 차단지수가 종속변수인 의사결정나무를 생성하는 의사결정나무 생성부와, 의사결정나무에 따라 입력부를 통해 정보 입력된 화장품의 자외선 차단지수를 산출하는 자외선 차단지수 산출부를 갖는 제어부, 및 의사결정나무를 통해 산출된 자외선 차단지수를 출력하는 출력부를 포함할 수 있다.
제어부는 화장품 원료와 적어도 하나의 서브 정보를 더 설명변수로 설정하여 의사결정나무를 생성할 수 있다.
서브 정보는 피부타입, 최소홍반량, 색소포함여부, 안료급 TiO2 농도, 제형 성상, 제품 타입 중 적어도 하나를 더 포함할 수 있다.
출력부는 의사결정나무에 따라 산출된 SPF(Sun Protection Factor) 또는 PFA(Photoprotection Factor A)를 출력할 수 있다.
제어부는 의사결정나무 갱신 명령을 수신시 화장품의 정보 및 수신된 화장품의 정보에 따라 산출된 자외선 차단지수를 데이터베이스에 저장함으로써 상데이터베이스를 업데이트하고, 업데이트된 데이터베이스에 기초하여 의사결정나무를 재생성할 수 있다.
본 발명의 실시 예에 따르면, 화장품의 정보가 입력되면 기 생성된 의사결정나무에 따라 자외선 차단지수를 산출하므로, 자외선 차단지수를 측정하기 위한 별도의 실험이 불필요하여 측정에 소요되는 시간을 단축하고, 측정 비용을 절감할 수 있는 이점이 있다.
또한, 실험자에게 자외선을 도포하지 않아도 되므로, 자외선 차단지수를 산출시 실험자에게 미치는 유해성을 최소화할 수 있는 이점이 있다.
또한, 복수개의 화장품과 그에 대응하는 자외선 차단지수를 갖는 데이터베이스에 기초하여 의사결정나무를 생성하고, 생성된 의사결정나무에 따라 자외선 차단지수를 산출하므로, 자외선 차단지수의 예측 정확도가 향상되는 이점이 있다.
또한, 본 발명의 실시 예에 따르면 화장품 원료뿐만 아니라 피부 타입, 최소홍반량 등과 같은 서브 정보를 변수로 하는 의사결정나무에 따라 자외선 차단지수를 산출하므로 예측 정확도가 향상되는 이점이 있다. 즉, 화장품 원료 및 서브 정보를 변수로 하는 의사결정나무에 따른 자외선 차단지수의 예측 정확도는 화장품 원료만을 변수로 하는 의사결정나무에 따른 자외선 차단지수의 예측 정확도 보다 높은 이점이 있다.
도 1은 본 발명의 실시 예에 따른 자외선 차단지수 산출 장치의 제어 블록도이다.
도 2는 본 발명의 실시 예에 따른 자외선 차단지수 산출 장치의 자외선 차단지수 산출 방법을 나타내는 순서도이다.
도 3은 본 발명의 실시 예에 따른 자외선 차단지수 산출 장치가 의사결정나무를 생성하는 방법을 나타내는 순서도이다.
도 4는 본 발명의 제1 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예시 도면이다.
도 5는 본 발명의 제2 실시 예에 따라 생성한 SPF 산출 의사결정나무의 예측율을 나타내는 그래프이다.
도 6은 본 발명의 본 발명의 제2 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예시 도면이다.
도 7은 본 발명의 제2 실시 예에 따라 생성한 SPF 산출 의사결정나무의 예측율을 나타내는 그래프이다.
도 8은 본 발명의 제3 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예시 도면이다.
도 9는 본 발명의 제3 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예측율을 나타내는 그래프이다.
도 10은 본 발명의 제4 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예시 도면이다.
도 11은 본 발명의 제4 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예측율을 나타내는 그래프이다.
도 12는 본 발명의 제5 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예시 도면이다.
도 13은 본 발명의 제5 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예측율을 나타내는 그래프이다.
도 14는 본 발명의 제6 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예시 도면이다,
도 15는 본 발명의 제6 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예측율을 나타내는 그래프이다.
도 16은 본 발명의 제7 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예시 도면이다.
도 17은 본 발명의 제7 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예측율을 나타내는 그래프이다.
도 18은 본 발명의 제1 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예시 도면이다.
도 19는 본 발명의 제1 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예측율을 나타내는 그래프이다.
도 20은 본 발명의 제2 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예시 도면이다.
도 21은 본 발명의 제2 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예측율을 나타내는 그래프이다.
도 22는 본 발명의 제3 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예시 도면이다.
도 23는 본 발명의 제3 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예측율을 나타내는 그래프이다.
도 24는 본 발명의 제4 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예시 도면이다.
도 25는 본 발명의 제4 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예측율을 나타내는 그래프이다.
도 26은 본 발명의 제5 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예시 도면이다.
도 27는 본 발명의 제5 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예측율을 나타내는 그래프이다.
도 28은 본 발명의 제6 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예시 도면이다.
도 29는 본 발명의 제6 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예측율을 나타내는 그래프이다.
도 30은 본 발명의 제7 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예시 도면이다.
도 31는 본 발명의 제7 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예측율을 나타내는 그래프이다.
도 32는 본 발명의 실시 예에 따른 자외선 차단지수 산출 장치가 자외선 차단지수를 출력하는 방법을 나타내는 예시 도면이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복 설명은 생략한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 “모듈” 또는 “부”는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
또한, 본 명세서에 개시된 실시 예를 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다"등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
도 1은 본 발명의 실시 예에 따른 자외선 차단지수 산출 장치의 제어 블록도이다.
본 발명의 실시 예에 따른 자외선 차단지수 산출 장치(10)는 메모리(11), 입력부(13), 출력부(14) 및 제어부(15) 중 적어도 일부 또는 전부를 포함할 수 있고, 제어부(15)는 의사결정나무 생성부(16)와 자외선 차단지수 산출부(17)를 포함할 수 있다.
메모리(11)는 화장품 정보, 자외선 차단지수 정보, 의사결정나무 생성 알고리즘, 생성된 의사결정나무 정보 등을 저장할 수 있다.
화장품 정보는 기 제작된 복수개의 화장품 각각에 대한 화장품 원료 정보를 포함할 수 있다. 메모리(11)는 화장품 원료 정보(예를 들어, 원료의 종류, 함량, 제조사, 상품명 등)를 포함하는 화장품 각각에 자외선 차단지수(예를 들어, SPF, PA 등) 정보를 맵핑시켜 저장할 수 있다. 예를 들어, 메모리(11)는 제1 화장품에 대한 화장품 원료 정보 및 자외선 차단지수를 맵핑한 제1 데이터, 제2 화장품에 대한 화장품 원료 정보 및 자외선 차단지수를 맵핑한 제2 데이터 및 제3 화장품에 대한 화장품 원료 정보 및 자외선 차단지수를 맵핑한 제3 데이터 등을 저장할 수 있다.
본 발명은 기 제작된 복수개의 화장품 각각에 대한 화장품 원료 정보, 자외선 차단지수 정보를 활용하여 자외선 차단지수 산출 장치 및 자외선 차단지수 산출 방법을 제공할 수 있다.
메모리(11)는 표 1과 같은 데이터베이스를 저장할 수 있다.
아래, 표 1은 메모리(11)에 저장된 복수개의 화장품 정보와 화장품 정보 각각에 대한 자외선 차단지수(예를 들어, SPF, PA 등) 정보의 예시이다. 표 1에서 자외선 차단지수로 SPF만 기재하였으나, 이는 예시적인 것에 불과하므로 이에 제한되지 않는다.
화장품 화장품 원료 SPF
제1 화장품 Diethylamino Hydroxybenzoyl Hexyl BenzoateTitanium DioxideEthylhexyl Methoxycinnamate 40
제2 화장품 Diethylamino Hydroxybenzoyl Hexyl BenzoateEthylhexyl TriazoneZinc Oxide 130
제3 화장품 Diethylamino Hydroxybenzoyl Hexyl BenzoateEthylhexyl Triazone 56
한편, 실시 예에 따라, 화장품 정보는 기 제작된 복수개의 화장품 각각에 대한 화장품 원료 정보 외에 서브 정보(sub information)을 더 포함할 수 있다. 메모리(11)는 화장품 원료 정보와 적어도 하나의 서브 정보에 자외선 차단지수(예를 들어, SPF, PA 등) 정보를 맵핑시켜 저장할 수 있다.
여기서, 서브 정보는 화장품의 자외선 차단지수 결정에 영향을 미치는 부수적 요소의 정보를 의미하는 것으로, 예를 들어 서브 정보는 피부 타입(skin type), 최소홍반량(MED), 색소포함여부(pigment presence), 안료급 TiO2(pigment grade TiO2) 함량, 제형 성상(Product formulation), 제품 타입(Product type) 등을 포함할 수 있다.
피부 타입은 화장품의 자외선 차단지수 측정 실험시 피시험자의 피부타입을 의미할 수 있다. 피부 타입은 피츠패트릭(Fitzpatrick)의 피부 유형에 따라 분류될 수 있고, 이 경우 피부 타입은 쉽게 화상은 입으나 색소침착은 없는 제1형과, 쉽게 화상을 입으며 약간의 색소침착이 유발되는 제2형과, 중증도의 화상을 입으며 점진적인 색소침착이 유발되는 제3형과, 약간의 화상을 입으나 항상 색소침착이 유발되는 제4형과, 거의 화상을 입지 않고 심한 색소침착이 유발되는 제5형과, 전혀 화상을 입지 않고 색소 침착이 있는 제6형일 수 있다.
예를 들어, 메모리(11)는 피부 타입에 대한 서브 정보로 제1 피부 타입(항상 쉽게 (매우 심하게) 붉어지고, 거의 검게 되지 않는다), 제2 피부 타입(쉽게 (심하게) 붉어지고, 약간 검게 된다), 제3 피부 타입(보통으로 붉어지고, 중간 정도로 검게 된다) 및 제4 피부 타입(그다지 붉어지지 않고, 쉽게 검어진다) 등의 정보를 더 저장할 수 있다.
최소홍반량은 화장품의 자외선 차단지수 측정 실험시 피시험자의 최소홍반량을 의미할 수 있다. 여기서, 최소홍반량은 자외선 B를 사람 피부에 조사한 후 16~24 시간 내에, 조사 영역의 전 영역에 홍반을 나타낼 수 있는 최소한의 자외선 조사량을 의미할 수 있다. 예를 들어, 최소홍반량은 29.2 또는 36.7 등과 같은 수치 정보를 포함할 수 있다. 메모리(11)는 화장품 각각에 대한 최소홍반량을 나타내는 서브 정보를 더 저장할 수 있다.
색소포함여부는 화장품에 색소가 포함되어 있는가를 의미하는 것으로, 예를 들어 색소포함여부는 예(포함) 또는 아니오(미포함)와 같은 정보를 포함할 수 있다. 메모리(11)는 화장품 각각에 대한 색소포함여부를 나타내는 서브 정보를 더 저장할 수 있다.
안료급 TiO2 함량은 화장품에 포함된 안료급 TiO2의 함량을 의미하는 것으로, 예를 들어 0.15, 2.25 등의 함량 정보를 포함할 수 있다. 메모리(11)는 화장품 각각에 대한 안료급 TiO2 함량을 나타내는 서브 정보를 더 저장할 수 있다.
제형 성상은 제품이 만들어진 상태를 나타내는 것으로, 예를 들어 W/O(water-in-oil), O/W(oil-in-water), W/S(water-in-silicone oil) 등을 포함할 수 있다. 메모리(11)는 화장품 각각에 대한 제형 성상을 나타내는 서브 정보를 더 저장할 수 있다.
제품 타입은 제품의 형태를 나타내는 것으로, 예를 들어, 크림(cream), 로션(lotion), 오일(oil), 분말(powder) 등을 포함할 수 있다. 메모리(11)는 화장품 각각에 대한 제품 타입을 나타내는 서브 정보를 더 저장할 수 있다.
메모리(11)는 표 2와 같은 데이터베이스를 저장할 수 있다.
아래, 표 2는 메모리(11)에 저장된 복수개의 화장품 각각에 대한 화장품 원료 정보, 피부 타입 정보 및 자외선 차단지수 정보의 예시이다. 표 2에서, 서브 정보로 피부 타입만을 기재하였으나, 이는 예시적인 것에 불과하며, 상술한 서브 정보들 중 적어도 하나를 더 포함할 수 있다.
화장품 화장품 원료 피부 타입 SPF
제1 화장품 Diethylamino Hydroxybenzoyl Hexyl BenzoateTitanium Dioxide 1, YES 110
제2 화장품 Diethylamino Hydroxybenzoyl Hexyl BenzoateTitanium Dioxide 1, NO 116
제3 화장품 Diethylamino Hydroxybenzoyl Hexyl BenzoateEthylhexyl TriazoneTitanium Dioxide - 122
제4 화장품 Diethylamino Hydroxybenzoyl Hexyl BenzoateEthylhexyl TriazoneTitanium Dioxide 3, YES 51
위에 도시된 표 1 및 표 2는 설명의 편의를 위해 예시로 든 것에 불과하므로 이에 제한되지 않는다.입력부(13)는 화장품 정보의 입력 또는 자외선 차단지수의 입력을 수신할 수 있다. 입력부(13)는 물리적인 키 버튼을 구비하거나, 터치 입력이 가능한 터치스크린 형태로 형성될 수 있다.
또한, 실시 예에 따라, 입력부(13)는 화장품 정보를 수신하는 통신 모듈(미도시) 또는 화장품을 감지하는 센싱 모듈(미도시)을 더 포함할 수 있다.
입력부(13)는 화장품 각각에 대한 화장품 원료 정보, 부가 정보 또는 자외선 차단지수 정보 등을 사용자로부터 직접 입력받을 수 있다. 이 경우, 사용자가 입력부(13)를 통해 화장품 정보를 입력할 수 있다.
사용자는 의사결정나무의 초기 모델을 생성하거나, 의사결정나무의 검증을 실시하거나, 의사결정나무를 갱신하거나, 또는 자외선 차단지수를 산출하기 위해 입력부(13)를 통해 화장품 정보를 입력할 수 있다.
입력부(13)는 통신 모듈을 통해 화장품 각각에 대한 화장품 원료 정보, 부가 정보 또는 자외선 차단지수 정보 등을 서버 또는 이동 단말기로부터 수신할 수 있다. 이 경우, 입력부(13)는 외부로부터 화장품 정보를 수신할 수 있다.
또한, 입력부(13)는 센싱 모듈을 통해 화장품을 감지함으로써 화장품에 포함된 적어도 하나의 화장품 원료를 획득하거나, 서브 정보를 획득하고, 감지한 화장품에 대한 자외선 차단지수 정보를 사용자로부터 직접 입력받을 수 있다. 이 경우, 입력부(13)는 자외선 차단지수 산출 대상이 되는 화장품의 정보를 입력받을 수 있다. 즉, 입력부(13)는 자외선 차단지수의 산출 대상이 되는 타겟 화장품을 감지하여, 타겟 화장품의 정보(예를 들어, 화장품에 포함된 화장품 원료의 종류 및 함량 등)를 획득할 수 있고, 제어부(15)가 타겟 화장품의 정보에 기초하여 자외선 차단지수를 산출할 수 있다.제어부(15)는 입력부(13)를 통해 정보 입력된 화장품에 기초하여 의사결정나무를 생성하거나, 입력부(13)를 통해 정보 입력된 화장품을 감지하여 자외선 차단지수를 결정할 수 있다.
출력부(14)는 화장품이 감지될 경우 화장품을 의사결정나무에 기초하여 분석함으로써 자외선 차단지수를 출력할 수 있다.
출력부(14)는 자외선 차단지수를 시각적으로 표시하는 디스플레이 모듈을 포함하거나, 자외선 차단지수를 청각적으로 표시하는 스피커를 포함할 수 있다. 또한, 출력부(14)는 자외선 차단지수를 서버 또는 이동 단말기로 전송하는 통신 모듈을 포함할 수도 있다.
제어부(15)는 자외선 차단지수 산출 장치의 동작을 제어할 수 있다. 제어부(15)는 메모리(11), 입력부(13) 및 출력부(14) 각각을 제어할 수 있다.
또한, 제어부(15)는 의사결정나무 생성부(16)를 통해 의사결정나무를 생성하고, 자외선 차단지수 산출부(17)를 통해 자외선 차단지수를 산출할 수 있다.
메모리(11)는 기 제작된 복수개의 화장품과 복수개의 화장품 각각에 대응하는 자외선 차단지수를 포함하는 화장품 자외선 차단지수 데이터베이스를 저장하고 있을 수 있다. 제어부(15)는 저장된 데이터베이스에 기초하여 자외선 차단지수 의사결정나무(이하, '의사결정나무'라고 한다.)의 초기 모델을 생성할 수 있다.
의사결정나무 생성부(16)는 화장품 정보에 따라 자외선 차단지수를 결정하는 의사결정나무를 메모리(11)에 저장된 데이터에 기초하여 생성할 수 있다.
일 실시 예에 따르면, 의사결정나무 생성부(16)는 화장품 원료에 따라 자외선 차단지수를 분류하는 의사결정나무를 생성할 수 있다.
다른 실시 예에 따르면, 의사결정나무 생성부(16)는 화장품 원료와 적어도 하나의 서브 정보에 따라 자외선 차단지수를 분류하는 의사결정나무를 생성할 수 있다.
의사결정나무 생성부(16)가 의사결정나무를 생성하는 방법에 대해서는 도 2 및 도 3에서 자세히 설명하기로 한다.
제어부(15)는 의사결정나무의 초기 모델을 생성한 후, 입력부(13)를 통해 화장품의 정보가 추가 입력되면, 자외선 차단지수 산출부(17)가 의사결정나무 생성부(16)를 통해 생성한 의사결정나무에 기초하여 추가 입력된 화장품의 자외선 차단지수를 결정하도록 제어할 수 있다.
제어부(15)는 추가 입력된 화장품의 자외선 차단지수를 결정한 후, 추가 입력된 화장품의 정보와 그에 대응하는 자외선 차단지수를 메모리(11)에 저장된 데이터베이스에 추가할 수 있다.
즉, 제어부(15)는 화장품의 정보가 추가 입력될 때마다 추가 입력된 화장품의 정보에 따른 자외선 차단지수를 결정하고, 결정된 자외선 차단지수 정보를 메모리(11)에 누적 저장하여 화장품 자외선 차단지수 데이터베이스를 업데이트하고, 업데이트된 데이터베이스에 기초하여 초기 모델의 의사결정나무를 갱신할 수 있다.
즉, 제어부(15)는 화장품 자외선 차단지수 데이터베이스를 업데이트하고, 화장품 정보의 추가 입력시 자외선 차단지수를 산출하고, 의사결정나무를 갱신하는 과정을 반복 실시할 수 있다.
의사결정나무를 갱신하는 과정을 반복 실시할수록 자외선 차단지수의 산출 정확도는 향상될 수 있다.
도 2는 본 발명의 실시 예에 따른 자외선 차단지수 산출 장치의 자외선 차단지수 산출 방법을 나타내는 순서도이다.
자외선 차단지수 산출장치(10)의 메모리(11)는 화장품 정보 및 화장품에 대응하는 자외선 차단지수를 포함하는 데이터베이스를 저장할 수 있다(S11).
메모리(11)는 이미 입력된 데이터 베이스에, 사용자의 요청에 따라 추가의 화장품 정보 및 화장품에 대응하는 자외선 차단지수를 입력 받아 데이터베이스를 업데이트할 수도 있다.
실시 예에 따라, 제어부(15)는 데이터베이스를 업데이트할 때 추가 데이터의 검증을 더 실시할 수 있다
구체적으로, 제어부(15)는 추가의 화장품 정보 및 화장품에 대응하는 자외선 차단지수가 입력될 때, 추가의 화장품 정보만을 기생성된 의사결정 나무에 적용함으로써 산출된 자외선 차단지수를 추가로 입력 받은 실제 자외선 차단지수를 비교하여 값의 차이를 비교하고, 값의 차이가 기 설정된 기준값 보다 큰 경우에는 검증 필요 메시지를 출력할 수 있다. 즉, 제어부(15)는 사용자로 하여금 추가로 입력된 정보가 정확한지를 검증할 수 있도록 하여, 잘못 입력된 추가의 데이터에 의해 경신된 의사결정나무의 신뢰성이 유지될 수 있도록 할 수도 있다.
실시 예에 따라, 제어부(15)는 메모리에 기 저장된 화장품 정보 및 화장품에 대응하는 자외선 차단지수 중에서 잘못 입력된 값을 사용자의 요청에 의해 제외시킬 수도 있다. 사용자의 요청은 입력부(13)를 통해 수신될 수 있다.
여기서, 화장품 정보는 앞에서 설명한 화장품 각각에 대한 화장품 원료 정보 및 피부 타입, 최소홍반량(MED), 색소포함여부, 안료급 TiO2 함량, 제형 성상, 제품 타입 등의 서브 정보를 포함할 수 있다.
메모리(11)는 화장품 정보를 갖는 화장품 각각에 대한 자외선 차단지수 정보를 포함하는 데이터베이스를 저장할 수 있다. 데이터베이스는 앞에서 설명한 바와 동일하므로, 자세한 설명은 생략하기로 한다.
제어부(15)는 데이터베이스에 기초하여 의사결정나무를 생성할 수 있다(S13).
제어부(15)는 의사결정나무 생성부(16)를 통해 메모리(11)에 저장된 화장품 정보와 자외선 차단지수 정보를 분석하여 의사결정나무를 생성할 수 있다.
도 3은 본 발명의 실시 예에 따른 자외선 차단지수 산출 장치가 의사결정나무를 생성하는 방법을 나타내는 순서도이다.
특히, 도 3은 도 2의 의사결정나무를 생성하는 단계 S13을 구체화한 순서도일 수 있다.
의사결정나무 생성부(16)는 뿌리 마디(Root node)와, 적어도 하나의 중간 마디(Intermediate note)와, 적어도 하나의 끝 마디(Terminal node)로 구성되며, 뿌리 마디와 중간 마디는 화장품 정보의 분류 기준을 포함하고, 끝 마디는 자외선 차단지수를 포함하는 의사결정나무를 생성할 수 있다.
먼저, 의사결정나무 생성부(16)는 화장품 정보를 설명변수로 설정하고, 자외선 차단지수를 종속변수로 설정할 수 있다(S21).
의사결정나무 생성부(16)는 화장품 정보를 설명변수로 설정하고, 자외선 차단지수를 종속변수로 설정한 후, 순도가 증가하는 방향으로 뿌리 마디, 중간 마디 및 끝 마디를 결정할 수 있다(S23).
구체적으로, 의사결정나무 생성부(16)는 재귀적 분기(Recursive Partitioning) 방법에 따라 순도(Purity, homogeneity)가 증가하는 방향으로 뿌리 마디, 중간 마디 및 끝 마디를 결정할 수 있다.
예를 들어, 의사결정나무 생성부(16)가 화장품 원료 정보에 기초하여 뿌리 마디, 중간 마디 및 끝 마디를 결정하는 것을 가정하여 설명한다. 의사결정나무 생성부(16)는 특정 화장품 원료의 함량에 따라 메모리(11)에 저장된 화장품 자외선 차단지수 데이터베이스를 오름차순으로 정렬하고, 정렬된 데이터값들 사이사이 지점을 분기로 가정하여 분기 전 지니 계수(Gini index)와 분기 후 지니 계수를 산출하고, 분기 전 지니 계수와 분기 후 지니 계수의 차 연산을 통해 정보획득(information gain)을 조사할 수 있다. 정보획득은 분기 전 지니 계수와 분기 후 지니 계수의 차를 의미할 수 있다.
실시 예에 따라, 의사결정나무 생성부(16)는 분기 전 지니 계수와 분기 후 지니 계수 대신 분기 전 엔트로피(entropy)와 분기 후 엔트로피를 산출하고, 분기 전 엔트로피와 분기 후 엔트로피의 차 연산을 통해 정보획득을 조사할 수 있다.
또한, 의사결정나무 생성부(16)는 지니 계수와 엔트로피 외에 카이제곱 통계량(Chi-square statistic)의 p-값과 같은 불확실성을 나타내는 다양한 기준값을 산출하여 정보획득을 조사할 수 있다.
의사결정나무 생성부(16)는 정보획득이 가장 큰 분기 지점을 기준으로 뿌리 마디, 중간 마디 또는 끝 마디를 결정할 수 있다. 제어부(15)는 최초 분기 지점인 경우 뿌리 마디로 결정하고, 순도가 100%가 되는 분기 지점인 경우 끝 마디로 결정하고, 뿌리 마디와 끝 마디에 해당하지 않는 다른 분기 지점인 경우 중간 마디로 결정할 수 있다.
의사결정나무 생성부(16)는 데이터의 개수가 N1개이고, 변수의 개수가 N2개인 경우 N1×N2 경우의 수에 대해 분기 전 불확실성(예를 들어, 지니 계수 또는 엔트로피)과 분기 후 불확실성을 산출하여 정보획득을 조사함으로써 뿌리 마디, 중간 마디 및 끝 마디를 결정할 수 있다.
의사결정나무 생성부(16)는 뿌리 마디, 중간 마디 및 끝 마디를 결정한 후, 가지치기(pruning)로 끝 마디를 결합할 수 있다(S25).
의사결정나무 생성부(16)는 모든 끝 마디의 순도가 100%가 되도록 뿌리 마디, 중간 마디 및 끝 마디를 결정한 후, 과적합(overfitting)이 최소화되도록 끝 마디를 결합할 수 있다. 분기 지점이 증가함에 따라 새로운 데이터의 추가시 오분류율이 감소하는 것이 일반적이나, 분기 지점이 소정 개수를 초과할 경우 새로운 데이터의 추가시 오분류율이 증가하는 현상이 발생할 수 있는데, 이를 과적합이라고 할 수 있다. 따라서, 의사결정나무 생성부(16)는 분기 지점이 소정 개수를 초과할 경우 적어도 2 이상의 끝 마디를 결합하는 가지치기를 수행할 수 있다. 제어부(15)는 아래 수학식 1에 따라 가지치기를 수행할 수 있다.
[수학식 1]
CC(T)=Err(T)+α×L(T)
이 때, CC(T)는 의사결정나무의 비용 복잡도(오류가 적으면서 끝 마디의 수가 적은 단순 모델일수록 작은 값)이고, Err(T)는 검증데이터에 대한 오분류율이고, L(T)는 끝 마디의 수이고, α는 Err(T)와 L(T)를 결합하는 가중치를 의미할 수 있고 0.01 내지 0.01 범위의 값일 수 있다.
의사결정나무 생성부(16)는 끝 마디를 결합한 후, 타당성 평가를 실시할 수 있다(S27).
의사결정나무 생성부(16)는 이익 도표(gain chart), 위험 도표(risk chart) 및 비용 도표(cost chart) 중 적어도 하나에 의한 교차타당성(cross validation)을 통해 타당성 평가를 실시할 수 있다.
구체적으로, 의사결정나무 생성부(16)는 이익 도표(gain chart), 위험 도표(risk chart) 및 비용 도표(cost chart) 중 적어도 하나에 기초하여 데이터를 k개의 데이터로 분할하고, 분할된 k개의 데이터 중 k-1개의 데이터를 훈련 데이터로 사용하고, 1개의 데이터를 테스트 데이터로 사용할 수 있다. 제어부(15)는 훈련 데이터와 테스트 데이터를 서로 변경하면서 단계 S21, 단계 S23 및 단계 S25를 통해 생성된 의사결정나무의 타당성을 평가할 수 있다.
의사결정나무 생성부(16)는 타당성 평가 후, 의사결정나무의 분석 결과를 해석하여 의사결정나무를 구축할 수 있다(S29).
도 4는 본 발명의 제1 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예시 도면이고, 도 5는 본 발명의 제1 실시 예에 따라 생성한 SPF 산출 의사결정나무의 예측율을 나타내는 그래프이다.
본 발명의 제1 실시 예에 따르면, 의사결정나무 생성부(16)는 설명변수가 화장품 원료이고, 종속변수가 자외선 차단지수 SPF인 도 4에 도시된 바와 같은 의사결정나무를 생성할 수 있다.
제1 실시 예에 따른 의사결정나무는 뿌리 마디(101)와, 제1 내지 제10 중간 마디(111 내지 120)와, 제1 내지 제12 끝 마디(131 내지 142)를 포함할 수 있다. 뿌리 마디(101)와 제1 내지 제10 중간 마디(111 내지 120) 각각은 화장품 원료의 함량 기준을 포함할 수 있고, 뿌리 마디(101)와 제1 내지 제10 중간 마디(111 내지 120)로부터 자식 마디가 연결될 수 있고, 자식 마디는 다른 중간 마디 또는 끝 마디일 수 있다.
도 4의 예시를 참조하면, 뿌리 마디(101)는 화장품 원료 Diethylamino hyderoxybenzoyl Hexyl Benzoate 의 함량이 2.5g 이하 또는 2.5g 초과인가를 나타내는 기준을 포함하고, 기준에 따라 제1 중간 마디(111) 또는 제2 중간 마디(112)로 분리될 수 있다.
제1 중간 마디(111)는 Diethylamino hyderoxybenzoyl Hexyl Benzoate 의 함량이 0.6g 이하 또는 0.6g 초과인가를 나타내는 기준을 포함하고, 기준에 따라 제3 중간 마디(113) 또는 제4 중간 마디(114)로 분리될 수 있다.
제4 중간 마디(114)는 Titanium Dioxide의 함량이 5.35g 이하 또는 5.35g 초과인가를 나타내는 기준을 포함하고, 기준에 따라 제9 중간 마디(119) 또는 제1 끝 마디(131)로 분리될 수 있다.
제9 중간 마디(119)는 Titanium Dioxide의 함량이 1g 미만 또는 1g 초과인가를 나타내는 기준을 포함하고, 기준에 따라 제9 끝 마디(139) 또는 제10 끝 마디(140)로 분리될 수 있다.
일부 중간 마디와 일부 끝 마디를 예시로 설명하였으나, 다른 중간 마디 및 다른 끝 마디도 앞에서 설명한 것과 유사하게 함량 기준을 포함하고, 함량 기준에 따라 분리되는 것이므로 자세한 설명은 생략하기로 한다.
도 5의 그래프는 도 4에 도시된 의사결정나무의 SPF 예측율을 나타낼 수 있다.
구체적으로, 도 5에 도시된 그래프 각각은 가로축이 의사결정나무에 따라 산출된 SPF(이하, '예측 SPF'라고 한다.)이고, 세로축이 실제 측정된 SPF(이하, '실제 SPF'라고 한다.)이다. 따라서, 도 5의 그래프에 표시된 각각의 점들은 의사결정나무에 따라 산출된 SPF와 실제 측정된 SPF에 대응하는 위치에 표시된 점들일 수 있다.
도 5의 그래프에 도시된 제1 선(190)은 예측 SPF에 대한 실제 SPF의 평균값을 연결한 선일 수 있다. 따라서, 제1 선(190)의 기울기(slope) 는 의사결정나무의 예측 정확도를 나타낼 수 있다. 즉, 제1 선(190)의 기울기는 1에 가까울수록 의사결정나무의 예측 정확도가 높음을 의미할 수 있다.
도 5를 참조하면, 제1 선(190)의 기울기는 0.8317임을 알 수 있다.
한편, 도 5에 도시된 그래프를 통해 예측 정확도의 편차(R2)가 산출될 수 있다. 즉, 실제 SPF의 평균값과 실제 SPF의 편차가 산출될 수 있고, 도 5에 도시된 그래프의 경우 예측 정확도의 편차(R2)가 0.85임을 알 수 있다.
다음으로, 도 6은 본 발명의 제2 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예시 도면이고, 도 7은 본 발명의 제2 실시 예에 따라 생성한 SPF 산출 의사결정나무의 예측율을 나타내는 그래프이다.
본 발명의 제2 실시 예에 따르면 의사결정나무 생성부(16)는 설명변수가 화장품 원료 및 피부 타입이고, 종속변수가 자외선 차단지수 SPF인 도 6에 도시된 바와 같은 의사결정나무를 생성할 수 있다.
제2 실시 예에 따른 의사결정나무는 뿌리 마디(201)와, 제1 내지 제11 중간 마디(211 내지 218, 231 내지 233)와, 제1 내지 제13 끝 마디(251 내지 263)를 포함할 수 있다. 제2 실시 예의 경우, 뿌리 마디(201)와 제1 내지 제8 중간 마디(211 내지 218)는 화장품 원료의 함량 기준을 포함할 수 있고, 제9 내지 제11 중간 마디(231 내지 233)는 피부 타입 기준을 포함할 수 있다. 제1 내지 제13 끝 마디(251 내지 263)는 자외선 차단지수를 포함할 수 있다.
도 6의 예시를 참조하면, 뿌리 마디(201)는 화장품 원료 Diethylamino hyderoxybenzoyl Hexyl Benzoate 의 함량이 2.5g 이하 또는 2.5g 초과인가를 나타내는 기준을 포함하고, 기준에 따라 제1 중간 마디(111) 또는 제2 중간 마디(112)로 분리될 수 있다.
제2 중간 마디(212)는 Ethylhexyl Triazone의 함량이 0.5g 이하 또는 0.5g 초과인가를 나타내는 기준을 포함하고, 기준에 따라 제5 중간 마디(215)와 제13 중간 마디(233)로 분리될 수 있다.
제13 중간 마디(233)는 피부 타입이 제2 타입인가 아닌가를 나타내는 기준을 포함하고, 기준에 따라 제3 끝 마디(253)와 제8 중간 마디(218)로 분리될 수 있다.
제8 중간 마디(218)는 화장품 원료 Bis-Ethylhexyloxypenol Methoxyphenyl Triazine)의 함량이 3.25g 이하인가 또는 3.25g 초과인가를 나타내는 기준으로 제12 끝 마디(262) 또는 제13 끝 마디(263)로 분리될 수 있다.
이와 같이, 의사결정나무는 자외선 차단지수 산출 변수로 화장품 원료뿐만 아니라 피부 타입과 같은 서브 정보를 더 포함할 수 있다.
도 7의 그래프는 도 6에 도시된 의사결정나무의 SPF 예측율을 나타낼 수 있다.
이하, 도 4를 통해 설명한 것과 동일한 설명은 생략하기로 한다.
도 7에 도시된 제2 선(290)은 예측 SPF에 대한 실제 SPF의 평균값을 연결한 선으로, 예측 정확도를 나타내는 제2 선(290)의 기울기는 0.8902일 수 있다.
한편, 도 7에 도시된 그래프의 경우 예측 정확도의 편차(R2)가 0.8779일 수 있다.
도 8은 본 발명의 제3 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예시 도면이고, 도 9는 본 발명의 제3 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예측율을 나타내는 그래프이다.
본 발명의 제3 실시 예에 따르면, 의사결정나무 생성부(16)는 설명변수가 화장품 원료 및 최소홍반량(MED)이고, 종속변수가 자외선 차단지수 SPF인 도 8에 도시된 바와 같은 의사결정나무를 생성할 수 있다.
제3 실시 예에 따르면, 의사결정나무는 뿌리 마디(301)와, 제1 내지 제11 중간 마디(311 내지 317, 318 내지 321)와, 제1 내지 제13 끝 마디(341 내지 353)를 포함할 수 있다. 제3 실시 예의 경우, 뿌리 마디(301)와 제1 내지 제7 중간 마디(311 내지 317)는 화장품 원료의 함량 기준을 포함할 수 있고, 제8 내지 제11 중간 마디(318 내지 321)는 최소홍반량 기준을 포함할 수 있다. 제1 내지 제13 끝 마디(341 내지 353)는 자외선 차단지수를 포함할 수 있다.
이와 같이, 본 발명의 제3 실시 예에 따른 SPF 산출 의사결정나무는 자외선 차단지수 산출 변수로 화장품 원료뿐만 아니라 최소홍반량과 같은 서브 정보를 더 포함할 수 있다.
도 9의 그래프는 도 8에 도시된 SPF 산출 의사결정나무의 예측율을 나타내는 것으로, 도 9에 도시된 제3 선(390)은 예측 SPF에 대한 실제 SPF의 평균값을 연결한 선일 수 있다. 도 9에 도시된 바에 따르면, 제3 실시 예에 따른 SPF 산출 의사결정나무의 예측 정확도를 나타내는 제3 선(390)의 기울기는 0.914이고, 예측 정확도의 편차(R2)는 0.8952임을 알 수 있다.
도 10은 본 발명의 제4 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예시 도면이고, 도 11은 본 발명의 제4 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예측율을 나타내는 그래프이다.
본 발명의 제4 실시 예에 따르면, 의사결정나무 생성부(16)는 설명변수가 화장품 원료 및 색소 여부(Pigment presence)이고, 종속변수가 자외선 차단지수 SPF인 도 10에 도시된 바와 같은 의사결정나무를 생성할 수 있다.
제4 실시 예에 따르면, 의사결정나무는 뿌리 마디(401)와, 제1 내지 제12 중간 마디(411 내지 420, 421 내지 422)와, 제1 내지 제14 끝 마디(431 내지 444)를 포함할 수 있다. 제4 실시 예의 경우, 뿌리 마디(401)와 제1 내지 제10 중간 마디(411 내지 420)는 화장품 원료의 함량 기준을 포함할 수 있고, 제11 내지 제12 중간 마디(421 내지 422)는 색소포함여부를 나타내는 기준을 포함할 수 있다. 제1 내지 제14 끝 마디(431 내지 444)는 자외선 차단지수 SPF를 포함할 수 있다.
이와 같이, 본 발명의 제4 실시 예에 따른 SPF 산출 의사결정나무는 자외선 차단지수 산출 변수로 화장품 원료뿐만 아니라 색소포함여부과 같은 서브 정보를 더 포함할 수 있다.
도 11의 그래프는 도 10에 도시된 SPF 산출 의사결정나무의 예측율을 나타내는 것으로, 도 11에 도시된 제4 선(490)은 예측 SPF에 대한 실제 SPF의 평균값을 연결한 선일 수 있다. 도 11에 도시된 바에 따르면, 제4 실시 예에 따른 SPF 산출 의사결정나무의 예측 정확도를 나타내는 제4 선(490)의 기울기는 0.8961이고, 예측 정확도의 편차(R2)는 0.8654임을 알 수 있다.
도 12는 본 발명의 제5 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예시 도면이고, 도 13은 본 발명의 제5 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예측율을 나타내는 그래프이다.
본 발명의 제5 실시 예에 따르면, 의사결정나무 생성부(16)는 설명변수가 화장품 원료 및 안료급 TiO2(Pigment grade TiO2) 함량이고, 종속변수가 자외선 차단지수 SPF인 도 12에 도시된 바와 같은 의사결정나무를 생성할 수 있다.
제5 실시 예에 따르면, 의사결정나무는 뿌리 마디(501)와, 제1 내지 제12 중간 마디(511 내지 522)와, 제1 내지 제14 끝 마디(431 내지 444)를 포함할 수 있다. 제5 실시 예의 경우, 뿌리 마디(501)와 제1 내지 제9 중간 마디(511 내지 519)는 화장품 원료의 함량 기준을 포함할 수 있고, 제10 내지 제12 중간 마디(520 내지 522)는 안료급 TiO2의 함량를 나타내는 기준을 포함할 수 있다. 제1 내지 제14 끝 마디(431 내지 444)는 자외선 차단지수 SPF를 포함할 수 있다.
이와 같이, 본 발명의 제5 실시 예에 따른 SPF 산출 의사결정나무는 자외선 차단지수 산출 변수로 화장품 원료뿐만 아니라 안료급 TiO2의 함량과 같은 서브 정보를 더 포함할 수 있다.
도 13의 그래프는 도 12에 도시된 SPF 산출 의사결정나무의 예측율을 나타내는 것으로, 도 13에 도시된 제5 선(590)은 예측 SPF에 대한 실제 SPF의 평균값을 연결한 선일 수 있다. 도 13에 도시된 바에 따르면, 제5 실시 예에 따른 SPF 산출 의사결정나무의 예측 정확도를 나타내는 제5 선(590)의 기울기는 0.9098이고, 예측 정확도의 편차(R2)는 0.877임을 알 수 있다.
도 14는 본 발명의 제6 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예시 도면이고, 도 15는 본 발명의 제6 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예측율을 나타내는 그래프이다.
본 발명의 제6 실시 예에 따르면, 의사결정나무 생성부(16)는 설명변수가 화장품 원료 및 제형 성상(Product Formulation) 이고, 종속변수가 자외선 차단지수 SPF인 도 14에 도시된 바와 같은 의사결정나무를 생성할 수 있다.
제6 실시 예에 따르면, 의사결정나무는 뿌리 마디(601)와, 제1 내지 제10 중간 마디(611 내지 620)와, 제1 내지 제12 끝 마디(631 내지 642)를 포함할 수 있다. 제6 실시 예의 경우, 뿌리 마디(601)와 제1 내지 제8 중간 마디(611 내지 618)는 화장품 원료의 함량 기준을 포함할 수 있고, 제9 내지 제10 중간 마디(619 내지 620)는 제형 성상을 나타내는 기준을 포함할 수 있다. 제1 내지 제12 끝 마디(631 내지 642)는 자외선 차단지수 SPF를 포함할 수 있다.
이와 같이, 본 발명의 제6 실시 예에 따른 SPF 산출 의사결정나무는 자외선 차단지수 산출 변수로 화장품 원료뿐만 아니라 제형 성상과 같은 서브 정보를 더 포함할 수 있다.
도 15의 그래프는 도 14에 도시된 SPF 산출 의사결정나무의 예측율을 나타내는 것으로, 도 15에 도시된 제6 선(690)은 예측 SPF에 대한 실제 SPF의 평균값을 연결한 선일 수 있다. 도 15에 도시된 바에 따르면, 제6 실시 예에 따른 SPF 산출 의사결정나무의 예측 정확도를 나타내는 제6 선(690)의 기울기는 0.892이고, 예측 정확도의 편차(R2)는 0.8658임을 알 수 있다.
도 16은 본 발명의 제7 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예시 도면이고, 도 17은 본 발명의 제7 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 SPF 산출 의사결정나무의 예측율을 나타내는 그래프이다.
본 발명의 제7 실시 예에 따르면, 의사결정나무 생성부(16)는 설명변수가 화장품 원료 및 제품 타입(Product Type) 이고, 종속변수가 자외선 차단지수 SPF인 도 16에 도시된 바와 같은 의사결정나무를 생성할 수 있다.
제7 실시 예에 따르면, 의사결정나무는 뿌리 마디(701)와, 제1 내지 제10 중간 마디(711 내지 720)와, 제1 내지 제12 끝 마디(731 내지 742)를 포함할 수 있다. 제7 실시 예의 경우, 뿌리 마디(701)와 제1 내지 제6 중간 마디(711 내지 716)는 화장품 원료의 함량 기준을 포함할 수 있고, 제7 내지 제10 중간 마디(717 내지 720)는 제품 타입을 나타내는 기준을 포함할 수 있다. 제1 내지 제12 끝 마디(731 내지 742)는 자외선 차단지수 SPF를 포함할 수 있다.
이와 같이, 본 발명의 제7 실시 예에 따른 SPF 산출 의사결정나무는 자외선 차단지수 산출 변수로 화장품 원료뿐만 아니라 제품 타입과 같은 서브 정보를 더 포함할 수 있다.
도 17의 그래프는 도 16에 도시된 SPF 산출 의사결정나무의 예측율을 나타내는 것으로, 도 17에 도시된 제7 선(790)은 예측 SPF에 대한 실제 SPF의 평균값을 연결한 선일 수 있다. 도 17에 도시된 바에 따르면, 제7 실시 예에 따른 SPF 산출 의사결정나무의 예측 정확도를 나타내는 제7 선(790)의 기울기는 0.9074고, 예측 정확도의 편차(R2)는 0.8713임을 알 수 있다.
도 18은 본 발명의 제1 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예시 도면이고, 도 19는 본 발명의 제1 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예측율을 나타내는 그래프이다.
본 발명의 제1 실시 예에 따르면, 의사결정나무 생성부(16)는 설명변수가 화장품 원료이고, 종속변수가 자외선 차단지수 PFA인 도 18에 도시된 바와 같은 의사결정나무를 생성할 수 있다.
제1 실시 예에 따르면, 의사결정나무는 뿌리 마디(801)와, 제1 내지 제8 중간 마디(811 내지 818)와, 제1 내지 제10 끝 마디(831 내지 840)를 포함할 수 있다. 제1 실시 예의 경우, 뿌리 마디(801)와 제1 내지 제8 중간 마디(811 내지 818는 화장품 원료의 함량 기준을 포함할 수 있다. 제1 내지 제10 끝 마디(831 내지 840)는 자외선 차단지수 PFA를 포함할 수 있다.
이와 같이, 본 발명의 제1 실시 예에 따른 PFA 산출 의사결정나무는 자외선 차단지수 산출 변수로 화장품 원료만 포함할 수 있다.
도 19의 그래프는 도 18에 도시된 PFA 산출 의사결정나무의 예측율을 나타내는 것으로, 도 18에 도시된 제8 선(890)은 예측 PFA에 대한 실제 PFA의 평균값을 연결한 선일 수 있다. 도 18에 도시된 바에 따르면, 제1 실시 예에 따른 PFA 산출 의사결정나무의 예측 정확도를 나타내는 제8 선(890)의 기울기는 0.8675고, 예측 정확도의 편차(R2)는 0.81임을 알 수 있다.
도 20은 본 발명의 제2 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예시 도면이고, 도 21은 본 발명의 제2 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예측율을 나타내는 그래프이다.
본 발명의 제2 실시 예에 따르면, 의사결정나무 생성부(16)는 설명변수가 화장품 원료 및 피부타입(Skin Type)이고, 종속변수가 자외선 차단지수 PFA인 도 20에 도시된 바와 같은 의사결정나무를 생성할 수 있다.
제2 실시 예에 따르면, 의사결정나무는 뿌리 마디(901)와, 제1 내지 제10 중간 마디(911 내지 920)와, 제1 내지 제12 끝 마디(931 내지 942)를 포함할 수 있다. 제2 실시 예의 경우, 뿌리 마디(901)와 제1 내지 제8 중간 마디(911 내지 918)는 화장품 원료의 함량 기준을 포함하고, 제9 내지 제10 중간 마디(919 내지 920)는 피부 타입(Skin Type)을 나타내는 기준을 포함할 수 있다. 제1 내지 제12 끝 마디(931 내지 942)는 자외선 차단지수 PFA를 포함할 수 있다.
이와 같이, 본 발명의 제2 실시 예에 따른 PFA 산출 의사결정나무는 자외선 차단지수 산출 변수로 화장품 원료와 피부 타입과 같은 서브 정보를 포함할 수 있다.
도 21의 그래프는 도 20에 도시된 PFA 산출 의사결정나무의 예측율을 나타내는 것으로, 도 21에 도시된 제9 선(990)은 예측 PFA에 대한 실제 PFA의 평균값을 연결한 선일 수 있다. 도 21에 도시된 바에 따르면, 제2 실시 예에 따른 PFA 산출 의사결정나무의 예측 정확도를 나타내는 제9 선(990)의 기울기는 0.8881고, 예측 정확도의 편차(R2)는 0.8172임을 알 수 있다.
도 22는 본 발명의 제3 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예시 도면이고, 도 23는 본 발명의 제3 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예측율을 나타내는 그래프이다.
본 발명의 제3 실시 예에 따르면, 의사결정나무 생성부(16)는 설명변수가 화장품 원료 및 최소홍반량(MED)이고, 종속변수가 자외선 차단지수 PFA인 도 22에 도시된 바와 같은 의사결정나무를 생성할 수 있다.
제3 실시 예에 따르면, 의사결정나무는 뿌리 마디(1101)와, 제1 내지 제9 중간 마디(1111 내지 1119)와, 제1 내지 제11 끝 마디(1131 내지 1141)를 포함할 수 있다. 제3 실시 예의 경우, 뿌리 마디(1101)와 제1 내지 제7 중간 마디(1111 내지 1117)는 화장품 원료의 함량 기준을 포함하고, 제8 내지 제9 중간 마디(1118 내지 1119)는 최소홍반량을 나타내는 기준을 포함할 수 있다. 제1 내지 제11 끝 마디(1131 내지 1141)는 자외선 차단지수 PFA를 포함할 수 있다.
이와 같이, 본 발명의 제3 실시 예에 따른 PFA 산출 의사결정나무는 자외선 차단지수 산출 변수로 화장품 원료와, 최소홍반량과 같은 서브 정보를 포함할 수 있다.
도 23의 그래프는 도 22에 도시된 PFA 산출 의사결정나무의 예측율을 나타내는 것으로, 도 23에 도시된 제10 선(1190)은 예측 PFA에 대한 실제 PFA의 평균값을 연결한 선일 수 있다. 도 23에 도시된 바에 따르면, 제3 실시 예에 따른 PFA 산출 의사결정나무의 예측 정확도를 나타내는 제10 선(1190)의 기울기는 0.8892고, 예측 정확도의 편차(R2)는 0.8204임을 알 수 있다.
도 24는 본 발명의 제4 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예시 도면이고, 도 25는 본 발명의 제4 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예측율을 나타내는 그래프이다.
본 발명의 제4 실시 예에 따르면, 의사결정나무 생성부(16)는 설명변수가 화장품 원료 및 색소 여부(Pigment presence)이고, 종속변수가 자외선 차단지수 PFA인 도 24에 도시된 바와 같은 의사결정나무를 생성할 수 있다.
제4 실시 예에 따르면, 의사결정나무는 뿌리 마디(1201)와, 제1 내지 제9 중간 마디(1211 내지 1219)와, 제1 내지 제11 끝 마디(1231 내지 1441)를 포함할 수 있다. 제4 실시 예의 경우, 뿌리 마디(1201)와 제1 내지 제8 중간 마디(1211 내지 1218)는 화장품 원료의 함량 기준을 포함하고, 제9 중간 마디(1219)는 색소포함여부를 나타내는 기준을 포함할 수 있다. 제1 내지 제11 끝 마디(1231 내지 1241)는 자외선 차단지수 PFA를 포함할 수 있다.
이와 같이, 본 발명의 제4 실시 예에 따른 PFA 산출 의사결정나무는 자외선 차단지수 산출 변수로 화장품 원료와 색소포함여부와 같은 서브 정보를 포함할 수 있다.
도 25의 그래프는 도 24에 도시된 PFA 산출 의사결정나무의 예측율을 나타내는 것으로, 도 25에 도시된 제11 선(1290)은 예측 PFA에 대한 실제 PFA의 평균값을 연결한 선일 수 있다. 도 25에 도시된 바에 따르면, 제4 실시 예에 따른 PFA 산출 의사결정나무의 예측 정확도를 나타내는 제11 선(1290)의 기울기는 0.8813고, 예측 정확도의 편차(R2)는 0.8274임을 알 수 있다.
도 26은 본 발명의 제5 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예시 도면이고, 도 27는 본 발명의 제5 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예측율을 나타내는 그래프이다.
본 발명의 제5 실시 예에 따르면, 의사결정나무 생성부(16)는 설명변수가 화장품 원료 및 안료급 TiO2(Pigment grade TiO2) 함량이고, 종속변수가 자외선 차단지수 PFA인 도 26 도시된 바와 같은 의사결정나무를 생성할 수 있다.
제5 실시 예에 따르면, 의사결정나무는 뿌리 마디(1301)와, 제1 내지 제9 중간 마디(1311 내지 1319)와, 제1 내지 제11 끝 마디(1331 내지 1341)를 포함할 수 있다. 제5 실시 예의 경우, 뿌리 마디(1301)와 제1 내지 제8 중간 마디(1311 내지 1318)는 화장품 원료의 함량 기준을 포함하고, 제9 중간 마디(1319)는 안료급 TiO2 함량를 나타내는 기준을 포함할 수 있다. 제1 내지 제11 끝 마디(1331 내지 1341)는 자외선 차단지수 PFA를 포함할 수 있다.
이와 같이, 본 발명의 제5 실시 예에 따른 PFA 산출 의사결정나무는 자외선 차단지수 산출 변수로 화장품 원료와 안료급 TiO2 함량과 같은 서브 정보를 포함할 수 있다.
도 27의 그래프는 도 26에 도시된 PFA 산출 의사결정나무의 예측율을 나타내는 것으로, 도 27에 도시된 제12 선(1390)은 예측 PFA에 대한 실제 PFA의 평균값을 연결한 선일 수 있다. 도 27에 도시된 바에 따르면, 제5 실시 예에 따른 PFA 산출 의사결정나무의 예측 정확도를 나타내는 제12 선(1390)의 기울기는 0.8907고, 예측 정확도의 편차(R2)는 0.8387임을 알 수 있다.
도 28은 본 발명의 제6 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예시 도면이고, 도 29는 본 발명의 제6 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예측율을 나타내는 그래프이다.
본 발명의 제6 실시 예에 따르면, 의사결정나무 생성부(16)는 설명변수가 화장품 원료 및 제형 성상(Product Formulation) 이고, 종속변수가 자외선 차단지수 PFA인 도 28 도시된 바와 같은 의사결정나무를 생성할 수 있다.
제6 실시 예에 따르면, 의사결정나무는 뿌리 마디(1401)와, 제1 내지 제8 중간 마디(1411 내지 1418)와, 제1 내지 제10 끝 마디(1431 내지 1440)를 포함할 수 있다. 제6 실시 예의 경우, 뿌리 마디(1401)와 제1 내지 제6 중간 마디(1411 내지 1416)는 화장품 원료의 함량 기준을 포함하고, 제7 내지 제8 중간 마디(1417 내지 1418)는 제형 성상을 나타내는 기준을 포함할 수 있다. 제1 내지 제10 끝 마디(1431 내지 1440)는 자외선 차단지수 PFA를 포함할 수 있다.
이와 같이, 본 발명의 제6 실시 예에 따른 PFA 산출 의사결정나무는 자외선 차단지수 산출 변수로 화장품 원료와 제형 성상과 같은 서브 정보를 포함할 수 있다.
도 29의 그래프는 도 28에 도시된 PFA 산출 의사결정나무의 예측율을 나타내는 것으로, 도 29에 도시된 제13 선(1490)은 예측 PFA에 대한 실제 PFA의 평균값을 연결한 선일 수 있다. 도 29에 도시된 바에 따르면, 제6 실시 예에 따른 PFA 산출 의사결정나무의 예측 정확도를 나타내는 제13 선(1490)의 기울기는 0.8803고, 예측 정확도의 편차(R2)는 0.8239임을 알 수 있다.
도 30은 본 발명의 제7 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예시 도면이고, 도 31는 본 발명의 제7 실시 예에 따른 자외선 차단지수 산출 장치가 생성한 PFA 산출 의사결정나무의 예측율을 나타내는 그래프이다.
본 발명의 제7 실시 예에 따르면, 의사결정나무 생성부(16)는 설명변수가 화장품 원료 및 제품 타입(Product Type)이고, 종속변수가 자외선 차단지수 PFA인 도 30에 도시된 바와 같은 의사결정나무를 생성할 수 있다.
제7 실시 예에 따르면, 의사결정나무는 뿌리 마디(1501)와, 제1 내지 제9 중간 마디(1511 내지 1519)와, 제1 내지 제11 끝 마디(1531 내지 1541)를 포함할 수 있다. 제7 실시 예의 경우, 뿌리 마디(1501)와 제1 내지 제8 중간 마디(1511 내지 1518)는 화장품 원료의 함량 기준을 포함하고, 제9 중간 마디(1519)는 제품 타입을 나타내는 기준을 포함할 수 있다. 제1 내지 제11 끝 마디(1531 내지 1541)는 자외선 차단지수 PFA를 포함할 수 있다.
이와 같이, 본 발명의 제7 실시 예에 따른 PFA 산출 의사결정나무는 자외선 차단지수 산출 변수로 화장품 원료와 제품 타입과 같은 서브 정보를 포함할 수 있다.
도 31의 그래프는 도 30에 도시된 PFA 산출 의사결정나무의 예측율을 나타내는 것으로, 도 31에 도시된 제14 선(1590)은 예측 PFA에 대한 실제 PFA의 평균값을 연결한 선일 수 있다. 도 31에 도시된 바에 따르면, 제7 실시 예에 따른 PFA 산출 의사결정나무의 예측 정확도를 나타내는 제14 선(1590)의 기울기는 0.8796고, 예측 정확도의 편차(R2)는 0.8222임을 알 수 있다.
도 4 내지 도 17을 통해 제1 내지 제7 실시 예에 따른 SPF 산출 의사결정나무를 참조하면, 산출 변수가 화장품 원료만인 경우의 예측 정확도는 0.8317이고, 산출 변수가 화장품 원료 외에 서브 정보를 포함하는 경우의 예측 정확도는 0.8902, 0.914, 0.8961, 0.9098, 0.892 또는 0.9074으로, 산출 변수가 1개인 경우 보다 산출 변수가 2개인 경우 예측 정확도가 더 높다.
마찬가지로, 도 18 내지 도 31을 통해 제1 내지 제7 실시 예에 따른 PFA 산출 의사결정나무를 참조하면, 산출 변수가 화장품 원료만인 경우의 예측 정확도는 0.8675이고, 산출 변수가 화장품 원료 외에 서브 정보를 포함하는 경우의 예측 정확도는 0.8881, 0.8898, 0.8813, 0.8907, 0.8803 또는 0.8796으로, 산출 변수가 1개인 경우 보다 산출 변수가 2개인 경우 예측 정확도가 더 높다.
즉, 본 발명의 실시 예에 따르면, 설명변수가 화장품 원료만인 경우 의사결정나무 보다 설명변수가 화장품 원료 외에 서브 정보를 더 포함하는 경우 의사결정나무의 편차가 높고, 예측 정확도가 더 높음을 알 수 있다.
본 발명에서는 산출 변수가 1개 또는 2개인 경우만을 예시로 설명하였으나, 의사결정나무 생성부(16)는 산출 변수가 3개 이상인 의사결정나무를 생성할 수 있고, 산출 변수의 수가 많을수록 자외선 차단지수의 예측 정확도가 향상되는 이점이 있다.
다시, 도 2를 설명한다.
제어부(15)는 화장품의 정보 입력을 수신하였는가 판단할 수 있다(S15).
사용자는 입력부(13)를 이용하여 화장품의 정보를 입력할 수 있고, 제어부(15)는 입력부(13)를 통해 화장품의 정보 입력을 수신할 수 있다.
예를 들어, 제어부(15)는 화장품에 포함된 적어도 하나의 화장품 원료 정보의 입력을 수신할 수 있다. 또는, 제어부(15)는 화장품에 포함된 적어도 하나의 화장품 원료 정보 및 적어도 하나의 서브 정보 입력을 수신할 수 있다. 또는, 제어부(15)는 센싱 모듈(미도시)을 통해 소정 질량의 화장품을 감지하고, 감지된 화장품을 분석하여 화장품 원료 정보를 수신할 수 있다. 또는, 제어부(15)는 통신 모듈(미도시)을 통해 화장품의 원료 정보 또는 서브 정보를 포함하는 화장품 정보 신호를 수신할 수 있다. 그러나, 이는 예시적인 것에 불과하며, 제어부(15)는 다양한 방법으로 화장품의 정보 입력을 수신할 수 있다.
제어부(15)는 화장품의 정보 입력을 수신하면, 의사결정나무에 따라 화장품의 자외선 차단지수를 출력할 수 있다(S17).
자외선 차단지수 산출부(17)는 의사결정나무에 기초하여, 수신된 화장품 정보에 대응하는 자외선 차단지수를 획득하고, 획득한 자외선 차단지수를 출력부(14)를 통해 출력할 수 있다.
도 32는 본 발명의 실시 예에 따른 자외선 차단지수 산출 장치가 자외선 차단지수를 출력하는 방법을 나타내는 예시 도면이다.
도 32에 도시된 바와 같이, 자외선 차단지수 산출장치(10)의 출력부(14)는 화장품의 자외선 차단지수를 표시할 수 있다.
제어부(15)는 입력부(13)를 통해 화장품의 정보 입력을 수신하고, 정보 입력된 화장품의 자외선 차단지수를 획득하여 획득된 자외선 차단지수를 출력부(14)에 출력할 수 있다.
제어부(15)는 자외선 차단지수를 SPF, PFA 등 적어도 하나의 지표로 표시할 수 있다. 예를 들어, 출력부(14)는 “정보 입력된 화장품의 자외선 차단지수(SPF)는 32 입니다.”와 같은 메시지를 표시할 수 있다. 그러나, 이는 예시적인 것에 불과하며, 출력부(14)는 “정보 입력된 화장품의 자외선 차단지수는 SPF 32, PA++ 입니다.”와 같은 메시지를 표시할 수 있다.
다시, 도 2를 설명한다.
제어부(15)는 자외선 차단지수 산출 후, 의사결정나무 갱신 명령의 수신 여부를 판단할 수 있다(S19).
제어부(15)는 입력부(13)를 통해 의사결정나무 갱신 명령을 수신할 수 있다. 제어부(15)는 의사결정나무 갱신 명령을 수신하지 않은 경우에는, 의사결정나무를 새로 생성하지 않고, 화장품의 정보 입력을 수신시(S15) 기 생성된 의사결정나무에 따라 화장품의 자외선 차단지수를 산출하여 출력할 수 있다(S17).
한편, 제어부(15)는 의사결정나무 갱신 명령을 수신한 경우에는, 데이터베이스에 추가 화장품 정보 및 자외선 차단지수를 누적하여 저장할 수 있다(S21).
즉, 제어부(15)는 자외선 차단지수 산출 후, 자외선 차단지수를 산출시 새로 수신된 화장품 정보와 그에 따라 산출환 자외선 차단지수를 메모리(11)에 저장하여 데이터베이스를 업데이트하고, 업데이트한 데이터베이스에 기초하여 의사결정나무를 재생성, 즉 의사결정나무를 갱신할 수 있다.
제어부(15)는 의사결정나무를 갱신한 후 화장품의 정보 입력을 수신시(S15), 갱신된 의사결정나무에 기초하여 자외선 차단지수를 산출하여 출력할 수 있다(S17).
제어부(15)는 도 2에 도시된 순서도와 같이 새로운 화장품 정보 입력시 자외선 차단지수를 산출하고, 산출 결과를 데이터베이스에 병합하여 의사결정나무를 갱신함으로써, 각 마디의 기준 설정 방법을 딥러닝할 수 있고, 이에 따라 의사결정나무의 예측 정확도가 향상될 수 있다.
본 발명의 일 실시 예에 의하면, 전술한 방법은, 프로그램이 기록된 매체에 프로세서가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 프로세서가 읽을 수 있는 매체의 예로는, ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장장치 등의 형태로 구현되는 것도 포함한다.
본 발명의 일 실시 예에 의하면, 자외선 차단지수 산출장치는 메모리와 의사결정나무 생성부를 제외하고, 입력부, 저장된 의사결정나무를 통해 자외선 차단지수를 산출하는 자외선 차단지수 산출부를 갖는 제어부 및 출력부를 포함하는 단말기 형태로도 제공될 수 있다. 이 경우 별도의 입력을 받아 기저장된 의사결정나무를 업데이트하는 방식으로도 활용될 수 있음은 물론이다.
상기와 같이 설명된 자외선 차단지수 산출 장치는 상기 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
즉, 이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다.
본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (15)

  1. 복수개의 화장품 각각에 대해 화장품 정보 및 자외선 차단지수를 맵핑한 데이터를 포함하는 데이터베이스를 저장하는 단계;
    상기 데이터베이스에 기초하여, 상기 복수개의 화장품에 포함된 화장품 정보가 설명변수이고, 상기 자외선 차단지수가 종속변수인 의사결정나무를 생성하는 단계;
    화장품의 정보 입력을 수신하는 단계; 및
    상기 의사결정나무에 기초하여입력된 화장품의 정보에 따른 자외선 차단지수를 출력하는 단계를 포함하는 자외선 차단지수 산출 장치의 자외선 차단지수 산출 방법.
  2. 제1항에 있어서,
    상기 화장품 정보는
    화장품 원료를 포함하는
    자외선 차단지수 산출 장치의 자외선 차단지수 산출 방법.
  3. 제2항에 있어서,
    상기 화장품 정보는
    적어도 하나의 서브 정보를 더 포함하는 자외선 차단지수 산출 장치의 자외선 차단지수 산출 방법.
  4. 제3항에 있어서,
    상기 서브 정보는
    피부타입, 최소홍반량, 색소포함여부, 안료급TiO2 함량, 제형 성상 및 제품 타입 중 적어도 하나를 더 포함하는 자외선 차단지수 산출 장치의 자외선 차단지수 산출 방법.
  5. 제1항에 있어서,
    상기 자외선 차단지수를 출력하는 단계를 포함하는
    상기 의사결정나무에 따라 산출된 SPF(Sun Protection Factor) 또는 PFA(Photoprotection Factor A)를 출력하는 단계를 포함하는 자외선 차단지수 산출 장치의 자외선 차단지수 산출 방법.
  6. 제1항에 있어서,
    의사결정나무 갱신 명령을 수신하는 단계;
    상기 의사결정나무 갱신 명령을 수신시 입력된 화장품의 정보 및 상기 입력된 화장품의 정보에 따라 산출된 자외선 차단지수를 상기 데이터베이스에 저장함으로써 상기 데이터베이스를 업데이트하는 단계; 및
    업데이트된 데이터베이스에 기초하여 상기 의사결정나무를 재생성하는 단계를 더 포함하는 자외선 차단지수 산출 장치의 자외선 차단지수 산출 방법.
  7. 제1항 내지 제6항 중 어느 한 항의 방법을 수행하는 프로그램을 기록한 컴퓨터 판독 가능 기록 매체.
  8. 자외선 차단지수 산출 장치에 있어서,
    화장품의 정보 입력을 수신하는 입력부;
    복수개의 화장품 각각에 대해 화장품 정보 및 자외선 차단지수를 맵핑한 데이터를 포함하는 데이터베이스를 저장하는 메모리;
    상기 데이터베이스에 기초하여, 상기 복수개의 화장품에 포함된 화장품 정보가 설명변수이고, 상기 자외선 차단지수가 종속변수인 의사결정나무를 생성하는 의사결정나무 생성부와,
    상기 의사결정나무에 기초하여 상기 입력부를 통해 입력된 화장품의 정보에 따른 자외선 차단지수를 산출하는 자외선 차단지수 산출부를 갖는 제어부; 및
    상기 의사결정나무를 통해 산출된 자외선 차단지수를 출력하는 출력부를 포함하는 자외선 차단지수 산출 장치.
  9. 제8항에 있어서,
    상기 화장품 정보는
    화장품 원료를 포함하는 자외선 차단지수 산출 장치.
  10. 제9항에 있어서,
    상기 화장품 정보는
    적어도 하나의 서브 정보를 더 포함하는 자외선 차단지수 산출 장치.
  11. 제10항에 있어서,
    상기 서브 정보는
    피부타입, 최소홍반량, 색소포함여부, 안료급TiO2 함량, 제형성상, 제품 타입 중 적어도 하나를 더 포함하는 자외선 차단지수 산출 장치.
  12. 제8항에 있어서,
    상기 출력부는
    상기 의사결정나무에 따라 산출된 SPF(Sun Protection Factor) 또는 PFA(Photoprotection Factor A)를 출력하는 자외선 차단지수 산출 장치.
  13. 제8항에 있어서,
    상기 제어부는
    의사결정나무 갱신 명령을 수신시 상기 입력부를 통해 입력된 화장품의 정보 및 상기 화장품의 정보에 따라 산출된 자외선 차단지수를 상기 데이터베이스에 저장함으로써 상기 데이터베이스를 업데이트하고, 업데이트된 데이터베이스에 기초하여 상기 의사결정나무를 재생성하는 자외선 차단지수 산출 장치.
  14. 제8항에 있어서,
    상기 의사결정나무 생성부는
    뿌리 마디, 적어도 하나의 중간 마디 및 적어도 하나의 끝 마디를 포함하고,
    상기 뿌리 마디 및 중간 마디는 화장품 정보의 분류 기준을 포함하고,
    상기 끝 마디는 자외선 차단지수를 포함하는 의사결정나무를 생성하는 자외선 차단지수 산출 장치.
  15. 제14항에 있어서,
    상기 의사결정나무 생성부는
    적어도 하나의 화장품 원료의 함량에 따라 상기 데이터베이스를 오름차순으로 정렬한 후 정렬된 데이터값들 사이사이의 지점을 분기로 가정하고, 분기 전 지니 계수와 분기 후 지니 계수의 차 연산을 통해 상기 뿌리 마디, 상기 중간 마디 및 상기 끝 마디를 결정하는 자외선 차단지수 산출 장치.
PCT/KR2019/005894 2018-12-04 2019-05-17 자외선 차단지수 산출 장치, 자외선 차단지수 산출 방법 Ceased WO2020116727A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/299,485 US20220067031A1 (en) 2018-12-04 2019-05-17 Ultraviolet protection factor calculating apparatus and ultraviolet protection factor calculating method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020180154425A KR102242993B1 (ko) 2018-12-04 2018-12-04 자외선 차단지수 산출 장치, 자외선 차단지수 산출 방법
KR10-2018-0154425 2018-12-04

Publications (1)

Publication Number Publication Date
WO2020116727A1 true WO2020116727A1 (ko) 2020-06-11

Family

ID=70974273

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/005894 Ceased WO2020116727A1 (ko) 2018-12-04 2019-05-17 자외선 차단지수 산출 장치, 자외선 차단지수 산출 방법

Country Status (3)

Country Link
US (1) US20220067031A1 (ko)
KR (1) KR102242993B1 (ko)
WO (1) WO2020116727A1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060109648A (ko) * 2005-04-18 2006-10-23 (주)아모레퍼시픽 피부 보호에 필요한 개인의 자외선 차단 지수를 결정하는방법
KR20070061083A (ko) * 2005-12-09 2007-06-13 한국전자통신연구원 유비쿼터스 환경에서 추론 엔진을 이용한 의사 결정 트리생성 방법
KR20120086107A (ko) * 2011-01-25 2012-08-02 세종대학교산학협력단 Ｏｌａｐ 시스템에서의 의사결정나무 기법을 이용한 ３차원 규칙 모델 생성 방법 및 시스템
KR101432437B1 (ko) * 2013-03-28 2014-08-21 부산대학교 산학협력단 수계수질상태의 진단 및 예측이 가능한 수질정보제공시스템 및 방법
KR20160004459A (ko) * 2014-07-02 2016-01-13 마루엘에스아이 주식회사 자외선 차단제 평가정보 제공장치 및 컴퓨터 프로그램
WO2017167097A1 (zh) * 2016-03-31 2017-10-05 阿里巴巴集团控股有限公司 一种基于随机森林的模型训练方法和装置

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7016887B2 (en) * 2001-01-03 2006-03-21 Accelrys Software Inc. Methods and systems of classifying multiple properties simultaneously using a decision tree
US20030064350A1 (en) * 2001-10-01 2003-04-03 Gilles Rubinstenn Beauty advisory system and method
US20030064356A1 (en) * 2001-10-01 2003-04-03 Gilles Rubinstenn Customized beauty tracking kit
US20150313532A1 (en) * 2007-01-05 2015-11-05 Sava Marinkovich Method and system for managing and quantifying sun exposure
WO2011106792A2 (en) * 2010-02-26 2011-09-01 Myskin, Inc. Analytic methods of tissue evaluation
US10418127B2 (en) * 2012-03-30 2019-09-17 The Procter & Gamble Company Method of formulating a skin-lightening composition
US9501693B2 (en) * 2013-10-09 2016-11-22 Honda Motor Co., Ltd. Real-time multiclass driver action recognition using random forests
US9823120B2 (en) * 2013-12-19 2017-11-21 Ultra, Inc. UV dosimetry system with optimal sun exposure prediction
US10169541B2 (en) * 2014-10-21 2019-01-01 uBiome, Inc. Method and systems for characterizing skin related conditions
US11576853B2 (en) * 2015-04-29 2023-02-14 CSI: Create.Solve. Innovate. LLC Antioxidant compositions and methods of protecting skin, hair and nails against high energy blue-violet light
WO2017035384A1 (en) * 2015-08-25 2017-03-02 The Joan and Irwin Jacobs Technion-Cornell Innovation Institute Methods, systems, and apparatuses for accurate measurement and real-time feedback of solar ultraviolet exposure
US10072975B2 (en) * 2015-09-04 2018-09-11 Stella Wearables, Inc. Wearable to monitor exposure to UV radiation
US10395300B2 (en) * 2015-12-21 2019-08-27 International Business Machines Corporation Method system and medium for personalized expert cosmetics recommendation using hyperspectral imaging
US20170246473A1 (en) * 2016-02-25 2017-08-31 Sava Marinkovich Method and system for managing treatments
US20170290979A1 (en) * 2016-04-07 2017-10-12 International Business Machines Corporation Skin medicine dose control
US10814148B2 (en) * 2016-07-12 2020-10-27 Sunborn Outdoors, LLC Method for automatically selecting and providing sunscreen for users
US10381105B1 (en) * 2017-01-24 2019-08-13 Bao Personalized beauty system
CN106928448B (zh) * 2017-04-06 2017-12-15 常州恒利宝纳米新材料科技有限公司 一种石墨烯复合材料的连续式生产设备以及制备方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060109648A (ko) * 2005-04-18 2006-10-23 (주)아모레퍼시픽 피부 보호에 필요한 개인의 자외선 차단 지수를 결정하는방법
KR20070061083A (ko) * 2005-12-09 2007-06-13 한국전자통신연구원 유비쿼터스 환경에서 추론 엔진을 이용한 의사 결정 트리생성 방법
KR20120086107A (ko) * 2011-01-25 2012-08-02 세종대학교산학협력단 Ｏｌａｐ 시스템에서의 의사결정나무 기법을 이용한 ３차원 규칙 모델 생성 방법 및 시스템
KR101432437B1 (ko) * 2013-03-28 2014-08-21 부산대학교 산학협력단 수계수질상태의 진단 및 예측이 가능한 수질정보제공시스템 및 방법
KR20160004459A (ko) * 2014-07-02 2016-01-13 마루엘에스아이 주식회사 자외선 차단제 평가정보 제공장치 및 컴퓨터 프로그램
WO2017167097A1 (zh) * 2016-03-31 2017-10-05 阿里巴巴集团控股有限公司 一种基于随机森林的模型训练方法和装置

Also Published As

Publication number Publication date
KR102242993B1 (ko) 2021-04-21
US20220067031A1 (en) 2022-03-03
KR20200067493A (ko) 2020-06-12

Similar Documents

Publication Publication Date Title
WO2022005121A1 (ko) 인체 감지용 열화상 카메라의 온도 정확도 개선장치
WO2018101572A1 (ko) 맞춤형 화장품 제공 시스템 및 그의 동작 방법
WO2014040501A1 (zh) 一种动态口令的生成及认证方法与系统
WO2015160207A1 (en) System and method for detecting region of interest
WO2021145713A1 (ko) 가상 모델 생성 장치 및 방법
WO2020062616A1 (zh) 显示面板的伽马值调节方法、装置及显示设备
WO2017014336A1 (ko) 비선형 성분이 보상된 온도 센서 회로 및 온도 센서 회로의 보상 방법
EP3360322A1 (en) Electronic apparatus and controlling method thereof
WO2018097677A1 (en) Image processing apparatus, image processing method, and computer-readable recording medium thereof
WO2017096769A1 (zh) 显示设备的色彩校准方法及色彩校准系统
WO2024228495A1 (ko) 인공지능 기반 치아 쉐이드 진단 시스템 및 이를 위한 동작 방법
WO2012002742A2 (en) Camera module and method for driving the same
WO2022114452A1 (ko) 레이저 파워 스캐닝을 이용한 고정확 광학식 입자 측정 장치 및 입자 측정 방법
WO2022169096A1 (ko) 화장품의 색조 원료 획득 장치
WO2020116727A1 (ko) 자외선 차단지수 산출 장치, 자외선 차단지수 산출 방법
WO2019177258A1 (ko) 차단기 개폐 보조 장치
WO2020135022A1 (zh) 显示面板的画面优化方法、装置及计算机可读存储介质
WO2015093826A1 (ko) 볼로미터의 불균일도를 보정할 수 있는 신호취득회로
WO2016041225A1 (zh) 一种视频处理方法及装置
WO2023229094A1 (ko) 행동 예측 방법 및 장치
WO2025135845A1 (ko) 이미지의 색 재현 방법 및 장치
WO2022177181A1 (ko) 치아 분석 서버, 치아 분석 단말, 및 치아 분석 프로그램
WO2022270709A1 (ko) 광학적 관측을 통한 입자의 분석 방법 및 분석 시스템
WO2022235002A1 (ko) 염색 시뮬레이션을 표시하는 단말기 및 그의 동작 방법
WO2020135051A1 (zh) 显示面板的画面优化方法、装置及计算机可读存储介质

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 08.10.2021)

122 Ep: pct application non-entry in european phase

Ref document number: 19893586

Country of ref document: EP

Kind code of ref document: A1