検量線作成方法およびその装置、並びに目的成分検量装置
【課題】１つの観測データから高精度な検量を可能とする。
【解決手段】 検量線作成方法であって、被検体の複数のサンプルについての観測データを取得することと、前記各サンプルについての目的成分の含有量を取得することと、前記サンプル毎の観測データを複数の独立成分に分離したときの複数の独立成分を推定し、前記複数の独立成分に基づいて、前記サンプル毎に前記目的成分に対応する混合係数を求めることと、前記複数のサンプルの前記目的成分の含有量と、前記サンプル毎の前記混合係数とに基づいて、前記検量線の回帰式を求めることとを含む。
【解決手段】 検量線作成方法であって、被検体の複数のサンプルについての観測データを取得することと、前記各サンプルについての目的成分の含有量を取得することと、前記サンプル毎の観測データを複数の独立成分に分離したときの複数の独立成分を推定し、前記複数の独立成分に基づいて、前記サンプル毎に前記目的成分に対応する混合係数を求めることと、前記複数のサンプルの前記目的成分の含有量と、前記サンプル毎の前記混合係数とに基づいて、前記検量線の回帰式を求めることとを含む。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、被検体の観測データから、前記被検体についての目的成分の含有量を導くことに用いる検量線を作成する技術と、被検体についての目的成分の含有量を求める技術とに関する。
【背景技術】
【０００２】
従来、被検体の複数の異なる位置で観測された観測データについて独立成分分析を行い、その独立成分分析により算出された独立成分を基本関数とし、観測データを基本関数の線形和で表すことで、目的成分の濃度などを解析する方法が提案されている（特許文献１参照）。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００７−４４１０４号公報
【０００４】
しかしながら、前記従来の技術では、被検体についての目的成分の検量を行う度に、その被検体について複数の異なる観測データが必要であり、１つの観測データから検量を高精度に行うことができないという問題があった。
【発明の概要】
【発明が解決しようとする課題】
【０００５】
本発明は、前記の課題を解決するためになされたものであり、被検体についての目的成分の検量を行う際に、その被検体に関する１つの観測データから高精度な検量を可能とすることを目的とする。
【課題を解決するための手段】
【０００６】
本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の形態または適用例として実現することが可能である。
【０００７】
［適用例１］ 被検体の観測データから、前記被検体についての目的成分の含有量を導くことに用いる検量線を作成する検量線作成方法であって、
コンピューターが、前記被検体の複数のサンプルについての前記観測データを取得することと、
前記コンピューターが、前記各サンプルについての前記目的成分の含有量を取得することと、
前記コンピューターが、前記サンプル毎の観測データを複数の独立成分に分離したときの複数の独立成分を推定し、前記複数の独立成分に基づいて、前記サンプル毎に前記目的成分に対応する混合係数を求めることと、
前記コンピューターが、前記複数のサンプルの前記目的成分の含有量と、前記サンプル毎の前記混合係数とに基づいて、前記検量線の回帰式を求めることと、
を含む検量線作成方法。
【０００８】
前記構成の検量線作成方法によれば、被検体の複数のサンプルについて、各サンプルから取得した観測データと目的成分の含有量から、被検体の観測データから被検体に含まれる目的成分量を導くための検量線が作成される。このため、この検量線を用いれば、被検体の観測データが一つであっても、目的成分の含有量を精度良く求めることができる。したがって、適用例１の検量線作成方法によって予め検量線を作成しておけば、検量に際して、被検体について一の観測データを取得するだけで済む。この結果、実測値である一の観測データから目的成分量を高精度に求めることができる。
【０００９】
［適用例２］ 適用例１に記載の検量線作成方法であって、
前記混合係数を求めることは、
前記コンピューターが、前記各サンプルの前記独立成分を含む独立成分行列を求めることと、
前記コンピューターが、前記独立成分行列から、前記各サンプルにおける前記独立成分毎の独立成分要素の比率を規定するベクトルの集合を示す推定混合行列を求めることと、
前記コンピューターが、前記推定混合行列に含まれる前記ベクトル毎に、前記複数のサンプルの前記目的成分の含有量に対する相関を求め、前記相関が最も高いと判定される前記ベクトルを、前記目的成分に対応する混合係数として選択することと、
を含む、検量線作成方法。
【００１０】
適用例２の検量線作成方法によれば、独立成分行列が求められ、推定混合行列が求められ、推定混合行列のうちでサンプルの目的成分の含有量に対する相関の強いベクトルが抜き出されることから、推定精度の高い混合係数を得ることができる。
【００１１】
［適用例３］ 被検体の観測データから、前記被検体についての目的成分の含有量を導くことに用いる検量線を作成する検量線作成装置であって、
前記被検体の複数のサンプルについての前記観測データを取得するサンプル観測データ取得部と、
前記各サンプルについての前記目的成分の含有量を取得するサンプル目的成分量取得部と、
前記サンプル毎の観測データを複数の独立成分に分離したときの複数の独立成分を推定し、前記複数の独立成分に基づいて、前記サンプル毎に前記目的成分に対応する混合係数を求める混合係数推定部と、
前記複数のサンプルの前記目的成分の含有量と、前記サンプル毎の前記混合係数とに基づいて、前記検量線の回帰式を求める回帰式算出部と、
を含む検量線作成装置。
【００１２】
前記構成の検量線作成装置によって予め検量線を作成しておけば、適用例１に記載の検量線作成方法と同様に、検量に際して、被検体について一の観測データを取得するだけで済む。したがって、実測値である一の観測データから目的成分量を高精度に求めることができるという効果を奏する。
【００１３】
［適用例４］ 適用例３に記載の検量線作成装置であって、
前記混合係数推定部は、
前記各サンプルの前記各独立成分を含む独立成分行列を求める独立成分行列算出部と、
前記独立成分行列から、前記各サンプルにおける前記独立成分毎の独立成分要素の比率を規定するベクトルの集合を示す推定混合行列を求める推定混合行列算出部と、
前記推定混合行列に含まれる前記ベクトル毎に、前記複数のサンプルの前記目的成分の含有量に対する相関を求め、前記相関が最も高いと判定される前記ベクトルを、前記目的成分に対応する混合係数として選択する混合係数選択部と、
を含む、検量線作成装置。
【００１４】
この構成によれば、適用例２の検量線作成装置と同様に、推定精度の高い混合係数を得ることができる。
【００１５】
［適用例５］ 適用例４に記載の検量線作成装置であって、
適用例４に記載の検量線作成装置であって、
前記独立成分行列算出部によって算出された前記独立成分行列と、前記混合係数選択部によって選択された混合係数が前記推定混合行列のいずれの位置にあるかを示す目的成分順位と、前記回帰式算出部によって算出された回帰式とを記憶する記憶部
を含む検量線作成装置。
【００１６】
この構成によれば、検量線作成装置は、独立成分行列、目的成分順位、および回帰式を記憶部に記憶しておくことができる。
【００１７】
［適用例６］ 被検体についての目的成分の含有量を求める目的成分検量装置であって、
前記被検体についての観測データを取得する被検体観測データ取得部と、
前記目的成分に対応する独立成分を少なくとも含む検量用データを取得する検量用データ取得部と、
前記被検体についての観測データと前記検量用データとに基づいて、前記被検体についての前記目的成分に対する混合係数を求める混合係数算出部と、
予め用意した、前記目的成分に対応する混合係数と含有量との関係を示す回帰式の定数と、前記混合係数算出部によって求められた混合係数に基づいて、前記目的成分の含有量を算出する目的成分量算出部と、
を含む目的成分検量装置。
【００１８】
前記構成の目的成分検量装置によれば、被検体について一の観測データを取得するだけでも、被検体についての目的成分の含有量を高精度に求めることができる。
【００１９】
［適用例７］ 適用例６に記載の目的成分検量装置であって、
前記検量用データ取得部は、
前記目的成分に対応するものとして予め求められている独立成分を、前記検量用データとして取得し、
前記混合係数算出部は、
前記独立成分と前記被検体についての観測データとの内積を求め、該内積値を前記混合係数とする、目的成分検量装置。
【００２０】
前記構成の目的成分検量装置によれば、被検体についての目的成分と相関の高い混合係数を高精度かつ容易に求めることができる。
【００２１】
［適用例８］ 適用例６に記載の目的成分検量装置であって、
前記検量用データ取得部は、
複数のサンプルについての各観測データを複数の独立成分に分離したときの複数の独立成分を、前記検量用データとして取得し、
前記混合係数推定部は、
前記被検体についての観測データと前記複数の独立成分とに基づいて前記被検体についての推定混合行列を算出し、前記算出した推定混合行列から前記目的成分に対応する混合係数を抽出する、目的成分検量装置。
【００２２】
前記構成の目的成分検量装置によれば、被検体についての目的成分と相関の高い混合係数を高精度に求めることができる。
【００２３】
［適用例９］ 被検体の観測データから、前記被検体についての目的成分の含有量を導くことに用いる検量線を作成するためのコンピュータープログラムであって、
前記被検体の複数のサンプルについての前記観測データを取得する機能と、
前記各サンプルについての前記目的成分の含有量を取得する機能と、
前記サンプル毎の観測データを複数の独立成分に分離したときの複数の独立成分を推定し、前記複数の独立成分に基づいて、前記サンプル毎に前記目的成分に対応する混合係数を求める機能と、
前記複数のサンプルの前記目的成分の含有量と、前記サンプル毎の前記混合係数とに基づいて、前記検量線の回帰式を求める機能と、
をコンピューターに実現させるコンピュータープログラム。
【００２４】
適用例９のコンピュータープログラムは、適用例１の検量線作成方法と同様に、取得された被検体についての観測データが一つであってもから目的成分の含有量を高精度に求めることができるという効果を奏する。
【００２５】
さらに、本発明は、前記以外の種々の形態で実現可能であり、例えば、検量線作成方法で求められた回帰線をメモリーに記憶する目的成分検量装置としての形態、目的成分検量装置に含まれる各部の構成を機能として実現するコンピュータープログラムとしての形態、このコンピュータープログラムやこのコンピュータープログラムを記録した記録媒体（non-transitory storage medium）等の形態等で実現することが可能である。
【図面の簡単な説明】
【００２６】
【図１】本発明の一実施例としての検量線作成方法を示すフローチャートである。
【図２】鮮度が相違する緑色野菜についての光の波長と分光反射率との関係を示すグラフである。
【図３Ａ】工程４及び工程５で用いられるパーソナルコンピューター１００とその周辺装置を示す説明図である。
【図３Ｂ】工程４及び工程５で用いられる装置４００の機能ブロック図である。
【図４】ハードディスクドライブ３０に保存された測定データセットＤＳ１を模式的に示す説明図である。
【図５】ＣＰＵ１０で実行される混合係数推定処理を示すフローチャートである。
【図６】推定混合行列∧Ａを説明するための説明図である。
【図７】相関が高い散布図の一例を示す説明図である。
【図８】相関が低い散布図の一例を示す説明図である。
【図９】コンピューター１００のＣＰＵ１０で実行される回帰式の算出処理を示すフローチャートである。
【図１０】目的成分の検量を行う際に使用する装置５００の機能ブロック図である。
【図１１】コンピューター１００のＣＰＵ１０で実行する目的成分検量処理を示すフローチャートである。
【発明を実施するための形態】
【００２７】
以下、本発明の実施の形態を実施例に基づいて説明する。本発明の一実施例は、観測データとして緑色野菜の分光反射率のスペクトルから前記緑色野菜に含まれるクロロフィル量を導くための検量線を作成する方法に関するものである。緑色野菜は、例えば、ほうれん草、こまつな、ピーマン等である。
【００２８】
Ａ．検量線作成方法：
図１は、本発明の一実施例としての検量線作成方法を示すフローチャートである。図示するように、この検量線作成方法は、工程１から工程５までの５つの工程によって構成される。各工程１〜５はこの順に実行される。各工程１〜５について、順に説明する。
【００２９】
［工程１］
工程１は、準備工程であり、作業者により行なわれるものである。作業者は、鮮度が相違する同一種類の複数の緑色野菜（例えば、ほうれん草）を、それぞれサンプルとして用意（準備）する。本実施例ではｎ個（ｎは２以上の整数）のサンプルを使用する。
【００３０】
［工程２］
工程２は、スペクトルの測定工程であり、作業者により分光計測器を用いて行なわれるものである。作業者は、工程１で用意した複数のサンプルのそれぞれを分光計測器で撮影することにより、各サンプルについての分光反射率のスペクトルを測定する。分光計測器は、被計測体からの光を分光器に通し、分光器から出力されるスペクトルを撮像素子の撮像面で受けることにより、前記スペクトルを測定する周知の機器である。分光反射率のスペクトルと吸光度のスペクトルとの間には、次式（１）で表される関係が成り立つ。
【００３１】
【数１】
【００３２】
測定された分光反射率のスペクトルは、式（１）を用いて吸光度スペクトルに変換される。吸光度に変換するのは、後述する独立成分分析において分析される混合信号には線形結合が成立する必要があり、ランベルト・ベールの法則から、吸光度について線形結合が成立するためである。したがって、工程２においては、分光反射率スペクトルの代わりに吸光度スペクトルを測定してもよい。測定結果としては、被計測体の波長に対する特性を示す吸光度分布のデータが出力される。この吸光度分布のデータは、スペクトルデータとも呼ぶ。
【００３３】
工程２は、詳しくは、作業者は、サンプル毎に所定部位を撮影して、その所定部位のスペクトルを測定する。ここで、所定部位とは、各サンプル内の部位であればいずれの部位でもよいが、サンプル全体の鮮度と鮮度が大きく異ならない部位が好ましい。例えば、一のサンプルにおいて、ある部分が極端に鮮度が劣っている場合には、その劣った鮮度の部分を避けた部位を前記測定する所定部位とする。
【００３４】
図２は、鮮度が相違する緑色野菜についての光の波長と分光反射率との関係を示すグラフである。図示するように、新鮮な野菜、やや萎びた野菜、萎びた野菜によって、スペクトル波形が相違する。新鮮な野菜、あるいはやや萎びた野菜は、約７００ｎｍ辺りを境界にそれ以下の波長範囲で反射率が急減している。この理由は、７００ｎｍ以下の波長でクロロフィルによる光の吸収が起こるためである。一方、萎びた野菜では、クロロフィルが減少しているので、特に７００ｎｍ以下の波長領域で反射率が大幅に上昇している。このように、緑色野菜の鮮度はスペクトル波形を変化させることから、工程２によって、各サンプルについてのスペクトルを測定するようにしている。
【００３５】
なお、分光反射率スペクトルや吸光度スペクトルを分光器で測定する代わりに、これらのスペクトルを他の測定値から推定するようにしてもよい。例えば、サンプルをマルチバンドカメラで測定し、得られたマルチバンド画像から分光反射率や吸光度スペクトルを推定するようにしてもよい。このような推定方法としては、例えば、特開２００１−９９７１０号公報に記載された方法などを利用することができる。
【００３６】
［工程３］
工程３は、クロロフィル量の測定工程であり、作業者により行なわれるものである。作業者は、工程１で用意した複数のサンプルのそれぞれを化学分析して、各サンプルについての目的成分の含有量であるクロロフィル量を測定する。詳しくは、各サンプルから所定部位を抽出して、その所定部位から目的成分であるクロロフィルを抽出し、その量を測定する。ここで、「所定部位」はサンプルのいずれの部分でもよいが、工程２でスペクトルを測定した部位と一致するのが好ましい。
【００３７】
［工程４］
工程４は、混合係数の推定工程であり、パーソナルコンピューターを用いて行なわれるものである。図３Ａは、工程４および後述する工程５で用いられるパーソナルコンピューター１００とその周辺装置を示す説明図である。図示するように、パーソナルコンピューター（以下、単に「コンピューター」と呼ぶ）１００は、分光計測器２００とキーボード３００に電気的に接続されている。
【００３８】
コンピューター１００は、コンピュータープログラム（以下、単に「プログラム」と呼ぶ）を実行することにより種々の処理や制御を行うＣＰＵ１０と、データの退避場所であるメモリー２０（記憶部）と、プログラムやデータ・情報を保存するハードディスクドライブ３０と、入力インターフェース（Ｉ／Ｆ）５０と、出力インターフェース（Ｉ／Ｆ）６０とを備えた周知な装置である。
【００３９】
図３Ｂは、工程４及び工程５で使用する装置の機能ブロック図である。この装置４００は、サンプル観測データ取得部４１０と、サンプル目的成分量取得部４２０と、混合係数推定部４３０と、回帰式算出部４４０とを有する。混合係数推定部４３２は、独立成分行列算出部４３２、推定混合行列算出部４３４、および混合係数選択部４３６を含んでいる。なお、サンプル観測データ取得部４１０およびサンプル目的成分量取得部４２０は、例えば図３ＡのＣＰＵ１０が入力Ｉ／Ｆ５０とメモリー２０と協働して実現される。混合係数推定部４３０、独立成分行列算出部４３２、推定混合行列算出部４３４、および混合係数選択部４３６は、例えば図３ＡのＣＰＵ１０がメモリー２０と協働して実現される。また、回帰式算出部４４０は、例えば図３ＡのＣＰＵ１０がメモリー２０と協働して実現される。なお、これらの各部は、図３Ａに示したパーソナルコンピューター以外の他の具体的な装置やハードウェア回路によっても実現可能である。
【００４０】
図３Ａに示した分光計測器２００は、工程２で使用されたものである。コンピューター１００は、工程２で分光計測器２００により測定された分光分布から得られた吸光度スペクトルを、スペクトルデータとして入力Ｉ／Ｆ５０を介して取得する（図３Ｂのサンプル観測データ取得部４１０に対応）。また、コンピューター１００は、工程３で測定されたクロロフィル量を、作業者によるキーボード３００の操作を受けて入力Ｉ／Ｆ５０を介して取得する（図３Ｂのサンプル目的成分量取得部４２０に対応）。なお、工程３で測定されたクロロフィル量は、クロロフィルを測定した所定部位の単位質量当たり（例えば１００グラム当たり）のクロロフィルの質量として、コンピューター１００に入力するようにしてもよい。或いは、クロロフィル量を、質量の絶対値として入力するようにしてもよい。
【００４１】
上記のスペクトルデータとクロロフィル量の取得の結果、コンピューター１００のハードディスクドライブ３０には、スペクトルデータとクロロフィル量とを含むデータセット（以下、「測定データセット」と呼ぶ）ＤＳ１が保存される。
【００４２】
図４は、ハードディスクドライブ３０に保存された測定データセットＤＳ１を模式的に示す説明図である。図示するように、測定データセットＤＳ１は、工程１で用意した複数のサンプルを識別するためのサンプル番号Ｂ1，Ｂ2，…，Ｂnと、各サンプルについてのクロロフィル量Ｃ1，Ｃ2，…，Ｃnと、各サンプルについてスペクトルデータＸ1，Ｘ2，…，Ｘnとを含むデータ構造である。測定データセットＤＳ１において、各クロロフィル量Ｃ1，Ｃ2，…，Ｃnおよび各スペクトルデータＸ1，Ｘ2，…，Ｘnは、いずれのサンプルについてのものであるかが判るように、各サンプル番号Ｂ1，Ｂ2，…，Ｂnと対応づけがなされている。
【００４３】
ＣＰＵ１０は、ハードディスクドライブ３０に格納された所定のプログラムをメモリー２０にロードし、そのプログラムを実行することで、工程４の作業である、混合係数を推定する処理を行う。ここで、前記所定のプログラムは、外部からインターネット等のネットワークを用いてダウンロードする構成とすることもできる。工程４において、ＣＰＵ１０は図３Ｂの混合係数推定部４３０として機能する。
【００４４】
図５は、ＣＰＵ１０で実行される混合係数推定処理を示すフローチャートである。処理が開始されると、ＣＰＵ１０は、まず、独立成分分析を行う（ステップＳ１１０）。
【００４５】
独立成分分析(Independent Component Analysis, ICA) は、多次元信号解析法の１つであり、独立な信号が重なり合った混合信号をいくつかの異なる条件で観測し、それを基に独立な原信号を分離する技術である。独立成分分析を用いれば、工程２により得られたスペクトルデータを、クロロフィルを始めとするｍ個の独立成分（未知）が混合されたものと捕らえることで、工程２により得られたスペクトルデータ（観測データ）から独立成分のスペクトルを推定することが可能となる。
【００４６】
独立成分分析について、次に詳しく説明する。ｍ個の未知成分（ソース）のスペクトルＳ（以下、このスペクトルを単に「未知成分」と呼ぶこともある）が下記の式（２）のベクトルで与えられたとし、工程２により得られたｎ個のスペクトルデータＸが下記の式（３）のベクトルで与えられたとする。なお、式（２）に含まれる各要素（Ｓ1、Ｓ2、・・・Ｓm）は、それぞれがベクトル（スペクトル）となっている。すなわち、例えば要素Ｓ1は式（４）のように表される。式（３）に含まれる要素（Ｘ1、Ｘ2、・・・、Ｘn）もベクトルであり、例えば要素Ｘ1は式（５）のように表される。添え字のｌ（エル）はスペクトルを測定した波長帯の数である。なお、未知成分のスペクトルＳの要素数ｍは、１以上の整数であり、サンプルの種類（ここでは、ほうれん草）に応じて予め経験的又は実験的に決められている。
【００４７】
【数２】
【数３】
【数４】
【数５】
【００４８】
各未知成分は統計的に独立であるとする。これら未知成分ＳとこれらスペクトルデータＸとの間に、次式（６）の関係が成立する。
【００４９】
【数６】
【００５０】
式（６）におけるＡは混合行列であり、次式（７）で示すこともできる。なお、ここでも"Ａ"の文字は、式（７）に示すように太字で示す必要があるが、明細書の使用文字の制限からここでは普通文字で表す。以下、行列を表す他の太字について、同様に普通文字で表すものとする。
【００５１】
【数７】
【００５２】
混合行列Ａに含まれる混合係数ａijは、未知成分Ｓj（j＝１〜ｍ）が、観測データであるスペクトルデータＸi（i＝１〜ｎ）へ寄与する度合いを示す。
【００５３】
混合行列Ａが既知の場合、未知成分Ｓの最小二乗解は、Ａの擬似逆行列Ａ+を用いてＡ+・Ｘと簡単に求めることができるが、本実施例の場合、混合行列Ａも未知なので、観測データＸのみから、未知成分Ｓと混合行列Ａを推定しなければならない。すなわち、次式（８）に示すように、観測データＸのみから、ｍラｎの分離行列Ｗを用いて、独立成分のスペクトルを示す行列（以下、「独立成分行列」と呼ぶ）Ｙを算出する。次式（８）における分離行列Ｗを求めるアルゴリズムとしては、Infomax、FastICA (Fast Independent Component Analysis)、JADE (Joint Approximate Diagonalization of Eigenmatrices) など種々のものを採用することが可能である。
【００５４】
【数８】
【００５５】
独立成分行列Ｙは未知成分Ｓの推定値に該当する。よって、下記の式（９）を得ることができ、式（９）を変形して下記の式（１０）を得ることができる。
【００５６】
【数９】
【数１０】
【００５７】
式（１０）で得られる推定混合行列∧Ａ（明細書の使用文字の制限からこのように表記しただけで、実際は式（１０）の左辺の符号付き文字を意味する。他の文字も同じ）は、次式（１１）で示すこともできる。
【００５８】
【数１１】
【００５９】
図５のステップＳ１１０では、ＣＰＵ１０は、上述した分離行列Ｗを求める処理までを行う。詳しくは、工程２で得られハードディスクドライブ３０に予め保存したサンプル毎のスペクトルデータＸを入力として、この入力に基づいて、前述したInfomax、FastICA、JADE などのいずれかのアルゴリズムを用いて、分離行列Ｗを求める。なお、独立成分分析で用いるスペクトルデータＸは正規化されている必要がある。そのため、工程２または工程３（工程４を行う前まで）において正規化処理を行うことが好ましい。正規化は、例えば、サンプル毎のスペクトルデータＸ（例えばＸi）から、サンプルの集合全体におけるスペクトルデータＸの平均値（Ｘ1からＸnの平均値）を減算し、スペクトルデータＸの標準偏差で割ることによって行うことができる。
【００６０】
ステップＳ１１０の実行後、ＣＰＵ１０は、その分離行列Ｗと、工程２で得られハードディスクドライブ３０に予め保存したサンプル毎のスペクトルデータＸとに基づいて、独立成分行列Ｙを算出する処理を行う（ステップＳ１２０）。この算出処理は、前述した式（８）に従う演算を行うものである。ステップＳ１１０、Ｓ１２０の処理において、ＣＰＵ１０は図３Ｂの独立成分行列算出部４３２として機能する。
【００６１】
続いて、ＣＰＵ１０は、前記ハードディスクドライブ３０に予め保存したサンプル毎のスペクトルデータＸと、ステップＳ１２０で算出した独立成分行列Ｙとに基づいて、推定混合行列∧Ａを算出する処理を行う（ステップＳ１３０）。この算出処理は、前述した式（１０）に従う演算を行うものである。
【００６２】
図６は、推定混合行列∧Ａを説明するための説明図である。図示するよう表ＴＢは、縦方向に各サンプル番号Ｂ1，Ｂ2，…，Ｂnをとり、横方向に独立成分行列Ｙの各要素（以下、「独立成分要素」と呼ぶ）Ｙ1，Ｙ2，…，Ｙmをとったものである。サンプル番号Ｂｉ（ｉ＝１〜ｎ）と独立成分要素Ｙj（j＝１〜ｍ）から定まる表ＴＢ中の要素は、推定混合行列∧Ａに含まれる係数∧ａij（式（１１）参照）と同一である。この表ＴＢからも、推定混合行列∧Ａに含まれる係数∧ａijは、サンプルのそれぞれにおける独立成分要素Ｙ1，Ｙ2，…，Ｙmの比率を表したものであることがわかる。図６に例示した目的成分順位ｋについては後述する。ステップＳ１３０の処理において、ＣＰＵ１０は図３Ｂの推定混合行列算出部４３４として機能する。
【００６３】
ステップＳ１３０までの処理によって、推定混合行列∧Ａが得られる。すなわち、推定混合行列∧Ａに含まれる係数（推定混合係数）∧ａijが得られる。その後、ステップＳ１４０に進む。
【００６４】
ステップＳ１４０では、ＣＰＵ１０は、工程３で測定されたクロロフィル量Ｃ1，Ｃ2，…，Ｃnと、ステップＳ１３０で算出された推定混合行列∧Ａに含まれる各列の成分（以下、ベクトル∧αと呼ぶ）との間の相関（類似性の度合い）を求める。詳しくは、クロロフィル量Ｃ（Ｃ1，Ｃ2，…，Ｃn）と第１列目のベクトル∧α1（∧ａ11，∧ａ21，…，∧ａn1）との相関を求め、次いで、クロロフィル量Ｃ（Ｃ1，Ｃ2，…，Ｃn）と第２列目のベクトル∧α2（∧ａ12，∧ａ22，…，∧ａn2）との相関を求め、こうして順次各列についてクロロフィル量Ｃに対する相関を求め、最後に、クロロフィル量Ｃ（Ｃ1，Ｃ2，…，Ｃn）と第ｍ列目のベクトル∧αm（∧ａ1m，∧ａ2m，…，∧ａnm）との相関を求める。
【００６５】
上記相関は、次式（１２）に従う相関係数Ｒによって求めることができる。この相関係数Ｒは、ピアソンの積率相関係数と呼ばれるものである。
【００６６】
【数１２】
【００６７】
図７は、散布図のグラフである。図示の散布図は、縦軸にクロロフィル量Ｃを、横軸に推定混合行列∧Ａの係数（以下、「推定混合係数」と呼ぶ）∧ａをとり、クロロフィル量Ｃの各要素Ｃ1，Ｃ2，…，Ｃnと、推定混合行列∧Ａの縦方向のベクトル∧αに含まれる推定混合係数∧ａ1j，∧ａ2j，…，∧ａnj（ｊ＝１〜ｍ）とから定まる点をプロットしたものである。図示の例では、プロットした各点は比較的、直線Ｌの付近に集まっている。こうした場合、クロロフィル量Ｃと推定混合係数∧ａとの相関が高い。これに対して、クロロフィル量Ｃと推定混合係数∧ａとの相関が低くなると、図８に示すように、プロットした各点は直線状に並ばず、拡がってしまう。すなわち、クロロフィル量Ｃと推定混合係数∧ａとの相関が高いほど、プロット点は直線状に集まる傾向が高くなる。式（１２）に示した相関係数Ｒは、プロット点が直線状に集まる傾向の程度を表す。
【００６８】
図５のステップＳ１４０の結果、独立成分（独立成分スペクトル）Ｙｊ毎の相関係数Ｒj（ｊ＝１，２，…，ｍ）が得られる。その後、ＣＰＵ１０は、ステップＳＳ１４０で得られた相関係数Ｒjの中から最も相関が高いもの、すなわち値が１に近いものを特定する。前述した散布図で言えば、プロットされた点が最も直線状に集まる相関係数Ｒjを特定する。そして、最も高い相関係数Ｒが得られた列ベクトル∧αを、推定混合行列∧Ａの中から選択する（ステップＳ１５０）。
【００６９】
ステップＳ１５０における選択は、図６の表ＴＢでいえば、複数の列の中から一の列を選択することである。この選択された列の要素が、目的成分であるクロロフィルに対応する独立成分の混合係数である。前記選択の結果、ベクトル∧αk（∧ａ1k，∧ａ2k，…，∧ａnk）が得られる。ここで、ｋは１〜ｍのいずれかの整数をとる。なお、このｋの値を、何番目の独立成分が目的成分に当たるかを示す目的成分順位としてメモリー２０に一時的に保存する。このベクトル∧αkに含まれる∧ａ1k，∧ａ2k，…，∧ａnkが適用例１における「目的成分に対応する混合係数」に相当する。なお、図６の例では、目的成分順位ｋ＝２が、独立成分Ｙ2に対応する列ベクトル∧α2＝（∧ａ12，∧ａ22，…，∧ａn2）を示している。なお、本明細書において、「順位」という語句は、「行列内の位置を示す値」という意味で使用されている。ステップＳ１４０、Ｓ１５０の処理において、ＣＰＵ１０は図３Ｂの推定係数選択部４３６として機能する。ステップＳ１５０の実行後、ＣＰＵは、この混合係数の算出処理を終える。この結果、工程４が完了し、その後、工程５に進む。
【００７０】
［工程５］
工程５は、回帰式の算出工程であり、工程４を実行した時と同じくコンピューター１００を用いて行なわれるものである。工程５では、コンピューター１００は、検量線の回帰式を算出する処理を実行する。なお、工程５は、工程４までのデータを別のコンピューターに移して実行してもよい。
【００７１】
図９は、コンピューター１００のＣＰＵ１０で実行される回帰式の算出処理を示すフローチャートである。処理が開始されると、ＣＰＵ１０は、まず、工程３で測定されたクロロフィル量Ｃ（Ｃ1，Ｃ2，…，Ｃn)と、ステップＳ１５０で選択されたベクトル∧αk（∧ａ1k，∧ａ2k，…，∧ａnk）とに基づいて、回帰式Ｆを算出する（ステップＳ２１０）。図７に示した散布図が最も相関の高いものである場合には、図中の直線Ｌが回帰式Ｆに相当する。回帰式の算出法については、周知であることから、ここでは詳しくは説明しないが、例えば、直線Ｌから各プロット点までの距離（残差）を０に近づけるように、最小二乗法を用いて直線Ｌを求める。回帰式Ｆは、次式（１３）にて表すことができる。ステップＳ２１０では、式（１３）における定数ｕ，ｖが求められることになる。
【００７２】
【数１３】
【００７３】
ステップＳ２１０の実行後、ＣＰＵ１０は、ステップＳ２１０で求められた回帰式Ｆの定数ｕ，ｖと、ステップＳ１５０で得られた目的成分順位ｋ（図６）と、混合係数の算出処理（図５）のステップＳ１２０で算出された独立成分行列Ｙとを、検量用データセットＤＳ２としてハードディスクドライブ３０に保存する（ステップＳ２２０）。その後、ＣＰＵ１０は、「リターン」に抜けて、この回帰式の算出処理を一旦終了する。この結果、検量線の回帰線を求めることができ、図１に示した検量線作成方法も終了する。ステップＳ２１０、Ｓ２２０の処理において、ＣＰＵ１０は図３Ｂの回帰式算出部４４０として機能する。
【００７４】
Ｂ．目的成分の検量方法：
目的成分の検量方法について、次に説明する。被検体は、検量線を作成したときに用いたサンプルと同じ成分で構成されるものとする。具体的には、目的成分の検量方法は、コンピューターを用いて行なわれるものである。なお、ここでのコンピューターは、検量線を作成する際に用いたコンピューター１００であってもよいし、他のコンピューターであってもよい。
【００７５】
図１０は、目的成分の検量を行う際に使用する装置の機能ブロック図である。この装置５００は、被検体観測データ取得部５１０と、検量用データ取得部５２０と、混合係数算出部５３０と、目的成分量算出部５４０とを有する。被検体観測データ取得部５１０は、例えば図３ＡのＣＰＵ１０が入力Ｉ／Ｆ５０とメモリー２０と協働して実現される。検量用データ取得部５２０は、例えば図３ＡのＣＰＵ１０がメモリー２０とハードディスクドライブ３０と協働して実現される。混合係数算出部５３０、および目的成分量算出部５４０は、例えば図３ＡのＣＰＵ１０がメモリー２０と協働して実現される。図１０の各機能を実現するコンピューターは、検量線を作成する際に用いたコンピューター１００であるとし、ハードディスクドライブ等の記憶部に前述した検量用データセットＤＳ２が保存されている。
【００７６】
図１１は、コンピューター１００のＣＰＵ１０で実行する目的成分検量処理を示すフローチャートである。この目的成分検量処理は、ＣＰＵ１０がハードディスクドライブ３０に格納された所定のプログラムをメモリー２０にロードし、そのプログラムを実行することで、実現される。図示するように、処理が開始されると、まず、ＣＰＵ１０は、被検体である緑色野菜を分光計測器で撮影する処理を行う（ステップＳ３１０）。ステップＳ３１０による撮影は工程２と同様にして行うことができ、この結果、被検体の吸光度スペクトルＸpが得られる。検量処理で使用する分光計測器は、誤差を抑制するため検量線の作成に使用した分光計測器と同一機種であることが好ましい。誤差をさらに抑制するためには、同一の機体であることがより好ましい。なお、図１の工程２と同様に、分光反射率スペクトルや吸光度スペクトルを分光器で測定する代わりに、これらのスペクトルを他の測定値から推定するようにしてもよい。一の被検体を一回撮像した場合に得られる被検体の吸光度のスペクトルＸpは、次式（１４）のようにベクトルで表される。
【００７７】
【数１４】
【００７８】
ステップＳ３１０の処理において、ＣＰＵ１０は図１０の被検体観測データ取得部５１０として機能する。次いで、ＣＰＵ１０は、ハードディスクドライブ３０から検量用データセットＤＳ２を取得し、メモリー２０に格納する（ステップＳ３１５）。 ステップＳ３１５の処理において、ＣＰＵ１０は図１０の検量用データ取得部５２０として機能する。
【００７９】
ステップＳ３１５の実行後、ステップＳ３１０で得られた被検体の吸光度スペクトルＸpを、正規化する（ステップＳ３２０）。この正規化は、スペクトル内の個々の値からスペクトル全体の平均値を引いた後に、標準偏差で割ることによって行われる。
【００８０】
その後、ＣＰＵ１０は、検量用データセットＤＳ２に含まれる独立成分行列ＹとステップＳ３２０で得られた正規化ずみのスペクトルとに基づいて、被検体についての推定混合行列∧Ａを求める処理を行う（ステップＳ３３０）。詳しくは、前述した式（１０）に従う演算処理を行うもので、検量用データセットＤＳ２に含まれる独立成分行列Ｙの逆行列（擬似逆行列）Ｙ+を求め、ステップＳ３２０で得られた正規化ずみのスペクトルに前記擬似逆行列Ｙ+を掛けることで、推定混合行列∧Ａを求める。
【００８１】
検量処理における推定混合行列∧Ａは、次式（１５）に示すように、各独立成分に対応した混合係数からなる行ベクトル（１ラｍ行列）である。そこで、ステップＳ３３０の実行後、ＣＰＵ１０は、ハードディスクドライブ３０から検量用データセットＤＳ２に含まれる目的成分順位ｋを読み出し、ステップＳ３３０で求めた推定混合行列∧Ａの中から、目的成分順位ｋに対応するｋ番目の成分の混合係数∧αkを抜き出し、当該混合係数∧αkを目的成分であるクロロフィルの混合係数として、メモリー２０に一旦保存する（ステップＳ３４０）。ステップＳ３２０ないしＳ３４０の処理において、ＣＰＵ１０は図１０の混合係数算出部５３０として機能することになる。
【００８２】
【数１５】
【００８３】
続いて、ＣＰＵ１０は、ハードディスクドライブ３０から検量用データセットＤＳ２に含まれる回帰式の定数ｕ，ｖを読み出し、この定数ｕ，ｖとステップＳ３４０で得られた目的成分であるクロロフィルの混合係数∧αkとを前述した式（１３）の右辺に代入することで、クロロフィルの含有量Ｃを求める（ステップＳ３５０）。含有量Ｃは、被検体の単位質量当たり（例えば１００グラム当たり）のクロロフィルの質量として求められる。ステップＳ３５０の処理において、ＣＰＵ１０は図１０の目的成分量算出部５４０として機能することになる。その後、「リターン」に抜けて、この目的成分検量処理を終了する。
【００８４】
なお、本実施例では、ステップＳ３５０によって求められた含有量Ｃ（単位質量当たりの質量）を被検体のクロロフィルの含有量としていたが、これに替えて、ステップＳ３５０によって求められた含有量Ｃを、ステップＳ３２０による正規化で用いた正規化係数で補正して、この補正後の値を求めるべき含有量としてもよい。具体的には、含有量Ｃに標準偏差を乗算することによって、含有量の絶対値（グラム）を求めるようにしてもよい。この構成によれば、目的成分の種類によっては、含有量Ｃをより精度の高いものとすることが可能となる。
【００８５】
Ｃ．実施例効果：
以上のように構成された実施例の検量線作成方法によれば、被検体である緑色野菜の実測値である一のスペクトルからクロロフィル量を高精度に求めることができる。
【００８６】
Ｄ．変形例：
この発明は前記実施例やその変形例に限られるものではなく、その要旨を逸脱しない範囲において種々の態様において実施することが可能であり、例えば次のような変形も可能である。
【００８７】
・変形例１：
前記実施例では、被検体観測データ取得部５１０（図１０）は、検量用データセットＤＳ２をハードディスクドライブ３０から取得することで、目的成分に対応する独立成分を含む独立成分行列Ｙを取得し、混合係数算出部５３０（図１０）は、被検体の吸光度スペクトルと独立成分行列Ｙとに基づいて被検体についての推定混合行列∧Ａを求め、その推定混合行列∧Ａの中から目的成分順位ｋに対応するｋ列目の混合係数αkを抽出することによって、被検体についての目的成分の混合係数を求めていたが、本発明ではこれに限られない。例えば、次の（ｉ）、（ii）を順に行う構成とすることができる。
【００８８】
（ｉ）ハードディスクドライブ３０に格納された検量用データセットＤＳ２を読み出して、前記検量用データセットＤＳ２に含まれる独立成分行列Ｙの中から目的成分順位ｋに対応するｋ列目の要素（独立成分）Ｙkを取得する。この独立成分Ｙkは、クロロフィル量に対して最も相関が強いもので、クロロフィル量に対応したものである。
（ii）次いで、前記抽出した独立成分Ｙkと、観測データである被検体のスペクトルＸp（例えば、ステップＳ３２０で得られた正規化ずみのスペクトル）との内積を求め、その内積値を目的成分の混合係数αkとする。すなわち、次式（１６）に従う演算を行う。
【００８９】
【数１６】
【００９０】
ここでは、観測データは独立成分の線形和であり、また、独立成分同士の直交性が十分に高いと仮定しているので、観測データであるスペクトルと目的成分の独立成分行列との内積を算出することによりその独立成分についての値だけが残り、他の成分はすべて０になる。これにより目的成分の混合係数αkの算出が容易となる。但し、独立成分同士の直交性が十分に高くない場合には、式（１６）の演算を使用せずに、式（１５）の推定混合行列∧Ａを求めるようにすることが好ましい。
【００９１】
前記（ｉ）の処理において、ＣＰＵ１０は検量用データ取得部として機能する。前記（ii）の処理において、ＣＰＵ１０は混合係数算出部として機能する。なお、検量用データ取得部は、前記（ｉ）の構成に換えて、前記独立成分行列Ｙの中から目的成分順位ｋに対応するｋ列目の要素（独立成分）Ｙkが予め記憶されているハードディスクドライブ３０等の記憶部から、独立成分Ｙkを取得する構成とすることもできる。内積を用いる場合、必要となるのは目的成分に対応した独立成分のみであるため、ほかの独立成分は必要ないためである。この場合には、独立成分はベクトルとなり、目的成分順位を保存する必要もなくなる。
【００９２】
・変形例２：
前記実施例および変形例では、被検体を緑色野菜として、クロロフィル量を検出する構成としたが、緑色野菜のクロロフィル量に換えて、肉におけるオレイン酸、人肌におけるコラーゲン等、種々の被検体および目的成分に対応することができる。要は、被検体と同じ成分で構成されるサンプルを用意して検量線の作成を行うようにすれば、種々の被検体および目的成分に対応することが可能となる。前記実施例および変形例では、吸光度スペクトルを観測データとして検量する構成としたが、観測データを、吸光度スペクトルに換えて、複数の音源から発せられる音声を混合した音声データとしても、同様の構成により、特定音源からの音の大きさを検量できる。要は、信号源についての統計的性質を知るに十分な量の情報を有する信号であれば、本発明は、種々の観測データに適用することが可能である。
【００９３】
・変形例３：
前記実施例および変形例では、混合係数推定工程として、独立成分行列を求め、推定混合行列を求め、その推定混合行列から目的成分に対応する混合係数を抜き出す構成としたが、必ずしもこの構成とする必要はない。要は、サンプル毎の観測データに含まれる、当該観測データを複数の独立成分に分離したときの各独立成分を推定し、前記各独立成分に基づいて、前記目的成分に対応する混合係数を前記サンプル毎に求める構成であれば、いずれの構成とすることもできる。
【００９４】
・変形例４：
前記実施例および変形例における検量線作成方法では、サンプルについての目的成分の含有量を実測する構成としたが、これに換えて、目的成分の含有量が既知であるサンプルを用意して、その含有量をキーボード等から入力する構成としてもよい。
【００９５】
・変形例５：
前記実施例および変形例では、未知成分のスペクトルＳの要素数ｍは予め経験的又は実験的に決められるとしたが、未知成分のスペクトルＳの要素数ｍはＭＤＬ（Minimum Description Length）やＡＩＣ（Akaike Information Criteria）として知られる情報量基準などによって決定してもよい。ＭＤＬなどを用いる場合、未知成分のスペクトルＳの要素数ｍはサンプルの観測データから演算によって自動的に決めることができる。なお、ＭＤＬについては、例えば”Independent component analysis for noisy data - MEG data analysis, 2000”に説明されている。
【００９６】
・変形例６：
前記実施例および変形例では、検量処理の対象となる被検体は、検量線を作成したときに用いたサンプルと同じ成分で構成されるとしたが、変形例１のように内積を用いて混合係数を求める場合、被検体に検量線を作成したときに用いたサンプルと同じ成分以外の未知成分が含まれる、としてもよい。独立成分同士の内積は0と仮定するため、未知成分に対応する独立成分とも内積0と考えられるためであり、内積で混合係数を求める場合には未知成分の影響は無視できる。
【００９７】
・変形例７：
前記実施例および変形例において用いたコンピューターは、パーソナルコンピューターに換えて専用の装置とすることができる。例えば、目的成分の検量方法を実現するパーソナルコンピューターを専用の検量装置とすることができる。
【００９８】
・変形例８：
前記実施例では、サンプルや被検体についての分光反射率のスペクトルの入力を、分光計測器により測定されたスペクトルを入力することで行っていたが、本発明はこれに限られない。例えば、波長帯域の相違する複数のバンド画像から分光スペクトルを推定し、この分光スペクトルを入力する構成としてもよい。前記バンド画像は、例えば、透過波長帯域を変更可能なフィルターを備えるマルチバンドカメラによってサンプルや被検体を撮影することで得られる。
【００９９】
・変形例９：
前記実施例および各変形例において、ソフトウェアによって実現した機能は、ハードウェアによって実現するものとしてもよい。
【０１００】
なお、前述した各実施例および各変形例における構成要素の中の、独立請求項で記載された要素以外の要素は、付加的な要素であり、適宜省略可能である。
【符号の説明】
【０１０１】
１０…ＣＰＵ
２０…メモリー
３０…ハードディスクドライブ
１００…パーソナルコンピューター
２００…分光計測器
３００…キーボード
【技術分野】
【０００１】
本発明は、被検体の観測データから、前記被検体についての目的成分の含有量を導くことに用いる検量線を作成する技術と、被検体についての目的成分の含有量を求める技術とに関する。
【背景技術】
【０００２】
従来、被検体の複数の異なる位置で観測された観測データについて独立成分分析を行い、その独立成分分析により算出された独立成分を基本関数とし、観測データを基本関数の線形和で表すことで、目的成分の濃度などを解析する方法が提案されている（特許文献１参照）。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００７−４４１０４号公報
【０００４】
しかしながら、前記従来の技術では、被検体についての目的成分の検量を行う度に、その被検体について複数の異なる観測データが必要であり、１つの観測データから検量を高精度に行うことができないという問題があった。
【発明の概要】
【発明が解決しようとする課題】
【０００５】
本発明は、前記の課題を解決するためになされたものであり、被検体についての目的成分の検量を行う際に、その被検体に関する１つの観測データから高精度な検量を可能とすることを目的とする。
【課題を解決するための手段】
【０００６】
本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の形態または適用例として実現することが可能である。
【０００７】
［適用例１］ 被検体の観測データから、前記被検体についての目的成分の含有量を導くことに用いる検量線を作成する検量線作成方法であって、
コンピューターが、前記被検体の複数のサンプルについての前記観測データを取得することと、
前記コンピューターが、前記各サンプルについての前記目的成分の含有量を取得することと、
前記コンピューターが、前記サンプル毎の観測データを複数の独立成分に分離したときの複数の独立成分を推定し、前記複数の独立成分に基づいて、前記サンプル毎に前記目的成分に対応する混合係数を求めることと、
前記コンピューターが、前記複数のサンプルの前記目的成分の含有量と、前記サンプル毎の前記混合係数とに基づいて、前記検量線の回帰式を求めることと、
を含む検量線作成方法。
【０００８】
前記構成の検量線作成方法によれば、被検体の複数のサンプルについて、各サンプルから取得した観測データと目的成分の含有量から、被検体の観測データから被検体に含まれる目的成分量を導くための検量線が作成される。このため、この検量線を用いれば、被検体の観測データが一つであっても、目的成分の含有量を精度良く求めることができる。したがって、適用例１の検量線作成方法によって予め検量線を作成しておけば、検量に際して、被検体について一の観測データを取得するだけで済む。この結果、実測値である一の観測データから目的成分量を高精度に求めることができる。
【０００９】
［適用例２］ 適用例１に記載の検量線作成方法であって、
前記混合係数を求めることは、
前記コンピューターが、前記各サンプルの前記独立成分を含む独立成分行列を求めることと、
前記コンピューターが、前記独立成分行列から、前記各サンプルにおける前記独立成分毎の独立成分要素の比率を規定するベクトルの集合を示す推定混合行列を求めることと、
前記コンピューターが、前記推定混合行列に含まれる前記ベクトル毎に、前記複数のサンプルの前記目的成分の含有量に対する相関を求め、前記相関が最も高いと判定される前記ベクトルを、前記目的成分に対応する混合係数として選択することと、
を含む、検量線作成方法。
【００１０】
適用例２の検量線作成方法によれば、独立成分行列が求められ、推定混合行列が求められ、推定混合行列のうちでサンプルの目的成分の含有量に対する相関の強いベクトルが抜き出されることから、推定精度の高い混合係数を得ることができる。
【００１１】
［適用例３］ 被検体の観測データから、前記被検体についての目的成分の含有量を導くことに用いる検量線を作成する検量線作成装置であって、
前記被検体の複数のサンプルについての前記観測データを取得するサンプル観測データ取得部と、
前記各サンプルについての前記目的成分の含有量を取得するサンプル目的成分量取得部と、
前記サンプル毎の観測データを複数の独立成分に分離したときの複数の独立成分を推定し、前記複数の独立成分に基づいて、前記サンプル毎に前記目的成分に対応する混合係数を求める混合係数推定部と、
前記複数のサンプルの前記目的成分の含有量と、前記サンプル毎の前記混合係数とに基づいて、前記検量線の回帰式を求める回帰式算出部と、
を含む検量線作成装置。
【００１２】
前記構成の検量線作成装置によって予め検量線を作成しておけば、適用例１に記載の検量線作成方法と同様に、検量に際して、被検体について一の観測データを取得するだけで済む。したがって、実測値である一の観測データから目的成分量を高精度に求めることができるという効果を奏する。
【００１３】
［適用例４］ 適用例３に記載の検量線作成装置であって、
前記混合係数推定部は、
前記各サンプルの前記各独立成分を含む独立成分行列を求める独立成分行列算出部と、
前記独立成分行列から、前記各サンプルにおける前記独立成分毎の独立成分要素の比率を規定するベクトルの集合を示す推定混合行列を求める推定混合行列算出部と、
前記推定混合行列に含まれる前記ベクトル毎に、前記複数のサンプルの前記目的成分の含有量に対する相関を求め、前記相関が最も高いと判定される前記ベクトルを、前記目的成分に対応する混合係数として選択する混合係数選択部と、
を含む、検量線作成装置。
【００１４】
この構成によれば、適用例２の検量線作成装置と同様に、推定精度の高い混合係数を得ることができる。
【００１５】
［適用例５］ 適用例４に記載の検量線作成装置であって、
適用例４に記載の検量線作成装置であって、
前記独立成分行列算出部によって算出された前記独立成分行列と、前記混合係数選択部によって選択された混合係数が前記推定混合行列のいずれの位置にあるかを示す目的成分順位と、前記回帰式算出部によって算出された回帰式とを記憶する記憶部
を含む検量線作成装置。
【００１６】
この構成によれば、検量線作成装置は、独立成分行列、目的成分順位、および回帰式を記憶部に記憶しておくことができる。
【００１７】
［適用例６］ 被検体についての目的成分の含有量を求める目的成分検量装置であって、
前記被検体についての観測データを取得する被検体観測データ取得部と、
前記目的成分に対応する独立成分を少なくとも含む検量用データを取得する検量用データ取得部と、
前記被検体についての観測データと前記検量用データとに基づいて、前記被検体についての前記目的成分に対する混合係数を求める混合係数算出部と、
予め用意した、前記目的成分に対応する混合係数と含有量との関係を示す回帰式の定数と、前記混合係数算出部によって求められた混合係数に基づいて、前記目的成分の含有量を算出する目的成分量算出部と、
を含む目的成分検量装置。
【００１８】
前記構成の目的成分検量装置によれば、被検体について一の観測データを取得するだけでも、被検体についての目的成分の含有量を高精度に求めることができる。
【００１９】
［適用例７］ 適用例６に記載の目的成分検量装置であって、
前記検量用データ取得部は、
前記目的成分に対応するものとして予め求められている独立成分を、前記検量用データとして取得し、
前記混合係数算出部は、
前記独立成分と前記被検体についての観測データとの内積を求め、該内積値を前記混合係数とする、目的成分検量装置。
【００２０】
前記構成の目的成分検量装置によれば、被検体についての目的成分と相関の高い混合係数を高精度かつ容易に求めることができる。
【００２１】
［適用例８］ 適用例６に記載の目的成分検量装置であって、
前記検量用データ取得部は、
複数のサンプルについての各観測データを複数の独立成分に分離したときの複数の独立成分を、前記検量用データとして取得し、
前記混合係数推定部は、
前記被検体についての観測データと前記複数の独立成分とに基づいて前記被検体についての推定混合行列を算出し、前記算出した推定混合行列から前記目的成分に対応する混合係数を抽出する、目的成分検量装置。
【００２２】
前記構成の目的成分検量装置によれば、被検体についての目的成分と相関の高い混合係数を高精度に求めることができる。
【００２３】
［適用例９］ 被検体の観測データから、前記被検体についての目的成分の含有量を導くことに用いる検量線を作成するためのコンピュータープログラムであって、
前記被検体の複数のサンプルについての前記観測データを取得する機能と、
前記各サンプルについての前記目的成分の含有量を取得する機能と、
前記サンプル毎の観測データを複数の独立成分に分離したときの複数の独立成分を推定し、前記複数の独立成分に基づいて、前記サンプル毎に前記目的成分に対応する混合係数を求める機能と、
前記複数のサンプルの前記目的成分の含有量と、前記サンプル毎の前記混合係数とに基づいて、前記検量線の回帰式を求める機能と、
をコンピューターに実現させるコンピュータープログラム。
【００２４】
適用例９のコンピュータープログラムは、適用例１の検量線作成方法と同様に、取得された被検体についての観測データが一つであってもから目的成分の含有量を高精度に求めることができるという効果を奏する。
【００２５】
さらに、本発明は、前記以外の種々の形態で実現可能であり、例えば、検量線作成方法で求められた回帰線をメモリーに記憶する目的成分検量装置としての形態、目的成分検量装置に含まれる各部の構成を機能として実現するコンピュータープログラムとしての形態、このコンピュータープログラムやこのコンピュータープログラムを記録した記録媒体（non-transitory storage medium）等の形態等で実現することが可能である。
【図面の簡単な説明】
【００２６】
【図１】本発明の一実施例としての検量線作成方法を示すフローチャートである。
【図２】鮮度が相違する緑色野菜についての光の波長と分光反射率との関係を示すグラフである。
【図３Ａ】工程４及び工程５で用いられるパーソナルコンピューター１００とその周辺装置を示す説明図である。
【図３Ｂ】工程４及び工程５で用いられる装置４００の機能ブロック図である。
【図４】ハードディスクドライブ３０に保存された測定データセットＤＳ１を模式的に示す説明図である。
【図５】ＣＰＵ１０で実行される混合係数推定処理を示すフローチャートである。
【図６】推定混合行列∧Ａを説明するための説明図である。
【図７】相関が高い散布図の一例を示す説明図である。
【図８】相関が低い散布図の一例を示す説明図である。
【図９】コンピューター１００のＣＰＵ１０で実行される回帰式の算出処理を示すフローチャートである。
【図１０】目的成分の検量を行う際に使用する装置５００の機能ブロック図である。
【図１１】コンピューター１００のＣＰＵ１０で実行する目的成分検量処理を示すフローチャートである。
【発明を実施するための形態】
【００２７】
以下、本発明の実施の形態を実施例に基づいて説明する。本発明の一実施例は、観測データとして緑色野菜の分光反射率のスペクトルから前記緑色野菜に含まれるクロロフィル量を導くための検量線を作成する方法に関するものである。緑色野菜は、例えば、ほうれん草、こまつな、ピーマン等である。
【００２８】
Ａ．検量線作成方法：
図１は、本発明の一実施例としての検量線作成方法を示すフローチャートである。図示するように、この検量線作成方法は、工程１から工程５までの５つの工程によって構成される。各工程１〜５はこの順に実行される。各工程１〜５について、順に説明する。
【００２９】
［工程１］
工程１は、準備工程であり、作業者により行なわれるものである。作業者は、鮮度が相違する同一種類の複数の緑色野菜（例えば、ほうれん草）を、それぞれサンプルとして用意（準備）する。本実施例ではｎ個（ｎは２以上の整数）のサンプルを使用する。
【００３０】
［工程２］
工程２は、スペクトルの測定工程であり、作業者により分光計測器を用いて行なわれるものである。作業者は、工程１で用意した複数のサンプルのそれぞれを分光計測器で撮影することにより、各サンプルについての分光反射率のスペクトルを測定する。分光計測器は、被計測体からの光を分光器に通し、分光器から出力されるスペクトルを撮像素子の撮像面で受けることにより、前記スペクトルを測定する周知の機器である。分光反射率のスペクトルと吸光度のスペクトルとの間には、次式（１）で表される関係が成り立つ。
【００３１】
【数１】
【００３２】
測定された分光反射率のスペクトルは、式（１）を用いて吸光度スペクトルに変換される。吸光度に変換するのは、後述する独立成分分析において分析される混合信号には線形結合が成立する必要があり、ランベルト・ベールの法則から、吸光度について線形結合が成立するためである。したがって、工程２においては、分光反射率スペクトルの代わりに吸光度スペクトルを測定してもよい。測定結果としては、被計測体の波長に対する特性を示す吸光度分布のデータが出力される。この吸光度分布のデータは、スペクトルデータとも呼ぶ。
【００３３】
工程２は、詳しくは、作業者は、サンプル毎に所定部位を撮影して、その所定部位のスペクトルを測定する。ここで、所定部位とは、各サンプル内の部位であればいずれの部位でもよいが、サンプル全体の鮮度と鮮度が大きく異ならない部位が好ましい。例えば、一のサンプルにおいて、ある部分が極端に鮮度が劣っている場合には、その劣った鮮度の部分を避けた部位を前記測定する所定部位とする。
【００３４】
図２は、鮮度が相違する緑色野菜についての光の波長と分光反射率との関係を示すグラフである。図示するように、新鮮な野菜、やや萎びた野菜、萎びた野菜によって、スペクトル波形が相違する。新鮮な野菜、あるいはやや萎びた野菜は、約７００ｎｍ辺りを境界にそれ以下の波長範囲で反射率が急減している。この理由は、７００ｎｍ以下の波長でクロロフィルによる光の吸収が起こるためである。一方、萎びた野菜では、クロロフィルが減少しているので、特に７００ｎｍ以下の波長領域で反射率が大幅に上昇している。このように、緑色野菜の鮮度はスペクトル波形を変化させることから、工程２によって、各サンプルについてのスペクトルを測定するようにしている。
【００３５】
なお、分光反射率スペクトルや吸光度スペクトルを分光器で測定する代わりに、これらのスペクトルを他の測定値から推定するようにしてもよい。例えば、サンプルをマルチバンドカメラで測定し、得られたマルチバンド画像から分光反射率や吸光度スペクトルを推定するようにしてもよい。このような推定方法としては、例えば、特開２００１−９９７１０号公報に記載された方法などを利用することができる。
【００３６】
［工程３］
工程３は、クロロフィル量の測定工程であり、作業者により行なわれるものである。作業者は、工程１で用意した複数のサンプルのそれぞれを化学分析して、各サンプルについての目的成分の含有量であるクロロフィル量を測定する。詳しくは、各サンプルから所定部位を抽出して、その所定部位から目的成分であるクロロフィルを抽出し、その量を測定する。ここで、「所定部位」はサンプルのいずれの部分でもよいが、工程２でスペクトルを測定した部位と一致するのが好ましい。
【００３７】
［工程４］
工程４は、混合係数の推定工程であり、パーソナルコンピューターを用いて行なわれるものである。図３Ａは、工程４および後述する工程５で用いられるパーソナルコンピューター１００とその周辺装置を示す説明図である。図示するように、パーソナルコンピューター（以下、単に「コンピューター」と呼ぶ）１００は、分光計測器２００とキーボード３００に電気的に接続されている。
【００３８】
コンピューター１００は、コンピュータープログラム（以下、単に「プログラム」と呼ぶ）を実行することにより種々の処理や制御を行うＣＰＵ１０と、データの退避場所であるメモリー２０（記憶部）と、プログラムやデータ・情報を保存するハードディスクドライブ３０と、入力インターフェース（Ｉ／Ｆ）５０と、出力インターフェース（Ｉ／Ｆ）６０とを備えた周知な装置である。
【００３９】
図３Ｂは、工程４及び工程５で使用する装置の機能ブロック図である。この装置４００は、サンプル観測データ取得部４１０と、サンプル目的成分量取得部４２０と、混合係数推定部４３０と、回帰式算出部４４０とを有する。混合係数推定部４３２は、独立成分行列算出部４３２、推定混合行列算出部４３４、および混合係数選択部４３６を含んでいる。なお、サンプル観測データ取得部４１０およびサンプル目的成分量取得部４２０は、例えば図３ＡのＣＰＵ１０が入力Ｉ／Ｆ５０とメモリー２０と協働して実現される。混合係数推定部４３０、独立成分行列算出部４３２、推定混合行列算出部４３４、および混合係数選択部４３６は、例えば図３ＡのＣＰＵ１０がメモリー２０と協働して実現される。また、回帰式算出部４４０は、例えば図３ＡのＣＰＵ１０がメモリー２０と協働して実現される。なお、これらの各部は、図３Ａに示したパーソナルコンピューター以外の他の具体的な装置やハードウェア回路によっても実現可能である。
【００４０】
図３Ａに示した分光計測器２００は、工程２で使用されたものである。コンピューター１００は、工程２で分光計測器２００により測定された分光分布から得られた吸光度スペクトルを、スペクトルデータとして入力Ｉ／Ｆ５０を介して取得する（図３Ｂのサンプル観測データ取得部４１０に対応）。また、コンピューター１００は、工程３で測定されたクロロフィル量を、作業者によるキーボード３００の操作を受けて入力Ｉ／Ｆ５０を介して取得する（図３Ｂのサンプル目的成分量取得部４２０に対応）。なお、工程３で測定されたクロロフィル量は、クロロフィルを測定した所定部位の単位質量当たり（例えば１００グラム当たり）のクロロフィルの質量として、コンピューター１００に入力するようにしてもよい。或いは、クロロフィル量を、質量の絶対値として入力するようにしてもよい。
【００４１】
上記のスペクトルデータとクロロフィル量の取得の結果、コンピューター１００のハードディスクドライブ３０には、スペクトルデータとクロロフィル量とを含むデータセット（以下、「測定データセット」と呼ぶ）ＤＳ１が保存される。
【００４２】
図４は、ハードディスクドライブ３０に保存された測定データセットＤＳ１を模式的に示す説明図である。図示するように、測定データセットＤＳ１は、工程１で用意した複数のサンプルを識別するためのサンプル番号Ｂ1，Ｂ2，…，Ｂnと、各サンプルについてのクロロフィル量Ｃ1，Ｃ2，…，Ｃnと、各サンプルについてスペクトルデータＸ1，Ｘ2，…，Ｘnとを含むデータ構造である。測定データセットＤＳ１において、各クロロフィル量Ｃ1，Ｃ2，…，Ｃnおよび各スペクトルデータＸ1，Ｘ2，…，Ｘnは、いずれのサンプルについてのものであるかが判るように、各サンプル番号Ｂ1，Ｂ2，…，Ｂnと対応づけがなされている。
【００４３】
ＣＰＵ１０は、ハードディスクドライブ３０に格納された所定のプログラムをメモリー２０にロードし、そのプログラムを実行することで、工程４の作業である、混合係数を推定する処理を行う。ここで、前記所定のプログラムは、外部からインターネット等のネットワークを用いてダウンロードする構成とすることもできる。工程４において、ＣＰＵ１０は図３Ｂの混合係数推定部４３０として機能する。
【００４４】
図５は、ＣＰＵ１０で実行される混合係数推定処理を示すフローチャートである。処理が開始されると、ＣＰＵ１０は、まず、独立成分分析を行う（ステップＳ１１０）。
【００４５】
独立成分分析(Independent Component Analysis, ICA) は、多次元信号解析法の１つであり、独立な信号が重なり合った混合信号をいくつかの異なる条件で観測し、それを基に独立な原信号を分離する技術である。独立成分分析を用いれば、工程２により得られたスペクトルデータを、クロロフィルを始めとするｍ個の独立成分（未知）が混合されたものと捕らえることで、工程２により得られたスペクトルデータ（観測データ）から独立成分のスペクトルを推定することが可能となる。
【００４６】
独立成分分析について、次に詳しく説明する。ｍ個の未知成分（ソース）のスペクトルＳ（以下、このスペクトルを単に「未知成分」と呼ぶこともある）が下記の式（２）のベクトルで与えられたとし、工程２により得られたｎ個のスペクトルデータＸが下記の式（３）のベクトルで与えられたとする。なお、式（２）に含まれる各要素（Ｓ1、Ｓ2、・・・Ｓm）は、それぞれがベクトル（スペクトル）となっている。すなわち、例えば要素Ｓ1は式（４）のように表される。式（３）に含まれる要素（Ｘ1、Ｘ2、・・・、Ｘn）もベクトルであり、例えば要素Ｘ1は式（５）のように表される。添え字のｌ（エル）はスペクトルを測定した波長帯の数である。なお、未知成分のスペクトルＳの要素数ｍは、１以上の整数であり、サンプルの種類（ここでは、ほうれん草）に応じて予め経験的又は実験的に決められている。
【００４７】
【数２】
【数３】
【数４】
【数５】
【００４８】
各未知成分は統計的に独立であるとする。これら未知成分ＳとこれらスペクトルデータＸとの間に、次式（６）の関係が成立する。
【００４９】
【数６】
【００５０】
式（６）におけるＡは混合行列であり、次式（７）で示すこともできる。なお、ここでも"Ａ"の文字は、式（７）に示すように太字で示す必要があるが、明細書の使用文字の制限からここでは普通文字で表す。以下、行列を表す他の太字について、同様に普通文字で表すものとする。
【００５１】
【数７】
【００５２】
混合行列Ａに含まれる混合係数ａijは、未知成分Ｓj（j＝１〜ｍ）が、観測データであるスペクトルデータＸi（i＝１〜ｎ）へ寄与する度合いを示す。
【００５３】
混合行列Ａが既知の場合、未知成分Ｓの最小二乗解は、Ａの擬似逆行列Ａ+を用いてＡ+・Ｘと簡単に求めることができるが、本実施例の場合、混合行列Ａも未知なので、観測データＸのみから、未知成分Ｓと混合行列Ａを推定しなければならない。すなわち、次式（８）に示すように、観測データＸのみから、ｍラｎの分離行列Ｗを用いて、独立成分のスペクトルを示す行列（以下、「独立成分行列」と呼ぶ）Ｙを算出する。次式（８）における分離行列Ｗを求めるアルゴリズムとしては、Infomax、FastICA (Fast Independent Component Analysis)、JADE (Joint Approximate Diagonalization of Eigenmatrices) など種々のものを採用することが可能である。
【００５４】
【数８】
【００５５】
独立成分行列Ｙは未知成分Ｓの推定値に該当する。よって、下記の式（９）を得ることができ、式（９）を変形して下記の式（１０）を得ることができる。
【００５６】
【数９】
【数１０】
【００５７】
式（１０）で得られる推定混合行列∧Ａ（明細書の使用文字の制限からこのように表記しただけで、実際は式（１０）の左辺の符号付き文字を意味する。他の文字も同じ）は、次式（１１）で示すこともできる。
【００５８】
【数１１】
【００５９】
図５のステップＳ１１０では、ＣＰＵ１０は、上述した分離行列Ｗを求める処理までを行う。詳しくは、工程２で得られハードディスクドライブ３０に予め保存したサンプル毎のスペクトルデータＸを入力として、この入力に基づいて、前述したInfomax、FastICA、JADE などのいずれかのアルゴリズムを用いて、分離行列Ｗを求める。なお、独立成分分析で用いるスペクトルデータＸは正規化されている必要がある。そのため、工程２または工程３（工程４を行う前まで）において正規化処理を行うことが好ましい。正規化は、例えば、サンプル毎のスペクトルデータＸ（例えばＸi）から、サンプルの集合全体におけるスペクトルデータＸの平均値（Ｘ1からＸnの平均値）を減算し、スペクトルデータＸの標準偏差で割ることによって行うことができる。
【００６０】
ステップＳ１１０の実行後、ＣＰＵ１０は、その分離行列Ｗと、工程２で得られハードディスクドライブ３０に予め保存したサンプル毎のスペクトルデータＸとに基づいて、独立成分行列Ｙを算出する処理を行う（ステップＳ１２０）。この算出処理は、前述した式（８）に従う演算を行うものである。ステップＳ１１０、Ｓ１２０の処理において、ＣＰＵ１０は図３Ｂの独立成分行列算出部４３２として機能する。
【００６１】
続いて、ＣＰＵ１０は、前記ハードディスクドライブ３０に予め保存したサンプル毎のスペクトルデータＸと、ステップＳ１２０で算出した独立成分行列Ｙとに基づいて、推定混合行列∧Ａを算出する処理を行う（ステップＳ１３０）。この算出処理は、前述した式（１０）に従う演算を行うものである。
【００６２】
図６は、推定混合行列∧Ａを説明するための説明図である。図示するよう表ＴＢは、縦方向に各サンプル番号Ｂ1，Ｂ2，…，Ｂnをとり、横方向に独立成分行列Ｙの各要素（以下、「独立成分要素」と呼ぶ）Ｙ1，Ｙ2，…，Ｙmをとったものである。サンプル番号Ｂｉ（ｉ＝１〜ｎ）と独立成分要素Ｙj（j＝１〜ｍ）から定まる表ＴＢ中の要素は、推定混合行列∧Ａに含まれる係数∧ａij（式（１１）参照）と同一である。この表ＴＢからも、推定混合行列∧Ａに含まれる係数∧ａijは、サンプルのそれぞれにおける独立成分要素Ｙ1，Ｙ2，…，Ｙmの比率を表したものであることがわかる。図６に例示した目的成分順位ｋについては後述する。ステップＳ１３０の処理において、ＣＰＵ１０は図３Ｂの推定混合行列算出部４３４として機能する。
【００６３】
ステップＳ１３０までの処理によって、推定混合行列∧Ａが得られる。すなわち、推定混合行列∧Ａに含まれる係数（推定混合係数）∧ａijが得られる。その後、ステップＳ１４０に進む。
【００６４】
ステップＳ１４０では、ＣＰＵ１０は、工程３で測定されたクロロフィル量Ｃ1，Ｃ2，…，Ｃnと、ステップＳ１３０で算出された推定混合行列∧Ａに含まれる各列の成分（以下、ベクトル∧αと呼ぶ）との間の相関（類似性の度合い）を求める。詳しくは、クロロフィル量Ｃ（Ｃ1，Ｃ2，…，Ｃn）と第１列目のベクトル∧α1（∧ａ11，∧ａ21，…，∧ａn1）との相関を求め、次いで、クロロフィル量Ｃ（Ｃ1，Ｃ2，…，Ｃn）と第２列目のベクトル∧α2（∧ａ12，∧ａ22，…，∧ａn2）との相関を求め、こうして順次各列についてクロロフィル量Ｃに対する相関を求め、最後に、クロロフィル量Ｃ（Ｃ1，Ｃ2，…，Ｃn）と第ｍ列目のベクトル∧αm（∧ａ1m，∧ａ2m，…，∧ａnm）との相関を求める。
【００６５】
上記相関は、次式（１２）に従う相関係数Ｒによって求めることができる。この相関係数Ｒは、ピアソンの積率相関係数と呼ばれるものである。
【００６６】
【数１２】
【００６７】
図７は、散布図のグラフである。図示の散布図は、縦軸にクロロフィル量Ｃを、横軸に推定混合行列∧Ａの係数（以下、「推定混合係数」と呼ぶ）∧ａをとり、クロロフィル量Ｃの各要素Ｃ1，Ｃ2，…，Ｃnと、推定混合行列∧Ａの縦方向のベクトル∧αに含まれる推定混合係数∧ａ1j，∧ａ2j，…，∧ａnj（ｊ＝１〜ｍ）とから定まる点をプロットしたものである。図示の例では、プロットした各点は比較的、直線Ｌの付近に集まっている。こうした場合、クロロフィル量Ｃと推定混合係数∧ａとの相関が高い。これに対して、クロロフィル量Ｃと推定混合係数∧ａとの相関が低くなると、図８に示すように、プロットした各点は直線状に並ばず、拡がってしまう。すなわち、クロロフィル量Ｃと推定混合係数∧ａとの相関が高いほど、プロット点は直線状に集まる傾向が高くなる。式（１２）に示した相関係数Ｒは、プロット点が直線状に集まる傾向の程度を表す。
【００６８】
図５のステップＳ１４０の結果、独立成分（独立成分スペクトル）Ｙｊ毎の相関係数Ｒj（ｊ＝１，２，…，ｍ）が得られる。その後、ＣＰＵ１０は、ステップＳＳ１４０で得られた相関係数Ｒjの中から最も相関が高いもの、すなわち値が１に近いものを特定する。前述した散布図で言えば、プロットされた点が最も直線状に集まる相関係数Ｒjを特定する。そして、最も高い相関係数Ｒが得られた列ベクトル∧αを、推定混合行列∧Ａの中から選択する（ステップＳ１５０）。
【００６９】
ステップＳ１５０における選択は、図６の表ＴＢでいえば、複数の列の中から一の列を選択することである。この選択された列の要素が、目的成分であるクロロフィルに対応する独立成分の混合係数である。前記選択の結果、ベクトル∧αk（∧ａ1k，∧ａ2k，…，∧ａnk）が得られる。ここで、ｋは１〜ｍのいずれかの整数をとる。なお、このｋの値を、何番目の独立成分が目的成分に当たるかを示す目的成分順位としてメモリー２０に一時的に保存する。このベクトル∧αkに含まれる∧ａ1k，∧ａ2k，…，∧ａnkが適用例１における「目的成分に対応する混合係数」に相当する。なお、図６の例では、目的成分順位ｋ＝２が、独立成分Ｙ2に対応する列ベクトル∧α2＝（∧ａ12，∧ａ22，…，∧ａn2）を示している。なお、本明細書において、「順位」という語句は、「行列内の位置を示す値」という意味で使用されている。ステップＳ１４０、Ｓ１５０の処理において、ＣＰＵ１０は図３Ｂの推定係数選択部４３６として機能する。ステップＳ１５０の実行後、ＣＰＵは、この混合係数の算出処理を終える。この結果、工程４が完了し、その後、工程５に進む。
【００７０】
［工程５］
工程５は、回帰式の算出工程であり、工程４を実行した時と同じくコンピューター１００を用いて行なわれるものである。工程５では、コンピューター１００は、検量線の回帰式を算出する処理を実行する。なお、工程５は、工程４までのデータを別のコンピューターに移して実行してもよい。
【００７１】
図９は、コンピューター１００のＣＰＵ１０で実行される回帰式の算出処理を示すフローチャートである。処理が開始されると、ＣＰＵ１０は、まず、工程３で測定されたクロロフィル量Ｃ（Ｃ1，Ｃ2，…，Ｃn)と、ステップＳ１５０で選択されたベクトル∧αk（∧ａ1k，∧ａ2k，…，∧ａnk）とに基づいて、回帰式Ｆを算出する（ステップＳ２１０）。図７に示した散布図が最も相関の高いものである場合には、図中の直線Ｌが回帰式Ｆに相当する。回帰式の算出法については、周知であることから、ここでは詳しくは説明しないが、例えば、直線Ｌから各プロット点までの距離（残差）を０に近づけるように、最小二乗法を用いて直線Ｌを求める。回帰式Ｆは、次式（１３）にて表すことができる。ステップＳ２１０では、式（１３）における定数ｕ，ｖが求められることになる。
【００７２】
【数１３】
【００７３】
ステップＳ２１０の実行後、ＣＰＵ１０は、ステップＳ２１０で求められた回帰式Ｆの定数ｕ，ｖと、ステップＳ１５０で得られた目的成分順位ｋ（図６）と、混合係数の算出処理（図５）のステップＳ１２０で算出された独立成分行列Ｙとを、検量用データセットＤＳ２としてハードディスクドライブ３０に保存する（ステップＳ２２０）。その後、ＣＰＵ１０は、「リターン」に抜けて、この回帰式の算出処理を一旦終了する。この結果、検量線の回帰線を求めることができ、図１に示した検量線作成方法も終了する。ステップＳ２１０、Ｓ２２０の処理において、ＣＰＵ１０は図３Ｂの回帰式算出部４４０として機能する。
【００７４】
Ｂ．目的成分の検量方法：
目的成分の検量方法について、次に説明する。被検体は、検量線を作成したときに用いたサンプルと同じ成分で構成されるものとする。具体的には、目的成分の検量方法は、コンピューターを用いて行なわれるものである。なお、ここでのコンピューターは、検量線を作成する際に用いたコンピューター１００であってもよいし、他のコンピューターであってもよい。
【００７５】
図１０は、目的成分の検量を行う際に使用する装置の機能ブロック図である。この装置５００は、被検体観測データ取得部５１０と、検量用データ取得部５２０と、混合係数算出部５３０と、目的成分量算出部５４０とを有する。被検体観測データ取得部５１０は、例えば図３ＡのＣＰＵ１０が入力Ｉ／Ｆ５０とメモリー２０と協働して実現される。検量用データ取得部５２０は、例えば図３ＡのＣＰＵ１０がメモリー２０とハードディスクドライブ３０と協働して実現される。混合係数算出部５３０、および目的成分量算出部５４０は、例えば図３ＡのＣＰＵ１０がメモリー２０と協働して実現される。図１０の各機能を実現するコンピューターは、検量線を作成する際に用いたコンピューター１００であるとし、ハードディスクドライブ等の記憶部に前述した検量用データセットＤＳ２が保存されている。
【００７６】
図１１は、コンピューター１００のＣＰＵ１０で実行する目的成分検量処理を示すフローチャートである。この目的成分検量処理は、ＣＰＵ１０がハードディスクドライブ３０に格納された所定のプログラムをメモリー２０にロードし、そのプログラムを実行することで、実現される。図示するように、処理が開始されると、まず、ＣＰＵ１０は、被検体である緑色野菜を分光計測器で撮影する処理を行う（ステップＳ３１０）。ステップＳ３１０による撮影は工程２と同様にして行うことができ、この結果、被検体の吸光度スペクトルＸpが得られる。検量処理で使用する分光計測器は、誤差を抑制するため検量線の作成に使用した分光計測器と同一機種であることが好ましい。誤差をさらに抑制するためには、同一の機体であることがより好ましい。なお、図１の工程２と同様に、分光反射率スペクトルや吸光度スペクトルを分光器で測定する代わりに、これらのスペクトルを他の測定値から推定するようにしてもよい。一の被検体を一回撮像した場合に得られる被検体の吸光度のスペクトルＸpは、次式（１４）のようにベクトルで表される。
【００７７】
【数１４】
【００７８】
ステップＳ３１０の処理において、ＣＰＵ１０は図１０の被検体観測データ取得部５１０として機能する。次いで、ＣＰＵ１０は、ハードディスクドライブ３０から検量用データセットＤＳ２を取得し、メモリー２０に格納する（ステップＳ３１５）。 ステップＳ３１５の処理において、ＣＰＵ１０は図１０の検量用データ取得部５２０として機能する。
【００７９】
ステップＳ３１５の実行後、ステップＳ３１０で得られた被検体の吸光度スペクトルＸpを、正規化する（ステップＳ３２０）。この正規化は、スペクトル内の個々の値からスペクトル全体の平均値を引いた後に、標準偏差で割ることによって行われる。
【００８０】
その後、ＣＰＵ１０は、検量用データセットＤＳ２に含まれる独立成分行列ＹとステップＳ３２０で得られた正規化ずみのスペクトルとに基づいて、被検体についての推定混合行列∧Ａを求める処理を行う（ステップＳ３３０）。詳しくは、前述した式（１０）に従う演算処理を行うもので、検量用データセットＤＳ２に含まれる独立成分行列Ｙの逆行列（擬似逆行列）Ｙ+を求め、ステップＳ３２０で得られた正規化ずみのスペクトルに前記擬似逆行列Ｙ+を掛けることで、推定混合行列∧Ａを求める。
【００８１】
検量処理における推定混合行列∧Ａは、次式（１５）に示すように、各独立成分に対応した混合係数からなる行ベクトル（１ラｍ行列）である。そこで、ステップＳ３３０の実行後、ＣＰＵ１０は、ハードディスクドライブ３０から検量用データセットＤＳ２に含まれる目的成分順位ｋを読み出し、ステップＳ３３０で求めた推定混合行列∧Ａの中から、目的成分順位ｋに対応するｋ番目の成分の混合係数∧αkを抜き出し、当該混合係数∧αkを目的成分であるクロロフィルの混合係数として、メモリー２０に一旦保存する（ステップＳ３４０）。ステップＳ３２０ないしＳ３４０の処理において、ＣＰＵ１０は図１０の混合係数算出部５３０として機能することになる。
【００８２】
【数１５】
【００８３】
続いて、ＣＰＵ１０は、ハードディスクドライブ３０から検量用データセットＤＳ２に含まれる回帰式の定数ｕ，ｖを読み出し、この定数ｕ，ｖとステップＳ３４０で得られた目的成分であるクロロフィルの混合係数∧αkとを前述した式（１３）の右辺に代入することで、クロロフィルの含有量Ｃを求める（ステップＳ３５０）。含有量Ｃは、被検体の単位質量当たり（例えば１００グラム当たり）のクロロフィルの質量として求められる。ステップＳ３５０の処理において、ＣＰＵ１０は図１０の目的成分量算出部５４０として機能することになる。その後、「リターン」に抜けて、この目的成分検量処理を終了する。
【００８４】
なお、本実施例では、ステップＳ３５０によって求められた含有量Ｃ（単位質量当たりの質量）を被検体のクロロフィルの含有量としていたが、これに替えて、ステップＳ３５０によって求められた含有量Ｃを、ステップＳ３２０による正規化で用いた正規化係数で補正して、この補正後の値を求めるべき含有量としてもよい。具体的には、含有量Ｃに標準偏差を乗算することによって、含有量の絶対値（グラム）を求めるようにしてもよい。この構成によれば、目的成分の種類によっては、含有量Ｃをより精度の高いものとすることが可能となる。
【００８５】
Ｃ．実施例効果：
以上のように構成された実施例の検量線作成方法によれば、被検体である緑色野菜の実測値である一のスペクトルからクロロフィル量を高精度に求めることができる。
【００８６】
Ｄ．変形例：
この発明は前記実施例やその変形例に限られるものではなく、その要旨を逸脱しない範囲において種々の態様において実施することが可能であり、例えば次のような変形も可能である。
【００８７】
・変形例１：
前記実施例では、被検体観測データ取得部５１０（図１０）は、検量用データセットＤＳ２をハードディスクドライブ３０から取得することで、目的成分に対応する独立成分を含む独立成分行列Ｙを取得し、混合係数算出部５３０（図１０）は、被検体の吸光度スペクトルと独立成分行列Ｙとに基づいて被検体についての推定混合行列∧Ａを求め、その推定混合行列∧Ａの中から目的成分順位ｋに対応するｋ列目の混合係数αkを抽出することによって、被検体についての目的成分の混合係数を求めていたが、本発明ではこれに限られない。例えば、次の（ｉ）、（ii）を順に行う構成とすることができる。
【００８８】
（ｉ）ハードディスクドライブ３０に格納された検量用データセットＤＳ２を読み出して、前記検量用データセットＤＳ２に含まれる独立成分行列Ｙの中から目的成分順位ｋに対応するｋ列目の要素（独立成分）Ｙkを取得する。この独立成分Ｙkは、クロロフィル量に対して最も相関が強いもので、クロロフィル量に対応したものである。
（ii）次いで、前記抽出した独立成分Ｙkと、観測データである被検体のスペクトルＸp（例えば、ステップＳ３２０で得られた正規化ずみのスペクトル）との内積を求め、その内積値を目的成分の混合係数αkとする。すなわち、次式（１６）に従う演算を行う。
【００８９】
【数１６】
【００９０】
ここでは、観測データは独立成分の線形和であり、また、独立成分同士の直交性が十分に高いと仮定しているので、観測データであるスペクトルと目的成分の独立成分行列との内積を算出することによりその独立成分についての値だけが残り、他の成分はすべて０になる。これにより目的成分の混合係数αkの算出が容易となる。但し、独立成分同士の直交性が十分に高くない場合には、式（１６）の演算を使用せずに、式（１５）の推定混合行列∧Ａを求めるようにすることが好ましい。
【００９１】
前記（ｉ）の処理において、ＣＰＵ１０は検量用データ取得部として機能する。前記（ii）の処理において、ＣＰＵ１０は混合係数算出部として機能する。なお、検量用データ取得部は、前記（ｉ）の構成に換えて、前記独立成分行列Ｙの中から目的成分順位ｋに対応するｋ列目の要素（独立成分）Ｙkが予め記憶されているハードディスクドライブ３０等の記憶部から、独立成分Ｙkを取得する構成とすることもできる。内積を用いる場合、必要となるのは目的成分に対応した独立成分のみであるため、ほかの独立成分は必要ないためである。この場合には、独立成分はベクトルとなり、目的成分順位を保存する必要もなくなる。
【００９２】
・変形例２：
前記実施例および変形例では、被検体を緑色野菜として、クロロフィル量を検出する構成としたが、緑色野菜のクロロフィル量に換えて、肉におけるオレイン酸、人肌におけるコラーゲン等、種々の被検体および目的成分に対応することができる。要は、被検体と同じ成分で構成されるサンプルを用意して検量線の作成を行うようにすれば、種々の被検体および目的成分に対応することが可能となる。前記実施例および変形例では、吸光度スペクトルを観測データとして検量する構成としたが、観測データを、吸光度スペクトルに換えて、複数の音源から発せられる音声を混合した音声データとしても、同様の構成により、特定音源からの音の大きさを検量できる。要は、信号源についての統計的性質を知るに十分な量の情報を有する信号であれば、本発明は、種々の観測データに適用することが可能である。
【００９３】
・変形例３：
前記実施例および変形例では、混合係数推定工程として、独立成分行列を求め、推定混合行列を求め、その推定混合行列から目的成分に対応する混合係数を抜き出す構成としたが、必ずしもこの構成とする必要はない。要は、サンプル毎の観測データに含まれる、当該観測データを複数の独立成分に分離したときの各独立成分を推定し、前記各独立成分に基づいて、前記目的成分に対応する混合係数を前記サンプル毎に求める構成であれば、いずれの構成とすることもできる。
【００９４】
・変形例４：
前記実施例および変形例における検量線作成方法では、サンプルについての目的成分の含有量を実測する構成としたが、これに換えて、目的成分の含有量が既知であるサンプルを用意して、その含有量をキーボード等から入力する構成としてもよい。
【００９５】
・変形例５：
前記実施例および変形例では、未知成分のスペクトルＳの要素数ｍは予め経験的又は実験的に決められるとしたが、未知成分のスペクトルＳの要素数ｍはＭＤＬ（Minimum Description Length）やＡＩＣ（Akaike Information Criteria）として知られる情報量基準などによって決定してもよい。ＭＤＬなどを用いる場合、未知成分のスペクトルＳの要素数ｍはサンプルの観測データから演算によって自動的に決めることができる。なお、ＭＤＬについては、例えば”Independent component analysis for noisy data - MEG data analysis, 2000”に説明されている。
【００９６】
・変形例６：
前記実施例および変形例では、検量処理の対象となる被検体は、検量線を作成したときに用いたサンプルと同じ成分で構成されるとしたが、変形例１のように内積を用いて混合係数を求める場合、被検体に検量線を作成したときに用いたサンプルと同じ成分以外の未知成分が含まれる、としてもよい。独立成分同士の内積は0と仮定するため、未知成分に対応する独立成分とも内積0と考えられるためであり、内積で混合係数を求める場合には未知成分の影響は無視できる。
【００９７】
・変形例７：
前記実施例および変形例において用いたコンピューターは、パーソナルコンピューターに換えて専用の装置とすることができる。例えば、目的成分の検量方法を実現するパーソナルコンピューターを専用の検量装置とすることができる。
【００９８】
・変形例８：
前記実施例では、サンプルや被検体についての分光反射率のスペクトルの入力を、分光計測器により測定されたスペクトルを入力することで行っていたが、本発明はこれに限られない。例えば、波長帯域の相違する複数のバンド画像から分光スペクトルを推定し、この分光スペクトルを入力する構成としてもよい。前記バンド画像は、例えば、透過波長帯域を変更可能なフィルターを備えるマルチバンドカメラによってサンプルや被検体を撮影することで得られる。
【００９９】
・変形例９：
前記実施例および各変形例において、ソフトウェアによって実現した機能は、ハードウェアによって実現するものとしてもよい。
【０１００】
なお、前述した各実施例および各変形例における構成要素の中の、独立請求項で記載された要素以外の要素は、付加的な要素であり、適宜省略可能である。
【符号の説明】
【０１０１】
１０…ＣＰＵ
２０…メモリー
３０…ハードディスクドライブ
１００…パーソナルコンピューター
２００…分光計測器
３００…キーボード
【特許請求の範囲】
【請求項１】
被検体の観測データから、前記被検体についての目的成分の含有量を導くことに用いる検量線を作成する検量線作成方法であって、
コンピューターが、前記被検体の複数のサンプルについての前記観測データを取得することと、
前記コンピューターが、前記各サンプルについての前記目的成分の含有量を取得することと、
前記コンピューターが、前記サンプル毎の観測データを複数の独立成分に分離したときの複数の独立成分を推定し、前記複数の独立成分に基づいて、前記サンプル毎に前記目的成分に対応する混合係数を求めることと、
前記コンピューターが、前記複数のサンプルの前記目的成分の含有量と、前記サンプル毎の前記混合係数とに基づいて、前記検量線の回帰式を求めることと、
を含む検量線作成方法。
【請求項２】
請求項１に記載の検量線作成方法であって、
前記混合係数を求めることは、
前記コンピューターが、前記各サンプルの前記独立成分を含む独立成分行列を求めることと、
前記コンピューターが、前記独立成分行列から、前記各サンプルにおける前記独立成分毎の独立成分要素の比率を規定するベクトルの集合を示す推定混合行列を求めることと、
前記コンピューターが、前記推定混合行列に含まれる前記ベクトル毎に、前記複数のサンプルの前記目的成分の含有量に対する相関を求め、前記相関が最も高いと判定される前記ベクトルを、前記目的成分に対応する混合係数として選択することと、
を含む、検量線作成方法。
【請求項３】
被検体の観測データから、前記被検体についての目的成分の含有量を導くことに用いる検量線を作成する検量線作成装置であって、
前記被検体の複数のサンプルについての前記観測データを取得するサンプル観測データ取得部と、
前記各サンプルについての前記目的成分の含有量を取得するサンプル目的成分量取得部と、
前記サンプル毎の観測データを複数の独立成分に分離したときの複数の独立成分を推定し、前記複数の独立成分に基づいて、前記サンプル毎に前記目的成分に対応する混合係数を求める混合係数推定部と、
前記複数のサンプルの前記目的成分の含有量と、前記サンプル毎の前記混合係数とに基づいて、前記検量線の回帰式を求める回帰式算出部と、
を含む検量線作成装置。
【請求項４】
請求項３に記載の検量線作成装置であって、
前記混合係数推定部は、
前記各サンプルの前記各独立成分を含む独立成分行列を求める独立成分行列算出部と、
前記独立成分行列から、前記各サンプルにおける前記独立成分毎の独立成分要素の比率を規定するベクトルの集合を示す推定混合行列を求める推定混合行列算出部と、
前記推定混合行列に含まれる前記ベクトル毎に、前記複数のサンプルの前記目的成分の含有量に対する相関を求め、前記相関が最も高いと判定される前記ベクトルを、前記目的成分に対応する混合係数として選択する混合係数選択部と、
を含む、検量線作成装置。
【請求項５】
請求項４に記載の検量線作成装置であって、
前記独立成分行列算出部によって算出された前記独立成分行列と、前記混合係数選択部によって選択された混合係数が前記推定混合行列のいずれの位置にあるかを示す目的成分順位と、前記回帰式算出部によって算出された回帰式とを記憶する記憶部
を含む検量線作成装置。
【請求項６】
被検体についての目的成分の含有量を求める目的成分検量装置であって、
前記被検体についての観測データを取得する被検体観測データ取得部と、
前記目的成分に対応する独立成分を少なくとも含む検量用データを取得する検量用データ取得部と、
前記被検体についての観測データと前記検量用データとに基づいて、前記被検体についての前記目的成分に対する混合係数を求める混合係数算出部と、
予め用意した、前記目的成分に対応する混合係数と含有量との関係を示す回帰式の定数と、前記混合係数算出部によって求められた混合係数に基づいて、前記目的成分の含有量を算出する目的成分量算出部と、
を含む目的成分検量装置。
【請求項７】
請求項６に記載の目的成分検量装置であって、
前記検量用データ取得部は、
前記目的成分に対応するものとして予め求められている独立成分を、前記検量用データとして取得し、
前記混合係数算出部は、
前記独立成分と前記被検体についての観測データとの内積を求め、該内積値を前記混合係数とする、目的成分検量装置。
【請求項８】
請求項６に記載の目的成分検量装置であって、
前記検量用データ取得部は、
複数のサンプルについての各観測データを複数の独立成分に分離したときの複数の独立成分を、前記検量用データとして取得し、
前記混合係数推定部は、
前記被検体についての観測データと前記複数の独立成分とに基づいて前記被検体についての推定混合行列を算出し、前記算出した推定混合行列から前記目的成分に対応する混合係数を抽出する、目的成分検量装置。
【請求項１】
被検体の観測データから、前記被検体についての目的成分の含有量を導くことに用いる検量線を作成する検量線作成方法であって、
コンピューターが、前記被検体の複数のサンプルについての前記観測データを取得することと、
前記コンピューターが、前記各サンプルについての前記目的成分の含有量を取得することと、
前記コンピューターが、前記サンプル毎の観測データを複数の独立成分に分離したときの複数の独立成分を推定し、前記複数の独立成分に基づいて、前記サンプル毎に前記目的成分に対応する混合係数を求めることと、
前記コンピューターが、前記複数のサンプルの前記目的成分の含有量と、前記サンプル毎の前記混合係数とに基づいて、前記検量線の回帰式を求めることと、
を含む検量線作成方法。
【請求項２】
請求項１に記載の検量線作成方法であって、
前記混合係数を求めることは、
前記コンピューターが、前記各サンプルの前記独立成分を含む独立成分行列を求めることと、
前記コンピューターが、前記独立成分行列から、前記各サンプルにおける前記独立成分毎の独立成分要素の比率を規定するベクトルの集合を示す推定混合行列を求めることと、
前記コンピューターが、前記推定混合行列に含まれる前記ベクトル毎に、前記複数のサンプルの前記目的成分の含有量に対する相関を求め、前記相関が最も高いと判定される前記ベクトルを、前記目的成分に対応する混合係数として選択することと、
を含む、検量線作成方法。
【請求項３】
被検体の観測データから、前記被検体についての目的成分の含有量を導くことに用いる検量線を作成する検量線作成装置であって、
前記被検体の複数のサンプルについての前記観測データを取得するサンプル観測データ取得部と、
前記各サンプルについての前記目的成分の含有量を取得するサンプル目的成分量取得部と、
前記サンプル毎の観測データを複数の独立成分に分離したときの複数の独立成分を推定し、前記複数の独立成分に基づいて、前記サンプル毎に前記目的成分に対応する混合係数を求める混合係数推定部と、
前記複数のサンプルの前記目的成分の含有量と、前記サンプル毎の前記混合係数とに基づいて、前記検量線の回帰式を求める回帰式算出部と、
を含む検量線作成装置。
【請求項４】
請求項３に記載の検量線作成装置であって、
前記混合係数推定部は、
前記各サンプルの前記各独立成分を含む独立成分行列を求める独立成分行列算出部と、
前記独立成分行列から、前記各サンプルにおける前記独立成分毎の独立成分要素の比率を規定するベクトルの集合を示す推定混合行列を求める推定混合行列算出部と、
前記推定混合行列に含まれる前記ベクトル毎に、前記複数のサンプルの前記目的成分の含有量に対する相関を求め、前記相関が最も高いと判定される前記ベクトルを、前記目的成分に対応する混合係数として選択する混合係数選択部と、
を含む、検量線作成装置。
【請求項５】
請求項４に記載の検量線作成装置であって、
前記独立成分行列算出部によって算出された前記独立成分行列と、前記混合係数選択部によって選択された混合係数が前記推定混合行列のいずれの位置にあるかを示す目的成分順位と、前記回帰式算出部によって算出された回帰式とを記憶する記憶部
を含む検量線作成装置。
【請求項６】
被検体についての目的成分の含有量を求める目的成分検量装置であって、
前記被検体についての観測データを取得する被検体観測データ取得部と、
前記目的成分に対応する独立成分を少なくとも含む検量用データを取得する検量用データ取得部と、
前記被検体についての観測データと前記検量用データとに基づいて、前記被検体についての前記目的成分に対する混合係数を求める混合係数算出部と、
予め用意した、前記目的成分に対応する混合係数と含有量との関係を示す回帰式の定数と、前記混合係数算出部によって求められた混合係数に基づいて、前記目的成分の含有量を算出する目的成分量算出部と、
を含む目的成分検量装置。
【請求項７】
請求項６に記載の目的成分検量装置であって、
前記検量用データ取得部は、
前記目的成分に対応するものとして予め求められている独立成分を、前記検量用データとして取得し、
前記混合係数算出部は、
前記独立成分と前記被検体についての観測データとの内積を求め、該内積値を前記混合係数とする、目的成分検量装置。
【請求項８】
請求項６に記載の目的成分検量装置であって、
前記検量用データ取得部は、
複数のサンプルについての各観測データを複数の独立成分に分離したときの複数の独立成分を、前記検量用データとして取得し、
前記混合係数推定部は、
前記被検体についての観測データと前記複数の独立成分とに基づいて前記被検体についての推定混合行列を算出し、前記算出した推定混合行列から前記目的成分に対応する混合係数を抽出する、目的成分検量装置。
【図１】
【図２】
【図３Ａ】
【図３Ｂ】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図２】
【図３Ａ】
【図３Ｂ】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【公開番号】特開２０１３−３６９７３（Ｐ２０１３−３６９７３Ａ）
【公開日】平成２５年２月２１日（２０１３．２．２１）
【国際特許分類】
【出願番号】特願２０１２−１６８５４（Ｐ２０１２−１６８５４）
【出願日】平成２４年１月３０日（２０１２．１．３０）
【出願人】（０００００２３６９）セイコーエプソン株式会社 (51,324)
【Ｆターム（参考）】
【公開日】平成２５年２月２１日（２０１３．２．２１）
【国際特許分類】
【出願日】平成２４年１月３０日（２０１２．１．３０）
【出願人】（０００００２３６９）セイコーエプソン株式会社 (51,324)
【Ｆターム（参考）】
[ Back to top ]