物体中の異物混入判別方法及び物体中の異物混入判別装置
【課題】 被検対象の物体にはない特定成分を確実に選択できるようにして異物を確実に特定できるようにし、物体中に異物が混入しているか否かを確実に判別できるようにして判別精度の向上を図る。
【解決手段】 被検対象の物体に、物体を構成する成分以外の特定成分を含む異物が混入しているか否かの判別を行なうものであって、予め、異物有りのサンプル物体と異物無しのサンプル物体とに近赤外線を照射し、サンプル物体からの反射光あるいは透過光を受光し、受光した光の吸光度における二次微分スペクトルの統計学的解析により特定成分に起因する帰属波長に係る判別式を算出しておき、被検対象の物体に近赤外線を照射し、被検対象の物体からの反射光あるいは透過光を受光し、受光した光の吸光度を測定し、これらの吸光度と判別式とから算出された算出結果から物体中の異物の有無を判別する。
【解決手段】 被検対象の物体に、物体を構成する成分以外の特定成分を含む異物が混入しているか否かの判別を行なうものであって、予め、異物有りのサンプル物体と異物無しのサンプル物体とに近赤外線を照射し、サンプル物体からの反射光あるいは透過光を受光し、受光した光の吸光度における二次微分スペクトルの統計学的解析により特定成分に起因する帰属波長に係る判別式を算出しておき、被検対象の物体に近赤外線を照射し、被検対象の物体からの反射光あるいは透過光を受光し、受光した光の吸光度を測定し、これらの吸光度と判別式とから算出された算出結果から物体中の異物の有無を判別する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、例えば食品等の物体に、物体を構成する成分以外の特定成分を含む異物が混入しているか否かの判別を行なう物体中の異物混入判別方法及び物体中の異物混入判別装置に係り、特に、近赤外領域の光を用いて物体を非破壊的に検査することのできる物体中の異物混入判別方法及び物体中の異物混入判別装置に関する。
【背景技術】
【０００２】
従来、この種の物体中の異物混入判別方法としては、例えば、特許文献１（特許第４２２０２８５号公報）に記載されたものが知られている。
これは、図４０に示すように、被検対象の物体Ｍａとしての食品に、光源部１００から近赤外領域の白色光を照射し、これによって得られる反射光及び吸光度スペクトルを測定し、吸光度スペクトルに対して二次微分処理を行なって物体と異物との間で異なる二次微分スペクトルを示す波長帯を選択し、この選択した波長帯の光によって得られる分光画像を、例えばＣＣＤカメラ等の撮像手段１０１によって取得し、選択した波長帯の吸光度スペクトルに対して二次微分処理を行なって二次微分分光画像を作成することによって、物体Ｍａに混入した異物Ｆａを検知している。
【０００３】
また、この従来技術のように、被検対象の物体Ｍａに近赤外領域光を照射し、これによって得られる反射光及び吸光度スペクトルを利用して、物体Ｍａを撮像した画像を画像処理して、物体Ｍａに混入した異物Ｆａを検知する方法は、例えば、特許文献２（特開２００１−９９７８３号公報）、特許文献３（特開２００６−１７７８９０号公報）、特許文献４（特開２００９−１６８７４７号公報）、特許文献５（特開２００２−１３１２３９号公報）等にも記載されている。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特許第４２２０２８５号公報
【特許文献２】特開２００１−９９７８３号公報
【特許文献３】特開２００６−１７７８９０号公報
【特許文献４】特開２００９−１６８７４７号公報
【特許文献５】特開２００２−１３１２３９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、この従来の物体中の異物混入判別方法及び物体中の異物混入判別装置Ｓａにおいては、物体Ｍａを撮像した画像を画像処理して、この画像によって物体Ｍａ中に異物Ｆａが混入しているか否かを判別しているので、物体Ｍａの表面に付着している異物Ｆａは検知することができるが、異物Ｆａが物体Ｍａの内部に混入している場合や物体Ｍａを構成する成分が異物Ｆａと類似の形態を有している場合、または異物Ｆａの大きさが小さい場合等には、画像からでは異物Ｆａが特定できないことがあり、そのため、物体Ｍａ中の異物混入の判別精度が悪いという問題があった。
【０００６】
本発明は、このような問題点に鑑みてなされたもので、被検対象の物体を構成する成分以外の特定成分を確実に選択できるようにして異物を確実に特定できるようにし、物体中に異物が混入しているか否かを確実に判別できるようにして判別精度の向上を図った物体中の異物混入判別方法及び物体中の異物混入判別装置を提供することを目的とする。
【課題を解決するための手段】
【０００７】
このような目的を達成するため、本発明の物体中の異物混入判別方法は、被検対象の物体に該物体を構成する成分以外の特定成分を含む異物が混入しているか否かの判別を行なう物体中の異物混入判別方法において、予め、異物有りのサンプル物体と異物無しのサンプル物体とに近赤外線を照射し、該サンプル物体からの反射光あるいは透過光を受光し、受光した光の吸光度における二次微分スペクトルの統計学的解析により上記特定の成分に起因する帰属波長に係る判別式を算出しておき、被検対象の物体に近赤外線を照射し、被検対象の物体からの反射光あるいは透過光を受光し、受光した光の吸光度を測定し、これらの吸光度と上記判別式とから算出された算出結果から物体中の異物の有無を判別する構成としている。
【０００８】
これにより、サンプル物体から受光した反射光あるいは透過光の吸光度における二次微分スペクトルによって被検対象の物体を構成する成分以外の特定成分に起因する帰属波長に係る判別式を算出するので、異物が物体の内部に混入している場合や物体を構成する成分が異物と類似の形態を有している場合、または異物の大きさが小さい場合であっても、被検対象の物体を構成する成分以外の特定成分を確実に選択できるようになる。そして、この特定成分に起因する帰属波長に係る判別式と、被検対象の物体から受光した光の吸光度とから算出結果を算出するので、特定成分を含む異物を確実に特定できるようになり、そのため、物体中に異物が混入しているか否かを確実に判別できるので判別精度を向上させることができる。
【０００９】
そして、必要に応じ、上記物体は食品であり、上記異物は動物の毛である構成としている。ここでいう動物の毛とは、例えば人体の毛髪や眉毛等の体毛が含まれる概念である。
これにより、食品を非破壊的に検査して食品中に動物の毛が混入しているか否かを判別することができるので、衛生的な食品を生産することができる。
【００１０】
また、必要に応じ、上記特定の成分はシスチンである構成としている。
人体の体毛の主成分はケラチンタンパク質であり、８０％〜９０％の割合で組成されている。このケラチンタンパク質のアミノ酸組成分は、人体の体毛においてはシスチンが１４％〜１８％を含有しており、このシスチンは、一般的な食品の素材やタンパク質には存在しないか、あるいは存在したとしても痕跡程度である。よって、このシスチンを検出することで、人体の体毛が食品に混入しているか否かを判別することができる。
【００１１】
更に、必要に応じ、上記判別式を種類の異なる複数の判別方法から選択した構成としている。
具体的には、判別分析法、重回帰分析法、ＰＬＳ分析法、ニューラルネットワーク法のバックプロパゲーション法、ＳＶＭ法等が挙げられる。複数の判別方法から被検対象の物体や異物に対応した最適な判別方法を選択することができるので、判別精度を向上させることができる。
【００１２】
更にまた、必要に応じ、上記複数の判別式から２以上の判別式を用い、これらに対応する判別式により演算し、該各判別結果のうち少なくともいずれかが異物の有を判別したとき異物の混入を有と判別する構成としている。
これにより、１つの判別式による判別結果で物体中に異物の混入が認められないときであっても、他の判別式による判別結果で物体中に異物の混入が認められたときには、異物の混入が有るものとして扱われるため、より確実に異物の混入していない物体を提供することができる。
【００１３】
そして、必要に応じ、上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルを二次微分して判別分析法により算出した構成としている。
【００１４】
この判別分析法は、必要に応じ、上記判別式を、互いに判別結果が良くなる第１〜ｎ波長の吸光度を変数とする下記の一般式（Ａ−１）の関係を満たす式により算出した構成としている。
【００１５】
【数１】
【００１６】
一般式（Ａ−１）において、ｚｉは各グループの判別得点、λは波長、Ａは吸光度でＡ１（λ１）は第１波長（λ１）の吸光度、Ａ２（λ２）は第２波長（λ２）の吸光度、・・・Ａｎ（λｎ）は第ｎ波長（λｎ）の吸光度、ａ０，ａ１，ａ２，・・・ａｎは判別得点ｚｉを決定する係数であり、充分に多い母集団において測定された吸光度及び判別得点により、下記の数式（１−１）が最大値を取るように数式（１−３）を解くことで決定される。
【００１７】
【数２】
【００１８】
数式（１−１）において、Ｆ（ａ１，ａ２）はｚｉが係数ａ１，ａ２で決定される関数であることを表わし、Ｓｂは各グループ間の変動、Ｓｔはグループ全体の判別得点とその平均の差の平方和、つまりグループ全体の変動である。
数式（１−２）において、Ｓｔはグループ全体の判別得点とその平均の差の平方和でグループ全体の変動、Ｓｗはグループ内の判別得点とその平均の差の平方和の総和でグループ内での変動、Ｓｂは各グループ内の判別得点とグループ全体の判別得点の平均の差の平方和の総和で各グループ間の変動である。
【００１９】
また、この判別分析法は、必要に応じ、上記判別式を、予め異物の有無が既知のサンプル物体について判別得点を基に数種のグループに分けて各グループ内または各グループ間の夫々の平均値や重心位置からのマハラノビスの汎距離を計算し、被検体の吸光度を測定し、その吸光度から既知グループと被検体のマハラノビスの汎距離とからどのグループに近いかを第１〜ｎ波長の吸光度を変数とし、下記の一般式（Ａ−２）の関係を満たす式により算出した構成としている。
【００２０】
【数３】
【００２１】
一般式（Ａ−２）においてＤはグループｉにおけるマハラノビスの汎距離、λは波長、Ａは吸光度でＡ１（λ１）は第１波長（λ１）の吸光度、Ａ２（λ２）は第２波長（λ２）の吸光度、・・・Ａｎ（λｎ）は第ｎ波長（λｎ）の吸光度、ｓ１１・・・ｓｎｎは各グループ、グループ間の分散共分散行列であり、このＤ１、Ｄ２について計算しておく。被検体について測定した吸光度から既知のグループのＤ１、Ｄ２のどちらに近いかでどのグループに属するかを判別する。
【００２２】
本発明による物体中の異物混入判別方法の特徴は、食品等の物体に混入した異物の特定成分に起因する帰属波長の波長域を見出し、その波長域を用いて物体中に異物が混入しているか否かを判別する点である。即ち、異物有りのサンプル物体から受光した光の吸光度スペクトルとの重回帰分析によって、先ず、相関係数の高い第１波長を求め、次に、相関係数の高い第２〜ｎ波長を求める。
即ち、上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分して重回帰分析法により算出した構成としている。
【００２３】
具体的には、上記判別式を、互いに相関係数の高い第１〜ｎ波長の吸光度を変数とする下記の一般式（Ｂ）の関係を満たす式により算出した構成としている。
【００２４】
【数４】
【００２５】
一般式（Ｂ）において、第１波長（λ１）乃至第ｎ波長（λｎ）を選択するにあたり、先ず、人為的に上記異物を混入したサンプル物体の吸光度と上記異物が混入されていないサンプル物体の吸光度との判別分析によって求められた上記異物に帰属する相関係数が０．８００以上になる第１波長（λ１）の近赤外線の波長域を選択し、次に、該第１波長（λ１）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との判別分析によって上記異物に帰属し該第１波長（λ１）の近赤外線の波長域の相関係数以上の高い相関係数となる第２波長（λ２）の波長域を選択し、それから、上記第１波長（λ１）及び第２波長（λ２）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との重回帰分析によって上記異物に帰属し上記第１波長（λ１）及び第２波長（λ２）の近赤外線の波長域の相関係数以上の相関係数となる第３波長（λ３）の波長域を選択し、このように第１波長（λ１）〜第（ｎ−１）波長（λｎ−１）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との重回帰分析によって上記異物に帰属し上記第１波長（λ１）の近赤外線の波長域の相関係数以上となる第ｎ波長（λｎ）の波長域を選択する。
【００２６】
また、必要に応じ、上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してＰＬＳ（Ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅ ｐｒｏｊｅｃｔｉｏｎ ｔｏ Ｌａｔｅｎｔ Ｓｔｒｕｃｔｕｒｅ）分析法により算出した構成としている。
【００２７】
更に、必要に応じ、上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してニューラルネットワーク法のバックプロパゲーション（Ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ）法により算出した構成としている。
【００２８】
更にまた、必要に応じ、上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してＳＶＭ（Ｓａｐｏｒｔ Ｖｅｃｔｅｒ Ｍａｃｈｉｎｅ）法により算出した構成としている。
【００２９】
また、必要に応じ、上記各判別式において、１１００ｎｍ〜２５００ｎｍの範囲の近赤外領域の波長から統計学的に優位な波長を選択する構成としている。
【００３０】
更に、必要に応じ、判別分析法，重回帰分析法，ニューラルネットワーク法のバックプロパゲーション法，ＳＶＭ法記載の各判別式における波長を、第１波長を１３２０〜１４６０ｎｍ、１５３０〜１５４２ｎｍ、１７７０〜１７７６ｎｍ、２１５４〜２２０６ｎｍの範囲から選択し、第２波長を１１４４〜１１５８ｎｍ、１２５２〜１２７６ｎｍ、１３２０〜１３３８ｎｍ、１３４６〜１３８４ｎｍ、１４０６〜１４３４ｎｍ、１４７０〜１５１０ｎｍ、１５９８〜１６５０ｎｍの範囲から選択し、第３波長を１１００〜１１３８ｎｍ、１２３０〜１３２４ｎｍ、１３５２〜１３７８ｎｍ、１３９４〜１４２８ｎｍ、１４８０〜１５０２ｎｍ、１５４０〜１５８０ｎｍ、１６１０〜１６５６ｎｍ、１６６４〜１６９６ｎｍ、１７４２〜１７５０ｎｍ、１７６０〜１７７６ｎｍ、１８１６〜１８５０ｎｍ、１８８０〜１８９０ｎｍ、２１１２〜２１２０ｎｍ、２３２２〜２３４０ｎｍの範囲から選択し、第４波長を１１００〜１１２２ｎｍ、１１４６〜１１６８ｎｍ、１２５０〜１２８２ｎｍ、１３５０〜１３８２ｎｍ、１５５８〜１５７６ｎｍ、１６７６〜１６９６ｎｍ、１７４０〜１７５２ｎｍ、１８０８〜１８６６ｎｍ、２１２４〜２１４０ｎｍ、２２５８〜２２８２ｎｍ、２３２２〜２３４０ｎｍの範囲から選択し、第５波長を１１００〜１１４２ｎｍ、１１５２〜１２１０ｎｍ、１２４８〜１３２６ｎｍ、１３９４〜１４２０ｎｍ、１５９０〜１６４０ｎｍ、１８８０〜１８８４ｎｍ、２４００〜２４２０ｎｍの範囲から選択し、これらの各範囲の波長域から一つを選択する多重共線性を示さない組み合わせとしている。
【００３１】
望ましくは、第１波長を２１５８〜２１８６ｎｍの範囲から選択し、第２波長を１６０６〜１６４０ｎｍの範囲から選択し、第３波長を１２５０〜１２９８ｎｍの範囲から選択し、第４波長を１６８２〜１６９４ｎｍの範囲から選択し、第５波長を１２７８〜１３２２ｎｍの範囲から選択し、これらの各範囲の波長の組み合わせである。
より望ましくは、第１波長として２１７２ｎｍ、第２波長として１６１８ｎｍ、第３波長として１２６０ｎｍ、第４波長として１６９２ｎｍ、第５波長として１１３４ｎｍを選択し、これらの波長の組み合わせである。
【００３２】
別の組み合わせとして、第１波長を１３５４〜１３８６ｎｍ、１５１８〜１５４０ｎｍ、１５７８〜１６１２ｎｍ、１６９２〜１６９４ｎｍ、１７３４〜１７４４ｎｍ、１８１０〜１８７０ｎｍ、２０４８〜２０７０ｎｍ、２１５０〜２２０２ｎｍの範囲から選択し、第２波長を１３５２〜１３８６ｎｍ、１５６６〜１６１８ｎｍ、１６８２〜１６９４ｎｍ、１７３２〜１７４８ｎｍ、１８１０〜１８７２ｎｍ、２０４８〜２０８６ｎｍ、２１５２〜２１６６ｎｍ、２１９０〜２１９８ｎｍ、２２５２〜２２６６ｎｍ、２３２２〜２３３４ｎｍの範囲から選択し、第３波長を１７８２〜１８０８ｎｍ、２４４８〜２４５４ｎｍの範囲から選択し、第４波長を１２２２〜１２２８ｎｍ、１２７６〜１２８６ｎｍ、１３６２〜１３８０ｎｍ、１５７２〜１６０６ｎｍ、１７２６〜１７４０ｎｍ、１８１０〜１８４４ｎｍ、２０４２〜２０８８ｎｍ、２１５０〜２１６６ｎｍ、２２５８〜２２７２ｎｍの範囲から選択し、第５波長を１３７２〜１３９２ｎｍ、１５２４〜１５４８ｎｍ、１８３４〜１８７８ｎｍ、２１９０〜２２１４ｎｍの範囲から選択し、これらの各範囲の波長域から一つを選択する多重共線性を示さない組み合わせとしている。
【００３３】
望ましくは、第１波長を２１５４〜２１９６ｎｍの範囲から選択し、第２波長を１７３６〜１７４４ｎｍの範囲から選択し、第３波長を１７９８〜１８０６ｎｍの範囲から選択し、第４波長を２０４６〜２０７４ｎｍから選択し、第５波長を１３８２〜１３９２ｎｍの範囲から選択し、これらの各範囲の波長の組み合わせである。
より望ましくは、第１波長として２１６２ｎｍ、第２波長として１７４０ｎｍ、第３波長として１８０４ｎｍ、第４波長として２０５４ｎｍ、第５波長として１３８８ｎｍを選択し、これらの波長の組み合わせである。
【００３４】
そして、上記の各判別式においては、第１波長の選択後に、多重共線性を示さない波長域として第１６波長まで導き出すようにしている。
【００３５】
また、上記目的を達成するため、本発明の物体中の異物混入判別装置は、物体に該物体を構成する成分以外の特定成分を含む異物が混入しているか否かの判別を行なう物体中の異物混入判別装置において、上記被検対象の物体に近赤外領域の光を照射する光源部と、この物体からの反射光あるいは透過光を受光する受光部と、該受光部が受光した光の吸光度に基づいて上記被検対象の物体中の異物の有無を判別する制御部とを備え、上記制御部を、予め、異物有りのサンプル物体と異物無しのサンプル物体とに照射され該サンプル物体から反射あるいは透過された近赤外領域の波長に対する吸光度における二次微分スペクトルの統計学的解析により算出された上記特定の成分に起因する帰属波長に係る判別式を記憶する判別式記憶機能と、上記受光部が受光した光の吸光度と上記判別式とから算出された算出結果から物体中の異物の有無を判別する異物判別機能とを備えて構成している。
【００３６】
この場合、上記制御部における判別式記憶機能が記憶する判別式と選択される近赤外線の波長との組み合わせは、上記何れか記載の判別式から選択される構成とすることが有効である。
これにより、物体中に異物が混入しているか否かを精度良く判別することができる。
【００３７】
また、必要に応じ、被検対象の物体が載置されて駆動され、該載置された物体を、上記光源部からの光が照射されるとともに該物体からの反射光あるいは透過光を上記受光部で受光可能な検査位置に順次搬送する搬送部を備えた構成としている。
これにより、多数の被検対象の物体を容易に順次検査していくことができるので、作業性を向上させることができる。
【００３８】
更にまた、必要に応じ、上記光源部を、光ファイバーによって光を出力するとともに該光ファイバーの導波路を備えて構成している。
これにより、光源部から照射される近赤外領域の光に含まれる多数の波長域を一斉に被検対象の物体に確実に照射することができる。
【００３９】
また、必要に応じ、上記受光部を、上記被検対象の物体からの反射光あるいは透過光を受光する複数の受光素子を備えて構成している。この場合、上記受光素子を光ファイバーで構成することが有効である。
これにより、被検対象の物体からの反射光あるいは透過光に含まれる多数の波長域を確実に受光することができる。
【００４０】
更に、必要に応じ、上記制御部は、遠隔操作機能を備えた構成としている。
これにより、被検対象の物体の検査を、場所を問わず行なえるので、装置の汎用性を向上させることができる。
【発明の効果】
【００４１】
本発明の物体中の異物混入判別方法及び物体中の異物混入判別装置によれば、サンプル物体から受光した反射光あるいは透過光の吸光度における二次微分スペクトルによって被検対象の物体を構成する成分以外の特定成分に起因する帰属波長に係る判別式を算出するので、異物が物体の内部に混入している場合や物体を構成する成分が異物と類似の形態を有している場合、または異物の大きさが小さい場合であっても、被検対象の物体を構成する成分以外の特定成分を確実に選択できるようになる。そして、この特定成分に起因する帰属波長に係る判別式と、被検対象の物体から受光した光の吸光度とから算出結果を算出するので、特定成分を含む異物を確実に特定できるようになり、そのため、物体中に異物が混入しているか否かを確実に判別できるので判別精度を向上させることができる。
【図面の簡単な説明】
【００４２】
【図１】本発明の実施の形態に係る物体中の異物混入判別装置を示す斜視図である。
【図２】本発明の実施の形態に係る物体中の異物混入判別装置を示す概略図である。
【図３】本発明の実施の形態に係る物体中の異物混入判別装置における制御部の構成を示すブロック図である。
【図４】本発明の実施の形態に係る物体中の異物混入判別装置における制御フローを示すフローチャートである。
【図５】本発明の実施の形態に係る制御フローであって、サンプル測定と判別ルーチンの制御フローを示すフローチャートである。
【図６】本発明の実施の形態に係る制御フローであって、異物判別ルーチンの制御フローを示すフローチャートである。
【図７】本発明の実験例（１−１）に係り、判別分析の判別式の精度を示す図である。
【図８】本発明の実験例（１−１）に係り、判別分析での判別結果を示す図である。
【図９】本発明の実験例（１−１）に係り、判別分析での判別率を示す図である。
【図１０】本発明の実験例（１−２）に係り、判別分析の判別式の精度を示す図である。
【図１１】本発明の実験例（１−２）に係り、判別分析での判別結果を示す図である。
【図１２】本発明の実験例（１−２）に係り、判別分析での判別率を示す図である。
【図１３】本発明の実験例（２−１）に係り、シスチンと髪の毛の吸光度二次微分スペクトルを示す図である。
【図１４】本発明の実験例（２−１）に係り、重回帰分析の判別式の精度を示す図である。
【図１５】本発明の実験例（２−１）に係り、重回帰分析での判別結果を示す図である。
【図１６】本発明の実験例（２−１）に係り、重回帰分析の判別率を示す図である。
【図１７】本発明の実験例（２−２）に係り、重回帰分析の判別式の精度を示す図である。
【図１８】本発明の実験例（２−２）に係り、重回帰分析での判別結果を示す図である。
【図１９】本発明の実験例（２−２）に係り、重回帰分析の判別率を示す図である。
【図２０】本発明の実験例（３）に係り、ＰＬＳ法の判別式の精度を示す図である。
【図２１】本発明の実験例（３）に係り、ＰＬＳ法での判別結果を示す図である。
【図２２】本発明の実験例（３）に係り、ＰＬＳ法の判別率を示す図である。
【図２３】本発明の実験例（４−１）に係り、ニューラルネットワーク法のバックプロパゲーション法の判別式の精度を示す図である。
【図２４】本発明の実験例（４−１）に係り、ニューラルネットワーク法のバックプロパゲーション法での判別結果を示す図である。
【図２５】本発明の実験例（４−１）に係り、ニューラルネットワーク法のバックプロパゲーション法の判別率を示す図である。
【図２６】本発明の実験例（４−２）に係り、ニューラルネットワーク法のバックプロパゲーション法の判別式の精度を示す図である。
【図２７】本発明の実験例（４−２）に係り、ニューラルネットワーク法のバックプロパゲーション法での判別結果を示す図である。
【図２８】本発明の実験例（４−２）に係り、ニューラルネットワーク法のバックプロパゲーション法の判別率を示す図である。
【図２９】本発明の実験例（５−１）に係り、ＳＶＭ法を利用した学習成績を示す図である。
【図３０】本発明の実験例（５−１）に係り、ＳＶＭ法における選択波長による判別学習成績を示す図である。
【図３１】本発明の実験例（５−２）に係り、ＳＶＭ法による判別式を用いた判別結果を示す図である。
【図３２】本発明の実験例（５−３）に係り、ＳＶＭ法による判別式を用いた判別結果を示す図である。
【図３３】本発明の実験例（６−１）に係り、判別分析法，重回帰分析法，ニューラルネットワーク法のバックプロパゲーション法の判別式を組み合わせた場合の判別結果を示す図である。
【図３４】本発明の実験例（６−１）に係り、判別分析法，重回帰分析法，ニューラルネットワーク法のバックプロパゲーション法の判別式を組み合わせた場合の判別率を示す図である。
【図３５】本発明の実験例（６−２）に係り、判別分析法，重回帰分析法，ＰＬＳ法，ニューラルネットワーク法のバックプロパゲーション法の判別式を組み合わせた場合の判別結果を示す図である。
【図３６】本発明の実験例（６−２）に係り、判別分析法，重回帰分析法，ＰＬＳ法，ニューラルネットワーク法のバックプロパゲーション法の判別式を組み合わせた場合の判別率を示す図である。
【図３７】本発明の実験例（６−３）に係り、判別分析法，重回帰分析法，ＰＬＳ法，ニューラルネットワーク法のバックプロパゲーション法，ＳＶＭ法の判別式を組み合わせた場合の判別結果を示す図である。
【図３８】本発明の実験例（６−３）に係り、判別分析法，重回帰分析法，ＰＬＳ法，ニューラルネットワーク法のバックプロパゲーション法，ＳＶＭ法の判別式を組み合わせた場合の判別率を示す図である。
【図３９】本発明の別の実施の形態に係る物体中の異物混入判別装置を示す図である。
【図４０】従来の物体中の異物混入判別装置の一例を示す図である。
【発明を実施するための形態】
【００４３】
以下、添付図面に基づいて本発明の実施の形態に係る物体中の異物混入判別方法及び物体中の異物混入判別装置を説明する。本物体中の異物混入判別方法は、本物体中の異物混入判別装置によって実現されるので、本物体中の異物混入判別装置の作用において説明する。
【００４４】
本発明の実施の形態に係る物体中の異物混入判別装置は、被検対象の物体としての食品中に、食品にはない特定成分を含む異物としての人体の体毛が混入されているか否かを判別するものである。ここで、食品とは、食品素材そのもの，加工食品，調理品等食用に供されるものであればどのようなものも含む。また、ここで、人体の体毛とは、毛髪，眉毛，まつ毛等を含む。
【００４５】
また、ここで、特定成分とはシスチンである。人体の体毛の主成分はケラチンタンパク質であり、８０％〜９０％の割合で組成されている。このケラチンタンパク質のアミノ酸組成分は、人体の体毛においてはシスチンが１４％〜１８％を含有しており、このシスチンは、一般的な食品の素材やタンパク質には存在しないか、あるいは存在したとしても痕跡程度である。よって、このシスチンを検出することで、人体の体毛が食品中に混入しているか否かを判別することができる。
【００４６】
図１乃至図３に示すように、本発明の実施の形態に係る物体中の異物混入判別装置Ｓは、機台１と、機台１に設けられ被検対象の物体Ｍが載置されて駆動され載置された物体Ｍを搬送する搬送部１０と、被検対象の物体Ｍに近赤外領域の光を照射する光源部２０と、この物体Ｍからの反射光あるいは透過光を受光する受光部３０と、受光部３０が受光した光の吸光度に基づいて被検対象の物体Ｍ中の異物Ｆの有無を判別する制御部４０とを備えて構成されている。
【００４７】
搬送部１０は、被検対象の物体Ｍが載置されて駆動され、載置された物体Ｍを、光源部２０からの光が照射されるとともに物体Ｍからの反射光あるいは透過光を受光部３０で受光可能な検査位置に順次搬送するもので、ベルトコンベア１０ａで構成されている。
【００４８】
光源部２０は、搬送部１０の上方であって機台１に設けられる仕切板２上に載置され、光ファイバーによって白色光を出力するとともに光ファイバーの導波路を備えて構成されている。仕切板２には、図示しない孔が形成されており、この孔を通して光源部２０からの光が被検対象の物体Ｍに照射される。また、この仕切板２には、図示しないが、光源部２０の作動によって発せられる熱を外部に逃がすためのパンチ穴が複数形成されている。
また、この光源部２０には、図示しないシャッターが内蔵されており、シャッターにはリファレンス測定用基準白板が設置されている。
【００４９】
受光部３０は、搬送部１０の上方であって機台１に設けられる仕切板２上に載置され、等角度関係で設けられ被検対象の物体Ｍからの反射光あるいは透過光を受光する複数の受光素子３１を備えて構成されている。仕切板２には、図示しない孔が形成されており、この孔を通して被検対象の物体Ｍからの反射光あるいは透過光を受光する。また、この仕切板２には、図示しないが、受光部３０の作動によって発せられる熱を外部に逃がすためのパンチ穴が複数形成されている。また、この受光部３０には、図示しないシャッターが内蔵されており、シャッターにはリファレンス測定用基準白板が設置されている。
また、搬送部１０の下方であって機台１に設けられる載置板３上に受光部３０からの光を波長域毎に分光して抽出する分光部５０が設けられている。この分光部５０は、受光部３０から送られた光を単波長の光に分光する音響光学素子（図示せず）を備えている。
受光素子３１は光ファイバーで構成され、直列または並列に分光部５０に接続され、分光部５０から制御ケーブル５１を介して制御部４０内の電気回路に接続されて信号処理を行なう。
【００５０】
全体の信号処理は以下のようにして行なわれる。各受光素子３１によって拡散反射光が検出され、受光部３０の光ファイバーによって分光部５０に送られる。この分光部５０では、光を波長域毎に分光するとともに、その光の強さによる電気信号に変換して抽出する。その後、制御ケーブル５１を介して制御部４０内の電気回路に接続する。図３に示すように、受光素子３１から分光部５０を通して変換された電気信号は、制御部４０に伝達され、制御部４０に設けられた通信部４１を通して判別式記憶機能等を備えた総合制御演算処理部４２に送られて異物Ｆの有無を判別する。
【００５１】
制御部４０は、予め、異物有りのサンプル物体Ｍと異物無しのサンプル物体Ｍとに照射されサンプル物体Ｍから反射あるいは透過された近赤外領域の波長に対する吸光度における二次微分スペクトルの統計学的解析により算出された特定の成分に起因する帰属波長に係る判別式を記憶する判別式記憶機能と、受光部３０が受光した光の吸光度と判別式とから算出された算出結果から物体Ｍ中の異物Ｆの有無を判別する異物判別機能とを備えて構成されている。
【００５２】
この制御部４０は、図３に示すように、通信部４１と、判別式記憶機能，異物判別機能，処理履歴記憶機能，インターネット通信機能，光量制御機能，結果表示機能を備えた総合制御演算処理部４２と、光源部２０の駆動モータ等を制御するモータ制御回路４３と、音響光学素子を制御する分光制御回路４４と、動作命令部４５とを備えて構成されている。
【００５３】
制御部４０の総合制御演算処理部４２における判別式記憶機能は、判別分析記憶機能，回帰式記憶機能，ニューロ判別機能を備えている。
判別分析記憶機能は判別分析法によって算出された判別式を記憶する機能であり、回帰式記憶機能は重回帰分析法によって算出された判別式を記憶する機能であり、ニューロ判別機能は、ニューラルネットワーク法（本実施の形態ではバックプロパゲーション（ＢＰ）及びサポートベクターマシン（ＳＶＭ）の２種類）によって算出された判別式を記憶する機能である。
【００５４】
また、制御部４０の総合制御演算処理部４２における異物判別機能は、数種の判別分析方法を搭載し、その各種の結果やパラメータが算出され、これらの数値から最適な結果を判別する計算（演算）機能である。
【００５５】
更に、制御部４０の総合制御演算処理部４２における処理履歴記憶機能は、サンプルの測定個数の累積と、判別結果のＯＫ及びＮＧの累積結果と、その時系列で蓄積して記憶しておく機能である。
【００５６】
更にまた、制御部４０の総合制御演算処理部４２におけるインターネット通信機能は、遠隔地で使用しているときに、その判別状況やシステムの状態を把握するため、また、アプリケーション（判別手法）のバージョンアップ等のメンテナンスを遠隔操作で行なうための機能である。本実施の形態では使用していない機能であるが、このインターネット通信機能を利用することにより、被検対象の物体Ｍの検査を、場所を問わず行なえるので、装置Ｓの汎用性を向上させることができる。
【００５７】
また、制御部４０の総合制御演算処理部４２における光量制御機能は、ランプ交換や光沢の差が大きい物体Ｍの測定を行なうときに、分光部５０内の光検出センサの適切なレベルで測定が行なえるように光源の光量及び分光部５０内のセンサの感度を調整し、常時適切な測定を行なうことができるようにする機能である。
【００５８】
更に、制御部４０の総合制御演算処理部４２における結果表示機能は、判別結果を後述の表示部４６に表示するための機能である。
【００５９】
図１中、符号４６は、制御部４０に設けられたＣＲＴ等からなる表示部である。データは表示部４６に表示される。表示部４６の表示は画面操作部（図示せず）で操作され、入力設定画面、判別結果表示画面、エラー表示画面等、適宜に切り換わって表示可能になっている。計測中にアニメ等を表示しても良い。尚、判別結果をＬＣＤパネルに表示しても良い。また、判別結果を音声出力するようにしても良い。更に、外部へのデータ出力インターフェースを設けても良い。
また、図１中、符号４７は、制御部４０に設けられた設定パネルである。この設定パネル４７は、ランプ点灯累積時間の確認、エラー解除、日付時間のセット確認、分光部動作確認、各機構のマニュアル動作へ移行と解除等を行なうものである。
【００６０】
更に、図１中、符号４８は、制御ボタンであり、スタートボタンとストップボタンで構成されている。スタートボタンを押すと判別プログラムを実行し、ストップボタンを押すと判別プログラムを停止させる。判別プログラムが停止した状態で再度スタートボタンを押すとプログラムを再開する。
更にまた、図１中、符号４は、装置Ｓに電源を供給するメイン電源供給スイッチであり、符号４９は、制御部４０及び光源部２０に電源を供給する制御部用電源であり、符号５２は、分光部５０に電源を供給する分光部用電源である。この分光部用電源５２は、ノイズを除去するためにリップルノイズの少ないリニア式電源を用いている。
【００６１】
また、図１中、符号５は、緊急時に装置Ｓのプログラム及び作動を停止させる緊急停止ボタンであり、符号６は、制御部４０，光源部２０，受光部３０，制御部用電源４９等の作動による熱を機台１の外部に逃がすための排熱ファンである。この排熱ファン６からは迷光や外乱光が入射してくることがあるが、仕切板２に設けた複数のパンチ穴によりこれらの光は遮蔽される。
更に、図１中、符号７は、光源部２０，受光部３０，分光部５０，制御部４０までの信号の伝送のための制御ケーブル５１を機台１内に出し入れ可能に収納する制御ケーブル配線口であり、符号８は、搬送部１０によって搬送されてきた物体Ｍを検知するサンプル検知センサである。このサンプル検知センサ８は２つ設けられており、これによって検知間隔によって搬送スピードをチェックして適切なタイミングでシャッター開放指示やサンプル測定を行なうことができる。また、作業者のミスで搬送速度が変更された場合でも、自動で速度認識するので対応が可能となる。
【００６２】
そして、制御部４０の総合制御演算処理部４２における判別式記憶機能が記憶する判別式と選択される近赤外線の波長との組み合わせは、以下のように決定される。
【００６３】
詳しくは、上記の装置Ｓを用いて、予め、異物有りのサンプル物体Ｍと異物無しのサンプル物体Ｍとに近赤外線を照射し、サンプル物体Ｍからの反射光あるいは透過光を受光し、受光した光の吸光度における二次微分スペクトルの統計学的解析により特定の成分に起因する帰属波長に係る判別式を算出しておく。
【００６４】
判別式は、種類の異なる複数の判別方法から選択される。本実施の形態では、判別分析法、重回帰分析法、ＰＬＳ分析法、ニューラルネットワーク法のバックプロパゲーション法、ＳＶＭ法の５つの判別方法を選択する。以下、各分析法について詳細に説明する。
【００６５】
＜判別分析法（その１）＞
サンプル物体Ｍから受光した光の吸光度スペクトルを二次微分して判別分析法により算出した判別式は、互いに判別結果が良くなる第１〜ｎ波長の吸光度を変数とする下記の一般式（Ａ−１）で構成されている。
【００６６】
【数５】
【００６７】
一般式（Ａ−１）において、ｚｉは各グループの判別得点、λは波長、Ａは吸光度でＡ１（λ１）は第１波長（λ１）の吸光度、Ａ２（λ２）は第２波長（λ２）の吸光度、・・・Ａｎ（λｎ）は第ｎ波長（λｎ）の吸光度、ａ０，ａ１，ａ２，・・・ａｎは判別得点ｚｉを決定する係数であり、充分に多い母集団において測定された吸光度及び判別得点により、下記の数式（１−１）が最大値を取るように数式（１−３）を解くことで決定される。
【００６８】
【数６】
【００６９】
数式（１−１）において、Ｆ（ａ１，ａ２）はｚｉが係数ａ１，ａ２で決定される関数であることを表わし、Ｓｂは各グループ間の変動、Ｓｔはグループ全体の判別得点とその平均の差の平方和、つまりグループ全体の変動である。
数式（１−２）において、Ｓｔはグループ全体の判別得点とその平均の差の平方和でグループ全体の変動、Ｓｗはグループ内の判別得点とその平均の差の平方和の総和でグループ内での変動、Ｓｂは各グループ内の判別得点とグループ全体の判別得点の平均の差の平方和の総和で各グループ間の変動である。
【００７０】
＜判別分析法（その２）＞
この判別分析法により算出した判別式としては、別の判別方法によっても算出できる。詳しくは、判別式を、予め異物Ｆの有無が既知のサンプル物体Ｍについて判別得点を基に数種のグループに分けて各グループ内または各グループ間の夫々の平均値や重心位置からのマハラノビスの汎距離を計算し、被検体の吸光度を測定し、その吸光度から既知グループと被検体のマハラノビスの汎距離とからどのグループに近いかを第１〜ｎ波長の吸光度を変数とし、下記の一般式（Ａ−２）の関係を満たす式により算出している。
【００７１】
【数７】
【００７２】
一般式（Ａ−２）においてＤはグループｉにおけるマハラノビスの汎距離、λは波長、Ａは吸光度でＡ１（λ１）は第１波長（λ１）の吸光度、Ａ２（λ２）は第２波長（λ２）の吸光度、・・・Ａｎ（λｎ）は第ｎ波長（λｎ）の吸光度、ｓ１１・・・ｓｎｎは各グループ、グループ間の分散共分散行列であり、このＤ１、Ｄ２について計算しておく。被検体について測定した吸光度から既知のグループのＤ１、Ｄ２のどちらに近いかでどのグループに属するかを判別する。
【００７３】
＜重回帰分析法＞
また、サンプル物体Ｍから受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分して重回帰分析法により算出した判別式は、互いに相関係数の高い第１〜ｎ波長の吸光度を変数とする下記の一般式（Ｂ）で構成されている。
【００７４】
【数８】
【００７５】
一般式（Ｂ）において、第１波長（λ１）乃至第ｎ波長（λｎ）を選択するにあたり、先ず、人為的に異物Ｆを混入したサンプル物体Ｍの吸光度と異物Ｆが混入されていないサンプル物体Ｍの吸光度との判別分析によって求められた異物Ｆに帰属する相関係数が０．８００以上になる第１波長（λ１）の近赤外線の波長域を選択し、次に、第１波長（λ１）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との判別分析によって異物Ｆに帰属し第１波長（λ１）の近赤外線の波長域の相関係数以上の高い相関係数となる第２波長（λ２）の波長域を選択し、それから、第１波長（λ１）及び第２波長（λ２）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との重回帰分析によって異物Ｆに帰属し第１波長（λ１）及び第２波長（λ２）の近赤外線の波長域の相関係数以上の相関係数となる第３波長（λ３）の波長域を選択し、このように第１波長（λ１）〜第（ｎ−１）波長（λｎ−１）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との重回帰分析によって異物Ｆに帰属し第１波長（λ１）の近赤外線の波長域の相関係数以上となる第ｎ波長（λｎ）の波長域を選択する。
【００７６】
＜ＰＬＳ法＞
また、サンプル物体Ｍから受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してＰＬＳ（Ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅ ｐｒｏｊｅｃｔｉｏｎ ｔｏ Ｌａｔｅｎｔ Ｓｔｒｕｃｔｕｒｅ）分析法により算出した判別式を用いている。
【００７７】
＜ニューラルネットワーク法のバックプロパゲーション法＞
更に、サンプル物体Ｍから受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してニューラルネットワーク法のバックプロパゲーション（Ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ）法により算出した判別式を用いている。
【００７８】
＜ＳＶＭ法＞
更にまた、サンプル物体Ｍから受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してＳＶＭ（Ｓａｐｏｒｔ Ｖｅｃｔｅｒ Ｍａｃｈｉｎｅ）法により算出した判別式を用いている。
【００７９】
また、これらの各判別式において、１１００ｎｍ〜２５００ｎｍの範囲の近赤外領域の波長から統計学的に優位な波長を選択している。
【００８０】
詳しくは、判別分析法，重回帰分析法，ニューラルネットワーク法のバックプロパゲーション法，ＳＶＭ法については、以下の波長を用いる。即ち、各判別式における波長を、第１波長を１３２０〜１４６０ｎｍ、１５３０〜１５４２ｎｍ、１７７０〜１７７６ｎｍ、２１５４〜２２０６ｎｍの範囲から選択し、第２波長を１１４４〜１１５８ｎｍ、１２５２〜１２７６ｎｍ、１３２０〜１３３８ｎｍ、１３４６〜１３８４ｎｍ、１４０６〜１４３４ｎｍ、１４７０〜１５１０ｎｍ、１５９８〜１６５０ｎｍの範囲から選択し、第３波長を１１００〜１１３８ｎｍ、１２３０〜１３２４ｎｍ、１３５２〜１３７８ｎｍ、１３９４〜１４２８ｎｍ、１４８０〜１５０２ｎｍ、１５４０〜１５８０ｎｍ、１６１０〜１６５６ｎｍ、１６６４〜１６９６ｎｍ、１７４２〜１７５０ｎｍ、１７６０〜１７７６ｎｍ、１８１６〜１８５０ｎｍ、１８８０〜１８９０ｎｍ、２１１２〜２１２０ｎｍ、２３２２〜２３４０ｎｍの範囲から選択し、第４波長を１１００〜１１２２ｎｍ、１１４６〜１１６８ｎｍ、１２５０〜１２８２ｎｍ、１３５０〜１３８２ｎｍ、１５５８〜１５７６ｎｍ、１６７６〜１６９６ｎｍ、１７４０〜１７５２ｎｍ、１８０８〜１８６６ｎｍ、２１２４〜２１４０ｎｍ、２２５８〜２２８２ｎｍ、２３２２〜２３４０ｎｍの範囲から選択し、第５波長を１１００〜１１４２ｎｍ、１１５２〜１２１０ｎｍ、１２４８〜１３２６ｎｍ、１３９４〜１４２０ｎｍ、１５９０〜１６４０ｎｍ、１８８０〜１８８４ｎｍ、２４００〜２４２０ｎｍの範囲から選択し、これらの各範囲の波長域から一つを選択する多重共線性を示さない組み合わせとしている。
【００８１】
望ましくは、第１波長を２１５８〜２１８６ｎｍの範囲から選択し、第２波長を１６０６〜１６４０ｎｍの範囲から選択し、第３波長を１２５０〜１２９８ｎｍの範囲から選択し、第４波長を１６８２〜１６９４ｎｍから選択し、第５波長を１２７８〜１３２２ｎｍの範囲から選択し、これらの各範囲の波長の組み合わせである。
より望ましくは、第１波長として２１７２ｎｍ、第２波長として１６１８ｎｍ、第３波長として１２６０ｎｍ、第４波長として１６９２ｎｍ、第５波長として１１３４ｎｍを選択し、これらの波長の組み合わせである。
【００８２】
別の組み合わせとして、第１波長を１３５４〜１３８６ｎｍ、１５１８〜１５４０ｎｍ、１５７８〜１６１２ｎｍ、１６９２〜１６９４ｎｍ、１７３４〜１７４４ｎｍ、１８１０〜１８７０ｎｍ、２０４８〜２０７０ｎｍ、２１５０〜２２０２ｎｍの範囲から選択し、第２波長を１３５２〜１３８６ｎｍ、１５６６〜１６１８ｎｍ、１６８２〜１６９４ｎｍ、１７３２〜１７４８ｎｍ、１８１０〜１８７２ｎｍ、２０４８〜２０８６ｎｍ、２１５２〜２１６６ｎｍ、２１９０〜２１９８ｎｍ、２２５２〜２２６６ｎｍ、２３２２〜２３３４ｎｍの範囲から選択し、第３波長を１７８２〜１８０８ｎｍ、２４４８〜２４５４ｎｍの範囲から選択し、第４波長を１２２２〜１２２８ｎｍ、１２７６〜１２８６ｎｍ、１３６２〜１３８０ｎｍ、１５７２〜１６０６ｎｍ、１７２６〜１７４０ｎｍ、１８１０〜１８４４ｎｍ、２０４２〜２０８８ｎｍ、２１５０〜２１６６ｎｍ、２２５８〜２２７２ｎｍの範囲から選択し、第５波長を１３７２〜１３９２ｎｍ、１５２４〜１５４８ｎｍ、１８３４〜１８７８ｎｍ、２１９０〜２２１４ｎｍの範囲から選択し、これらの各範囲の波長域から一つを選択する多重共線性を示さない組み合わせとしている。
【００８３】
望ましくは、第１波長を２１５４〜２１９６ｎｍの範囲から選択し、第２波長を１７３６〜１７４４ｎｍの範囲から選択し、第３波長を１７９８〜１８０６ｎｍの範囲から選択し、第４波長を２０４６〜２０７４ｎｍから選択し、第５波長を１３８２〜１３９２ｎｍの範囲から選択し、これらの各範囲の波長の組み合わせである。
より望ましくは、第１波長として２１６２ｎｍ、第２波長として１７４０ｎｍ、第３波長として１８０４ｎｍ、第４波長として２０５４ｎｍ、第５波長として１３８８ｎｍを選択し、これらの波長の組み合わせである。
【００８４】
従って、この実施の形態に係る物体中の異物混入判別装置を用いて、被検対象の物体Ｍに異物Ｆが混入しているか否かを判別するときは、以下のようになる。
制御部４０の総合制御演算処理部４２においては、判別式記憶機能が記憶する判別式と、選択される近赤外線の波長との組み合わせが設定されている。図４乃至図６に示すフローチャートを用いて説明する。
【００８５】
図４に示すように、メイン電源供給スイッチ４を押して制御部用電源４９，分光部用電源５２等に電気を供給する。メイン電源供給スイッチ４が入れられると、制御部４０が起動し、分光部５０やセンサ、ランプ等の各機構のチェックを行なう（１−１）。このとき表示部４６にはシステムの初期化中を示す画面が表示され表示灯は黄色が点灯（１−２）。各機構のチェック動作完了後に吸光度算出の基準となるリファレンス波形を計測（１−３）し、これを制御部４０内部の記憶装置に記憶しておく（１−４）。その後メイン画面が表示され表示灯は緑色が点灯（１−８）。その間に設定パネル４７から設定値呼び出し操作（１−５）があればランプ点灯累積時間や日付時間等の確認用画面が表示される（１−６）。判別計測を行なうには設定パネル４７を操作しメイン画面へ戻る（１−７）。
【００８６】
被検対象の物体Ｍを搬送部１０に載置し、メイン画面の表示灯が緑色の時に制御ボタン４８のスタートスイッチを押す（１−９）。スタートスイッチを押すと、サンプル測定（被検対象の物体Ｍの測定）と判別ルーチンを実行する（１−１０）。
【００８７】
このサンプル測定（被検対象の物体Ｍの測定）と判別ルーチンにおいては、図５に示すように、始めに制御部４０より搬送部１０のベルトコンベア１０ａの動作指示がされ（２−１）、被検対象の物体Ｍを搬送する。搬送されてきた被検対象の物体Ｍはサンプル検出センサ８の入力により被検対象の物体Ｍの有無を検知（２−２）し、光源部２０及び受光部３０の光源前のシャッターを開放指示する（２−３）。シャッターが開放されることで被検対象の物体Ｍに白色光が照射され、その反射光あるいは透過光を受光部３０内の検出部より受光し、光ファイバーで分光部５０に伝送され、分光部５０にて近赤外線の波長の強度を波長域毎に電圧変換して抽出し、制御ケーブル５１にて制御部４０へ伝送する（２−４）。反射光の強度スペクトルを得て異物判別ルーチンにより異物Ｆの有無の判別分析を行なう（２−５）。反射光あるいは透過光の検出を完了するとシャッター閉鎖指示によりシャッターが閉鎖する（２−６）。
【００８８】
異物判別ルーチンにおいては、図６に示すように、分光部５０より伝送された反射強度（反射スペクトル）についてノイズ除去処理を施し（３−１、３−２）、初期化時に記憶したリファレンス波形を読込み（３−３）、測定サンプル（被検対象の物体Ｍ）の近赤外線の吸光度を算出する（３−４）。その吸光度について標準化処理を行ない（３−５）、更に二次微分処理を施し（３−６）、その二次微分スペクトルについてセンタリングとスケーリング処理を施す（３−７）。このスペクトルを用いて、制御部４０に予め記憶してある判別分析（３−８），重回帰分析（３−９），ＰＬＳ分析（３−１０），ニューラルネットワーク分析のバックプロパゲーション（３−１１），サポートベクタマシン（３−１２）の手法によりそれぞれの判別得点及びパラメータを計算する。各判別方法による判別得点を用い、その最適な組合せ比較（標準化比較）を行ない（３−１３）、最終判別結果を算出する（３−１４）。
【００８９】
サンプル測定（被検対象の物体Ｍの測定）を終えると、図４に戻り、その判別結果とこれまでの判別結果の累計を表示する（１−１３）。その間に各機構にてエラー発生や非常停止ボタンが押されると（１−１１）、エラー発生画面が表示され表示灯は赤色が点灯する（１−１２）。復帰するにはランプ、分光部５０、センサ等の機構をチェックすることが必要。判別結果やサンプル測定（被検対象の物体Ｍの測定）時の反射スペクトルは制御部４０内の記憶機能に記憶されていく。この流れは制御ボタン４８のストップボタンが押されるまで繰り返し実行される（１−１５）。
【００９０】
次に、実験例について説明する。
（実験例１）
先ず、判別分析法により算出した判別式と、被検対象の物体Ｍから受光した光の吸光度とを用いて物体Ｍ中に異物Ｆが混入しているか否かを判別する。
【００９１】
（実験例１−１）
この実験は、判別式を作成するための母集団として、ケーキ、まんじゅう、チョコレート等の菓子を用い、これらの菓子の表面及び内部（中間部、深部）に毛髪を人為的に混入し、その反射光を検出し、吸光度を計算し標準化処理を行ない、二次微分処理、スケーリング及びセンタリングを行ない、そのスペクトルについて判別式を求めた。
【００９２】
判別式は、シスチンの近赤外線吸収バンドに従い、関連するＮ−Ｈ結合、Ｓ−Ｈ結合に吸収があるとされている、２０５４ｎｍ、２１６２ｎｍ、１７４０ｎｍと２つの波長を使用した。このときの判別式は、その係数が、ａ０＝０、ａ１＝０．２１５、ａ２＝２．１６４、ａ３＝０．２７２、ａ４＝−１．４９２、ａ５＝−０．５０８で、第１波長λ１＝２０５４ｎｍ、第２波長λ２＝２１６２ｎｍ、第３波長λ３＝１７４０ｎｍ、第４波長λ４＝１６０４ｎｍ、第５波長λ５＝１３８８ｎｍとなった。この結果、図７乃至図９に示すように、判別率は、異物あり判別で９８％、異物なし判別で１００％となった。
【００９３】
（実験例１−２）
この実験は、判別式を作成するための母集団として、ケーキ、まんじゅう、チョコレート等の菓子を用い、これらの菓子の表面及び内部（中間部、深部）に毛髪を人為的に混入し、その反射光を検出し、吸光度を計算し標準化処理を行ない、二次微分処理、スケーリング及びセンタリングを行ない、そのスペクトルについて判別式を求めた。このとき、更に精度を上げるために各グループとのマハラノビスの汎距離も吟味した。
【００９４】
判別式は、ステップワイズ変数選択法により、波長選択をステップワイズ変数増加の基準値の投入Ｆ値２．０、除去Ｆ値２．０として行なった。このときの判別式は、その係数が、ａ０＝０、ａ１＝−０．５２５、ａ２＝１．０６４、ａ３＝１．０２１、ａ４＝−１．１９１、ａ５＝１．６４９で、第１波長λ１＝１１３４ｎｍ、第２波長λ２＝１２６０ｎｍ、第３波長λ３＝１４９２ｎｍ、第４波長λ４＝１６１８ｎｍ、第５波長λ５＝２１７２ｎｍとなった。この結果、図１０乃至図１２に示すように、判別率は１００％であった。
【００９５】
（実験例２）
次に、重回帰分析法により算出した判別式と、被検対象の物体Ｍから受光した光の吸光度とを用いて物体Ｍ中に異物Ｆが混入しているか否かを判別する。
【００９６】
（実験例２−１）
この実験は、ケーキ、まんじゅう、チョコレート等の菓子を用い、これらの菓子の表面及び内部（中間部、深部）に毛髪を人為的に混入し、これに白色光を照射し、その反射光を検出し、吸光度を算出し、標準化処理を施して二次微分スペクトルを得た。その二次微分スペクトルに対し、髪の毛の成分であるシスチンに注目し、図１３に示すシスチンと同じ吸収バンドやＮ−Ｈ、Ｓ−Ｈ結合の吸収バンドを２０５４ｎｍ、２１６２ｎｍ、１７４０ｎｍを選択し、更に、第４波長、第５波長を組み合わせ、図１４乃至図１６に示すように、異物あり判別９８％、異物なし判別は９２％の判別式を構築した。このときの判別式の係数は、Ｋ０＝０．３８１、Ｋ１＝−０．０９３、Ｋ２＝−０．０９２、Ｋ３＝−０．１１７、Ｋ４＝０．６４３、Ｋ５＝０．２１９で、第１波長λ１＝２０５４ｎｍ、第２波長λ２＝２１６２ｎｍ、第３波長λ３＝１７４０ｎｍ、第４波長λ４＝１６０４ｎｍ、第５波長λ５＝１３８８ｎｍとなった。
【００９７】
（実験例２−２）
この実験は、ケーキ、まんじゅう、チョコレート等の菓子を用い、これらの菓子の表面及び内部（中間部、深部）に毛髪を人為的に混入し、これに白色光を照射し、その反射光を検出し、吸光度を算出し、標準化処理を施して二次微分スペクトルを得た。その二次微分スペクトルに対し、判別分析での選択波長で重回帰分析を行なって回帰式を構築した。図１７乃至図１９に示すように、異物あり判別は１００％、異物なし判別は９６％の判別式を構築した。このときの判別式の係数は、Ｋ０＝０．３８１、Ｋ１＝０．２１６、Ｋ２＝−０．６６０、Ｋ３＝−０．４２２、Ｋ４＝０．４９０、Ｋ５＝−０．９９１で、第１波長λ１＝１１３４ｎｍ、第２波長λ２＝１２６０ｎｍ、第３波長λ３＝１４９２ｎｍ、第４波長λ４＝１６１８ｎｍ、第５波長λ５＝２１７２ｎｍとなった。
【００９８】
（実験例３）
次に、ＰＬＳ分析法により算出した判別式と、被検対象の物体Ｍから受光した光の吸光度とを用いて物体Ｍ中に異物Ｆが混入しているか否かを判別する。
【００９９】
この実験は、ケーキ、まんじゅう、チョコレート等の菓子を用い、これらの菓子の表面及び内部（中間部、深部）に毛髪を人為的に混入し、これに白色光を照射し、その反射光を検出し、吸光度を算出し、標準化処理を行ない、更に二次微分処理を行ない、そのスペクトルについてスケーリング及びセンタリング処理を施したスペクトルについて判別分析で用いた選択波長を中心にＧＡ分析法を応用してＰＬＳ分析法にて判別式を構築した。このときの判別式の係数は、ａ０＝０、ａ１＝−０．５２６、ａ２＝−０．３６６、ａ３＝−０．８１０、ａ４＝０．５７１、ａ５＝−０．４０２、ａ５＝０．９６７、ａ５＝−１．１６８で、第１波長λ１＝１１７８ｎｍ、第２波長λ２＝１２５２ｎｍ、第３波長λ３＝１２７６ｎｍ、第４波長λ４＝１３６４ｎｍ、第５波長λ５＝１５６６ｎｍ、第５波長λ５＝１６１４ｎｍ、第５波長λ５＝２１６４ｎｍとなった。結果を図２０及び図２１に示す。この結果、図２２に示すように、異物有無判別率が１００％の検量線を構築した。
【０１００】
（実験例４）
次に、ニューラルネットワーク法のバックプロパゲーション法により算出した判別式と、被検対象の物体Ｍから受光した光の吸光度とを用いて物体Ｍ中に異物Ｆが混入しているか否かを判別する。
【０１０１】
（実験例４−１）
この実験は、ケーキ、まんじゅう、チョコレート等の菓子を用い、これらの菓子の表面及び内部（中間部、深部）に毛髪を人為的に混入し、これに白色光を照射し、その反射光を検出し、吸光度を算出し、標準化処理を行ない、更に二次微分処理を行ない、そのスペクトルについてスケーリング及びセンタリング処理を施したスペクトルについてシスチンの吸収バンドである、Ｎ−Ｈ、Ｓ−Ｈの吸収バンドの波長２０５４ｎｍ、２１６２ｎｍ、１７４０ｎｍを基に更に第４波長，第５波長を付加し、入力層５、中間層２、出力層１、また教育回数８０００回の条件で教育をさせモデリングし、これを判別式とした。その判別式は、図２３乃至図２５に示すように、判別率が１００％となった。
【０１０２】
（実験例４−２）
この実験は、ケーキ、まんじゅう、チョコレート等の菓子を用い、これらの菓子の表面及び内部（中間部、深部）に毛髪を人為的に混入し、これに白色光を照射し、その反射光を検出し、吸光度を算出し、標準化処理を行ない、更に二次微分処理を行ない、そのスペクトルについてスケーリング及びセンタリング処理を施したスペクトルについて判別分析で用いた選択波長を用い、入力層５、中間層２、出力層１、また教育回数８０００回の条件で教育をさせモデリングし、これを判別式とした。その判別式は、図２６乃至図２８に示すように、判別率が１００％となった。
【０１０３】
（実験例５）
次に、サポートベクタマシン（ＳＶＭ）法により算出した判別式と、被検対象の物体Ｍから受光した光の吸光度とを用いて物体Ｍ中に異物Ｆが混入しているか否かを判別する。
【０１０４】
（実験例５−１）
この実験は、異物有りの毛髪汚染食品（３９例）と、異物無しの毛髪非汚染食品（４５例）との合計８４例の食品を用いて、１１００〜２５００ｎｍの波長範囲の吸光度データを、カーネル関数を用いたＣ−ＳＶＭ分類法またはＮｕ−ＳＶＣ分類法のＲＢＦ関数のＳＶＭプログラムをＬａｂＶＩＥＷ（Ｖ８．５）で構築し、異物Ｆの有無の既知食品のデータを学習させて行なった。この結果、図２９に示すように９１．６７％の判別率のＳＶＭ分類関数を得ることができた。
【０１０５】
そして、このデータを利用して、ｃ−ｓｖｃ分類法でｓｉｇｍｏｉｄ関数を用いて、ＳＶＭ法で学習させた。この結果、図３０に示すように、１００％の判別率が得られた。即ち、極めて有効な毛髪探知のためのＳＶＭ関数を得ることができたといえる。
【０１０６】
（実験例５−２）
この実験は、異物有りの毛髪汚染食品（１３例）と、異物無しの毛髪非汚染食品（２６例）との合計３９例の食品を用いて、１１００〜２５００ｎｍの波長範囲の吸光度データを学習させたＳＶＭ関数を利用して行なった。この結果、図３１に示すように、判別率は８７．１８％であった。この結果から、毛髪非汚染食品のグループにおいて判別率が低い傾向にあるが、毛髪汚染食品のグループでは判別率が良い結果を得ており、ＳＶＭ法において毛髪混入の有無を判別できるものであるといえる。
【０１０７】
（実験例５−３）
この実験は、波長選択した場合のＳＶＭ選択学習関数を用いて、異物有りの毛髪汚染食品（１３例）と、異物無しの毛髪非汚染食品（２６例）との合計３９例の食品を用いて実施した。結果を図３２に示す。この結果、３９例中３８例で９７．４％の判別率となった。
【０１０８】
上記のＳＶＭ法による実験結果から、ＳＶＭ法による毛髪探知学習を作成することで、毛髪探知を容易に実施できることが分かった。即ち、毛髪探知技術の一つとして、ＳＶＭ法は極めて有効な手段となることが明白になった。特に、選択波長による方法は極めて良好であるが、その波長選択はどんな方法であっても、例えばＧＡ（遺伝的アルゴリズム）やステップワイズ法等で選択しても良好な結果を得ることが推測できるものである。尚、この実験例は上記ＳＶＭ法で使用した波長に限定するものでない。
【０１０９】
（実験例６）
次に、判別分析法，重回帰分析法，ＰＬＳ分析法，ニューラルネットワーク法のバックプロパゲーション法，ＳＶＭ法のうち、数種類の判別方法からなる判別式を用いて、各判別式と、被検対象の物体Ｍから受光した光の吸光度とを用いて物体Ｍ中に異物Ｆが混入しているか否かを判別する。
【０１１０】
（実験例６−１）
この実験は、数種類のケーキ，数種類のまんじゅう，数種類のシュークリームを用い、これらの菓子の表面及び内部（中間部、深部）に数種の毛髪を人為的に混入し、これらの３９サンプルに、夫々白色光を照射し、その反射光を検出し、その吸光度を計算し、標準化処理を行なって二次微分スペクトルを算出し、これについて、判別分析法，重回帰分析法，ニューラルネットワーク法のバックプロパゲーション法の各判別式を利用して行なった。結果を図３３及び図３４に示す。この結果、判別率が１００％となった。
【０１１１】
（実験例６−２）
この実験は、数種類のケーキ，数種類のまんじゅう，数種類のシュークリームを用い、これらの菓子の表面及び内部（中間部、深部）に数種の毛髪を人為的に混入し、これらの３９サンプルに、夫々白色光を照射し、その反射光を検出し、その吸光度を計算し、標準化処理を行なって二次微分スペクトルを算出し、これについて、判別分析法，重回帰分析法，ＰＬＳ法，ニューラルネットワーク法のバックプロパゲーション法の各判別式を利用して行なった。結果を図３５及び図３６に示す。この結果、判別率が１００％となった。
【０１１２】
（実験例６−３）
この実験は、数種類のケーキ，数種類のまんじゅう，数種類のシュークリームを用い、毛髪３種類を、夫々の食品の中間または深部のように食品内部に人為的に混入し、その異物判別分析を行なった。この結果、図３７にしめすような演算結果となった。この集計結果を図３８に示す。この結果、判別率が１００％と満足する結果が得られた。
【０１１３】
上記の結果から、各判別式を組み合わせると、判別率は１００％となり、そのため、異物Ｆが食品表面や内部に混入されていても、各判別方法での組み合わせで最終判断を行なうことにより、より一層精度良く異物混入を判別することができるといえる。
【０１１４】
図３９には、本発明の別の実施の形態に係る異物混入判別装置Ｓを示している。本装置Ｓは、上記実施の形態とは異なって、分光部５０が光源部２０に組み込まれているものである。即ち、光源部２０から発せられる光を、分光部５０を通して分光部５０の音響光学素子によって波長域毎に分光し、この分光した光を被検対象の物体Ｍに照射するものである。この物体Ｍからの反射光あるいは透過光は波長域毎に受光部３０で受光される。
その他の構成は上記実施の形態と同様である。
これによっても上記実施の形態と同様の作用，効果を奏する。
【０１１５】
尚、上記実施の形態において、判別分析法，重回帰分析法，ＰＬＳ分析法，ニューラルネットワーク法のバックプロパゲーション法，ＳＶＭ法の５種類の判別方法を組み合わせて物体中の異物混入判別を行なったが、必ずしもこれに限定されるものではなく、どれか１種類の判別方法だけでも良く、また、数種類の方法を組み合わせても良く、適宜変更して差支えない。
【符号の説明】
【０１１６】
Ｓ 物体中の異物混入判別装置
Ｍ 物体
Ｆ 異物
１ 機台
２ 仕切板
３ 載置板
４ メイン電源供給スイッチ
５ 緊急停止ボタン
６ 排熱ファン
７ 制御ケーブル配線口
８ サンプル検知センサ
１０ 搬送部
１０ａ ベルトコンベア
２０ 光源部
３０ 受光部
３１ 受光素子
４０ 制御部
４１ 通信部
４２ 総合制御演算処理部
４３ モータ制御回路
４４ 分光制御回路
４５ 動作命令部
４６ 表示部
４７ 設定パネル
４８ 制御ボタン
４９ 制御部用電源
５０ 分光部
５１ 制御ケーブル
５２ 分光部用電源
【技術分野】
【０００１】
本発明は、例えば食品等の物体に、物体を構成する成分以外の特定成分を含む異物が混入しているか否かの判別を行なう物体中の異物混入判別方法及び物体中の異物混入判別装置に係り、特に、近赤外領域の光を用いて物体を非破壊的に検査することのできる物体中の異物混入判別方法及び物体中の異物混入判別装置に関する。
【背景技術】
【０００２】
従来、この種の物体中の異物混入判別方法としては、例えば、特許文献１（特許第４２２０２８５号公報）に記載されたものが知られている。
これは、図４０に示すように、被検対象の物体Ｍａとしての食品に、光源部１００から近赤外領域の白色光を照射し、これによって得られる反射光及び吸光度スペクトルを測定し、吸光度スペクトルに対して二次微分処理を行なって物体と異物との間で異なる二次微分スペクトルを示す波長帯を選択し、この選択した波長帯の光によって得られる分光画像を、例えばＣＣＤカメラ等の撮像手段１０１によって取得し、選択した波長帯の吸光度スペクトルに対して二次微分処理を行なって二次微分分光画像を作成することによって、物体Ｍａに混入した異物Ｆａを検知している。
【０００３】
また、この従来技術のように、被検対象の物体Ｍａに近赤外領域光を照射し、これによって得られる反射光及び吸光度スペクトルを利用して、物体Ｍａを撮像した画像を画像処理して、物体Ｍａに混入した異物Ｆａを検知する方法は、例えば、特許文献２（特開２００１−９９７８３号公報）、特許文献３（特開２００６−１７７８９０号公報）、特許文献４（特開２００９−１６８７４７号公報）、特許文献５（特開２００２−１３１２３９号公報）等にも記載されている。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特許第４２２０２８５号公報
【特許文献２】特開２００１−９９７８３号公報
【特許文献３】特開２００６−１７７８９０号公報
【特許文献４】特開２００９−１６８７４７号公報
【特許文献５】特開２００２−１３１２３９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、この従来の物体中の異物混入判別方法及び物体中の異物混入判別装置Ｓａにおいては、物体Ｍａを撮像した画像を画像処理して、この画像によって物体Ｍａ中に異物Ｆａが混入しているか否かを判別しているので、物体Ｍａの表面に付着している異物Ｆａは検知することができるが、異物Ｆａが物体Ｍａの内部に混入している場合や物体Ｍａを構成する成分が異物Ｆａと類似の形態を有している場合、または異物Ｆａの大きさが小さい場合等には、画像からでは異物Ｆａが特定できないことがあり、そのため、物体Ｍａ中の異物混入の判別精度が悪いという問題があった。
【０００６】
本発明は、このような問題点に鑑みてなされたもので、被検対象の物体を構成する成分以外の特定成分を確実に選択できるようにして異物を確実に特定できるようにし、物体中に異物が混入しているか否かを確実に判別できるようにして判別精度の向上を図った物体中の異物混入判別方法及び物体中の異物混入判別装置を提供することを目的とする。
【課題を解決するための手段】
【０００７】
このような目的を達成するため、本発明の物体中の異物混入判別方法は、被検対象の物体に該物体を構成する成分以外の特定成分を含む異物が混入しているか否かの判別を行なう物体中の異物混入判別方法において、予め、異物有りのサンプル物体と異物無しのサンプル物体とに近赤外線を照射し、該サンプル物体からの反射光あるいは透過光を受光し、受光した光の吸光度における二次微分スペクトルの統計学的解析により上記特定の成分に起因する帰属波長に係る判別式を算出しておき、被検対象の物体に近赤外線を照射し、被検対象の物体からの反射光あるいは透過光を受光し、受光した光の吸光度を測定し、これらの吸光度と上記判別式とから算出された算出結果から物体中の異物の有無を判別する構成としている。
【０００８】
これにより、サンプル物体から受光した反射光あるいは透過光の吸光度における二次微分スペクトルによって被検対象の物体を構成する成分以外の特定成分に起因する帰属波長に係る判別式を算出するので、異物が物体の内部に混入している場合や物体を構成する成分が異物と類似の形態を有している場合、または異物の大きさが小さい場合であっても、被検対象の物体を構成する成分以外の特定成分を確実に選択できるようになる。そして、この特定成分に起因する帰属波長に係る判別式と、被検対象の物体から受光した光の吸光度とから算出結果を算出するので、特定成分を含む異物を確実に特定できるようになり、そのため、物体中に異物が混入しているか否かを確実に判別できるので判別精度を向上させることができる。
【０００９】
そして、必要に応じ、上記物体は食品であり、上記異物は動物の毛である構成としている。ここでいう動物の毛とは、例えば人体の毛髪や眉毛等の体毛が含まれる概念である。
これにより、食品を非破壊的に検査して食品中に動物の毛が混入しているか否かを判別することができるので、衛生的な食品を生産することができる。
【００１０】
また、必要に応じ、上記特定の成分はシスチンである構成としている。
人体の体毛の主成分はケラチンタンパク質であり、８０％〜９０％の割合で組成されている。このケラチンタンパク質のアミノ酸組成分は、人体の体毛においてはシスチンが１４％〜１８％を含有しており、このシスチンは、一般的な食品の素材やタンパク質には存在しないか、あるいは存在したとしても痕跡程度である。よって、このシスチンを検出することで、人体の体毛が食品に混入しているか否かを判別することができる。
【００１１】
更に、必要に応じ、上記判別式を種類の異なる複数の判別方法から選択した構成としている。
具体的には、判別分析法、重回帰分析法、ＰＬＳ分析法、ニューラルネットワーク法のバックプロパゲーション法、ＳＶＭ法等が挙げられる。複数の判別方法から被検対象の物体や異物に対応した最適な判別方法を選択することができるので、判別精度を向上させることができる。
【００１２】
更にまた、必要に応じ、上記複数の判別式から２以上の判別式を用い、これらに対応する判別式により演算し、該各判別結果のうち少なくともいずれかが異物の有を判別したとき異物の混入を有と判別する構成としている。
これにより、１つの判別式による判別結果で物体中に異物の混入が認められないときであっても、他の判別式による判別結果で物体中に異物の混入が認められたときには、異物の混入が有るものとして扱われるため、より確実に異物の混入していない物体を提供することができる。
【００１３】
そして、必要に応じ、上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルを二次微分して判別分析法により算出した構成としている。
【００１４】
この判別分析法は、必要に応じ、上記判別式を、互いに判別結果が良くなる第１〜ｎ波長の吸光度を変数とする下記の一般式（Ａ−１）の関係を満たす式により算出した構成としている。
【００１５】
【数１】
【００１６】
一般式（Ａ−１）において、ｚｉは各グループの判別得点、λは波長、Ａは吸光度でＡ１（λ１）は第１波長（λ１）の吸光度、Ａ２（λ２）は第２波長（λ２）の吸光度、・・・Ａｎ（λｎ）は第ｎ波長（λｎ）の吸光度、ａ０，ａ１，ａ２，・・・ａｎは判別得点ｚｉを決定する係数であり、充分に多い母集団において測定された吸光度及び判別得点により、下記の数式（１−１）が最大値を取るように数式（１−３）を解くことで決定される。
【００１７】
【数２】
【００１８】
数式（１−１）において、Ｆ（ａ１，ａ２）はｚｉが係数ａ１，ａ２で決定される関数であることを表わし、Ｓｂは各グループ間の変動、Ｓｔはグループ全体の判別得点とその平均の差の平方和、つまりグループ全体の変動である。
数式（１−２）において、Ｓｔはグループ全体の判別得点とその平均の差の平方和でグループ全体の変動、Ｓｗはグループ内の判別得点とその平均の差の平方和の総和でグループ内での変動、Ｓｂは各グループ内の判別得点とグループ全体の判別得点の平均の差の平方和の総和で各グループ間の変動である。
【００１９】
また、この判別分析法は、必要に応じ、上記判別式を、予め異物の有無が既知のサンプル物体について判別得点を基に数種のグループに分けて各グループ内または各グループ間の夫々の平均値や重心位置からのマハラノビスの汎距離を計算し、被検体の吸光度を測定し、その吸光度から既知グループと被検体のマハラノビスの汎距離とからどのグループに近いかを第１〜ｎ波長の吸光度を変数とし、下記の一般式（Ａ−２）の関係を満たす式により算出した構成としている。
【００２０】
【数３】
【００２１】
一般式（Ａ−２）においてＤはグループｉにおけるマハラノビスの汎距離、λは波長、Ａは吸光度でＡ１（λ１）は第１波長（λ１）の吸光度、Ａ２（λ２）は第２波長（λ２）の吸光度、・・・Ａｎ（λｎ）は第ｎ波長（λｎ）の吸光度、ｓ１１・・・ｓｎｎは各グループ、グループ間の分散共分散行列であり、このＤ１、Ｄ２について計算しておく。被検体について測定した吸光度から既知のグループのＤ１、Ｄ２のどちらに近いかでどのグループに属するかを判別する。
【００２２】
本発明による物体中の異物混入判別方法の特徴は、食品等の物体に混入した異物の特定成分に起因する帰属波長の波長域を見出し、その波長域を用いて物体中に異物が混入しているか否かを判別する点である。即ち、異物有りのサンプル物体から受光した光の吸光度スペクトルとの重回帰分析によって、先ず、相関係数の高い第１波長を求め、次に、相関係数の高い第２〜ｎ波長を求める。
即ち、上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分して重回帰分析法により算出した構成としている。
【００２３】
具体的には、上記判別式を、互いに相関係数の高い第１〜ｎ波長の吸光度を変数とする下記の一般式（Ｂ）の関係を満たす式により算出した構成としている。
【００２４】
【数４】
【００２５】
一般式（Ｂ）において、第１波長（λ１）乃至第ｎ波長（λｎ）を選択するにあたり、先ず、人為的に上記異物を混入したサンプル物体の吸光度と上記異物が混入されていないサンプル物体の吸光度との判別分析によって求められた上記異物に帰属する相関係数が０．８００以上になる第１波長（λ１）の近赤外線の波長域を選択し、次に、該第１波長（λ１）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との判別分析によって上記異物に帰属し該第１波長（λ１）の近赤外線の波長域の相関係数以上の高い相関係数となる第２波長（λ２）の波長域を選択し、それから、上記第１波長（λ１）及び第２波長（λ２）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との重回帰分析によって上記異物に帰属し上記第１波長（λ１）及び第２波長（λ２）の近赤外線の波長域の相関係数以上の相関係数となる第３波長（λ３）の波長域を選択し、このように第１波長（λ１）〜第（ｎ−１）波長（λｎ−１）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との重回帰分析によって上記異物に帰属し上記第１波長（λ１）の近赤外線の波長域の相関係数以上となる第ｎ波長（λｎ）の波長域を選択する。
【００２６】
また、必要に応じ、上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してＰＬＳ（Ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅ ｐｒｏｊｅｃｔｉｏｎ ｔｏ Ｌａｔｅｎｔ Ｓｔｒｕｃｔｕｒｅ）分析法により算出した構成としている。
【００２７】
更に、必要に応じ、上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してニューラルネットワーク法のバックプロパゲーション（Ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ）法により算出した構成としている。
【００２８】
更にまた、必要に応じ、上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してＳＶＭ（Ｓａｐｏｒｔ Ｖｅｃｔｅｒ Ｍａｃｈｉｎｅ）法により算出した構成としている。
【００２９】
また、必要に応じ、上記各判別式において、１１００ｎｍ〜２５００ｎｍの範囲の近赤外領域の波長から統計学的に優位な波長を選択する構成としている。
【００３０】
更に、必要に応じ、判別分析法，重回帰分析法，ニューラルネットワーク法のバックプロパゲーション法，ＳＶＭ法記載の各判別式における波長を、第１波長を１３２０〜１４６０ｎｍ、１５３０〜１５４２ｎｍ、１７７０〜１７７６ｎｍ、２１５４〜２２０６ｎｍの範囲から選択し、第２波長を１１４４〜１１５８ｎｍ、１２５２〜１２７６ｎｍ、１３２０〜１３３８ｎｍ、１３４６〜１３８４ｎｍ、１４０６〜１４３４ｎｍ、１４７０〜１５１０ｎｍ、１５９８〜１６５０ｎｍの範囲から選択し、第３波長を１１００〜１１３８ｎｍ、１２３０〜１３２４ｎｍ、１３５２〜１３７８ｎｍ、１３９４〜１４２８ｎｍ、１４８０〜１５０２ｎｍ、１５４０〜１５８０ｎｍ、１６１０〜１６５６ｎｍ、１６６４〜１６９６ｎｍ、１７４２〜１７５０ｎｍ、１７６０〜１７７６ｎｍ、１８１６〜１８５０ｎｍ、１８８０〜１８９０ｎｍ、２１１２〜２１２０ｎｍ、２３２２〜２３４０ｎｍの範囲から選択し、第４波長を１１００〜１１２２ｎｍ、１１４６〜１１６８ｎｍ、１２５０〜１２８２ｎｍ、１３５０〜１３８２ｎｍ、１５５８〜１５７６ｎｍ、１６７６〜１６９６ｎｍ、１７４０〜１７５２ｎｍ、１８０８〜１８６６ｎｍ、２１２４〜２１４０ｎｍ、２２５８〜２２８２ｎｍ、２３２２〜２３４０ｎｍの範囲から選択し、第５波長を１１００〜１１４２ｎｍ、１１５２〜１２１０ｎｍ、１２４８〜１３２６ｎｍ、１３９４〜１４２０ｎｍ、１５９０〜１６４０ｎｍ、１８８０〜１８８４ｎｍ、２４００〜２４２０ｎｍの範囲から選択し、これらの各範囲の波長域から一つを選択する多重共線性を示さない組み合わせとしている。
【００３１】
望ましくは、第１波長を２１５８〜２１８６ｎｍの範囲から選択し、第２波長を１６０６〜１６４０ｎｍの範囲から選択し、第３波長を１２５０〜１２９８ｎｍの範囲から選択し、第４波長を１６８２〜１６９４ｎｍの範囲から選択し、第５波長を１２７８〜１３２２ｎｍの範囲から選択し、これらの各範囲の波長の組み合わせである。
より望ましくは、第１波長として２１７２ｎｍ、第２波長として１６１８ｎｍ、第３波長として１２６０ｎｍ、第４波長として１６９２ｎｍ、第５波長として１１３４ｎｍを選択し、これらの波長の組み合わせである。
【００３２】
別の組み合わせとして、第１波長を１３５４〜１３８６ｎｍ、１５１８〜１５４０ｎｍ、１５７８〜１６１２ｎｍ、１６９２〜１６９４ｎｍ、１７３４〜１７４４ｎｍ、１８１０〜１８７０ｎｍ、２０４８〜２０７０ｎｍ、２１５０〜２２０２ｎｍの範囲から選択し、第２波長を１３５２〜１３８６ｎｍ、１５６６〜１６１８ｎｍ、１６８２〜１６９４ｎｍ、１７３２〜１７４８ｎｍ、１８１０〜１８７２ｎｍ、２０４８〜２０８６ｎｍ、２１５２〜２１６６ｎｍ、２１９０〜２１９８ｎｍ、２２５２〜２２６６ｎｍ、２３２２〜２３３４ｎｍの範囲から選択し、第３波長を１７８２〜１８０８ｎｍ、２４４８〜２４５４ｎｍの範囲から選択し、第４波長を１２２２〜１２２８ｎｍ、１２７６〜１２８６ｎｍ、１３６２〜１３８０ｎｍ、１５７２〜１６０６ｎｍ、１７２６〜１７４０ｎｍ、１８１０〜１８４４ｎｍ、２０４２〜２０８８ｎｍ、２１５０〜２１６６ｎｍ、２２５８〜２２７２ｎｍの範囲から選択し、第５波長を１３７２〜１３９２ｎｍ、１５２４〜１５４８ｎｍ、１８３４〜１８７８ｎｍ、２１９０〜２２１４ｎｍの範囲から選択し、これらの各範囲の波長域から一つを選択する多重共線性を示さない組み合わせとしている。
【００３３】
望ましくは、第１波長を２１５４〜２１９６ｎｍの範囲から選択し、第２波長を１７３６〜１７４４ｎｍの範囲から選択し、第３波長を１７９８〜１８０６ｎｍの範囲から選択し、第４波長を２０４６〜２０７４ｎｍから選択し、第５波長を１３８２〜１３９２ｎｍの範囲から選択し、これらの各範囲の波長の組み合わせである。
より望ましくは、第１波長として２１６２ｎｍ、第２波長として１７４０ｎｍ、第３波長として１８０４ｎｍ、第４波長として２０５４ｎｍ、第５波長として１３８８ｎｍを選択し、これらの波長の組み合わせである。
【００３４】
そして、上記の各判別式においては、第１波長の選択後に、多重共線性を示さない波長域として第１６波長まで導き出すようにしている。
【００３５】
また、上記目的を達成するため、本発明の物体中の異物混入判別装置は、物体に該物体を構成する成分以外の特定成分を含む異物が混入しているか否かの判別を行なう物体中の異物混入判別装置において、上記被検対象の物体に近赤外領域の光を照射する光源部と、この物体からの反射光あるいは透過光を受光する受光部と、該受光部が受光した光の吸光度に基づいて上記被検対象の物体中の異物の有無を判別する制御部とを備え、上記制御部を、予め、異物有りのサンプル物体と異物無しのサンプル物体とに照射され該サンプル物体から反射あるいは透過された近赤外領域の波長に対する吸光度における二次微分スペクトルの統計学的解析により算出された上記特定の成分に起因する帰属波長に係る判別式を記憶する判別式記憶機能と、上記受光部が受光した光の吸光度と上記判別式とから算出された算出結果から物体中の異物の有無を判別する異物判別機能とを備えて構成している。
【００３６】
この場合、上記制御部における判別式記憶機能が記憶する判別式と選択される近赤外線の波長との組み合わせは、上記何れか記載の判別式から選択される構成とすることが有効である。
これにより、物体中に異物が混入しているか否かを精度良く判別することができる。
【００３７】
また、必要に応じ、被検対象の物体が載置されて駆動され、該載置された物体を、上記光源部からの光が照射されるとともに該物体からの反射光あるいは透過光を上記受光部で受光可能な検査位置に順次搬送する搬送部を備えた構成としている。
これにより、多数の被検対象の物体を容易に順次検査していくことができるので、作業性を向上させることができる。
【００３８】
更にまた、必要に応じ、上記光源部を、光ファイバーによって光を出力するとともに該光ファイバーの導波路を備えて構成している。
これにより、光源部から照射される近赤外領域の光に含まれる多数の波長域を一斉に被検対象の物体に確実に照射することができる。
【００３９】
また、必要に応じ、上記受光部を、上記被検対象の物体からの反射光あるいは透過光を受光する複数の受光素子を備えて構成している。この場合、上記受光素子を光ファイバーで構成することが有効である。
これにより、被検対象の物体からの反射光あるいは透過光に含まれる多数の波長域を確実に受光することができる。
【００４０】
更に、必要に応じ、上記制御部は、遠隔操作機能を備えた構成としている。
これにより、被検対象の物体の検査を、場所を問わず行なえるので、装置の汎用性を向上させることができる。
【発明の効果】
【００４１】
本発明の物体中の異物混入判別方法及び物体中の異物混入判別装置によれば、サンプル物体から受光した反射光あるいは透過光の吸光度における二次微分スペクトルによって被検対象の物体を構成する成分以外の特定成分に起因する帰属波長に係る判別式を算出するので、異物が物体の内部に混入している場合や物体を構成する成分が異物と類似の形態を有している場合、または異物の大きさが小さい場合であっても、被検対象の物体を構成する成分以外の特定成分を確実に選択できるようになる。そして、この特定成分に起因する帰属波長に係る判別式と、被検対象の物体から受光した光の吸光度とから算出結果を算出するので、特定成分を含む異物を確実に特定できるようになり、そのため、物体中に異物が混入しているか否かを確実に判別できるので判別精度を向上させることができる。
【図面の簡単な説明】
【００４２】
【図１】本発明の実施の形態に係る物体中の異物混入判別装置を示す斜視図である。
【図２】本発明の実施の形態に係る物体中の異物混入判別装置を示す概略図である。
【図３】本発明の実施の形態に係る物体中の異物混入判別装置における制御部の構成を示すブロック図である。
【図４】本発明の実施の形態に係る物体中の異物混入判別装置における制御フローを示すフローチャートである。
【図５】本発明の実施の形態に係る制御フローであって、サンプル測定と判別ルーチンの制御フローを示すフローチャートである。
【図６】本発明の実施の形態に係る制御フローであって、異物判別ルーチンの制御フローを示すフローチャートである。
【図７】本発明の実験例（１−１）に係り、判別分析の判別式の精度を示す図である。
【図８】本発明の実験例（１−１）に係り、判別分析での判別結果を示す図である。
【図９】本発明の実験例（１−１）に係り、判別分析での判別率を示す図である。
【図１０】本発明の実験例（１−２）に係り、判別分析の判別式の精度を示す図である。
【図１１】本発明の実験例（１−２）に係り、判別分析での判別結果を示す図である。
【図１２】本発明の実験例（１−２）に係り、判別分析での判別率を示す図である。
【図１３】本発明の実験例（２−１）に係り、シスチンと髪の毛の吸光度二次微分スペクトルを示す図である。
【図１４】本発明の実験例（２−１）に係り、重回帰分析の判別式の精度を示す図である。
【図１５】本発明の実験例（２−１）に係り、重回帰分析での判別結果を示す図である。
【図１６】本発明の実験例（２−１）に係り、重回帰分析の判別率を示す図である。
【図１７】本発明の実験例（２−２）に係り、重回帰分析の判別式の精度を示す図である。
【図１８】本発明の実験例（２−２）に係り、重回帰分析での判別結果を示す図である。
【図１９】本発明の実験例（２−２）に係り、重回帰分析の判別率を示す図である。
【図２０】本発明の実験例（３）に係り、ＰＬＳ法の判別式の精度を示す図である。
【図２１】本発明の実験例（３）に係り、ＰＬＳ法での判別結果を示す図である。
【図２２】本発明の実験例（３）に係り、ＰＬＳ法の判別率を示す図である。
【図２３】本発明の実験例（４−１）に係り、ニューラルネットワーク法のバックプロパゲーション法の判別式の精度を示す図である。
【図２４】本発明の実験例（４−１）に係り、ニューラルネットワーク法のバックプロパゲーション法での判別結果を示す図である。
【図２５】本発明の実験例（４−１）に係り、ニューラルネットワーク法のバックプロパゲーション法の判別率を示す図である。
【図２６】本発明の実験例（４−２）に係り、ニューラルネットワーク法のバックプロパゲーション法の判別式の精度を示す図である。
【図２７】本発明の実験例（４−２）に係り、ニューラルネットワーク法のバックプロパゲーション法での判別結果を示す図である。
【図２８】本発明の実験例（４−２）に係り、ニューラルネットワーク法のバックプロパゲーション法の判別率を示す図である。
【図２９】本発明の実験例（５−１）に係り、ＳＶＭ法を利用した学習成績を示す図である。
【図３０】本発明の実験例（５−１）に係り、ＳＶＭ法における選択波長による判別学習成績を示す図である。
【図３１】本発明の実験例（５−２）に係り、ＳＶＭ法による判別式を用いた判別結果を示す図である。
【図３２】本発明の実験例（５−３）に係り、ＳＶＭ法による判別式を用いた判別結果を示す図である。
【図３３】本発明の実験例（６−１）に係り、判別分析法，重回帰分析法，ニューラルネットワーク法のバックプロパゲーション法の判別式を組み合わせた場合の判別結果を示す図である。
【図３４】本発明の実験例（６−１）に係り、判別分析法，重回帰分析法，ニューラルネットワーク法のバックプロパゲーション法の判別式を組み合わせた場合の判別率を示す図である。
【図３５】本発明の実験例（６−２）に係り、判別分析法，重回帰分析法，ＰＬＳ法，ニューラルネットワーク法のバックプロパゲーション法の判別式を組み合わせた場合の判別結果を示す図である。
【図３６】本発明の実験例（６−２）に係り、判別分析法，重回帰分析法，ＰＬＳ法，ニューラルネットワーク法のバックプロパゲーション法の判別式を組み合わせた場合の判別率を示す図である。
【図３７】本発明の実験例（６−３）に係り、判別分析法，重回帰分析法，ＰＬＳ法，ニューラルネットワーク法のバックプロパゲーション法，ＳＶＭ法の判別式を組み合わせた場合の判別結果を示す図である。
【図３８】本発明の実験例（６−３）に係り、判別分析法，重回帰分析法，ＰＬＳ法，ニューラルネットワーク法のバックプロパゲーション法，ＳＶＭ法の判別式を組み合わせた場合の判別率を示す図である。
【図３９】本発明の別の実施の形態に係る物体中の異物混入判別装置を示す図である。
【図４０】従来の物体中の異物混入判別装置の一例を示す図である。
【発明を実施するための形態】
【００４３】
以下、添付図面に基づいて本発明の実施の形態に係る物体中の異物混入判別方法及び物体中の異物混入判別装置を説明する。本物体中の異物混入判別方法は、本物体中の異物混入判別装置によって実現されるので、本物体中の異物混入判別装置の作用において説明する。
【００４４】
本発明の実施の形態に係る物体中の異物混入判別装置は、被検対象の物体としての食品中に、食品にはない特定成分を含む異物としての人体の体毛が混入されているか否かを判別するものである。ここで、食品とは、食品素材そのもの，加工食品，調理品等食用に供されるものであればどのようなものも含む。また、ここで、人体の体毛とは、毛髪，眉毛，まつ毛等を含む。
【００４５】
また、ここで、特定成分とはシスチンである。人体の体毛の主成分はケラチンタンパク質であり、８０％〜９０％の割合で組成されている。このケラチンタンパク質のアミノ酸組成分は、人体の体毛においてはシスチンが１４％〜１８％を含有しており、このシスチンは、一般的な食品の素材やタンパク質には存在しないか、あるいは存在したとしても痕跡程度である。よって、このシスチンを検出することで、人体の体毛が食品中に混入しているか否かを判別することができる。
【００４６】
図１乃至図３に示すように、本発明の実施の形態に係る物体中の異物混入判別装置Ｓは、機台１と、機台１に設けられ被検対象の物体Ｍが載置されて駆動され載置された物体Ｍを搬送する搬送部１０と、被検対象の物体Ｍに近赤外領域の光を照射する光源部２０と、この物体Ｍからの反射光あるいは透過光を受光する受光部３０と、受光部３０が受光した光の吸光度に基づいて被検対象の物体Ｍ中の異物Ｆの有無を判別する制御部４０とを備えて構成されている。
【００４７】
搬送部１０は、被検対象の物体Ｍが載置されて駆動され、載置された物体Ｍを、光源部２０からの光が照射されるとともに物体Ｍからの反射光あるいは透過光を受光部３０で受光可能な検査位置に順次搬送するもので、ベルトコンベア１０ａで構成されている。
【００４８】
光源部２０は、搬送部１０の上方であって機台１に設けられる仕切板２上に載置され、光ファイバーによって白色光を出力するとともに光ファイバーの導波路を備えて構成されている。仕切板２には、図示しない孔が形成されており、この孔を通して光源部２０からの光が被検対象の物体Ｍに照射される。また、この仕切板２には、図示しないが、光源部２０の作動によって発せられる熱を外部に逃がすためのパンチ穴が複数形成されている。
また、この光源部２０には、図示しないシャッターが内蔵されており、シャッターにはリファレンス測定用基準白板が設置されている。
【００４９】
受光部３０は、搬送部１０の上方であって機台１に設けられる仕切板２上に載置され、等角度関係で設けられ被検対象の物体Ｍからの反射光あるいは透過光を受光する複数の受光素子３１を備えて構成されている。仕切板２には、図示しない孔が形成されており、この孔を通して被検対象の物体Ｍからの反射光あるいは透過光を受光する。また、この仕切板２には、図示しないが、受光部３０の作動によって発せられる熱を外部に逃がすためのパンチ穴が複数形成されている。また、この受光部３０には、図示しないシャッターが内蔵されており、シャッターにはリファレンス測定用基準白板が設置されている。
また、搬送部１０の下方であって機台１に設けられる載置板３上に受光部３０からの光を波長域毎に分光して抽出する分光部５０が設けられている。この分光部５０は、受光部３０から送られた光を単波長の光に分光する音響光学素子（図示せず）を備えている。
受光素子３１は光ファイバーで構成され、直列または並列に分光部５０に接続され、分光部５０から制御ケーブル５１を介して制御部４０内の電気回路に接続されて信号処理を行なう。
【００５０】
全体の信号処理は以下のようにして行なわれる。各受光素子３１によって拡散反射光が検出され、受光部３０の光ファイバーによって分光部５０に送られる。この分光部５０では、光を波長域毎に分光するとともに、その光の強さによる電気信号に変換して抽出する。その後、制御ケーブル５１を介して制御部４０内の電気回路に接続する。図３に示すように、受光素子３１から分光部５０を通して変換された電気信号は、制御部４０に伝達され、制御部４０に設けられた通信部４１を通して判別式記憶機能等を備えた総合制御演算処理部４２に送られて異物Ｆの有無を判別する。
【００５１】
制御部４０は、予め、異物有りのサンプル物体Ｍと異物無しのサンプル物体Ｍとに照射されサンプル物体Ｍから反射あるいは透過された近赤外領域の波長に対する吸光度における二次微分スペクトルの統計学的解析により算出された特定の成分に起因する帰属波長に係る判別式を記憶する判別式記憶機能と、受光部３０が受光した光の吸光度と判別式とから算出された算出結果から物体Ｍ中の異物Ｆの有無を判別する異物判別機能とを備えて構成されている。
【００５２】
この制御部４０は、図３に示すように、通信部４１と、判別式記憶機能，異物判別機能，処理履歴記憶機能，インターネット通信機能，光量制御機能，結果表示機能を備えた総合制御演算処理部４２と、光源部２０の駆動モータ等を制御するモータ制御回路４３と、音響光学素子を制御する分光制御回路４４と、動作命令部４５とを備えて構成されている。
【００５３】
制御部４０の総合制御演算処理部４２における判別式記憶機能は、判別分析記憶機能，回帰式記憶機能，ニューロ判別機能を備えている。
判別分析記憶機能は判別分析法によって算出された判別式を記憶する機能であり、回帰式記憶機能は重回帰分析法によって算出された判別式を記憶する機能であり、ニューロ判別機能は、ニューラルネットワーク法（本実施の形態ではバックプロパゲーション（ＢＰ）及びサポートベクターマシン（ＳＶＭ）の２種類）によって算出された判別式を記憶する機能である。
【００５４】
また、制御部４０の総合制御演算処理部４２における異物判別機能は、数種の判別分析方法を搭載し、その各種の結果やパラメータが算出され、これらの数値から最適な結果を判別する計算（演算）機能である。
【００５５】
更に、制御部４０の総合制御演算処理部４２における処理履歴記憶機能は、サンプルの測定個数の累積と、判別結果のＯＫ及びＮＧの累積結果と、その時系列で蓄積して記憶しておく機能である。
【００５６】
更にまた、制御部４０の総合制御演算処理部４２におけるインターネット通信機能は、遠隔地で使用しているときに、その判別状況やシステムの状態を把握するため、また、アプリケーション（判別手法）のバージョンアップ等のメンテナンスを遠隔操作で行なうための機能である。本実施の形態では使用していない機能であるが、このインターネット通信機能を利用することにより、被検対象の物体Ｍの検査を、場所を問わず行なえるので、装置Ｓの汎用性を向上させることができる。
【００５７】
また、制御部４０の総合制御演算処理部４２における光量制御機能は、ランプ交換や光沢の差が大きい物体Ｍの測定を行なうときに、分光部５０内の光検出センサの適切なレベルで測定が行なえるように光源の光量及び分光部５０内のセンサの感度を調整し、常時適切な測定を行なうことができるようにする機能である。
【００５８】
更に、制御部４０の総合制御演算処理部４２における結果表示機能は、判別結果を後述の表示部４６に表示するための機能である。
【００５９】
図１中、符号４６は、制御部４０に設けられたＣＲＴ等からなる表示部である。データは表示部４６に表示される。表示部４６の表示は画面操作部（図示せず）で操作され、入力設定画面、判別結果表示画面、エラー表示画面等、適宜に切り換わって表示可能になっている。計測中にアニメ等を表示しても良い。尚、判別結果をＬＣＤパネルに表示しても良い。また、判別結果を音声出力するようにしても良い。更に、外部へのデータ出力インターフェースを設けても良い。
また、図１中、符号４７は、制御部４０に設けられた設定パネルである。この設定パネル４７は、ランプ点灯累積時間の確認、エラー解除、日付時間のセット確認、分光部動作確認、各機構のマニュアル動作へ移行と解除等を行なうものである。
【００６０】
更に、図１中、符号４８は、制御ボタンであり、スタートボタンとストップボタンで構成されている。スタートボタンを押すと判別プログラムを実行し、ストップボタンを押すと判別プログラムを停止させる。判別プログラムが停止した状態で再度スタートボタンを押すとプログラムを再開する。
更にまた、図１中、符号４は、装置Ｓに電源を供給するメイン電源供給スイッチであり、符号４９は、制御部４０及び光源部２０に電源を供給する制御部用電源であり、符号５２は、分光部５０に電源を供給する分光部用電源である。この分光部用電源５２は、ノイズを除去するためにリップルノイズの少ないリニア式電源を用いている。
【００６１】
また、図１中、符号５は、緊急時に装置Ｓのプログラム及び作動を停止させる緊急停止ボタンであり、符号６は、制御部４０，光源部２０，受光部３０，制御部用電源４９等の作動による熱を機台１の外部に逃がすための排熱ファンである。この排熱ファン６からは迷光や外乱光が入射してくることがあるが、仕切板２に設けた複数のパンチ穴によりこれらの光は遮蔽される。
更に、図１中、符号７は、光源部２０，受光部３０，分光部５０，制御部４０までの信号の伝送のための制御ケーブル５１を機台１内に出し入れ可能に収納する制御ケーブル配線口であり、符号８は、搬送部１０によって搬送されてきた物体Ｍを検知するサンプル検知センサである。このサンプル検知センサ８は２つ設けられており、これによって検知間隔によって搬送スピードをチェックして適切なタイミングでシャッター開放指示やサンプル測定を行なうことができる。また、作業者のミスで搬送速度が変更された場合でも、自動で速度認識するので対応が可能となる。
【００６２】
そして、制御部４０の総合制御演算処理部４２における判別式記憶機能が記憶する判別式と選択される近赤外線の波長との組み合わせは、以下のように決定される。
【００６３】
詳しくは、上記の装置Ｓを用いて、予め、異物有りのサンプル物体Ｍと異物無しのサンプル物体Ｍとに近赤外線を照射し、サンプル物体Ｍからの反射光あるいは透過光を受光し、受光した光の吸光度における二次微分スペクトルの統計学的解析により特定の成分に起因する帰属波長に係る判別式を算出しておく。
【００６４】
判別式は、種類の異なる複数の判別方法から選択される。本実施の形態では、判別分析法、重回帰分析法、ＰＬＳ分析法、ニューラルネットワーク法のバックプロパゲーション法、ＳＶＭ法の５つの判別方法を選択する。以下、各分析法について詳細に説明する。
【００６５】
＜判別分析法（その１）＞
サンプル物体Ｍから受光した光の吸光度スペクトルを二次微分して判別分析法により算出した判別式は、互いに判別結果が良くなる第１〜ｎ波長の吸光度を変数とする下記の一般式（Ａ−１）で構成されている。
【００６６】
【数５】
【００６７】
一般式（Ａ−１）において、ｚｉは各グループの判別得点、λは波長、Ａは吸光度でＡ１（λ１）は第１波長（λ１）の吸光度、Ａ２（λ２）は第２波長（λ２）の吸光度、・・・Ａｎ（λｎ）は第ｎ波長（λｎ）の吸光度、ａ０，ａ１，ａ２，・・・ａｎは判別得点ｚｉを決定する係数であり、充分に多い母集団において測定された吸光度及び判別得点により、下記の数式（１−１）が最大値を取るように数式（１−３）を解くことで決定される。
【００６８】
【数６】
【００６９】
数式（１−１）において、Ｆ（ａ１，ａ２）はｚｉが係数ａ１，ａ２で決定される関数であることを表わし、Ｓｂは各グループ間の変動、Ｓｔはグループ全体の判別得点とその平均の差の平方和、つまりグループ全体の変動である。
数式（１−２）において、Ｓｔはグループ全体の判別得点とその平均の差の平方和でグループ全体の変動、Ｓｗはグループ内の判別得点とその平均の差の平方和の総和でグループ内での変動、Ｓｂは各グループ内の判別得点とグループ全体の判別得点の平均の差の平方和の総和で各グループ間の変動である。
【００７０】
＜判別分析法（その２）＞
この判別分析法により算出した判別式としては、別の判別方法によっても算出できる。詳しくは、判別式を、予め異物Ｆの有無が既知のサンプル物体Ｍについて判別得点を基に数種のグループに分けて各グループ内または各グループ間の夫々の平均値や重心位置からのマハラノビスの汎距離を計算し、被検体の吸光度を測定し、その吸光度から既知グループと被検体のマハラノビスの汎距離とからどのグループに近いかを第１〜ｎ波長の吸光度を変数とし、下記の一般式（Ａ−２）の関係を満たす式により算出している。
【００７１】
【数７】
【００７２】
一般式（Ａ−２）においてＤはグループｉにおけるマハラノビスの汎距離、λは波長、Ａは吸光度でＡ１（λ１）は第１波長（λ１）の吸光度、Ａ２（λ２）は第２波長（λ２）の吸光度、・・・Ａｎ（λｎ）は第ｎ波長（λｎ）の吸光度、ｓ１１・・・ｓｎｎは各グループ、グループ間の分散共分散行列であり、このＤ１、Ｄ２について計算しておく。被検体について測定した吸光度から既知のグループのＤ１、Ｄ２のどちらに近いかでどのグループに属するかを判別する。
【００７３】
＜重回帰分析法＞
また、サンプル物体Ｍから受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分して重回帰分析法により算出した判別式は、互いに相関係数の高い第１〜ｎ波長の吸光度を変数とする下記の一般式（Ｂ）で構成されている。
【００７４】
【数８】
【００７５】
一般式（Ｂ）において、第１波長（λ１）乃至第ｎ波長（λｎ）を選択するにあたり、先ず、人為的に異物Ｆを混入したサンプル物体Ｍの吸光度と異物Ｆが混入されていないサンプル物体Ｍの吸光度との判別分析によって求められた異物Ｆに帰属する相関係数が０．８００以上になる第１波長（λ１）の近赤外線の波長域を選択し、次に、第１波長（λ１）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との判別分析によって異物Ｆに帰属し第１波長（λ１）の近赤外線の波長域の相関係数以上の高い相関係数となる第２波長（λ２）の波長域を選択し、それから、第１波長（λ１）及び第２波長（λ２）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との重回帰分析によって異物Ｆに帰属し第１波長（λ１）及び第２波長（λ２）の近赤外線の波長域の相関係数以上の相関係数となる第３波長（λ３）の波長域を選択し、このように第１波長（λ１）〜第（ｎ−１）波長（λｎ−１）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との重回帰分析によって異物Ｆに帰属し第１波長（λ１）の近赤外線の波長域の相関係数以上となる第ｎ波長（λｎ）の波長域を選択する。
【００７６】
＜ＰＬＳ法＞
また、サンプル物体Ｍから受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してＰＬＳ（Ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅ ｐｒｏｊｅｃｔｉｏｎ ｔｏ Ｌａｔｅｎｔ Ｓｔｒｕｃｔｕｒｅ）分析法により算出した判別式を用いている。
【００７７】
＜ニューラルネットワーク法のバックプロパゲーション法＞
更に、サンプル物体Ｍから受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してニューラルネットワーク法のバックプロパゲーション（Ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ）法により算出した判別式を用いている。
【００７８】
＜ＳＶＭ法＞
更にまた、サンプル物体Ｍから受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してＳＶＭ（Ｓａｐｏｒｔ Ｖｅｃｔｅｒ Ｍａｃｈｉｎｅ）法により算出した判別式を用いている。
【００７９】
また、これらの各判別式において、１１００ｎｍ〜２５００ｎｍの範囲の近赤外領域の波長から統計学的に優位な波長を選択している。
【００８０】
詳しくは、判別分析法，重回帰分析法，ニューラルネットワーク法のバックプロパゲーション法，ＳＶＭ法については、以下の波長を用いる。即ち、各判別式における波長を、第１波長を１３２０〜１４６０ｎｍ、１５３０〜１５４２ｎｍ、１７７０〜１７７６ｎｍ、２１５４〜２２０６ｎｍの範囲から選択し、第２波長を１１４４〜１１５８ｎｍ、１２５２〜１２７６ｎｍ、１３２０〜１３３８ｎｍ、１３４６〜１３８４ｎｍ、１４０６〜１４３４ｎｍ、１４７０〜１５１０ｎｍ、１５９８〜１６５０ｎｍの範囲から選択し、第３波長を１１００〜１１３８ｎｍ、１２３０〜１３２４ｎｍ、１３５２〜１３７８ｎｍ、１３９４〜１４２８ｎｍ、１４８０〜１５０２ｎｍ、１５４０〜１５８０ｎｍ、１６１０〜１６５６ｎｍ、１６６４〜１６９６ｎｍ、１７４２〜１７５０ｎｍ、１７６０〜１７７６ｎｍ、１８１６〜１８５０ｎｍ、１８８０〜１８９０ｎｍ、２１１２〜２１２０ｎｍ、２３２２〜２３４０ｎｍの範囲から選択し、第４波長を１１００〜１１２２ｎｍ、１１４６〜１１６８ｎｍ、１２５０〜１２８２ｎｍ、１３５０〜１３８２ｎｍ、１５５８〜１５７６ｎｍ、１６７６〜１６９６ｎｍ、１７４０〜１７５２ｎｍ、１８０８〜１８６６ｎｍ、２１２４〜２１４０ｎｍ、２２５８〜２２８２ｎｍ、２３２２〜２３４０ｎｍの範囲から選択し、第５波長を１１００〜１１４２ｎｍ、１１５２〜１２１０ｎｍ、１２４８〜１３２６ｎｍ、１３９４〜１４２０ｎｍ、１５９０〜１６４０ｎｍ、１８８０〜１８８４ｎｍ、２４００〜２４２０ｎｍの範囲から選択し、これらの各範囲の波長域から一つを選択する多重共線性を示さない組み合わせとしている。
【００８１】
望ましくは、第１波長を２１５８〜２１８６ｎｍの範囲から選択し、第２波長を１６０６〜１６４０ｎｍの範囲から選択し、第３波長を１２５０〜１２９８ｎｍの範囲から選択し、第４波長を１６８２〜１６９４ｎｍから選択し、第５波長を１２７８〜１３２２ｎｍの範囲から選択し、これらの各範囲の波長の組み合わせである。
より望ましくは、第１波長として２１７２ｎｍ、第２波長として１６１８ｎｍ、第３波長として１２６０ｎｍ、第４波長として１６９２ｎｍ、第５波長として１１３４ｎｍを選択し、これらの波長の組み合わせである。
【００８２】
別の組み合わせとして、第１波長を１３５４〜１３８６ｎｍ、１５１８〜１５４０ｎｍ、１５７８〜１６１２ｎｍ、１６９２〜１６９４ｎｍ、１７３４〜１７４４ｎｍ、１８１０〜１８７０ｎｍ、２０４８〜２０７０ｎｍ、２１５０〜２２０２ｎｍの範囲から選択し、第２波長を１３５２〜１３８６ｎｍ、１５６６〜１６１８ｎｍ、１６８２〜１６９４ｎｍ、１７３２〜１７４８ｎｍ、１８１０〜１８７２ｎｍ、２０４８〜２０８６ｎｍ、２１５２〜２１６６ｎｍ、２１９０〜２１９８ｎｍ、２２５２〜２２６６ｎｍ、２３２２〜２３３４ｎｍの範囲から選択し、第３波長を１７８２〜１８０８ｎｍ、２４４８〜２４５４ｎｍの範囲から選択し、第４波長を１２２２〜１２２８ｎｍ、１２７６〜１２８６ｎｍ、１３６２〜１３８０ｎｍ、１５７２〜１６０６ｎｍ、１７２６〜１７４０ｎｍ、１８１０〜１８４４ｎｍ、２０４２〜２０８８ｎｍ、２１５０〜２１６６ｎｍ、２２５８〜２２７２ｎｍの範囲から選択し、第５波長を１３７２〜１３９２ｎｍ、１５２４〜１５４８ｎｍ、１８３４〜１８７８ｎｍ、２１９０〜２２１４ｎｍの範囲から選択し、これらの各範囲の波長域から一つを選択する多重共線性を示さない組み合わせとしている。
【００８３】
望ましくは、第１波長を２１５４〜２１９６ｎｍの範囲から選択し、第２波長を１７３６〜１７４４ｎｍの範囲から選択し、第３波長を１７９８〜１８０６ｎｍの範囲から選択し、第４波長を２０４６〜２０７４ｎｍから選択し、第５波長を１３８２〜１３９２ｎｍの範囲から選択し、これらの各範囲の波長の組み合わせである。
より望ましくは、第１波長として２１６２ｎｍ、第２波長として１７４０ｎｍ、第３波長として１８０４ｎｍ、第４波長として２０５４ｎｍ、第５波長として１３８８ｎｍを選択し、これらの波長の組み合わせである。
【００８４】
従って、この実施の形態に係る物体中の異物混入判別装置を用いて、被検対象の物体Ｍに異物Ｆが混入しているか否かを判別するときは、以下のようになる。
制御部４０の総合制御演算処理部４２においては、判別式記憶機能が記憶する判別式と、選択される近赤外線の波長との組み合わせが設定されている。図４乃至図６に示すフローチャートを用いて説明する。
【００８５】
図４に示すように、メイン電源供給スイッチ４を押して制御部用電源４９，分光部用電源５２等に電気を供給する。メイン電源供給スイッチ４が入れられると、制御部４０が起動し、分光部５０やセンサ、ランプ等の各機構のチェックを行なう（１−１）。このとき表示部４６にはシステムの初期化中を示す画面が表示され表示灯は黄色が点灯（１−２）。各機構のチェック動作完了後に吸光度算出の基準となるリファレンス波形を計測（１−３）し、これを制御部４０内部の記憶装置に記憶しておく（１−４）。その後メイン画面が表示され表示灯は緑色が点灯（１−８）。その間に設定パネル４７から設定値呼び出し操作（１−５）があればランプ点灯累積時間や日付時間等の確認用画面が表示される（１−６）。判別計測を行なうには設定パネル４７を操作しメイン画面へ戻る（１−７）。
【００８６】
被検対象の物体Ｍを搬送部１０に載置し、メイン画面の表示灯が緑色の時に制御ボタン４８のスタートスイッチを押す（１−９）。スタートスイッチを押すと、サンプル測定（被検対象の物体Ｍの測定）と判別ルーチンを実行する（１−１０）。
【００８７】
このサンプル測定（被検対象の物体Ｍの測定）と判別ルーチンにおいては、図５に示すように、始めに制御部４０より搬送部１０のベルトコンベア１０ａの動作指示がされ（２−１）、被検対象の物体Ｍを搬送する。搬送されてきた被検対象の物体Ｍはサンプル検出センサ８の入力により被検対象の物体Ｍの有無を検知（２−２）し、光源部２０及び受光部３０の光源前のシャッターを開放指示する（２−３）。シャッターが開放されることで被検対象の物体Ｍに白色光が照射され、その反射光あるいは透過光を受光部３０内の検出部より受光し、光ファイバーで分光部５０に伝送され、分光部５０にて近赤外線の波長の強度を波長域毎に電圧変換して抽出し、制御ケーブル５１にて制御部４０へ伝送する（２−４）。反射光の強度スペクトルを得て異物判別ルーチンにより異物Ｆの有無の判別分析を行なう（２−５）。反射光あるいは透過光の検出を完了するとシャッター閉鎖指示によりシャッターが閉鎖する（２−６）。
【００８８】
異物判別ルーチンにおいては、図６に示すように、分光部５０より伝送された反射強度（反射スペクトル）についてノイズ除去処理を施し（３−１、３−２）、初期化時に記憶したリファレンス波形を読込み（３−３）、測定サンプル（被検対象の物体Ｍ）の近赤外線の吸光度を算出する（３−４）。その吸光度について標準化処理を行ない（３−５）、更に二次微分処理を施し（３−６）、その二次微分スペクトルについてセンタリングとスケーリング処理を施す（３−７）。このスペクトルを用いて、制御部４０に予め記憶してある判別分析（３−８），重回帰分析（３−９），ＰＬＳ分析（３−１０），ニューラルネットワーク分析のバックプロパゲーション（３−１１），サポートベクタマシン（３−１２）の手法によりそれぞれの判別得点及びパラメータを計算する。各判別方法による判別得点を用い、その最適な組合せ比較（標準化比較）を行ない（３−１３）、最終判別結果を算出する（３−１４）。
【００８９】
サンプル測定（被検対象の物体Ｍの測定）を終えると、図４に戻り、その判別結果とこれまでの判別結果の累計を表示する（１−１３）。その間に各機構にてエラー発生や非常停止ボタンが押されると（１−１１）、エラー発生画面が表示され表示灯は赤色が点灯する（１−１２）。復帰するにはランプ、分光部５０、センサ等の機構をチェックすることが必要。判別結果やサンプル測定（被検対象の物体Ｍの測定）時の反射スペクトルは制御部４０内の記憶機能に記憶されていく。この流れは制御ボタン４８のストップボタンが押されるまで繰り返し実行される（１−１５）。
【００９０】
次に、実験例について説明する。
（実験例１）
先ず、判別分析法により算出した判別式と、被検対象の物体Ｍから受光した光の吸光度とを用いて物体Ｍ中に異物Ｆが混入しているか否かを判別する。
【００９１】
（実験例１−１）
この実験は、判別式を作成するための母集団として、ケーキ、まんじゅう、チョコレート等の菓子を用い、これらの菓子の表面及び内部（中間部、深部）に毛髪を人為的に混入し、その反射光を検出し、吸光度を計算し標準化処理を行ない、二次微分処理、スケーリング及びセンタリングを行ない、そのスペクトルについて判別式を求めた。
【００９２】
判別式は、シスチンの近赤外線吸収バンドに従い、関連するＮ−Ｈ結合、Ｓ−Ｈ結合に吸収があるとされている、２０５４ｎｍ、２１６２ｎｍ、１７４０ｎｍと２つの波長を使用した。このときの判別式は、その係数が、ａ０＝０、ａ１＝０．２１５、ａ２＝２．１６４、ａ３＝０．２７２、ａ４＝−１．４９２、ａ５＝−０．５０８で、第１波長λ１＝２０５４ｎｍ、第２波長λ２＝２１６２ｎｍ、第３波長λ３＝１７４０ｎｍ、第４波長λ４＝１６０４ｎｍ、第５波長λ５＝１３８８ｎｍとなった。この結果、図７乃至図９に示すように、判別率は、異物あり判別で９８％、異物なし判別で１００％となった。
【００９３】
（実験例１−２）
この実験は、判別式を作成するための母集団として、ケーキ、まんじゅう、チョコレート等の菓子を用い、これらの菓子の表面及び内部（中間部、深部）に毛髪を人為的に混入し、その反射光を検出し、吸光度を計算し標準化処理を行ない、二次微分処理、スケーリング及びセンタリングを行ない、そのスペクトルについて判別式を求めた。このとき、更に精度を上げるために各グループとのマハラノビスの汎距離も吟味した。
【００９４】
判別式は、ステップワイズ変数選択法により、波長選択をステップワイズ変数増加の基準値の投入Ｆ値２．０、除去Ｆ値２．０として行なった。このときの判別式は、その係数が、ａ０＝０、ａ１＝−０．５２５、ａ２＝１．０６４、ａ３＝１．０２１、ａ４＝−１．１９１、ａ５＝１．６４９で、第１波長λ１＝１１３４ｎｍ、第２波長λ２＝１２６０ｎｍ、第３波長λ３＝１４９２ｎｍ、第４波長λ４＝１６１８ｎｍ、第５波長λ５＝２１７２ｎｍとなった。この結果、図１０乃至図１２に示すように、判別率は１００％であった。
【００９５】
（実験例２）
次に、重回帰分析法により算出した判別式と、被検対象の物体Ｍから受光した光の吸光度とを用いて物体Ｍ中に異物Ｆが混入しているか否かを判別する。
【００９６】
（実験例２−１）
この実験は、ケーキ、まんじゅう、チョコレート等の菓子を用い、これらの菓子の表面及び内部（中間部、深部）に毛髪を人為的に混入し、これに白色光を照射し、その反射光を検出し、吸光度を算出し、標準化処理を施して二次微分スペクトルを得た。その二次微分スペクトルに対し、髪の毛の成分であるシスチンに注目し、図１３に示すシスチンと同じ吸収バンドやＮ−Ｈ、Ｓ−Ｈ結合の吸収バンドを２０５４ｎｍ、２１６２ｎｍ、１７４０ｎｍを選択し、更に、第４波長、第５波長を組み合わせ、図１４乃至図１６に示すように、異物あり判別９８％、異物なし判別は９２％の判別式を構築した。このときの判別式の係数は、Ｋ０＝０．３８１、Ｋ１＝−０．０９３、Ｋ２＝−０．０９２、Ｋ３＝−０．１１７、Ｋ４＝０．６４３、Ｋ５＝０．２１９で、第１波長λ１＝２０５４ｎｍ、第２波長λ２＝２１６２ｎｍ、第３波長λ３＝１７４０ｎｍ、第４波長λ４＝１６０４ｎｍ、第５波長λ５＝１３８８ｎｍとなった。
【００９７】
（実験例２−２）
この実験は、ケーキ、まんじゅう、チョコレート等の菓子を用い、これらの菓子の表面及び内部（中間部、深部）に毛髪を人為的に混入し、これに白色光を照射し、その反射光を検出し、吸光度を算出し、標準化処理を施して二次微分スペクトルを得た。その二次微分スペクトルに対し、判別分析での選択波長で重回帰分析を行なって回帰式を構築した。図１７乃至図１９に示すように、異物あり判別は１００％、異物なし判別は９６％の判別式を構築した。このときの判別式の係数は、Ｋ０＝０．３８１、Ｋ１＝０．２１６、Ｋ２＝−０．６６０、Ｋ３＝−０．４２２、Ｋ４＝０．４９０、Ｋ５＝−０．９９１で、第１波長λ１＝１１３４ｎｍ、第２波長λ２＝１２６０ｎｍ、第３波長λ３＝１４９２ｎｍ、第４波長λ４＝１６１８ｎｍ、第５波長λ５＝２１７２ｎｍとなった。
【００９８】
（実験例３）
次に、ＰＬＳ分析法により算出した判別式と、被検対象の物体Ｍから受光した光の吸光度とを用いて物体Ｍ中に異物Ｆが混入しているか否かを判別する。
【００９９】
この実験は、ケーキ、まんじゅう、チョコレート等の菓子を用い、これらの菓子の表面及び内部（中間部、深部）に毛髪を人為的に混入し、これに白色光を照射し、その反射光を検出し、吸光度を算出し、標準化処理を行ない、更に二次微分処理を行ない、そのスペクトルについてスケーリング及びセンタリング処理を施したスペクトルについて判別分析で用いた選択波長を中心にＧＡ分析法を応用してＰＬＳ分析法にて判別式を構築した。このときの判別式の係数は、ａ０＝０、ａ１＝−０．５２６、ａ２＝−０．３６６、ａ３＝−０．８１０、ａ４＝０．５７１、ａ５＝−０．４０２、ａ５＝０．９６７、ａ５＝−１．１６８で、第１波長λ１＝１１７８ｎｍ、第２波長λ２＝１２５２ｎｍ、第３波長λ３＝１２７６ｎｍ、第４波長λ４＝１３６４ｎｍ、第５波長λ５＝１５６６ｎｍ、第５波長λ５＝１６１４ｎｍ、第５波長λ５＝２１６４ｎｍとなった。結果を図２０及び図２１に示す。この結果、図２２に示すように、異物有無判別率が１００％の検量線を構築した。
【０１００】
（実験例４）
次に、ニューラルネットワーク法のバックプロパゲーション法により算出した判別式と、被検対象の物体Ｍから受光した光の吸光度とを用いて物体Ｍ中に異物Ｆが混入しているか否かを判別する。
【０１０１】
（実験例４−１）
この実験は、ケーキ、まんじゅう、チョコレート等の菓子を用い、これらの菓子の表面及び内部（中間部、深部）に毛髪を人為的に混入し、これに白色光を照射し、その反射光を検出し、吸光度を算出し、標準化処理を行ない、更に二次微分処理を行ない、そのスペクトルについてスケーリング及びセンタリング処理を施したスペクトルについてシスチンの吸収バンドである、Ｎ−Ｈ、Ｓ−Ｈの吸収バンドの波長２０５４ｎｍ、２１６２ｎｍ、１７４０ｎｍを基に更に第４波長，第５波長を付加し、入力層５、中間層２、出力層１、また教育回数８０００回の条件で教育をさせモデリングし、これを判別式とした。その判別式は、図２３乃至図２５に示すように、判別率が１００％となった。
【０１０２】
（実験例４−２）
この実験は、ケーキ、まんじゅう、チョコレート等の菓子を用い、これらの菓子の表面及び内部（中間部、深部）に毛髪を人為的に混入し、これに白色光を照射し、その反射光を検出し、吸光度を算出し、標準化処理を行ない、更に二次微分処理を行ない、そのスペクトルについてスケーリング及びセンタリング処理を施したスペクトルについて判別分析で用いた選択波長を用い、入力層５、中間層２、出力層１、また教育回数８０００回の条件で教育をさせモデリングし、これを判別式とした。その判別式は、図２６乃至図２８に示すように、判別率が１００％となった。
【０１０３】
（実験例５）
次に、サポートベクタマシン（ＳＶＭ）法により算出した判別式と、被検対象の物体Ｍから受光した光の吸光度とを用いて物体Ｍ中に異物Ｆが混入しているか否かを判別する。
【０１０４】
（実験例５−１）
この実験は、異物有りの毛髪汚染食品（３９例）と、異物無しの毛髪非汚染食品（４５例）との合計８４例の食品を用いて、１１００〜２５００ｎｍの波長範囲の吸光度データを、カーネル関数を用いたＣ−ＳＶＭ分類法またはＮｕ−ＳＶＣ分類法のＲＢＦ関数のＳＶＭプログラムをＬａｂＶＩＥＷ（Ｖ８．５）で構築し、異物Ｆの有無の既知食品のデータを学習させて行なった。この結果、図２９に示すように９１．６７％の判別率のＳＶＭ分類関数を得ることができた。
【０１０５】
そして、このデータを利用して、ｃ−ｓｖｃ分類法でｓｉｇｍｏｉｄ関数を用いて、ＳＶＭ法で学習させた。この結果、図３０に示すように、１００％の判別率が得られた。即ち、極めて有効な毛髪探知のためのＳＶＭ関数を得ることができたといえる。
【０１０６】
（実験例５−２）
この実験は、異物有りの毛髪汚染食品（１３例）と、異物無しの毛髪非汚染食品（２６例）との合計３９例の食品を用いて、１１００〜２５００ｎｍの波長範囲の吸光度データを学習させたＳＶＭ関数を利用して行なった。この結果、図３１に示すように、判別率は８７．１８％であった。この結果から、毛髪非汚染食品のグループにおいて判別率が低い傾向にあるが、毛髪汚染食品のグループでは判別率が良い結果を得ており、ＳＶＭ法において毛髪混入の有無を判別できるものであるといえる。
【０１０７】
（実験例５−３）
この実験は、波長選択した場合のＳＶＭ選択学習関数を用いて、異物有りの毛髪汚染食品（１３例）と、異物無しの毛髪非汚染食品（２６例）との合計３９例の食品を用いて実施した。結果を図３２に示す。この結果、３９例中３８例で９７．４％の判別率となった。
【０１０８】
上記のＳＶＭ法による実験結果から、ＳＶＭ法による毛髪探知学習を作成することで、毛髪探知を容易に実施できることが分かった。即ち、毛髪探知技術の一つとして、ＳＶＭ法は極めて有効な手段となることが明白になった。特に、選択波長による方法は極めて良好であるが、その波長選択はどんな方法であっても、例えばＧＡ（遺伝的アルゴリズム）やステップワイズ法等で選択しても良好な結果を得ることが推測できるものである。尚、この実験例は上記ＳＶＭ法で使用した波長に限定するものでない。
【０１０９】
（実験例６）
次に、判別分析法，重回帰分析法，ＰＬＳ分析法，ニューラルネットワーク法のバックプロパゲーション法，ＳＶＭ法のうち、数種類の判別方法からなる判別式を用いて、各判別式と、被検対象の物体Ｍから受光した光の吸光度とを用いて物体Ｍ中に異物Ｆが混入しているか否かを判別する。
【０１１０】
（実験例６−１）
この実験は、数種類のケーキ，数種類のまんじゅう，数種類のシュークリームを用い、これらの菓子の表面及び内部（中間部、深部）に数種の毛髪を人為的に混入し、これらの３９サンプルに、夫々白色光を照射し、その反射光を検出し、その吸光度を計算し、標準化処理を行なって二次微分スペクトルを算出し、これについて、判別分析法，重回帰分析法，ニューラルネットワーク法のバックプロパゲーション法の各判別式を利用して行なった。結果を図３３及び図３４に示す。この結果、判別率が１００％となった。
【０１１１】
（実験例６−２）
この実験は、数種類のケーキ，数種類のまんじゅう，数種類のシュークリームを用い、これらの菓子の表面及び内部（中間部、深部）に数種の毛髪を人為的に混入し、これらの３９サンプルに、夫々白色光を照射し、その反射光を検出し、その吸光度を計算し、標準化処理を行なって二次微分スペクトルを算出し、これについて、判別分析法，重回帰分析法，ＰＬＳ法，ニューラルネットワーク法のバックプロパゲーション法の各判別式を利用して行なった。結果を図３５及び図３６に示す。この結果、判別率が１００％となった。
【０１１２】
（実験例６−３）
この実験は、数種類のケーキ，数種類のまんじゅう，数種類のシュークリームを用い、毛髪３種類を、夫々の食品の中間または深部のように食品内部に人為的に混入し、その異物判別分析を行なった。この結果、図３７にしめすような演算結果となった。この集計結果を図３８に示す。この結果、判別率が１００％と満足する結果が得られた。
【０１１３】
上記の結果から、各判別式を組み合わせると、判別率は１００％となり、そのため、異物Ｆが食品表面や内部に混入されていても、各判別方法での組み合わせで最終判断を行なうことにより、より一層精度良く異物混入を判別することができるといえる。
【０１１４】
図３９には、本発明の別の実施の形態に係る異物混入判別装置Ｓを示している。本装置Ｓは、上記実施の形態とは異なって、分光部５０が光源部２０に組み込まれているものである。即ち、光源部２０から発せられる光を、分光部５０を通して分光部５０の音響光学素子によって波長域毎に分光し、この分光した光を被検対象の物体Ｍに照射するものである。この物体Ｍからの反射光あるいは透過光は波長域毎に受光部３０で受光される。
その他の構成は上記実施の形態と同様である。
これによっても上記実施の形態と同様の作用，効果を奏する。
【０１１５】
尚、上記実施の形態において、判別分析法，重回帰分析法，ＰＬＳ分析法，ニューラルネットワーク法のバックプロパゲーション法，ＳＶＭ法の５種類の判別方法を組み合わせて物体中の異物混入判別を行なったが、必ずしもこれに限定されるものではなく、どれか１種類の判別方法だけでも良く、また、数種類の方法を組み合わせても良く、適宜変更して差支えない。
【符号の説明】
【０１１６】
Ｓ 物体中の異物混入判別装置
Ｍ 物体
Ｆ 異物
１ 機台
２ 仕切板
３ 載置板
４ メイン電源供給スイッチ
５ 緊急停止ボタン
６ 排熱ファン
７ 制御ケーブル配線口
８ サンプル検知センサ
１０ 搬送部
１０ａ ベルトコンベア
２０ 光源部
３０ 受光部
３１ 受光素子
４０ 制御部
４１ 通信部
４２ 総合制御演算処理部
４３ モータ制御回路
４４ 分光制御回路
４５ 動作命令部
４６ 表示部
４７ 設定パネル
４８ 制御ボタン
４９ 制御部用電源
５０ 分光部
５１ 制御ケーブル
５２ 分光部用電源
【特許請求の範囲】
【請求項１】
被検対象の物体に該物体を構成する成分以外の特定成分を含む異物が混入しているか否かの判別を行なう物体中の異物混入判別方法において、
予め、異物有りのサンプル物体と異物無しのサンプル物体とに近赤外線を照射し、該サンプル物体からの反射光あるいは透過光を受光し、受光した光の吸光度における二次微分スペクトルの統計学的解析により上記特定の成分に起因する帰属波長に係る判別式を算出しておき、
被検対象の物体に近赤外線を照射し、被検対象の物体からの反射光あるいは透過光を受光し、受光した光の吸光度を測定し、これらの吸光度と上記判別式とから算出された算出結果から物体中の異物の有無を判別することを特徴とする物体中の異物混入判別方法。
【請求項２】
上記物体は食品であり、上記異物は動物の毛であることを特徴とする請求項１記載の物体中の異物混入判別方法。
【請求項３】
上記特定の成分はシスチンであることを特徴とする請求項２記載の物体中の異物混入判別方法。
【請求項４】
上記判別式を種類の異なる複数の判別方法から選択したことを特徴とする請求項１乃至３何れかに記載の物体中の異物混入判別方法。
【請求項５】
上記複数の判別式から２以上の判別式を用い、これらに対応する判別式により演算し、該各判別結果のうち少なくともいずれかが異物の有を判別したとき異物の混入を有と判別することを特徴とする請求項４記載の物体中の異物混入判別方法。
【請求項６】
上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルを二次微分して判別分析法により算出したことを特徴とする請求項４記載の物体中の異物混入判別方法。
【請求項７】
上記判別式を、互いに判別結果が良くなる第１〜ｎ波長の吸光度を変数とする下記の一般式（Ａ−１）の関係を満たす式により算出したことを特徴とする請求項６記載の物体中の異物混入判別方法。
【数１】
一般式（Ａ−１）において、ｚｉは各グループの判別得点、λは波長、Ａは吸光度でＡ１（λ１）は第１波長（λ１）の吸光度、Ａ２（λ２）は第２波長（λ２）の吸光度、・・・Ａｎ（λｎ）は第ｎ波長（λｎ）の吸光度、ａ０，ａ１，ａ２，・・・ａｎは判別得点ｚｉを決定する係数であり、充分に多い母集団において測定された吸光度及び判別得点により、下記の数式（１−１）が最大値を取るように数式（１−３）を解くことで決定される。
【数２】
数式（１−１）において、Ｆ（ａ１，ａ２）はｚｉが係数ａ１，ａ２で決定される関数であることを表わし、Ｓｂは各グループ間の変動、Ｓｔはグループ全体の判別得点とその平均の差の平方和、つまりグループ全体の変動である。
数式（１−２）において、Ｓｔはグループ全体の判別得点とその平均の差の平方和でグループ全体の変動、Ｓｗはグループ内の判別得点とその平均の差の平方和の総和でグループ内での変動、Ｓｂは各グループ内の判別得点とグループ全体の判別得点の平均の差の平方和の総和で各グループ間の変動である。
【請求項８】
上記判別式を、予め異物の有無が既知のサンプル物体について判別得点を基に数種のグループに分けて各グループ内または各グループ間の夫々の平均値や重心位置からのマハラノビスの汎距離を計算し、被検体の吸光度を測定し、その吸光度から既知グループと被検体のマハラノビスの汎距離とからどのグループに近いかを第１〜ｎ波長の吸光度を変数とし、下記の一般式（Ａ−２）の関係を満たす式により算出したことを特徴とする請求項６記載の物体中の異物混入判別方法。
【数３】
一般式（Ａ−２）においてＤはグループｉにおけるマハラノビスの汎距離、λは波長、Ａは吸光度でＡ１（λ１）は第１波長（λ１）の吸光度、Ａ２（λ２）は第２波長（λ２）の吸光度、・・・Ａｎ（λｎ）は第ｎ波長（λｎ）の吸光度、ｓ１１・・・ｓｎｎは各グループ、グループ間の分散共分散行列であり、このＤ１、Ｄ２について計算しておく。被検体について測定した吸光度から既知のグループのＤ１、Ｄ２のどちらに近いかでどのグループに属するかを判別する。
【請求項９】
上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分して重回帰分析法により算出したことを特徴とする請求項４記載の物体中の異物混入判別方法。
【請求項１０】
上記判別式を、互いに相関係数の高い第１〜ｎ波長の吸光度を変数とする下記の一般式（Ｂ）の関係を満たす式により算出したことを特徴とする請求項９記載の物体中の異物混入判別方法。
【数４】
一般式（Ｂ）において、第１波長（λ１）乃至第ｎ波長（λｎ）を選択するにあたり、先ず、人為的に上記異物を混入したサンプル物体の吸光度と上記異物が混入されていないサンプル物体の吸光度との判別分析によって求められた上記異物に帰属する相関係数が０．８００以上になる第１波長（λ１）の近赤外線の波長域を選択し、次に、該第１波長（λ１）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との判別分析によって上記異物に帰属し該第１波長（λ１）の近赤外線の波長域の相関係数以上の高い相関係数となる第２波長（λ２）の波長域を選択し、それから、上記第１波長（λ１）及び第２波長（λ２）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との重回帰分析によって上記異物に帰属し上記第１波長（λ１）及び第２波長（λ２）の近赤外線の波長域の相関係数以上の相関係数となる第３波長（λ３）の波長域を選択し、このように第１波長（λ１）〜第（ｎ−１）波長（λｎ−１）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との重回帰分析によって上記異物に帰属し上記第１波長（λ１）の近赤外線の波長域の相関係数以上となる第ｎ波長（λｎ）の波長域を選択する。
【請求項１１】
上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してＰＬＳ（Ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅ ｐｒｏｊｅｃｔｉｏｎ ｔｏ Ｌａｔｅｎｔ Ｓｔｒｕｃｔｕｒｅ）分析法により算出したことを特徴とする請求項４記載の物体中の異物混入判別方法。
【請求項１２】
上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してニューラルネットワーク法のバックプロパゲーション（Ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ）法により算出したことを特徴とする請求項４記載の物体中の異物混入判別方法。
【請求項１３】
上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してＳＶＭ（Ｓａｐｏｒｔ Ｖｅｃｔｅｒ Ｍａｃｈｉｎｅ）法により算出したことを特徴とする請求項４記載の物体中の異物混入判別方法。
【請求項１４】
上記各判別式における波長を、１１００ｎｍ〜２５００ｎｍの範囲の近赤外領域の波長から統計学的に優位な波長を選択して組み合わせたことを特徴とする請求項１乃至１３何れかに記載の物体中の異物混入判別方法。
【請求項１５】
上記請求項６，請求項７，請求項８，請求項９，請求項１０，請求項１２，請求項１３記載の各判別式における波長を、第１波長を１３２０〜１４６０ｎｍ、１５３０〜１５４２ｎｍ、１７７０〜１７７６ｎｍ、２１５４〜２２０６ｎｍの範囲から選択し、第２波長を１１４４〜１１５８ｎｍ、１２５２〜１２７６ｎｍ、１３２０〜１３３８ｎｍ、１３４６〜１３８４ｎｍ、１４０６〜１４３４ｎｍ、１４７０〜１５１０ｎｍ、１５９８〜１６５０ｎｍの範囲から選択し、第３波長を１１００〜１１３８ｎｍ、１２３０〜１３２４ｎｍ、１３５２〜１３７８ｎｍ、１３９４〜１４２８ｎｍ、１４８０〜１５０２ｎｍ、１５４０〜１５８０ｎｍ、１６１０〜１６５６ｎｍ、１６６４〜１６９６ｎｍ、１７４２〜１７５０ｎｍ、１７６０〜１７７６ｎｍ、１８１６〜１８５０ｎｍ、１８８０〜１８９０ｎｍ、２１１２〜２１２０ｎｍ、２３２２〜２３４０ｎｍの範囲から選択し、第４波長を１１００〜１１２２ｎｍ、１１４６〜１１６８ｎｍ、１２５０〜１２８２ｎｍ、１３５０〜１３８２ｎｍ、１５５８〜１５７６ｎｍ、１６７６〜１６９６ｎｍ、１７４０〜１７５２ｎｍ、１８０８〜１８６６ｎｍ、２１２４〜２１４０ｎｍ、２２５８〜２２８２ｎｍ、２３２２〜２３４０ｎｍの範囲から選択し、第５波長を１１００〜１１４２ｎｍ、１１５２〜１２１０ｎｍ、１２４８〜１３２６ｎｍ、１３９４〜１４２０ｎｍ、１５９０〜１６４０ｎｍ、１８８０〜１８８４ｎｍ、２４００〜２４２０ｎｍの範囲から選択し、これらの各範囲の波長域から一つを選択する多重共線性を示さない組み合わせとしたことを特徴とする請求項１４記載の物体中の異物混入判別方法。
【請求項１６】
第１波長を１３５４〜１３８６ｎｍ、１５１８〜１５４０ｎｍ、１５７８〜１６１２ｎｍ、１６９２〜１６９４ｎｍ、１７３４〜１７４４ｎｍ、１８１０〜１８７０ｎｍ、２０４８〜２０７０ｎｍ、２１５０〜２２０２ｎｍの範囲から選択し、第２波長を１３５２〜１３８６ｎｍ、１５６６〜１６１８ｎｍ、１６８２〜１６９４ｎｍ、１７３２〜１７４８ｎｍ、１８１０〜１８７２ｎｍ、２０４８〜２０８６ｎｍ、２１５２〜２１６６ｎｍ、２１９０〜２１９８ｎｍ、２２５２〜２２６６ｎｍ、２３２２〜２３３４ｎｍの範囲から選択し、第３波長を１７８２〜１８０８ｎｍ、２４４８〜２４５４ｎｍの範囲から選択し、第４波長を１２２２〜１２２８ｎｍ、１２７６〜１２８６ｎｍ、１３６２〜１３８０ｎｍ、１５７２〜１６０６ｎｍ、１７２６〜１７４０ｎｍ、１８１０〜１８４４ｎｍ、２０４２〜２０８８ｎｍ、２１５０〜２１６６ｎｍ、２２５８〜２２７２ｎｍの範囲から選択し、第５波長を１３７２〜１３９２ｎｍ、１５２４〜１５４８ｎｍ、１８３４〜１８７８ｎｍ、２１９０〜２２１４ｎｍの範囲から選択し、これらの各範囲の波長域から一つを選択する多重共線性を示さない組み合わせとしたことを特徴とする請求項１５記載の物体中の異物混入判別方法。
【請求項１７】
物体に該物体を構成する成分以外の特定成分を含む異物が混入しているか否かの判別を行なう物体中の異物混入判別装置において、
上記被検対象の物体に近赤外領域の光を照射する光源部と、この物体からの反射光あるいは透過光を受光する受光部と、該受光部が受光した光の吸光度に基づいて上記被検対象の物体中の異物の有無を判別する制御部とを備え、
上記制御部を、予め、異物有りのサンプル物体と異物無しのサンプル物体とに照射され該サンプル物体から反射あるいは透過された近赤外領域の波長に対する吸光度における二次微分スペクトルの統計学的解析により算出された上記特定の成分に起因する帰属波長に係る判別式を記憶する判別式記憶機能と、上記受光部が受光した光の吸光度と上記判別式とから算出された算出結果から物体中の異物の有無を判別する異物判別機能とを備えて構成したことを特徴とする物体中の異物混入判別装置。
【請求項１８】
上記制御部における判別式記憶機能が記憶する判別式と選択される近赤外線の波長との組み合わせは、上記請求項１乃至１６何れかに記載の判別式から選択されることを特徴とする請求項１７記載の物体中の異物混入判別装置。
【請求項１９】
被検対象の物体が載置されて駆動され、該載置された物体を、上記光源部からの光が照射されるとともに該物体からの反射光あるいは透過光を上記受光部で受光可能な検査位置に順次搬送する搬送部を備えたことを特徴とする請求項１７または１８記載の物体中の異物混入判別装置。
【請求項２０】
上記光源部を、光ファイバーによって光を出力するとともに該光ファイバーの導波路を備えて構成したことを特徴とする請求項１７乃至１９何れかに記載の物体中の異物混入判別装置。
【請求項２１】
上記受光部を、上記被検対象の物体からの反射光あるいは透過光を受光する複数の受光素子を備えて構成したことを特徴とする請求項１７乃至２０何れかに記載の物体中の異物混入判別装置。
【請求項２２】
上記受光素子を光ファイバーで構成したことを特徴とする請求項２１記載の物体中の異物混入判別装置。
【請求項２３】
上記制御部は、遠隔操作機能を備えたことを特徴とする請求項１７乃至２２何れかに記載の物体中の異物混入判別装置。
【請求項１】
被検対象の物体に該物体を構成する成分以外の特定成分を含む異物が混入しているか否かの判別を行なう物体中の異物混入判別方法において、
予め、異物有りのサンプル物体と異物無しのサンプル物体とに近赤外線を照射し、該サンプル物体からの反射光あるいは透過光を受光し、受光した光の吸光度における二次微分スペクトルの統計学的解析により上記特定の成分に起因する帰属波長に係る判別式を算出しておき、
被検対象の物体に近赤外線を照射し、被検対象の物体からの反射光あるいは透過光を受光し、受光した光の吸光度を測定し、これらの吸光度と上記判別式とから算出された算出結果から物体中の異物の有無を判別することを特徴とする物体中の異物混入判別方法。
【請求項２】
上記物体は食品であり、上記異物は動物の毛であることを特徴とする請求項１記載の物体中の異物混入判別方法。
【請求項３】
上記特定の成分はシスチンであることを特徴とする請求項２記載の物体中の異物混入判別方法。
【請求項４】
上記判別式を種類の異なる複数の判別方法から選択したことを特徴とする請求項１乃至３何れかに記載の物体中の異物混入判別方法。
【請求項５】
上記複数の判別式から２以上の判別式を用い、これらに対応する判別式により演算し、該各判別結果のうち少なくともいずれかが異物の有を判別したとき異物の混入を有と判別することを特徴とする請求項４記載の物体中の異物混入判別方法。
【請求項６】
上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルを二次微分して判別分析法により算出したことを特徴とする請求項４記載の物体中の異物混入判別方法。
【請求項７】
上記判別式を、互いに判別結果が良くなる第１〜ｎ波長の吸光度を変数とする下記の一般式（Ａ−１）の関係を満たす式により算出したことを特徴とする請求項６記載の物体中の異物混入判別方法。
【数１】
一般式（Ａ−１）において、ｚｉは各グループの判別得点、λは波長、Ａは吸光度でＡ１（λ１）は第１波長（λ１）の吸光度、Ａ２（λ２）は第２波長（λ２）の吸光度、・・・Ａｎ（λｎ）は第ｎ波長（λｎ）の吸光度、ａ０，ａ１，ａ２，・・・ａｎは判別得点ｚｉを決定する係数であり、充分に多い母集団において測定された吸光度及び判別得点により、下記の数式（１−１）が最大値を取るように数式（１−３）を解くことで決定される。
【数２】
数式（１−１）において、Ｆ（ａ１，ａ２）はｚｉが係数ａ１，ａ２で決定される関数であることを表わし、Ｓｂは各グループ間の変動、Ｓｔはグループ全体の判別得点とその平均の差の平方和、つまりグループ全体の変動である。
数式（１−２）において、Ｓｔはグループ全体の判別得点とその平均の差の平方和でグループ全体の変動、Ｓｗはグループ内の判別得点とその平均の差の平方和の総和でグループ内での変動、Ｓｂは各グループ内の判別得点とグループ全体の判別得点の平均の差の平方和の総和で各グループ間の変動である。
【請求項８】
上記判別式を、予め異物の有無が既知のサンプル物体について判別得点を基に数種のグループに分けて各グループ内または各グループ間の夫々の平均値や重心位置からのマハラノビスの汎距離を計算し、被検体の吸光度を測定し、その吸光度から既知グループと被検体のマハラノビスの汎距離とからどのグループに近いかを第１〜ｎ波長の吸光度を変数とし、下記の一般式（Ａ−２）の関係を満たす式により算出したことを特徴とする請求項６記載の物体中の異物混入判別方法。
【数３】
一般式（Ａ−２）においてＤはグループｉにおけるマハラノビスの汎距離、λは波長、Ａは吸光度でＡ１（λ１）は第１波長（λ１）の吸光度、Ａ２（λ２）は第２波長（λ２）の吸光度、・・・Ａｎ（λｎ）は第ｎ波長（λｎ）の吸光度、ｓ１１・・・ｓｎｎは各グループ、グループ間の分散共分散行列であり、このＤ１、Ｄ２について計算しておく。被検体について測定した吸光度から既知のグループのＤ１、Ｄ２のどちらに近いかでどのグループに属するかを判別する。
【請求項９】
上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分して重回帰分析法により算出したことを特徴とする請求項４記載の物体中の異物混入判別方法。
【請求項１０】
上記判別式を、互いに相関係数の高い第１〜ｎ波長の吸光度を変数とする下記の一般式（Ｂ）の関係を満たす式により算出したことを特徴とする請求項９記載の物体中の異物混入判別方法。
【数４】
一般式（Ｂ）において、第１波長（λ１）乃至第ｎ波長（λｎ）を選択するにあたり、先ず、人為的に上記異物を混入したサンプル物体の吸光度と上記異物が混入されていないサンプル物体の吸光度との判別分析によって求められた上記異物に帰属する相関係数が０．８００以上になる第１波長（λ１）の近赤外線の波長域を選択し、次に、該第１波長（λ１）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との判別分析によって上記異物に帰属し該第１波長（λ１）の近赤外線の波長域の相関係数以上の高い相関係数となる第２波長（λ２）の波長域を選択し、それから、上記第１波長（λ１）及び第２波長（λ２）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との重回帰分析によって上記異物に帰属し上記第１波長（λ１）及び第２波長（λ２）の近赤外線の波長域の相関係数以上の相関係数となる第３波長（λ３）の波長域を選択し、このように第１波長（λ１）〜第（ｎ−１）波長（λｎ−１）の近赤外線の波長域と１１００ｎｍ〜２２００ｎｍの範囲の波長域との重回帰分析によって上記異物に帰属し上記第１波長（λ１）の近赤外線の波長域の相関係数以上となる第ｎ波長（λｎ）の波長域を選択する。
【請求項１１】
上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してＰＬＳ（Ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅ ｐｒｏｊｅｃｔｉｏｎ ｔｏ Ｌａｔｅｎｔ Ｓｔｒｕｃｔｕｒｅ）分析法により算出したことを特徴とする請求項４記載の物体中の異物混入判別方法。
【請求項１２】
上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してニューラルネットワーク法のバックプロパゲーション（Ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ）法により算出したことを特徴とする請求項４記載の物体中の異物混入判別方法。
【請求項１３】
上記判別式を、上記サンプル物体から受光した光の吸光度スペクトルをＭＳＣ処理後に二次微分してＳＶＭ（Ｓａｐｏｒｔ Ｖｅｃｔｅｒ Ｍａｃｈｉｎｅ）法により算出したことを特徴とする請求項４記載の物体中の異物混入判別方法。
【請求項１４】
上記各判別式における波長を、１１００ｎｍ〜２５００ｎｍの範囲の近赤外領域の波長から統計学的に優位な波長を選択して組み合わせたことを特徴とする請求項１乃至１３何れかに記載の物体中の異物混入判別方法。
【請求項１５】
上記請求項６，請求項７，請求項８，請求項９，請求項１０，請求項１２，請求項１３記載の各判別式における波長を、第１波長を１３２０〜１４６０ｎｍ、１５３０〜１５４２ｎｍ、１７７０〜１７７６ｎｍ、２１５４〜２２０６ｎｍの範囲から選択し、第２波長を１１４４〜１１５８ｎｍ、１２５２〜１２７６ｎｍ、１３２０〜１３３８ｎｍ、１３４６〜１３８４ｎｍ、１４０６〜１４３４ｎｍ、１４７０〜１５１０ｎｍ、１５９８〜１６５０ｎｍの範囲から選択し、第３波長を１１００〜１１３８ｎｍ、１２３０〜１３２４ｎｍ、１３５２〜１３７８ｎｍ、１３９４〜１４２８ｎｍ、１４８０〜１５０２ｎｍ、１５４０〜１５８０ｎｍ、１６１０〜１６５６ｎｍ、１６６４〜１６９６ｎｍ、１７４２〜１７５０ｎｍ、１７６０〜１７７６ｎｍ、１８１６〜１８５０ｎｍ、１８８０〜１８９０ｎｍ、２１１２〜２１２０ｎｍ、２３２２〜２３４０ｎｍの範囲から選択し、第４波長を１１００〜１１２２ｎｍ、１１４６〜１１６８ｎｍ、１２５０〜１２８２ｎｍ、１３５０〜１３８２ｎｍ、１５５８〜１５７６ｎｍ、１６７６〜１６９６ｎｍ、１７４０〜１７５２ｎｍ、１８０８〜１８６６ｎｍ、２１２４〜２１４０ｎｍ、２２５８〜２２８２ｎｍ、２３２２〜２３４０ｎｍの範囲から選択し、第５波長を１１００〜１１４２ｎｍ、１１５２〜１２１０ｎｍ、１２４８〜１３２６ｎｍ、１３９４〜１４２０ｎｍ、１５９０〜１６４０ｎｍ、１８８０〜１８８４ｎｍ、２４００〜２４２０ｎｍの範囲から選択し、これらの各範囲の波長域から一つを選択する多重共線性を示さない組み合わせとしたことを特徴とする請求項１４記載の物体中の異物混入判別方法。
【請求項１６】
第１波長を１３５４〜１３８６ｎｍ、１５１８〜１５４０ｎｍ、１５７８〜１６１２ｎｍ、１６９２〜１６９４ｎｍ、１７３４〜１７４４ｎｍ、１８１０〜１８７０ｎｍ、２０４８〜２０７０ｎｍ、２１５０〜２２０２ｎｍの範囲から選択し、第２波長を１３５２〜１３８６ｎｍ、１５６６〜１６１８ｎｍ、１６８２〜１６９４ｎｍ、１７３２〜１７４８ｎｍ、１８１０〜１８７２ｎｍ、２０４８〜２０８６ｎｍ、２１５２〜２１６６ｎｍ、２１９０〜２１９８ｎｍ、２２５２〜２２６６ｎｍ、２３２２〜２３３４ｎｍの範囲から選択し、第３波長を１７８２〜１８０８ｎｍ、２４４８〜２４５４ｎｍの範囲から選択し、第４波長を１２２２〜１２２８ｎｍ、１２７６〜１２８６ｎｍ、１３６２〜１３８０ｎｍ、１５７２〜１６０６ｎｍ、１７２６〜１７４０ｎｍ、１８１０〜１８４４ｎｍ、２０４２〜２０８８ｎｍ、２１５０〜２１６６ｎｍ、２２５８〜２２７２ｎｍの範囲から選択し、第５波長を１３７２〜１３９２ｎｍ、１５２４〜１５４８ｎｍ、１８３４〜１８７８ｎｍ、２１９０〜２２１４ｎｍの範囲から選択し、これらの各範囲の波長域から一つを選択する多重共線性を示さない組み合わせとしたことを特徴とする請求項１５記載の物体中の異物混入判別方法。
【請求項１７】
物体に該物体を構成する成分以外の特定成分を含む異物が混入しているか否かの判別を行なう物体中の異物混入判別装置において、
上記被検対象の物体に近赤外領域の光を照射する光源部と、この物体からの反射光あるいは透過光を受光する受光部と、該受光部が受光した光の吸光度に基づいて上記被検対象の物体中の異物の有無を判別する制御部とを備え、
上記制御部を、予め、異物有りのサンプル物体と異物無しのサンプル物体とに照射され該サンプル物体から反射あるいは透過された近赤外領域の波長に対する吸光度における二次微分スペクトルの統計学的解析により算出された上記特定の成分に起因する帰属波長に係る判別式を記憶する判別式記憶機能と、上記受光部が受光した光の吸光度と上記判別式とから算出された算出結果から物体中の異物の有無を判別する異物判別機能とを備えて構成したことを特徴とする物体中の異物混入判別装置。
【請求項１８】
上記制御部における判別式記憶機能が記憶する判別式と選択される近赤外線の波長との組み合わせは、上記請求項１乃至１６何れかに記載の判別式から選択されることを特徴とする請求項１７記載の物体中の異物混入判別装置。
【請求項１９】
被検対象の物体が載置されて駆動され、該載置された物体を、上記光源部からの光が照射されるとともに該物体からの反射光あるいは透過光を上記受光部で受光可能な検査位置に順次搬送する搬送部を備えたことを特徴とする請求項１７または１８記載の物体中の異物混入判別装置。
【請求項２０】
上記光源部を、光ファイバーによって光を出力するとともに該光ファイバーの導波路を備えて構成したことを特徴とする請求項１７乃至１９何れかに記載の物体中の異物混入判別装置。
【請求項２１】
上記受光部を、上記被検対象の物体からの反射光あるいは透過光を受光する複数の受光素子を備えて構成したことを特徴とする請求項１７乃至２０何れかに記載の物体中の異物混入判別装置。
【請求項２２】
上記受光素子を光ファイバーで構成したことを特徴とする請求項２１記載の物体中の異物混入判別装置。
【請求項２３】
上記制御部は、遠隔操作機能を備えたことを特徴とする請求項１７乃至２２何れかに記載の物体中の異物混入判別装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【図３４】
【図３５】
【図３６】
【図３７】
【図３８】
【図３９】
【図４０】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【図３４】
【図３５】
【図３６】
【図３７】
【図３８】
【図３９】
【図４０】
【公開番号】特開２０１１−２１４９４０（Ｐ２０１１−２１４９４０Ａ）
【公開日】平成２３年１０月２７日（２０１１．１０．２７）
【国際特許分類】
【出願番号】特願２０１０−８２２２０（Ｐ２０１０−８２２２０）
【出願日】平成２２年３月３１日（２０１０．３．３１）
【出願人】（３０５０６１０９２）株式会社 カロリアジャパン (6)
【Ｆターム（参考）】
【公開日】平成２３年１０月２７日（２０１１．１０．２７）
【国際特許分類】
【出願日】平成２２年３月３１日（２０１０．３．３１）
【出願人】（３０５０６１０９２）株式会社 カロリアジャパン (6)
【Ｆターム（参考）】
[ Back to top ]