(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2023-10-23
(45)【発行日】2023-10-31
(54)【発明の名称】ガス分析システムおよびプログラム
(51)【国際特許分類】
G01N 30/86 20060101AFI20231024BHJP
【ＦＩ】
G01N30/86 K
G01N30/86 Q
【請求項の数】
8
(21)【出願番号】P 2019230584
(22)【出願日】2019-12-20
(65)【公開番号】P2021099242
(43)【公開日】2021-07-01
【審査請求日】2022-10-27
(73)【特許権者】
【識別番号】302031454
【氏名又は名称】東海電子株式会社
(74)【代理人】
【識別番号】100140796
【弁理士】
【氏名又は名称】原口 貴志
(72)【発明者】
【氏名】都築 伴三
(72)【発明者】
【氏名】佐伯 拓也
【審査官】倉持 俊輔
(56)【参考文献】
【文献】特開２０１９－０５６６６４（ＪＰ，Ａ）
【文献】特開平０５－３１２７４８（ＪＰ，Ａ）
【文献】特開平０２－２５９４２１（ＪＰ，Ａ）
【文献】特開平０９－２５７７９０（ＪＰ，Ａ）
【文献】実公昭４３－０１４２４０（ＪＰ，Ｙ１）
【文献】米国特許出願公開第２０１８／０３４７３５４（ＵＳ，Ａ１）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０１Ｎ ３０／８６，
Ｇ０１Ｎ ２７／００，２７／１２，
Ｇ０１Ｎ ５／０２
(57)【特許請求の範囲】
【請求項1】
ガスに含まれる成分の強度を検知する成分強度検知部と、前記成分強度検知部によって検知された強度としての検知強度に対して調整を実行する検知強度調整部と
を備え、
前記検知強度調整部は、前記検知強度に対する閾値の前後で前記検知強度の大小関係を維持しながら、前記調整の実行前の前記検知強度が特定の値超である範囲において、前記調整の実行後の前記検知強度を前記調整の実行前の前記検知強度より小さくするように、前記閾値で分割された複数の範囲のそれぞれの関数によって前記調整を実行することを特徴とするガス分析システム。
【請求項2】
前記関数は、一次関数であることを特徴とする請求項１に記載のガス分析システム。
【請求項3】
前記閾値は、同一の前記成分に対して複数存在することを特徴とする請求項１または請求項２に記載のガス分析システム。
【請求項4】
前記閾値および前記関数の少なくとも１つは、少なくとも２つの前記成分同士で異なることを特徴とする請求項１から請求項３までのいずれかに記載のガス分析システム。
【請求項5】
前記検知強度調整部は、前記ガスに含まれる全ての前記成分のうち特定の前記成分の前記検知強度に対して、前記関数によって前記調整を実行するのではなく、前記調整の実行後の前記検知強度が最小になるように前記調整を実行することを特徴とする請求項１から請求項４までのいずれかに記載のガス分析システム。
【請求項6】
前記閾値および前記関数の少なくとも１つを設定するパラメーター設定部を備えることを特徴とする請求項１から請求項５までのいずれかに記載のガス分析システム。
【請求項7】
前記検知強度調整部による前記調整の実行後の前記検知強度に基づいてニューラルネットワークによって前記ガスの分析を実行するガス分析部を備えることを特徴とする請求項１から請求項６までのいずれかに記載のガス分析システム。
【請求項8】
ガスに含まれる成分の強度を検知する成分強度検知部によって検知された強度としての検知強度に対して調整を実行する検知強度調整部をコンピューターに実行させ、前記検知強度調整部は、前記検知強度に対する閾値の前後で前記検知強度の大小関係を維持しながら、前記調整の実行前の前記検知強度が特定の値超である範囲において、前記調整の実行後の前記検知強度を前記調整の実行前の前記検知強度より小さくするように、前記閾値で分割された複数の範囲のそれぞれの関数によって前記調整を実行することを特徴とするプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、ガスを分析するガス分析システムおよびプログラムに関する。
【背景技術】
【0002】
従来のガス分析システムとして、サンプルガスを成分（以下「成分ガス」という。）毎に分離してガスクロマトグラムを生成するガスクロマトグラフと、ガスクロマトグラフによって生成されたガスクロマトグラムに基づいてニューラルネットワークによってサンプルガスの臭気を判定するコンピューターとを備えるものが知られている（例えば、特許文献１参照。）。
【0003】
従来のガス分析システムにおけるニューラルネットワークでは、サンプルガスの特徴である各成分ガスの検知強度の比率によってサンプルガスの臭気を判定する。ここで、ニューラルネットワークは、検知強度が極めて小さい成分ガスや、検知強度が極めて大きい成分ガスがサンプルガスに含まれている場合に、そのままの検知強度の比率が使用されると、他の成分ガスと比較して比率が極めて小さい成分ガスが発生し、他の成分ガスと比較して比率が極めて小さい成分ガスの検知強度が分析結果に与える影響を低く扱う可能性がある。検知強度が分析結果に与える影響が低く扱われる成分ガスの臭気指数が低い場合には、この成分ガスがサンプルガスの臭気に与える影響がそもそも低いので、この成分ガスの検知強度が分析結果に与える影響が低く扱われても大きな問題はない。しかしながら、検知強度が分析結果に与える影響が低く扱われる成分ガスの臭気指数が高い場合には、この成分ガスの検知強度が低かったとしても、この成分ガスがサンプルガスの臭気に与える影響が大きいので、この成分ガスの検知強度が分析結果に与える影響が低く扱われると問題である。したがって、従来のガス分析システムにおけるニューラルネットワークでは、サンプルガスの特徴である各成分ガスの比率を合理的に計算するために、成分ガス毎に検知強度を例えば０から１までの値に変換するなどの正規化処理を実行する。
【0004】
ここで、同一の成分ガスであっても、サンプルガス毎に検知強度にばらつきが存在する。すなわち、同一の成分ガスであっても、サンプルガスによっては、検知強度が極端に小さい場合もあるし、検知強度が極端に大きい場合もある。そのため、成分ガスの検知強度を正規化する場合に、正規化のための検知強度の母集団の中に、他の検知強度と比較して極端に大きな外れ値である検知強度が存在するときがある。そのようなとき、他の検知強度と比較して極端に大きな外れ値である検知強度を使用して正規化処理を実行すると、正規化処理後の検知強度が極端に小さくなる。例えば、１０個のサンプルガスにおける特定の成分ガスの検知強度が全て１０前後である場合、この成分ガスの検知強度を０から１までの値に正規化すると、全て約１になるが、このうち１つが１０００である場合には、この成分ガスの検知強度を０から１までの値に正規化すると、正規化前に１０００であった検知強度が１になるので、正規化前に１０前後であった検知強度は０．０１前後になる。正規化処理後の検知強度が極端に小さくなる場合、正規化したにもかかわらず、ニューラルネットワークにおいて、検知強度が分析結果に与える影響が低く扱われる可能性がある。また、正規化処理後の検知強度が極端に小さくなる場合、コンピューターによる演算における有効桁数の関係で、正規化後の検知強度が丸められて特徴が損なわれる可能性もある。
【0005】
そこで、成分ガスの検知強度を対数変換した後で正規化処理を実行する方法が知られている。図１３は、従来のガスクロマトグラフによって生成されたガスクロマトグラムの一例を示す図である。図１４は、図１３に示すガスクロマトグラムの検知強度を常用対数で対数変換した図である。図１３に示すガスクロマトグラフには、他のリテンションタイムと比較して検知強度が極端に大きいリテンションタイム８１、８２および８３が存在する。例えば、リテンションタイム８１、８２および８３の少なくとも１つにおける検知強度は、図１３に示すガスクロマトグラムの場合に、図１３に示すガスクロマトグラムの対象のサンプルガスとは別の多数のサンプルガスのそれぞれから取得したガスクロマトグラムの場合と比較して、極端に大きな外れ値である可能性がある。しかしながら、図１３に示すガスクロマトグラフは、成分ガスの検知強度が対数変換されることによって、図１４に示すものになり、対数変換前において極端に大きかった検知強度が対数変換後において小さく圧縮されるので、対数変換前において極端に大きかった検知強度が外れ値であったとしても、後続の正規化処理の結果に対して与える影響を低減することができる。また、図１４に示す例は、図１３に示すガスクロマトグラフにおける微小な信号を相対的に大きくすることができている。
【先行技術文献】
【特許文献】
【0006】
【文献】特開２０１９－０５６６６４号公報
【発明の概要】
【発明が解決しようとする課題】
【0007】
しかしながら、成分ガスの検知強度を対数変換した後で正規化処理を実行する方法においては、サンプルガスにおける成分ガス間の正規化後の値における比率が、サンプルガスにおける成分ガス間の実際の検知強度における比率とかけ離れている可能性があるので、ガスの臭気の判定の正解率が高くないという問題がある。
【0008】
例えば、成分ガスの検知強度を常用対数で対数変換する場合、正規化のための検知強度の母集団において、例えば図１３に示すリテンションタイム８２における検知強度のように、成分ガスの対数変換前の実際の検知強度が約１７０００００であるものが最大値であるとすると、対数変換後の検知強度においては約６．２３が最大値である。
【0009】
ここで、成分ガスの対数変換前の実際の検知強度が１０から１００に変化したとすると、対数変換後の検知強度においては１から２に変化し、正規化後の値においては約０．１６から約０．３２に変化する。すなわち、成分ガスの対数変換前の実際の検知強度において１０倍に変化している場合に、成分ガスの検知強度を対数変換した後で正規化処理を実行した値において２倍にしか変化していない。このように、検知強度の変化の比率に関しては、対数変換後においては対数変換前に対して０．２倍に低下しており、対数変換の前後で大幅に差異がある。
【0010】
そして、成分ガスの対数変換前の実際の検知強度が１０００００から１００００００に変化したとすると、対数変換後の検知強度においては５から６に変化し、正規化後の値においては約０．８から約０．９６に変化する。すなわち、成分ガスの対数変換前の実際の検知強度において１００倍に変化している場合に、成分ガスの検知強度を対数変換した後で正規化処理を実行した値において１．２倍にしか変化していない。このように、検知強度の変化の比率に関しては、対数変換後においては対数変換前に対して０．０１２倍に低下しており、成分ガスの対数変換前の実際の検知強度が大きくなるほど、対数変換の前後での差異が大きくなる。
【0011】
以上に説明したように、正規化後の値における変化の比率は、成分ガスの対数変換前の実際の検知強度における変化の比率とは大幅に異なっている。そのため、サンプルガスにおける成分ガス間の正規化後の値における比率が、サンプルガスにおける成分ガス間の実際の検知強度における比率とかけ離れている可能性がある。ここで、ガスの臭気を判定するニューラルネットワークにおいては、サンプルガスにおける成分ガス間の実際の検知強度における比率がガスの臭気の判定に影響する。したがって、成分ガスの検知強度を対数変換した後で正規化処理を実行する方法においては、ガスの臭気の判定の正解率が高くないという問題がある。
【0012】
そこで、本発明は、検知強度の大小関係を維持しながら検知強度の大きな外れ値を圧縮するように検知強度に対して調整を実行する場合に、検知強度の変化の比率に関する、調整の実行の前後の差を従来より低減することができるガス分析システムおよびプログラム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】
【0013】
本発明のガス分析システムは、ガスに含まれる成分の強度を検知する成分強度検知部と、前記成分強度検知部によって検知された強度としての検知強度に対して調整を実行する検知強度調整部とを備え、前記検知強度調整部は、前記検知強度に対する閾値の前後で前記検知強度の大小関係を維持しながら、前記調整の実行前の前記検知強度が特定の値超である範囲において、前記調整の実行後の前記検知強度を前記調整の実行前の前記検知強度より小さくするように、前記閾値で分割された複数の範囲のそれぞれの関数によって前記調整を実行することを特徴とする。
【0014】
この構成により、本発明のガス分析システムは、閾値の前後で検知強度の大小関係を維持しながら、調整の実行前の検知強度が特定の値超である範囲において、調整の実行後の検知強度を調整の実行前の検知強度より小さくするように、閾値で分割された複数の範囲のそれぞれの関数によって検知強度に対して調整を実行するので、検知強度の大小関係を維持しながら検知強度の大きな外れ値を圧縮するように検知強度に対して調整を実行する場合に、検知強度の変化の比率に関する、調整の実行の前後の差を従来より低減することができる。
【0015】
本発明のガス分析システムにおいて、前記関数は、一次関数であっても良い。
【0016】
この構成により、本発明のガス分析システムは、閾値で分割された複数の範囲のそれぞれにおいて、一次関数によって検知強度に対して調整を実行するので、全範囲において同一の対数関数によって検知強度に対して調整を実行する従来の構成と比較して、検知強度の変化の比率に関する、調整の実行の前後の差を低減することができる。
【0017】
本発明のガス分析システムにおいて、前記閾値は、同一の前記成分に対して複数存在しても良い。
【0018】
この構成により、本発明のガス分析システムは、複数の閾値で分割された複数の範囲で段階的に調整の程度を変化させることができるので、検知強度の変化の比率に関する、調整の実行の前後の差を低減することができる。
【0019】
本発明のガス分析システムにおいて、前記閾値および前記関数の少なくとも１つは、少なくとも２つの前記成分同士で異なっても良い。
【0020】
この構成により、本発明のガス分析システムは、成分毎に発生する可能性がある外れ値の大きさに合わせて成分毎に検知強度を調整することができるので、検知強度の変化の比率に関する、調整の実行の前後の差を成分毎に低減することができる。
【0021】
本発明のガス分析システムにおいて、特定の前記成分に対する前記閾値および前記関数は、前記調整の実行後の前記検知強度が最小になるものであっても良い。
【0022】
この構成により、本発明のガス分析システムは、ガスに含まれる全ての成分のうち特定の成分の検知強度を調整によって最小にするので、ガスに含まれる全ての成分のうち、ガスの分析に影響しない成分を除去することができる。
【0023】
本発明のガス分析システムは、前記閾値および前記関数の少なくとも１つを設定するパラメーター設定部を備えても良い。
【0024】
この構成により、本発明のガス分析システムは、閾値および関数の少なくとも１つを適切なものに設定することができるので、検知強度の変化の比率に関する、調整の実行の前後の差を適切に低減することができる。
【0025】
本発明のガス分析システムは、前記検知強度調整部による前記調整の実行後の前記検知強度に基づいてニューラルネットワークによって前記ガスの分析を実行するガス分析部を備えても良い。
【0026】
この構成により、本発明のガス分析システムは、検知強度の大小関係を維持しながら検知強度の大きな外れ値を圧縮するように検知強度に対して調整を実行する場合に、検知強度の変化の比率に関する、調整の実行の前後の差を従来より低減することができるので、調整の実行後の検知強度に基づいてガスの分析を実行するニューラルネットワークによるガスの分析の正解率を向上することができる。
【0027】
本発明のプログラムは、ガスに含まれる成分の強度を検知する成分強度検知部によって検知された強度としての検知強度に対して調整を実行する検知強度調整部をコンピューターに実行させ、前記検知強度調整部は、前記検知強度に対する閾値の前後で前記検知強度の大小関係を維持しながら、前記調整の実行前の前記検知強度が特定の値超である範囲において、前記調整の実行後の前記検知強度を前記調整の実行前の前記検知強度より小さくするように、前記閾値で分割された複数の範囲のそれぞれの関数によって前記調整を実行することを特徴とする。
【0028】
この構成により、本発明のプログラムを実行するコンピューターは、閾値の前後で検知強度の大小関係を維持しながら、調整の実行前の検知強度が特定の値超である範囲において、調整の実行後の検知強度を調整の実行前の検知強度より小さくするように、閾値で分割された複数の範囲のそれぞれの関数によって検知強度に対して調整を実行するので、検知強度の大小関係を維持しながら検知強度の大きな外れ値を圧縮するように検知強度に対して調整を実行する場合に、検知強度の変化の比率に関する、調整の実行の前後の差を従来より低減することができる。
【発明の効果】
【0029】
本発明のガス分析システムおよびプログラムは、検知強度の大小関係を維持しながら検知強度の大きな外れ値を圧縮するように検知強度に対して調整を実行する場合に、検知強度の変化の比率に関する、調整の実行の前後の差を従来より低減することができる。
【図面の簡単な説明】
【0030】
【発明を実施するための形態】
【0031】
以下、本発明の実施の形態について、図面を用いて説明する。
【0032】
まず、本実施の形態に係るガス分析システムの構成について説明する。
【0033】
図１は、本実施の形態に係るガス分析システム１０の構成図である。
【0034】
図１に示すように、ガス分析システム１０は、分析対象の気体であるサンプルガスからガスクロマトグラムを生成するガスクロマトグラフ２０と、サンプルガスの分析の結果を表示するための例えばＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）などのコンピューター３０とを備えている。
【0035】
ガス分析システム１０は、サンプルガスの分析としてサンプルガスのにおいを判定するにおい判定システムである。以下においては、ガス分析システム１０として、コーヒーのにおいを判定するシステムを例にして説明する。
【0036】
ガスクロマトグラフ２０は、キャリアガスが圧縮されて貯蔵されている圧縮タンク２１と、圧縮タンク２１に接続されていて、サンプルガスを注入するための注射器９０からサンプルガスが注入されるための注入部２２と、注入部２２に接続されていて、注入部２２でキャリアガスにサンプルガスが混合されたガスとしての混合ガスを成分ガス毎に分離するためのガス分離カラム２３と、ガス分離カラム２３に接続されていて、ガス分離カラム２３から流入する成分ガスを検出する検出器２４とを備えている。
【0037】
図２は、コンピューター３０のブロック図である。
【0038】
図２に示すように、コンピューター３０は、種々の操作が入力される例えばキーボード、マウスなどの操作デバイスである操作部３１と、種々の情報を表示する例えばＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）などの表示デバイスである表示部３２と、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどのネットワーク経由で、または、ネットワークを介さずに有線または無線によって直接に、外部の装置と通信を行う通信デバイスである通信部３３と、各種の情報を記憶する例えば半導体メモリー、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などの不揮発性の記憶デバイスである記憶部３４と、コンピューター３０全体を制御する制御部３５とを備えている。
【0039】
コンピューター３０は、サンプルガスの分析の結果を表示部３２に表示することができる。
【0040】
記憶部３４は、ガスを分析するためのプログラムとしてのガス分析プログラム３４ａを記憶している。ガス分析プログラム３４ａは、例えば、コンピューター３０の製造段階でコンピューター３０にインストールされていても良いし、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｋ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリーなどの外部の記憶媒体からコンピューター３０に追加でインストールされても良いし、ネットワーク上からコンピューター３０に追加でインストールされても良い。
【0041】
記憶部３４は、成分ガス毎の検知強度の最大値を示す最大値情報３４ｂを記憶している。
【0042】
図３は、最大値情報３４ｂの一例を示す図である。
【0043】
図３に示すように、最大値情報３４ｂは、成分ガスの検知強度の最大値を、成分ガスの識別情報としてのガスＩＤ毎に対応付けた情報である。図３に示す最大値情報３４ｂは、一部のガスＩＤに対応する情報が省略して描かれているが、実際には、図示している情報の他にも、多くのガスＩＤに対応する情報を含んでいる。
【0044】
図２に示すように、記憶部３４は、ガスクロマトグラムにおける検知強度の調整のためのパラメーター（以下「調整パラメーター」という。）を示す調整パラメーター情報３４ｃを記憶している。
【0045】
図４は、調整パラメーター情報３４ｃの一例を示す図である。
【0046】
図４に示すように、調整パラメーター情報３４ｃは、ガスＩＤ毎に調整パラメーターを対応付けた情報である。調整パラメーターは、検知強度の調整のための閾値としての第１の閾値と、検知強度の調整のための閾値としての、第１の閾値より大きい第２の閾値とを含んでいる。ここで、検知強度の調整のための関数は、一次関数である。調整パラメーターは、検知強度のうち０以上第１の閾値以下の範囲の部分に対する一次関数としての第１の一次関数の係数としての第１の傾きと、検知強度のうち第１の閾値超、第２の閾値以下の範囲の部分に対する一次関数としての第２の一次関数の係数としての第２の傾きと、検知強度のうち第２の閾値超の範囲の部分に対する一次関数としての第３の一次関数の係数としての第３の傾きとを含んでいる。図４に示す調整パラメーター情報３４ｃは、一部のガスＩＤに対応する情報が省略して描かれているが、実際には、図示している情報の他にも、多くのガスＩＤに対応する情報を含んでいる。
【0047】
図５は、調整パラメーターの一例を示す図である。
【0048】
図５において、横軸は、調整の実行前の検知強度を示しており、縦軸は、調整の実行後の検知強度を示している。図５に示す例における調整パラメーターは、第１の閾値４１、第２の閾値４２がそれぞれ２０００００、４０００００であり、第１の傾き、第２の傾き、第３の傾きがそれぞれ１、０．５、０．１である。図５に示す例において、線４３は、これらの調整パラメーターによって調整された場合の調整の前後の検知強度の関係を示す線である。線４３は、検知強度のうち０以上第１の閾値４１以下の範囲の部分に対して第１の一次関数４４で構成されていて、検知強度のうち第１の閾値４１超、第２の閾値４２以下の範囲の部分に対して第２の一次関数４５で構成されていて、検知強度のうち第２の閾値４２超の範囲の部分に対して第３の一次関数４６で構成されている。第１の一次関数４４と、第２の一次関数４５とは、第１の閾値４１において交差する。第２の一次関数４５と、第３の一次関数４６とは、第２の閾値４２において交差する。図５に示す例において、線４７は、検知強度の全ての範囲の部分に対して係数として１を適用して調整する場合の調整の前後の検知強度の関係を参考として示した線である。すなわち、線４７は、調整されない場合の検知強度を参考として示した線である。線４３が示すように、図５に示す例における調整パラメーターは、検知強度のうち０以上第１の閾値４１以下の範囲の部分を圧縮も増幅もせず、検知強度のうち第１の閾値４１超、第２の閾値４２以下の範囲の部分を圧縮し、検知強度のうち第２の閾値４２超の範囲の部分を更に強く圧縮するものである。
【0049】
【0050】
図６において、横軸は、調整の実行前の検知強度を示しており、縦軸は、調整の実行後の検知強度を示している。図６に示す例における調整パラメーターは、第１の閾値４１、第２の閾値４２がそれぞれ２０００００、４０００００であり、第１の傾き、第２の傾き、第３の傾きがそれぞれ２、１、０．２である。図６に示す例において、線４３は、これらの調整パラメーターによって調整された場合の調整の前後の検知強度の関係を示す線である。線４３は、検知強度のうち０以上第１の閾値４１以下の範囲の部分に対して第１の一次関数４４で構成されていて、検知強度のうち第１の閾値４１超、第２の閾値４２以下の範囲の部分に対して第２の一次関数４５で構成されていて、検知強度のうち第２の閾値４２超の範囲の部分に対して第３の一次関数４６で構成されている。第１の一次関数４４と、第２の一次関数４５とは、第１の閾値４１において交差する。第２の一次関数４５と、第３の一次関数４６とは、第２の閾値４２において交差する。図６に示す例において、線４７は、検知強度の全ての範囲の部分に対して係数として１を適用して調整する場合の調整の前後の検知強度の関係を参考として示した線である。すなわち、線４７は、調整されない場合の検知強度を参考として示した線である。線４３が示すように、図６に示す例における調整パラメーターは、検知強度が０である部分を圧縮も増幅もせず、検知強度のうち０超６５００００未満の範囲の部分を増幅し、検知強度が６５００００である部分を圧縮も増幅もせず、検知強度のうち６５００００超の範囲の部分を圧縮するものである。
【0051】
調整パラメーターは、後述するように調整の実行後の検知強度を０にする場合を除いて、閾値の前後で検知強度の大小関係を維持するものであることが好ましい。第１の傾き、第２の傾きおよび第３の傾きが全て０超であり、第１の一次関数の切片としての第１の切片が、第２の一次関数の切片としての第２の切片より小さく、第２の切片が、第３の一次関数の切片としての第３の切片より小さい場合に、閾値の前後で検知強度の大小関係を維持することが可能である。図５および図６に示す例においては、第１の傾き、第２の傾きおよび第３の傾きが全て０超であり、第１の切片４４ａが第２の切片４５ａより小さく、第２の切片４５ａが第３の切片４６ａより小さいので、第１の閾値４１および第２の閾値４２のそれぞれの前後で検知強度の大小関係を維持することが可能である。
【0052】
調整パラメーターは、調整の実行前の検知強度が特定の値超である範囲において、調整の実行後の検知強度を調整の実行前の検知強度より小さくするものであることが好ましい。図５に示す例における調整パラメーターは、調整の実行前の検知強度が２０００００超である範囲において、調整の実行後の検知強度を調整の実行前の検知強度より小さくするものである。図６に示す例における調整パラメーターは、調整の実行前の検知強度が６５００００超である範囲において、調整の実行後の検知強度を調整の実行前の検知強度より小さくするものである。
【0053】
図２に示す制御部３５は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）と、プログラムおよび各種のデータを記憶しているＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）と、制御部３５のＣＰＵの作業領域として用いられるメモリーとしてのＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）とを備えている。制御部３５のＣＰＵは、記憶部３４または制御部３５のＲＯＭに記憶されているプログラムを実行する。
【0054】
制御部３５は、ガス分析プログラム３４ａを実行することによって、サンプルガスに含まれる成分ガスの強度を検知する成分強度検知部３５ａと、成分強度検知部３５ａによって検知された強度としての検知強度に対して調整を実行する検知強度調整部３５ｂと、調整パラメーターを設定するパラメーター設定部３５ｃと、成分ガス毎の検知強度を正規化する正規化処理部３５ｄと、サンプルガスの分析を実行するニューラルネットワーク３５ｅと、ニューラルネットワーク３５ｅによってサンプルガスの分析を実行するガス分析部３５ｆと、ニューラルネットワーク３５ｅに学習を実行させる学習実行部３５ｇとを実現する。
【0055】
次に、検知強度の最大値および調整パラメーターを設定する方法について説明する。
【0056】
作業者は、検知強度の最大値および調整パラメーターを設定するためのサンプルガス（以下「設定用サンプルガス」という。）を複数用意し、複数の設定用サンプルガスのそれぞれのガスクロマトグラムを、ガス分析システム１０を使用して取得する。ガス分析システム１０の成分強度検知部３５ａは、サンプルガスに含まれる成分ガスの強度をガスクロマトグラフ２０によって検知することによって、ガスクロマトグラムを生成する。例えば、作業者は、２０種類のコーヒーのそれぞれから得られる設定用サンプルガスを１００種類ずつ用意する。すなわち、作業者は、２０００個の設定用サンプルガスを用意する。そして、作業者は、ガス分析システム１０を使用して、２０００個の設定用サンプルガスのそれぞれのガスクロマトグラムを取得する。
【0057】
図７は、検知強度の最大値および調整パラメーターを自動で設定する場合のコンピューター３０の動作のフローチャートである。
【0058】
コンピューター３０のパラメーター設定部３５ｃは、検知強度の最大値および調整パラメーターを自動で設定する指示が操作部３１または通信部３３を介して入力されると、図７に示す動作を実行する。
【0059】
図７に示すように、パラメーター設定部３５ｃは、複数の設定用サンプルガスのそれぞれから取得された複数のガスクロマトグラムを使用して、成分ガス毎の検知強度の最大値を求める（Ｓ１０１）。例えば、コーヒーから発生するサンプルガスの成分ガスの種類が１００種類である場合、パラメーター設定部３５ｃは、２０００個の設定用サンプルガスのそれぞれから取得された２０００個のガスクロマトグラムを使用して、１００種類の成分ガスのそれぞれの検知強度の最大値を求める。なお、ガスクロマトグラフ２０によって生成されたガスクロマトグラムにおいて各成分ガスが出現するタイミング、すなわち、リテンションタイムが決まっているので、パラメーター設定部３５ｃは、ガスクロマトグラムにおいて各成分ガスの検知強度を認識することができる。
【0060】
パラメーター設定部３５ｃは、Ｓ１０１の処理の後、Ｓ１０１の処理によって求めた、成分ガス毎の最大値を示す最大値情報３４ｂを記憶する（Ｓ１０２）。
【0061】
次いで、パラメーター設定部３５ｃは、複数の設定用サンプルガスのそれぞれから取得された複数のガスクロマトグラムを使用して、成分ガス毎に調整パラメーターを決定する（Ｓ１０３）。ここで、サンプルガスからは、互いに臭気指数が異なる複数種類の成分ガスが検知されることがある。パラメーター設定部３５ｃは、各成分ガスの臭気指数が設定されている場合、圧縮の程度が弱い成分ガスが、圧縮の程度が強い成分ガスと比較して、臭気指数が高くなるように調整パラメーターを決定する。例えば、サンプルガスからは、臭気指数が非常に低い成分ガス、すなわち、においの判定に影響しない成分ガスが定常的に検知されることがある。パラメーター設定部３５ｃは、においの判定に影響しない成分ガスが予め指定されている場合、この成分ガスに対する調整パラメーターの第１の閾値、第２の閾値、第１の傾き、第２の傾きおよび第３の傾きを全て０に決定することによって、この成分ガスの調整の実行後の検知強度を０にする。また、パラメーター設定部３５ｃは、においの判定に影響しない成分ガスとして指定されていない成分ガスに関しては、複数の設定用サンプルガスのそれぞれから取得された複数のガスクロマトグラムに基づいて外れ値が存在するか否かを判断し、外れ値が存在する場合には、他の値からの外れ値の外れ具合に応じて、予め設定されている条件で調整パラメーターを決定しても良い。例えば、パラメーター設定部３５ｃは、圧縮の程度が強い成分ガスが、圧縮の程度が弱い成分ガスと比較して、他の値からの外れ値の外れ具合が大きくなるように調整パラメーターを決定しても良い。
【0062】
パラメーター設定部３５ｃは、Ｓ１０３の処理の後、Ｓ１０３の処理によって求めた、成分ガス毎の調整パラメーターを示す調整パラメーター情報３４ｃを記憶して（Ｓ１０４）、図７に示す動作を終了する。
【0063】
なお、以上においては、パラメーター設定部３５ｃは、自動で設定した調整パラメーターを示す調整パラメーター情報３４ｃを記憶している。しかしながら、パラメーター設定部３５ｃは、操作部３１または通信部３３を介した指示に応じた調整パラメーターを示す調整パラメーター情報３４ｃを記憶しても良い。
【0064】
次に、サンプルガスを分析する場合のコンピューター３０の動作について説明する。
【0065】
図８は、サンプルガスを分析する場合のコンピューター３０の動作のフローチャートである。
【0066】
図８に示すように、コンピューター３０の検知強度調整部３５ｂは、対象のサンプルガスに対してガスクロマトグラフ２０によって生成されたガスクロマトグラムのデータから成分ガス毎の検知強度を取得する（Ｓ１２１）。
【0067】
次いで、検知強度調整部３５ｂは、Ｓ１２１において取得された、成分ガス毎の検知強度を、調整パラメーター情報３４ｃに示される、成分ガス毎の調整パラメーターに応じて調整する（Ｓ１２２）。
【0068】
【0069】
検知強度調整部３５ｂは、Ｓ１２２の処理によって、図９（ａ）に示す検知強度を、例えば、図９（ｂ）に示す検知強度に調整する。図９（ｂ）に示すガスクロマトグラムにおいては、図９（ａ）に示すガスクロマトグラムに存在する、においの判定に影響しない成分ガス５１が、Ｓ１２２における調整によって除去されている。また、図９（ｂ）に示すガスクロマトグラムにおいては、図９（ａ）に示すガスクロマトグラムに存在する、検知強度が通常の値より大幅に外れている成分ガス５２が、Ｓ１２２における調整によって、高い圧縮率で圧縮されている。
【0070】
図８に示すように、検知強度調整部３５ｂは、Ｓ１２２の処理の後、最大値情報３４ｂに示される、成分ガス毎の最大値を、調整パラメーター情報３４ｃに示される、成分ガス毎の調整パラメーターに応じて調整する（Ｓ１２３）。
【0071】
次いで、正規化処理部３５ｄは、Ｓ１２２による調整の実行後の検知強度を、Ｓ１２３による調整の実行後の最大値で割ることによって、成分ガス毎に正規化する（Ｓ１２４）。
【0072】
次いで、ガス分析部３５ｆは、Ｓ１２４において正規化した、成分ガス毎の検知強度に基づいてニューラルネットワーク３５ｅによってサンプルガスの分析を実行して（Ｓ１２５）、図８に示す動作を終了する。
【0073】
図１０は、ニューラルネットワーク３５ｅの一例を示す図である。
【0074】
図１０に示すニューラルネットワーク３５ｅの設定項目には、入力側のノードの数を示す入力ノード数と、隠れノードの数を示す隠れノード数と、出力側のノードの数を示す出力ノード数と、活性化関数に何を使用するかということと、最適化として何を使用するかということと、Ｂａｔｃｈ ｎｏｒｍａｌｉｚａｔｉｏｎの使用の有無と、Ｗｅｉｇｈｔ ｄｅｃａｙの使用の有無と、Ｄｒｏｐｏｕｔの使用の有無と、入力のデータおよび出力の正解データからなる学習データ毎の教師有り学習の繰り返しの回数を示す教師学習繰返し回数とが含まれている。図１０に示すニューラルネットワーク３５ｅは、入力ノード数が成分ガスの種類の数である１００個であり、隠れノード数が２０個であり、出力ノード数がコーヒーの種類の数である２０個であり、活性化関数がＲｅＬＵであり、最適化がＡｄａｍであり、Ｂａｔｃｈ ｎｏｒｍａｌｉｚａｔｉｏｎを使用し、Ｗｅｉｇｈｔ ｄｅｃａｙを使用し、Ｄｒｏｐｏｕｔを使用し、教師学習繰返し回数が１００００回である。
【0075】
図１０に示す例では、サンプルガスのにおいの判定の結果として、「モカ」が出力されている。
【0076】
次に、ニューラルネットワーク３５ｅに学習を実行させる方法について説明する。
【0077】
図１１は、ニューラルネットワーク３５ｅに学習を実行させる方法のフローチャートである。
【0078】
図１１に示すように、まず、対象のサンプルガスのにおいが専門家によって判定される（Ｓ１４１）。
【0079】
次いで、コンピューター３０の学習実行部３５ｇは、Ｓ１２１～Ｓ１２４（図８参照。）処理と同様のＳ１４２～Ｓ１４５の処理を実行する。
【0080】
Ｓ１４５の処理が終了すると、学習実行部３５ｇは、Ｓ１４５において正規化した、成分ガス毎の検知強度を入力のデータにするとともに、Ｓ１４１による判定の結果を出力の正解データにすることによって、ニューラルネットワーク３５ｅに教師有り学習を実行させて（Ｓ１４６）、図１１に示す方法を終了する。
【0081】
以上に説明したように、ガス分析システム１０は、第１の閾値４１および第２の閾値４２のそれぞれの前後で検知強度の大小関係を維持しながら、調整の実行前の検知強度が特定の値超である範囲において、調整の実行後の検知強度を調整の実行前の検知強度より小さくするように、第１の閾値４１および第２の閾値４２のそれぞれで分割された複数の範囲のそれぞれの関数、すなわち、第１の一次関数４４、第２の一次関数４５および第３の一次関数４６のそれぞれによって検知強度に対して調整を実行するので、検知強度の大小関係を維持しながら検知強度の大きな外れ値を圧縮するように検知強度に対して調整を実行する場合に、検知強度の変化の比率に関する、調整の実行の前後の差を従来より低減することができる。
【0082】
例えば、成分ガスの検知強度を常用対数で対数変換する従来の構成の場合には、成分ガスの対数変換前の実際の検知強度が１０から１００に１０倍の変化をするとき、検知強度の変化の比率に関しては、上述したように、対数変換後においては対数変換前に対して０．２倍に低下する。一方、調整パラメーターが例えば図５に示すものである場合には、成分ガスの調整の実行の前の実際の検知強度が１０から１００に１０倍の変化をするとき、調整の実行の後の検知強度においても１０から１００に１０倍の変化をするので、検知強度の変化の比率に関しては、調整の実行の前後で全く差異がない。このように、調整パラメーターが図５に示すものである場合には、成分ガスの検知強度を常用対数で対数変換する従来の構成の場合と比較して、検知強度の変化の比率に関する、調整の実行の前後の差を低減することができる。
【0083】
また、成分ガスの検知強度を常用対数で対数変換する従来の構成の場合には、成分ガスの対数変換前の実際の検知強度が１０００００から１００００００に１０倍の変化をするとき、検知強度の変化の比率に関しては、上述したように、対数変換後においては対数変換前に対して０．０１２倍に低下する。一方、調整パラメーターが例えば図５に示すものである場合には、成分ガスの調整の実行の前の実際の検知強度が１０００００から１００００００に１０倍の変化をするとき、調整の実行の後の検知強度においては１０００００から３６００００に３．６倍の変化をするので、検知強度の変化の比率に関しては、調整の実行の後においては調整の実行の前に対して０．３６倍に低下する。このように、調整パラメーターが図５に示すものである場合には、成分ガスの検知強度を常用対数で対数変換する従来の構成の場合と比較して、検知強度の変化の比率に関する、調整の実行の前後の差を低減することができる。
【0084】
ガス分析システム１０は、検知強度の大小関係を維持しながら検知強度の大きな外れ値を圧縮するように検知強度に対して調整を実行する場合に、検知強度の変化の比率に関する、調整の実行の前後の差を従来より低減することができるので、調整の実行後の検知強度に基づいてサンプルガスの分析を実行するニューラルネットワーク３５ｅによるサンプルガスの分析の正解率を向上することができる。
【0085】
ガス分析システム１０は、閾値および関数を適切なものに設定することができるので、検知強度の変化の比率に関する、調整の実行の前後の差を適切に低減することができる。なお、ガス分析システム１０は、閾値および関数の少なくとも１つが固定であっても良い。
【0086】
ガス分析システム１０は、第１の閾値４１および第２の閾値４２のそれぞれで分割された複数の範囲のそれぞれにおいて、一次関数によって検知強度に対して調整を実行するので、全範囲において同一の対数関数によって検知強度に対して調整を実行する従来の構成と比較して、検知強度の変化の比率に関する、調整の実行の前後の差を低減することができる。なお、ガス分析システム１０において、第１の閾値４１および第２の閾値４２のそれぞれで分割された複数の範囲のそれぞれにおける調整のための関数は、一次関数でなくても良い。
【0087】
ガス分析システム１０は、同一の成分ガスに対して第１の閾値４１および第２の閾値４２という複数の閾値が存在するので、第１の閾値４１および第２の閾値４２のそれぞれで分割された複数の範囲で段階的に調整の程度を変化させることができ、その結果、検知強度の変化の比率に関する、調整の実行の前後の差を低減することができる。なお、ガス分析システム１０は、閾値が１つのみ存在する構成でも良いし、閾値が３つ以上存在する構成でも良い。
【0088】
ガス分析システム１０は、成分ガス毎に閾値および関数を異ならせることが可能であるので、成分ガス毎に発生する可能性がある外れ値の大きさに合わせて成分ガス毎に検知強度を調整することができ、その結果、検知強度の変化の比率に関する、調整の実行の前後の差を成分ガス毎に低減することができる。例えば、図９（ｂ）に示す例においては、ガス分析システム１０は、検知強度が通常の値より大幅に外れている成分ガス５２（図９（ａ）参照。）を、調整によって高い圧縮率で圧縮している。
【0089】
ガス分析システム１０は、サンプルガスに含まれる全ての成分ガスのうち特定の成分ガスの検知強度を調整によって最小、すなわち、０にするので、サンプルガスに含まれる全ての成分ガスのうち、サンプルガスの分析に影響しない成分ガスを除去することができる。例えば、図９（ｂ）に示す例においては、ガス分析システム１０は、サンプルガスの分析に影響しない成分ガス５１（図９（ａ）参照。）の検知強度を調整によって０にすることによって、成分ガス５１を除去している。
【0090】
ガス分析システム１０は、図６に示すように、検知強度を増幅することも可能である。例えば、臭気指数が高いにもかかわらず検知強度が低い成分ガスの場合には、この成分ガスがにおいの判定に影響するので、ガス分析システム１０は、この成分ガスを強調するために、この成分ガスの検知強度を増幅することも可能である。
【0091】
なお、ガス分析システム１０は、全ての成分ガスで閾値および関数が共通であっても良い。
【0092】
【0093】
図１２に示す例における調整パラメーターは、図５に示す例と同様に、第１の閾値４１、第２の閾値４２がそれぞれ２０００００、４０００００であり、第１の傾き、第２の傾き、第３の傾きがそれぞれ１、０．５、０．１である。図１３に示すガスクロマトグラフには、上述したように、他のリテンションタイムと比較して検知強度が極端に大きいリテンションタイム８１、８２および８３（図１３参照。）が存在する。例えば、リテンションタイム８１、８２および８３の少なくとも１つにおける検知強度は、図１３に示すガスクロマトグラムの場合に、図１３に示すガスクロマトグラムの対象のサンプルガスとは別の多数のサンプルガスのそれぞれから取得したガスクロマトグラムの場合と比較して、極端に大きな外れ値である可能性がある。しかしながら、図１３に示すガスクロマトグラフは、成分ガスの検知強度がコンピューター３０によって調整されることによって、図１２に示すものになり、図１４に示すものと同様に、調整の実行前において極端に大きかった検知強度が調整の実行後において小さく圧縮されるので、調整の実行前において極端に大きかった検知強度が外れ値であったとしても、後続の正規化処理の結果に対して与える影響を低減することができる。また、図１２に示す例は、図１４に示す例と同様に、図１３に示すガスクロマトグラフにおける微小な信号を相対的に大きくすることができている。そして、図１２に示す例は、図１４に示す例と比較して、検知強度の変化の比率に関する、調整の実行の前後の差を低減することができる。
【0094】
ガス分析システム１０は、本実施の形態において、最大値情報３４ｂに示される、成分ガス毎の最大値をサンプルガスの分析やニューラルネットワーク３５ｅにおける学習の度に調整する（Ｓ１２３およびＳ１４４）。しかしながら、最大値情報３４ｂに示される、成分ガス毎の最大値は、最大値情報３４ｂと、成分ガス毎の調整パラメーターとのいずれかが変更されるまで、変化しない。したがって、ガス分析システム１０は、最大値情報３４ｂに示される、成分ガス毎の最大値を１度調整した後、最大値情報３４ｂと、成分ガス毎の調整パラメーターとのいずれかが変更されるまで、調整済みの、成分ガス毎の最大値を使用するようにすれば、成分ガス毎の最大値を新たに調整しなくても良い。
【0095】
ガス分析システム１０は、本実施の形態において、検知強度の正規化の処理をニューラルネットワーク３５ｅの外部で実行している（Ｓ１２４）。しかしながら、ガス分析システム１０は、検知強度の正規化の処理をニューラルネットワーク３５ｅの内部で実行しても良い。例えば、ニューラルネットワーク３５ｅは、Ｓ１２２やＳ１４３による調整の実行後の検知強度が入力されて、Ｓ１２３～Ｓ１２５の処理やＳ１４４～Ｓ１４６の処理と同様の処理を内部で実行しても良い。
【0096】
更に、ガス分析システム１０は、検知強度の調整の処理をニューラルネットワーク３５ｅの内部で実行しても良い。例えば、ニューラルネットワーク３５ｅは、Ｓ１２１やＳ１４２において取得された、成分ガス毎の検知強度が入力されて、Ｓ１２２～Ｓ１２５の処理やＳ１４３～Ｓ１４６の処理と同様の処理を内部で実行しても良い。
【0097】
ガス分析システム１０は、本実施の形態において、ガスクロマトグラフ２０から得られるガスクロマトグラムの検知強度を対象にしている。しかしながら、ガス分析システム１０は、ガスクロマトグラフ２０から得られる検知強度以外の、成分ガスの検知強度を対象にしても良い。例えば、ガス分析システム１０は、ＧＣ／ＭＳ（ガスクロマトグラフィー質量分析法）で得られる成分ガスの検知強度を対象にしても良い。
【0098】
ガス分析システム１０は、本実施の形態において、教師有り学習の方法として、図１１に示すように、１つの学習データ毎に都度学習するオンライン学習を採用している。しかしながら、教師有り学習の方法は、オンライン学習以外の方法でも良い。例えば、ガス分析システム１０は、教師有り学習の方法として、多数の学習データを一括で学習するバッチ学習を採用しても良い。
【0099】
ガス分析システム１０は、本実施の形態において、コーヒーのにおいを判定するにおい判定システムである。しかしながら、ガス分析システム１０は、例えばワインのにおいなど、コーヒーのにおい以外のにおいを判定するにおい判定システムでも良いし、サンプルガスの分析として、においの判定以外の分析を実行するシステムでも良い。
【符号の説明】
【0100】
１０ ガス分析システム
３０ コンピューター
３４ａ ガス分析プログラム（プログラム）
３５ａ 成分強度検知部
３５ｂ 検知強度調整部
３５ｃ パラメーター設定部
３５ｅ ニューラルネットワーク
３５ｆ ガス分析部
４１ 第１の閾値（閾値）
４２ 第２の閾値（閾値）
４４ 第１の一次関数（関数、一次関数）
４５ 第２の一次関数（関数、一次関数）
４６ 第３の一次関数（関数、一次関数）
５１、５２ 成分ガス（成分）
３０ コンピューター
３４ａ ガス分析プログラム（プログラム）
３５ａ 成分強度検知部
３５ｂ 検知強度調整部
３５ｃ パラメーター設定部
３５ｅ ニューラルネットワーク
３５ｆ ガス分析部
４１ 第１の閾値（閾値）
４２ 第２の閾値（閾値）
４４ 第１の一次関数（関数、一次関数）
４５ 第２の一次関数（関数、一次関数）
４６ 第３の一次関数（関数、一次関数）
５１、５２ 成分ガス（成分）
【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】
