特許 7571524 インクジェット式プリンター用インク判別方法、およびインクジェット式プリンター用インク判別システム

(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】2024-10-15

(45)【発行日】2024-10-23

(54)【発明の名称】インクジェット式プリンター用インク判別方法、およびインクジェット式プリンター用インク判別システム

(51)【国際特許分類】

   G01N 33/32 20060101AFI20241016BHJP

   B41J 2/01 20060101ALI20241016BHJP

   G01N 21/27 20060101ALI20241016BHJP

【ＦＩ】

G01N33/32

B41J2/01 451

G01N21/27 A

【請求項の数】 5

(21)【出願番号】P 2020212192

(22)【出願日】2020-12-22

(65)【公開番号】P2022098671

(43)【公開日】2022-07-04

【審査請求日】2023-11-06

(73)【特許権者】

【識別番号】000002369

【氏名又は名称】セイコーエプソン株式会社

(74)【代理人】

【識別番号】100179475

【弁理士】

【氏名又は名称】仲井 智至

(74)【代理人】

【識別番号】100216253

【弁理士】

【氏名又は名称】松岡 宏紀

(74)【代理人】

【識別番号】100225901

【弁理士】

【氏名又は名称】今村 真之

(72)【発明者】

【氏名】鎌田 崇廣

(72)【発明者】

【氏名】渡邊 亮基

(72)【発明者】

【氏名】山下 充裕

(72)【発明者】

【氏名】大野 典

(72)【発明者】

【氏名】松坂 健治

【審査官】草川 貴史

(56)【参考文献】

【文献】中国特許出願公開第１１１５９８１４６（ＣＮ，Ａ）

【文献】特開２００５－２３１３５６（ＪＰ，Ａ）

【文献】特開２０２０－１２８０５９（ＪＰ，Ａ）

【文献】特開２０２０－１１６８７１（ＪＰ，Ａ）

【文献】特開２０２０－１０７１４４（ＪＰ，Ａ）

【文献】国際公開第２０２２／０７１９３２（ＷＯ，Ａ１）

【文献】韓国登録特許第１０－２３５６０１４（ＫＲ，Ｂ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０１Ｎ ３３／３２

Ｂ４１Ｊ ２／０１

２／１６５－２／２２０

２／２１－ ２／２１５

Ｃ０９Ｄ １／００－１０／００

１０１／００－２０１／１０

Ｇ０１Ｎ ２１／２７

(57)【特許請求の範囲】

【請求項1】

光源と分光器と検出器とを含む分光分析部を備えた分光分析装置を用いてインクジェット式プリンターで使用されるインクジェット式プリンター用インクに光を照射して観測される吸光度Ａと透過率Ｔ％と反射率Ｒ％の３つのインクジェット式プリンター用インク特性データと、前記インクジェット式プリンター用インクの種類または前記インクジェット式プリンター用インクの種類を含む前記インクジェット式プリンター用インクの属性情報とを対応付けた教師データを用いて機械学習させることにより学習済モデルを生成し、
前記分光分析装置を用いて前記インクジェット式プリンターで使用される前記インクジェット式プリンター用インクに光を照射して観測された吸光度Ａと透過率Ｔ％と反射率Ｒ％の３つのインクジェット式プリンター用インク観測データを入力して得られる前記学習済モデルの出力データに基づき、前記インクジェット式プリンター用インク観測データに対応するインクジェット式プリンター用インクの種類を判別し、
前記属性情報は前記インクジェット式プリンター用インクの色、タイプ、成分、メーカー、製造地域、製造時期の内の少なくとも１つである
インクジェット式プリンター用インク判別方法。

【請求項2】

前記インクジェット式プリンター用インクの前記タイプは、水性、油性、紫外線硬化型、熱硬化型、染料系、顔料系成分の内の少なくとも１つである、
請求項１に記載のインクジェット式プリンター用インク判別方法。

【請求項3】

前記インクジェット式プリンター用インクに入射する入射光の強度をＩ０、前記インクジェット式プリンター用インクからの透過光の強度をＩ１、前記インクジェット式プリンター用インクからの反射光の強度をＩ２としたとき、

吸光度Ａ＝log（Ｉ０／Ｉ１）
透過率Ｔ％＝Ｉ１／Ｉ０×１００
反射率Ｒ％＝Ｉ２／Ｉ０×１００
であり、

前記Ｉ０、前記Ｉ１、前記Ｉ２は紫外領域から赤外領域までを１０ｎｍ毎の波長に区切って観測され、
前記吸光度Ａ、前記透過率Ｔ％、前記反射率Ｒ％は前記１０ｎｍ毎の波長毎に取得される
請求項１及び２に記載のインクジェット式プリンター用インク判別方法。

【請求項4】

前記機械学習に用いられる訓練モデルは、全ｎ層の各層をＬ１からＬｎで示されるＣＮＮ（Convolutional Neural Network）であり、
前記吸光度Ａの訓練モデルＡと、前記透過率Ｔ％の訓練モデルＴ％と、前記反射率Ｒ％の訓練モデルＲ％とをそれぞれ設定し、
前記訓練モデルＡは、前記１０ｎｍ毎に区切られた波長毎の吸光度Ａを前記吸光度Ａの前記訓練モデルＡの入力層である第１層Ｌ１の各ノードへの入力データとし、最終出力層Ｌｎから前記吸光度Ａに対応する最終出力データＡを出力し、
前記訓練モデルＴ％は、前記１０ｎｍ毎に区切られた波長毎の透過率Ｔ％を前記透過率Ｔ％の前記訓練モデルＴ％の入力層である第１層Ｌ１の各ノードへの入力データとし、最終出力層Ｌｎから前記透過率Ｔ％に対応する最終出力データＴ％を出力し、
前記訓練モデルＲ％は、前記１０ｎｍ毎に区切られた波長毎の反射率Ｒ％を前記反射率Ｒ％の前記訓練モデルＲ％の入力層である第１層Ｌ１の各ノードへの入力データとし、最終出力層Ｌｎから前記反射率Ｒ％に対応する最終出力データＲ％を出力し、
前記最終出力データＡと、前記最終出力データＴ％と、前記最終出力データＲ％の３つを統合して最終結果とする
請求項３に記載のインクジェット式プリンター用インク判別方法。

【請求項5】

光源と分光器と検出器とを含む分光分析部を備え、インクジェット式プリンター用インクに光を照射して前記インクジェット式プリンター用インクの吸光度Ａと透過率Ｔ％と反射率Ｒ％の３つを観測する分光分析装置と、
前記分光分析装置で観測される吸光度Ａと透過率Ｔ％と反射率Ｒ％の３つのインクジェット式プリンター用インク特性データと、前記インクジェット式プリンター用インクの種類または前記インクジェット式プリンター用インクの種類を含む前記インクジェット式プリンター用インクの属性情報とを対応付けた教師データを用いて機械学習した学習済モデルとしてのインクジェット式プリンター用インク判定器と、
前記分光分析装置で観測された吸光度Ａと透過率Ｔ％と反射率Ｒ％の３つのインクジェット式プリンター用インク観測データを入力して得られる前記インクジェット式プリンター用インク判定器の出力データに基づき、前記インクジェット式プリンター用インク観測データに対応する前記インクジェット式プリンター用インクの種類を判別するインクジェット式プリンター用インク判別部と、を備え、
前記属性情報は前記インクジェット式プリンター用インクの色、タイプ、成分、メーカー、製造地域、製造時期の内の少なくとも１つである
インクジェット式プリンター用インク判別システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、インク判別方法、およびインク判別システムに関する。

【背景技術】

【0002】

特許文献１には、充填されたインクに対して光を照射する工程と、前記光が前記インクを透過または反射する光量を測定する工程であって、１色のインクに対して波長の異なる複数の光量をそれぞれ測定する工程と、前記測定された複数の光量に基づいて前記充填されたインクが所定のインクか否かを判別する工程と、を含むことを特徴とするインク判別方法が記載されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２００５－２３１３５６号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、特許文献１に記載のインク判別方法では、インクを透過または反射する光量の測定値に基づいて、インクが所定のインクか否かの判別を可能とするためには、判別のための閾値を適切に設定しなければならなかった。つまり、設定された閾値が適切に設定されていない場合には、インクの判別を正確に行うことができないという課題があった。

【課題を解決するための手段】

【0005】

本発明のインク判別方法は、インクに光を照射して観測される吸光度、透過率、反射率の内の少なくとも１つのインク特性データと、前記インクの種類または前記インクの種類を含む前記インクの属性情報とを対応付けた教師データを用いて機械学習させることにより学習済モデルを生成し、インクに光を照射して観測された吸光度、透過率、反射率の内の少なくとも１つのインク観測データを入力して得られる前記学習済モデルの出力データに基づき、前記インク観測データに対応するインクの種類を判別する。

【0006】

本発明のインク判別システムは、インクに光を照射して観測される吸光度、透過率、反射率の内の少なくとも１つのインク特性データと、前記インクの種類または前記インクの種類を含む前記インクの属性情報とを対応付けた教師データを用いて機械学習した学習済モデルとしてのインク判定器と、インクに光を照射して観測された吸光度、透過率、反射率の内の少なくとも１つのインク観測データを入力して得られる前記インク判定器の出力データに基づき、前記インク観測データに対応するインクの種類を判別するインク判別部と、を備える。

【図面の簡単な説明】

【0007】

【図1】実施形態に係る学習済モデルを生成する機械学習装置の構成を示すブロック図である。

【図2】機械学習により学習済モデルを生成する処理を示すフローチャートである。

【図3】実施形態において利用される訓練モデルの一例を示す模式図である。

【図4】実施形態に係るインク判別システムの構成を示すブロック図である。

【図5】実施形態に係るインク判別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】

【0008】

１．実施形態
本実施形態のインク判別方法は、インクに光を照射して観測されるインク特性データと、インクの種類またはインクの種類を含むインクの属性情報とを対応付けた教師データを用いて機械学習させることにより生成した学習済モデルとしてのインク判定器を用いてインクの判別を行うことを特徴としている。インク判定器を用いたインクの判別に当たっては、判別を行う対象のインクに光を照射して観測されるデータをインク観測データとして取得し、取得したインク観測データをインク判定器に入力し、入力に対応して得られたインク判定器の出力データに基づきインクの種類を判別する。

【0009】

まず、図１から図３を参照して、インク判定器の生成処理について具体的に説明する。
インクとしては、例えば、インクジェット式のプリンターで使用されるインクが挙げられるが、これに限定するものではない。印刷以外に、例えば、描画、塗装、筆記などに用いられるインクであってもよい。
インクの種類を判別するとは、例えば、インクメーカーによって命名されたインク名や付番されたインク品番を特定することを意味している。

【0010】

インクの属性情報とは、インクの種類、つまり、インク名やインク品番の情報の他、インクの色、インクのタイプ、インクに含まれる成分、インクのメーカー、インクの製造地域、インクの製造時期の内の少なくとも１つの情報である。
インクのタイプとしては、例えば、水性、油性、紫外線硬化型、熱硬化型、染料系、顔料系などの情報が含まれる。
インク特性データは、インクに光を照射して観測される吸光度Ａ、透過率Ｔ％、反射率Ｒ％の内の少なくとも１つのデータである。

【0011】

インク判定器２は、図１に示す機械学習装置１において、学習プログラム３に従い、教師データ４を用いて、訓練モデル５を訓練することにより生成する。インク判定器２は、ある時点までに得られた教師データ４により、訓練モデル５を用いて生成された学習済みのモデルであり、通信部５０を介して、後述するインク判別システムに提供された時点で、そのインク判別システムにおけるインク判定器２として扱われる。
機械学習装置１は、コンピューターシステムであり、機械学習部１０、入力部２０、表示部３０、記憶部４０、通信部５０などを備えている。

【0012】

機械学習部１０は、ＣＰＵ，ＲＡＭ，ＲＯＭを備え、記憶部４０に記憶された学習プログラム３に従い、機械学習に必要な演算を実行する。機械学習部１０は、機械学習を行うために、ＧＰＵや機械学習用に設計された各種のプロセッサーを備えても良い。
ＣＰＵは、Central Processing Unitを、ＲＡＭは、Random access memoryを、ＲＯＭは、Read-Only Memoryを、ＧＰＵは、Graphics Processing Unitを意味する。

【0013】

入力部２０は、ユーザーインターフェイスとしての情報入力手段である。具体的には、例えば、キーボードやマウスポインターなどである。
表示部３０は、ユーザーインターフェイスとしての情報表示手段であり、機械学習部１０の制御の基に、例えば、入力部２０から入力される情報や、機械学習部１０の演算結果などが表示される。

【0014】

記憶部４０は、ハードディスクドライブやメモリーカードなどの書き換え可能な記憶媒体であり、機械学習部１０が動作する学習プログラム３や、機械学習を行うための教師データ４、訓練モデル５、機械学習の結果生成された学習済モデルとしてのインク判定器２などが記憶される。
通信部５０は、例えば、ＬＡＮインターフェイスやＵＳＢインターフェイスなどの汎用インターフェイスを備え、外部の電子機器との情報の授受を行う。

【0015】

本実施形態において、機械学習装置１は、各種インクのインク特性データおよびそのインク特性データに対応するインクの種類の情報を教師データ４として、訓練モデル５を用いて機械学習を行なう。インクの種類の情報とは、インクの種類またはインクの種類を含むインクの属性情報である。
インク特性データとして、インクの分光分析による吸光度Ａ、透過率Ｔ％、反射率Ｒ％などのデータを用いるのは、インクの種類に応じてこれらの特性が異なることが利用できるためである。

【0016】

インクの吸光度Ａ、透過率Ｔ％、反射率Ｒ％は、分光光度計を用い、試料のインクに照射した光の強度に対して、インクが吸収した強度、インクを透過した強度、インクが反射した強度を評価することにより取得する。
入射光の強度をＩ０、透過光の強度をＩ１、反射光の強度をＩ２としたとき、それぞれ以下により求める。
吸光度Ａ＝log（Ｉ０／Ｉ１）
透過率Ｔ％＝Ｉ１／Ｉ０×１００
反射率Ｒ％＝Ｉ２／Ｉ０×１００
分光分析は、照射する光の波長を所定の波長範囲、例えば、紫外領域から赤外領域まで、１０ｎｍ毎に区切って、その波長範囲の吸光度Ａ、透過率Ｔ％、反射率Ｒ％のそれぞれのデータの集合として取得する。

【0017】

図２は、機械学習部１０が機械学習を行なって、インク判定器２を生成する処理を示すフローチャートである。この処理を開始するまでに、複数種類のインクについて、そのインク特性データが、インクの種類またはインクの種類を含むインクの属性情報に対応付けた教師データ４として収集され、記憶部４０に記憶されている。

【0018】

まずステップＳ１として、記憶部４０から、訓練モデル５および教師データ４を取得する。
次に、ステップＳ２、ステップＳ３により、訓練モデル５を用いた機械学習処理を、汎化が完了するまで行なう。訓練モデル５の汎化が完了したか否かのステップＳ３における判定は、その時点までの訓練モデル５にテストデータを入力して得られる出力の正答率の閾値判定により行う。
訓練モデル５に対して教師データ４を与えて機械学習をすることにより、汎化が完了すると、インク判定器２が生成される。ステップＳ４では、学習済モデルとして、インク判定器２を記憶部４０に保存する。

【0019】

機械学習用の訓練モデル５は種々の定義が可能である。図３は、本実施形態において利用される訓練モデルの一例を模式的に示した図である。同図においては、ＣＮＮによる全ｎ層の各層をＬ１からＬｎで示しており、通常のニューラルネットワークのノードを白丸で示している。本実施形態においては、ＣＮＮを用いたが、カプセルネットワーク型やベクトルニューラルネットワーク型などの各種ニューラルネットワークなど、他のモデルを利用してもよい。ＣＮＮは、Convolutional Neural Networkを意味している。

【0020】

第１層Ｌ１には、一定波長毎のインク特性データを入力する複数のノードが設けられている。本実施形態においては、例えば、分光反射率データが示す一定波長毎の反射率Ｒ％を入力層である第１層Ｌ１の各ノードへの入力データとし、最終出力層Ｌｎから反射率Ｒ％に対応する最終出力データを出力する。
反射率Ｒ％のデータに代えて、あるいは加えて、一定波長毎の透過率Ｔ％や吸光度Ａを用いてもよい。例えば、吸光度Ａ、透過率Ｔ％、反射率Ｒ％の３つのデータを用いる場合には、図３に示した訓練モデル５を３つ設け、各訓練モデル５の最終層から吸光度Ａ、透過率Ｔ％、反射率Ｒ％に対応する結果を出力させ、それらの結果を統合して判定させる最終出力層Ｌｎを構築し、最終結果を出力させてもよい。
また、インクの属性情報の内、インクの種類に応じて決まるインク特性データの傾向に影響を与える可能性のある情報については、入力データとして、新たに設けるノードから入力するようにしてもよい。

【0021】

第１層Ｌ１の各ノードの出力は次の第２層Ｌ２のノードに、所定の重み付けを施されて接続されている。これは第２層Ｌ２以降、第Ｌｎ－１層まで同様である。この各層間における各ノード間の重み付けを、教師データ４を用いて修正する作業を繰り返すことで、学習が進み、学習済モデルとしてのインク判定器２が生成されていく。

【0022】

次に、図４を参照し、インク判別システムについて説明する。
本実施形態のインク判別システム１０００は、インク判別装置１００と分光分析装置２００とを備えている。

【0023】

インク判別装置１００は、コンピューターシステムであり、インク判別部１１０、入力部１２０、表示部１３０、記憶部１４０、通信部１５０などを備えている。

【0024】

インク判別部１１０は、ＣＰＵ，ＲＡＭ，ＲＯＭを備え、記憶部１４０に記憶されたインク判定器２を用い、インクの種類の判別に必要な演算を実行する。
入力部１２０は、ユーザーインターフェイスとしての情報入力手段である。具体的には、例えば、キーボードやマウスポインターなどである。
表示部１３０は、ユーザーインターフェイスとしての情報表示手段であり、インク判別部１１０の制御の基に、例えば、入力部１２０から入力される情報や、インク判別部１１０の演算結果などが表示される。

【0025】

記憶部１４０は、ハードディスクドライブやメモリーカードなどの書き換え可能な記憶媒体であり、インク判別部１１０が動作するプログラムや、インクの種類を判別するためのインク判定器２などが記憶されている。
通信部１５０は、例えば、ＬＡＮインターフェイスやＵＳＢインターフェイスなどの汎用インターフェイスを備え、分光分析装置２００や、機械学習装置１を含む外部の電子機器との情報の授受を行う。

【0026】

分光分析装置２００は、分光分析部２１０、通信部２５０などを備えている。
分光分析部２１０は、光源、分光器、検出器などを備え、インクに光を照射して観測される吸光度Ａ、透過率Ｔ％、反射率Ｒ％の内の少なくとも１つのインク観測データを取得することができる。なお、分光分析部２１０は、上述したインク特性データ、すなわち、学習済モデルとしてインク判定器２を生成する際の機械学習における教師データ４としてのインク特性データを取得する際に用いた分光光度計と同じ計測仕様、分析仕様での分光分析を行えることが好ましい。

【0027】

通信部２５０は、例えば、ＬＡＮインターフェイスやＵＳＢインターフェイスなどの汎用インターフェイスを備え、インク判別装置１００や外部の電子機器との情報の授受を行う。通信部２５０は、分光分析部２１０が取得したインク観測データを、インク判別装置１００に送信することができる。

【0028】

すなわち、インク判別システム１０００は、インクに光を照射して観測される吸光度Ａ、透過率Ｔ％、反射率Ｒ％の内の少なくとも１つのインク特性データと、インクの種類またはインクの種類を含むインクの属性情報とを対応付けた教師データ４を用いて機械学習した学習済モデルとしてのインク判定器２と、インクに光を照射して観測された吸光度Ａ、透過率Ｔ％、反射率Ｒ％の内の少なくとも１つのインク観測データを入力して得られるインク判定器２の出力データに基づき、インク観測データに対応するインクの種類を判別するインク判別部１１０と、を備えている。

【0029】

なお、インク判別装置１００は、機械学習機能を備えてもよい。具体的には、インク判別装置１００は、取得しているインク判定器２を訓練モデルとし、分光分析装置２００から新たに得られるインク観測データと、そのインク観測データに対応する正しいインクの種類の情報とを新たな教師データ４Ｎとして、更に機械学習を行い、インク判定器２をリファインする機能を備えてもよい。

【0030】

次に、インク判別装置１００を用いたインク判別フローについて、図５に示すフローチャートを参照して説明する。
インク判別の処理を開始するにあたり、インク判別装置１００は、記憶部１４０に学習済モデルとしてのインク判定器２を備えている。すなわち、本実施形態におけるインク判別方法としては、予め、インクに光を照射して観測される吸光度Ａ、透過率Ｔ％、反射率Ｒ％の内の少なくとも１つのインク特性データと、インクの種類またはインクの種類を含むインクの属性情報とを対応付けた教師データ４を用いて機械学習させることにより学習済モデルを生成しておく。

【0031】

インク判別の処理では、まず、ステップＳａ１として、インクの種類を判別する対象のインクの試料を準備する。具体的には、インク試料を、分光分析部２１０での評価が可能な状態にセットする。
次に、ステップＳａ２として、分光分析部２１０によりインク試料の分光分析を行い、インク観測データを取得する。分光分析は、照射する光の波長を所定の波長範囲、例えば、紫外領域から赤外領域まで、１０ｎｍ毎に区切って、その波長範囲の吸光度Ａ、透過率Ｔ％、反射率Ｒ％のそれぞれのデータの集合として取得する。
分光分析部２１０は、通信部２５０を介して、取得したインク観測データをインク判別装置１００に送信し、インク観測データを受信したインク判別装置１００は、インク判別部１１０において、ステップＳａ３として、インク観測データをインク判定器２に入力し、インク判定器２の出力データに基づき、インク観測データに対応するインクの種類を判別する。インク判別部１１０は、判別結果を表示部１３０に表示する。

【0032】

２．実施形態の作用効果
本実施形態によれば、以下の効果を得ることができる。
本実施形態のインク判別方法は、インクに光を照射して観測される吸光度Ａ、透過率Ｔ％、反射率Ｒ％の内の少なくとも１つのインク特性データと、インクの種類またはインクの種類を含むインクの属性情報とを対応付けた教師データ４を用いて機械学習させることにより学習済モデルとしてのインク判定器２を生成し、インクに光を照射して観測された吸光度Ａ、透過率Ｔ％、反射率Ｒ％の内の少なくとも１つのインク観測データを入力して得られるインク判定器２の出力データに基づき、インク観測データに対応するインクの種類を判別することを特徴としている。つまり、機械学習したインク判定器２を用いて判定した結果に基づきインクの種類を判別するため、判別を行うための閾値を設定する必要が無く、また、判別の精度を高めるための閾値の見直しを行うことも無く、精度の高い判別を行うことができる。

【0033】

また、本実施形態のインク判別方法は、機械学習における教師データ４とするインクの属性情報に、インクの色、タイプ、成分、メーカー、製造地域、製造時期の内の少なくとも１つの情報を含めることができる。その場合、教師データ４を用いて機械学習したインク判定器２を用いてインクの種類を判別するに当たり、その判別の精度を高めることができる。

【0034】

また、本実施形態のインク判別システム１０００は、インクに光を照射して観測される吸光度Ａ、透過率Ｔ％、反射率Ｒ％の内の少なくとも１つのインク特性データと、インクの種類またはインクの種類を含むインクの属性情報とを対応付けた教師データ４を用いて機械学習した学習済モデルとしてのインク判定器２と、インクに光を照射して観測された吸光度Ａ、透過率Ｔ％、反射率Ｒ％の内の少なくとも１つのインク観測データを入力して得られるインク判定器２の出力データに基づき、インク観測データに対応するインクの種類を判別するインク判別部１１０と、を備えている。つまり、本実施形態のインク判別システム１０００によれば、機械学習したインク判定器２を用いて判定した結果に基づきインクの種類を判別するため、判別を行うための閾値を設定する必要が無く、また、判別の精度を高めるための閾値の見直しを行うことも無く、精度の高い判別を行うことができる。

【符号の説明】

【0035】

１…機械学習装置、２…インク判定器、３…学習プログラム、４…教師データ、５…訓練モデル、１０…機械学習部、２０…入力部、３０…表示部、４０…記憶部、５０…通信部、１００…インク判別装置、１１０…インク判別部、１２０…入力部、１３０…表示部、１４０…記憶部、１５０…通信部、２００…分光分析装置、２１０…分光分析部、２５０…通信部、１０００…インク判別システム。

【図1】

【図2】

【図3】

【図4】

【図5】