JP3703438B2 - 毛髪の状態の鑑別法 - Google Patents
毛髪の状態の鑑別法 Download PDFInfo
- Publication number
- JP3703438B2 JP3703438B2 JP2002074219A JP2002074219A JP3703438B2 JP 3703438 B2 JP3703438 B2 JP 3703438B2 JP 2002074219 A JP2002074219 A JP 2002074219A JP 2002074219 A JP2002074219 A JP 2002074219A JP 3703438 B2 JP3703438 B2 JP 3703438B2
- Authority
- JP
- Japan
- Prior art keywords
- hair
- state
- infrared absorption
- absorption spectrum
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 210000004209 hair Anatomy 0.000 title claims description 108
- 230000004069 differentiation Effects 0.000 title claims description 10
- 238000000862 absorption spectrum Methods 0.000 claims description 50
- 238000000034 method Methods 0.000 claims description 32
- 238000012360 testing method Methods 0.000 claims description 28
- 238000000491 multivariate analysis Methods 0.000 claims description 18
- 238000012850 discrimination method Methods 0.000 claims description 15
- 238000000513 principal component analysis Methods 0.000 claims description 14
- 239000002537 cosmetic Substances 0.000 claims description 13
- 230000001953 sensory effect Effects 0.000 claims description 13
- 231100000640 hair analysis Toxicity 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000000611 regression analysis Methods 0.000 claims description 5
- 239000003676 hair preparation Substances 0.000 claims description 3
- 238000011088 calibration curve Methods 0.000 description 19
- 238000001228 spectrum Methods 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 15
- 238000011156 evaluation Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000002835 absorbance Methods 0.000 description 1
- 230000003694 hair properties Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、毛髪用の化粧料の評価などに有用な毛髪の状態の鑑別法に関する。
【０００２】
【従来の技術】
毛髪の状態を鑑別することは、毛髪用の化粧料の評価などには必須の事項であり、従来この様な毛髪の状態の鑑別は、非侵襲的な方法としては、専門パネラーによる官能検査があるのみであり、その他としては、侵襲的に毛髪を採取し、グロスメーターにより、つやの示性値としてのグロス値を測定する方法や摩擦感テスターにより、なめらかさの示性値である抵抗値を測定する方法などが存在している。即ち、毛髪の状態の鑑別において、非侵襲的に鑑別を行う方法の開発、取り分け、定量性のある鑑別法の開発が望まれていた。又、毛髪の状態の代理値として毛髪内の水分量があり、これを通常のフーリエ変換を使用しない近赤外吸収スペクトルであって、回折格子を用いた分散型の近赤外吸収スペクトルより解析し、毛髪の示性値の代替として用いることは知られているが、近赤外吸収スペクトルの解析より得られた水の特性と毛髪の状態との間の因果関係については検討されていない。又、分光分析と特定の示性値とをＰＬＳ分析等の重回帰分析、主成分分析などの多変量解析を行い、相関関係を明らかにする手技は知られているが、毛髪の状態と近赤外吸収スペクトルとについて、多変量解析を行い、近赤外吸収スペクトルより毛髪の状態を鑑別するような試みも為されていない。加えて、つややかさやなめらかさ等の毛髪の状態を近赤外吸収スペクトルの多変量解析より鑑別することも行われていなかったし、行うような発想自体も存在していなかった。毛髪のつややかさやなめらかさと水の存在状態やその存在量との因果関係は全く知られていなかった。
【０００３】
【発明が解決しようとする課題】
本発明は、この様な状況下為されたものであり、毛髪用の化粧料の選択や評価、毛髪の状態の変化のモニタリングなどに有用な、毛髪の状態の鑑別において、非侵襲的に鑑別を行う方法、取り分け、非侵襲的な毛髪の鑑別法であって、定量性のある鑑別法を提供することを課題とする。
【０００４】
【課題を解決するための手段】
この様な状況に鑑みて、本発明者らは毛髪の状態の鑑別法であって、予め状態の異なる２種以上の毛髪の近赤外吸収スペクトルを測定し、前記近赤外吸収スペクトルとグロスメーターによる測定値、摩擦感テスターによる測定値、つややかさの官能試験結果及びなめらかさの官能試験結果の値から選ばれる１種乃至は２種以上の示性値とを多変量解析し、試験毛髪試料の近赤外吸収スペクトルと前記多変量解析の結果から前記試験毛髪試料の示性値を算出することにより前記試験毛髪試料を鑑別することを特徴とする、毛髪の状態の鑑別法により、試験毛髪試料の毛髪の状態を非侵襲的に、且つ、定量的に鑑別できることを見出し、発明を完成させるに至った。即ち、本発明は、以下に示す技術に関するものである。
（１）毛髪の状態の鑑別法であって、予め状態の異なる２種以上の毛髪の近赤外吸収スペクトルを測定し、前記近赤外吸収スペクトルとグロスメーターによる測定値、摩擦感テスターによる測定値、つややかさ及びなめらかさの官能試験結果の値から選ばれる１種乃至は２種以上の示性値とを多変量解析し、試験毛髪試料の近赤外吸収スペクトルと前記多変量解析の結果から前記試験毛髪試料の示性値を算出することにより前記試験毛髪試料を鑑別することを特徴とする、毛髪の状態の鑑別法。
（２）前記近赤外吸収スペクトルが、フーリエ変換近赤外吸収スペクトル及び／又はダイオードアレー検出器によるものであることを特徴とする、（１）に記載の毛髪の状態の鑑別法。
（３）多変量解析が、重回帰分析乃至は主成分分析であることを特徴とする、（１）又は（２）に記載の毛髪の状態の鑑別法。
（４）毛髪の状態の鑑別項目が、なめらかさ及び／又はつややかさであることを特徴とする、（１）〜（３）何れか１項に記載の毛髪の状態の鑑別法。
（５）近赤外吸収スペクトルの測定波長の領域が、４７００〜５０００ｃｍ-1であることを特徴とする、（１）〜（４）何れか１項に記載の毛髪の状態の鑑別法。
（６）毛髪用の化粧料による処理の前後に於ける毛髪の状態を、（１）〜（５）何れか１項に記載の毛髪の状態の鑑別法によって鑑別することによって化粧料を評価することを特徴とする、毛髪用の化粧料の評価法。
（７）（１）〜（５）何れか１項に記載の毛髪の状態の鑑別法で鑑別することによって毛髪の状態のモニタリングすることを特徴とする、毛髪の状態のモニタリング方法。
以下、本発明について、更に詳細に説明を加える。
【０００５】
【発明の実施の形態】
本発明の毛髪の状態の鑑別法は、毛髪の状態の鑑別法であって、予め状態の異なる２種以上の毛髪の近赤外吸収スペクトルを測定し、前記近赤外吸収スペクトルとグロスメーターによる測定値、摩擦感テスターによる測定値、つややかさの官能試験結果及びなめらかさの官能試験結果の値から選ばれる１種乃至は２種以上の示性値とを多変量解析により分析し、試験毛髪試料の近赤外吸収スペクトルと前記多変量解析の結果から前記試験毛髪試料の示性値を算出することを特徴とする。かかる鑑別に用いる近赤外吸収スペクトルは通常の回折格子を用いた分散型のものによるスペクトル、ダイオードアレーを用いた装置によるスペクトル、更にこれらをフーリエ変換したスペクトルの何れもが使用可能である。更に好ましいものは、分散型の装置によるスペクトルを更にフーリエ変換したもの、ダイオードアレイ検出器によるスペクトル、ダイオードアレイ検出器によるスペクトルを更にフーリエ変換したものが例示できる。ここで、多変量解析であるが、多変量解析とは、分光データなどの化学的な特性と物性などの特性値との関係を計量学的な処理によって関係づけ、解析する手法であり、重回帰分析或いは主成分分析などが知られている。この内、重回帰分析としてはＰＬＳ分析が好適に例示できる。このＰＬＳ分析であるが、この分析法は特定の試料に於ける波長などの連続的な因子の変化に対して、吸光度などの変数の出現する分光スペクトルパターンと当該試料のある示性値の間の関係を分析する場合において、各示性値と因子ごとの変数の変化を分析する手技として確立されているものである。又、主成分分析は、同様な分析において、変動に寄与する第一主成分を分析し、しかる後この第一主成分軸に対して直交する第二主成分軸を分析し、この２つの主成分軸がつくる座標におけるパターン変化で物性を比較、推定する方法である。この様なＰＬＳ分析或いは主成分分析と言った、多変量解析は、市販されているソフトウェアを使用して行うことができる。この様な多変量解析用のソフトウェアとしては、例えば、GLサイエンス社より販売されている、ピロウェット（ＰＩＲＯＵＥＴＴ）、サイバネットシステム社より販売されている、マットラボ（ＭＡＴＬＡＢ）横川電気株式会社より販売されている、アンスクランブラーII(UnscranblerII)、セパノヴァ（ＳＥＰＡＮＯＶＡ）社より販売されているシムカ（ＳＩＭＣＡ）等のソフトウェアが例示できる。又、これらに加えてシムカ（ＳＩＭＣＡ）と言われるアルゴリズムを加えることができる。かかるアルゴリズムは前記ソフトウェア中に組み込まれている場合が多く、主成分分析の表示に有用である。これらのソフトウェアを利用して、近赤外吸収スペクトルを解析し、その結果を本発明の鑑別法で用いる場合、大凡の処理ステップは次に示す手順による。この時、使用するフーリエ変換近赤外吸収スペクトルは測定して得られた原スペクトルでも良いし、前記原スペクトルをデータ加工したものでも良い。データ加工の方法としては、例えば、二次微分値、三次微分値などの多次微分値などが好ましく例示できる。この内、好ましいものは原スペクトル或いはその二次微分値である。かくして、分析すると毛髪の状態と毛髪のフーリエ変換近赤外吸収スペクトルの間には良好な相関関係がある。
【０００６】
ＰＬＳ分析の場合
（１）毛髪の分散型或いはダイオードアレイタイプの近赤外吸収スペクトル或いはそれらのフーリエ変換スペクトルを所望により、二次微分等データ加工を行い、波長と近赤外吸収スペクトル乃至はその加工データとの行列を作成する。
（２）前記行列と示性値との行列を作成し、示性値の動きに対して、動きの大きい近赤外吸収スペクトル乃至はその加工データを抽出し、その波長を特定する。
（３）抽出した近赤外吸収スペクトル乃至はその加工データと示性値より検量線を作成する。同時に、示性値ごとに検量線上へのプロットを作成しておく。
（４）試験試料のフーリエ変換近赤外吸収スペクトルを測定し、所望により二次微分等のデータ加工する。
（５）（４）のデータより（２）で特定された波長のデータを抽出する。
（６）（５）で抽出されたデータを検量線上への写像を作成する。或いは、データを検量線上へプロットする。
（７）（３）の示性値ごとのプロットと（５）の写像乃至はプロットとを比較し、試料の示性値を推測する。
尚、（２）以下の作業はコンピューターソフトウェアを利用することにより行うことができる。
主成分分析の場合
（１）毛髪の分散型或いはダイオードアレイタイプの近赤外吸収スペクトル或いはそれらのフーリエ変換スペクトルを所望により、二次微分等データ加工を行い、波長と近赤外吸収スペクトル乃至はその加工データとの行列を作成する。
（２）前記行列について主成分分析を行い、第一主成分軸を作成する。
（３）第一主成分と直交する第二主成分軸を作成する。
（４）第一主成分軸と第二主成分軸が作る平面上に（１）のスペクトルの第一主成分と第二主成分が作る点をプロットする。
（５）所望によりシムカなどのアルゴリズムを用いてグルーピングを行う。
（６）（１）と同様に試験試料の近赤外スペクトルを測定し、（４）と同様のプロットを行う。
（７）（４）のプロット乃至は（５）のグルーピングを指標に試験試料の鑑別を行う。
【０００７】
本発明の毛髪の鑑別法で使用されるフーリエ変換近赤外吸収スペクトルとしては、４０００〜１２０００ｃｍ -1 の内の少なくとも１００ｃｍ -1 が好ましい波長領域であり、特に好ましい波長領域では４７００〜５０００ｃｍ -1 である。これは、この波長領域に於けるスペクトルが毛髪の状態の示性値を良く反映しているからである。この範囲の近赤外吸収スペクトルは毛髪内の蛋白質の存在状態とその挙動を的確に捉えられていることもその一因と考えられる。
【０００８】
本発明の毛髪の状態の鑑別法で対象とする毛髪の状態の表現項目としては、なめらかさとつややかさが挙げられる。これらの項目は相互に関連しながら異なる内容も含む表現項目であり、本発明の毛髪の状態の鑑別法に於いては、これらのどちらかを対象とすることもできるし、両方を対象とすることもできる。又、これらの表現項目の示性値としては、グロスメーターによる測定値、摩擦感テスターによる測定値、つややかさの官能試験結果及びなめらかさの官能試験結果から選ばれる１種乃至は２種以上が挙げられる。ここで、官能評価は、通常化粧料の分野で使用されているものが使用でき、具体的には、良い〜悪いを５段階乃至は３段階に分けてスコアリングする方法が好ましく例示できる。即ち、５段階の評価法であれば、スコア５：良い、スコア４：やや良い、スコア３：普通、スコア２：やや悪い、スコア１：悪いと言う評価軸を例示できるし、３段階の評価であれば、スコア３：良い、スコア２：普通、スコア１：悪いと言う評価軸が例示できる。グロスメーター或いは摩擦感テスターは市販の機器があり、これを利用することができる。
【０００９】
ＰＬＳ分析を行い、フーリエ変換近赤外吸収スペクトルの二次微分値と示性値との２変数の検量線を作成するためには、示性値の異なる少なくとも２種の毛髪を用意する必要があるが、この様な示性値の異なる毛髪は、自然に存在する毛髪の示性値を測定し、これらのうちで示性値の異なるものを選択して用いることもできるし、１種の毛髪を人工的に処理して示性値の異なる毛髪とし、これを用いることもできる。
【００１０】
かくして、準備した検量線上に検量線作成に使用した毛髪のフーリエ変換近赤外吸収スペクトルの二次微分値の広がりをプロットしたり、二次微分値軸上に示性値をプロットしたりすることにより、大凡の毛髪のフーリエ変換近赤外吸収スペクトルの二次微分値と毛髪の状態の示性値との関係を知ることが出来、試験試料の毛髪のフーリエ変換近赤外吸収スペクトルのＰＬＳ分析にて、示性値が関連あると特定された波長の二次微分値のプロットをこれらと比較することにより試験試料である毛髪の示性値を算出することができる。この時簡易的に検量線上に、或いは、二次微分値軸上に検量線作成に使用した毛髪のプロットの二次微分値のメジアンや平均値などの群代表値をプロットしておき、試験試料の毛髪の二次微分値の群代表値をプロットし、群代表値同士で比較し、示性値を算出することもできる。ここで、注目すべきは、一つのフーリエ変換近赤外吸収スペクトルを測定することにより、本発明の鑑別法に従って摩擦感、グロス（光沢）の程度、官能値などの多数の毛髪の状態の示性値を算出できることであり、言い換えれば、１つの測定結果より、毛髪の状態の多面的評価ができることである。
【００１１】
かくして算出された毛髪の状態の示性値は、毛髪用の化粧料の処理効果の指標として、或いは、ダメージを受けた毛髪の回復を確認するなど、毛髪の状態のモニタリングなどに、又、毛髪の状態にあわせた毛髪用の化粧料の選択に使用することができる。この内、毛髪用の化粧料の処理効果の指標として用いる場合には、毛髪の近赤外吸収スペクトルを化粧料の処理の前後に測定しておき、これらのスペクトルデータの処理より、処理前後の毛髪の状態の示性値を算出し、その変化を効果の指標とすればよい。この様な毛髪用の化粧料の処理効果の指標として、或いは、ダメージを受けた毛髪の回復を確認するなど、毛髪の状態のモニタリングなどに、又、毛髪の状態にあわせた毛髪用の化粧料の選択は本発明の方法によって算出した毛髪の状態の示性値の代わりに毛髪のフーリエ変換近赤外吸収スペクトルのＰＬＳ分析で特定された波長の二次微分値そのものを用いることもできる。これは、毛髪の状態の示性値と毛髪のフーリエ変換近赤外吸収スペクトルのＰＬＳ分析で特定された波長の二次微分値との間に良好な相関関係が存在するからである。この様な毛髪のフーリエ変換近赤外吸収スペクトルの二次微分値の使用も本発明の技術的範囲に属する。
【００１２】
【実施例】
以下に、実施例を挙げて、本発明について更に詳細に説明を加えるが、本発明が、これら実施例にのみ限定されないことは言うまでもない。
【００１３】
＜実施例１＞
予め用意した状態の異なる３種の毛髪をグロスメーターで光沢値を測定した。同時にこの毛髪のフーリエ変換近赤外吸収スペクトル（波長４７００〜５０００ｃｍ-1）を測定し、二次微分を行った。光沢値と二次微分値についてＰＬＳ分析をアンスクランブラーＩＩを用いて行いＰＬＳ分析により検量線を作成した。検量線は図１に示す。これより、グロスメーターによる光沢値との間には良好な相関関係があることが判る。検量線上に光沢値をプロットすると光沢値ごとのブロックが形成されるようになり、この検量線を用いることにより、試験試料の毛髪のフーリエ変換近赤外吸収スペクトルより光沢値を算出することができることがわかる。又、高い相関係数より、本発明の鑑別法は定量性にも優れることが判る。
【００１４】
＜実施例２＞
実施例１と同様に、実施例１で使用した毛髪を用いて、摩擦感テスターで測定した摩擦感値との関係を調べた。検量線を図２に示す。この検量線上の摩擦感値をプロットすると、摩擦感値ごとにブロックを形成していることが判り、これを利用して、この検量線を用いることにより、試験試料の毛髪のフーリエ変換近赤外吸収スペクトルより摩擦感値を算出することができることがわかる。
【００１５】
＜実施例３＞
実施例１と同様に、実施例１で使用した毛髪を用いて、専門パネラーの評価した評価値（なめらかさ）との関係を調べた。検量線を図３に示す。この検量線上の評価値のプロットの分布は評価値ごとにブロックを形成していることが判る。これを利用して、この検量線を用いることにより、試験試料の毛髪のフーリエ変換近赤外吸収スペクトルより官能評価値を算出することができることがわかる。この様な官能評価に於いては、通常ある程度の熟練が必要とされるが、本発明の鑑別法によれば、どの様な人でも簡便に再現性の高い評価が行えることは注目に値する。
【００１６】
＜実施例４＞
実施例１の測定結果を、主成分分析にかけた。使用したソフトウェアは実施例１と同じアンスクランブラーＩＩを用いた。結果を図４に示す。これより、更に鮮明にグロス値ごとのクラス分けがされていることが判る。
【００１７】
＜実施例５＞
実施例２の測定結果を、実施例４と同様に主成分分析にかけた。使用したソフトウェアは実施例１と同じアンスクランブラーＩＩを用いた。結果を図５に示す。これにより、更に鮮明に摩擦感値ごとのクラス分けがされていることが判る。
【００１８】
＜実施例６＞
実施例３の測定結果を、実施例４と同様に主成分分析にかけた。使用したソフトウェアは実施例１と同じアンスクランブラーＩＩを用いた。結果を図６に示す。これにより、更に鮮明に評価値ごとのクラス分けがされていることが判る。
【００１９】
＜実施例７＞
実施例１、４と同様の検討を波長５１００〜５３００ｃｍ -1 に変えて同様の検討を行った。結果を図７、８にしめす。これに於いても優れた回帰性とグロス値ごとの分布性がみられるが、４７００〜５０００ｃｍ -1 の場合程ではないことが判る。
【００２０】
＜実施例８＞
実施例７と同様の検討を波長４０００〜１２０００ｃｍ -1 に変えて同様の検討を行った。結果を図９、１０にしめす。これに於いても優れた回帰性とグロス値ごとの分布性がみられるが、４７００〜５０００ｃｍ -1 の場合程ではないことが判る。
【００２１】
【発明の効果】
毛髪用の化粧料の選択や評価、毛髪の状態の変化のモニタリングなどに有用な、毛髪の状態の鑑別において、非侵襲的に鑑別を行う方法、取り分け、非侵襲的な毛髪の鑑別法であって、定量性のある鑑別法を提供することができる。
【図面の簡単な説明】
【図１】 実施例１の結果を示す図である。
【図２】 実施例２の結果を示す図である。
【図３】 実施例３の結果を示す図である。
【図４】 実施例４の結果を示す図である。
【図５】 実施例５の結果を示す図である。
【図６】 実施例６の結果を示す図である。
【図７】 実施例７の多変量解析（ＰＬＳ分析）結果を示す図である
【図８】 実施例７の主成分分析の結果を示す図である。
【図９】 実施例８の多変量解析（PLS分析）の結果を示す図である。
【図１０】 実施例８の主成分分析の結果を示す図である。
【発明の属する技術分野】
本発明は、毛髪用の化粧料の評価などに有用な毛髪の状態の鑑別法に関する。
【０００２】
【従来の技術】
毛髪の状態を鑑別することは、毛髪用の化粧料の評価などには必須の事項であり、従来この様な毛髪の状態の鑑別は、非侵襲的な方法としては、専門パネラーによる官能検査があるのみであり、その他としては、侵襲的に毛髪を採取し、グロスメーターにより、つやの示性値としてのグロス値を測定する方法や摩擦感テスターにより、なめらかさの示性値である抵抗値を測定する方法などが存在している。即ち、毛髪の状態の鑑別において、非侵襲的に鑑別を行う方法の開発、取り分け、定量性のある鑑別法の開発が望まれていた。又、毛髪の状態の代理値として毛髪内の水分量があり、これを通常のフーリエ変換を使用しない近赤外吸収スペクトルであって、回折格子を用いた分散型の近赤外吸収スペクトルより解析し、毛髪の示性値の代替として用いることは知られているが、近赤外吸収スペクトルの解析より得られた水の特性と毛髪の状態との間の因果関係については検討されていない。又、分光分析と特定の示性値とをＰＬＳ分析等の重回帰分析、主成分分析などの多変量解析を行い、相関関係を明らかにする手技は知られているが、毛髪の状態と近赤外吸収スペクトルとについて、多変量解析を行い、近赤外吸収スペクトルより毛髪の状態を鑑別するような試みも為されていない。加えて、つややかさやなめらかさ等の毛髪の状態を近赤外吸収スペクトルの多変量解析より鑑別することも行われていなかったし、行うような発想自体も存在していなかった。毛髪のつややかさやなめらかさと水の存在状態やその存在量との因果関係は全く知られていなかった。
【０００３】
【発明が解決しようとする課題】
本発明は、この様な状況下為されたものであり、毛髪用の化粧料の選択や評価、毛髪の状態の変化のモニタリングなどに有用な、毛髪の状態の鑑別において、非侵襲的に鑑別を行う方法、取り分け、非侵襲的な毛髪の鑑別法であって、定量性のある鑑別法を提供することを課題とする。
【０００４】
【課題を解決するための手段】
この様な状況に鑑みて、本発明者らは毛髪の状態の鑑別法であって、予め状態の異なる２種以上の毛髪の近赤外吸収スペクトルを測定し、前記近赤外吸収スペクトルとグロスメーターによる測定値、摩擦感テスターによる測定値、つややかさの官能試験結果及びなめらかさの官能試験結果の値から選ばれる１種乃至は２種以上の示性値とを多変量解析し、試験毛髪試料の近赤外吸収スペクトルと前記多変量解析の結果から前記試験毛髪試料の示性値を算出することにより前記試験毛髪試料を鑑別することを特徴とする、毛髪の状態の鑑別法により、試験毛髪試料の毛髪の状態を非侵襲的に、且つ、定量的に鑑別できることを見出し、発明を完成させるに至った。即ち、本発明は、以下に示す技術に関するものである。
（１）毛髪の状態の鑑別法であって、予め状態の異なる２種以上の毛髪の近赤外吸収スペクトルを測定し、前記近赤外吸収スペクトルとグロスメーターによる測定値、摩擦感テスターによる測定値、つややかさ及びなめらかさの官能試験結果の値から選ばれる１種乃至は２種以上の示性値とを多変量解析し、試験毛髪試料の近赤外吸収スペクトルと前記多変量解析の結果から前記試験毛髪試料の示性値を算出することにより前記試験毛髪試料を鑑別することを特徴とする、毛髪の状態の鑑別法。
（２）前記近赤外吸収スペクトルが、フーリエ変換近赤外吸収スペクトル及び／又はダイオードアレー検出器によるものであることを特徴とする、（１）に記載の毛髪の状態の鑑別法。
（３）多変量解析が、重回帰分析乃至は主成分分析であることを特徴とする、（１）又は（２）に記載の毛髪の状態の鑑別法。
（４）毛髪の状態の鑑別項目が、なめらかさ及び／又はつややかさであることを特徴とする、（１）〜（３）何れか１項に記載の毛髪の状態の鑑別法。
（５）近赤外吸収スペクトルの測定波長の領域が、４７００〜５０００ｃｍ-1であることを特徴とする、（１）〜（４）何れか１項に記載の毛髪の状態の鑑別法。
（６）毛髪用の化粧料による処理の前後に於ける毛髪の状態を、（１）〜（５）何れか１項に記載の毛髪の状態の鑑別法によって鑑別することによって化粧料を評価することを特徴とする、毛髪用の化粧料の評価法。
（７）（１）〜（５）何れか１項に記載の毛髪の状態の鑑別法で鑑別することによって毛髪の状態のモニタリングすることを特徴とする、毛髪の状態のモニタリング方法。
以下、本発明について、更に詳細に説明を加える。
【０００５】
【発明の実施の形態】
本発明の毛髪の状態の鑑別法は、毛髪の状態の鑑別法であって、予め状態の異なる２種以上の毛髪の近赤外吸収スペクトルを測定し、前記近赤外吸収スペクトルとグロスメーターによる測定値、摩擦感テスターによる測定値、つややかさの官能試験結果及びなめらかさの官能試験結果の値から選ばれる１種乃至は２種以上の示性値とを多変量解析により分析し、試験毛髪試料の近赤外吸収スペクトルと前記多変量解析の結果から前記試験毛髪試料の示性値を算出することを特徴とする。かかる鑑別に用いる近赤外吸収スペクトルは通常の回折格子を用いた分散型のものによるスペクトル、ダイオードアレーを用いた装置によるスペクトル、更にこれらをフーリエ変換したスペクトルの何れもが使用可能である。更に好ましいものは、分散型の装置によるスペクトルを更にフーリエ変換したもの、ダイオードアレイ検出器によるスペクトル、ダイオードアレイ検出器によるスペクトルを更にフーリエ変換したものが例示できる。ここで、多変量解析であるが、多変量解析とは、分光データなどの化学的な特性と物性などの特性値との関係を計量学的な処理によって関係づけ、解析する手法であり、重回帰分析或いは主成分分析などが知られている。この内、重回帰分析としてはＰＬＳ分析が好適に例示できる。このＰＬＳ分析であるが、この分析法は特定の試料に於ける波長などの連続的な因子の変化に対して、吸光度などの変数の出現する分光スペクトルパターンと当該試料のある示性値の間の関係を分析する場合において、各示性値と因子ごとの変数の変化を分析する手技として確立されているものである。又、主成分分析は、同様な分析において、変動に寄与する第一主成分を分析し、しかる後この第一主成分軸に対して直交する第二主成分軸を分析し、この２つの主成分軸がつくる座標におけるパターン変化で物性を比較、推定する方法である。この様なＰＬＳ分析或いは主成分分析と言った、多変量解析は、市販されているソフトウェアを使用して行うことができる。この様な多変量解析用のソフトウェアとしては、例えば、GLサイエンス社より販売されている、ピロウェット（ＰＩＲＯＵＥＴＴ）、サイバネットシステム社より販売されている、マットラボ（ＭＡＴＬＡＢ）横川電気株式会社より販売されている、アンスクランブラーII(UnscranblerII)、セパノヴァ（ＳＥＰＡＮＯＶＡ）社より販売されているシムカ（ＳＩＭＣＡ）等のソフトウェアが例示できる。又、これらに加えてシムカ（ＳＩＭＣＡ）と言われるアルゴリズムを加えることができる。かかるアルゴリズムは前記ソフトウェア中に組み込まれている場合が多く、主成分分析の表示に有用である。これらのソフトウェアを利用して、近赤外吸収スペクトルを解析し、その結果を本発明の鑑別法で用いる場合、大凡の処理ステップは次に示す手順による。この時、使用するフーリエ変換近赤外吸収スペクトルは測定して得られた原スペクトルでも良いし、前記原スペクトルをデータ加工したものでも良い。データ加工の方法としては、例えば、二次微分値、三次微分値などの多次微分値などが好ましく例示できる。この内、好ましいものは原スペクトル或いはその二次微分値である。かくして、分析すると毛髪の状態と毛髪のフーリエ変換近赤外吸収スペクトルの間には良好な相関関係がある。
【０００６】
ＰＬＳ分析の場合
（１）毛髪の分散型或いはダイオードアレイタイプの近赤外吸収スペクトル或いはそれらのフーリエ変換スペクトルを所望により、二次微分等データ加工を行い、波長と近赤外吸収スペクトル乃至はその加工データとの行列を作成する。
（２）前記行列と示性値との行列を作成し、示性値の動きに対して、動きの大きい近赤外吸収スペクトル乃至はその加工データを抽出し、その波長を特定する。
（３）抽出した近赤外吸収スペクトル乃至はその加工データと示性値より検量線を作成する。同時に、示性値ごとに検量線上へのプロットを作成しておく。
（４）試験試料のフーリエ変換近赤外吸収スペクトルを測定し、所望により二次微分等のデータ加工する。
（５）（４）のデータより（２）で特定された波長のデータを抽出する。
（６）（５）で抽出されたデータを検量線上への写像を作成する。或いは、データを検量線上へプロットする。
（７）（３）の示性値ごとのプロットと（５）の写像乃至はプロットとを比較し、試料の示性値を推測する。
尚、（２）以下の作業はコンピューターソフトウェアを利用することにより行うことができる。
主成分分析の場合
（１）毛髪の分散型或いはダイオードアレイタイプの近赤外吸収スペクトル或いはそれらのフーリエ変換スペクトルを所望により、二次微分等データ加工を行い、波長と近赤外吸収スペクトル乃至はその加工データとの行列を作成する。
（２）前記行列について主成分分析を行い、第一主成分軸を作成する。
（３）第一主成分と直交する第二主成分軸を作成する。
（４）第一主成分軸と第二主成分軸が作る平面上に（１）のスペクトルの第一主成分と第二主成分が作る点をプロットする。
（５）所望によりシムカなどのアルゴリズムを用いてグルーピングを行う。
（６）（１）と同様に試験試料の近赤外スペクトルを測定し、（４）と同様のプロットを行う。
（７）（４）のプロット乃至は（５）のグルーピングを指標に試験試料の鑑別を行う。
【０００７】
本発明の毛髪の鑑別法で使用されるフーリエ変換近赤外吸収スペクトルとしては、４０００〜１２０００ｃｍ -1 の内の少なくとも１００ｃｍ -1 が好ましい波長領域であり、特に好ましい波長領域では４７００〜５０００ｃｍ -1 である。これは、この波長領域に於けるスペクトルが毛髪の状態の示性値を良く反映しているからである。この範囲の近赤外吸収スペクトルは毛髪内の蛋白質の存在状態とその挙動を的確に捉えられていることもその一因と考えられる。
【０００８】
本発明の毛髪の状態の鑑別法で対象とする毛髪の状態の表現項目としては、なめらかさとつややかさが挙げられる。これらの項目は相互に関連しながら異なる内容も含む表現項目であり、本発明の毛髪の状態の鑑別法に於いては、これらのどちらかを対象とすることもできるし、両方を対象とすることもできる。又、これらの表現項目の示性値としては、グロスメーターによる測定値、摩擦感テスターによる測定値、つややかさの官能試験結果及びなめらかさの官能試験結果から選ばれる１種乃至は２種以上が挙げられる。ここで、官能評価は、通常化粧料の分野で使用されているものが使用でき、具体的には、良い〜悪いを５段階乃至は３段階に分けてスコアリングする方法が好ましく例示できる。即ち、５段階の評価法であれば、スコア５：良い、スコア４：やや良い、スコア３：普通、スコア２：やや悪い、スコア１：悪いと言う評価軸を例示できるし、３段階の評価であれば、スコア３：良い、スコア２：普通、スコア１：悪いと言う評価軸が例示できる。グロスメーター或いは摩擦感テスターは市販の機器があり、これを利用することができる。
【０００９】
ＰＬＳ分析を行い、フーリエ変換近赤外吸収スペクトルの二次微分値と示性値との２変数の検量線を作成するためには、示性値の異なる少なくとも２種の毛髪を用意する必要があるが、この様な示性値の異なる毛髪は、自然に存在する毛髪の示性値を測定し、これらのうちで示性値の異なるものを選択して用いることもできるし、１種の毛髪を人工的に処理して示性値の異なる毛髪とし、これを用いることもできる。
【００１０】
かくして、準備した検量線上に検量線作成に使用した毛髪のフーリエ変換近赤外吸収スペクトルの二次微分値の広がりをプロットしたり、二次微分値軸上に示性値をプロットしたりすることにより、大凡の毛髪のフーリエ変換近赤外吸収スペクトルの二次微分値と毛髪の状態の示性値との関係を知ることが出来、試験試料の毛髪のフーリエ変換近赤外吸収スペクトルのＰＬＳ分析にて、示性値が関連あると特定された波長の二次微分値のプロットをこれらと比較することにより試験試料である毛髪の示性値を算出することができる。この時簡易的に検量線上に、或いは、二次微分値軸上に検量線作成に使用した毛髪のプロットの二次微分値のメジアンや平均値などの群代表値をプロットしておき、試験試料の毛髪の二次微分値の群代表値をプロットし、群代表値同士で比較し、示性値を算出することもできる。ここで、注目すべきは、一つのフーリエ変換近赤外吸収スペクトルを測定することにより、本発明の鑑別法に従って摩擦感、グロス（光沢）の程度、官能値などの多数の毛髪の状態の示性値を算出できることであり、言い換えれば、１つの測定結果より、毛髪の状態の多面的評価ができることである。
【００１１】
かくして算出された毛髪の状態の示性値は、毛髪用の化粧料の処理効果の指標として、或いは、ダメージを受けた毛髪の回復を確認するなど、毛髪の状態のモニタリングなどに、又、毛髪の状態にあわせた毛髪用の化粧料の選択に使用することができる。この内、毛髪用の化粧料の処理効果の指標として用いる場合には、毛髪の近赤外吸収スペクトルを化粧料の処理の前後に測定しておき、これらのスペクトルデータの処理より、処理前後の毛髪の状態の示性値を算出し、その変化を効果の指標とすればよい。この様な毛髪用の化粧料の処理効果の指標として、或いは、ダメージを受けた毛髪の回復を確認するなど、毛髪の状態のモニタリングなどに、又、毛髪の状態にあわせた毛髪用の化粧料の選択は本発明の方法によって算出した毛髪の状態の示性値の代わりに毛髪のフーリエ変換近赤外吸収スペクトルのＰＬＳ分析で特定された波長の二次微分値そのものを用いることもできる。これは、毛髪の状態の示性値と毛髪のフーリエ変換近赤外吸収スペクトルのＰＬＳ分析で特定された波長の二次微分値との間に良好な相関関係が存在するからである。この様な毛髪のフーリエ変換近赤外吸収スペクトルの二次微分値の使用も本発明の技術的範囲に属する。
【００１２】
【実施例】
以下に、実施例を挙げて、本発明について更に詳細に説明を加えるが、本発明が、これら実施例にのみ限定されないことは言うまでもない。
【００１３】
＜実施例１＞
予め用意した状態の異なる３種の毛髪をグロスメーターで光沢値を測定した。同時にこの毛髪のフーリエ変換近赤外吸収スペクトル（波長４７００〜５０００ｃｍ-1）を測定し、二次微分を行った。光沢値と二次微分値についてＰＬＳ分析をアンスクランブラーＩＩを用いて行いＰＬＳ分析により検量線を作成した。検量線は図１に示す。これより、グロスメーターによる光沢値との間には良好な相関関係があることが判る。検量線上に光沢値をプロットすると光沢値ごとのブロックが形成されるようになり、この検量線を用いることにより、試験試料の毛髪のフーリエ変換近赤外吸収スペクトルより光沢値を算出することができることがわかる。又、高い相関係数より、本発明の鑑別法は定量性にも優れることが判る。
【００１４】
＜実施例２＞
実施例１と同様に、実施例１で使用した毛髪を用いて、摩擦感テスターで測定した摩擦感値との関係を調べた。検量線を図２に示す。この検量線上の摩擦感値をプロットすると、摩擦感値ごとにブロックを形成していることが判り、これを利用して、この検量線を用いることにより、試験試料の毛髪のフーリエ変換近赤外吸収スペクトルより摩擦感値を算出することができることがわかる。
【００１５】
＜実施例３＞
実施例１と同様に、実施例１で使用した毛髪を用いて、専門パネラーの評価した評価値（なめらかさ）との関係を調べた。検量線を図３に示す。この検量線上の評価値のプロットの分布は評価値ごとにブロックを形成していることが判る。これを利用して、この検量線を用いることにより、試験試料の毛髪のフーリエ変換近赤外吸収スペクトルより官能評価値を算出することができることがわかる。この様な官能評価に於いては、通常ある程度の熟練が必要とされるが、本発明の鑑別法によれば、どの様な人でも簡便に再現性の高い評価が行えることは注目に値する。
【００１６】
＜実施例４＞
実施例１の測定結果を、主成分分析にかけた。使用したソフトウェアは実施例１と同じアンスクランブラーＩＩを用いた。結果を図４に示す。これより、更に鮮明にグロス値ごとのクラス分けがされていることが判る。
【００１７】
＜実施例５＞
実施例２の測定結果を、実施例４と同様に主成分分析にかけた。使用したソフトウェアは実施例１と同じアンスクランブラーＩＩを用いた。結果を図５に示す。これにより、更に鮮明に摩擦感値ごとのクラス分けがされていることが判る。
【００１８】
＜実施例６＞
実施例３の測定結果を、実施例４と同様に主成分分析にかけた。使用したソフトウェアは実施例１と同じアンスクランブラーＩＩを用いた。結果を図６に示す。これにより、更に鮮明に評価値ごとのクラス分けがされていることが判る。
【００１９】
＜実施例７＞
実施例１、４と同様の検討を波長５１００〜５３００ｃｍ -1 に変えて同様の検討を行った。結果を図７、８にしめす。これに於いても優れた回帰性とグロス値ごとの分布性がみられるが、４７００〜５０００ｃｍ -1 の場合程ではないことが判る。
【００２０】
＜実施例８＞
実施例７と同様の検討を波長４０００〜１２０００ｃｍ -1 に変えて同様の検討を行った。結果を図９、１０にしめす。これに於いても優れた回帰性とグロス値ごとの分布性がみられるが、４７００〜５０００ｃｍ -1 の場合程ではないことが判る。
【００２１】
【発明の効果】
毛髪用の化粧料の選択や評価、毛髪の状態の変化のモニタリングなどに有用な、毛髪の状態の鑑別において、非侵襲的に鑑別を行う方法、取り分け、非侵襲的な毛髪の鑑別法であって、定量性のある鑑別法を提供することができる。
【図面の簡単な説明】
【図１】 実施例１の結果を示す図である。
【図２】 実施例２の結果を示す図である。
【図３】 実施例３の結果を示す図である。
【図４】 実施例４の結果を示す図である。
【図５】 実施例５の結果を示す図である。
【図６】 実施例６の結果を示す図である。
【図７】 実施例７の多変量解析（ＰＬＳ分析）結果を示す図である
【図８】 実施例７の主成分分析の結果を示す図である。
【図９】 実施例８の多変量解析（PLS分析）の結果を示す図である。
【図１０】 実施例８の主成分分析の結果を示す図である。
Claims (7)
- 毛髪の状態の鑑別法であって、予め状態の異なる２種以上の毛髪の近赤外吸収スペクトルを測定し、前記近赤外吸収スペクトルとグロスメーターによる測定値、摩擦感テスターによる測定値、つややかさ及びなめらかさの官能試験結果の値から選ばれる１種乃至は２種以上の示性値とを多変量解析し、試験毛髪試料の近赤外吸収スペクトルと前記多変量解析の結果から前記試験毛髪試料の示性値を算出することにより前記試験毛髪試料を鑑別することを特徴とする、毛髪の状態の鑑別法。
- 前記近赤外吸収スペクトルが、フーリエ変換近赤外吸収スペクトル及び／又はダイオードアレー検出器によるものであることを特徴とする、請求項１に記載の毛髪の状態の鑑別法。
- 多変量解析が、重回帰分析乃至は主成分分析であることを特徴とする、請求項１又は２に記載の毛髪の状態の鑑別法。
- 毛髪の状態の鑑別項目が、なめらかさ及び／又はつややかさであることを特徴とする、請求項１〜３何れか１項に記載の毛髪の状態の鑑別法。
- 近赤外吸収スペクトルの測定波長の領域が、４７００〜５０００ｃｍ-1であることを特徴とする、請求項１〜４何れか１項に記載の毛髪の状態の鑑別法。
- 毛髪用の化粧料による処理の前後に於ける毛髪の状態を、請求項１〜５何れか１項に記載の毛髪の状態の鑑別法によって鑑別することによって化粧料を評価することを特徴とする、毛髪用の化粧料の評価法。
- 請求項１〜５何れか１項に記載の毛髪の状態の鑑別法で鑑別することによって毛髪の状態のモニタリングすることを特徴とする、毛髪の状態のモニタリング方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002074219A JP3703438B2 (ja) | 2002-03-18 | 2002-03-18 | 毛髪の状態の鑑別法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002074219A JP3703438B2 (ja) | 2002-03-18 | 2002-03-18 | 毛髪の状態の鑑別法 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2003270138A JP2003270138A (ja) | 2003-09-25 |
| JP2003270138A5 JP2003270138A5 (ja) | 2004-10-28 |
| JP3703438B2 true JP3703438B2 (ja) | 2005-10-05 |
Family
ID=29203670
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002074219A Expired - Fee Related JP3703438B2 (ja) | 2002-03-18 | 2002-03-18 | 毛髪の状態の鑑別法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3703438B2 (ja) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1629775A4 (en) * | 2004-03-31 | 2006-11-15 | Pola Chem Ind Inc | METHOD OF EVALUATING HAIR DETERIORATION DEGREE |
| JP2005287853A (ja) * | 2004-04-01 | 2005-10-20 | Pola Chem Ind Inc | 毛髪の鑑別法 |
| KR20080050404A (ko) * | 2005-09-02 | 2008-06-05 | 포라 가세이 고교 가부시키가이샤 | 피부의 상태의 판정 방법 및 피부의 두께의 예측 방법 |
| JP5457755B2 (ja) * | 2009-08-10 | 2014-04-02 | 花王株式会社 | 毛髪評価システムおよび毛髪評価方法 |
| KR102406640B1 (ko) * | 2015-09-30 | 2022-06-08 | (주)아모레퍼시픽 | 두피와 모발의 노화지수 산출방법 |
| DE102016212202A1 (de) * | 2016-07-05 | 2018-01-11 | Henkel Ag & Co. Kgaa | Verfahren und Vorrichtung zum Ermitteln eines Schädigungsgrads von Haar und Verfahren zum Ermitteln eines nutzerspezifischen Mittels zur Haarbehandlung |
| DE102016222193A1 (de) * | 2016-11-11 | 2018-05-17 | Henkel Ag & Co. Kgaa | Verfahren zum Ermitteln einer nutzerspezifischen Haarbehandlung I |
| EP3481280B1 (de) * | 2016-07-05 | 2020-09-02 | Henkel AG & Co. KGaA | Verfahren zum ermitteln einer nutzerspezifischen haarbehandlung |
| WO2018007358A1 (de) | 2016-07-05 | 2018-01-11 | Henkel Ag & Co. Kgaa | Verfahren zum ermitteln einer nutzerspezifischen haarbehandlung |
| DE102016223916A1 (de) * | 2016-12-01 | 2018-06-07 | Henkel Ag & Co. Kgaa | Verfahren zum Ermitteln einer nutzerspezifischen Haarbehandlung III |
| JP7560826B2 (ja) * | 2020-08-31 | 2024-10-03 | ヱスビー食品株式会社 | 香気成分解析方法、香気成分解析装置 |
-
2002
- 2002-03-18 JP JP2002074219A patent/JP3703438B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2003270138A (ja) | 2003-09-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abu-Khalaf et al. | Visible/Near Infrared (VIS/NIR) spectroscopy as an optical sensor for evaluating olive oil quality | |
| Raghavendra et al. | Mango internal defect detection based on optimal wavelength selection method using NIR spectroscopy | |
| Kiani et al. | Integration of computer vision and electronic nose as non-destructive systems for saffron adulteration detection | |
| Fu et al. | Comparison of diffuse reflectance and transmission mode of visible-near infrared spectroscopy for detecting brown heart of pear | |
| Doty et al. | Predicting the time of the crime: Bloodstain aging estimation for up to two years | |
| Vitale et al. | A rapid and non-invasive method for authenticating the origin of pistachio samples by NIR spectroscopy and chemometrics | |
| Kleynen et al. | Selection of the most efficient wavelength bands for ‘Jonagold’apple sorting | |
| Kamruzzaman et al. | Introduction to hyperspectral imaging technology | |
| Huang et al. | Apple mealiness detection using hyperspectral scattering technique | |
| Sun et al. | Simultaneous measurement of brown core and soluble solids content in pear by on-line visible and near infrared spectroscopy | |
| JP3703438B2 (ja) | 毛髪の状態の鑑別法 | |
| CN103645155B (zh) | 生鲜羊肉嫩度的快速无损检测方法 | |
| Ren et al. | Assessing black tea quality based on visible–near infrared spectra and kernel-based methods | |
| CN103837492B (zh) | 一种基于近红外光谱技术的猕猴桃膨大果无损检测方法 | |
| US10578550B2 (en) | Identifying presence of substrates | |
| Pérez-Marín et al. | A system using in situ NIRS sensors for the detection of product failing to meet quality standards and the prediction of optimal postharvest shelf-life in the case of oranges kept in cold storage | |
| JP2003270138A5 (ja) | ||
| Bock et al. | Innovative uses of near‐infrared spectroscopy in food processing | |
| Adam | Sensory and instrumental methods of meat evaluation: A review | |
| CN101893557A (zh) | 动物毛皮种类的快速无损鉴别方法 | |
| Beghi et al. | Influence of packaging in the analysis of fresh-cut Valerianella locusta L. and Golden Delicious apple slices by visible-near infrared and near infrared spectroscopy | |
| JP4533603B2 (ja) | 皮膚状態の測定方法 | |
| Fagan et al. | Prediction of processed cheese instrumental texture and meltability by mid-infrared spectroscopy coupled with chemometric tools | |
| CN109614714A (zh) | 一种发酵乳香气感官质量控制的模型建立方法 | |
| Das et al. | Discrimination of various clones of black tea using NIR spectroscopy |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050308 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050329 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050530 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20050705 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050719 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |