JP7800583B2 - 情報処理システム、情報処理方法 - Google Patents

Description

本発明は対象の匂いの特徴に基づいて、該対象に関する情報を推定可能な情報処理システム、および情報処理方法に関する。

従来、匂い測定として、測定対象が発する匂いを構成する化学物質群の中から匂いに関係する特定の気体状化学物質を検出し、測定する技術が知られている。例えば、特許文献１では、土壌から送出される気体の種類及び量を臭気センサによって測定している。

特開２０２１－１９３８９４号公報

匂いを構成する化学物質である匂い原因物質としては、例えばアンモニア、メルカプタン、アルデヒド、硫化水素およびアミンといった物質が知られている。従来の匂い測定では、これらの匂い原因物質を個別に測定することを目的に設計された、アンモニアセンサまたは硫化水素センサ等のセンサが用いられる。

しかしながら、実際に測定対象から発される匂いには、不特定多数の化学物質が混合されて含まれている。従来の匂い測定では、実際の匂いに含まれる物質のうち、センサの測定対象である物質について測定することは可能ではあるものの、実際の匂いに含まれるセンサの測定対象外の物質については測定することができない。したがって、測定対象から発される匂いに不特定多数の化学物質が含まれる場合、従来の匂い測定では、実際の匂いの全容について十分に測定できているとは言えない。

不特定多数の匂い原因物質が混合されて含まれ得る測定対象の実際の匂いを測定し、当該匂いを特定の匂いとして検出、峻別または認識することが求められている。そこで、本発明は、対象の実際の匂いに基づき、匂いを発する対象に関する情報を特定することを目的とする。

本発明の一態様に係る情報処理システムは、複数のセンサ素子が設けられたセンサチャンバと、対象の匂いに対応する匂い物質を含む第１気体および前記対象の匂いに対応する匂い物質を含まない第２気体を交互に前記センサチャンバ内に供給可能な供給機構と、を備える少なくとも１以上の匂い測定装置と、前記複数のセンサ素子の各々からの検出信号を取得する取得部と取得した前記検出信号から前記対象の匂いの特徴を示す特徴情報を抽出する抽出部と、抽出した前記特徴情報に基づいて前記対象に関する対象情報を推定する推定部と、
を備える。

本発明の一態様に係る情報処理方法は、１または複数の情報処理装置により実行される制御方法であって、複数のセンサ素子が設けられたセンサチャンバと、対象の匂いに対応する匂い物質を含む第１気体および前記対象の匂いに対応する匂い物質を含まない第２気体を交互に前記センサチャンバ内に供給可能な供給機構と、を備える少なくとも１以上の匂い測定装置の前記複数のセンサ素子の各々からの検出信号を取得する取得ステップと、取得した前記検出信号から前記対象の匂いの特徴を示す特徴情報を抽出する抽出ステップと、抽出した前記特徴情報に基づいて前記対象に関する対象情報を推定する推定ステップと、を含む。

本発明の一態様によれば、対象の実際の匂いの特徴に基づいて、該対象に関する情報を推定することができる。

本発明の一実施形態に係る情報処理システムの構成の一例を示す概略図である。 センサ素子の構成の一例を示す上面図である。 図２に示すセンサ素子の構成の一例を示す断面図である。 本発明の一実施形態に係る匂い測定装置の構成の一例を示す概略図である。 匂い測定装置の概観の一例を示す概略図である。 本発明のセンサ素子の構成の一例を示す上面図である。 本発明のセンサ素子の構成の一例を示す上面図である。 本発明のセンサ素子の構成の一例を示す斜視図である。 情報処理システムの構成の一例を示す機能ブロック図である。 推定装置が推定モデルを生成する処理の流れの一例を示すフローチャートである。 情報処理システムの構成の一例を示す機能ブロック図である。 推定装置が対象情報を推定する処理の流れの一例を示すフローチャートである。 トリエチルアミン（ＴＥＡ）を含むフォームを対象として用いた測定における検出強度およびＴＥＡを含まないフォームを対象として測定における検出強度の経時的変化を示すグラフである。 図１３に示す測定時と同様の対象を用いて複数回の測定を行った場合における検出結果を示すグラフである。 ある対象における、該対象が製品として問題ないか否かを示す対象情報と、該対象を用いて行われた測定における検出信号の検出強度を示す特徴情報との対応を示す図である。 複数の対象における、官能評価試験および匂い測定装置を用いて行われた測定に基づく特徴量を示す図である。 ２つの対象と、それぞれの対象を用いて行われた測定によって得られた検出信号から特徴情報として抽出された特徴量を示す。 ２つの対象について、複数のセンサ素子を用いて測定を行った結果を示す。 対象として添加物１および添加物２のそれぞれが劣化する前と劣化した後と、における測定の結果を示す二次元マップである。 複数のセンサ素子を供える匂いセンサを用いて特定の空間内の匂い物質を測定したときの検出信号の強度と時間との関係を示すグラフを示す。

本発明の一実施形態について以下に説明するが、本発明はこれに限定されるものではない。また、本明細書において特記しない限り、数値範囲を表す「Ａ～Ｂ」は、「Ａ以上Ｂ以下」を意図する。

〔情報処理システム１００の概要〕
まず、図１を用いて本発明に係る情報処理システム１００の概要について説明する。図１は、本発明の一実施形態に係る情報処理システム１００の構成の一例を示す概略図である。図１に示すように、情報処理システム１００は、対象の匂いに対応する匂い物質に基づく検出信号を出力可能な匂い測定装置２０と、当該検出信号に基づき対象情報を推定可能な推定装置１０、１０ａを備える。ここで、「対象の匂いに対応する匂い物質」は、「対象の匂いを構成する匂い物質」であり、「対象の匂いを特徴付ける匂い物質」を含んでいてもよい。情報処理システム１００は、推定の対象の匂いに対応する匂い物質に基づく検出信号を取得し、当該検出信号から当該対象の匂いの特徴を示す特徴情報を抽出し、当該特徴情報から、当該対象に関する対象情報を推定するシステムである。

ここで、特徴情報とは、例えば、匂い物質に関係する検出信号の強度および該強度の時間変化パターン等である。対象情報とは、対象に関する情報であり、例えば匂い物質を放出する対象の匂いについての評価情報、当該対象の匂いを所定の基準に基づいて分類した分類情報、および、当該対象の状態を示す状態情報等であってもよい。「所定の基準」とは、例えば基準となる匂いとの類似度、および、所定の匂い物質の含有量（あるいは含有比率）などであってもよい。情報処理システム１００は、対象の匂い物質に基づく検出信号を利用することで、当該対象の状態等を推定することができる。

例えば、対象が食品である場合、対象情報は、食品の新鮮さ、保存状態、発酵の進行度、加熱具合、等であってもよい。対象が所定の目的に使用される空間（例えば、浴室、トイレ、食堂、調理場等）である場合、対象情報は、該空間の清潔度、換気の必要性、等であってもよい。対象が廃液および下水等である場合、対象情報は、排出前に必要な浄化処理の種類、およびその必要度、等であってもよい。

本明細書中、「匂い物質」とは、広義において匂い物質受容層に吸着可能な物質を意味する。従って、一般的に匂いの原因物質とされていない物質も含まれる。「匂い」には原因となる匂い物質が複数含まれることが多く、また、匂い物質として認知されていない物質または未知の匂い物質も存在する。本発明の一実施形態は、匂い物質受容層への匂い物質の吸着量が匂い物質の種類によって異なることに着目するものである。

なお、本明細書中、単に「匂い物質」と記載した場合であっても、個々の匂い物質ではなく、複数の匂い物質が含まれ得る「匂い物質の集合体」を意味する場合がある。

情報処理システム１００において、匂い測定装置２０は、匂い物質に応じた検出信号を出力可能な匂いセンサ３０を備えており、匂いセンサ３０は、匂い物質に反応する樹脂組成物を有する複数のセンサ素子３１Ａを備えている。以下では、まず、匂いセンサ３０の各センサ素子３１が有する樹脂組成物に関して説明する。その後、樹脂組成物を有するセンサ素子３１、センサ素子３１を適用した匂いセンサ３０、および匂いセンサ３０を備える匂い測定装置２０を含む情報処理システム１００の詳細について説明する。

〔１．樹脂組成物〕
本発明の一実施形態に係る樹脂組成物は、匂い物質受容層３１５を形成するための樹脂組成物であって、樹脂（Ａ）および導電性炭素材料（Ｃ）を含む。なお、樹脂組成物は、さらに界面活性剤（Ｂ）を含んでいてもよい。樹脂（Ａ）、界面活性剤（Ｂ）および導電性炭素材料（Ｃ）については後に具体例を挙げて説明する。

本明細書中、「匂い物質受容層」とは、識別対象となる匂い物質を吸着する層を意味する。匂い物質受容層３１５は上述の樹脂組成物から形成される。匂い物質受容層３１５は、後述のセンサ素子３１の一部として設けられ得る。この匂い物質受容層３１５は、匂い物質の吸着等に応じて電気抵抗値が変化する。すなわち、センサ素子３１は、このような匂い物質受容層３１５を備える匂い検知デバイスであり、センサ素子３１の匂い測定方式はケミレジスター型である。

＜樹脂（Ａ）＞
本発明の一実施形態に係る樹脂組成物に含まれる樹脂（Ａ）は、特に限定されないが、ウレタン樹脂、ポリアルキレンオキサイド、アクリル樹脂、フッ素基含有樹脂、ビニル重合樹脂、シリコーン樹脂、ポリアミド樹脂、ポリプロピレン樹脂、パラフィンワックスおよびポリエステル樹脂等であってもよい。

＜界面活性剤（Ｂ）＞
本発明の一実施形態に係る樹脂組成物は、以下で説明するような界面活性剤（Ｂ）を含んでいてもよい。界面活性剤（Ｂ）は、後述する導電性炭素材料（Ｃ）の分散剤としての作用を呈する。界面活性剤（Ｂ）は、上記の作用を発現する範囲において、公知の界面活性剤から適宜に選ぶことが可能である。

界面活性剤（Ｂ）としては、例えばアニオン性界面活性剤、カチオン性界面活性剤、両性界面活性剤およびノニオン性界面活性剤が挙げられる。

アニオン性界面活性剤としては、炭素数１０～２４のカルボン酸のアルカリ金属塩、炭素数１４～２４のアルキルスルホン酸のアルカリ金属塩、およびポリエーテル酸エステルのアミン塩等が挙げられる。

前記炭素数１０～２４のカルボン酸としては、例えば、デカン酸、ウンデカン酸、ドデカン酸、トリデカン酸、テトラデカン酸、ヘキサデカン酸、ヘプタデカン酸、オクタデカン酸、ペンタデカン酸、ノナデカン酸、イコサン酸、ヘンイコサン酸、ドコサン酸、トリコサン酸およびテトラコサン酸等が挙げられる。

前記炭素数１４～２４のアルキルスルホン酸が有するアルキル基としては、例えば、テトラデシル基、ペンタデシル基、ヘキサデシル基、ヘプタデシル基、オクタデシル基、ノナデシル基、イコシル基、ヘンイコシル基、ドコシル基、トリコシル基およびテトラコシル基等が挙げられる。

前記アルカリ金属塩が含むアルカリ金属としては、例えば、ナトリウムおよびカリウム等が挙げられる。

カチオン性界面活性剤としては、炭素数１２～２４のアルキル基を有する第４級アンモニウムのハロゲン化物塩等が挙げられる。

前記炭素数１２～２４のアルキル基を有する第４級アンモニウムとしては、例えばテトラプロピルアンモニウム、テトラブチルアンモニウム、テトラペンチルアンモニウム、テトラヘキシルアンモニウム、ジメチルジオクチルアンモニウム、ジデシルジメチルアンモニウム、デシルトリメチルアンモニウム、ドデシルトリメチルアンモニウム、トリデシルトリメチルアンモニウム、ヘキサデシルトリメチルアンモニウム、メチルトリオクチルアンモニウム、オクチルトリメチルアンモニウム、トリブチルメチルアンモニウム、オクタデシルトリメチルアンモニウム、テトラデシルトリメチルアンモニウム、ノナデシルトリメチルアンモニウム、イコシルトリメチルアンモニウム、ヘンイコシルトリメチルアンモニウム、ヘプタデシルトリメチルアンモニウムおよびペンタデシルトリメチルアンモニウム等が挙げられる。

前記ハロゲン化物塩としては、例えばフッ化物塩、塩化物塩、臭化物塩およびヨウ化物塩等が挙げられる。

両性界面活性剤としては、例えば、炭素数１０～２２のアルキル基を有するジメチル（３－スルホプロピル）アンモニウム分子内塩、炭素数１０～２２のアルキル基を有するＮ－アルキル－Ｎ，Ｎ－ジメチルグリシン等が挙げられる。

炭素数１０～２２のアルキル基を有するジメチル（３－スルホプロピル）アンモニウムヒドロキシド分子内塩としては、例えばデシルジメチル（３－スルホプロピル）アンモニウムヒドロキシド分子内塩、ウンデシルジメチル（３－スルホプロピル）アンモニウムヒドロキシド分子内塩、ドデシルジメチル（３－スルホプロピル）アンモニウムヒドロキシド分子内塩、トリデシルジメチル（３－スルホプロピル）アンモニウムヒドロキシド分子内塩、テトラデシルジメチル（３－スルホプロピル）アンモニウムヒドロキシド分子内塩、ペンタデシルジメチル（３－スルホプロピル）アンモニウムヒドロキシド分子内塩、ヘキサデシルジメチル（３－スルホプロピル）アンモニウムヒドロキシド分子内塩、ヘプタデシルジメチル（３－スルホプロピル）アンモニウムヒドロキシド分子内塩、オクタデシルジメチル（３－スルホプロピル）アンモニウムヒドロキシド分子内塩、ノナデシルジメチル（３－スルホプロピル）アンモニウムヒドロキシド分子内塩、イコシルジメチル（３－スルホプロピル）アンモニウムヒドロキシド分子内塩、ヘンイコシルジメチル（３－スルホプロピル）アンモニウムヒドロキシド分子内塩およびドコシルジメチル（３－スルホプロピル）アンモニウムヒドロキシド分子内塩等が挙げられる。

炭素数１０～２２のアルキル基を有するＮ－アルキル－Ｎ，Ｎ－ジメチルグリシンとしては、Ｎ－ドデシル－Ｎ，Ｎ－ジメチルグリシンおよびＮ－オクタデシル－Ｎ，Ｎ－ジメチルグリシン等が挙げられる。

ノニオン性界面活性剤としては、例えば、高級アルコールエチレンオキサイド付加物等が挙げられる。

高級アルコールとしては、１－ヘキシルアルコール、１－ヘプチルアルコール、１－オクチルアルコール、１－ノニルアルコール、１－デシルアルコール、１－ウンデシルアルコール、１－ドデシルアルコール、１－トリデシルアルコール、１－テトラデシルアルコール、１－ペンタデシルアルコール、１－ヘキサデシルアルコール、１－ヘプタデシルアルコール、１－オクタデシルアルコール等が挙げられる。

エチレンオキサイド付加モル数は、匂い識別性能の観点から５～５０が好ましく、より好ましくは５～４０が好ましく、さらに好ましくは５～３０である。

前記樹脂（Ａ）と前記界面活性剤（Ｂ）との重量比［（Ａ）／（Ｂ）］は、匂い識別性能の観点により、好ましくは１．０～５０．０である。

前記樹脂（Ａ）と前記界面活性剤（Ｂ）とは相溶していても相溶していなくても良い。

界面活性剤（Ｂ）は、導電性炭素材料（Ｃ）に対する分散性の観点から、ノニオン性界面活性剤であることが好ましい。また、界面活性剤（Ｂ）は、導電性炭素材料（Ｃ）に対する分散性の観点から、アミド基、第１級アミノ基、第２級アミノ基、第３級アミノ基のうち少なくとも１つを有することが好ましい。また、界面活性剤（Ｂ）は、導電性炭素材料（Ｃ）に対する分散性の観点から、オキシエチレン鎖、オキシプロピレン鎖、および、オキシエチレン・オキシプロピレンのランダム構造もしくはブロック構造、の少なくとも１つを有することが好ましい。なお、オキシエチレン・オキシプロピレンのランダム構造は、オキシエチレンとオキシプロピレンとの両方が不規則に連結してなる鎖状構造である。また、オキシエチレン・オキシプロピレンのブロック構造は、オキシエチレンが連結してなるオキシエチレンブロックと、オキシプロピレンが連結してなるオキシプロピレンブロックとが連結してなる鎖状構造である。

＜導電性炭素材料（Ｃ）＞
本発明の一実施形態に係る樹脂組成物は、導電性炭素材料（Ｃ）を含んでいる。本明細書において、導電性炭素材料（Ｃ）とは、体積固有抵抗が０．１Ω・ｃｍ以下の炭素材料のことである。上述の樹脂組成物は、樹脂（Ａ）中に導電性炭素材料（Ｃ）が分散している状態である。導電性炭素材料（Ｃ）同士が互いに接触して導電経路を形成することで樹脂組成物が導電性を有する。

導電性炭素材料（Ｃ）としては、例えば、カーボンブラック、カーボンナノチューブおよびグラフェン等が挙げられる。

カーボンブラックの市販品としては、ケッチェンブラックＥＣ（オランダ・アクゾ社製商品名）、ケッチェンブラックＥＣ－３００Ｊ（ライオンスペシャリティケミカルズ（株）製商品名）、ケッチェンブラックＥＣ－６００ＪＤ（ライオンスペシャリティケミカルズ（株）製商品名）、シーストＧ１１６、１１６（東海カーボン社製商品名）、ニテロン＃１０（新日鉄化学（株）社製商品名）、デンカブラック（デンカ（株）社製商品名）、トーカブラック（東海カーボン（株）製商品名）およびＳＵＰＥＲ Ｃ－６５（米国・ＭＴＩ Ｃｏｒｐｏｒａｔｉｏｎ社製商品名）等がある。

カーボンナノチューブの市販品としては、ＶＧＣＦ－Ｈ（昭和電工（株）社製商品名）等がある。

グラフェンの市販品としては、シグマアルドリッチ社製がある。

前記導電性炭素材料（Ｃ）の形状は、好ましくは繊維状または球状である。

繊維状である場合、繊維径は好ましくは０．１～１０μｍであり、更に好ましくは０．１～５μｍである。繊維長は好ましくは０．１～１０μｍであり、更に好ましくは１～１０μｍである。

球状である場合、１次粒子径が好ましくは１０ｎｍ～２００ｎｍであり、更に好ましくは２０ｎｍ～１５０ｎｍである。

また、導電性炭素材料は、樹脂組成物中での導電性及びセンサ感度の観点から、一次粒子径が１００ｎｍ以下であることが好ましい。導電性炭素材料の粒子径は、公知の方法で求めることが可能である。例えば導電性炭素材料の粒子径は透過型電子顕微鏡（ＴＥＭ）により観察し、画像処理装置（例えばキーエンス製のデジタルマイクロスコープＶＨＸ－７００Ｆ）を用いて画像解析することにより測定することができる。導電性炭素材料が公知の物または市販品である場合には、粒子径は、文献値またはカタログ値であってもよい。

導電性炭素材料（Ｃ）の含有量は、樹脂組成物から形成されるセンサ素子が匂いセンサとして十分な導電性を発現する観点、および当該匂いセンサとして十分な感度を発現する観点から、樹脂（Ａ）、導電性炭素材料（Ｃ）との合計量を１００重量％とした場合に、好ましくは１０～６０重量％である。匂い物質受容層３１５におけるカーボンブラックの含有量は、樹脂（Ａ）、導電性炭素材料（Ｃ）との合計量を１００重量％とした場合に、より好ましくは１０～５５重量％であってもよい。

樹脂組成物は、本発明の効果が得られる範囲において、前述した樹脂（Ａ）、界面活性剤（Ｂ）および導電性炭素材料（Ｃ）以外の他の成分をさらに含有していてもよい。他の成分の例には、溶媒（Ｄ）が含まれる。当該他の成分は、本発明の効果および当該他の成分による効果の両方が得られる範囲で好適に使用され得る。

溶媒（Ｄ）は、樹脂（Ａ）と導電性炭素材料（Ｃ）との相溶性を高める観点、樹脂組成物中における界面活性剤（Ｂ）の分散性を高める観点、または樹脂組成物の塗布性を高める観点から樹脂組成物に配合することが可能である。溶媒（Ｄ）の例には、Ｎ－メチルピロリドン（以下、ＮＭＰとも称する）、プロピレングリコールモノメチルエーテルアセテート、酪酸エチル、酪酸ブチル、酢酸エチル、Ｎ，Ｎ－ジメチルホルムアミド、Ｎ，Ｎ－ジメチルアセトアミド、トルエンおよびキシレンが含まれる。

樹脂組成物における溶媒（Ｄ）の含有量は、上記の観点の観点から適宜に決定し得る。たとえば、樹脂組成物における溶媒（Ｄ）の含有量は、塗工性の観点から、樹脂（Ａ）、界面活性剤（Ｂ）および導電性炭素材料（Ｃ）の合計１００重量部に対して、１００～１００００重量部であることが好ましい。

＜樹脂組成物の製造方法＞
本発明の一実施形態に係る樹脂組成物の製造方法の具体的な一例を示せば、下記の通りである。

前記樹脂組成物は、樹脂（Ａ）および導電性炭素材料（Ｃ）を混合して、撹拌機で均一に混練することでスラリーとして得られる。樹脂（Ａ）および導電性炭素材料（Ｃ）の混合時に、必要に応じて界面活性剤（Ｂ）および溶媒（Ｄ）が添加されてもよい。攪拌機としては、例えば自転・公転ミキサーが用いられる。自転・公転ミキサーとして、例えばＡＲＥ－３１０（（株）シンキー社製商品名）、またはＨＲ００３－０４Ａ／Ｖ（三星工業株式会社製商品名）が挙げられる。樹脂組成物は、樹脂（Ａ）、および導電性炭素材料（Ｃ）を混合して、例えば回転数を２０００回転／分とし、回転時間を１０～６０分程度として撹拌機で混練することで、所望の空隙率を有するスラリーとして得られる。溶媒（Ｄ）を添加する場合では、溶媒（Ｄ）は樹脂組成物から留去される。溶媒（Ｄ）は、均一に混合して生成した樹脂組成物から留去してもよいし、後述のセンサ素子の製造時に生成した塗膜から留去してもよい。

〔２．センサ素子３１〕
上述した樹脂組成物は、樹脂組成物に匂い物質Ａが吸着した場合と、匂い物質Ａとは異なる匂い物質Ｂが吸着した場合とで、電気伝導性の経時的な変化が異なる。この性質を利用すれば、匂い物質を検出・識別可能なセンサ素子３１を実現することができる。

以下では、本発明の一実施形態に係る樹脂組成物を適用したセンサ素子３１の概要および効果について説明する。

センサ素子３１は、上述の樹脂組成物を含む匂い物質受容層３１５、第１金属配線３１３Ａ、および第２金属配線３１３Ｂを備えている。なお、以下では、第１金属配線３１３Ａおよび第２金属配線３１３Ｂを区別しない場合、金属配線３１３と記す場合がある。

ここで、第１金属配線３１３Ａおよび第２金属配線３１３Ｂについて、図２および図３を用いて説明する。図２は、センサ素子３１の構成の一例を示す上面図であり、図３は、図２に示すセンサ素子３１の構成の一例を示す断面図である。

第１金属配線３１３Ａおよび第２金属配線３１３Ｂはそれぞれ、匂い物質受容層３１５（すなわち、樹脂組成物）の電気伝導性の変化を計測するための電極として機能する金属配線である。すなわち、第１金属配線３１３Ａと第２金属配線３１３Ｂとは互いに離間しており、匂い物質受容層３１５は、第１金属配線の少なくとも一部と第２金属配線の少なくとも一部とに接している。一例において、第１金属配線３１３Ａおよび第２金属配線３１３Ｂは、互いに直接接していない金属配線であり、図２に示すように、互いに略平行な金属配線であってもよい。

図２に示すように第１金属配線３１３Ａおよび第２金属配線３１３Ｂを含む金属配線３１３は、基板３１１上に配置されていてもよい。基板３１１は、電子回路に一般的に用いられるガラスエポキシ等の基板であり得る。基板３１１は、ガラスエポキシに限られず、紙フェノール、ガラスコンポジット、ポリイミド、ＰＥＴ、ガラスセラミック、アルミナ、またはアルミニウムの基板であってもよい。金属配線３１３は、銅、または金等の金属配線であり得る。基板の面に対して垂直な方向から見た第１金属配線３１３Ａおよび第２金属配線３１３Ｂそれぞれの太さは１０μｍ～２ｍｍが好ましく、更に好ましくは１０μｍ～１ｍｍである。基板の面に対して平行な方向から見た第１金属配線３１３Ａおよび第２金属配線３１３Ｂそれぞれの高さ、すなわち厚さは１μｍ～１００μｍが好ましく、更に好ましくは１０μｍ～５０μｍである。第１金属配線３１３Ａおよび第２金属配線３１３Ｂの間隔は１μｍ～３ｍｍが好ましく、更に好ましくは１μｍ～１.５ｍｍである。金属配線３１３の長さは１００μｍ～５０ｍｍが好ましく、更に好ましくは５００μｍ～３０ｍｍである。

図３は、図２のＡ－Ａ断面を示している。匂い物質受容層３１５は、第１金属配線３１３Ａの少なくとも一部と第２金属配線３１３Ｂの少なくとも一部とに接していてもよい。匂い物質受容層３１５は、例えば、図２および図３に示すように、第１金属配線３１３Ａと第２金属配線３１３Ｂとに挟まれた領域を埋めるように配されていてもよい。

匂い物質受容層３１５の電気伝導性（すなわち、センサ素子３１の電気伝導性）が低い場合、第１金属配線３１３Ａと第２金属配線３１３Ｂとの間隔は所定の距離（例えば、５００μｍ）以下であることが望ましい。

センサ素子３１は、匂い物質Ａが吸着した場合と、匂い物質Ａとは異なる匂い物質Ｂが吸着した場合とで、電気伝導性の経時的な変化が異なる樹脂組成物を適用することにより、さまざまな匂い物質を検出したり、識別したりすることが可能である。なお、後述する匂いセンサ３０では、匂い物質を検出するための構成（金属配線３１３および匂い物質受容層３１５）が設けられた基板３１１を備えるセンサ素子３１が複数配設されていてもよい。それぞれの基板３１１には、同じ組成の匂い物質受容層３１５を含む複数のセットが配設されていてもよい。複数のセンサ素子３１が配設される場合、センサ素子３１ごとに定電圧電源および電圧計を備える。匂いセンサ３０において、各基板３１１上に匂い物質を検出するための構成（金属配線３１３および匂い物質受容層３１５）が１つ配設されていてもよい。あるいは、匂いセンサ３０において、１つの基板３１１上に匂い物質を検出するための構成（金属配線３１３および匂い物質受容層３１５）のセットが複数配設されていてもよい。後者の場合、基板３１１上に設けられるセットの各々に定電圧電源および電圧計が接続される。

匂いセンサ３０が備える複数の匂い物質受容層３１５それぞれの組成は、同じであってもよいし異なっていてもよい。匂いセンサ３０が同じ組成の匂い物質受容層３１５を含む場合、複数の匂い物質受容層３１５それぞれにおいて同じ匂い物質を検出することができる。また、匂いセンサ３０がそれぞれ異なる組成の匂い物質受容層３１５を含む場合、複数の匂い物質受容層３１５のそれぞれは、匂い物質に対して異なる応答をする。このように、匂い物質を検出するための構成のセットを複数備えることで、匂いセンサ３０における匂い物質の識別精度を向上させることができる。

〔３．匂いセンサ３０〕
以下では、センサ素子３１を適用した匂いセンサ３０の概要および効果について、図４を用いて説明する。図４は、センサ素子３１を適用した匂いセンサ３０の構成の一例を示すブロック図である。

匂いセンサ３０は、匂い物質を検出するセンサ素子３１、定電圧電源３２（電源）、および電圧計３３（測定機器）を備えている。

センサ素子３１の第１金属配線３１３Ａと第２金属配線３１３Ｂとはリード線Ｗで接続されている。図４には、リード線Ｗに定電圧電源３２および電圧計３３が配された例を示している。

定電圧電源３２は、センサ素子３１に給電するための電源である。定電圧電源３２は、センサ素子３１にリード線を介して定電圧を供給する。定電圧電源３２が供給する電圧値は、０．５Ｖ～１０Ｖであり、例えば２．５Ｖである。

電圧計３３は、定電圧電源３２から供給された定電圧を匂い物質受容層３１５に供給した場合に、第１金属配線３１３Ａと第２金属配線３１３Ｂとの間に生じる電位差を測定する。

なお、匂いセンサ３０は、匂い物質測定用の回路において、電圧計３３の前段にアンプ（不図示）を備えており、当該アンプは取得した信号を増幅し電圧計３３に供給する。

また、匂いセンサ３０は、匂い物質測定用の回路のほかにリファレンス回路を備えており、電圧計３３は、匂い物質測定用の回路において取得された値とリファレンス回路において取得された値との差（電位差）を電圧値として取得する。

なお、匂いセンサ３０は、定電圧電源３２の代替として不図示の定電流源（電源）、電圧計３３の代替として不図示の電流計（測定機器）を備えていてもよい。この場合、定電流源は、センサ素子３１に給電するための電源として機能し、センサ素子３１にリード線を介して定電流を印加する。一方、電流計は、匂い物質受容層３１５に定電流が印加された場合に、第１金属配線３１３Ａと第２金属配線３１３Ｂとの間を流れる電流値を測定する。第１金属配線３１３Ａおよび第２金属配線３１３Ｂはいずれも電極として機能し得る。以下、金属配線３１３が電極として機能する場合には、「電極３１３」と記載する場合もある。

匂いセンサ３０は、センサ素子３１に匂い物質が吸着する前後における、該センサ素子３１の電気伝導性の経時的な変化を示す測定値を出力する。これにより、さまざまな匂い物質を検出したり、識別したりすることが可能である。すなわち、センサ素子３１は、ケミレジスター型センサである。

〔４．情報処理システム１００〕
上述した匂いセンサ３０は、センサ素子３１にさまざまな匂い物質が吸着した場合、該センサ素子３１の電気伝導性の経時的な変化を匂い物質毎に出力することができる。この匂いセンサ３０を適用すれば、匂い物質Ａがセンサ素子３１に吸着した場合の該センサ素子３１の電気伝導性の経時的な変化と、匂い物質Ｂがセンサ素子３１に吸着した場合の該センサ素子３１の電気伝導性の経時的な変化と比較することができる。このような比較結果に基づいて、センサ素子３１に吸着した匂い物質に関わる対象に関する対象情報を推定可能な情報処理システム１００を実現することができる。

さらに、情報処理システム１００は、機械学習によって生成した推定モデル２２を用いれば、高精度な匂い物質の推定を行うことができる。推定モデル２２は、複数の匂い物質のそれぞれを少なくとも１つのセンサ素子３１に吸着させた場合に測定される測定値と、該測定値を与えた匂い物質に固有の識別情報との組み合わせを含む学習用データを用いて生成され得る。

以下では、匂いセンサ３０を適用した匂い測定装置２０と情報処理装置１０、１０ａと、を備える情報処理システム１００の概要および効果について説明する。匂い測定装置２０は、上述した樹脂組成物を適用したセンサ素子３１に生じた電気伝導性の変化から、センサ素子３１に吸着した匂い物質に基づく検出信号を出力可能な装置である。情報処理装置１０、１０ａは、当該検出信号に基づき対象の匂いの特徴を示す特徴情報を抽出し、抽出した特徴情報に基づいて対象に関する対象情報を推定する装置である。

本実施形態の匂い測定装置２０は、複数のセンサ素子３１Ａ（以下、「センサ素子群３１Ａ」とも称する）を備えるセンサチャンバ６０と、匂い物質を含む対象試料が導入され、対象試料から発生した匂い物質を含む気体が内包される対象試料受入部５０（試料受入部）とを別々に備える。本実施形態では、センサ素子群３１Ａに含まれる個々のセンサ素子３１を単に「センサ素子３１」と記す。

本実施形態の匂い測定装置２０は、対象試料受入部５０の内部の、匂い物質を含む気体を、匂い物質を含む気体とは別の気体を用いてセンサチャンバ６０の方へ押し出す構成を採用している。本実施形態において、対象試料受入部５０内に対象試料が導入された場合の該対象試料受入部５０内の気体（すなわち、検出対象の匂い物質を含む気体）を第１気体と称す。一方、第１気体をセンサチャンバ６０の方へ押し出すための気体のことを第２気体と称す。

図１に示すように、匂い測定装置２０は、匂いセンサ３０、供給機構４０、対象試料受入部５０、センサチャンバ６０、および気体供給部８０を備える。また、匂い測定装置２０は、調節部５１をさらに備えてもよい。情報処理システム１００において、匂い測定装置２０は、推定装置１０と通信可能に接続される。また、情報処理システム１００は、推定装置１０ａをさらに備えてもよい。

供給機構４０は、センサチャンバ６０内の第１気体を、０．０１秒間以上１０秒間以下で第２気体に置換し、センサチャンバ６０内の第２気体を、０．０１秒間以上１０秒間以下で第１気体に置換してもよい。供給機構４０が、第１気体および第２気体をセンサチャンバ６０に供給するときの流量は、センサチャンバ６０内の気体を置換するために要する時間およびセンサチャンバ６０の体積に基づき設定されてよい。例えば、供給機構４０が第１気体および第２気体をセンサチャンバ６０に供給するときの流量は、（時間）＝（センサチャンバ６０の体積）／（流量）を満たす式に基づき設定されてよい。これにより、センサチャンバ６０内に配されたセンサ素子３１に生じ得る振動を抑制しつつ第１気体に含まれる匂い物質を安定的に測定することができる。

気体供給部８０は、例えばポンプであり、供給制御部４１の制御に従って動作し、対象試料受入部５０の収容空間またはセンサチャンバ６０に第２気体を供給する。例えば、気体供給部８０は、対象試料受入部５０の第１口５０１と接続されており、対象試料受入部５０の内部へ第２気体を送ることによって、第１気体を対象試料受入部５０内からセンサチャンバ６０の方へ送り出す。

気体供給部８０は、供給制御部４１を兼ねていてもよい。図１は、一例として、気体供給部８０、対象試料受入部５０、センサチャンバ６０の順に気体が流れる例を示している。気体供給部８０、対象試料受入部５０、およびセンサチャンバ６０は、それぞれ管体９１～管体９５で接続されている。

センサチャンバ６０は１本の流路を備えており、複数のセンサ素子３１のすべてが該流路上に配されていてもよい。あるいは、センサチャンバ６０は複数の流路を備えており、複数のセンサ素子３１の一部が該複数の流路のそれぞれに配されていてもよい。センサチャンバ６０が複数の流路を備える場合、該複数の流路のそれぞれは１つの流路から分岐した流路であってもよい。

［供給機構４０］
供給機構４０は、供給制御部４１、リレー４２、およびバルブ８１～バルブ８３を備え、第２気体を対象試料受入部５０の収容空間に供給することによって、該収容空間内の第１気体を、所望の流速で収容空間からセンサチャンバ６０の方へ押し出す。供給制御部４１は、例えば対象試料受入部５０の第１口５０１側、さらに具体的にはバルブ８１と、気体供給部８０との間に設けられるマスフローコントローラであり、気体供給部８０から収容空間およびセンサチャンバ６０への気体の供給を制御する。第２気体を対象試料受入部５０の収容空間に供給することによって、該収容空間内の第１気体を、所望の流速で収容空間からセンサチャンバ６０の方へ押し出す。リレー４２は、匂い測定装置２０に設けられるバルブ８１～８３の開閉を制御し、匂い測定装置２０における気体の供給開始および停止を調節する。

バルブ８１～バルブ８３は、例えば電磁弁であり、リレー４２の制御に従って開閉し、気体供給部８０からのガス供給の開始および停止を調節するなど、匂い測定装置２０における気体の流れを制御する。図１に示すように、バルブ８１は、気体供給部８０と、対象試料受入部５０との間を接続する管体９１および９２の間に設けられている。バルブ８２は、気体供給部８０と、センサチャンバ６０との間を接続する管体９５に設けられている。また、バルブ８３は、気体供給部８０および対象試料受入部５０と、センサチャンバ６０と、の間を接続する管体９３に設けられている。

このように、対象試料受入部５０の第１口５０１側から気体供給部８０が気体を押すことによりセンサチャンバ６０に第１気体を送り込むため、センサチャンバ６０内の圧力は陽圧である。このため、匂い測定装置２０は、安定した測定結果を得ることができる。また、匂い測定装置２０は、バルブ８１の開閉によって、収容空間内に第２気体を送ることができる。また、匂い測定装置２０は、バルブ８３の開閉によって、任意のタイミングで第１気体を対象試料受入部５０内からセンサチャンバ６０の方へ送り出すことができる。これによれば、匂い測定装置２０は、センサ素子群３１Ａを用いて第１気体に含まれる匂い物質を繰り返し測定する場合、各センサ素子３１が出力する波形の形の再現性を向上させることができる。さらに、匂い測定装置２０は、バルブ８２の開閉によって、センサチャンバ６０に直接第２気体を供給することができる。これにより、センサチャンバ６０内から速やかに第１気体を除去し、次の測定の準備を行うことができる。

第２気体は、不活性ガスまたは空気であってよい。不活性ガスとしては、例えば、アルゴン、窒素などが挙げられる。第２気体が不活性ガスである場合、気体供給部８０はガスボンベであってよい。

また、第２気体が空気である場合、気体供給部８０はポンプであってよい。この場合、対象試料受入部５０に内包される第１気体と反応する成分を除去するために、匂い測定装置２０は、対象試料受入部５０の第１口５０１側に、例えば、活性炭フィルタ、除湿剤、シリカゲルカラム、または防塵フィルタを備えていてもよい。

なお、図１では、対象試料受入部５０の内部から出た第１気体および第２気体が管体９３およびセンサチャンバ６０を通る構成を示したが、この構成に限定されない。匂い測定装置２０の対象試料受入部５０は、センサチャンバ６０に対して大きい容積を持つため、測定時に対象試料受入部５０の内部の第１気体の全量をセンサチャンバ６０に送り出す必要はない。また、測定後に、対象試料受入部５０の内部を、第２気体を用いてパージする場合、対象試料受入部５０とセンサチャンバ６０とが接続されている必要はない。そこで、匂い測定装置２０は、管体９３にバルブ（不図示）を配置して、対象試料受入部５０の内部から出た第１気体および第２気体がセンサチャンバ６０を通さずに排気可能な構成であってもよい。

［対象試料受入部５０］
対象試料受入部５０は、匂い物質を含む対象試料を内部に受け入れて第１気体を保持可能である。対象試料受入部５０は、内部に進入する第２気体が通過する第１口５０１と、内部から出る第１気体および第２気体が通過可能な第２口５０２とを備えている。図１では、第１口５０１は、対象試料受入部５０の紙面上部に設置され、第２口５０２は、対象試料受入部５０の紙面下部に設置される態様を示すが、これに限定されない。例えば、第１口５０１および第２口５０２の位置は、第１気体に含まれる匂い成分の種類および組み合わせなどに応じて適宜設定し得る。例えば、第１気体に含まれる匂い成分の単位体積当たりの重量（すなわち、比重）が第２気体より重い場合と、軽い場合とで、第１口５０１の位置および第２口５０２の位置を変更してもよい。また、対象試料受入部５０は、図４と同じく、気流生成用ファン３５を内部に備えていてもよい。

対象試料受入部５０は、液体または固体の対象試料を受け入れるための試料導入口５０３を備える。対象試料受入部５０は、対象試料を設置するための設置部（不図示）を備えていてもよい。対象試料が液体である場合、設置部は、液体を保持するためのコップであってもよいし、対象試料が固体である場合、設置部は、固体が静置されるシャーレであってもよい。対象試料受入部５０には、対象試料が試料導入口５０３から第１気体として気体状態で導入されてもよい。このように、対象試料受入部５０が、液体または固体の対象試料を受け入れ可能であることにより、第１気体中の匂い物質の濃度を調節することが可能である。例えば、同一の匂い物質であっても、第１気体中の匂い物質の濃度の高低を調節することが容易である。

対象試料受入部５０の内側面には、匂い物質に対して不活性な素材が配されていてよい。匂い物質に対して不活性な素材は、センサチャンバ６０に送り出される気体に含まれる匂い物質の各々の濃度を大きく変化させない素材である。例えば、匂い物質に対して不活性な素材は、匂い物質が吸着したり、溶け込んだりしにくい素材である。匂い物質に対して不活性な素材としては、例えば、ガラス、金属、樹脂が挙げられる。金属を採用する場合、ステンレス鋼（ＳＵＳ）が好ましく、樹脂を採用する場合、フッ素系樹脂、ポリプロピレン（ＰＰ）、ポリエチレン（ＰＥ）、ＡＢＳ樹脂、ポリエチレンテレフタレート（ＰＥＴ）が好ましい。

対象試料受入部５０の内側面が第１気体に含まれる匂い物質を吸着する素材である場合、各部に匂い物質が吸着して、後の測定に影響を及ぼす虞がある。

このように対象試料受入部５０の内側面が匂い物質に対して不活性な素材であることにより、内側面の素材と、第１気体に含まれる匂い物質とが反応する、または内側面に匂い物質が吸着するなどの虞が低減される。従って、センサチャンバ６０に供給された第１気体に含まれる匂い物質が、対象試料受入部５０に内包されている間に変化する、または匂い物質の濃度が薄まるなどの虞が低減する。

匂い測定装置２０は、対象試料が液体または固体であっても、対象試料受入部５０を備えることにより、第１気体をセンサチャンバ６０に送り込む前に対象試料受入部５０内で第１気体の濃度を均一にすることができる。また、匂い測定装置２０は、対象試料受入部５０を備えることにより、第１気体をセンサチャンバ６０へ一定の流量で押し出すことができる。これにより、匂い測定装置２０は、測定を繰り返し行う場合であっても、毎回同じ条件でセンサチャンバ６０へ第１気体を送ることができるため、繰り返し安定した測定を行うことができる。

対象試料受入部５０内の容積は、センサチャンバ６０内の容積の１倍以上２００倍以下であることが好ましい。特に、対象試料受入部５０内の容積は、センサチャンバ６０内の容積よりも大きいことが好ましい。対象試料受入部５０内の容積は、センサチャンバ６０内の容積の２倍以上がより好ましく、４倍以上であることがさらに好ましい。また、対象試料受入部５０内の容積は、センサチャンバ６０内の容積の１００倍以下であることが好ましく、６０倍以下であることがさらに好ましい。対象試料受入部５０内の容積が、センサチャンバ６０内の容積に対して１倍以上の大きさであることにより、センサチャンバ６０における匂い物質の濃度が適切に調整され、センサチャンバ６０が備えるセンサによる測定結果が安定して出力される。また、対象試料受入部５０内の容積が、センサチャンバ６０内の容積に対して２００倍以下であることにより、対象試料受入部５０内の温湿度調整がしやすくなるため、センサによる測定結果が安定して出力されると共に、匂い測定装置２０のサイズをコンパクトに収めることができる。

対象試料受入部５０内の容積が、センサチャンバ６０内の容積の１倍未満である場合は、対象試料受入部５０で発生した匂い物質がセンサチャンバ６０内で希釈され、センサにおける測定感度が低下する虞がある。また、対象試料受入部５０内の容積が、センサチャンバ６０内の容積の２００倍よりも大きい場合は、対象試料受入部５０の容積が大き過ぎるため、第１気体の濃度、温度、湿度の均一性が低下し、測定を繰り返し行う場合に、同じ条件でセンサチャンバ６０に第１気体を送ることができない虞がある。さらに匂い測定装置２０全体のサイズが大きくなる虞がある。

図１では、一例として、対象試料受入部５０内の容積が、センサチャンバ６０内の容積の８倍の例を示している。

例えば、管体９３の内側面が、第１気体に含まれる匂い物質を吸着する素材である場合、各部に匂い物質が吸着して、後の測定に影響を及ぼす虞がある。そこで、第１気体を対象試料受入部５０からセンサチャンバ６０へと導く管体９３の内側面に、対象試料受入部５０の内側面と同様に、匂い物質に対して不活性な素材が配されることが好ましい。匂い物質に対して不活性な素材としては、例えば、ガラス、金属、樹脂が挙げられる。金属を採用する場合、ステンレス鋼（ＳＵＳ）が好ましく、樹脂を採用する場合、フッ素系樹脂、ポリプロピレン（ＰＰ）、ポリエチレン（ＰＥ）、ＡＢＳ樹脂、ポリエチレンテレフタレート（ＰＥＴ）が好ましい。

対象試料受入部５０は、管体９２および管体９３から着脱可能な構成であってもよい。このように、対象試料受入部５０が着脱可能であることにより、前の測定が終了し、次の測定を行う場合に、対象試料受入部５０内をパージせずとも新しい対象試料受入部５０を付け替えることができる。これによれば、匂い測定装置２０は、複数の測定を短時間で行うことができる。

また、対象試料受入部５０が着脱可能であることにより、匂い測定装置２０とは別体の保温室を用いて、対象試料を導入した対象試料受入部５０を所望の温度に保持することができる。これによれば、例えば、後述する調節部５１を匂い測定装置２０に設けることが出来ない場合であっても、匂い測定装置２０は、対象試料受入部５０の温度を調節することができる。保温室としては、例えばウォーターバス、ドライバス、ヒートジャケット、シリコンヒーター、順風乾燥機、恒温恒湿機、噴霧器等を用いられてもよい。

［調節部５１］
調節部５１は、収容空間の温度を調節可能な温度調節機構である。調節部５１は、対象試料受入部５０内に内包されている第１気体の温度および湿度の少なくとも一方を調節する。調節部５１が温度を調節する場合、調節部５１は、例えば、ヒータまたは冷却器である。この場合、調節部５１は、対象試料受入部５０全体を覆うような構成であってもよい。また、調節部５１が湿度を調節する場合、調節部５１は、例えば、加湿器または除湿器である。調節部５１は、第１気体の種類ごとに温度および湿度の少なくとも一方を調節してもよいし、同じ第１気体の測定中において所定時間毎に温度および湿度の少なくとも一方を変化させてもよい。調節部５１としては、例えば温度および湿度の少なくとも一方を変化させることが可能なウォーターバス、ドライバス、ヒートジャケット、シリコンヒーター、順風乾燥機、恒温恒湿機、噴霧器等が用いられてもよい。

調節部５１が、対象試料受入部５０内の第１気体の温度および湿度の少なくとも一方を調節することにより、匂い測定装置２０は、例えば、第１気体の種類（気体の重さ、揮発性など）に応じた条件を用いてセンサチャンバ６０へ第１気体を送ることができる。
また、これによれば、匂い測定装置２０は、安定した濃度の第１気体をセンサチャンバ６０へ送ることができ、測定の精度が向上する。

［センサチャンバ６０］
センサチャンバ６０は、匂い物質を測定するためのセンサ素子３１を格納する空間である。センサチャンバ６０には、対象試料受入部５０の第２口５０２と接続されている。具体的には、センサチャンバ６０は、気体供給口６０１と、気体排出口６０２とを備え、対象試料受入部５０の第２口５０２と、気体供給口６０１とが接続されている。

センサチャンバ６０は、第１気体に含まれる匂い物質に応じた測定結果を出力可能な複数のセンサ素子３１Ａを備える。複数のセンサ素子３１Ａは、それぞれ異なる樹脂組成物を物質受容層として備えるセンサ素子３１であってよい。すなわち、複数のセンサ素子３１Ａは、それぞれのセンサ素子３１の匂い物質に対する感度および特異性が異なっていてよい。図１のセンサチャンバ６０は、一例として、センサ素子３１と、センサ素子３１ｂとを含むが、これに限定されない。また、図１のセンサチャンバ６０は、センサ素子３１、３１ｂとは異なる樹脂組成物を物質受容層として備えるセンサ素子３１ｃを備えている。センサ素子３１と、センサ素子３１ｂとは、第１気体に含まれる同じ匂い物質に応じた測定結果を出力可能であるが、それぞれが出力する測定結果は異なる。匂い物質に応じた測定結果は、例えば、匂い物質の濃度に応じた測定結果である。なお、以下の説明において特にセンサ素子３１、３１ｂ、３１ｃおよび後述するセンサ素子３１ｄを区別しない場合、「センサ素子３１」と総称する。

センサチャンバ６０には、それぞれ異なる樹脂組成物を物質受容層として備えるセンサ素子３１がどのような組み合わせで、どのような配置で設置されてもよい。また、センサチャンバ６０には、同じ樹脂組成物を物質受容層として備えるセンサ素子３１が複数設置されていてもよい。

ここで、センサ素子３１と、センサ素子３１ｂとは、それぞれが異なる匂い物質に応じた測定結果を出力可能なセンサ素子であってもよい。例えば、センサチャンバ６０には、第１気体に含まれる匂い物質に応じた測定結果を出力可能なセンサ素子３１と、第１気体に含まれる匂い物質とは異なる第２匂い物質に応じた測定結果を出力可能なセンサ素子３１ｂとが配置されていてもよい。例えば、匂いセンサ３０は、匂い物質受容層３１５に用いた樹脂組成物が互いに異なるセンサ素子３１、３１ｂを備えていてもよい。

匂い物質を吸着する特性が異なる樹脂組成物を匂い物質受容層３１５に用いたセンサ素子３１を複数備えることにより、情報処理システム１００は、複数の匂い物質についての推定を同時に実行することができる。なお、本発明の一実施形態に係るセンサ素子３１として、匂い物質受容層３１５に界面活性剤（Ｂ）を含まないセンサ素子３１と匂い物質受容層３１５に界面活性剤（Ｂ）を含むセンサ素子３１とを併用してもよい。

また、匂い測定装置２０を用いれば、既知の匂い物質のそれぞれについて、センサ素子３１の電気伝導性の変化を示す第１変化パターンと、センサ素子３１ｂの電気伝導性の変化を示す第２変化パターンとを得ることが可能である。推定モデル２２は、第１変化パターンおよび第２変化パターンの両方を用いた機械学習によって生成されてもよい。情報処理システム１００は、このように生成された推定モデル２２を用いて匂い物質を推定するため、各匂い物質をより精密に識別することが可能である。

図１のセンサチャンバ６０は、一例として、４個×４列の配置で複数のセンサ素子３１Ａを備えている。センサ素子３１Ａの数、ならびにセンサ素子３１Ａの配列の仕方は限定されない。センサチャンバ６０が備えるセンサ素子３１Ａの合計の数も特に限定されないが、例えば、２個、８個、１６個、６４個であってよい。センサ素子３１Ａの合計の数は、８個以上１６個以下であってもよい。

センサチャンバ６０の内側面の素材は、対象試料受入部５０と同様に、匂い物質に対して不活性な素材であることが好ましい。匂い物質に対して不活性な素材としては、例えば、ガラス、金属、樹脂が挙げられる。金属を採用する場合、ステンレス鋼（ＳＵＳ）が好ましく、樹脂を再送する場合、フッ素系樹脂、ポリプロピレン（ＰＰ）、ポリエチレン（ＰＥ）、ＡＢＳ樹脂、ポリエチレンテレフタレート（ＰＥＴ）が好ましい。センサチャンバ６０の内側面の素材が、第１気体に含まれる匂い物質を吸着する素材の場合、センサチャンバに匂い物質が吸着することにより、後の測定におけるセンサ素子３１からの出力の変化量が小さくなり、匂い測定装置２０が正確な測定を行えない虞がある。

センサチャンバ６０は、匂い測定装置２０に着脱自在に取り付けられる。ここで、匂い測定装置２０は、供給機構４０の少なくとも一部を覆う第１筐体７０を備えていてもよい。ここで、供給機構４０の少なくとも一部は、例えば、対象試料受入部５０を含んでいてもよい。対象試料受入部５０が第１筐体７０によって覆われることによって、収容空間の温度調節が容易となり得る。

図５は、匂い測定装置２０の概観の一例を示す概略図である。あるいは、図５に示すように、匂い測定装置２０は、供給機構４０の少なくとも一部、およびセンサチャンバ６０を覆う第２筐体７１を備えていてもよい。図５では、簡単化のために供給機構４０の図示は省略されている。例えば、センサチャンバ６０が第２筐体７２によって覆われることによって、センサチャンバ６０内の空間の温度が安定し、測定結果の信頼性が向上し得る。第２筐体７１は、開閉可能な蓋７２を備えていてもよい。第２筐体７１を開状態にした場合、センサチャンバ６０を匂い測定装置２０に着脱自在に取り付けられるように構成されていてもよい。これにより、匂い測定装置２０を取り外したり移動させたりすることなく、センサチャンバ６０を交換することができる。

［複数のセンサ素子３１Ａ（センサ素子群３１Ａ）］
複数のセンサ素子３１Ａは薄膜を備えてもよい。一例として、図２および図３の匂い物質受容層３１５が薄膜である。

センサチャンバ６０内に匂い物質を含む第１気体を送り込む態様として、例えば、センサチャンバ６０の気体排出口６０２側に真空ポンプを設置し、真空ポンプを用いて気体を引くことにより、センサチャンバ６０の気体供給口６０１側から匂い物質をセンサチャンバ６０へ送り込む態様が採用されてもよい。ただし、センサ素子３１、３１ｂが薄膜を備える場合、センサチャンバ６０内が陰圧であると、薄膜が膨張して、センサ素子３１、３１ｂが安定した測定結果を出力できない虞がある。これに対して、センサチャンバ６０および対象試料受入部５０の第１口５０１側から気体供給部８０が気体を押すことによりセンサチャンバ６０に第１気体を送り込む構成であれば、センサチャンバ６０内の圧力は陽圧である。そこで、本実施形態に係る匂い測定装置２０は、センサチャンバ６０および対象試料受入部５０の第１口５０１側から気体供給部８０が気体を押すことによりセンサチャンバ６０に第１気体を送り込む構成を採用することが好ましい。これにより、匂い測定装置２０は、複数のセンサ素子３１Ａが薄膜を備えていても安定した測定結果を得ることができる。

また、複数のセンサ素子３１Ａの薄膜は、導電性炭素材料、樹脂組成物、および界面活性剤を含んでもよい。

また、複数のセンサ素子３１Ａの各々は、樹脂およびフィラーを含む樹脂組成物を含む匂い物質受容層３１５を備え、複数のセンサ素子３１Ａの各々の匂い物質受容層３１５に含まれる樹脂組成物は互いに異なっていてもよい。

＜センサ素子３１ｃの構成例＞
以下、図６～図８を用いて、センサ素子群３１Ａに含まれる１つのセンサ素子３１ｃの構成の例について説明する。なお、図６～図８において、点描部分および斜線部分が匂い物質受容層３１５ｃ～３１５ｄを示す。センサ素子群３１Ａに含まれる１つのセンサ素子３１ｃでは、対向する電極間において、匂い物質受容層３１５ｃ～ｊの表面粗さ（Ｓａ）が０．５μｍ以上５μｍ以下であり、より好ましくは０．５μｍ以上３μｍ以下である。図６～図８において、斜線部分は、匂い物質受容層３１５ｃ～３１５ｄのうち表面粗さが測定される領域である。なお、以下の説明において特に匂い物質受容層３１５ｃと３１５ｄとを区別しない場合、「匂い物質受容層３１５」と総称する。

図６は、センサ素子群３１Ａに含まれる１つのセンサ素子３１ｃの構成の一例を示す上面図である。センサ素子３１ｃは、基板３１１上に配置された電極３１３（第１金属配線３１３Ｃ、第２金属配線３１３Ｄ）と、電極３１３上に形成された円状の匂い物質受容層３１５ｃと、を備える。図６に示すように、第１金属配線３１３Ｃと第２金属配線３１３Ｄとは、平行直線状に配置される。具体的には、第１金属配線３１３Ｃは、互いに垂直になるようＴ字状に配された金属配線３１３ａおよび金属配線３１３ｂを備える。また、第２金属配線３１３Ｄは、互いに垂直になるようＴ字状に配された金属配線３１３ｃおよび金属配線３１３ｄを備える。さらに、金属配線３１３ａと金属配線３１３ｃとは互いに平行線上に位置するように配される。匂い物質受容層３１５ｃの直径Ｒは、０．２ｍｍ以上、５ｍｍ以下である。図６において、センサ素子３１ｃが備える匂い物質受容層３１５ｃの形状は一例として楕円状であるが、これに限定されない。匂い物質受容層３１５ｃの形状が楕円である場合は、短径と、長径との平均が０．２ｍｍ以上、５ｍｍ以下であってよい。また、匂い物質受容層３１５ｃの形状は真円であってもよい。

図７は、センサ素子群３１Ａに含まれる１つのセンサ素子３１ｄの構成の一例を示す上面図である。センサ素子３１ｄは、基板３１１上に配置された電極３１３（第１金属配線３１３Ｃ、第２金属配線３１３Ｄ）と、電極３１３上に形成された帯状の匂い物質受容層３１５ｄと、を備える。匂い物質受容層３１５ｄの短方向の幅の長さは、０．２ｍｍ以上、５ｍｍ以下である。

図８は、センサ素子群３１Ａに含まれる１つのセンサ素子３１ｃの構成の一例を示す斜視図である。図８に示すように、センサ素子３１ｃにおいて、第１金属配線３１３Ｃおよび第２金属配線３１３Ｄは、第１金属配線３１３Ｃおよび第２金属配線３１３Ｄが互いに対向しない方の端部において、それぞれピン３１６と接続されている。ピン３１６は第１金属配線３１３Ｃおよび第２金属配線３１３Ｄと、匂いセンサ３０の他の部材とを電気的に接続するための導電部材である。なお、図示されていないが、図６および図７に示すセンサ素子３１ｃおよびセンサ素子３１ｄも、図８に示すピン３１６を備えている。

センサ素子群３１Ａが含むセンサ素子３１の電極３１３は、それぞれ第１金属配線３１３Ｃおよび第２金属配線３１３Ｄを有し、第１金属配線３１３Ｃおよび第２金属配線３１３Ｄは、平行線状、平行曲線状、櫛形状、または同心円状に配置されていてもよい。第１金属配線３１３Ｃおよび第２金属配線３１３Ｄは、前記のどの形状が採用される場合においても、互いに線対称、または点対称で配置されていることが好ましい。このように第１金属配線３１３Ｃおよび第２金属配線３１３Ｄが配置されることにより、匂い測定装置２０は、気体に含まれる匂い物質を高精度に測定することができる。

図６のセンサ素子３１ｃは、第１金属配線３１３Ｃと、第２金属配線３１３Ｄを有している。また、一例として、第１金属配線３１３Ｃは、金属配線３１３ａと、金属配線３１３ｂとから構成されており、２本の金属配線は、互いに垂直になるようＴ字状に配されている。第２金属配線３１３Ｂも、第１金属配線３１３Ｃと同様に２本の金属配線３１３ｃ、３１３ｄから構成され、２本の金属配線が互いに垂直になるようＴ字状に配されるよう構成されている。また、第１金属配線３１３Ｃと、第２金属配線３１３Ｄとは、金属配線３１３ａと、金属配線３１３ｃとが向かい合うように平行線状に配置されている。

第１金属配線３１３Ｃおよび第２金属配線３１３Ｄは、特に、互いにＴ字状に配されていることにより、第１金属配線３１３Ｃと、第２金属配線３１３Ｄとを好適な距離に設置することができ、電極の抵抗値を安定化させることができる。例えば、電極が櫛形状に配置されている場合は、電極間の距離が短くなり、電極の抵抗値が小さくなり過ぎる虞がある。また、第１金属配線３１３Ｃおよび第２金属配線３１３Ｄが互いにＴ字状に配されていることにより、センサ素子を製造するとき、匂い物質受容層３１５を形成するために基板上にスラリーを塗布する工程において、スラリーが濡れ広がる領域に、濡れ広がりを妨げ得る電極の凹凸部分が存在しないため、スラリーが濡れ広がり易くなる。また、スラリーが濡れ広がり易くなることより、乾燥後の匂い物質受容層３１５の厚みが一定になるという効果がある。

［推定装置１０］
推定装置１０は、匂いセンサ３０によって検出された匂い物質を推定する装置である。推定装置１０は、例えばコンピュータであり、不図示のＣＰＵおよびメモリを備えている。推定装置１０は、匂い測定装置２０と通信可能に接続されている。具体的には、推定装置１０は、匂いセンサ３０から取得した検出信号を解析することによって、対象の匂いに対応する匂い物質の推定を実行する。センサチャンバ６０が、センサ素子３１、センサ素子３１ｂとは異なる樹脂組成物を物質受容層３１５に用いたセンサ素子３１ｃをさらに備える場合、推定装置１０は、センサ素子３１ｃに定電圧を供給して電圧計によって測定される測定値をさらに取得し解析してもよい。また、推定装置１０は、検出信号に基づく測定値そのもの、測定値をプロットした波形、および推定モデルに基づいた未知の匂い物質の推定結果を表示してもよい。また、推定装置１０は、複数の匂い物質を含む気体に対して、それぞれの匂い物質の存在割合の変化を示す数値、およびグラフなどを表示してもよい。推定装置１０は、匂い物質を推定するために用いる推定モデル２２を生成する機能を備えていてもよいが、この構成に限定されない。例えば、推定装置１０とは異なる他のコンピュータによって生成された推定モデル２２を、推定装置１０が用いる構成であってもよい。

＜推定モデル２２の生成＞
次に、匂い物質を推定するために用いる推定モデル２２を生成する処理を行う情報処理システム１００の構成、および、推定モデル２２を生成する処理について、図９および図１０を用いて説明する。

推定モデル２２は、複数の匂い物質のそれぞれを少なくとも１つのセンサ素子３１に吸着させた場合に電圧計３３によって測定される測定値と、該測定値を与えた匂い物質に固有の識別情報との組み合わせを含む学習用データを用いた機械学習によって生成される。ここで、匂い物質に固有の識別情報とは、例えば、匂い物質の名称、ＣＡＳ番号、および化学式等であってもよい。

（推定装置１０の構成（推定モデル２２の生成））
図９は、情報処理システム１００の構成の一例を示す機能ブロック図である。なお、説明の便宜上、図１にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。

図９に示すように、推定装置１０は、入力部１５、制御部１、記憶部２を備えている。

入力部１５は、ユーザからの各種入力操作を受付けるためのものであり、例えば、キーボード、マウス、タッチパネル等であってもよい。

制御部１は、測定値取得部１１（取得部）、抽出部１２、学習制御部１３、および推定モデル生成部１４を備えている。

測定値取得部１１は、複数のセンサ素子３１Ａの各々からの検出信号を取得する。具体的には、測定値取得部１１は、電圧計３３から測定値を取得する。また測定値取得部１１は、取得した測定値を用いて、センサ素子３１の電気伝導性を示す値（例えば、抵抗値、およびインピーダンスなど）を算出する。測定値取得部１１は、電圧計３３から所定の時間間隔（例えば０．１秒間隔）で測定値を取得してもよい。

抽出部１２は、測定値取得部１１が取得した検出信号から対象の匂いの特徴を示す特徴情報を抽出する。

特徴情報は、センサチャンバ６０内に第１気体が供給される第１期間において複数のセンサ素子３１Ａの各々から出力される検出信号の強度および該強度の時間変化パターンの少なくともいずれかを含む。また、特徴情報は、さらに、センサチャンバ６０内に供給された第１気体が第２気体によってセンサチャンバ６０内から押し出される第２期間において複数のセンサ素子３１Ａの各々から出力される検出信号の強度および該強度の時間変化パターンの少なくともいずれか、を含む。時間の経過により、匂い物質がセンサ素子３１に作用（吸着/脱離）すると、センサ素子３１の電気的特性（抵抗）が変化する。抽出部１２は、この電気的特性の時間的変化に基づく波形、または当該波形に含まれる特徴的な数値を特徴情報として抽出する。

抽出部１２は、例えば、少なくとも１つのセンサ素子３１の電気伝導性の経時的な変化を抽出する。抽出部１２は、測定値取得部１１によって算出された抵抗値を用いて、匂い物質が吸着したことによるセンサ素子３１の電気伝導性の変化量を示す値を算出する。抽出部１２は、算出した電気伝導性の変化量の時間変化を示す変化パターンを示すデータを生成する。抽出部１２は、生成した変化パターンが既知の匂い物質を検出した場合の変化パターンと同じである場合、生成した変化パターンを該既知の匂い物質に固有の識別情報と対応付けて、変化パターンデータベース２１（学習用データ）に格納してもよい。

学習制御部１３は、記憶部２から変化パターンデータベース２１を読み出して、機械学習による推定モデル２２の生成を制御する。ここで、変化パターンデータベース２１は、複数の匂い物質をセンサ素子３１に吸着させた場合に測定される測定値と、該測定値を与えた既知の匂い物質に固有の識別情報との組み合わせを含むデータベースである。学習制御部１３は、変化パターンデータベース２１から読み出した変化パターンを推定モデル生成部１４に入力する。また、学習制御部１３は、推定モデル生成部１４に入力した変化パターンに対応する匂い物質と、推定モデル生成部１４から出力される推定結果とを比較し、比較結果に応じた補正指示を推定モデル生成部１４に出力する。

推定モデル生成部１４は、変化パターンデータベース２１に格納されている変化パターンを用いた機械学習アルゴリズムによって、推定モデル２２を生成する。推定モデル生成部１４は、公知の教師有り機械学習アルゴリズムを用いて推定モデル２２を生成する構成であってもよい。推定モデル生成部１４に適用可能な機械学習アルゴリズムとしては、例えば、ｋ近似法（k-nearest neighbor method）、ロジスティック回帰、サポートベクトルマシン、ランダムフォレスト、およびニューラルネットワーク等が挙げられる。

・特徴量抽出方法
機械学習により推定モデルを生成する場合、基となるデータは、測定値そのものであってもよいし、測定値の統計量、微積分値、ピーク検出値、または自己相関値等、測定値の特徴量を抽出したデータであってもよい。統計量としては、例えば、平均値、分散値、最大値、最小値、最大値と最小値の差、標準偏差等が挙げられる。微積分としては、例えば、傾きや面積等が挙げられる。ピーク検出値としては、例えば、ビークの数、高さ等が挙げられる。自己相関値としては、例えば、階差等が挙げられる。

・前処理方法
機械学習により推定モデルを生成する場合、基となるデータは、そのまま機械学習に用いてもよいし、基となるデータに対して必要により前処理を行ってもよい。また前処理を行う場合、前処理は、特徴量抽出を行う前に行われてもよいし、特徴量抽出を行った後に行われてもよいし、特徴量抽出を行う前後の両方で行われてもよい。前処理は公知の方法で行ってよく、補正、ノイズ除去、標準化、データの変換、平滑化、データ拡張等の方法が挙げられる。補正は、複数の素子や市販のセンサ（例えば温度センサや湿度センサ等）、標準ガスの測定結果に基づいて行われてよい。例えば、補正は、出力比算出、独立成分分析（ＩＣＡ）、統計量算出、積算、加算、減算、除算等の方法によって行われてよい。ノイズ除去としては、例えば、外れ値やホワイトノイズ等の除去が挙げられる。標準化としては、例えば、正規化、正則化等が挙げられる。データの変換としては、例えばトレンドの除去、周波数変換、対数変換等が挙げられる。平滑化としては、例えば、移動平均、階差等が挙げられる。データ拡張としては、例えば、同じサンプルデータの追加（例えば正規分布を仮定）、新しいサンプルデータの追加（例えば、ベクトルの混合比による追加）等が挙げられる。

・機械学習アルゴリズム
推定モデル生成部１４に適用可能な機械学習アルゴリズムとしては、回帰分析、分類、木、時系列解析、ニューラルネットワーク、クラスタリング等が挙げられる。回帰分析としては、例えば、ロジスティック回帰、Ｌａｓｓｏ、エラスティックネット、サポートベクター回帰（ＳＶＲ）、線形、Ｒｉｄｇｅ、アンサンブル回帰等が挙げられる。分類としては、例えば、ｋ近似法（k-nearest neighbor method）、サポートベクター分類（ＳＶＣ）、単純ベイズ分類（Naibe Bayse classifier）、確率的勾配降下法（ＳＧＤ）、カーネル近似等が挙げられる。木としては、例えば、決定木、回帰木、ランダムフォレスト、ブースティング（lightGBM、XGboost）、スタッキング等が挙げられる。時系列としては、例えば、ＡＲ、ＭＡ、ＡＲＩＭＡ、状態空間等が挙げられる。ニューラルネットワークとしては、例えば、多層パーセプトロン（ＭＬＰ）、畳み込みニューラルネットワーク（ＣＮＮ）、再帰型ニューラルネットワーク（ＲＮＮ）、残渣ニューラルネットワーク（ＲｅｓＮｅｔ）、トランスフォーマー、グラフニューラルネットワーク（ＧＮＮ）等が挙げられる。クラスタリングとしては、例えば、混合ガウスモデル（ＧＭＭ）、ｋ平均法（kmeas）、minikmeans、変分混合ガウスモデル（VBGMM）、カーネル近似等が挙げられる。

（推定モデル２２を生成する処理）
以下、匂い測定装置２０を用いて推定モデル２２を生成する処理について、図１０を用いて説明する。図１０は、匂い測定装置２０の推定装置１０が推定モデル２２を生成する処理の流れの一例を示すフローチャートである。推定モデル２２は、複数の匂い物質のそれぞれを少なくとも１つのセンサ素子３１に吸着させた場合に電圧計３３によって測定される測定値と、該測定値を与えた匂い物質に固有の識別情報との組み合わせを含む学習用データを用いた機械学習によって生成される。ここで、匂い物質に固有の識別情報とは、例えば、匂い物質の名称、ＣＡＳ番号、および化学式等であってもよい。

まず、測定値取得部１１は、匂い物質を対象試料受入部５０へ導入する前の匂いセンサ３０において測定された電圧値Ｖ０を取得し、抵抗値Ｒ０を算出する。抵抗値Ｒ０は、好ましくは５００～３０００Ωであり、さらに好ましくは８００～２８００Ωであり、最も好ましくは１０００～２５００Ωである。その後、匂い物質を対象試料受入部５０に入れる（ステップＳ１）。

一方、入力部１５は、対象試料受入部５０内に導入した、既知の匂い物質の名称等の入力を受け付ける（ステップＳ２）。ステップＳ２の処理はステップＳ１の前に行ってもよい。

次に、測定値取得部１１は、センサ素子３１への匂い物質吸脱着前後の過程における複数のセンサ素子３１Ａの各々からの検出信号を取得する（ステップＳ３：取得ステップ）。

続いて、抽出部１２は、測定値取得部１１が取得した検出信号から、対象の匂いの特徴を示す特徴情報を抽出する（ステップＳ４：抽出ステップ）。例えば、抽出部１２は、電圧値Ｖの変化量（ΔＶ）データ（波形または経時的変化パターン）を取得する。抽出部１２は、匂い物質吸脱着前後の過程における電圧値Ｖの変化量（ΔＶ）データ（波形または経時的変化パターン）と入力された既知の対象情報とを対応付けて変化パターンデータベースに記憶する。

所定種類の既存の匂い物質について変化パターンが記憶されていない場合（ステップＳ５にてＮＯ）、すなわち、機械学習に用いるデータがまだ不足している場合、ステップＳ１に戻る。

所定種類の既存の匂い物質について変化パターンが記憶された場合（ステップＳ５にてＹＥＳ）、学習制御部１３は、変化パターンデータベース２１に記憶されている、既知の匂い物質についての変化パターンを読み出して、推定モデル生成部１４に入力する。推定モデル生成部１４は、変化パターンデータベース２１に格納されている経時的変化パターン（または変化パターンから抽出した特徴量）に基づき、機械学習によって推定モデル２２を生成する（ステップＳ６）。

推定モデル生成部１４は、所定の機械学習によって生成した推定モデル２２を記憶部２に格納する（ステップＳ７）。

図９および図１０に示す例では、推定装置１０が推定モデル２２を生成しているが、これに限定されない。例えば、推定装置１０とは異なる外部のコンピュータであって、学習制御部１３および推定モデル生成部１４と同じ機能を備えるコンピュータに変化パターンデータベース２１と同じデータを提供して、推定モデル２２を作成させてもよい。

＜匂い物質の推定＞
次に、推定モデル２２を用いて対象情報を推定する情報処理システム１００ａの構成、および、推定処理について、図１１および図１２を用いて説明する。

（推定装置１０ａの構成（推定処理の実行））
図１１は、情報処理システム１００ａの構成の一例を示す機能ブロック図である。なお、説明の便宜上、図１および図９にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。

図１１に示すように、推定装置１０ａは、制御部１ａ、記憶部２ａ、および出力部１８を備えている。ここで、図１１は、図９に示す推定装置１０を、匂い物質の推定処理に利用した場合の構成例を示している。すなわち、図９に示す推定装置１０と図１１に示す推定装置１０ａとは、同じハードウェア構成を備えるコンピュータであってもよい。

出力部１８は、ユーザに推定結果を提示するためのものであり、例えば、ディスプレイ、スピーカ、ランプ等であってもよい。

制御部１ａは、測定値取得部１１（取得部）、抽出部１２、推定部１６、および出力制御部１７を備えている。

推定部１６は、推定モデル２２を用い、匂いセンサ３０によって検出された匂い物質を推定する。また、推定部１６は、抽出部１２が抽出した特徴情報、および／または、匂い物質の推定結果に基づいて、対象に関する対象情報を推定する。

対象情報は、対象の匂いについての評価情報、対象の匂いを所定の基準に基づいて分類した分類情報、および、対象の状態を示す状態情報のうちの少なくともいずれかである。推定部１６は、例えば、複数水準の対象から取得された波形データを基に特徴量を抽出し得られた学習モデルを用いて、入力された未知の対象の状態が、過去のデータのいずれの対象の状態に近いか等を判定する。

出力制御部１７は、推定結果を出力するように出力部１８を制御する。ここで、推定結果は、匂い物質を推定した推定結果および対象情報を推定した推定結果の少なくともいずれかであってもよい。

（推定処理）
以下、制御部１ａの各部が行う具体的な処理については、図１２を用いて説明する。図１２は、推定装置１０ａが対象情報を推定する処理の流れの一例を示すフローチャートである。

まず、測定値取得部１１は、匂い物質を対象試料受入部５０へ導入する前の匂いセンサ３０において測定された電圧値Ｖ０を取得し、抵抗値Ｒ０を算出する。その後、未知の匂い物質（性状問わない）を対象試料受入部５０に導入する（ステップＳ１１）。

次に、測定値取得部１１は、センサ素子３１への未知の対象情報を有する対象から発せられた匂いに対応する匂い物質を複数のセンサ素子３１の各々が検出した検出信号を取得する（ステップＳ１２：取得ステップ）。

抽出部１２は、測定値取得部１１が取得した検出信号から、特徴情報を抽出する（ステップＳ１３：抽出ステップ）。例えば、抽出部１２は、特徴情報として、匂い物質吸脱着前後の過程における電圧値Ｖの変化量（ΔＶ）データ（波形または経時的変化パターン）を抽出する。

次に、推定部１６は、推定モデル２２を用い、抽出された特徴情報に基づき、対象の匂いに対応する匂い物質、および、抽出された特徴情報に基づき、対象情報を推定する（ステップＳ１４：推定ステップ）。例えば、推定部１６は、電圧値Ｖの経時的変化パターン（または変化パターンから抽出した特徴量）から、対象の状態を示す対象情報を推定する。

出力制御部１７は、出力部を制御して、推定結果を出力する（ステップＳ１５）。

上述の実施形態では、推定モデル２２を生成する推定装置１０および推定モデル２２を用いて匂い物質を推定する推定装置１０ａについて説明した。なお、推定装置１０と推定装置１０ａとは、別体の装置であってもよいし、１つの装置であってもよい。

（データ解析の例）
以下、情報処理システム１００によって提供される、データの解析方法について説明する。本開示に係る情報処理システム１００は、上述のような構成を備えることで、対象の特徴を示す波形の重ね合わせ、波形から抽出した特徴量についての主成分分析、線形判別分析、棒グラフ、およびレーダーチャートといった形式の解析結果を提供することができる。

情報処理システム１００は、例えば製品の品質管理、製品ＰＲ、および対象のモニタリング等に用いることができる。

例えば、情報処理システム１００は、品質管理として、食品素材の開発を支援することができる。一例として、情報処理システム１００は、過去出荷した製品の特徴情報および対象情報を示すライブラリを作成し、新たに製造した製品の特徴情報および対象情報と、ライブラリに含まれる情報との照合を行うことができる。

また、情報処理システム１００が行う推定の結果は、製品ＰＲに用いることもできる。例えば、情報処理システム１００を用いて推定された情報に基づき、製品と他社品との特徴を比較することができる。また、情報処理システム１００の推定結果に基づき製品の特徴の傾向を特定し、顧客嗜好とのマッチングに用いることもできる。

また、情報処理システム１００が行う推定の結果は、食品劣化度合いの経時変化の監視、食品の長寿命化、および食品の状態の見える化などといった対象のモニタリングに利用することができる。また、当該推定の結果を用いて、発酵状態の把握と条件最適化とを行うこともできる。

例えば、ある食品の劣化状態を示す対象情報と、当該食品を用いて得られた検出信号から抽出された特徴情報とを用いて学習モデルを生成し、状態が不明な食品を用いた測定を行うことで、該食品の劣化度合いを推定することができる。また、複数回測定を行うことで、当該食品の劣化度合いの経時的変化を監視することもできる。

さらに、ある食品の発酵状態および発酵条件を示す対象情報と、当該食品を用いて得られた検出信号から抽出された特徴情報とに基づき、状態が不明な食品の発酵度合いの推定および当該食品に最適な発酵条件の推定を行うことができる。

例えば、情報処理システム１００を用いて、対象に含まれるウレタン樹脂の臭気を判定することができる。図１３は、アミン類を含むフォーム（ウレタンフォーム）を対象として用いた測定における検出強度およびアミン類を含まないフォームを対象として測定における検出強度の経時的変化を示すグラフである。図１４は、図１３に示す測定時と同様の対象を用いて複数回の測定を行った場合における検出結果を示すグラフである。なお、図１４では、それぞれの測定におけるピークトップの値をプロットしている。図１３および図１４において、符号Ａはアミン類を含むフォームを用いた測定に基づく結果を示し、符号Ｂはアミン類を含まないフォームを用いた測定に基づく結果を示す。また、図１４において、符号Ｃは、対象を用いずに行った測定に基づく結果を示す。

図１３に示すように、アミン類を含むフォームを用いた場合の検出強度とアミン類を含まないフォームを用いた場合の検出強度を比較した結果、アミン類を含むフォームの方が、検出強度が高い傾向を示すことが確認された。この傾向は、鼻で嗅いだ際の感じ方と整合性があった。また、図１４に示すように、同様の対象を用いて連続５回測定した場合でも、上記順列（アミン類有＞無）に変わりはないことが確認された。

このように、情報処理システム１００を用いることで、対象の臭気がアミン類を含むフォームと含まないフォームとのどちらに近いかを、人の鼻による感覚に頼らずに推定することができる。

また、情報処理システム１００は測定された信号の検出強度と予め行われた官能評価試験の結果とを紐付ける学習が行われた学習モデルを生成し、当該学習モデルに基づく線形判別分析を行うことができる。図１５は、ある対象における、該対象が製品として問題ないか否かを示す対象情報と、該対象を用いて行われた測定における検出信号の検出強度を示す特徴情報との対応を示す図である。図１５において、「●」は製品として問題ないことを示す対象情報を有する対象についてプロットされたデータを示す。また、図１５において、「×」は製品として問題があることを示す対象情報を有する対象についてプロットされたデータを示す。「●」および「×」によって示される対象の特徴情報は、予め行われた官能評価試験によって特定される。

例えば、情報処理システム１００は、図１５に示すような検出強度を示す特徴情報と、製品の状態を示す対象情報と、に基づく学習を行った学習モデルを生成する。当該学習モデルを用い、線形判別分析を行うことで、対象情報が不明の対象（図１５において符号「★」で示す対象）が、製品として問題ないものであるか否かを、該対象の特徴情報に基づき判定することができる。

また、情報処理システム１００は測定された信号の検出強度と予め行われた官能評価試験の結果とを紐付ける学習が行われた学習モデルを生成し、当該学習モデルに基づく主成分分析を行うことができる。

図１６は、複数の対象における、官能評価試験および匂い測定装置２０を用いて行われた測定に基づく特徴量を示す図である。例えば、情報処理システム１００は、複数の対象について、特徴情報と、製品の状態を示す対象情報と、に基づく学習を行った学習モデルを生成する。情報処理システム１００は、当該学習モデルを用い、主成分分析を行うことで、対象情報が不明の対象（図１６において符号「★」で示す対象）が、予め評価が行われているいずれの対象の特徴に近いかを判定することができる。例えば、図１６に示すように、判定対象のグラフ上の位置と近い位置にプロットされた対象とは、比較的近い対象情報を示すと考えることができる。

図１７は、２つの対象と、それぞれの対象を用いて行われた測定によって得られた検出信号から特徴情報として抽出された特徴量を示す。図１７に示すように、情報処理システム１００を用いることで、複数の対象の状態がそれぞれ異なっていること、例えば符号Ｅに示す対象では、符号Ｄに示す対象と状態が異なっていることをユーザに把握させることができる。例えば、図１７に示す特徴量が多いほど、匂いが強いことを示す場合、ユーザは、符号Ｄに示す対象よりも符号Ｅに示す対象の匂いが抑えられていることを把握することができる。

図１８は、２つの対象について、複数のセンサ素子３１Ａを用いて測定を行った結果を示す。図１８において、縦軸は、複数のセンサ素子３１Ａのそれぞれによって検出された検出信号の強度を示し、横軸の数字は、信号を検出した複数のセンサ素子３１Ａ（検出素子）のそれぞれの識別番号を示す。

図１８に示すように、情報処理システム１００を用いることで、複数の対象の状態を示す対象情報を比較し、対象ごとの傾向を特定することができる。例えば、図１８における縦軸が、対象の対象情報として匂いの強さを示す場合、符号Ｆの対象と符号Ｇの対象とは類似の匂いであり、符号Ｆの対象よりも符号Ｇの対象の方が全般的に強い匂いを発していることが分かる。

また、情報処理システム１００は、対象の劣化具合の傾向を特定することができる。図１９は、対象として、食品添加物である添加物１および添加物２のそれぞれが劣化する前と劣化した後と、における測定の結果を示す二次元マップである。対象の劣化とは、例えば光の照射または時間経過等による味および風味等の劣化を示す。図１９において、マップ上におけるプロット間の距離が遠いほど、対象の匂いの質的な違いが大きいことを意味する。また、劣化具合とは、ある対象における劣化前から劣化後までの変化の程度を意味する。

従来、添加物１の方が添加物２に比べて劣化具合が大きいことが分かっている。図１９に示すように、情報処理システム１００を用いて測定を行った場合、従来知られている傾向と同様に、添加物１の方が添加物２に比べて劣化具合が大きいことを示す結果が得られる。

図２０は、複数のセンサ素子３１Ａを供える匂いセンサ３０を用いて、特定の空間内の匂い物質を測定したときの検出信号の強度と時間との関係を示すグラフを示す。ここで、測定の対象となる空間は、衛生的な環境が保たれるべき場所、例えばトイレ室内であってよい。

図２０に示す結果から、１つのグラフ（図２０の符号Ｘ）が他のグラフと比べて異常な変動を示していることがわかる。このように、情報処理システム１００を用いて経時的な測定値の変動を監視することで、測定に用いた複数のセンサ素子３１Ａのうち、正常に測定を行えないセンサ素子３１を確認することができる。また、この結果から異常な変動を示す結果を除外して分析を行うことで、より正確な結果を得ることができる。より正確な測定結果を得ることで、衛生的な環境が保たれるべき場所における匂いの状況をより正確に把握することができる。

＜ソフトウェアによる実現例＞
推定装置１０、１０ａの制御ブロック（特に制御部１）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。

後者の場合、推定装置１０、１０ａは、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータを備えている。このコンピュータは、例えば１つ以上のプロセッサを備えていると共に、上記プログラムを記憶したコンピュータ読み取り可能な記録媒体を備えている。そして、上記コンピュータにおいて、上記プロセッサが上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記プロセッサとしては、例えばＣＰＵ（Central Processing Unit）を用いることができる。上記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read Only Memory）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路等を用いることができる。また、上記プログラムを展開するＲＡＭ（Random Access Memory）等をさらに備えていてもよい。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

〔まとめ〕
本開示の態様１に係る情報処理システムは、複数のセンサ素子が設けられたセンサチャンバと、対象の匂いに対応する匂い物質を含む第１気体および前記対象の匂いに対応する匂い物質を含まない第２気体を交互に前記センサチャンバ内に供給可能な供給機構と、を備える少なくとも１以上の匂い測定装置と、前記複数のセンサ素子の各々からの検出信号を取得する取得部と取得した前記検出信号から前記対象の匂いの特徴を示す特徴情報を抽出する抽出部と、抽出した前記特徴情報に基づいて前記対象に関する対象情報を推定する推定部と、を備える。

本開示の態様２に係る情報処理システムは、上記態様１において、前記対象を収容し、前記第１気体を保持可能な収容空間を有する試料受入部を備え、前記供給機構は、前記第２気体を前記収容空間に供給することによって、前記収容空間内の前記第１気体を前記収容空間から前記センサチャンバの方へ押し出してもよい。

本開示の態様３に係る情報処理システムは、上記態様２において、前記収容空間の温度を調節可能な温度調節機構をさらに備えてもよい。

本開示の態様４に係る情報処理システムは、上記態様２または３において、前記供給機構は、前記センサチャンバ内の前記第１気体を、０．０１秒間以上１０秒間以下で前記第２気体に置換し、前記センサチャンバ内の前記第２気体を、０．０１秒間以上１０秒間以下で前記第１気体に置換してもよい。

本開示の態様５に係る情報処理システムは、上記態様１から４のいずれかにおいて、前記特徴情報は、（１）前記センサチャンバ内に前記第１気体が供給される第１期間において前記複数のセンサ素子の各々から出力される検出信号の強度および該強度の時間変化パターンの少なくともいずれか、および、（２）前記センサチャンバ内に供給された前記第１気体が前記第２気体によって前記センサチャンバ内から押し出される第２期間において前記複数のセンサ素子の各々から出力される検出信号の強度および該強度の時間変化パターンの少なくともいずれか、を含んでもよい。

本開示の態様６に係る情報処理システムは、上記態様１から５のいずれかにおいて、前記対象情報は、前記対象の匂いについての評価情報、前記対象の匂いを所定の基準に基づいて分類した分類情報、および、前記対象の状態を示す状態情報のうちの少なくともいずれかであってもよい。

本開示の態様６に係る情報処理システムは、上記態様１から６のいずれかにおいて、前記センサチャンバは、前記匂い測定装置に着脱自在に取り付けられてもよい。

本開示の態様８に係る情報処理システムは、上記態様７において、前記匂い測定装置は、前記供給機構の少なくとも一部を覆う第１筐体を備えてもよい。

本開示の態様９に係る情報処理システムは、上記態様７または８において、前記匂い測定装置は、前記供給機構の少なくとも一部、および前記センサチャンバを覆う第２筐体を備え、前記第２筐体は開閉可能となっており、前記第２筐体を開状態にした場合、前記センサチャンバを前記匂い測定装置に着脱自在に取り付けられてもよい。

本開示の態様１０に係る情報処理システムは、上記態様１から９のいずれかにおいて、前記複数のセンサ素子は、ケミレジスター型センサであってもよい。

本開示の態様１１に係る情報処理システムは、上記態様１から１０のいずれかにおいて、前記複数のセンサ素子の各々は、樹脂およびフィラーを含む樹脂組成物を含む匂い物質受容層を備え、前記複数のセンサ素子の各々の前記匂い物質受容層に含まれる前記樹脂組成物は互いに異なっていてもよい。

本開示の態様１２に係る情報処理システムは、上記態様１から１１のいずれかにおいて、前記第２気体は、不活性ガスまたは空気であってもよい。

本開示の態様１３に係る情報処理方法は、１または複数の情報処理装置により実行される制御方法であって、複数のセンサ素子が設けられたセンサチャンバと、対象の匂いに対応する匂い物質を含む第１気体および前記対象の匂いに対応する匂い物質を含まない第２気体を交互に前記センサチャンバ内に供給可能な供給機構と、を備える少なくとも１以上の匂い測定装置の前記複数のセンサ素子の各々からの検出信号を取得する取得ステップと、取得した前記検出信号から前記対象の匂いの特徴を示す特徴情報を抽出する抽出ステップと、抽出した前記特徴情報に基づいて前記対象に関する対象情報を推定する推定ステップと、を含む。

本開示の態様１４に係るプログラムは、上記態様１から１１のいずれかにの情報処理システムとしてコンピュータを機能させるためのプログラムであって、前記取得部、前記抽出部、および前記推定部としてコンピュータを機能させるためのプログラムである。

本発明は、医療用、ガス検知用、農業用およびその他工業や生活に用いられる匂い識別センサとして有用である。例えば、農家が香りのある作物の成熟具合を匂い識別センサを用いて判定して、最適な収穫タイミングを管理することもできる。また、食品または化粧品などの製品の匂いを匂い識別センサでデータ化して、製品開発の効率向上および品質安定化を支援することもできる。

１０、１０ａ 推定装置
１１ 測定値取得部（取得部）
１２ 抽出部
１６ 推定部
３０ 匂いセンサ
３１Ａ 複数のセンサ素子（センサ素子群）
３１、３１ｂ、３１ｃ センサ素子
３２ 定電圧電源（電源）
３３ 電圧計（測定機器）
２０ 匂い測定装置
４０ 供給機構
１００、１００ａ 情報処理システム
３１３Ａ、３１３Ｃ 第１金属配線
３１３Ｂ、３１３Ｄ 第２金属配線
３１５、３１５ｃ、３１５ｄ 匂い物質受容層
５０ 対象試料受入部（試料受入部）
５１ 調節部
６０ センサチャンバ
８０ 気体供給部
９１、９２、９３、９４ 管体
５０１ 第１口
５０２ 第２口
５０３ 試料導入口

Claims (14)

1. 複数のセンサ素子が設けられたセンサチャンバと、対象の匂いに対応する匂い物質を含む第１気体および前記対象の匂いに対応する匂い物質を含まない第２気体を交互に前記センサチャンバ内に供給可能な供給機構と、を備える少なくとも１以上の匂い測定装置と、
   前記複数のセンサ素子の各々からの検出信号を取得する取得部と
   取得した前記検出信号から前記対象の匂いの特徴を示す特徴情報を抽出する抽出部と、
   抽出した前記特徴情報に基づいて前記対象に関する対象情報を推定する推定部と、
   前記対象を収容し、前記第１気体を保持可能な収容空間を有する試料受入部と、
   を備え、
   前記供給機構は、前記第２気体を前記収容空間に供給することによって、前記収容空間内の前記第１気体を前記収容空間から前記センサチャンバの方へ押し出す、
   情報処理システム。
2. 前記収容空間の温度を調節可能な温度調節機構をさらに備える、
   請求項１に記載の情報処理システム。
3. 前記供給機構は、
   前記センサチャンバ内の前記第１気体を、０．０１秒間以上１０秒間以下で前記第２気体に置換し、
   前記センサチャンバ内の前記第２気体を、０．０１秒間以上１０秒間以下で前記第１気体に置換する、
   請求項１に記載の情報処理システム。
4. 複数のセンサ素子が設けられたセンサチャンバと、対象の匂いに対応する匂い物質を含む第１気体および前記対象の匂いに対応する匂い物質を含まない第２気体を交互に前記センサチャンバ内に供給可能な供給機構と、を備える少なくとも１以上の匂い測定装置と、
   前記複数のセンサ素子の各々からの検出信号を取得する取得部と
   取得した前記検出信号から前記対象の匂いの特徴を示す特徴情報を抽出する抽出部と、
   抽出した前記特徴情報に基づいて前記対象に関する対象情報を推定する推定部と、
   を備え、
   前記特徴情報は、（１）前記センサチャンバ内に前記第１気体が供給される第１期間において前記複数のセンサ素子の各々から出力される検出信号の強度および該強度の時間変化パターンの少なくともいずれか、および、（２）前記センサチャンバ内に供給された前記第１気体が前記第２気体によって前記センサチャンバ内から押し出される第２期間において前記複数のセンサ素子の各々から出力される検出信号の強度および該強度の時間変化パターンの少なくともいずれか、を含む、
   情報処理システム。
5. 前記対象情報は、前記対象の匂いについての評価情報、前記対象の匂いを所定の基準に基づいて分類した分類情報、および、前記対象の状態を示す状態情報のうちの少なくともいずれかである、
   請求項１または４に記載の情報処理システム。
6. 前記センサチャンバは、前記匂い測定装置に着脱自在に取り付けられる、
   請求項１または４に記載の情報処理システム。
7. 前記匂い測定装置は、前記供給機構の少なくとも一部を覆う第１筐体を備える、
   請求項６に記載の情報処理システム。
8. 前記匂い測定装置は、前記供給機構の少なくとも一部、および前記センサチャンバを覆う第２筐体を備え、
   前記第２筐体は開閉可能となっており、前記第２筐体を開状態にした場合、前記センサチャンバを前記匂い測定装置に着脱自在に取り付けられる、
   請求項６に記載の情報処理システム。
9. 前記複数のセンサ素子は、ケミレジスター型センサである、
   請求項１または４に記載の情報処理システム。
10. 前記複数のセンサ素子の各々は、樹脂およびフィラーを含む樹脂組成物を含む匂い物質受容層を備え、
    前記複数のセンサ素子の各々の前記匂い物質受容層に含まれる前記樹脂組成物は互いに異なっている、
    請求項１または４に記載の情報処理システム。
11. 前記第２気体は、不活性ガスまたは空気である、
    請求項１または４に記載の情報処理システム。
12. １または複数の情報処理装置により実行される制御方法であって、
    複数のセンサ素子が設けられたセンサチャンバと、対象の匂いに対応する匂い物質を含む第１気体および前記対象の匂いに対応する匂い物質を含まない第２気体を交互に前記センサチャンバ内に供給可能な供給機構と、を備える少なくとも１以上の匂い測定装置の前記複数のセンサ素子の各々からの検出信号を取得する取得ステップと、
    取得した前記検出信号から前記対象の匂いの特徴を示す特徴情報を抽出する抽出ステップと、
    抽出した前記特徴情報に基づいて前記対象に関する対象情報を推定する推定ステップと、
    を含み、
    前記供給機構は、試料受入部が有する収容空間であって、前記対象を収容し、前記第１気体を保持可能な収容空間に、前記第２気体を供給することによって、前記収容空間内の前記第１気体を前記収容空間から前記センサチャンバの方へ押し出す、
    情報処理方法。
13. １または複数の情報処理装置により実行される制御方法であって、
    複数のセンサ素子が設けられたセンサチャンバと、対象の匂いに対応する匂い物質を含む第１気体および前記対象の匂いに対応する匂い物質を含まない第２気体を交互に前記センサチャンバ内に供給可能な供給機構と、を備える少なくとも１以上の匂い測定装置の前記複数のセンサ素子の各々からの検出信号を取得する取得ステップと、
    取得した前記検出信号から前記対象の匂いの特徴を示す特徴情報を抽出する抽出ステップと、
    抽出した前記特徴情報に基づいて前記対象に関する対象情報を推定する推定ステップと、
    を含み、
    前記特徴情報は、（１）前記センサチャンバ内に前記第１気体が供給される第１期間において前記複数のセンサ素子の各々から出力される検出信号の強度および該強度の時間変化パターンの少なくともいずれか、および、（２）前記センサチャンバ内に供給された前記第１気体が前記第２気体によって前記センサチャンバ内から押し出される第２期間において前記複数のセンサ素子の各々から出力される検出信号の強度および該強度の時間変化パターンの少なくともいずれか、を含む、
    情報処理方法。
14. 請求項１または４に記載の情報処理システムとしてコンピュータを機能させるためのプログラムであって、前記取得部、前記抽出部、および前記推定部としてコンピュータを機能させるためのプログラム。