JP2003344279A - 毛髪水分の測定方法 - Google Patents
毛髪水分の測定方法Info
- Publication number
- JP2003344279A JP2003344279A JP2002155785A JP2002155785A JP2003344279A JP 2003344279 A JP2003344279 A JP 2003344279A JP 2002155785 A JP2002155785 A JP 2002155785A JP 2002155785 A JP2002155785 A JP 2002155785A JP 2003344279 A JP2003344279 A JP 2003344279A
- Authority
- JP
- Japan
- Prior art keywords
- hair
- moisture
- calibration curve
- water content
- measuring
- 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.)
- Pending
Links
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
(57)【要約】
【課題】 非破壊測定を行うことができ、外的変動要因
に影響を受けることがなく、これらの測定を簡易な方法
で高い精度で行うことができる毛髪水分の測定方法を提
供する。 【解決手段】 重量法により測定した水分量既知の複数
の標準毛髪試料に対して近赤外線を照射して複数のスペ
クトルデータを求めて、標準毛髪試料の水分量の検量線
を作成する。このとき、複数のスペクトルデータに所定
の次数の微分を施した後、さらにＭＳＣを施す前処理を
行って補正スペクトルデータを得、この補正スペクトル
データと重量法による水分量データとを偏最小自乗回帰
解析法を用いて統計処理して検量線を作成する。つい
で、被験者の毛髪に対して近赤外線を直接照射してスペ
クトルデータを求めて、検量線を用いて毛髪の水分量を
測定する。
に影響を受けることがなく、これらの測定を簡易な方法
で高い精度で行うことができる毛髪水分の測定方法を提
供する。 【解決手段】 重量法により測定した水分量既知の複数
の標準毛髪試料に対して近赤外線を照射して複数のスペ
クトルデータを求めて、標準毛髪試料の水分量の検量線
を作成する。このとき、複数のスペクトルデータに所定
の次数の微分を施した後、さらにＭＳＣを施す前処理を
行って補正スペクトルデータを得、この補正スペクトル
データと重量法による水分量データとを偏最小自乗回帰
解析法を用いて統計処理して検量線を作成する。つい
で、被験者の毛髪に対して近赤外線を直接照射してスペ
クトルデータを求めて、検量線を用いて毛髪の水分量を
測定する。
Description
【０００１】
【発明の属する技術分野】本発明は、毛髪水分の測定方
法に関する。
法に関する。
【０００２】
【従来の技術】毛髪は、皮膚表面に出ている部分の毛幹
（hair shaft）と、皮膚内部に入り込んでいる部分の毛
根（hair root）とに分けられる。毛髪は、皮膚の角質
層の主成分と同じケラチンより構成されている。ケラチ
ンは、生化学的定義では、表皮細胞中に蓄積するタンパ
ク質である。
（hair shaft）と、皮膚内部に入り込んでいる部分の毛
根（hair root）とに分けられる。毛髪は、皮膚の角質
層の主成分と同じケラチンより構成されている。ケラチ
ンは、生化学的定義では、表皮細胞中に蓄積するタンパ
ク質である。
【０００３】毛髪の水分は、タンパク質に対する結合水
の形態で存在する。毛髪は水を吸収する性質があり、毛
髪の水分量は外界の環境要因によって異なる。通常の環
境下では毛髪の水分量は１０〜１５％程度である。
の形態で存在する。毛髪は水を吸収する性質があり、毛
髪の水分量は外界の環境要因によって異なる。通常の環
境下では毛髪の水分量は１０〜１５％程度である。
【０００４】毛髪を手で触ったときに、毛髪化粧料の使
用者に好まれる感触は、しっとりしている、柔らかい、
なめらかといった感触である。特に毛髪中の水分量が寄
与しているしっとりさは、毛髪化粧料の使用者によって
強く求められており、毛髪化粧料を選択するうえでも重
要である。
用者に好まれる感触は、しっとりしている、柔らかい、
なめらかといった感触である。特に毛髪中の水分量が寄
与しているしっとりさは、毛髪化粧料の使用者によって
強く求められており、毛髪化粧料を選択するうえでも重
要である。
【０００５】従来、毛髪中の水分量を定量分析する方法
としては、（１）毛髪の束を作成し、一定環境下での重
量を測定した後、高温（１００℃以上）で乾燥させた毛
髪の重量を測定し、乾燥毛髪に対する水重量の割合を算
出する重量法（質量法）や、（２）水分子とヨウ素化合
物との反応を利用し、生成したヨウ素分子（Ｉ２）を電
気分解して、流れた電流量から水のモル数を算出して水
分量を測定するカール・フィッシャー法や、（３）毛髪
の２ヶ所間の電導度を測定する電気電導度測定法や、
（４）ＡＴＲ結晶プローブを押し付けることにより、中
赤外スペクトルを測定し、アミドバンドに対するＯＨに
よるバンドの強度比で水分量を推定するＡＴＲ−赤外
（中赤外）分光法などが用いられてきた。
としては、（１）毛髪の束を作成し、一定環境下での重
量を測定した後、高温（１００℃以上）で乾燥させた毛
髪の重量を測定し、乾燥毛髪に対する水重量の割合を算
出する重量法（質量法）や、（２）水分子とヨウ素化合
物との反応を利用し、生成したヨウ素分子（Ｉ２）を電
気分解して、流れた電流量から水のモル数を算出して水
分量を測定するカール・フィッシャー法や、（３）毛髪
の２ヶ所間の電導度を測定する電気電導度測定法や、
（４）ＡＴＲ結晶プローブを押し付けることにより、中
赤外スペクトルを測定し、アミドバンドに対するＯＨに
よるバンドの強度比で水分量を推定するＡＴＲ−赤外
（中赤外）分光法などが用いられてきた。
【０００６】ところで、０．８μｍ〜２．５μｍの波長
域の近赤外線は、１）エネルギーの低い電磁波を用いる
ので試料を損傷することがない、２）固体、粉体、繊
維、液体、気体など様々な状態の試料に適用することが
できる、３）赤外にくらべ近赤外では水の吸収強度が弱
くなるので、水溶液での分析ができるなどの利点を有し
ている。このため、近年、農業分野をはじめ様々な分野
で近赤外線が利用されはじめている。生体計測分野にお
いても、非侵襲、無公害の分析手法として注目されてお
り、実用化に向けた検討が進められている（ＩＦＳＣＣ
横浜大会要旨 1132〜1146 （1992）、J.Cosmet.Sci.
,51(3),183-192（2000）、Applied Spectrosc. ,46
(5), 875-878（1992）など）。
域の近赤外線は、１）エネルギーの低い電磁波を用いる
ので試料を損傷することがない、２）固体、粉体、繊
維、液体、気体など様々な状態の試料に適用することが
できる、３）赤外にくらべ近赤外では水の吸収強度が弱
くなるので、水溶液での分析ができるなどの利点を有し
ている。このため、近年、農業分野をはじめ様々な分野
で近赤外線が利用されはじめている。生体計測分野にお
いても、非侵襲、無公害の分析手法として注目されてお
り、実用化に向けた検討が進められている（ＩＦＳＣＣ
横浜大会要旨 1132〜1146 （1992）、J.Cosmet.Sci.
,51(3),183-192（2000）、Applied Spectrosc. ,46
(5), 875-878（1992）など）。
【０００７】
【発明が解決しようとする課題】しかしながら、上記
（１）〜（４）の従来の水分量測定法は、測定前に毛髪
試料を切断採取する必要があり、いわゆる非破壊測定で
はなかったり、非破壊測定であっても、電気電導度測定
のように、水分量の相対比較であって絶対値が測定でき
なかったり、あるいはまた、毛髪の表面付近など局所的
な測定に用いられるものであって毛髪全体の平均水分量
を測定することができなかったりする等の種々の不具合
がある。
（１）〜（４）の従来の水分量測定法は、測定前に毛髪
試料を切断採取する必要があり、いわゆる非破壊測定で
はなかったり、非破壊測定であっても、電気電導度測定
のように、水分量の相対比較であって絶対値が測定でき
なかったり、あるいはまた、毛髪の表面付近など局所的
な測定に用いられるものであって毛髪全体の平均水分量
を測定することができなかったりする等の種々の不具合
がある。
【０００８】また、近年ヘアカラーやブリーチといっ
た、自分の毛髪の色を変える毛髪化粧料使用者が多数を
占め、これらの人の毛髪は、ヘアカラー・ブリーチなど
に伴う種々のダメージを受けている。このため、上記し
た近赤外線の吸光度を利用して毛髪の水分量の定量分析
を行おうとすると、毛髪に生来含まれるメラニン色素
や、ヘアカラーの色素が可視光領域にエネルギーの吸収
を有するために、色が異なる毛髪は、可視光領域に隣接
する近赤外線のベースラインが変化し、そのため、ベー
スラインの補正などを考慮する必要性がある。また、近
赤外線の透過あるいは反射した光のスペクトルを用いて
毛髪の水分量を測定しようとすると、上記の吸光度測定
のときと同様にベースラインが変化する問題があるとと
もに、近赤外線の吸収シグナルが高調波を扱うために赤
外に比較して非常に微弱である上、バンドの帰属が明確
でないという欠点を有しており、必要な測定精度を得る
観点からは実用化に至っていない。
た、自分の毛髪の色を変える毛髪化粧料使用者が多数を
占め、これらの人の毛髪は、ヘアカラー・ブリーチなど
に伴う種々のダメージを受けている。このため、上記し
た近赤外線の吸光度を利用して毛髪の水分量の定量分析
を行おうとすると、毛髪に生来含まれるメラニン色素
や、ヘアカラーの色素が可視光領域にエネルギーの吸収
を有するために、色が異なる毛髪は、可視光領域に隣接
する近赤外線のベースラインが変化し、そのため、ベー
スラインの補正などを考慮する必要性がある。また、近
赤外線の透過あるいは反射した光のスペクトルを用いて
毛髪の水分量を測定しようとすると、上記の吸光度測定
のときと同様にベースラインが変化する問題があるとと
もに、近赤外線の吸収シグナルが高調波を扱うために赤
外に比較して非常に微弱である上、バンドの帰属が明確
でないという欠点を有しており、必要な測定精度を得る
観点からは実用化に至っていない。
【０００９】本発明は、上記の課題に鑑みてなされたも
のであり、測定前に毛髪を切断採取する必要のない、い
わゆる非破壊測定を行うことができ、また、水分量の相
対比較でなく絶対値水分量を測定することができ、ま
た、毛髪の表面付近などの局所的な測定ではなく毛髪全
体の平均水分量を測定することができ、さらにまた、こ
れらの測定を簡易な方法で行うことができる毛髪水分の
測定方法を提供することを目的とする。
のであり、測定前に毛髪を切断採取する必要のない、い
わゆる非破壊測定を行うことができ、また、水分量の相
対比較でなく絶対値水分量を測定することができ、ま
た、毛髪の表面付近などの局所的な測定ではなく毛髪全
体の平均水分量を測定することができ、さらにまた、こ
れらの測定を簡易な方法で行うことができる毛髪水分の
測定方法を提供することを目的とする。
【００１０】また、本発明は、毛髪のダメージ等の外的
変動要因に影響を受けることなく、高い精度で測定する
ことができる毛髪水分の測定方法を提供することを目的
とする。
変動要因に影響を受けることなく、高い精度で測定する
ことができる毛髪水分の測定方法を提供することを目的
とする。
【００１１】
【課題を解決するための手段】本発明に係る毛髪水分の
測定方法は、水分量既知の複数の毛髪試料に対して近赤
外線を照射して複数の拡散反射または透過反射スペクト
ルデータを求めて、毛髪の水分量の検量線を作成する検
量線作成工程と、被験者の毛髪に対して近赤外線を直接
照射して拡散反射または透過反射スペクトルデータを求
めて、該検量線を用いて毛髪の水分量を測定する水分量
測定工程とを有することを特徴とする。
測定方法は、水分量既知の複数の毛髪試料に対して近赤
外線を照射して複数の拡散反射または透過反射スペクト
ルデータを求めて、毛髪の水分量の検量線を作成する検
量線作成工程と、被験者の毛髪に対して近赤外線を直接
照射して拡散反射または透過反射スペクトルデータを求
めて、該検量線を用いて毛髪の水分量を測定する水分量
測定工程とを有することを特徴とする。
【００１２】ここで、水分量既知とは、水分量を測定す
るための確立された手法を用いて予め水分量が測定され
ているこという。このような測定手法としては、例え
ば、前記した従来の皮膚の水分測定に用いる方法等を挙
げることができる。検量線を作成するためにはこれらの
手法のうちから適宜選択して用いることができる。ま
た、近赤外線は、０．８〜２．５μｍの波長範囲のう
ち、１．４５μｍ及び／又は１．９３μｍの波長を含む
波長範囲のものを適宜選択して用いることができる。
るための確立された手法を用いて予め水分量が測定され
ているこという。このような測定手法としては、例え
ば、前記した従来の皮膚の水分測定に用いる方法等を挙
げることができる。検量線を作成するためにはこれらの
手法のうちから適宜選択して用いることができる。ま
た、近赤外線は、０．８〜２．５μｍの波長範囲のう
ち、１．４５μｍ及び／又は１．９３μｍの波長を含む
波長範囲のものを適宜選択して用いることができる。
【００１３】本発明の上記の構成により、中赤外線に比
べて波長の短い近赤外線の拡散反射または透過反射スペ
クトルを利用して毛髪水分を測定することで、測定前に
毛髪を切断採取する必要のない、いわゆる非破壊測定を
行うことができ、また、水分量の相対比較でなく絶対値
水分量を測定することができ、また、近赤外線は物質透
過性が高いという性質を持っているため、毛髪の表面付
近など局所的な測定ではなく毛髪全体の平均水分量を測
定することができ、さらにまた、これらの測定を簡易な
方法で行うことができる。
べて波長の短い近赤外線の拡散反射または透過反射スペ
クトルを利用して毛髪水分を測定することで、測定前に
毛髪を切断採取する必要のない、いわゆる非破壊測定を
行うことができ、また、水分量の相対比較でなく絶対値
水分量を測定することができ、また、近赤外線は物質透
過性が高いという性質を持っているため、毛髪の表面付
近など局所的な測定ではなく毛髪全体の平均水分量を測
定することができ、さらにまた、これらの測定を簡易な
方法で行うことができる。
【００１４】この場合、前記検量線作成工程において、
偏最小自乗回帰解析法（部分最小自乗法：partical lea
st squares regression）を用いて前記検量線を作成
し、あるいはまた、前記複数の拡散反射または透過反射
スペクトルデータに所定の次数の微分を施す前処理、お
よび該複数の拡散反射または透過反射スペクトルデータ
にＭＳＣ(multiplicative scatter correction：乗法性
散乱補正、多重散乱補正)を施す前処理のうちの少なく
とも１つの前処理を施す段階を含むと、これらのいわゆ
るケモメトリックス手法を用いることで、毛髪のダメー
ジ等の外的変動要因に影響を受けることなく、高い精度
で毛髪の水分量を測定することができる。
偏最小自乗回帰解析法（部分最小自乗法：partical lea
st squares regression）を用いて前記検量線を作成
し、あるいはまた、前記複数の拡散反射または透過反射
スペクトルデータに所定の次数の微分を施す前処理、お
よび該複数の拡散反射または透過反射スペクトルデータ
にＭＳＣ(multiplicative scatter correction：乗法性
散乱補正、多重散乱補正)を施す前処理のうちの少なく
とも１つの前処理を施す段階を含むと、これらのいわゆ
るケモメトリックス手法を用いることで、毛髪のダメー
ジ等の外的変動要因に影響を受けることなく、高い精度
で毛髪の水分量を測定することができる。
【００１５】
【発明の実施の形態】本発明に係る毛髪水分の測定方法
の好適な実施の形態（以下、本実施の形態例という。）
について、図を参照して、以下に説明する。
の好適な実施の形態（以下、本実施の形態例という。）
について、図を参照して、以下に説明する。
【００１６】本実施の形態例に係る毛髪水分の測定方法
は、市販の例えばスペクトロンテック社製等の携帯用近
赤外線分光分析装置や、ブラン・ルーベ社製の近赤外線
分光分析装置を用いて、概略以下の手順で行うことがで
きる。
は、市販の例えばスペクトロンテック社製等の携帯用近
赤外線分光分析装置や、ブラン・ルーベ社製の近赤外線
分光分析装置を用いて、概略以下の手順で行うことがで
きる。
【００１７】近赤外線分光分析装置は、光源としてタン
グステンハロゲンランプを用い、発光した近赤外線を光
ファイバを通じて被験者の毛髪に当てる。このとき、表
面材質がアルミナ、金等の、平らな反射板の上に被験者
の毛髪の一部が乗るようにして、毛髪の乗った反射板の
上から光ファイバの先端のプローブを反射板に垂直にな
るように毛髪に触れさせる。
グステンハロゲンランプを用い、発光した近赤外線を光
ファイバを通じて被験者の毛髪に当てる。このとき、表
面材質がアルミナ、金等の、平らな反射板の上に被験者
の毛髪の一部が乗るようにして、毛髪の乗った反射板の
上から光ファイバの先端のプローブを反射板に垂直にな
るように毛髪に触れさせる。
【００１８】毛髪を透過した光は、反射板によって反射
され、再び毛髪を透過して透過反射光として、また、毛
髪から拡散反射された光は、拡散反射光として、照射用
のプローブに併せて設けた受光用の光ファイバを通じ
て、例えばＰｂＳやフォトダイオードを用いたディテク
タに入射される。ディテクタは、例えばＰｂＳの場合、
１．１〜２．５μｍの範囲の反射スペクトルを０．５ｎ
ｍの分解能で検出することができる。
され、再び毛髪を透過して透過反射光として、また、毛
髪から拡散反射された光は、拡散反射光として、照射用
のプローブに併せて設けた受光用の光ファイバを通じ
て、例えばＰｂＳやフォトダイオードを用いたディテク
タに入射される。ディテクタは、例えばＰｂＳの場合、
１．１〜２．５μｍの範囲の反射スペクトルを０．５ｎ
ｍの分解能で検出することができる。
【００１９】ディテクタから、透過反射または拡散反射
スペクトル強度（一般に、両者を一律に拡散反射スペク
トル強度という。以下、透過反射スペクトル強度につい
ても、拡散反射スペクトル強度と表記する。）に応じた
電気信号が生成され、電気信号は増幅処理されてマイク
ロコンピュータに出力される。マイクロコンピュータで
は、後述する所定の前処理が行われ、メモリに貯蔵し
た、後述する検量線を用いて、毛髪の水分量が出力され
る。
スペクトル強度（一般に、両者を一律に拡散反射スペク
トル強度という。以下、透過反射スペクトル強度につい
ても、拡散反射スペクトル強度と表記する。）に応じた
電気信号が生成され、電気信号は増幅処理されてマイク
ロコンピュータに出力される。マイクロコンピュータで
は、後述する所定の前処理が行われ、メモリに貯蔵し
た、後述する検量線を用いて、毛髪の水分量が出力され
る。
【００２０】上記の近赤外線分光分析装置を用いた本実
施の形態例に係る毛髪水分の測定方法について説明す
る。ここでは、近赤外線の透過反射光および拡散反射光
のうち、前者の透過反射光を使用し、測定される透過反
射光のスペクトル（以下、拡散反射スペクトルと表記す
る。）を用いる場合について説明する。
施の形態例に係る毛髪水分の測定方法について説明す
る。ここでは、近赤外線の透過反射光および拡散反射光
のうち、前者の透過反射光を使用し、測定される透過反
射光のスペクトル（以下、拡散反射スペクトルと表記す
る。）を用いる場合について説明する。
【００２１】毛髪水分の測定方法は、水分量既知の複数
の毛髪試料に対して近赤外線を照射して複数の拡散反射
スペクトルデータを求めて、毛髪の水分量の検量線を作
成する工程（検量線作成工程）と、被験者の毛髪に対し
て近赤外線を直接照射して拡散反射スペクトルデータを
求めて、作成した検量線を用いて毛髪の水分量を測定す
る工程（水分量測定工程）とからなる。
の毛髪試料に対して近赤外線を照射して複数の拡散反射
スペクトルデータを求めて、毛髪の水分量の検量線を作
成する工程（検量線作成工程）と、被験者の毛髪に対し
て近赤外線を直接照射して拡散反射スペクトルデータを
求めて、作成した検量線を用いて毛髪の水分量を測定す
る工程（水分量測定工程）とからなる。
【００２２】まず、検量線作成工程について説明する。
【００２３】異なる湿度環境下に平衡状態にある、種々
のブリーチ回数の毛髪を標準試料毛髪（毛髪試料）とし
てサンプル数Ｎ＝９０準備する。具体的には、ヘアカラ
ーやパーマネント・ウェーブの履歴のない日本人女性の
毛髪を、過酸化水素を３％含み、アンモニア水でｐＨ
９．５に調整したブリーチ液で、０回〜６回までブリー
チ処理し、適度に洗浄したものを標準試料毛髪とした。
そして、これらの標準試料毛髪を用いて、既存の水分測
定方法により水分量を測定するとともに、これとあわせ
て、近赤外線分光分析装置を用いて拡散反射スペクトル
データ（相対拡散反射スペクトルデータ）を得る。
のブリーチ回数の毛髪を標準試料毛髪（毛髪試料）とし
てサンプル数Ｎ＝９０準備する。具体的には、ヘアカラ
ーやパーマネント・ウェーブの履歴のない日本人女性の
毛髪を、過酸化水素を３％含み、アンモニア水でｐＨ
９．５に調整したブリーチ液で、０回〜６回までブリー
チ処理し、適度に洗浄したものを標準試料毛髪とした。
そして、これらの標準試料毛髪を用いて、既存の水分測
定方法により水分量を測定するとともに、これとあわせ
て、近赤外線分光分析装置を用いて拡散反射スペクトル
データ（相対拡散反射スペクトルデータ）を得る。
【００２４】既存の水分測定方法としては、例えば、こ
れまで多用されてきた重量法を用いる。約０．１ｇの毛
髪の束を作製し、恒温恒湿槽の中で毛髪の束の重量を測
定することにより、標準試料毛髪について水分量を測定
する。
れまで多用されてきた重量法を用いる。約０．１ｇの毛
髪の束を作製し、恒温恒湿槽の中で毛髪の束の重量を測
定することにより、標準試料毛髪について水分量を測定
する。
【００２５】一方、上記重量法の測定に供したのと同じ
標準試料毛髪について、近赤外線分光分析装置を用い
て、１．１〜２．５μｍの波長範囲の近赤外線を照射し
て、標準試料毛髪の近赤外線相対拡散反射スペクトルデ
ータ〈以下、単に相対拡散反射スペクトルデータとい
う。〉を得る。相対拡散反射スペクトルデータの一例を
図１に示す。図１において、横軸は波長を示し、単位は
ナノメートル（ｎｍ）である．一方、縦軸は相対拡散反
射率Ｒの逆数の自然対数を示す。図１中、１４５０ｎｍ
および１９３０ｎｍ付近に水のバンドが観察される。
標準試料毛髪について、近赤外線分光分析装置を用い
て、１．１〜２．５μｍの波長範囲の近赤外線を照射し
て、標準試料毛髪の近赤外線相対拡散反射スペクトルデ
ータ〈以下、単に相対拡散反射スペクトルデータとい
う。〉を得る。相対拡散反射スペクトルデータの一例を
図１に示す。図１において、横軸は波長を示し、単位は
ナノメートル（ｎｍ）である．一方、縦軸は相対拡散反
射率Ｒの逆数の自然対数を示す。図１中、１４５０ｎｍ
および１９３０ｎｍ付近に水のバンドが観察される。
【００２６】本実施の形態例では、検量線作成に供する
ために、上記の相対拡散反射スペクトルデータを前処理
する。
ために、上記の相対拡散反射スペクトルデータを前処理
する。
【００２７】前処理として、相対拡散反射スペクトルデ
ータ（相対拡散反射スペクトル）を例えば二次微分まで
行って二次微分スペクトル（二次微分スペクトルデー
タ）を得る。このとき、測定した相対拡散反射スペクト
ルを予め平均化処理（Mean Centering）した後、二次微
分して二次微分スペクトルを求める。ここで、平均化処
理とは、各波長における全スペクトルの平均値からなる
スペクトルを求めることをいう。二次微分スペクトルの
一例を図２に示す。この二次微分スペクトルは、図１の
近赤外線反射スペクトルを二次微分して得たものであ
る。二次微分により、ベースラインをいずれのスペクト
ルに対しても０（零）にすることができる。
ータ（相対拡散反射スペクトル）を例えば二次微分まで
行って二次微分スペクトル（二次微分スペクトルデー
タ）を得る。このとき、測定した相対拡散反射スペクト
ルを予め平均化処理（Mean Centering）した後、二次微
分して二次微分スペクトルを求める。ここで、平均化処
理とは、各波長における全スペクトルの平均値からなる
スペクトルを求めることをいう。二次微分スペクトルの
一例を図２に示す。この二次微分スペクトルは、図１の
近赤外線反射スペクトルを二次微分して得たものであ
る。二次微分により、ベースラインをいずれのスペクト
ルに対しても０（零）にすることができる。
【００２８】ここでは、上記の二次微分スペクトルを用
い、さらに、前処理としてＭＳＣを行う。これにより、
二次微分スペクトルから増幅（乗法性）とオフセット
（加法性）が取り除かれ、例えば、測定装置の光路長の
問題、オフセットのシフト、干渉などの多くの問題が解
決される。ＭＳＣ後のスペクトルの一例を図３に示す。
このＭＳＣ後のスペクトルは、図２の二次微分スペクト
ルを補正して得たものである。
い、さらに、前処理としてＭＳＣを行う。これにより、
二次微分スペクトルから増幅（乗法性）とオフセット
（加法性）が取り除かれ、例えば、測定装置の光路長の
問題、オフセットのシフト、干渉などの多くの問題が解
決される。ＭＳＣ後のスペクトルの一例を図３に示す。
このＭＳＣ後のスペクトルは、図２の二次微分スペクト
ルを補正して得たものである。
【００２９】近赤外線拡散反射スペクトルデータ（近赤
外線相対拡散反射スペクトル）に上記の各前処理を施す
ことで、例えば毛髪の整列状態が異なること等による近
赤外線の透過反射、拡散反射状態の相違等のヒト間差
（個体差）の影響や、毛髪のダメージの差等の外的変動
要因の影響が軽減される。
外線相対拡散反射スペクトル）に上記の各前処理を施す
ことで、例えば毛髪の整列状態が異なること等による近
赤外線の透過反射、拡散反射状態の相違等のヒト間差
（個体差）の影響や、毛髪のダメージの差等の外的変動
要因の影響が軽減される。
【００３０】上記２段階の前処理を行った近赤外線拡散
反射スペクトルに基づくデータ（補正された相対拡散反
射スペクトルデータ）と前記の重量法で測定した水分量
データとを用いて毛髪の水分量の検量線を作成する。
反射スペクトルに基づくデータ（補正された相対拡散反
射スペクトルデータ）と前記の重量法で測定した水分量
データとを用いて毛髪の水分量の検量線を作成する。
【００３１】検量線を作成する際の統計処理手法とし
て、一般に、線形重回帰解析（ＭＬＲ，Multiple Linea
r Regression）、主成分回帰解析（ＰＣＲ，Principal
Component Regression）等の方法があるが、本実施の形
態例では、偏最小自乗回帰解析法（ＰＬＳ）を用いる。
偏最小自乗回帰解析法は、最も精度よく未知の試料の物
理的性質または化学的性質を推定できることが知られて
いる。
て、一般に、線形重回帰解析（ＭＬＲ，Multiple Linea
r Regression）、主成分回帰解析（ＰＣＲ，Principal
Component Regression）等の方法があるが、本実施の形
態例では、偏最小自乗回帰解析法（ＰＬＳ）を用いる。
偏最小自乗回帰解析法は、最も精度よく未知の試料の物
理的性質または化学的性質を推定できることが知られて
いる。
【００３２】以下、偏最小自乗回帰解析法の手順を説明
する。
する。
【００３３】まず、物理的または化学的性質推定の算出
式について説明する。１１００〜２５００ｎｍの波長域
の近赤外光の照射によって得られる近赤外データから、
検量線（水分量が未知の試料毛髪の水分量を推定する推
定方程式）の係数を決定する方法（校正）は、一般にデ
ータ圧縮および校正回帰の段階から成る。なお、以下の
処理はコンピュータを用いて行われる。
式について説明する。１１００〜２５００ｎｍの波長域
の近赤外光の照射によって得られる近赤外データから、
検量線（水分量が未知の試料毛髪の水分量を推定する推
定方程式）の係数を決定する方法（校正）は、一般にデ
ータ圧縮および校正回帰の段階から成る。なお、以下の
処理はコンピュータを用いて行われる。
【００３４】試料毛髪のスペクトルデータ、および試料
の物理的、化学的性質を次のように表す。
の物理的、化学的性質を次のように表す。
【００３５】Ｘ＝Ｉｘ＋ＴＰ＋Ｅ …（１）
Ｃ＝Ｉｃ＋ＴＱ＋ｆ …（２）
上式中、
Ｘ＝｛ｘik｝：波長ｋにおけるサンプルｉのスペクトル
の値のマトリックス Ｉ：単位マトリックス ｘ：Ｘの平均値でｋ次元の行
ベクトル Ｔ＝｛ｔik｝：回帰因子行列（評点行列） Ｐ＝｛ｐik｝：近赤外荷重行列 Ｅ＝｛ｅik｝：誤差 Ｃ＝｛ｃik｝：物理的または化学的性質 ｃ：Ｃの平均値でｋ次元の行ベクトル Ｑ＝｛ｑi
k｝：化学荷重行列 ｆ＝｛ｆi ｝：誤差を表す列ベクトル データ圧縮により近赤外荷重行列Ｐと回帰因子行列Ｔが
定められ、校正回帰によって回帰因子行列Ｔを用いて化
学荷重q が得られＣが求められる。
の値のマトリックス Ｉ：単位マトリックス ｘ：Ｘの平均値でｋ次元の行
ベクトル Ｔ＝｛ｔik｝：回帰因子行列（評点行列） Ｐ＝｛ｐik｝：近赤外荷重行列 Ｅ＝｛ｅik｝：誤差 Ｃ＝｛ｃik｝：物理的または化学的性質 ｃ：Ｃの平均値でｋ次元の行ベクトル Ｑ＝｛ｑi
k｝：化学荷重行列 ｆ＝｛ｆi ｝：誤差を表す列ベクトル データ圧縮により近赤外荷重行列Ｐと回帰因子行列Ｔが
定められ、校正回帰によって回帰因子行列Ｔを用いて化
学荷重q が得られＣが求められる。
【００３６】次に偏最小自乗回帰解析法の基礎アルゴリ
ズムについて説明する。１．校正複数の試料の近赤外ス
ペクトルデータ行列Ｘと物理的または化学的性質のベク
トルｃをまず対称化する。
ズムについて説明する。１．校正複数の試料の近赤外ス
ペクトルデータ行列Ｘと物理的または化学的性質のベク
トルｃをまず対称化する。
【００３７】Ｕ＝Ｘ−Ｉｘ …（３）
ν＝ｃ−Ｉｃ …（４）
以下に示す各因子ａ＝１，２…，Ａに対して以下の手順
（ａ），（ｂ），（ｃ），（ｄ）を行う。（ａ）化学残
差νを用い、近赤外荷重ベクトルｐa を下記式（５）か
ら最小自乗法（ＬＳ，Least Squareres)により推定す
る。
（ａ），（ｂ），（ｃ），（ｄ）を行う。（ａ）化学残
差νを用い、近赤外荷重ベクトルｐa を下記式（５）か
ら最小自乗法（ＬＳ，Least Squareres)により推定す
る。
【００３８】Ｕ＝νＰa ＋Ｅ …（５）
解は長さ１に正規化して下記式（６）で表される。
【００３９】Eｐa ＝ｋν´Ｕ …（６）
上式中、Eｐa はｐa の推定値を表し、k は Eｐa の長
さを１にする尺度因子である。（ｂ）この Eｐa を用い
て、下記式（７）からＬＳにより回帰因子 Eｔa を推定
する。すなわち、回帰因子 Eｔaは下記式（８）で表さ
れる。
さを１にする尺度因子である。（ｂ）この Eｐa を用い
て、下記式（７）からＬＳにより回帰因子 Eｔa を推定
する。すなわち、回帰因子 Eｔaは下記式（８）で表さ
れる。
【００４０】Ｕ＝ｔa Eｐa ＋Ｅ …（７）
Eｔa ＝Ｕ Eｐ´a …（８）
（ｃ）この回帰因子行列 EＴ＝｛ Eｔ1 ， Eｔ2 ，…，
Eｔａ｝を用いて下記式（９）からＬＳにより化学荷重
ベクトルｑを推定する。
Eｔａ｝を用いて下記式（９）からＬＳにより化学荷重
ベクトルｑを推定する。
【００４１】ν＝ EＴｑ＋ｆ …（９）
上式中、EＴはＴの推定回帰因子行列である。したがっ
て、下記式（１０）が得られる。
て、下記式（１０）が得られる。
【００４２】
Eｑ＝（ EＴ´ EＴ）-1 EＴ´ν …（１０）
上式中、EＴ´は EＴの転置行列、（ EＴ´ EＴ）-1は
（ EＴ´ EＴ）の逆行列である。（ｄ）下記式（１１）
で表される新しい残差Ｕをおよび下記式（１１）で表さ
れるνを計算する。
（ EＴ´ EＴ）の逆行列である。（ｄ）下記式（１１）
で表される新しい残差Ｕをおよび下記式（１１）で表さ
れるνを計算する。
【００４３】Ｕ＝Ｘ−Ｉｘ− EＴ Eｐ …（１１）
ν＝ｃ−Ｉｃ− EＴ Eｑ …（１２）
これに対し手順（ａ），（ｂ），（ｃ），（ｄ）により
次の Eｐa ，Eｔa ，Eｑと新しい残差Ｕを推定し、ａ＝
Ａまで繰り返し計算する。 Eｑは各ａに対して計算す
る。因子数Ａは未知試料あるいは校正用試料の物理的ま
たは化学的性質の推定の確かさから決定される。２．水
分量の未知試料毛髪では（３），（８）式から下記式
（１３）によりEｔIが求まり、さらに下記式（１４）に
より物理的または化学的性質EｃIが決定される。
次の Eｐa ，Eｔa ，Eｑと新しい残差Ｕを推定し、ａ＝
Ａまで繰り返し計算する。 Eｑは各ａに対して計算す
る。因子数Ａは未知試料あるいは校正用試料の物理的ま
たは化学的性質の推定の確かさから決定される。２．水
分量の未知試料毛髪では（３），（８）式から下記式
（１３）によりEｔIが求まり、さらに下記式（１４）に
より物理的または化学的性質EｃIが決定される。
【００４４】Eｔi ＝（ｘi −ｘ） Eｐ´ …（１３）
Eｃi ＝ｃ＋ Eｔi Eｑ …（１４）
標準試料毛髪の近赤外誤差Eｅiは下記式（１５）で表さ
れる。
れる。
【００４５】
Eｅi ＝ｘi −（ｘ＋ Eｔi Eｐ） …（１５）
以上説明した偏最小自乗回帰解析法を用いた処理によ
り、従来の手法では誤差項にまとめられていたものが成
分相互の作用として分離されて誤差項が小さくなる結
果、より高精度の有効な検量線が得られる。得られた検
量線を図４に示す。図４の検量線は、前記のようにデー
タ数９０個で、相関係数が０．９９４であった。
り、従来の手法では誤差項にまとめられていたものが成
分相互の作用として分離されて誤差項が小さくなる結
果、より高精度の有効な検量線が得られる。得られた検
量線を図４に示す。図４の検量線は、前記のようにデー
タ数９０個で、相関係数が０．９９４であった。
【００４６】以上の説明では触れなかったが、多数の標
準試料毛髪を採取して検量線作成に供する検量線作成用
試料群を準備するのに合わせて、これらの標準試料毛髪
から任意の標準試料毛髪を９０個分別して、検量線の妥
当性を検証するための試料群を準備した。そして、上記
の手順で作成した検量線の妥当性を検証するために、こ
の検証用の試料群について、重量法により水分量を測定
するとともに、近赤外線分光法により相対拡散反射スペ
クトルを測定し、上記の検量線を用いて水分量を求め
た。
準試料毛髪を採取して検量線作成に供する検量線作成用
試料群を準備するのに合わせて、これらの標準試料毛髪
から任意の標準試料毛髪を９０個分別して、検量線の妥
当性を検証するための試料群を準備した。そして、上記
の手順で作成した検量線の妥当性を検証するために、こ
の検証用の試料群について、重量法により水分量を測定
するとともに、近赤外線分光法により相対拡散反射スペ
クトルを測定し、上記の検量線を用いて水分量を求め
た。
【００４７】この近赤外線分光法により測定した水分量
（図５中、横軸の水分量予想値）と重量法により測定し
た水分量（図５中縦軸の水分量測定値）との相関を求め
た。
（図５中、横軸の水分量予想値）と重量法により測定し
た水分量（図５中縦軸の水分量測定値）との相関を求め
た。
【００４８】図５に、このときのデータの散布図および
データから求めた相関式を示す。検証データから求めた
相関式は、相関係数（ｒ）が０．９９３であり、標準誤
差（Standard Error：以下、ＳＥＰと表示する。）が
０．４６０であった。なお、ＳＥＰは下記式（１６）で
表される。
データから求めた相関式を示す。検証データから求めた
相関式は、相関係数（ｒ）が０．９９３であり、標準誤
差（Standard Error：以下、ＳＥＰと表示する。）が
０．４６０であった。なお、ＳＥＰは下記式（１６）で
表される。
【００４９】
ＳＥＰ＝√（Σ（ｘp −ｘL ）２）／√（ｎ−１） …（１６）
上式中、
ｎ：サンプル数 ｘp ：計算による推定値、ここでは
水分量予想値 ｘL ：実験室における測定(ラボ測定) 値、ここでは水
分量測定値 参考までに、相対拡散反射スペクトルの前処理の条件を
変えて得た検量線について、上記と同様に相関式を求め
た結果を図６に示す。それぞれサンプル数ｎ＝９０であ
る。図６中、「○」は当該前処理を実施する場合を示
し、「×」は当該前処理を実施しない場合を示す。
水分量予想値 ｘL ：実験室における測定(ラボ測定) 値、ここでは水
分量測定値 参考までに、相対拡散反射スペクトルの前処理の条件を
変えて得た検量線について、上記と同様に相関式を求め
た結果を図６に示す。それぞれサンプル数ｎ＝９０であ
る。図６中、「○」は当該前処理を実施する場合を示
し、「×」は当該前処理を実施しない場合を示す。
【００５０】図６より、３つの前処理を全て実施した番
号５、すなわち、本実施の形態例のケースの検量線が最
も高い精度を有することが分かる。
号５、すなわち、本実施の形態例のケースの検量線が最
も高い精度を有することが分かる。
【００５１】上記の検量線作成工程に引き続き、本実施
の形態例に係る毛髪水分の測定方法では、上記本実施の
形態例の検量線を用いて被験者の毛髪の水分量を測定す
る（水分量測定工程）。以下、水分量測定工程について
説明する。
の形態例に係る毛髪水分の測定方法では、上記本実施の
形態例の検量線を用いて被験者の毛髪の水分量を測定す
る（水分量測定工程）。以下、水分量測定工程について
説明する。
【００５２】上記の検量線を作成する際に行ったのと同
様の条件、手順で、被験者の毛髪に対して近赤外線を直
接照射して近赤外線スペクトルデータを求める。そし
て、検量線を用いて毛髪の水分量を測定する。このと
き、前記したように、近赤外線分光分析装置のマイクロ
コンピュータのメモリには検量線データが予めストアさ
れており、被験者の毛髪の近赤外線スペクトルデータが
マイクロコンピュータに入力されると、検量線データを
参照して得られた水分量の値がマイクロコンピュータか
ら出力される。
様の条件、手順で、被験者の毛髪に対して近赤外線を直
接照射して近赤外線スペクトルデータを求める。そし
て、検量線を用いて毛髪の水分量を測定する。このと
き、前記したように、近赤外線分光分析装置のマイクロ
コンピュータのメモリには検量線データが予めストアさ
れており、被験者の毛髪の近赤外線スペクトルデータが
マイクロコンピュータに入力されると、検量線データを
参照して得られた水分量の値がマイクロコンピュータか
ら出力される。
【００５３】以上説明した本実施の形態例に係る毛髪水
分の測定方法は、測定前に毛髪を切断採取する必要のな
い、いわゆる非破壊測定を行うことができ、また、水分
量の相対比較でなく絶対値水分量を測定することがで
き、また、毛髪の表面付近など局所的な測定ではなく毛
髪全体の平均水分量を測定することができ、さらにま
た、これらの測定を簡易な装置を用いて簡易な方法で測
定することができる。
分の測定方法は、測定前に毛髪を切断採取する必要のな
い、いわゆる非破壊測定を行うことができ、また、水分
量の相対比較でなく絶対値水分量を測定することがで
き、また、毛髪の表面付近など局所的な測定ではなく毛
髪全体の平均水分量を測定することができ、さらにま
た、これらの測定を簡易な装置を用いて簡易な方法で測
定することができる。
【００５４】したがって、毛髪用の化粧品を開発する研
究部門において有用であるとともに、特に、化粧品販売
の店頭において、化粧品使用者に対して個々人に適した
化粧品の種類や使用法等をアドバイスするために、化粧
品使用者の毛髪の水分状態を把握する場合に有効であ
る。
究部門において有用であるとともに、特に、化粧品販売
の店頭において、化粧品使用者に対して個々人に適した
化粧品の種類や使用法等をアドバイスするために、化粧
品使用者の毛髪の水分状態を把握する場合に有効であ
る。
【００５５】つぎに、本実施の形態例に係る毛髪水分の
測定方法を用いて、毛髪のダメージの程度の異なる５人
の被験者（図７中、番号１〜５で表示）の毛髪の水分量
を測定した結果を図７に示す。図７中、本法による水分
量が近赤外線分光法により測定した毛髪の水分量であ
り、別法による水分量が重量法により測定した毛髪の水
分量である。
測定方法を用いて、毛髪のダメージの程度の異なる５人
の被験者（図７中、番号１〜５で表示）の毛髪の水分量
を測定した結果を図７に示す。図７中、本法による水分
量が近赤外線分光法により測定した毛髪の水分量であ
り、別法による水分量が重量法により測定した毛髪の水
分量である。
【００５６】図７より、本実施の形態例に係る毛髪水分
の測定方法によれば、さまざまなダメージの程度の毛髪
についても実用上充分な測定精度で水分量を測定できる
ことが確認された。
の測定方法によれば、さまざまなダメージの程度の毛髪
についても実用上充分な測定精度で水分量を測定できる
ことが確認された。
【００５７】上記より、本実施の形態例に係る毛髪水分
の測定方法は、毛髪のダメージ等の外的変動要因の影響
を受けることが少ない。
の測定方法は、毛髪のダメージ等の外的変動要因の影響
を受けることが少ない。
【００５８】なお、本実施の形態例で触れたように、近
赤外線スペクトルを得る際に、測定値に影響を与える要
因として、個人差（固体差）の影響や毛髪のダメージ度
の差等の外的変動要因の影響がある。そして、本実施の
形態例では、統計処理を施して検量線を作成すること
で、これらの要因の影響をランダマイズしている。
赤外線スペクトルを得る際に、測定値に影響を与える要
因として、個人差（固体差）の影響や毛髪のダメージ度
の差等の外的変動要因の影響がある。そして、本実施の
形態例では、統計処理を施して検量線を作成すること
で、これらの要因の影響をランダマイズしている。
【００５９】これに対して、例えば、毛髪のダメージの
程度や気温、湿度等の外的変動要因の個々の要素につい
て予め求めたシフト量に基づいて近赤外線のスペクトル
データを補正して外的変動要因毎の仮想のスペクトルデ
ータを作成し、この仮想のスペクトルデータにより外的
変動要因の値毎の検量線を作成してもよい。
程度や気温、湿度等の外的変動要因の個々の要素につい
て予め求めたシフト量に基づいて近赤外線のスペクトル
データを補正して外的変動要因毎の仮想のスペクトルデ
ータを作成し、この仮想のスペクトルデータにより外的
変動要因の値毎の検量線を作成してもよい。
【００６０】
【発明の効果】本発明に係る毛髪水分の測定方法によれ
ば、水分量既知の複数の毛髪試料に対して近赤外線を照
射して複数の拡散反射または透過反射スペクトルデータ
を求めて、毛髪の水分量の検量線を作成する検量線作成
工程と、被験者の毛髪に対して近赤外線を直接照射して
拡散反射または透過反射スペクトルデータを求めて、検
量線を用いて毛髪の水分量を測定する水分量測定工程と
を有するため、測定前に毛髪を切断採取する必要のな
い、いわゆる非破壊測定を行うことができ、また、水分
量の相対比較でなく絶対値水分量を測定することがで
き、また、毛髪の表面付近など局所的な測定ではなく毛
髪全体の平均水分量を測定することができ、さらにま
た、これらの測定を簡易な方法で行うことができる。
ば、水分量既知の複数の毛髪試料に対して近赤外線を照
射して複数の拡散反射または透過反射スペクトルデータ
を求めて、毛髪の水分量の検量線を作成する検量線作成
工程と、被験者の毛髪に対して近赤外線を直接照射して
拡散反射または透過反射スペクトルデータを求めて、検
量線を用いて毛髪の水分量を測定する水分量測定工程と
を有するため、測定前に毛髪を切断採取する必要のな
い、いわゆる非破壊測定を行うことができ、また、水分
量の相対比較でなく絶対値水分量を測定することがで
き、また、毛髪の表面付近など局所的な測定ではなく毛
髪全体の平均水分量を測定することができ、さらにま
た、これらの測定を簡易な方法で行うことができる。
【００６１】また、本発明に係る毛髪水分の測定方法に
よれば、検量線作成工程において、偏最小自乗回帰解析
法を用いて検量線を作成し、あるいはまた、複数の拡散
反射または透過反射スペクトルデータに所定の次数の微
分を施す前処理、および複数の拡散反射または透過反射
スペクトルデータにＭＳＣを施す前処理のうちの少なく
とも１つの前処理を施す段階を含むため、毛髪のダメー
ジ等の外的変動要因に影響を受けることなく、高い精度
で毛髪の水分量を測定することができる。
よれば、検量線作成工程において、偏最小自乗回帰解析
法を用いて検量線を作成し、あるいはまた、複数の拡散
反射または透過反射スペクトルデータに所定の次数の微
分を施す前処理、および複数の拡散反射または透過反射
スペクトルデータにＭＳＣを施す前処理のうちの少なく
とも１つの前処理を施す段階を含むため、毛髪のダメー
ジ等の外的変動要因に影響を受けることなく、高い精度
で毛髪の水分量を測定することができる。
【図１】標準試料毛の近赤外線分光測定を行うときの近
赤外線相対拡散反射スペクトルの一例を示すグラフ図で
ある。
赤外線相対拡散反射スペクトルの一例を示すグラフ図で
ある。
【図２】図１の近赤外線相対拡散反射スペクトルを二次
微分したときのスペクトルを示すグラフ図である。
微分したときのスペクトルを示すグラフ図である。
【図３】図２のスペクトルをＭＳＣしたときのスペクト
ルを示すグラフ図である。
ルを示すグラフ図である。
【図４】毛髪の束の重量測定による水分量データと近赤
外線相対拡散反射スペクトルに基づくスペクトルとに基
づいて作成した検量線を示すグラフ図である。
外線相対拡散反射スペクトルに基づくスペクトルとに基
づいて作成した検量線を示すグラフ図である。
【図５】検量線の妥当性を検証するためのデータの散布
状態および相関線を示すグラフ図である。
状態および相関線を示すグラフ図である。
【図６】前処理の条件を変えたときの検量線の精度を示
す表図である。
す表図である。
【図７】毛髪のダメージの程度の異なる被験者について
本実施の形態例に係る毛髪水分の測定方法により毛髪水
分を測定した結果の妥当性を示す表図である。
本実施の形態例に係る毛髪水分の測定方法により毛髪水
分を測定した結果の妥当性を示す表図である。
フロントページの続き
(72)発明者 野田 章
神奈川県横浜市都筑区早渕２−２−１ 株
式会社資生堂リサーチセンター（新横浜)
内
(72)発明者 尾崎 幸洋
兵庫県三田市学園２丁目１番地
Ｆターム(参考） 2G045 CB16 DB22 GC11 JA01
2G059 AA01 AA05 BB12 BB14 CC09
EE01 EE02 EE12 FF08 GG10
HH01 HH06 JJ17 KK01 LL04
MM01 MM03 MM10 MM12 NN01
Claims (3)
- 【請求項１】 水分量既知の複数の毛髪試料に対して近
赤外線を照射して複数の拡散反射または透過反射スペク
トルデータを求めて、毛髪の水分量の検量線を作成する
検量線作成工程と、 被験者の毛髪に対して近赤外線を直接照射して拡散反射
または透過反射スペクトルデータを求めて、該検量線を
用いて毛髪の水分量を測定する水分量測定工程とを有す
ることを特徴とする毛髪水分の測定方法。 - 【請求項２】 前記検量線作成工程において、偏最小自
乗回帰解析法を用いて前記検量線を作成することを特徴
とする請求項１記載の毛髪水分の測定方法。 - 【請求項３】 前記検量線作成工程において、前記複数
の拡散反射または透過反射スペクトルデータに所定の次
数の微分を施す前処理、および該複数の拡散反射または
透過反射スペクトルデータにＭＳＣを施す前処理のうち
の少なくとも１つの前処理を施す段階を含むことを特徴
とする請求項１記載の毛髪水分の測定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002155785A JP2003344279A (ja) | 2002-05-29 | 2002-05-29 | 毛髪水分の測定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002155785A JP2003344279A (ja) | 2002-05-29 | 2002-05-29 | 毛髪水分の測定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2003344279A true JP2003344279A (ja) | 2003-12-03 |
Family
ID=29772229
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002155785A Pending JP2003344279A (ja) | 2002-05-29 | 2002-05-29 | 毛髪水分の測定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2003344279A (ja) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1629775A1 (en) * | 2004-03-31 | 2006-03-01 | Pola Chemical Industries Inc. | Method of judging degree of hair damaging |
| JP2007187594A (ja) * | 2006-01-16 | 2007-07-26 | Yokogawa Electric Corp | 検量線補正方法 |
| JP2008051742A (ja) * | 2006-08-28 | 2008-03-06 | Kao Corp | タンパク質繊維の保液量の測定方法 |
| JP2009204405A (ja) * | 2008-02-27 | 2009-09-10 | Kao Corp | 毛髪内水分量の測定方法 |
| US7820972B2 (en) | 2005-09-02 | 2010-10-26 | Pola Chemical Industries Inc. | Method of evaluating skin conditions and method of estimating skin thickness |
| US7999231B2 (en) | 2008-08-29 | 2011-08-16 | Sumitomo Electric Inductries, Ltd. | Moisture detector, biological body moisture detector, natural product moisture detector, and product/material moisture detector |
| CN102798606A (zh) * | 2012-08-08 | 2012-11-28 | 福建中烟工业有限责任公司 | 一种快速检测烟用香液料液配制比例的方法 |
| CN106841099A (zh) * | 2016-07-29 | 2017-06-13 | 重庆医科大学 | 基于毛发判别哺乳动物性别的近红外光谱分析方法 |
| CN109374556A (zh) * | 2018-12-14 | 2019-02-22 | 中国科学院合肥物质科学研究院 | 基于可见-近红外光谱的复合肥中水分含量快速检测方法 |
| CN109414191A (zh) * | 2016-07-05 | 2019-03-01 | 汉高股份有限及两合公司 | 确定用户特定的毛发处理的方法 |
| CN109414194A (zh) * | 2016-07-05 | 2019-03-01 | 汉高股份有限及两合公司 | 建立用户特定的护发处理的方法 |
| CN109414190A (zh) * | 2016-07-05 | 2019-03-01 | 汉高股份有限及两合公司 | 建立用户特定的护发处理的方法 |
| CN109475298A (zh) * | 2016-07-05 | 2019-03-15 | 汉高股份有限及两合公司 | 确定毛发受损程度的方法和设备、以及确定用户特定的毛发处理剂的方法 |
| JP2019045162A (ja) * | 2017-08-30 | 2019-03-22 | クラシエホームプロダクツ株式会社 | 毛髪タンパク質の水との相互作用測定方法 |
| WO2021120152A1 (en) * | 2019-12-20 | 2021-06-24 | L'oreal | Computing device, method and apparatus for noninvasively diagnosing a hair |
| WO2022080367A1 (ja) * | 2020-10-13 | 2022-04-21 | 株式会社日本触媒 | 予測方法、予測装置 |
-
2002
- 2002-05-29 JP JP2002155785A patent/JP2003344279A/ja active Pending
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1629775A1 (en) * | 2004-03-31 | 2006-03-01 | Pola Chemical Industries Inc. | Method of judging degree of hair damaging |
| EP1629775A4 (en) * | 2004-03-31 | 2006-11-15 | Pola Chem Ind Inc | METHOD OF EVALUATING HAIR DETERIORATION DEGREE |
| US7820972B2 (en) | 2005-09-02 | 2010-10-26 | Pola Chemical Industries Inc. | Method of evaluating skin conditions and method of estimating skin thickness |
| JP2007187594A (ja) * | 2006-01-16 | 2007-07-26 | Yokogawa Electric Corp | 検量線補正方法 |
| JP2008051742A (ja) * | 2006-08-28 | 2008-03-06 | Kao Corp | タンパク質繊維の保液量の測定方法 |
| JP4657175B2 (ja) * | 2006-08-28 | 2011-03-23 | 花王株式会社 | タンパク質繊維の保液量の測定方法 |
| JP2009204405A (ja) * | 2008-02-27 | 2009-09-10 | Kao Corp | 毛髪内水分量の測定方法 |
| JP4679596B2 (ja) * | 2008-02-27 | 2011-04-27 | 花王株式会社 | 毛髪内水分量の測定方法 |
| US7999231B2 (en) | 2008-08-29 | 2011-08-16 | Sumitomo Electric Inductries, Ltd. | Moisture detector, biological body moisture detector, natural product moisture detector, and product/material moisture detector |
| CN102798606A (zh) * | 2012-08-08 | 2012-11-28 | 福建中烟工业有限责任公司 | 一种快速检测烟用香液料液配制比例的方法 |
| CN109414191A (zh) * | 2016-07-05 | 2019-03-01 | 汉高股份有限及两合公司 | 确定用户特定的毛发处理的方法 |
| US20190192067A1 (en) * | 2016-07-05 | 2019-06-27 | Henkel Ag & Co. Kgaa | Method and device for determining a degree of damage of hair, and method for determining a user-specific hair treatment agent |
| US11980279B2 (en) | 2016-07-05 | 2024-05-14 | Henkel Ag & Co. Kgaa | System and method for establishing a user-specific hair treatment |
| CN109414194A (zh) * | 2016-07-05 | 2019-03-01 | 汉高股份有限及两合公司 | 建立用户特定的护发处理的方法 |
| CN109414190A (zh) * | 2016-07-05 | 2019-03-01 | 汉高股份有限及两合公司 | 建立用户特定的护发处理的方法 |
| CN109475298A (zh) * | 2016-07-05 | 2019-03-15 | 汉高股份有限及两合公司 | 确定毛发受损程度的方法和设备、以及确定用户特定的毛发处理剂的方法 |
| US11534106B2 (en) | 2016-07-05 | 2022-12-27 | Henkel Ag & Co. Kgaa | Method for determining a user-specific hair treatment |
| US11457859B2 (en) | 2016-07-05 | 2022-10-04 | Henkel Ag & Co. Kgaa | Method for determining a user-specific hair treatment |
| CN106841099B (zh) * | 2016-07-29 | 2020-04-07 | 重庆医科大学 | 基于毛发判别哺乳动物性别的近红外光谱分析方法 |
| CN106841099A (zh) * | 2016-07-29 | 2017-06-13 | 重庆医科大学 | 基于毛发判别哺乳动物性别的近红外光谱分析方法 |
| JP2019045162A (ja) * | 2017-08-30 | 2019-03-22 | クラシエホームプロダクツ株式会社 | 毛髪タンパク質の水との相互作用測定方法 |
| CN109374556A (zh) * | 2018-12-14 | 2019-02-22 | 中国科学院合肥物质科学研究院 | 基于可见-近红外光谱的复合肥中水分含量快速检测方法 |
| WO2021120152A1 (en) * | 2019-12-20 | 2021-06-24 | L'oreal | Computing device, method and apparatus for noninvasively diagnosing a hair |
| WO2022080367A1 (ja) * | 2020-10-13 | 2022-04-21 | 株式会社日本触媒 | 予測方法、予測装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100398362B1 (ko) | 근적외선 분광 분석법에 의한 피부 수분 측정방법 및 장치 | |
| JP2003344279A (ja) | 毛髪水分の測定方法 | |
| US9597024B2 (en) | Methods and apparatuses for noninvasive determinations of analytes | |
| TW570768B (en) | Classification and characterization of tissue through features related to adipose tissue | |
| CA2244111C (en) | Method and apparatus for multi-spectral analysis in noninvasive nir spectroscopy | |
| TW524970B (en) | A method for quantification of stratum corneum hydration using diffuse reflectance spectroscopy | |
| AU761015B2 (en) | Methods and apparatus for tailoring spectroscopic calibration models | |
| US20110184260A1 (en) | Methods and Apparatuses for Noninvasive Determinations of Analytes | |
| JP6775660B2 (ja) | 多位置拡散スペクトルデータの処理、モデリング、予測方法および処理装置 | |
| US10548481B2 (en) | Non-invasive measurement of biological analytes | |
| Walling et al. | Moisture in skin by near-infrared reflectance spectroscopy | |
| US20200182778A1 (en) | Device and method for blood hemoglobin measurement without carboxyhemoglobin interference | |
| Egawa et al. | Determining water content in human nails with a portable near-infrared spectrometer | |
| CN101446548A (zh) | 基于响应量转换实现牛奶成分测量的装置及方法 | |
| Suryakala et al. | Investigation of goodness of model data fit using PLSR and PCR regression models to determine informative wavelength band in NIR region for non-invasive blood glucose prediction | |
| Yakimov et al. | Comparative analysis of the methods for quantitative determination of water content in skin from diffuse reflectance spectroscopy data | |
| Hoffmann et al. | Applicability of the Kubelka-Munk theory for the evaluation of reflectance spectra demonstrated for haemoglobin-free perfused heart tissue | |
| Bleasel et al. | In vitro evaluation of sun protection factors of sunscreen agents using a novel UV spectrophotometric technique | |
| Mohamad et al. | Conceptual design of near infrared spectroscopy instrumentation for skin moisture measurement | |
| Guo et al. | Spectroscopic study of water-keratin interactions in stratum corneum | |
| JP2007313286A (ja) | 光学的生体情報測定方法及びその装置 | |
| JP2003344278A (ja) | つめ水分の測定方法 | |
| Liu et al. | Optical properties combined with convolutional neural networks to predict soluble solids content of peach | |
| Zoccola et al. | Near infrared spectroscopy as a tool for the determination of eumelanin in human hair | |
| JP2010008342A (ja) | 保湿力測定方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041109 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050809 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20051206 |