JP4146335B2 - 有機物質を含む物体の選別方法 - Google Patents

Description

本発明は物体の選別方法に関連する。本発明は特に、不均一母集団に由来するバルク内の物体を選別する方法であって、物体中のある有機物質に関して組成特性（quality of composition）が異なる1以上の回収クラスを選別装置から分離するステップを含む方法に関連する。

外部属性たとえば長さ、大きさ及び密度などに応じて物体を選別する方法は多数存在する。

たとえば穀物の精選では専用の機械を使用して、不純物たとえば大きすぎる又は小さすぎる物質をふるいにかけて落とす、又は穀物たとえば麦芽製造用の大麦を穀粒幅に応じて分類するのが普通である。さらに、粒状体をその密度に応じて選別するなら比重差選別装置がある。

また、色彩に応じて不純物を除外する粒状体精選機もある。そうした機械では精選対象の物体を自由大気中に、理想的には1個ずつ、落下させる。その落下時に物体を光で照射する。各物体からの反射光、透過光又は放出光を、予め設定した可視及び/又は赤外(IR)領域の1〜3波長域で光学フィルターの使用により検出する。これらの波長域は予め設定しておき、除外対象の物体の既知選別特性たとえば変色に対応する信号を与えるようにする。さらに、これらの方法では光学フィルターの選定を工夫して、有用物と不用物で透過光、反射光又は放射光に有意差が生じるようにする。

農産物用の光学選別装置は米国特許第4,963,041号明細書で開示されている。該装置は精選対象物体の色彩及び/又は輝度を比較するための背景装置を具備する。該背景装置は光学検出器のための調節可能の参照情報を提供するため動的に可変である。英国特許第2,091,415号明細書及び米国特許第4,203,522号明細書でも同様に、精選対象の物体を好適な背景の前方に配置する。

米国特許第4,421,772号明細書は砕いた種子の一部である植物性構成部分を識別する方法を開示しているが、そこでは蛍光顕微鏡用照明系を使用する。蛍光は米国特許第4,866,283号明細書でも、レーザー誘起発光による不純物の検出という形で豆類やナッツ類たとえば落花生の検査、精選に利用されている。この検査システムは、物体に励起光を照射して蛍光を放出させるための励起手段を含む。物体に由来する固有特性の読みを基準の読みと比較すれば該物体に固有の一特性の示度が得られる。こうして該システムは既定波長の蛍光を検出することにより、無用又は傷物の物体たとえばアフラトキシンで汚染された落花生を物体の流れから識別し、除去する。

長波紫外線照射後の蛍光の利用によるアフラトキシンの検出は米国特許第4,535,248号明細書でも開示されている。

英国特許第2,060,166号明細書では2物質間の差異が2個のフィルターを具備した装置により識別される。この装置では異なる2物質の混合物を試験帯に送り、そこに2交番周波数の光パルスを直射する。これら2つの交番周波数は各物質から反射される光の振幅ピークの固有周波数に対応するので、その反射光パルスを評価して、反射光パルスが特異な関係を有するときに2物質を物理的に分離するための排除信号が得られるようにする。

先行技術の方法では、選別対象物体の組成の不均一性を表す多変量キャリブレーション（calibration）を実際の選別に先立って実行するのがよいとの指摘はなされていない。

そうした在来方法では反射光、透過光又は放射光を記録する。せいぜい3波長を解析するが、その内訳は可視領域1波長、IR領域2波長である。従って、物体の特徴は1〜3波長だけの記録を基に決定される。

さらに、前述のようなフィルター配置では、各フィルターに当る光が物体上の同一の確定された点から、及び/又は同一角度で、反射されるものと想定しており、数(>3)波長の同時測定を行うことはできない。

また、色彩選別機による選別は特異的でもない。使用されるエアジェット・エジェクターが除去対象物体付近の数個の物体をも落下線から除去してしまうからである。そのため除去画分は純度が低く、除去対象としての選別物体の数の2〜3倍もの非選別物体をどうしても含んでしまう。

さらに、除去物体付近の物体はあおりを受けて落下線から外れるが、その位置は識別できない。これはこれらの物体の個別選別がさらになお不正確であることを意味するため、色彩選別機の適用はもともと不純物比率の低い場合の精選作業に限られる。

生物起源の物体や有機物質を含む多数の合成物体の母集団では固有の特性（inherent property）として、1つの又はいくつかの異なる組成特性（qualities of composition）に変動（variation）が見られる。そうした固有の変動又は不均一性は不純物の場合と異なり母集団の不可分の特性である。従って、1、2又は3波長では決定しきれないタイプの特性又は属性がいくつか存在することになる。

本発明の目的は前述の諸問題を解消するような物体選別方法を実現することである。

本発明のさらなる目的は、選別対象物体の全母集団を、その1つ又は複数の組成特性に見られる不均一性を基準にして分類する方法を提供することである。

本発明の別の目的は、不均一母集団（heterogeneous population）中の無傷物体の識別及びそれらの物体の2以上の、いずれも元の非選別物質よりも均一な、クラスへの選別を可能にするような方法を提供することである。

本発明のさらに別の目的は有機物質を一工程で計測評価して、より有用有益なクラスへと選別しうるようにする方法を提供することである。

本発明のさらに別の目的は、工業原料又は半製品などのようなバルク資材（bulk materials）の、通常の生産工程手順に影響を及ぼすことのない選別に適した高選別能のある方法を提供することである。

これの目的を達成するために、本発明は不均一母集団に由来するバルク中の物体を選別する方法を提供する。この選別対象物体のバルクは固有の変動（inherent variation）を示す。該バルクから本来の変動よりも小さい変動を示す1以上のクラスを分離すると、この小さい変動はバルク内の物体中のある有機物質に関する組成特性を表わすことになる。

この場合の用語「有機物質」は生体由来の物質及び共有結合炭素を含む化学物質、並びにそれらの物質から形成されるテクスチャーや構造などをいう。もちろん本発明の方法は無機物体の分類や選別にも使用可能である。

本発明の方法は、次の工程:
(a)分離対象の各物体（each of said objects）を単独物体（a separate object）として分別装置内に分散させる工程;
(b)該単独物体に1以上のエネルギー源に由来するエネルギーを当てる工程;
(c)該単独物体の1以上の点から第1多変量信号（first multivariate signal）を1以上のセンサーにより記録する工程;
(d)該母集団の部分集合を対象に予め実行しておいた該第1多変量信号と該組成特性の間の多変量キャリブレーション法（multivariate calibration method）を用いて、単変量の変動（univariate variation）を示す1以上の特性変数（quality variable）の大きさを表わす第2信号（second signal）を予測又は分類する工程; 及び
(e)該1以上の点からの該第2信号の1以上の特性変数の大きさに応じて該選別装置から該単独物体を該1以上の回収クラスへと分離する工程；
を含む。

本発明は、たとえば生物起源の有機物質に固有の不均一性に着目した新しい選別概念を提供する。本発明は、有機物質を含む物体ではしばしばきわめて多数の比エネルギー（specific energies）での電磁放射一般の吸収に大きな変動が見られるという観測結果を基礎にしている。たとえば粒状物質中のきわめて多数の個別粒状体を新しい分析手法で分析したが、かかる物質中の個別粒状体間の大きな変動はもっと均一なクラスへの分類に利用できることを意外にも発見した。こうした固有の変動はもちろん、不純物を示唆する物質の色彩差として、あるいは1〜3波長での反射光、透過光又は放出光の強度の変動に帰することができる差として得られるのではない。

こうした多変量の変動は既知及び/又は未知の特性パラメーターの固有の変動を反映し、各物体を特徴付ける。これらの特性パラメーターは公知技術に基づいて記録された読みに直接関連させることはできない。

たとえば透過、反射及び/又は放出電磁放射一般の同時測定は、各物体についてスペクトルが記録可能となるように1つ又は複数の特定放射領域のきわめて多数のエネルギーで行う。スペクトル間の様々な波長での様々な強度の変動を物体の選別に利用する。その場合、様々なレベルの反射、透過又は放出電磁放射は様々な変数に対応する。各スペクトルの様々なエネルギーレベルでのきわめて多数の強度値を物体ごとにさらに処理して単一信号とし、それを利用して物体を様々なクラスへと選別する。こうして、一般にきわめて多数の異なる値を、少なくとも4つの特異強度値を、物体選別用の単一信号へと還元する。この手法を用いて、あるクラス内の物体間の固有の変動が縮小及び/又は最小化するように物体を選別する。こうした固有の変動の縮小は様々なエネルギーレベルで記録されたきわめて多数の吸収値を少数の特性変数へと還元することによって実現し、選別対象物質に固有の変動が少数のパラメーターによって説明されるようにする。これらの特性変数を選ぶ場合には、一群の基準物体に関するスペクトルの変動の可能な限り大きな部分又は特定の部分がそうした変数によって説明されるようにする。

本発明の方法は特に、選別装置を使用して不均一母集団内の物体を、その物体中のある有機物質に関して組成特性が異なる2以上の回収クラスへと選別することを目的とする。1以上の回収クラスでは元の非選別母集団よりも変動が小さくなる。

この場合の組成特性は定義づけが可能な、又は未定義のままの、特異的な、独特の、又は本質的な性質である。従って場合により、不均一性はその内容が未知である、すなわち原因とされる単一の特性パラメーター又は複数の特性パラメーターの組み合わせがなお不明のままである。母集団中にまばらに存在する不用物体を除外するような公知技術とは対照的に、本発明は母集団の、組成特性面の不可分の不均一性を選別に利用する。

本明細書でいう組成特性は、物体ごとの化学組成の変動すなわち質的量的変動でもよいが、派生属性たとえば湿潤性、フレーバー、熱可塑性、製粉適性、又はある物体クラスが秘めている加工後の種子に優れた製パン性をもたらす潜在力、ポッピング後のポップコーンのかさ高さ、プラスチック物体の格別の強度、経口錠剤の非バースト放出性、ココア豆加工後のチョコレートの苦味緩和などでもよい。このように組成特性は化学的特性、構造的特性、官能的特性又は機能的特性などでありうる。もちろんこれらの組成特性は組み合わせてもよい。というのは、たとえば優れた製パン性はタンパク質含有量だけに由来するわけではないからである。

本発明の方法に関連する選別装置としては、前述の色彩選別機とは対照的に、物体を配列させ、もって物体を特定の指示に従って系統的に組織化し、その位置から隣接物体に影響を及ぼさずに高精度に除外しうるように設計された諸々の機械系が使用可能である。

本発明では、分離対象の各物体をまず単独物体として選別装置内に分散させる。次いで各単独物体に1以上のエネルギー源から放出されるエネルギーを当てる。この放出エネルギーは電磁放射でも音波でもよい。

ある電磁放射又は音波たとえば紫外線、可視光、近赤外線、蛍光、超音波、マイクロ波又は核磁気共鳴などを単独で、又は組み合せて使用することができる。

好ましくは、エネルギー源から放出されるエネルギーは物体からの反射、透過又は放出により選別対象物質の不均一性に関する高選択性の応答を引き起こす結果となる。

高選別能を確保する意味で、記録と解析に要する時間を特定タイプの物体の分散及び/又は排除のための最適速度に合わせて調節可能にすることは本発明の重要な態様である。たとえば選別対象物体のある地点に由来する第1多変量信号の記録所要時間は30ms未満、好ましくは5ms未満とするのがよい。

第1多変量信号は各単独物体の1以上の点から、1以上のセンサーを用いて記録する。センサーは単変量型でも多変量型でもよい、すなわち1以上の波長の単一又は同時測定値を、それぞれ4以上の各波長に関する特異強度として、又は4以上の波長の総和として、とるような構造とすることができる。記録をとるのは物体が静止しているときでも、物体がセンサーの下を移動するときでもよい。必要ならば、数個のセンサーを使用して物体の特性に対する満足な補正が得られるようにしてもよい。

たとえば、1個だけのセンサーを使用するのであれば、センサーは4以上の波長で反射及び/又は透過及び/又は放出電磁放射及び/又は音波を、特異強度として、又は強度の総和として、記録する能力を有する。本発明の方法では、次いで各物体に対応する第1多変量信号を処理して精密選別用信号とする。

記録された各第1多変量信号は各物体を特徴付ける既知又は未知特性パラメーターの変動を反映する。ほとんどの特性は複雑であるため、多変量解析を用いて検出信号を選別信号へと変換する。そこでは(物体の1以上の点から測定された)各第1多変量信号が第2単変量信号へと変換(すなわち還元)される。

この第2単変量信号は第1多変量信号と組成特性の間に確立された多変量キャリブレーション法を使用して予測又は分類される。このキャリブレーションは4以上の変数を基礎とするが、母集団の部分集合を対象に予め実行されており、選別対象バルクの不均一性を記述する。その場合、第2信号は単変量の変動に関する1以上の特性変数の大きさを表わすことになる。第2信号が1以上の変数の大きさを表わすとき、これらの変数はもっぱら予測される変数であっても、もっぱら分類される変数であっても、あるいは予測される変数と分類される変数の組み合せであってもよい。

好ましくは、この予測又は分類ステップに先立って、第1多変量信号を管制下（supervised）前処理又は非管制下（unsupervised）前処理により変換する。

組成特性が定義済み組成特性である場合には、多変量キャリブレーション（multivariate calibration method）は管制下多変量法（supervised multivariate method）で行う。第1多変量信号のこうした数学的処理では多数の物体の組成特性は既知のはずである。第1多変量信号を分解して母集団の組成特性が説明されるようにし、次にたとえば部分最小二乗(PLS)回帰法により回帰モデルを確立する。この組成特性は第1多変量信号の中に必要な情報を見つけ出す際にアルゴリズムを管制する（supervise）ために使用することができる。次にこのモデルを、新たな選別対象物体に関する新規取得の第1多変量信号に適用し、問題の組成特性を予測する。次いで組成特性の大きさに関する予測値を選別に使用する。

本発明の方法に使用される管制下多変量法の例は部分最小二乗(PLS)回帰法、線形重回帰法(MLR)、主成分回帰法(PCR)、ニューラルネットワーク法及びN-way PLSなどである。

こうして組成特性を定義したら、第1多変量信号を任意の特性パラメーターの予測に直接使用する。母集団の部分集合から得られた第1多変量信号(たとえばスペクトル)を組成特性の説明のために分解し、回帰モデルをたとえばPLS回帰法で確立する。次いでこのモデルを選別対象物体の第1多変量信号としての新規取得スペクトルに適用し、問題の特性パラメーターを予測する。次いで予測された特性パラメーターの大きさを選別に利用する(図3参照)。こうして既知パラメーター(たとえば図3の場合のタンパク質含有量)を基にして選別が行われる。

組成特性が不特定型すなわち未定義である場合には非管制下多変量法（unsupervised multivariate method）で多変量キャリブレーションを行う。こうして数学的処理により第1多変量信号を少数の基礎構成へと変換する。従ってスペクトルの変動は、組成特性の定義づけなしに(非管制下)、また分析済み又は既知の組成特性に直接結び付けることなく、利用される。

本発明の方法に使用可能な非管制下多変量法の例は主成分分析(PCA)、SIMCA、PARAFAC及びTUCKERなどである。

従って組成特性が不特定型の場合には、たとえばPCAにより第1多変量信号(たとえばスペクトル)を解析する。潜在変数が得られるので、それを新たな単変量変数として選別に使用する。

もちろん1個の潜在変数又は数個の潜在変数（latent variable）の組み合わせを使用するのは、潜在変数が不均一バルク量内の変動を説明し、かつ任意の適用分野の質を向上させる場合に限られる。

変動の総和の最確値が説明され、また質の向上が図られる場合には、このキャリブレーションモデル(潜在変数又は潜在変数の組み合わせ)を分類対象物体からの第1多変量信号に適用し、選別が行えるようにする。こうして未知のパラメーターたとえば第3又は第4潜在変数を基にした選別を実行することができる。

しかし、第1多変量信号は組成特性とは無関係の情報をかなり含む可能性がある。そこでキャリブレーションモデルを適用する前に、もっと単純かつ頑健なキャリブレーションモデルを構築するためにこの第1多変量信号を前処理するのが好ましい。もちろんこの前処理の実行は予測及び分類の前でもなければならない。

組成特性が未定義の場合には、第1多変量信号に対して非管制下前処理を実行する。非管制下前処理の例は誘導、一次及び二次(又は高次)微分、標準正規変量(SNV)、及び乗法性散乱補正(Multiplicative Scatter Correction: MSC)などである。図1は850〜1050nm範囲のNITスペクトルの例であり、それぞれ生(Raw) スペクトル、MSC散乱補正されたスペクトル、一次微分(1.der) スペクトル及び二次微分(2.der)スペクトルとして表わしている。

組成特性が定義済みの場合には、第1多変量信号に対し管制下前処理又は非管制下前処理を実行する。その場合は組成特性を利用して前処理を導き、第1多変量信号から無関係の情報を取り除くようにする。管制下前処理の例は直接直交化(DO)及び直交信号補正(OSC)などである。

実施例
以下、実施例を参照しながら本発明をさらに説明する。しかし言うまでもなく、これらの実施例は本発明を何ら限定するものではない。

実施例1.小麦穀粒のタンパク質含有量を基準にした選別
バルク・サンプル中の個別小麦穀粒のタンパク質含有量には大幅な変動が存在すると判明した。北部欧州産小麦サンプルの製パン性の個別穀粒間の変動幅は一般に8〜16%である。

製パン適性小麦のバッチを業務用サイロから抜き取り、本発明に従って3クラスに選別した。バッチは選別装置の分散部に送り、各個別穀粒が定位置を占め、固定されて互いに離散的に分離されるようにした。次いで分散部内の各穀粒にタングステン光源から光を当てた。この光は露光前にカットオフ限界1100nmのシリコンフィルターに通し、またダイオードアレイ分光計を使用して1100〜1700nm範囲で反射光を記録した。サンプル由来の単一小麦穀粒の代表的なスペクトル例を図2に示す。

バンド幅は10nmで十分であり、各バンド内のカウント数を記録した。各穀粒について1100〜1700nm範囲内の60バンドから得られた信号を第1多変量信号として使用した。第1多変量信号は次に非管制下法のMSCを使用して前処理し、もってスペクトル散乱を除去した。

選別に先立って、サンプルのタンパク質含有量をKjeldahl法(AACC Method 46-12。単一種子に合わせて調整)により求め、管制下多変量法のPLSRを用いて前処理済み第1多変量信号とタンパク質含有量の間にキャリブレーションモデルを確立した。次にこのモデルを使用してサンプル内の各穀粒に関するタンパク質含有量を表わす第2信号を予測した。図3の分布曲線はバッチ内の穀粒数と第2信号すなわちタンパク質含有量の関係を示す。

次いで第2信号の大きさを基にバッチを3クラス(図3のA、B、C)に選別し、クラスごとに別個の容器に回収した。その内容量を計量すると、次のような構成比が得られた: A:26%、B:38%、C:36%。元の非分画バッチと3回収クラスの各々からサンプルを抽出した。これら4つのサンプルをKjeldahl法で分析しタンパク質含有量を求めた。その結果は次表のとおりである。

このように、本発明の方法により受入小麦をタンパク質含有量が異なる2以上のクラスに選別することができる。これらのクラスは様々な目的たとえばビスケット粉、ケーキ粉、パン粉、及び/又はパスタ用セモリナ粉などの生産に好適である。

実施例2. 小麦穀粒の製パン性に基づく選別
周知のように、異なる小麦サンプルはたとえばローフ体積などの点で異なる製パン性を示す。

通常の製パン適性小麦のサブサンプルを業務用サイロから抜き取り、選別装置の分散部に送った。次いで、実施例1の要領で各個別穀粒の第1多変量信号を記録した。第1多変量信号の前処理は行わず、各個別穀粒のスペクトルを記録した。

選別の前に、サブサンプル中の個別穀粒からの第1多変量信号（first multivariate signals）に関する非管制下多変量キャリブレーション法の主成分分析によりキャリブレーションモデルを確立した。次に、2つの第1非管制下特性変数（first unsupervised quality variables）から第2単変量信号（second univariate signal）を合成し、それを選別に使用した。

第2単変量信号に基づく3クラスへの穀粒分類例を図4に示す。

選別装置をセットして、抜き取った通常の製パン適性小麦を合成第2信号の大きさを基に3クラス(図4のA、B、C)に選別し、それぞれ別個の容器に回収した。

各クラスのサンプルを製粉し、製パン性を試験した。クラスB由来の粉は非選別バッチに由来する粉と同じ製パン性を示した。しかし、クラスC由来の粉ではローフ体積が製パン後に30%増大した。他方、クラスA由来の粉はクラスB由来の粉よりも製パン性が劣った。さらにクラスAは非選別バッチよりも軟質であり、タンパク質含有量も少なかった。この種の原料小麦はビスケット生産やミューズリ又は飼料の生産のほうに適するであろう。

実施例3. ポッピング性能を基準にした選別
ポップコーンのポッピング性能は各穀粒のエネルギー(たとえば電子レンジのマイクロ波)吸収能と相関する。ポッピング性能の背後に潜む変数はまだ完全には解明されていない。

通常のポップコーン穀粒のサブサンプルを選別装置にかけた。実施例1の要領で個別穀粒を定位置に分散させ、タングステン光源の光を当てた。この光は850〜1050nm範囲の透過光がダイオードアレイによって記録されるように選んだ。バンド幅を2nmとして吸光度を記録し、分散部内の各穀粒について850〜1050nm範囲の800バンドからの信号を第1多変量信号として使用した。個別穀粒の代表的スペクトルを図5に示す。

第1多変量信号は非管制下二次微分法を用いて前処理した。次いで実施例2の要領で管制下多変量キャリブレーションモデルを確立した。第1非管制下特性変数を直接、第2単変量信号として選別に使用した。

同じバッチのポップコーンの、より大きなサンプルを用いて選別を行い、5クラス(A、B、C、D、E)に分け、各クラスを容器に回収した。クラスA、C及びEのサンプルについてポッピング性能試験を行い、前述の要領で分析した。クラスA、C及びEのスペクトルの主成分分析結果を図6に示す。

電子レンジによるポッピング試験では、クラスCの穀粒はすべて適正にポッピングした。しかし、平均するとクラスAでは6個中1個、またクラスEでは8個中1個がポップコーンとなったにすぎない、すなわちこれらのクラスでは大部分の穀粒がポッピングしないままに終わった。

こうして、本発明の方法を用いた選別ではポッピング性能がより均一なクラスが得られよう。

第1多変量信号を対象に実行した非管制下前処理の例。 サンプル中の個別小麦穀粒から得られたスペクトルの例。 サンプル中の穀粒に関して得られた第2信号の分布曲線。 2つの非管制下(未知)特性変数の組み合わせに基づく3クラス(A、B、C)へのサンプル分類の例。 ポップコーン穀粒の近赤外透過スペクトルの例。 ポップコーン穀粒の分類結果−本発明の方法による分類後に得られた3クラス(A、C、E)の主成分分析。

Claims (12)

1. 不均一母集団に由来し固有変動を有するバルク内の物体を、該固有変動よりも小さい該物体中のある有機物質に関する組成特性を表わす変動を有する1以上のクラスを該バルクから、分別装置として、機械的手段を用いて分離することにより選別する方法であって、次の工程；
   (a)分離対象の各物体を単独物体として分別装置内に分散させる工程;
   (b)該単独物体に1以上のエネルギー源に由来するエネルギーを当てる工程;
   (c)該単独物体の1以上の点から第1多変量信号を1以上のセンサーにより記録する工程;
   (d)該母集団の部分集合を対象に予め実行しておいた該第1多変量信号と該組成特性の間の多変量キャリブレーション法を用いて、単変量の変動を示す1以上の特性変数の大きさを表わす第2信号を予測又は分類する工程; 及び
   (e)該1以上の点からの該第2信号の1以上の特性変数の大きさに応じて該選別装置から該単独物体を該1以上の回収クラスへと分離する工程；
   を含むことを特徴とする方法。
2. 工程(b)の前に、第1多変量信号を管制下前処理又は非管制下前処理により変換することを特徴とする請求項１に記載の方法。
3. 組成特性が未定義の組成特性であることを特徴とする請求項１に記載の方法。
4. キャリブレーション法が非管制下多変量法に基づくことを特徴とする請求項３に記載の方法。
5. 組成特性が定義済み組成特性であることを特徴とする請求項１に記載の方法。
6. キャリブレーション法が管制下多変量法に基づくことを特徴とする請求項５に記載の方法。
7. 組成特性が化学的特性、構造的特性、官能的特性又は機能的特性、もしくはそれらの組み合わせであることを特徴とする請求項１〜６のいずれか一項に記載の方法。
8. 放射エネルギーが電磁放射及び/又は音波であることを特徴とする請求項１に記載の方法。
9. 電磁放射及び/又は音波が紫外線、可視光、近赤外線、赤外線、蛍光、超音波、マイクロ波又は核磁気共鳴、もしくはそれらの組み合わせであることを特徴とする請求項８に記載の方法。
10. 第1多変量信号が 30ms未満の時間内に記録されることを特徴とする請求項１〜９のいずれか一項に記載の方法。
11. 第1多変量信号が 5ms未満の時間内に記録されることを特徴とする請求項１〜９のいずれか一項に記載の方法。
12. 第1多変量信号が透過、反射又は放出エネルギーとして記録されることを特徴とする請求項１〜１１のいずれか一項に記載の方法。

Images