| Project/Area Number |
18K02210
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 08030:Family and consumer sciences, and culture and living-related
|
|---|
| Research Institution | Hokkaido University of Science |
|---|
Principal Investigator |
小島 洋一郎 北海道科学大学, 工学部, 教授 (50300504)
|
|---|
| Project Period (FY) |
2018-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2021: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2020: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2019: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2018: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
|---|
| Keywords | 機械学習 / センサシステム / 計測 / 評価 / 食品 / 画像解析 / 人工知能 / AI / IoT / 味覚 / センサフュージョン / データ処理 |
|---|
| Outline of Annual Research Achievements |
食品産業界では、食品を安心安全に提供する製造・評価システムの開発が進められている。少子高齢化社会に向けて生産性向上・オートメーション化が急務である。本研究では、食品の品質管理において省人化した客観的「おいしさ」評価指標の開発を目指している。五感の中で視覚情報を代替する画像データは、高度化した撮像デバイスと人工知能(AI)の融合技術によりその取得と解析が簡易になってきた。一方で、食品の画像解析は、撮影環境の差異や光源の影響により複雑化している。本年度は、画像分析に注力し国内で広く栽培されている作物の品種判別を検討した。一般的に食品の産地や品種は、気候・風土により、物性値や栄養成分が異なるため、容易に判別できるとされている。しかし、実際にキーとなる物性値と栄養成分の特定を行う事例は少なく、1つの試料に対し多様な分析機器を用いて複数回測定することになる。今回取得した物性データは、糖度(Brix%)、pH、グルコース量、フルクトース量、グルコース・フルクトース総量、クエン酸量、糖酸比、水分率、リコピン量とした。これらデータの多重共線性を確認した。また、ロジスティクス回帰分析を行った。名義尺度に品種を説明変数に物性を入れ、それぞれの回帰係数を算出した上で、名義尺度と説明変数の関係で偏回帰係数の標準誤差が大きいと判定された物性値を明らかにした。次に、品種同定に繋がる物性値選択を行うため、ロジスティクス回帰分析を通した変数選択を実施し、p値が小さくなる物性値を確認した。さらに、ロジスティクス回帰分析にて特定した変数を用いてクラスター分析を実施した。このクラスター分析の手法はward法としデンドログラムを作成し分類を行うことが可能になった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
今回多様な分析データを追加することが可能になり、より明確な分析やデータ解析が進んだため、研究の進展に寄与した。
|
| Strategy for Future Research Activity |
国内や海外にて発表された研究指針との本質的な相違を調査検討し、本研究の独自性や新規性をこれまで以上に伸ばすよう、研究開発の推進を行う。今後は、コンピュータビジョンの技術を新たに導入し、得られたデータの数値信号解析などの技術とのフュージョンが重要になる。また、機械学習を駆使した評価手法の開発をこれまで以上に目指す。
|
