フードロス削減に向けた賞味期限最適化の新手法及び食品データベース開発

Research Project

Project/Area Number	22K02156
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	Tokyo University of Marine Science and Technology
Principal Investigator	松本隆志東京海洋大学, 学術研究院, 教授 (40837324)
Co-Investigator(Kenkyū-buntansha)	柴田真理朗東京海洋大学, 学術研究院, 准教授 (40590360)
Project Period (FY)	2022-04-01 – 2025-03-31
Project Status	Granted (Fiscal Year 2022)
Budget Amount *help	¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000) Fiscal Year 2024: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000) Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000) Fiscal Year 2022: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Keywords	機械学習モデル / 加工食品 / 品質 / 賞味期限 / フードロス
Outline of Research at the Start	加工食品の基本情報を企業データ（栄養成分表示：たんぱく質、脂質、炭水化物等、Webサイト等）から得て、中身のデータを理化学分析（水分、水分活性、アミノ酸等）や官能評価を実施して収集し、それらの情報を蓄積して食品データベースを構築する。そして、迅速で精度の高い賞味期限設定や品質変化シミュレーション等、目的に応じて必要なデータをダウンロードして使用する、加工食品に汎用性のある機械学習モデルを開発する。
Outline of Annual Research Achievements	期限切れの食品の廃棄等、食品ロスが話題になり、賞味期限への注目が増している。加工食品の賞味期限は、常温の保存試験による設定方法では時間を要するため、従来は品質変化の温度依存性を利用した方法等により、短期間で推定し、安全率をかけることで短く設定されることが多い。その推定方法では、適用できない食品があり、また精度に課題があるが、近年は賞味期限設定に関する学術的な研究は殆ど行われていない。一方, 機械学習による特定の食品の品質を予測する報告がされているが, 広く加工食品に適用できるモデルではない。そこで、機械学習モデルによる品質シミュレーターを開発し、賞味期限の設定に応用することを試みている。進捗は次の通りである。常温保存で数カ月から１年程度の賞味期限であり、均一に加工された食品を対象に、賞味期限に影響があると考えられる、水分や水分活性、アミノ酸などの理化学分析や栄養成分表示等、商品のデータを蓄積した。対象食品は粉末食品と水産加工品のカテゴリーが中心である。 Pythonと必要なライブラリを使用し、決定木ベースのアルゴリズムを組み、賞味期間を予測する自動機械学習のモデルを開発した。それによって、誤差4週間で、迅速な賞味期間設定を可能にした。理化学分析は時間と労力を要するため、一度に多くのデータ収集が可能な非破壊検査の活用を始めた。それに伴い。そのデータ活用を可能にする機械学習モデルを別途開発した。
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 機械学習に最低限必要な数と言われている100以上のデータを収集し、機械学習モデルを開発した。また、理化学分析に加えて、非破壊検査を活用し、効率的にデータ収集を進めるとともに、精度向上に取り組んでいる。
Strategy for Future Research Activity	理化学分析等に加え、非破壊検査を活用し、効率的にデータを収集していく。データを活用する機械学習モデルをすでに開発しているが、精度を向上させるために、改善を図る。対象食品に関して、現在は粉末食品と水産加工品のカテゴリーを中心にしているが、今後、それらのカテゴリーのデータを増加させるとともに、他のカテゴリーの食品にも対象を拡大する。