2019 Fiscal Year Research-status Report
ニューラルネットワークとコンピュータシミュレーションを融合した調理の最適化
| Project/Area Number |
19K02315
|
|---|
| Research Institution | Tokyo University of Marine Science and Technology |
|---|
Principal Investigator |
酒井 昇 東京海洋大学, 学術研究院, 教授 (20134009)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
福岡 美香 東京海洋大学, 学術研究院, 准教授 (10240318)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | ニューラルネットワークモデル / 伝熱シミュレーション / 肉の焼成 / タンパク質変性 / 焼き色 |
|---|
| Outline of Annual Research Achievements |
本研究の目的を達成するためには、調理過程のシミュレーション技術の開発、ニューラルネットワーク（NN）モデルの構築、プロの料理人の解析が必要であり、最終的にはこれらを融合することを目指している。本年度は主に以下の項目について検討を行った。
1)調理過程のシミュレーション技術の開発：調理過程解析の基本となる熱移動に関して、オーブン内でのステーキのフライパン焼成を想定してモデル化を行った。試料形状は円筒形とし、加熱にともなうタンパク質変性もモデルに組み込んだ。牛肉ヒレステーキのフライパン焼成実験を行い、計算結果と比較したところ、両者は良好に一致し、シミュレーションが妥当であることを示した。また、牛肉の厚さが24.5mmのとき、試料反転時間を6分、焼成終了時間を10分としたとき、中心温度は約60℃に達していた。また、タンパク質の変性計算結果から、程よく焼成されていることが明らかとなった。
2)NNモデルを用いた最適化：肉・魚の焼成を考えたとき、中心まで程良く火が通っていることと同時に表面温度・焼き色の制御も要求される。ここでは、以下のように、調理終了時の中心温度と表面焼き色の制御を試みた。
市販ソフトを用いてNNモデルを構築した。1)で作成したモデルを用いて、種々の条件下で計算を行い、学習データとした。その際、ヒーター温度を途中で降下させ、そのタイミングは、中心温度が60℃に到達する時点で彩度が最大になるように黄金分割法を用いて決めた。また、そのときの表面温度変化を入力、焼成終了時間、ヒーター降下時間、熱伝達条件を出力として学習データを作成した。
検証として、NNモデルに初期表面温度を入力し、ヒーター降下時間と終了時間の予測を行い、その条件で計算を行ったところ、終了時の中心温度はほほ60℃、表面の彩度も最大となり、NNモデルを用いた予測により調理の最適化が可能であることが示された。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
「研究実績の概要」に記載したように、本研究の目的を達成するためには、調理過程のシミュレーション技術の開発、ニューラルネットワーク（NN）モデルの構築、プロの料理人の解析が必要であり、最終的にはこれらを融合することを目指している。各項目の進捗は以下のとおりである。
1) 調理過程のシミュレーション技術の開発：肉・魚の焼成過程では、温度上昇とともに、水分の蒸発、タンパク質変性が起こり、さらにタンパク質変性によって収縮・脱水が起こる極めて複雑な現象である。2019年度においては、タンパク質変性によって収縮・脱水はまだ考慮していないものの、オーブン中のフライパン焼成における熱移動、水分蒸発、タンパク質変性を考慮したモデル化を行い、ある程度現象をシミュレーションすることができた。成果は国内学会（日本食品工学会）、国際シンポジウム（12th Joint International Symposium on Food Science and Technology among NUS, TUMSAT, HU, KU and ZGU）において発表している。
2) ニューラルネットワーク（NN）モデルの構築：市販のソフト（MATLAB）を用いてNNモデルを構築した。学習データとして、1)で示したシミュレーションを使うことにより、調理の最適化ができることを示した。成果は国内学会（日本食品工学会）および日本食品機械工業会主催の国際食品工業展2019アカデミックプラザにおいて発表している。
3) プロの料理人の解析：調理の最適化の指標の一つとして、プロの料理人の技術を定量化することが考えられる。本研究は肉・魚の焼成をターゲットにしているが、2019年度は鮎の炭焼きについてプロの調理人に実際に調理をしてもらったデータの解析を行った。成果は国内学会（日本食品工学会）において発表している。
|
| Strategy for Future Research Activity |
現在、おおむね研究計画どおりに研究が進行しており、「現在までの進捗度」に示した各項目について、以下のとおり推進する。
1) 調理過程のシミュレーション技術の開発：2019年度は牛ヒレステーキのオーブン内フライパン調理を想定してモデル化を行った。牛ヒレ肉とフライパンは円筒形（軸対称性）の仮定ができるため2次元として取り扱った。他の食材を考えた場合、一般的には３次元の取り扱いが必要であり、解析モデルを3次元に拡張する。また、モデル化にあたって計算領域は試料とフライパンのみとし、輻射の項は境界条件に入れた。輻射体と試料の位置関係は重要なファクターであるため、輻射体を含めたオーブン全体を計算領域としてモデル化を行う。さらに、肉類のみではなく、魚の焼成についてもモデル化を進めると同時に低温調理のモデル化も進める。
2) ニューラルネットワーク（NN）モデルの構築：2019年度は、NNモデル学習データの入力として、試料の種類、大きさ、形状など試料特性は一定にし、オーブン内の輻射条件と対流条件を変えてシミュレーションを行った。試料の大きさや形状は重要なファクターであるため、2020年度はこれらを変えた学習データを作成し、より現実に近いNNモデルを構築する。
3) プロの料理人の解析：2019年度は、鮎の炭焼き焼成という限定的な調理について解析を行った。2020年度は、肉のフライパン調理（ステーキ）、肉や魚の低温調理などについてプロの調理人のデータを解析する。合わせて大学実験室においてもプロの料理人の調理履歴を再現し、製品の品質について検証する。また、これらのデータをどのようにNNモデルに組み込んでいくかを検討する。
|
| Causes of Carryover |
当初、上火式オーブンとスチームコンベクションオーブンを用いて肉・魚の焼成実験を行う予定であった。しかし、2019年度においては手持ちの上火式オーブンを用いて集中的に焼成の実験を行い、スチームコンベクションオーブンを新規に購入しなかったため次年度使用額が発生した。2020年度においては、低温調理に実験を拡張し、そのためにスチームコンベクションオーブンを必要とする。スチームコンベクションオーブンは手持ちにないため、次年度使用額は新規購入に使用する。
|
