2021 Fiscal Year Annual Research 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, 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 / タンパク質変性 / 魚の焼成 / 肉の焼成 |
|---|
| Outline of Annual Research Achievements |
本研究では調理の最適化のために調理人の技を取り入れること、さらに、その方法として、ニューラルネットワーク（NN）を用いることを目的として研究を行った。2021年度は、料理人の最適調理を指標として、調理過程で進行する伝熱、それに伴う素材の変化を、定量的に記述するために、プロの調理過程を検討した。具体的には、ビーフステーキの焼成と鮎の焼成について、プロの料理人に指導をいただき、その調理過程について、熱・水分移動と反応をモデル化し、シミュレーションを行った。その結果、ビーフステーキの仕上がり（レア、ミディアム、ウェルダン）は筋鞘タンパク質（ミオグロビン）の変性に相関し、色の変化として定量的に評価できることを示した。また、鮎に関しては骨まで食するため、骨の軟化が重要であり、焼成時の骨の軟化について定量化した。これらの成果は2021年度日本食品工学会で発表した。
肉・魚の焼成に関しては内部の反応と同時に表面での焼色も制御する必要がある。本研究では研究期間全体を通じて、NNによる焼成の最適化を検討した。NNによる最適化においては多くの学習データを必要とするが、種々の条件下で調理実験を調理人に行ってもらう代わりに、種々の条件下でシミュレーションした結果を学習データとしてNNモデルを構築した。具体的には、上火式焼成機を用いて肉・魚を焼成するとき、食品内部と表面状態を最適にするようにヒータ温度を制御する学習データをシミュレーションに基づき作成した。その際、試料表面温度の初期温度上昇を入力とし、ヒーター温度を降下させる時間と仕上がり時間を出力とした。その結果、初期表面温度を測定し、NNモデルのデータとすることにより、最適な焼成条件の提示が可能となった。本研究において、実測データに代わりシミュレーション技術とNNを融合することにより、調理の最適化が可能になることを示したことの社会的意義は大きい。
|
