2022 Fiscal Year Research-status Report
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
| Project/Area Number |
22K02156
|
|---|
| 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
|
| Keywords | 機械学習モデル / 加工食品 / 品質 / 賞味期限 |
|---|
| 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。
|
| Causes of Carryover |
当初、初年度にデータベース（約150万円）を購入する予定であったが、全体の予算を考慮して優先順位を下げて、購入時期を後にしたため。
|
