| 研究領域 | 多様な質感認識の科学的解明と革新的質感技術の創出 |
|---|
| 研究課題/領域番号 |
18H05001
|
|---|
| 研究種目 |
新学術領域研究(研究領域提案型)
|
| 配分区分 | 補助金 |
|---|
| 研究機関 | 青山学院大学 (2019)
東京大学 (2018) |
|---|
研究代表者 |
楽 詠コウ 青山学院大学, 理工学部, 准教授 (30612923)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
8,320千円 (直接経費: 6,400千円、間接経費: 1,920千円)
2019年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2018年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
|
|---|
| キーワード | 流体状食品 / 質感表現 / 流動特性推定 / 混合体の物性モデル |
|---|
| 研究実績の概要 |
流体状食品には，卵などのタンパク質や糖類の蜂蜜のように，微視的には高分子鎖が絡み合った材質がある．また，背景流体にコロイド状の微粒子が含まれるサスペンション流体等も存在し，これらの物質の巨視的な物性として，シアーシニングなどの効果が現れる．昨年度の研究では，レオメータという力学応答を計測できる装置を用いてこうした流体状食品の応答特性を測定し，その結果それらの流動特性がハーシャル-バルクレイモデルによって精度よく表現できることがわかっている．今年度はこの知見に基づいて，物質の流動特性を映像から推定する手法について研究を行なった．そのアプローチとして二つの方向性を試みた．一つ目は，映像から対象流体の流速分布を推定し，その分布からハーシャル-バルクレイモデルのパラメータをニューラルネットワークにより回帰するというものである．もう一つは，機械学習を用いるかわりに，非ニュートン流体の物理シミュレーションにおけるパラメータ決定問題として定式化し，パラメータを最適化するアプローチである．これら二つのアプローチのプロトタイプ実装を行い，簡単なテストケースに対してその性能を検証した．機械学習を用いたアプローチでは，マヨネーズ，マスタード，とんかつソースを例に用い，これらの流体の区別ができることがわかった．また，二つ目の最適化を用いたアプローチでは，対象流体の外形を高い精度で再現することができた．いずれのアプローチでも，真のパラメータ値と同じオーダーの推定結果が得られているが，より高精度な推定結果を得るためには今後さらなる改良が必要である．
|
| 現在までの達成度 (段落) |
令和元年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和元年度が最終年度であるため、記入しない。
|
