|
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．
|
