10:15 〜 10:30
[3Na-05] 咀嚼中の顔表面形状経時変化は食品物性を反映する
キーワード:食感、スマートフォン、咀嚼、食塊
[背景/目的] 食感はおいしさの6割超を占めるといわれており、食品業界では産業上でも、また誤嚥防止など安全性の観点でも重要視されている。一方、テクスチャーアナライザなど機器分析による食感の定量化においては、口腔内と結果が異なるケースも少なからず発生してしまう。これは、圧縮器具の形状、サイズ、またその動きが異なり、舌の存在、動き、唾液など容易に模倣し難いほどにファクターが多様であることに起因する。一方で、ヒト口腔内の挙動を筋電図等で実測することにもハードルが多く、多種多様な食品を大量に評価することは困難であった。本研究では、ヒトが咀嚼中の挙動を顔表面の立体形状の経時変化として計測し、食品のテクスチャーにより咀嚼挙動がどのような影響を受けるか、明らかにすることを目的とした。
[方法] スマートフォン搭載3Dスキャナを利用し、ヒトの咀嚼挙動を、顔表面の立体形状として経時変化を実測した。得られた4Dデータをディープラーニングに基づいて教師あり学習を行った。食品物性や、官能評価スコアを正解ラベルとして学習させることで、咀嚼挙動4Dデータから、物性やテクスチャー評価スコアを予測することを試みた。
[結果/考察] 炭水化物、タンパク質等複数の食品を対象とし、数百、数千回の咀嚼挙動をデータベースに蓄積した。咀嚼挙動は個人差が大きく、また咀嚼中の食品の種類に大きな影響をうけることが分かった。ディープラーニングに基づいて咀嚼中の食品物性を予測したところ、TPA特徴値や、テクスチャーの官能評価スコアを7割超の確度で予測が可能であった。
[方法] スマートフォン搭載3Dスキャナを利用し、ヒトの咀嚼挙動を、顔表面の立体形状として経時変化を実測した。得られた4Dデータをディープラーニングに基づいて教師あり学習を行った。食品物性や、官能評価スコアを正解ラベルとして学習させることで、咀嚼挙動4Dデータから、物性やテクスチャー評価スコアを予測することを試みた。
[結果/考察] 炭水化物、タンパク質等複数の食品を対象とし、数百、数千回の咀嚼挙動をデータベースに蓄積した。咀嚼挙動は個人差が大きく、また咀嚼中の食品の種類に大きな影響をうけることが分かった。ディープラーニングに基づいて咀嚼中の食品物性を予測したところ、TPA特徴値や、テクスチャーの官能評価スコアを7割超の確度で予測が可能であった。