权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

ヒト化学IoTセンサと感性AI計測の融合による「おいしさ」知覚情報システムの創製

人体化学物联网传感器与感官AI测量相结合，打造“美味”感知信息系统

基本信息

批准号：
22K02100
负责人：
小島洋一郎
金额：
$ 2.66万
依托单位：
Hokkaido University of Science
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2026-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K02100/
关键词：
機械学習画像解析食品評価多変量解析人工知能センサシステム AI 計測

项目摘要

■近年，食品工業分野では，AI・IoT・データサイエンスを網羅的に利活用して，人手不足の解消や様々な課題解決に向けて多種多様なアイデアや技術が投入されている。食品製造は人々へ衛生的かつ安心安全な食品を安定供給すると同時に，健康で豊かな食生活を支えるなどの社会的貢献にも寄与する産業である。その一方で近年，変革の荒波が大きく押し寄せている。2023 年時点で新型コロナウイルス感染症の影響により，地方の中小企業では，原材料費の高騰や人手不足が深刻化している。また，消費者の多様化するニーズにマッチした新商品開発が喫緊の課題としてあげられる。■これらに対応し改善するため製造現場や工場において，食の安全やおいしさを維持堅守しつつ，業界の抱える課題解決に導くソリューションを俯瞰することは非常に重要である。高度な画像の認識と処理，センシングデバイス・ロボティクス技術，AI，IoT など情報通信技術等先進技術を利活用したシステムオートメーション化など，最先端の解析テクノロジーと最新鋭の省力化手法を複合融合して実験を進めた。■本年は、高額で高精度な分析装置を使用せず、身近にあるイメージセンサ、例えばスマートフォンのカメラや理化学機器を利用して、迅速で廉価な分類の可能性を目指している。実験手順を示す。1）実験試料の撮影、2）撮影画像を画像処理ソフトにより RGB の色データ値を取得、3）RGB 値の分析処理、4）試料間の差異をクラスター分析などの多変量解析や機械学習より評価。使用した試料は同系色を示し、製造企業が異なる液体とした。画像データとその分析から茶系食品の簡易な分類の可能性を示すことが出来た。また、RGB 要素と教師なしクラスター分析により、数値データに留まらない視覚的な評価を迅速に行えた。

S in recent years, the food industry eset では, AI, IoT, データサイエンスを snare に of use して, understaffed の null や others 々にな topic solution to けて many many others なアイデアや technology がされている. Food manufacturing は people 々へ health かつ secure food safety なを stable supply するとに at the same time, health で bungo かな food with life をえるなどの social contribution にも send する industry である. In recent years, a large がく bet has been sent to せてせてるる. 2023 point で new コロナウイルス adapting just-in-time inventory の influence により, local の sme では, raw materials fee の golden や understaffed が deep mineralization している. Youdaoplaceholder0, consumer <s:1> diversification するニズにズにズにッチッチたた the development of new products が is a tight topic とてあげられるてあげられる. S これらに応 seaborne し improve するため manufacturing site や works において, food の security やおいしさを maintain hold しつつ, industry の embrace える subject to solve に guide くソリューションを overlooking することは very important でにある. Highly な portrait の know と処, センシングデバイス · ロボティクス technology, AI, IoT なをど information communication technology and other advanced technology, use したシステムオートメーション change など, most apex の parsing テクノロジーと most new の ShengLiHua fusion technique を composite して be 験を into めた. S は this year, with high で high-precision な analysis device をせず, nearly にあるイメージセンサ, example えばスマートフォンのカメラや riken を machine using して, rapid で inexpensive 価な classification の possibility を refers している. The practice follows を as す. 1) be 験 sample の pinch of shadow, 2) pinch of shadow portrait painting を処ソフトにより RGB color のデータ numerical を acquisition, 3) RGB numerical analysis の処の differences between sample, 4) をクラスター analysis などの many variations parsing や rote learning よ価り assessment. The <s:1> た test sample た homomorphic color を is used to show <s:1>, and the が different なる liquid from the manufacturing enterprise とたた. The image デデタとそタとそタとそ <s:1> analysis らら simple な classification <e:1> possibility を shows すすとがとがた. またと RGB factors, teachers なしクラスター analysis により, the numerical データに leave まらない regards 覚な review 価を line quickly にえた.