JP2016017932A - 食品分析装置 - Google Patents

Abstract

【課題】食品の種類を正確に分析できる食品分析装置を提供する。
【解決手段】食品分析装置１は、近赤外光の吸光に関する情報である吸光情報、および、食品の成分に関する情報である成分情報の少なくとも一方を含む特徴情報と食品の種類に関する情報である種類情報とを含む食品情報を複数備える食品データベースを記憶している。食品分析装置１は、食品データベースと近赤外光を用いて測定された結果に基づいて得られる特徴情報である測定情報とをマッチングする。
【選択図】図３

Description

本発明は、食品分析装置に関する。

食品の種類を分析する食品分析装置が知られている。特許文献１はその一例であり、食品を撮影した画像データから食品の種類が分析される。

特開２００７−１２２３１１号公報

一方、食品が撮影された画像データには食品を載せるための皿等が映り込むことがある。この場合、特許文献１の食品分析装置は、その皿等に形成されている模様を食品であると認識することがある。このため、食品の種類が正確に分析されないおそれがある。

本発明の目的は、食品の種類を正確に分析できる食品分析装置を提供することである。

本発明の一形態に従う食品分析装置は、近赤外光の吸光に関する情報である吸光情報、および、食品の成分に関する情報である成分情報の少なくとも一方を含む特徴情報と食品の種類に関する情報である種類情報とを含む食品情報を複数備える食品データベースと、近赤外光を用いて測定された結果に基づいて得られる前記特徴情報である測定情報とをマッチングする。

食品分析装置の一形態は、食品の種類を正確に分析することができる。

実施の形態１の食品分析装置の模式図。 実施の形態１の受光部の構成を示す模式図。 実施の形態１の分析ユニットのブロック図。 実施の形態１の表示部に表示される候補リストの表示例を示す正面図。 実施の形態１の表示部に表示される分析結果の表示例を示す正面図。 実施の形態２の受光部の構成を示す模式図。 実施の形態２の分析ユニットのブロック図。 実施の形態２の表示部に表示されるカロリーに関する重畳画像の表示例を示す正面図。 変形例の表示部に表示される食品の画像データの表示例を示す正面図。 変形例の食品分析装置の模式図。 変形例の食品分析装置の模式図。

（食品分析装置が取り得る形態の一例）
〔１〕本発明の一形態に従う食品分析装置は、近赤外光の吸光に関する情報である吸光情報、および、食品の成分に関する情報である成分情報の少なくとも一方を含む特徴情報と食品の種類に関する情報である種類情報とを含む食品情報を複数備える食品データベースと、近赤外光を用いて測定された結果に基づいて得られる前記特徴情報である測定情報とをマッチングする。

上記食品分析装置は、食品データベースの特徴情報と測定情報とをマッチングすることにより食品の種類を分析する。この測定情報は、近赤外光を用いて測定された結果に基づいて得られるため、吸光情報の関係から食品以外の情報が含まれにくい。このため、食品データベースの特徴情報と測定情報とがマッチングしやすい。このため、上記食品分析装置は、食品の種類を正確に分析することができる。

〔２〕前記食品分析装置の一形態は、前記吸光情報は、たんぱく質、脂質、炭水化物、および、水分のうちの少なくとも１つの成分による近赤外光の吸光に関する情報を含み、前記成分情報は、たんぱく質、脂質、炭水化物、および、水分のうちの少なくとも１つの成分に関する情報を含む。

上記食品分析装置によれば、食品データベースの特徴情報と測定情報とのマッチングには食品の成分であるたんぱく質、脂質、炭水化物、および、水分の少なくとも１つの成分に関する情報が用いられる。この４つの食品の成分は、食品に多く含まれる成分であり、その食品の特徴が表れやすい成分である。このため、この４つの食品の成分がマッチングに用いられることにより、マッチングの精度が高められる。このため、食品の種類を一層正確に分析することができる。

〔３〕前記食品分析装置の一形態は、測定範囲から食品を抽出し、その結果を用いて前記食品に関する前記測定情報を算出する。
上記食品分析装置は、測定範囲から食品を抽出し、その食品に関する測定情報を算出する。このため、測定情報に食品以外の情報が一層含まれにくくなる。このため、食品データベースの特徴情報と測定情報とが一層マッチングしやすい。このため、食品の種類を一層正確に分析することができる。

〔４〕前記食品分析装置の一形態は、前記マッチングにより複数の結果を決定し、選択操作が可能な機器に前記複数の結果を出力する。
マッチングの結果として、一番マッチングした食品の種類と測定対象である食品の種類とが異なることがある。上記食品分析装置によれば、マッチングにより複数の結果が出力され、その結果からユーザーにより１つの食品が選択される。このため、マッチングの結果として一番マッチングした１つの食品が出力される構成と比較して、マッチングの結果に測定対象である食品が含まれやすい。このため、食品の種類が正確に分析されやすい。

〔５〕前記食品分析装置の一形態は、前記食品情報を構成する前記成分情報は、食品の成分の構成比率に関する情報を含む。
上記食品分析装置によれば、食品データベースの特徴情報と測定情報とのマッチングには食品の成分の構成比率に関する情報が用いられる。食品の成分の構成比率は、食品の体積および形状に依存しにくい。このため、このマッチングにおいては測定対象である食品の体積および形状の影響を受けにくい。このため、食品データベースの特徴情報と測定情報とがマッチングしやすくなる。このため、食品の種類を正確に分析することができる。

〔６〕前記食品分析装置の一形態は、前記食品情報を構成する前記成分情報は、食品の成分の絶対量に関する情報を含む。
上記食品分析装置によれば、食品データベースと測定情報とのマッチングには食品の成分の絶対量が用いられる。このため、食品の種類と併せて食品の成分量を分析することができる。

〔７〕前記食品分析装置の一形態は、測定範囲を変更する機能を備える。
上記食品分析装置によれば、例えばユーザーが分析したい食品のみが測定範囲に含められることにより、その食品に関する測定情報が算出される。このため、測定情報にユーザーが分析したい食品以外の情報が含まれにくくなる。このため、ユーザーが分析したい食品の種類のみを正確に分析することができる。

〔８〕前記食品分析装置の一形態は、前記食品情報は食品の重量、体積、および、面積のうちの少なくとも１つに関する情報をさらに含む。
上記食品分析装置によれば、吸光情報および成分情報の少なくとも一方を含む特徴情報に食品の重量、体積、および、面積のうちの少なくとも１つの情報が加えられる。このため、例えば吸光情報および成分情報の少なくとも一方を含む特徴情報と測定情報とのマッチングにより得られた複数の結果から、食品の重量、体積、および、面積のうちの少なくとも１つの情報を含む特徴情報と測定情報とのマッチングによりさらに絞り込むことができる。このため、マッチングの精度が一層高められやすい。このため、食品の種類が一層正確に分析されやすい。

〔９〕前記食品分析装置の一形態は、前記食品情報は可視光の吸光に関する情報である第２の吸光情報をさらに含む。
上記食品分析装置によれば、吸光情報および成分情報の少なくとも一方を含む特徴情報に第２の吸光情報が加えられる。このため、例えば吸光情報および成分情報の少なくとも一方を含む特徴情報と測定情報とのマッチングにより得られた複数の結果から、第２の吸光情報を含む特徴情報と測定情報とのマッチングによりさらに絞り込むことができる。このため、マッチングの精度が一層高められやすい。このため、食品の種類が一層正確に分析されやすい。

〔１０〕前記食品分析装置の一形態は、前記マッチングにより測定対象である食品の種類を決定した後にそのマッチングに用いた前記測定情報に基づいて前記食品情報を更新する。

食品の種類が同一である複数の食品を分析する場合、成分量の差等により測定情報がばらつくことがある。このため、食品の種類が同一であったとしても、食品データベースの特徴情報と測定情報とがマッチングしにくいことがある。

上記食品分析装置によれば、マッチングに用いた１つまたは複数の測定情報に基づいて食品情報が更新される。例えば、食品データベースの特徴情報とマッチングに用いた１つまたは複数の測定情報との平均を新しい食品データベースの特徴情報として更新する。このため、再度食品の種類が同一である食品を分析する場合、食品データベースの特徴情報と測定情報とがマッチングしやすくなる。このため、食品の種類が正確に分析されやすくなる。

〔１１〕前記食品分析装置の一形態は、前記マッチングにより決定した食品の種類に基づいて推定モデルを選択し、その推定モデルを用いて前記食品の成分量およびカロリーの少なくとも一方を算出する。

化学分析により食品の成分量およびカロリーを算出する方法では、例えば窒素の量からたんぱく質の成分量を換算している。この方法は、食品ごとに対応する換算係数を用いなければ１〜２割程度の誤差が生じることがあるため、食品ごとに対応する換算係数が用いられる。

一方、近赤外光により食品の成分量およびカロリーを算出する方法では、例えばたんぱく質を構成するアミノ酸の窒素の量の吸収量から所定の推定モデルによりたんぱく質の成分量が算出される。この場合、化学分析により算出されるたんぱく質の成分量と、近赤外光により算出されるたんぱく質の成分量とにずれが生じることがある。このため、このずれを生じさせにくくするためには、食品の種類または分類に対応する推定モデルを利用することが好ましい。なお、炭水化物においても、同様のずれが生じることがある。

上記食品分析装置によれば、例えば食品の種類または分類ごとに食品の成分量およびカロリーの少なくとも一方を算出するための推定モデルが記憶されている。このため、食品の種類または分類ごとに対応した推定モデルを選択することにより食品の成分量およびカロリーの少なくとも一方が正確に算出されやすい。

〔１２〕前記食品分析装置の一形態は、前記マッチングにより決定した食品の種類に基づいて調理機器の動作を制御する。
上記食品分析装置によれば、マッチングにより決定した食品の種類に基づいて、例えば調理機器である電子レンジの加熱時間および電力等の動作が制御される。このため、調理機器の使い勝手が向上する。

（実施の形態１）
図１を参照して、食品分析装置１の構成について説明する。
食品分析装置１は、食品である対象物Ｓに関する情報を測定する測定ユニット１０、および、対象物Ｓの種類等を分析する分析ユニット５０を備える。測定ユニット１０および分析ユニット５０は、接続ケーブルＬを介して電気的に接続されている。

測定ユニット１０は、扉（図示略）を閉じることにより内部を遮光できる筐体１１を備える。筐体１１には、皿に載せられた測定対象である対象物Ｓが配置されるテーブル１２、対象物Ｓに近赤外光を照射する照射部１３、および、対象物Ｓから反射した光を受光する受光部１４が収容されている。

照射部１３は、一例として、ハロゲンランプ、ＬＥＤ（Light Emitting Diode）、または、レーザー等であり、対象物Ｓの全体に光を照射できる位置に配置される。照射部１３は、一例として、７００ｎｍ〜２５００ｎｍの近赤外領域の波長を含む光を照射する。

図２を参照して、受光部１４の構成について説明する。
受光部１４は、対象物Ｓから反射した光を受光できる位置に配置される。受光部１４は、対象物Ｓから反射した光を集光する集光部２０、集光された光から対象物Ｓの成分に関する吸収波長の光を分光する分光部３０、および、分光された光を受光する複数の受光センサー４０を備える。

集光部２０は、光を集光するための集光レンズ２１、および、集光レンズ２１により集光された光を分光部３０に導く反射部２２を備える。
分光部３０は、第１分光部３１、第２分光部３２、および、第３分光部３３を備える。各分光部３１〜３３は、特定の波長の光のみを反射し、他の波長の光を透過する回折格子の分光器である。各分光部３１〜３３は、互いに異なる特定の波長の光のみを反射する。これらの特定の波長は、成分が既知である食品に関する複数の試料の吸光度に基づいて実験等により決定される。具体的には、これらの特定の波長は、例えば複数の試料における特定の成分の成分量と吸光度との関係から、試料における特定の成分の成分量を反映した波長として決定される。

第１分光部３１は、食品の成分のうちのたんぱく質の成分量と相関する９１０ｎｍ前後の波長の光を選択的に反射する。第２分光部３２は、食品の成分のうちの脂質の成分量と相関する９３０ｎｍ前後の波長の光を選択的に反射する。第３分光部３３は、食品の成分のうちの炭水化物の成分量と相関する９８０ｎｍ前後の波長の光を選択的に反射する。

受光センサー４０の形態の一例は、イメージセンサーである。複数の受光センサー４０は、第１受光センサー４０Ａ、第２受光センサー４０Ｂ、および、第３受光センサー４０Ｃを含む。第１受光センサー４０Ａは、第１分光部３１において反射した光を受光する。第２受光センサー４０Ｂは、第２分光部３２において反射した光を受光する。第３受光センサー４０Ｃは、第３分光部３３において反射した光を受光する。

各受光センサー４０Ａ〜４０Ｃの受光面には、複数の受光素子４１が格子状に配置されている。受光素子４１の材質は、一例として、近赤外領域において幅広く感度を持つシリコン、インジウム、ガリウム、および、ヒ素等が用いられる。各受光素子４１は、受光した光の受光量を検出する。

図３を参照して、分析ユニット５０の構成について説明する。
分析ユニット５０は、試料に関する情報等を記憶している記憶部６０、対象物Ｓ（図１参照）の種類等を分析する分析部７０、および、分析部７０の分析結果等を表示する表示部８０を備える。

記憶部６０は、近赤外光の吸光に関する情報である吸光情報を含む特徴情報と、試料の種類に関する情報である種類情報とを含む食品情報を複数備える食品データベースを記憶している。また、記憶部６０は、受光素子４１が検出する受光量に基づいて算出される試料の吸光度と、試料の成分量との相関関係を示す成分量推定モデルを記憶している。この成分量推定モデルの算出には、例えば重回帰分析またはＰＬＳ（Partial Least Squares）回帰分析等の統計的手法が用いられる。また、試料の成分量は、例えば、たんぱく質、脂質、および、炭水化物の成分量であり、従来からの別の分析方法により予め精度よく算出されている。なお、記憶部６０は、分析部７０により分析された分析結果に関する情報を随時記憶する。

分析部７０は、対象物Ｓの特徴量を演算する特徴量演算部７１、演算された特徴量と食品データベースとをマッチングさせ、このマッチングにより複数の結果を決定する候補決定部７２、および、対象物Ｓの成分を算出する成分算出部７３を備える。

特徴量演算部７１は、第１受光センサー４０Ａ（図２参照）に配置された複数の受光素子４１から検出される受光量に基づいて算出された対象物Ｓの吸光度の平均値を測定情報である対象物Ｓに関する第１の特徴量として演算する。特徴量演算部７１は、第２受光センサー４０Ｂ（図２参照）に配置された複数の受光素子４１から検出される受光量に基づいて算出された対象物Ｓの吸光度の平均値を測定情報である対象物Ｓに関する第２の特徴量として演算する。特徴量演算部７１は、第３受光センサー４０Ｃ（図２参照）に配置された複数の受光素子４１から検出される受光量に基づいて算出された対象物Ｓの吸光度の平均値を測定情報である対象物Ｓに関する第３の特徴量として演算する。なお、食品データベースの特徴情報は、試料に関する第１〜第３の特徴量である。

候補決定部７２は、例えば対象物Ｓに関する第１〜第３の特徴量と、食品データベースの試料に関する第１〜第３の特徴量とをマッチングし、このマッチングにより複数の結果を決定する。具体的には、例えば対象物Ｓに関する第１の特徴量と試料に関する第１の特徴量との差、対象物Ｓに関する第２の特徴量と試料に関する第２の特徴量との差、および、対象物Ｓに関する第３の特徴量と試料に関する第３の特徴量との差を演算する。次に、演算されたそれぞれの差の平均であるマッチング結果を演算する。そして、このマッチング結果が小さいものから順に種類情報からＮ個の食品の候補を決定する。Ｎ個の一例は、１０個である。候補決定部７２は、この候補に関する情報を表示部８０に出力する。

成分算出部７３は、対象物Ｓの吸光度および成分量推定モデルに基づいて対象物Ｓの成分の成分量を算出する。成分算出部７３は、一例として、対象物Ｓの成分のうちのたんぱく質の成分量、脂質の成分量、および、炭水化物の成分量を算出する。また、成分算出部７３は、たんぱく質の成分量、脂質の成分量、および、炭水化物の成分量にそれぞれの成分と対応するカロリー係数を乗算し、それらを足し合わせることにより対象物Ｓのカロリーを算出する。成分算出部７３は、これらの結果を表示部８０に出力する。

表示部８０の形態の一例は、液晶画面である。この表示部８０は、選択操作が可能な機器であるタッチパネルとしての機能を備える。表示部８０には、一例として、分析部７０により分析された分析結果、および、記憶部６０が記憶している過去の分析結果等が表示される。

図１〜図５を参照して、食品分析装置１の作用について説明する。
図１に示されるように、ユーザーは、テーブル１２上に対象物Ｓを載せ、食品分析装置１による分析を開始させる。この食品分析装置１による分析の開始にともない、照射部１３が対象物Ｓに光を照射する。

図２に示されるように、複数の受光素子４１は、対象物Ｓから反射した光を受光し、その受光量を検出する。そして、受光素子４１は、検出された受光量に基づいて算出される対象物Ｓの吸光度に関する情報を分析部７０（図３参照）に出力する。

図３に示されるように、分析部７０は、特徴量演算部７１により対象物Ｓの吸光度から第１〜第３の特徴量を演算し、候補決定部７２により対象物Ｓに関する第１〜第３の特徴量と、試料に関する第１〜第３の特徴量とをマッチングさせ、このマッチングにより複数の候補を決定する。そして、分析部７０は、この候補に関する情報を表示部８０に出力する。

図４に示されるように、表示部８０には、複数の食品の候補に関する情報が表示される。表示部８０は、候補リストとして１０個の食品の候補である候補Ａ〜候補Ｊを表示する。一例として、マッチング結果が一番小さい候補Ａが一番マッチングした食品であり、マッチング結果が１０番目に小さい候補Ｊが１０番目にマッチングした食品である。なお、候補Ａ〜候補Ｊは食品の種類を表している。

ユーザーは、タッチパネルの機能を持つ表示部８０を指等で操作することにより、複数の食品の候補から１つの食品を選択する。ユーザーは、例えば対象物Ｓ（図１参照）と対応する食品が候補Ａであった場合、指等で候補Ａが表示されている部分をタップすることにより選択する。

図３に示されるように、分析部７０は、成分算出部７３により対象物Ｓの成分のうちのたんぱく質の成分量、脂質の成分量、および、炭水化物の成分量を算出し、その結果からカロリーを算出する。そして、分析部７０（図３参照）は、候補Ａ（図４参照）である対象物Ｓ（図１参照）の種類、および、対象物Ｓの成分に関する情報を分析結果として表示部８０に出力する。

図５に示されるように、表示部８０には、対象物Ｓの種類、対象物Ｓの成分に関する情報、および、対象物Ｓに含まれる成分の分布画像と対象物Ｓの写真画像とが重畳された重畳画像ＰＳが分析結果として表示される。なお、図５は、ハッチングの線の方向、および、ドットにより表示色の違いを示している。

分布画像は、一例として、複数の受光素子４１（図３参照）の位置関係と、それぞれの受光素子４１に基づいて算出された対象物Ｓの成分とが組み合わせられた画像である。分布画像は、対象物Ｓの成分のうちのたんぱく質、脂質、および、炭水化物の成分量が複数の受光素子４１の位置関係と対応している領域ＰＸごとにそれぞれの受光素子４１に基づいて算出され、対象物Ｓの成分のうちの最も成分量が大きい成分がその成分に応じた異なる表示色を用いて色づけされる。写真画像は、例えば可視光（図示略）を用いて対象物Ｓを撮影し、その情報に基づいて生成された画像である。重畳画像ＰＳは、分布画像と写真画像とを重畳することにより生成される。

このように、ユーザーは、食品分析装置１による分析結果が表示されることにより、対象物Ｓの種類、対象物Ｓの成分量、および、対象物Ｓの成分に関する重畳画像ＰＳを視覚的に認識することができる。

食品分析装置１によれば、以下の効果が得られる。
（１）食品分析装置１は、対象物Ｓに関する第１〜第３の特徴量と、食品データベースの試料に関する第１〜第３の特徴量とをマッチングすることにより食品の種類を分析する。この第１〜第３の特徴量は、近赤外光を用いて測定された結果に基づいて得られるため、対処物Ｓ以外の情報が含まれにくい。このため、対象物Ｓに関する第１〜第３の特徴量と、食品データベースの試料に関する第１〜第３の特徴量とがマッチングしやすい。このため、食品分析装置１は、食品の種類を正確に分析することができる。

また、食品分析装置１は、対象物Ｓの吸光度および成分量推定モデルに基づいて対象物Ｓの成分の成分量を算出する。この対象物Ｓの吸光度は、近赤外光を用いて測定された結果に基づいて得られるため、対処物Ｓ以外の情報が含まれにくい。このため、食品分析装置１は、食品の成分量を正確に分析することができる。

（２）食品分析装置１によれば、対象物Ｓに関する第１〜第３の特徴量と、食品データベースの試料に関する第１〜第３の特徴量とのマッチングには食品の成分であるたんぱく質、脂質、および、炭水化物に関する情報が用いられる。この３つの食品の成分は、食品に多く含まれる成分であり、その食品の特徴が表れやすい成分である。このため、この３つの食品の成分がマッチングに用いられることにより、マッチングの精度が高められる。このため、食品の種類を一層正確に分析することができる。

（３）マッチング結果として、一番マッチングした食品の種類と測定対象である食品の種類とが異なることがある。食品分析装置１によれば、マッチングにより複数の結果が出力され、その結果からユーザーにより１つの食品が選択される。このため、マッチングの結果として一番マッチングした１つの食品が出力される構成と比較して、マッチングの結果に測定対象である食品が含まれやすい。このため、食品の種類が正確に分析されやすい。また、食品分析装置１は、食品データベースから食品を選択する構成と比較して、選択の対象が少ない。このため、ユーザーの手間がかかりにくい。

（４）食品分析装置１によれば、分析結果として食品の種類および食品の成分量が出力される。また、記憶部６０によりこの分析結果が記憶されるため、ユーザーが過去の分析結果を見返すことができる。このため、ユーザーが栄養管理を行いやすい。

（実施の形態２）
実施の形態２の食品分析装置１は、以下に説明する点において実施の形態１の食品分析装置１と相違し、その他の点において実施の形態１の食品分析装置１と実質的に同じ構成を備える。なお、実施の形態２の食品分析装置１の説明は、実施の形態１の食品分析装置１と共通する構成に同一の符号を付し、その構成の説明の一部または全部を省略する。

図６に示されるように、分光部３０は、第１分光部３１、第２分光部３２、および、第３分光部３３に加えて、第４分光部３４を備える。第４分光部３４は、特定の波長の光のみを反射し、他の波長の光を透過する回折格子の分光器である。第４分光部３４は、食品に含まれない成分に関する波長の光を選択的に反射する。

複数の受光センサー４０は、第１受光センサー４０Ａ、第２受光センサー４０Ｂ、および、第３受光センサー４０Ｃに加えて、第４受光センサー４０Ｄを含む。第４受光センサー４０Ｄは、第４分光部３４において反射した光を受光する。第４受光センサー４０Ｄの受光面には、複数の受光素子４１が格子状に配置されている。

図７を参照して、分析ユニット５０の構成について説明する。
記憶部６０は、各受光センサー４０Ａ〜４０Ｃ（図６参照）に配置される受光素子４１が検出する受光量に基づいて算出される試料の吸光度と、試料のカロリーとの相関関係を示すカロリー推定モデルを記憶している。このカロリー推定モデルの算出には、例えば重回帰分析またはＰＬＳ回帰分析等の統計的な手法が用いられる。試料のカロリーは、従来からの別の分析方法により予め精度よく算出されている。また、記憶部６０は、第４受光センサー４０Ｄ（図６参照）に配置される受光素子４１が検出する受光量に基づいて算出される試料の吸光度である基準吸光度を記憶している。

分析部７０は、測定範囲から対象物Ｓ（図１参照）を抽出する抽出部７４、対象物Ｓの吸光度を補正する補正部７５、対象物Ｓのカロリーを算出するカロリー算出部７６、および、対象物Ｓと対象物Ｓ以外とを分離する分離部７７を備える。

抽出部７４は、各受光センサー４０Ａ〜４０Ｃに配置される受光素子４１が検出する受光量に基づいて、受光素子４１が配置される領域ごとに対象物Ｓの吸光度を算出する。抽出部７４は、算出された対象物Ｓの吸光度を所定の閾値に基づいてエッジ検出することにより対象物Ｓを抽出する。この所定の閾値は、例えば複数の受光素子４１のうちの隣り合う受光素子４１から算出される吸光度が一定の差以上を有するか否かの境界である。抽出部７４は、例えば複数の受光素子４１のうちの隣り合う受光素子４１から算出される吸光度が一定の差以上有する場合、吸光度が大きい方を対象物Ｓであると判別する。抽出部７４は、抽出された対象物Ｓにおいて各受光センサー４０Ａ〜４０Ｃに基づく対象物Ｓの吸光度に関する情報を補正部７５に出力する。

補正部７５は、第４受光センサー４０Ｄに配置される受光素子４１が検出する受光量に基づいて対象物Ｓの吸光度を算出する。補正部７５は、算出された対象物Ｓの吸光度と基準吸光度との差である影響情報を算出する。この影響情報は、例えば光路、食品の反射率、および、環境温度等の影響の強さである。補正部７５は、この影響情報に基づいて各受光センサー４０Ａ〜４０Ｃに基づく対象物Ｓの吸光度を補正する。補正部７５は、この補正された対象物Ｓの吸光度に関する情報を特徴量演算部７１、成分算出部７３、および、カロリー算出部７６に出力する。

カロリー算出部７６は、補正された対象物Ｓの吸光度およびカロリー推定モデルに基づいて対象物Ｓのカロリーを算出する。カロリー算出部７６は、この結果を分離部７７および表示部８０に出力する。

分離部７７は、対象物Ｓのカロリーの算出結果を所定の閾値に基づいて分離することにより対象物Ｓと対象物Ｓ以外とが分離する。この所定の閾値は、例えばカロリーを有するか否かの境界である。分離部７７は、例えば対象物Ｓのカロリーの算出結果が所定の閾値よりも大きい場合、カロリーを有するものと判別する。分離部７７は、この分離に関する情報を特徴量演算部７１および成分算出部７３に出力する。

特徴量演算部７１は、分離部７７により分離された対象物Ｓの領域において、補正された対象物Ｓの吸光度から第１〜第３の特徴量を演算する。また、成分算出部７３は、分離部７７により分離された対象物Ｓの領域において、補正された対象物Ｓの吸光度および成分量推定モデルに基づいて対象物Ｓの成分量を算出する。

図８に示されるように、表示部８０には、対象物Ｓのカロリーの分布画像と対象物Ｓの写真画像とが重畳された重畳画像ＰＴが表示される。なお、図８は、ドットの点の密度により表示色の違いを示している。

分布画像は、対象物Ｓのカロリーの分量に応じた異なる表示色を用いて領域ＰＸごとに色づけされる。このように、ユーザーは、表示部８０に表示される対象物Ｓのカロリーに関する重畳画像ＰＴを視覚的に認識することができる。

また、図５に示されるように、表示部８０には、対象物Ｓの種類、対象物Ｓの成分に関する情報、および、対象物Ｓに含まれる成分の分布画像と対象物Ｓの写真画像とが重畳された重畳画像ＰＳが分析結果として表示される。このように、ユーザーは、食品分析装置１による分析結果が表示されることにより、対象物Ｓの種類、対象物Ｓの成分量、および、対象物Ｓの成分に関する重畳画像ＰＳを視覚的に認識することができる。なお、食品分析装置１は、一例として、表示部８０に示される内容が切替ボタン（図示略）等により切り替えられる構成を持つことが好ましい。

食品分析装置１は、実施の形態１の（１）〜（４）の効果に加えて、以下の効果が得られる。
（５）食品分析装置１は、測定範囲から対象物Ｓを抽出し、その対象物Ｓの吸光度を算出する。このため、対象物Ｓの吸光度に対象物Ｓ以外の情報が一層含まれにくくなる。このため、対象物Ｓに関する第１〜第３の特徴量と、食品データベースの試料に関する第１〜第３の特徴量とが一層マッチングしやすい。このため、食品の種類を一層正確に分析することができる。

（６）食品分析装置１によれば、各受光センサー４０Ａ〜４０Ｃに基づく対象物Ｓの吸光度が影響情報に基づいて補正される。このため、一層正確な対象物Ｓの吸光度が算出される。このため、マッチングの精度が一層高められる。

（７）食品分析装置１によれば、対象物Ｓのカロリーの算出結果を所定の閾値に基づいて分離させることにより対象物Ｓと対象物Ｓ以外とが分離される。このため、対象物Ｓの領域において対象物Ｓの吸光度から特徴量が演算されることにより、その特徴量に対象物Ｓ以外の情報が一層含まれにくくなる。このため、マッチングの精度が一層高められる。

（変形例）
食品分析装置が取り得る具体的な形態は、上記各実施の形態に例示された形態に限定されない。食品分析装置は、本発明の目的が達成される範囲において、上記各実施の形態とは異なる各種の形態を取り得る。以下に示される上記各実施の形態の変形例は、食品分析装置が取り得る各種の形態の一例である。

・実施の形態１の変形例の食品分析装置１は、測定範囲を変更する機能を備える。この変形例の食品分析装置１によれば、分析部７０により受光素子４１から検出される受光量に基づいて対象物Ｓの吸光度が算出され、その吸光度が輝度または色味等の情報を含む対象物Ｓに関する画像データＰに変換される。分析部７０は、その画像データＰを表示部８０に出力する。

図９に示されるように、表示部８０は、対象物Ｓに関する画像データＰを表示する。そして、ユーザーが画像データＰのうちの食品が含まれる範囲の一部を選択することにより測定範囲が変更される。これにより、変形例の食品分析装置１は、ユーザーにより変更された対象物Ｓのうちの一部の食品が含まれる測定範囲の分析を開始する。

この変形例の食品分析装置１は、例えばユーザーが分析したい対象物Ｓの一部の食品を測定範囲に含めることができる。このため、この食品に関する特徴量に食品以外の情報が含まれにくくなる。このため、ユーザーが分析したい食品の種類のみを正確に分析することができる。なお、この変形例の食品分析装置１は、例えばユーザーにより選択された範囲以外を測定範囲とする構成であってもよい。

・実施の形態２の変形例の抽出部７４は、水素結合の吸収波長が温度により変化する特性を利用して対象物Ｓを抽出する。この場合、例えば水の吸収波長の光を選択的に反射する別の分光部、および、別の分光部において反射した光を受光する別の受光センサーが備えられる。この変形例によれば、マイクロ波等により対象物Ｓが加熱されることにより、水の吸収波長がピークシフトするか否かに基づいて対象物Ｓが抽出される。

・実施の形態２の変形例の食品分析装置１は、補正部７５、カロリー算出部７６、および、分離部７７のうちの少なくとも１つが省略される。例えば、変形例の食品分析装置１は、補正部７５、カロリー算出部７６、および、分離部７７の全部が省略される。この変形例によれば、抽出部７４により抽出された対象物Ｓにおいて各受光センサー４０Ａ〜４０Ｃに基づく対象物Ｓの吸光度に関する情報が特徴量演算部７１および成分算出部７３に出力される。なお、補正部７５が省略される場合、第４分光部３４および第４受光センサー４０Ｄを省略することができる。

・各実施の形態の変形例の食品分析装置１は、図１０に示されるように、テーブル１２上に配置される対象物Ｓ等の重量を測定する圧力センサー９０を備える。この場合、変形例の食品分析装置１の記憶部６０は、例えば食品情報の別の特徴量の１つとして試料の重量に関する情報を記憶する。このため、変形例の食品分析装置１によれば、圧力センサー９０により測定される対象物Ｓの重量に関する情報を特徴量の１つとして食品データベースとマッチングさせる。このため、食品の種類が一層正確に分析される。また、この変形例によれば、算出された対象物Ｓの成分を対象物Ｓの重量に関する情報を用いて補正してもよい。なお、別の変形例の食品分析装置１は、圧力センサー９０に代えて、または、加えて、対象物Ｓの体積および面積の少なくとも一方を測定するセンサー（図示略）等を備えてもよい。

・各実施の形態の変形例の食品分析装置１は、図１１に示されるように、対象物Ｓに可視光を照射する可視光照射部１５を備える。この可視光照射部１５は、対象物Ｓの全体に光を照射できる位置に配置される。この場合、変形例の食品分析装置１の記憶部６０は、例えば食品情報の別の特徴量の１つとして可視光の吸光に関する情報である第２の吸光情報を記憶する。このため、変形例の食品分析装置１によれば、可視光照射部１５が可視光を対象物Ｓに照射することにより得られる可視光の吸光に関する特徴量を食品データベースとマッチングさせる。これにより、例えば成分が類似し、色彩が異なる果汁飲料の種類を詳細に分析することができる。このため、食品の種類が一層正確に分析される。

・各実施の形態の変形例の食品分析装置１は、マッチングにより決定した食品の種類に基づいて調理機器の動作を制御する。この変形例の食品分析装置１によれば、マッチングにより決定した食品の種類に基づいて、例えば調理機器である電子レンジの加熱時間および電力等の動作が制御される。このため、調理機器の使い勝手が向上する。なお、別の変形例の食品分析装置１は、マッチングにより決定した食品の種類に基づいて、例えば調理機器である冷蔵庫の冷却温度等の動作が制御される。

・各実施の形態の変形例の食品分析装置１は、マッチングにより決定した食品の種類に基づいて別の成分量推定モデルを選択し、その別の成分量推定モデルを用いて食品の成分量を算出する。この場合、記憶部６０は、例えば受光素子４１が検出する受光量に基づいて算出される試料の吸光度と、試料の成分量との相関関係を示す食品の分類ごとに定められた別の成分量推定モデルを記憶する。この別の成分量推定モデルの算出には、例えば重回帰分析またはＰＬＳ回帰分析等の統計的手法が用いられる。この変形例によれば、分析部７０が対象物Ｓの種類が分析された後に対象物Ｓの分類を判別し、成分算出部７３が対象物Ｓの吸光度および別の成分量推定モデルに基づいて対象物Ｓの成分量を算出する。このため、判別された食品の分類に応じた別の成分量推定モデルが選択されることにより、食品の成分量が正確に算出される。なお、この別の成分量推定モデルは、食品の種類ごとに定められてもよい。

また、別の変形例の食品分析装置１は、カロリーを算出する場合において、マッチングにより決定した食品の種類に基づいて別のカロリー推定モデルを選択し、その別のカロリー推定モデルを用いて食品のカロリーを算出してもよい。

・食品の種類が同一である複数の食品を分析する場合、成分量の差等により対象物Ｓの特徴量がばらつくことがある。このため、食品の種類が同一であったとしても、対象物Ｓの特徴量と食品情報の特徴量とがマッチングしにくいことがある。

各実施の形態の変形例の食品分析装置１は、マッチングにより食品の種類が決定した後にそのマッチングに用いた対象物Ｓの特徴量に基づいて食品情報を更新する。この変形例によれば、例えばマッチングされた対象物Ｓの特徴量と食品情報の特徴量との平均を新たな食品情報の特徴量として記憶される。この場合、対象物の特徴量と食品情報の特徴量とがマッチングしやすくなる。このため、食品の種類を正確に分析することができる。なお、この変形例の食品分析装置１は、マッチングされた複数の対象物Ｓの特徴量と食品情報の特徴量との平均を新たな食品情報の特徴量として記憶してもよい。

・各実施の形態の変形例の食品分析装置１は、ネットワークを介して複数のユーザーが分析した対象物Ｓに関する情報を記憶する。例えば、食品データベースに存在しない食品を分析した場合、その食品の種類および成分量等の情報が食品データベースに記憶される。このため、食品データベースの情報量が増加することにより、マッチングの精度が高められる。また、例えばマッチングされた対象物Ｓの特徴量に基づいて対応する食品情報の特徴量を更新してもよい。

・各実施の形態の変形例の候補決定部７２は、例えばマッチングにより決定された複数の結果として、小さいものから順に食品データベースの１％の食品の候補を決定する。また、別の変形例の候補決定部７２は、ユーザーがマッチングにより決定するＮ個の値を任意に変更することができる。

・各実施の形態の変形例の食品分析装置１は、候補決定部７２が省略される。この場合、例えばマッチングにより１つの食品が決定される。
・各実施の形態の変形例の記憶部６０は、試料の成分に関する情報である成分情報を含む特徴情報と試料の種類に関する情報である種類情報とを含む食品情報を複数備える食品データベースを記憶する。この成分情報は、たんぱく質の成分量、脂質の成分量、および、炭水化物の成分量のそれぞれの絶対値である。この変形例によれば、特徴量演算部７１により対象物Ｓの吸光度および成分量推定モデルに基づいて対象物Ｓのたんぱく質の成分量、脂質の成分量、および、炭水化物の成分量が特徴量として演算される。そして、分析部７０は、演算された特徴量と食品データベースとをマッチングさせる。このため、食品の種類と併せて食品の成分量を分析することができる。このため、変形例の食品分析装置１の分析に関する処理速度が向上する。なお、この変形例の食品分析装置１は、成分算出部７３を省略することができる。

・各実施の形態の変形例の記憶部６０は、試料の成分に関する情報である成分情報を含む特徴情報と試料の種類に関する情報である種類情報とを含む食品情報を複数備える食品データベースを記憶する。この成分情報は、たんぱく質、脂質、および、炭水化物のそれぞれの成分の構成比率である。この場合、変形例の記憶部６０は、受光素子４１が検出する受光量に基づいて算出される試料の吸光度と、試料の成分の構成比率との相関関係を示す構成比率推定モデルをさらに記憶する。この構成比率推定モデルの算出には、例えば重回帰分析またはＰＬＳ回帰分析等の統計的手法が用いられる。この変形例によれば、特徴量演算部７１により対象物Ｓの吸光度および構成比率推定モデルに基づいて対象物Ｓのたんぱく質、脂質、および、炭水化物のそれぞれの成分の構成比率が特徴量として演算される。そして、分析部７０は、演算された特徴量と食品データベースとをマッチングさせる。このため、食品の成分の構成比率が食品の体積および形状に依存しにくいことにより、演算された特徴量と食品データベースとがマッチングしやすい。このため、食品の種類を正確に分析することができる。

・各実施の形態の変形例の特徴量演算部７１は、各受光センサー４０Ａ〜４０Ｃに配置された複数の受光素子４１から検出される受光量に基づいて対象物Ｓの吸光度が算出され、その吸光度の和を対象物Ｓに関する第１〜第３の特徴量として演算してもよい。また、別の変形例の特徴量演算部７１は、第１〜第３の特徴量の和を特徴量としてもよい。

・各実施の形態の変形例の候補決定部７２は、第１〜第３の特徴量と、食品データベースの試料に関する第１〜第３の特徴量とを重み付けによりマッチングする。また、別の変形例の候補決定部７２は、第１〜第３の特徴量と、食品データベースの試料に関する第１〜第３の特徴量とを最も高い特徴量から順にマッチングする。

・各実施の形態の変形例の候補決定部７２は、対象物Ｓに関する各特徴量および試料に関する各特徴量を一次関数または２次関数を用いてマッチングさせる。この場合、これらの関数の係数は、例えば重み付け等により算出される。なお、この変形例によれば、フルクロスバリデーションまたはランダムバリデーション等の手法を用いてもよい。

・各実施の形態の変形例の食品分析装置１は、成分算出部７３が省略される。この場合、例えば記憶部６０が近赤外光の吸光に関する情報を含む特徴情報と関連付けられた食品の種類、成分量、および、カロリー等に関する情報である食品情報を含む食品データベースを記憶する。この変形例によれば、食品の成分量およびカロリーは、食品データベースから算出される。

・各実施の形態の変形例の食品分析装置１は、近赤外光の吸光に関する情報、および、非食品の成分に関する情報の少なくとも一方を含む特徴情報と非食品に関する情報とを含む非食品情報を複数備える非食品データベースを記憶する。この変形例によれば、マッチングにより食品と食品以外とを判別できる。

・各実施の形態の変形例の食品分析装置１は、操作部（図示略）を備える。この操作部の形態の一例は、タッチパッドである。例えばユーザーによりタッチパッドが操作されることにより表示部８０に表示されるカーソル（図示略）が操作され、表示部８０に表示される情報等を選択することができる。また、操作部の形態は、マウスまたはキーボード等でもよい。なお、この変形例の食品分析装置１は、表示部８０からタッチパネルの機能を省略することができる。

・各実施の形態の変形例の各受光センサー４０の受光面には、円状に配置された複数の受光素子４１が同心円状に配置される。また、受光素子４１を直線方向に配置し、受光素子４１を直線方向と直交する方向に移動させることにより、疑似的に受光素子４１を２次元に配置することもできる。なお、受光素子４１を直線方向に配置する構成においては、照射部１３の照射時間を受光素子４１の移動時間に合わせて変更する。

・各実施の形態の変形例の各受光センサー４０の受光面には、１つの受光素子４１が配置される。この場合、受光素子４１は、駆動源（図示略）等により受光する領域を変化させる。すなわち、この受光素子４１は、１度の分析で複数回受光する。

・各実施の形態の変形例の分光部３０は、干渉フィルターまたはプリズム等の分光器である。また、別の変形例の分光部３０は、音響光学素子である。
・各実施の形態の変形例の分光部３０は、特定の波長の光のみを透過する構成である。この変形例によれば、受光センサー４０は分光部３０の裏側に配置される。

・各実施の形態の変形例の食品分析装置１は、分光部３０および受光センサー４０の数が１つ、２つ、または、４つ以上備える。この変形例によれば、各分光部３１〜３３および各受光センサー４０Ａ〜４０Ｃに代えて、または、加えて、例えば水の吸収波長の光を選択的に反射する別の分光部、および、別の分光部から反射した光を受光する別の受光センサーが備えられる。このため、対象物Ｓに多く含まれる成分であり、その対象物Ｓの特徴が表れやすい成分である水分の量を分析することができる。このため、マッチングの精度が一層高められる。また、この変形例の食品分析装置１によれば、各分光部３１〜３３が反射する特定の光の波長を食品のカロリー、または、ビタミン等と相関する波長に変更することもできる。

・各実施の形態の変形例の食品分析装置１は、照射部１３および受光部１４の一方が対象物Ｓの下方に配置される。この変形例によれば、照射部１３が対象物Ｓに近赤外光を照射することにより、対象物Ｓを透過した光を受光部１４が受光する。

・各実施の形態の変形例の照射部１３は、７００ｎｍ〜１１００ｎｍの近赤外領域の波長を含む光を照射する。なお、近赤外領域の波長領域は、食品の成分のうちのたんぱく質、脂質、および、炭水化物の成分量と相関する波長が含まれる領域において、任意に変更することができる。

・各実施の形態の変形例の食品分析装置１は、対象物Ｓに近赤外領域以外の波長の光を出力することにより対象物Ｓの電子を励起させるラマン分光法が用いられる。この変形例によれば、対象物Ｓの電子を励起させた後に、照射部１３から近赤外光が出力される。

・各実施の形態の変形例の食品分析装置１は、照射部１３が省略される。この場合、例えば太陽光、または、食品分析装置１が設置される室内の照明等の近赤外光を用いて対象物Ｓの分析が行われる。この変形例によれば、例えば筐体１１の内外を連通するスリットを形成することにより対象物Ｓに近赤外光を照射する。

１…食品分析装置

Claims (12)

1. 近赤外光の吸光に関する情報である吸光情報、および、食品の成分に関する情報である成分情報の少なくとも一方を含む特徴情報と食品の種類に関する情報である種類情報とを含む食品情報を複数備える食品データベースと、近赤外光を用いて測定された結果に基づいて得られる前記特徴情報である測定情報とをマッチングする
   食品分析装置。
2. 前記吸光情報は、たんぱく質、脂質、炭水化物、および、水分のうちの少なくとも１つの成分による近赤外光の吸光に関する情報を含み、
   前記成分情報は、たんぱく質、脂質、炭水化物、および、水分のうちの少なくとも１つの成分に関する情報を含む
   請求項１に記載の食品分析装置。
3. 測定範囲から食品を抽出し、その結果を用いて前記食品に関する前記測定情報を算出する
   請求項１または２に記載の食品分析装置。
4. 前記マッチングにより複数の結果を決定し、選択操作が可能な機器に前記複数の結果を出力する
   請求項１〜３のいずれか一項に記載の食品分析装置。
5. 前記食品情報を構成する前記成分情報は、食品の成分の構成比率に関する情報を含む
   請求項１〜４のいずれか一項に記載の食品分析装置。
6. 前記食品情報を構成する前記成分情報は、食品の成分の絶対量に関する情報を含む
   請求項１〜４のいずれか一項に記載の食品分析装置。
7. 測定範囲を変更する機能を備える
   請求項１〜６のいずれか一項に記載の食品分析装置。
8. 前記食品情報は食品の重量、体積、および、面積のうちの少なくとも１つに関する情報をさらに含む
   請求項１〜７のいずれか一項に記載の食品分析装置。
9. 前記食品情報は可視光の吸光に関する情報である第２の吸光情報をさらに含む
   請求項１〜８のいずれか一項に記載の食品分析装置。
10. 前記マッチングにより測定対象である食品の種類を決定した後にそのマッチングに用いた前記測定情報に基づいて前記食品情報を更新する
    請求項１〜９のいずれか一項に記載の食品分析装置。
11. 前記マッチングにより決定した食品の種類に基づいて推定モデルを選択し、その推定モデルを用いて前記食品の成分量およびカロリーの少なくとも一方を算出する
    請求項１〜１０のいずれか一項に記載の食品分析装置。
12. 前記マッチングにより決定した食品の種類に基づいて調理機器の動作を制御する
    請求項１〜１１のいずれか一項に記載の食品分析装置。