JP2017517322A - 調理装置、及び、食品コア温度の予測に基づく食品調理方法 - Google Patents

Abstract

本発明は、加熱チャンバ１０と、加熱チャンバにおいて調理媒体を加熱するための加熱素子１２と、調理媒体の温度を経時的にモニタするための温度センサ１４と、加熱チャンバにおいて調理される食品の質量を経時的にモニタするための質量センサ１６と、を有する調理装置を提供する。また、上記調理装置は、食品のコア温度の予測を供給するため、及び、予測された食品のコア温度に基づいて調理プロセスを制御するため、質量センサ及び温度センサからの情報を処理するためのコントローラ１８を有する。

Description

本発明は、調理装置、及び、食品がいつ調理されたかを検出するための方法に関する。

現在の調理装置は、時間及び温度などのパラメータのユーザの選択によって殆ど制御される。これらの調理パラメータの自動的な選択が、ユーザにとって便利であろう。また、ヒューマンエラーを除去することにより、調理結果を改善することができるであろう。

調理プロセスを正確に制御するため、調理中、食品の重要特性を知ることが必要である。食品の重要特性の１つは、コア温度である。コア温度は、食品が調理されるにつれて変化する。食品のコア温度は、調理の仕上がりの重要な測定である。食品のコア温度は、食品の特定のタイプに関し、食中毒を引き起こす有害なバクテリアを殺すために特定の値よりも高くあるべきであるが、過熱を防ぐためには高くなり過ぎるべきでない。結果として、安全性を保証するため、適切な期間、且つ、適切な内部温度（範囲）で、食品が調理されることが提案される。

食品がコア温度に基づいて調理されるかどうかを決定するため、侵襲的な方法が可能であるが、これらは、コア温度を検出する際、食品にダメージを生じさせるであろう。赤外線感知などの非侵襲的な方法は、限られた貫通能力しか有さないため、通常、表面温度を検出するために用いられる。

従って、調理される物のコア温度を検出するための非侵襲的な方法が必要である。

欧州特許出願公開第０７９４３８７号明細書は、調理される材料の内部の温度を推定する方法、及び、同方法を用いた熱調理装置を開示している。

本発明の目的は、食品のコア温度を予測する方法、並びに、上記問題を実質的に取り除く、又は、克服する調理装置及び調理方法を提供することである。

本発明は、独立形式請求項に規定されている。従属形式請求項は、好適な実施形態を規定している。

本発明によれば、
加熱チャンバと、
前記加熱チャンバにおいて調理媒体を加熱するための加熱素子と、
前記調理媒体の温度を経時的にモニタするための温度センサと、
前記加熱チャンバにおいて調理される食品の質量をモニタするための質量センサと、
前記食品のコア温度の予測を供給するため、及び、前記予測された前記食品のコア温度に基づいて調理プロセスを制御するため、前記質量センサ及び前記温度センサからの情報を処理するためのコントローラと、を有する、調理装置が提供される。

本発明は、調理中の食品のコア温度が、少なくとも経時的な温度及び調理中の食品の質量の経時的な発展（evolution）を含む、非侵襲的パラメータのセットに基づいて予測され得るという認識に基づいている。温度及び質量情報は、食品との接触を要することなく取得され得る。また、例えば、エアフライヤーなどの家庭用調理機器のために単純な実装が可能である。好ましくは、コントローラは、経時的な質量の変化の割合、及び／又は、経時的な温度の変化の割合を導出するように適合される。変化の割合の情報を取得することによって、食品のコア温度の予測のためのより正確なモデルが定式化され得る。

本発明は、（固相）食品のコア温度の予測に基づく、自動調理制御方法において用いられ得る当該装置は、低コストであり、調理プロセスを制御するのに十分安定しており、ひいては、家庭用調理機器における使用に適している。

上記装置は、好ましくは、異なる食品タイプのための異なる設定を持ち、コントローラは、異なる食品タイプのため、質量センサ及び温度センサからの情報を異なって処理する。食品の異なるタイプは、異なる調理特性を示す。結果、コントローラは、食品のタイプを考慮する。これは、ユーザにより手動で入力され得る。ユーザは、調理される食品がどの程度まで調理されるかについての示唆を入力可能であってもよい。これは、食品の目標コア温度に影響を与えるであろう。

さらに、上記装置は、初期食品温度を決定するためのセンサを有していてもよく、コントローラは、異なる初期食品温度のため質量センサ及び温度センサからの情報を異なって処理するように適合される。

このことは、例えば、ユーザがこの情報を入力する必要なく、調理装置が、生鮮食品と冷凍食品とを区別することを可能にする。初期食品温度は、コア温度の経時的な発展に影響を与え、ひいては、コア温度を予測するモデルの一部となり得る。装置の一部としてセンサを供給する代わりに、ユーザは、例えば、食品が格納されていた既知の冷蔵庫又は冷凍庫の温度に基づいて、初期温度を入力することができる。

調理媒体は、空気又は油であってもよい。

オーブン又はエアフライヤーにおける空気温度が用いられてもよく、又は、オイルフライヤーにおける油温度が用いられてもよい。実際、当該手法は、質量変化が主に食品の水分損失に起因する任意の水分不使用調理媒体のために用いられてもよい。各ケースにおいて、質量変化は、調理中、食品を除いた質量を測定し、ひいては食品を含む質量を測定することによってモニタされ得る。

湿度、食品水分レベル、及び、食品表面温度のうちの１又は複数をモニタするための１又は複数の追加的なセンサが供給されてもよい。

コア温度関数を特徴付けるモデルは、非侵襲的な方法で測定され得る他のパラメータを考慮することができる。これは、より正確なモデルの導出を可能にし得る。

質量センサは、圧力センサを有していてもよい。

これは、食品の質量を測定及びモニタするための単純な方法を提供する。食品の質量、並びに、既知の支持トレイ又はメッシュは、圧力センサによって測定され得る。この場合、質量センサは、食品の下にある。代替的に、質量センサは、食品を吊り下げてもよい。両方のケースにおいて、質量センサは、重量の測定に基づいており、重量は、勿論、質量に変換されることができる。

コントローラは、例えば、初期の試験プロセス中に得られる実験的データに基づくモデルとの比較により、質量センサ及び温度センサからの情報から食品のコア温度の予測を供給するように構成され得る。

上記モデルは、コア温度の挙動を経時的に特徴付けるため、理論式と実際のテストデータとの組み合わせを使用することができる。例えば、コア温度は、食品の特定のタイプに関するパラメータを具備する式を用いて予測されることができ、これらのパラメータは、実験的データに基づいて選択され得る。

コントローラは、モデルとの比較により質量センサ及び温度センサからの情報から食品のコア温度の予測を供給するように構成され得る。ここで、当該モデルは、少なくとも１つの測定可能な特性の予測を更に供給し、コントローラは、食品のコア温度の予測のためのより正確なモデルを供給するため、測定可能なパラメータのモニタリングに基づいてモデルを更新するように構成される。

測定不可能な食品のコア温度と１又は複数の測定可能な特性との両方を予測するためのモデルを用いることによって、モデルの精度がテストされ得る。また、モデルが然るべく更新され得る。モデルが、コア温度と測定可能な特性との両方を予測するために必要なパラメータを含む場合、測定可能な特性は、モデルにおいて使用されるパラメータの精度を検証する方法として使用され得る。

また、本発明は、加熱チャンバにおいて調理媒体を加熱するための加熱素子を用いた調理中に食品のコア温度を予測するための方法であって、前記方法は、
温度センサを用いて前記調理媒体の温度を経時的にモニタするステップと、
質量センサを用いて前記加熱チャンバにおいて調理される食品の質量を経時的にモニタするステップと、
前記食品のコア温度の予測を供給するため、前記質量センサ及び前記温度センサからの情報を処理することにより、前記予測された食品のコア温度に基づいて調理プロセスの制御を可能にするステップと、を有する方法を提供する。

好ましくは、温度及び質量情報は、食品に接触することなく取得される。

上記方法は、食品タイプを識別するユーザ入力を受信するステップと、食品タイプに基づく態様で質量センサ及び温度センサ情報を処理するステップと、を有していてもよい。初期食品温度を決定するためにセンサが使用されてもよく、コントローラは、初期食品温度に基づく態様で質量センサ及び温度センサ情報を処理するように構成される。

食品のコア温度の予測は、モデルとの比較により質量センサ及び温度センサからの情報から作成され得る。ここで、上記モデルは、少なくとも１つの測定可能な特性の予測を更に供給し、コントローラは、食品のコア温度の予測のためのより正確なモデルを供給するため、測定可能な特性のモニタリングに基づいてモデルを更新するように構成される。

食品の測定不可能なコア温度と測定可能な特性との両方を予測するためのモデルを使用することによって、モデルの精度がテストされ得る。また、モデルが、然るべく更新され得る。測定可能な特性は、食品の質量を有していてもよい。このため、モデルは、質量の発展する態様を経時的に予測することができる。これは、調理プロセスの一部としてモニタされるため、上記モデル精度が、テストされ得る。同モデルを用いて予測され得る他の特性が、代わりに、又は、追加的に、使用されてもよい。

また、本発明は、
調理装置の加熱チャンバにおいて食品の調理を開始するステップと、
本発明の方法を用いて、前記食品の前記コア温度を経時的に予測するステップと、
前記予測されたコア温度に基づいて前記調理装置を制御するステップと、を有する、調理方法を提供する。

調理装置の制御は、（例えば、食品がどの程度まで調理されるかを設定したユーザ設定に基づいて）調理が完了した場合に、調理を停止するステップを有していてもよく、及び／又は、例えば、調理が予め設定された時間に完了するように、調理温度の制御を含み得る。

また、本発明は、コンピュータ上で起動された場合に、本発明の方法のステップを実行させるように構成されるコード手段を有するコンピュータプログラムを提供する。

本発明の例が、添付の図面を参照して、以下、詳細に説明される。
図１は、本発明の一例に係る調理装置を示している。 図２は、装置及び方法の効果を実験的に実証するために使用される肉のサンプルを示している。 図３は、実験結果を示している。 図４は、モデリング精度を改善するためにパラメータがどのように更新され得るかを示している。 図５は、意図的に不正確なモデルに基づく実験結果を示している。 図６は、図５の実験結果を改善できる学習プロセス方法を示している。 図７は、フローチャートとして、本発明の一実施形態に係る方法の一例を示している。

本発明は、温度センサが、調理媒体（即ち、オーブン空気又は油）の温度を経時的にモニタし、質量センサが、調理される食品の質量を経時的にモニタする、調理装置を提供する。質量センサ及び温度センサからの情報は、食品のコア温度の予測を供給するために使用され、調理プロセスは、予測された食品のコア温度に基づいて制御される。

図１は、本発明の一実施形態に係る装置の一例を示している。

調理装置は、調理される食品が配置される加熱チャンバ１０と、加熱チャンバにおける調理媒体（例えば、空気）を加熱するための加熱素子１２と、を有する。

加熱チャンバは、好ましくは、調理装置における閉空間であり、結果、当該空間内の温度は、確実に制御され、従って、食品のコア温度予測において考慮され得る。このため、当該閉空間は、閉じることができるドアを有するオーブン、エアフライヤーの閉じた容積、又は、オイルフライヤーの閉じた容積、であってもよい。かかる温度制御は、開けた加熱空間においてはより困難であろう。

温度センサ１４は、調理媒体の温度を経時的にモニタするためのものである。質量センサ１６は、加熱チャンバにおいて調理される食品の質量を経時的にモニタするためのものである。この質量センサは、調理される食品を含む調理器自体の質量を測定してもよい。この場合、質量センサは、図１に示されるような加熱チャンバ１０の外部にあってもよい。あるいは、質量センサは、例えば、食品が配置される調理シェルフの一部を形成するよう、加熱チャンバの内部にあってもよい。質量センサは、圧力センサとして実装されてもよい。

プロセッサ１８は、食品のコア温度の予測を供給し、予測された食品のコア温度に基づいて調理プロセスを制御するため、質量センサ及び温度センサからの情報を処理する。

特に、調理システムにおいて容易に取得可能なパラメータを用いてコア温度予測を供給するため、プロセッサ１８によって起動されるアルゴリズムに情報を供給するためのセンサが使用される。これらのパラメータは、食品を侵襲又は破壊することなく、検出、決定、又は、推定され得る。本発明では、少なくとも、上記パラメータは、調理媒体温度、質量、及び、（プロセッサによってモニタされる）時間を含む。

他のパラメータがモニタされてもよい。例えば、パラメータは、空気又は油温度、空気又は油の温度変化率、食品の表面温度、食品の表面温度の変化率、食品の重量、食品の重量損失率、食品の水分含有量、水分含有量の変化率、周囲空気の湿度、湿度の変化率などの組み合わせを有していてもよい。

コア温度とこれらのパラメータのセットとの関係が、最初に確立され、次いで、コア温度が、その関係によって予測され得る。予測されたコア温度は、食品の調理状態を判定するために用いられ、その結果がプロセスを制御するために用いられ得る。

検出器が、調理プロセスの間、リアルタイムで使用される。

検出器は、プロセッサによて実装されるタイマと、サーモメータ、サーモカプラ、又は、赤外線センサであり得る温度センサと、圧力センサであり得る質量センサと、を含む。追加のセンサは、例えば、湿度センサと、表面温度プローブと、を含んでいてもよい。感知されるパラメータの選択は、様々な調理機器に応じて変化してもよい。

プロセッサ１８は、データ記録及び処理モジュールを含む。このモジュールは、調理の間、モニタされるパラメータの検出値を記録する。そのプロファイルは、例えば、データ平滑化を適用されるなど、このモジュールにおいて予め処理され得る

プロセッサは、予測モジュールにおいて予測アルゴリズムを実装する。このモジュールは、食品のコア温度とモニタされるパラメータとの間の関係を格納する。データ記録及び処理モジュールからのデータを用いることによって、食品のコア温度が、リアルタイムに予測される。

上記関係は、質量／熱伝達の分析、並びに、目標である調理システムのために質量／熱秤を付与することによって取得され得る。

上記システムは、調理プロセスを制御するため、食品の予測されたコア温度を用いる調理コントローラ２０を持つ。予測された食品のコア温度は、（例えば、特定の焼き加減により必要とされる）所望の温度範囲かどうかを決定するために評価され、制御決定が、当該評価結果に基づいてなされる

例えば、「ミディアムウェル」の焼き加減の子牛肉又はラムステーキのコア温度は、６５℃乃至６９℃の範囲である。この焼き加減は、子牛肉又はラムの調理前に選択される。調理が開始すると、検出器は、リアルタイムでパラメータを測定し、データをデータストレージ及び処理モジュールに送信する。予測モジュールは、データストレージ及び処理モジュールから継続的にデータを受信し、格納されたアルゴリズムを用いてコア温度を予測する。

予測されたコア温度は、コントローラ２０に送信される。予測されたコア温度が所望の範囲よりも下である場合、調理プロセスは、所与の加熱プログラム（例えば、８００Ｗのパワーで加熱する）により継続し、予測されたコア温度が所望の範囲内にある場合、調理プロセスは、停止されるであろう。

予測モジュールにおいて格納されるアルゴリズムは、主に、コア温度とモニタされるパラメータ（ＭＰ：monitored parameter）との間の確立された関係に関する。当該関係は、以下の式（１）により一般化されるような一次関数であってもよく、又は、コア温度の変化率が調理システムのエネルギー／質量秤に基づくパラメータに関する、以下の式（２）により一般化されるような微分方程式の解を必要としてもよい。

以下に導出される式（７）などの特定の式が、調理システム及び食品形状の適切な単純化により得られる。

乾煎りのプロセスが、本発明の動作原理をより詳細に説明するために用いられる。

調理媒体（空気、油など）の温度、質量、及び、食品の質量の変化率を含むパラメータが、モニタされるパラメータとして選択される。このため、センサは、空気温度測定のための１又は複数の温度センサと、質量及び質量の変化率のための圧力センサ（秤など）と、を有する。

また、食品の初期温度が、サーモメータ又は他の手法によって決定される。例えば、既知の温度の冷凍庫から得た食品の温度は、追加的な測定を必要とせずに知られるであろう。

センサ情報及び食品初期温度情報は、全て、プロセッサ１８に供給される。データストレージ及び処理モジュールは、接続されたセンサからデータを受信し、予測モジュールに処理された情報を送る。そして、予測されたコア温度は、コントローラ２０に送信され、調理制御決定が受信情報に基づいてなされる。

上記方法の使用は、以下のステップを含む。
（ｉ）食品は、食品容器に配置される。食品のタイプは、ユーザから手入力で供給される。焼き加減も、ユーザの個人嗜好に依存して手動で選択される。選択されない場合は、デフォルトの中程度の焼き加減が自動的に選択される。

（ｉｉ）食品の初期温度は、データストレージ及び処理モジュールに記録及び格納される。これは、ユーザによって入力されていてもよいし、調理機器によって検出されてもよい。一例として、予測モデルも、初期食品温度を決定するために使用され得る。モデルへの入力は、所与の調理時間における食品の重量損失を含み得る。この背景にある原理は、冷凍された食品は、水相への変化、即ち、固体から液体への変化のために過度の熱を要するため、所与の調理持続時間の後、冷凍された食品は、新鮮な食品よりも少ない水分蒸発を有するということである。この手法は、食品が冷凍されているか、又は、冷凍されていないかを分類するために使用されることができる。１又は複数の中間カテゴリが規定されてもよい。食品温度の検出は必須ではない。冷凍温度、冷蔵庫温度、又は、室温などのカテゴリを入力することがユーザにとって十分である。

（ｉｉｉ）調理プロセスが開始され、温度センサによって、調理機器における調理媒体の温度がリアルタイムに検出される。熱伝導体の温度Ｔ_ｈｃが記録されてもよい。温度−時間プロファイルが取得され、データストレージ及び処理モジュールに格納されるように、調理時間もモニタされる。温度−時間プロファイルは、予め処理される（例えば、平滑化される）。

（ｉｖ）現在時刻よりも前の処理済みの温度−時間プロファイル、及び、食品の初期温度が、予測モジュールに送られる。ここで、コア温度が、コア温度とモニタされるパラメータとの間の確立された関係によって予測される。

（ｖ）予測されたコア温度は、コントローラ２０に送られ、制御決定がなされる。予測された温度が、初期選択された焼き加減によって必要とされる、温度又は温度範囲に達しない場合、調理プロセスは、特定の加熱プログラムに従って継続される。予測された温度が初期選択された焼き加減によって必要とされる温度又は温度範囲に達するまで、ステップ（ｉｉｉ）乃至（ｖ）が繰り返される。

（ｖｉ）調理停止プロセスが開始する。停止プロセスは、特定の期間、特定のパワーで加熱を維持する、又は、加熱を即時停止する、又は、他の加熱プログラムを続けることであってもよい。

実際の調理プロセスにおけるコア温度の予測のため、モニタされるパラメータとの相関が、予測モジュールにおいて確立及び格納される必要がある。空気から食品へ伝達する熱が食品によって得られる熱と等しいという事実を考慮するに、熱平衡は、以下の式（３）によって記述され得る。

Ｃｐ_Ｆは、食品の熱容量であり、一定であると想定した。ｍ_Ｆは、食品の質量であり、Ｔ_Ｆは、食品の平均温度であり、Ｔ_Ｓは、食品の表面温度であり、ｋは、空気から食品への熱伝達指数であり、Ｓ_Ｆは、食品の表面積であり、Ｔ_Ａは、空気温度である。

食品の平均温度ＴＦは、式（３）から導出される以下の式（４）に基づいて計算され得る。

Ｐは、集中定数である。

食品のコア温度Ｔ_Ｃ、Ｔ_Ｓ、Ｔ_Ｆの間の関係は、食品形状、表面積、構造／組成などの要因により変化する。単純化のため、食品は、有効半径Ｒ´の球状であると仮定する。食品の特定のタイプ及び特定の調理状況に関し、Ｔ_ＳとＴ_Ｃとの間の関係、及び、Ｔ_ＦとＴ_Ｃとの間の関係が、以下のように表される。

αは、コアに対する表面の温度比を記述するパラメータであり、以下に更に説明されるように、主に、食品の有効半径Ｒ´によって決定される。

結果、式（４）は、以下の式（７）となる。

以上のように、Ｔ_Ｃのみにおける微分方程式を作るためにモニタされる必要のある可変パラメータは、食品質量、食品質量の変化率、及び、空気温度である。

コア温度の予測は、以下のステップを含む。
（ｉ）データが、データストレージ及び処理モジュールから受信される。当該データは、調理媒体（例えば、空気）の温度、食品の初期温度、食品の質量、及び、食品の質量の変化率を含む。
（ｉｉ）食品の有効半径Ｒ´は、以下に説明されるように、食品サイズ、構造などの情報に基づいて決定される。
（ｉｉｉ）値αが計算される。
（ｉｖ）上記微分方程式が、受信されたデータにより解かれる。コア温度−時間プロファイルが予測され、現在時点におけるコア温度が取得される。

このプロセスは、Ｐ及びαの決定を要する。

食品の特定のタイプに関し、αが食品の質量に関係する。

ここで、

ρは、食品の密度ｋｇ／ｍ^３である。

Ｐの値及び式（８）に含まれるパラメータは、十分な試験データによるトレーニングによって取得され得る。パラメータのトレーニングは、予測されるコア温度と実際に測定されるコア温度との間の予測エラーの平方和を最小化することに基づいていてもよい。異なる食品量を有するサンプルが、実験的トレーニングにおいて用いられ、コア温度及び重量がトレーニングのためにリアルタイムで記録される。

コア温度は、焼き加減の制御のために使用される。しかしながら、表面温度又は容積温度が予測されてもよい。幾つかの食品タイプに関して、表面温度の制御が、調理を制御するために関心があってもよい。コア温度は、特に、比較的大きいサイズを有する食品に対して関心がある。これは、コアと表面との間に明確な温度差があるためであろう。

上述のように、Ｔ_ＳとＴ_Ｃとの間の関係、及び、Ｔ_ＦとＴ_Ｃとの間の関係は、食品の異なるタイプに関して変わる。一例として、球状の食品が、αとｍ_Ｆとの間の関係の確立を実証するために用いられる。

食品のこのタイプは、平均直径Ｒ´を有する形状の球に近い。直径は、式（１０）により、食品の質量から推定されることができる。

ここで、ρは、食品の密度（ｋｇ／ｍ^３）であり、ｍ_Ｆは、食品の初期質量（ｋｇ）である。

コア温度に対する表面温度の比は、仕上がり前の調理時間のほとんどに関して一定であると想定される。

球状の食品の温度分布関数は、以下のようになる。

ここで、ｘは、食品のコアの任意の点からの距離であり、温度は、半径方向に沿って線形に変化するものと想定される。

食品の平均温度は、式（１３）により計算されることができる。

式（１１）、式（１２）、式（１３）から、

となる。

結果、式（４）は、

となる。

αとＲ´との間の関係は、以下のように想定される。

式（１５）において、Ａ及びＢは、食品のサイズに関連する定数である。Ｒ´は、式（９）から得られる。Ａ及びＢは、試験データによるトレーニングから得られる。

立方体状、柱状などの食品の他の形状も、上述した方法と同様に処理されることができる。有効半径が、式（９）により計算されることができる。なお、式（１５）におけるＡ及びＢの値は、食品の同じタイプであっても異なることに留意する。

コア温度予測の有効性は、フィリップス（登録商標）のエアフライヤーを用いて実行された、実験により実証されている。

調理時間の間、質量（ｍ_Ｆ）を測定するために、秤が、図１に示すようにフライヤーの下に配置される。食品周囲の空気温度（Ｔ_Ａ）を検出するために、２つのサーモメータがエアフライヤーに配置される。

秤からの質量データ系列は、平滑化され、質量の変化率（ｄｍ_Ｆ／ｄｔ）を得るために微分される。

２つのサーモメータによって検出された空気温度は、測定誤差を低減するために平均化される。実験中、２００℃の揚げ温度が選択され、食品の基準コア温度が、プローブを直接中心に挿入することによって、幾つかのサーモメータにより測定された。測定されたコア温度は、使用前に平均化される。

実験に用いられた食品は、ミートステーキであった。類似の形状を有する３つのミートステーキが用いられ、３つの試験サンプルの質量は、それぞれ、２１２ｇ、２１５ｇ、１８４ｇであった。図２は、使用されたミートステーキの１つの寸法を示している。このステーキは、一般的に、約８ｃｍ×約６ｃｍ×約３．５ｃｍの立方体形状、及び、２１２ｇの質量を持つ。

有効半径Ｒ´の値は、上述のように、食品の初期質量に基づいて計算される。実験結果が、式（４）におけるパラメータＰをトレーニングするために用いられる。αとＲ´との間の想定される関係を考慮することによって、Ａ及びＢの値が適合される（式（８））。

２つのパラメータＡ及びＢは、食品の特定のタイプに関して特有であり、その形状／サイズは、特定の程度の範囲内である。Ｐの値は、ｋ（空気から食品への熱伝達係数）、Ｓ_Ｆ（食品の表面温度）、及び、Ｃ_Ｆ（食品の熱容量）などの他のパラメータを含む集中定数であり、これらは、全て、調理時間により変化し得る。結果として、出来る限り実際の値に近いトレーニング値を保証するため、トレーニングを段階毎に進めることが好ましい。２つの段階が考えられる。

この例におけるパラメータのためのトレーニングされた値は、以下のとおりである。
P = 3.8894e-5 (T_C<15^oC); 1.1679e-4 (T_C>15^oC)
A = 138.3564
B = 6.2867

測定されたコア温度に対して経時的に比較されるコア温度の予測が、図３に示されている。ｙ軸は、コア温度（℃）をプロットしており、ｘ軸は、時間（ｓ）をプロットしている。

プロット３０は、１８４ｇのサンプルに関して予測されたコア温度であり、プロット３２は、測定されたコア温度である。

プロット３４は、２１２ｇのサンプルに関して予測されたコア温度であり、プロット３６は、測定されたコア温度である。

プロット３８は、２１５ｇのサンプルに関して予測されたコア温度であり、プロット４０は、測定されたコア温度である。

予測された値は、実際のものとよく一致していることが分かる。ＲＭＳ誤差は、１．２℃であり、最大の誤差（絶対値）は、３．２℃である。

上述の予測手法は、予めトレーニングされたパラメータを具備するモデルを含む。

パラメータは、精度を改善するために調整され得る。予めトレーニングされた値は、様々な条件下で実験をすることによって決定されるが、幾つかの調理状態の下、予測精度が許容可能でない幾つかの例外がなお存在する。モデルをより確実にするため、リアルタイム適合予測方法が、上述の基本的な手法を高めるものとして、以下に説明される。これは、調理状態のリアルタイムフィードバックに基づいて、信頼性のある予測を可能にするとともに、調理プロセスのより正確な制御を可能にする。

上述の予測モデルは、調理プロセスに関する少なくとも１つの他の変数（コア温度以外）を予測することによって向上される。

特に、予測モデルは、少なくとも１つの測定可能な特性の予測を更に供給する。ここで、コントローラは、食品のコア温度の予測に関する、より正確なモデルを供給するため、測定可能なパラメータのモニタリングに基づいて、モデルを更新するように構成される。

調理プロセスに関する追加的な変数は、食品の質量、食品周囲の空気の温度、食品周囲の空気の湿度などであり得る。調整された内部／コア温度が、追加的な変数の実際のモニタリングを使用して調整されたパラメータを有する同一のモデルに基づいて、予測される。調整されたパラメータ値は、従って、適合モジュールから導出される。

この適合モジュールは、調理状態のリアルタイムフィードバックに基づいて、モデルのパラメータを調整する。調理プロセスに関する変数の測定値とモデル生成値との間の差を考慮することによって、モデルの（１又は複数の）パラメータが、特定の適合アルゴリズムに追従するよう調整される。そして、調整されたパラメータは、調整された予測内部／コア温度を与えるため、予測モジュールに送信される。勾配降下アルゴリズムが、適合モジュールによって、用いられてもよい。

ここで、ｋは、調整されるパラメータであり、μは、適合率を決定する正の定数である。式（１６）におけるμの値は、モデルパラメータの事前トレーニングの間に決定されてもよい。μの値は、一般的に、パラメータトレーニングプロセスの間、様々な調理条件下で、調理時間を有するモデルパラメータの可能な変数を考慮することによって、決定される。決定された値は、モデルの予測安定性を維持する。

Ｅは、予測誤差を表す関数であり、測定値と予測値との間の絶対誤差を反映している。例えば、それは、差の絶対値、又は、測定値と予測値との間の差の偶数乗（２，４，６，・・・）の関数であってもよい。

∂E/∂kは、ｋに関するＥの偏導関数である。

適合モデルの構造を示すため、調理システムのための簡略化された経験的モデルが、一例として提案される。上述のようなコア温度、式（１７）及び式（１８）に示されるような食品の質量などの、２つの状態変数が、モデルによって予測されてもよい。

ｋ及びａは、モデルパラメータ（定数）であり、ｋは、コア温度及び質量予測式のための共有パラメータである。Ｔ_Ｃは、食品のコア温度であり、ｔは、調理時間であり、Ｔ_Ｃ０は、初期コア温度であり、ｍ_Ｆは、食品の質量であり、ｍ_Ｆ０は、食品の初期質量である。

適合アルゴリズムは、「追加」状態変数（このケースでは、質量）の予測誤差を最小化することによって、モデルパラメータの１又は複数を調整する。

上述のように確立された簡略化モデルに関し、パラメータ調整方法は、以下の予測誤差関数Ｅを最小化することである。

ｍ_ＦＰは、食品の予測質量であり、ｍ_ＦＥは、実際に測定された食品の質量である。最小化は、式（１６）に示されるような勾配降下アルゴリズムを用いて実現され得る。

式（１７）及び式（１８）に基づいて、以下の式が得られる。

ここで、

である。

対応するプロセスフローが、図４に示されている。図４は、式（１６）、式（２０）、及び、式（２１）がどのように実装されるかを示している。離散時間において、式（１６）におけるｋ´は、ｋ_ｔ＋１となり、ｋは、ｋ_ｔとなる。

特に、式（１６）に式（２０）及び式（２１）を代入することによって、以下の式が得られる。

図４は、この式の離散時間実装である。

上述のモデルに基づく適合原理を示すために、一例が以下に与えられている。

システムは、この例では、リアルタイム質量測定を受信する適合処理モジュールの追加により、上述した方法と同じ方法で動作する。コア温度及び質量の予測は、予測質量及びリアルタイム測定された質量が比較され得るようにモデルを用いてなされる。予測モジュールに用いられるモデルの１又は複数のパラメータを調整するために、相違が用いられる。調整された１又は複数のパラメータは、モデルを更新するために、予測モジュールに送られる。

コア温度は、更新されたモデルに基づいて予測され、新たな値が取得される。

モデルの形式は、食品タイプに依存してもよいことに留意すべきである。これは、食品の異なるタイプに関し、モデルは、上述の式とは異なる形式であってもよいことを意味する。例えば、フレンチフライのコア温度は、仕上がり前には約１００℃の温度プラットフォームに到達するであろう。これは、ミートボールの状況とは異なる。コア温度は、仕上がり前に初期温度から約７０℃まで継続的に増加している。さらに、予測される状態変数も、食品の対応するタイプに関して確立される様々なモデルに従って異なっていてもよい。

一般的にトレーニングされたモデルは、モデルのパラメータが適切な実験によって既にトレーニングされている場合、殆どの場合に十分な精度で食品のコア温度を予測できる。しかしながら、なお、モデルの予測が実験からずれるケースが存在し得る。適合は、実際の食品加熱システムに関して予めトレーニングされたモデルを改善し、このため、より確実な調理制御を付与する。

以下の例では、１２．８℃の初期コア温度及び２７３．２ｇの初期質量（各ミートボールの質量は、２７．３ｇ以下）を有するミートボールが、フィリップスのエアフライヤーで加熱された。揚げ温度は、２００℃に選択された。式（１７）及び式（１８）で確立されるモデルが、コア温度を予測するために用いられた。モデルのパラメータは、エアフライヤーにおいてミートボールを揚げることによって、予めトレーニングされている。
k = 7.3880e-6
a = 4.6247e4

モデルと実際のシステムとの間の差異を取り込むため、特定誤差δが、（２０％増加させるため）パラメータｋに追加された。

予測されたミートボールのコア温度及び質量、並びに、測定されたミートボールのコア温度及び質量が、図５に示されている。

図５は、コア温度（℃）を左側のｙ軸にプロットし、質量（ｇ）を右側のｙ軸にプロットし、ｘ軸に時間をプロットしている。

プロット５０は、予測された質量であり、プロット５２は、実際の質量である。プロット５４は、予測されたコア温度であり、プロット５６は、実際のコア温度である。

この意図的な誤差は、予測されたコア温度と実際のコア温度との間の差が極めて大きいことを意味する。

この状況を訂正するために、上述した適合予測方法が用いられた。パラメータｋが、式（１６）に従って適合された。ここで、係数μは、6.5e-12とされた。

調整された値ｋを有する予測されたコア温度が、図６に示されている。

また、図６は、左側のｙ軸にコア温度（℃）をプロットしており、右側のｙ軸に質量（ｇ）をプロットしており、ｘ軸に時間をプロットしている。

プロット６０は、予測された質量であり、プロット６２は、実際の質量である。プロット６４は、予測されたコア温度であり、プロット６６は、実際のコア温度である。

コア温度の予測精度は、大きく改善されている（適合予測前は５．９℃あった二乗平均平方根誤差が、適合予測後は、２．３℃になっている）。

図７は、食品のコア温度を決定する方法を組み込んだ、本発明の調理方法を示している。

ステップ７０において、ユーザは、調理装置のユーザインタフェースに食品タイプを入力するとともに、所望の焼き加減を入力する。

ステップ７２において、ユーザは、食品の開始温度を入力するか、調理装置が、それが一定であると仮定し、初期食品温度を決定してもよい。

ステップ７４において、ユーザは、調理装置内に食品を置き、調理サイクルを開始する。

質量及び温度が、ステップ７６において、経時的にモニタされ、オプションで、適合アルゴリズム学習プロセスなどのために、任意の追加パラメータがモニタされる。

ステップ７８において、適合アルゴリズムが使用される場合、追加パラメータ（質量であってもよい）が予測され、この追加パラメータが、測定される。モデルは、必要であれば、更新される。

ステップ８０において、コア温度が、モデル又は更新されたモデル（適合アルゴリズムが使用される場合）に基づいて、予測される。

ステップ８２において、目標コア温度に到達したかどうかが決定される。目標コア温度に到達していないと決定された場合、調理プロセスは、継続し（ステップ７６，７８，８０）、目標コア温度に到達したと決定された場合、調理終了シーケンスが、ステップ８４において、開始する。

本発明は、コア温度を予測するために使用される。しかしながら、調理制御のための食品表面及び容積温度予測のために使用されてもよい。特に、オーブン又はエアフライヤーなどのドライ加熱を用いる調理機器に興味があるが、オイルフライヤーのために使用されてもよい。

上記の式は、アルゴリズムのためのただ一つの可能なベースを供給し、他の近似及び簡略化が、他の代数学的解法につながり得る。これは、基本的な本発明の思想を変更しない。

システムは、（上記例ではプロセッサとして示される）アルゴリズムを規定するモデルを実装するとともに、調理サイクルを制御するためのコントローラを利用する。コントローラのために用いられ得るコンポーネントは、従来のマイクロプロセッサ、アプリケーション特有集積回路（ＡＳＩＣ：Application Specific Integrated Circuit）、及び、フィールドプログラマブルゲートアレイ（ＦＰＧＡ：Field-Programmable Gate Array）を含むが、これらに限定されない。

様々な実施形態において、プロセッサ又はコントローラは、ＲＡＭ、ＰＲＯＭ、ＥＰＲＯＭ、及び、ＥＥＰＲＯＭなどの揮発性及び不揮発性のコンピュータメモリなどの１又は複数のストレージ媒体と関連付けられていてもよい。ストレージ媒体は、１又は複数のプロセッサ及び／又はコントローラ上で実行された場合に、必要な機能を実行する１又は複数のプログラムで符号化されていてもよい。様々なストレージ媒体は、プロセッサ又はコントローラの内部に固定されていてもよく、又は、記録された１又は複数のプログラムが、プロセッサ又はコントローラの中に読み込まれることができるように、移送可能であってもよい。

開示された実施形態に対する他の変形が、当該技術分野における当業者によって、図面、開示、及び、添付の請求項の研究から、本発明を実施する際に、理解され、実施され得る。請求項中、「有する」なる用語は、他の要素又はステップを除外せず、不定冠詞「ａ」又は「ａｎ」は複数を除外しない。特定の特徴が相互に異なる従属項において規定されているという単なる事実は、これらの特徴の組み合わせが好適に用いられないということを示すものではない。請求項中の任意の参照符号は、本発明の範囲を限定するものと解釈されるべきでない。

Claims (15)

1. 加熱チャンバと、
   前記加熱チャンバにおいて調理媒体を加熱するための加熱素子と、
   前記調理媒体の温度を経時的にモニタするための温度センサと、
   前記加熱チャンバにおいて調理される食品の質量をモニタするための質量センサと、
   前記食品のコア温度の予測を供給するため、及び、前記予測された前記食品のコア温度に基づいて調理プロセスを制御するため、前記質量センサ及び前記温度センサからの情報を処理するためのコントローラと、
   を有する、調理装置。
2. 異なる食品タイプのための異なる設定を持ち、前記コントローラが、異なる食品タイプのために前記質量センサ及び前記温度センサからの前記情報を異なって処理する、請求項１記載の調理装置。
3. 初期食品温度を決定するためのセンサを更に有し、前記コントローラが、異なる初期食品温度のために前記質量センサ及び前記温度センサからの前記情報を異なって処理するように適合される、請求項１又は２に記載の調理装置。
4. 前記調理媒体が、空気又は油である、請求項１乃至３のいずれか１項に記載の調理装置。
5. 湿度、食品水分レベル、及び、食品表面温度のうちの１又は複数をモニタするための１又は複数の追加的なセンサを更に有する、請求項１乃至４のいずれか１項に記載の調理装置。
6. 前記質量センサが、圧力センサを有する、請求項１乃至５のいずれか１項に記載の調理装置。
7. 前記コントローラが、実験的データに基づくモデルとの比較により、前記質量センサ及び前記温度センサからの前記情報から前記食品のコア温度の前記予測を供給するように適合される、請求項１乃至６のいずれか１項に記載の調理装置。
8. 前記コントローラが、モデルとの比較により、前記質量センサ及び前記温度センサからの前記情報から前記食品のコア温度の前記予測を供給するように適合され、前記モデルが、少なくとも１つの測定可能な特性の予測を更に供給し、前記コントローラが、前記食品のコア温度の前記予測のためのより正確なモデルを供給するため、前記測定可能な特性のモニタリングに基づいて前記モデルを更新するように適合される、請求項１乃至７のいずれか１項に記載の調理装置。
9. 加熱チャンバにおいて調理媒体を加熱するための加熱素子を用いた調理中に食品のコア温度を予測するための方法であって、前記方法は、
   温度センサを用いて前記調理媒体の温度を経時的にモニタするステップと、
   質量センサを用いて前記加熱チャンバにおいて調理される食品の質量を経時的にモニタするステップと、
   前記食品のコア温度の予測を供給するため、前記質量センサ及び前記温度センサからの情報を処理することにより、前記予測された食品のコア温度に基づいて調理プロセスの制御を可能にするステップと、
   を有する、方法。
10. 食品タイプを識別するユーザ入力を受信するステップと、前記食品タイプに基づいて前記質量センサ及び前記温度センサからの前記情報を処理するステップと、を有する、請求項９記載の方法。
11. 初期食品温度を決定するためのセンサを用いるステップを更に有し、前記制御が、前記初期食品温度に基づいて前記質量センサ及び前記温度センサからの情報を処理するように適合される、請求項９又は１０に記載の方法。
12. 実験的データに基づくモデルとの比較により、前記質量センサ及び前記温度センサからの前記情報から前記食品のコア温度の予測を供給するステップを有する、請求項９乃至１１のいずれか１項に記載の方法。
13. モデルとの比較により、前記質量センサ及び前記温度センサからの前記情報から前記食品のコア温度の前記予測を供給するステップを有し、前記モデルが、少なくとも１つの測定可能な特性の予測を更に供給し、前記制御が、前記食品のコア温度の前記予測のためのより正確なモデルを供給するため、前記測定可能な特性のモニタリングに基づいて前記モデルを更新するように適合される、請求項９乃至１２のいずれか１項に記載の方法。
14. 調理装置の加熱チャンバにおいて食品の調理を開始するステップと、
    請求項９乃至１３のいずれか１項に記載の方法を用いて、前記食品の前記コア温度を経時的に予測するステップと、
    前記予測されたコア温度に基づいて前記調理装置を制御するステップと、
    を有する、調理方法。
15. コンピュータ上で起動された場合に、請求項９乃至１４のいずれか１項のステップを実行するように適合されるコード手段を有する、コンピュータプログラム。

Images