JP2020181436A - 調理支援装置、学習装置、調理支援方法、学習方法、およびプログラム - Google Patents

Abstract

【課題】盛り付けた料理の均一性を向上できる調理支援装置、学習装置、調理支援方法、学習方法およびプログラムを提供する。【解決手段】学習装置１００は、ＣＰＵ１０２と、メモリ１０４と、不揮発性メモリ１０８と、通信部１０６と、内部バス１５０とを備えている。アプリ１０８４は、盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を受け付け、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を記憶させる。学習モデル１０８７は、盛り付けた料理を被写体とする画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果との関係を表す学習モデルを記憶する。【選択図】図２

Description

本発明の実施形態は、調理支援装置、学習装置、調理支援方法、学習方法、およびプログラムに関する。

例えば、飲食店などでは、調理人が、注文を受けた料理を調理する。この場合に、調理人は、調理マニュアルや、調理レシピにしたがって、勘と経験によって、調理を行う。
調理した料理の盛り付けについては、盛り付けを行うラインに盛り付け写真や、サンプルが掲示されており、盛り付けを行う者は、その写真や、サンプルを見ながら、盛り付けを実施する。

料理の盛り付けに関して、作成した献立に含まれる食品の盛り付けた状態をビジュアル化することにより、所望の献立を作成することを容易化して、献立作成の作業性の向上を図る技術が知られている（例えば、特許文献１参照）。この技術では、予め食品に関するデータとして、数値データなどと共にデジタルカメラにより撮影したその映像データをＨＤ内に蓄積しておき、食品が選択されたときには、システム制御部がその食品の映像データを対応付けされているコード番号に基づいてＨＤから読み出してＣＲＴの表示画面に表示出力するとともに、表示画面中の任意の位置に入力操作に従って移動させ、食品の盛り付け状態をビジュアル化する。

特開２００２−１５７３３８号公報

近年、飲食店で働く、アルバイトが増加している。そのアルバイトには、外国人が含まれる。調理に不慣れなアルバイトが調理を行った場合には、調理人によって、調理の状況が異なったり、盛り付けが異なったりするおそれがある。
仮に、多店舗チェーンに属している飲食店で、調理人によって、調理の状況が異なったり、盛り付けが異なったりした場合には、店舗ごとに品質が異なることになるため、苦情につながる。
また、調理の状況や、盛り付けを監督する監督者を任命し、監督者が、調理の状況や、盛り付けを確認することも考えられるが、人出不足によって、監督者が、調理の状況や、盛り付けを確認する余裕もなくなっている場合が多い。
また、注文を受けてから、調理された料理が提供されるまでの時間によって、時間が長い場合には、苦情につながる。

本発明は、前述した点に鑑みてなされたものであり、その目的は、盛り付けた料理の均一性を向上できる調理支援装置、学習装置、調理支援方法、学習方法、およびプログラムを提供することである。

本発明の一態様は、盛り付けた料理を被写体とした画像と、前記画像に表されている前記料理の盛り付け位置の評価結果とに基づいて、盛り付けた料理を被写体とする画像を入力とし、前記画像に表されている前記料理の盛り付け位置の評価結果を教師データとして、教師あり学習することによって得られた学習モデルを用いて、評価対象である盛り付けた料理を被写体とする画像から、該料理の盛り付け位置の評価結果を導出する導出部と、前記導出部が導出した前記評価結果に基づいて、評価対象である盛り付けた前記料理を、提供するか否かを判定する判定部と、前記判定部が判定した結果を出力する出力部とを備える、調理支援装置である。
本発明の一態様の調理支援装置において、前記評価結果は、数値で表され、前記判定部は、前記評価結果が、閾値以上である場合に、評価対象である盛り付けた前記料理を提供すると判定する。
本発明の一態様の調理支援装置において、前記学習モデルは、盛り付けた料理の温度を示す情報を入力とし、前記画像に表されている前記料理の温度の評価結果を教師データとして、教師あり学習することによって得られる。
本発明の一態様の調理支援装置において、評価対象である前記料理の注文を受けた時刻を示す情報を受け付ける受付部を備え、前記判定部は、前記受付部が受け付けた前記時刻を示す前記情報に基づいて、受け付けた前記時刻からの経過時刻にさらに基づいて、評価対象である盛り付けた前記料理を、提供するか否かを判定する。

本発明の一態様は、盛り付けた料理を被写体とした画像と、前記画像に表されている前記料理の盛り付け位置の評価結果とに基づいて、盛り付けた料理を被写体とする画像と、前記画像に表されている前記料理の盛り付け位置の評価結果との関係を表す学習モデルを、教師あり学習によって生成する学習部を有する学習装置である。
本発明の一態様の学習装置において、前記学習部は、盛り付けた料理の温度を示す情報と、前記料理の温度の評価結果とに基づいて、盛り付けた料理の温度を示す情報と、前記料理の温度の評価結果との関係を表す学習モデルを、教師あり学習によって生成する。

本発明の一態様は、盛り付けた料理を被写体とした画像と、前記画像に表されている前記料理の盛り付け位置の評価結果とに基づいて、盛り付けた料理を被写体とする画像を入力とし、前記画像に表されている前記料理の盛り付け位置の評価結果を教師データとして、教師あり学習することによって得られた学習モデルを用いて、評価対象である盛り付けた料理を被写体とする画像から、該料理の盛り付け位置の評価結果を導出するステップと、前記導出するステップで導出した前記評価結果に基づいて、評価対象である盛り付けた前記料理を、提供するか否かを判定するステップと、前記判定するステップで判定した結果を出力する出力部とを有する、調理支援装置が実行する調理支援方法である。

本発明の一態様は、盛り付けた料理を被写体とした画像と、前記画像に表されている前記料理の盛り付け位置の評価結果とを受け付けるステップと、前記受け付けるステップで受け付けた盛り付けた料理を被写体とした前記画像と、前記画像に表されている前記料理の盛り付け位置の前記評価結果とに基づいて、盛り付けた料理を被写体とする画像と、前記画像に表されている前記料理の盛り付け位置の評価結果との関係を表す学習モデルを、教師あり学習によって生成するステップとを有する、学習装置が実行する学習方法である。

本発明の一態様は、調理支援装置のコンピュータに、盛り付けた料理を被写体とした画像と、前記画像に表されている前記料理の盛り付け位置の評価結果とに基づいて、盛り付けた料理を被写体とする画像を入力とし、前記画像に表されている前記料理の盛り付け位置の評価結果を教師データとして、教師あり学習することによって得られた学習モデルを用いて、評価対象である盛り付けた料理を被写体とする画像から、該料理の盛り付け位置の評価結果を導出するステップと、前記導出するステップで導出した前記評価結果に基づいて、評価対象である盛り付けた前記料理を、提供するか否かを判定するステップと、前記判定するステップで判定した結果を出力するステップとを実行させる、プログラムである。

本発明の一態様は、学習装置のコンピュータに、盛り付けた料理を被写体とした画像と、前記画像に表されている前記料理の盛り付け位置の評価結果とを受け付けるステップと、前記受け付けるステップで受け付けた盛り付けた料理を被写体とした前記画像と、前記画像に表されている前記料理の盛り付け位置の前記評価結果とに基づいて、盛り付けた料理を被写体とする画像と、前記画像に表されている前記料理の盛り付け位置の評価結果との関係を表す学習モデルを、教師あり学習によって生成するステップとを実行させる、プログラムである。

本発明の実施形態によれば、盛り付けた料理の均一性を向上できる調理支援装置、学習装置、調理支援方法、学習方法、およびプログラムを提供できる。

盛り付けた料理を被写体とした画像の一例を示す図である。 本発明の第１の実施形態に係る学習装置のハードウェア構成の一例を示す図である。 本発明の第１の実施形態に係る学習装置の機能ブロック図である。 本発明の第１の実施形態に係る学習装置の動作の一例を示すフローチャートである。 本発明の第２の実施形態に係る調理支援装置のハードウェア構成の一例を示す図である。 本発明の第２の実施形態に係る調理支援装置の機能ブロック図である。 本発明の第２の実施形態に係る調理支援装置の動作の一例を示すフローチャートである。

次に、本実施形態の調理支援装置、学習装置、調理支援方法、学習方法、およびプログラムを、図面を参照しつつ説明する。以下で説明する実施形態は一例に過ぎず、本発明が適用される実施形態は、以下の実施形態に限られない。
なお、実施形態を説明するための全図において、同一の機能を有するものは同一符号を用い、繰り返しの説明は省略する。
また、本願でいう「ＸＸに基づいて」とは、「少なくともＸＸに基づく」ことを意味し、ＸＸに加えて別の要素に基づく場合も含む。また、「ＸＸに基づいて」とは、ＸＸを直接に用いる場合に限定されず、ＸＸに対して演算や加工が行われたものに基づく場合も含む。「ＸＸ」は、任意の要素（例えば、任意の情報）である。

（第１の実施形態）
（学習装置）
第１の実施形態に係る学習装置について説明する。第１の実施形態に係る学習装置は、盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を複数取得する。
ここで、盛り付けた料理とは、飲食店などで、調理人が、注文にしたがって調理した料理を、皿、小鉢などの食器に盛ったものである。食器に配置する料理の形状や個数や位置は、予め決定されている。調理人は、予め決定されている食器に配置する料理の形状や個数や位置に従って盛り付けを行う。盛り付けた料理を被写体とした画像とは、食器に料理を盛った結果である盛り付けた料理を、撮像装置で、撮像したものである。盛り付けた料理を評価する評価者は、盛り付けた料理を被写体とした画像を参照し、料理の形状が適切であるか否か、料理の個数が適切であるか否か、料理が適切な位置に配置されているか否かを判断し、評価する。評価結果は、良否の二値であってもよいし、複数の段階で表されてもよい。以下、一例として、評価結果が、０点〜１００点の複数の段階の数値で表される場合について説明を続ける。
第１の実施形態に係る学習装置は、盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とに基づいて、盛り付けた料理を被写体とする画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果との関係を表す学習モデルを、教師あり学習によって生成する。第１の実施形態に係る学習装置は、生成した学習モデルを記憶する。

図１は、盛り付けた料理を被写体とした画像の一例を示す図である。図１は、盛り付けたハンバーグを被写体とした画像の一例を示す。盛り付けたハンバーグを被写体とした画像の一例には、皿の上に、ハンバーグに加えて、野菜が添えられている。以下、盛り付けた料理(商品、メニュー)の一例として、ハンバーグについて、説明を続ける。
ここで、皿の上に配置されるハンバーグ、野菜の位置は、予め決められている。また、皿の上に配置されるハンバーグの形状や個数も予め決められている。また、皿に配置される野菜の形状、個数も予め決められている。評価者は、盛り付けたハンバーグ、野菜を被写体とした画像を参照し、その位置が適切か否かを０点から１００点の数値で評価する。

（学習装置のハードウェア構成）
図２は、本発明の第１の実施形態に係る学習装置のハードウェア構成の一例を示す図である。学習装置１００について説明する。
学習装置１００は、ＣＰＵ１０２と、メモリ１０４と、不揮発性メモリ１０８と、通信部１０６と、内部バス１５０とを備えている。
ＣＰＵ１０２は、例えば不揮発性メモリ１０８に格納されるプログラム１０８２とアプリ１０８４とを実行し、メモリ１０４をワークメモリとして使用して、学習装置１００の各部を制御する。メモリ１０４は、半導体素子を利用した揮発性のメモリなどのＲＡＭによって構成され、ＣＰＵ１０２のワークメモリとして使用される。
不揮発性メモリ１０８は、例えばフラッシュメモリ等によって構成される。不揮発性メモリ１０８には、ＣＰＵ１０２によって実行されるプログラム１０８２と、アプリ１０８４と、学習データ１０８６と、学習モデル１０８７とが格納される。
プログラム１０８２は、例えば、オペレーティングシステムであり、ユーザやアプリケーションプログラムとハードウェアの中間に位置し、ユーザやアプリケーションプログラムに対して標準的なインターフェースを提供すると同時に、ハードウェアなどの各リソースに対して効率的な管理を行う。
アプリ１０８４は、学習装置１００に、盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を受け付けさせる。アプリ１０８４は、学習装置１００に、受け付させた盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を記憶させる。
アプリ１０８４は、学習装置１００に、盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた複数の情報を取得させ、取得させた盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた複数の情報に基づいて、盛り付けた料理を被写体とする画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果との関係を表す学習モデルを、教師あり学習によって生成させる。アプリ１０８４は、生成させた学習モデルを記憶させる。
学習データ１０８６は、受け付けた盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けて記憶する。例えば、学習データ１０８６は、一又は複数の盛り付けた料理（商品）の各々について、受け付けた盛り付けた料理（商品）を被写体とした画像と、この画像に表されている盛り付けた料理（商品）の盛り付け位置の評価結果とを関連付けて記憶する。
学習モデル１０８７は、盛り付けた料理を被写体とする画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果との関係を表す学習モデルを記憶する。具体的には、学習モデル１０８７は、一又は複数の盛り付けた料理（商品）の各々について、盛り付けた料理（商品）を被写体とする画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果との関係を表す学習モデルを記憶する。

通信部１０６は、ネットワーク５０に接続された端末装置１０などの外部装置と通信して、データの送受信を行う。具体的には、通信部１０６は、有線で、ネットワーク５０と接続される。また、通信部１０６は、ＬＴＥ等の無線通信技術で無線通信を行う無線デバイスによって構成されてもよい。通信部１０６は、端末装置１０が送信した盛り付けた料理（商品）を被写体とした画像と、この画像に表されている盛り付けた料理（商品）の盛り付け位置の評価結果とを関連付けた情報を受信し、受信した情報を、ＣＰＵ１０２に出力する。
内部バス１５０は、ＣＰＵ１０２、メモリ１０４、不揮発性メモリ１０８、通信部１０６を互いに接続する。内部バス１５０に接続される各部は、内部バス１５０を介して互いにデータのやり取りを行うことができるようにされている。

（学習装置の機能構成）
図３は、本発明の実施形態に係る学習装置の機能ブロック図である。
学習装置１００は、不揮発性メモリ１０８からメモリ１０４上に展開されたプログラム１０８２とアプリ１０８４とをＣＰＵ１０２が実行することによって、受付部１５２と、取得部１５４と、学習部１５６と、出力部１５８として機能する。

（学習装置の各機能構成）
図２及び図３を用いて、学習装置１００の各機能構成について詳細に説明する。なお、以下では、学習装置１００の各機能を説明するにあたって、図３に示されている学習装置１００の各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
受付部１５２は、ＣＰＵ１０２からの命令、及び通信部１０６によって実現される。受付部１５２は、通信部１０６が出力した盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を取得し、取得した盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を受け付ける。
端末装置１０は、盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を送信する。
学習装置１００の通信部１０６は、端末装置１０が送信した盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を受信し、受信した盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を、ＣＰＵ１０２へ出力する。
ＣＰＵ１０２は、受付部１５２として機能することによって、通信部１０６が出力した盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を取得し、取得した盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を受け付ける。受付部１５２は、受け付けた盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を、不揮発性メモリ１０８の学習データ１０８６に記憶する。

取得部１５４は、ＣＰＵ１０２からの命令によって実現される。取得部１５４は、不揮発性メモリ１０８の学習データ１０８６に記憶されている盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を複数取得し、取得した盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた複数の情報を、学習部１５６に出力する。
学習部１５６は、ＣＰＵ１０２からの命令によって実現される。学習部１５６は、取得部１５４が出力した盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を複数取得する。
学習部１５６は、取得した盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた複数の情報に基づいて、盛り付けた料理を被写体とする画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果との関係を表す学習モデルを、教師あり学習によって生成する。学習部１５６は、生成した盛り付けた料理を被写体とする画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果との関係を表す学習モデルを、出力部１５８へ出力する。
出力部１５８は、ＣＰＵ１０２からの命令によって実現される。出力部１５８は、学習部１５６が出力した学習モデルを示す情報を取得し、取得した学習モデルを示す情報を、不揮発性メモリ１０８の学習モデル１０８７へ記憶する。

(学習装置の動作)
図４は、本発明の実施形態に係る学習装置の動作の一例を示すフローチャートである。
図４では、学習装置１００が、盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた複数の情報を不揮発性メモリ１０８の学習データ１０８６に記憶した後の動作について説明する。
（ステップＳ１）
学習装置１００において、取得部１５４は、不揮発性メモリ１０８の学習データ１０８６に記憶されている盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた複数の情報を取得し、取得した盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた複数の情報を、学習部１５６に出力する。
（ステップＳ２）
学習装置１００において、学習部１５６は、取得部１５４が出力した盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた複数の情報を取得する。学習部１５６は、盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とに基づいて、盛り付けた料理を被写体とする画像を入力として、この画像に表されている盛り付けた料理の盛り付け位置の評価結果を教師データとして、教師あり学習を行う。
（ステップＳ３）
学習部１５６は、教師あり学習の結果に基づいて、盛り付けた料理を被写体とする画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果との関係を表す学習モデルを生成する。学習部１５６は、生成した学習モデルを、出力部１５８へ出力する。
（ステップＳ４）
学習装置１００において、出力部１５８は、学習部１５６が出力した学習モデルを取得し、取得した学習モデルを示す情報を、不揮発性メモリ１０８の学習モデル１０８７へ記憶する。

前述した第１の実施形態では、盛り付けた料理（商品、メニュー）の一例として、ハンバーグについて説明したが、この例に限られない。例えば、カレー、パスタ、うどん、そば、サラダなどのあらゆる商品、メニューに適用できる。
前述した実施形態では、学習装置１００が、一台の端末装置１０が送信した盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を受信する場合について説明したが、この例に限られない。例えば、学習装置１００が、複数の端末装置が送信した盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を受信してもよい。このように構成することによって、学習装置１００は、盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を多く取得できるため、教師あり学習の効果を高めることができる。

実施形態の学習装置１００によれば、学習装置１００は、盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報を複数取得する取得部１５４と、取得部１５４が複数取得した盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報に基づいて、盛り付けた料理を被写体とする画像と、この画像に表されている料理の盛り付け位置の評価結果との関係を表す学習モデルを、教師あり学習によって生成する学習部１５６と、学習部１５６が生成した学習モデルを記憶する記憶部（不揮発性メモリ１０８）とを備える。このように複数取得した盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報に基づいて、盛り付けた料理を被写体とする画像を入力として、この画像に表されている盛り付けた料理の盛り付け位置の評価結果を教師データとして、教師あり学習を行うことができるため、盛り付けた料理を被写体とする画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果との関係を表す学習モデルを生成できる。

（第１の実施形態の変形例）
第１の実施形態の変形例に係る学習装置１００ａについて説明する。第１の実施形態の変形例に係る学習装置１００ａは、盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報に加え、盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた情報を複数取得する。盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けた情報に基づいて、学習モデルを生成する点は、第１の実施形態と同様である。このため、以下、盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた情報に基づいて、学習モデルを生成する処理について、説明を続ける。
ここで、盛り付けた料理とは、飲食店などで、調理人が、注文にしたがって調理した料理を、皿、小鉢などの食器に盛ったものである。食器に配置する料理の温度は、予め決定されている。調理人は、予め決定されている食器に配置する料理の温度に従って調理を行う。盛り付けた料理の温度とは、食器に料理を盛った結果である盛り付けた料理の温度である。盛り付けた料理の温度がサーモグラフィーで表されてもよい。盛り付けた料理を評価する評価者は、盛り付けた料理の温度を参照し、料理の温度が適切であるか否かを判断し、評価する。評価結果は、良否の二値であってもよいし、複数の段階で表されてもよい。以下、一例として、評価結果が、０点〜１００点の複数の段階の数値で表される場合について説明を続ける。
第１の実施形態の変形例に係る学習装置１００ａは、盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とに基づいて、盛り付けた料理の温度を示す情報と、この料理の温度の評価結果との関係を表す学習モデルを、教師あり学習によって生成する。第１の実施形態の変形例に係る学習装置１００ａは、生成した学習モデルを記憶する。

（学習装置のハードウェア構成）
第１の実施形態の変形例に係る学習装置のハードウェア構成の一例は、図２を適用できる。学習装置１００ａについて説明する。
（学習装置のハードウェア構成）
学習装置１００ａは、ＣＰＵ１０２と、メモリ１０４と、不揮発性メモリ１０８ａと、通信部１０６と、内部バス１５０とを備えている。
ＣＰＵ１０２は、例えば不揮発性メモリ１０８ａに格納されるプログラム１０８２とアプリ１０８４ａとを実行し、メモリ１０４をワークメモリとして使用して、学習装置１００ａの各部を制御する。メモリ１０４は、半導体素子を利用した揮発性のメモリなどのＲＡＭによって構成され、ＣＰＵ１０２のワークメモリとして使用される。
不揮発性メモリ１０８ａは、例えばフラッシュメモリ等によって構成される。不揮発性メモリ１０８ａには、ＣＰＵ１０２によって実行されるプログラム１０８２と、アプリ１０８４ａと、学習データ１０８６ａと、学習モデル１０８７ａとが格納される。
アプリ１０８４ａは、学習装置１００ａに、盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた情報を受け付けさせる。アプリ１０８４ａは、学習装置１００ａに、盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた情報を記憶させる。
アプリ１０８４ａは、学習装置１００ａに、盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた複数の情報を取得させ、取得させた盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた複数の情報に基づいて、盛り付けた料理の温度を示す情報を入力として、その料理の温度の評価結果を教師データとして、教師あり学習を行わせる。
アプリ１０８４ａは、学習装置１００ａに、教師あり学習の結果に基づいて、盛り付けた料理の温度を示す情報と、この料理の温度の評価結果との関係を表す学習モデルを生成させる。
アプリ１０８４ａは、学習装置１００ａに、生成させた学習モデルを記憶させる。
学習データ１０８６ａは、盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果とを関連付けて記憶する。また、学習データ１０８６ａは、盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けて記憶する。
学習モデル１０８７ａは、盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果との関係を表す学習モデルを記憶する。また、学習モデル１０８７ａは、盛り付けた料理の温度を示す情報と、この料理の温度の評価結果との関係を表す学習モデルを記憶する。

（学習装置の機能構成）
第１の実施形態の変形例に係る学習装置の機能ブロック図は、図３を適用できる。
学習装置１００ａは、不揮発性メモリ１０８ａからメモリ１０４上に展開されたプログラム１０８２とアプリ１０８４ａとをＣＰＵ１０２が実行することによって、受付部１５２ａと取得部１５４ａと学習部１５６ａと出力部１５８ａとして機能する。
図２及び図３を用いて、学習装置１００ａの各機能構成について詳細に説明する。なお、以下では、学習装置１００ａの各機能を説明するにあたって、図３に示されている学習装置１００ａの各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
受付部１５２ａは、ＣＰＵ１０２からの命令、及び通信部１０６によって実現される。受付部１５２ａは、通信部１０６が出力した盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた情報を取得し、取得した盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた情報を受け付ける。
端末装置１０は、盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた情報を送信する。
学習装置１００ａの通信部１０６は、端末装置１０が送信した盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた情報を受信し、受信した盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた情報を、ＣＰＵ１０２へ出力する。
ＣＰＵ１０２は、受付部１５２ａとして機能することによって、通信部１０６が出力した盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた情報を受け付ける。受付部１５２ａは、受け付けた盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた情報を不揮発性メモリ１０８の学習データ１０８６ａに記憶する。

取得部１５４ａは、不揮発性メモリ１０８ａの学習データ１０８６ａに記憶されている盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた複数の情報を取得し、取得した盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた複数の情報を、学習部１５６ａに出力する。
学習部１５６ａは、ＣＰＵ１０２からの命令によって実現される。学習部１５６ａは、取得部１５４ａが出力した盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた情報を複数取得する。
学習部１５６ａは、取得した盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた複数の情報に基づいて、盛り付けた料理の温度を示す情報を入力として、この料理の温度の評価結果を教師データとして、教師あり学習を行う。学習部１５６ａは、盛り付けた料理の温度を示す情報を入力として、この料理の温度の評価結果を教師データとして、教師あり学習を行うことによって得られた学習モデルを、出力部１５８ａへ出力する。
出力部１５８ａは、ＣＰＵ１０２からの命令によって実現される。出力部１５８ａは、学習部１５６ａが出力した学習モデルを取得し、取得した学習モデルを、不揮発性メモリ１０８ａの学習モデル１０８７ａへ記憶する。

(学習装置の動作)
第１の実施形態の変形例に係る学習装置の動作の一例は、図４を適用できる。
ここでは、学習装置１００ａが、盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた情報を不揮発性メモリ１０８ａの学習データ１０８６ａに記憶した後の動作について説明する。
ステップＳ１では、学習装置１００ａにおいて、取得部１５４ａは、不揮発性メモリ１０８ａの学習データ１０８６ａに記憶されている盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた情報を複数取得し、取得した複数の盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた情報を、学習部１５６ａに出力する。
ステップＳ２では、学習装置１００ａにおいて、学習部１５６ａは、取得部１５４ａが出力した盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた複数の情報に基づいて、盛り付けた料理の温度を示す情報を入力として、この料理の温度の評価結果を教師データとして、教師あり学習を行う。
ステップＳ３では、学習装置１００ａにおいて、学習部１５６ａは、盛り付けた料理の温度を示す情報を入力として、この料理の温度の評価結果を教師データとして、教師あり学習を行うことによって学習モデルを生成する。学習部１５６ａは、生成した学習モデルを、出力部１５８ａへ出力する。
ステップＳ４では、学習装置１００ａにおいて、出力部１５８ａは、学習部１５６ａが出力した学習モデルを取得し、取得した学習モデルを、不揮発性メモリ１０８ａの学習モデル１０８７ａへ記憶する。

第１の実施形態の変形例の学習装置１００ａによれば、取得部１５４ａは、盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とを関連付けた情報を取得する。学習部１５６ａは、盛り付けた料理の温度を示す情報を入力として、この料理の温度の評価結果を教師データとして、教師あり学習を行う。このように構成することによって、受け付けた盛り付けた料理の温度を示す情報と、この料理の温度の評価結果との関係を表す学習モデルを導出できる。

（第２の実施形態）
（調理支援装置）
第２の実施形態に係る調理支援装置について説明する。第２の実施形態に係る調理支援装置２００は、飲食店などで注文を受けた料理を示す情報と、料理の注文を受けた時刻を示す情報とを含む注文情報を取得する。また、第２の実施形態に係る調理支援装置２００は、注文を受けた料理を示す情報と、評価対象である盛り付けたその料理を被写体とする画像とを関連付けた情報を取得する。ここで、評価対象である盛り付けたその料理を被写体とする画像は、飲食店などで受けた注文にしたがって、調理人が調理をして、調理した料理を食器に盛り付けた結果である盛り付けた料理を被写体とする画像である。盛り付けた料理をお客様へ提供できるか否かを判定する観点からは、お客様へ提供する直前に撮像された画像であるのが好ましい。
第２の実施形態に係る調理支援装置２００は、取得した注文情報に含まれる料理の注文を受けた時刻を示す情報に基づいて、その料理の注文を受けた時刻からの経過時間を導出する。
第２の実施形態に係る調理支援装置２００は、第１の実施形態の学習装置１００が生成した学習モデルを用いて、評価対象である盛り付けた料理を被写体とする画像から、その料理の盛り付け位置の評価結果を導出する。ここで、学習モデルは、学習装置１００によって、盛り付けた料理を被写体とする画像を入力とし、この画像に表されている料理の盛り付け位置の評価結果を教師データとして、教師あり学習することによって得られたものである。
第２の実施形態に係る調理支援装置２００は、導出した経過時間と盛り付け位置の評価結果とに基づいて、評価対象である盛り付けた料理を、お客様へ提供するか否かを判定する。第２の実施形態に係る調理支援装置２００は、評価対象である盛り付けた料理をお客様へ提供するか否かの判定結果を、出力する。

（調理支援装置のハードウェア構成）
図５は、本発明の第２の実施形態に係る調理支援装置のハードウェア構成の一例を示す図である。図５には、調理支援装置２００に加え、端末装置１０と、ＰＯＳ端末２０と、学習装置１００とについても示されている。調理支援装置２００について説明する。
調理支援装置２００は、ＣＰＵ２０２と、メモリ２０４と、通信部２０６と、不揮発性メモリ２０８と、操作部２１０と、表示部２１２と、内部バス２５０とを備えている。
ＣＰＵ２０２は、例えば不揮発性メモリ２０８に格納されるプログラム２０８２とアプリ２０８４とを実行し、メモリ２０４をワークメモリとして使用して、調理支援装置２００の各部を制御する。メモリ２０４は、半導体素子を利用した揮発性のメモリなどのＲＡＭによって構成され、ＣＰＵ２０２のワークメモリとして使用される。
通信部２０６は、ネットワーク５０に接続された端末装置１０、ＰＯＳ端末２０、学習装置１００などの外部装置と通信して、データの送受信を行う。ここで、ＰＯＳは、販売時点情報管理（Ｐｏｉｎｔ ｏｆ ｓａｌｅ）のことである。販売時点情報管理は、物品販売の売上実績を単品単位で集計することである。具体的には、通信部２０６は、有線で、ネットワーク５０と接続される。また、通信部２０６は、ＬＴＥ等の無線通信技術で無線通信を行う無線デバイスによって構成されてもよい。通信部２０６は、学習装置１００が送信した学習モデルを受信し、受信した学習モデルを、ＣＰＵ２０２へ出力する。また、通信部２０６は、ＰＯＳ端末２０が送信した注文情報を受信し、受信した注文情報に含まれる注文を受けた料理を示す情報と、料理の注文を受けた時刻を示す情報とを、ＣＰＵ２０２へ出力する。また、通信部２０６は、端末装置１０が送信した注文を受けた料理を示す情報と、評価対象である盛り付けたその料理を被写体とする画像とを関連付けた情報を受信し、受信した注文を受けた料理を示す情報と、評価対象である盛り付けたその料理を被写体とする画像とを関連付けた情報を、ＣＰＵ２０２へ出力する。
内部バス２５０は、ＣＰＵ２０２、メモリ２０４、不揮発性メモリ２０８、通信部２０６を互いに接続する。内部バス２５０に接続される各部は、内部バス２５０を介して互いにデータのやり取りを行うことができるようにされている。

不揮発性メモリ２０８は、例えばフラッシュメモリ等によって構成される。不揮発性メモリ２０８には、ＣＰＵ２０２によって実行されるプログラム２０８２と、アプリ２０８４と、学習モデル２０８７とが格納される。
プログラム２０８２は、例えば、オペレーティングシステムであり、ユーザやアプリケーションプログラムとハードウェアの中間に位置し、ユーザやアプリケーションプログラムに対して標準的なインターフェースを提供すると同時に、ハードウェアなどの各リソースに対して効率的な管理を行う。
アプリ２０８４は、調理支援装置２００に、盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果との関係を表す学習モデルを受け付けさせる。アプリ１０８４は、調理支援装置２００に、受け付させた盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果との関係を表す学習モデルを記憶させる。
アプリ２０８４は、調理支援装置２００に、ＰＯＳ端末２０が送信した注文情報に含まれる注文を受けた料理を示す情報と、料理の注文を受けた時刻を示す情報とを受け付けさせる。
アプリ２０８４は、調理支援装置２００に、注文を受けた料理を示す情報と、評価対象である盛り付けたその料理を被写体とする画像を示す情報とを受け付けさせる。
アプリ２０８４は、調理支援装置２００に、料理の注文を受けた時刻からの経過時間を導出させる。
アプリ２０８４は、調理支援装置２００に、学習モデルを用いて、評価対象である盛り付けた料理を被写体とする画像を示す情報から、その画像に表されている盛り付けた料理の盛り付け位置の評価結果を導出させる。ここで、学習モデルは、盛り付けた料理を被写体とする画像を入力とし、この画像に表されている料理の盛り付け位置の評価結果を教師データとして、教師あり学習することによって得られたものである。
アプリ２０８４は、調理支援装置２００に、導出させた経過時間と、盛り付け位置の評価結果とに基づいて、評価対象である盛り付けた料理を、お客様へ提供するか否かを判定させる。
アプリ２０８４は、調理支援装置２００に、評価対象である盛り付けた料理をお客様へ提供するか否かの判定結果を、出力させる。
学習モデル２０８７は、前述した学習モデル１０８７を適用できる。
操作部２１０は、ユーザの操作を受け付ける入力デバイスであり、タッチパネル等のポインティングデバイス、ボタン、ダイヤル、タッチセンサ、タッチパッド等を含む。
表示部２１２は、例えば液晶ディスプレイ等によって構成され、評価対象である盛り付けた料理をお客様へ提供するか否かの判定結果などを表示する。

（調理支援装置の機能構成）
図６は、本発明の第２の実施形態に係る調理支援装置の機能ブロック図である。
調理支援装置２００は、不揮発性メモリ２０８からメモリ２０４上に展開されたプログラム２０８２とアプリ２０８４とをＣＰＵ２０２が実行することによって、受付部２５２と導出部２５４と判定部２５５と出力部２５６として機能する。
図５及び図６を用いて、調理支援装置２００の各機能構成について詳細に説明する。なお、以下では、調理支援装置２００の各機能を説明するにあたって、図６に示されている調理支援装置２００の各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
受付部２５２は、ＣＰＵ２０２からの命令、及び通信部２０６によって実現される。受付部２５２は、通信部２０６が出力した学習モデルを受け付け、受け付けた学習モデルを、学習モデル２０８７に記憶する。受付部２５２は、通信部２０６が出力した注文情報を受け付け、受け付けた注文情報を、導出部２５４へ出力する。受付部２５２は、通信部２０６が出力した注文を受けた料理を示す情報と、評価対象である盛り付けたその料理を被写体とする画像を示す情報とを受け付け、受け付けた注文を受けた料理を示す情報と、評価対象である盛り付けた料理を被写体とする画像を示す情報とを、導出部２５４へ出力する。
導出部２５４は、ＣＰＵ２０２からの命令によって実現される。導出部２５４は、受付部２５２が出力した注文情報を取得し、取得した注文情報に含まれる料理の注文を受けた時刻から、現在の時刻までの経過時間を導出する。導出部２５４は、導出した経過時間を示す情報と、注文を受けた料理を示す情報とを関連付けた情報である経過時間情報を、判定部２５５へ出力する。また、導出部２５４は、受付部２５２が出力した注文を受けた料理を示す情報と、評価対象である盛り付けたその料理を被写体とする画像を示す情報とを取得し、取得した評価対象である盛り付けた料理を被写体とする画像から、その画像に表されている盛り付けた料理の盛り付け位置の評価結果を、学習モデルを用いて、導出する。導出部２５４は、導出した盛り付け位置の評価結果と、注文を受けた料理を示す情報とを関連づけた情報である盛り付け位置評価結果情報を、判定部２５５へ出力する。ここで、導出部２５４が導出するその料理の盛り付け位置の評価結果は、良否の二値であってもよいし、複数の段階で表されてもよい。以下、一例として、評価結果が、０点〜１００点の複数の段階の数値で表される場合について説明を続ける。
判定部２５５は、導出部２５４が出力した経過時間情報と、盛り付け位置評価結果情報とを取得し、取得した経過時間情報と盛り付け位置評価結果情報とに基づいて、評価対象である盛り付けた料理を、お客様へ提供するか否かを判定する。具体的には、判定部２５５は、経過時間情報に含まれる注文を受けた料理を示す情報と、盛り付け位置評価結果情報に含まれる注文を受けた料理を示す情報とが一致することを確認し、以下の処理を行う。判定部２５５は、経過時間情報に含まれる経過時間を示す情報に含まれる経過時間が経過時間閾値以下であるか否かを判定する。また、判定部２５５は、評価結果が、盛り付け評価閾値以上であるか否かを判定する。判定部２５５は、経過時間が経過時間閾値以下であり、且つ評価結果が、盛り付け評価閾値以上である場合にはお客様へ提供すると判定する。判定部２５５は、経過時間が経過時間閾値より経過、又は盛り付け位置の評価結果が、盛り付け閾値未満である場合にはお客さまへ提供できないと判定する。判定部２５５は、盛り付けた料理を、お客様へ提供するか否かの判定結果を、出力部２５６へ出力する。
出力部２５６は、ＣＰＵ２０２からの命令によって実現される。出力部２５６は、判定部２５５が出力した判定結果を取得し、取得した判定結果を、表示部２１２へ出力する。また、出力部２５６は、判定結果を含み、端末装置１０をあて先とする評価結果応答を作成し、作成した評価結果応答を、通信部２０６から端末装置１０へ送信してもよい。

（調理支援装置の動作）
図７は、本発明の第２の実施形態に係る調理支援装置の動作の一例を示すフローチャートである。図７は、調理支援装置２００が、学習装置１００から、学習モデルを取得し、取得した学習モデルを、不揮発性メモリ２０８の学習モデル２０８７に記憶した後の動作を示す。
（ステップＳ２１）
調理支援装置２００の受付部２５２は、ＰＯＳ端末２０が送信した注文情報を受け付ける。受付部２５２は、受け付けた注文情報を、導出部２５４へ出力する。
（ステップＳ２２）
調理支援装置２００の受付部２５２は、注文を受けた料理を示す情報と、評価対象である盛り付けたその料理を被写体とする画像を示す情報とを受け付ける。受付部２５２は、受け付けた注文を受けた料理を示す情報と、評価対象である盛り付けた料理を被写体とする画像を示す情報とを、導出部２５４へ出力する。
（ステップＳ２３）
調理支援装置２００の導出部２５４は、受付部２５２が出力した注文情報を取得し、取得した注文情報に含まれる料理の注文を受けた時刻から、現在の時刻までの経過時間を導出する。導出部２５４は、導出した経過時間を示す情報と、注文を受けた料理を示す情報とを関連付けた情報である経過時間情報を、判定部２５５へ出力する。
（ステップＳ２４）
調理支援装置２００の導出部２５４は、受付部２５２が出力した注文を受けた料理を示す情報と、評価対象である盛り付けたその料理を被写体とする画像を示す情報を取得し、取得した評価対象である盛り付けたその料理を被写体とする画像から、その画像に表されている盛り付けた料理の盛り付け位置の評価結果を、学習モデルに基づいて、導出する。導出部２５４は、導出した盛り付け位置の評価結果と、注文を受けた料理を示す情報とを関連づけた情報である盛り付け位置評価結果情報を、判定部２５５へ出力する。
（ステップＳ２５）
調理支援装置２００の判定部２５５は、導出部２５４が出力した経過時間情報と、盛り付け位置評価結果情報とを取得し、取得した経過時間情報と盛り付け位置評価結果情報とに基づいて、評価対象である盛り付けた料理を、お客様へ提供するか否かを判定する。判定部２５５は、評価対象である盛り付けた料理をお客様へ提供するか否かの判定結果を、出力部２５８へ出力する。
（ステップＳ２６）
調理支援装置２００の出力部２５６は、判定部２５５が出力した評価結果を取得し、取得した評価結果を、表示部２１２に出力する。

前述した第２の実施形態では、調理支援装置２００が、学習装置１００から、学習モデルを取得し、取得した学習モデルを、不揮発性メモリ２０８の学習モデル２０８７に記憶する場合について説明したが、この例に限られない。例えば、調理支援装置２００が、学習装置１００へ、評価対象である盛り付けた料理を被写体とする画像を送信し、その料理の盛り付け位置の評価結果を問い合わせるようにしてもよい。学習装置１００は、調理支援装置２００からの問い合わせに応じて、学習モデルに基づいて、評価対象である盛り付けた料理を被写体とする画像から、その盛り付け位置の評価結果を導出し、導出した盛り付け位置の評価結果を、調理支援装置２００へ通知する。
調理支援装置２００は、その場で調理人や店長等に警報を発するようにしてもよい。このように構成することによって、盛り付け具材の個数、並べ方（位置）や調理状況などが教師データと著しく逸脱している場合に、その場で調理人や店長等に通知できる。
前述した第２の実施形態において、調理支援装置２００は、注文情報を受け付けることなく、評価対象である盛り付けた料理を被写体とする画像に基づいて、評価対象である盛り付けた料理をお客様へ提供するか否かを判定するようにしてもよい。このように構成することによって、処理を簡略化できる。
前述した第２の実施形態において、調理支援装置２００は、お客様から注文を受けた時刻と、その注文に応じて盛り付けた料理をお客様に提供した時刻とを取得し、注文を受けた時刻から、提供した時刻までの時間である料理提供時間を導出してもよい。学習装置１００は、料理提供時間が、時間閾値以上である場合に、通知してもよい。このように構成することによって、通知を受けた場合に、料理提供時間を短縮するための対策を行うことができるため、料理提供時間の均一化を図ることができる。また、学習装置１００は、料理提供時間を示す情報を収集し、収集した料理提供時間を示す情報を通知してもよい。このように構成することによって、料理提供時間の統計を取ることができる。
第２の実施形態に係る調理支援装置２００によれば、調理支援装置２００は、学習装置１００から取得した学習モデルに基づいて、評価対象である盛り付けた料理を被写体とする画像から、その料理の盛り付け位置の評価結果を導出できる。さらに、調理支援装置２００は、導出した評価結果と、注文を受けてからの経過時間とに基づいて、その盛り付けた料理を、お客様に提供できるか否かを判定できる。このため、盛り付け位置がある基準以上であり、且つ注文を受けてからの経過時間が一定時間以下である場合に、盛り付けた料理が、お客様に提供できると判定されるため、お客様へ提供する盛り付けた料理の均一性と、注文を受けてからの経過時間の均一性とを向上できる。これによって、多店舗において調理状況や盛り付け状況と、注文を受けてから盛り付けた料理をお客様へ提供する時間とが均一化されるため、お客様からのクレームを回避でき、顧客満足度を向上できる。また、調理状況や盛り付け状態の確認を人が実施する必要がなくなり省力化できる。

（第２の実施形態の変形例）
（調理支援装置）
第２の実施形態の変形例に係る調理支援装置について説明する。第２の実施形態の第１の変形例に係る調理支援装置２００ａは、評価対象である盛り付けた料理を被写体とする画像を示す情報に加えて、評価対象である盛り付けた料理の温度を示す情報を取得する。
評価対象である盛り付けた料理を被写体とする画像を示す情報から、この画像に表されている盛り付けた料理の盛り付け位置の評価結果を導出し、導出した料理の盛り付け位置の評価結果に基づいて、お客様に提供できるか否かを判定する点は第２の実施形態と同様である。このため、ここでは説明を省略し、評価対象である盛り付けた料理の温度を示す情報に基づいて、この料理の温度の評価結果を導出し、導出した温度の評価結果に基づいて、お客様に提供できるか否かを判定する処理について、説明を続ける。
ここで、盛り付けた料理とは、飲食店などで、調理人が、注文にしたがって調理した料理を、皿、小鉢などの食器に盛ったものである。食器に配置する料理の温度は、予め決定されている。調理人は、予め決定されている食器に配置する料理の温度に従って調理を行う。盛り付けた料理の温度とは、食器に料理を盛った結果である盛り付けた料理の温度である。
第２の実施形態の変形例に係る調理支援装置２００ａは、取得した評価対象である盛り付けた料理の温度を示す情報から、この料理の温度の評価結果を、第２学習モデルに基づいて、導出する。ここで、第２学習モデルは、盛り付けた料理の温度を示す情報と、この料理の温度の評価結果とに基づいて、盛り付けた料理の温度を示す情報を入力として、この料理の温度の評価結果を教師データとして、教師あり学習することによって得られたものである。評価結果は、良否の二値であってもよいし、複数の段階で表されてもよい。以下、一例として、評価結果が、０点〜１００点の複数の段階の数値で表される場合について説明を続ける。
第２の実施形態の変形例に係る調理支援装置２００ａは、導出した評価結果に基づいて、評価対象である盛り付けた料理を、お客様へ提供するか否かを判定する。第２の実施形態の変形例に係る調理支援装置２００ａは、評価対象である盛り付けた料理をお客様へ提供するか否かの判定結果を出力する。

（調理支援装置のハードウェア構成）
第２の実施形態の変形例に係る調理支援装置２００ａのハードウェア構成は、図５を適用できる。調理支援装置２００ａについて説明する。
調理支援装置２００ａは、ＣＰＵ２０２と、メモリ２０４と、通信部２０６と、不揮発性メモリ２０８ａと、操作部２１０と、表示部２１２と、内部バス２５０とを備えている。
ＣＰＵ２０２は、例えば不揮発性メモリ２０８ａに格納されるプログラム２０８２とアプリ２０８４ａとを実行し、メモリ２０４をワークメモリとして使用して、調理支援装置２００ａの各部を制御する。
通信部２０６は、学習装置１００が送信した第１学習モデルと、学習装置１００ａが送信した第２学習モデルとを受信し、受信した第１学習モデルと第２学習モデルとを、ＣＰＵ２０２へ出力する。ここで、第１学習モデルは、盛り付けた料理を被写体とする画像を入力とし、この画像に表されている料理の盛り付け位置の評価結果を教師データとして、教師あり学習することによって得られたものである。第２学習モデルは、盛り付けた料理の温度を示す情報を入力とし、この料理の温度の評価結果を教師データとして、教師あり学習することによって得られたものである。また、通信部２０６は、ＰＯＳ端末２０が送信した注文情報を受信し、受信した注文情報に含まれる注文を受けた料理を示す情報と、料理の注文を受けた時刻を示す情報とを、ＣＰＵ２０２へ出力する。また、通信部２０６は、端末装置１０が送信した注文を受けた料理を示す情報と、評価対象である盛り付けたその料理を被写体とする画像を示す情報と、評価対象である盛り付けた料理の温度を示す情報とを関連付けた情報を受信し、受信した注文を受けた料理を示す情報と、評価対象である盛り付けたその料理を被写体とする画像を示す情報と、評価対象である盛り付けたその料理の温度を示す情報とを関連付けた情報を、ＣＰＵ２０２へ出力する。
不揮発性メモリ２０８ａは、例えばフラッシュメモリ等によって構成される。不揮発性メモリ２０８ａには、ＣＰＵ２０２によって実行されるプログラム２０８２と、アプリ２０８４ａと、学習モデル２０８７ａとが格納される。
アプリ２０８４ａは、調理支援装置２００ａに、盛り付けた料理を被写体とした画像と、この画像に表されている盛り付けた料理の盛り付け位置の評価結果との関係を表す第１学習モデルを受け付けさせる。アプリ１０８４ａは、調理支援装置２００ａに、受け付させた第１学習モデルを記憶させる。
アプリ２０８４ａは、調理支援装置２００ａに、盛り付けた料理の温度と、この料理の温度の評価結果との関係を表す第２学習モデルを受け付けさせる。アプリ１０８４ａは、調理支援装置２００ａに、受け付させた第２学習モデルを記憶させる。
アプリ２０８４ａは、調理支援装置２００ａに、ＰＯＳ端末２０が送信した注文情報に含まれる注文を受けた料理を示す情報と、料理の注文を受けた時刻を示す情報とを受け付けさせる。
アプリ２０８４ａは、調理支援装置２００ａに、注文を受けた料理を示す情報と、評価対象である盛り付けたその料理を被写体とする画像を示す情報と、評価対象である盛り付けたその料理の温度を示す情報とを関連付けた情報を取得させる。
アプリ２０８４ａは、調理支援装置２００ａに、料理の注文を受けた時刻からの経過時間を導出させる。
アプリ２０８４ａは、調理支援装置２００ａに、第１学習モデルを用いて、評価対象である盛り付けた料理を被写体とする画像を示す情報から、その画像に表されている盛り付けた料理の盛り付け位置の評価結果を導出させる。
アプリ２０８４ａは、調理支援装置２００ａに、第２学習モデルを用いて、評価対象である盛り付けた料理の温度から、その料理の温度の評価結果を導出させる。
アプリ２０８４ａは、調理支援装置２００ａに、導出させた経過時間と、盛り付け位置の評価結果と、温度の評価結果とに基づいて、評価対象である盛り付けた料理を、お客様へ提供するか否かを判定させる。
アプリ２０８４ａは、調理支援装置２００ａに、評価対象である盛り付けた料理をお客様へ提供するか否かの判定結果を出力させる。
学習モデル２０８７ａは、前述した第１学習モデルと、第２学習モデルとを記憶する。

（調理支援装置の機能構成）
第２の実施形態の変形例に係る調理支援装置の機能ブロック図は、図６を適用できる。
調理支援装置２００ａは、不揮発性メモリ２０８ａからメモリ２０４上に展開されたプログラム２０８２とアプリ２０８４ａとをＣＰＵ２０２が実行することによって、受付部２５２ａと導出部２５４ａと判定部２５５ａと出力部２５６ａとして機能する。
（調理支援装置の各機能構成）
図５及び図６を用いて、調理支援装置２００ａの各機能構成について詳細に説明する。なお、以下では、調理支援装置２００ａの各機能を説明するにあたって、図６に示されている調理支援装置２００ａの各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
受付部２５２ａは、ＣＰＵ２０２からの命令、及び通信部２０６によって実現される。受付部２５２ａは、通信部２０６が出力した第１学習モデルと第２学習モデルとを受け付け、受け付けた第１学習モデルと第２学習モデルとを、学習モデル２０８７ａに記憶する。
受付部２５２ａは、通信部２０６が出力した注文情報を受け付け、受け付けた注文情報を、導出部２５４ａへ出力する。受付部２５２ａは、通信部２０６が出力した注文を受けた料理を示す情報と、評価対象である盛り付けたその料理を被写体とする画像を示す情報と、評価対象である盛り付けた料理の温度を示す情報とを受け付ける。受付部２５２ａは、受け付けた注文を受けた料理を示す情報と、評価対象である盛り付けた料理を被写体とする画像を示す情報と、評価対象である盛り付けた料理の温度を示す情報とを、導出部２５４ａへ出力する。
導出部２５４ａは、ＣＰＵ２０２からの命令によって実現される。導出部２５４ａは、受付部２５２ａが出力した注文情報を取得し、取得した注文情報に含まれる料理の注文を受けた時刻から、現在の時刻までの経過時間を導出する。導出部２５４ａは、導出した経過時間を示す情報と、注文を受けた料理を示す情報とを関連付けた情報である経過時間情報を、判定部２５５ａへ出力する。
また、導出部２５４ａは、受付部２５２ａが出力した注文を受けた料理を示す情報と、評価対象である盛り付けたその料理を被写体とする画像を示す情報を取得し、取得した評価対象である盛り付けた料理を被写体とする画像から、その画像に表されている盛り付けた料理の盛り付け位置の評価結果を、第１学習モデルを用いて、導出する。導出部２５４ａは、導出した盛り付け位置の評価結果と、注文を受けた料理を示す情報とを関連づけた情報である盛り付け位置評価結果情報を、判定部２５５ａへ出力する。
また、導出部２５４ａは、受付部２５２ａが出力した評価対象である盛り付けた料理の温度を示す情報を取得し、取得した評価対象である盛り付けた料理の温度を示す情報から、その料理の温度の評価結果を、第２学習モデルを用いて、導出する。導出部２５４ａは、導出した料理の温度の評価結果と、注文を受けた料理を示す情報とを関連づけた情報である温度評価結果情報を、判定部２５５ａへ出力する。ここで、導出部２５４ａが導出するその料理の盛り付け位置の評価結果と、温度の評価結果とは、良否の二値であってもよいし、複数の段階で表されてもよい。以下、一例として、評価結果が、０点〜１００点の複数の段階の数値で表される場合について説明を続ける。
判定部２５５ａは、導出部２５４ａが出力した経過時間情報と、盛り付け位置評価結果情報と、温度評価結果情報とを取得し、取得した経過時間情報と、盛り付け位置評価結果と、温度評価結果情報とに基づいて、評価対象である盛り付けた料理を、お客様へ提供するか否かを判定する。
具体的には、判定部２５５ａは、経過時間情報に含まれる注文を受けた料理を示す情報と、盛り付け位置評価結果情報に含まれる注文を受けた料理を示す情報と、温度評価結果情報に含まれる注文を受けた料理を示す情報とが一致することを確認し、以下の処理を行う。
判定部２５５ａは、経過時間情報に含まれる経過時間を示す情報に含まれる経過時間が経過時間閾値以下であるか否かを判定する。また、判定部２５５は、盛り付け位置の評価結果が、盛り付け評価閾値以上であるか否かを判定する。また、判定部２５５は、温度の評価結果が、温度評価閾値以上であるか否かを判定する。判定部２５５ａは、経過時間が経過時間閾値以下、盛り付け位置の評価結果が盛り付け評価閾値以上、温度の評価結果が温度評価閾値以上の全てを満たす場合にはお客様へ提供すると判定する。
判定部２５５ａは、経過時間が経過時間閾値以下、盛り付け位置の評価結果が盛り付け評価閾値以上、温度の評価結果が温度評価閾値以上のうち、少なくとも一つを満たさない場合にはお客様へ提供できないと判定する。判定部２５５は、盛り付けた料理を、お客様へ提供するか否かの判定結果を、出力部２５６へ出力する。
出力部２５６ａは、ＣＰＵ２０２からの命令によって実現される。出力部２５６ａは、判定部２５５ａが出力した判定結果を取得し、取得した判定結果を、表示部２１２へ出力する。

（学習装置の動作）
第２の実施形態の変形例に係る調理支援装置の動作の一例を示すフローチャートは、図７を適用できる。図７は、調理支援装置２００ａが、学習装置１００から、第１学習モデルを取得し、取得した第１学習モデルを、不揮発性メモリ２０８ａに記憶し、且つ学習装置１００ａから、第２学習モデルを取得し、取得した第２学習モデルを、不揮発性メモリ２０８ａに記憶した後の動作を示す。
ステップＳ２１では、調理支援装置２００ａの受付部２５２ａは、ＰＯＳ端末２０が送信した注文情報を受け付ける。受付部２５２ａは、受け付けた注文情報を、導出部２５４ａへ出力する。
ステップＳ２２では、調理支援装置２００ａの受付部２５２ａは、注文を受けた料理を示す情報と、評価対象である盛り付けたその料理を被写体とする画像を示す情報と、評価対象である盛り付けたその料理の温度を示す情報とを受け付ける。受付部２５２ａは、受け付けた注文を受けた料理を示す情報と、評価対象である盛り付けた料理を被写体とする画像を示す情報と、評価対象である盛り付けたその料理の温度を示す情報とを、導出部２５４ａへ出力する。
ステップＳ２３では、調理支援装置２００ａの導出部２５４ａは、受付部２５２ａが出力した注文情報を取得し、取得した注文情報に含まれる料理の注文を受けた時刻から、現在の時刻までの経過時間を導出する。導出部２５４は、導出した経過時間を示す情報と、注文を受けた料理を示す情報とを関連付けた情報である経過時間情報を、判定部２５５ａへ出力する。
ステップＳ２４では、調理支援装置２００ａの導出部２５４ａは、受付部２５２ａが出力した注文を受けた料理を示す情報と、評価対象である盛り付けたその料理を被写体とする画像を示す情報と、評価対象である盛り付けたその料理の温度を示す情報とを取得する。導出部２５４ａは、取得した評価対象である盛り付けたその料理を被写体とする画像から、その画像に表されている盛り付けた料理の盛り付け位置の評価結果を、第１学習モデルに基づいて、導出する。導出部２５４ａは、導出した盛り付け位置の評価結果と、注文を受けた料理を示す情報とを関連づけた情報である盛り付け位置評価結果情報を、判定部２５５ａへ出力する。
導出部２５４ａは、取得した評価対象である盛り付けたその料理の温度を示す情報から、その料理の温度の評価結果を、第２学習モデルに基づいて、導出する。導出部２５４ａは、導出した温度の評価結果と、注文を受けた料理を示す情報とを関連づけた情報である温度評価結果情報を、判定部２５５ａへ出力する。
ステップＳ２５では、調理支援装置２００ａの判定部２５５ａは、導出部２５４ａが出力した経過時間情報と、盛り付け位置評価結果情報と、温度評価結果情報とを取得し、取得した経過時間情報と、盛り付け位置評価結果情報と、温度評価結果情報とに基づいて、評価対象である盛り付けた料理を、お客様へ提供するか否かを判定する。判定部２５５ａは、評価対象である盛り付けた料理をお客様へ提供するか否かの判定結果を、出力部２５８ａへ出力する。
ステップＳ２６では、調理支援装置２００ａの出力部２５６ａは、判定部２５５ａが出力した評価結果を取得し、取得した評価結果を、表示部２１２ａに出力する。

前述した第２の実施形態では、調理支援装置２００ａが、学習装置１００から、第１学習モデルを取得し、学習装置１００ａから、第２学習モデルを取得し、取得した第１学習モデルと、第２学習モデルとを、不揮発性メモリ２０８ａの学習モデル２０８７ａに記憶する場合について説明したが、この例に限られない。例えば、調理支援装置２００ａが、学習装置１００へ、評価対象である盛り付けた料理を被写体とする画像を示す情報を送信し、その画像に表されている盛り付けた料理の盛り付け位置の評価結果を問い合わせるようにしてもよい。調理支援装置２００ａが、学習装置１００ａへ、評価対象である料理の温度を示す情報を送信し、その料理の温度の評価結果を問い合わせるようにしてもよい。学習装置１００は、調理支援装置２００ａからの問い合わせに応じて、第１学習モデルに基づいて、評価対象である盛り付けた料理を被写体とする画像から、その盛り付け位置の評価結果を導出し、導出した評価結果を、調理支援装置２００ａへ通知する。学習装置１００ａは、調理支援装置２００ａからの問い合わせに応じて、第２学習モデルに基づいて、評価対象である盛り付けた料理の温度を示す情報から、その温度の評価結果を導出し、導出した温度の評価結果を、調理支援装置２００ａへ通知する。
前述した第２の実施形態では、調理支援装置２００ａが、学習装置１００から、第１学習モデルを取得する場合について説明したが、この限りでない。例えば、調理支援装置２００ａが、学習装置１００ａから、第１学習モデルを取得してもよい。
第２の実施形態の第２の実施形態の変形例に係る調理支援装置２００ａによれば、調理支援装置２００ａは、学習装置１００ａから取得した第２学習モデルに基づいて、評価対象である盛り付けた料理の温度を示す情報から、その料理の温度の評価結果を導出できる。さらに、調理支援装置２００ａは、導出した料理の温度の評価結果にさらに基づいて、その盛り付けた料理を、お客様に提供できるか否かを判定できる。このため、料理の温度がある基準以上である盛り付けた料理が、お客様に提供できると判定されるため、お客様へ提供する盛り付けた料理の均一性を向上できる。

以上、本発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等も含まれる。
また、上述した学習装置１００と、学習装置１００ａと、調理支援装置２００と、調理支援装置２００ａとの機能を実現するためのコンピュータプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行するようにしてもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＤＶＤ（Digital Versatile Disk）等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含むものとする。
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。
さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。

１０…端末装置、５０…ネットワーク、１００、１００ａ…学習装置、１０２…ＣＰＵ、１０４…メモリ、１０６…通信部、１０８、１０８ａ…不揮発性メモリ、１０８２…プログラム、１０８４、１０８４ａ…アプリ、１０８６、１０８６ａ…学習データ、１０８７、１０８７ａ…学習モデル、１５２、１５２ａ…受付部、１５４、１５４ａ…取得部、１５６、１５６ａ…学習部、１５８、１５８ａ…出力部、２００、２００ａ…調理支援装置、２０２…ＣＰＵ、２０４…メモリ、２０６…通信部、２０８、２０８ａ…不揮発性メモリ、２０８２…プログラム、２０８４、２０８４ａ…アプリ、２０８７、２０８７ａ…学習モデル、２５２、２５２ａ…受付部、２５４、２５４ａ…導出部、２５５、２５５ａ…判定部、２５６、２５６ａ…出力部

Claims (10)

1. 盛り付けた料理を被写体とした画像と、前記画像に表されている前記料理の盛り付け位置の評価結果とに基づいて、盛り付けた料理を被写体とする画像を入力とし、前記画像に表されている前記料理の盛り付け位置の評価結果を教師データとして、教師あり学習することによって得られた学習モデルを用いて、評価対象である盛り付けた料理を被写体とする画像から、該料理の盛り付け位置の評価結果を導出する導出部と、
   前記導出部が導出した前記評価結果に基づいて、評価対象である盛り付けた前記料理を、提供するか否かを判定する判定部と、
   前記判定部が判定した結果を出力する出力部と
   を備える、調理支援装置。
2. 前記評価結果は、数値で表され、
   前記判定部は、前記評価結果が、閾値以上である場合に、評価対象である盛り付けた前記料理を提供すると判定する、請求項１に記載の調理支援装置。
3. 前記学習モデルは、盛り付けた料理の温度を示す情報を入力とし、前記画像に表されている前記料理の温度の評価結果を教師データとして、教師あり学習することによって得られる、請求項１又は請求項２に記載の調理支援装置。
4. 評価対象である前記料理の注文を受けた時刻を示す情報を受け付ける受付部
   を備え、
   前記判定部は、前記受付部が受け付けた前記時刻を示す前記情報に基づいて、受け付けた前記時刻からの経過時刻にさらに基づいて、評価対象である盛り付けた前記料理を、提供するか否かを判定する、請求項１から請求項３のいずれか一項に記載の調理支援装置。
5. 盛り付けた料理を被写体とした画像と、前記画像に表されている前記料理の盛り付け位置の評価結果とに基づいて、盛り付けた料理を被写体とする画像と、前記画像に表されている前記料理の盛り付け位置の評価結果との関係を表す学習モデルを、教師あり学習によって生成する学習部を有する学習装置。
6. 前記学習部は、盛り付けた料理の温度を示す情報と、前記料理の温度の評価結果とに基づいて、盛り付けた料理の温度を示す情報と、前記料理の温度の評価結果との関係を表す学習モデルを、教師あり学習によって生成する、請求項５に記載の学習装置。
7. 盛り付けた料理を被写体とした画像と、前記画像に表されている前記料理の盛り付け位置の評価結果とに基づいて、盛り付けた料理を被写体とする画像を入力とし、前記画像に表されている前記料理の盛り付け位置の評価結果を教師データとして、教師あり学習することによって得られた学習モデルを用いて、評価対象である盛り付けた料理を被写体とする画像から、該料理の盛り付け位置の評価結果を導出するステップと、
   前記導出するステップで導出した前記評価結果に基づいて、評価対象である盛り付けた前記料理を、提供するか否かを判定するステップと、
   前記判定するステップで判定した結果を出力する出力部と
   を有する、調理支援装置が実行する調理支援方法。
8. 盛り付けた料理を被写体とした画像と、前記画像に表されている前記料理の盛り付け位置の評価結果とを受け付けるステップと、
   前記受け付けるステップで受け付けた盛り付けた料理を被写体とした前記画像と、前記画像に表されている前記料理の盛り付け位置の前記評価結果とに基づいて、盛り付けた料理を被写体とする画像と、前記画像に表されている前記料理の盛り付け位置の評価結果との関係を表す学習モデルを、教師あり学習によって生成するステップと
   を有する、学習装置が実行する学習方法。
9. 調理支援装置のコンピュータに、
   盛り付けた料理を被写体とした画像と、前記画像に表されている前記料理の盛り付け位置の評価結果とに基づいて、盛り付けた料理を被写体とする画像を入力とし、前記画像に表されている前記料理の盛り付け位置の評価結果を教師データとして、教師あり学習することによって得られた学習モデルを用いて、評価対象である盛り付けた料理を被写体とする画像から、該料理の盛り付け位置の評価結果を導出するステップと、
   前記導出するステップで導出した前記評価結果に基づいて、評価対象である盛り付けた前記料理を、提供するか否かを判定するステップと、
   前記判定するステップで判定した結果を出力するステップと
   を実行させる、プログラム。
10. 学習装置のコンピュータに、
    盛り付けた料理を被写体とした画像と、前記画像に表されている前記料理の盛り付け位置の評価結果とを受け付けるステップと、
    前記受け付けるステップで受け付けた盛り付けた料理を被写体とした前記画像と、前記画像に表されている前記料理の盛り付け位置の前記評価結果とに基づいて、盛り付けた料理を被写体とする画像と、前記画像に表されている前記料理の盛り付け位置の評価結果との関係を表す学習モデルを、教師あり学習によって生成するステップと
    を実行させる、プログラム。

Images