JP2021162490A - 生鮮品の判定装置およびプログラム - Google Patents
生鮮品の判定装置およびプログラム Download PDFInfo
- Publication number
- JP2021162490A JP2021162490A JP2020065239A JP2020065239A JP2021162490A JP 2021162490 A JP2021162490 A JP 2021162490A JP 2020065239 A JP2020065239 A JP 2020065239A JP 2020065239 A JP2020065239 A JP 2020065239A JP 2021162490 A JP2021162490 A JP 2021162490A
- Authority
- JP
- Japan
- Prior art keywords
- perishable product
- taste
- product
- state information
- perishable
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
【課題】生鮮品の味に関わる品質を、生鮮品の状態を示す客観的なデータを用いて判定する。【解決手段】判定装置100は、生鮮品の味に関わる品質に対する人為的な評価を用いて、この生鮮品の客観的な状態を表す状態情報に対して機械学習された学習済みモデルを有する解析部120と、判定対象の生鮮品の状態情報を取得するデータ取得部110と、を備える。解析部120は、データ取得部110が取得した状態情報を、学習済みモデルに入力することで、この生鮮品の味に関わる品質を判定する。【選択図】図1
Description
本開示は、生鮮品の判定装置およびプログラムに関する。
特許文献1には、判定対象である生鮮食品をデジタルカメラで撮影し、得られた撮影画像から当該生鮮食品表面を写したパッチを抽出し、当該パッチの画像統計量を算出し、予め準備しておいた鮮度判定用関数によって当該画像統計量から当該生鮮食品の経過時間を予測することにより、生鮮食品の鮮度を判定することが記載されている。また、鮮度判定用関数として、機械学習アルゴリズムによって学習させた関数を用いることが記載されている。
生鮮品に関して食べ頃や美味しさのような味に関わる品質は、生鮮品の種類に応じて様々な判定方法および判定基準に基づいて判定される。また、かかる品質は、鮮度のように必ずしも時間の経過に伴って単調に変化するとは限らず、いわゆる追熟のように収穫後一定期間を経ることにより品質が向上する場合がある。このような、多様な品質の判定を、熟練者の感覚に頼らずに行うことが望まれる。
本開示は、生鮮品の味に関わる品質を、生鮮品の状態を示す客観的なデータを用いて判定する判定装置を提供することを目的とする。
本開示の判定装置は、生鮮品の味に関わる品質に対する人為的な評価を用いて、当該生鮮品の客観的な状態を表す状態情報に対して機械学習された学習済みモデルを有する判定手段と、判定対象の生鮮品の前記状態情報を取得する取得手段と、を備え、前記判定手段は、前記取得手段が取得した前記状態情報を、前記学習済みモデルに入力することで、前記生鮮品の味に関わる品質を判定する、生鮮品の判定装置である。
このようにすれば、生鮮品の味に関わる品質を、生鮮品の状態を示す客観的なデータを用いて判定することができる。
このようにすれば、生鮮品の味に関わる品質を、生鮮品の状態を示す客観的なデータを用いて判定することができる。
ここで、前記判定手段は、前記人為的な評価として生鮮品の食べ頃に対する評価を用い、前記状態情報として少なくとも当該生鮮品の熟成度に対して機械学習された学習済みモデルを有し、前記取得手段は、少なくとも前記生鮮品の熟成度を取得することとしても良い。
このようにすれば、生鮮品の味に関わる品質のうち食べ頃に関して、生鮮品の客観的なデータを用いて判定することができる。
このようにすれば、生鮮品の味に関わる品質のうち食べ頃に関して、生鮮品の客観的なデータを用いて判定することができる。
また、前記判定手段は、前記人為的な評価として生鮮品の美味しさに対する評価を用い、前記状態情報として少なくとも当該生鮮品に含まれる呈味成分に対して機械学習された学習済みモデルを有し、前記取得手段は、少なくとも前記生鮮品に含まれる呈味成分の情報を取得することとしても良い。
このようにすれば、生鮮品の味に関わる品質のうち美味しさに関して、生鮮品の客観的なデータを用いて判定することができる。
このようにすれば、生鮮品の味に関わる品質のうち美味しさに関して、生鮮品の客観的なデータを用いて判定することができる。
また、本開示のプログラムは、コンピュータに、生鮮品の味に関わる品質に対する人為的な評価を用いて、当該生鮮品の客観的な状態を表す状態情報に対して機械学習された学習済みモデルを有し、生鮮品の味に関わる品質を判定する機能と、判定対象の生鮮品の前記状態情報を取得して前記学習済みモデルに入力する機能と、を実現させるプログラムである。
このプログラムをインストールしたコンピュータによれば、生鮮品の味に関わる品質を、生鮮品の状態を示す客観的なデータを用いて判定することができる。
このプログラムをインストールしたコンピュータによれば、生鮮品の味に関わる品質を、生鮮品の状態を示す客観的なデータを用いて判定することができる。
以下、添付図面を参照して、実施の形態について詳細に説明する。
本実施形態では、生鮮品の味に関わる品質を判定する。味に関わる品質は、呈味成分の含有量のバランス、食感、色、匂い等、様々な要素に基づいて評価される。また、鮮度等のように時間の経過に伴って単調に変化するとは限らない。例えば、肉類や魚介類等の熟成や一部の果実における追熟等のように、収穫後一定期間を経ることにより品質が向上する場合もある。このような複雑な内容であるため、一般に、味に関わる品質の評価には、人為的な官能検査が行われることが多い。本実施形態は、生鮮品の味に関わる品質に対する人為的な評価と、かかる生鮮品の状態情報との関係に基づき、味に関わる品質を機械的に判定する。
本実施形態では、生鮮品の味に関わる品質を判定する。味に関わる品質は、呈味成分の含有量のバランス、食感、色、匂い等、様々な要素に基づいて評価される。また、鮮度等のように時間の経過に伴って単調に変化するとは限らない。例えば、肉類や魚介類等の熟成や一部の果実における追熟等のように、収穫後一定期間を経ることにより品質が向上する場合もある。このような複雑な内容であるため、一般に、味に関わる品質の評価には、人為的な官能検査が行われることが多い。本実施形態は、生鮮品の味に関わる品質に対する人為的な評価と、かかる生鮮品の状態情報との関係に基づき、味に関わる品質を機械的に判定する。
本実施形態では、味に関わる品質の一例として、生鮮品の「食べ頃」および「美味しさ」を判定する。「食べ頃」の評価に関連する状態情報としては、熟成度の情報を用いる。また、「美味しさ」の評価に関連する状態情報としては、呈味成分の情報を用いる。本実施形態では、「食べ頃」および「美味しさ」を判定するために、機械学習による学習モデルを用いる。具体的には、ある生鮮品に関して、「食べ頃」および「美味しさ」に関して人為的な官能検査により評価する。一方、この生鮮品の熟成度および呈味成分について客観的な測定データを取得する。そして、得られた熟成度の測定データと「食べ頃」の評価との関係、呈味成分の測定データと「美味しさ」の評価との関係を、それぞれ機械学習により学習し、学習モデルを生成する。生鮮品の「食べ頃」または「美味しさ」を判定する場合には、判定対象の生鮮品(以下、「対象生鮮品」と呼ぶ)の熟成度(「食べ頃」を判定する場合)または呈味成分(「美味しさ」を判定する場合)を測定し、得られた測定データを学習済みモデルに入力することにより、「食べ頃」または「美味しさ」の判定結果を得る。
<装置構成>
図1は、本実施形態が適用される生鮮品の判定装置の構成を示す図である。判定装置100は、データ取得部110と、解析部120と、表示部130と、入力部140とを備える。
図1は、本実施形態が適用される生鮮品の判定装置の構成を示す図である。判定装置100は、データ取得部110と、解析部120と、表示部130と、入力部140とを備える。
判定装置100は、種々の外形を取り得る。例えば、手持ち型の筐体に各機能を担うデバイスを設けた一体型の構成としても良い。また、データ取得部110を構成するデバイスと、解析部120、表示部130および入力部140の機能を担う情報処理装置とを接続して使用する分離型の構成としても良い。分離型の構成の場合、情報処理装置は、例えばパーソナルコンピュータやタブレット型情報端末等により実現し、データ取得部110を構成するデバイスと情報処理装置とを通信回線にて接続する。通信回線は、有線でも良いし無線でも良い。また、ネットワークを介してデバイス間を接続しても良い。後述するように、測定するデータの種類に応じて様々な種類のデバイスがデータ取得部110として用いられる。分離型の構成とすれば、情報処理装置に接続するデバイスを交換することで、様々な測定を容易に行うことができる。
データ取得部110は、対象生鮮品を測定し、測定データ(状態情報)を取得するデバイスである。生鮮品の状態を示す状態情報は、呈味成分の含有量のバランス、食感、色、匂い等の様々な種類がある。そのため、データ取得部110としては、これらの要素を測定するための様々なデバイスが用意される。例えば、呈味成分や色は、対象生鮮品の反射光や透過光を分析することで測定し得る。また、食感は、対象生鮮品の硬さや弾性等により測定し得る。また、匂いは、対象生鮮品の周囲の空気を分析することで測定し得る。したがって、対象生鮮品の種類に応じて、「食べ頃」や「美味しさ」を判定するのに必要となる状態情報を得るためのデバイスが、データ取得部110として用意される。なお、これらの状態情報を得るための具体的なデバイス(各種のセンサや装置)は、得ようとする情報の種類に対応する既存のデバイスを用いて良い。データ取得部110は、取得手段の一例である。
解析部120は、データ取得部110により取得されたデータを解析し、対象生鮮品の味に関わる品質(ここでは、「食べ頃」や「美味しさ」)を判定する。解析部120によるデータの解析には、予め機械学習により学習された学習済みモデルが用いられる。解析部120は、取得したデータを学習済みモデルに入力し、出力として味に関わる品質の判定結果を得る。解析部120は、判定手段の一例である。
表示部130は、解析部120による判定結果を表示する装置である。表示部130としては、例えば、液晶ディスプレイ等が用いられる。表示部130には、判定結果の他、動作状態や入力部140による操作を受け付けたことを使用者に報知する表示等が行われる。
入力部140は、判定装置100の使用者による入力操作を受け付ける装置である。入力部140としては、例えば、対象生鮮品の種類を選択したり、判定結果を表示部130に表示させるためのキースイッチが用いられる。また、判定装置100を上述した分離型で構成し、解析部120、表示部130および入力部140をパーソナルコンピュータやタブレット型情報端末で実現する場合、入力部140としてキーボードやマウス等を用いても良い。また、入力部140としてタッチセンサを用い、表示部130である液晶ディスプレイと組み合わせて、ユーザインターフェイスとしてのタッチパネルを構成しても良い。
図2は、データ取得部110の構成例を示す図である。図2に示すデータ取得部110は、対象生鮮品の呈味成分や色を測定するためのデバイスの例である。図2に示すデータ取得部110は、投光器111と受光器112とを備える。投光器111は、特定の波長の光(例えば、近赤外線等)を発して対象生鮮品に当てる。受光器112は、対象生鮮品が反射した光を受けて、電気信号を出力する。投光器111から発する光の波長を変えながら、受光器112から出力される電気信号を測定することで、対象生鮮品がどの波長の光を吸収したかを知ることができる。呈味成分の種類に応じて吸収される光の波長が異なるため、受光器112の出力から呈味成分の含有率等のデータ(状態情報)が得られる。
なお、図2を参照して説明したデータ取得部110は、例示に過ぎない。上述したように、測定しようとする状態情報の種類に応じて、様々な構成のデバイスをデータ取得部110として用い得る。例えば、対象生鮮品や分析しようとする呈味成分の種類によっては、投光器111から発して対象生鮮品を透過した光を受光器112で受ける構成としても良い。また、対象生鮮品の硬さや弾性を測定する場合、対象生鮮品の表面を予め設定された様々な大きさの力で押し、反発力を測定する機構を設けても良い。また、対象生鮮品の匂いや対象生鮮品が発生させる気体成分を測定する場合、対象生鮮品の周囲の気体を収集し、フィルタにより特定の成分を捕集したり、試薬の反応に基づいて成分を分析したりする構成としても良い。
図3は、解析部120の構成例を示す図である。解析部120は、コンピュータにより実現される。解析部120を実現するコンピュータは、演算手段であるCPU(Central Processing Unit)121と、記憶手段であるRAM(Random Access Memory)122、ROM(Read Only Memory)123とを備える。RAM122は、主記憶装置(メイン・メモリ)であり、CPU121が演算処理を行う際の作業用メモリとして用いられる。ROM123にはプログラムや予め用意された設定値、「食べ頃」や「美味しさ」を判定するための学習済みモデル等のデータが保持されており、CPU121はROM123から直接プログラムやデータを読み込んで処理を実行することができる。なお、図3に示す構成は例示に過ぎない。例えば、図3に示す構成に加えて、プログラムやCPU121による処理の結果が格納される記憶装置を備え、対象生鮮品の種類ごとに用意される学習済みモデルを格納しても良い。
コンピュータにより解析部120を実現する場合、例えば、上記のCPU121がプログラムを実行することにより、データ取得部110から測定データ(状態情報)を取得する機能、取得したデータを対象生鮮品の種類に応じて特定される学習モデルに入力して対象生鮮品の味に関わる品質を判定する機能、判定結果を出力する機能等が実現される。このプログラムは、半導体メモリや磁気ディスク、光ディスク等の記憶媒体に格納して提供したり、ネットワークを介して提供したりすることができる。そして、このプログラムをコンピュータにインストールすることにより、かかるコンピュータにおいて上記の各機能が実現される。
学習済みモデルは、例えば次のようにして生成される。判定対象にしようとする種類の生鮮品のサンプルを用意し、判定の際と同様に熟成度および呈味成分に関する状態情報を判定の際と同様の手法で測定する。そして、判定者がサンプルの生鮮品を摂食し、「食べ頃」および「美味しさ」を評価する。評価は、例えば、3段階や5段階等に分け、一つのサンプルを複数の判定者が接触して評価する等、できるだけ偏りの生じ難い方法で行われる。そして、サンプルについての熟成度および呈味成分の測定データと「食べ頃」および「美味しさ」の評価結果の組を教師データとして用い、機械学習を行って学習モデルを生成する。機械学習のアルゴリズムは、いわゆる教師あり学習により学習されたモデルを用いて対象生鮮品を分類できるものであれば、特に限定しない。
<学習モデルの生成>
図4は、解析部120が用いる学習モデルの生成処理を示すフローチャートである。なお、本実施形態では、判定装置100において学習を行う機能を備えることは想定していない。したがって、図4に示す処理は、この学習モデルの生成処理は、学習モデルの生成用に用意された情報処理装置において行われる。ただし、生鮮品のサンプルから状態情報を取得するために、この情報処理装置は、判定装置100のデータ取得部110と同様のデバイスに接続されている。
図4は、解析部120が用いる学習モデルの生成処理を示すフローチャートである。なお、本実施形態では、判定装置100において学習を行う機能を備えることは想定していない。したがって、図4に示す処理は、この学習モデルの生成処理は、学習モデルの生成用に用意された情報処理装置において行われる。ただし、生鮮品のサンプルから状態情報を取得するために、この情報処理装置は、判定装置100のデータ取得部110と同様のデバイスに接続されている。
上述したように、まず、上記のデバイスを用いて生鮮品のサンプルの状態情報が取得される(S401)。また、サンプルを摂食して官能検査を行った判定者による評価(図では、「食味官能の評価」と記載)を取得する(S402)。この評価は、例えば、判定者等が入力デバイスを操作して入力することにより取得される。この後、取得した状態情報および評価を用い、状態情報に基づき味に関わる品質を判定するモデルが最適化される(S403)。
<味に関わる品質の判定>
図5は、解析部120による味に関わる品質の判定処理を示すフローチャートである。対象生鮮品の味に関わる品質を判定する場合、判定装置100の使用者は、判定装置100を測定モードにして、データ取得部110で対象生鮮品を測定する。これにより状態情報が取得される(S501)。解析部120は、取得した状態情報を、対象生鮮品の種類に応じて特定される学習モデルに入力し、対象生鮮品の味に関わる品質(図では、「食味」と記載)を判定する(S502)。そして、解析部120による判定結果が表示部130により出力される(S503)。
図5は、解析部120による味に関わる品質の判定処理を示すフローチャートである。対象生鮮品の味に関わる品質を判定する場合、判定装置100の使用者は、判定装置100を測定モードにして、データ取得部110で対象生鮮品を測定する。これにより状態情報が取得される(S501)。解析部120は、取得した状態情報を、対象生鮮品の種類に応じて特定される学習モデルに入力し、対象生鮮品の味に関わる品質(図では、「食味」と記載)を判定する(S502)。そして、解析部120による判定結果が表示部130により出力される(S503)。
以上、実施形態について説明したが、本開示の技術的範囲は上記実施形態には限定されない。例えば、上記の実施形態では、味に関わる品質の例として「食べ頃」および「美味しさ」に着目し、これらの品質に影響する生鮮品の状態情報として熟成度を用いて「食べ頃」を判定し、呈味成分を用いて「美味しさ」を判定した。これに対し、熟成度に加えてまたは熟成度に代えて、他の状態情報を用いて生鮮品の「食べ頃」を判定しても良いし、呈味成分に加えてまたは呈味成分に代えて、他の状態情報を用いて生鮮品の「美味しさ」を判定しても良い。また、判定対象の品質は「食べ頃」および「美味しさ」に限定されない。さらに、味に関わる品質を判定するために用いる状態情報やその組み合わせを、生鮮品の種類に応じて個別に設定しても良い。その他、本開示の技術思想の範囲から逸脱しない様々な変更や構成の代替は、本開示に含まれる。
ここで、上記にて説明した実施形態は、以下のように捉えることができる。本開示の判定装置は、生鮮品の味に関わる品質に対する人為的な評価を用いて、この生鮮品の客観的な状態を表す状態情報に対して機械学習された学習済みモデルを有する解析部120と、判定対象の生鮮品の状態情報を取得するデータ取得部110と、を備え、解析部120は、取得手段が取得した状態情報を、学習済みモデルに入力することで、この生鮮品の味に関わる品質を判定する、生鮮品の判定装置100である。
このようにすれば、生鮮品の味に関わる品質を、生鮮品の状態を示す客観的なデータを用いて判定することができる。
このようにすれば、生鮮品の味に関わる品質を、生鮮品の状態を示す客観的なデータを用いて判定することができる。
ここで、解析部120は、人為的な評価として生鮮品の食べ頃に対する評価を用い、状態情報として少なくとも生鮮品の熟成度に対して機械学習された学習済みモデルを有し、データ取得部110は、少なくとも生鮮品の熟成度を取得することとしても良い。
このようにすれば、生鮮品の味に関わる品質のうち食べ頃に関して、生鮮品の客観的なデータを用いて判定することができる。
このようにすれば、生鮮品の味に関わる品質のうち食べ頃に関して、生鮮品の客観的なデータを用いて判定することができる。
また、解析部120は、人為的な評価として生鮮品の美味しさに対する評価を用い、状態情報として少なくとも生鮮品に含まれる呈味成分に対して機械学習された学習済みモデルを有し、データ取得部110は、少なくとも生鮮品に含まれる呈味成分の情報を取得することとしても良い。
このようにすれば、生鮮品の味に関わる品質のうち美味しさに関して、生鮮品の客観的なデータを用いて判定することができる。
このようにすれば、生鮮品の味に関わる品質のうち美味しさに関して、生鮮品の客観的なデータを用いて判定することができる。
また、本開示のプログラムは、コンピュータに、生鮮品の味に関わる品質に対する人為的な評価を用いて、この生鮮品の客観的な状態を表す状態情報に対して機械学習された学習済みモデルを有し、生鮮品の味に関わる品質を判定する機能と、判定対象の生鮮品の状態情報を取得して学習済みモデルに入力する機能と、を実現させるプログラムである。
このプログラムをインストールしたコンピュータによれば、生鮮品の味に関わる品質を、生鮮品の状態を示す客観的なデータを用いて判定することができる。
このプログラムをインストールしたコンピュータによれば、生鮮品の味に関わる品質を、生鮮品の状態を示す客観的なデータを用いて判定することができる。
100…判定装置、110…データ取得部、120…解析部、130…表示部、140…入力部
Claims (4)
- 生鮮品の味に関わる品質に対する人為的な評価を用いて、当該生鮮品の客観的な状態を表す状態情報に対して機械学習された学習済みモデルを有する判定手段と、
判定対象の生鮮品の前記状態情報を取得する取得手段と、を備え、
前記判定手段は、前記取得手段が取得した前記状態情報を、前記学習済みモデルに入力することで、前記生鮮品の味に関わる品質を判定する、生鮮品の判定装置。 - 前記判定手段は、前記人為的な評価として生鮮品の食べ頃に対する評価を用い、前記状態情報として少なくとも当該生鮮品の熟成度に対して機械学習された学習済みモデルを有し、
前記取得手段は、少なくとも前記生鮮品の熟成度を取得することを特徴とする、請求項1に記載の生鮮品の判定装置。 - 前記判定手段は、前記人為的な評価として生鮮品の美味しさに対する評価を用い、前記状態情報として少なくとも当該生鮮品に含まれる呈味成分に対して機械学習された学習済みモデルを有し、
前記取得手段は、少なくとも前記生鮮品に含まれる呈味成分の情報を取得することを特徴とする、請求項1に記載の生鮮品の判定装置。 - コンピュータに、
生鮮品の味に関わる品質に対する人為的な評価を用いて、当該生鮮品の客観的な状態を表す状態情報に対して機械学習された学習済みモデルを有し、生鮮品の味に関わる品質を判定する機能と、
判定対象の生鮮品の前記状態情報を取得して前記学習済みモデルに入力する機能と、
を実現させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020065239A JP2021162490A (ja) | 2020-03-31 | 2020-03-31 | 生鮮品の判定装置およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020065239A JP2021162490A (ja) | 2020-03-31 | 2020-03-31 | 生鮮品の判定装置およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021162490A true JP2021162490A (ja) | 2021-10-11 |
Family
ID=78004831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020065239A Pending JP2021162490A (ja) | 2020-03-31 | 2020-03-31 | 生鮮品の判定装置およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021162490A (ja) |
-
2020
- 2020-03-31 JP JP2020065239A patent/JP2021162490A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schmutzler et al. | Methods for detection of pork adulteration in veal product based on FT-NIR spectroscopy for laboratory, industrial and on-site analysis | |
JP4645422B2 (ja) | 判定装置、判定装置の制御プログラム、および判定装置の制御プログラムを記録した記録媒体 | |
JP5854516B2 (ja) | 食感指標の測定方法及び測定装置 | |
JP7063389B2 (ja) | 処理装置、処理方法、およびプログラム | |
US7096715B2 (en) | Odor discriminating apparatus | |
JP2006017637A5 (ja) | ||
Wang et al. | Recent advances in portable devices for fruit firmness assessment | |
Berardinelli et al. | Kiwifruit flesh firmness determination by a NIR sensitive device and image multivariate data analyses | |
JP6760663B2 (ja) | 試料解析装置および試料解析用プログラム | |
Shao et al. | Measurement of soluble solids content and pH of yogurt using visible/near infrared spectroscopy and chemometrics | |
CN112368720A (zh) | 信息处理设备、信息处理方法和程序 | |
US20220299493A1 (en) | System using machine learning model to determine food item ripeness | |
JP5109932B2 (ja) | におい測定装置 | |
JP2021162490A (ja) | 生鮮品の判定装置およびプログラム | |
JP7006799B2 (ja) | 情報処理装置、センサ動作最適化方法、およびプログラム | |
Oshin et al. | Food Rotting Prediction and Detection System for Warehouse | |
JP7056747B2 (ja) | 情報処理装置、処理装置、情報処理方法、処理方法、決定方法、およびプログラム | |
JP6906117B1 (ja) | 情報処理装置、匂い測定システムおよびプログラム | |
JP2004093447A (ja) | におい測定装置 | |
WO2006046197A1 (en) | Device and method for determining the calorie content of an object | |
JP2006284354A (ja) | 商品判別装置、商品判別方法、及び、プログラム | |
JP2005134114A (ja) | 硬度測定装置 | |
TWI712964B (zh) | 水果受消費者喜好程度之預測方法、系統及其資料處理裝置 | |
CN114418270B (zh) | 一种食品检测的样品智能化筛查方法及系统 | |
Chen et al. | Multi-sensor Data Fusion Technologies in Food |