JP2022047369A - Method for making sense-of-taste estimation model, sense-of-taste estimation system, and sense-of-taste estimation program - Google Patents
Method for making sense-of-taste estimation model, sense-of-taste estimation system, and sense-of-taste estimation program Download PDFInfo
- Publication number
- JP2022047369A JP2022047369A JP2020153249A JP2020153249A JP2022047369A JP 2022047369 A JP2022047369 A JP 2022047369A JP 2020153249 A JP2020153249 A JP 2020153249A JP 2020153249 A JP2020153249 A JP 2020153249A JP 2022047369 A JP2022047369 A JP 2022047369A
- Authority
- JP
- Japan
- Prior art keywords
- taste
- estimation model
- data
- drink
- component
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 230000014860 sensory perception of taste Effects 0.000 title abstract 12
- 235000019640 taste Nutrition 0.000 claims abstract description 609
- 235000013305 food Nutrition 0.000 claims abstract description 141
- 235000013334 alcoholic beverage Nutrition 0.000 claims description 22
- 238000004587 chromatography analysis Methods 0.000 claims description 7
- 150000002632 lipids Chemical class 0.000 claims description 5
- 239000012528 membrane Substances 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 3
- BVKZGUZCCUSVTD-UHFFFAOYSA-N carbonic acid Chemical compound OC(O)=O BVKZGUZCCUSVTD-UHFFFAOYSA-N 0.000 claims 5
- 230000008569 process Effects 0.000 description 52
- 238000003860 storage Methods 0.000 description 26
- 238000004364 calculation method Methods 0.000 description 21
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 18
- 238000012545 processing Methods 0.000 description 13
- 239000004615 ingredient Substances 0.000 description 7
- 238000007637 random forest analysis Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 235000005911 diet Nutrition 0.000 description 6
- 230000037213 diet Effects 0.000 description 6
- 238000012417 linear regression Methods 0.000 description 6
- 235000019583 umami taste Nutrition 0.000 description 6
- WHUUTDBJXJRKMK-VKHMYHEASA-N L-glutamic acid Chemical compound OC(=O)[C@@H](N)CCC(O)=O WHUUTDBJXJRKMK-VKHMYHEASA-N 0.000 description 5
- 235000019658 bitter taste Nutrition 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000002360 preparation method Methods 0.000 description 5
- 238000000611 regression analysis Methods 0.000 description 5
- WHUUTDBJXJRKMK-UHFFFAOYSA-N Glutamic acid Natural products OC(=O)C(N)CCC(O)=O WHUUTDBJXJRKMK-UHFFFAOYSA-N 0.000 description 4
- 235000013922 glutamic acid Nutrition 0.000 description 4
- 239000004220 glutamic acid Substances 0.000 description 4
- 235000019614 sour taste Nutrition 0.000 description 4
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 3
- KRKNYBCHXYNGOX-UHFFFAOYSA-N citric acid Chemical compound OC(=O)CC(O)(C(O)=O)CC(O)=O KRKNYBCHXYNGOX-UHFFFAOYSA-N 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004255 ion exchange chromatography Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 150000007524 organic acids Chemical class 0.000 description 3
- 235000005985 organic acids Nutrition 0.000 description 3
- 235000019600 saltiness Nutrition 0.000 description 3
- DHMQDGOQFOQNFH-UHFFFAOYSA-N Glycine Chemical compound NCC(O)=O DHMQDGOQFOQNFH-UHFFFAOYSA-N 0.000 description 2
- 241000282412 Homo Species 0.000 description 2
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 2
- WCUXLLCKKVVCTQ-UHFFFAOYSA-M Potassium chloride Chemical compound [Cl-].[K+] WCUXLLCKKVVCTQ-UHFFFAOYSA-M 0.000 description 2
- LOUPRKONTZGTKE-WZBLMQSHSA-N Quinine Chemical compound C([C@H]([C@H](C1)C=C)C2)C[N@@]1[C@@H]2[C@H](O)C1=CC=NC2=CC=C(OC)C=C21 LOUPRKONTZGTKE-WZBLMQSHSA-N 0.000 description 2
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 2
- 235000001014 amino acid Nutrition 0.000 description 2
- 150000001413 amino acids Chemical class 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 2
- RYYVLZVUVIJVGH-UHFFFAOYSA-N caffeine Chemical compound CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 238000001212 derivatisation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 2
- 150000002337 glycosamines Chemical class 0.000 description 2
- 238000003988 headspace gas chromatography Methods 0.000 description 2
- 238000004811 liquid chromatography Methods 0.000 description 2
- KWGKDLIKAYFUFQ-UHFFFAOYSA-M lithium chloride Chemical compound [Li+].[Cl-] KWGKDLIKAYFUFQ-UHFFFAOYSA-M 0.000 description 2
- 238000004949 mass spectrometry Methods 0.000 description 2
- 235000019643 salty taste Nutrition 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- KDYFGRWQOYBRFD-UHFFFAOYSA-N succinic acid Chemical compound OC(=O)CCC(O)=O KDYFGRWQOYBRFD-UHFFFAOYSA-N 0.000 description 2
- 235000000346 sugar Nutrition 0.000 description 2
- AUHDWARTFSKSAC-HEIFUQTGSA-N (2S,3R,4S,5R)-3,4-dihydroxy-5-(hydroxymethyl)-2-(6-oxo-1H-purin-9-yl)oxolane-2-carboxylic acid Chemical compound [C@]1([C@H](O)[C@H](O)[C@@H](CO)O1)(N1C=NC=2C(O)=NC=NC12)C(=O)O AUHDWARTFSKSAC-HEIFUQTGSA-N 0.000 description 1
- BJEPYKJPYRNKOW-REOHCLBHSA-N (S)-malic acid Chemical compound OC(=O)[C@@H](O)CC(O)=O BJEPYKJPYRNKOW-REOHCLBHSA-N 0.000 description 1
- OWEGMIWEEQEYGQ-UHFFFAOYSA-N 100676-05-9 Natural products OC1C(O)C(O)C(CO)OC1OCC1C(O)C(O)C(O)C(OC2C(OC(O)C(O)C2O)CO)O1 OWEGMIWEEQEYGQ-UHFFFAOYSA-N 0.000 description 1
- 108010011485 Aspartame Proteins 0.000 description 1
- 235000001258 Cinchona calisaya Nutrition 0.000 description 1
- 229930091371 Fructose Natural products 0.000 description 1
- 239000005715 Fructose Substances 0.000 description 1
- RFSUNEUAIZKAJO-ARQDHWQXSA-N Fructose Chemical compound OC[C@H]1O[C@](O)(CO)[C@@H](O)[C@@H]1O RFSUNEUAIZKAJO-ARQDHWQXSA-N 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 239000004471 Glycine Substances 0.000 description 1
- GRSZFWQUAKGDAV-UHFFFAOYSA-N Inosinic acid Natural products OC1C(O)C(COP(O)(O)=O)OC1N1C(NC=NC2=O)=C2N=C1 GRSZFWQUAKGDAV-UHFFFAOYSA-N 0.000 description 1
- LPHGQDQBBGAPDZ-UHFFFAOYSA-N Isocaffeine Natural products CN1C(=O)N(C)C(=O)C2=C1N(C)C=N2 LPHGQDQBBGAPDZ-UHFFFAOYSA-N 0.000 description 1
- COLNVLDHVKWLRT-QMMMGPOBSA-N L-phenylalanine Chemical compound OC(=O)[C@@H](N)CC1=CC=CC=C1 COLNVLDHVKWLRT-QMMMGPOBSA-N 0.000 description 1
- GUBGYTABKSRVRQ-PICCSMPSSA-N Maltose Natural products O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CO)O[C@@H]1O[C@@H]1[C@@H](CO)OC(O)[C@H](O)[C@H]1O GUBGYTABKSRVRQ-PICCSMPSSA-N 0.000 description 1
- 229930006000 Sucrose Natural products 0.000 description 1
- CZMRCDWAGMRECN-UGDNZRGBSA-N Sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- BJEPYKJPYRNKOW-UHFFFAOYSA-N alpha-hydroxysuccinic acid Natural products OC(=O)C(O)CC(O)=O BJEPYKJPYRNKOW-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- IAOZJIPTCAWIRG-QWRGUYRKSA-N aspartame Chemical compound OC(=O)C[C@H](N)C(=O)N[C@H](C(=O)OC)CC1=CC=CC=C1 IAOZJIPTCAWIRG-QWRGUYRKSA-N 0.000 description 1
- 229960003438 aspartame Drugs 0.000 description 1
- 235000010357 aspartame Nutrition 0.000 description 1
- 239000000605 aspartame Substances 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- GUBGYTABKSRVRQ-QUYVBRFLSA-N beta-maltose Chemical compound OC[C@H]1O[C@H](O[C@H]2[C@H](O)[C@@H](O)[C@H](O)O[C@@H]2CO)[C@H](O)[C@@H](O)[C@@H]1O GUBGYTABKSRVRQ-QUYVBRFLSA-N 0.000 description 1
- 229960001948 caffeine Drugs 0.000 description 1
- VJEONQKOZGKCAK-UHFFFAOYSA-N caffeine Natural products CN1C(=O)N(C)C(=O)C2=C1C=CN2C VJEONQKOZGKCAK-UHFFFAOYSA-N 0.000 description 1
- LOUPRKONTZGTKE-UHFFFAOYSA-N cinchonine Natural products C1C(C(C2)C=C)CCN2C1C(O)C1=CC=NC2=CC=C(OC)C=C21 LOUPRKONTZGTKE-UHFFFAOYSA-N 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 229930195712 glutamate Natural products 0.000 description 1
- RQFCJASXJCIDSX-UUOKFMHZSA-N guanosine 5'-monophosphate Chemical compound C1=2NC(N)=NC(=O)C=2N=CN1[C@@H]1O[C@H](COP(O)(O)=O)[C@@H](O)[C@H]1O RQFCJASXJCIDSX-UUOKFMHZSA-N 0.000 description 1
- 235000013928 guanylic acid Nutrition 0.000 description 1
- 239000004226 guanylic acid Substances 0.000 description 1
- 235000013902 inosinic acid Nutrition 0.000 description 1
- 239000004245 inosinic acid Substances 0.000 description 1
- 229940028843 inosinic acid Drugs 0.000 description 1
- 239000001630 malic acid Substances 0.000 description 1
- 235000011090 malic acid Nutrition 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- COLNVLDHVKWLRT-UHFFFAOYSA-N phenylalanine Natural products OC(=O)C(N)CC1=CC=CC=C1 COLNVLDHVKWLRT-UHFFFAOYSA-N 0.000 description 1
- 235000008729 phenylalanine Nutrition 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 229960000948 quinine Drugs 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 235000019615 sensations Nutrition 0.000 description 1
- 235000020083 shōchū Nutrition 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 239000001384 succinic acid Substances 0.000 description 1
- 239000005720 sucrose Substances 0.000 description 1
- 235000019605 sweet taste sensations Nutrition 0.000 description 1
- 235000018553 tannin Nutrition 0.000 description 1
- 229920001864 tannin Polymers 0.000 description 1
- 239000001648 tannin Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 235000019607 umami taste sensations Nutrition 0.000 description 1
- 235000015041 whisky Nutrition 0.000 description 1
Images
Abstract
Description
本発明は、味覚推定モデルの作成方法、味覚推定システム、及び、味覚推定プログラムに関する。 The present invention relates to a method for creating a taste estimation model, a taste estimation system, and a taste estimation program.
飲食物に対する味覚を推定する味覚センサが知られている。たとえば、特許文献１は、味覚センサを用いた飲食物の味の分析について開示している。この味覚センサは、複数の味覚の各々が定量的に示す。 A taste sensor that estimates the taste of food and drink is known. For example, Patent Document 1 discloses analysis of the taste of food and drink using a taste sensor. This taste sensor quantitatively indicates each of the plurality of tastes.
官能評価による各飲食物の味覚評価は、膨大な労力と時間を要すると共に、評価者の感覚及び評価時の環境に左右される。味覚センサによれば、飲食物の成分から味覚を定性的かつ容易に推定できる。しかし、味覚センサによって検知される成分は限られている。このため、飲食物に含まれている成分のうち、既知の味覚センサでは検出されない成分の影響によって、実際に感じられる味覚と味覚センサの出力結果との間に差異が生じる場合がある。味覚は、単に舌による感覚だけでなく、香り及びのどごしなどによっても変化する。これらを考慮して、飲食物のどの成分がどのように味覚に影響を与えるかは、未だ知られていない。少なくとも既知の味覚センサにおいて検出される成分よりも多くの成分が、味覚に影響を与えている。 The taste evaluation of each food and drink by sensory evaluation requires enormous labor and time, and depends on the evaluator's sense and the environment at the time of evaluation. According to the taste sensor, the taste can be qualitatively and easily estimated from the components of food and drink. However, the components detected by the taste sensor are limited. Therefore, among the components contained in the food and drink, the influence of the component that is not detected by the known taste sensor may cause a difference between the actually perceived taste and the output result of the taste sensor. The taste is changed not only by the sensation of the tongue but also by the aroma and the throat. Considering these factors, it is not yet known which component of food and drink affects the taste. At least more components than are detected by known taste sensors affect taste.
本発明の一つの態様は、飲食物に対する味覚の推定の正確度が向上した味覚推定モデルの作成方法を提供することを目的とする。本発明の別の態様は、飲食物に対する味覚の推定の正確度が向上した味覚推定システムを提供することを目的とする。本発明のさらに別の態様は、飲食物に対する味覚の推定の正確度が向上した味覚推定プログラムを提供することを目的とする。 One aspect of the present invention is to provide a method for creating a taste estimation model with improved accuracy of taste estimation for food and drink. Another aspect of the present invention is to provide a taste estimation system with improved accuracy of taste estimation for food and drink. Yet another aspect of the present invention is to provide a taste estimation program with improved accuracy of taste estimation for food and drink.
本発明の一つの態様における味覚推定モデルの作成方法は、複数種の飲食物の各々について、複数の成分の各々の含有量に関する情報を含む成分データを取得するステップと、複数種の飲食物の各々について、複数の味覚の各々を定量的に示す仮味覚データを取得するステップと、複数種の飲食物の各々における成分データと仮味覚データとに基づいて、味覚と各成分との相関係数を演算するステップと、成分データと仮味覚データと相関係数とに基づいて、対象の飲食物における成分データの入力に応じて対象の飲食物の味覚に関する情報を出力する味覚推定モデルを作成するステップと、を含んでいる。 The method for creating a taste estimation model in one embodiment of the present invention includes, for each of a plurality of types of food and drink, a step of acquiring component data including information on the content of each of the plurality of components, and a step of acquiring component data including information on the contents of each of the plurality of types of food and drink. For each, the correlation coefficient between the taste and each component is based on the step of acquiring the pseudo-taste data that quantitatively indicates each of the plurality of tastes and the component data and the pseudo-taste data in each of the plurality of types of foods and drinks. Create a taste estimation model that outputs information on the taste of the target food and drink in response to the input of the component data in the target food and drink based on the step of calculating Includes steps and.
この作成方法は、複数種の飲食物の各々における成分データと仮味覚データとに基づいて、複数の味覚の各々について味覚と成分との相関係数を演算する。成分データと仮味覚データと相関係数とに基づいて、上記味覚推定モデルを作成する。この味覚推定モデルによれば、仮味覚データのみに基づいて味覚を推定する場合よりも、飲食物に対する味覚の推定の正確度が向上する。 In this production method, the correlation coefficient between the taste and the component is calculated for each of the plurality of tastes based on the component data and the false taste data in each of the plurality of types of foods and drinks. The above taste estimation model is created based on the component data, the false taste data, and the correlation coefficient. According to this taste estimation model, the accuracy of the estimation of the taste for food and drink is improved as compared with the case of estimating the taste based only on the false taste data.
上記一つの態様では、味覚推定モデルを作成するステップにおいて、各成分の相関係数に基づいて、成分データから、複数の成分のうち一部の成分毎の含有量に関する情報を含む選別データが選別され、選別データと仮味覚データとに基づいて、味覚推定モデルが作成されてもよい。この場合、不要な成分の情報が排除されるため、演算処理負荷が抑制される。関係性の高い成分の情報が用いられるため、味覚の推定の正確度がさらに向上する。 In one of the above embodiments, in the step of creating a taste estimation model, selection data including information on the content of each component among a plurality of components is selected from the component data based on the correlation coefficient of each component. Then, a taste estimation model may be created based on the selection data and the false taste data. In this case, information on unnecessary components is eliminated, so that the arithmetic processing load is suppressed. Since information on highly related components is used, the accuracy of taste estimation is further improved.
上記一つの態様では、味覚推定モデルを作成するステップにおいて、各成分の相関係数に基づいて、成分データから、第一選別データと、第一選別データと異なる数の成分毎の含有量に関する情報を含む第二選別データとが選別されてもよい。第一選別データと仮味覚データとに基づく第一仮味覚推定モデルと、第二選別データと仮味覚データとに基づく第二仮味覚推定モデルとが作成されてもよい。仮味覚データに基づいて、第一仮味覚推定モデル及び第二仮味覚推定モデルのうち一方が味覚推定モデルとして決定されてもよい。この場合、不要な成分の情報が排除されるため、演算処理負荷が抑制される。関係性の高い成分の情報が用いられるため、味覚の推定の正確度がさらに向上する。 In one of the above aspects, in the step of creating a taste estimation model, information on the content of each component different from the first selection data and the first selection data from the component data based on the correlation coefficient of each component. The second selection data including the above may be selected. A first pseudo-taste estimation model based on the first selection data and the pseudo-taste data, and a second pseudo-taste estimation model based on the second selection data and the pseudo-taste data may be created. One of the first pseudo-taste estimation model and the second pseudo-taste estimation model may be determined as the taste estimation model based on the pseudo-taste data. In this case, information on unnecessary components is eliminated, so that the arithmetic processing load is suppressed. Since information on highly related components is used, the accuracy of taste estimation is further improved.
上記一つの態様では、仮味覚データは、脂質膜の電位変化を測定する味覚センサから取得されたデータを含んでいてもよい。 In one of the above aspects, the pseudo-taste data may include data acquired from a taste sensor that measures the potential change of the lipid membrane.
上記一つの態様では、成分データは、各種のクロマトグラフィに基づくデータを含んでいてもよい。この場合、より多くの種類の成分の含有量に関する情報が取得され得る。 In one of the above embodiments, the component data may include data based on various chromatographies. In this case, information regarding the content of more types of components can be obtained.
上記一つの態様では、飲食物は、アルコール飲料であってもよい。味覚は、甘味を含んでいてもよい。アルコール飲料の場合、味覚として甘みが重要視される。この作成方法によって作成される味覚推定モデルによれば、従来の推定では正確度が低かった甘みの推定も向上され得る。 In one of the above embodiments, the food or drink may be an alcoholic beverage. The taste may include sweetness. In the case of alcoholic beverages, sweetness is important as a taste. According to the taste estimation model created by this preparation method, the estimation of sweetness, which was not accurate in the conventional estimation, can be improved.
上記一つの態様では、味覚は、香気及び炭酸度の少なくとも一つを含んでいてもよい。この作成方法によって作成される味覚推定モデルは、従来の推定では考慮されていなかった香気及び炭酸度も推定できる。 In one aspect above, the taste may include at least one of aroma and carbonation. The taste estimation model created by this preparation method can also estimate aroma and carbonic acid content, which have not been considered in the conventional estimation.
上記一つの態様では、成分データは、香気成分に関する情報及び炭酸度に関する情報の少なくとも一方を含んでいてもよい。この場合、味覚推定モデルは香気成分及び炭酸度の少なくとも一方も考慮して作成される。ヒトの味覚には、例えば、香り及びのどごしも関係している。この味覚推定モデルによれば、香気成分及び炭酸度の少なくとも一方も考慮して味覚が推定され得るため、味覚の推定の正確度がさらに向上する。 In one aspect above, the component data may include at least one of information about aroma components and information about carbonation. In this case, the taste estimation model is created considering at least one of the aroma component and the carbonic acid content. Human taste is also associated with, for example, aroma and throat. According to this taste estimation model, the taste can be estimated in consideration of at least one of the aroma component and the carbonic acid content, so that the accuracy of the taste estimation is further improved.
本発明の別の態様における味覚推定システムは、成分データ取得部と、味覚推定モデル取得部と、推定部と、を備えている。成分データ取得部は、対象の飲食物について、複数の成分の各々の含有量に関する情報を含む成分データを取得する。味覚推定モデル取得部は、複数種の飲食物の各々における成分データと、複数種の飲食物の各々について複数の味覚の各々を定量的に示す仮味覚データと、味覚と各成分との相関係数とに基づく味覚推定モデルを取得する。推定部は、成分データ取得部によって取得された情報と、味覚推定モデル取得部によって取得された味覚推定モデルとに基づいて、対象の飲食物の味覚に関する情報を推定する。 The taste estimation system according to another aspect of the present invention includes a component data acquisition unit, a taste estimation model acquisition unit, and an estimation unit. The component data acquisition unit acquires component data including information on the content of each of the plurality of components for the target food and drink. The taste estimation model acquisition unit has component data for each of the plurality of types of food and drink, pseudo-taste data that quantitatively indicates each of the multiple tastes for each of the multiple types of food and drink, and the relationship between the taste and each component. Obtain a taste estimation model based on numbers. The estimation unit estimates information on the taste of the target food and drink based on the information acquired by the component data acquisition unit and the taste estimation model acquired by the taste estimation model acquisition unit.
この味覚推定システムにおいて、味覚推定モデル取得部は、成分データと、仮味覚データと、味覚と各成分との相関係数とに基づく味覚推定モデルを取得する。推定部は、味覚成分データ取得部によって取得された情報と、味覚推定モデル取得部によって取得された味覚推定モデルとに基づいて、対象の飲食物の味覚に関する情報を推定する。この場合、仮味覚データのみに基づいて味覚を推定する場合よりも、飲食物に対する味覚の推定の正確度が向上する。 In this taste estimation system, the taste estimation model acquisition unit acquires a taste estimation model based on component data, pseudo-taste data, and a correlation coefficient between taste and each component. The estimation unit estimates information on the taste of the target food and drink based on the information acquired by the taste component data acquisition unit and the taste estimation model acquired by the taste estimation model acquisition unit. In this case, the accuracy of the estimation of the taste for food and drink is improved as compared with the case of estimating the taste based only on the false taste data.
上記別の態様では、味覚推定モデル取得部は、互いに異なる味覚に対応する複数の味覚推定モデルを取得してもよい。推定部は、成分データ取得部によって取得された情報と複数の味覚推定モデルとに基づいて、対象の飲食物について各味覚推定モデルに対応する味覚に関する情報を推定してもよい。この場合、味覚ごとに作成された味覚推定モデルによって、飲食物の味覚が推定される。したがって、１つの味覚推定モデルによって複数の味覚を推定する場合よりも、飲食物に対する味覚の推定の正確度が向上する。 In another aspect described above, the taste estimation model acquisition unit may acquire a plurality of taste estimation models corresponding to different tastes from each other. The estimation unit may estimate information on the taste corresponding to each taste estimation model for the target food and drink based on the information acquired by the component data acquisition unit and the plurality of taste estimation models. In this case, the taste of food and drink is estimated by the taste estimation model created for each taste. Therefore, the accuracy of taste estimation for food and drink is improved as compared with the case where a plurality of tastes are estimated by one taste estimation model.
上記別の態様では、飲食物は、アルコール飲料であってもよい。味覚は、甘味を含んでいてもよい。 In another aspect described above, the food or drink may be an alcoholic beverage. The taste may include sweetness.
上記別の態様では、味覚は、香気及び炭酸度の少なくとも一つを含んでいてもよい。 In another aspect described above, the taste may include at least one of aroma and carbonation.
上記別の態様では、成分データは、香気成分に関する情報及び炭酸度に関する情報の少なくとも一方を含んでいてもよい。この場合、香気成分及び炭酸度の少なくとも一方も考慮して味覚が推定され得るため、味覚の推定の正確度がさらに向上する。 In another aspect of the above, the component data may include at least one of information about aroma components and information about carbonation. In this case, since the taste can be estimated in consideration of at least one of the aroma component and the carbonic acid content, the accuracy of the taste estimation is further improved.
本発明のさらに別の態様における味覚推定プログラムは、対象の飲食物について、複数の成分の各々の含有量に関する情報を含む成分データを取得するステップと、複数種の飲食物の各々における成分データと、複数種の飲食物の各々について複数の味覚の各々を定量的に示す仮味覚データと、味覚と各成分との相関係数とに基づく味覚推定モデルを取得するステップと、対象の飲食物における成分データと味覚推定モデルとに基づいて、対象の飲食物の味覚に関する情報を推定するステップと、をコンピュータに実行させる。 The taste estimation program in still another aspect of the present invention includes a step of acquiring component data including information on the content of each of the plurality of components for the target food and drink, and component data of each of the plurality of types of food and drink. , A step to acquire a taste estimation model based on pseudo-taste data that quantitatively shows each of a plurality of tastes for each of a plurality of types of foods and drinks, and a correlation coefficient between the tastes and each component, and in the target foods and drinks. A computer is made to perform a step of estimating information on the taste of the target food or drink based on the component data and the taste estimation model.
この味覚推定プログラムにおいて、成分データと、仮味覚データと、味覚と各成分との相関係数とに基づく味覚推定モデルが取得される。対象の飲食物における成分データと味覚推定モデルとに基づいて、対象の飲食物の味覚に関する情報が推定される。この場合、仮味覚データのみに基づいて味覚を推定する場合よりも、飲食物に対する味覚の推定の正確度が向上する。 In this taste estimation program, a taste estimation model based on component data, pseudo-taste data, and a correlation coefficient between taste and each component is acquired. Information on the taste of the target diet is estimated based on the component data of the target diet and the taste estimation model. In this case, the accuracy of the estimation of the taste for food and drink is improved as compared with the case of estimating the taste based only on the false taste data.
上記さらに別の態様では、味覚推定モデルを取得するステップにおいて、互いに異なる味覚に対応する複数の味覚推定モデルが取得されてもよい。対象の飲食物の味覚に関する情報を推定するステップにおいて、対象の飲食物における成分データと複数の味覚推定モデルとに基づいて、対象の飲食物について各味覚推定モデルに対応する味覚に関する情報が推定されてもよい。この場合、味覚ごとに作成された味覚推定モデルによって、飲食物の味覚が推定される。したがって、１つの味覚推定モデルによって複数の味覚を推定する場合よりも、飲食物に対する味覚の推定の正確度が向上する。 In yet another aspect described above, in the step of acquiring the taste estimation model, a plurality of taste estimation models corresponding to different tastes may be acquired. In the step of estimating the taste information of the target food and drink, the taste information corresponding to each taste estimation model is estimated for the target food and drink based on the component data of the target food and drink and a plurality of taste estimation models. You may. In this case, the taste of food and drink is estimated by the taste estimation model created for each taste. Therefore, the accuracy of taste estimation for food and drink is improved as compared with the case where a plurality of tastes are estimated by one taste estimation model.
上記さらに別の態様では、飲食物は、アルコール飲料であってもよい。味覚は、甘味を含んでいてもよい。 In yet another aspect of the above, the food or drink may be an alcoholic beverage. The taste may include sweetness.
上記さらに別の態様では、味覚は、香気及び炭酸度の少なくとも一つを含んでいてもよい。 In yet another aspect of the above, the taste may include at least one of aroma and carbonation.
上記さらに別の態様では、成分データは、香気成分に関する情報及び炭酸度に関する情報の少なくとも一方を含んでいてもよい。香気成分及び炭酸度の少なくとも一方も考慮して味覚が推定され得るため、味覚の推定の正確度がさらに向上する。 In yet another aspect of the above, the component data may include at least one of information about aroma components and information about carbonation. Since the taste can be estimated in consideration of at least one of the aroma component and the carbonic acid content, the accuracy of the taste estimation is further improved.
本発明の一つの態様は、飲食物に対する味覚の推定の正確度が向上した味覚推定モデルの作成方法を提供する。本発明の別の態様は、飲食物に対する味覚の推定の正確度が向上した味覚推定システムを提供する。本発明のさらに別の態様は、飲食物に対する味覚の推定の正確度が向上した味覚推定プログラムを提供する。 One aspect of the present invention provides a method for creating a taste estimation model with improved accuracy of taste estimation for food and drink. Another aspect of the present invention provides a taste estimation system with improved accuracy of taste estimation for food and drink. Yet another aspect of the present invention provides a taste estimation program with improved accuracy of taste estimation for food and drink.
以下、添付図面を参照しながら本発明の実施形態が詳細に説明される。図面の説明において、同一又は同等の要素には同一符号が用いられ、重複する説明は省略される。 Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the description of the drawings, the same reference numerals are used for the same or equivalent elements, and duplicate description is omitted.
まず、図１を参照して、本実施形態における味覚推定システムの機能及び構成を説明する。図１は、味覚推定システムのブロック図である。味覚推定システム１は、対象の飲食物の成分データを取得し、取得した成分データに基づいて対象の飲食物の味を推定する。成分データは、飲食物に含まれる複数の成分の各々の含有量を含んでいる。味覚推定システム１は、取得した成分データに基づいて、ヒトが対象の飲食物を飲食した場合に感じる味覚を推定する。対象の飲食物は、たとえば、飲料である。飲料としては、たとえば、アルコール飲料が挙げられる。アルコール飲料としては、たとえば、ワイン及び日本酒などの醸造酒、並びに、ウィスキー及び焼酎などの蒸留酒が挙げられる。本実施形態における味覚の推定によって、アルコール飲料と食品との相性を判断することができる。本実施形態における味覚の推定において、対象の飲食物は、食事中に飲むことの多い醸造酒がより好ましい。 First, with reference to FIG. 1, the function and configuration of the taste estimation system in the present embodiment will be described. FIG. 1 is a block diagram of a taste estimation system. The taste estimation system 1 acquires component data of the target food and drink, and estimates the taste of the target food and drink based on the acquired component data. The component data includes the content of each of the plurality of components contained in the food and drink. The taste estimation system 1 estimates the taste that a human feels when eating or drinking a target food or drink based on the acquired component data. The target food and drink is, for example, a beverage. Beverages include, for example, alcoholic beverages. Examples of alcoholic beverages include brewed liquors such as wine and sake, and distilled liquors such as whiskey and shochu. By estimating the taste in the present embodiment, the compatibility between the alcoholic beverage and the food can be determined. In estimating the taste in the present embodiment, the target food and drink is more preferably brewed liquor, which is often drunk during meals.
味覚推定システム１は、成分データ取得部１１と、格納部１２と、味覚推定モデル取得部１３と、味覚値推定部１４と、グラフ作成部１５と、出力部１６とを備えている。味覚推定システム１は、これらに基づいて、対象の飲食物における複数の味覚を推定する。味覚推定システム１によって推定される複数の味覚は、たとえば、塩味、酸味、甘味、旨味、及び、苦味を含んでいる。本実施形態の変形例において、味覚推定システム１によって推定される複数の味覚は、香気及び炭酸度の少なくとも一つをさらに含んでいてもよい。
The taste estimation system 1 includes a component
成分データ取得部１１は、対象の飲食物について、成分データを取得する。成分データは、飲食物に含まれる複数の成分の各々の含有量に関する情報を含んでいる。成分データ取得部１１は、味覚推定システム１の外部から成分データを取得してもよいし、成分データ取得部１１における測定結果を成分データとして取得してもよい。成分データ取得部１１によって取得される成分データにおいて、この成分データに含まれる複数の成分は、たとえば、全ての飲食物に含まれると考えられる全ての成分である。成分データ取得部１１は、たとえば、全ての飲食物に含まれていると考えられる全ての成分から、対象の飲食物における味覚に関係しない又は関係性が低いと考えられる成分を除いた成分に関する成分データを取得してもよい。成分データ取得部１１によって取得される成分データは、測定可能な成分の成分データであり、たとえば、各種のクロマトグラフィに基づいて測定され得る成分データである。
The component
各種のクロマトグラフィは、たとえば、イオンクロマトグラフィ、液体クロマトグラフィ、誘導体化を用いたガスクロマトグラフィ質量分析法、及び、ヘッドスペースガスクロマトグラフィ質量分析法の少なくとも１つを含んでいる。イオンクロマトグラフィによれば、主として有機酸の含有量が測定され得る。液体クロマトグラフィによれば、主としてアミノ酸及び糖成分の含有量が測定され得る。誘導体化を用いたガスクロマトグラフィ質量分析法によれば、主として有機酸、アミノ酸、及び糖成分の含有量が測定され得る。成分データは、香気成分に関する情報を含んでいてもよい。ヘッドスペースガスクロマトグラフィ質量分析法によれば、主として香気成分の含有量が測定され得る。たとえば、イオンクロマトグラフィであれば、イオンの価数、イオン半径、疎水性などの性質の違いにより、イオン成分を分離して、各イオン成分量を検出できる。この結果、複数種の有機酸の各々について成分量が測定される。 The various chromatographies include, for example, at least one of ion chromatography, liquid chromatography, gas chromatography mass spectrometry using derivatization, and headspace gas chromatography mass spectrometry. By ion chromatography, the content of organic acids can be mainly measured. Liquid chromatography can mainly measure the content of amino acids and sugar components. According to the gas chromatography mass spectrometry method using derivatization, the contents of mainly organic acids, amino acids, and sugar components can be measured. The component data may include information about the aroma component. According to the headspace gas chromatography mass spectrometry method, the content of aroma components can be mainly measured. For example, in ion chromatography, it is possible to separate ionic components and detect the amount of each ionic component due to differences in properties such as ionic valence, ionic radius, and hydrophobicity. As a result, the amount of the component is measured for each of the plurality of kinds of organic acids.
成分データ取得部１１によって取得される成分データは、対象の飲食物の炭酸度に関する情報を含んでいてもよい。炭酸度は、たとえば、ＣＯ２の含有量である。本実施形態の変形例として、炭酸度は、ＣＯ２以外も含むガスの含有量であってもよいし、泡の大きさであってもよいし、ガスの含有量と泡の大きさとの双方に関する指標値であってもよい。
The component data acquired by the component
炭酸度の取得には、たとえば、ＣＯ２測定機が用いられる。たとえば、ＣＯ２測定機は、ヴァイサラ株式会社のVAISALA GMT222である。炭酸度は、たとえば、飲食物が入ったカップにＣＯ２測定機を配置した状態で測定される。たとえば、ＣＯ２測定機は、飲食物に触れないようにカップの内部に配置される。たとえば、ＣＯ２測定機がカップの内部に配置された状態において、カップはラップなどの蓋によって覆われる。この状態において所定時間待機した後に、ＣＯ２測定機から出力されるＣＯ２量を炭酸度として取得する。待機する所定時間は、たとえば、１８０秒である。 For example, a CO 2 measuring device is used to obtain the degree of carbon dioxide. For example, the CO 2 measuring instrument is VAISALA GMT222 from Vaisala Corporation. The carbonic acid content is measured, for example, with a CO 2 measuring device placed in a cup containing food and drink. For example, the CO 2 measuring device is placed inside the cup so as not to touch food and drink. For example, with the CO 2 measuring instrument placed inside the cup, the cup is covered with a lid such as a wrap. After waiting for a predetermined time in this state, the amount of CO 2 output from the CO 2 measuring machine is acquired as the degree of carbon dioxide. The predetermined time to wait is, for example, 180 seconds.
格納部１２は、種々の情報を予め格納しており、各種の機能部からの情報を格納する。格納部１２は、たとえば、成分データ取得部１１によって取得された成分データを格納する。格納部１２は、互いに異なる複数の味覚にそれぞれ対応する複数の味覚推定モデルを格納している。味覚推定モデルは、複数種の飲食物の各々における成分データと、複数種の飲食物の各々について複数の味覚の各々を定量的に示す仮味覚データと、味覚と各成分との相関係数とに基づいて作成されている。
The
味覚推定モデル取得部１３は、対象の飲食物に対する味覚の判定に用いられる味覚推定モデルを取得する。味覚推定モデル取得部１３は、互いに異なる複数の味覚にそれぞれ対応する複数の味覚推定モデルを取得する。味覚推定モデルは、対象の飲食物における複数の成分の各々の含有量に関する情報の入力に応じて、対象物の味覚に関する情報を出力する。味覚推定モデル取得部１３は、味覚推定システム１の外部から味覚推定モデルを取得してもよいし、格納部１２に予め格納されている味覚推定モデルを取得してもよい。本実施形態では、味覚推定モデル取得部１３は、味覚推定システム１によって推定される複数の味覚の各々に対応する味覚推定モデルを取得する。換言すれば、味覚推定モデル取得部１３によって取得される味覚推定モデルと、味覚推定システム１によって推定される複数の味覚とは、一対一の関係にある。味覚推定モデル取得部１３は、たとえば、味覚推定システム１によって推定される味覚の数と同一の数の味覚推定モデルを取得する。
The taste estimation
味覚値推定部１４は、成分データ取得部１１によって取得された成分データと、味覚推定モデル取得部１３によって取得された味覚推定モデルとに基づいて、対象の飲食物の味覚に関する情報を推定する。味覚値推定部１４は、成分データ取得部１１によって取得された成分データと、互いに異なる味覚に対応する複数の味覚推定モデルとに基づいて、対象の飲食物について各味覚推定モデルに対応する味覚に関する情報を推定する。味覚値推定部１４は、たとえば、味覚推定モデルによって、対象物の飲食物における各味覚の味覚値を推定する。味覚推定モデルによって推定される味覚値は、たとえば、対象の味覚の度合いを示す数値である。本実施形態において、味覚値推定部１４は、複数種の味覚の各々に対応する味覚推定モデルから、対象の飲食物における各味覚の味覚値を出力する。味覚値推定部１４は、たとえば、塩味、酸味、甘味、旨味、及び、苦味の各々の度合いを５段階で示した値を出力する。味覚値推定部１４は、格納部１２、グラフ作成部１５、及び、出力部１６の少なくとも１つに、味覚推定モデルによって推定された味覚値を出力する。以下、味覚値推定部１４によって推定される味覚値を、推定味覚値という。
The taste
グラフ作成部１５は、推定味覚値に基づいて、対象の飲食物の味を示すグラフを作成する。グラフ作成部１５は、たとえば、対象の飲食物について各味覚の度合いを示すレーダチャートを作成する。たとえば、味覚推定システム１によって推定される複数の味覚が塩味、酸味、甘味、旨味、及び、苦味である場合には、グラフ作成部１５は、各味覚の度合いを五角形で示すレーダチャートを作成する。グラフ作成部１５は、格納部１２及び出力部１６の少なくとも１つに、作成されたグラフを出力する。
The
出力部１６は、対象の飲食物に対して味覚値推定部１４において推定された情報を出力する。出力部１６は、たとえば、推定味覚値及びグラフ作成部１５において作成されたグラフの少なくとも一方を含む味覚推定データを出力する。出力部１６は、たとえば、表示部を含み、グラフ作成部１５において作成されたグラフを表示する。
The
次に、図２を参照して、味覚推定モデル作成システムの機能及び構成を説明する。図２は、味覚推定モデル作成システムのブロック図である。味覚推定モデル作成システム２０は、対象の飲食物における味覚を推定する味覚推定モデルを作成する。味覚推定システム１と味覚推定モデル作成システム２０とは、一体であってもよい。
Next, with reference to FIG. 2, the function and configuration of the taste estimation model creation system will be described. FIG. 2 is a block diagram of a taste estimation model creation system. The taste estimation
味覚推定モデル作成システム２０は、成分データ取得部２１と、仮味覚データ取得部２２と、格納部２３と、第一成分データ選別部２４と、相関係数演算部２５とを備えている。味覚推定モデル作成システム２０は、さらに、第二成分データ選別部２６と、仮味覚推定モデル作成部２７と、仮味覚値演算部２８と、味覚推定モデル決定部２９と、出力部３０とを備えている。
The taste estimation
成分データ取得部２１は、複数種の飲食物の各々における成分データを取得する。上述したように、成分データは、飲食物に含まれる複数の成分の各々の含有量に関する情報を含んでいる。成分データ取得部２１は、味覚推定モデル作成システム２０の外部から成分データを取得してもよいし、成分データ取得部２１における測定結果を成分データとして取得してもよい。
The component
成分データ取得部２１によって成分データを取得する複数種の飲食物は、作成される味覚推定モデルが対象とする種別の飲食物であり、味覚推定対象の飲食物と同種の飲食物である。たとえば、味覚推定モデルによって味覚を推定する飲食物がアルコール飲料に分類される場合には、成分データ取得部２１は、複数種のアルコール飲料をサンプルとして、各サンプルにおける成分データを取得する。以下、成分データ取得部２１によって成分データを取得する飲食物を「サンプル」と呼ぶ。
The plurality of types of foods and drinks for which component data is acquired by the component
成分データ取得部２１によって取得される成分データにおいて、この成分データに含まれる複数の成分は、たとえば、全ての飲食物に含まれると考えられる全ての成分である。成分データ取得部２１によって取得される成分データにおいて、この成分データに含まれる複数の成分は、サンプル又は味覚推定対象の飲食物と同種の飲食物に含まれると考えられる全ての成分であってもよい。味覚推定対象の飲食物は、作成される味覚推定モデルの対象の飲食物である。成分データ取得部２１によって取得される成分データは、測定可能な成分の成分データであり、各種のクロマトグラフィに基づいて測定され得る成分データである。成分データ取得部２１によって取得される成分データは、複数種のサンプルの炭酸度に関する情報を含んでいてもよい。成分データ取得部２１によって取得される成分データは、香気成分に関する情報を含んでいてもよい。
In the component data acquired by the component
たとえば、成分データ取得部２１によって取得される成分データは、１５３種の成分毎の含有量に関する情報を含んでいる。味覚推定モデル作成システム２０がアルコール飲料について味覚の推定を行う味覚推定モデルを作成する場合、成分データ取得部２１によって取得される成分データは、アルコール飲料に含まれる測定可能な成分毎の含有量に関する情報を含んでいる。アルコール飲料に含まれる測定可能な成分は、たとえば、８５種の成分である。成分データ取得部２１は、たとえば、５０種以上の成分毎の含有量に関する情報を成分データとして取得する。
For example, the component data acquired by the component
仮味覚データ取得部２２は、複数種のサンプルの各々について仮味覚データを取得する。仮味覚データ取得部２２は、味覚推定モデル作成システム２０の外部から仮味覚データを取得してもよいし、仮味覚データ取得部２２における測定結果を仮味覚データとして取得してもよい。仮味覚データは、複数の味覚の各々を定量的に示すデータである。仮味覚データは、既知の味覚センサによって取得される。本実施形態の変形例として、仮味覚データは、官能試験に基づいて取得されたデータであってもよい。味覚センサは、たとえば、塩味、酸味、甘味、旨味、及び、苦味を含む複数の味覚について、各味覚の度合いを示す味覚値を検出する。味覚センサは、たとえば、脂質膜の電位変化を測定する。味覚センサは、各味覚に対応する成分が脂質膜に付着することによって生じる電位変化に基づいて味覚値を検出する。以下、味覚センサによって検出される味覚値を、検出味覚値という。
The pseudo-taste
塩味に対応する成分は、たとえば、ＮａＣｌ、ＫＣｌ、及び、ＬｉＣｌなどを含んでいる。酸味に対応する成分は、たとえば、塩酸、酢酸、クエン酸、リンゴ酸、及びコハク酸などを含んでいる。甘味に対応する成分は、たとえば、グルコース、スクロース、フルクトース、マルトース、グリシン、及び、アスパルテームなどを含んでいる。旨味に対応する成分は、グルタメート、イノシン酸、及び、グアニル酸などを含んでいる。苦味に対応する成分は、カフェイン、キニーネ、タンニン、フェニルアラニン、及び、Ｍｇ２＋などを含んでいる。 The components corresponding to the salty taste include, for example, NaCl, KCl, LiCl and the like. The components corresponding to the acidity include, for example, hydrochloric acid, acetic acid, citric acid, malic acid, succinic acid and the like. Ingredients corresponding to sweetness include, for example, glucose, sucrose, fructose, maltose, glycine, and aspartame. Ingredients corresponding to umami include glutamate, inosinic acid, guanylic acid and the like. Ingredients corresponding to bitterness include caffeine, quinine, tannin, phenylalanine, Mg2 + and the like.
既知の味覚センサでは、複数の成分が同時に脂質膜に付着するため、成分ごとの含有量を測定することは困難である。既知の味覚センサにおける検出結果に影響を及ぼす成分の種類は、各種のクロマトグラフィに基づいて測定され得る成分の種類よりも圧倒的に少ない。 With known taste sensors, it is difficult to measure the content of each component because a plurality of components adhere to the lipid membrane at the same time. The types of components that affect the detection results in known taste sensors are far fewer than the types of components that can be measured based on various chromatographies.
格納部２３は、種々の情報を予め格納しており、各種の機能部からの情報を格納する。格納部２３は、たとえば、成分データ取得部２１によって取得された成分データを格納する。格納部２３は、仮味覚データ取得部２２によって取得された仮味覚データを格納する。
The
第一成分データ選別部２４は、成分データ取得部２１において取得された成分データから、味覚推定対象の飲食物と同種の飲食物における味覚に関係しない又は関係性が低いと考えられる成分の成分データを除いた第一成分データを選別する。換言すれば、第一成分データ選別部２４は、成分データ取得部２１において取得された成分データから不要データを削除する。第一成分データ選別部２４は、成分データ取得部２１において取得された成分データから、味覚推定対象の飲食物と同種の飲食物において測定値がゼロである又はゼロに近い成分に関する成分データを除去する。第一成分データにおける成分の種類は、既知の味覚センサにおける検出結果に影響を及ぼす成分の種類よりも多い。第一成分データは、たとえば、５０種以上の成分毎の含有量に関する情報を含んでいる。
From the component data acquired by the component
相関係数演算部２５は、複数種のサンプルの各々における成分データと仮味覚データとに基づいて、複数の味覚の各々について各成分と味覚との相関係数を演算する。この相関係数は、各味覚に対する各成分の影響の度合いを示す。相関係数演算部２５は、第一成分データ選別部２４において選別された第一成分データと、仮味覚データ取得部２２において取得された仮味覚データとに基づいて、各成分と各味覚との相関係数を演算する。換言すれば、相関係数演算部２５は、第一成分データ選別部２４において選別された第一成分データにおける各成分と各味覚との相関係数を、第一成分データと味覚センサから出力された検出味覚値とに基づいて演算する。
The correlation
一例として、１９種のアルコール飲料について、複数の味覚のうち酸味に対する相関係数を演算する場合について説明する。たとえば、相関係数演算部２５は、１９種のアルコール飲料の各々における第一成分データと、１９種のアルコール飲料の各々における酸味に関する検出味覚値とに基づいて、各成分の含有量と酸味との相関係数を演算する。相関係数の算出は、既知の手法によって行われる。相関係数は、－１から１までの値をとる。相関係数が－１である場合は、負の方向で影響が大きい。相関係数が１である場合は、正の方向で影響が大きい。相関係数がゼロである場合は、相関がない。
As an example, a case where a correlation coefficient with respect to acidity among a plurality of tastes is calculated for 19 kinds of alcoholic beverages will be described. For example, the correlation
たとえば、１９種のアルコール飲料をそれぞれｉ（ｉ＝１，・・・，１９）とし、酒種ごとの酸味に関する検出味覚値をｘｉとし、酒種ごとのグルタミン酸の含有量をｙｉをとする。この場合、相関係数演算部２５は、酸味に関するグルタミン酸の相関係数として、酒種ごとの酸味に関する検出味覚値ｘｉと、酒種ごとのグルタミン酸の含有量ｙｉとの相関係数を演算する。相関係数演算部２５は、同様に、第一成分データにおけるグルタミン酸以外の各成分の含有量と酸味との相関係数を演算する。以上の処理を繰り返し、相関係数演算部２５は、酸味を含む全ての味覚に対して各成分との相関係数を演算する。
For example, 19 kinds of alcoholic beverages are defined as i (i = 1, ..., 19), the detected taste value regarding the acidity of each liquor type is xi, and the content of glutamic acid in each liquor type is yi. In this case, the correlation
第二成分データ選別部２６は、第一成分データにおける各成分の相関係数に基づいて、第一成分データから成分データを選別する。第二成分データ選別部２６によって選別された選別データは、第一成分データにおける成分のうち一部の成分毎の含有量に関する情報を含む。第二成分データ選別部２６は、味覚ごとに、上記相関係数が所定の条件を満たす成分の成分データを選別データとして選別する。
The second component
第二成分データ選別部２６は、味覚ごとに、上記相関係数に関する条件に応じて、複数のパターンの選別データを選別する。換言すれば、第二成分データ選別部２６は、第一成分データにおける各成分の相関係数に基づいて、成分データから、互いに異なる数の成分毎の含有量に関する情報を含む複数種の選別データを選別する。これら複数種の選別データは、互いに異なる条件を上記相関係数が満たしている成分データである。
The second component
たとえば、第二成分データ選別部２６は、第一成分データにおける成分のうち、上記相関係数の絶対値が一番目に高い成分から五番目に高い成分の成分データを第一パターンの選別データとして選別する。たとえば、第二成分データ選別部２６は、上記相関係数の絶対値が０．６以上の成分の成分データを第二パターンの選別データとして選別する。たとえば、第二成分データ選別部２６は、上記相関係数の絶対値が０．４以上の成分の成分データを第三パターンの選別データとして選別する。第二成分データ選別部２６は、さらに、第一成分データの全てを第四パターンの選別データとして取得してもよい。第二成分データ選別部２６が選別する選別データのパターンの数は、４つに限定されない。これらパターンの数、及び、相関係数の条件は、サンプルの数に応じて適宜決定されてもよい。パターンの数が多いほど、味覚推定の正確度は高い。しかし、パターンの数が多すぎれば、味覚推定モデルの作成における計算負荷は大きい。
For example, the second component
仮味覚推定モデル作成部２７は、成分データと仮味覚データと相関係数とに基づいて、仮味覚推定モデルを作成する。仮味覚推定モデル作成部２７は、味覚ごとに仮味覚推定モデルを作成する。仮味覚推定モデル作成部２７は、互いに異なる条件を相関係数が満たしている成分データによって、複数の仮味覚推定モデルを作成する。換言すれば、仮味覚推定モデル作成部２７は、第二成分データ選別部２６において選別された複数のパターンの各々の選別データに基づいて、それぞれの選別データに対応する仮味覚推定モデルを作成する。
The pseudo-taste estimation
仮味覚推定モデル作成部２７は、たとえば、回帰分析によって仮味覚推定モデルを作成する。回帰分析には、既知の手法が用いられる。仮味覚推定モデル作成部２７は、味覚ごとに回帰分析を行い、味覚ごとに仮味覚推定モデルを作成する。仮味覚推定モデル作成部２７は、たとえば、第二成分データ選別部２６において選別された選択データを説明変数とし、仮味覚データを目的関数とした回帰分析を行う。仮味覚推定モデル作成部２７は、複数種のサンプルにおける対象の味覚の選択データと仮味覚データとに基づいて、回帰分析を行う。
The pseudo-taste estimation
仮味覚推定モデル作成部２７は、たとえば、線形回帰とランダムフォレスト回帰とのそれぞれを用いて、仮味覚推定モデルを作成する。たとえば、仮味覚推定モデル作成部２７は、４つのパターンの各々の選別データに基づいて、線形回帰によって４つのパターンの仮味覚推定モデルを作成し、さらに、ランダムフォレスト回帰によって４つのパターンの仮味覚推定モデルを作成する。この場合、仮味覚推定モデル作成部２７は、各味覚ごとに、８つのパターンの仮味覚推定モデルを作成する。
The pseudo-taste estimation
仮味覚値演算部２８は、第二成分データ選別部２６において選択された選択データと、仮味覚推定モデル作成部２７において作成された仮味覚推定モデルとに基づいて、仮味覚値を演算する。仮味覚値演算部２８は、味覚ごとに仮味覚値を演算する。本実施形態において、仮味覚値演算部２８は、仮味覚推定モデル作成部２７において作成された複数の仮味覚推定モデルに基づいて、各味覚推定モデルに対応する複数の仮味覚値を演算する。
The pseudo-taste
味覚推定モデル決定部２９は、複数のパターンの仮味覚推定モデルを用いて演算される複数の仮味覚値に基づいて、味覚推定モデルを決定する。味覚推定モデル決定部２９は、味覚ごとに、味覚推定モデルを決定する。味覚推定モデル決定部２９は、味覚ごとに、複数のパターンの仮味覚推定モデルのうち最も味覚推定の正確度が高いと判断される仮味覚推定モデルを、最終的な味覚推定モデルとして決定する。たとえば、味覚推定モデル決定部２９は、仮味覚データと仮味覚値に基づいて、上述した８つのパターンの仮味覚推定モデルから味覚推定モデルを決定する。
The taste estimation
図３を参照して、味覚推定モデル決定部２９による味覚推定モデルの決定方法の一例を説明する。図３は、異なる条件によって作成された仮味覚推定モデルを用いて演算された仮味覚値をプロットしたグラフである。縦軸は仮味覚値と基準値との差分であり、横軸は、サンプルの種類である。図３において、１９種のサンプルａ～ｓが示されている。図３に示されている例では、基準値として仮味覚データが用いられ、サンプルとしてアルコール飲料が用いられている。図３は、一例として、複数の味覚のうち酸味に関するデータを示している。
With reference to FIG. 3, an example of a method for determining a taste estimation model by the taste estimation
図３は、横軸のメモリごとに、メモリが示すサンプルの仮味覚値と、メモリが示すサンプルの検出味覚値との差分を示している。メモリが示すサンプルの仮味覚値は、メモリが示すサンプル以外の１８種のサンプルを用いて作成された仮味覚推定モデルによって演算されている。たとえば、横軸の「ａ」のメモリでは、サンプルａ以外の１８種のサンプルｂ～ｓを用いて作成された仮味覚推定モデルによるサンプルａの仮味覚値と、仮味覚データのうち味覚センサによって検出されたサンプルａの検出味覚値との差分が示されている。横軸の「ｂ」のメモリでは、サンプルｂ以外の１８種のサンプルａ，ｃ～ｓを用いて作成された仮味覚推定モデルの仮味覚値と、仮味覚データのうち味覚センサによって検出されたサンプルｂの検出味覚値との差分が示されている。 FIG. 3 shows the difference between the false taste value of the sample indicated by the memory and the detected taste value of the sample indicated by the memory for each memory on the horizontal axis. The pseudo-taste value of the sample indicated by the memory is calculated by the pseudo-taste estimation model created by using 18 kinds of samples other than the sample indicated by the memory. For example, in the memory of "a" on the horizontal axis, the taste value of sample a by the taste estimation model created by using 18 kinds of samples b to s other than sample a and the taste sensor of the taste data are used. The difference from the detected taste value of the detected sample a is shown. In the memory of "b" on the horizontal axis, the taste value of the taste estimation model created using 18 kinds of samples a, c to s other than sample b, and the taste sensor among the taste data were detected. The difference from the detected taste value of sample b is shown.
データＤ１～Ｄ８は、それぞれ、上述した８つのパターンの仮味覚推定モデルのうち対応する仮味覚推定モデルを用いて演算された仮味覚値に関するデータである。データＤ１は、上述した第四パターンの選別データに基づいてランダムフォレスト回帰を用いて作成された仮味覚推定モデルの仮味覚値に関する。データＤ２は、第四パターンの選別データに基づいて線形回帰を用いて作成された仮味覚推定モデルの仮味覚値を示している。データＤ３は、上述した第一パターンの選別データに基づいてランダムフォレスト回帰を用いて作成された仮味覚推定モデルの仮味覚値に関する。データＤ４は、第一パターンの選別データに基づいて線形回帰を用いて作成された仮味覚推定モデルの仮味覚値に関する。データＤ５は、上述した第二パターンの選別データに基づいてランダムフォレスト回帰を用いて作成された仮味覚推定モデルの仮味覚値に関する。データＤ６は、第二パターンの選別データに基づいて線形回帰を用いて作成された仮味覚推定モデルの仮味覚値に関する。データＤ７は、上述した第三パターンの選別データに基づいてランダムフォレスト回帰を用いて作成された仮味覚推定モデルの仮味覚値に関する。データＤ８は、第三パターンの選別データに基づいて線形回帰を用いて作成された仮味覚推定モデルの仮味覚値に関する。 The data D1 to D8 are data related to the pseudo-taste value calculated by using the corresponding pseudo-taste estimation model among the above-mentioned eight patterns of pseudo-taste estimation models, respectively. The data D1 relates to the pseudo-taste value of the pseudo-taste estimation model created by using the random forest regression based on the selection data of the fourth pattern described above. The data D2 shows the pseudo-taste value of the pseudo-taste estimation model created by using linear regression based on the selection data of the fourth pattern. The data D3 relates to the pseudo-taste value of the pseudo-taste estimation model created by using the random forest regression based on the selection data of the first pattern described above. The data D4 relates to the pseudo-taste value of the pseudo-taste estimation model created by using linear regression based on the selection data of the first pattern. The data D5 relates to the pseudo-taste value of the pseudo-taste estimation model created by using the random forest regression based on the selection data of the second pattern described above. The data D6 relates to the pseudo-taste value of the pseudo-taste estimation model created by using linear regression based on the selection data of the second pattern. The data D7 relates to the pseudo-taste value of the pseudo-taste estimation model created by using the random forest regression based on the selection data of the third pattern described above. The data D8 relates to the pseudo-taste value of the pseudo-taste estimation model created by using linear regression based on the selection data of the third pattern.
味覚推定モデル決定部２９は、これらデータＤ１～Ｄ８に基づいて、８つのパターンの仮味覚推定モデルの各々について、決定係数Ｒ２、差分の絶対値の和、差分の絶対値の最大値、及び、差分の絶対値の平均値の少なくとも一つを演算する。味覚推定モデル決定部２９は、決定係数Ｒ２、差分の絶対値の和、差分の絶対値の最大値、及び、差分の絶対値の平均値の少なくとも一つに基づいて、味覚推定モデルを決定する。味覚推定モデル決定部２９は、決定係数Ｒ２を用いる場合には、最も決定係数Ｒ２が大きいパターンの仮味覚推定モデルを味覚推定モデルとして決定する。味覚推定モデル決定部２９は、差分の絶対値の和を用いる場合には、最も差分の絶対値の和が小さいパターンの仮味覚推定モデルを味覚推定モデルとして決定する。味覚推定モデル決定部２９は、差分の絶対値の最大値を用いる場合には、最も差分の絶対値の最大値が小さいパターンの仮味覚推定モデルを味覚推定モデルとして決定する。
Based on these data D1 to D8, the taste estimation
味覚推定モデル決定部２９は、たとえば、決定係数Ｒ２、差分の絶対値の和、及び、差分の絶対値の最大値に基づいて、味覚推定モデルを決定する。たとえば、味覚推定モデル決定部２９は、差分の絶対値の和による条件、差分の絶対値の最大値による条件、決定係数Ｒ２による条件の順で優先順位に重み付けをして味覚推定モデルを決定する。これによって、味覚推定モデル決定部２９は、全体的に差分が小さく、突出した差分が少なく、かつ、説明変数が少ないパターンの仮味覚推定モデルを最終的な味覚推定モデルとして決定する。この結果、変数のばらつきによる影響が低減される。
The taste estimation
たとえば、第一の選択として、味覚推定モデル決定部２９は、差分の絶対値の和が所定の値よりも小さいパターンの仮味覚推定モデルを選択する。第一の選択において選択されたパターンが複数ある場合には、味覚推定モデル決定部２９は、第二の選択として、第一の選択において選択されたパターンのうち、差分の絶対値の最大値が所定の値よりも小さいパターンの仮味覚優先モデルを選択する。第二の選択において選択されたパターンが複数ある場合には、味覚推定モデル決定部２９は、第三の選択として、第二の選択において選択されたパターンのうち、決定係数Ｒ２が大きいが所定の値よりも大きいパターンの仮味覚優先モデルを選択する。第三の選択において選択されたパターンが複数ある場合には、味覚推定モデル決定部２９は、第四の選択として、第三の選択において選択されたパターンのうち、最も説明変数が少ないパターンの仮味覚優先モデルを選択する。第四の選択において選択されたパターンが複数ある場合には、味覚推定モデル決定部２９は、第五の選択として、第四の選択において選択されたパターンのうち、ランダムフォレスト回帰を用いたパターンの仮味覚優先モデルを選択する。
For example, as a first choice, the taste estimation
出力部３０は、味覚推定モデル決定部２９において決定された味覚推定モデルを味覚推定システム１の格納部１２に出力する。格納部１２と格納部２３とが一体である場合には、出力部３０は、味覚推定モデル決定部２９において決定された味覚推定モデルを格納部２３に格納してもよい。
The
次に、図４を参照して、味覚推定システム１及び味覚推定モデル作成システム２０のハードウェア構成について説明する。図４は、味覚推定システム１及び味覚推定モデル作成システム２０のハードウェア構成の一例を示す図である。図４に示されている例において、味覚推定システム１と味覚推定モデル作成システム２０とは、一体に構成されている。味覚推定システム１と味覚推定モデル作成システム２０とは、互いに分離して構成されていてもよい。
Next, with reference to FIG. 4, the hardware configuration of the taste estimation system 1 and the taste estimation
味覚推定システム１と味覚推定モデル作成システム２０とは、システム１００を含んでいる。システム１００は、プロセッサ１０１と、主記憶装置１０２と、補助記憶装置１０３と、通信装置１０４と、入力装置１０５と、出力装置１０６とを備えている。システム１００は、これらのハードウェアと、プログラム等のソフトウェアとにより構成された１又は複数のコンピュータを含んでいる。味覚推定システム１と味覚推定モデル作成システム２０は、ハードウェアと協働して実現されている。
The taste estimation system 1 and the taste estimation
システム１００が、複数のコンピュータによって構成される場合には、これらのコンピュータはローカルで接続されてもよいし、インターネット又はイントラネットなどの通信ネットワークを介して接続されてもよい。この接続によって、論理的に１つの味覚推定システム１と味覚推定モデル作成システム２０とが構築される。
When the
プロセッサ１０１は、オペレーティングシステム及びアプリケーション・プログラムなどを実行する。主記憶装置１０２は、ＲＯＭ（Read Only Memory)及びＲＡＭ（Random Access Memory）により構成される。たとえば、味覚値推定部１４、グラフ作成部１５、第一成分データ選別部２４、相関係数演算部２５、第二成分データ選別部２６、仮味覚推定モデル作成部２７、仮味覚値演算部２８、及び、味覚推定モデル決定部２９の少なくとも一部は、プロセッサ１０１及び主記憶装置１０２によって実現される。
The
補助記憶装置１０３は、ハードディスク及びフラッシュメモリなどにより構成される記憶媒体である。補助記憶装置１０３は、一般的に主記憶装置１０２よりも大量のデータを記憶する。たとえば、格納部１２，２３の少なくとも一部は、補助記憶装置１０３によって実現される。
The
通信装置１０４は、ネットワークカード又は無線通信モジュールにより構成される。たとえば、成分データ取得部１１、味覚推定モデル取得部１３、出力部１６、成分データ取得部２１、仮味覚データ取得部２２、及び出力部３０の少なくとも一部は、通信装置１０４によって実現される。入力装置１０５は、キーボード、マウス、及び、タッチパネルなどにより構成される。たとえば、成分データ取得部１１、味覚推定モデル取得部１３、成分データ取得部２１、及び仮味覚データ取得部２２の少なくとも一部は、入力装置１０５によって実現される。出力装置１０６は、ディスプレイ及びプリンタなどにより構成される。たとえば、出力部１６及び出力部３０の少なくとも一部は、出力装置１０６によって実現される。たとえば、出力装置１０６は、味覚値推定部１４において推定された各味覚の推定味覚値、及び、グラフ作成部１５において作成された対象の飲食物の味を示すグラフの少なくとも１つを表示する。
The
補助記憶装置１０３は、予め、プログラム及び処理に必要なデータを格納している。味覚推定プログラムは、味覚推定システム１又は味覚推定モデル作成システム２０の各機能要素をコンピュータに実行させる。プログラムによって、たとえば、後述する処理Ｓ１から処理Ｓ１０又は処理Ｓ２１から処理Ｓ２５がコンピュータにおいて実行される。このプログラムは、たとえば、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリなどの有形の記録媒体に記録された上で提供されてもよい。このプログラムは、データ信号として通信ネットワークを介して提供されてもよい。
The
次に、図５を参照して、味覚推定モデルの作成方法における処理の一例について説明する。図５は、味覚推定モデルの作成方法を示すフローチャートである。 Next, an example of processing in the method of creating a taste estimation model will be described with reference to FIG. FIG. 5 is a flowchart showing a method of creating a taste estimation model.
まず、成分データ取得部２１が、複数種のサンプルの各々における成分データを取得する（処理Ｓ１）。換言すれば、成分データ取得部２１は、複数種の飲食物の各々における複数の成分の各々の含有量に関する情報を含む成分データを取得する。成分データは、香気成分に関する情報及び炭酸度に関する情報の少なくとも一方を含んでいてもよい。
First, the component
次に、仮味覚データ取得部２２が、複数種のサンプルの各々にける仮味覚データを取得する（処理Ｓ２）。換言すれば、仮味覚データ取得部２２は、複数種の飲食物の各々について複数の味覚の各々を定量的に示す仮味覚データを取得する。
Next, the pseudo-taste
次に、第一成分データ選別部２４が、処理Ｓ１において取得された成分データから不要データを削除する（処理Ｓ３）。第一成分データ選別部２４は、成分データ取得部２１において取得された成分データから、味覚推定対象の飲食物と同種の飲食物における味覚に関係しない又は関係性が低いと考えられる成分の成分データを除いた第一成分データを選別する。第一成分データにおける成分の種類は、既知の味覚センサにおける検出結果に影響を及ぼす成分の種類よりも多い。
Next, the first component
次に、相関係数演算部２５が、対象の味覚に対する成分の相関係数を演算する（処理Ｓ４）。相関係数演算部２５は、複数種の飲食物の各々における第一成分データと仮味覚データとに基づいて、対象の味覚と各成分との相関係数を演算する。
Next, the correlation
次に、第二成分データ選別部２６が、相関係数に基づいて、処理Ｓ３の処理後の成分データから選別を行う（処理Ｓ５）。第二成分データ選別部２６は、各成分の相関係数に基づいて、成分データから選別データを選別する。選別データは、たとえば、複数の成分のうち一部の成分毎の含有量に関する情報を含んでいる。
Next, the second component
次に、仮味覚推定モデル作成部２７が、仮味覚推定モデルを作成する（処理Ｓ６）。仮味覚推定モデル作成部２７は、たとえば、処理Ｓ５において選別された選別データと仮味覚データとに基づいて、仮味覚推定モデルを作成する。
Next, the false taste estimation
次に、仮味覚値演算部２８が、仮味覚推定モデルを用いて仮味覚値の演算を演算する（処理Ｓ７）。仮味覚値演算部２８は、直前の処理Ｓ５において選択された選択データと、直前の処理Ｓ６において作成された仮味覚推定モデルとに基づいて、仮味覚値を演算する。
Next, the pseudo-taste
次に、味覚推定モデル決定部２９が、全ての仮味覚推定モデルの仮味覚値が演算されたか判断する（処理Ｓ８）。全ての仮味覚推定モデルとは、処理Ｓ５における全てのパターンに基づいて作成された仮味覚推定モデルである。処理Ｓ８において、全ての仮味覚推定モデルの仮味覚値が演算されていないと判断された場合には、処理は処理Ｓ５に戻る。この結果、処理Ｓ５が繰り返し実行されることによって、第二成分データ選別部２６は、たとえば、各成分の相関係数に基づいて、成分データから、互いに異なる数の成分毎の含有量に関する情報を含む第一及び第二選別データを選別する。処理Ｓ５と処理６とが繰り返し実行されることによって、仮味覚推定モデル作成部２７は、たとえば、第一選別データと仮味覚データとに基づく第一仮味覚推定モデルと、第二選別データと仮味覚データとに基づく第二仮味覚推定モデルとを作成する。
Next, the taste estimation
処理Ｓ８において全ての仮味覚推定モデルの仮味覚値が演算されたと判断された場合には、味覚推定モデル決定部２９は、対象の味覚に対する味覚推定モデルを決定する（処理Ｓ９）。処理Ｓ４から処理Ｓ９のステップによって、成分データと仮味覚データと相関係数とに基づいて、対象の飲食物における成分データの入力に応じて、対象の飲食物の味覚に関する情報を出力する味覚推定モデルが作成される。換言すれば、選別データと仮味覚データとに基づいて、味覚推定モデルが作成される。たとえば、成分データのうち相関係数が所定の値以上の少なくとも１つの成分の含有量に関する情報を含む選別データと、仮味覚データとに基づいて、味覚推定モデルが作成される。
When it is determined that the taste values of all the taste estimation models have been calculated in the process S8, the taste estimation
処理Ｓ５及び処理Ｓ６とが繰り返し実行されることによって、複数の仮味覚推定モデルが作成される。味覚推定モデル決定部２９は、仮味覚データに基づいて、複数の仮味覚推定モデルのうち一つを味覚推定モデルとして決定する。たとえば、味覚推定モデル決定部２９は、第一仮味覚推定モデル及び第二仮味覚推定モデルのうち一方を味覚推定モデルとして決定する。
By repeatedly executing the processes S5 and S6, a plurality of pseudo-taste estimation models are created. The taste estimation
次に、味覚推定モデル決定部２９は、全ての味覚について味覚推定モデルが決定されたかを判断する（処理Ｓ１０）。全ての味覚について味覚推定モデルが決定されたと判断された場合には、処理は処理Ｓ４に戻る。全ての味覚について味覚推定モデルが決定されていないと判断された場合には、一連を処理が終了される。処理Ｓ４が繰り返し実行されることによって、相関係数演算部２５は、複数の味覚の各々について、味覚と各成分との相関係数を演算する。処理Ｓ４から処理Ｓ９が繰り返し実行されることによって、味覚推定モデルは、味覚ごとに作成される。
Next, the taste estimation
以上、味覚推定モデルの作製方法の一例について説明したが、各処理の順序はこれに限定されない。たとえば、処理Ｓ２は、処理Ｓ１の前に実行されてもよいし、処理Ｓ３の後に実行されてもよい。 Although an example of a method for producing a taste estimation model has been described above, the order of each process is not limited to this. For example, the process S2 may be executed before the process S1 or may be executed after the process S3.
次に、図６を参照して、味覚推定方法における処理の一例について説明する。本実施形態では、味覚推定モデルを用いて対象の飲食物の味覚を推定する。図６は、味覚推定モデルを用いた推定方法を示すフローチャートである。 Next, an example of processing in the taste estimation method will be described with reference to FIG. In this embodiment, the taste of the target food or drink is estimated using the taste estimation model. FIG. 6 is a flowchart showing an estimation method using a taste estimation model.
まず、成分データ取得部１１が、対象の飲食物の成分データを取得する（処理Ｓ２１）。成分データ取得部１１は、対象の飲食物について、複数の成分の各々の含有量に関する情報を含む成分データを取得する。成分データは、香気成分に関する情報及び炭酸度に関する情報の少なくとも一方を含んでいてもよい。
First, the component
次に、味覚推定モデル取得部１３が、味覚推定モデルを取得する（処理Ｓ２２）。この味覚推定モデルは、複数種の飲食物の各々における成分データと、複数種の飲食物の各々について複数の味覚のうち１つを定量的に示す仮味覚データと、味覚と各成分との相関係数とに基づいて作成されている。
Next, the taste estimation
次に、味覚値推定部１４が、味覚推定モデルを用いて味覚値を演算する（処理Ｓ２３）。換言すれば、味覚値推定部１４は、対象の飲食物における成分データと直前の処理Ｓ２２において取得された味覚推定モデルとに基づいて、対象の飲食物の味覚に関する情報を推定する。
Next, the taste
次に、味覚値推定部１４が、全ての味覚の味覚値が取得されたかを判断する（処理Ｓ２４）。処理Ｓ２４において全ての味覚の味覚値が取得されていないと判断された場合には、処理は処理Ｓ２２に進む。処理Ｓ２２が繰り返し実行されることによって、互いに異なる味覚に対応する複数の味覚推定モデルが取得される。処理Ｓ２２と処理Ｓ２３とが繰り返し実行されることによって、対象の飲食物における成分データと複数の味覚推定モデルとに基づいて、対象の飲食物について各味覚推定モデルに対応する味覚に関する情報が推定される。
Next, the taste
処理Ｓ２４において全ての味覚の味覚値が取得されたと判断された場合には、出力部１６が、味覚推定データを出力する（処理Ｓ２５）。処理Ｓ２５において、グラフ作成部１５は、処理Ｓ２３において演算された味覚値に基づいて、対象の飲食物の味を示すグラフを作成する。出力部１６において出力される味覚推定データは、グラフ作成部１５において作成されたグラフ及び味覚値推定部１４において演算された味覚値の少なくとも一つを含んでいる。
When it is determined in the process S24 that all the taste values of the taste have been acquired, the
以上、味覚推定方法の一例について説明したが、各処理の順序はこれに限定されない。たとえば、処理Ｓ２１は、処理Ｓ２２の後に実行されてもよい。 Although an example of the taste estimation method has been described above, the order of each process is not limited to this. For example, the process S21 may be executed after the process S22.
次に、本実施形態における味覚推定モデルの作成方法、味覚推定システム１、及び、味覚推定プログラムの作用効果について説明する。 Next, the method of creating the taste estimation model, the taste estimation system 1, and the action and effect of the taste estimation program in the present embodiment will be described.
上述したように、味覚推定モデルの作成方法は、成分データと仮味覚データとに基づいて、複数の味覚の各々について味覚と成分との相関係数を演算する。成分データと仮味覚データと相関係数とに基づいて、上記味覚推定モデルを作成する。この味覚推定モデルによれば、仮味覚データのみに基づいて味覚を推定する場合よりも、飲食物に対する味覚の推定の正確度が向上する。 As described above, in the method for creating a taste estimation model, the correlation coefficient between the taste and the component is calculated for each of the plurality of tastes based on the component data and the pseudo-taste data. The above taste estimation model is created based on the component data, the false taste data, and the correlation coefficient. According to this taste estimation model, the accuracy of the estimation of the taste for food and drink is improved as compared with the case of estimating the taste based only on the false taste data.
味覚推定システム１において、味覚推定モデル取得部１３が複数種の飲食物の各々における成分データと、複数種の飲食物の各々について複数の味覚の各々を定量的に示す仮味覚データと、味覚と各成分との相関係数とに基づく味覚推定モデルを取得する。味覚値推定部１４は、成分データ取得部１１によって取得された情報と、味覚推定モデル取得部１３によって取得された味覚推定モデルとに基づいて、対象の飲食物の味覚に関する情報を推定する。この場合、仮味覚データのみに基づいて味覚を推定する場合よりも、飲食物に対する味覚の推定の正確度が向上する。
In the taste estimation system 1, the taste estimation
味覚推定プログラムにおいて、成分データと、仮味覚データと、味覚と各成分との相関係数とに基づく味覚推定モデルが取得される。対象の飲食物における成分データと味覚推定モデルとに基づいて、対象の飲食物の味覚に関する情報が推定される。この場合、仮味覚データのみに基づいて味覚を推定する場合よりも、飲食物に対する味覚の推定の正確度が向上する。 In the taste estimation program, a taste estimation model based on component data, pseudo-taste data, and the correlation coefficient between taste and each component is acquired. Information on the taste of the target diet is estimated based on the component data of the target diet and the taste estimation model. In this case, the accuracy of the estimation of the taste for food and drink is improved as compared with the case of estimating the taste based only on the false taste data.
特に、実際にヒトが感じる甘味は、既知の味覚センサにおいて甘味の推定に利用されている成分以外の成分の含有比率に応じても大きく変化する。このため、既知の味覚センサにおいて甘味の推定に利用されている成分の含有量のみの定量評価では、実際にヒトが感じる甘味と乖離するおそれがある。したがって、既知の味覚センサにおいては、特に、甘味に関する推定の正確度が低い。上記作成方法によって作成された味覚推定モデル、味覚推定システム１、及び、味覚推定プログラムによれば、甘味を含む味覚の推定の正確度が向上する。 In particular, the sweetness actually perceived by humans varies greatly depending on the content ratio of components other than the components used for estimating sweetness in known taste sensors. Therefore, quantitative evaluation of only the content of the component used for estimating sweetness in a known taste sensor may deviate from the sweetness actually perceived by humans. Therefore, in known taste sensors, the accuracy of estimation regarding sweetness is particularly low. According to the taste estimation model, the taste estimation system 1, and the taste estimation program created by the above-mentioned preparation method, the accuracy of estimation of the taste including sweetness is improved.
味覚推定モデルを作成するステップにおいて、各成分の相関係数に基づいて、成分データから、複数の成分のうち一部の成分毎の含有量に関する情報を含む選別データが選別され、選別データと仮味覚データとに基づいて、味覚推定モデルが作成されてもよい。この場合、不要な成分の情報が排除されるため、演算処理負荷が抑制される。関係性の高い成分の情報が用いられるため、味覚の推定の正確度がさらに向上する。 In the step of creating a taste estimation model, selection data including information on the content of each component among a plurality of components is selected from the component data based on the correlation coefficient of each component, and the selection data and tentative data are selected. A taste estimation model may be created based on the taste data. In this case, information on unnecessary components is eliminated, so that the arithmetic processing load is suppressed. Since information on highly related components is used, the accuracy of taste estimation is further improved.
味覚推定モデルを作成するステップにおいて、複数の成分の各々の相関係数に基づいて、成分データから、第一選別データと、第一選別データと異なる数の成分毎の含有量に関する情報を含む第二選別データとが選別される。第一選別データと仮味覚データとに基づく第一仮味覚推定モデルと、第二選別データと仮味覚データとに基づく第二仮味覚推定モデルとが作成される。仮味覚データに基づいて、第一仮味覚推定モデル及び第二仮味覚推定モデルのうち一方が味覚推定モデルとして決定される。この場合、不要な成分の情報が排除されるため、演算処理負荷が抑制される。関係性の高い成分の情報が用いられるため、味覚の推定の正確度がさらに向上する。 In the step of creating a taste estimation model, the first selection data and information on the content of each component different from the first selection data are included from the component data based on the correlation coefficient of each of the plurality of components. (2) Sorting data is sorted. A first pseudo-taste estimation model based on the first selection data and the pseudo-taste data, and a second pseudo-taste estimation model based on the second selection data and the pseudo-taste data are created. Based on the taste taste data, one of the first taste taste estimation model and the second taste taste estimation model is determined as the taste estimation model. In this case, information on unnecessary components is eliminated, so that the arithmetic processing load is suppressed. Since information on highly related components is used, the accuracy of taste estimation is further improved.
成分データは、各種のクロマトグラフィに基づくデータを含んでいる。この場合、より多くの種類の成分の含有量に関する情報が取得され得る。 The component data includes data based on various chromatographies. In this case, information regarding the content of more types of components can be obtained.
飲食物は、アルコール飲料であってもよい。味覚は、甘味を含んでいてもよい。アルコール飲料の場合、味覚として甘みが重要視される。この作成方法によって作成される味覚推定モデル、味覚推定システム１、及び、味覚推定プログラムによれば、従来の推定では正確度が低かった甘みの推定も向上され得る。 The food and drink may be alcoholic beverages. The taste may include sweetness. In the case of alcoholic beverages, sweetness is important as a taste. According to the taste estimation model, the taste estimation system 1, and the taste estimation program created by this preparation method, the estimation of sweetness, which was not accurate in the conventional estimation, can be improved.
味覚は、香気及び炭酸度の少なくとも一つを含んでいてもよい。この作成方法によって作成される味覚推定モデル、味覚推定システム１、及び、味覚推定プログラムは、従来の推定では考慮されていなかった香気及び炭酸度も推定できる。 The taste may include at least one of aroma and carbonation. The taste estimation model, the taste estimation system 1, and the taste estimation program created by this preparation method can also estimate the aroma and carbonic acid content which have not been considered in the conventional estimation.
成分データは、香気成分に関する情報及び炭酸度に関する情報の少なくとも一方を含んでいてもよい。この場合、味覚推定モデルは香気成分及び炭酸度の少なくとも一方も考慮して作成される。ヒトの味覚には、例えば、香り及びのどごしも関係している。この味覚推定モデルによれば、香気成分及び炭酸度の少なくとも一方も考慮して味覚が推定され得るため、味覚の推定の正確度がさらに向上する。たとえば、対象の飲食物の香気成分及び炭酸度の少なくとも一方に関する情報と味覚推定モデルとに基づいて塩味、酸味、甘味、旨味、及び、苦味の少なくとも一つを推定することによって、これらの味覚の推定の正確度も向上し得る。 The component data may include at least one of information on aroma components and information on carbonation. In this case, the taste estimation model is created considering at least one of the aroma component and the carbonic acid content. Human taste is also associated with, for example, aroma and throat. According to this taste estimation model, the taste can be estimated in consideration of at least one of the aroma component and the carbonic acid content, so that the accuracy of the taste estimation is further improved. For example, by estimating at least one of saltiness, acidity, sweetness, umami, and bitterness based on information on at least one of the aroma components and carbonation of the target food and drink and a taste estimation model, these tastes The accuracy of the estimation can also be improved.
味覚推定モデル取得部１３は、互いに異なる味覚に対応する複数の味覚推定モデルを取得する。味覚値推定部１４は、成分データ取得部１１によって取得された情報と複数の味覚推定モデルとに基づいて、対象の飲食物について各味覚推定モデルに対応する味覚に関する情報を推定してもよい。この場合、味覚ごとに作成された味覚推定モデルによって、飲食物の味覚が推定される。したがって、１つの味覚推定モデルによって複数の味覚を推定する場合よりも、飲食物に対する味覚の推定の正確度が向上する。
The taste estimation
１…味覚推定システム、１１，２１…成分データ取得部、１３…味覚推定モデル取得部、１４…味覚値推定部。 1 ... Taste estimation system, 11,21 ... Component data acquisition unit, 13 ... Taste estimation model acquisition unit, 14 ... Taste value estimation unit.
Claims (18)
前記複数種の飲食物の各々について、複数の味覚の各々を定量的に示す仮味覚データを取得するステップと、
前記複数種の飲食物の各々における前記成分データと前記仮味覚データとに基づいて、前記味覚と各前記成分との相関係数を演算するステップと、
前記成分データと前記仮味覚データと前記相関係数とに基づいて、対象の飲食物における前記成分データの入力に応じて前記対象の飲食物の前記味覚に関する情報を出力する味覚推定モデルを作成するステップと、を含んでいる、味覚推定モデルの作成方法。 For each of the multiple types of food and drink, a step of acquiring component data including information on the content of each of the plurality of components, and
For each of the plurality of types of foods and drinks, a step of acquiring pseudo-taste data that quantitatively indicates each of the plurality of tastes, and
A step of calculating the correlation coefficient between the taste and each component based on the component data and the false taste data in each of the plurality of types of foods and drinks.
Based on the component data, the false taste data, and the correlation coefficient, a taste estimation model is created that outputs information on the taste of the target food or drink in response to the input of the component data in the target food or drink. How to create a taste estimation model, including steps and.
前記各成分の前記相関係数に基づいて、前記成分データから、前記複数の成分のうち一部の成分毎の含有量に関する情報を含む選別データが選別され、
前記選別データと前記仮味覚データとに基づいて、前記味覚推定モデルが作成される、請求項１に記載の味覚推定モデルの作成方法。 In the step of creating the taste estimation model,
Based on the correlation coefficient of each component, selection data including information on the content of each of a part of the plurality of components is selected from the component data.
The method for creating a taste estimation model according to claim 1, wherein the taste estimation model is created based on the selection data and the false taste data.
前記各成分の前記相関係数に基づいて、前記成分データから、第一選別データと、前記第一選別データと異なる数の成分毎の含有量に関する情報を含む第二選別データとが選別され、
前記第一選別データと前記仮味覚データとに基づく第一仮味覚推定モデルと、前記第二選別データと前記仮味覚データとに基づく第二仮味覚推定モデルとが作成され、
前記仮味覚データに基づいて、前記第一仮味覚推定モデル及び前記第二仮味覚推定モデルのうち一方が前記味覚推定モデルとして決定される、請求項１又は２に記載の味覚推定モデルの作成方法。 In the step of creating the taste estimation model,
Based on the correlation coefficient of each component, the first selection data and the second selection data including information on the content of each component in a different number from the first selection data are selected from the component data.
A first pseudo-taste estimation model based on the first selection data and the pseudo-taste data, and a second pseudo-taste estimation model based on the second selection data and the pseudo-taste data are created.
The method for creating a taste estimation model according to claim 1 or 2, wherein one of the first pseudo-taste estimation model and the second pseudo-taste estimation model is determined as the taste estimation model based on the pseudo-taste data. ..
前記味覚は、甘味を含んでいる、請求項１から５のいずれか一項に記載の味覚推定モデルの作成方法。 The food and drink are alcoholic beverages.
The method for creating a taste estimation model according to any one of claims 1 to 5, wherein the taste includes sweetness.
複数種の飲食物の各々における前記成分データと、前記複数種の飲食物の各々について複数の味覚の各々を定量的に示す仮味覚データと、前記味覚と各前記成分との相関係数とに基づく味覚推定モデルを取得する味覚推定モデル取得部と、
前記成分データ取得部によって取得された情報と、前記味覚推定モデル取得部によって取得された前記味覚推定モデルとに基づいて、前記対象の飲食物の味覚に関する情報を推定する推定部と、を備える、味覚推定システム。 A component data acquisition unit that acquires component data including information on the content of each of a plurality of components for the target food and drink, and a component data acquisition unit.
The component data for each of the plurality of types of food and drink, the pseudo-taste data that quantitatively indicates each of the plurality of tastes for each of the plurality of types of food and drink, and the correlation coefficient between the taste and each of the components are used. The taste estimation model acquisition unit that acquires the based taste estimation model,
It includes an estimation unit that estimates information about the taste of the target food and drink based on the information acquired by the component data acquisition unit and the taste estimation model acquired by the taste estimation model acquisition unit. Taste estimation system.
前記推定部は、前記成分データ取得部によって取得された情報と前記複数の味覚推定モデルとに基づいて、前記対象の飲食物について各前記味覚推定モデルに対応する味覚に関する情報を推定する、請求項９に記載の味覚推定システム。 The taste estimation model acquisition unit acquires a plurality of the taste estimation models corresponding to the tastes different from each other, and obtains the taste estimation models.
The estimation unit estimates information about the taste corresponding to each taste estimation model for the target food and drink based on the information acquired by the component data acquisition unit and the plurality of taste estimation models. 9. The taste estimation system according to 9.
前記味覚は、甘味を含んでいる、請求項９又は１０に記載の味覚推定システム。 The food and drink are alcoholic beverages.
The taste estimation system according to claim 9 or 10, wherein the taste includes sweetness.
複数種の飲食物の各々における前記成分データと、前記複数種の飲食物の各々について複数の味覚の各々を定量的に示す仮味覚データと、前記味覚と各前記成分との相関係数とに基づく味覚推定モデルを取得するステップと、
前記対象の飲食物における前記成分データと前記味覚推定モデルとに基づいて、前記対象の飲食物の味覚に関する情報を推定するステップと、をコンピュータに実行させる、味覚推定プログラム。 For the target food and drink, the step of acquiring component data including information on the content of each of the plurality of components, and
The component data for each of the plurality of types of food and drink, the pseudo-taste data that quantitatively indicates each of the plurality of tastes for each of the plurality of types of food and drink, and the correlation coefficient between the taste and each of the components are used. Steps to get a taste estimation model based on
A taste estimation program that causes a computer to perform a step of estimating information on the taste of the target food and drink based on the component data of the target food and drink and the taste estimation model.
前記対象の飲食物の味覚に関する情報を推定するステップにおいて、前記対象の飲食物における前記成分データと前記複数の味覚推定モデルとに基づいて、前記対象の飲食物について各前記味覚推定モデルに対応する味覚に関する情報が推定される、請求項１４に記載の味覚推定プログラム。 In the step of acquiring the taste estimation model, a plurality of the taste estimation models corresponding to the different tastes are acquired.
In the step of estimating the taste information of the target food and drink, each of the target foods and drinks corresponds to each of the taste estimation models based on the component data of the target food and drink and the plurality of taste estimation models. The taste estimation program according to claim 14, wherein information on taste is estimated.
前記味覚は、甘味を含んでいる、請求項１４又は１５に記載の味覚推定プログラム。 The food and drink are alcoholic beverages.
The taste estimation program according to claim 14 or 15, wherein the taste includes sweetness.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020153249A JP7207380B2 (en) | 2020-09-11 | 2020-09-11 | Taste estimation model creation method, taste estimation system, and taste estimation program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020153249A JP7207380B2 (en) | 2020-09-11 | 2020-09-11 | Taste estimation model creation method, taste estimation system, and taste estimation program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2022047369A true JP2022047369A (en) | 2022-03-24 |
| JP7207380B2 JP7207380B2 (en) | 2023-01-18 |
Family
ID=80780293
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020153249A Active JP7207380B2 (en) | 2020-09-11 | 2020-09-11 | Taste estimation model creation method, taste estimation system, and taste estimation program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7207380B2 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2022055690A (en) * | 2020-09-29 | 2022-04-08 | Tdk株式会社 | Food and drink evaluation system and food and drink evaluation program |
| WO2023181595A1 (en) * | 2022-03-22 | 2023-09-28 | 株式会社島津製作所 | Taste information providing method and program |
Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62251659A (en) * | 1986-04-25 | 1987-11-02 | Hitachi Ltd | Taste detecting device |
| JPS63197265A (en) * | 1985-08-26 | 1988-08-16 | 日本航空電子工業株式会社 | Diet menu generator |
| JPH0572198A (en) * | 1991-09-10 | 1993-03-23 | Iseki & Co Ltd | Estimation method for taste of rice |
| JPH0599896A (en) * | 1991-10-08 | 1993-04-23 | Anritsu Corp | Measuring method for taste |
| JPH0629851B2 (en) * | 1989-04-13 | 1994-04-20 | 株式会社ニレコ | Eating value estimation method |
| JPH0640069B2 (en) * | 1989-04-30 | 1994-05-25 | 株式会社ニレコ | Estimation method of taste value by near infrared |
| JPH06174689A (en) * | 1992-12-02 | 1994-06-24 | Anritsu Corp | Method of extracting characteristic of taste |
| JPH07117490B2 (en) * | 1988-02-25 | 1995-12-18 | 農林水産省食品総合研究所長 | Non-destructive method for determining the taste of fruits and vegetables by near infrared rays |
| JPH0829412A (en) * | 1994-07-15 | 1996-02-02 | Kubota Corp | Taste value measuring device |
| JPH09257741A (en) * | 1996-03-25 | 1997-10-03 | Kajitsu Ihakai Hinshitsu Kenkyusho:Kk | Signal forming apparatus for analyzing taste |
| JPH10260959A (en) * | 1997-03-19 | 1998-09-29 | Sanei Gen F F I Inc | Organic function evaluation system |
| JP2006293893A (en) * | 2005-04-14 | 2006-10-26 | Aji Kaori Senryaku Kenkyusho:Kk | Taste database |
| JP2006329674A (en) * | 2005-05-23 | 2006-12-07 | Keio Gijuku | Taste measuring method, taste sensor therefor and taste measuring instrument |
| JP2007327801A (en) * | 2006-06-07 | 2007-12-20 | Shimadzu Corp | Taste analyzer |
| JP2009014700A (en) * | 2007-01-31 | 2009-01-22 | Osaka Univ | Green tea quality prediction method |
| JP2013127376A (en) * | 2011-12-16 | 2013-06-27 | Spectr Design Kk | Method and system for determining taste sense of food item |
| JP2013195289A (en) * | 2012-03-21 | 2013-09-30 | Takasago Internatl Corp | Method for evaluating sense stimulating component |
| JP2017163916A (en) * | 2016-03-17 | 2017-09-21 | 株式会社電通 | System for reproducing food product taste, apparatus for converting food product taste-reproducing data, and method for reproducing food product taste |
| JP2018072210A (en) * | 2016-10-31 | 2018-05-10 | 長谷川香料株式会社 | Method for finding lingering flavor component specific to food or beverage |
| JP2019144022A (en) * | 2018-02-16 | 2019-08-29 | 株式会社三菱総合研究所 | Characteristic prediction method, characteristic prediction program and characteristic prediction device for beverage |
| JP2020022629A (en) * | 2018-08-07 | 2020-02-13 | 株式会社Ｔｒｅｅ Ｆｉｅｌｄ | Device, method and program and system |
| US20200184258A1 (en) * | 2018-12-11 | 2020-06-11 | Mablic Corporation | Apparatus and method for determining taste of user based on latent variable |
| JP2021076607A (en) * | 2019-11-11 | 2021-05-20 | ロート製薬株式会社 | Sensory evaluation method for eye-drops or ingredients thereof |
-
2020
- 2020-09-11 JP JP2020153249A patent/JP7207380B2/en active Active
Patent Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63197265A (en) * | 1985-08-26 | 1988-08-16 | 日本航空電子工業株式会社 | Diet menu generator |
| JPS62251659A (en) * | 1986-04-25 | 1987-11-02 | Hitachi Ltd | Taste detecting device |
| JPH07117490B2 (en) * | 1988-02-25 | 1995-12-18 | 農林水産省食品総合研究所長 | Non-destructive method for determining the taste of fruits and vegetables by near infrared rays |
| JPH0629851B2 (en) * | 1989-04-13 | 1994-04-20 | 株式会社ニレコ | Eating value estimation method |
| JPH0640069B2 (en) * | 1989-04-30 | 1994-05-25 | 株式会社ニレコ | Estimation method of taste value by near infrared |
| JPH0572198A (en) * | 1991-09-10 | 1993-03-23 | Iseki & Co Ltd | Estimation method for taste of rice |
| JPH0599896A (en) * | 1991-10-08 | 1993-04-23 | Anritsu Corp | Measuring method for taste |
| JPH06174689A (en) * | 1992-12-02 | 1994-06-24 | Anritsu Corp | Method of extracting characteristic of taste |
| JPH0829412A (en) * | 1994-07-15 | 1996-02-02 | Kubota Corp | Taste value measuring device |
| JPH09257741A (en) * | 1996-03-25 | 1997-10-03 | Kajitsu Ihakai Hinshitsu Kenkyusho:Kk | Signal forming apparatus for analyzing taste |
| JPH10260959A (en) * | 1997-03-19 | 1998-09-29 | Sanei Gen F F I Inc | Organic function evaluation system |
| JP2006293893A (en) * | 2005-04-14 | 2006-10-26 | Aji Kaori Senryaku Kenkyusho:Kk | Taste database |
| JP2006329674A (en) * | 2005-05-23 | 2006-12-07 | Keio Gijuku | Taste measuring method, taste sensor therefor and taste measuring instrument |
| JP2007327801A (en) * | 2006-06-07 | 2007-12-20 | Shimadzu Corp | Taste analyzer |
| JP2009014700A (en) * | 2007-01-31 | 2009-01-22 | Osaka Univ | Green tea quality prediction method |
| JP2013127376A (en) * | 2011-12-16 | 2013-06-27 | Spectr Design Kk | Method and system for determining taste sense of food item |
| JP2013195289A (en) * | 2012-03-21 | 2013-09-30 | Takasago Internatl Corp | Method for evaluating sense stimulating component |
| JP2017163916A (en) * | 2016-03-17 | 2017-09-21 | 株式会社電通 | System for reproducing food product taste, apparatus for converting food product taste-reproducing data, and method for reproducing food product taste |
| JP2018072210A (en) * | 2016-10-31 | 2018-05-10 | 長谷川香料株式会社 | Method for finding lingering flavor component specific to food or beverage |
| JP2019144022A (en) * | 2018-02-16 | 2019-08-29 | 株式会社三菱総合研究所 | Characteristic prediction method, characteristic prediction program and characteristic prediction device for beverage |
| JP2020022629A (en) * | 2018-08-07 | 2020-02-13 | 株式会社Ｔｒｅｅ Ｆｉｅｌｄ | Device, method and program and system |
| US20200184258A1 (en) * | 2018-12-11 | 2020-06-11 | Mablic Corporation | Apparatus and method for determining taste of user based on latent variable |
| JP2021076607A (en) * | 2019-11-11 | 2021-05-20 | ロート製薬株式会社 | Sensory evaluation method for eye-drops or ingredients thereof |
Non-Patent Citations (10)
| Title |
|---|
| 和島孝浩: "味覚センサ分析によるトマト果実の食味評価の検討", 美味技術学会誌, vol. 11, no. 2, JPN6022016011, 25 December 2012 (2012-12-25), pages 5 - 14, ISSN: 0004760524 * |
| 圖師一文: "塩ストレス下で栽培したトマトにおける電子味覚センサーを用いた食味評価と食味成分との関連性", 日本生物環境工学会大会講演要旨, vol. 2016, JPN6022016015, 12 September 2016 (2016-09-12), pages 34 - 35, ISSN: 0004760527 * |
| 山口幸蔵: "味覚センサーによる釜炒り茶,蒸製玉緑茶および煎茶のうま味・渋味の解析", 茶業研究報告, JPN6022016010, 30 June 2018 (2018-06-30), pages 45 - 52, ISSN: 0004760523 * |
| 忍和歌子: "ビールのコク定量評価センサ", アグリバイオ, vol. 1, no. 8, JPN6022032021, 20 August 2017 (2017-08-20), pages 888 - 893, ISSN: 0004937343 * |
| 柳澤昌臣: "味覚センサーを用いた日本酒の酒質評価系の構築", 群馬県立産業技術センター研究報告, vol. 2019, JPN6022016016, December 2020 (2020-12-01), pages 36 - 40, ISSN: 0004937349 * |
| 江崎秀: "味覚センサによるビールの味質と成分の分析", 電気学会論文誌 E, vol. 117, no. 9, JPN6022016014, September 1997 (1997-09-01), pages 449 - 455, ISSN: 0004760526 * |
| 池田睦: "味覚センサ開発のための基底最適化RBFNと味覚からの最適な成分濃度推定法", 知能と情報, vol. 21, no. 3, JPN6022032020, 15 June 2009 (2009-06-15), pages 392 - 401, ISSN: 0004840313 * |
| 田村朝子: "茶の成分値と味覚センサー測定値及びヒト官能評価との相関解析", 人間生活学研究, vol. 5, JPN6022032018, March 2014 (2014-03-01), pages 31 - 42, ISSN: 0004840312 * |
| 田村朝子: "茶の成分分析値と味覚センサー測定値及びヒト官能評価との相関について", 日本バイオレオロジー学会年会プログラム・抄録集, vol. 35, JPN6022016012, 31 May 2012 (2012-05-31), pages 78, ISSN: 0004760525 * |
| 藤井沙代子: "味認識装置による黒糖の評価", 日本食品科学工学会誌, vol. 66, no. 7, JPN6022016018, 15 July 2019 (2019-07-15), pages 249 - 260, ISSN: 0004937350 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2022055690A (en) * | 2020-09-29 | 2022-04-08 | Tdk株式会社 | Food and drink evaluation system and food and drink evaluation program |
| JP7136165B2 (en) | 2020-09-29 | 2022-09-13 | Tdk株式会社 | Food evaluation system and food evaluation program |
| WO2023181595A1 (en) * | 2022-03-22 | 2023-09-28 | 株式会社島津製作所 | Taste information providing method and program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7207380B2 (en) | 2023-01-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rudnitskaya et al. | Instrumental measurement of beer taste attributes using an electronic tongue | |
| US7899765B2 (en) | Method of measuring taste using two phase radial basis function neural networks, a taste sensor, and a taste measuring apparatus | |
| Gamboa et al. | Wine quality rapid detection using a compact electronic nose system: Application focused on spoilage thresholds by acetic acid | |
| JP7207380B2 (en) | Taste estimation model creation method, taste estimation system, and taste estimation program | |
| Marx et al. | Quantification of table olives' acid, bitter and salty tastes using potentiometric electronic tongue fingerprints | |
| Yu et al. | Characterization of selected Chinese soybean paste based on flavor profiles using HS-SPME-GC/MS, E-nose and E-tongue combined with chemometrics | |
| Pascual et al. | A voltammetric e-tongue tool for the emulation of the sensorial analysis and the discrimination of vegetal milks | |
| Wang et al. | Evaluation of eight kinds of flavor enhancer of umami taste by an electronic tongue | |
| CN109991368B (en) | Electronic tongue-based soy sauce flavor evaluation method, device, medium and computing equipment | |
| JP7136165B2 (en) | Food evaluation system and food evaluation program | |
| Wu et al. | Taste sensor with multiarray lipid/polymer membranes | |
| Toko et al. | Beer analysis using an electronic tongue | |
| CN110648061A (en) | System and method for evaluating sensory quality of agricultural products | |
| JP4430255B2 (en) | Aftertaste inspection method and aftertaste inspection apparatus | |
| JP2023048493A (en) | Food combination determination method, database creation method, food combination determination system, and database creation system | |
| Soós et al. | Application of electronic tongue to beverages | |
| CN109991367A (en) | Soy sauce physical and chemical composition detection method, device, medium and equipment based on electronic tongues | |
| Fabbris et al. | Wine preferences based on intrinsic attributes: A tasting experiment in Alto Adige/Südtirol province | |
| WO2023090338A1 (en) | Proposal device, proposal method, and proposal program | |
| JPH06174689A (en) | Method of extracting characteristic of taste | |
| JP6641398B2 (en) | Brewery search device and program | |
| WO2023181595A1 (en) | Taste information providing method and program | |
| US11797630B2 (en) | Method for providing information, method for controlling communication terminal, communication terminal, and non-transitory computer-readable recording medium storing program | |
| Yoon et al. | Comparison of conventional and consumer‐based sensory profiling methods for ready‐to‐drink coffee beverages | |
| Toko | Recent development of taste sensors |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210304 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220426 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220802 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220929 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221027 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221206 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221219 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7207380 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |