JP2022095915A - 摂取栄養量推定システム、摂取栄養量推定方法、摂取栄養量推定装置、記憶媒体及び摂取栄養量出力方法 - Google Patents
摂取栄養量推定システム、摂取栄養量推定方法、摂取栄養量推定装置、記憶媒体及び摂取栄養量出力方法 Download PDFInfo
- Publication number
- JP2022095915A JP2022095915A JP2022067785A JP2022067785A JP2022095915A JP 2022095915 A JP2022095915 A JP 2022095915A JP 2022067785 A JP2022067785 A JP 2022067785A JP 2022067785 A JP2022067785 A JP 2022067785A JP 2022095915 A JP2022095915 A JP 2022095915A
- Authority
- JP
- Japan
- Prior art keywords
- intake
- user
- nutrition
- estimation
- output
- 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
- 235000016709 nutrition Nutrition 0.000 title claims abstract description 504
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000035764 nutrition Effects 0.000 claims abstract description 420
- 230000029142 excretion Effects 0.000 claims abstract description 34
- 230000005540 biological transmission Effects 0.000 claims abstract description 20
- 235000015097 nutrients Nutrition 0.000 claims description 142
- 235000018823 dietary intake Nutrition 0.000 claims description 74
- 150000001720 carbohydrates Chemical class 0.000 claims description 59
- 235000014633 carbohydrates Nutrition 0.000 claims description 59
- 108090000623 proteins and genes Proteins 0.000 claims description 52
- 102000004169 proteins and genes Human genes 0.000 claims description 52
- 150000002632 lipids Chemical class 0.000 claims description 45
- 230000008569 process Effects 0.000 claims description 29
- 238000001514 detection method Methods 0.000 claims description 26
- 235000006286 nutrient intake Nutrition 0.000 claims description 26
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 7
- 239000011707 mineral Substances 0.000 claims description 7
- 235000013343 vitamin Nutrition 0.000 claims description 7
- 229940088594 vitamin Drugs 0.000 claims description 7
- 229930003231 vitamin Natural products 0.000 claims description 7
- 239000011782 vitamin Substances 0.000 claims description 7
- 210000002700 urine Anatomy 0.000 claims description 4
- 230000010365 information processing Effects 0.000 abstract description 19
- 235000019645 odor Nutrition 0.000 description 75
- 238000010586 diagram Methods 0.000 description 38
- 238000012545 processing Methods 0.000 description 33
- 230000006870 function Effects 0.000 description 23
- 238000004891 communication Methods 0.000 description 18
- 235000012054 meals Nutrition 0.000 description 18
- 235000005911 diet Nutrition 0.000 description 14
- 239000007789 gas Substances 0.000 description 14
- 238000002512 chemotherapy Methods 0.000 description 9
- 230000007812 deficiency Effects 0.000 description 8
- 230000037213 diet Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 230000035945 sensitivity Effects 0.000 description 8
- 230000013872 defecation Effects 0.000 description 7
- 239000004065 semiconductor Substances 0.000 description 7
- 230000000378 dietary effect Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000037406 food intake Effects 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 3
- 101000874141 Homo sapiens Probable ATP-dependent RNA helicase DDX43 Proteins 0.000 description 3
- 101000821981 Homo sapiens Sarcoma antigen 1 Proteins 0.000 description 3
- 102100035724 Probable ATP-dependent RNA helicase DDX43 Human genes 0.000 description 3
- 208000008425 Protein deficiency Diseases 0.000 description 3
- 102100021466 Sarcoma antigen 1 Human genes 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 235000014113 dietary fatty acids Nutrition 0.000 description 3
- 235000005686 eating Nutrition 0.000 description 3
- 229930195729 fatty acid Natural products 0.000 description 3
- 239000000194 fatty acid Substances 0.000 description 3
- 150000004665 fatty acids Chemical class 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 101001111655 Homo sapiens Retinol dehydrogenase 11 Proteins 0.000 description 2
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 description 2
- 102100023916 Retinol dehydrogenase 11 Human genes 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- XBDQKXXYIPTUBI-UHFFFAOYSA-N dimethylselenoniopropionate Natural products CCC(O)=O XBDQKXXYIPTUBI-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- KQNPFQTWMSNSAP-UHFFFAOYSA-N isobutyric acid Chemical compound CC(C)C(O)=O KQNPFQTWMSNSAP-UHFFFAOYSA-N 0.000 description 2
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- BDAGIHXWWSANSR-UHFFFAOYSA-N methanoic acid Natural products OC=O BDAGIHXWWSANSR-UHFFFAOYSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 150000004666 short chain fatty acids Chemical class 0.000 description 2
- 235000021391 short chain fatty acids Nutrition 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- XYHKNCXZYYTLRG-UHFFFAOYSA-N 1h-imidazole-2-carbaldehyde Chemical compound O=CC1=NC=CN1 XYHKNCXZYYTLRG-UHFFFAOYSA-N 0.000 description 1
- GWYFCOCPABKNJV-UHFFFAOYSA-M 3-Methylbutanoic acid Natural products CC(C)CC([O-])=O GWYFCOCPABKNJV-UHFFFAOYSA-M 0.000 description 1
- OSWFIVFLDKOXQC-UHFFFAOYSA-N 4-(3-methoxyphenyl)aniline Chemical compound COC1=CC=CC(C=2C=CC(N)=CC=2)=C1 OSWFIVFLDKOXQC-UHFFFAOYSA-N 0.000 description 1
- 206010000060 Abdominal distension Diseases 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
- 241000282412 Homo Species 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- GUBGYTABKSRVRQ-QKKXKWKRSA-N Lactose Natural products OC[C@H]1O[C@@H](O[C@H]2[C@H](O)[C@@H](O)C(O)O[C@@H]2CO)[C@H](O)[C@@H](O)[C@H]1O GUBGYTABKSRVRQ-QKKXKWKRSA-N 0.000 description 1
- 208000019695 Migraine disease Diseases 0.000 description 1
- 206010041969 Steatorrhoea Diseases 0.000 description 1
- KDYFGRWQOYBRFD-UHFFFAOYSA-N Succinic acid Natural products OC(=O)CCC(O)=O KDYFGRWQOYBRFD-UHFFFAOYSA-N 0.000 description 1
- 206010000059 abdominal discomfort Diseases 0.000 description 1
- 235000011054 acetic acid Nutrition 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 150000001412 amines Chemical class 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- GWYFCOCPABKNJV-UHFFFAOYSA-N beta-methyl-butyric acid Natural products CC(C)CC(O)=O GWYFCOCPABKNJV-UHFFFAOYSA-N 0.000 description 1
- 239000003613 bile acid Substances 0.000 description 1
- 208000024330 bloating Diseases 0.000 description 1
- KDYFGRWQOYBRFD-NUQCWPJISA-N butanedioic acid Chemical compound O[14C](=O)CC[14C](O)=O KDYFGRWQOYBRFD-NUQCWPJISA-N 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 235000021074 carbohydrate intake Nutrition 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 235000013325 dietary fiber Nutrition 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000019253 formic acid Nutrition 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000004310 lactic acid Substances 0.000 description 1
- 235000014655 lactic acid Nutrition 0.000 description 1
- 239000008101 lactose Substances 0.000 description 1
- 101150063818 mdt-4 gene Proteins 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 206010027599 migraine Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 1
- 150000002989 phenols Chemical class 0.000 description 1
- 235000019260 propionic acid Nutrition 0.000 description 1
- 235000021025 protein-rich diet Nutrition 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- IUVKMZGDUIUOCP-BTNSXGMBSA-N quinbolone Chemical compound O([C@H]1CC[C@H]2[C@H]3[C@@H]([C@]4(C=CC(=O)C=C4CC3)C)CC[C@@]21C)C1=CCCC1 IUVKMZGDUIUOCP-BTNSXGMBSA-N 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 208000001162 steatorrhea Diseases 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- -1 sulfide compound Chemical class 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 150000003722 vitamin derivatives Chemical class 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 235000021413 well-balanced diet Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L15/00—Washing or rinsing machines for crockery or tableware
- A47L15/42—Details
- A47L15/4276—Arrangements to detect or remove bad smells or odours
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S530/00—Chemistry: natural resins or derivatives; peptides or proteins; lignins or reaction products thereof
- Y10S530/859—Waste, waste material, refuse or sludge, e.g. effluents, fecal matter
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Nutrition Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Bidet-Like Cleaning Device And Other Flush Toilet Accessories (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
【課題】トイレ空間の使用者が摂取した栄養を観察するためのトイレ空間の使用者の負荷を抑制する摂取栄養量推定システム、摂取栄養量推定方法、摂取栄養量推定装置、記憶媒体及び摂取栄養量出力方法を提供する。【解決手段】摂取栄養量推定装置１００は、トイレ空間に設置され、トイレ空間の使用者の排泄に関する排泄臭を検知するセンサの出力値を受信する取得部１３１と、センサの出力値に基づいて、使用者が摂取した栄養の量である推定摂取栄養量を推定する推定部１３２と、推定結果を用いて情報を生成する生成部１３３と、外部の情報処理装置へ情報を送信する送信部１３４と、を有する。【選択図】図４
Description
開示の実施形態は、摂取栄養量推定システム、摂取栄養量推定方法、摂取栄養量推定装置、記憶媒体及び摂取栄養量出力方法に関する。
近年、健康志向は高まり日々健康状態をモニタリング（観察）することで、健康状態を確認し必要に応じて生活を改善していく事の必要性が高まっている。人体から排泄される排泄物は人間の健康状態を示す重要なバイタルサインと言え、排泄物から発する臭い（排便ガス）等の情報を用いて、その排泄物を排泄した人間の食事内容等を判別する技術が提供されている（例えば、特許文献１、２）。
また、排泄物から発する排便ガスと摂取した食事との関係が現在明らかになりつつある。例えば、バランスの良い食事をした場合は、短鎖脂肪酸類（酢酸、プロピオン酸、酪酸）が排便ガスに含まれる。また、炭水化物（糖質）の過剰摂取を行った場合は、乳酸、コハク酸、ギ酸、分岐脂肪酸（イソ酪酸、イソ吉草酸）が排便ガスに含まれる。また、タンパク質の過剰摂取を行った場合は、アンモニア、フェノール、硫化水素が排便ガスに含まれる。更に、脂質の過剰摂取を行った場合は、硫化水素、アミン類、胆汁酸、脂肪便由来の酸性ガスが排便ガスに含まれる。
しかしながら、上記のようなシステムでは、トイレ空間の使用者が摂取した栄養を観察するためのトイレ空間の使用者の負荷を抑制することができるとは限らない。
例えば、特許文献１は、飲食物の画像情報とラベルに記載されたバーコード情報、すなわちトイレ空間の使用者の排泄に関する情報以外が必要となり、システムが複雑化するとともに、トイレ空間の使用者への負荷が増大する。また、特許文献２も、人間（トイレ空間の使用者）が食する食情報が必要であり、同様にトイレ空間の使用者の排泄に関する情報以外が必要となる。このように、特許文献１、２では、栄養の観察対象となる人間（トイレ空間の使用者）に係る負荷が大きく、利便性が高いとは言い難い。そのため、トイレ空間の使用者に負荷をかけずに、トイレ空間の使用者が摂取した栄養を観察可能にすることが望まれている。
上記のような点を鑑みて、トイレ空間の使用者が摂取した栄養を観察するためのトイレ空間の使用者の負荷を抑制することが課題となる。
開示の実施形態は、トイレ空間の使用者が摂取した栄養を観察するためのトイレ空間の使用者の負荷を抑制することができる摂取栄養量推定システム、摂取栄養量推定方法、摂取栄養量推定装置、記憶媒体及び摂取栄養量出力方法を提供することを目的とする。
実施形態の一態様に係る摂取栄養量推定システムは、トイレ空間に設置され、前記トイレ空間の使用者の排泄に関する排泄臭を検知するセンサと、前記センサの出力値に基づいて、前記使用者が摂取した栄養の量である推定摂取栄養量を推定する推定手段と、前記推定摂取栄養量に基づく情報を出力する出力手段と、を有することを特徴とする。
実施形態の一態様に係る摂取栄養量推定システムによれば、トイレ空間の使用者の食事等の情報を用いることなく、トイレ空間に設置されたセンサの出力値を用いて、トイレ空間の使用者が摂取した栄養の量を推定する。これにより、摂取栄養量推定システムは、トイレ空間の使用者が摂取した栄養を観察するためのトイレ空間の使用者の負荷を抑制することができる。そして、トイレ空間の使用者やその使用者の栄養を管理する者等（以下「使用者等」ともいう）は、出力された推定摂取栄養量に基づく情報を参照することにより、使用者等が使用者の食事傾向を把握することができ、摂取栄養の改善に役立てることができる。
実施形態の一態様に係る摂取栄養量推定システムは、前記使用者が目標とする栄養摂取量である栄養摂取目標量を記憶する記憶手段、をさらに有し、前記出力手段は、前記栄養摂取目標量と、前記推定摂取栄養量とを出力することを特徴とする。
実施形態の一態様に係る摂取栄養量推定システムによれば、目標栄養量に基づく情報と現状の栄養量に基づく情報との両方を出力することで、目標栄養と現状の栄養との関係を使用者等に認識させることができる。例えば、摂取栄養量推定システムは、目標栄養量と現状の栄養量との両方を表示することで、目標栄養量と現状の栄養量との関係を可視化することができる。これにより、使用者等が使用者の摂取栄養について目標と現実とを比較することができ、現実と目標との差を把握し、摂取栄養の改善に役立てることができる。
実施形態の一態様に係る摂取栄養量推定システムは、前記使用者が目標とする栄養摂取量である栄養摂取目標量を記憶する記憶手段、をさらに備え、前記出力手段は、前記栄養摂取目標量と、前記推定摂取栄養量との相違を出力する。
実施形態の一態様に係る摂取栄養量推定システムによれば、使用者が目標とする栄養摂取目標量と推定摂取栄養量との相違を出力することで、使用者等が現実と目標との差を把握し、摂取栄養の改善に役立てることができる。
実施形態の一態様に係る摂取栄養量推定システムにおいて、出力手段は、栄養摂取目標量と、推定摂取栄養量との相違に基づく推奨情報を表示する。
実施形態の一態様に係る摂取栄養量推定システムによれば、使用者が目標とする栄養摂取目標量と推定摂取栄養量との相違に基づく推奨情報を表示することで、使用者等が推奨情報によりどのように摂取栄養を改善すべきかを把握することができ、摂取栄養の改善に役立てることができる。
実施形態の一態様に係る摂取栄養量推定システムにおいて、前記記憶手段に記憶された栄養摂取目標量は、前記使用者の選択、または前記使用者に関する情報に基づいて設定される。
実施形態の一態様に係る摂取栄養量推定システムによれば、トイレ空間の使用者等は、使用者の状況に合わせて、適切な目標値を設定することができる。このように、摂取栄養量推定システムは、トイレ空間の使用者が摂取した栄養を観察するためのトイレ空間の使用者の負荷を抑制することができる。
実施形態の一態様に係る摂取栄養量推定システムにおいて、前記推定手段は、前記推定摂取栄養量として、使用者が摂取した栄養のバランスである推定摂取栄養バランスを推定し、前記出力手段は、前記推定摂取栄養バランスに基づく情報を出力する。
実施形態の一態様に係る摂取栄養量推定システムによれば、使用者等は、出力された推定摂取栄養バランスを参照することにより、使用者等が使用者の食事傾向を把握することができ、摂取栄養バランスの改善に役立てることができる。
実施形態の一態様に係る摂取栄養量推定システムにおいて、前記推定手段は、前記推定摂取栄養量として、使用者が摂取した特定の栄養素の量である推定摂取特定栄養量を推定し、前記出力手段は、前記推定摂取特定栄養量に基づく情報を出力する。
実施形態の一態様に係る摂取栄養量推定システムによれば、使用者等は、出力された特定の栄養素の量の推定摂取特定栄養量に基づく情報を参照することにより、使用者等が特定の栄養素の量の摂取状況を把握することができ、特定の栄養素の量に関する摂取の改善に役立てることができる。
実施形態の一態様に係る摂取栄養量推定システムにおいて、前記出力手段は、炭水化物、脂質、蛋白質、ビタミン、ミネラルから選択される少なくとも２つの栄養素のバランスをグラフで表示する。
実施形態の一態様に係る摂取栄養量推定システムによれば、栄養素のバランスをグラフで表示することで、使用者等に視覚的に栄養バランスを提示することができる。例えば、摂取栄養量推定システムは、少なくとも２つの栄養素に着目し、且つ視覚的に栄養バランスを表示することができる。これにより、使用者等は栄養バランスを直感的に把握することができる。
実施形態の一態様に係る摂取栄養量推定システムにおいて、前記センサは、前記トイレ空間の便座または大便器に設置される。
実施形態の一態様に係る摂取栄養量推定システムによれば、排便ガス等の排泄臭を検出しやすい場所に配置することにより、検知精度を向上させることができる。
実施形態の一態様に係る摂取栄養量推定システムにおいて、前記推定手段は、電気通信回線を介して前記出力手段と通信可能に接続され、前記推定手段から前記出力手段への情報伝達は、前記電気通信回線を通じて行われる。
実施形態の一態様に係る摂取栄養量推定システムによれば、摂取栄養量推定装置等の推定手段と、ユーザ端末等の出力手段とを任意の配置とすることができ、柔軟なシステム構成を実現することができる。
実施形態の一態様に係る摂取栄養量推定システムは、前記使用者を認証する認証手段、をさらに有する。
実施形態の一態様に係る摂取栄養量推定システムによれば、個人認証により、個人情報の保護が可能になる。また、摂取栄養量推定システムは、トイレ空間の使用者を認証することで、収集した排泄臭とその排泄臭を発生させた主体である使用者とを対応付けて管理することができる。
実施形態の一態様に係る摂取栄養量推定システムは、前記推定摂取栄養量のデータを電気通信回線により、端末装置に送信する送信手段、をさらに有する。
実施形態の一態様に係る摂取栄養量推定システムによれば、情報をより見やすい場所に表示したり、健康管理に必要な知見者の元に情報を伝達したりすることができる。
実施形態の一態様に係る摂取栄養量推定システムにおいて、前記排泄臭は、前記使用者が排泄した便、尿、及びガスのうち少なくとも１つの臭いを含む。
実施形態の一態様に係る摂取栄養量推定システムによれば、使用者が排泄した便、尿、及びガス等の種々の臭いを用いて、使用者の摂取栄養量を推定することができる。
実施形態の一態様に係る摂取栄養量推定方法は、トイレ空間に設置されたセンサにより前記トイレ空間の使用者の排泄に関する排泄臭を検知する検知工程と、前記センサの出力値に基づいて、前記使用者が摂取した栄養の量である推定摂取栄養量を推定する推定工程と、前記推定摂取栄養量に基づく情報を出力する出力工程と、を含むことを特徴とする。
実施形態の一態様に係る摂取栄養量推定方法によれば、トイレ空間の使用者の食事等の情報を用いることなく、トイレ空間に設置されたセンサの出力値を用いて、トイレ空間の使用者が摂取した栄養の量を推定する。これにより、摂取栄養量推定方法は、トイレ空間の使用者が摂取した栄養を観察するためのトイレ空間の使用者の負荷を抑制することができる。そして、トイレ空間の使用者等は、出力された推定摂取栄養量に基づく情報を参照することにより、使用者等が使用者の食事傾向を把握することができ、摂取栄養の改善に役立てることができる。
実施形態の一態様に係る摂取栄養量推定装置は、トイレ空間に設置されたセンサが前記トイレ空間の使用者の排泄に関する排泄臭の検知により出力した出力値を取得する取得部と、前記センサの出力値に基づいて、前記使用者が摂取した栄養の量である推定摂取栄養量を推定する推定部と、を備えることを特徴とする。
実施形態の一態様に係る摂取栄養量推定装置によれば、トイレ空間の使用者の食事等の情報を用いることなく、トイレ空間に設置されたセンサの出力値を用いて、トイレ空間の使用者が摂取した栄養の量を推定する。これにより、摂取栄養量推定装置は、トイレ空間の使用者が摂取した栄養を観察するためのトイレ空間の使用者の負荷を抑制することができる。そして、摂取栄養量推定装置は、推定した推定摂取栄養量に基づく情報をトイレ空間の使用者等に提供することにより、使用者等が使用者の食事傾向を把握することができ、摂取栄養の改善に役立てることができる。
実施形態の一態様に係る摂取栄養量推定方法は、コンピュータが実行する摂取栄養量推定方法であって、トイレ空間に設置されたセンサが前記トイレ空間の使用者の排泄に関する排泄臭の検知により出力した出力値を取得する取得工程と、前記センサの出力値に基づいて、前記使用者が摂取した栄養の量である推定摂取栄養量を推定する推定工程と、を含むことを特徴とする。
実施形態の一態様に係る摂取栄養量推定方法によれば、トイレ空間の使用者の食事等の情報を用いることなく、トイレ空間に設置されたセンサの出力値を用いて、トイレ空間の使用者が摂取した栄養の量を推定する。これにより、摂取栄養量推定方法は、トイレ空間の使用者が摂取した栄養を観察するためのトイレ空間の使用者の負荷を抑制することができる。そして、トイレ空間の使用者等は、摂取栄養量推定値を参照することにより、使用者等が使用者の食事傾向を把握することができ、摂取栄養の改善に役立てることができる。
実施形態の一態様に係る記憶媒体は、コンピュータが実行する記憶媒体であって、トイレ空間に設置されたセンサが前記トイレ空間の使用者の排泄に関する排泄臭の検知により出力した出力値に基づいて推定された前記使用者の摂取栄養量に基づく情報と、前記使用者が目標とする栄養摂取量である栄養摂取目標量に基づく情報とを取得する取得手順と、前記栄養摂取目標量に基づく情報を、前記摂取栄養量に基づく情報とともに出力するためのプログラムが非一時的に記録される。
実施形態の一態様に係る記憶媒体によれば、記録されたプログラム（出力プログラム）により、トイレ空間の使用者が目標とする栄養摂取量に基づく情報を、推定した使用者の栄養摂取量に基づく情報とともに出力することで、使用者が自身の目標と現状とを簡単に比較することを可能にすることができる。このように、記憶媒体は、トイレ空間の使用者が摂取した栄養を観察するためのトイレ空間の使用者の負荷を抑制することができる。
実施形態の一態様に係る摂取栄養量出力方法は、コンピュータが実行する摂取栄養量出力方法であって、トイレ空間に設置されたセンサが前記トイレ空間の使用者の排泄に関する排泄臭の検知により出力した出力値に基づいて推定された前記使用者の摂取栄養量に基づく情報と、前記使用者が目標とする栄養摂取量である栄養摂取目標量に基づく情報とを取得する取得工程と、前記栄養摂取目標量に基づく情報を、前記摂取栄養量に基づく情報とともに出力する出力工程と、を含むことを特徴とする。
実施形態の一態様に係る摂取栄養量出力方法によれば、トイレ空間の使用者が目標とする栄養摂取量に基づく情報を、推定した使用者の栄養摂取量に基づく情報とともに出力することで、使用者が自身の目標と現状とを簡単に比較することを可能にすることができる。このように、摂取栄養量出力方法は、トイレ空間の使用者が摂取した栄養を観察するためのトイレ空間の使用者の負荷を抑制することができる。
実施形態の一態様によれば、トイレ空間の使用者が摂取した栄養を観察するためのトイレ空間の使用者の負荷を抑制することができる。
以下、添付図面を参照して、本願の開示する摂取栄養量推定システムの実施形態を詳細に説明する。なお、以下に示す実施形態によりこの発明が限定されるものではない。
＜１．摂取栄養量推定処理＞
まず、実施形態に係る摂取栄養量推定システム１（図３参照）において実行される情報処理の概要について図１を参照して説明する。図１は、実施形態に係る摂取栄養量推定処理の一例を示す図である。以下では、推定する摂取栄養の量（推定摂取栄養量）の一例として、人が摂取した栄養のバランス（「摂取栄養バランス」ともいう）を示すが、推定摂取栄養量は各栄養素の摂取量等であってもよい。また、以下では、摂取栄養バランスの一例として、炭水化物、脂質、蛋白質（タンパク質）の３つの栄養素のバランスを対象とする場合を示すが、摂取栄養バランスの対象には、ビタミン、ミネラル等の他の栄養素が含まれてもよい。
まず、実施形態に係る摂取栄養量推定システム１（図３参照）において実行される情報処理の概要について図１を参照して説明する。図１は、実施形態に係る摂取栄養量推定処理の一例を示す図である。以下では、推定する摂取栄養の量（推定摂取栄養量）の一例として、人が摂取した栄養のバランス（「摂取栄養バランス」ともいう）を示すが、推定摂取栄養量は各栄養素の摂取量等であってもよい。また、以下では、摂取栄養バランスの一例として、炭水化物、脂質、蛋白質（タンパク質）の３つの栄養素のバランスを対象とする場合を示すが、摂取栄養バランスの対象には、ビタミン、ミネラル等の他の栄養素が含まれてもよい。
図１の例は、家庭（住宅）のトイレであるトイレ空間ＰＳ１をトイレ空間の一例として、トイレ装置（以下「トイレＴＬ」とする）が配置されたトイレ空間ＰＳ１の概略平面図を示す。図１の例では、便、尿、及びガスのうち少なくとも１つの臭いを含む排泄臭を検知する臭いセンサとして機能するセンサ装置５０がトイレＴＬの便座ＴＳに設置される場合を示す。
図１では、ユーザＵ１をトイレ空間ＰＳ１の使用者の一例とし、ユーザＵ１が利用するユーザ端末１０を摂取栄養量出力装置の一例として説明する。なお、摂取栄養量出力装置はユーザ端末１０に限られないがこの点については後述する。
まず、図１の例では、日時ｔ１において、ユーザＵ１がユーザ端末１０を用いて、ユーザＵ１が目標とする栄養摂取バランス（「栄養摂取目標バランス」ともいう）を設定する（ステップＳ１）。ユーザ端末１０には、摂取栄養バランスをモニタリングするためのアプリケーション（「栄養バランスモニタリングアプリ」ともいう）がインストールされており、ユーザＵ１は栄養バランスモニタリングアプリにより栄養摂取目標バランスを設定する。例えば、ユーザＵ１は、ユーザ端末１０を操作して、「Modern Standard」（図５参照）を栄養摂取目標バランスに設定する。ユーザ端末１０は、設定されたユーザＵ１の栄養摂取目標バランスを示す情報を、摂取栄養量推定装置１００に送信する。なお、ユーザＵ１の栄養摂取目標バランスは、ユーザＵ１自身が設定する場合に限らず、ユーザＵ１の属性情報等を基に自動で設定されてもよい。
そして、日時ｔ２において、センサ装置５０が設置されたトイレ空間ＰＳ１においてユーザＵ１が排泄行為を行い、センサ装置５０は、ユーザＵ１の排泄臭を検知する（ステップＳ２）。そして、センサ装置５０は、ユーザＵ１の排泄臭の検知に応じた出力値を摂取栄養量推定装置１００に送信する。これにより、摂取栄養量推定装置１００は、ユーザＵ１の排泄臭に対応するセンサ装置５０の出力値を取得する（ステップＳ３）。なお、摂取栄養量推定システム１は、日時ｔ２にトイレ空間ＰＳ１を利用した人がユーザＵ１であることの特定（個人認証）を、ユーザ端末１０や他の装置（デバイス）を用いて行ってもよいが、この点については後述する。例えば、図１の例では、トイレ空間ＰＳ１に設置され、ユーザによるトイレに関する種々の操作を受け付ける装置（「トイレ操作装置」ともいう）を用いて個人認証を行う。例えば、トイレ操作装置は、温水洗浄便座のお尻洗浄の強度や位置を変更するためのリモコンであってもよい。ユーザＵ１がトイレ操作装置を操作し、日時ｔ２にトイレ空間ＰＳ１を利用した人がユーザＵ１であることを示す情報を摂取栄養量推定装置１００がトイレ操作装置から受信したものとして説明する。
そして、日時ｔ３において、摂取栄養量推定装置１００は、ユーザＵ１の排泄臭に対応するセンサ装置５０の出力値を用いて、ユーザＵ１が摂取した栄養のバランス（「推定摂取栄養バランス」ともいう）を推定する（ステップＳ４）。例えば、摂取栄養量推定装置１００は、センサの出力値に基づく入力に応じて、ユーザが摂取したと推定される栄養のバランスを示す情報を出力するモデル（「推定モデル」ともいう）の出力を用いて、ユーザＵ１の推定摂取栄養バランスを推定する。摂取栄養量推定装置１００は、推定モデルであるモデルＭ１～Ｍ９（図６参照）の中から選択したモデルを用いて、処理を行う。以下では、摂取栄養量推定装置１００が３つのモデルＭ１～Ｍ３を用いて処理を行う場合を説明するが、用いるモデルは上記の３つに限られず、用いるモデルもモデルＭ１～Ｍ３に限らず、他のモデルＭ４～Ｍ９であってもよく、数も３つに限られない。例えば、摂取栄養量推定装置１００は、モデルＭ１～Ｍ３の出力結果を用いて、ユーザの推定摂取栄養バランスが、バランス良好、炭水化物過剰、脂質過剰、タンパク質過剰の４つのいずれであるかを推定する。例えば、モデルＭ１～Ｍ３は、排泄臭を検知したセンサ装置５０の出力値に基づく入力に応じて、その排泄臭に対応するユーザが摂取した栄養がバランス良好、炭水化物過剰、脂質過剰、タンパク質過剰の４つのいずれであるかを出力する分類器である。なお、バランス良好、炭水化物過剰、脂質過剰、タンパク質過剰の４分類は分類器の説明のための一例に過ぎず、分類器は４分類よりも多い分類を出力する分類器であってもよい。例えば、５分類以上の分類を出力する分類器を用いることにより、摂取栄養量推定装置１００は、ユーザが摂取した栄養が５分類以上の分類のいずれであるかを推定してもよい。例えば、分類器は、各栄養素の不足に関する分類も出力する分類器であってもよい。この場合、分類は、バランス良好、炭水化物過剰かつ脂質不足、炭水化物過剰かつタンパク質不足、脂質過剰かつ炭水化物不足、脂質過剰かつタンパク質不足、タンパク質過剰かつ炭水化物不足、タンパク質過剰かつ脂質不足の７分類であってもよい。このような７分類の分類を出力する分類器を用いることにより、摂取栄養量推定装置１００は、各摂取栄養量の過剰と同様に不足も推定できる。上記のように、分類器は、上記の７分類のごとく過剰と不足を出力してもよい。すなわち、摂取栄養量推定装置１００は、分類器の出力に応じて様々な分類を推定することができる。
図１の例では、摂取栄養量推定装置１００は、ユーザＵ１の推定摂取栄養バランスがタンパク質過剰の栄養バランスであると推定する。例えば、摂取栄養量推定装置１００は、センサ装置５０の出力値を用いて生成した入力値をモデルＭ１に入力し、モデルＭ１の出力結果がタンパク質過剰を示す情報であった場合、ユーザＵ１の推定摂取栄養バランスがタンパク質過剰の栄養バランスであると推定する。摂取栄養量推定装置１００は、センサ装置５０の出力値を用いてモデルＭ１等の推定モデルへの入力値を生成する。なお、センサ装置５０の出力値を用いて生成した入力値は、センサ装置５０の出力値そのままであってもよいし、センサ装置５０の出力値の一部やセンサ装置５０の出力値から算出した値等であってもよい。また、モデルＭ１～Ｍ３の出力結果を用いた処理等、推定処理の詳細については後述する。
摂取栄養量推定装置１００は、推定結果をユーザ端末１０に送信する（ステップＳ５）。摂取栄養量推定装置１００は、ユーザＵ１の推定摂取栄養バランスがタンパク質過剰であることを示す推定結果の情報をユーザ端末１０に送信する。例えば、摂取栄養量推定装置１００は、ユーザＵ１が設定した栄養摂取目標バランスである「Modern Standard」を示す目標設定の情報をユーザ端末１０に送信する。
そして、日時ｔ４において、推定結果をユーザ端末１０は、推定結果を表示する（ステップＳ６）。ユーザ端末１０は、ユーザＵ１の推定摂取栄養バランスがタンパク質過剰であることを示す推定結果を表示する。例えば、ユーザ端末１０は、ユーザＵ１が設定した栄養摂取目標バランスを示す目標設定とともに、ユーザＵ１の推定摂取栄養バランスがタンパク質過剰であることを示す推定結果を表示する。
このように、摂取栄養量推定システム１は、トイレ空間に設置されたセンサ装置５０の検知結果と推定モデルとを基に、トイレ空間の使用者の摂取栄養バランスを推定する。これにより、摂取栄養量推定システム１は、トイレ空間の使用者等の栄養バランスの推定対象者等への負荷を抑制し、トイレ空間の使用者が摂取した栄養のバランスを観察することができる。上記のように、摂取栄養量推定システム１では、トイレ空間の使用者は日常の排泄行為を行うだけで、栄養バランスに関する情報を得ることができる。そのため、摂取栄養量推定システム１による栄養バランス推定に関するサービスを、トイレ空間の使用者が日々継続して使用する場合に特に利便性は高い。すなわち、摂取栄養量推定システム１は、トイレ空間の使用者が摂取した栄養のバランスを観察するために、トイレ空間の使用者等の摂取栄養量推定システム１の利用者が行う作業等の負荷を抑制することができる。なお、ユーザ端末１０は、ユーザＵ１の推定摂取栄養バランスやユーザＵ１が設定した栄養摂取目標バランスを示す文字情報を表示してもよいし、ユーザＵ１の推定摂取栄養バランスやユーザＵ１が設定した栄養摂取目標バランスを示すグラフ（統計図表）等の図を表示してもよい。
＜２．摂取栄養バランスの表示例＞
図２を用いて、摂取栄養バランスの表示例について説明する。図２は、摂取栄養量出力装置の表示例を示す図である。具体的には、図２は、摂取栄養量出力装置であるユーザ端末１０がユーザＵ１の推定摂取栄養バランスやユーザＵ１が設定した栄養摂取目標バランスを示すレーダーチャートを表示する場合を示す。なお、レーダーチャートは、栄養摂取目標バランスを示すグラフの一例に過ぎず、他の形式のグラフであってもよいが、この点についての詳細は後述する。以下、図１のユーザＵ１をトイレ空間ＰＳ１の使用者とした場合を例に説明する。
図２を用いて、摂取栄養バランスの表示例について説明する。図２は、摂取栄養量出力装置の表示例を示す図である。具体的には、図２は、摂取栄養量出力装置であるユーザ端末１０がユーザＵ１の推定摂取栄養バランスやユーザＵ１が設定した栄養摂取目標バランスを示すレーダーチャートを表示する場合を示す。なお、レーダーチャートは、栄養摂取目標バランスを示すグラフの一例に過ぎず、他の形式のグラフであってもよいが、この点についての詳細は後述する。以下、図１のユーザＵ１をトイレ空間ＰＳ１の使用者とした場合を例に説明する。
摂取栄養量推定装置１００は、ユーザＵ１の栄養摂取目標バランスである「Modern Standard」を示す情報と、タンパク質過剰であることを示すユーザＵ１の推定摂取栄養バランスを示す情報とを含むコンテンツＣＴ１を生成する。摂取栄養量推定装置１００は、ユーザＵ１の栄養摂取目標バランスに対応する目標チャートＴＧ１に、ユーザＵ１の推定摂取栄養バランスに対応する推定チャートＥＳ１を重畳させたレーダーチャートＲＣ１を含むコンテンツＣＴ１を生成する。コンテンツＣＴ１のレーダーチャートＲＣ１には、目標チャートＴＧ１及び推定チャートＥＳ１と、その３つの軸（炭水化物、脂質、タンパク質）を示す情報が含まれる。
そして、摂取栄養量推定装置１００は、コンテンツＣＴ１をユーザ端末１０に送信し、ユーザ端末１０は、受信したコンテンツＣＴ１を表示する。なお、図２に示すコンテンツＣＴ１は、各種の付加的な情報も表示した場合の表示態様を示しており、コンテンツＣＴ１には、レーダーチャートＲＣ１以外は含まれなくてもよい。
図２の例では、栄養摂取目標バランスを示す目標チャートＴＧ１は、ハッチングが付された領域に対応し、１．２から０．８までの間の幅を有する。例えば、目標チャートＴＧ１は、各栄養素の１．０の部分が、栄養摂取目標バランスの目標値に対応し、そこから上下２０％の範囲が目標を達成している範囲内であることを示す。
ここで、「Modern Standard」は、炭水化物「６０％」、脂質「２５％」、タンパク質「１５％」の栄養素比率が理想のバランスである（図５参照）。そのため、例えば、「Modern Standard」では、炭水化物の目標値が「６０％」であるため、「Carbo」と記載された左斜め下向きの軸の１．０が炭水化物の割合が「６０％」である場合に対応する。また、「Modern Standard」では、脂質の目標値が「２５％」であるため、「Fat」と記載された右斜め下向きの軸の１．０が脂質の割合が「２５％」である場合に対応する。また、「Modern Standard」では、タンパク質の目標値が「１５％」であるため、「Protein」と記載された上向きの軸の１．０がタンパク質の割合が「１５％」である場合に対応する。
摂取栄養量推定装置１００は、「Modern Standard」の各栄養素の目標値に対応する位置を１とし、１．２から０．８までの間の幅を有する目標チャートＴＧ１を含むレーダーチャートＲＣ１を生成する。なお、上記は一例であり、レーダーチャートＲＣ１の軸やその目盛は、適宜変更されてもよい。例えば、レーダーチャートＲＣ１の軸の目盛は、割合「％」であってもよい。
図２の例では、推定摂取栄養バランスを示す推定チャートＥＳ１は、各栄養素の割合に対応する推定値の位置を通る。例えば、推定チャートＥＳ１は、炭水化物の推定値が０．９、脂質の推定値が１．３、タンパク質の推定値が１．５であることを示す。推定チャートＥＳ１は、タンパク質が目標の割合よりも大幅に摂取されていることを示す。
なお、推定チャートＥＳ１は、摂取栄養量推定装置１００が推定する情報に基づいて、生成される。例えば、摂取栄養量推定装置１００がユーザの推定摂取栄養バランスの分類のみを推定する場合、摂取栄養量推定装置１００は、栄養バランスの各分類に対応する推定チャートを用いてもよい。この場合、摂取栄養量推定装置１００は、栄養バランスの各分類に対応付けて推定チャートまたは各栄養素の値をチャート用情報として記憶し、そのチャート用情報を用いて推定チャートＥＳ１を生成してもよい。
また、例えば、摂取栄養量推定装置１００がユーザの摂取した各栄養素の割合を推定する場合、摂取栄養量推定装置１００は、推定した各栄養素の割合を用いて推定チャートを生成してもよい。
また、図２に示すように、摂取栄養量推定装置１００は、各栄養素の推定値を文字情報として含むコンテンツＣＴ１を生成してもよい。摂取栄養量推定装置１００は、栄養バランスに関するスコアを含むコンテンツＣＴ１を生成してもよい。例えば、摂取栄養量推定装置１００は、栄養摂取目標バランスと、推定摂取栄養バランスとに基づいてスコアを算出してもよい。例えば、摂取栄養量推定装置１００は、推定摂取栄養バランスが、栄養摂取目標バランスに近い程、高くなるようにスコアを算出してもよい。図２の例では、摂取栄養量推定装置１００は、コンテンツＣＴ１の生成日のスコアを３６と算出する。また、摂取栄養量推定装置１００は、スコアの変化を示す履歴ＴＳ１を含むコンテンツＣＴ１を生成してもよい。履歴ＴＳ１は、前日のスコアが５９であることを示し、例えば前日の推定摂取栄養バランスの方が、コンテンツＣＴ１の生成日の推定摂取栄養バランスよりも栄養摂取目標バランスに近かったことを示す。
＜３．摂取栄養量推定システムの構成＞
次に、摂取栄養量推定システム１の構成について図３を参照して説明する。図３は、実施形態に係る摂取栄養量推定システムの構成例を示す図である。具体的には、図３は、摂取栄養量推定システム１の構成を示す。摂取栄養量推定システム１は、摂取栄養量推定装置１００と、センサ装置５０と、ユーザ端末１０とが含まれる。摂取栄養量推定システム１には、複数の摂取栄養量推定装置１００や、複数のセンサ装置５０や、複数のユーザ端末１０が含まれてもよい。
次に、摂取栄養量推定システム１の構成について図３を参照して説明する。図３は、実施形態に係る摂取栄養量推定システムの構成例を示す図である。具体的には、図３は、摂取栄養量推定システム１の構成を示す。摂取栄養量推定システム１は、摂取栄養量推定装置１００と、センサ装置５０と、ユーザ端末１０とが含まれる。摂取栄養量推定システム１には、複数の摂取栄養量推定装置１００や、複数のセンサ装置５０や、複数のユーザ端末１０が含まれてもよい。
摂取栄養量推定装置１００は、排泄臭を検知したセンサ装置５０の出力値を用いて生成した入力値を推定モデルに入力し、推定モデルの出力を用いて、使用者が摂取した推定摂取栄養バランスを推定する情報処理装置である。摂取栄養量推定装置１００は、記憶部１２０（図４参照）のようなデータベースを有し、摂取栄養量推定処理を実行する。
摂取栄養量推定装置１００は、センサ装置５０や、ユーザ端末１０と、インターネット等の所定のネットワークＮを介して、有線または無線により通信可能に接続される。なお、摂取栄養量推定装置１００は、情報の送受信が可能であれば、センサ装置５０やユーザ端末１０とどのようなに接続されてもよく、有線により通信可能に接続されてもよいし、無線により通信可能に接続されてもよい。
センサ装置５０は、臭いを検知する臭いセンサとして機能する。また、センサ装置５０は、通信回路等によって実現される通信機能を有し、検知した臭いに関する情報を摂取栄養量推定装置１００に送信する。センサ装置５０は、トイレ空間ＰＳ１に設置され、トイレ空間ＰＳ１の使用者の排泄に関する排泄臭を検知する。センサ装置５０は、トイレ空間の便座または大便器に設置される。なお、センサ装置５０は、便座または大便器に限らず、トイレ空間において排泄臭を検知できる位置に配置されれば、どのような箇所に配置されてもよい。例えば、センサ装置５０は、トイレ空間の小便器に設置されてもよい。
図１の例では、センサ装置５０がトイレＴＬの便座ＴＳに設置される場合を示すが、排泄臭を検知可能であれば、センサ装置５０は、トイレ空間ＰＳ１内のどのような箇所に設けられてもよい。例えば、センサ装置５０は、トイレＴＬの大便器ＣＢ等、トイレＴＬの他の箇所に設置されてもよい。また、センサ装置５０は、臭いを検知する部分（センサ）と、通信機能を有する部分（通信回路等）とを分離して配置してもよい。
センサ装置５０は、排泄臭を検知するセンサを有する。センサ装置５０は、排泄臭を検知可能であれば、どのような種類のセンサを有してもよい。例えば、センサ装置５０は、化学的な現象を電気信号に変換して出力するセンサを有する。例えば、センサ装置５０は、半導体式においセンサ（「半導体センサ」ともいう）、または水晶振動子式においセンサを有する。
図１の例では、センサ装置５０は、半導体センサを有する。センサ装置５０は、半導体センサによる臭いの検知に応じて出力値を出力する。例えば、センサ装置５０の出力値は、出力電圧になる。なお、センサ装置５０は、感度が異なる複数のセンサを有し、複数の出力値を出力してもよいが、この点についての詳細は後述する。
ユーザ端末１０は、ユーザによって利用される情報処理装置である。ユーザ端末１０は、例えば、スマートフォンや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）、タブレット型端末や、ノート型ＰＣ（Personal Computer）等により実現される。図１に示す例においては、ユーザ端末１０が、ユーザが利用するスマートフォンである場合を示す。
ユーザ端末１０は、栄養摂取目標バランスを、摂取栄養バランスとともに出力する摂取栄養量出力装置である。ユーザ端末１０は、摂取栄養量推定装置１００とはインターネット（所定のネットワークＮ等）を介して、通信可能に接続され、摂取栄養量推定装置１００との間で情報を送受信する。ユーザ端末１０は、栄養摂取目標バランスと摂取栄養バランスとを示すコンテンツを摂取栄養量推定装置１００から受信し、受信したコンテンツを表示する。
例えば、ユーザ端末１０は、Ｂｌｕｅｔｏｏｔｈ（登録商標）やＷｉ‐Ｆｉ（Wireless Fidelity）（登録商標）等の所定の無線通信機能により、トイレ操作装置と通信可能に接続されてもよい。
＜４．各装置の機能構成＞
以下、摂取栄養量推定装置１００、及び摂取栄養量出力装置の一例であるユーザ端末１０の機能構成について具体的に説明する。
以下、摂取栄養量推定装置１００、及び摂取栄養量出力装置の一例であるユーザ端末１０の機能構成について具体的に説明する。
＜４－１．摂取栄養量推定装置の機能構成＞
まず、摂取栄養量推定装置の機能構成について図４を参照して説明する。図４は、実施形態に係る摂取栄養量推定装置の構成の一例を示すブロック図である。
まず、摂取栄養量推定装置の機能構成について図４を参照して説明する。図４は、実施形態に係る摂取栄養量推定装置の構成の一例を示すブロック図である。
図４に示すように、摂取栄養量推定装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、摂取栄養量推定装置１００は、摂取栄養量推定装置１００の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。
通信部１１０は、例えば、通信回路等によって実現される。通信部１１０は、所定のネットワークＮ（図３参照）と有線または無線で接続され、外部の情報処理装置との間で情報の送受信を行う。例えば、通信部１１０は、所定のネットワークＮ（図３参照）と有線または無線で接続され、ユーザ端末１０やトイレ操作装置等との間で情報の送受信を行う。
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。例えば、記憶部１２０は、摂取栄養バランス推定プログラム、及び摂取栄養バランス推定プログラムによって使用されるデータ等を非一時的に記録するコンピュータが読み取り可能な記録媒体である。実施形態に係る記憶部１２０は、図４に示すように、栄養摂取目標バランス情報記憶部１２１と、モデル情報記憶部１２２と、ユーザ情報記憶部１２３とを有する。
実施形態に係る栄養摂取目標バランス情報記憶部は、栄養摂取目標バランスに関する各種情報を記憶する。例えば、栄養摂取目標バランス情報記憶部は、ユーザが目標として設定可能な栄養摂取バランスを記憶する。図５は、実施形態に係る栄養摂取目標バランス情報記憶部の一例を示す図である。図５に示す栄養摂取目標バランス情報記憶部には、「栄養摂取目標バランスＩＤ」、「名称」、「栄養素比率」といった項目が含まれる。
「栄養摂取目標バランスＩＤ」は、各栄養摂取目標バランスを識別するための識別情報を示す。「名称」は、栄養摂取目標バランスの名称を示す。
「栄養素比率」は、評価の対象となる栄養素比率を示す。図５の「栄養素比率」には、「炭水化物」、「脂質」、「タンパク質」の３つの栄養素に対応する項目が含まれる。「栄養素比率」には、「炭水化物」、「脂質」、「タンパク質」に限らず、「ビタミン」、「ミネラル」、「食物繊維」、「糖質」等、さらに糖質の成分であるラクトース、グルコース等、モニタリング対象とする栄養素に対応する項目が含まれてもよい。
図５の例では、栄養摂取目標バランスＩＤ「ＴＢ１」により識別される栄養摂取バランス（栄養摂取バランスＴＢ１）は、「Modern Standard」であることを示す。また、栄養摂取バランスＴＢ１は、炭水化物「６０％」、脂質「２５％」、タンパク質「１５％」の栄養素比率が理想のバランスであることを示す。
また、栄養摂取目標バランスＩＤ「ＴＢ２」により識別される栄養摂取バランス（栄養摂取バランスＴＢ２）は、「Athlete Diet」であることを示す。また、栄養摂取バランスＴＢ２は、炭水化物「３５％」、脂質「２５％」、タンパク質「４０％」の栄養素比率が理想のバランスであることを示す。
なお、栄養摂取目標バランス情報記憶部１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。また、図５中の栄養摂取目標バランス情報記憶部１２１に示す６個の栄養摂取目標バランスは一例に過ぎず、７種類以上の栄養摂取目標バランスが含まれてもよい。また、栄養素比率をユーザが具体的に指定（選択）したり、ユーザに関する情報を基にそのユーザに適した栄養素比率を決定したりすることにより、個別に調整された栄養素比率が決定された栄養摂取目標バランスを設定可能であってもよい。
実施形態に係るモデル情報記憶部１２２は、モデルに関する情報を記憶する。例えば、モデル情報記憶部１２２は、使用者が摂取したと推定される栄養のバランスの推定に用いるモデル情報（モデルデータ）を記憶する。図６は、実施形態に係るモデル情報記憶部の一例を示す図である。例えば、モデル情報記憶部１２２は、施設に関する情報を記憶する。図６に示すモデル情報記憶部１２２には、「モデルＩＤ」、「種別」、「モデルデータ」といった項目が含まれる。
「モデルＩＤ」は、モデルを識別するための識別情報を示す。「種別」は、対応するモデルの種別を示す。「モデルデータ」は、モデルのデータを示す。図６では「モデルデータ」に「ＭＤＴ１」といった概念的な情報が格納される例を示したが、実際には、モデルに含まれるネットワークに関する情報や関数等、そのモデルを構成する種々の情報が含まれる。
図６に示す例では、モデルＩＤ「Ｍ１」により識別されるモデル（モデルＭ１）は、種別が「ニューラルネットワーク」であることを示す。また、モデルＭ１のモデルデータは、モデルデータＭＤＴ１であることを示す。
例えば、ニューラルネットワークであるモデルＭ１は、センサ装置５０の出力値に基づく入力に応じて、その入力に対応する栄養バランスを示す情報を出力する推定モデルである。例えば、モデルＭ１は、排泄臭を検知したセンサ装置５０の出力値を基に、その排泄臭に対応する摂取栄養がどの栄養バランスに分類されるかを示す情報を出力する分類器（識別器）である。
なお、モデルＭ１は、各栄養素に対応する値（スコア）を出力するモデルであってもよい。例えば、モデルＭ１は、排泄臭を検知したセンサ装置５０の出力値を基に、その排泄臭に対応する摂取栄養の炭水化物、脂質、蛋白質、ビタミン、ミネラルのうち少なくとも２つの栄養素の割合を示すスコアを出力するモデルであってもよい。
また、モデルＩＤ「Ｍ２」により識別されるモデル（モデルＭ２）は、種別が「サポートベクトルマシン」であることを示す。また、モデルＭ２のモデルデータは、モデルデータＭＤＴ２であることを示す。
例えば、サポートベクトルマシン（ＳＶＭ）であるモデルＭ２は、センサ装置５０の出力値に基づく入力に応じて、その入力に対応する栄養バランスを示す情報を出力する推定モデルである。例えば、モデルＭ２は、排泄臭を検知したセンサ装置５０の出力値を基に、その排泄臭に対応する摂取栄養がどの栄養バランスに分類されるかを示す情報を出力する分類器（識別器）である。
また、モデルＩＤ「Ｍ３」により識別されるモデル（モデルＭ３）は、種別が「ランダムフォレスト」であることを示す。また、モデルＭ３のモデルデータは、モデルデータＭＤＴ３であることを示す。
例えば、ランダムフォレスト（決定木）であるモデルＭ３は、センサ装置５０の出力値に基づく入力に応じて、その入力に対応する栄養バランスを示す情報を出力する推定モデルである。例えば、モデルＭ３は、排泄臭を検知したセンサ装置５０の出力値を基に、その排泄臭に対応する摂取栄養がどの栄養バランスに分類されるかを示す情報を出力する分類器（識別器）である。
また、モデルＩＤ「Ｍ４」により識別されるモデル（モデルＭ４）は、種別が「ロジスティック回帰」であることを示す。また、モデルＭ４のモデルデータは、モデルデータＭＤＴ４であることを示す。
例えば、ロジスティック回帰であるモデルＭ４は、センサ装置５０の出力値に基づく入力に応じて、その入力に対応する栄養バランスを示す情報を出力する推定モデルである。例えば、モデルＭ４は、排泄臭を検知したセンサ装置５０の出力値を基に、その排泄臭に対応する摂取栄養がどの栄養バランスに分類されるかを示す情報を出力する分類器（識別器）である。
また、モデルＩＤ「Ｍ５」により識別されるモデル（モデルＭ５）は、種別が「デシジョンジャングル」であることを示す。モデルＩＤ「Ｍ６」により識別されるモデル（モデルＭ６）は、種別が「パーセプトロン」であることを示す。モデルＩＤ「Ｍ７」により識別されるモデル（モデルＭ７）は、種別が「ベイズ識別」であることを示す。モデルＩＤ「Ｍ８」により識別されるモデル（モデルＭ８）は、種別が「ｋ近傍法」であることを示す。モデルＩＤ「Ｍ９」により識別されるモデル（モデルＭ９）は、種別が「隠れマルコフモデル」であることを示す。上記のモデルＭ１～Ｍ９は一例に過ぎず、モデル情報記憶部１２２には、推定モデルとして利用するモデルであれば、他の種別が記憶されてもよく、１０個以上のモデルが記憶されてもよい。
なお、モデル情報記憶部１２２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。
実施形態に係るユーザ情報記憶部１２３は、ユーザに関する各種情報を記憶する。例えば、ユーザ情報記憶部１２３は、摂取栄養量推定システム１を利用するユーザの各種情報を記憶する。図７は、実施形態に係るユーザ情報記憶部の一例を示す図である。図７に示すユーザ情報記憶部１２３は、「ユーザＩＤ」、「属性情報」、「栄養摂取目標バランス」といった項目が含まれる。
「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。「属性情報」には、ユーザＩＤにより識別されるユーザの属性に関する各種情報が記憶される。なお、属性情報を「ＡＴＢ１」といった抽象的な符号で示すが、年齢や性別といった具体的な情報が含まれる。なお、「属性情報」には、年齢や性別に限らず、他のデモグラフィック属性情報や、ライフスタイル、興味・関心等のサイコグラフィック属性情報等のユーザの各種の属性情報が記憶される。例えば、「属性情報」には、体重、身長、国籍や居住地域、宗教、活動量、排泄状態や回数、お腹の張り、胃もたれ、睡眠状態、片頭痛の有無、心の状態、親族の罹患歴、食生活（回数、タイミング、食べ方、間食、食事スピード、飲酒）等が記憶される。
「栄養摂取目標バランス」は、ユーザに対応する栄養摂取目標バランスを示す。例えば、「栄養摂取目標バランス」は、ユーザの選択、またはユーザに関する情報に基づいて設定された栄養摂取目標バランスを示す。
例えば、図７の例では、ユーザＩＤ「Ｕ１」により識別されるユーザ（ユーザＵ１）の属性情報は、「ＡＴＢ１」であることを示す。また、ユーザＵ１の栄養摂取目標バランスは、「ＴＢ１」であることを示す。すなわち、ユーザＵ１に設定された栄養摂取目標バランスは、栄養摂取目標バランスＩＤ「ＴＢ１」により識別される「Modern Standard」の栄養バランスであることを示す。
なお、ユーザ情報記憶部１２３は、上記に限らず、目的に応じて種々の情報を記憶してもよい。ユーザ情報記憶部１２３には、ユーザの栄養バランスモニタリングアプリ等のアプリの利用履歴やユーザの位置情報等、ユーザの各種行動を示す行動情報がユーザに対応付けて記憶されてもよい。
図３に戻り、説明を続ける。制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）等によって、摂取栄養量推定装置１００内部に記憶されたプログラム（例えば、本開示に係る摂取栄養バランス推定プログラム等）がＲＡＭ等を作業領域として実行されることにより実現される。また、制御部１３０は、コントローラ（controller）であり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。
図３に示すように、制御部１３０は、取得部１３１と、推定部１３２と、生成部１３３と、送信部１３４とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図３に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
取得部１３１は、取得手段として機能する。取得部１３１は、記憶部１２０から各種情報を取得する。取得部１３１は、センサ装置５０やユーザ端末１０等の摂取栄養量出力装置から各種情報を受信する。取得部１３１は、センサ装置５０の出力値をセンサ装置５０から受信する。取得部１３１は、ユーザ端末１０からユーザが選択した栄養摂取目標バランスを示す情報を受信する。
推定部１３２は、推定手段として機能する。推定部１３２は、モデル情報記憶部１２２に記憶されたモデルを用いて推定処理を行う。推定部１３２は、センサ装置５０の出力値に基づく入力に応じて、ユーザが摂取したと推定される栄養のバランスを示す情報を出力する推定モデルの出力を用いて、ユーザの推定摂取栄養バランスを推定する。
推定部１３２は、ユーザの排泄臭を検知したセンサ装置５０の出力値と、モデル情報記憶部１２２に記憶されたモデルＭ１～Ｍ３を用いて推定処理を行う。推定部１３２は、ユーザの排泄臭を検知したセンサ装置５０の出力値が入力されたモデルＭ１～Ｍ３の出力結果を用いて、ユーザの推定摂取栄養バランスを推定する。推定部１３２は、モデルＭ１～Ｍ３の出力結果を用いて、ユーザの推定摂取栄養バランスが、バランス良好、炭水化物過剰、脂質過剰、タンパク質過剰の４つのいずれであるかを推定する。なお、推定部１３２による推定処理の詳細は、図１２で詳述する。
生成部１３３は、取得部１３１により取得された情報に基づいて、各種情報を生成する。生成部１３３は、推定部１３２による推定結果を用いて情報を生成する。生成部１３３は、センサ装置５０の出力値を用いてモデルＭ１等の推定モデルへの入力値を生成する。例えば、生成部１３３は、センサ装置５０の出力値のうち一部（例えばピーク値等）を抽出したり、センサ装置５０の出力値の微分を算出したりすることにより、推定モデルへの入力値を生成する。
生成部１３３は、種々の技術を適宜用いて、外部の情報処理装置へ提供する画面（画像情報）等の種々の情報を生成する。生成部１３３は、ユーザ端末１０へ提供する画面（画像情報）等を生成する。例えば、生成部１３３は、記憶部１２０に記憶された情報に基づいて、ユーザ端末１０へ提供する画面（画像情報）等を生成する。
生成部１３３は、ユーザの栄養摂取目標バランスを示す情報と、推定部１３２により推定されたユーザの推定摂取栄養バランスを示す情報とを含むコンテンツを生成する。生成部１３３は、ユーザの栄養摂取目標バランスに、推定部１３２により推定されたユーザの推定摂取栄養バランスを重畳させたコンテンツを生成する。図１の例では、生成部１３３は、コンテンツＣＴ１を生成する。また、生成部１３３は、図１４～図１６に示すようなコンテンツＣＴ２～ＣＴ４を生成する。
生成部１３３は、外部の情報処理装置へ提供する画面（画像情報）等が生成可能であれば、どのような処理により画面（画像情報）等を生成してもよい。例えば、生成部１３３は、画像生成や画像処理等に関する種々の技術を適宜用いて、ユーザ端末１０へ提供する画面（画像情報）を生成する。例えば、生成部１３３は、Ｊａｖａ（登録商標）等の種々の技術を適宜用いて、ユーザ端末１０へ提供する画面（画像情報）を生成する。なお、生成部１３３は、ＣＳＳ（Cascading Style Sheets）やＪａｖａＳｃｒｉｐｔ（登録商標）やＨＴＭＬ（Hyper Text Markup Language）の形式に基づいて、ユーザ端末１０へ提供する画面（画像情報）を生成してもよい。また、例えば、生成部１３３は、ＪＰＥＧ（Joint Photographic Experts Group）やＧＩＦ（Graphics Interchange Format）やＰＮＧ（Portable Network Graphics）など様々な形式で画面（画像情報）を生成してもよい。
送信部１３４は、送信手段として機能する。送信部１３４は、外部の情報処理装置へ情報を送信する。例えば、送信部１３４は、センサ装置５０や、ユーザ端末１０等の摂取栄養量出力装置へ各種情報を送信する。送信部１３４は、推定部１３２により推定された情報をユーザ端末１０へ送信する。送信部１３４は、生成部１３３により生成された情報をユーザ端末１０へ送信する。図１の例では、送信部１３４は、ユーザ端末１０へコンテンツＣＴ１を送信する。
＜４－２．ユーザ端末の機能構成＞
次に、摂取栄養量出力装置の一例であるユーザ端末１０の機能構成について図８を参照して説明する。図８は、実施形態に係るユーザ端末の構成の一例を示すブロック図である。
次に、摂取栄養量出力装置の一例であるユーザ端末１０の機能構成について図８を参照して説明する。図８は、実施形態に係るユーザ端末の構成の一例を示すブロック図である。
図８に示すように、ユーザ端末１０は、通信部１１と、入力部１２と、表示部１３と、記憶部１４と、制御部１５と、音声出力部１６とを有する。
通信部１１は、例えば、ＮＩＣや通信回路等によって実現される。通信部１１は、ネットワークＮ（インターネット等）と有線又は無線で接続され、ネットワークＮを介して、摂取栄養量推定装置１００等の他の装置等との間で情報の送受信を行う。
入力部１２は、ユーザから各種操作が入力される。入力部１２は、表示部１３を介して各種情報が入力される。入力部１２は、音声を検知する機能を有する。例えば、入力部１２は、ユーザ端末１０に接続されたキーボードやマウスを有する。また、入力部１２は、ユーザ端末１０に設けられたボタンや、音声を検知するマイクが含まれてもよい。
例えば、入力部１２は、キーボードやマウスと同等の機能を実現できるタッチパネルを有してもよい。この場合、入力部１２は、各種センサにより実現されるタッチパネルの機能により、表示画面を介してユーザから各種操作を受け付ける。すなわち、入力部１２は、ユーザ端末１０の表示部１３を介してユーザから各種操作を受け付ける。例えば、入力部１２は、ユーザ端末１０の表示部１３を介してユーザの指定操作等の操作を受け付ける。例えば、入力部１２は、タッチパネルの機能によりユーザの操作を受け付ける受付部として機能する。この場合、入力部１２と受付部１５３とは一体であってもよい。なお、入力部１２によるユーザの操作の検知方式には、タブレット端末では主に静電容量方式が採用されるが、他の検知方式である抵抗膜方式、表面弾性波方式、赤外線方式、電磁誘導方式など、ユーザの操作を検知できタッチパネルの機能が実現できればどのような方式を採用してもよい。
表示部１３は、各種情報を出力する出力部（出力手段）として機能する。表示部１３は、ユーザ端末１０に設けられ各種情報を表示する。表示部１３は、例えば液晶ディスプレイや有機ＥＬ（Electro-Luminescence）ディスプレイ等によって実現される。表示部１３は、摂取栄養量推定装置１００から提供される情報を表示可能であれば、どのような手段により実現されてもよい。表示部１３は、表示制御部１５２による制御に応じて、各種情報を表示する。
図１の例では、表示部１３は、コンテンツＣＴ１を表示する。また、表示部１３は、図１４～図１６に示すようなコンテンツＣＴ２～ＣＴ４を表示する。例えば、ユーザ端末１０は、摂取栄養量を出力するためのプログラム（出力プログラム）を実行し、推定摂取栄養バランスを表示部１３に表示する。なお、ユーザ端末１０による出力態様は、表示に限らず、音声による出力などの他の出力態様であってもよい。ユーザ端末１０は、音声出力部１６を用いて、音声により推定摂取栄養バランスを出力してもよい。
記憶部１４は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１４は、情報の表示に用いる各種情報を記憶する。記憶部１４は、推定摂取栄養バランスを出力する出力プログラム等の各種情報を記憶する。例えば、記憶部１４は、栄養摂取目標バランスと摂取栄養バランスとを表示する出力プログラムを記憶する。例えば、出力プログラムは、栄養バランスを表示するために、ユーザ端末１０にインストールされたアプリケーション（栄養バランスモニタリングアプリ等）であってもよい。
図８に戻り、説明を続ける。制御部１５は、例えば、ＣＰＵやＭＰＵ等によって、ユーザ端末１０内部に記憶されたプログラム（例えば、本開示に係る情報処理プログラム等の表示プログラム）がＲＡＭ等を作業領域として実行されることにより実現される。また、制御部１５は、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現されてもよい。
図８に示すように、制御部１５は、取得部１５１と、表示制御部１５２と、受付部１５３と、送信部１５４とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１５の内部構成は、図８に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
取得部１５１は、各種情報を取得する。取得部１５１は、記憶部１４から各種情報を取得する。取得部１５１は、摂取栄養量推定装置１００等の他の情報処理装置から各種情報を受信する。
取得部１５１は、栄養摂取目標バランスや前記摂取栄養バランスを示す情報を摂取栄養量推定装置１００から受信する。取得部１５１は、摂取栄養量推定装置１００からコンテンツを受信する。図１の例では、取得部１５１は、コンテンツＣＴ１を受信する。
表示制御部１５２は、各種情報の出力を制御する出力制御部として機能する。表示制御部１５２は、表示部１３の表示を制御する。表示制御部１５２は、取得部１５１により受信された情報に基づいて、表示部１３の表示を制御する。表示制御部１５２は、受付部１５３により受け付けられた情報に基づいて、表示部１３の表示を制御する。表示制御部１５２は、表示部１３にコンテンツＣＴ１が表示されるように表示部１３の表示を制御する。
受付部１５３は、各種情報を受け付ける。例えば、受付部１５３は、入力部１２を介してユーザによる入力を受け付ける。受付部１５３は、ユーザによる操作を受け付ける。受付部１５３は、表示部１３により表示された情報に対するユーザの操作を受け付ける。受付部１５３は、ユーザによる発話を入力として受け付ける。受付部１５３は、ユーザによる栄養摂取目標バランスの指定を受け付ける。
図１の例では、受付部１５３は、ユーザＵ１による入力を受け付ける。受付部１５３は、ユーザＵ１により栄養摂取目標バランスの指定を受け付ける。
送信部１５４は、外部の情報処理装置へ各種情報を送信する。例えば、送信部１５４は、ユーザ端末１０等の他の情報処理装置へ各種情報を送信する。送信部１５４は、記憶部１４に記憶された情報を送信する。
図１の例では、送信部１５４は、受付部１５３により受け付けられたユーザＵ１の目標を摂取栄養量推定装置１００に送信する。
音声出力部１６は、各種情報を出力する。音声出力部１６は、音声を出力する機能を有する。例えば、音声出力部１６は、音声を出力するスピーカを有する。音声出力部１６は、ユーザに対して音声による情報の出力を行う。音声出力部１６は、表示部１３に表示される情報を音声により出力する。例えば、音声出力部１６は、コンテンツＣＴ１に含まれる情報を音声により出力する。
なお、ユーザ端末１０は、上記のような表示部１３による表示や操作の受付け等の処理を所定のアプリケーション（栄養バランスモニタリングアプリ等）により実現してもよい。また、ユーザ端末１０は、所定のソフトウェアアプリケーション上で実行されるスクリプトを取得し、取得したスクリプト等の制御情報により、上記のような情報表示や操作受付等の情報処理を実行してもよい。例えば、制御情報は、実施形態に係るユーザ端末１０による情報表示や操作受付等の情報処理を実現するプログラムに対応するものであり、例えば、ＣＳＳ、ＪａｖａＳｃｒｉｐｔ（登録商標）、ＨＴＭＬ、あるいは、上述したユーザ端末１０による情報表示や操作受付等の情報処理を記述可能な任意の言語によって実現される。例えば、制御部１５による表示制御処理や受付処理等の処理は、栄養バランスモニタリングアプリにより実現されてもよい。また、上述した表示制御処理や受付処理等が専用アプリにより行われる場合、制御部１５は、例えば、所定のアプリ（例えばウェブブラウザ等）や専用アプリを制御するアプリ制御部を有してもよい。
また、ユーザ端末１０は、栄養摂取目標バランスと摂取栄養バランスとを摂取栄養量推定装置１００から受信し、受信した栄養摂取目標バランスと摂取栄養バランスとを用いてコンテンツを生成し、生成したコンテンツを表示してもよい。この場合、ユーザ端末１０が生成部１３３（図４参照）と同様の機能の生成部を有してもよい。
＜５．処理の流れ＞
ここから、図９～図１１を用いて、実施形態に関する処理の流れについて説明する。
ここから、図９～図１１を用いて、実施形態に関する処理の流れについて説明する。
＜５－１．摂取栄養量推定システムの処理＞
次に、図９を用いて、摂取栄養量推定システム１の処理シーケンスについて説明する。図９は、実施形態に係る摂取栄養量推定処理の一例を示すシーケンス図である。例えば、摂取栄養量推定システム１は、使用者の検知（「第１トリガ」ともいう）の後、排泄の検知（「第２トリガ」ともいう）がされた場合、排泄臭の検知を開始する。例えば、第１トリガは、使用者の便座への着座の検知である。また、例えば、第２トリガは、硫化水素や水素等の特定のガスの検知である。なお、第１トリガ及び第２トリガは、上記に限られない。例えば、第１トリガは、トイレ空間への使用者の入室の検知であってもよい。例えば、第２トリガは、画像センサ、赤外線センサ、音声センサ、及び温度センサ等による排泄物有無の検知であってもよい。また、例えば、第２トリガは、便座に設けたひずみセンサによる使用者の姿勢変更の検知であってもよい。例えば、第２トリガは、第１トリガからの経過時間であってもよい。なお、上記は一例に過ぎず、ガス（排泄臭）の検知処理のトリガについては種々のトリガが採用されてもよい。
次に、図９を用いて、摂取栄養量推定システム１の処理シーケンスについて説明する。図９は、実施形態に係る摂取栄養量推定処理の一例を示すシーケンス図である。例えば、摂取栄養量推定システム１は、使用者の検知（「第１トリガ」ともいう）の後、排泄の検知（「第２トリガ」ともいう）がされた場合、排泄臭の検知を開始する。例えば、第１トリガは、使用者の便座への着座の検知である。また、例えば、第２トリガは、硫化水素や水素等の特定のガスの検知である。なお、第１トリガ及び第２トリガは、上記に限られない。例えば、第１トリガは、トイレ空間への使用者の入室の検知であってもよい。例えば、第２トリガは、画像センサ、赤外線センサ、音声センサ、及び温度センサ等による排泄物有無の検知であってもよい。また、例えば、第２トリガは、便座に設けたひずみセンサによる使用者の姿勢変更の検知であってもよい。例えば、第２トリガは、第１トリガからの経過時間であってもよい。なお、上記は一例に過ぎず、ガス（排泄臭）の検知処理のトリガについては種々のトリガが採用されてもよい。
まず、センサ装置５０は、トイレ空間の使用者の排泄臭を検知する（ステップＳ１０１）。センサ装置５０は、検知した排泄臭に基づく出力値を、摂取栄養量推定装置１００へ送信する（ステップＳ１０２）。
そして、センサ装置５０から出力値を受信した摂取栄養量推定装置１００は、推定処理を行う（ステップＳ１０３）。摂取栄養量推定装置１００は、センサ装置５０の出力値を用いて生成した入力値を推定モデルに入力し、推定モデルの出力を基に使用者の推定摂取栄養バランスを推定する。摂取栄養量推定装置１００は、推定結果を基にユーザに提供するコンテンツを生成する（ステップＳ１０４）。
摂取栄養量推定装置１００は、生成したコンテンツを使用者が利用するユーザ端末１０に送信する（ステップＳ１０５）。コンテンツを受信したユーザ端末１０は、コンテンツを表示する（ステップＳ１０６）。
＜５－２．摂取栄養量推定装置の処理＞
まず、図１０を用いて、摂取栄養量推定処理の処理フローについて説明する。図１０は、摂取栄養量推定装置が実行する処理の手順の一例を示すフローチャートである。
まず、図１０を用いて、摂取栄養量推定処理の処理フローについて説明する。図１０は、摂取栄養量推定装置が実行する処理の手順の一例を示すフローチャートである。
摂取栄養量推定装置１００は、トイレ空間に設置されたセンサがトイレ空間の使用者の排泄臭の検知により出力した出力値を取得する（ステップＳ２０１）。
摂取栄養量推定装置１００は、センサの出力値と、推定モデルとを用いて、使用者の推定摂取栄養量を推定する（ステップＳ２０２）。例えば、摂取栄養量推定装置１００は、センサの出力値に基づく入力値を推定モデルに入力し、推定モデルが出力した情報を用いて、使用者の推定摂取栄養バランスを推定する。
＜５－３．摂取栄養量出力装置の処理＞
次に、図１１を用いて、摂取栄養バランスの出力処理の処理フローについて説明する。図１１は、摂取栄養量出力装置が実行する処理の手順の一例を示すフローチャートである。図１１では、摂取栄養量出力装置の一例であるユーザ端末１０が摂取栄養バランスの出力処理を行う場合を一例として説明する。なお、摂取栄養バランスの出力処理の実行主体は、ユーザ端末１０に限らず例えばトイレ操作装置等の他の摂取栄養量出力装置であってもよい。
次に、図１１を用いて、摂取栄養バランスの出力処理の処理フローについて説明する。図１１は、摂取栄養量出力装置が実行する処理の手順の一例を示すフローチャートである。図１１では、摂取栄養量出力装置の一例であるユーザ端末１０が摂取栄養バランスの出力処理を行う場合を一例として説明する。なお、摂取栄養バランスの出力処理の実行主体は、ユーザ端末１０に限らず例えばトイレ操作装置等の他の摂取栄養量出力装置であってもよい。
ユーザ端末１０は、トイレ空間の使用者の摂取栄養に基づく情報と、使用者の栄養摂取目標に基づく情報とを取得する（ステップＳ３０１）。例えば、ユーザ端末１０は、摂取栄養量推定装置１００により推定された使用者の推定摂取栄養バランスと、使用者の栄養摂取目標バランスとを含むコンテンツを、摂取栄養量推定装置１００から受信する。
ユーザ端末１０は、栄養摂取目標に基づく情報を、摂取栄養に基づく情報とともに出力する（ステップＳ３０２）。例えば、ユーザ端末１０は、使用者の栄養摂取目標バランスと、使用者の推定摂取栄養バランスとを重畳させたコンテンツを表示する。
なお、ユーザ端末１０は、使用者の栄養摂取目標バランスと、使用者の推定摂取栄養バランスとを重畳させたコンテンツを生成してもよい。この場合、ユーザ端末１０は、使用者の摂取栄養バランスの情報と、使用者の栄養摂取目標バランスと使用者の栄養摂取目標バランスの情報とを取得した場合、使用者の栄養摂取目標バランスと、使用者の推定摂取栄養バランスとを重畳させたコンテンツを生成する。そして、ユーザ端末１０は、生成したコンテンツを表示する。例えば、ユーザ端末１０は、図１中のコンテンツＣＴ１を生成し、生成したコンテンツＣＴ１を表示する。
＜６．摂取栄養バランス推定＞
図１２を用いて、摂取栄養バランス推定の処理を概念的に説明する。図１２は、摂取栄養バランス推定の一例を示す図である。なお、以下では、図１の場合を一例として、図１２の各処理について説明する。上述したように、モデルＭ１～Ｍ３の３つのモデルを一例として説明するが、用いるモデルはＭ４～Ｍ９等の他のモデルであってもよいし、４つ以上のモデルであってもよい。
図１２を用いて、摂取栄養バランス推定の処理を概念的に説明する。図１２は、摂取栄養バランス推定の一例を示す図である。なお、以下では、図１の場合を一例として、図１２の各処理について説明する。上述したように、モデルＭ１～Ｍ３の３つのモデルを一例として説明するが、用いるモデルはＭ４～Ｍ９等の他のモデルであってもよいし、４つ以上のモデルであってもよい。
まず、トイレ空間ＰＳ１に設置されたセンサ装置５０は、ユーザＵ１の排泄臭を検知する（ステップＳ１１）。そして、センサ装置５０は、ユーザＵ１の排泄臭の検知に応じた出力値ＳＶを出力する（ステップＳ１２）。
摂取栄養量推定装置１００は、出力値ＳＶを用いて生成した入力値を各モデルＭ１～Ｍ３に入力し、各モデルＭ１～Ｍ３の推定結果を取得する。摂取栄養量推定装置１００は、モデルＭ１に出力値ＳＶを用いて生成した入力値を入力する（ステップＳ２１）。モデルＭ１は、出力値ＳＶに基づく入力に応じて、ユーザＵ１の推定摂取栄養バランスが、バランス良好、炭水化物過剰、脂質過剰、タンパク質過剰の４つのいずれであるかを示す出力結果ＲＳ１を出力する（ステップＳ２２）。
また、摂取栄養量推定装置１００は、モデルＭ２に出力値ＳＶを用いて生成した入力値を入力する（ステップＳ３１）。モデルＭ２は、出力値ＳＶに基づく入力に応じて、ユーザＵ１の推定摂取栄養バランスが、バランス良好、炭水化物過剰、脂質過剰、タンパク質過剰の４つのいずれであるかを示す出力結果ＲＳ２を出力する（ステップＳ３２）。
また、摂取栄養量推定装置１００は、モデルＭ３に出力値ＳＶを用いて生成した入力値を入力する（ステップＳ４１）。モデルＭ３は、出力値ＳＶに基づく入力に応じて、ユーザＵ１の推定摂取栄養バランスが、バランス良好、炭水化物過剰、脂質過剰、タンパク質過剰の４つのいずれであるかを示す出力結果ＲＳ３を出力する（ステップＳ４２）。
摂取栄養量推定装置１００は、３つのモデルＭ１～Ｍ３の各々の出力結果ＲＳ１～ＲＳ３である３つの出力結果を用いて、最終判定結果を推定する（ステップＳ５１）。摂取栄養量推定装置１００は、出力結果ＲＳ１～ＲＳ３の多数決により、ユーザＵ１の推定摂取栄養バランスが、バランス良好、炭水化物過剰、脂質過剰、タンパク質過剰の４つのいずれであるかを推定する。例えば、摂取栄養量推定装置１００は、出力結果ＲＳ１～ＲＳ３のうち、同じ分類である出力結果が２つ以上ある場合、その分類をユーザＵ１の推定摂取栄養バランスであると推定する。例えば、摂取栄養量推定装置１００は、２つ以上の出力結果が脂質過剰である場合、その分類をユーザＵ１の推定摂取栄養バランスが脂質過剰であると推定する。
このように、摂取栄養量推定装置１００は、独立したアルゴリズム３種の導出結果の多数決により、ユーザの食事の傾向を示す最終判定結果を推定する。これにより、摂取栄養量推定システム１は、センサ装置５０の出力値やアルゴリズムを介すことで、特定のガス種や濃度を追究することなく、排泄臭から摂取栄養バランス等の個人の食事傾向を予測することができる。
なお、摂取栄養量推定装置１００は、出力結果ＲＳ１～ＲＳ３が全て異なる分類である場合、所定の基準に基づいて、ユーザＵ１の推定摂取栄養バランスを推定してもよい。摂取栄養量推定装置１００は、出力結果ＲＳ１～ＲＳ３が全て異なる分類である場合、最も信頼度が高いモデルの出力結果が示す分類を、ユーザＵ１の推定摂取栄養バランスに推定してもよい。例えば、摂取栄養量推定装置１００は、出力結果ＲＳ１～ＲＳ３が全て異なる分類である場合、最も信頼度が高いモデルＭ１の出力結果が示す分類を、ユーザＵ１の推定摂取栄養バランスに推定してもよい。例えば、摂取栄養量推定装置１００は、過去に各モデルが推定した分類の履歴とその正解不正解を示す情報を用いて各モデルの正解率を算出し、算出した各モデルの正解率を各モデルの信頼度としてもよい。
＜７．センサ出力＞
図１３を用いて、センサの出力について説明する。図１３は、センサの出力値の一例を示す図である。図１３の例では、センサ装置５０は、センサ＃１、センサ＃２、センサ＃３、センサ＃４、及びセンサ＃５（以下「センサ＃１～＃５」と記載する場合がある）のように５つのセンサを有する。
図１３を用いて、センサの出力について説明する。図１３は、センサの出力値の一例を示す図である。図１３の例では、センサ装置５０は、センサ＃１、センサ＃２、センサ＃３、センサ＃４、及びセンサ＃５（以下「センサ＃１～＃５」と記載する場合がある）のように５つのセンサを有する。
図１３の例では、センサ＃１は、短鎖脂肪酸の感度が高いセンサである。センサ＃２は、脂肪酸の感度が高いセンサである。センサ＃３は、硫化化合物の感度が高いセンサである。センサ＃４は、フェノール類の感度が高いセンサである。センサ＃５は、含窒素芳香族の感度が高いセンサである。なお、上記のセンサ＃１～＃５は一例であり、各々感度が異なるセンサであれば、どのようなセンサであってもよい。
図１３中のグラフＧＲ１～ＧＲ３は、センサ＃１～＃５により排泄臭を検知した場合の各検出結果を示す。センサ＃１～＃５が半導体センサの場合、出力値は出力電圧になる。グラフＧＲ１～ＧＲ３では、センサ＃１の出力値は実線で示し、センサ＃２の出力値は点線で示し、センサ＃３の出力値は破線で示し、センサ＃４の出力値は一点鎖線で示し、センサ＃５の出力値は二点鎖線で示す。
グラフＧＲ１は、タンパク質が多い食事の種類の場合の排泄臭の検知結果を示す。グラフＧＲ１中の時間ｔ１１は、臭い発生のタイミングを示す。また、グラフＧＲ２は、炭水化物が多い食事の種類の場合の排泄臭の検知結果を示す。グラフＧＲ２中の時間ｔ２１は、臭い発生のタイミングを示す。また、グラフＧＲ３は、脂質が多い食事の種類の場合の排泄臭の検知結果を示す。グラフＧＲ３中の時間ｔ３１は、臭い発生のタイミングを示す。
例えば、摂取栄養量推定装置１００は、グラフＧＲ１に示すようなセンサ＃１～＃５の各々の出力値をセンサ装置５０から取得し、取得したセンサ＃１～＃５の各々の出力値を基にモデルＭ１～Ｍ３等の推定モデルに入力する入力値を生成する。ここで、摂取栄養量推定装置１００がセンサ＃１～＃５の各々の出力値を基に生成する入力値は、センサ＃１～＃５の各々の反応の特徴を示すものであればどのような値であってもよい。例えば、摂取栄養量推定装置１００が生成する入力値は、センサ＃１～＃５の各々の反応の度合いや変化等の特徴を示すものであってもよい。
グラフＧＲ１～ＧＲ３に示すように、センサ＃１～＃５は、食事の種類、すなわちモニタリング対象者（トイレ空間の使用者）が摂取した栄養のバランスに応じて、反応が異なる。摂取栄養量推定システム１は、センサ＃１～＃５のような複数のセンサにより排便臭を感知した際の出力値の違い、経過時間での値の戻り方等から数値化する。例えば、摂取栄養量推定装置１００は、数値化により推定モデルに入力する入力値を生成する。この場合、摂取栄養量推定装置１００は、センサ＃１～＃５の各々の出力値を基に数値化した入力値を生成する。ここで、摂取栄養量推定装置１００がセンサ＃１～＃５の各々の出力値を基に生成する入力値は、センサ＃１～＃５の各々の反応の特徴を示すものであればどのような値であってもよい。例えば、摂取栄養量推定装置１００が生成する入力値は、センサ＃１～＃５の各々の反応の度合いや変化等の特徴を示す値であってもよい。
例えば、摂取栄養量推定装置１００は、グラフＧＲ２に示すようなセンサ＃１～＃５の各々の出力値をセンサ装置５０から取得し、取得したセンサ＃１～＃５の各々の出力値を基に、センサ＃１～＃５の各々の反応の特徴を示す入力値を生成する。そして、摂取栄養量推定装置１００は、生成した入力値をモデルＭ１～Ｍ３等の推定モデルに入力し、推定モデルの出力結果を基に、栄養バランスを推定する。
グラフＧＲ１～ＧＲ３に示すように、センサ＃１～＃５は、各食事群（摂取栄養バランス）によって波形の違いから数値の傾向が異なる。このように、摂取栄養量推定システム１は、センサ＃１～＃５のような感度の異なる数種のセンサを用いることで、より食事群（摂取栄養バランス）の識別（分解能）を高めることができる。
なお、センサ装置５０は、ケモレジスタ、ケモキャパシタ、ケモダイオード、ケモトランジスタ、サーモケモセンサ、質量感受性ケモセンサ、ファイバータイプケモセンサ、電気化学タイプケモセンサ、共鳴タイプケモセンサ等、どのようなタイプのセンサを有してもよい。このように、センサ装置５０が臭いを検知するための検知対象は、キャパシタンス、電圧－電流特性、温度、屈折率、蛍光強度及びスペクトル、インピーダンス、共振周波数等、種々のものであってもよい。
＜８．推定結果に基づく表示例＞
図１４～図２１を用いて、推定結果に基づく表示例について説明する。
図１４～図２１を用いて、推定結果に基づく表示例について説明する。
まず、図１４を用いて、バランス良好である場合の推定結果の表示例を説明する。図１４は、摂取栄養バランスの表示の一例を示す図である。図１４に示す摂取栄養量出力装置ＤＶは、ユーザ端末１０であってもよいし、他の装置であってもよい。
摂取栄養量推定装置１００は、ユーザの栄養摂取目標バランスに対応する目標チャートＴＧ２に、ユーザの推定摂取栄養バランスに対応する推定チャートＥＳ２を重畳させたレーダーチャートＲＣ２を含むコンテンツＣＴ２を生成する。摂取栄養量推定装置１００は、コンテンツＣＴ２を摂取栄養量出力装置ＤＶに送信する。
コンテンツＣＴ２を受信した摂取栄養量出力装置ＤＶは、コンテンツＣＴ２を表示する。推定チャートＥＳ２は、炭水化物の推定値が０．９、脂質の推定値が１．１、タンパク質の推定値が１．０であることを示す。推定チャートＥＳ２は、全項目が目標チャートＴＧ２内に収まっており、推定摂取栄養バランスがバランス良好であることを示す。
次に、図１５を用いて、脂質過剰である場合の推定結果の表示例を説明する。図１５は、摂取栄養バランスの表示の一例を示す図である。図１５に示す摂取栄養量出力装置ＤＶは、ユーザ端末１０であってもよいし、他の装置であってもよい。
摂取栄養量推定装置１００は、ユーザの栄養摂取目標バランスに対応する目標チャートＴＧ３に、ユーザの推定摂取栄養バランスに対応する推定チャートＥＳ３を重畳させたレーダーチャートＲＣ３を含むコンテンツＣＴ３を生成する。摂取栄養量推定装置１００は、コンテンツＣＴ３を摂取栄養量出力装置ＤＶに送信する。
コンテンツＣＴ３を受信した摂取栄養量出力装置ＤＶは、コンテンツＣＴ３を表示する。推定チャートＥＳ３は、炭水化物の推定値が０．９、脂質の推定値が１．４、タンパク質の推定値が１．０であることを示す。推定チャートＥＳ３は、脂質が目標の割合よりも大幅に摂取されていることを示す。
次に、図１６を用いて、炭水化物過剰である場合の推定結果の表示例を説明する。図１６は、摂取栄養バランスの表示の一例を示す図である。図１６に示す摂取栄養量出力装置ＤＶは、ユーザ端末１０であってもよいし、他の装置であってもよい。
摂取栄養量推定装置１００は、ユーザの栄養摂取目標バランスに対応する目標チャートＴＧ４に、ユーザの推定摂取栄養バランスに対応する推定チャートＥＳ４を重畳させたレーダーチャートＲＣ４を含むコンテンツＣＴ４を生成する。摂取栄養量推定装置１００は、コンテンツＣＴ４を摂取栄養量出力装置ＤＶに送信する。
コンテンツＣＴ４を受信した摂取栄養量出力装置ＤＶは、コンテンツＣＴ３を表示する。推定チャートＥＳ４は、炭水化物の推定値が１．６、脂質の推定値が０．９、タンパク質の推定値が０．８であることを示す。推定チャートＥＳ３は、炭水化物が目標の割合よりも大幅に摂取されていることを示す。
なお、推定結果に基づいて表示される情報は、レーダーチャートに限らず、棒グラフ、折れ線グラフ、円グラフ、及び量を円の大きさで示すバブルチャート等の他の形式のグラフ、または文字情報であってもよく、これらを複数表示する表示態様であってもよい。この点について図１７～図２１を用いて説明する。
まず、図１７～図２０を用いて、レーダーチャート以外のグラフでの表示の例について説明する。図１７～図２０は、摂取栄養バランスの表示の変形例を示す図である。具体的には、図１７は、摂取栄養バランスの棒グラフの形式での表示の一例を示す図である。また、図１８は、摂取栄養バランスの折れ線グラフの形式での表示の一例を示す図である。図１９は、摂取栄養バランスの円グラフの形式での表示の一例を示す図である。図２０は、摂取栄養バランスのバブルチャートの形式での表示の一例を示す図である。なお、図１７～図２０に示す摂取栄養量出力装置ＤＶは、ユーザ端末１０であってもよいし、他の装置であってもよい。また、図１７～図２０は、図１に示すレーダーチャートの表示例とは、表示形式の相違のみであり、推定処理については同様の処理であるため、適宜説明を省略する。
図１７の例では、摂取栄養量推定装置１００は、棒グラフＧＲ１１を含むコンテンツＣＴ１１を生成する。摂取栄養量推定装置１００は、コンテンツＣＴ１１を摂取栄養量出力装置ＤＶに送信する。コンテンツＣＴ１１を受信した摂取栄養量出力装置ＤＶは、コンテンツＣＴ１１を表示する。棒グラフＧＲ１１は、各栄養素の背面（左）側が目標値を示し、前面（右）側が推定値を示す。棒グラフＧＲ１１は、炭水化物が目標よりも低く、脂質が目標に近く、タンパク質が目標よりも高いことを示す。
図１８の例では、摂取栄養量推定装置１００は、折れ線グラフＧＲ１２を含むコンテンツＣＴ１２を生成する。摂取栄養量推定装置１００は、曜日ごとの目標値及び推定値をプロットすることにより、折れ線グラフＧＲ１２を含むコンテンツＣＴ１２を生成する。摂取栄養量推定装置１００は、コンテンツＣＴ１２を摂取栄養量出力装置ＤＶに送信する。コンテンツＣＴ１２を受信した摂取栄養量出力装置ＤＶは、コンテンツＣＴ１２を表示する。折れ線グラフＧＲ１２は、各栄養素の点線が目標値を示し、実線が推定値を示す。折れ線グラフＧＲ１２は、脂質が継続して目標よりも低く、タンパク質が継続して目標よりも高いことを示す。
図１９の例では、摂取栄養量推定装置１００は、円グラフＧＲ１３を含むコンテンツＣＴ１３を生成する。摂取栄養量推定装置１００は、コンテンツＣＴ１３を摂取栄養量出力装置ＤＶに送信する。コンテンツＣＴ１３を受信した摂取栄養量出力装置ＤＶは、コンテンツＣＴ１３を表示する。円グラフＧＲ１３は、外円が目標値を示し、内円が推定値を示す。円グラフＧＲ１３は、炭水化物が目標よりも低く、脂質が目標に近く、タンパク質が目標よりも高いことを示す。
図２０の例では、摂取栄養量推定装置１００は、バブルチャートＧＲ１４を含むコンテンツＣＴ１４を生成する。摂取栄養量推定装置１００は、コンテンツＣＴ１４を摂取栄養量出力装置ＤＶに送信する。コンテンツＣＴ１４を受信した摂取栄養量出力装置ＤＶは、コンテンツＣＴ１４を表示する。バブルチャートＧＲ１４は、各栄養素の円のうち、点線円（点線で示す円）が目標値を示し、実円（実線で示す円）が推定値を示す。バブルチャートＧＲ１４は、炭水化物が目標よりも高く、脂質が目標に近く、タンパク質が目標よりも低いことを示す。なお、図１７～図２０に示すグラフは一例に過ぎず、任意の形式のグラフが採用可能である。
また、測定結果に基づいて表示される情報は、推定結果のみに限らず、推定結果に基づくユーザの栄養摂取に関する推奨情報であってもよい。この点について図２１を用いて説明する。図２１は、摂取栄養バランスの推定に基づく推奨の一例を示す図である。図２１は、図１６と同様に、推定結果が炭水化物過剰である場合の表示例を説明する。
図２１の例では、ユーザの推定摂取栄養バランスが炭水化物過剰であり、ユーザ端末１０は、文字情報ＳＴ１～ＳＴ３を表示する。具体的には、ユーザ端末１０は、ユーザ炭水化物の摂取量を減らすことを推奨する推奨情報である文字情報ＳＴ１を表示する。また、ユーザ端末１０は、ご飯（白米）の摂取量を減らすことを推奨する推奨情報である文字情報ＳＴ２を表示する。また、ユーザ端末１０は、パレオダイエットのレシピを参考にすることを推奨する推奨情報である文字情報ＳＴ３を表示する。また、文字情報ＳＴ３には、「Paleo Diet」と表記されたリンクが含まれており、ユーザがリンクを選択した場合、ユーザ端末１０は、パレオダイエットのレシピを示すウェブページ等のコンテンツを表示する。
摂取栄養量推定装置１００は、ユーザの推定摂取栄養バランスが炭水化物過剰であるとの推定結果を基に、文字情報ＳＴ１～ＳＴ３をユーザに提供すると決定する。例えば、摂取栄養量推定装置１００は、文字情報ＳＴ１～ＳＴ３等の複数の推奨情報と、各推奨情報がどの栄養バランスに対応するかを示すタグとを対応付けた一覧リストである推奨リストを用いてもよい。この場合、摂取栄養量推定装置１００は、推奨リストを記憶部１２０（図４参照）に記憶し、推奨リストからユーザに提供する推奨情報を選択してもよい。例えば、摂取栄養量推定装置１００は、ユーザの推定摂取栄養バランスが炭水化物過剰である場合、推奨リストのうち、炭水化物過剰に対応付けられた推奨情報を、ユーザに提供する推奨情報として選択する。
なお、摂取栄養量推定装置１００は、推定結果を基に推奨情報を生成してもよい。図２１の例では、摂取栄養量推定装置１００は、ユーザの推定摂取栄養バランスが炭水化物過剰であるとの推定結果を基に、文字情報ＳＴ１～ＳＴ３を生成してもよい。
摂取栄養量推定装置１００は、文字情報ＳＴ１～ＳＴ３をユーザ端末１０に送信する。文字情報ＳＴ１～ＳＴ３を受信したユーザ端末１０は、文字情報ＳＴ１～ＳＴ３を表示する。このように、摂取栄養量推定システム１は、栄養摂取目標量と、推定摂取栄養量との相違に基づく推奨情報を表示する。なお、図２１に示す文字情報ＳＴ１～ＳＴ３は推奨情報の一例に過ぎず、例えば、摂取栄養量推定システム１は、ユーザの炭水化物の摂取量が目標の摂取量よりも多い場合、ユーザに炭水化物の摂取が過剰であると通知してもよい。この場合、摂取栄養量推定システム１は、「炭水化物量が目標値に対して過剰です」等、炭水化物の摂取量が多くなっており、炭水化物の摂取を抑制することをレコメンドする推奨情報をユーザに通知してもよい。例えば、摂取栄養量推定装置１００は、「炭水化物量が目標値に対して過剰です」と記載された文字情報ＳＴ４を生成し、文字情報ＳＴ４をユーザ端末１０に送信する。文字情報ＳＴ４を受信したユーザ端末１０は、文字情報ＳＴ４を表示する。
＜９．推定モデル＞
上述したモデルＭ１～Ｍ９等の推定モデルについて以下記載する。
上述したモデルＭ１～Ｍ９等の推定モデルについて以下記載する。
＜９－１．推定モデルの生成＞
モデルＭ１～Ｍ９等の推定モデルは、センサ装置５０の出力値と、その出力値に対応する排泄臭がバランス良好、炭水化物過剰、脂質過剰、タンパク質過剰の４つのいずれかを示す正解情報（ラベル）との組合せである学習データを用いて生成する。例えば、学習データは、バランス良好な食事を行ったユーザの排泄臭を検知したセンサ装置５０の出力値と、その出力値がバランス良好な食事に対応することを示す正解情報（ラベル）との組合せ（「第１組合せ」ともいう）を含む。例えば、学習データは、炭水化物過剰な食事を行ったユーザの排泄臭を検知したセンサ装置５０の出力値と、その出力値が炭水化物過剰な食事に対応することを示す正解情報（ラベル）との組合せ（「第２組合せ」ともいう）を含む。例えば、学習データは、脂質過剰な食事を行ったユーザの排泄臭を検知したセンサ装置５０の出力値と、その出力値が脂質過剰な食事に対応することを示す正解情報（ラベル）との組合せ（「第３組合せ」ともいう）を含む。例えば、学習データは、タンパク質過剰な食事を行ったユーザの排泄臭を検知したセンサ装置５０の出力値と、その出力値がタンパク質過剰な食事に対応することを示す正解情報（ラベル）との組合せ（「第４組合せ」ともいう）を含む。
モデルＭ１～Ｍ９等の推定モデルは、センサ装置５０の出力値と、その出力値に対応する排泄臭がバランス良好、炭水化物過剰、脂質過剰、タンパク質過剰の４つのいずれかを示す正解情報（ラベル）との組合せである学習データを用いて生成する。例えば、学習データは、バランス良好な食事を行ったユーザの排泄臭を検知したセンサ装置５０の出力値と、その出力値がバランス良好な食事に対応することを示す正解情報（ラベル）との組合せ（「第１組合せ」ともいう）を含む。例えば、学習データは、炭水化物過剰な食事を行ったユーザの排泄臭を検知したセンサ装置５０の出力値と、その出力値が炭水化物過剰な食事に対応することを示す正解情報（ラベル）との組合せ（「第２組合せ」ともいう）を含む。例えば、学習データは、脂質過剰な食事を行ったユーザの排泄臭を検知したセンサ装置５０の出力値と、その出力値が脂質過剰な食事に対応することを示す正解情報（ラベル）との組合せ（「第３組合せ」ともいう）を含む。例えば、学習データは、タンパク質過剰な食事を行ったユーザの排泄臭を検知したセンサ装置５０の出力値と、その出力値がタンパク質過剰な食事に対応することを示す正解情報（ラベル）との組合せ（「第４組合せ」ともいう）を含む。
ここでは、摂取栄養量推定装置１００が、モデルＭ１～Ｍ９等の推定モデルを生成する場合を一例として説明する。摂取栄養量推定装置１００は、第１組合せ～第４組合せを含む学習データを用いて、モデルＭ１～Ｍ９を生成する。摂取栄養量推定装置１００は、各組合せの出力値が入力された場合、モデルＭ１～Ｍ９の推定モデル自身が出力する分類情報と、その出力値に対応する分類を示す正解情報とを比較してエラーを検出しながら、分類情報が正解情報を出力できるように繰り返し適切な改良を加えることで、モデルＭ１～Ｍ９を生成する。
例えば、摂取栄養量推定装置１００は、第１組合せの出力値を用いて生成した入力値が入力された場合に、モデルＭ１がバランス良好を示す出力を行うように学習処理を行い、モデルＭ１を生成する。また、摂取栄養量推定装置１００は、第２組合せの出力値を用いて生成した入力値が入力された場合に、モデルＭ１が炭水化物過剰を示す出力を行うように学習処理を行い、モデルＭ１を生成する。また、摂取栄養量推定装置１００は、第３組合せの出力値を用いて生成した入力値が入力された場合に、モデルＭ１が脂質過剰を示す出力を行うように学習処理を行い、モデルＭ１を生成する。また、摂取栄養量推定装置１００は、第４組合せの出力値を用いて生成した入力値が入力された場合に、モデルＭ１がタンパク質過剰を示す出力を行うように学習処理を行い、モデルＭ１を生成する。また、摂取栄養量推定装置１００は、モデルＭ２～Ｍ９についても同様の学習処理により生成する。なお、上記は一例であり、摂取栄養量推定装置１００は、種々の学習手法を適宜用いてモデルＭ１～Ｍ９を生成してもよい。
例えば、摂取栄養量推定装置１００の生成部１３３は、上述した処理によりモデルＭ１～Ｍ９等の推定モデルを生成する。なお、モデルＭ１～Ｍ９等の推定モデルは、摂取栄養量推定装置１００以外の装置（モデル生成装置）により生成され、摂取栄養量推定装置１００は、モデル生成装置からモデルＭ１～Ｍ９等の推定モデルを取得（受信）してもよい。
＜９－２．推定モデルの出力例＞
上述した例では、モデルＭ１～Ｍ９等の推定モデルがバランス良好、炭水化物過剰、脂質過剰、タンパク質過剰の４つのいずれかを示す情報を出力する場合を示したが、推定モデルは、バランス良好、炭水化物過剰、脂質過剰、タンパク質過剰の４つを分類するモデル（分類器）に限られない。この点について以下、例示を示す。
上述した例では、モデルＭ１～Ｍ９等の推定モデルがバランス良好、炭水化物過剰、脂質過剰、タンパク質過剰の４つのいずれかを示す情報を出力する場合を示したが、推定モデルは、バランス良好、炭水化物過剰、脂質過剰、タンパク質過剰の４つを分類するモデル（分類器）に限られない。この点について以下、例示を示す。
＜９－２－１．５つ以上の分類＞
例えば、推定モデルは、５つ以上の分類を行う分類器であってもよい。例えば、推定モデルは、バランス良好、炭水化物過剰、脂質過剰、タンパク質過剰、炭水化物不足、脂質不足、タンパク質不足の７つの分類を行う分類器であってもよい。
例えば、推定モデルは、５つ以上の分類を行う分類器であってもよい。例えば、推定モデルは、バランス良好、炭水化物過剰、脂質過剰、タンパク質過剰、炭水化物不足、脂質不足、タンパク質不足の７つの分類を行う分類器であってもよい。
また、例えば、推定モデルは、過剰の度合いが複数段階に分類可能な分類器であってもよい。例えば、推定モデルは、各栄養素の過剰を、通常の過剰と、それよりも大きい過剰である大過剰の２つの段階に分類する分類器であってもよい。例えば、推定モデルは、バランス良好、炭水化物過剰、炭水化物大過剰、脂質過剰、脂質大過剰、タンパク質過剰、タンパク質大過剰の７つの分類を行う分類器であってもよい。
なお、モデルの生成の点については、上述した学習データを用いた学習処理と同様であるため、説明を省略する。摂取栄養量推定システム１は、上述した５つ以上の分類を行う推定モデルを用いて、推定処理を行い、ユーザの栄養バランスのモニタリングを行ってもよい。
＜９－２－２．割合の推定＞
例えば、推定モデルは、推定対象となっている栄養素の割合を示す値（スコア）を出力するモデル（割合出力モデル）であってもよい。例えば、推定モデルは、排泄臭を検知したセンサ装置５０の出力値を基に、その排泄臭に対応する摂取栄養の炭水化物、脂質、蛋白質、ビタミン、ミネラルのうち少なくとも２つの栄養素の割合を示すスコアを出力する割合出力モデルであってもよい。例えば、ニューラルネットワークであるモデルＭ１は、各栄養素の割合を示す値（スコア）を出力する割合出力モデルであってもよい。
例えば、推定モデルは、推定対象となっている栄養素の割合を示す値（スコア）を出力するモデル（割合出力モデル）であってもよい。例えば、推定モデルは、排泄臭を検知したセンサ装置５０の出力値を基に、その排泄臭に対応する摂取栄養の炭水化物、脂質、蛋白質、ビタミン、ミネラルのうち少なくとも２つの栄養素の割合を示すスコアを出力する割合出力モデルであってもよい。例えば、ニューラルネットワークであるモデルＭ１は、各栄養素の割合を示す値（スコア）を出力する割合出力モデルであってもよい。
例えば、摂取栄養量推定装置１００が、各食事の栄養素の割合を示す正解情報（ラベル）と、その食事を摂取したユーザの排泄臭を検知したセンサ装置５０の出力値との組合せ学習データを用いて、割合出力モデルであるモデルＭ１を生成する。摂取栄養量推定装置１００は、各組合せの出力値を用いて生成した入力値が入力された場合、その出力値に対応する食事の栄養素の割合を出力するように、割合出力モデルであるモデルＭ１を生成する。摂取栄養量推定装置１００が、割合出力モデルであるモデルＭ１を用いて、図２のコンテンツＣＴ１に示す各栄養素の推定値を算出し、推定チャートＥＳ１を含むレーダーチャートＲＣ１を生成してもよい。
＜９－２－３．量の推定＞
例えば、推定モデルは、推定対象となっている栄養素の摂取量を示す値（スコア）を出力するモデル（量出力モデル）であってもよい。例えば、推定モデルは、排泄臭を検知したセンサ装置５０の出力値を基に、その排泄臭に対応する摂取栄養の炭水化物、脂質、蛋白質、ビタミン、ミネラルのうち少なくとも２つの栄養素の摂取量を示すスコアを出力する量出力モデルであってもよい。
例えば、推定モデルは、推定対象となっている栄養素の摂取量を示す値（スコア）を出力するモデル（量出力モデル）であってもよい。例えば、推定モデルは、排泄臭を検知したセンサ装置５０の出力値を基に、その排泄臭に対応する摂取栄養の炭水化物、脂質、蛋白質、ビタミン、ミネラルのうち少なくとも２つの栄養素の摂取量を示すスコアを出力する量出力モデルであってもよい。
例えば、摂取栄養量推定装置１００が、各食事の栄養素の量を示す正解情報（ラベル）と、その食事を摂取したユーザの排泄臭を検知したセンサ装置５０の出力値との組合せ学習データを用いて、量出力モデルを生成する。摂取栄養量推定装置１００は、各組合せの出力値を用いて生成した入力値が入力された場合、その出力値に対応する食事の栄養素の摂取量を出力するように、量出力モデルを生成する。
摂取栄養量推定装置１００が、量出力モデルを用いて、ユーザの各栄養素の摂取量を推定することにより、各栄養素間の関係のみならず、栄養素の各々の量の概念も加味してユーザの栄養バランスをモニタリングすることができる。例えば、摂取栄養量推定装置１００は、使用者が目標とする栄養摂取量である栄養摂取目標量を記憶部１２０に記憶する。そして、摂取栄養量推定装置１００は、ユーザが摂取したと推定した栄養素の量（推定摂取栄養量）と、栄養摂取目標量とを示す情報をユーザ端末１０へ送信する。ユーザ端末１０は、受信した推定摂取栄養量と栄養摂取目標量とを示す情報を表示する。例えば、ユーザ端末１０は、受信した推定摂取栄養量と栄養摂取目標量との差分を算出し、差分を表示してもよい。なお、摂取栄養量推定システム１は、特定の栄養素（特定栄養素）を対象として、摂取量を推定し、推定した推定摂取栄養量とその特定栄養素の栄養摂取目標量とを示す情報を出力してもよい。例えば、摂取栄養量推定システム１は、ユーザが指定した栄養素を特定栄養素として上記の出力処理を行ってもよい。
また、摂取栄養量推定装置１００が、量出力モデルを用いて、各栄養素の摂取量を推定し、推定した各栄養素の摂取量を用いて、各栄養素の割合を算出してもよい。そして、摂取栄養量推定装置１００が、各栄養素の摂取量から算出した各栄養素の割合を用いて、上述した割合を用いた処理を行ってもよい。
＜１０．摂取栄養量出力装置＞
上述した例では、ユーザが利用するユーザ端末１０を摂取栄養量出力装置の一例として説明したが、摂取栄養量出力装置は、所望の出力が可能であればユーザ端末１０に限らずどのようなデバイス（装置）であってもよい。例えば、図２の例のように、摂取栄養バランスを表示する場合、表示機能を有すればどのような装置であってもよく、例えば、摂取栄養量出力装置は、トイレ操作装置やトイレ空間ＰＳ１に設置された鏡等のトイレ空間ＰＳ１に配置された端末装置であってもよい。また、摂取栄養量出力装置は、医療従事者が利用するスマートフォンやタブレット端末等の端末装置であってもよい。
上述した例では、ユーザが利用するユーザ端末１０を摂取栄養量出力装置の一例として説明したが、摂取栄養量出力装置は、所望の出力が可能であればユーザ端末１０に限らずどのようなデバイス（装置）であってもよい。例えば、図２の例のように、摂取栄養バランスを表示する場合、表示機能を有すればどのような装置であってもよく、例えば、摂取栄養量出力装置は、トイレ操作装置やトイレ空間ＰＳ１に設置された鏡等のトイレ空間ＰＳ１に配置された端末装置であってもよい。また、摂取栄養量出力装置は、医療従事者が利用するスマートフォンやタブレット端末等の端末装置であってもよい。
例えば、摂取栄養量推定装置１００は、トイレ操作装置やトイレ空間ＰＳ１に配置された端末装置や医療従事者が利用する端末装置と、所定のネットワークＮ（図３参照）と有線または無線で接続され、情報の送受信が可能である。摂取栄養量推定装置１００は、推定したユーザの栄養バランスをトイレ操作装置やトイレ空間ＰＳ１に配置された端末装置や医療従事者が利用する端末装置に送信する。
＜１１．認証＞
図１の例では、トイレ空間ＰＳ１に設置されたトイレ操作装置を用いて個人認証を行う。この場合、トイレ空間ＰＳ１に設置されたトイレ操作装置が認証手段として機能する。例えば、トイレ操作装置は、ユーザを指定可能であり、トイレ操作装置を操作し、ユーザを指定することにより、ユーザは個人認証を行う認証装置として機能する。図１の例では、ユーザＵ１は、トイレ操作装置を操作し、ユーザＵ１を指定することにより、ユーザは個人認証を行う。
図１の例では、トイレ空間ＰＳ１に設置されたトイレ操作装置を用いて個人認証を行う。この場合、トイレ空間ＰＳ１に設置されたトイレ操作装置が認証手段として機能する。例えば、トイレ操作装置は、ユーザを指定可能であり、トイレ操作装置を操作し、ユーザを指定することにより、ユーザは個人認証を行う認証装置として機能する。図１の例では、ユーザＵ１は、トイレ操作装置を操作し、ユーザＵ１を指定することにより、ユーザは個人認証を行う。
トイレ操作装置が表示画面を有するタブレット端末等の端末装置である場合、トイレ操作装置に表示されたユーザ群から、ユーザを指定することにより、ユーザは個人認証を行う。
また、ユーザがユーザ端末１０をトイレ空間に持ち込む場合、ユーザ端末１０とトイレ操作装置とが通信することにより、トイレ操作装置がユーザ端末１０を利用するユーザを、トイレ空間を利用するユーザとして特定してもよい。図１の例では、ユーザＵ１のユーザ端末１０がトイレ操作装置との間で、例えばＢｌｕｅｔｏｏｔｈ等によりペアリングを行うことにより、ユーザＵ１がトイレ空間ＰＳ１を利用するユーザであると特定してもよい。
また、トイレ空間ＰＳ１に設置された各種のセンサの検知結果により個人認証を行ってもよい。この場合、摂取栄養量推定装置１００は、センサ装置５０の各種センサの検知結果を基にユーザの特定を行う認証部を有する認証装置である。摂取栄養量推定装置１００の認証部が認証手段として機能する。例えば、摂取栄養量推定装置１００は、センサ装置５０等のセンサの検知結果を基にユーザの特定を行う。なお、摂取栄養量推定装置１００は、ユーザの個人認証（特定）が可能であれば、どのようなセンサの検知結果を用いてもよい。
摂取栄養量推定装置１００は、センサ装置５０等のセンサ装置と通信し、センサ装置が検知した情報をセンサ装置から受信し、その情報を基にユーザの特定を行う。例えば、摂取栄養量推定装置１００は、トイレ空間ＰＳ１の入り口を撮影する画像センサを有するセンサ装置の検知情報（画像等）を用いて、ユーザの特定を行ってもよい。この場合、摂取栄養量推定装置１００は、画像センサにより検知された画像と、記憶部１２０に記憶された各ユーザの画像とを比較することにより、トイレ空間ＰＳ１を利用するユーザの特定を行ってもよい。
なお、上記は一例であり、トイレ空間の使用者の特定（個人認証）が可能であれば、どのような処理により、個人認証が行われてもよい。
＜１２．トイレ空間＞
なお、センサ装置５０が設置されるトイレ空間は、図１に示すような住宅のトイレ空間ＰＳ１に限らず、住宅以外の施設のトイレ空間であってもよい。上述のように、トイレ空間の使用者の特定（個人認証）が可能である場合、センサ装置５０が設置されるトイレ空間は、どのような場所に設けられるトイレ空間であってもよい。例えば、センサ装置５０が設置されるトイレ空間は、デパート（百貨店）のような店舗、遊園地、競技場、オフィスビル、公園、駐車場等のトイレ空間であってもよい。
なお、センサ装置５０が設置されるトイレ空間は、図１に示すような住宅のトイレ空間ＰＳ１に限らず、住宅以外の施設のトイレ空間であってもよい。上述のように、トイレ空間の使用者の特定（個人認証）が可能である場合、センサ装置５０が設置されるトイレ空間は、どのような場所に設けられるトイレ空間であってもよい。例えば、センサ装置５０が設置されるトイレ空間は、デパート（百貨店）のような店舗、遊園地、競技場、オフィスビル、公園、駐車場等のトイレ空間であってもよい。
さらなる効果や変形例は、当業者によって容易に導き出すことができる。このため、本発明のより広範な態様は、以上のように表しかつ記述した特定の詳細および代表的な実施形態に限定されるものではない。したがって、添付の特許請求の範囲およびその均等物によって定義される総括的な発明の概念の精神または範囲から逸脱することなく、様々な変更が可能である。
１ 摂取栄養量推定システム
１００ 摂取栄養量推定装置
１１０ 通信部
１２０ 記憶部
１２１ 栄養摂取目標バランス情報記憶部
１２２ モデル情報記憶部
１２３ ユーザ情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 推定部
１３３ 生成部
１３４ 送信部
１０ ユーザ端末（摂取栄養量出力装置）
１１ 通信部
１２ 入力部
１３ 表示部（出力部）
１４ 記憶部
１５ 制御部
１５１ 取得部
１５２ 表示制御部
１５３ 受付部
１５４ 送信部
１６ 音声出力部
ＰＳ１ トイレ空間
１００ 摂取栄養量推定装置
１１０ 通信部
１２０ 記憶部
１２１ 栄養摂取目標バランス情報記憶部
１２２ モデル情報記憶部
１２３ ユーザ情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 推定部
１３３ 生成部
１３４ 送信部
１０ ユーザ端末（摂取栄養量出力装置）
１１ 通信部
１２ 入力部
１３ 表示部（出力部）
１４ 記憶部
１５ 制御部
１５１ 取得部
１５２ 表示制御部
１５３ 受付部
１５４ 送信部
１６ 音声出力部
ＰＳ１ トイレ空間
Claims (18)
- トイレ空間に設置され、前記トイレ空間の使用者の排泄に関する排泄臭を検知するセンサと、
前記センサの出力値に基づいて、前記使用者が摂取した栄養量である推定摂取栄養量を推定する推定手段と、
前記推定摂取栄養量に基づく情報を出力する出力手段と、
を有することを特徴とする摂取栄養量推定システム。 - 前記使用者が目標とする栄養摂取量である栄養摂取目標量を記憶する記憶手段、
をさらに備え、
前記出力手段は、
前記栄養摂取目標量と、前記推定摂取栄養量とを出力する
ことを特徴とする請求項１に記載の摂取栄養量推定システム。 - 前記使用者が目標とする栄養摂取量である栄養摂取目標量を記憶する記憶手段、
をさらに備え、
前記出力手段は、
前記栄養摂取目標量と、前記推定摂取栄養量との相違を出力する
ことを特徴とする請求項１又は２に記載の摂取栄養量推定システム。 - 前記出力手段は、
前記栄養摂取目標量と、前記推定摂取栄養量との相違に基づく推奨情報を表示する
ことを特徴とする請求項３に記載の摂取栄養量推定システム。 - 前記記憶手段に記憶された栄養摂取目標量は、
前記使用者の選択、または前記使用者に関する情報に基づいて設定される
ことを特徴とする請求項２～４のいずれか１項に記載の摂取栄養量推定システム。 - 前記推定手段は、前記推定摂取栄養量として、使用者が摂取した栄養のバランスである推定摂取栄養バランスを推定し、
前記出力手段は、前記推定摂取栄養バランスに基づく情報を出力する
ことを特徴とする請求項１～５のいずれか１項に記載の摂取栄養量推定システム。 - 前記推定手段は、前記推定摂取栄養量として、使用者が摂取した特定の栄養素の量である推定摂取特定栄養量を推定し、
前記出力手段は、前記推定摂取特定栄養量に基づく情報を出力する
ことを特徴とする請求項１～６のいずれか１項に記載の摂取栄養量推定システム。 - 前記出力手段は、
炭水化物、脂質、蛋白質、ビタミン、ミネラルから選択される少なくとも２つの栄養素のバランスをグラフで表示する
ことを特徴とする請求項６に記載の摂取栄養量推定システム。 - 前記センサは、
前記トイレ空間の便座または大便器に設置される
ことを特徴とする請求項１～８のいずれか１項に記載の摂取栄養量推定システム。 - 前記推定手段は、
電気通信回線を介して前記出力手段と通信可能に接続され、
前記推定手段から前記出力手段への情報伝達は、前記電気通信回線を通じて行われる
ことを特徴とする請求項１～９のいずれか１項に記載の摂取栄養量推定システム。 - 前記使用者を認証する認証手段、
をさらに備えることを特徴とする請求項１～１０のいずれか１項に記載の摂取栄養量推定システム。 - 前記推定摂取栄養量のデータを電気通信回線により、端末装置に送信する送信手段、
をさらに有することを特徴とする請求項１～１１のいずれか１項に記載の摂取栄養量推定システム。 - 前記排泄臭は、
前記使用者が排泄した便、尿、及びガスのうち少なくとも１つの臭いを含む
ことを特徴とする請求項１～１２のいずれか１項に記載の摂取栄養量推定システム。 - トイレ空間に設置されたセンサにより前記トイレ空間の使用者の排泄に関する排泄臭を検知する検知工程と、
前記センサの出力値に基づいて、前記使用者が摂取した栄養の量である推定摂取栄養量を推定する推定工程と、
前記推定摂取栄養量に基づく情報を出力する出力工程と、
を含むことを特徴とする摂取栄養量推定方法。 - トイレ空間に設置されたセンサが前記トイレ空間の使用者の排泄に関する排泄臭の検知により出力した出力値を取得する取得部と、
前記センサの出力値に基づいて、前記使用者が摂取した栄養の量である推定摂取栄養量を推定する推定部と、
を備えることを特徴とする摂取栄養量推定装置。 - コンピュータが実行する摂取栄養量推定方法であって、
トイレ空間に設置されたセンサが前記トイレ空間の使用者の排泄に関する排泄臭の検知により出力した出力値を取得する取得工程と、
前記センサの出力値に基づいて、前記使用者が摂取した栄養の量である推定摂取栄養量を推定する推定工程と、
を含むことを特徴とする摂取栄養量推定方法。 - トイレ空間に設置されたセンサが前記トイレ空間の使用者の排泄に関する排泄臭の検知により出力した出力値に基づいて推定された前記使用者の摂取栄養量に基づく情報を取得するステップと、
前記使用者が目標とする栄養摂取量である栄養摂取目標量に基づく情報を取得するステップと、
前記栄養摂取目標量に基づく情報を、前記摂取栄養量に基づく情報とともに出力するステップと、を実行するための
プログラムが非一時的に記録されたコンピュータが読み取り可能な記憶媒体。 - コンピュータが実行する摂取栄養量出力方法であって、
トイレ空間に設置されたセンサが前記トイレ空間の使用者の排泄に関する排泄臭の検知により出力した出力値に基づいて推定された前記使用者の摂取栄養量に基づく情報と、前記使用者が目標とする栄養摂取量である栄養摂取目標量に基づく情報とを取得する取得工程と、
前記栄養摂取目標量に基づく情報を、前記摂取栄養量に基づく情報とともに出力する出力工程と、
を含むことを特徴とする摂取栄養量出力方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022067785A JP2022095915A (ja) | 2020-09-24 | 2022-04-15 | 摂取栄養量推定システム、摂取栄養量推定方法、摂取栄養量推定装置、記憶媒体及び摂取栄養量出力方法 |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2020/036136 WO2022064616A1 (ja) | 2020-09-24 | 2020-09-24 | 摂取栄養量推定システム、摂取栄養量推定方法、摂取栄養量推定装置、記憶媒体及び摂取栄養量出力方法 |
| JP2021568192A JP7193011B2 (ja) | 2020-09-24 | 2020-09-24 | 摂取栄養量推定システム、摂取栄養量推定方法、摂取栄養量推定装置及び摂取栄養量出力方法 |
| JP2022067785A JP2022095915A (ja) | 2020-09-24 | 2022-04-15 | 摂取栄養量推定システム、摂取栄養量推定方法、摂取栄養量推定装置、記憶媒体及び摂取栄養量出力方法 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021568192A Division JP7193011B2 (ja) | 2020-09-24 | 2020-09-24 | 摂取栄養量推定システム、摂取栄養量推定方法、摂取栄養量推定装置及び摂取栄養量出力方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2022095915A true JP2022095915A (ja) | 2022-06-28 |
Family
ID=80740687
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021568192A Active JP7193011B2 (ja) | 2020-09-24 | 2020-09-24 | 摂取栄養量推定システム、摂取栄養量推定方法、摂取栄養量推定装置及び摂取栄養量出力方法 |
| JP2022067785A Pending JP2022095915A (ja) | 2020-09-24 | 2022-04-15 | 摂取栄養量推定システム、摂取栄養量推定方法、摂取栄養量推定装置、記憶媒体及び摂取栄養量出力方法 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021568192A Active JP7193011B2 (ja) | 2020-09-24 | 2020-09-24 | 摂取栄養量推定システム、摂取栄養量推定方法、摂取栄養量推定装置及び摂取栄養量出力方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20220093233A1 (ja) |
| JP (2) | JP7193011B2 (ja) |
| CN (1) | CN114556487A (ja) |
| TW (1) | TW202219506A (ja) |
| WO (1) | WO2022064616A1 (ja) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3407395B2 (ja) * | 1994-04-15 | 2003-05-19 | 松下電器産業株式会社 | 調理支援装置 |
| JP2003524756A (ja) * | 1998-06-29 | 2003-08-19 | ザ、プロクター、エンド、ギャンブル、カンパニー | 大便成分センサーを有する装置 |
| GB0216650D0 (en) * | 2002-07-18 | 2002-08-28 | Univ Bristol | Detection of disease by analysis of emissions |
| US20140315162A1 (en) * | 2011-12-09 | 2014-10-23 | Joel Ehrenkranz | System and methods for monitoring food consumption |
| JP2017067538A (ja) * | 2015-09-29 | 2017-04-06 | Toto株式会社 | 生体情報測定システム |
| JP2019074328A (ja) * | 2017-10-12 | 2019-05-16 | アイシン精機株式会社 | 便座システム |
-
2020
- 2020-09-24 CN CN202080005277.7A patent/CN114556487A/zh active Pending
- 2020-09-24 JP JP2021568192A patent/JP7193011B2/ja active Active
- 2020-09-24 WO PCT/JP2020/036136 patent/WO2022064616A1/ja active Application Filing
-
2021
- 2021-03-19 US US17/206,470 patent/US20220093233A1/en active Pending
- 2021-09-23 TW TW110135259A patent/TW202219506A/zh unknown
-
2022
- 2022-04-15 JP JP2022067785A patent/JP2022095915A/ja active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| CN114556487A (zh) | 2022-05-27 |
| JP7193011B2 (ja) | 2022-12-20 |
| WO2022064616A1 (ja) | 2022-03-31 |
| TW202219506A (zh) | 2022-05-16 |
| US20220093233A1 (en) | 2022-03-24 |
| JPWO2022064616A1 (ja) | 2022-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7127086B2 (ja) | ヘルストラッキングデバイス | |
| JP6212787B2 (ja) | 健康情報処理装置及び方法 | |
| KR102321737B1 (ko) | 건강 관리 방법 및 장치 | |
| JP2018124702A (ja) | 病因分析装置および疾病予測装置 | |
| JP6248326B2 (ja) | 食事型センサ、及びセンシング方法 | |
| JP6360998B2 (ja) | 健康情報処理装置 | |
| JP7339700B2 (ja) | プログラム、情報処理方法及び情報処理装置 | |
| WO2016125478A1 (ja) | 情報処理装置、情報処理方法および情報処理システム | |
| US20220202319A1 (en) | Meal and activity logging with a glucose monitoring interface | |
| JP6106180B2 (ja) | ダイエット管理システム及び方法 | |
| US20220093234A1 (en) | Systems, methods and devices for monitoring, evaluating and presenting health related information, including recommendations | |
| JP5472922B2 (ja) | 生活習慣改善支援システム、及び、生活習慣改善支援方法 | |
| WO2022064616A1 (ja) | 摂取栄養量推定システム、摂取栄養量推定方法、摂取栄養量推定装置、記憶媒体及び摂取栄養量出力方法 | |
| JP7203473B1 (ja) | プログラム、情報処理方法及び情報処理装置 | |
| WO2023013722A1 (ja) | プログラム、情報処理方法及び情報処理装置 | |
| JP7182319B2 (ja) | 行動支援システム及び行動支援方法 | |
| Hargreaves et al. | Informing the Design of “Lifestyle Monitoring” Technology for the Detection of Health Deterioration in Long-term Conditions: a qualitative study of people living with heart failure | |
| WO2021171596A1 (ja) | 推論システム、学習依頼装置、および学習依頼方法 | |
| US20160374610A1 (en) | Hunger management | |
| KR20240080309A (ko) | 반려 동물 헬스케어 방법 및 장치 | |
| WO2022050940A1 (en) | Power efficient agent monitoring devices and methods | |
| Alam et al. | An Intelligent System for Obesity Detection through Human Activity Recognition and BMI Prediction | |
| KR20230073679A (ko) | 운동 데이터 기반 영양 프로그램 추천 전자장치 및 방법 | |
| JP2023004124A (ja) | 身体情報評価装置、身体情報評価方法、プログラム、および、記録媒体 | |
| KR20240024424A (ko) | 개인건강데이터와 의료데이터를 활용한 개인 맞춤형 헬스케어 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230825 |