JP2023068247A - 食品汚染予測装置、推論装置、機械学習装置、食品汚染予測方法、推論方法、及び、機械学習方法 - Google Patents
食品汚染予測装置、推論装置、機械学習装置、食品汚染予測方法、推論方法、及び、機械学習方法 Download PDFInfo
- Publication number
- JP2023068247A JP2023068247A JP2021179153A JP2021179153A JP2023068247A JP 2023068247 A JP2023068247 A JP 2023068247A JP 2021179153 A JP2021179153 A JP 2021179153A JP 2021179153 A JP2021179153 A JP 2021179153A JP 2023068247 A JP2023068247 A JP 2023068247A
- Authority
- JP
- Japan
- Prior art keywords
- information
- learning
- environmental pollution
- food
- pollution index
- 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
- 235000013305 food Nutrition 0.000 title claims abstract description 215
- 238000010801 machine learning Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims description 65
- 239000000126 substance Substances 0.000 claims abstract description 143
- 238000003912 environmental pollution Methods 0.000 claims abstract description 124
- 238000001514 detection method Methods 0.000 claims abstract description 69
- 238000011109 contamination Methods 0.000 claims description 174
- 238000007689 inspection Methods 0.000 claims description 138
- 238000004519 manufacturing process Methods 0.000 claims description 84
- 239000000383 hazardous chemical Substances 0.000 claims description 67
- 238000003860 storage Methods 0.000 claims description 25
- 238000004140 cleaning Methods 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 14
- 238000013500 data storage Methods 0.000 claims description 13
- 239000000047 product Substances 0.000 claims description 13
- 239000002994 raw material Substances 0.000 claims description 11
- 239000011265 semifinished product Substances 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 description 66
- 238000010586 diagram Methods 0.000 description 41
- 238000007726 management method Methods 0.000 description 32
- 238000012360 testing method Methods 0.000 description 30
- 230000006870 function Effects 0.000 description 19
- 238000012545 processing Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 9
- 241000894006 Bacteria Species 0.000 description 8
- 230000001954 sterilising effect Effects 0.000 description 6
- 238000004659 sterilization and disinfection Methods 0.000 description 6
- 210000000225 synapse Anatomy 0.000 description 6
- 238000004886 process control Methods 0.000 description 5
- 241000726445 Viroids Species 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 102000004169 proteins and genes Human genes 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 241000894007 species Species 0.000 description 4
- 230000003749 cleanliness Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- 241000588724 Escherichia coli Species 0.000 description 2
- 241000700605 Viruses Species 0.000 description 2
- 239000013566 allergen Substances 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 241000228212 Aspergillus Species 0.000 description 1
- 206010003694 Atrophy Diseases 0.000 description 1
- 241000193755 Bacillus cereus Species 0.000 description 1
- 241000589876 Campylobacter Species 0.000 description 1
- 241001112696 Clostridia Species 0.000 description 1
- 241000238557 Decapoda Species 0.000 description 1
- 241000186781 Listeria Species 0.000 description 1
- 241000186779 Listeria monocytogenes Species 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 102000014171 Milk Proteins Human genes 0.000 description 1
- 108010011756 Milk Proteins Proteins 0.000 description 1
- 241001263478 Norovirus Species 0.000 description 1
- 235000010676 Ocimum basilicum Nutrition 0.000 description 1
- 240000007926 Ocimum gratissimum Species 0.000 description 1
- 235000002233 Penicillium roqueforti Nutrition 0.000 description 1
- 241000607142 Salmonella Species 0.000 description 1
- 241000369757 Sapovirus Species 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 241000295644 Staphylococcaceae Species 0.000 description 1
- 241000191967 Staphylococcus aureus Species 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 241000607598 Vibrio Species 0.000 description 1
- 241000607272 Vibrio parahaemolyticus Species 0.000 description 1
- 230000037444 atrophy Effects 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- -1 etc. Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000002538 fungal effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 235000021067 refined food Nutrition 0.000 description 1
- 230000000405 serological effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Manufacturing & Machinery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
【解決手段】食品汚染予測装置6は、危害原因物質とは異なる環境汚染指標の検出状況を含む環境汚染指標情報を取得する情報取得部600と、情報取得部600により取得された環境汚染指標情報を、学習地点における環境汚染指標の検出状況を含む環境汚染指標情報と、その学習地点における危害原因物質の発生状況を含む危害原因物質情報との相関関係を機械学習により学習させた学習モデル12に入力することで出力される危害原因物質情報に基づいて、その予測地点における危害原因物質の発生状況を予測する予測部601とを備える。
【選択図】 図12
Description
食品事故の発生原因となり得る危害原因物質の発生状況を予測する食品汚染予測装置であって、
予測地点における、前記危害原因物質とは異なる環境汚染指標の検出状況を含む環境汚染指標情報を取得する情報取得部と、
前記情報取得部により取得された前記環境汚染指標情報を、学習地点における前記環境汚染指標の検出状況を含む前記環境汚染指標情報と、前記学習地点における前記危害原因物質の発生状況を含む危害原因物質情報との相関関係を機械学習により学習させた学習モデルに入力することで出力される前記危害原因物質情報に基づいて、前記予測地点における前記危害原因物質の発生状況を予測する予測部と、を備える。
物質情報に基づいて、危害原因物質の発生状況が予測されるので、危害原因物質を直接検査しなくても危害原因物質の発生状況を簡易に予測することができる。
ものとする。
図1は、食品製造管理システム1の一例を示す全体構成図である。図2は、食品工場10のレイアウトの一例を示す全体概略図である。
各種の情報を表示する。
ータベース42は、作業者別に、作業者ID、及び、動線情報を管理するデータベースである。
図7は、コンピュータ900の一例を示すハードウエア構成図である。食品製造管理システム1の各装置2~6は、汎用又は専用のコンピュータ900により構成される。
れ、入力部として機能する。出力デバイス917は、例えば、音(音声)出力装置、バイブレーション装置等で構成され、出力部として機能する。表示デバイス918は、例えば、液晶ディスプレイ、有機ELディスプレイ、電子ペーパー、プロジェクタ等で構成され、出力部として機能する。入力デバイス916及び表示デバイス918は、タッチパネルディスプレイのように、一体的に構成されていてもよい。ストレージ装置920は、例えば、HDD、SSD(Solid State Drive)等で構成され、記憶部として機能する。ストレージ装置920は、オペレーティングシステムやプログラム930の実行に必要な各種のデータを記憶する。
図8は、第1の実施形態に係る機械学習装置5の一例を示すブロック図である。機械学習装置5は、制御部50、通信部51、学習用データ記憶部52、及び、学習済みモデル記憶部53を備える。
教師データ(トレーニングデータ)、検証データ及びテストデータとして用いられるデータである。また、危害原因物質情報は、教師あり学習における正解ラベルとして用いられるデータである。
査装置3Aによる環境汚染指標検出情報を作業者端末装置2又は環境汚染指標検査装置3Aから受信するとともに、危害原因物質検査装置3Bによる危害原因物質発生情報を作業者端末装置2又は危害原因物質検査装置3Bから受信することで、学習用データ13を取得する。
図10は、機械学習装置5による機械学習方法の一例を示すフローチャートである。
ことで、機械学習を実施する。これにより、機械学習部501は、環境汚染指標情報と危害原因物質情報との相関関係を学習モデル12に学習させる。
図11は、第1の実施形態に係る食品汚染予測装置6の一例を示すブロック図である。図12は、第1の実施形態に係る食品汚染予測装置6の一例を示す機能説明図である。食品汚染予測装置6は、制御部60、通信部61、及び、学習済みモデル記憶部62を備える。
環境汚染指標情報を入力データとして学習モデル12に入力することで出力される危害原因物質情報に基づいて、当該予測地点における危害原因物質の発生状況を予測する。
図13は、食品汚染予測装置6による食品汚染予測方法の一例を示すフローチャートである。以下では、検査作業者が環境汚染指標検査装置3Aを用いて環境汚染指標の検査を行った場合の食品汚染予測装置6の動作例について説明する。
2に入力することで出力される危害原因物質情報に基づいて、危害原因物質の発生状況が予測されるので、危害原因物質を直接検査しなくても危害原因物質の発生状況を簡易に予測することができる。
第2の実施形態は、環境汚染指標情報が、環境汚染指標検出情報の他に、予測地点又は学習地点を含む食品製造環境の状況を示す食品製造環境情報を含む点で第1の実施形態と相違する。以下では、第2の実施形態に係る機械学習装置5a及び食品汚染予測装置6aについて、第1の実施形態と異なる部分を中心に説明する。
結果を環境汚染指標検出情報及び危害原因物質発生情報として取得するとともに、その試験条件を食品製造環境情報として取得することで、学習用データ13aを取得する。
第3の実施形態は、環境汚染指標情報が、所定の領域内の複数の地点における環境汚染指標の検出状況を含み、危害原因物質情報が、その領域における危害原因物質の発生分布状況を含む点で第1の実施形態と相違する。以下では、第3の実施形態に係る機械学習装置5b及び食品汚染予測装置6bについて、第1の実施形態と異なる部分を中心に説明する。
つのメッシュQ11~Q33に区切ったときの危害原因物質発生分布情報を含み、危害原因物質発生分布情報は、9つのメッシュ内のそれぞれの地点(例えば、各メッシュの中心)において危害原因物質の検査が行われたときの危害原因物質検査装置3Bによる検査結果に基づくものである。なお、危害原因物質の発生状況が、例えば、0~1の範囲を有する発生レベルで表される場合には、危害原因物質の発生分布状況は、学習領域に対応するマップ上に対して、各メッシュの発生レベルの値に応じた濃淡色やカラー色で表される。
第4の実施形態は、環境汚染指標情報が、第3の実施形態と同様に、所定の領域内の複数の地点における環境汚染指標の検出状況を含み、危害原因物質情報が、その領域における危害原因物質の汚染源を含む点で第1の実施形態と相違する。以下では、第4の実施形態に係る機械学習装置5c及び食品汚染予測装置6cについて、第1及び第3の実施形態と異なる部分を中心に説明する。
域内に複数の学習地点における環境汚染指標検出情報を含む。
本発明は上述した実施形態に制約されるものではなく、本発明の主旨を逸脱しない範囲内で種々変更して実施することが可能である。そして、それらはすべて、本発明の技術思想に含まれるものである。
在時点よりも将来の時点(将来時点)における危害原因物質情報を予測するようにしてもよい。その際、食品汚染予測装置6、6a~6cは、現在時点の危害原因物質情報と、将来時点の危害原因物質情報とを予測するようにしてもよいし、複数の将来時点(例えば、1時間毎)の危害原因物質情報を予測することにより危害原因物質情報の経時変化を予測するようにしてもよい。その場合には、学習モデル及び学習用データのデータ構成を適宜変更すればよい。
ィープラーニングを含む)、階層型クラスタリング、非階層型クラスタリング、k近傍法
、k平均法等のクラスタリング型、主成分分析、因子分析、ロジスティク回帰等の多変量解析、サポートベクターマシン等が挙げられる。
本発明は、機械学習装置5が備える各部としてコンピュータ900を機能させるプログラム(機械学習プログラム)や、機械学習方法が備える各工程をコンピュータ900に実行させるためのプログラム(機械学習プログラム)の態様で提供することもできる。また、本発明は、食品汚染予測装置6が備える各部としてコンピュータ900を機能させるためのプログラム(食品汚染予測プログラム)や、上記実施形態に係る食品汚染予測方法が備える各工程をコンピュータ900に実行させるためのプログラム(食品汚染予測プログラム)の態様で提供することもできる。
本発明は、上記実施形態に係る食品汚染予測装置6(食品汚染予測方法又は食品汚染予測プログラム)の態様によるもののみならず、危害原因物質情報を推論するために用いられる推論装置(推論方法又は推論プログラム)の態様で提供することもできる。その場合、推論装置(推論方法又は推論プログラム)としては、メモリと、プロセッサとを含み、このうちのプロセッサが、一連の処理を実行するものとすることができる。当該一連の処理とは、環境汚染指標情報を取得する情報取得処理(情報取得工程)と、情報取得処理にて環境汚染指標情報を取得すると、危害原因物質の発生状況、発生分布状況又は汚染源を推論する推論処理(推論工程)とを含む。
3B…危害原因物質検査装置、4…製造管理装置、5、5a~5c…機械学習装置、
6、6a~6c…食品汚染予測装置、7…ネットワーク、
10…食品工場、11…試験室、
12、12a~12c…学習モデル、13、13a~13c…学習用データ、
40…工程管理データベース、41…ゾーン管理データベース、
42…作業者管理データベース、43…検査データベース、
50…制御部、51…通信部、52…学習用データ記憶部、
53…学習済みモデル記憶部、
60…制御部、61…通信部、62…学習済みモデル記憶部
500…学習用データ取得部、501…機械学習部、
600…情報取得部、601…予測部、602…出力処理部
Claims (15)
- 食品事故の発生原因となり得る危害原因物質の発生状況を予測する食品汚染予測装置であって、
予測地点における、前記危害原因物質とは異なる環境汚染指標の検出状況を含む環境汚染指標情報を取得する情報取得部と、
前記情報取得部により取得された前記環境汚染指標情報を、学習地点における前記環境汚染指標の検出状況を含む前記環境汚染指標情報と、前記学習地点における前記危害原因物質の発生状況を含む危害原因物質情報との相関関係を機械学習により学習させた学習モデルに入力することで出力される前記危害原因物質情報に基づいて、前記予測地点における前記危害原因物質の発生状況を予測する予測部と、を備える、
食品汚染予測装置。 - 前記情報取得部は、
予測領域内の複数の前記予測地点における前記環境汚染指標の検出状況を含む前記環境汚染指標情報を取得し、
前記予測部は、
前記情報取得部により取得された前記環境汚染指標情報を、学習領域内の複数の前記学習地点における前記環境汚染指標の検出状況を含む前記環境汚染指標情報と、前記学習領域における前記危害原因物質の発生分布状況を含む危害原因物質情報との相関関係を機械学習により学習させた学習モデルに入力することで出力される前記危害原因物質情報に基づいて、前記予測領域における前記危害原因物質の発生分布状況を予測する、
請求項1に記載の食品汚染予測装置。 - 前記情報取得部は、
予測領域内の複数の前記予測地点における前記環境汚染指標の検出状況を含む前記環境汚染指標情報を取得し、
前記予測部は、
前記情報取得部により取得された前記環境汚染指標情報を、学習領域内の複数の前記学習地点における前記環境汚染指標の検出状況を含む前記環境汚染指標情報と、前記学習領域における前記危害原因物質の汚染源を含む危害原因物質情報との相関関係を機械学習により学習させた学習モデルに入力することで出力される前記危害原因物質情報に基づいて、前記予測領域における前記危害原因物質の汚染源を予測する、
請求項1又は請求項2に記載の食品汚染予測装置。 - 前記環境汚染指標情報が、
前記予測地点又は前記学習地点を含む食品製造環境の状況を示す食品製造環境情報を含む、
請求項1乃至請求項3のいずれか一項に記載の食品汚染予測装置。 - 前記環境汚染指標情報が、
前記食品製造環境情報として、前記食品製造環境に対する清掃状況を示す清掃情報を含む、
請求項4に記載の食品汚染予測装置。 - 前記環境汚染指標情報が、
前記食品製造環境情報として、
前記食品製造環境にて行われる食品製造工程で使用される原材料の受入検査結果を示す原材料受入検査結果情報、
前記食品製造工程で製造される製品の検査結果を示す製品検査結果情報、及び、
前記食品製造工程で製造される半製品の検査結果を示す半製品検査結果情報のうち少なくとも1つを含む、
請求項4又は請求項5に記載の食品汚染予測装置。 - 前記環境汚染指標情報が、
前記食品製造環境情報として、前記食品製造環境にて行われる食品製造工程における製造パラメータを示す製造パラメータ情報を含む、
請求項4乃至請求項6のいずれか一項に記載の食品汚染予測装置。 - 前記環境汚染指標情報が、
前記食品製造環境情報として、前記食品製造環境における空間状況を示す空間情報を含む、
請求項4乃至請求項7のいずれか一項に記載の食品汚染予測装置。 - 前記環境汚染指標情報が、
前記食品製造環境情報として、前記食品製造環境におけるゾーンの属性を示すゾーン属性情報を含む、
請求項4乃至請求項8のいずれか一項に記載の食品汚染予測装置。 - 前記環境汚染指標情報が、
前記食品製造環境情報として、前記食品製造環境において作業する作業者の作業状況を示す作業者情報を含む、
請求項4乃至請求項9のいずれか一項に記載の食品汚染予測装置。 - メモリと、プロセッサとを備え、食品事故の発生原因となり得る危害原因物質の発生状況を推論する推論装置であって、
前記プロセッサは、
予測地点における、前記危害原因物質とは異なる環境汚染指標の検出状況を含む環境汚染指標情報を取得する情報取得処理と、
前記情報取得処理にて前記環境汚染指標情報を取得すると、前記予測地点における前記危害原因物質の発生状況を推論する推論処理と、を実行する、
推論装置。 - 食品事故の発生原因となり得る危害原因物質の発生状況を予測するための学習モデルを生成する機械学習装置であって、
学習地点における、前記危害原因物質とは異なる環境汚染指標の検出状況を含む前記環境汚染指標情報と、前記学習地点における前記危害原因物質の発生状況を含む危害原因物質情報とで構成される学習用データを複数組記憶する学習用データ記憶部と、
複数組の前記学習用データを前記学習モデルに入力することで、前記環境汚染指標情報と前記危害原因物質情報との相関関係を前記学習モデルに学習させる機械学習部と、
前記機械学習部により前記相関関係を学習させた前記学習モデルを記憶する学習済みモデル記憶部と、を備える、
機械学習装置。 - 食品事故の発生原因となり得る危害原因物質の発生状況を予測する食品汚染予測方法であって、
予測地点における、前記危害原因物質とは異なる環境汚染指標の検出状況を含む環境汚染指標情報を取得する情報取得工程と、
前記情報取得工程により取得された前記環境汚染指標情報を、学習地点における前記環境汚染指標の検出状況を含む前記環境汚染指標情報と、前記学習地点における前記危害原
因物質の発生状況を含む危害原因物質情報との相関関係を機械学習により学習させた学習モデルに入力することで出力される前記危害原因物質情報に基づいて、前記予測地点における前記危害原因物質の発生状況を予測する予測工程と、を備える、
食品汚染予測方法。 - メモリと、プロセッサとを備える推論装置により実行されて、食品事故の発生原因となり得る危害原因物質の発生状況を推論する推論方法であって、
前記プロセッサは、
予測地点における、前記危害原因物質とは異なる環境汚染指標の検出状況を含む環境汚染指標情報を取得する情報取得工程と、
前記情報取得工程にて前記環境汚染指標情報を取得すると、前記予測地点における前記危害原因物質の発生状況を推論する推論工程と、を実行する、
推論方法。 - 食品事故の発生原因となり得る危害原因物質の発生状況を予測するための学習モデルを生成する機械学習方法であって、
学習地点における、前記危害原因物質とは異なる環境汚染指標の検出状況を含む前記環境汚染指標情報と、前記学習地点における前記危害原因物質の発生状況を含む危害原因物質情報とで構成される学習用データを学習用データ記憶部に複数組記憶する学習用データ記憶工程と、
複数組の前記学習用データを前記学習モデルに入力することで、前記環境汚染指標情報と前記危害原因物質情報との相関関係を前記学習モデルに学習させる機械学習工程と、
前記機械学習工程により前記相関関係を学習させた前記学習モデルを学習済みモデル記憶部に記憶する学習済みモデル記憶工程と、を備える、
機械学習方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021179153A JP7355098B2 (ja) | 2021-11-02 | 2021-11-02 | 食品汚染予測装置、推論装置、機械学習装置、食品汚染予測方法、推論方法、及び、機械学習方法 |
PCT/JP2022/039639 WO2023080010A1 (ja) | 2021-11-02 | 2022-10-25 | 食品汚染予測装置、推論装置、機械学習装置、食品汚染予測方法、推論方法、及び、機械学習方法 |
AU2022382158A AU2022382158A1 (en) | 2021-11-02 | 2022-10-25 | Food contamination prediction device, inference device, machine learning device, food contamination prediction method, inference method, and machine learning method |
CN202280061922.6A CN118020085A (zh) | 2021-11-02 | 2022-10-25 | 食品污染预测装置、推理装置、机器学习装置、食品污染预测方法、推理方法及机器学习方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021179153A JP7355098B2 (ja) | 2021-11-02 | 2021-11-02 | 食品汚染予測装置、推論装置、機械学習装置、食品汚染予測方法、推論方法、及び、機械学習方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023068247A true JP2023068247A (ja) | 2023-05-17 |
JP7355098B2 JP7355098B2 (ja) | 2023-10-03 |
Family
ID=86240936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021179153A Active JP7355098B2 (ja) | 2021-11-02 | 2021-11-02 | 食品汚染予測装置、推論装置、機械学習装置、食品汚染予測方法、推論方法、及び、機械学習方法 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP7355098B2 (ja) |
CN (1) | CN118020085A (ja) |
AU (1) | AU2022382158A1 (ja) |
WO (1) | WO2023080010A1 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002230179A (ja) * | 2001-01-31 | 2002-08-16 | Johnson Professional Co Ltd | 総合衛生管理システム及びそのためのコンピュータ・プログラム |
JP2007312738A (ja) * | 2006-05-29 | 2007-12-06 | Kikkoman Corp | 飲食品中における微生物の生育性予測方法 |
JP2012103801A (ja) * | 2010-11-08 | 2012-05-31 | Nippon Sasutena Co Ltd | 食品安全管理システムおよび方法 |
WO2013129655A2 (ja) * | 2012-03-02 | 2013-09-06 | 株式会社明治 | 微生物数の増殖を予測する方法 |
JP2016224524A (ja) * | 2015-05-27 | 2016-12-28 | 富士電機株式会社 | 食品流通管理システム及び食品流通管理方法 |
JP2021045374A (ja) * | 2019-09-19 | 2021-03-25 | ▲高▼橋金属株式会社 | 業務用手洗い装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002015007A (ja) | 2000-06-30 | 2002-01-18 | Daikin Ind Ltd | 衛生計測システム |
-
2021
- 2021-11-02 JP JP2021179153A patent/JP7355098B2/ja active Active
-
2022
- 2022-10-25 WO PCT/JP2022/039639 patent/WO2023080010A1/ja active Application Filing
- 2022-10-25 CN CN202280061922.6A patent/CN118020085A/zh active Pending
- 2022-10-25 AU AU2022382158A patent/AU2022382158A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002230179A (ja) * | 2001-01-31 | 2002-08-16 | Johnson Professional Co Ltd | 総合衛生管理システム及びそのためのコンピュータ・プログラム |
JP2007312738A (ja) * | 2006-05-29 | 2007-12-06 | Kikkoman Corp | 飲食品中における微生物の生育性予測方法 |
JP2012103801A (ja) * | 2010-11-08 | 2012-05-31 | Nippon Sasutena Co Ltd | 食品安全管理システムおよび方法 |
WO2013129655A2 (ja) * | 2012-03-02 | 2013-09-06 | 株式会社明治 | 微生物数の増殖を予測する方法 |
JP2016224524A (ja) * | 2015-05-27 | 2016-12-28 | 富士電機株式会社 | 食品流通管理システム及び食品流通管理方法 |
JP2021045374A (ja) * | 2019-09-19 | 2021-03-25 | ▲高▼橋金属株式会社 | 業務用手洗い装置 |
Also Published As
Publication number | Publication date |
---|---|
CN118020085A (zh) | 2024-05-10 |
WO2023080010A1 (ja) | 2023-05-11 |
JP7355098B2 (ja) | 2023-10-03 |
AU2022382158A1 (en) | 2024-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220058525A1 (en) | Model integration apparatus, model integration method, computer-readable storage medium storing a model integration program, inference system, inspection system, and control system | |
Feng et al. | Modeling and evaluation on WSN-enabled and knowledge-based HACCP quality control for frozen shellfish cold chain | |
US20140279600A1 (en) | Automated monitoring of pest traps in a distributed work environment | |
US20210220997A1 (en) | Inspection apparatus and method for observing level of consumption of consumable item | |
US20140046722A1 (en) | System for on-site environment monitoring | |
JP6418211B2 (ja) | 識別情報付与システム、識別情報付与装置、識別情報付与方法及びプログラム | |
CN109839915A (zh) | 诊断装置、诊断方法及存储介质 | |
CN107944563B (zh) | 机械学习装置以及机械学习方法 | |
JP7477608B2 (ja) | 分類モデルの正解率の改良 | |
JP2017130094A (ja) | セル制御装置、及び製造セルにおける複数の製造機械の稼働状況を管理する生産システム | |
WO2021199194A1 (ja) | 診断システム、診断方法及びプログラム | |
Böhner et al. | Integrating digitization technologies into resource efficiency driven industrial learning environments | |
KR20180064957A (ko) | 제조공정 통합 관리 향상 시스템 | |
CN114139589A (zh) | 故障诊断方法、装置、设备与计算机可读存储介质 | |
Zhang et al. | Top ten intelligent algorithms towards smart manufacturing | |
WO2023080010A1 (ja) | 食品汚染予測装置、推論装置、機械学習装置、食品汚染予測方法、推論方法、及び、機械学習方法 | |
US11928304B2 (en) | Smart digital computer platform to display fugitive emissions of a facility | |
Wagner et al. | An overview of useful data and analyzing techniques for improved multivariate diagnostics and prognostics in condition-based maintenance | |
Pang | Intelligent belt conveyor monitoring and control | |
JP2021005370A (ja) | 航空機センサをモデリングするためのデータ主導方式機械学習 | |
KR102437701B1 (ko) | 엘리베이터 상태의 진단 방법 | |
KR102469229B1 (ko) | 인공지능 기반의 피쉬본 다이어그램 관리 시스템 및 그 방법 | |
JP6696650B1 (ja) | 飼育環境判別プログラム | |
JP2023531301A (ja) | イベントチェーン応答システム | |
Lepore et al. | Neural network based control charting for multiple stream processes with an application to HVAC systems in passenger railway vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230201 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230201 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230502 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230607 |
|
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: 20230822 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230904 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7355098 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |