WO2015174073A1 - 食品分析装置 - Google Patents

食品分析装置 Download PDF

Info

Publication number
WO2015174073A1
WO2015174073A1 PCT/JP2015/002392 JP2015002392W WO2015174073A1 WO 2015174073 A1 WO2015174073 A1 WO 2015174073A1 JP 2015002392 W JP2015002392 W JP 2015002392W WO 2015174073 A1 WO2015174073 A1 WO 2015174073A1
Authority
WO
WIPO (PCT)
Prior art keywords
sample
food
light
correlation
model
Prior art date
Application number
PCT/JP2015/002392
Other languages
English (en)
French (fr)
Inventor
和弘 越智
Original Assignee
パナソニックＩｐマネジメント株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by パナソニックＩｐマネジメント株式会社 filed Critical パナソニックＩｐマネジメント株式会社
Priority to EP15793449.8A priority Critical patent/EP3144665B1/en
Publication of WO2015174073A1 publication Critical patent/WO2015174073A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274—Calibration, base line adjustment, drift correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods

Definitions

  • the present invention relates to a food analysis apparatus that analyzes food nutrition information.
  • the analysis of the components of the low calorie sample and of the high calorie sample tends to be biased component composition.
  • the lipid is the main component, so the component composition biased to the lipid.
  • such a problem is not limited to the case of calculating the calorie of the food, for example, when calculating the nutrition information other than the calorie of the food, it is a regression equation showing the correlation between the nutrition information and the absorbance in the sample.
  • the absorbance of the food to be analyzed is substituted into a regression equation prepared in advance.
  • the present invention has been made in view of the problems in such a conventional food analyzer, and the case where the state of the food to be analyzed and the state of the sample used for creating the regression equation largely diverge
  • the present invention provides a food analyzer capable of suppressing the influence of an error in the analysis result occurring in the above and improving the measurement accuracy of the nutrition information of the food to be analyzed.
  • a food analysis apparatus for analyzing nutrition information of food, and an irradiation unit which irradiates light to the food with light including a wavelength of near-infrared region, and a part of the light irradiated from the irradiation unit transmits the food. And a light receiving portion for receiving light reflected from food.
  • the food analyzer further measures the absorbance of the sample calculated based on the light reception amount measured by the light receiving unit when the irradiation unit irradiates light to the plurality of samples whose nutrition information is known.
  • a model storage unit that stores a plurality of correlation models including
  • the food analysis apparatus further selects a correlation model corresponding to the feature information of the food from among the plurality of correlation models stored in the model storage unit, and the food is irradiated with light in the selected correlation model. It has an analysis part which analyzes the nutrition information on food by applying the light absorbency of the food calculated based on the amount of light reception measured by the light receiving part.
  • FIG. 1 is a schematic view showing the entire structure of a food analysis apparatus according to a first embodiment of the present invention.
  • FIG. 2 is a schematic view showing a configuration of a light receiving unit according to Embodiment 1 of the present invention.
  • FIG. 3 is a block diagram showing a control configuration of the analysis unit according to the first embodiment of the present invention.
  • FIG. 4 is a schematic view showing the correspondence between the sample and the correlation model in Embodiment 1 of the present invention.
  • FIG. 5 is a schematic view showing the correspondence between the distribution of the composition ratio of proteins of the sample and the correlation model in Embodiment 8 of the present invention.
  • FIG. 1 is a schematic view showing the entire structure of a food analysis apparatus according to a first embodiment of the present invention.
  • FIG. 2 is a schematic view showing a configuration of a light receiving unit according to Embodiment 1 of the present invention.
  • FIG. 3 is a block diagram showing a control configuration of the analysis unit according to the first embodiment of the present invention.
  • FIG. 6 is a schematic view showing the correspondence between each light receiving element of the light receiving sensor in the modification of the first embodiment of the present invention and the correlation model to which the amount of light received is applied.
  • FIG. 7 is a schematic view showing a configuration of a light receiving unit of a modification of each embodiment of the present invention.
  • FIG. 8 is a schematic view showing the entire structure of a food analysis device according to a modification of each embodiment of the present invention.
  • Embodiment 1 Hereinafter, Embodiment 1 of the food analysis device will be described with reference to the drawings.
  • the food analyzer 100 has a measurement unit 10 and an analysis unit 11.
  • the measurement unit 10 and the analysis unit 11 are electrically connected via the connection cable L.
  • the measurement unit 10 has a housing 12 capable of shielding the inside by shielding the door.
  • the table 12, the light emitting unit 14, and the light receiving unit 15 are accommodated in the housing 12.
  • the object S which is a food to be analyzed is placed on the table 13.
  • the light emitting unit 14 functions as an irradiating unit that irradiates the entire object S with light including a wavelength of at least 700 nm to 2500 nm in a near infrared region.
  • the light emitting unit 14 which is an irradiation unit may be configured to partially irradiate the object S with light including the wavelength of the near infrared region.
  • a halogen lamp, a light emitting diode, a laser etc. are used, for example.
  • a slit communicating the inside and the outside of the housing 12 is formed, and this slit functions as an irradiating unit for guiding sunlight to the object S from the outside of the housing 12 and irradiating it. It is also good.
  • a filter that selectively transmits light in the near infrared region may be provided in the slit of the housing 12.
  • the slit may be configured to direct sunlight including a wavelength other than the near-infrared region directly to the object S without providing such a filter.
  • the light receiving unit 15 includes a light collecting unit 20, a light separating unit 21, and a light receiving sensor 22.
  • the condensing unit 20 includes a condensing lens 23 and a reflecting unit 24.
  • the condenser lens 23 condenses the light reflected from the object S.
  • the reflecting unit 24 guides the light collected by the collecting lens 23 to the light separating unit 21.
  • the light separating unit 21 includes a first light separating unit 21A, a second light separating unit 21B, and a third light separating unit 21C.
  • the spectroscopes 21A to 21C use a diffraction grating type spectroscope which reflects only light of a specific wavelength and transmits light of other wavelengths. Note that an interference filter type spectroscope may be used as the spectroscopes 21A to 21C.
  • the specific wavelengths of the light selectively reflected by the light separating portions 21A to 21C are different from each other. These specific wavelengths are determined by experiments or the like based on the absorbance of a plurality of samples for which nutritional information such as the amount of components of food is known. Specifically, these specific wavelengths are determined as wavelengths reflecting the component amounts of specific components in a sample, for example, from the relationship between the component amounts of specific components in a plurality of samples and the absorbance.
  • the first light splitting unit 21A selectively reflects light of a wavelength of about 910 nm, which is a wavelength reflecting the amount of protein component in the sample.
  • the second light splitting unit 21B selectively reflects light of a wavelength around 930 nm, which is a wavelength reflecting the amount of the lipid component in the sample.
  • the third light splitting unit 21C selectively reflects light of a wavelength of around 980 nm, which is a wavelength reflecting the amount of carbohydrate component in the sample.
  • the light receiving sensor 22 is a so-called image sensor, and a plurality of light receiving elements 22A are arranged in a lattice on the light receiving surface thereof.
  • a material of the light receiving element 22A silicon, indium, gallium, arsenic or the like having sensitivity to light of a wide wavelength in the near infrared region is used.
  • a material of the light receiving element 22A a material having selective sensitivity to light of a specific wavelength reflecting the component amount of each component such as the above-mentioned protein in the sample may be used.
  • the analysis unit 11 includes a storage unit 30 which is a model storage unit, an analysis unit 31, and a display unit 32.
  • the storage unit 30, which is a model storage unit, is calculated based on the amount of received light measured by the light receiving sensor 22 of the light receiving unit 15 when light is emitted from the light emitting unit 14, which is an irradiating unit, to a plurality of samples.
  • Stores an estimation model hereinafter, referred to as a correlation model
  • the amount of component indicating a correlation between the absorbance of the sample and nutrient information (hereinafter, simply referred to as the amount of component) of the sample.
  • the component amounts of the plurality of samples are accurately determined in advance by another conventional analysis method.
  • the correlation model is represented by a general polynomial using the absorbance of the sample for light of a plurality of wavelengths, as in the following equation (1).
  • Y K0 + K1 ⁇ f1 ( ⁇ 1) + K2 ⁇ f2 ( ⁇ 2) +... + Kn ⁇ fn ( ⁇ n) (1)
  • the absorbance of the sample and the sample G are obtained for the entire group G1 of X samples C1, C2, C3, C4,.
  • a general-purpose model A1 which is a first correlation model is calculated in advance as a correlation model that indicates the correlation with the component amount.
  • the absorbance of the sample and the component amount of the sample A first dedicated model A2 which is a second correlation model is calculated in advance as a correlation model indicating the correlation with the above.
  • the absorbance of the sample and the component of the sample A second dedicated model A3 which is a second correlation model is calculated in advance as a correlation model indicating the correlation with the amount.
  • the light receiving amount measured in the light receiving sensor 22 of the light receiving unit 15 is The absorbance of the sample calculated on the basis is classified in association with the feature information of the sample indicating whether the sample is in a frozen state. Then, a first dedicated model A2 and a second dedicated model A3 which are second correlation models are used as correlation models showing correlations between the absorbances of the groups G2 and G3 of the respective classified samples and the component amounts of the samples. Each has been calculated in advance.
  • a plurality of such correlation models are stored in the storage unit 30 which is a model storage unit.
  • the analysis unit 31 stores in the storage unit 30 the absorbance of the object S calculated based on the amount of received light measured by the light receiving sensor 22 when the object S is irradiated with light from the light emitting unit 14.
  • the component amount of the object S is analyzed by applying to the correlation model.
  • the analysis unit 31 stores in the storage unit 30 the absorbance for each analysis site of the object S calculated based on the light reception amounts of all the light receiving elements 22A of the light reception sensor 22 of the light reception unit 15.
  • the present invention is applied uniformly to a correlation model (for example, a first correlation model) selected from a plurality of correlation models.
  • the analysis unit 31 outputs the analysis result of the component amount of the object S to the display unit 32 for display. Specifically, when the object S is in a frozen state, the analysis unit 31 selects and reads out the first dedicated model A2 that is the second correlation model from the storage unit 30. Then, the amount of components of the object S is analyzed by applying the absorbance of the object S to the first dedicated model A2. On the other hand, when the object S is not frozen, the analysis unit 31 selects and reads out the second dedicated model A3 which is the second correlation model from the storage unit 30. Then, the component amount of the object S is analyzed by applying the absorbance of the object S to the second dedicated model A3.
  • the general-purpose model A1 which is the first correlation model, shows the correlation between the absorbance of the sample and the amount of the component of the sample for the entire sample whose component amounts are previously determined, and it is versatile in that many samples are targeted. It is a highly sexual model.
  • the correlation between the absorbance of the sample and the amount of the components tends to largely diverge between the frozen sample and the non-freeze sample. That is, depending on the state of the sample, the correlation between the absorbance of the sample and the amount of the component tends to largely deviate.
  • the sample used when creating the general-purpose model A1 is in a non-frozen state Since samples are also mixed, the analysis results are prone to errors.
  • the absorbance of the object S in a non-freezing state is applied to the general-purpose model A1 to determine the component amount of the object S, the sample used in creating the general-purpose model A1 is in a frozen state Because some samples are mixed, the analysis results are prone to errors.
  • the component amount of the object S is calculated using the first dedicated model A2 created based on the sample in the frozen state. analyse.
  • the component amount of the target S is analyzed using the second dedicated model A3 created based on the sample in the non-frozen state. Therefore, an error in the analysis result is suppressed as compared with the case where the general-purpose model A1 is uniformly applied to analyze the component amount of the object S regardless of whether the object S is in a frozen state or not.
  • Food analysis apparatus 100 of the present embodiment has the following effects.
  • a correlation model corresponding to the state of the object S is selected from among the plurality of correlation models stored in the storage unit 30. Then, the component amount of the object S is analyzed using the selected correlation model. Therefore, compared with the case where the correlation model is uniformly applied and the component amount of the object S is analyzed regardless of the state of the object S, the measurement accuracy of the component amount of the object S can be enhanced.
  • the second embodiment differs from the first embodiment in that the correlation model used for analysis of the component amount of the object S is changed according to the temperature of the object S. Therefore, in the following description, the configuration different from that of the first embodiment will be mainly described, and the description of the same or corresponding components as the first embodiment will be omitted.
  • general model A1 which is the first correlation model, is previously determined as a correlation model indicating the correlation between the absorbance of the sample and the amount of the component of the sample for the entire group G1 of which the component amount is previously determined. It is calculated.
  • a second correlation model which is a second correlation model, indicates a correlation between the absorbance of the sample and the amount of components of the sample.
  • a dedicated model is calculated in advance.
  • 2nd correlation model as a correlation model which shows correlation with the absorbance of a sample, and the amount of ingredients of a sample about a group of samples classified as a sample whose temperature is less than 0 ° C among these samples.
  • the second dedicated model is calculated in advance.
  • the absorbance of the sample calculated based on the above is classified in association with the feature information of the sample whether the temperature of the sample is 0 ° C. or more.
  • a correlation model showing the correlation between the absorbance of each sample group classified in this way and the component amount of the sample a first dedicated model and a second dedicated model which are the second correlation model are respectively calculated in advance .
  • the temperature of the sample is measured, for example, using a radiation thermometer and a contact thermometer.
  • the correlation between the absorbance of the sample and the amount of components is largely different between the sample whose temperature is 0 ° C. or more and the sample whose temperature is less than 0 ° C. Tend to That is, depending on the temperature of the sample, the correlation between the absorbance of the sample and the amount of the component tends to largely deviate.
  • the temperature of the sample used when creating the general-purpose model A1 is 0 ° C. Since less than a sample is also mixed, an error is likely to occur in the analysis result.
  • the absorbance of the object S whose temperature is less than 0 ° C. is applied to the general-purpose model A1 to determine the component amount of the object S, the temperature is 0 in the sample used when creating the general-purpose model. Since the sample which is more than ° C is also mixed, an error is likely to occur in the analysis result.
  • the first dedicated model created based on a sample having a temperature of 0 ° C. or more is used to Analyze the amount of ingredients.
  • the component amount of the subject S is analyzed using a second dedicated model created based on a sample whose temperature is less than 0 ° C. Therefore, an error occurs in the analysis result as compared with the case where the general-purpose model A1 is uniformly applied to analyze the amount of the component of the object S regardless of whether the temperature of the object S is 0 ° C. or more. Is reduced.
  • the food analysis apparatus 100 of the second embodiment exhibits the same effect as the effect (1) of the first embodiment described above.
  • the third embodiment differs from the first embodiment in that the correlation model used for analysis of the component amount of the object is changed in accordance with the water content of the object S. Therefore, in the following description, the configuration different from the first embodiment will be mainly described, and the description of the same or corresponding components as the first embodiment will be omitted.
  • general model A1 which is the first correlation model, is previously determined as a correlation model indicating the correlation between the absorbance of the sample and the amount of the component of the sample for the entire group G1 of which the component amount is previously determined. It is calculated.
  • a first dedicated model which is a first correlation model, is calculated in advance as a correlation model that indicates the correlation between the absorbance of the sample and the amount of the component of the sample for a group of samples classified as samples containing more than .
  • the second correlation model is a second correlation model showing a correlation between the absorbance of the sample and the amount of the component of the sample with respect to a group of samples classified as being a sample containing a normal water content.
  • the second dedicated model is calculated in advance.
  • a second correlation model is shown as a correlation model showing a correlation between the absorbance of the sample and the amount of the component of the sample, for a group of samples classified as samples containing less water than usual.
  • the third dedicated model which is
  • the absorbance of the sample calculated based on the above is classified in association with the feature information of the sample that indicates whether the moisture content of the sample is equal to the moisture content that the sample normally has.
  • a first dedicated model, a second dedicated model, and a third dedicated model are respectively calculated in advance as a correlation model indicating the correlation between the absorbance of each sample group classified in this way and the component amount of the sample.
  • the water content of the sample is measured, for example, based on the absorbance of the wavelength of the near infrared region of the sample, the conductivity of the sample, and the like.
  • water has an absorption spectrum in a wide wavelength centering on 960 nm and 1500 nm. Therefore, among the samples used when creating the general-purpose model A1, the correlation between the absorbance and the component amount of the sample tends to largely diverge between the sample having the normal water content and the sample having the abnormal water content. is there. That is, depending on the water content of the sample, the correlation between the absorbance of the sample and the component amount tends to largely diverge.
  • the object when an object S having a contained water content larger than normal is to be analyzed, the object is determined using a first dedicated model created based on a sample having a contained water content larger than normal. Analyze the component amount of S.
  • the component amount of the object S is analyzed using a second dedicated model created based on a sample having a normal water content.
  • the component amount of the object S is analyzed using a third dedicated model created based on a sample having a water content smaller than normal.
  • the food analysis apparatus according to the third embodiment exhibits the same effect as the effect (1) of the first embodiment described above.
  • Embodiment 4 a fourth embodiment of the food analysis device 100 will be described.
  • the fourth embodiment differs from the first embodiment in that the correlation model used for analysis of the component amount of the object S is changed according to the light amount of the object S. Therefore, in the following description, the configuration different from the first embodiment will be mainly described, and the description of the same or corresponding components as the first embodiment will be omitted.
  • the general-purpose model A1 is calculated in advance as a correlation model indicating the correlation between the absorbance of the sample and the amount of the component of the sample for the entire group G1 of which the amount of components is previously determined.
  • the first dedicated correlation model indicates the correlation between the absorbance of the sample and the component quantity of the sample.
  • the model is calculated in advance.
  • a second dedicated model is used as a correlation model that indicates the correlation between the absorbance of the sample and the amount of the component of the sample for the group of samples classified as the sample whose light quantity is lower than the predetermined light quantity. Is calculated in advance.
  • the calculation is performed based on the light reception amount measured by the light reception sensor 22.
  • the absorbance of the sample is classified in association with the feature information of the sample, such as whether the light intensity of the sample is high.
  • a first dedicated model and a second dedicated model are respectively calculated in advance as a correlation model indicating the correlation between the absorbance of each sample group classified in this manner and the component amount of the sample.
  • the amount of light of the sample is measured, for example, using the absorbance of the sample for light of wavelengths in the near infrared region or visible light region.
  • the light intensity of the sample may be measured using the absorbance of the sample to light in the entire wavelength range.
  • the light amount of the sample may be measured based on the hue of the sample calculated by performing an image analysis process on an image obtained by imaging the sample.
  • the amount of light entering the light receiving sensor 22 varies depending on the density, size, color and the like of the sample. For example, when the sample is white and the crystal state is dense, the reflectance of the sample is high, and the amount of light entering the light receiving sensor 22 is extremely large. Therefore, among the samples used when the general-purpose model A1 is created, the sample having the same light quantity as the predetermined light quantity preset as the light quantity that the object S normally has, and the sample having the non-normal light quantity Then, the correlation between the absorbance of the sample and the amount of the component tends to be largely divergent. That is, the correlation between the absorbance of the sample and the amount of the component tends to largely deviate according to the light amount of the sample.
  • the object when an object S having a light intensity higher than a predetermined light intensity is to be analyzed, the object is determined using a first dedicated model created based on a sample having a light intensity higher than the predetermined light intensity. Analyze the amount of component S.
  • the component amount of the object S is analyzed using a second dedicated model created based on a sample having a light amount smaller than the predetermined light amount. Do.
  • the food analysis apparatus according to the fourth embodiment exhibits the same effect as the effect (1) of the first embodiment.
  • the fifth embodiment differs from the first embodiment in that the correlation model used for analysis of the component amount of the object S is changed according to the size of the object S. Therefore, in the following description, the configuration different from the first embodiment will be mainly described, and the description of the same or corresponding components as the first embodiment will be omitted.
  • the general-purpose model A1 is calculated in advance as a correlation model that indicates the correlation between the absorbance of the sample and the amount of the component of the sample for the entire group G1 of which the amount of components is previously determined.
  • the absorbance of the sample and the sample The first dedicated model is calculated in advance as a correlation model that indicates the correlation with the component amount of.
  • the second dedicated model is calculated in advance.
  • a third correlation model showing the correlation between the absorbance of the sample and the component amount of the sample is A dedicated model is calculated in advance.
  • the absorbance of the sample calculated based on the amount of light received by the light receiving sensor 22 is the value of the sample. It is classified in association with sample feature information such as whether or not the size is normal.
  • a first dedicated model, a second dedicated model, and a third dedicated model are respectively calculated in advance as a correlation model indicating the correlation between the absorbance of each sample group classified in this way and the component amount of the sample.
  • the size of the sample can be determined, for example, by measuring the height and width of the sample using a distance sensor provided above the sample.
  • the size of the sample may be determined by measuring the height of the sample using a pressure sensor provided so as to be able to move up and down above the sample.
  • the size of the sample may be determined by measuring the area of the bottom surface of the sample using a pressure sensor provided on the top surface of the table 13.
  • the size of the sample may be determined based on the contour of the sample extracted by performing the image analysis process on the image obtained by imaging the sample.
  • the size of the sample may be obtained by measuring the area of the light receiving surface of the light receiving sensor 22 that detects light of a wavelength in the near infrared region as reflected light from the sample.
  • the ratio of the component amount of the sample to the total weight of the sample also changes. Therefore, the magnitude of the influence of the error of the absorbance value of the sample defining the correlation model on the value of the component amount of the sample also changes.
  • the correlation between the absorbance of the sample and the amount of the components tends to largely diverge between the sample whose size is normal and the sample whose size is not normal. That is, depending on the size of the sample, the correlation between the absorbance of the sample and the amount of the component tends to largely deviate.
  • a first dedicated model created based on a sample of a size larger than the predetermined normal size is used.
  • the component amount of the object S is analyzed.
  • the component amount of the target S is analyzed using the second dedicated model created based on the sample having the predetermined normal size.
  • the component amount of the object S is calculated using a third dedicated model defined based on a sample smaller than the predetermined normal size. analyse. Therefore, an error occurs in the analysis result as compared with the case where the general-purpose model is uniformly applied and the component amount of the object S is analyzed regardless of whether the size of the object S is a predetermined normal size or not. Is reduced.
  • the food analysis apparatus according to the fifth embodiment exhibits the same effect as the effect (1) of the first embodiment described above.
  • the sixth embodiment differs from the first embodiment in that the correlation model used for analysis of the component amount of the object S is changed according to the weight of the object S. Therefore, in the following description, the configuration different from the first embodiment will be mainly described, and the description of the same or corresponding components as the first embodiment will be omitted.
  • the general-purpose model A1 is calculated in advance as a correlation model that indicates the correlation between the absorbance of the sample and the amount of the component of the sample for the entire group G1 of which the amount of components is previously determined.
  • the weight is a normal weight (for example, the weight of the object S having a predetermined size under the condition in which the object S is usually placed is a weight of the object S in advance).
  • the first dedicated model is calculated in advance as a correlation model that indicates the correlation between the absorbance of the sample and the amount of the component of the sample for the group of samples classified as heavier than the set).
  • the second dedicated model is calculated in advance.
  • a third dedicated model is previously provided as a correlation model indicating the correlation between the absorbance of the sample and the component amount of the sample. It is calculated.
  • the absorbance of the sample is classified in association with sample characteristic information such as whether the weight of the sample is a predetermined normal weight.
  • a first dedicated model, a second dedicated model, and a third dedicated model are respectively calculated in advance as a correlation model indicating the correlation between the absorbance of each sample group classified in this way and the component amount of the sample.
  • the weight of the sample is measured, for example, using a strain gauge and a piezoelectric element provided on the table 13.
  • the total weight of the sample for example when the weight of the sample is not normal, such as when the sample is a trace amount of milligrams, and when the sample is for industrial use in kilograms, etc.
  • the ratio of the amount of the component of the sample to that also changes. Therefore, the magnitude of the influence of the error of the absorbance value of the sample defining the correlation model on the value of the component amount of the sample also changes.
  • the correlation between the absorbance of the sample and the amount of the components tends to largely diverge between the sample whose weight is normal and the sample whose weight is not normal. That is, depending on the weight of the sample, the correlation between the absorbance and the component amount of the sample tends to largely deviate.
  • the object S when the object S which is heavier than the weight previously set as the normal weight is to be analyzed with respect to the object S, the object S is created based on a sample having a weight heavier than a predetermined normal weight.
  • the amount of components of the object S is analyzed using the first dedicated model.
  • the component amount of the object S using a second dedicated model created based on a sample having a predetermined normal weight Analyze
  • the object S using the third dedicated model created based on a sample having a weight lower than the predetermined normal weight Analyze the amount of ingredients of
  • the food analysis apparatus according to the sixth embodiment exhibits the same effect as the effect (1) of the first embodiment described above.
  • the seventh embodiment differs from the first embodiment in that the correlation model used to analyze the component amount of the object S is changed according to the color of the object S. Therefore, in the following description, the configuration different from the first embodiment will be mainly described, and the description of the same or corresponding components as the first embodiment will be omitted.
  • the general-purpose model A1 is calculated in advance as a correlation model that indicates the correlation between the absorbance of the sample and the amount of the component of the sample for the entire group G1 of which the amount of components is previously determined.
  • a first dedicated model is calculated in advance as a correlation model indicating a correlation between the absorbance of the sample and the amount of components of the sample.
  • a second dedicated model is calculated in advance as a correlation model indicating the correlation between the absorbance of the sample and the amount of the component of the sample for the group of green samples.
  • the calculation is performed based on the light reception amount measured by the light reception sensor 22.
  • the absorbance of the sample is classified in association with the feature information of the sample called the color of the sample.
  • a first dedicated model and a second dedicated model are respectively calculated in advance as a correlation model indicating the correlation between the absorbance of each sample group classified in this manner and the component amount of the sample.
  • the color of the sample is measured based on the detection result of the light receiving sensor 22 by employing, for example, a color image sensor as the light receiving sensor 22.
  • the absorbance of the sample tends to be high in the entire wavelength range including the visible light region and the near infrared region. Therefore, depending on whether the color of the sample is black or not, the correlation between the absorbance of the sample and the amount of the component tends to largely deviate.
  • the component amount of the object S is analyzed using the first dedicated model created based on the black sample.
  • the component amount of the object S is analyzed using a second dedicated model created based on the green sample. Therefore, as compared with the case where the general-purpose model is uniformly applied and the component amount of the object S is analyzed regardless of the color of the object S, generation of an error in the analysis result is suppressed.
  • the food analysis apparatus according to the seventh embodiment exhibits the same effect as the effect (1) of the first embodiment described above.
  • an eighth embodiment of the food analysis device 100 will be described with reference to the drawings.
  • the application target of the absorbance of the object S is changed from the general-purpose model to the dedicated model based on the analysis result of the component amount of the object S when the absorbance of the object S is applied to the general-purpose model
  • This embodiment differs from the first embodiment in that it is determined whether or not to. Therefore, in the following description, the configuration different from the first embodiment will be mainly described, and the description of the same or corresponding components as the first embodiment will be omitted.
  • FIG. 5 shows the distribution of protein composition ratios for the entire group of samples. This distribution is close to a normal distribution. Further, in the present embodiment, a general-purpose model A4, which is a first correlation model, is calculated in advance as a correlation model that indicates the correlation between the absorbance of the sample and the component amount of the sample for the entire group of samples.
  • the second correlation is a correlation model showing the correlation between the absorbance of the sample and the amount of the protein component of the sample for the group of samples classified as having the protein composition ratio of the threshold X ⁇ or more in the entire sample.
  • a dedicated model A5 which is a model is calculated in advance.
  • the analysis unit 31 first analyzes the amount of the component of the protein of the object S by applying the absorbance of the object S to the general-purpose model A4. Subsequently, it is determined whether the composition ratio of the protein of the object S is equal to or more than the threshold value Xr. As a result, when the composition ratio of the protein of the object S is equal to or more than the threshold value Xr, the amount of protein component of the object S is analyzed again by applying the absorbance of the object S to the exclusive model A5. On the other hand, when the protein composition ratio of the object S is less than the threshold value Xr, the component amount of the protein of the object S is not analyzed again.
  • the entire group of samples also includes samples with an extremely low protein composition ratio. And in such a sample, the influence which the difference
  • the food analysis apparatus 100 according to the eighth embodiment has the following effects in addition to the effect (1) of the first embodiment described above.
  • the correlation model is reselected more appropriately as necessary, and then the component amount of the protein of the object S is analyzed again. Therefore, the measurement accuracy of the component amount of the protein of the object S can be further enhanced.
  • the object is selected using the dedicated model A5 corresponding to the sample of which the composition ratio of the protein is more than the threshold Xr among a plurality of samples
  • the amount of protein component of S is analyzed. That is, when the absorbance of the object S is applied to the general-purpose model A4, if the analysis result is within the predetermined range, the correlation model is more appropriately selected and then the protein of the object S is selected.
  • the component amounts are analyzed again. Therefore, the measurement accuracy of the component amount of the protein of the object S can be further enhanced.
  • the amount of components of the protein of the object S is analyzed using the general-purpose model A4, which is a highly versatile first-sumo model corresponding to the entire sample. Then, based on the analysis result, the component amount of the protein of the object S is selected after being reselected as the dedicated model A5 which is the second correlation model corresponding to the composition ratio of the protein of the object S as necessary. It will be analyzed again. That is, according to the analysis result when using the general-purpose model A4, it is possible to analyze the amount of the protein component of the object S without changing the correlation model, or to select the correlation model more appropriately, The component amount of the protein of object S is analyzed again. Therefore, the throughput of the analysis process can be increased while maintaining the reliability of the measurement accuracy of the component amount of the protein of the object S.
  • Food analysis apparatus 100 also includes embodiments other than the above-described first to eighth embodiments. The following will describe modifications of the first to eighth embodiments described above as other embodiments than the first to eighth embodiments of the food analysis apparatus 100 described above.
  • the first dedicated model and the second dedicated model are expressed by being generalized by a polynomial in which the absorbance of the sample for light of a plurality of wavelengths is used as shown in the following equation (2) It is also good.
  • the first dedicated model and the second dedicated model use special functions g (T), h (for the polynomials in which the absorbances of the samples for light of a plurality of wavelengths are used, as in the following equation (3): T) may be generalized and expressed by being combined.
  • the sample defining the general-purpose model is classified according to the type of food such as vegetables, meat, fish and the like, and for each group of the classified samples, the correlation between the absorbance of the sample and the component amount of the sample A dedicated model may be calculated in advance as a correlation model indicating a relationship.
  • the component amount of the object S is analyzed using a dedicated model corresponding to a group of vegetable samples.
  • the component amount of object S is analyzed using the exclusive model corresponding to the group of the sample of a meat.
  • the component amount of object S is analyzed using the exclusive model corresponding to the group of the sample of a fish.
  • the type of group may be set by the user, or the wavelength of the characteristic component (for example, dietary fiber in the case of vegetables) of each group other than the main nutritional component such as protein is statistically determined,
  • the analysis may be performed using the presence or absence of the wavelength and the absorbance.
  • the sample defining the general-purpose model is classified according to the color depth of the sample, and the correlation between the absorbance of the sample and the component amount of the sample for each group of the classified samples
  • a dedicated model may be calculated in advance as a correlation model indicating.
  • a dark object S when a dark object S is to be analyzed, it is preferable to analyze the amount of components of the object S using a dedicated model corresponding to a group of dark samples.
  • the light-colored object S when the light-colored object S is to be analyzed, it is preferable to analyze the amount of components of the object S using a dedicated model corresponding to a group of light-colored samples.
  • the correlation model to which the absorbance of the object S is to be applied may be changed depending on whether or not the composition ratio of the lipid and the carbohydrate of the object S is equal to or more than a threshold.
  • the dedicated model corresponding to the feature information of the analysis part of the object S may be selected from among a plurality of dedicated models stored in the storage unit 30. Then, the absorbance of the analysis site of the object S calculated based on the light reception amount of the light receiving element 22A corresponding to the analysis site of the object S may be applied to the selected dedicated model.
  • two fish S1 and S2 are placed on the table 13 as the object S, and one fish S1 is in a frozen state, It is assumed that the other fish S2 is not frozen.
  • the absorbance of the frozen fish S1 is calculated.
  • the component amount of the fish S1 is analyzed by applying the calculated absorbance of the fish S1 to a first dedicated model A2 which is a second correlation model created based on a frozen sample.
  • the absorbance of the fish S2 in a non-free state is calculated. Then, the component amount of the fish S2 is analyzed by applying the calculated absorbance of the fish S2 to a second dedicated model A3 which is a second correlation model created based on the sample in a non-frozen state.
  • the component amount of the analysis site of the object S is analyzed using a correlation model more suitable for the feature information of each analysis site of the object S. Therefore, the measurement accuracy of the component amount of the object S can be further enhanced.
  • the amount of each component (protein, lipid and carbohydrate) of the object S is multiplied by each calorie coefficient, and the value of the calorie of the object S is obtained by adding the multiplied values. It may be calculated as nutritional information.
  • the analysis unit 31 may be configured to analyze the value of the calorie of the object S by first applying the absorbance of the object S to the general-purpose model A4. And the analysis part 31 may be comprised so that the correlation model used as the application object of the light absorbency of the target object S may be changed, when the value of the calorie of the target object S is more than a threshold value.
  • the correlation model to which the absorbance of the object S is applied may be changed when the value of the calorie of the object S is equal to or less than the threshold. For example, when the value of the calorie of the object S is extremely low, the object S is likely to include vegetables with low calorie. Therefore, in this case, the value of the calorie of the object S may be calculated using a dedicated model corresponding to a group of vegetable samples.
  • the protein, lipid and carbohydrate of the subject S are analyzed, but instead of or in addition to this, components such as the salt of the subject S, various minerals and vitamins are analyzed It is also good.
  • the absorbance of the sample may be classified in association with feature information including a plurality of pieces of information among the state of the sample, the temperature, the light amount, the weight, and the color.
  • a dedicated model may be calculated in advance as a correlation model that indicates the correlation between the absorbance of the sample and the amount of components of the sample.
  • the dedicated model to which the absorbance of the object S is applied is changed according to the feature information of the object S.
  • the light receiving unit 115 may include a plurality of filters 121 for selectively transmitting light of a specific wavelength.
  • the light receiving unit 115 may include a filter switching unit 122 that switches the filter 121 disposed on the light path of the light to the light receiving sensor 22.
  • an optical system such as a lens for adjusting the incident angle to the filter is preferably provided.
  • the food analysis apparatus 100 may be configured such that the light emitting unit 114 is provided below the table 113 and the light receiving unit 15 receives light transmitted through the object S. .
  • the food analysis device 100 may transmit the analysis result of the nutrition information of the object S to an external device via the network. Then, an external device may be configured to manage the history of the analysis result.
  • the food analysis device 100 of the present invention has the following configuration and effects.
  • the food analysis apparatus 100 is a food analysis apparatus that analyzes the nutrition information of the food, and among the light irradiated from the irradiation unit, the irradiation unit irradiating the food with light including the wavelength of the near infrared region, and the food. And a light receiving unit that receives light transmitted from the food or light reflected from the food. The food analysis apparatus 100 further calculates the absorbance of the sample calculated based on the light reception amount measured by the light receiving unit when light is irradiated from the irradiation unit to the plurality of samples whose nutrition information is known.
  • the food analysis apparatus 100 further selects a correlation model corresponding to the feature information of the food from among the plurality of correlation models stored in the model storage unit, and light is emitted from the emitting unit to the food for the selected correlation model.
  • It has the analysis part 31 which analyzes the nutrition information of foodstuffs by applying the light absorbency of foodstuffs computed based on the amount of light reception measured by a light sensing portion when it is irradiated.
  • the correlation model corresponding to the feature information of the food to be analyzed is selected from among the plurality of correlation models stored in the model storage unit.
  • the nutritional information of the food is then analyzed using the selected correlation model. Therefore, the measurement accuracy of the nutrition information of the food to be analyzed is enhanced compared to the case where the nutrition information of the food is analyzed by uniformly applying the correlation model regardless of the feature information of the food to be analyzed. be able to.
  • the analysis unit 31 calculates the absorbance of the food calculated on the basis of the light reception amount measured by the light receiving unit as the first correlation model. Based on the analysis result of the nutrition information of the food when applied, the application target of the absorbance of the food is changed from the first correlation model (general purpose model A1) to the second correlation model (first exclusive model or second exclusive model) It is determined whether to do.
  • first correlation model general purpose model A1
  • second correlation model first exclusive model or second exclusive model
  • the correlation model is more appropriately selected as needed, and then the nutrition information of the food is analyzed again. Therefore, the measurement accuracy of the food to be analyzed can be further enhanced.
  • the model storage unit (storage unit 30) is calculated based on the amount of light received measured by the light receiving unit when light is emitted from the irradiating unit to a plurality of samples.
  • the absorbance of the sample is classified based on whether or not the nutritional information of the sample falls within a predetermined range, and the correlation between the absorbance of the sample classified as falling within the predetermined range and the nutritional information of the sample is
  • the correlation model shown is stored as a second correlation model.
  • the analysis unit 31 applies the light absorbency of the food calculated based on the light reception amount measured by the light reception unit when the light is irradiated to the food from the irradiation unit, the nutrition information of the food is
  • the analysis result of is within the predetermined range, the application target of the absorbance of the food is changed from the first correlation model to the second correlation model.
  • the analysis result of the nutrition information of the food to be analyzed is within the predetermined range
  • the food using the correlation model corresponding to the sample whose nutrition information is within the same range among the plurality of samples Nutritional information is analyzed. That is, when the absorbance of the food to be analyzed is applied to the first correlation model, if the analysis result is within the predetermined range, the correlation model is more properly selected and then the nutrition of the food is extracted. The information is analyzed again. Therefore, the measurement accuracy of the nutrition information of the food to be analyzed can be further enhanced.
  • the first correlation model indicates the correlation between the total absorbance of the sample defining the plurality of correlation models and the nutritional information of the sample
  • the second correlation model defines the plurality of correlation models The correlation between the absorbance of a part of the sample being sampled and the nutritional information of the sample is shown.
  • nutritional information of a food to be analyzed is analyzed using a highly versatile correlation model corresponding to the entire sample. Then, based on the analysis result, the nutrition information of the food is analyzed again after being selected again as the correlation model corresponding to the sample classified in association with the feature information of the food to be analyzed as necessary. Be done. That is, when a highly versatile correlation model is used, according to the analysis result, the nutritional information of the food is analyzed without changing the correlation model, or the correlation model is more appropriately selected, Food nutrition information may be analyzed again. Therefore, it is possible to increase the throughput of the analysis process while maintaining the reliability of the measurement accuracy of the nutrition information of the food to be analyzed.
  • the light receiving unit has a plurality of light receiving elements for receiving light transmitted through the analysis site of the food or light reflected from the analysis site of the food. Further, the analysis unit 31 selects a correlation model corresponding to the feature information of the analysis portion of the food from among the plurality of correlation models stored in the model storage unit, and analyzes the selected correlation model as the analysis portion of the food. By applying the absorbance of the analysis site of the food calculated based on the light reception amount of the corresponding light receiving element, the nutrition information of the analysis site of the food is analyzed.
  • the correlation more suitable for the feature information of each analysis part of the food to be analyzed The model is used to analyze the nutritional information of the analysis site of the food. Therefore, the measurement accuracy of the nutrition information of the food to be analyzed can be further enhanced.
  • the present invention can avoid the error of the analysis result that occurs when the state of the food to be analyzed and the state of the sample used to create the regression equation largely deviate, and becomes the object of analysis
  • a food analysis device that can achieve exceptional effects that can enhance the measurement accuracy of food nutrition information. Therefore, it is widely used in analyzers and the like that calculate information such as food calories and component amounts without destroying the object to be analyzed.

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Food Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Medicinal Chemistry (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

　食品分析装置において、栄養情報が既知である複数の試料の吸光度が、試料の状態、温度、光量、重さ、色のうち少なくとも一つの情報を含む特徴情報に関連付けられて分類されている。また、分類された試料の吸光度と試料の栄養情報との相関関係を示す相関モデルを含む複数の相関モデルが記憶部（３０）に記憶される。対象物Ｓの特徴情報に対応する相関モデルが、記憶部（３０）に記憶された複数の相関モデルのうちから選択される。選択された相関モデルに対して対象物Ｓの吸光度を適用することにより、対象物Ｓの栄養情報を分析部（３１）を通じて分析する。

Description

食品分析装置
　本発明は、食品の栄養情報を分析する食品分析装置に関する。
　従来から、分析の対象となる食品のカロリー及び成分量等の栄養情報を非破壊的に算出する食品分析装置が提案されている。このような従来の食品分析装置の一例として、例えば特許文献１に記載の装置がある。具体的には、特許文献１に記載の装置は、カロリーが既知である多種類の試料に近赤外光が照射されたときの試料の吸光度に対して、重回帰分析を行う。その結果、試料におけるカロリーと吸光度との相関関係を示す回帰式が作成される。作成された回帰式に、分析の対象となる食品に同一の条件で近赤外光が照射させたときに得られる食品の吸光度を代入して、食品のカロリーが算出される。
　しかしながら、特許文献１に記載の装置では、分析の対象となる食品の状態と、回帰式の作成に用いられる試料の状態とが大きく乖離する場合には、分析の対象となる食品及び試料の双方におけるカロリーと吸光度との相関関係も同様に大きく乖離する。そのため、分析の対象となる食品の吸光度が回帰式に代入されたとしても、食品のカロリーを正確に算出できないという問題がある。
　なお、理論上は、どのカロリーの範囲でも一様に分析可能であるはずだが、現実には誤差を含み、誤差の影響で分析結果の精度が低下する。特にカロリー分析の場合では、カロリーが低いサンプルの成分及びカロリーが高いサンプルの成分の分析で、偏った成分構成になる傾向がある。例えば、カロリーの高いサンプルであれば、脂質が主成分になるため、脂質に偏った成分構成になる。成分構成が偏ったサンプルを分析すると、カロリーが低いサンプルの成分の吸光が多くなり、誤差によるズレが分析結果に大きく影響することになる。このため、例えば、カロリーの高いサンプルの場合は、脂質が主成分になるため、他の成分に含まれる誤差は回帰式には使わず、脂質の推定に特化した式を用いたほうが精度が高くなる。また、野菜などであれば、逆に脂質の寄与がないため、脂質での波長の誤差の影響が少なくなる式を用いたほうが精度が高くなる。
　なお、このような問題は、食品のカロリーを算出する場合に限られず、例えば、食品のカロリー以外の栄養情報を算出する場合、試料におけるカロリー以外の栄養情報と吸光度との相関関係を示す回帰式を予め作成した上で、分析の対象となる食品の吸光度が、予め作成した回帰式に代入される場合などにも同様に生じる。
特開２００８－１２２４１２号公報
　本発明は、このような従来の食品分析装置における課題に鑑みてなされたものであり、分析の対象となる食品の状態と、回帰式の作成に用いられる試料の状態とが大きく乖離する場合などに生じる分析結果における誤差の影響を抑え、分析の対象となる食品の栄養情報の測定精度を高めることができる食品分析装置を提供する。
　具体的には、食品の栄養情報を分析する食品分析装置であって、近赤外領域の波長を含む光を食品に照射する照射部と、照射部から照射された光のうち、食品を透過した光、又は、食品から反射された光を受光する受光部とを有する。食品分析装置は、さらに、栄養情報が既知である複数の試料に対して照射部から光が照射されたときに、受光部により測定される受光量に基づいて算出される試料の吸光度が、試料の状態、温度、光量、重さ及び色のうち少なくとも一つの情報を含む特徴情報に関連付けられて分類された上で、分類された試料の吸光度と試料の栄養情報との相関関係を示す相関モデルを含む複数の相関モデルを記憶するモデル記憶部を有する。食品分析装置は、さらに、食品の特徴情報に対応する相関モデルがモデル記憶部に記憶された複数の相関モデルのうちから選択し、選択された相関モデルに、食品に光が照射されたときに受光部により測定される受光量に基づいて算出される食品の吸光度を適用することにより、食品の栄養情報を分析する分析部を有する。
　このような構成により、分析の対象となる食品の状態等と、回帰式の作成に用いられる試料の状態等とが大きく乖離する場合などに生じる分析結果の誤差を回避でき、分析対象となる食品の栄養情報の測定精度を高めることができる。
図１は、本発明の実施の形態１の食品分析装置の全体構造を示す模式図である。 図２は、本発明の実施の形態１の受光部の構成を示す模式図である。 図３は、本発明の実施の形態１の分析ユニットの制御構成を示すブロック図である。 図４は、本発明の実施の形態１における試料と相関モデルとの対応関係を示す模式図である。 図５は、本発明の実施の形態８における試料のたんぱく質の組成比率の分布と相関モデルとの対応関係を示す模式図である。 図６は、本発明の実施の形態１の変形例における受光センサの各受光素子とその受光量の適用対象となる相関モデルとの対応関係を示す模式図である。 図７は、本発明の各実施の形態の変形例の受光部の構成を示す模式図である。 図８は、本発明の各実施形態の変形例の食品分析装置の全体構造を示す模式図である。
　（実施の形態１）
　以下、食品分析装置の実施の形態１について、図面を参照して説明する。
　図１に示すように、食品分析装置１００は、測定ユニット１０と分析ユニット１１とを有する。測定ユニット１０及び分析ユニット１１は、接続ケーブルＬを介して電気的に接続されている。
　測定ユニット１０は、扉が閉じられることにより内部を遮光可能な筐体１２を有している。筐体１２には、テーブル１３と、発光部１４と、受光部１５とが収容されている。テーブル１３には、分析の対象となる食品である対象物Ｓが載置される。発光部１４は、少なくとも７００ｎｍ～２５００ｎｍの近赤外領域の波長を含む光を対象物Ｓの全体に照射する照射部として機能する。この場合、照射部である発光部１４は、近赤外領域の波長を含む光を対象物Ｓに対して部分的に照射するよう構成されていてもよい。なお、発光部１４としては、例えばハロゲンランプ、発光ダイオード及びレーザ等が用いられる。
　また、発光部１４に代えて、例えば筐体１２の内外を連通するスリットが形成され、このスリットを、筐体１２の外部から対象物Ｓに太陽光を導いて照射する照射部として機能させてもよい。この場合、近赤外領域の波長の光を選択的に透過するフィルタが筐体１２のスリットに設けられていてもよい。
　また、スリットは、このようなフィルタが設けられることなく、近赤外領域以外の波長を含む太陽光を対象物Ｓに直接導くよう構成されていてもよい。
　図２に示すように、受光部１５は、集光部２０と、分光部２１と、受光センサ２２とを有している。集光部２０は、集光レンズ２３と、反射部２４とを有している。集光レンズ２３は、対象物Ｓから反射された光を集光する。反射部２４は、集光レンズ２３が集光した光を分光部２１に導く。
　分光部２１は、第１分光部２１Ａと、第２分光部２１Ｂと、第３分光部２１Ｃとを有している。分光部２１Ａ～２１Ｃには、特定波長の光のみを反射し、他の波長の光を透過する回折格子方式の分光器が用いられる。なお、分光部２１Ａ～２１Ｃとして、干渉フィルタ方式の分光器が用いられていてもよい。また、分光部２１Ａ～２１Ｃが選択的に反射する光の特定波長は互いに異なる。これらの特定波長は、食品の成分量等の栄養情報が既知である複数の試料の吸光度に基づいて、実験等により決定される。具体的には、これらの特定波長は、例えば、複数の試料における特定の成分の成分量と吸光度との関係から、試料における特定の成分の成分量を反映した波長として決定される。
　本実施の形態では、第１分光部２１Ａは、試料におけるたんぱく質の成分量を反映した波長である９１０ｎｍ前後の波長の光を選択的に反射する。また、第２分光部２１Ｂは、試料における脂質の成分量を反映した波長である９３０ｎｍ前後の波長の光を選択的に反射する。また、第３分光部２１Ｃは、試料における炭水化物の成分量を反映した波長である９８０ｎｍ前後の波長の光を選択的に反射する。
　受光センサ２２は、いわゆるイメージセンサであって、その受光面には、複数の受光素子２２Ａが格子状に配置されている。受光素子２２Ａの材質としては、近赤外領域における幅広い波長の光に対して感度を持つシリコン、インジウム、ガリウムおよびヒ素等が用いられる。なお、受光素子２２Ａの材質として、試料における上述のたんぱく質などの各成分の成分量を反映した特定波長の光に対して選択的な感度を持つ材質を用いてもよい。
　次に、分析ユニット１１の構成について説明する。
　図３に示すように、分析ユニット１１は、モデル記憶部である記憶部３０と、分析部３１と、表示部３２とを有している。
　モデル記憶部である記憶部３０は、複数の試料に対して照射部である発光部１４から光が照射されたときに、受光部１５の受光センサ２２により測定される受光量に基づいて算出される試料の吸光度と、試料の成分量等の栄養情報（以下、単に成分量という。）との相関関係を示す推定モデル（以下、相関モデルという。）を格納している。この場合、複数の試料の成分量は、従来からの別の分析方法によって予め精度よく求められている。
　そして、試料の成分量及び吸光度に対し、例えば線形重回帰分析およびＰＬＳ（Pａｒｔｉａｌ Lｅａｓｔ Sｑｕａｒｅｓ）回帰分析等の統計的手法が適用されることにより、これらの相関関係を示す相関モデルが予め算出されている。例えば、相関モデルは、下記の式（１）のように、複数の波長の光に対する試料の吸光度を用いた一般的な多項式によって表現される。
　Ｙ＝Ｋ０＋Ｋ１・ｆ１（λ１）＋Ｋ２・ｆ２（λ２）＋・・・＋Ｋｎ・ｆｎ（λｎ）…（１）
　［Ｙ：相関モデル、ｆｍ（λｍ）（ｍ＝１，２，…ｎ）：波長λｍの光に対する試料の吸光度、Ｋｍ（ｍ＝０，１，２，…ｎ）：比例定数］
　なお、図４に示すように、本実施の形態では、成分量が予め求められたＸ個の試料Ｃ１，Ｃ２，Ｃ３，Ｃ４，…，ＣＸの全体の群Ｇ１について、試料の吸光度と試料の成分量との相関関係を示す相関モデル）として、第１相関モデルである汎用モデルＡ１が予め算出されている。また、これらのＸ個の試料Ｃ１，Ｃ２，Ｃ３，Ｃ４，…，ＣＸのうち、凍った状態にあると分類された試料Ｃ１，Ｃ３，…の群Ｇ２について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第２相関モデルである第１専用モデルＡ２が予め算出されている。また、これらのＸ個の試料Ｃ１，Ｃ２，Ｃ３，Ｃ４，…，ＣＸのうち、凍っていない状態にあると分類された試料Ｃ２，Ｃ４，…の群Ｇ３について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第２相関モデルである第２専用モデルＡ３が予め算出されている。
　すなわち、本実施の形態では、成分量が既知である複数の試料に対して照射部である発光部１４から光が照射されたときに、受光部１５の受光センサ２２において測定される受光量に基づいて算出される試料の吸光度が、試料が凍った状態にあるか否かという試料の特徴情報に関連付けられて分類されている。そして、分類された各々の試料の群Ｇ２及び群Ｇ３の吸光度と、試料の成分量との相関関係を示す相関モデルとして、第２相関モデルである第１専用モデルＡ２及び第２専用モデルＡ３がそれぞれ予め算出されている。
　このような複数の相関モデルが、モデル記憶部である記憶部３０に格納されている。
　分析部３１は、対象物Ｓに対して発光部１４から光が照射されたときに受光センサ２２により測定される受光量に基づいて算出される対象物Ｓの吸光度を、記憶部３０に格納された相関モデルに適用することにより、対象物Ｓの成分量を分析する。
　本実施の形態では、分析部３１は、受光部１５の受光センサ２２の全ての受光素子２２Ａの受光量に基づいて算出される対象物Ｓの分析部位ごとの吸光度を、記憶部３０に格納されている複数の相関モデルから選択された相関モデル（例えば第１相関モデル）に対して一律に適用する。
　また、分析部３１は、対象物Ｓの成分量の分析結果を表示部３２に出力して表示させる。具体的には、分析部３１は、対象物Ｓが凍った状態にあるときには、記憶部３０から第２相関モデルである第１専用モデルＡ２を選択して読み出す。そして、対象物Ｓの吸光度を第１専用モデルＡ２に適用することにより、対象物Ｓの成分量を分析する。一方、分析部３１は、対象物Ｓが凍っていない状態にあるときには、記憶部３０から第２相関モデルである第２専用モデルＡ３を選択して読み出す。そして、対象物Ｓの吸光度を第２専用モデルＡ３に適用することにより、対象物Ｓの成分量を分析する。
　次に、本実施の形態の食品分析装置１００の作用について説明する。
　第１相関モデルである汎用モデルＡ１は、成分量が予め求められた試料の全体について、試料の吸光度と試料の成分量との相関関係を示しており、多数の試料を対象としている点で汎用性の高いモデルである。ただし、汎用モデルＡ１を作成する際に用いられる試料のうち、凍った試料と凍っていない試料とでは、試料の吸光度と成分量との相関関係は大きく乖離する傾向にある。すなわち、試料の状態に応じて、試料の吸光度と成分量との相関関係は大きく乖離する傾向にある。
　そのため、凍った状態にある対象物Ｓの吸光度を汎用モデルＡ１に適用して対象物Ｓの成分量を求めると、汎用モデルＡ１を作成する際に用いられた試料には凍っていない状態にある試料も混在することから、その分析結果には誤差が生じやすい。また同様に、凍っていない状態にある対象物Ｓの吸光度を汎用モデルＡ１に適用して対象物Ｓの成分量を求めると、汎用モデルＡ１を作成する際に用いられた試料には凍った状態にある試料も混在することから、その分析結果には誤差が生じやすい。
　この点、本実施の形態では、凍った状態にある対象物Ｓを分析対象とするときには、凍った状態にある試料に基づき作成された第１専用モデルＡ２を用いて対象物Ｓの成分量を分析する。一方、凍っていない状態にある対象物Ｓを分析対象とするときには、凍っていない状態にある試料に基づき作成された第２専用モデルＡ３を用いて対象物Ｓの成分量を分析する。そのため、対象物Ｓが凍った状態にあるか否かに関わらず汎用モデルＡ１を一律に適用して対象物Ｓの成分量を分析する場合と比較して、分析結果に誤差が生じることが抑えられる。
　本実施の形態の食品分析装置１００は、以下の効果を奏する。
　（１）対象物Ｓの状態に対応する相関モデルが、記憶部３０に記憶された複数の相関モデルのうちから選択される。そして、選択された相関モデルを用いて、対象物Ｓの成分量が分析される。そのため、対象物Ｓの状態に依らずに相関モデルを一律に適用して対象物Ｓの成分量を分析する場合と比較して、対象物Ｓの成分量の測定精度を高めることができる。
　（実施の形態２）
　次に、食品分析装置１００の実施の形態２について説明する。なお、実施の形態２は、対象物Ｓの温度に応じて、対象物Ｓの成分量の分析に用いられる相関モデルが変更される点が実施の形態１と異なる。したがって、以下の説明においては、実施の形態１と相違する構成について主に説明し、実施の形態１と同一又は相当する構成については、重複する説明を省略する。
　本実施の形態では、成分量が予め求められた試料の全体の群Ｇ１について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第１相関モデルである汎用モデルＡ１が予め算出されている。
　また、これらの試料のうち、例えば温度が０℃以上であると分類された試料の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第２相関モデルである第１専用モデルが予め算出されている。
　また、これらの試料のうち、温度が０℃未満の試料であると分類された試料の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第２相関モデルである第２専用モデルが予め算出されている。
　すなわち、本実施の形態では、成分量が既知である複数の試料に対して、照射部である発光部１４から光が照射されたときに、受光部１５の受光センサ２２において測定される受光量に基づいて算出される試料の吸光度が、試料の温度が０℃以上であるか否かという試料の特徴情報に関連付けられて分類されている。このように分類された各々の試料の群の吸光度と試料の成分量との相関関係を示す相関モデルとして、第２相関モデルである第１専用モデル及び第２専用モデルがそれぞれ予め算出されている。なお、試料の温度は、例えば、放射温度計及び接触型の温度計などを用いて測定される。
　ここで、汎用モデルＡ１を作成する際に用いられる試料のうち、温度が０℃以上である試料と温度が０℃未満である試料とでは、試料の吸光度と成分量との相関関係は大きく乖離する傾向にある。すなわち、試料の温度に応じて、試料の吸光度と成分量との相関関係は大きく乖離する傾向にある。
　そのため、温度が０℃以上である対象物Ｓの吸光度を汎用モデルＡ１に適用して対象物Ｓの成分量を求めると、汎用モデルＡ１を作成する際に用いられる試料には、温度が０℃未満である試料も混在することから、その分析結果には誤差が生じやすい。また同様に、温度が０℃未満である対象物Ｓの吸光度を汎用モデルＡ１に適用して対象物Ｓの成分量を求めると、汎用モデルを作成する際に用いられる試料には、温度が０℃以上である試料も混在することから、その分析結果には誤差が生じやすい。
　この点、本実施の形態では、温度が０℃以上である対象物Ｓを分析対象とするときには、温度が０℃以上である試料に基づき作成された第１専用モデルを用いて対象物Ｓの成分量を分析する。一方、温度が０℃未満である対象物Ｓを分析対象とするときには、温度が０℃未満である試料に基づき作成された第２専用モデルを用いて対象物Ｓの成分量を分析する。そのため、対象物Ｓの温度が０℃以上であるか否かに関わらず汎用モデルＡ１を一律に適用して対象物Ｓの成分量を分析する場合と比較して、分析結果に誤差が生じることが抑えられる。
　実施の形態２の食品分析装置１００は、上記の実施の形態１の効果（１）と同様の効果を奏する。
　（実施の形態３）
　次に、食品分析装置１００の実施の形態３について説明する。なお、実施の形態３は、対象物Ｓの水分量に応じて、対象物の成分量の分析に用いられる相関モデルが変更される点が実施の形態１と異なる。したがって、以下の説明においては、実施の形態１と相違する構成について主に説明し、実施の形態１と同一又は相当する構成については重複する説明を省略する。
　本実施の形態では、成分量が予め求められた試料の全体の群Ｇ１について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第１相関モデルである汎用モデルＡ１が予め算出されている。
　また、これらの試料のうち、例えば水分量を、対象物Ｓが通常（対象物が通常置かれる条件下、例えば野菜の場合は常温大気中に置かれた場合など。以下同じ。）有する水分量よりも多く含む試料であるとして分類された試料の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第１相関モデルである第１専用モデルが予め算出されている。
　また、これらの試料のうち、通常の水分量を含む試料であるとして分類された試料の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第２相関モデルである第２専用モデルが予め算出されている。
　また、これらの試料のうち、水分量を通常よりも少なく含む試料であるとして分類された試料の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第２相関モデルである第３専用モデルが予め算出されている。
　すなわち、本実施の形態では、成分量が既知である複数の試料に対して、照射部である発光部１４から光が照射されたときに、受光部１５の受光センサ２２において測定される受光量に基づいて算出される試料の吸光度が、試料の水分量が通常有する水分量と同等であるか否かという試料の特徴情報に関連付けられて分類されている。このように分類された各々の試料の群の吸光度と試料の成分量との相関関係を示す相関モデルとして、第１専用モデル、第２専用モデル及び第３専用モデルがそれぞれ予め算出されている。なお、試料の水分量は、例えば、試料における近赤外領域の波長の吸光量及び試料の導電率などに基づき測定される。
　ここで、水は、９６０ｎｍ及び１５００ｎｍを中心に幅広い波長における吸収スペクトルを持つ。そのため、汎用モデルＡ１を作成する際に用いられる試料のうち、通常の水分量を有する試料と通常でない水分量を有する試料とでは、試料の吸光度と成分量との相関関係は大きく乖離する傾向にある。すなわち、試料の水分量に応じて、試料の吸光度と成分量の相関関係は大きく乖離する傾向にある。
　この点、本実施の形態では、含有水分量が通常よりも多い対象物Ｓを分析対象とするときには、含有水分量が通常よりも多い試料に基づき作成された第１専用モデルを用いて対象物Ｓの成分量を分析する。
　また、含有水分量が通常である対象物Ｓを分析対象とするときには、含有水分量が通常である試料に基づき作成された第２専用モデルを用いて対象物Ｓの成分量を分析する。
　また、含有水分量が通常よりも少ない対象物Ｓを分析対象とするときには、含有水分量が通常よりも少ない試料に基づき作成された第３専用モデルを用いて対象物Ｓの成分量を分析する。
　そのため、対象物Ｓの含有水分量が通常であるか否かに関わらず汎用モデルを一律に適用して対象物Ｓの成分量を分析する場合と比較して、分析結果に誤差が生じることが抑えられる。
　第３実施形態の食品分析装置は、上記の実施の形態１の効果（１）と同様の効果を奏する。
　（実施の形態４）
　次に、食品分析装置１００の実施の形態４について説明する。なお、実施の形態４は、対象物Ｓの光量に応じて、対象物Ｓの成分量の分析に用いられる相関モデルが変更される点が実施の形態１と異なる。したがって、以下の説明においては、実施の形態１と相違する構成について主に説明し、実施の形態１と同一又は相当する構成については重複する説明を省略する。
　本実施の形態では、成分量が予め求められた試料の全体の群Ｇ１について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして汎用モデルＡ１が予め算出されている。
　また、これらの試料のうち、例えば光量が、所定の光量より高い試料であるとして分類された試料の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第１専用モデルが予め算出されている。
　また、これらの試料のうち、光量が、所定の光量より低い試料であるとして分類された試料の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第２専用モデルが予め算出されている。
　すなわち、本実施の形態では、成分量が既知である複数の試料に対して照射部である発光部１４から光が照射されたときに、受光センサ２２により測定される受光量に基づいて算出される試料の吸光度が、試料の光量が高いか否かという試料の特徴情報に関連付けられて分類されている。このように分類された各々の試料の群の吸光度と試料の成分量との相関関係を示す相関モデルとして、第１専用モデル及び第２専用モデルがそれぞれ予め算出されている。なお、試料の光量は、例えば、近赤外領域や可視光領域の波長の光に対する試料の吸光度を用いて測定される。また、試料の光量は、波長全域の光に対する試料の吸光度を用いて測定されてもよい。また、試料の光量は、試料を撮像した画像に対して画像解析処理を行うことにより算出される試料の色合いに基づき測定されてもよい。
　ここで、受光センサ２２に入る光量は、試料の密度、大きさ及び色などによって異なる。例えば、試料が白色である場合及び結晶状態が密である場合には、試料の反射率が高くなり、受光センサ２２に入る光量が極端に多くなる。そのため、汎用モデルＡ１が作成される際に用いられる試料のうち、対象物Ｓが通常有する光量として予め設定された所定の光量と同程度の光量を有する試料と、通常ではない光量を有する試料とでは、試料の吸光度と成分量との相関関係は大きく乖離する傾向にある。すなわち、試料の光量に応じて、試料の吸光度と成分量との相関関係は大きく乖離する傾向にある。
　この点、本実施の形態では、所定の光量より高い光量を有する対象物Ｓを分析対象とするときには、所定の光量よりも高い光量を有する試料に基づき作成された第１専用モデルを用いて対象物Ｓの成分量を分析する。
　また、所定の光量より低い光量を有する対象物Ｓを分析対象とするときには、所定の光量よりも低い光量を有する試料に基づき作成された第２専用モデルを用いて対象物Ｓの成分量を分析する。
　そのため、対象物Ｓが通常の光量を有するか否かに関わらず汎用モデルを一律に適用して対象物Ｓの成分量を分析する場合と比較して、分析結果に誤差が生じることが抑えられる。
　実施の形態４の食品分析装置は、上記実施の形態１の効果（１）と同様の効果を奏する。
　（実施の形態５）
　次に、食品分析装置１００の実施の形態５について説明する。なお、実施の形態５は、対象物Ｓのサイズに応じて、対象物Ｓの成分量の分析に用いられる相関モデルが変更される点が実施の形態１と異なる。したがって、以下の説明においては、実施の形態１と相違する構成について主に説明し、実施の形態１と同一又は相当する構成については重複する説明を省略する。
　本実施の形態では、成分量が予め求められた試料の全体の群Ｇ１について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、汎用モデルＡ１が予め算出されている。
　また、これらの試料のうち、例えばサイズが、通常のサイズ（対象物Ｓについて通常のサイズとして予め設定されたサイズ）よりも大きい試料であるとして分類された試料の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第１専用モデルが予め算出されている。
　また、これらの試料のうち、サイズが、対象物Ｓが通常有するサイズと同程度であると分類された試料の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第２専用モデルが予め算出されている。
　また、これらの試料のうち、サイズが、対象物Ｓが通常有するサイズよりも小さいと分類された試料の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第３専用モデルが予め算出されている。
　すなわち、本実施の形態では、成分量が既知である複数の試料に対して発光部１４から光が照射されたときに、受光センサ２２の受光量に基づき算出される試料の吸光度が、試料のサイズが通常であるか否かという試料の特徴情報に関連付けられて分類されている。このように分類された各々の試料の群の吸光度と試料の成分量との相関関係を示す相関モデルとして、第１専用モデル、第２専用モデル及び第３専用モデルがそれぞれ予め算出されている。
　なお、試料のサイズは、例えば、試料の上方に設けられる距離センサを用いて、試料の高さおよび幅などを測定することにより求められる。また、試料のサイズは、試料の上方に昇降可能に設けられる感圧センサを用いて、試料の高さを測定することにより求められてもよい。また、試料のサイズは、テーブル１３の上面に設けられる感圧センサを用いて、試料の底面の面積を測定することにより求めてもよい。また、試料のサイズは、試料を撮像した画像に対して画像解析処理を行うことにより抽出される試料の輪郭に基づき求められてもよい。また、試料のサイズは、受光センサ２２の受光面が、試料からの反射光として近赤外領域の波長の光を検出した面積を測定することにより求められてもよい。
　ここで、試料のサイズが所定の通常サイズでない場合には、試料の全重量に占める試料の成分量の比率も変化する。そのため、相関モデルを規定する試料の吸光度の値の誤差が試料の成分量の値に及ぼす影響の大きさも変化する。その結果、汎用モデルを規定している試料のうち、サイズが通常である試料とサイズが通常ではない試料とでは試料の吸光度と成分量の相関関係は大きく乖離する傾向にある。すなわち、試料のサイズに応じて、試料の吸光度と成分量の相関関係は大きく乖離する傾向にある。
　この点、本実施の形態では、所定の通常サイズよりも大きいサイズの対象物Ｓを分析対象とするときには、所定の通常サイズよりも大きいサイズの試料に基づき作成された第１専用モデルを用いて対象物Ｓの成分量を分析する。また、所定の通常サイズと同程度のサイズである対象物Ｓを分析対象とするときには、所定の通常サイズを有する試料に基づき作成された第２専用モデルを用いて対象物Ｓの成分量を分析する。また、所定の通常サイズよりも小さいサイズの対象物Ｓを分析対象とするときには、所定の通常サイズよりも小さいサイズの試料に基づき規定された第３専用モデルを用いて対象物Ｓの成分量を分析する。そのため、対象物Ｓのサイズが所定の通常サイズであるか否かに関わらず汎用モデルを一律に適用して対象物Ｓの成分量を分析する場合と比較して、分析結果に誤差が生じることが抑えられる。
　実施の形態５の食品分析装置は、上記の実施の形態１の効果（１）と同様の効果を奏する。
　（実施の形態６）
　次に、食品分析装置１００の実施の形態６について説明する。なお、実施の形態６は、対象物Ｓの重量に応じて、対象物Ｓの成分量の分析に用いられる相関モデルが変更される点が実施の形態１と異なる。したがって、以下の説明においては、実施の形態１と相違する構成について主に説明し、実施の形態１と同一又は相当する構成については重複する説明を省略する。
　本実施の形態では、成分量が予め求められた試料の全体の群Ｇ１について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、汎用モデルＡ１が予め算出されている。
　また、これらの試料のうち、例えば重量が、通常の重量（例えば、対象物Ｓが通常置かれる条件下において、所定のサイズの対象物Ｓが有する重量が、対象物Ｓが通常有する重量として予め設定される）よりも重いと分類された試料の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第１専用モデルが予め算出されている。
　また、これらの試料のうち、重量が、対象物Ｓが通常有する重量と同程度であると分類された試料の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第２専用モデルが予め算出されている。
　また、これらの試料のうち、重量が通常よりも軽い試料であると分類された試料の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第３専用モデルが予め算出されている。
　すなわち、本実施の形態では、成分量が既知である複数の試料に対して照射部である発光部１４から光が照射されたときに、受光センサ２２により測定される受光量に基づき算出される試料の吸光度が、試料の重量が所定の通常の重量であるか否かという試料の特徴情報に関連付けられて分類されている。このように分類された各々の試料の群の吸光度と試料の成分量との相関関係を示す相関モデルとして、第１専用モデル、第２専用モデル及び第３専用モデルがそれぞれ予め算出されている。なお、試料の重量は、例えば、テーブル１３に設けられる歪みゲージおよび圧電素子を用いて測定される。
　ここで、例えば、試料がミリグラム単位の微量物である場合、及び、試料がキログラム単位の工業的用途のものである場合等のように、試料の重量が通常でない場合には、試料の全重量に占める試料の成分量の比率も変化する。そのため、相関モデルを規定する試料の吸光度の値の誤差が試料の成分量の値に及ぼす影響の大きさも変化する。その結果、汎用モデルを規定している試料のうち、重量が通常である試料と重量が通常ではない試料とでは、試料の吸光度と成分量との相関関係は大きく乖離する傾向にある。すなわち、試料の重量に応じて、試料の吸光度と成分量の相関関係は大きく乖離する傾向にある。
　この点、本実施の形態では、対象物Ｓについて予め通常の重量として設定された重量よりも重い対象物Ｓを分析対象とするときには、所定の通常の重量よりも重い重量を有する試料に基づき作成された第１専用モデルを用いて対象物Ｓの成分量を分析する。また、所定の通常の重量と同程度の重量を有する対象物Ｓを分析対象とするときには、所定の通常の重量を有する試料に基づき作成された第２専用モデルを用いて対象物Ｓの成分量を分析する。また、所定の通常の重量よりも軽い重量を有する対象物Ｓを分析対象とするときには、所定の通常の重量よりも軽い重量を有する試料に基づき作成された第３専用モデルを用いて対象物Ｓの成分量を分析する。
　そのため、対象物Ｓの重量が通常であるか否かに関わらず汎用モデルを一律に適用して対象物Ｓの成分量を分析する場合と比較して、分析結果に誤差が生じることが抑えられる。
　実施の形態６の食品分析装置は、上記の実施の形態１の効果（１）と同様の効果を奏する。
　（実施の形態７）
　次に、食品分析装置１００の実施の形態７について説明する。なお、実施の形態７は、対象物Ｓの色に応じて、対象物Ｓの成分量の分析に用いられる相関モデルが変更される点が実施の形態１と異なる。したがって、以下の説明においては、実施の形態１と相違する構成について主に説明し、実施の形態１と同一又は相当する構成については重複する説明を省略する。
　本実施の形態では、成分量が予め求められた試料の全体の群Ｇ１について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、汎用モデルＡ１が予め算出されている。
　また、これらの試料のうち、例えば黒色の試料の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第１専用モデルが予め算出されている。
　また、これらの試料のうち、緑色の試料の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第２専用モデルが予め算出されている。
　すなわち、本実施の形態では、成分量が既知である複数の試料に対して照射部である発光部１４から光が照射されたときに、受光センサ２２により測定される受光量に基づいて算出される試料の吸光度が、試料の色という試料の特徴情報に関連付けられて分類されている。このように分類された各々の試料の群の吸光度と試料の成分量との相関関係を示す相関モデルとして、第１専用モデル及び第２専用モデルがそれぞれ予め算出されている。なお、試料の色は、例えば、受光センサ２２としてカラーイメージセンサを採用し、受光センサ２２の検出結果に基づき測定される。
　ここで、試料の色が黒色である場合には、可視光領域、及び、近赤外領域を含めた波長全域において試料の吸光度が高くなる傾向にある。そのため、試料の色が黒色であるか否かに応じて、試料の吸光度と成分量との相関関係は大きく乖離する傾向にある。
　また、試料の色が緑色である場合には、試料の種類がたんぱく質を多く含まない野菜類である可能性が高い。そのため、試料の色が緑色であるか否かに応じて、試料の吸光度と成分量との相関関係は大きく乖離する傾向にある。
　この点、本実施の形態では、黒色の対象物Ｓを分析対象とするときには、黒色の試料に基づき作成された第１専用モデルを用いて対象物Ｓの成分量を分析する。また、緑色の対象物Ｓを分析対象とするときには、緑色の試料に基づき作成された第２専用モデルを用いて対象物Ｓの成分量を分析する。そのため、対象物Ｓの色に関わらず汎用モデルを一律に適用して対象物Ｓの成分量を分析する場合と比較して、分析結果に誤差が生じることが抑えられる。
　実施の形態７の食品分析装置は、上記の実施の形態１の効果（１）と同様の効果を奏する。
　（実施の形態８）
　次に、食品分析装置１００の実施の形態８について図面を参照して説明する。なお、実施の形態８は、対象物Ｓの吸光度を汎用モデルに適用したときの対象物Ｓの成分量の分析結果に基づき、対象物Ｓの吸光度の適用対象を、汎用モデルから専用モデルに変更するか否かを判定する点が実施の形態１と異なる。したがって、以下の説明においては、実施の形態１と相違する構成について主に説明し、実施の形態１と同一又は相当する構成については重複する説明を省略する。
　図５は、試料の全体の群についてのたんぱく質の組成比率の分布を示している。この分布は、正規分布に近い形となっている。また、本実施の形態では、試料の全体の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、第１相関モデルである汎用モデルＡ４が予め算出されている。
　また、試料の全体のうち、たんぱく質の組成比率が閾値Ｘγ以上であると分類された試料の群について、試料の吸光度と試料のたんぱく質の成分量との相関関係を示す相関モデルとして、第２相関モデルである専用モデルＡ５が予め算出されている。
　そして、分析部３１は、まず対象物Ｓの吸光度を汎用モデルＡ４に適用することにより、対象物Ｓのたんぱく質の成分量を分析する。続いて、対象物Ｓのたんぱく質の組成比率が閾値Ｘｒ以上であるか否かを判定する。その結果、対象物Ｓのたんぱく質の組成比率が閾値Ｘｒ以上であるときには、対象物Ｓの吸光度を専用モデルＡ５に適用することにより、対象物Ｓのたんぱく質の成分量を再び分析する。一方、対象物Ｓのたんぱく質の組成比率が閾値Ｘｒ未満であるときには、対象物Ｓのたんぱく質の成分量を再び分析しない。
　ここで、試料の全体の群には、たんぱく質の組成比率が極端に低い試料も含まれている。そして、このような試料では、相関モデルに入力される試料の吸光度の値の誤差がたんぱく質の成分量の分析値に及ぼす影響が比較的大きくなりやすい。そのため、本実施の形態では、対象物Ｓのたんぱく質の組成比率が閾値Ｘｒ以上であるときには、たんぱく質の組成比率が小さく偏っている試料を除外した上で、第２相関モデルである専用モデルＡ５を作成し、専用モデルＡ５を用いて対象物Ｓのたんぱく質の成分量を分析する。その結果、対象物Ｓのたんぱく質の組成比率に関わらず汎用モデルＡ４を一律に適用して対象物Ｓのたんぱく質の成分量を分析する場合と比較して、分析結果に誤差が生じることが抑えられる。
　実施の形態８の食品分析装置１００は、上記の実施の形態１の効果（１）に加え、以下に示す効果を奏する。
　（２）対象物Ｓのたんぱく質の成分量の分析結果に基づき、必要に応じて相関モデルがより適切に選択され直された上で、対象物Ｓのたんぱく質の成分量が再び分析される。そのため、対象物Ｓのたんぱく質の成分量の測定精度を更に高めることができる。
　（３）対象物Ｓのたんぱく質の組成比率の分析結果が閾値Ｘｒ以上にあるときには、複数の試料のうちたんぱく質の組成比率が閾値Ｘｒ以上となる試料に対応する専用モデルＡ５を用いて、対象物Ｓのたんぱく質の成分量が分析される。すなわち、対象物Ｓの吸光度が汎用モデルＡ４に適用されたときに、分析結果が所定の範囲内にある場合には、相関モデルがより適切に選択され直された上で対象物Ｓのたんぱく質の成分量が再び分析される。そのため、対象物Ｓのたんぱく質の成分量の測定精度を更に高めることができる。
　（４）試料の全体に対応する汎用性の高い第１相閑モデルである汎用モデルＡ４を用いて対象物Ｓのたんぱく質の成分量が分析される。そして、その分析結果に基づき、必要に応じて対象物Ｓのたんぱく質の組成比率に対応する第２相関モデルである専用モデルＡ５に選択され直された上で、対象物Ｓのたんぱく質の成分量が再び分析される。すなわち、汎用モデルＡ４を用いたときの分析結果に応じて、相関モデルを変更することなく対象物Ｓのたんぱく質の成分量が分析されたり、相関モデルがより適切に選択直された上で、対象物Ｓのたんぱく質の成分量が再び分析されたりする。そのため、対象物Ｓのたんぱく質の成分量の測定精度の信頼性を維持しつつ、分析処理のスループットを高めることができる。
　（その他の実施の形態）
　食品分析装置１００は、上記の実施の形態１～８以外の実施の形態をも含む。以下、食品分析装置１００の上記の実施の形態１～８以外の実施の形態を、その他の実施の形態として、上述した実施の形態１～８の変形例を示す。
　上記実施の形態２において、第１専用モデル及び第２専用モデルは、下記の式（２）のように、複数の波長の光に対する試料の吸光度が用いられた多項式によって一般化させて表現されてもよい。
　Ｙ＝Ｋ０＋Ｋ１・ｆ１（λ１、Ｔ）＋Ｋ２・ｆ２（λ２、Ｔ）＋・・・＋Ｋｎ・ｆｎ（λｎ、Ｔ）…（２）
　［Ｙ：相関モデル、ｆｍ（λｍ、Ｔ）（ｍ＝１，２，…ｎ）：試料の温度がＴであるときの波長λｍの光に対する試料の吸光度、Ｋｍ（ｍ＝０，１，２，…ｎ）：比例定数］
　また、第１専用モデル及び第２専用モデルは、下記の式（３）のように、複数の波長の光に対する試料の吸光度が用いられた多項式に対して、特殊関数ｇ（Ｔ），ｈ（Ｔ）が組み合わせられることにより一般化させて表現されてもよい。
　Ｙ＝Ｋ０＋ｇ（Ｔ）・Ｋ１・ｆ１（λ１）＋ｈ（Ｔ）・Ｋ２・ｆ２（λ２）＋・・・＋Ｋｎ・ｆｎ（λｎ）…（３）
　［Ｙ：相関モデル、ｆｍ（λｍ）（ｍ＝１，２，…ｎ）：波長λｍの光に対する試料の吸光度、ｇ（Ｔ）：Ｔ≧０℃のときは「１」且つＴ＜０℃のときは「０」、ｈ（Ｔ）：Ｔ≧０℃のときは「０」且つＴ＜０℃のときは「１」、Ｋｍ（ｍ＝０，１，２，…ｎ）：比例定数］
　上記実施の形態７において、汎用モデルを規定する試料を、野菜、肉、魚等の食品の種類ごとに分類し、分類された試料の各群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、専用モデルが予め算出されてもよい。
　この場合、例えば、緑色の対象物Ｓを分析対象とするときには、野菜の試料の群に対応する専用モデルを用いて対象物Ｓの成分量が分析される。また、赤色の対象物Ｓを分析対象とするときには、肉の試料の群に対応する専用モデルを用いて対象物Ｓの成分量が分析される。また、青色の対象物Ｓを分析対象とするときには、魚の試料の群に対応する専用モデルを用いて対象物Ｓの成分量が分析される。
　また、ユーザにより群の種類が設定されてもよいし、タンパク質などの主な栄養成分以外のそれぞれの群に特徴のある成分（例えば野菜なら食物繊維など）の波長を統計的に求めておき、その波長の有無および吸光量を用いて分析されても良い。
　一般に、近赤外領域の波長の光に対する試料の反射率と試料の色の濃さとの間には相関がある。そのため、試料の色の濃さに応じて、試料の吸光度と成分量との相関関係は大きく変化する傾向にある。
　そこで、上記実施の形態７において、汎用モデルを規定する試料を、試料の色の濃さに応じて分類し、分類された試料の各群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、専用モデルが予め算出されてもよい。
　この場合、色の濃い対象物Ｓを分析対象とするときには、色の濃い試料の群に対応する専用モデルを用いて対象物Ｓの成分量を分析することが好ましい。また、色の薄い対象物Ｓを分析対象とするときには、色の薄い試料の群に対応する専用モデルを用いて対象物Ｓの成分量を分析することが好ましい。
　上記実施の形態８において、対象物Ｓの脂質及び炭水化物の組成比率が閾値以上であるか否かに応じて、対象物Ｓの吸光度の適用対象となる相関モデルを変更してもよい。
　上記各実施の形態において、対象物Ｓの分析部位の特徴情報に対応する専用モデルは、記憶部３０に記憶された複数の専用モデルのうちから選択されてもよい。そして、その選択された専用モデルに対し、対象物Ｓの分析部位に対応する受光素子２２Ａの受光量に基づき算出される対象物Ｓの分析部位の吸光度が適用してもよい。
　例えば、上記実施の形態１において、図６に示すように、対象物Ｓとして、二匹の魚Ｓ１，Ｓ２がテーブル１３に載置されており、一方の魚Ｓ１が凍った状態にあって、他方の魚Ｓ２が凍っていない状態にあるとする。
　この場合、受光部１５の受光素子２２Ａにより測定される受光量に基づき、凍った状態にある魚Ｓ１の吸光度が算出される。算出された魚Ｓ１の吸光度を、凍った状態にある試料に基づき作成された第２相関モデルである第１専用モデルＡ２に適用することにより、魚Ｓ１の成分量が分析される。
　一方、受光部１５の受光素子２２Ａにより測定される受光量に基づき、凍っていない状態にある魚Ｓ２の吸光度が算出される。そして、算出された魚Ｓ２の吸光度を、凍っていない状態にある試料に基づき作成された第２相関モデルである第２専用モデルＡ３に適用することにより、魚Ｓ２の成分量が分析される。
　この構成によれば、対象物Ｓの各分析部位の特徴情報により一層適した相関モデルを用いて対象物Ｓの分析部位の成分量が分析される。そのため、対象物Ｓの成分量の測定精度を更に高めることができる。
　上記各実施の形態において、対象物Ｓの各成分（たんぱく質、脂質及び炭水化物）の成分量に各々のカロリー係数を乗算し、それらの乗算した値を足し合わせることにより対象物Ｓのカロリーの値を栄養情報として算出してもよい。
　この場合、上記実施の形態８において、分析部３１は、まず対象物Ｓの吸光度を汎用モデルＡ４に適用させることにより、対象物Ｓのカロリーの値を分析するよう構成されていてもよい。そして、分析部３１は、対象物Ｓのカロリーの値が閾値以上であるときに、対象物Ｓの吸光度の適用対象となる相関モデルを変更するよう構成されていてもよい。
　また、対象物Ｓのカロリーの値が閾値以下であるときに、対象物Ｓの吸光度の適用対象となる相関モデルを変更するよう構成されていてもよい。例えば、対象物Ｓのカロリーの値が極端に少ないときには、対象物Ｓがカロリーの低い野菜を含む可能性が高い。そのため、この場合には野菜の試料の群に対応する専用モデルを用いて対象物Ｓのカロリーの値を算出してもよい。
　上記各実施の形態では、対象物Ｓのたんぱく質、脂質及び炭水化物を分析しているが、これに代えて又はこれに加えて、対象物Ｓの塩分、各種ミネラルおよびビタミン等の成分を分析してもよい。
　上記各実施の形態において、試料の吸光度を、試料の状態、温度、光量、重さ及び色のうち、複数の情報を含む特徴情報に関連付けられて分類されていてもよい。このように分類された試料の群について、試料の吸光度と試料の成分量との相関関係を示す相関モデルとして、専用モデルを予め算出してもよい。この場合、対象物Ｓの特徴情報に応じて、対象物Ｓの吸光度の適用対象となる専用モデルが変更される。
　上記各実施の形態において、図７に示すように、受光部１１５は、特定波長の光を選択的に透過させる複数のフィルタ１２１を備えていてもよい。この場合、例えば、受光部１１５は、受光センサ２２への光の光路上に配置されるフィルタ１２１を切り替えるフィルタ切替部１２２を備えていてもよい。なお、一般にフィルタが配置された場合は、入射角度が変わると特性が劣化するため、好ましくは、フィルタに対する入射角度を調整するレンズなどの光学系が設けられることが望ましい。
　上記各実施の形態において、食品分析装置１００は、図８に示すように、発光部１１４をテーブル１１３よりも下方に設け、対象物Ｓを透過した光を受光部１５が受光する構成としてもよい。
　上記各実施の形態において、食品分析装置１００は、対象物Ｓの栄養情報の分析結果を、ネットワークを介して外部の機器に送信させてもよい。そして、外部の機器において、その分析結果の履歴を管理する構成としてもよい。
　以上述べたとおり、本発明の食品分析装置１００は、以下の構成および効果を有する。
　食品分析装置１００は、食品の栄養情報を分析する食品分析装置であって、近赤外領域の波長を含む光を食品に照射する照射部と、照射部から照射された光のうち、食品を透過した光、又は、食品から反射された光を受光する受光部とを有する。食品分析装置１００は、さらに、栄養情報が既知である複数の試料に対して照射部から光が照射されたときの受光部により測定される受光量に基づいて算出される試料の吸光度が、試料の状態、温度、光量、重さ及び色のうち少なくとも一つの情報を含む特徴情報に関連付けられて分類された上で、分類された試料の吸光度と試料の栄養情報との相関関係を示す相関モデルを含む複数の相関モデルを記憶するモデル記憶部（記憶部３０）を有する。食品分析装置１００は、さらに、食品の特徴情報に対応する相関モデルがモデル記憶部に記憶された複数の相関モデルのうちから選択し、選択された相関モデルに対し、食品に射部から光が照射されたときに受光部により測定される受光量に基づいて算出される食品の吸光度を適用することにより、食品の栄養情報を分析する分析部３１を有する。
　このような構成により、分析の対象となる食品の特徴情報に対応する相関モデルがモデル記憶部に記憶された複数の相関モデルのうちから選択される。そして、選択された相関モデルを用いて食品の栄養情報が分析される。そのため、分析の対象となる食品の特徴情報に依らずに相関モデルを一律に適用して食品の栄養情報を分析する場合と比較して、分析の対象となる食品の栄養情報の測定精度を高めることができる。
　本発明の食品分析装置１００において、分析部３１は、照射部から食品に光が照射されたときに、受光部により測定される受光量に基づいて算出される食品の吸光度が第１相関モデルに適用されたときの食品の栄養情報の分析結果に基づき、食品の吸光度の適用対象を、第１相関モデル（汎用モデルＡ１）から第２相関モデル（第１専用モデルまたは第２専用モデル）に変更するか否かを判定する。
　このような構成により、分析の対象となる食品の栄養情報の分析結果に基づき、必要に応じて相関モデルがより適切に選択され直された上で、食品の栄養情報が再び分析される。そのため、分析の対象となる食品の測定精度を更に高めることができる。
　本発明の食品分析装置１００において、モデル記憶部（記憶部３０）は、複数の試料に対して照射部から光が照射されたときに、受光部により測定される受光量に基づいて算出される試料の吸光度が、試料の栄養情報が所定の範囲内にあるか否かに基づき分類された上で、所定の範囲内にあると分類された試料の吸光度と試料の栄養情報との相関関係を示す相関モデルを第２相関モデルとして記憶する。分析部３１は、照射部から食品に光が照射されたときに、受光部により測定される受光量に基づいて算出される食品の吸光度が第１相関モデルに適用されたとき、食品の栄養情報の分析結果が所定の範囲内にあるときには、食品の吸光度の適用対象を第１相関モデルから第２相関モデルに変更する。
　このような構成により、分析の対象となる食品の栄養情報の分析結果が所定の範囲内にあるときには、複数の試料のうち栄養情報が同範囲内にある試料に対応する相関モデルを用いて食品の栄養情報が分析される。すなわち、分析の対象となる食品の吸光度を第１相関モデルに適用したときに、分析結果が所定の範囲内にある場合には、相関モデルがより適切に選択され直された上で食品の栄養情報が再び分析される。そのため、分析の対象となる食品の栄養情報の測定精度を更に高めることができる。
　食品分析装置１００において、第１相関モデルは、複数の相関モデルを規定している試料の全体の吸光度と試料の栄養情報との相関関係を示し、第２相関モデルは、複数の相関モデルを規定している試料の一部の吸光度と試料の栄養情報との相関関係を示す。
　このような構成により、まず、試料の全体に対応する汎用性の高い相関モデルを用いて分析の対象となる食品の栄養情報が分析される。そして、その分析結果に基づき、必要に応じて分析の対象となる食品の特徴情報に関連付けられて分類された試料に対応する相関モデルに選択され直された上で、食品の栄養情報が再び分析される。すなわち、汎用性の高い相関モデルを用いたときに、その分析結果に応じて、相関モデルを変更することなく食品の栄養情報が分析されたり、相関モデルがより適切に選択直された上で、食品の栄養情報が再び分析されたりする。そのため、分析の対象となる食品の栄養情報の測定精度の信頼性を維持しつつ、分析処理のスループットを高めることができる。
　本発明の食品分析装置１００において、受光部は、食品の分析部位を透過した光、又は、食品の分析部位から反射された光を受光する受光素子を複数有する。また、分析部３１は、食品の分析部位の特徴情報に対応する相関モデルをモデル記憶部に記憶された複数の相関モデルのうちから選択し、その選択した相関モデルに対し、食品の分析部位に対応する受光素子の受光量に基づき算出される食品の分析部位の吸光度が適用されることにより、食品の分析部位の栄養情報を分析する。
　このような構成により、分析の対象となる食品の全体に対して同一の相関モデルを一律に適用する場合と比較して、分析の対象となる食品の各分析部位の特徴情報により一層適した相関モデルを用いて食品の分析部位の栄養情報が分析される。そのため、分析の対象となる食品の栄養情報の測定精度を更に高めることができる。
　以上述べたとおり、本発明は、分析の対象となる食品の状態と、回帰式の作成に用いられる試料の状態とが大きく乖離する場合などに生じる分析結果の誤差を回避でき、分析対象となる食品の栄養情報の測定精度を高めることができるとうい格別の効果を奏する食品分析装置を提供する。よって、食品のカロリーおよび成分量などの情報を、分析対象物を破壊することなく算出する分析装置などに広く利用される。
　１０　　測定ユニット
　１１　　分析ユニット
　１２　　筐体
　１３　　テーブル
　１４　　発光部（照射部）
　１５　　受光部
　２０　　集光部
　２１　　分光部
　２１Ａ　　第１分光部
　２１Ｂ　　第２分光部
　２１Ｃ　　第３分光部
　２２　　受光センサ
　２２Ａ　　受光素子
　２３　　集光レンズ
　２４　　反射部
　３０　　記憶部（モデル記憶部）
　３１　　分析部
　３２　　表示部
　１１３　　テーブル
　１１４　　発光部（照射部）
　１１５　　受光部
　１２１　　フィルタ
　１２２　　フィルタ切替部
　Ａ１　　汎用モデル（第１相関モデル）
　Ａ２　　第１専用モデル（第２相関モデル）
　Ａ３　　第２専用モデル（第２相関モデル）
　Ａ４　　汎用モデル（第１相関モデル）
　Ａ５　　専用モデル（第２相関モデル）
　Ｃ１～ＣＸ　　試料（Ｘ個）
　Ｇ１　　Ｃ１～ＣＸの全体の試料の群
　Ｇ２　　凍っている試料の群
　Ｇ３　　凍っていない試料の群
　Ｌ　　接続ケーブル
　Ｓ　　対象物

Claims (5)

  1. 　食品の栄養情報を分析する食品分析装置であって、
    　近赤外領域の波長を含む光を前記食品に照射する照射部と、
    　前記照射部から照射された光のうち、前記食品を透過した光、又は、前記食品から反射された光を受光する受光部と、
    　栄養情報が既知である複数の試料に対して前記照射部から光が照射されたときに前記受光部により測定される受光量に基づき算出され、前記試料の状態、温度、光量、重さ、色のうち少なくとも一つの情報を含む特徴情報に関連付けられて分類された前記試料の吸光度と、前記試料の栄養情報との相関関係を示す複数の相関モデルが記憶されるモデル記憶部と、
    　前記モデル記憶部に記憶された前記複数の相関モデルのうちから選択し、選択された相関モデルに、前記食品に光が照射されたときの前記受光部の前記受光量に基づき算出される前記食品の吸光度を適用することにより、前記食品の栄養情報を分析する分析部とを備える食品分析装置。
  2. 　前記分析部は、前記照射部から前記食品に光が照射されたときの前記受光部の受光量に基づき算出される前記食品の吸光度が、第１相関モデルに適用されたときの前記食品の栄養情報の分析結果に基づき、前記食品の吸光度の適用対象を、前記第１相関モデルから第２相関モデルに変更するか否かを判定する請求項１に記載の食品分析装置。
  3. 　前記モデル記憶部は、前記複数の試料に対して前記照射部から光が照射されたときの前記受光部の受光量に基づき算出される前記試料の吸光度が、前記試料の栄養情報が所定の範囲内にあるか否かに基づき分類された上で、前記所定の範囲内にあると分類された前記試料の吸光度と前記試料の栄養情報との相関関係を示す相関モデルを前記第２相関モデルとして記憶し、
    　前記分析部は、前記照射部から前記食品に光が照射されたときの前記受光部の受光量に基づき算出される前記食品の吸光度が、前記第１相関モデルに適用されたときの前記食品の栄養情報の分析結果が前記所定の範囲内にあるときには、前記食品の吸光度の適用対象を前記第１相関モデルから前記第２相関モデルに変更する請求項２に記載の食品分析装置。
  4. 　前記第１相関モデルは、前記複数の相関モデルを規定している試料の全体の吸光度と試料の栄養情報との相関関係を示し、
    　前記第２相関モデルは、前記複数の相関モデルを規定している試料の一部の吸光度と試料の栄養情報との相関関係を示す請求項２又は請求項３に記載の食品分析装置。
  5. 　前記受光部は、前記食品の分析部位を透過した光、又は、前記食品の分析部位から反射された光を受光する受光素子を複数有し、
    　前記分析部は、前記食品の分析部位の特徴情報に対応する相関モデルを前記モデル記憶部に記憶された前記複数の相関モデルのうちから選択し、選択された相関モデルに、前記食品の分析部位に対応する前記受光素子の受光量に基づき算出される前記食品の分析部位の吸光度を適用することにより、前記食品の分析部位の栄養情報を分析する請求項１～請求項４のうち何れか一項に記載の食品分析装置。
PCT/JP2015/002392 2014-05-13 2015-05-12 食品分析装置 WO2015174073A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP15793449.8A EP3144665B1 (en) 2014-05-13 2015-05-12 Food analysis device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014-099193 2014-05-13
JP2014099193A JP6288507B2 (ja) 2014-05-13 2014-05-13 食品分析装置

Publications (1)

Publication Number Publication Date
WO2015174073A1 true WO2015174073A1 (ja) 2015-11-19

Family

ID=54479623

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/002392 WO2015174073A1 (ja) 2014-05-13 2015-05-12 食品分析装置

Country Status (3)

Country Link
EP (1) EP3144665B1 (ja)
JP (1) JP6288507B2 (ja)
WO (1) WO2015174073A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019112364A1 (ko) * 2017-12-08 2019-06-13 한양대학교에리카산학협력단 식품 정보 관리 장치 및 식품 정보 관리 방법
KR102143700B1 (ko) * 2017-12-08 2020-08-12 한양대학교 에리카산학협력단 식품 정보 관리 장치 및 식품 정보 관리 방법

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004515778A (ja) * 2000-10-30 2004-05-27 モンサント テクノロジー エルエルシー 農作物を分析するための方法および装置
JP2004530875A (ja) * 2001-04-13 2004-10-07 カーギル、インコーポレイテッド 農業および／または食品の原料の評価方法、その適用および製品
JP2005121663A (ja) * 2003-10-16 2005-05-12 Samsung Electronics Co Ltd 混合物の成分濃度推定方法及び装置
WO2005111583A1 (ja) * 2004-05-17 2005-11-24 The New Industry Research Organization 近赤外線分光法による野菜等の成分の非破壊検査法、及び同装置
WO2009038206A1 (ja) * 2007-09-21 2009-03-26 Suntory Holdings Limited 可視光線・近赤外線分光分析法及びブドウ醸造方法
US20110071807A1 (en) * 2008-05-28 2011-03-24 Philippe Hubert Analysing spectral data for the selection of a calibration model
JP2011257218A (ja) * 2010-06-08 2011-12-22 Sharp Corp 成分分析装置、成分分析システム、および成分分析方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3952276B2 (ja) * 2002-03-20 2007-08-01 株式会社カネトモ まぐろの脂肪量非破壊測定方法
JP2013515248A (ja) * 2009-12-22 2013-05-02 ビューラー・アクチエンゲゼルシャフト 揺動可能な生成物を測定するための装置及び方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004515778A (ja) * 2000-10-30 2004-05-27 モンサント テクノロジー エルエルシー 農作物を分析するための方法および装置
JP2004530875A (ja) * 2001-04-13 2004-10-07 カーギル、インコーポレイテッド 農業および／または食品の原料の評価方法、その適用および製品
JP2005121663A (ja) * 2003-10-16 2005-05-12 Samsung Electronics Co Ltd 混合物の成分濃度推定方法及び装置
WO2005111583A1 (ja) * 2004-05-17 2005-11-24 The New Industry Research Organization 近赤外線分光法による野菜等の成分の非破壊検査法、及び同装置
WO2009038206A1 (ja) * 2007-09-21 2009-03-26 Suntory Holdings Limited 可視光線・近赤外線分光分析法及びブドウ醸造方法
US20110071807A1 (en) * 2008-05-28 2011-03-24 Philippe Hubert Analysing spectral data for the selection of a calibration model
JP2011257218A (ja) * 2010-06-08 2011-12-22 Sharp Corp 成分分析装置、成分分析システム、および成分分析方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BECHMANN I E ET AL.: "Rapid Assessment of Quality Parameters for Frozen Cod Using Near Infrared Spectroscopy", FOOD SCIENCE & TECHNOLOGY, vol. 31, 1998, pages 648 - 652, XP055236531, ISSN: 0023-6438 *
REIS M M ET AL.: "Early on-line classification of beef carcasses based on ultimate pH by near infrared spectroscopy", MEAT SCIENCE, vol. 96, no. 2, February 2014 (2014-02-01), pages 862 - 869, XP028789919, ISSN: 0309-1740 *
See also references of EP3144665A4 *

Also Published As

Publication number Publication date
EP3144665A4 (en) 2017-05-17
EP3144665A1 (en) 2017-03-22
JP2015215273A (ja) 2015-12-03
EP3144665B1 (en) 2018-10-24
JP6288507B2 (ja) 2018-03-07

Similar Documents

Publication Publication Date Title
Walsh et al. Visible-NIR ‘point’spectroscopy in postharvest fruit and vegetable assessment: The science behind three decades of commercial use
JP5233549B2 (ja) 食品品質検査装置、食品成分検査装置、異物成分検査装置、食味検査装置および変移状態検査装置
Schaare et al. Comparison of reflectance, interactance and transmission modes of visible-near infrared spectroscopy for measuring internal properties of kiwifruit (Actinidia chinensis)
JP6288512B2 (ja) 食品分析装置
Salguero-Chaparro et al. On-line analysis of intact olive fruits by vis–NIR spectroscopy: Optimisation of the acquisition parameters
Torres et al. Fast and accurate quality assessment of Raf tomatoes using NIRS technology
Huang et al. Internal quality determination of fruit with bumpy surface using visible and near infrared spectroscopy and chemometrics: a case study with mulberry fruit
Piazzolla et al. Spectra evolution over on-vine holding of Italia table grapes: prediction of maturity and discrimination for harvest times using a Vis-NIR hyperspectral device
CN104603598B (zh) 分析装置
JP4714822B2 (ja) 光散乱体の非破壊測定装置
WO2015174073A1 (ja) 食品分析装置
Yahaya et al. Visible spectroscopy calibration transfer model in determining pH of Sala mangoes
JP3868847B2 (ja) リンゴの内部品質検査方法
WO2013133171A1 (ja) 種子選別方法及び種子選別装置
Rittiron et al. Useful tips for constructing a near infrared-based quality sorting system for single brown-rice kernels
Rein et al. Measurement of acrylamide in potato chips by portable ftir analyzers
US9784672B2 (en) Foodstuff analysis device
JP3857191B2 (ja) 青果物の内部品質検査方法及び装置
JP4737478B2 (ja) 食品品質検査装置、食品成分検査装置、異物成分検査装置、食味検査装置および変移状態検査装置
JP2012058130A (ja) 農産物における非破壊検査方法および装置
JP2013040832A (ja) 食品判別装置および食品判別方法
JP2003114191A (ja) 青果物の非破壊糖度測定方法及び装置
Ye et al. A novel spatially resolved interactance spectroscopy system to estimate degree of red coloration in red-fleshed apple
Logan Calibration and characterization of a VNIR hyperspectral imager for produce monitoring
Rodriguez-Saona et al. New approaches for rapid tomato quality control

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15793449

Country of ref document: EP

Kind code of ref document: A1

REEP Request for entry into the european phase

Ref document number: 2015793449

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2015793449

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE