WO2021033583A1 - 食感評価方法、食感標準モデル - Google Patents

食感評価方法、食感標準モデル Download PDF

Info

Publication number
WO2021033583A1
WO2021033583A1 PCT/JP2020/030422 JP2020030422W WO2021033583A1 WO 2021033583 A1 WO2021033583 A1 WO 2021033583A1 JP 2020030422 W JP2020030422 W JP 2020030422W WO 2021033583 A1 WO2021033583 A1 WO 2021033583A1
Authority
WO
WIPO (PCT)
Prior art keywords
texture
evaluation
food
model
data
Prior art date
Application number
PCT/JP2020/030422
Other languages
English (en)
French (fr)
Inventor
中本　裕之
一 早田
雄也 長畑
木村　功
里奈 清水
真理子 堀田
賀美 井上
Original Assignee
国立大学法人神戸大学
株式会社Ｊ－オイルミルズ
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 国立大学法人神戸大学, 株式会社Ｊ－オイルミルズ filed Critical 国立大学法人神戸大学
Priority to JP2021540730A priority Critical patent/JPWO2021033583A1/ja
Publication of WO2021033583A1 publication Critical patent/WO2021033583A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • 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

Definitions

  • the present invention relates to a texture evaluation method capable of accurately evaluating the texture of various foods, and a texture standard model for evaluating the texture.
  • the deliciousness of food is mainly composed of flavor, aroma, and texture.
  • the texture is composed of extremely delicate and complex information. For example, it is particularly difficult to quantify the texture, which is determined by multiple factors such as stickiness and melting in the mouth. Therefore, such a texture is sensory evaluated by a plurality of evaluators.
  • a method of evaluating texture has been performed using a device having the same configuration as that of a human mouth.
  • a flexible layer and a substrate layer are laminated, and a magnet is included inside the flexible layer.
  • a magnetoresistive element (GMR) and an inductor are arranged with the surface opposite to the flexible layer arrangement surface in contact with the flexible layer as an element arrangement surface, and a circuit is provided on the element arrangement surface of the substrate. It is formed.
  • GMR magnetoresistive element
  • a hard member of the tooth profile can be provided via a flexible layer, and when the tooth profile member is provided, the tactile sensation applied to the tooth can be detected.
  • the texture can be evaluated by the device using the tactile sensor (paragraphs 0010, 0012, 0019, 0025, FIG. 1).
  • the tactile sensor of Patent Document 1 is a device that compares the texture from the results of the load and vibration caused by the element, and it was possible to evaluate the texture such as softness and hardness. However, there is a problem that the evaluation and determination accuracy close to the human sense are not sufficient only with such a device.
  • the present invention has been made in view of such circumstances, and an object of the present invention is to provide a texture evaluation method capable of accurately evaluating the texture of various evaluation foods.
  • the texture evaluation method of the present invention is a texture evaluation method for evaluating the texture of an evaluation food, and is a plurality of virtual data serving as an index for the texture evaluation.
  • a step of creating a template consisting of pattern data a step of performing sensory evaluation on the model food for texture evaluation and acquiring it as a sensory evaluation value, and a measurement corresponding to the pattern data of the model food.
  • a template composed of a plurality of pattern data as an index of texture evaluation is created. Then, by comparing the measurement data of the model for food (A) with the pattern data, calculates the degree of similarity (S A). As a result, it is possible to obtain information on which pattern data the model food is similar to.
  • measurement data (B) corresponding to the pattern data of the evaluation food is acquired, and the measurement data (B) and the pattern data of the template are compared and similar.
  • calculating a degree (S B), and evaluating the similarity (S B) by the mouthfeel standard model it is preferably provided with a step of performing a texture evaluation of the evaluation for food.
  • the pattern data is obtained by arbitrarily changing the intensity of a predetermined parameter with time.
  • the template pattern data is, for example, virtual data obtained by changing the intensity of parameters arbitrarily and over time by a program.
  • the step of calculating the similarity is between the pattern data obtained by changing with time and the corresponding elements of the measurement data (A) or the measurement data (B). It is preferable to perform this by calculating the cumulative value of the distances of.
  • the waveform of the pattern data is the one in which the parameters are changed with time
  • the data is graphed.
  • the comparison between the measurement data (B) of the food for evaluation and the pattern data can be obtained by calculating the cumulative value of the distance between the corresponding elements of the two. The smaller the distance and the more the two waveforms overlap, the higher the similarity. It can be evaluated as high.
  • the measurement data (A) includes load change data which is a load change obtained when the model food is pressed.
  • the measurement data (B) includes load change data which is a load change obtained when the evaluation food is pressed.
  • the measurement data (A) and (B) include load change data when the model food and the evaluation food are pressed, respectively. For example, when the evaluation food is pressed twice, the load changes depending on the type of food between the first and second times. Since the load change is data peculiar to the food, this method can be useful for improving the accuracy of texture evaluation.
  • the measurement data (A) includes vibration change data which is a vibration change obtained when the model food is pressed.
  • the measurement data (B) includes vibration change data which is a vibration change obtained when the evaluation food is pressed.
  • the measurement data (A) and (B) may include vibration change data when the model food and the evaluation food are pressed, respectively. Since the vibration change is also data peculiar to the evaluation food to be evaluated, this method can be useful for improving the accuracy of texture evaluation.
  • the mouthfeel standard model, the explanatory variables and the similarity (S A) is an evaluation prediction formula obtained by the regression analysis of the desired variable and the sensory evaluation value Is preferable.
  • Texture standard model is an evaluation prediction equation obtained by the similarity with (S A) regression analysis using the sensory evaluation value. Therefore, the method, by inputting the similarity (S A) and sensory evaluation value in the evaluation prediction expression in a program or the like, can be a food model created easily, and updates.
  • any linear model can be applied to the regression analysis, but it is particularly preferable to use a generalized linear mixed model (GLMM).
  • GLMM generalized linear mixed model
  • Regression analysis is a linear model including a generalized linear model (GLM), a generalized linear mixed model (GLMM), etc., and by this method, this method evaluates the texture of food for evaluation simply and accurately. be able to.
  • LLM generalized linear model
  • GLMM generalized linear mixed model
  • the texture standard model of the present invention is a texture standard model for evaluating the texture of a food for evaluation, and is a template composed of a plurality of pattern data as an index of the texture evaluation and the texture evaluation.
  • the sensory evaluation value by the sensory evaluation performed on the model food for the purpose is obtained by comparing each of the measurement data (A) corresponding to the pattern data of the model food and the pattern data of the template. and was similarity (S a), characterized in that it comprises an evaluation prediction means for evaluating prediction in accordance with the type of the sensory evaluation value and the similarity (S a) because the resulting texture.
  • Texture standard model of the present invention includes a template comprising a plurality of pattern data indicative of texture evaluation compares measured data model for food (A) and the pattern data, the similarity (S A) Is calculated. As a result, it is possible to obtain information on which pattern data the model food is similar to.
  • the evaluation prediction means for model food subjected to sensory evaluation, the evaluation prediction from the sensory evaluation value and the similarity with (S A).
  • the texture reference models, sensory evaluation value similarity (S A) is linked, it is possible to perform texture Evaluation of food.
  • the figure explaining the texture evaluation apparatus used in the texture evaluation method of this invention The figure which looked at the circuit board of the texture evaluation apparatus from the bottom side. Measurement result of load and vibration of sample S1. Measurement result of load and vibration of sample S2. Measurement results of load and vibration of sample S3. Measurement result of load and vibration of sample S4. Measurement result of load and vibration of sample S5.
  • the figure explaining the outline of the texture evaluation method of this invention The figure which shows the template (pattern data for load).
  • Measurement result by texture analyzer average drop-off. Measurement result (peak value) by texture analyzer. Loads of 7 types of samples by texture evaluation device. Vibration of 7 types of samples by the texture evaluation device. Cumulative sum of vibrations of 7 types of samples by the texture evaluation device.
  • the texture evaluation device 10 shown in FIG. 1 has a configuration corresponding to human teeth, gingiva, and the like.
  • the texture evaluation device 10 measures the bite of the evaluation food using various sensors in order to evaluate the texture of the evaluation food to be evaluated.
  • the texture evaluation device 10 is mainly composed of a contact portion 11 corresponding to a tooth, an intermediate layer portion 15 corresponding to the gingiva (periodontal ligament), and a base portion 17 corresponding to the alveolar bone. Further, the base portion 17 is mounted on the circuit board 19.
  • a hard member is used for the contact portion 11, and the contact portion 11 is, for example, a wedge type. It is preferable to make the contact portion 11 wedge-shaped because vibration can be detected more easily. Further, a permanent magnet 13 is embedded inside the contact portion 11. Then, the change in magnetism when the evaluation food presses the contact portion 11 is acquired by the magnetoresistive element (GMR: Giant Magneto Resistive effect) 21 and the inductor element 23, which are texture sensors provided on the circuit board 19. ..
  • the upper surface of the contact portion 11 may be processed to be flat so that it can be easily pressed by the evaluation food.
  • a neodymium magnet for example, a diameter of 15 mm, a thickness of 1.5 mm, and a surface magnetic flux density of 115 mT
  • the magnetoresistive element 21 can detect a change in the position (displacement amount) of the permanent magnet 13, and the change when the food for evaluation presses the contact portion 11 is recorded as a “load”.
  • the intermediate layer portion 15 uses elastic elastomers (natural rubber, synthetic rubber, etc.) and springs, and the base portion 17 uses hard members to reproduce human teeth. Therefore, the numerical values of "load” and "vibration" change depending on the type of food for evaluation.
  • FIG. 2 shows a view of the circuit board 19 as viewed from the lower surface side.
  • magnetoresistive elements 21 are arranged on the lower surface side of the base portion 17 indicated by a circular broken line with a circular central portion open. Since the permanent magnet 13 (not shown) of the contact portion 11 is located in the central portion of the circle, when the food for evaluation presses the contact portion 11, the position of the permanent magnet 13 changes (load) by any of the magnetoresistive elements 21. ) Can be detected.
  • one inductor element 23 is arranged in the central portion of the circle. As a result, it is possible to detect a change (vibration) in the magnetic flux density of the permanent magnet 13 located substantially directly above the inductor element 23.
  • the number of magnetoresistive elements 21 and inductor elements 23 can be changed as appropriate. Further, the signals detected by the magnetoresistive element 21 and the inductor element 23 are relayed by the connector 25 on the circuit board 19 and transmitted to a control unit (not shown).
  • the texture evaluator uses shrimp heaven (5 types of samples S1 to S5), which is said to have a high contribution of the mechanical characteristics of texture, as the food for evaluation. , Each sample was measured 8 times. Samples S1 to S5 are shrimp heavens with different clothes, cooked under different conditions.
  • Samples S1 to S5 corresponding to FIGS. 3A to 3E have different load waveforms (thick line: load waveform data) and vibration waveforms (solid line: vibration change data), and are, for example, samples S1 and 3C of FIG. 3A.
  • the load peak is remarkably generated at a predetermined time.
  • the evaluator calculates the similarity by comparing such measurement data with a template consisting of a plurality of time series data prepared in advance. Furthermore, the evaluator evaluates the texture (crispy, crunchy, crunchy, etc.) of each sample by comparing it with the texture standard model created from the measurement data and the sensory evaluation value of the model food.
  • Model for food F M is, the food close to the texture of the evaluation for food may select more than one.
  • the sensory evaluation value ⁇ for the model for the food F M in the functional evaluation by sensory evaluation person For example, when the sensory evaluation of chicken nuggets, food F M model the same chicken nuggets are employed. Then, sensory evaluation who is chewing the food for the model F M, "crispy”, “go fast”, “crunch”, “crisp”, to assess whether close to any of the items in the "crisp” and “skinny” ..
  • the sensory evaluator may give “1" to the closest texture, "2" to the second closest texture, and "3" to the third closest texture, and later quantify it.
  • the texture evaluation device 10 described above is used for this measurement. Specifically, the evaluator is pressed twice model food F M on the contact portions 11 of the texture evaluation apparatus 10 obtains the load and vibration measurement data A.
  • the measurement data A is load and vibration waveform data (load change data and vibration change data) as shown in FIGS. 3A to 3E.
  • the evaluator compares the measurement data A with the template T prepared in advance.
  • the template T is composed of pattern data having different waveforms, which is an index for texture evaluation.
  • the pattern data is virtual data obtained by generating random numbers and arbitrarily (randomly) changing the intensity of a predetermined parameter over time.
  • the template T has a load (see FIG. 5A) and a vibration (see FIG. 5B), and each waveform is one pattern data.
  • the evaluator the "load" of the measured data A model food F M compared to the respective pattern data of Fig. 5A, obtains the degree of similarity based on the shape of the waveform.
  • the evaluator for the "oscillation" of the measured data A model food F M is compared to the respective pattern data of FIG. 5B, determining the degree of similarity similarly based on the shape of the waveform.
  • the similarity S A obtained by the procedure used for the creation of texture standard model M.
  • the pattern data for the load shown in FIG. 5A the time change in accordance therewith It becomes a waveform.
  • the peaks P1 and P2 of the pattern data are the parts corresponding to the first pressing, and the pressure (Force [N]) is changed respectively.
  • the peaks P3 and P4 of the pattern data are the portions corresponding to the second pressing, and the pressures are changed as in the case of the peaks P1 and P2.
  • the evaluator creates 50 types of pattern data having different peaks p1 to p4.
  • FIG. 5B shows pattern data for vibration.
  • Vibration detected on the texture sensor (inductor element 23) may be a model for food F M of the same kind, the generation timing of the vibration are different. Therefore, the evaluator creates 50 types of pattern data that change with time, with the cumulative sum of the number of positive induced electromotive forces of vibration (accumulated sum of vibrations) as the vertical axis.
  • DTW Dynamic Time Warping
  • the evaluator measures the distance between the two waveforms (DTW distance), but the more similar the two data are, the smaller the DTW distance (higher similarity) and the closer the shape of the waveform.
  • each waveform is composed of time-series measured values (loads, etc.) sampled at regular time intervals, and each point (element of the present invention) is continuously shown.
  • the distances between the elements of each waveform are brute-forced, and then the path with the shortest distance between the points is found. Then, the cumulative value obtained by accumulating the obtained distances becomes the DTW distance.
  • the Euclidean distance for example, the Euclidean distance, the Fourier transform distance, the self-return coefficient distance, or the EDR (Edit Distance on Real sequences) distance is measured instead of the above-mentioned DTW distance. It can also be evaluated.
  • texture standard model M is (comparison result between the 50 kinds of pattern data s a1, s a2, ... s a50) explanatory variables similarity S A and then, following evaluation was the objective variable sensory evaluation value ⁇ Given by a predictive formula.
  • log ⁇ / (1- ⁇ ) ⁇ ⁇ 0 + ⁇ 1 s a1 + ⁇ 2 s a2 +... + ⁇ 50 s a50 + r i ⁇ ⁇ ⁇ (Equation 1)
  • ⁇ 0 , ⁇ 1 , ⁇ 2 , ..., ⁇ 50 are coefficients
  • r i is a parameter representing individual differences.
  • evaluation prediction equation (Equation 1) There are six, evaluator, by substituting the similarity S A respectively, to create a texture standard model M corresponding to the texture.
  • evaluator for evaluating the evaluation food F E using the texture evaluation apparatus 10 obtains the load and vibration measurement data B of the evaluation food F E. Measurement of the load and the vibration is carried out in the same conditions as those at the time of measurement of the model for the food F M.
  • the evaluator compares the measurement data B with the template T. Specifically, "load” of the measurement data B evaluators rated for food F E, the "vibration", respectively Figure 5A, compared to the respective pattern data (50 kinds) of FIG. 5B, the shape of the waveform The similarity is calculated based on this. (Comparison result s b1, s b2 of the 50 kinds of pattern data, ... s b50) similarity S B This operation is obtained.
  • it can be used dynamic time warping a (DTW).
  • Equation 2 the similarity of evaluation for food to S B (s b1, s b2 , ... s b50) by substituting determine the model evaluation value ⁇ 'in (coefficient ⁇ 0, ⁇ For 1 , ⁇ 2 ,..., ⁇ 50 , r i , the values obtained when creating the texture standard model M are used).
  • ⁇ 'in coefficient ⁇ 0, ⁇ For 1 , ⁇ 2 ,..., ⁇ 50 , r i , the values obtained when creating the texture standard model M are used.
  • Specific examples of the model evaluation value lambda ' will be described later, it is possible to evaluate the texture of the evaluation food F E by a series of operations described above.
  • FIG. 6A shows the average score (sensory evaluation value) of the sensory evaluation evaluated by the sensory evaluator for the samples 1 to 7.
  • texture There are 6 types of texture, “crispy”, “crispy”, “crispy”, “crispy”, “crispy”, “crispy” and “gritty”, and each of the sensory evaluators (5 people) for samples 1 to 7 Sensory evaluation (out of 10 points) was performed 3 times. For example, sample 2 has the highest value of "crispy", so it can be said that the sample has such a texture for the sensory evaluator.
  • crispy is a texture that "feels like the batter breaks with a light force and lasts even if you continue chewing.”
  • crispy is “the feeling that the batter breaks with a light force at the first chewing”
  • crispy is “the feeling that when you bite with your back teeth, it collapses finely many times”.
  • crispy is “the feeling of breaking hard and tense things, and it lasts even if you continue chewing”
  • crispy is “the feeling of breaking hard things with front teeth with a light force”
  • “gritty” is " The feeling of chewing ice cream.
  • Proba is a one-way analysis of variance (ANOVA), and it is a test value of whether there is a possibility that there is a difference between each item, and "Significant” is a multiple comparison test (Tukey-). Test) is the risk factor of the sample with the most significant difference.
  • ANOVA analysis of variance
  • Significant is a multiple comparison test (Tukey-). Test) is the risk factor of the sample with the most significant difference.
  • FIG. 6B is a diagram showing the average score of sensory evaluation for each texture of the above samples 1 to 7 as a histogram.
  • sample 1 the average score of the texture of "crispy” and “crispy” was high, but the score was low as a whole, and it was judged to be "no feature".
  • a low absolute value of the score means that the texture is weak. For example, if the score of "crispy" is low, it means that the inspector has determined that the texture is weak.
  • sample 2 was “crispy”
  • sample 3 was “crispy”
  • sample 4 was “gritty”.
  • the texture of sample 5 was “crispy”
  • that of sample 6 was “crispy”
  • that of sample 7 was “crispy”.
  • the textures of "crispy” and “gritty” had the same score, but since the texture of "crispy” in sample 7 is clear, sample 4 has the texture of "gritty". It was judged.
  • the texture analyzer is a device that measures quantified data related to the texture, texture, mouthfeel, etc. of food. The measurement of chicken nuggets by the texture analyzer was repeated 4 times for each of samples 1 to 7.
  • Fig. 7A shows the results of measuring the "area” of each sample.
  • the "area” is a measurement of the area S, which is the product of time (Time [sec]) and stress (Force [g]), and the vertical axis of FIG. 7A is S [g ⁇ sec]. .. Since the value of "area” is the total value of the force that bounces when the sample is pushed by the texture analyzer, it is generally an index of the elasticity and hardness of the sample.
  • the line segment at the tip of the histogram indicates the standard deviation of the measured value in the sample.
  • FIG. 7B shows the results of measuring the "peak number” of each sample.
  • a stress release (peak) phenomenon occurs. The number of times this number is counted is the "peak number”.
  • the textures of "Sample 6 (crispy)” and “Sample 7 (crispy)” were high.
  • the value of "peak number” is high, it can be said that the texture of "crispy” is strong, so it is such an index.
  • Fig. 8A shows the results of measuring the "average drop-off” of each sample.
  • “Drop-off” is the value of how much stress (Force [g]) is released at the peak.
  • the “average drop-off” is the average value of all drop-offs in one measurement. In the measurement of “average drop-off", the texture of "Sample 7 (crispy)" was high.
  • “average drop-off” is an index of brittleness, and it can be said that the higher the value, the greater the force required when crushing.
  • FIG. 8B shows the results of measuring the "peak value” of each sample.
  • the “peak value” is the average value of the maximum stress values of each peak in one measurement. Regarding the “peak value”, although no significant difference was observed for each texture, it is generally an index indicating the hardness of the sample.
  • FIGS. 9A to 9C show the results of measuring the "load”, “vibration”, and “cumulative vibration sum” of samples 1 to 7 by the texture evaluation device 10, respectively. Specifically, it is the result of the evaluator pressing each sample twice against the contact portion 11 of the texture evaluation device 10 and acquiring the load measurement data (load waveform data) and the vibration measurement data (vibration waveform data). is there.
  • the evaluator compares the load waveform data and the vibration waveform data (measurement data A of FIG. 4) each of the pattern data (50 kinds) of the template T and the similarity (the similarity S A of FIG. 4) Obtained. Specifically, the evaluator measures the "load” and the "cumulative sum of vibrations" 10 times for each of the samples 1 to 7 by the texture evaluation device 10, and each pattern data (50 types) of the template T. ) compared to obtain the similarity S a and, to obtain an average value of 10 times the similarity S a.
  • the evaluator uses another sample 3'of the chicken nugget prepared and cooked through the same process as the above sample 3, and the load and vibration are carried out under the same conditions as when the sample 3 is measured by the texture evaluation device 10. (Measurement data B in FIG. 4) was acquired. The measurement of sample 3'was repeated 10 times.
  • evaluation prediction equation according to the previous samples 1-7 parameter beta 0 was calculated from (Equation 1), ⁇ 1, ⁇ 2 , ..., the beta 50, r i
  • the model evaluation value ⁇ 'for sample 3' was obtained using the value. Since the measurement of sample 3'was repeated 10 times, the evaluator obtained the average value of the model evaluation value ⁇ 'and used this as the evaluation result by the texture evaluation model.
  • Table 1 shows the evaluation value (sensory evaluation value ⁇ ) when the sample 3 was sensory evaluated and the evaluation value (model evaluation value ⁇ ') when the sample 3'was evaluated using the texture evaluation model M of the present embodiment. Is shown.
  • the evaluation value by the texture evaluation model M showed the same tendency as the sensory evaluation value ⁇ , and the correlation coefficient between the sensory evaluation value ⁇ and the model evaluation value ⁇ 'was 0.97.
  • the correlation coefficient is considered to be correlated when the absolute value exceeds 0.4, and is considered to be strongly correlated when the absolute value exceeds 0.7. Therefore, it can be said that sample 3 and sample 3'have a very strong correlation.
  • the model evaluation value ⁇ ' was obtained for the samples 4'and 6'corresponding to the samples 4 and 6.
  • the correlation coefficient between the sensory evaluation value ⁇ and the model evaluation value ⁇ 'of Sample 4 was 0.86.
  • the correlation coefficient between the sensory evaluation value ⁇ and the model evaluation value ⁇ 'of Sample 6 was 0.87. Therefore, the model evaluation value ⁇ 'for both Sample 5 and Sample 6 was a good result consistent with the sensory evaluation value ⁇ .
  • the texture evaluation apparatus 10 by measuring the "load" of the evaluation food F E and a "vibration" By combining these results, to evaluate accurately texture Can be done.
  • pattern data of template T is prepared, but the pattern data is not limited to 50 types because it depends on the food to be evaluated.
  • the degree of "crispness” can be obtained by preparing a plurality of pattern data corresponding to the texture. That is, it is possible to perform a more detailed evaluation such as "crispy” which is close to "crispy” and “crispy” which is close to "crispy”.
  • the evaluator is configured to measure the data by pressing twice the model food F M and evaluation for food F E to the contact portion 11 of the texture evaluation apparatus 10, the number of times to press once It may be only, or it may be 3 times or more.
  • the texture evaluation device 10 that acquires measurement data by a change in magnetism is used, but for example, an apparatus that acquires measurement data by a change in vibration or sound may be used, such as a texture tester or a texture tester. Rheometers, creep meters and the like can also be applied.

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Food Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • General Preparation And Processing Of Foods (AREA)

Abstract

様々な評価用食品に対して精度良く食感評価を行うことができる食感評価方法を提供する。　本発明の食感評価方法は、食感評価の指標となるパターンデータからなるテンプレートＴを作成する工程と、食感評価のためのモデル用食品ＦＭに対して官能評価を行い、官能評価値λとして取得する工程と、モデル用食品ＦＭのパターンデータに対応する計測データＡを取得し、計測データＡとテンプレートＴのパターンデータのそれぞれとを比較して類似度ＳＡを算出する工程と、官能評価値λと類似度ＳＡとから食感の種類に応じた食感標準モデルＭを作成する工程と、食感標準モデルＭを用いて評価用食品ＦＥの食感評価を行う工程を備えている。

Description

食感評価方法、食感標準モデル
　本発明は、様々な食品に対して精度良く食感の評価を行うことができる食感評価方法、及び食感評価を行うための食感標準モデルに関する。
　食品のおいしさは、主に風味、香り、食感の３つから構成されると言われている。これらの中でも、食感は、極めて繊細かつ複合的な情報から構成されている。例えば、ねっとり感や口どけ等の複合的な要因によって決まる食感は、特に数値化が難しい。そのため、このような食感については、複数の評価者によって官能評価がなされる。
　近年では、人間の口内と同じ構成を有する装置を用いて、食感を評価する手法が行われている。例えば、下記の特許文献１の触覚センサは、柔軟層と基板層を積層し、柔軟層の内部に磁石が内包されている。また、基板層の基板の両面は、柔軟層と接触する柔軟層配置面と反対面を素子配置面として、磁気抵抗素子（ＧＭＲ）とインダクタを配置し、基板の素子配置面には、回路が形成されている。
　さらに、柔軟層を介して歯形の硬質部材を設けることもでき、歯形の部材を設けた場合には、歯に加わる触覚を検出することができる。このようにして、触覚センサを用いた装置によって食感の評価が可能となっている（段落００１０，００１２，００１９，００２５，図１）。
特許第５１８７８５６号
　特許文献１の触覚センサは、素子による荷重及び振動の結果から食感を比較する装置であり、柔らかさや硬さといった食感の評価は可能であった。しかしながら、このような装置のみでは、人の感覚に近い評価、判定精度が十分でないという問題があった。
　本発明は、このような事情に鑑みてなされたものであり、様々な評価用食品に対して精度良く食感の評価を行うことができる食感評価方法を提供することを目的とする。
　上記目的を達成するため、本発明の食感評価方法は、評価用食品に対して食感評価を行う食感評価方法であって、前記食感評価の指標となる複数の仮想データであり、パターンデータからなるテンプレートを作成する工程と、前記食感評価のためのモデル用食品に対して官能評価を行い、官能評価値として取得する工程と、前記モデル用食品の前記パターンデータに対応する計測データ（Ａ）を取得し、前記計測データ（Ａ）と前記テンプレートの前記パターンデータのそれぞれとを比較して類似度（ＳＡ）を算出する工程と、前記官能評価値と前記類似度（ＳＡ）とから食感の種類に応じた食感標準モデルを作成する工程と、前記食感標準モデルを用いて前記評価用食品の食感評価を行う工程と、を備えていることを特徴とする。
　本発明の食感評価方法では、まず、食感評価の指標となる複数のパターンデータからなるテンプレートを作成する。そして、モデル用食品の計測データ（Ａ）とパターンデータとを比較して、類似度（ＳＡ）を算出する。これにより、そのモデル用食品がいずれのパターンデータと類似するかの情報を取得することができる。
　また、モデル用食品に対しては官能評価も行い、その官能評価値と類似度（ＳＡ）とから食感標準モデルを作成する。食感標準モデルは官能評価値と類似度（ＳＡ）が結びついたものとなるので、この食感標準モデルを用いて評価用食品の食感評価を行う。これにより、本方法は、様々な評価用食品に対して精度良く食感の評価を行うことができる。

　本発明の食感評価方法において、前記評価用食品の前記パターンデータに対応する計測データ（Ｂ）を取得し、前記計測データ（Ｂ）と前記テンプレートの前記パターンデータのそれぞれとを比較して類似度（ＳＢ）を算出する工程と、前記食感標準モデルにより前記類似度（ＳＢ）を評価して、前記評価用食品の食感評価を行う工程と、を備えていることが好ましい。
　この構成によれば、評価用食品に対して計測データ（Ｂ）を取得して、計測データ（Ｂ）とパターンデータとを比較して、類似度（ＳＢ）を算出する。これにより、その評価用食品がいずれのパターンデータと類似するかの情報を取得することができる。そして、食感標準モデルを用いて類似度（ＳＢ）を有する評価用食品を評価する。これにより、本方法は、評価用食品の食感評価を行うことができる。
　また、本発明の食感評価方法において、前記パターンデータは、所定のパラメータの強度を任意かつ経時変化させて得られることが好ましい。
　テンプレートのパターンデータは、例えば、プログラムによりパラメータの強度を任意かつ経時変化させて得られる仮想データである。このようなパターンデータを複数用意することで、計測データと各パターンデータとを比較したとき、類似度の高いパターンデータが抽出される。これにより、本方法は、評価用食品の食感評価に利用することができる。
　また、本発明の食感評価方法において、前記類似度を算出する工程は、前記経時変化させて得られるパターンデータと、前記計測データ（Ａ）又は前記計測データ（Ｂ）との対応する要素間の距離の累積値を算出することにより行うことが好ましい。
パターンデータの波形はパラメータを経時変化させたものであるため、データはグラフ化されている。例えば、評価用食品の計測データ（Ｂ）とパターンデータとの比較は、両者の対応する要素間の距離の累積値を算出することで得られ、距離が小さく、両波形が重なるほど類似度が高いと評価することができる。
　また、本発明の食感評価方法において、前記計測データ（Ａ）には、前記モデル用食品を押圧したときに得られる荷重変化である荷重変化データが含まれることが好ましい。その場合、前記計測データ（Ｂ）には、前記評価用食品を押圧したときに得られる荷重変化である荷重変化データが含まれることがさらに好ましい。
　計測データ（Ａ），（Ｂ）には、それぞれモデル用食品、評価用食品を押圧したときの荷重変化データが含まれる。例えば、評価用食品に対して２回押圧を行う場合、１回目と２回目とで食品の種類に応じて荷重が変化する。荷重変化は、その食品に特有のデータであるので、本方法は、食感評価の精度向上に役立てることができる。
　また、本発明の食感評価方法において、前記計測データ（Ａ）には、前記モデル用食品を押圧したときに得られる振動変化である振動変化データが含まれることが好ましい。その場合、前記計測データ（Ｂ）には、前記評価用食品を押圧したときに得られる振動変化である振動変化データが含まれることがさらに好ましい。
　計測データ（Ａ），（Ｂ）には、それぞれモデル用食品、評価用食品を押圧したときの振動変化データが含まれていてもよい。振動変化についても、評価対象の評価用食品に特有のデータであるので、本方法は、食感評価の精度向上に役立てることができる。
　また、本発明の食感評価方法において、前記食感標準モデルは、説明変数を前記類似度（ＳＡ）とし、目的変数を前記官能評価値とした回帰分析により得られる評価予測式であることが好ましい。
　食感標準モデルは、類似度（ＳＡ）と官能評価値とを用いた回帰分析により得られる評価予測式である。このため、本方法は、プログラム等で類似度（ＳＡ）及び官能評価値を評価予測式に入力することで、簡易に食品モデルを作成し、更新することができる。
　また、本発明の食感評価方法において、前記回帰分析は、あらゆる線形モデルが適用可能であるが、特に、一般化線形混合モデル（ＧＬＭＭ）を用いることが好ましい。
　回帰分析は、一般化線形モデル（ＧＬＭ）、一般化線形混合モデル（ＧＬＭＭ）等を含む線形モデルであり、この手法により、本方法は、簡易かつ精度良くに評価用食品の食感を評価することができる。
　本発明の食感標準モデルは、評価用食品の食感評価を行うための食感標準モデルであって、前記食感評価の指標となる複数のパターンデータからなるテンプレートと、前記食感評価のためのモデル用食品に対して行われた官能評価による官能評価値と、前記モデル用食品の前記パターンデータに対応する計測データ（Ａ）と前記テンプレートの前記パターンデータのそれぞれとを比較して得られた類似度（ＳＡ）と、前記官能評価値と前記類似度（ＳＡ）とから得られる食感の種類に応じた評価予測を行う評価予測手段と、を備えることを特徴とする。
　本発明の食感標準モデルは、食感評価の指標となる複数のパターンデータからなるテンプレートを備え、モデル用食品の計測データ（Ａ）とパターンデータとを比較して、類似度（ＳＡ）を算出する。これにより、そのモデル用食品がいずれのパターンデータと類似するかの情報を取得することができる。
　また、評価予測手段は、モデル用食品に対しては官能評価を行い、その官能評価値と類似度（ＳＡ）とから評価予測を行う。これにより、この食感標準モデルは、官能評価値と類似度（ＳＡ）が結びつけて、評価用食品の食感評価を行うことができる。
　本発明によれば、様々な食品に対して、精度良く食感の評価を行うことができる。
本発明の食感評価方法に用いる食感評価装置を説明する図。 食感評価装置の回路基板を下面側から見た図。 サンプルＳ１の荷重と振動の測定結果。 サンプルＳ２の荷重と振動の測定結果。 サンプルＳ３の荷重と振動の測定結果。 サンプルＳ４の荷重と振動の測定結果。 サンプルＳ５の荷重と振動の測定結果。 本発明の食感評価方法の概要を説明する図。 テンプレート（荷重用パターンデータ）を示す図。 テンプレート（振動用パターンデータ）を示す図。 ７種類のサンプルの官能評価の平均スコアを示す図。 ７種類のサンプルの官能評価の平均スコアのヒストグラム。 テクスチャーアナライザによる測定結果（エリア）。 テクスチャーアナライザによる測定結果（ピーク数）。 テクスチャーアナライザによる測定結果（平均ドロップオフ）。 テクスチャーアナライザによる測定結果（ピーク値）。 食感評価装置による７種類のサンプルの荷重。 食感評価装置による７種類のサンプルの振動。 食感評価装置による７種類のサンプルの振動累積和。
　以下、図面を参照して、本発明に係る食感評価方法の一実施形態について説明する。
　図１、図２に、本発明に係る食感評価方法に用いる食感評価装置１０を示す。図１に示す食感評価装置１０は、人間の歯、歯肉等に相当する構成を有している。食感評価装置１０は、評価対象である評価用食品の食感を評価するため、評価用食品の咬合を、各種センサを用いて計測する。
　食感評価装置１０は、主に歯に相当する接触部１１と、歯肉（歯根膜）に相当する中間層部１５と、歯槽骨に相当するベース部１７とで構成されている。また、ベース部１７は、回路基板１９上に載置されている。
　接触部１１には硬質部材を採用し、接触部１１は、例えば、くさび型とされている。接触部１１をくさび型にすると、振動をより検知し易くなるので、好ましい。また、接触部１１の内部には永久磁石１３が埋め込まれている。そして、評価用食品が接触部１１を押圧したときの磁気の変化を、回路基板１９に設けられた食感センサである磁気抵抗素子（ＧＭＲ：Giant Magneto Resistive effect）２１及びインダクタ素子２３により取得する。なお、接触部１１は、評価用食品による押圧がし易いように、上面が平面状に加工されていてもよい。
　永久磁石１３は、ネオジム磁石（例えば、直径１５mm、厚さ１．５mm、表面の磁束密度が１１５ｍＴ）等を用いることができる。また、磁気抵抗素子２１は永久磁石１３の位置変化(変位量)を検知することができ、評価用食品が接触部１１を押圧したときの前記変化は、「荷重」として記録される。
　永久磁石１３の位置が変位すると、磁束密度の変化に応じて誘導起電力が生じる。インダクタ素子２３は、当該誘導起電力を検知する。誘導起電力の大きさは、磁束密度の変化量よりもその速度に依存する。評価用食品が接触部１１を押圧したとき、インダクタ素子２３で検知された前記変化は、「振動」として記録される。
　なお、中間層部１５は弾性のあるエラストマ（天然ゴム、合成ゴム等）やバネ、ベース部１７は硬質部材を用いることで、人間の歯を再現している。このため、評価用食品の種類に応じて「荷重」及び「振動」の数値が変化する。
　また、図２に、回路基板１９を下面側から見た図を示す。
　図示するように、円形の破線で示すベース部１７の下面側に、円形の中央部を空けて８個の磁気抵抗素子２１が配置されている。接触部１１の永久磁石１３（図示省略）は円形の中央部に位置するため、評価用食品が接触部１１を押圧したとき、磁気抵抗素子２１のいずれによっても、永久磁石１３の位置変化（荷重）を検出することができる。
　また、インダクタ素子２３は、円形の中央部に１個配置されている。これにより、インダクタ素子２３のほぼ真上に位置する永久磁石１３の磁束密度の変化（振動）を検出することができる。なお、磁気抵抗素子２１及びインダクタ素子２３の数は、適宜変更することができる。また、磁気抵抗素子２１及びインダクタ素子２３が検知した信号は、回路基板１９上のコネクタ２５で中継され、図示しない制御部に送信される。
　次に、図３Ａ～図３Ｅを参照して、食感センサによる荷重及び振動の計測例を説明する。
　食感評価者（以下、「評価者」という）は、評価用食品として、食感の力学的特性の寄与度が高いとされているえび天（サンプルＳ１～Ｓ５の５種類）を使用して、各サンプルにつき８回の計測を行った。サンプルＳ１～Ｓ５は、それぞれ異なる条件で調理した、衣の異なるえび天である。
　図３Ａ～図３Ｅは、左縦軸がForce(N)、右縦軸がVoltage(V)、横軸がTime(s)となっている。図３Ａ～図３Ｅに対応するサンプルＳ１～Ｓ５は、それぞれ荷重の波形（太線：荷重波形データ）及び振動の波形（実線：振動変化データ）が異なり、例えば、図３ＡのサンプルＳ１、図３ＣのサンプルＳ３、図３ＥのサンプルＳ５の計測データは、所定の時間で荷重のピークが顕著に生じている。
　詳細は後述するが、評価者は、このような計測データを予め準備した複数の時系列データからなるテンプレートと比較して類似度を算出する。さらに、評価者は、モデル用食品の計測データ及び官能評価値から作成した食感標準モデルと対比することで、各サンプルの食感（サクサク、カリカリ、ガリガリ等）を評価する。
　次に、図４を参照して、本発明の食感評価方法の詳細を説明する。また、テンプレートの内容及びその作成については、図５Ａ、図５Ｂを参照して説明を補足する。
　初めに、評価者は、モデル用食品ＦＭ（通常、６～７種類）を使用して、食感標準モデルＭを作成する。モデル用食品ＦＭは、評価用食品の食感に近い食品を複数選択するとよい。
　まず、官能評価者による官能評価でモデル用食品ＦＭに対して官能評価値λを取得する。例えば、チキンナゲットの官能評価をする場合、モデル用食品ＦＭは同じチキンナゲットが採用される。そして、官能評価者がモデル用食品ＦＭを咀嚼し、「サクサク」、「サクッと」、「ザクザク」、「カリカリ」、「カリッと」及び「ガリガリ」の項目のいずれに近いかを評価する。官能評価者は、最も近い食感に「１」、２番目に近い食感に「２」、３番目に近い食感に「３」を付与して、後に数値化してもよい。
　次に、評価者は、モデル用食品ＦＭを食感センサにより計測する。この計測には、上述の食感評価装置１０が用いられる。具体的には、評価者が食感評価装置１０の接触部１１にモデル用食品ＦＭを２回押し付けて、荷重及び振動の計測データＡを取得する。なお、計測データＡは、図３Ａ～図３Ｅで示したような荷重、振動の波形データ（荷重変化データ及び振動変化データ）である。
　次に、評価者は、計測データＡを予め準備したテンプレートＴと比較する。テンプレートＴは、食感評価の指標となる、それぞれ波形が異なるパターンデータで構成されている。パターンデータは、所定のパラメータの強度を、乱数を発生させて任意（ランダム）かつ経時変化させて得られる仮想データである。
　テンプレートＴは、荷重用（図５Ａ参照）と、振動用（図５Ｂ参照）とがあり、各波形が１つのパターンデータである。評価者は、モデル用食品ＦＭの計測データＡの「荷重」を、図５Ａのパターンデータのそれぞれと比較し、波形の形状に基づいて類似度を求める。また、評価者は、モデル用食品ＦＭの計測データＡの「振動」については、図５Ｂのパターンデータのそれぞれと比較し、同じく波形の形状に基づいて類似度を求める。この操作により得られた類似度ＳＡは、食感標準モデルＭの作成のために用いる。
　ここで、モデル用食品ＦＭの食感センサによる計測では、モデル用食品ＦＭを２回、接触部１１に押し付けるので、図５Ａに示す荷重用のパターンデータは、それに合わせた時間変化をする波形となる。具体的には、パターンデータのピークＰ１，Ｐ２が１回目の押し付けに対応する部分であり、圧力（Force[N])をそれぞれ変更する。また、パターンデータのピークＰ３，Ｐ４が２回目の押し付けに対応する部分であり、ピークＰ１，Ｐ２の場合と同様に圧力をそれぞれ変更する。これにより、評価者は、ピークｐ１～ｐ４がそれぞれ異なる５０種類のパターンデータを作成する。
　図５Ｂは、振動用のパターンデータを示している。食感センサ（インダクタ素子２３）で検出される振動は、同種のモデル用食品ＦＭであっても、振動の発生タイミングが異なる。このため、評価者は、振動の正の誘導起電力の回数の累積和（振動累積和）を縦軸とした、時間変化する５０種類のパターンデータを作成する。
　モデル用食品ＦＭの計測データＡとテンプレートＴとの類似度は、動的時間伸縮法（ＤＴＷ:Dynamic Time Warping）を用いて定量的に評価することができる。本評価において、評価者は両波形の距離（ＤＴＷ距離）を計測するが、２つのデータが似ているほどＤＴＷ距離が小さく（類似度が高く）、波形の形状が近いことになる。ここで、各波形は一定時間毎にサンプリングした時系列の計測値（荷重等）から構成されており、各点（本発明の要素）を連続的に示したものである。ＤＴＷ距離の計測のため、各波形の要素間の距離を総当たりで比較した上で、当該点間の距離が最短となるパスを見つける。そして、求めた距離を累積した累積値がＤＴＷ距離となる。
　なお、上記計測データＡとテンプレートＴとの類似度は、上述したＤＴＷ距離に代えて、例えば、ユークリッド距離、フーリエ変換距離、自己回帰係数距離又はＥＤＲ（Edit Distance on Real sequuences）距離を計測して評価することもできる。
　その後、官能評価値λと類似度ＳＡとを紐付けすることにより、例えば、官能評価者が「サクサク」と評価した食感のパターンデータが決定する。このような情報を蓄積して、様々な食感の評価に用いることが可能な食感標準モデルＭが完成する。
　実際、食感標準モデルＭは、説明変数を類似度ＳＡ（５０種類のパターンデータとの比較結果sa1,sa2,…sa50）とし、目的変数を官能評価値λとした以下の評価予測式で与えられる。
　　log｛λ／（１－λ）｝＝β0＋β1sa1＋β2sa2＋…＋β50sa50＋ri　・・・（式１）
　ここで、β0,β1,β2,…,β50は係数、riは個体差を表すパラメータである。
　具体的には、評価者がプログラム等により類似度ＳＡと官能評価値λとを評価予測式(式１)に代入して、係数β0,β1,β2,…,β50（並びにriの標準偏差）を回帰分析で求めて、食感標準モデルＭが完成する。なお、この回帰分析は、各パラメータの値が得られればよく、その手法は特に問わない。一般化線形混合モデル（ＧＬＭＭ）、一般化線形モデル（ＧＬＭ）等のあらゆる線形モデルや、非線形モデル、階層ベイズモデル等が適用可能である。
　また、今回、「サクサク」、「サクッと」、「ザクザク」、「カリカリ」、「カリッと」及び「ガリガリ」の６種類の食感を評価するため、官能評価値λは６個ある。すなわち、評価予測式（式１）も６種類あり、評価者は、それぞれに類似度ＳＡを代入して、食感に応じた食感標準モデルＭを作成する。
　次に、評価者は、評価用食品ＦＥの評価のため、食感評価装置１０を用いて、評価用食品ＦＥの荷重及び振動の計測データＢを取得する。荷重及び振動の計測は、モデル用食品ＦＭの計測時と同じ条件で行う。
　次に、評価者は、計測データＢをテンプレートＴと比較する。具体的には、評価者が評価用食品ＦＥの計測データＢの「荷重」、「振動」を、それぞれ図５Ａ、図５Ｂのパターンデータ（５０種類）のそれぞれと比較し、波形の形状に基づいて類似度を算出する。この操作により類似度ＳＢ（５０種類のパターンデータとの比較結果sb1,sb2,…sb50）が得られる。なお、評価用食品ＦＥの計測データＢとテンプレートＴとの類似度についても、例えば、動的時間伸縮法（ＤＴＷ）を用いることができる。
　最後に、評価者は、評価用食品ＦＥの類似度ＳＢを、予め準備した食感標準モデルＭで対比する。具体的には、評価者が以下の評価予測式を用いて、モデル評価値λ’を求める作業を行う。
　　log｛λ’／（１－λ’）｝＝β0＋β1sb1＋β2sb2＋…＋β50sb50＋ri　・・・（式２）
　今回、評価者は、評価予測式（式２）に評価用食品の類似度ＳＢ（sb1,sb2,…sb50）を代入してモデル評価値λ’を求める（係数β0,β1,β2,…,β50，riは食感標準モデルＭの作成時に求めた値を利用）。モデル評価値λ’の具体例は後述するが、以上の一連の操作により評価用食品ＦＥの食感を評価することができる。
　次に、図６Ａ、図６Ｂを参照して、７種類のチキンナゲットのサンプルを使用して官能評価を行った結果を説明する。
　まず、図６Ａは、サンプル１～７に対して、官能評価者が評価した官能評価の平均スコア（官能評価値）を示している。食感は「サクサク」、「サクッと」、「ザクザク」、「カリカリ」、「カリッと」及び「ガリガリ」の６種類があり、サンプル１～７に対して官能評価者（５人）がそれぞれ３回の官能評価（１０点満点）を行った。例えば、サンプル２は「ザクザク」の数値が最も高いため、官能評価者にとってそのような食感に感じられるサンプルといえる。
　ここで、各食感の一応の定義を説明すると、「サクサク」は、「軽い力で衣が砕ける感触で、咀嚼を続けても持続する」食感である。また、「サクッと」は「最初の咀嚼時に軽い力で衣が砕ける感触」、「ザクザク」は「奥歯で噛みしめると、何度も細かく崩壊していく感触」である。さらに、「カリカリ」は「硬くて張りがあるものを崩す感触で、咀嚼を続けても持続する」、「カリッと」は「前歯で硬いものが軽い力で砕ける感触」、「ガリガリ」は「氷菓をかみ砕く感触」である。
　なお、図中の「Proba」は、一次元配置分散分析（ANOVA）で、各項目間に差がある可能性があるかどうかの検定値であり、「Significant」は、多重比較検定（Tukey-Test）で、最も有意差が生じたサンプルの危険率である。
　次に、図６Ｂは、上記サンプル１～７に対して、官能評価の平均スコアを食感毎にヒストグラムで示した図である。サンプル１については、「サクサク」や「サクッと」の食感の平均スコアが高いが、全体的にスコアが低く、「特徴なし」と判断した。スコアの絶対値が低いことは、その食感が弱いことを意味し、例えば、「サクサク」のスコアが低い場合、検査者がその食感が弱いと判断したことになる。
　また、平均スコアから、サンプル２については「ザクザク」、サンプル３については「カリカリ」、サンプル４については「ガリガリ」の食感が強いと判断した。同様に、サンプル５については「サクッと」、サンプル６については「サクサク」、サンプル７については「カリッと」の食感が強いと判断した。サンプル４においては、「カリッと」と「ガリガリ」の食感が同スコアであったが、サンプル７の「カリッと」の食感は明らかであるため、サンプル４は「ガリガリ」の食感と判断した。
　また、多重比較検定でサンプル間に有意差（Ｐ＜０．０５）が生じたものに対して、異なる符号が付与されている。例えば、「ａ」、「ｂ」、「ｃ」の間にはそれぞれ有意差があり、「ａ」と「ａｂ」間や、「ａｂ」と「ｂ」間は有意差がないことを意味する。
　次に、図７Ａ～図８Ｂを参照して、評価者が同じサンプル１～７を市販のテクスチャーアナライザ（TA.XTplus:Stable Micro Systems社製）により測定したときの結果を説明する。テクスチャーアナライザは、食品の歯ごたえ、歯ざわり、口あたり等に関係する数値化されたデータを計測する装置である。テクスチャーアナライザによるチキンナゲットの計測は、サンプル１～７に対して、それぞれ４回ずつ繰り返した。
　まず、図７Ａに、各サンプルの「エリア」を計測した結果を示す。「エリア」とは、時間（Time[sec]）と応力（Force[g]）の積である面積Ｓを測定したものであり、図７Ａの縦軸はＳ[g・sec]となっている。「エリア」の値は、テクスチャーアナライザでサンプルを押し込んだ際に跳ね返ってくる力の合計値であるため、一般的にサンプルの弾力や硬さの指標となる。なお、ヒストグラム先端の線分は、サンプル内での測定値の標準偏差を示す。
　「エリア」の測定では、「サンプル３（カリカリ）」、「サンプル６（サクサク）」及び「サンプル７（カリッと）」の食感が約1,000[g・sec]と高い数値となったが、他の食感も約800[g・sec]の数値となり、大きな差異は認められなかった。よって、チキンナゲットの食感評価において、それ程参考にならなかった。
　次に、図７Ｂに、各サンプルの「ピーク数」を計測した結果を示す。テクスチャーアナライザでサンプルを押し込み、サンプルが砕けたとき、応力が抜ける（ピーク）現象が起こる。この回数をカウントしたものが、「ピーク数」である。「ピーク数」の測定では、「サンプル６（サクサク）」及び「サンプル７（カリッと）」の食感が高い数値となった。一般的に「ピーク数」の値が高いと「サクサク」の食感が強いといえるので、そのような指標となる。
　次に、図８Ａに、各サンプルの「平均ドロップオフ」を計測した結果を示す。「ドロップオフ」とは、ピーク時にどの程度応力（Force[g]）が抜けたかの値である。また、「平均ドロップオフ」は、１回の測定における全てのドロップオフの平均値である。「平均ドロップオフ」の測定では、「サンプル７（カリッと）」の食感が高い数値となった。一般的に、「平均ドロップオフ」は脆さの指標であり、数値が高いほど砕くときに大きな力が必要といえる。
　次に、図８Ｂに、各サンプルの「ピーク値」を計測した結果を示す。「ピーク値」とは、１回の測定における各ピークの応力の最大値の平均値である。「ピーク値」については、食感毎の大きな差異は認められなかったが、一般的にサンプルの硬さを示す指標である。
　官能評価の結果では、「サンプル４（ガリガリ）」と「サンプル６（サクサク）」との間に明確な差異が認められた（図６Ａ、図６Ｂ参照）。しかしながら、テクスチャーアナライザの評価では、評価者が両サンプルを有意水準５％でｔ検定（片側、対応無し）を行った結果、「エリア」（有意確率ｐ＝０．０５８％）、「ピーク数」（有意確率ｐ＝０．５０１％）、「平均ドロップオフ」（有意確率ｐ＝０．４４４％）、「ピーク値」（有意確率ｐ＝０．２３１％）のいずれも有意差は認められなかった。上述の通り、両サンプルの計測値に明確な差異はなく、食感の違いを十分に評価できない結果となった。
　次に、図９Ａ～図９Ｃを参照して、本発明の実施形態に係る食感評価装置１０により同じサンプル１～７を測定したときの結果を説明する。
　図９Ａ～図９Ｃは、それぞれ食感評価装置１０によりサンプル１～７の「荷重」、「振動」、「振動累積和」を計測した結果を示している。具体的には、評価者が食感評価装置１０の接触部１１に各サンプルを２回押し付けて、荷重の計測データ（荷重波形データ）及び振動の計測データ（振動波形データ）を取得した結果である。
　図９Ａの「荷重」のデータによれば、サンプル５，７以外では、ほとんど類似の波形が得られた。しかし、図９Ｃの「振動累積和」のデータによれば、サンプル２，３，５の波形は類似するものの、サンプル１，４，６，７の波形は、サンプル２，３，５の波形と区別することができ、特徴ある波形となった。「振動累積和」については、サンプル７が最も大きく、サンプル１が最も小さいという結果であった。
　その後、評価者は、この荷重波形データ及び振動波形データ（図４の計測データＡ）をテンプレートＴのそれぞれのパターンデータ（５０種類）と比較し、類似度（図４の類似度ＳＡ）を取得した。具体的には、評価者は、食感評価装置１０によりサンプル１～７それぞれに対して、「荷重」及び「振動累積和」を１０回ずつ計測し、テンプレートＴのそれぞれのパターンデータ（５０種類）と比較して類似度ＳＡを取得し、１０回分の類似度ＳＡの平均値を求めた。
　続いて、評価者は、得られた類似度ＳＡの平均値及び先の官能評価の平均スコア（図６Ａ参照）から、一般化線形混合モデル（ＧＬＭＭ）を使用して６種類の評価予測式（式１）を作成し、パラメータβ0,β1,β2,…,β50，riの値を求めた。
　次に、評価者は、上記サンプル３と同一の工程を経て作製及び調理されたチキンナゲットの他のサンプル３’を使用し、食感評価装置１０によりサンプル３の計測時と同じ条件で荷重及び振動の計測データ（図４の計測データＢ）を取得した。サンプル３’の計測は、１０回繰り返した。
　その後、評価者は、これらの計測データＢをテンプレートＴのそれぞれのパターンデータ（５０種類）と比較し、類似度（図４の類似度ＳＢ）を取得した。
　さらに、評価者は、得られた類似度ＳＢと、先のサンプル１～７による評価予測式（式１）から求めたパラメータβ0,β1,β2,…,β50，riの値とを用いて、サンプル３’についてのモデル評価値λ’を求めた。サンプル３’の計測を１０回繰り返したため、評価者はモデル評価値λ’の平均値を求め、これを食感評価モデルによる評価結果とした。
　次に、表１を参照して、本発明の実施形態に係る食感評価モデルによる評価結果及び官能評価結果の相関について説明する。
　表１は、サンプル３を官能評価した際の評価値（官能評価値λ）及びサンプル３’を本実施形態の食感評価モデルＭを用いて評価したときの評価値（モデル評価値λ’）を示している。
Figure JPOXMLDOC01-appb-T000001
　食感評価モデルＭによる評価値は、官能評価値λと同じ傾向を示し、官能評価値λとモデル評価値λ’との相関係数は、０．９７であった。一般に、相関係数は絶対値が０．４を超えると相関があるとされ、０．７を超えると相関が強いとされる。従って、サンプル３とサンプル３’とは、非常に強い相関関係があるといえる。
　また、サンプル３’と同様に、サンプル４，６に対応するサンプル４’，６’についても、モデル評価値λ’を得た。サンプル４の官能評価値λとモデル評価値λ’との相関係数は、０．８６であった。同様に、サンプル６の官能評価値λとモデル評価値λ’との相関係数は、０．８７であった。従って、サンプル５、サンプル６共にモデル評価値λ’は官能評価値λと整合する良好な結果となった。
　上述した通り、テクスチャーアナライザによる計測ではサンプル４とサンプル６とを明確に区別できなかったが、食感標準モデルＭを用いた評価では両サンプルの評価値に有意差があり、食感の違いを区別可能と評価することができる結果であった。
　このように、本発明に係る食感評価装置１０では、評価用食品ＦＥの「荷重」と「振動」とを計測して、これらの結果を組み合わせることで、精度良く食感を評価することができる。
　なお、上述したチキンナゲットと比較的近い食感の食品（唐揚げ、メンチカツ、春巻き、コロッケ等）についても、今回作成したテンプレートＴで評価することが可能である。また、別のテンプレートを用いれば、チキンナゲットとは全く食感の異なる肉まん、果物等を評価することも可能であり、より広い範囲の様々な評価用食品に対して食感の評価を行うことができる。
　今回、テンプレートＴのパターンデータを５０種類用意したが、評価する食品に依存するため、５０種類に限定されるものではない。従来は、例えば、典型的な「ザクザク」の食感の波形データを作成し、その波形データと評価用食品ＦＥの計測データとを比較して食感を評価した。しかしながら、食感評価装置１０によれば、食感に対応する複数のパターンデータを用意することで、「ザクザク」度合いが得られる。すなわち、「サクッと」に近い「ザクザク」や、「カリカリ」に近い「ザクザク」といった、より詳細な評価を行うことができる。
　また、上記実施形態では、評価者がモデル用食品ＦＭ及び評価用食品ＦＥを食感評価装置１０の接触部１１に２回押し付けてデータを測定するようにしたが、押し付ける回数は１回のみでもよいし、３回以上であってもよい。
　さらに、上記実施形態では、磁気の変化により計測データを取得する食感評価装置１０を用いたが、例えば、振動や音響の変化により計測データを取得する装置を用いてもよく、テクスチャー試験機やレオメータ、クリープメータ等を適用することもできる。
　Ｓ１～Ｓ５，１～７…サンプル、１０…食感評価装置、１１…接触部、１３…永久磁石、１５…中間層部、１７…ベース部、１９…回路基板、２１…磁気抵抗素子、２３…インダクタ素子、２５…コネクタ。

Claims (12)

  1. 　評価用食品に対して食感評価を行う食感評価方法であって、
    　前記食感評価の指標となる複数の仮想データであり、パターンデータからなるテンプレートを作成する工程と、
    　前記食感評価のためのモデル用食品に対して官能評価を行い、官能評価値（λ）として取得する工程と、
    　前記モデル用食品の前記パターンデータに対応する計測データ（Ａ）を取得し、前記計測データ（Ａ）と前記テンプレートの前記パターンデータのそれぞれとを比較して類似度（ＳＡ）を算出する工程と、
    　前記官能評価値（λ）と前記類似度（ＳＡ）とから食感の種類に応じた食感標準モデルを作成する工程と、
    　前記食感標準モデルを用いて前記評価用食品の食感評価を行う工程と、
    を備えていることを特徴とする食感評価方法。
  2. 　前記評価用食品の前記パターンデータに対応する計測データ（Ｂ）を取得し、前記計測データ（Ｂ）と前記テンプレートの前記パターンデータのそれぞれとを比較して類似度（ＳＢ）を算出する工程と、　前記食感標準モデルにより前記類似度（ＳＢ）を評価して、前記評価用食品の食感評価を行う工程と、
    を備えていることを特徴とする請求項１に記載の食感評価方法。
  3. 　前記パターンデータは、所定のパラメータの強度を任意かつ経時変化させて得られることを特徴とする請求項１又は２に記載の食感評価方法。
  4. 　前記類似度を算出する工程は、前記経時変化させて得られるパターンデータと、前記計測データ（Ａ）又は前記計測データ（Ｂ）との対応する要素間の距離の累積値を算出することにより行うことを特徴とする請求項３に記載の食感評価方法。
  5. 　前記計測データ（Ａ）には、前記モデル用食品を押圧したときに得られる荷重変化である荷重変化データが含まれることを特徴とする請求項１～４のいずれか１項に記載の食感評価方法。
  6. 　前記計測データ（Ｂ）には、前記評価用食品を押圧したときに得られる荷重変化である荷重変化データが含まれることを特徴とする請求項５に記載の食感評価方法。
  7. 　前記計測データ（Ａ）には、前記モデル用食品を押圧したときに得られる振動変化である振動変化データが含まれることを特徴とする請求項１～６のいずれか１項に記載の食感評価方法。
  8. 　前記計測データ（Ｂ）には、前記評価用食品を押圧したときに得られる振動変化である振動変化データが含まれることを特徴とする請求項７に記載の食感評価方法。
  9. 　前記食感標準モデルは、説明変数を前記類似度（ＳＡ）とし、目的変数を前記官能評価値（λ）とした回帰分析により得られる評価予測式であることを特徴とする請求項１～８のいずれか１項に記載の食感評価方法。
  10. 　前記回帰分析は、あらゆる線形モデルが適用可能であることを特徴とする請求項９に記載の食感評価方法。
  11. 　前記回帰分析に、一般化線形混合モデル（ＧＬＭＭ）を用いることを特徴とする請求項１０に記載の食感評価方法。
  12. 　評価用食品の食感評価を行うための食感標準モデルであって、
    前記食感評価の指標となる複数のパターンデータからなるテンプレートと、
    　前記食感評価のためのモデル用食品に対して行われた官能評価による官能評価値（λ）と、
    　前記モデル用食品の前記パターンデータに対応する計測データ（Ａ）と前記テンプレートの前記パターンデータのそれぞれとを比較して得られた類似度（ＳＡ）と、
    　前記官能評価値（λ）と前記類似度（ＳＡ）とから得られる食感の種類に応じた評価予測手段と、

    を備えることを特徴とする食感標準モデル。
PCT/JP2020/030422 2019-08-21 2020-08-07 食感評価方法、食感標準モデル WO2021033583A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2021540730A JPWO2021033583A1 (ja) 2019-08-21 2020-08-07

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019151109 2019-08-21
JP2019-151109 2019-08-21

Publications (1)

Publication Number Publication Date
WO2021033583A1 true WO2021033583A1 (ja) 2021-02-25

Family

ID=74661025

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/030422 WO2021033583A1 (ja) 2019-08-21 2020-08-07 食感評価方法、食感標準モデル

Country Status (3)

Country Link
JP (1) JPWO2021033583A1 (ja)
TW (1) TW202122795A (ja)
WO (1) WO2021033583A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113945691A (zh) * 2021-09-30 2022-01-18 浙江大学 一种基于触觉启发的用于食品口感评价的摩擦振动测量装置及方法
WO2024157883A1 (ja) * 2023-01-23 2024-08-02 株式会社島津製作所 味わいの評価を提供する方法、情報処理装置、味わい情報提供システム、およびプログラム
WO2024204669A1 (ja) * 2023-03-31 2024-10-03 株式会社明治 咀嚼対象物評価方法、咀嚼対象物、咀嚼対象物の製造方法、咀嚼対象物評価システム、プログラム及び記録媒体

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09288056A (ja) * 1996-04-23 1997-11-04 Nireco Corp 米の食味値測定方法および装置
JP2012032193A (ja) * 2010-07-29 2012-02-16 T Hasegawa Co Ltd 食品の硬さ、食感、及びテクスチャーのパターン認識による相対的評価方法
KR20120042489A (ko) * 2010-10-25 2012-05-03 이화여자대학교 산학협력단 식품의 주요 관능적 특성 평가를 위한 표준척도 및 이를 이용한 관능적 특성 평가방법
JP2020134526A (ja) * 2019-02-12 2020-08-31 国立大学法人大阪大学 食感評価システム及び食感評価方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09288056A (ja) * 1996-04-23 1997-11-04 Nireco Corp 米の食味値測定方法および装置
JP2012032193A (ja) * 2010-07-29 2012-02-16 T Hasegawa Co Ltd 食品の硬さ、食感、及びテクスチャーのパターン認識による相対的評価方法
KR20120042489A (ko) * 2010-10-25 2012-05-03 이화여자대학교 산학협력단 식품의 주요 관능적 특성 평가를 위한 표준척도 및 이를 이용한 관능적 특성 평가방법
JP2020134526A (ja) * 2019-02-12 2020-08-31 国立大学法人大阪大学 食感評価システム及び食感評価方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
NAKAMOTO HIROYUKI ET AL.: "Food Texture evaluation using logistic regression model and magnetic food texture sensor", JOURNAL OF FOOD ENGINEERING, vol. 222, 11 November 2017 (2017-11-11), pages 20 - 28, XP085313243, DOI: 10.1016/j.jfoodeng.2017.11.008 *
SOUDA NINOMAE, NAKAMOTO HIROYUKI, KOBAYASHI FUTOSHI, NAGAHATA YUYA, HIROSUE YORIYASU: "Food Texture Quantification of Tempura Using Magnetic Food Texture Sensor and Time-series Data", SENSORS AND MATERIALS, vol. 31, no. 7, 30 July 2019 (2019-07-30), pages 2357 - 2365, XP055803238 *
SOUDA NINOMAE, NAKAMOTO HIROYUKI, KOBAYASHI FUTOSHI: "Food Texture Quantification Using a Magnetic Food Texure Sensor and Dynamic Time Warping", FOOD SCIENCE AND TECHNOLOGY RESEARCH, vol. 24, no. 2, 19 May 2018 (2018-05-19), pages 257 - 263, XP055803240 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113945691A (zh) * 2021-09-30 2022-01-18 浙江大学 一种基于触觉启发的用于食品口感评价的摩擦振动测量装置及方法
CN113945691B (zh) * 2021-09-30 2022-11-29 浙江大学 一种基于触觉启发的用于食品口感评价的摩擦振动测量装置及方法
WO2024157883A1 (ja) * 2023-01-23 2024-08-02 株式会社島津製作所 味わいの評価を提供する方法、情報処理装置、味わい情報提供システム、およびプログラム
WO2024204669A1 (ja) * 2023-03-31 2024-10-03 株式会社明治 咀嚼対象物評価方法、咀嚼対象物、咀嚼対象物の製造方法、咀嚼対象物評価システム、プログラム及び記録媒体

Also Published As

Publication number Publication date
JPWO2021033583A1 (ja) 2021-02-25
TW202122795A (zh) 2021-06-16

Similar Documents

Publication Publication Date Title
WO2021033583A1 (ja) 食感評価方法、食感標準モデル
Chen et al. Texture measurement approaches in fresh and processed foods—A review
JP5854516B2 (ja) 食感指標の測定方法及び測定装置
Meullenet et al. Sensory descriptive texture analyses of cooked rice and its correlation to instrumental parameters using an extrusion cell
Meullenet et al. Instrumental single and double compression tests to predict sensory texture characteristics of foods
JP4280836B2 (ja) 食品の食感測定装置
JP6430638B2 (ja) 粘弾性計算システムおよび粘弾性測定方法
Teh et al. Eleven-year correlation of physical fruit texture traits between computerized penetrometers and sensory assessment in an apple breeding program
Meullenet et al. Development of the BITE Master II and its application to the study of cheese hardness
JP2012130580A (ja) 皮膚触感評価方法及び皮膚触感評価システム
Kohyama et al. Effects of sample thickness on bite force for raw carrots and fish gels
KOHYAMA et al. Measuring texture of crackers with a multiple‐point sheet sensor
JP2007024606A (ja) 粘弾性特性の測定方法及び装置
JP5612627B2 (ja) 身体能力判定装置及びデータ処理方法
CN107515144A (zh) 一种测定胶基型嚼烟质构特性的方法
JP2021139899A (ja) 食感評価方法、嗜好性評価方法、経時変化推定方法
Park et al. Development of teeth probe for analysis of correlation between mechanical and sensory properties of apples
JP5311680B2 (ja) 食品の硬さ、食感、及びテクスチャーの評価方法
Souda et al. Food texture quantification using a magnetic food texture sensor and dynamic time warping
Hirose et al. Soft Robotic Mastication System Inducing Misperception of Food Texture During Human Oral Processing
Ioannides et al. Electromyography of the masticatory muscles can detect variation in the mechanical and sensory properties of apples
Finney et al. Measurement of biting velocities at predetermined and individual crosshead speed instrumental imitative tests for predicting sensory hardness of gelatin gels
Suzuki et al. Chewiness Evaluation System for 3D-Printed Noodles Using the Implantable Gel Biter
JP2023031533A (ja) 食感推定方法
JP3138898U (ja) 粘弾性特性の測定装置

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: 20854451

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021540730

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20854451

Country of ref document: EP

Kind code of ref document: A1