WO2024084964A1

WO2024084964A1 - 制御方法、情報提供方法、制御システム、情報提供システム、およびプログラム

Info

Publication number: WO2024084964A1
Application number: PCT/JP2023/036101
Authority: WO
Inventors: 覚山路; 清孝辻; 堅司近藤; 泰章奥村
Original assignee: パナソニックＩｐマネジメント株式会社
Priority date: 2022-10-21
Filing date: 2023-10-03
Publication date: 2024-04-25

Abstract

目標官能情報を取得し（ステップＳ１１０）、取得された目標官能情報に基づいて、調理器による調理に用いられる初期調理パラメータ情報を取得し（ステップＳ１２０）、調理器による調理が行われているときの、被調理物の調理中官能情報を取得し（ステップＳ１５０）、目標官能情報および調理中官能情報に基づいて、初期調理パラメータ情報を、１以上の修正調理パラメータを含む修正調理パラメータ情報に変更し（ステップＳ１８０）、修正調理パラメータ情報を含む制御情報を出力する（ステップＳ１９０）、制御方法。

Description

制御方法、情報提供方法、制御システム、情報提供システム、およびプログラム

　本開示は、調理に関する制御方法、または調理に関する情報提供方法などに関する。

　従来、調理の利便性を高める調理方法が、調理に関する制御方法として提案されている（例えば、特許文献１参照）。この調理方法では、調理食材の増減を示す増減情報を調理機器から取得し、その増減情報を熱量に換算し、その熱量に応じて調理機器の加熱時間を調整する。例えば、その増減情報は、カメラによる撮像によって得られる。これにより、調理食材の増減に伴ってユーザが加熱時間を調整する手間を省くことができる。

　また、調理を支援するための調理支援システムが提案されている（例えば、特許文献２参照）。この調理支援システムは、スマートグラスとして構成されている。スマートグラスは、調理者による食材のカットによって生成された食材片のサイズを特定し、その食材片のサイズから、その食材片に最適な加熱調理時間を推定して表示する。つまり、スマートグラスを用いた調理に関する制御方法では、食材片のサイズの特定、および加熱調理時間の推定などが行われる。これにより、調理者がレシピと異なる大きさに食材をカットした場合であっても、調理者は、そのカットによって得られる食材片のサイズに適した加熱調理時間で簡単に調理を行うことができる。

特開２０２０－１５９５８１号公報特許第６６９２９６０号公報

　しかしながら、上記各特許文献の制御方法では、調理によって得られる料理の例えば香ばしさの度合いなどの官能度合に関しては適切な制御ができていないという課題がある。

　本開示は、料理の官能度合を適切に制御することができる制御方法などを提供する。

　本開示の一態様に係る制御方法は、被調理物を調理する調理器を制御するためにコンピュータが実行する制御方法であって、前記被調理物の調理によって得られる料理の官能に関する１つ以上の数値に対する目標を示す目標官能情報を取得し、取得された前記目標官能情報に基づいて、前記調理器による調理に用いられる１以上の調理パラメータを含む調理パラメータ情報を取得し、前記調理器による調理が行われているときの、前記被調理物の前記官能に関する１つ以上の数値を示す調理中官能情報を取得し、前記目標官能情報および前記調理中官能情報に基づいて、前記調理パラメータ情報を、１以上の修正調理パラメータを含む修正調理パラメータ情報に変更し、前記修正調理パラメータ情報を含む制御信号を出力する。

　なお、この包括的または具体的な態様は、装置、システム、集積回路、または、コンピュータ読み取り可能な記録媒体で実現されてもよく、装置、システム、方法、集積回路、コンピュータプログラムおよびコンピュータ読み取り可能な記録媒体の任意な組み合わせで実現されてもよい。コンピュータ読み取り可能な記録媒体は、例えばＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ　Ｄｉｓｃ－Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）等の不揮発性の記録媒体を含む。コンピュータ読み取り可能な記録媒体は、非一時的な記録媒体であってもよい。

　本開示によれば、料理の官能度合を適切に制御することができる。

　なお、本開示の一態様における更なる利点および効果は、明細書および図面から明らかにされる。かかる利点および／または効果は、いくつかの実施の形態並びに明細書および図面に記載された構成によって提供されるが、必ずしも全ての構成が必要とはされない。

図１は、実施の形態における情報処理システムの構成の一例を示す図である。図２は、実施の形態における操作端末および調理器の機能構成の一例を示すブロック図である。図３は、実施の形態におけるサーバの機能構成の一例を示すブロック図である。図４は、実施の形態における第３記憶部に格納されている複数種の官能情報の詳細を示す図である。図５は、実施の形態におけるサーバ制御部の詳細な機能構成の一例を示すブロック図である。図６は、実施の形態における料理リスト情報、レシピ情報、基本調理パラメータ情報、および基本官能情報の一例を示す図である。図７は、実施の形態における調理状態情報に含まれる画像データ、化学分析データ、および重量データの一例を示す図である。図８は、実施の形態における操作端末の画面表示の一例を示す図である。図９は、実施の形態における操作端末の画面表示の他の例を示す図である。図１０は、実施の形態における情報処理システムの処理動作の一例を示すシーケンス図である。図１１は、実施の形態におけるサーバの処理動作の一例を示すフローチャートである。図１２は、実施の形態におけるサーバの処理動作の一部を詳細に示すフローチャートである。図１３は、実施の形態における第１学習モデルの構築例を示すフローチャートである。図１４は、実施の形態における第２学習モデルの構築例を示すフローチャートである。図１５は、実施の形態における第３学習モデルの構築例を示すフローチャートである。図１６は、実施の形態における第４学習モデルの構築例を示すフローチャートである。図１７は、第１学習モデルの例を示す。図１８は、第２学習モデルの例を示す。図１９は、第３学習モデルの例を示す。図２０は、第４学習モデルの例を示す。

　（本開示に至った知見）
　調理者は、調理を行うときには、その調理によって得られる料理の香ばしさの度合いなどの官能度合に配慮する。料理は、例えばブイヨン、豚の角煮などである。官能度合は、人の鼻、舌などの器官が受ける刺激の度合いであって、例えば、香ばしさ、甘い香り、酸味、苦味、塩味などの度合いであってもよい。これらの官能度合によって、味、おいしさが表現される。

　調理を行う場合、その料理のレシピにしたがって１以上の食材などからなる被調理物を準備し、その被調理物を調理すれば、そのレシピに応じた官能度合を有する料理を作ることができる。

　しかし、調理者は、レシピに記述されている官能度合とは異なる官能度合を希望する場合がある。また、調理者は、レシピに記述されている官能度合を希望したとしても、レシピどおりの正確な分量の食材を準備できない、レシピどおりの分量比率で各食材を準備できない、あるいは、レシピどおりの分量比率で各食材を準備したとしても、調理過程で官能度合が変動する場合がある。このような場合、被調理物を調理する調理器に対して、調理器の温度、圧力、時間などを、調理者の希望に沿って適切に設定することは困難である。

　そこで、本開示の第１態様に係る制御方法は、被調理物を調理する調理器を制御するためにコンピュータが実行する制御方法であって、前記被調理物の調理によって得られる料理の官能に関する１つ以上の数値に対する目標を示す目標官能情報を取得し、取得された前記目標官能情報に基づいて、前記調理器による調理に用いられる１以上の調理パラメータを含む調理パラメータ情報を取得し、前記調理器による調理が行われているときの、前記被調理物の前記官能に関する１つ以上の数値を示す調理中官能情報を取得し、前記目標官能情報および前記調理中官能情報に基づいて、前記調理パラメータ情報を、１以上の修正調理パラメータを含む修正調理パラメータ情報に変更し、前記修正調理パラメータ情報を含む制御信号を出力する。なお、官能に関する１以上の数値のそれぞれは、官能度合あるいは官能評価値とも呼ばれ、例えば、香ばしさ、甘い香り、酸味、苦味、塩味などの度合いであってもよい。

　これにより、例えば調理者が希望する目標官能情報が取得され、それに基づいて調理パラメータ情報が例えば初期調理パラメータ情報として取得される。そして、例えば、その調理パラメータ情報の調理器への送信によって、その調理パラメータ情報にしたがった調理が調理器によって開始される。その後、調理器に用いられている調理パラメータ情報は、調理が行われているときの被調理物の官能に関する１つ以上の数値（すなわち官能度合）によって変更される。そのため、修正調理パラメータ情報にしたがった調理によって、最終的に作られる料理の官能度合を、目標官能情報によって示される官能度合に近づけることができる。言い換えれば、最終的に作られる料理の官能度合などを、調理者が希望する官能度合に近づけることができる。すなわち、調理者が希望する官能度合が、基本とされるレシピに記述されている官能度合と異なっていても、あるいは、被調理物の分量がそのレシピどおりでなくても、最終的な料理の官能度合を、調理者が希望する官能度合に近づけることができる。その結果、調理者がわざわざ調理パラメータを調整することなく、料理の官能度合を適切に制御することができる。

　また、第１態様に従属する第２態様に係る制御方法において、前記調理中官能情報の取得では、前記調理器による調理開始から第１時間経過時点における前記調理中官能情報を、第１官能情報として取得し、前記調理器による調理開始から前記第１時間経過後の第２時間経過時点における前記調理中官能情報を、第２官能情報として取得し、前記調理パラメータ情報の変更では、前記第１官能情報と前記第２官能情報との差分と、前記目標官能情報とに基づいて、前記調理パラメータ情報を前記修正調理パラメータ情報に変更してもよい。

　これにより、調理中官能情報の変化量と、目標官能情報とに基づいて、調理パラメータ情報が修正調理パラメータ情報に変更される。したがって、調理パラメータ情報にしたがった調理による官能度合の変化傾向を考慮することによって、最終的な料理の官能度合を、調理者が希望する官能度合に効果的に近づけることができる。なお、第１時間は、０時間であってもよい。この場合、第１官能情報は、調理の開始時点における被調理物の官能に関する１つ以上の数値を示す。

　また、第１態様または第２態様に従属する第３態様に係る制御方法では、さらに、前記調理器による前記修正調理パラメータ情報にしたがった調理によって得られる前記料理の前記官能に関する１つ以上の数値を示す第３官能情報を取得してもよい。

　これにより、最終的に作られる料理の官能度合を示す情報が、第３官能情報として推定される。したがって、例えば、その第３官能情報を調理者に提示することによって、調理者は、調理者が希望する官能度合を有する料理が作られるか否か、または、最終的に作られる料理の官能度合が希望にどれだけ近いかを確認することができる。

　また、第１態様から第３態様の何れか１つに従属する第４態様に係る制御方法において、前記調理パラメータ情報の変更では、前記目標官能情報および前記調理中官能情報に基づいて、前記修正調理パラメータ情報の複数の候補を取得し、前記複数の候補から、前記調理パラメータ情報との差分が閾値以下である候補、または、前記調理パラメータ情報に最も近い候補を、前記修正調理パラメータ情報として選択してもよい。

　これにより、例えば目標官能情報および調理中官能情報の学習モデルへの入力によって、新たな複数の調理パラメータ情報がそれぞれ候補として出力される場合であっても、元の調理パラメータ情報（すなわち初期調理パラメータ情報）と大きく異ならない候補が修正調理パラメータ情報として採用される。したがって、調理パラメータ情報の変更に伴う調理器の処理負担を軽減することができる。

　また、第３態様に従属する第５態様に係る制御方法において、前記第３官能情報の取得では、少なくとも前記修正調理パラメータ情報を学習モデルに入力することによって、前記第３官能情報を取得し、前記学習モデルは、少なくとも、前記調理器による調理中に変更された１以上の調理パラメータの入力に対して、前記１以上の調理パラメータにしたがった前記調理器による調理によって得られる前記料理の前記官能に関する１つ以上の数値が出力されるように機械学習されていてもよい。

　これにより、第３官能情報の取得に学習モデルが用いられるため、確度の高い第３官能情報を取得することができる。

　また、第１態様から第５態様の何れか１つに従属する第６態様に係る制御方法において、前記調理中官能情報の取得では、前記調理器による調理が行われているときの、前記被調理物の画像、前記被調理物の重量、および前記被調理物に含まれる化学成分の分量の少なくとも１つを学習モデルに入力することによって、前記調理中官能情報を取得してもよい。

　これにより、調理中官能情報の取得に学習モデルが用いられるため、確度の高い調理中官能情報を取得することができる。

　また、第６態様に従属する第７態様に係る制御方法では、前記学習モデルは、前記調理器で調理されている１以上の食材の画像、前記１以上の食材の重量、および前記１以上の食材に含まれる化学成分の分量の少なくとも１つの入力に対して、前記１以上の食材の前記官能に関する１つ以上の数値が出力されるように機械学習されていてもよい。

　これにより、被調理物の画像、被調理物の重量、および被調理物に含まれる化学成分の分量の少なくとも１つが、機械学習済みの学習モデルに入力されると、その学習モデルから、確度の高い調理中官能情報を取得することができる。

　また、第１態様から第７態様の何れか１つに従属する第８態様に係る制御方法では、前記１以上の調理パラメータは、前記調理器による調理に用いられる温度を示すパラメータと、前記調理器による調理に用いられる時間を示すパラメータとを含んでもよい。

　これにより、例えば焼き調理によって得られる料理の官能を適切に制御することができる。

　また、第８態様に従属する第９態様に係る制御方法では、前記１以上の調理パラメータは、さらに、前記調理器による調理に用いられる圧力を示すパラメータを含んでもよい。

　これにより、例えば圧力をかけた蒸し料理または茹で料理などによって得られる料理の官能を適切に制御することができる。

　また、本開示の一態様に係る情報提供方法は、調理器による被調理物の調理に関する情報をコンピュータが提供する情報提供方法であって、ユーザによる操作に応じて、前記被調理物の調理によって得られる料理の官能に関する１つ以上の数値に対する目標を示す目標官能情報を受け付け、前記目標官能情報と、前記調理器による前記被調理物に対する調理が行われているときの、前記被調理物の前記官能に関する１つ以上の数値を示す調理中官能情報とに基づいて導出される、前記料理の前記官能に関する最終官能情報を出力する。

　これにより、例えばコンピュータのユーザである調理者が希望する料理を示す料理情報と、その調理者が希望する目標官能情報とが受け付けられると、それらの情報に応じて最終的に作られる料理の官能（すなわち官能度合）を、調理者に提示することができる。提示される料理の官能は、数値として提示されてもよく、レーダーチャートとして提示されてもよく、星の数として提示されてもよい。したがって、調理者は、調理によって得られる料理の官能を適切に把握することができる。つまり、調理者は、調理者が希望する官能度合を有する料理が作られるか否か、または、最終的に作られる料理の官能度合が希望にどれだけ近いかを確認することができる。

　なお、上記制御方法および情報提供方法に含まれる処理動作はコンピュータによって実行される。

　以下、本開示の実施の形態について、図面を参照しながら説明する。以下に説明する実施の形態は、いずれも本開示の一具体例を示すものである。したがって、以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置および接続形態などは、一例であって本開示を限定する主旨ではない。よって、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。

　なお、各図は、模式図であり、必ずしも厳密に図示されたものではない。また、各図において、実質的に同一の構成に対しては同一の符号を付しており、重複する説明は省略または簡略化する。上記の制御方法および情報提供方法の作用効果はシステムおよびプログラムにおいても同様に実現される。

　（実施の形態１）
　［情報処理システムの全体構成］
　図１は、本実施の形態における情報処理システム１０００の構成の一例を示す図である。

　情報処理システム１０００は、例えばインターネットなどの通信ネットワークを介して互いに接続されたサーバ１００と、操作端末２００と、調理器３００とを備える。

　調理器３００は、１以上の食材などからなる被調理物の調理によって料理を作る機器であって、圧力、温度、および時間をそれぞれ調理パラメータとして調整することによって、その調理を行う。本実施の形態では、一例として、調理器３００は、圧力鍋として構成されている。

　なお、調理器３００によって調整可能な調理パラメータの数は、３つに限らず、１つまたは２つであってもよく、４つ以上であってもよい。また、調理器３００は、被調理物を煮たり、蒸したりする機器であってもよく、ＩＨ（Induction Heating）調理器であってもよく、温度調整可能な容器であってもよい。温度調整な容器は、温度および時間を制御することによって、醤油、味噌などの発酵および熟成を調理として行う。

　また、調理器３００は、臨界点（温度が３７４℃であって、かつ圧力が２２ＭＰａである点）の少し前の領域にある液体または気体を用いた調理器であってもよい。このような液体（例えば、水）または気体は、例えば、０．２ＭＰａを超える圧力と１２０℃を超える温度とを有する。この調理器のタイプには、圧力鍋型、過熱水蒸気型、フライパン型などがある。圧力鍋型の調理器は、密閉系で温度および圧力を独立して制御することができ、当該液体を利用して茹で調理、煮込み調理などを行う。過熱水蒸気型の調理器は、密閉系または解放系で温度および圧力の少なくとも温度を制御可能なユニットから当該気体（例えば、水蒸気）を被調理物に噴射し、蒸し調理、焼き調理などを行う。フライパン型の調理器は、ＩＨ調理器と、そのＩＨ調理器上に載置されたフライパンとを含み、温度および時間を制御することによって焼き調理を行う。このような液体または気体を用いた調理では、加水分解反応を促進することができる。

　操作端末２００は、例えばスマートフォンまたはタブレット端末として構成されている。このような操作端末２００は、調理器３００による調理を行うために調理者によって操作される。調理者は調理器３００を利用するユーザであってもよい。

　サーバ１００は、調理者による操作端末２００への入力操作に応じて、調理器３００を制御する。つまり、サーバ１００は、被調理物を調理する調理器３００を制御する制御方法を実行するコンピュータである。言い換えれば、サーバ１００は、被調理物を調理する調理器３００を制御する制御システムである。

　［サーバ、操作端末、調理器の構成］
　図２は、操作端末２００および調理器３００の機能構成の一例を示すブロック図である。

　操作端末２００は、調理器３００による被調理物の調理に関する情報を提供する情報提供方法を実行するコンピュータであって、入力部２０１、表示部２０２、端末制御部２０３、端末記憶部２０４、および端末通信部２０５を備える。このような操作端末２００は、調理器３００による被調理物の調理に関する情報を提供する情報提供システムであるとも言える。

　表示部２０２は、画像を表示するデバイスであって、例えば液晶ディスプレイ、有機ＥＬ（Electro-Luminescence）ディスプレイなどである。なお、表示部２０２は、これらに限定されるものではなく、画像を表示し得るデバイスであればどのようなデバイスであってもよい。また、本実施の形態における表示部２０２は、調理に関する情報を出力する出力部であるとも言える。なお、本実施の形態では、表示部２０２が、調理に関する情報を出力する出力部の一例として操作端末２００に備えられているが、その情報を音声によって出力する音声出力部（例えばスピーカなど）が出力部として備えられていてもよい。また、表示部２０２および音声出力部の双方が出力部として備えられていてもよい。

　入力部２０１は、例えば表示部２０２に配設され、その表示部２０２に表示されるアイコンなどの画像に調理者が触れることによって、その画像に対応する入力操作を受け付けるタッチセンサとして構成されている。また、入力部２０１は、ボタンを備え、調理者がそのボタンを押下することによって、そのボタンに対応する入力操作を受け付けてもよい。

　端末通信部２０５は、無線または有線を介して調理器３００と通信する。無線通信は、Ｗｉ－Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＺｉｇＢｅｅ（登録商標）、または特定小電力無線で行われてもよい。さらに、端末通信部２０５は、上述の通信ネットワークを介してサーバ１００と通信する。なお、端末通信部２０５は、サーバ１００と直接通信してもよく、調理器３００を介してサーバ１００と通信してもよい。

　端末記憶部２０４は、各種情報、データ、プログラムなどを格納するための記録媒体である。このような端末記憶部２０４は、ハードディスクドライブ、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、または半導体メモリなどである。なお、端末記憶部２０４は、揮発性であっても不揮発性であってもよい。

　端末制御部２０３は、例えば端末記憶部２０４に格納されているプログラムを読み出して実行することによって、入力部２０１、表示部２０２、および端末通信部２０５などを制御する。

　調理器３００は、調理制御部３０３、調理記憶部３０４、調理通信部３０５、調理状態取得部３１０、および調理部３２０を備える。

　調理部３２０は、温度、圧力、および時間などの３つの調理パラメータを含む調理パラメータ情報にしたがって、１以上の食材などからなる被調理物に対して物理的な作用を与えることによって、その被調理物の調理を行う。このような調理部３２０は、圧力調整部３２１と、温度調整部３２２と、時間調整部３２３とを備える。

　圧力調整部３２１は、圧力を示す調理パラメータにしたがって、被調理物に対して与えられる圧力を調整する。温度調整部３２２は、温度を示す調理パラメータにしたがって、被調理物に対して与えられる温度を調整する。時間調整部３２３は、時間を示す調理パラメータにしたがって、圧力調整部３２１および温度調整部３２２によって調整される圧力または温度の持続時間を調整する。

　調理状態取得部３１０は、被調理物の状態を示す調理状態情報を取得する。このような調理状態取得部３１０は、重量測定部３１１と、撮像部３１２と、化学分析部３１３とを備える。重量測定部３１１は、調理器３００に配置されている被調理物の重量を測定する。そして、重量測定部３１１は、その測定された重量を示す重量データを出力する。撮像部３１２は、例えばカメラであって、調理器３００に配置されている被調理物を撮像する。そして、撮像部３１２は、その被調理物の撮像によって得られる画像データを出力する。撮像部３１２は、例えば、耐水性を有し、暗所性能の高い画像センサである。化学分析部３１３は、例えば液体クロマトグラフ法、ガスクロマトグラフ法などによって、調理器３００に配置されている被調理物の化学成分を分析する。そして、化学分析部３１３は、その化学成分の分析によって得られる化学分析データを出力する。なお、化学分析部３１３は、上記各クロマトグラフ法に限らず、エーテル抽出法など、他の方法を用いて被調理物の化学成分を分析してもよい。また、化学分析部３１３は、例えば、においセンサによって検出された情報に基づいて、調理器３００に配置されている被調理物の化学成分を分析してもよい。当該においセンサは、複数のにおい検出素子を含む。具体的には、当該においセンサは、第１におい検出素子～第ｎにおい検出素子を含む（ｎは２以上の整数）。第１におい検出素子～第ｎにおい検出素子の出力信号を機械学習・解析にかけることにより、被調理物に含まれる１または複数の化学成分、及び、当該１または複数の化学成分のそれぞれの分量、を決定してもよい。

　調理状態情報は、上述の重量データ、画像データおよび化学分析データを含む。

　調理通信部３０５は、無線または有線を介して操作端末２００と通信する。無線通信は、上述のとおり、Ｗｉ－Ｆｉ、Ｂｌｕｅｔｏｏｔｈなどで行われてもよい。さらに、調理通信部３０５は、上述の通信ネットワークを介してサーバ１００と通信する。なお、調理通信部３０５は、サーバ１００と直接通信してもよく、操作端末２００を介してサーバ１００と通信してもよい。

　調理記憶部３０４は、各種情報、データ、プログラムなどを格納するための記録媒体である。このような調理記憶部３０４は、端末記憶部２０４と同様、ハードディスクドライブ、ＲＡＭ、ＲＯＭなどである。なお、調理記憶部３０４は、揮発性であっても不揮発性であってもよい。

　調理制御部３０３は、例えば調理記憶部３０４に格納されているプログラムを読み出して実行することによって、調理通信部３０５、調理状態取得部３１０、および調理部３２０などを制御する。

　なお、本実施の形態における調理器３００は、３つの調理パラメータにしたがって調理を行うが、１つまたは２つの調理パラメータにしたがって調理を行ってもよく、４つ以上の調理パラメータにしたがって調理を行ってもよい。

　図３は、サーバ１００の機能構成の一例を示すブロック図である。

　サーバ１００は、被調理物を調理する調理器３００を制御するコンピュータであって、サーバ制御部１０３、サーバ記憶部１０４、サーバ通信部１０５、第１記憶部１１０、第２記憶部１２０、第３記憶部１３０、第４記憶部１４０、およびモデル格納部１５０を備える。サーバ記憶部１０４、第１記憶部１１０、第２記憶部１２０、第３記憶部１３０、第４記憶部１４０、およびモデル格納部１５０は、それぞれ記録媒体であって、端末記憶部２０４および調理記憶部３０４と同様、ハードディスクドライブ、ＲＡＭ、ＲＯＭなどである。また、これらの記録媒体は、揮発性であっても不揮発性であってもよい。このようなサーバ１００は、制御システムとも呼ばれる。

　第１記憶部１１０は、料理リスト情報１１１、レシピ情報１１２、基本調理パラメータ情報１１３、および基本官能情報１１４を格納している。料理リスト情報１１１は、複数の料理のそれぞれの名称（以下、料理名と呼ばれる）を示す。レシピ情報１１２は、料理リスト情報１１１によって示される料理名ごとに、その料理名の料理に用いられる１以上の材料（食材とも呼ばれる）と、１以上の材料のそれぞれの分量とを示す。基本調理パラメータ情報１１３は、料理リスト情報１１１によって示される料理名ごとに、その料理名の料理を作るために調理器３００の調理部３２０に用いられる１以上の基本的な調理パラメータを示す。基本官能情報１１４は、料理リスト情報１１１によって示される料理名ごとに、その料理名に対応するレシピ情報１１２および基本調理パラメータ情報１１３にしたがって作られる料理が有する官能に関する１つ以上の数値を示す。

　第２記憶部１２０は、調理器３００の調理状態取得部３１０によって得られる調理状態情報１２１を格納するための記録媒体である。調理状態情報１２１は、実質的に同一のタイミングで得られた画像データ、化学分析データおよび重量データを含む。

　第３記憶部１３０は、料理または被調理物が有する官能に関する１つ以上の数値を示す官能情報１３１を格納するための記録媒体である。例えば、官能情報１３１は、第１官能度合、第２官能度合、・・・を官能に関する１以上の数値として示す。第１官能度合は、香ばしさの度合いであってもよく、第２官能度合は、甘い香りの度合いであってもよい。

　第４記憶部１４０は、初期調理パラメータ情報１４１と、修正調理パラメータ情報１４２とを格納するための記録媒体である。初期調理パラメータ情報１４１および修正調理パラメータ情報１４２のそれぞれは、調理器３００による調理に用いられる１以上の調理パラメータを示す調理パラメータ情報である。初期調理パラメータ情報１４１は、調理器３００による調理が開始されるときに用いられる１以上の調理パラメータを示す。修正調理パラメータ情報１４２は、初期調理パラメータ情報１４１から修正または変更された情報である。つまり、修正調理パラメータ情報１４２は、初期調理パラメータ情報１４１に含まれる１以上の調理パラメータを修正または変更することによって得られる１以上の修正調理パラメータを含む。

　モデル格納部１５０は、料理リスト情報１１１によって示される料理名ごとに、その料理名に対応する学習モデルセット１５０ａを格納している。学習モデルセット１５０ａは、第１学習モデル１５１と、第２学習モデル１５２と、第３学習モデル１５３と、第４学習モデル１５４とを含む。これらの学習モデルは、例えばニューラルネットワークなどの機械学習済みのモデルである。

　第１学習モデル１５１は、上述の初期調理パラメータ情報１４１を導出するためモデルである。第２学習モデル１５２は、調理器３００による調理が行われているときの被調理物の官能情報１３１を調理中官能情報として導出するためのモデルである。第３学習モデル１５３は、上述の修正調理パラメータ情報１４２を導出するためのモデルである。第４学習モデル１５４は、調理器３００による初期調理パラメータ情報１４１および修正調理パラメータ情報１４２にしたがった調理によって得られる料理の最終的な官能情報１３１を第３官能情報として導出するためのモデルである。

　サーバ通信部１０５は、上述の通信ネットワークを介して操作端末２００および調理器３００と通信する。サーバ記憶部１０４は、各種情報、データ、プログラムなどを格納するための記録媒体である。

　サーバ制御部１０３は、例えばサーバ記憶部１０４に格納されているプログラムを読み出して実行することによって、サーバ通信部１０５などを制御する。例えば、サーバ制御部１０３は、調理器３００からサーバ通信部１０５を介して調理状態情報１２１を取得し、その調理状態情報１２１を第２記憶部１２０に格納する。また、サーバ制御部１０３は、学習モデルセット１５０ａを用いて導出される官能情報１３１、初期調理パラメータ情報１４１、修正調理パラメータ情報１４２を取得する。そして、サーバ制御部１０３は、その取得された官能情報１３１を第３記憶部１３０に格納し、取得された初期調理パラメータ情報１４１および修正調理パラメータ情報１４２を第４記憶部１４０に格納する。

　図４は、第３記憶部１３０に格納されている複数種の官能情報１３１の詳細を示す図である。

　第３記憶部１３０には、図４に示すように、複数種の官能情報１３１が格納される。複数種の官能情報１３１は、後述の目標官能情報１３１ａ、第１官能情報１３１ｂ、第２官能情報１３１ｃ、および第３官能情報１３１ｄである。目標官能情報１３１ａは、調理者にとって目標とされる官能情報１３１である。第１官能情報１３１ｂおよび第２官能情報１３１ｃのそれぞれは、調理されているときの被調理物の官能情報１３１であって、調理中官能情報とも呼ばれる。第３官能情報１３１ｄは、調理によって作られる料理の官能情報１３１であって、最終官能情報とも呼ばれる。

　図５は、サーバ制御部１０３の詳細な機能構成の一例を示すブロック図である。

　サーバ制御部１０３は、入力取得部１０３１、パラメータ取得部１０３２、官能情報取得部１０３３、パラメータ修正部１０３４、処理部１０３５、およびパラメータ出力部１０３７を備える。

　入力取得部１０３１は、操作端末２００からサーバ通信部１０５を介して入力情報を取得する。入力情報は、調理者による操作端末２００の入力部２０１への入力操作によって端末制御部２０３に受け付けられる情報である。調理者は、操作端末２００の入力部２０１への入力操作を行うことによって、例えば、調理器３００で作られる料理の名称（すなわち料理名）と、目標とされる官能に関する数値とを入力する。官能に関する数値は、官能度合あるいは官能評価値とも呼ばれる。その結果、端末制御部２０３は、その料理名を示す料理情報と、目標とされる官能に関する数値を示す目標官能情報１３１ａとを含む入力情報を受け付ける。入力取得部１０３１は、端末制御部２０３から端末通信部２０５およびサーバ通信部１０５を介して、その入力情報を取得する。

　すなわち、本実施の形態における入力取得部１０３１は、被調理物の調理によって得られる料理を示す料理情報と、（ｂ）官能に関する１つ以上の数値に対する目標を示す目標官能情報１３１ａとを取得する。

　パラメータ取得部１０３２は、入力情報と、モデル格納部１５０に格納されている学習モデルセット１５０ａとを用いて、１以上の調理パラメータを示す調理パラメータ情報を取得する。つまり、パラメータ取得部１０３２は、入力取得部１０３１によって取得された上述の料理情報および目標官能情報１３１ａに基づいて、調理器３００による調理に用いられる１以上の調理パラメータを含む調理パラメータ情報を、学習モデルセット１５０ａを用いて取得する。この調理パラメータ情報は、初期調理パラメータ情報１４１である。また、本実施の形態では、その１以上の調理パラメータは、調理器３００による調理に用いられる温度を示す調理パラメータと、調理器３００による調理に用いられる時間を示す調理パラメータとを含む。さらに、１以上の調理パラメータは、調理器３００による調理に用いられる圧力を示す調理パラメータを含む。

　パラメータ出力部１０３７は、サーバ通信部１０５を介して調理器３００に、その初期調理パラメータ情報１４１を送信する。調理器３００の調理部３２０は、その送信された初期調理パラメータ情報１４１を、調理通信部３０５を介して取得すると、その初期調理パラメータ情報１４１にしたがって調理を開始する。

　官能情報取得部１０３３は、例えば、第２記憶部１２０に格納されている調理状態情報１２１と、モデル格納部１５０に格納されている学習モデルセット１５０ａとを用いて、官能情報１３１を取得する。このように取得される官能情報１３１は、調理器３００による調理が行われているときの被調理物の官能に関する１つ以上の数値を示し、調理中官能情報（すなわち第１官能情報１３１ｂまたは第２官能情報１３１ｃ）とも呼ばれる。つまり、官能情報取得部１０３３は、調理器３００による調理パラメータ情報にしたがった被調理物に対する調理が行われているときの、被調理物の官能に関する１つ以上の数値を示す調理中官能情報を取得する。

　パラメータ修正部１０３４は、上述の目標官能情報１３１ａおよび調理中官能情報に基づいて、初期調理パラメータ情報１４１を、１以上の修正調理パラメータを含む修正調理パラメータ情報１４２に変更する。言い換えれば、パラメータ修正部１０３４は、初期調理パラメータ情報１４１を修正調理パラメータ情報１４２に修正する。この初期調理パラメータ情報１４１の修正には、モデル格納部１５０に格納されている学習モデルセット１５０ａが用いられる。

　パラメータ出力部１０３７は、サーバ通信部１０５を介して調理器３００に、その修正調理パラメータ情報１４２を含む制御信号を出力する。言い換えれば、パラメータ出力部１０３７は、修正調理パラメータ情報１４２を含む制御信号を送信する。調理器３００の調理部３２０は、その送信された修正調理パラメータ情報１４２を、調理通信部３０５を介して取得すると、初期調理パラメータ情報１４１にしたがった調理を中断し、修正調理パラメータ情報１４２にしたがって調理を行う。

　なお、パラメータ出力部１０３７は、上述の初期調理パラメータ情報１４１の送信でも、修正調理パラメータ情報１４２と同様に、初期調理パラメータ情報１４１を含む制御信号を調理器３００に送信してもよい。以下、初期調理パラメータ情報１４１または修正調理パラメータ情報１４２の送信または出力は、それらの情報が制御信号に含まれた状態で行われる。

　処理部１０３５は、サーバ制御部１０３に含まれる処理部１０３５以外の各構成要素によって行われる処理とは異なる処理を実行する。例えば、処理部１０３５は、第３記憶部１３０に格納されている第３官能情報１３１ｄを、サーバ通信部１０５を介して操作端末２００に送信する。

　図６は、料理リスト情報１１１、レシピ情報１１２、基本調理パラメータ情報１１３、および基本官能情報１１４の一例を示す図である。

　料理リスト情報１１１は、例えば図６の（ａ）に示すように、レコード番号ごとに、そのレコード番号に対応する料理ＩＤおよび料理名を示す。料理ＩＤは、料理名および料理を識別するための識別情報である。具体的には、レコード番号「１」には、料理ＩＤ「Ｄ００１」および料理名「ブイヨン」が互いに関連付けて示されている。

　レシピ情報１１２は、例えば図６の（ｂ）に示すように、料理ＩＤに対応付けられ、その料理ＩＤによって識別される料理に用いられる１以上の材料と、その１以上の材料のそれぞれの分量とを示す。具体的には、レシピ情報１１２は、レコード番号ごとに、そのレコード番号に対応する材料と、その材料の分量とを示す。より具体的には、料理ＩＤ「Ｄ０００１」、すなわち料理名「ブイヨン」に対応付けられたレシピ情報１１２では、レコード番号「１」に対して、材料「にんじん」と、その材料「にんじん」の分量「２００ｇ」とが互いに関連付けて示されている。

　基本調理パラメータ情報１１３は、例えば図６の（ｃ）に示すように、料理ＩＤに対応付けられ、その料理ＩＤによって識別される料理を作るために調理器３００に用いられる１以上の調理パラメータを示す。１以上の調理パラメータのそれぞれは、調理パラメータ名および設定値からなる。具体的には、基本調理パラメータ情報１１３は、レコード番号ごとに、そのレコード番号に対応する調理パラメータ名および設定値を示す。より具体的には、料理ＩＤ「Ｄ０００１」、すなわち料理名「ブイヨン」に対応付けられた基本調理パラメータ情報１１３では、レコード番号「１」に対して、調理パラメータ名「温度」と、設定値「１００℃」とが互いに関連付けて示されている。つまり、レコード番号「１」には、調理パラメータとして、温度「１００℃」が示されている。なお、設定値は、例えば「９０℃～１１０℃」のように、数値範囲として示されていてもよい。また、設定値として「１００℃」のように１つの数値が示されている場合には、その数値は、調理器３００での調理開始から調理終了までの設定値（例えば、温度）の平均値または中央値であってもよい。

　基本官能情報１１４は、例えば図６の（ｄ）に示すように、料理ＩＤに対応付けられ、その料理ＩＤによって示される料理の基本的な官能に関する１つ以上の数値を示す。具体的には、基本官能情報１１４は、レコード番号ごとに、そのレコード番号に対応する官能項目および度合いを示す。より具体的には、料理ＩＤ「Ｄ０００１」、すなわち料理名「ブイヨン」に対応付けられた基本官能情報１１４では、レコード番号「１」に対して、官能項目「香ばしさ」と、度合い「－１」とが互いに関連付けて示されている。つまり、レコード番号「１」には、官能に関する数値、すなわち官能度合として、香ばしさ「－１」が示されている。なお、官能項目は、官能度合の種別を示している。また、本実施の形態における官能度合は、－３から３までの数値範囲内の数値であるが、これに限らず、どのような数値範囲内の数値であってもよい。また、官能度合は、整数であってもよく小数であってもよい。なお、度合いは、例えば「－１～１」のように、数値範囲として示されていてもよい。

　図７は、調理状態情報１２１に含まれる画像データ、化学分析データ、および重量データの一例を示す図である。

　画像データ１２１ａは、例えば図７の（ａ）に示すように、調理器３００に配置されている被調理物が映し出されている画像を示すデータである。このような画像データ１２１ａは、調理器３００の撮像部３１２による撮像によって得られる。

　化学分析データ１２１ｂは、例えば図７の（ｂ）に示すように、例えば液体クロマトグラフィーによって得られるグラフを示すデータである。グラフの横軸は、測定時間を示し、グラフの縦軸は、その測定時間において計測されたカウント数を示す。このような化学分析データ１２１ｂは、調理器３００の化学分析部３１３による分析によって得られる。このようなグラフは、１以上の化学成分のそれぞれの分量を示していると言える。当該グラフはクロマトグラムと呼んでもよい。なお、化学分析部３１３は、そのグラフそのものを示すデータではなく、幾つかの化学成分のそれぞれの分量を直接的に示すデータを、化学分析データ１２１ｂとして取得してもよい。つまり、化学分析部３１３は、予め定められている複数の化学成分のそれぞれの分量をそのグラフから導出し、その導出された各化学成分の分量を直接的に示す化学分析データ１２１ｂを出力してもよい。

　重量データ１２１ｃは、例えば図７の（ｃ）に示すように、調理器３００に配置されている被調理物の重量を示すデータである。このような重量データ１２１ｃは、調理器３００の重量測定部３１１による測定によって得られる。

　［画面表示］
　図８は、操作端末２００の画面表示の一例を示す図である。

　操作端末２００の端末制御部２０３は、例えば図８の（ａ）に示すように、検索画面ｄ１を表示部２０２に表示する。検索画面ｄ１は、料理名の入力を受け付けるための入力欄ｗ１を有する。調理者は、操作端末２００の入力部２０１に対する入力操作を行うことによって、調理者が作ろうとする料理の料理名を、その入力欄ｗ１に書き込む。例えば、調理者は、料理名「ブイヨン」を入力欄ｗ１に書き込む。その結果、端末制御部２０３は、その料理名「ブイヨン」を示す入力情報を取得し、その入力情報を端末記憶部２０４に格納するとともに、端末通信部２０５を介してサーバ１００に送信する。

　サーバ１００の入力取得部１０３１は、操作端末２００からサーバ通信部１０５を介してその入力情報を料理情報として取得し、その料理情報を例えばサーバ記憶部１０４に保存する。処理部１０３５は、入力取得部１０３１によって取得された料理情報によって示される料理名「ブイヨン」を、第１記憶部１１０に格納されている料理リスト情報１１１から検索する。処理部１０３５は、料理リスト情報１１１から料理名「ブイヨン」を見つけると、その料理名「ブイヨン」に関連付けられている料理ＩＤを特定する。そして、処理部１０３５は、その料理ＩＤに対応付けられているレシピ情報１１２および基本官能情報１１４を第１記憶部１１０から取得する。

　処理部１０３５は、そのレシピ情報１１２および基本官能情報１１４を用いて、例えば図８の（ｂ）に示す官能入力画面ｄ２を生成し、サーバ通信部１０５を介して操作端末２００に、その官能入力画面ｄ２を示す情報を送信する。操作端末２００の端末制御部２０３は、サーバ１００から端末通信部２０５を介してその情報を取得すると、その情報によって示される官能入力画面ｄ２を表示部２０２に表示する。官能入力画面ｄ２は、レシピ欄ｗ２と、基本官能欄ｗ３と、官能調整欄ｗ４と、スタートボタンｂ２とを含む。レシピ欄ｗ２には、レシピ情報１１２に示されている、料理「ブイヨン」を作るための１以上の材料と、その１以上の材料のそれぞれの分量とが表示される。基本官能欄ｗ３には、基本官能情報１１４に示されている料理「ブイヨン」が有する複数の官能度合が表示される。

　官能調整欄ｗ４には、基本官能欄ｗ３に表示されている複数の官能度合を変更するための複数の操作ボタンｂ１が表示されている。調理者は、その複数の操作ボタンｂ１のうち、調理者が変更を希望する官能度合に対応する操作ボタンｂ１を操作する。操作端末２００の端末制御部２０３は、その操作ボタンｂ１に対する入力操作に応じた入力情報を受け付けると、その操作ボタンｂ１に対応する官能度合を変更する。

　例えば、香ばしさに対応する操作ボタンｂ１が操作されると、端末制御部２０３は、基本官能欄ｗ３に表示されている香ばしさ「－１」に対して「＋１」だけ変更する。つまり、端末制御部２０３は、香ばしさ「０」を、調理者が希望する官能度合、あるいは官能度合の目標として受け付ける。同様に、甘い香りに対応する操作ボタンｂ１が操作されると、端末制御部２０３は、基本官能欄ｗ３に表示されている甘い香り「３」に対して「－１」だけ変更する。つまり、端末制御部２０３は、甘い香り「２」を、調理者が希望する官能度合、あるいは官能度合の目標として受け付ける。調理者は、香ばしさ、甘い香り以外にも、変更を希望する官能度合があれば、その官能度合に対応する操作ボタンｂ１を繰り返し操作する。そして、調理者は、官能入力画面ｄ２に表示されているスタートボタンｂ２を操作する。端末制御部２０３は、スタートボタンｂ２に対する入力操作を受け付けると、香ばしさ、甘い香り、酸味、苦味などの各々の官能度合に対する目標を示す入力情報を、目標官能情報１３１ａとして取得する。そして、端末制御部２０３は、端末通信部２０５を介してサーバ１００にその目標官能情報１３１ａを送信する。

　なお、官能度合の変更幅は、予め定められた規定幅以内に制限されていてもよい。また、複数の官能度合のうちの１つが変更されると、残りの他の官能度合も、その１つの官能度合の変更に連動して変更されてもよい。また、官能調整欄ｗ４には、基本官能欄ｗ３に示されている全ての官能度合が表示されることなく、それらのうちの１つのみが変更可能な官能度合として表示されてもよい。

　サーバ１００の官能情報取得部１０３３は、操作端末２００からサーバ通信部１０５を介してその目標官能情報１３１ａを取得し、その目標官能情報１３１ａを第３記憶部１３０に格納する。そして、サーバ制御部１０３は、その目標官能情報１３１ａを用いて初期調理パラメータ情報１４１を導出する。さらに、サーバ制御部１０３は、調理器３００によって取得される調理状態情報１２１などを用いることによって、その初期調理パラメータ情報１４１を修正調理パラメータ情報１４２に修正する。さらに、サーバ制御部１０３は、初期調理パラメータ情報１４１および修正調理パラメータ情報１４２にしたがった調理器３００による調理によって得られる料理「ブイヨン」の１つ以上の官能度合を推定する。つまり、サーバ制御部１０３は、最終官能情報として第３官能情報１３１ｄを導出する。そして、サーバ制御部１０３は、その第３官能情報１３１ｄを第３記憶部１３０に保存し、さらに、サーバ通信部１０５を介して操作端末２００に、その第３官能情報１３１ｄを送信する。また、サーバ制御部１０３は、上述の修正調理パラメータ情報１４２に含まれる時間の修正調理パラメータを、サーバ通信部１０５を介して操作端末２００に送信してもよい。

　操作端末２００の端末制御部２０３は、サーバ１００から端末通信部２０５を介してその第３官能情報１３１ｄと時間の修正調理パラメータとを取得する。そして、端末制御部２０３は、例えば図８の（ｃ）に示すように、その第３官能情報１３１ｄなどを表示するための最終官能画面ｄ３を表示部２０２に表示する。最終官能画面ｄ３には、第３官能情報１３１ｄによって示される複数の官能度合が表示されている。さらに、最終官能画面ｄ３には、上述の修正調理パラメータによって示される時間が、例えば調理完了時間「２時間３０分」として表示されている。

　調理者は、目標官能情報１３１ａの入力に対して、最終官能画面ｄ３に表示される１つ以上の官能度合を見ることによって、目標官能情報１３１ａどおりの１つ以上の官能度合を有する料理が作られることを認識することができる。あるいは、調理者は、料理の官能度合が目標官能情報１３１ａどおりになるように調理が試みられたとしても、目標官能情報１３１ａとは異なる官能度合を有する料理が作られることを認識することができる。あるいは、調理者は、最終的に作られる料理の官能度合が希望にどれだけ近いかを確認することができる。また、調理者は、そのような料理の調理が完了する時間を把握することができる。

　なお、図８の（ｃ）に示す例では、複数の官能度合のそれぞれは、数値として表示されているが、レーダーチャート、グラフなどによって表示されてもよく、星の数によって表示されてもよい。

　なお、官能度合が数値範囲として基本官能欄ｗ３に表示されている場合には、官能調整欄ｗ４の操作ボタンｂ１によって、例えば、その数値範囲の中央値が変更されてもよい。この場合、数値範囲の最小値から最大値までの幅は一定に維持されてもよい。例えば、香ばしさ「－１～１」が基本官能欄ｗ３に表示され、操作ボタンｂ１の操作によって「＋１」の変更が行われる。この場合、端末制御部２０３は、香ばしさ「０～２」を、調理者が希望する香ばしさ、あるいは香ばしさの目標として受け付ける。また、初期調理パラメータ情報１４１および修正調理パラメータ情報１４２は、例えば、香ばしさ「－１～１」を「０～２」に近付けるように、その数値範囲の中央値を変更してもよい。

　図９は、操作端末２００の画面表示の他の例を示す図である。

　図８に示す例では、調理者は、料理名を直接入力するが、その料理名の料理に用いられる材料（すなわち食材）の名称を入力してもよい。例えば、操作端末２００の端末制御部２０３は、図９の（ａ）に示すように、食材入力画面ｄ１１を表示部２０２に表示する。食材入力画面ｄ１１は、調理者が使いたい食材の名称の入力を受け付けるための入力欄ｗ１１を有する。調理者は、操作端末２００の入力部２０１に対する入力操作を行うことによって、調理者が使いたい食材の名称を、その入力欄ｗ１１に書き込む。例えば、調理者は、食材の名称「にんじん」を入力欄ｗ１１に書き込む。その結果、端末制御部２０３は、その食材の名称「にんじん」を示す入力情報を取得し、その入力情報を端末記憶部２０４に格納するとともに、端末通信部２０５を介してサーバ１００に送信する。

　サーバ１００の入力取得部１０３１は、操作端末２００からサーバ通信部１０５を介してその入力情報を取得し、その入力情報を例えばサーバ記憶部１０４に保存する。入力取得部１０３１は、第１記憶部１１０に格納されている複数のレシピ情報１１２から、その食材の名称「にんじん」が示されている１以上のレシピ情報１１２を検索する。そして、入力取得部１０３１は、その１以上のレシピ情報１１２のそれぞれに対応付けられている料理ＩＤを特定する。すなわち、入力取得部１０３１は、その料理ＩＤによって識別される料理名を特定する。入力取得部１０３１は、サーバ通信部１０５を介して操作端末２００に、その特定された１以上の料理名を示す検索結果情報を送信する。

　操作端末２００の端末制御部２０３は、サーバ１００から端末通信部２０５を介してその検索結果情報を取得すると、例えば図９の（ｂ）に示すように、検索結果画面ｄ１２を表示部２０２に表示する。検索結果画面ｄ１２は、検索結果情報によって示される１以上の料理のそれぞれについて、その料理名が記された料理名ボタンｂ１１を含む。調理者は、操作端末２００の入力部２０１に対する入力操作を行うことによって、調理者が作りたい料理に対応する料理名ボタンｂ１１を選択する。例えば、調理者は、料理名「ブイヨン」が記された料理名ボタンｂ１１を選択する。その結果、操作端末２００の端末制御部２０３は、選択された料理名ボタンｂ１１に記されている料理名「ブイヨン」を示す入力情報を取得し、その入力情報を端末記憶部２０４に格納するとともに、端末通信部２０５を介してサーバ１００に送信する。

　その後、操作端末２００は、図８の（ｂ）および（ｃ）と同様、図９の（ｃ）および（ｄ）に示すように、サーバ１００との通信を行うことによって、官能入力画面ｄ２および最終官能画面ｄ３を表示部２０２に表示する。

　このような操作端末２００は、被調理物を調理する調理器３００に関する情報を提供する情報提供方法を行うコンピュータである。つまり、操作端末２００は、調理者であるユーザによる操作に応じて、（ａ）被調理物の調理によって得られる料理を示す料理情報と、（ｂ）官能に関する１つ以上の数値に対する目標を示す目標官能情報１３１ａとを受け付ける。そして、操作端末２００は、料理情報および目標官能情報１３１ａと、調理器３００による被調理物に対する調理が行われているときの、被調理物の官能情報１３１である調理中官能情報とに基づいて導出される、料理の官能に関する最終官能情報を出力する。最終官能情報は、上述の第３官能情報１３１ｄである。

　これにより、調理者が希望する料理を示す料理情報と、その調理者が希望する目標官能情報１３１ａとが受け付けられると、それらの情報に応じて最終的に作られる料理の官能に関する１つ以上の数値（すなわち官能度合）を、調理者に提示することができる。したがって、調理者は、調理によって得られる料理の官能を適切に把握することができる。つまり、調理者は、調理者が希望する官能度合を有する料理が作られるか否か、または、最終的に作られる料理の官能度合が希望にどれだけ近いかを確認することができる。

　なお、上述の例では、操作端末２００の入力部２０１は、調理者による入力操作によって、料理名または食材の名称などのテキストデータを受け付けるが、音声信号を受け付けてもよい。この場合、入力部２０１は、マイクを備え、マイクから出力される音声信号を受け付ける。そして、端末制御部２０３は、その音声信号に対して音声認識を行うことによって、料理名または食材の名称を示す入力情報を取得する。

　［処理動作］
　図１０は、情報処理システム１０００の処理動作の一例を示すシーケンス図である。

　（ステップＳ１）
　まず、操作端末２００は、調理者による入力部２０１への入力操作に応じて、料理情報および目標官能情報１３１ａを取得する。

　（ステップＳ２）
　操作端末２００は、ステップＳ１で取得された料理情報および目標官能情報１３１ａをサーバ１００に送信する。

　（ステップＳ３）
　サーバ１００は、ステップＳ２で操作端末２００から送信された料理情報および目標官能情報１３１ａを受信すると、それらの情報を用いて初期調理パラメータ情報１４１を導出する。その初期調理パラメータ情報１４１の導出には、モデル格納部１５０に格納されている複数の学習モデルセット１５０ａのうち、上述の料理情報によって示される料理に対応する学習モデルセット１５０ａが用いられる。具体的には、学習モデルセット１５０ａに含まれる第１学習モデル１５１が用いられる。

　図１７は、第１学習モデル１５１の例を示す。第１学習モデル１５１への入力は目標官能情報１３１ａである。第１学習モデル１５１からの出力は、初期調理パラメータ情報１４１である。

　目標官能情報１３１ａは、料理情報によって示される料理の香ばしさの度合い、料理情報によって示される料理の甘い香りの度合い、料理情報によって示される料理の酸味の度合い、料理情報によって示される料理の苦味の度合い、料理情報によって示される料理の塩味の度合いを含む。

　当該香ばしさの度合い、当該甘い香りの度合い、当該酸味の度合い、当該苦味の度合い、当該塩味の度合いのそれぞれは、ユーザによって指定される。

　初期調理パラメータ情報１４１は、料理情報によって示される料理が、ユーザによって指定された香ばしさの度合い、甘い香りの度合い、酸味の度合い、苦味の度合い、塩味の度合い、～を有するように、調理器が被調理物を調理する温度、圧力、時間を含む。被調理物は１または複数の材料を含んでもよい。

　（ステップＳ４）
　サーバ１００は、導出された初期調理パラメータ情報１４１を調理器３００に送信する。

　（ステップＳ５）
　調理器３００は、サーバ１００から初期調理パラメータ情報１４１を受信すると、その初期調理パラメータ情報１４１にしたがって、圧力、温度および時間を制御することによって、調理器３００に配置されている被調理物の調理を開始する。そして、調理器３００は、時刻ｔ１における調理状態情報１２１を取得する。時刻ｔ１は、調理器３００による調理が開始されてから第１時間が経過した時点の時刻である。なお、この第１時間は、予め定められた時間であってもよく、０時間であってもよい。つまり、時刻ｔ１は、調理器３００による調理が開始された時点の時刻であってもよい。

　（ステップＳ６）
　調理器３００は、その時刻ｔ１における調理状態情報１２１をサーバ１００に送信する。

　（ステップＳ７）
　サーバ１００は、調理器３００から、時刻ｔ１における調理状態情報１２１を受信すると、その調理状態情報１２１を用いて、時刻ｔ１での被調理物の官能情報１３１を第１官能情報１３１ｂとして導出する。なお、第１官能情報１３１ｂは、調理中官能情報である。また、その第１官能情報１３１ｂの導出には、モデル格納部１５０に格納されている複数の学習モデルセット１５０ａのうち、上述の料理情報によって示される料理に対応する学習モデルセット１５０ａが用いられる。具体的には、学習モデルセット１５０ａに含まれる第２学習モデル１５２が用いられる。

　図１８は、第２学習モデル１５２の例を示す。第２学習モデル１５２への入力は調理状態情報１２１である。第２学習モデル１５２からの出力は官能情報１３１である。

　調理状態情報１２１は、画像データ１２１ａ、化学分析データ１２１ｂ、重力データ１２１ｃを含む。

　画像データ１２１ａは、調理開始時刻から時刻ｔまで初期調理パラメータ情報１４１に基づいて制御された調理器３００が調理した被調理物を、撮像部３１２が時刻ｔに撮像した画像（例えば、図７の（ａ）参照）のｍ×ｎ個の画素値であってもよい。ｍ×ｎ個の画素値は、Ｉ（１，１）、～、Ｉ（ｍ，ｎ）であってもよい。Ｉ（１，１）は画像の画素（１，１）の画素値、～、Ｉ（ｍ，ｎ）は画像の画素（ｍ，ｎ）の画素値である。画素（１，１）は画像において（ｘ、ｙ）＝（１，１）に位置し、～、画素（ｍ，ｎ）は当該画像において（ｘ、ｙ）＝（ｍ，ｎ）に位置する。ｍは２以上の整数、ｎは２以上の整数であってもよい。ＸＹ座標軸の例は、図７の（ａ）に示されている。

　化学分析データ１２１ｂは、調理開始時刻から時刻ｔまで初期調理パラメータ情報１４１に基づいて制御された調理器３００が調理した被調理物を、化学分析部３１３が時刻ｔから測定を開始して得られたクロマトグラム（例えば、図７の（ｂ）参照）におけるｒ個の強度値であってもよい。ｒ個の強度値は、クロマトグラムにおける第１測定時間での第１強度値、～、クロマトグラムにおける第ｒ測定時間での第ｒ強度値であってもよい。ｒは１以上の整数であってもよい。

　化学分析データ１２１ｂは、ｓ個の化学成分のｓ個の分量あってもよい。ｓ個の化学成分のｓ個の分量は、第１化学成分の第１分量、～、第ｓ化学成分の第ｓ分量であってもよい。ｓは１以上の整数であってもよい。

　重量データ１２１ｃは、調理開始時刻から時刻ｔまで初期調理パラメータ情報１４１に基づいて制御された調理器３００が調理した被調理物を、重量測定部３１１が時刻ｔに測定した重量値であってもよい。

　官能情報１３１は、調理開始時刻から時刻ｔまで初期調理パラメータ情報１４１に基づいて制御された調理器３００が調理した被調理物の、時刻ｔにおける、香ばしさの度合い、甘い香りの度合い、酸味の度合い、苦味の度合い、塩味の度合いを含む。

　上記した時刻ｔは、ステップＳ７では時刻ｔ１に対応する。上記した時刻ｔは、後述するステップＳ１０では時刻ｔ２に対応する。

　（ステップＳ８）
　調理器３００は、時刻ｔ２における調理状態情報１２１を取得する。時刻ｔ２は、調理器３００による調理が開始されてから第１時間が経過した後の第２時間経過時点における時刻である。なお、この第２時間は、第１時間よりも長く予め定められた時間であってもよい。

　（ステップＳ９）
　調理器３００は、その時刻ｔ２における調理状態情報１２１をサーバ１００に送信する。

　（ステップＳ１０）
　サーバ１００は、調理器３００から、時刻ｔ２における調理状態情報１２１を受信すると、その調理状態情報１２１を用いて、時刻ｔ２での被調理物の官能情報１３１を第２官能情報１３１ｃとして導出する。なお、第２官能情報１３１ｃは、第１官能情報１３１ｂと同様、調理中官能情報である。また、その第２官能情報１３１ｃの導出には、モデル格納部１５０に格納されている複数の学習モデルセット１５０ａのうち、上述の料理情報によって示される料理に対応する学習モデルセット１５０ａが用いられる。具体的には、学習モデルセット１５０ａに含まれる第２学習モデル１５２が用いられる。

　（ステップＳ１１）
　サーバ１００は、第１官能情報１３１ｂと第２官能情報１３１ｃとの差分を算出する。つまり、サーバ１００は、１以上の官能項目のそれぞれについて、第１官能情報１３１ｂに示されているその官能項目の官能度合と、第２官能情報１３１ｃに示されているその官能項目の官能度合との差分を算出する。

　上記した「サーバ１００は、第１官能情報１３１ｂと第２官能情報１３１ｃとの差分を算出する」は、「サーバ１００は第１官能情報１３１ｂと第２官能情報１３１ｃに基づいて差分情報を算出する」と解釈してしてもよい。

　上記差分情報は、
　{（第２官能情報１３１ｃが含む香ばしさの度合い）－（第１官能情報１３１ｂが含む香ばしさの度合い）}、
　{（第２官能情報１３１ｃが含む甘い香りの度合い）－（第１官能情報１３１ｂが含む甘い香りの度合い）}、
　{（第２官能情報１３１ｃが含む酸味の度合い）－（第１官能情報１３１ｂが含む酸味の度合い）}、
　{（第２官能情報１３１ｃが含む苦味の度合い）－（第１官能情報１３１ｂが含む苦味の度合い）}、
　{（第２官能情報１３１ｃが含む塩味の度合い）－（第１官能情報１３１ｂが含む塩味の度合い）}を含んでもよい。

　上記差分情報は、
　{（調理開始時刻から時刻ｔ２まで初期調理パラメータ情報１４１に基づいて制御された調理器３００が調理した被調理物の時刻ｔ２における香ばしさの度合い）－（調理開始時刻から時刻ｔ２まで初期調理パラメータ情報１４１に基づいて制御された調理器３００が調理した被調理物の時刻ｔ１における香ばしさの度合い）}、
　{（調理開始時刻から時刻ｔ２まで初期調理パラメータ情報１４１に基づいて制御された調理器３００が調理した被調理物の時刻ｔ２における甘い香りの度合い）－（調理開始時刻から時刻ｔ２まで初期調理パラメータ情報１４１に基づいて制御された調理器３００が調理した被調理物の時刻ｔ１における甘い香りの度合い）}、
　{（調理開始時刻から時刻ｔ２まで初期調理パラメータ情報１４１に基づいて制御された調理器３００が調理した被調理物の時刻ｔ２における酸味の度合い）－（調理開始時刻から時刻ｔ２まで初期調理パラメータ情報１４１に基づいて制御された調理器３００が調理した被調理物の時刻ｔ１における酸味の度合い）}、
　{（調理開始時刻から時刻ｔ２まで初期調理パラメータ情報１４１に基づいて制御された調理器３００が調理した被調理物の時刻ｔ２における苦味の度合い）－（調理開始時刻から時刻ｔ２まで初期調理パラメータ情報１４１に基づいて制御された調理器３００が調理した被調理物の時刻ｔ１における苦味の度合い）}、
　{（調理開始時刻から時刻ｔ２まで初期調理パラメータ情報１４１に基づいて制御された調理器３００が調理した被調理物の時刻ｔ２における塩味の度合い）－（調理開始時刻から時刻ｔ２まで初期調理パラメータ情報１４１に基づいて制御された調理器３００が調理した被調理物の時刻ｔ１における塩味の度合い）}を含んでもよい。

　（ステップＳ１２）
　続いて、サーバ１００は、ステップＳ１１で算出された差分を用いて、修正調理パラメータ情報１４２を導出する。その修正調理パラメータ情報１４２の導出には、モデル格納部１５０に格納されている複数の学習モデルセット１５０ａのうち、上述の料理情報によって示される料理に対応する学習モデルセット１５０ａが用いられる。具体的には、学習モデルセット１５０ａに含まれる第３学習モデル１５３が用いられる。

　図１９は、第３学習モデル１５３の例を示す。第３学習モデル１５２への入力は、第１官能情報１３１ｂと第２官能情報１３１ｃに基づいて算出された差分情報、及び、目標官能情報１３１ａである。第３学習モデル１５３からの出力は修正調理パラメータ情報１４２である。

　修正調理パラメータ情報１４２は、料理情報によって示される料理が、目標官能情報１３１ａに示された、ユーザによって指定された香ばしさの度合い、甘い香りの度合い、酸味の度合い、苦味の度合い、塩味の度合い、～、を有するように、調理器３００が時刻ｔ４から、調理開始時刻から時刻ｔ３まで初期調理パラメータ情報１４１に基づいて制御された調理器３００が調理した被調理物を、調理する温度、圧力、時間を含む。

　時刻ｔ４は、時刻ｔ３より遅い、または、時刻ｔ３と同じあってもよい。時刻ｔ３は、時刻ｔ１及び時刻ｔ２より遅くてもよい。時刻ｔ１及び時刻ｔ２は調理開示時刻より遅くてもよい。

　（ステップＳ１３）
　そして、サーバ１００は、ステップＳ１２で導出された修正調理パラメータ情報１４２を調理器３００に送信する。

　（ステップＳ１４）
　調理器３００は、ステップＳ１３で送信された修正調理パラメータ情報１４２を受信し、初期調理パラメータ情報１４１をその修正調理パラメータ情報１４２に変更する。つまり、調理器３００は、初期調理パラメータ情報１４１にしたがった調理を中断し、修正調理パラメータ情報１４２にしたがった調理を開始する。

　（ステップＳ１５）
　サーバ１００は、さらに、ステップＳ１２で導出された修正調理パラメータ情報１４２を用いて、上述の料理情報によって示される料理が作られたときのその料理の最終的な官能情報１３１を、第３官能情報１３１ｄとして導出する。つまり、第３官能情報１３１ｄが推定される。その第３官能情報１３１ｄの導出には、モデル格納部１５０に格納されている複数の学習モデルセット１５０ａのうち、上述の料理情報によって示される料理に対応する学習モデルセット１５０ａが用いられる。具体的には、学習モデルセット１５０ａに含まれる第４学習モデル１５４が用いられる。

　図２０は、第４学習モデル１５４の例を示す。第４学習モデル１５４への入力は修正調理パラメータ情報１４２と調理中の官能情報である。第４学習モデル１５３からの出力は作成された料理の官能情報（すなわち、第３官能情報１３１ｄ）である。第３官能情報１３１ｄは作成された料理の香ばしさの度合い、甘い香りの度合い、酸味の度合い、苦味の度合い、塩味の度合いを含む。

　（ステップＳ１６）
　サーバ１００は、ステップＳ１２で導出された修正調理パラメータ情報１４２に含まれる時間の修正調理パラメータと、ステップＳ１５で導出された第３官能情報１３１ｄとを、操作端末２００に送信する。なお、サーバ１００は、修正調理パラメータ情報１４２に含まれる全ての修正調理パラメータを送信してもよい。

　（ステップＳ１７）
　操作端末２００は、ステップＳ１６で送信された修正調理パラメータ情報１４２に含まれる時間の修正調理パラメータと、第３官能情報１３１ｄとを受信する。そして、操作端末２００は、図８の（ｃ）または図９の（ｄ）に示すように、その時間の修正調理パラメータと、第３官能情報１３１ｄとを表示部２０２に表示する。時間の修正調理パラメータは、例えば調理完了時間として表示される。

　このように、本実施の形態では、調理者が希望する料理を示す料理情報と、調理者が希望する目標官能情報１３１ａとが取得され、それらに基づいて初期調理パラメータ情報１４１が取得される。そして、その初期調理パラメータ情報１４１の調理器３００への送信によって、その初期調理パラメータ情報１４１にしたがった調理が調理器３００によって開始される。その後、調理器３００に用いられている初期調理パラメータ情報１４１は、調理が行われているときの被調理物の官能に関する１つ以上の数値（すなわち官能度合）によって修正される。そのため、修正調理パラメータ情報１４２にしたがった調理によって、最終的に作られる料理の官能度合を、目標官能情報１３１ａによって示される官能度合に近づけることができる。言い換えれば、最終的に作られる料理の官能度合を、調理者が希望する官能度合に近づけることができる。すなわち、調理者が希望する官能度合が、基本とされるレシピに記述されている官能度合と異なっていても、あるいは、被調理物の分量がそのレシピどおりでなくても、最終的な料理の官能度合を、調理者が希望する官能度合に近づけることができる。その結果、調理者がわざわざ調理パラメータを調整することなく、料理の官能を適切に制御することができる。

　図１１は、サーバ１００の処理動作の一例を示すフローチャートである。

　（ステップＳ１１０）
　まず、サーバ１００の入力取得部１０３１は、操作端末２００からサーバ通信部１０５を介して料理情報と目標官能情報１３１ａとを取得する。

　（ステップＳ１２０）
　パラメータ取得部１０３２は、その料理情報と目標官能情報１３１ａとを用いて、初期調理パラメータ情報１４１を導出する。

　（ステップＳ１３０）
　パラメータ出力部１０３７は、サーバ通信部１０５を介して調理器３００に、ステップＳ１２０で取得された初期調理パラメータ情報１４１を送信する。

　（ステップＳ１４０）
　処理部１０３５は、調理器３００からサーバ通信部１０５を介して、調理状態情報１２１を取得し、その調理状態情報１２１を第２記憶部１２０に格納する。

　（ステップＳ１５０）
　官能情報取得部１０３３は、ステップＳ１４０で取得された調理状態情報１２１を用いて、調理中官能情報を導出する。

　（ステップＳ１６０）
　パラメータ修正部１０３４は、ステップＳ１５０の処理が行われた後、複数の調理中官能情報が導出されたか否かを判定する。つまり、パラメータ修正部１０３４は、第１官能情報１３１ｂおよび第２官能情報１３１ｃが導出されたか否かを判定する。ここで、処理部１０３５および官能情報取得部１０３３は、ステップＳ１６０の処理において、複数の調理中官能情報が導出されていない判定されると（ステップＳ１６０のＮｏ）、ステップＳ１４０およびステップＳ１５０の処理を繰り返し実行する。つまり、官能情報取得部１０３３は、ステップＳ１５０の処理を繰り返すことによって、第１官能情報１３１ｂと第２官能情報１３１ｃとを取得する。具体的には、官能情報取得部１０３３は、調理器３００による調理開始から第１時間経過時点における調理中官能情報を、第１官能情報１３１ｂとして取得する。さらに、官能情報取得部１０３３は、調理器３００による調理開始から第１時間経過後の第２時間経過時点における調理中官能情報を、第２官能情報１３１ｃとして取得する。なお、第１時間経過時点は、図１０の時刻ｔ１に相当し、第２時間経過時点は、図１０の時刻ｔ２に相当する。

　（ステップＳ１７０）
　一方、パラメータ修正部１０３４は、ステップＳ１６０の処理において、複数の調理中官能情報が導出された判定すると（ステップＳ１６０のＹｅｓ）、それらの調理中官能情報の差分を算出する。つまり、パラメータ修正部１０３４は、第１官能情報１３１ｂと第２官能情報１３１ｃとの差分を算出する。

　（ステップＳ１８０）
　そして、パラメータ修正部１０３４は、ステップＳ１１０で取得された目標官能情報１３１ａと、ステップＳ１７０で算出された差分とを用いて、修正調理パラメータ情報１４２を導出する。なお、修正調理パラメータ情報１４２は、最終的に作られる料理の官能に関する１つ以上の数値を、目標官能情報１３１ａに示されている１以上の数値に近づけるための情報である。このように、本実施の形態におけるパラメータ修正部１０３４は、第１官能情報１３１ｂと第２官能情報１３１ｃとの差分と、目標官能情報１３１ａとに基づいて、初期調理パラメータ情報１４１を修正調理パラメータ情報１４２に変更する。

　このように、本実施の形態では、調理中官能情報の変化量と、目標官能情報１３１ａとに基づいて、初期調理パラメータ情報１４１が修正調理パラメータ情報１４２に修正される。したがって、初期調理パラメータ情報１４１にしたがった調理による官能度合の変化傾向を考慮することによって、最終的な料理の官能度合を、調理者が希望する官能度合に効果的に近づけることができる。

　（ステップＳ１９０）
　パラメータ出力部１０３７は、サーバ通信部１０５を介して操作端末２００および調理器３００に、ステップＳ１８０で導出された修正調理パラメータ情報１４２を送信する。パラメータ出力部１０３７は、修正調理パラメータ情報１４２に含まれる時間の修正調理パラメータのみを操作端末２００に送信してもよい。

　（ステップＳ２００）
　官能情報取得部１０３３は、ステップＳ１８０で導出された修正調理パラメータ情報１４２を用いて、第３官能情報１３１ｄを導出する。つまり、官能情報取得部１０３３は、調理器３００による修正調理パラメータ情報１４２にしたがった調理によって得られる料理の官能に関する１つ以上の数値を示す第３官能情報１３１ｄを、その修正調理パラメータ情報１４２に基づいて取得する。

　（ステップＳ２１０）
　パラメータ出力部１０３７は、サーバ通信部１０５を介して操作端末２００に、ステップＳ２００で導出された第３官能情報１３１ｄを送信する。この第３官能情報１３１ｄは、操作端末２００の表示部２０２に表示される。

　このように、本実施の形態では、最終的に作られる料理の官能度合を示す情報が、第３官能情報１３１ｄとして推定される。そして、その第３官能情報１３１ｄは調理者に提示される。その結果、調理者は、調理者が希望する官能度合を有する料理が作られるか否か、または、最終的に作られる料理の官能度合が希望にどれだけ近いかを確認することができる。

　図１２は、サーバ１００の処理動作の一部を詳細に示すフローチャートである。具体的には、図１２の（ａ）は、図１１のステップＳ１２０の詳細な処理を示すフローチャートであり、図１２の（ｂ）は、図１１のステップＳ１５０の詳細な処理を示すフローチャートである。図１２の（ｃ）は、図１１のステップＳ１８０の詳細な処理を示すフローチャートであり、図１２の（ｄ）は、図１１のステップＳ２００の詳細な処理を示すフローチャートである。

　パラメータ取得部１０３２は、初期調理パラメータ情報１４１を導出するときには、例えば図１２の（ａ）に示すステップＳ１２１～Ｓ１２３の処理を実行する。

　（ステップＳ１２１）
　パラメータ取得部１０３２は、料理情報に対応する第１学習モデル１５１をモデル格納部１５０から読み出す。つまり、パラメータ取得部１０３２は、料理情報によって示される料理名に対応する学習モデルセット１５０ａに含まれている第１学習モデル１５１を、モデル格納部１５０から読み出す。

　（ステップＳ１２２）
　パラメータ取得部１０３２は、ステップＳ１２１で読み出された第１学習モデル１５１に対して、目標官能情報１３１ａを入力する。

　（ステップＳ１２３）
　パラメータ取得部１０３２は、ステップＳ１２２での入力によって第１学習モデル１５１から出力される初期調理パラメータ情報１４１を取得する。これにより、初期調理パラメータ情報１４１が導出される。

　官能情報取得部１０３３は、第１官能情報１３１ｂなどの調理中官能情報を導出するときには、例えば図１２の（ｂ）に示すステップＳ１５１～Ｓ１５３の処理を実行する。

　（ステップＳ１５１）
　官能情報取得部１０３３は、料理情報に対応する第２学習モデル１５２をモデル格納部１５０から読み出す。つまり、官能情報取得部１０３３は、料理情報によって示される料理名に対応する学習モデルセット１５０ａに含まれている第２学習モデル１５２を、モデル格納部１５０から読み出す。

　（ステップＳ１５２）
　官能情報取得部１０３３は、その読み出された第２学習モデル１５２に対して、最新の調理状態情報１２１を入力する。

　（ステップＳ１５３）
　官能情報取得部１０３３は、ステップＳ１５２での入力によって第２学習モデル１５２から出力される官能情報１３１を調理中官能情報として取得する。これにより、調理中官能情報が導出される。

　このように、本実施の形態における官能情報取得部１０３３は、調理器３００による調理が行われているときの、被調理物の画像、被調理物の重量、および被調理物に含まれる化学成分の分量を第２学習モデル１５２に入力することによって、調理中官能情報を取得する。これにより、調理中官能情報の取得に第２学習モデル１５２が用いられるため、確度の高い調理中官能情報を取得することができる。

　なお、被調理物の画像、被調理物の重量、および被調理物に含まれる化学成分の分量は、画像データ１２１ａ、重量データ１２１ｃ、および化学分析データ１２１ｂとして調理状態情報１２１に含まれていている。また、本実施の形態では、その画像データ１２１ａ、重量データ１２１ｃ、および化学分析データ１２１ｂが第２学習モデル１５２に入力されるが、画像データ１２１ａ、化学分析データ１２１ｂ、および重量データ１２１ｃのうちの１つだけ、あるいは、画像データ１２１ａ、化学分析データ１２１ｂ、および重量データ１２１ｃのうち２つだけが第２学習モデル１５２に入力されてもよい。つまり、画像データ１２１ａ、重量データ１２１ｃ、および化学分析データ１２１ｂの少なくとも１つが第２学習モデル１５２に入力されてもよい。このような場合であっても、確度の高い調理中官能情報を取得することができる。

　パラメータ修正部１０３４は、修正調理パラメータ情報１４２を導出するときには、例えば図１２の（ｃ）に示すステップＳ１８１～Ｓ１８４の処理を実行する。

　（ステップＳ１８１）
　パラメータ修正部１０３４は、料理情報に対応する第３学習モデル１５３をモデル格納部１５０から読み出す。つまり、パラメータ修正部１０３４は、料理情報によって示される料理名に対応する学習モデルセット１５０ａに含まれている第３学習モデル１５３を、モデル格納部１５０から読み出す。

　（ステップＳ１８２）
　パラメータ修正部１０３４は、その読み出された第３学習モデル１５３に対して、調理中官能情報の差分と、目標官能情報１３１ａとを入力する。

　（ステップＳ１８３）
　パラメータ修正部１０３４は、ステップＳ１８２での入力によって第３学習モデル１５３から出力される複数の候補を取得する。複数の候補のそれぞれは、修正調理パラメータ情報１４２の候補である。

　（ステップＳ１８４）
　パラメータ修正部１０３４は、ステップＳ１８３で取得された複数の候補の中から、初期調理パラメータ情報１４１に最も近い候補を、修正調理パラメータ情報１４２として選択する。これにより、修正調理パラメータ情報１４２が導出される。

　このように、本実施の形態におけるパラメータ修正部１０３４は、目標官能情報１３１ａおよび調理中官能情報に基づいて、修正調理パラメータ情報１４２の複数の候補を取得する。そして、パラメータ修正部１０３４は、その複数の候補から、初期調理パラメータ情報１４１に最も近い候補を、修正調理パラメータ情報１４２として選択する。あるいは、パラメータ修正部１０３４は、その複数の候補から、初期調理パラメータ情報１４１との差分が閾値以下である候補を、修正調理パラメータ情報１４２として選択してもよい。例えば、複数の候補のそれぞれは、圧力の調理パラメータと、温度の調理パラメータと、時間の調理パラメータとを含むベクトルとして表現される。同様に、初期調理パラメータ情報１４１も、圧力の調理パラメータと、温度の調理パラメータと、時間の調理パラメータとを含むベクトルとして表現される。したがって、パラメータ修正部１０３４は、複数の候補のそれぞれのベクトルと、初期調理パラメータ情報１４１のベクトルとの間の距離を算出し、複数の候補から、その距離が閾値以下または最も小さい候補を、修正調理パラメータ情報１４２として選択してもよい。また、複数の候補のうち、例えば予め定められた１つまたは２つの調理パラメータが初期調理パラメータ情報１４１と同一で、かつ、残りの２つまたは１つの調理パラメータのみが初期調理パラメータ情報１４１と異なる候補が、修正調理パラメータ情報１４２として選択されてもよい。予め定められた１つまたは２つの調理パラメータは、温度の調理パラメータ、圧力の調理パラメータなどであってもよい。

　これにより、複数の候補が第３学習モデル１５３から出力される場合であっても、初期調理パラメータ情報１４１と大きく異ならない候補が修正調理パラメータ情報１４２として採用される。したがって、初期調理パラメータ情報１４１の修正に伴う調理器３００の処理負担を軽減することができる。また、料理の味が大きく変わることを抑えることができる。

　官能情報取得部１０３３は、第３官能情報１３１ｄを導出するときには、例えば図１２の（ｄ）に示すステップＳ２０１～Ｓ２０３の処理を実行する。

　（ステップＳ２０１）
　官能情報取得部１０３３は、料理情報に対応する第４学習モデル１５４をモデル格納部１５０から読み出す。つまり、官能情報取得部１０３３は、料理情報によって示される料理名に対応する学習モデルセット１５０ａに含まれている第４学習モデル１５４を、モデル格納部１５０から読み出す。

　（ステップＳ２０２）
　官能情報取得部１０３３は、その読み出された第４学習モデル１５４に対して、第２官能情報１３１ｃと修正調理パラメータ情報１４２とを入力する。

　（ステップＳ２０３）
　官能情報取得部１０３３は、ステップＳ２０２での入力によって第４学習モデル１５４から出力される官能情報１３１を第３官能情報１３１ｄとして取得する。これにより、第３官能情報１３１ｄが導出される。

　このように、本実施の形態における官能情報取得部１０３３は、少なくとも修正調理パラメータ情報１４２を第４学習モデル１５４に入力することによって、第３官能情報１３１ｄを取得する。

　［学習モデルの構築例］
　図１３は、第１学習モデル１５１の構築例を示すフローチャートである。

　（ステップＳ３０１）
　まず、モデル作成者は、所定の料理に対して複数通りの調理パラメータ情報を生成する。なお、調理パラメータ情報は、調理器３００の調理部３２０に用いられる１以上の調理パラメータを示す。

　（ステップＳ３０２）
　次に、モデル作成者は、複数通りの調理パラメータ情報のそれぞれについて、その調理パラメータ情報にしたがった調理器３００による調理を行うことによって、料理のサンプル（料理サンプルとも呼ばれる）を作る。調理器３００は当該所定の料理に対応するレシピ情報が示す１または複数の食材を調理する。

　（ステップＳ３０３）
　モデル作成者は、ステップＳ３０２で作られた料理サンプルごとに、その料理サンプルの官能状態を評価する。官能状態は、その料理サンプルが有する１つ以上の官能度合を含む。官能度合の評価は、複数人で行われてもよい。例えば、複数人のそれぞれが、料理サンプルを試食し、その料理サンプルに対する官能度合を評価する。そして、複数人の評価によって得られる複数の官能度合の平均値が、その料理サンプルに対する最終的な官能度合として用いられてもよい。

　（ステップＳ３０４）
　モデル作成者は、上記所定の料理に対する第１学習モデル１５１を構築するための機械学習アルゴリズムを選定する。

　（ステップＳ３０５）
　モデル作成者は、上記所定の料理に対応付けられている官能状態と、調理パラメータ情報との関係を、ステップＳ３０４で選定された機械学習アルゴリズムにしたがって学習モデルに学習させる。

　（ステップＳ３０６）
　モデル作成者は、ステップＳ３０５の処理で学習済みの学習モデルを検証する。つまり、モデル作成者は、官能状態を示す官能情報の学習モデルへの入力に対して、その学習モデルから正しい調理パラメータ情報が初期調理パラメータ情報１４１として出力されるか否かを検証する。正しい調理パラメータ情報が出力されると検証された学習モデルが、所定の料理に対応する第１学習モデル１５１としてサーバ１００のモデル格納部１５０に格納される。なお、正しい調理パラメータ情報とは、その調理パラメータ情報にしたがった調理によって、学習モデルに入力された官能状態の料理が実際に作られる情報である。

　図１４は、第２学習モデル１５２の構築例を示すフローチャートである。

　（ステップＳ３１１）
　まず、モデル作成者は、所定の料理に対して複数通りのレシピ情報を生成する。なお、レシピ情報は、所定の料理に用いられる１以上の材料と、１以上の材料のそれぞれの分量とを示す。

　（ステップＳ３１２）
　次に、モデル作成者は、複数通りのレシピ情報のそれぞれについて、そのレシピ情報にしたがった調理器３００による調理を行うことによって、料理サンプルを作る。なお、この料理サンプルは、調理開始から上述の第１時間経過時点または第２時間経過時点におけるサンプルであってもよい。

　（ステップＳ３１３）
　モデル作成者は、ステップＳ３１２で作られた料理サンプルごとに、その料理サンプルの調理状態を特定する。つまり、モデル作成者は、カメラを用いて料理サンプルを撮像することによって画像データを取得し、化学分析装置を用いて料理サンプルを分析することによって化学分析データを取得し、重量計を用いて料理サンプルの重量データを取得する。これにより、画像データ、化学分析データおよび重量データが料理サンプルの調理状態として特定される。

　（ステップＳ３１４）
　モデル作成者は、ステップＳ３１２で作られた料理サンプルごとに、その料理サンプルの官能状態、すなわち、その料理サンプルが有する１つ以上の官能度合を計測する。

　（ステップＳ３１５）
　モデル作成者は、上記所定の料理に対する第２学習モデル１５２を構築するための機械学習アルゴリズムを選定する。

　（ステップＳ３１６）
　モデル作成者は、調理状態と官能状態との関係を、ステップＳ３１５で選定された機械学習アルゴリズムにしたがって学習モデルに学習させる。

　（ステップＳ３１７）
　モデル作成者は、ステップＳ３１６の処理で学習済みの学習モデルを検証する。つまり、モデル作成者は、調理状態を示す調理状態情報の学習モデルへの入力に対して、その学習モデルから正しい官能状態を示す官能情報として出力されるか否かを検証する。正しい官能状態を示す官能情報が出力されると検証された学習モデルが、所定の料理に対応する第２学習モデル１５２としてサーバ１００のモデル格納部１５０に格納される。なお、正しい官能状態とは、学習モデルに入力された調理状態の料理サンプルの実際の官能状態である。

　このように、本実施の形態における第２学習モデル１５２は、調理器３００で調理されている１以上の食材の画像、１以上の食材の重量、および１以上の食材に含まれる化学成分の分量の入力に対して、その１以上の食材の官能に関する１つ以上の数値が出力されるように機械学習されている。なお、１以上の食材の官能に関する１つ以上の数値は、上述の官能状態あるいは官能情報１３１に相当する。また、１以上の食材の画像、重量、および化学成分の分量は、上述の画像データ１２１ａ、重量データ１２１ｃ、および化学分析データ１２１ｂにそれぞれ相当し、これらのデータによって上述の料理サンプルの調理状態が表現されている。また、本実施の形態における機械学習では、その画像、重量、および化学成分の分量が学習モデルに入力されるが、画像、重量、および化学成分の分量のうちの１つだけ、あるいは画像、重量、および化学成分の分量のうち２つだけが学習モデルに入力されてもよい。つまり、第２学習モデル１５２は、１以上の食材の画像、重量、および化学成分の分量の少なくとも１つの入力に対して、その１以上の食材の官能状態を示す官能情報が出力されるように機械学習されていていてもよい。

　これにより、官能情報取得部１０３３によって被調理物の画像データ１２１ａ、重量データ１２１ｃ、および化学分析データ１２１ｂの少なくとも１つが、第２学習モデル１５２に入力されると、その第２学習モデル１５２から、確度の高い調理中官能情報を取得することができる。

　図１５は、第３学習モデル１５３の構築例を示すフローチャートである。

　（ステップＳ３２１）
　まず、モデル作成者は、所定の料理に対して複数通りの調理パラメータ情報を生成する。

　（ステップＳ３２２）
　次に、モデル作成者は、複数通りの調理パラメータ情報のそれぞれについて、その調理パラメータ情報にしたがった調理器３００による料理サンプルの調理を開始する。

　（ステップＳ３２３）
　モデル作成者は、ステップＳ３２２で調理が開始された後、料理サンプルごとに、その料理サンプルの官能状態を２つの時点で計測する。そして、モデル作成者は、２つの時点で計測された官能状態に基づいて差分情報を算出する。なお、その２つの時点は、調理器３００による調理が行われているときの時点である。つまり、計測される官能状態は、調理中の官能状態である。また、その２つの時点は、上述の第１時間経過時点および第２時間経過時点であってもよい。

　（ステップＳ３２４）
　そして、モデル作成者は、調理中に、調理パラメータ情報を複数の通りに修正する。つまり、モデル作成者は、修正前の調理パラメータ情報にしたがった調理を中断し、修正後の調理パラメータ情報にしたがった調理を開始する。

　（ステップＳ３２５）
　モデル作成者は、修正後の調理パラメータ情報で作られた料理サンプルごとに、その料理サンプルの官能状態、すなわち、その料理サンプルが有する１以上の官能度合を計測する。このとき計測される官能状態は、調理後の最終的な官能状態である。

　（ステップＳ３２６）
　モデル作成者は、上記所定の料理に対する第３学習モデル１５３を構築するための機械学習アルゴリズムを選定する。

　（ステップＳ３２７）
　モデル作成者は、ステップＳ３２３で算出された調理中の官能状態の差分、およびステップＳ３２５で計測された最終的な官能状態と、修正後の調理パラメータ情報との関係を、ステップＳ３２６で選定された機械学習アルゴリズムにしたがって学習モデルに学習させる。

　（ステップＳ３２８）
　モデル作成者は、ステップＳ３２７の処理で学習済みの学習モデルを検証する。つまり、モデル作成者は、調理中の官能状態の差分および最終的な官能状態を示す官能情報の学習モデルへの入力に対して、その学習モデルから正しい修正後の調理パラメータ情報が修正調理パラメータ情報１４２として出力されるか否かを検証する。正しい修正後の調理パラメータ情報が出力されると検証された学習モデルが、第３学習モデル１５３としてサーバ１００のモデル格納部１５０に格納される。なお、上述の最終的な官能状態は、目標官能情報１３１ａに相当する。また、正しい修正後の調理パラメータ情報とは、学習モデルに入力された官能状態の差分のように官能状態が変化している場合に、学習モデルに入力された最終的な官能状態の料理を作るために実際に必要とされる情報である。このように構築される学習モデル、すなわち第３学習モデル１５３によって、調理中の官能状態を目標官能情報１３１ａに近づける修正調理パラメータ情報１４２を取得することができる。

　図１６は、第４学習モデル１５４の構築例を示すフローチャートである。

　（ステップＳ３３１）
　まず、モデル作成者は、所定の料理に対して複数通りの調理パラメータ情報を生成する。

　（ステップＳ３３２）
　次に、モデル作成者は、複数通りの調理パラメータ情報のそれぞれについて、その調理パラメータ情報にしたがった調理器３００による料理サンプルの調理を開始する。

　（ステップＳ３３３）
　そして、モデル作成者は、ステップＳ３３２で調理が開始された後、料理サンプルごとに、その料理サンプルの官能状態を計測する。このとき計測される官能状態は、調理中の官能状態である。さらに、モデル作成者は、調理中に、調理パラメータ情報を複数の通りに修正する。つまり、モデル作成者は、修正前の調理パラメータ情報にしたがった調理を中断し、修正後の調理パラメータ情報にしたがった調理を開始する。なお、ステップＳ３３３の処理は、調理開始から上述の第２時間が経過した時点で行われてもよい。ステップＳ３３３の処理は、調理開始から上述の第２時間が経過した時点から開始されてもよい。

　（ステップＳ３３４）
　モデル作成者は、修正後の調理パラメータ情報で作られた料理サンプルごとに、その料理サンプルの官能状態、すなわち、その料理サンプルが有する１つ以上の官能度合を計測する。このとき計測される官能状態は、調理後の最終的な官能状態である。

　（ステップＳ３３５）
　モデル作成者は、上記所定の料理に対する第４学習モデル１５４を構築するための機械学習アルゴリズムを選定する。

　（ステップＳ３３６）
　モデル作成者は、ステップＳ３３４で計測された最終的な官能状態と、ステップＳ３３３で計測された調理中の官能状態、および、修正後の調理パラメータ情報との関係を、ステップＳ３３５で選定された機械学習アルゴリズムにしたがって学習モデルに学習させる。

　（ステップＳ３３７）
　モデル作成者は、ステップＳ３３６の処理で学習済みの学習モデルを検証する。つまり、モデル作成者は、調理中の官能状態を示す官能情報および修正後の調理パラメータ情報の学習モデルへの入力に対して、その学習モデルから正しい最終的な官能状態が第３官能情報１３１ｄとして出力されるか否かを検証する。正しい最終的な官能状態を示す官能情報が出力されると検証された学習モデルが、第４学習モデル１５４としてサーバ１００のモデル格納部１５０に格納される。

　このように、本実施の形態における第４学習モデル１５４は、少なくとも、調理器３００による調理中に変更された１以上の調理パラメータの入力に対して、その１以上の調理パラメータにしたがった調理器３００による調理によって得られる料理の官能に関する１つ以上の数値が出力されるように機械学習されている。なお、修正された１以上の調理パラメータは、修正調理パラメータ情報１４２に相当し、料理の官能に関する１つ以上の数値は、料理の最終的な官能状態を示す情報であって、第３官能情報１３１ｄに相当する。なお、正しい最終的な官能状態とは、学習モデルに入力された調理中の官能状態の料理サンプルに対して、学習モデルに入力された修正後の調理パラメータ情報にしたがった調理が行われることによって得られる、最終的な料理サンプルの実際の官能状態である。

　このような機械学習された第４学習モデル１５４が第３官能情報１３１ｄの取得に用いられるため、確度の高い第３官能情報１３１ｄを取得することができる。

　以上、本実施の形態における情報処理システム１０００では、調理者がわざわざ調理パラメータを調整することなく、料理の官能を適切に制御することができる。また、調理者は、調理によって得られる料理の官能を適切に把握することができる。つまり、調理者は、調理者が希望する官能度合を有する料理が作られるか否か、または、最終的に作られる料理の官能度合が希望にどれだけ近いかを確認することができる。

　＜その他の態様＞
　以上、本開示に係る情報処理システム、サーバ、操作端末などについて、実施の形態に基づいて説明したが、本開示は、この実施の形態に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を実施の形態に施したものも、本開示の範囲内に含まれる。

　例えば、上記実施の形態における操作端末２００は、調理器３００とは独立した装置であるが、調理器３００に組み込まれていてもよい。つまり、操作端末２００の各種機能のうち、情報処理システム１０００に用いられる機能が調理器３００に備えられていてもよい。また、操作端末２００は、パーソナルコンピュータとして構成されていてもよい。

　また、上記実施の形態における調理者は、情報処理システム１０００を利用するユーザであってもよく、操作端末２００または調理器３００の操作者であってもよい。

　また、上記実施の形態におけるサーバ１００は、第１記憶部１１０、第２記憶部１２０、第３記憶部１３０、第４記憶部１４０、およびモデル格納部１５０を備えているが、これらの記録媒体を備えていなくてもよい。例えば、サーバ１００は、サーバ１００の外部にあって、それらの記録媒体を有する装置と通信することによって、それらの記録媒体を利用してもよい。

　また、上記実施の形態におけるサーバ１００は、料理情報および目標官能情報１３１ａに基づいて、調理器３００による調理に用いられる１以上の調理パラメータを含む調理パラメータ情報を取得する。つまり、サーバ１００は、初期調理パラメータ情報１４１を取得する。しかし、サーバ１００は、初期調理パラメータ情報１４１を取得しなくてもよい。この場合、サーバ１００は、調理器３００による基本調理パラメータ情報１１３にしたがった被調理物に対する調理が行われているときの、その被調理物の調理中官能情報を取得する。あるいは、サーバ１００は、調理器３００によって生成される初期調理パラメータ情報１４１を取得してもよい。

　言い換えれば、本開示に係る制御方法は、被調理物を調理する調理器を制御するためにコンピュータが実行する制御方法であって、以下の各処理動作を行ってもよい。つまり、その制御方法では、前記被調理物の調理によって得られる料理を示す料理情報を取得し、取得された前記料理情報に基づいて、前記調理器による調理に用いられる１以上の調理パラメータを含む調理パラメータ情報を取得し、官能に関する１つ以上の数値に対して目標とされる数値を示す目標官能情報とを取得する。さらに、その制御方法では、前記調理器による前記調理パラメータ情報にしたがった前記被調理物に対する調理が行われているときの、前記被調理物の前記官能に関する１つ以上の数値を示す調理中官能情報を取得し、前記目標官能情報および前記調理中官能情報に基づいて、前記調理パラメータ情報を、１以上の修正調理パラメータを含む修正調理パラメータ情報に変更し、前記修正調理パラメータ情報を含む制御信号を出力する。なお、その調理パラメータ情報は、基本調理パラメータ情報１１３あるいは初期調理パラメータ情報１４１であって、調理器３００から取得されてもよい。また、制御信号は、調理器３００に出力または送信されてもよい。このような制御方法であっても、上記実施の形態における制御方法と同等の作用効果を奏することができる。

　また、上記実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵまたはプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。ここで、上記実施の形態におけるサーバ１００および操作端末２００などのシステムを実現するプログラムは、例えば、図１０のシーケンス図に含まれる各ステップをプロセッサに実行させてもよい。また、上記実施の形態におけるサーバ１００を実現するプログラムは、図１１および１２のそれぞれのフローチャートに含まれる各ステップをプロセッサに実行させてもよい。

　（ハードウェア構成）
　上記のサーバ１００または操作端末２００は、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭ、ハードディスクドライブ、ディスプレイユニット、キーボード、およびマウスなどから構成されるコンピュータシステムにより構成されても良い。ＲＡＭまたはハードディスクドライブには、プログラムが記憶されている。マイクロプロセッサが、プログラムに従って動作することにより、サーバ１００または操作端末２００は、その機能を達成する。ここでプログラムは、所定の機能を達成するために、コンピュータに対する指令を示す命令コードが複数個組み合わされて構成されたものである。

　さらに、上記のサーバ１００または操作端末２００を構成する構成要素の一部または全部は、１個のシステムＬＳＩ（Ｌａｒｇｅ　Ｓｃａｌｅ　Ｉｎｔｅｇｒａｔｉｏｎ：大規模集積回路）から構成されても良い。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどを含んで構成されるコンピュータシステムである。ＲＡＭには、コンピュータプログラムが記憶されている。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、システムＬＳＩは、その機能を達成する。

　さらにまた、上記のサーバ１００または操作端末２００を構成する構成要素の一部または全部は、コンピュータに脱着可能なＩＣカードまたは単体のモジュールから構成されても良い。ＩＣカードまたはモジュールは、マイクロプロセッサ、ＲＯＭ、およびＲＡＭなどから構成されるコンピュータシステムである。ＩＣカードまたはモジュールは、上記の超多機能ＬＳＩを含んでも良い。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、ＩＣカードまたはモジュールは、その機能を達成する。このＩＣカードまたはこのモジュールは、耐タンパ性を有してもよい。

　また、本開示は、上記のサーバ１００または操作端末２００により実行される制御方法または情報提供方法であるとしても良い。また、これらの方法は、コンピュータがプログラムを実行することで実現されてもよいし、プログラムからなるデジタル信号で実現されてもよい。

　さらに、本開示は、プログラムまたはデジタル信号をコンピュータ読み取り可能な非一時的な記録媒体で構成されてもよい。記録媒体としては、例えば、フレキシブルディスク、ハードディスク、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ－ＲＯＭ、ＤＶＤ－ＲＡＭ、ＢＤ（Ｂｌｕ－ｒａｙ（登録商標）　Ｄｉｓｃ）、半導体メモリなどである。また、プログラムは、非一時的な記録媒体に記録されている上記デジタル信号で構成されてもよい。

　また、本開示は、上記プログラムまたはデジタル信号を、電気通信回線、無線若しくは有線通信回線、インターネットを代表とするネットワーク、またはデータ放送などを経由して伝送することで構成されてもよい。

　また、本開示は、マイクロプロセッサとメモリとを備えたコンピュータシステムであって、上記メモリは、プログラムを記憶しており、マイクロプロセッサは、そのプログラムに従って動作するとしても良い。

　また、プログラムもしくはデジタル信号を上記非一時的な記録媒体に記録して移送することにより、または、プログラムもしくはデジタル信号を、上記ネットワークなどを経由して移送することにより、独立した他のコンピュータシステムにより実施されてもよい。

　（その他）
　本開示の実施の形態の変形例は下記に示すようなものであってもよい。

　コンピュータが実行する方法であって、
　（ａ）ユーザが指定した第１酸味度合いを含む情報と１または複数の材料を示す情報に基づいて、第１温度を含む情報を決定し、これにより、調理器は前記第１酸味度合いを有する料理を生成するために、第１条件で第１時刻から前記1つまたは複数の材料の調理を開始し、前記第１条件は、前記調理器は前記1つまたは複数の材料を前記第１温度で調理することを含み、
　（ｂ）第２時刻にカメラで撮影された、前記第１時刻から前記第２時刻まで前記第１条件で調理された前記１または複数の材料の第１画像に基づいて、前記第１時刻から前記第２時刻まで前記第１条件で調理された前記１または複数の材料の第２酸味度合いを決定し、
　（ｃ）第３時刻にカメラで撮影された、前記第１時刻から前記第３時刻まで前記第１条件で調理された前記１または複数の材料の第２画像に基づいて、前記第１時刻から前記第３時刻まで前記第１条件で調理された前記１または複数の材料の第３酸味度合いを決定し、
　（ｄ）前記第１酸味度合い、前記第２酸味度合い、前記第３酸味度合いに基づいて、第２温度を含む情報を決定し、これにより、前記調理器は前記第１酸味度合いを有する前記料理を生成するために、前記第１時刻から第４時刻まで調理された前記1つまたは複数の材料を第５時刻から第２条件で調理し、
　前記第２条件は、前記調理器は前記第１時刻から前記第４時刻まで調理された前記1つまたは複数の材料を第２温度で調理することを含み、前記第５時刻は、前記第４時刻より遅いまたは前記第４時刻と同じ、
　前記第４時刻は、前記第２時刻及び前記第３時刻より遅い、
　前記第２時刻及び前記第３時刻は前記第１時刻より遅い、
方法。

　上記（ａ）は、例えば、第１学習モデルとその関連記載にサポートされている。

　上記（ｂ）（ｃ）は、例えば、第２学習モデルとその関連記載にサポートされている。
上記（ｄ）は、例えば、第３学習モデルとその関連記載にサポートされている。

　本開示は、料理の官能度合を適切に制御することができるという効果を奏し、調理に関する制御または情報提供を行うシステムまたは装置などに有用である。

１００　　サーバ
１０３　　サーバ制御部
１０４　　サーバ記憶部
１０５　　サーバ通信部
１１０　　第１記憶部
１１１　　料理リスト情報
１１２　　レシピ情報
１１３　　基本調理パラメータ情報
１１４　　基本官能情報
１２０　　第２記憶部
１２１　　調理状態情報
１２１ａ　　画像データ
１２１ｂ　　化学分析データ
１２１ｃ　　重量データ
１３０　　第３記憶部
１３１　　官能情報
１３１ａ　　目標官能情報
１３１ｂ　　第１官能情報
１３１ｃ　　第２官能情報
１３１ｄ　　第３官能情報
１４０　　第４記憶部
１４１　　初期調理パラメータ情報
１４２　　修正調理パラメータ情報
１５０　　モデル格納部
１５０ａ　　学習モデルセット
１５１　　第１学習モデル
１５２　　第２学習モデル
１５３　　第３学習モデル
１５４　　第４学習モデル
２００　　操作端末
２０１　　入力部
２０２　　表示部
２０３　　端末制御部
２０４　　端末記憶部
２０５　　端末通信部
３００　　調理器
３０３　　調理制御部
３０４　　調理記憶部
３０５　　調理通信部
３１０　　調理状態取得部
３１１　　重量測定部
３１２　　撮像部
３１３　　化学分析部
３２０　　調理部
３２１　　圧力調整部
３２２　　温度調整部
３２３　　時間調整部
１０００　　情報処理システム
１０３１　　入力取得部
１０３２　　パラメータ取得部
１０３３　　官能情報取得部
１０３４　　パラメータ修正部
１０３５　　処理部
１０３７　　パラメータ出力部

Claims

　被調理物を調理する調理器を制御するためにコンピュータが実行する制御方法であって、
　前記被調理物の調理によって得られる料理の官能に関する１つ以上の数値に対する目標を示す目標官能情報を取得し、
　取得された前記目標官能情報に基づいて、前記調理器による調理に用いられる１以上の調理パラメータを含む調理パラメータ情報を取得し、
　前記調理器による調理が行われているときの、前記被調理物の前記官能に関する１つ以上の数値を示す調理中官能情報を取得し、
　前記目標官能情報および前記調理中官能情報に基づいて、前記調理パラメータ情報を、１以上の修正調理パラメータを含む修正調理パラメータ情報に変更し、
　前記修正調理パラメータ情報を含む制御信号を出力する、
　制御方法。
　前記調理中官能情報の取得では、
　前記調理器による調理開始から第１時間経過時点における前記調理中官能情報を、第１官能情報として取得し、
　前記調理器による調理開始から前記第１時間経過後の第２時間経過時点における前記調理中官能情報を、第２官能情報として取得し、
　前記調理パラメータ情報の変更では、
　前記第１官能情報と前記第２官能情報との差分と、前記目標官能情報とに基づいて、前記調理パラメータ情報を前記修正調理パラメータ情報に変更する、
　請求項１に記載の制御方法。
　前記制御方法では、さらに、
　前記調理器による前記修正調理パラメータ情報にしたがった調理によって得られる前記料理の前記官能に関する１つ以上の数値を示す第３官能情報を取得する、
　請求項１に記載の制御方法。
　前記調理パラメータ情報の変更では、
　前記目標官能情報および前記調理中官能情報に基づいて、前記修正調理パラメータ情報の複数の候補を取得し、
　前記複数の候補から、前記調理パラメータ情報との差分が閾値以下である候補、または、前記調理パラメータ情報に最も近い候補を、前記修正調理パラメータ情報として選択する、
　請求項１に記載の制御方法。
　前記第３官能情報の取得では、
　少なくとも前記修正調理パラメータ情報を学習モデルに入力することによって、前記第３官能情報を取得し、
　前記学習モデルは、少なくとも、前記調理器による調理中に変更された１以上の調理パラメータの入力に対して、前記１以上の調理パラメータにしたがった前記調理器による調理によって得られる前記料理の前記官能に関する１つ以上の数値が出力されるように機械学習されている、
　請求項３に記載の制御方法。
　前記調理中官能情報の取得では、
　前記調理器による調理が行われているときの、前記被調理物の画像、前記被調理物の重量、および前記被調理物に含まれる化学成分の分量の少なくとも１つを学習モデルに入力することによって、前記調理中官能情報を取得する、
　請求項１に記載の制御方法。
　前記学習モデルは、
　前記調理器で調理されている１以上の食材の画像、前記１以上の食材の重量、および前記１以上の食材に含まれる化学成分の分量の少なくとも１つの入力に対して、前記１以上の食材の前記官能に関する１つ以上の数値が出力されるように機械学習されている、
　請求項６に記載の制御方法。
　前記１以上の調理パラメータは、前記調理器による調理に用いられる温度を示すパラメータと、前記調理器による調理に用いられる時間を示すパラメータとを含む、
　請求項１～７の何れか１項に記載の制御方法。
　前記１以上の調理パラメータは、さらに、前記調理器による調理に用いられる圧力を示すパラメータを含む、
　請求項８に記載の制御方法。
　調理器による被調理物の調理に関する情報をコンピュータが提供する情報提供方法であって、
　ユーザによる操作に応じて、前記被調理物の調理によって得られる料理の官能に関する１つ以上の数値に対する目標を示す目標官能情報を受け付け、
　前記目標官能情報と、前記調理器による前記被調理物に対する調理が行われているときの、前記被調理物の前記官能に関する１つ以上の数値を示す調理中官能情報とに基づいて導出される、前記料理の前記官能に関する最終官能情報を出力する、
　情報提供方法。
　被調理物を調理する調理器を制御する制御システムであって、
　前記被調理物の調理によって得られる料理の官能に関する１つ以上の数値に対する目標を示す目標官能情報を取得する入力取得部と、
　取得された前記目標官能情報に基づいて、前記調理器による調理に用いられる１以上の調理パラメータを含む調理パラメータ情報を取得するパラメータ取得部と、
　前記調理器による調理が行われているときの、前記被調理物の前記官能に関する１つ以上の数値を示す調理中官能情報を取得する官能情報取得部と、
　前記目標官能情報および前記調理中官能情報に基づいて、前記調理パラメータ情報を、１以上の修正調理パラメータを含む修正調理パラメータ情報に修正するパラメータ修正部と、
　前記修正調理パラメータ情報を含む制御信号を前記調理器に出力するパラメータ出力部とを備える、
　制御システム。
　調理器による被調理物の調理に関する情報を提供する情報提供システムであって、
　ユーザによる操作に応じて、前記被調理物の調理によって得られる料理の官能に関する１つ以上の数値に対する目標を示す目標官能情報を受け付ける入力部と、
　前記目標官能情報と、前記調理器による前記被調理物に対する調理が行われているときの、前記被調理物の前記官能に関する１つ以上の数値を示す調理中官能情報とに基づいて導出される、前記料理の前記官能に関する最終官能情報を出力する出力部とを備える、
　情報提供システム。
　被調理物を調理する調理器を制御するためのプログラムであって、
　前記被調理物の調理によって得られる料理の官能に関する１つ以上の数値に対する目標を示す目標官能情報を取得し、
　取得された前記目標官能情報に基づいて、前記調理器による調理に用いられる１以上の調理パラメータを含む調理パラメータ情報を取得し、
　前記調理器による調理が行われているときの、前記被調理物の前記官能に関する１つ以上の数値を示す調理中官能情報を取得し、
　前記目標官能情報および前記調理中官能情報に基づいて、前記調理パラメータ情報を、１以上の修正調理パラメータを含む修正調理パラメータ情報に変更し、
　前記修正調理パラメータ情報を含む制御信号を出力することを、
　コンピュータに実行させる、
　プログラム。
　調理器による被調理物の調理に関する情報を提供するためのプログラムであって、
　ユーザによる操作に応じて、前記被調理物の調理によって得られる料理の官能に関する１つ以上の数値に対する目標を示す目標官能情報を受け付け、
　前記目標官能情報と、前記調理器による前記被調理物に対する調理が行われているときの、前記被調理物の前記官能に関する１つ以上の数値を示す調理中官能情報とに基づいて導出される、前記料理の前記官能に関する最終官能情報を出力することを、
　コンピュータに実行させる、
　プログラム。