特許 6796841 咀嚼能力推定装置、咀嚼能力推定方法、及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6796841

(24)【登録日】2020年11月19日

(45)【発行日】2020年12月9日

(54)【発明の名称】咀嚼能力推定装置、咀嚼能力推定方法、及びプログラム

(51)【国際特許分類】

   A61C 19/04 20060101AFI20201130BHJP

   A61B 5/11 20060101ALI20201130BHJP

【ＦＩ】

   A61C19/04 Z

   A61B5/11 310

【請求項の数】7

【全頁数】19

(21)【出願番号】特願2017-63904(P2017-63904)

(22)【出願日】2017年3月28日

(65)【公開番号】特開2018-164689(P2018-164689A)

(43)【公開日】2018年10月25日

【審査請求日】2019年12月16日

(73)【特許権者】

【識別番号】304027279

【氏名又は名称】国立大学法人 新潟大学

(73)【特許権者】

【識別番号】504176911

【氏名又は名称】国立大学法人大阪大学

(74)【代理人】

【識別番号】100095407

【弁理士】

【氏名又は名称】木村 満

(74)【代理人】

【識別番号】100175019

【弁理士】

【氏名又は名称】白井 健朗

(74)【代理人】

【識別番号】100195648

【弁理士】

【氏名又は名称】小林 悠太

(74)【代理人】

【識別番号】100104329

【弁理士】

【氏名又は名称】原田 卓治

(74)【代理人】

【識別番号】100132883

【弁理士】

【氏名又は名称】森川 泰司

(72)【発明者】

【氏名】小野 高裕

(72)【発明者】

【氏名】堀 一浩

(72)【発明者】

【氏名】東森 充

【審査官】 木村 立人

(56)【参考文献】

【文献】 特開２００８−２２０６００（ＪＰ，Ａ）

【文献】 特開２０１２−４５１９６（ＪＰ，Ａ）

【文献】 特開２００９−１１９０３１（ＪＰ，Ａ）

【文献】 特許第４８５２７６０（ＪＰ，Ｂ２）

【文献】 国際公開第２００８／０２０５８８（ＷＯ，Ａ１）

【文献】 特開２０１２−１７０４２４（ＪＰ，Ａ）

【文献】 特開２０１５−１４６７８３（ＪＰ，Ａ）

【文献】 特開２０１６−２２１０６６（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ａ６１Ｃ １９／０４

Ａ６１Ｂ ５／１１

(57)【特許請求の範囲】

【請求項1】

色素が含有されると共に透光性を有する食材を被験体に咀嚼させることで得られる複数の咬断片の表面積に基づき、前記被験体の咀嚼能力を推定する咀嚼能力推定装置であって、
撮像手段が前記複数の咬断片を撮像することで得られる撮像画像の色情報に基づき、前記複数の咬断片ごとに、咬断片の領域面積及び推定高さを含む特徴量を算出する特徴量算出手段と、
前記特徴量に基づき前記表面積を算出する咀嚼能力推定手段と、を備える、
ことを特徴とする咀嚼能力推定装置。

【請求項2】

前記撮像画像から前記複数の咬断片の各々を抽出した抽出画像を生成する抽出画像生成手段をさらに備え、
前記特徴量算出手段は、前記抽出画像の色情報に基づき、前記推定高さを算出する、
ことを特徴とする請求項１に記載の咀嚼能力推定装置。

【請求項3】

前記特徴量算出手段は、前記色素の吸光度がピーク値をとる波長帯域に対応した色以外の色に関する色情報に基づき、前記推定高さを算出する、
ことを特徴とする請求項１又は２に記載の咀嚼能力推定装置。

【請求項4】

前記特徴量算出手段は、前記撮像画像の色情報として、赤色に対応する色座標値と緑色に対応する色座標値との差に基づき、前記推定高さを算出する、
ことを特徴とする請求項１〜３のいずれか１項に記載の咀嚼能力推定装置。

【請求項5】

前記食材は、前記色素としてカロチン色素と、マリーゴールド色素と、パプリカ色素との少なくともいずれかを用いたグミゼリーであり、
前記特徴量算出手段は、前記色素の吸光度がピーク値をとる波長帯域に対応した青色以外の色に関する色情報に基づき、前記推定高さを算出する、
ことを特徴とする請求項１〜４のいずれか１項に記載の咀嚼能力推定装置。

【請求項6】

色素が含有されると共に透光性を有する食材を被験体に咀嚼させることで得られる複数の咬断片の表面積に基づき、前記被験体の咀嚼能力を推定する咀嚼能力推定方法であって、
前記複数の咬断片を撮像して撮像画像を取得するステップと、
前記撮像画像の色情報に基づき、前記複数の咬断片ごとに、咬断片の領域面積及び推定高さを含む特徴量を算出するステップと、
前記特徴量に基づき前記表面積を算出するステップと、を備える、
ことを特徴とする咀嚼能力推定方法。

【請求項7】

色素が含有されると共に透光性を有する食材を被験体に咀嚼させることで得られる複数の咬断片が写された撮像画像を解析するためのプログラムであって、
コンピュータに、
前記撮像画像の色情報に基づき、前記複数の咬断片ごとに、咬断片の領域面積及び推定高さを含む特徴量を算出する処理と、
前記特徴量に基づき前記複数の咬断片の表面積を算出する処理と、
を実行させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、咀嚼能力推定装置、咀嚼能力推定方法、及びプログラムに関する。

【背景技術】

【0002】

従来から、咀嚼により細分化が可能な食材を用いて咀嚼能力を推定する手法が提案されている。例えば、咀嚼前よりも咀嚼後の食材は表面積が増加することから、当該表面積に基づき咀嚼能力を推定する手法である。

【0003】

特許文献１〜４には、検査対象者に規格化されたグミゼリーを規定回数だけ咀嚼させ、口腔内から回収した咀嚼後のグミゼリーを用いて咀嚼能力を推定する手法が開示されている。この手法では、咀嚼後のグミゼリーを一定時間水中で攪拌し、グミゼリーに含有された色素、タンパク、糖などの溶融量を分析する。そして、分析によって得られた溶融量と予め作成した回帰式に基づいて、咀嚼後のグミゼリーの表面積を求め、求めた表面積により咀嚼能力を推定する。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２００８−２２０６００号公報

【特許文献2】特開２０１２−４５１９６号公報

【特許文献3】特開２００９−１１９０３１号公報

【特許文献4】特許第４８５２７６０号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

特許文献１〜４に開示された手法では、攪拌装置や成分分析装置などの特別な装置が必要となるため、簡易に咀嚼能力を推定するという点では改善の余地がある。また、装置を用いずに、評価者が目視によって、咀嚼後のグミゼリーがどれくらい細分化されているかを判断してスコア化する手法（スコア法）も存在する。このスコア法でも、ある程度の精度で咀嚼能力を推定できることが分かっているが、評価者による差が生じてしまう。

【0006】

本発明は、上記実情に鑑みてなされたものであり、簡易に、良好な精度で咀嚼能力を推定することができる咀嚼能力推定装置、咀嚼能力推定方法、及びプログラムを提供することを目的とする。

【課題を解決するための手段】

【0007】

上記目的を達成するため、本発明の第１の観点に係る咀嚼能力推定装置は、
色素が含有されると共に透光性を有する食材を被験体に咀嚼させることで得られる複数の咬断片の表面積に基づき、前記被験体の咀嚼能力を推定する咀嚼能力推定装置であって、
撮像手段が前記複数の咬断片を撮像することで得られる撮像画像の色情報に基づき、前記複数の咬断片ごとに、咬断片の領域面積及び推定高さを含む特徴量を算出する特徴量算出手段と、
前記特徴量に基づき前記表面積を算出する咀嚼能力推定手段と、を備える。

【0008】

前記咀嚼能力推定装置は、前記撮像画像から前記複数の咬断片の各々を抽出した抽出画像を生成する抽出画像生成手段をさらに備え、
前記特徴量算出手段は、前記抽出画像の色情報に基づき、前記推定高さを算出してもよい。

【0009】

前記特徴量算出手段は、前記色素の吸光度がピーク値をとる波長帯域に対応した色以外の色に関する色情報に基づき、前記推定高さを算出してもよい。

【0010】

前記特徴量算出手段は、前記撮像画像の色情報として、赤色に対応する色座標値と緑色に対応する色座標値との差に基づき、前記推定高さを算出してもよい。

【0011】

前記食材は、前記色素としてカロチン色素と、マリーゴールド色素と、パプリカ色素との少なくともいずれかを用いたグミゼリーであり、
前記特徴量算出手段は、前記色素の吸光度がピーク値をとる波長帯域に対応した青色以外の色に関する色情報に基づき、前記推定高さを算出してもよい。

【0012】

上記目的を達成するため、本発明の第２の観点に係る咀嚼能力推定方法は、
色素が含有されると共に透光性を有する食材を被験体に咀嚼させることで得られる複数の咬断片の表面積に基づき、前記被験体の咀嚼能力を推定する咀嚼能力推定方法であって、
前記複数の咬断片を撮像して撮像画像を取得するステップと、
前記撮像画像の色情報に基づき、前記複数の咬断片ごとに、咬断片の領域面積及び推定高さを含む特徴量を算出するステップと、
前記特徴量に基づき前記表面積を算出するステップと、を備える。

【0013】

上記目的を達成するため、本発明の第３の観点に係るプログラムは、
色素が含有されると共に透光性を有する食材を被験体に咀嚼させることで得られる複数の咬断片が写された撮像画像を解析するためのプログラムであって、
コンピュータに、
前記撮像画像の色情報に基づき、前記複数の咬断片ごとに、咬断片の領域面積及び推定高さを含む特徴量を算出する処理と、
前記特徴量に基づき前記複数の咬断片の表面積を算出する処理と、
を実行させる。

【発明の効果】

【0014】

本発明によれば、簡易に、良好な精度で咀嚼能力を推定することができる。

【図面の簡単な説明】

【0015】

【図1】本発明の一実施形態に係る咀嚼能力推定装置の構成を示すブロック図である。

【図2】（ａ）は撮像画像を示し、（ｂ）は規格化画像を示し、（ｃ）は抽出画像を示す図である。

【図3】βカロチンの吸光度スペクトルを示すグラフの図である。

【図4】（ａ）はグミゼリーの咬断片における画素値を説明するための模式図であり、（ｂ）は咀嚼能力決定テーブルの一例を示す図である。

【図5】本発明の一実施形態に係る咀嚼能力推定処理を示すフローチャートである。

【図6】本発明の一実施形態に係る咀嚼能力推定処理により導かれた推定値と、従来の機器分析法により導かれた推定値との相関関係を示すグラフの図である。

【図7】マリーゴールド色素の吸光度スペクトルを示すグラフの図である。

【図8】（ａ）はパプリカ色素の吸光度スペクトルを示し、（ｂ）は紫コーン色素の吸光度スペクトルを示すグラフの図である。

【図9】（ａ）はベニバナ色素の吸光度スペクトルを示し、（ｂ）は赤キャベツ色素の吸光度スペクトルを示すグラフの図である。

【発明を実施するための形態】

【0016】

本発明の一実施形態を、図面を参照して説明する。

【0017】

図１に示す咀嚼能力推定装置１００は、規格化されたグミゼリーを被験者に咀嚼させることで得られる複数の咬断片Ｆ（図２（ａ）参照）の表面積を算出し、算出した表面積を被験者の咀嚼能力として推定する。なお、「グミゼリー」とは、ゼラチンを含む食品であって、咀嚼により複数の咬断片に細分化することが可能なものをいう。例えば、グミゼリーは、ゼラチン、糖、水、所定の色素などを成分として形成される。

【0018】

咀嚼能力推定装置１００を用いた咀嚼能力推定方法では、まず、カロチン色素入りのグミゼリー（２０×２０×１０ｍｍ、約５．５ｇ）を被験者に３０回咀嚼させた後、ケース９（図２（ａ）参照）に回収する。そして、咀嚼能力推定装置１００により、ケース９内に収容された咀嚼後のグミゼリーの咬断片Ｆを撮像して得られる撮像画像Ｐ１を解析することで、咀嚼後のグミゼリーの表面積を算出する。
ケース９は、グミゼリーの大きさに合わせて規格化されたものであり、矩形の底面部を有し、開口した箱状に形成されている。ケース９は、例えばプラスティック等の樹脂により白色に形成されている。図２（ａ）に示すように、ケース９の底面部の四隅には、画像解析サイズを調整するためのマーカ９ａ〜９ｄが設けられている。
以下では、まず、咀嚼能力推定装置１００の構成について説明した後、咀嚼能力推定装置１００を用いた咀嚼能力推定方法について詳細に述べる。

【0019】

咀嚼能力推定装置１００は、図１に示すように、撮像装置１０と、画像解析装置２０と、を備える。

【0020】

撮像装置１０は、例えば、デジタルカメラから構成され、レンズ部１１と、撮像素子１２と、撮像制御部１３と、メモリ部１４と、を備える。

【0021】

レンズ部１１は、所定数のレンズを有し、被写体（主に咬断片Ｆ）の像を撮像素子１２へ結像させる。また、レンズ部１１は、撮像制御部１３の制御により、図示しないレンズ駆動部を介してフォーカス、ズーム動作が可能となっている。

【0022】

撮像素子１２は、例えば、ＲＧＢフィルタがベイヤー配列されたＣＣＤ（Charge Coupled Device）やＣＭＯＳ（Complementary MOS）等から構成されている。撮像素子１２は、異なる３つの波長帯域（ＲＧＢ）の光をそれぞれ透過させるフィルタを介して入射される被写体像を表す光を電気信号に変換することで、被写体の画像（撮像画像Ｐ１）のＲＧＢのアナログデータを取得する。この実施形態に係る咀嚼能力推定方法においては、撮像画像Ｐ１は、図２（ａ）に示すように、ケース９とその内部に収容されたグミゼリーの複数の咬断片Ｆとが写った画像となる。

【0023】

撮像制御部１３は、ＣＰＵ（Central Processing Unit）等から構成され、メモリ部１４に格納されている動作プログラムを実行して、撮像装置１０の各部の動作を制御する。また、撮像制御部１３は、撮像素子１２が取得した撮像画像Ｐ１のアナログデータを、Ａ／Ｄ（Analog/Digital）変換してデジタルデータを生成し、生成したデジタルデータに対し必要に応じて、ホワイトバランス調整、ノイズ除去などの公知の画像処理を実行する。撮像画像Ｐ１のデジタルデータ（画像データ）は、メモリ部１４に保存される。なお、撮像制御部１３は、画像解析装置２０の制御部２１と、図示しないＩ／Ｆ（インターフェース）や、有線又は無線による通信手段を介して通信可能に構成されている。メモリ部１４は、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）等から構成され、動作プログラムや、撮像画像Ｐ１の画像データを記憶する。

【0024】

画像解析装置２０は、例えば、パーソナルコンピュータから構成され、制御部２１と、記憶部２２と、表示部２３と、を備える。

【0025】

制御部２１は、ＣＰＵ等から構成され、記憶部２２に格納されている動作プログラムを実行して、画像解析装置２０の各部の動作を制御する。また、制御部２１は、撮像装置１０から前記のＩ／Ｆや通信手段を介して、撮像画像Ｐ１の画像データを取得し、取得した撮像画像Ｐ１に対して画像処理を実行する。

【0026】

記憶部２２は、ＲＯＭやＲＡＭ等から構成されている。記憶部２２のＲＯＭには、各種の動作プログラム（後述の咀嚼能力推定処理を実行するためのプログラムＰＧを含む）のデータ、後述の特徴量を算出するための数式に関するデータ、後述の咀嚼能力決定テーブルＴＡのデータなどが予め記憶されている。記憶部２２のＲＡＭは、各種演算結果を示すデータや、撮像装置１０から取得した撮像画像Ｐ１の画像データなどを一時的に記憶する。

【0027】

表示部２３は、液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）、有機ＥＬディスプレイ（ＯＥＬＤ：Organic ElectroLuminescence Display）等から構成され、制御部２１の制御の下で所定の画像を表示する。例えば、表示部２３は、咀嚼能力推定結果を示す画像などを表示する。なお、表示部２３は、後述の咀嚼能力推定処理の実行に合わせて、図２（ａ）〜（ｃ）に示す撮像画像Ｐ１、規格化画像Ｐ２、抽出画像Ｐ３を表示してもよい。

【0028】

制御部２１は、機能部として、規格化部２１ａと、抽出画像生成部２１ｂと、特徴量算出部２１ｃと、咀嚼能力推定部２１ｄと、を備える。

【0029】

規格化部２１ａは、図２（ａ）に示すように、ケース９とその内部に収容されたグミゼリーの複数の咬断片Ｆとが写った撮像画像Ｐ１の画像データから、マーカ９ａ〜９ｄの各位置を検出し、検出した各位置に基づき解析サイズを調整した、図２（ｂ）に示すような、規格化画像Ｐ２の画像データを生成する。例えば、規格化部２１ａは、パターンマッチング等の手法により、マーカ９ａ〜９ｄの各位置を検出し、検出した各位置に基づき、撮像画像Ｐ１をトリミングして規格化画像Ｐ２（例えば、縦８３０ｐｘ、横１２５０ｐｘ）を生成する。規格化部２１ａは、画像のサイズ調整に併せて画像の歪みなどを補正してもよい。マーカ９ａ〜９ｄの検出手法、画像サイズの調整手法、歪みの補正手法は、適宜、公知の手法を採用することができる。なお、ケース９にマーカ９ａ〜９ｄを設けず、規格化部２１ａは、撮像装置１０が有する距離センサが取得した被写体までの距離情報と、予め記憶部２２のＲＯＭに記憶させたケース９の大きさに関するデータとに基づいて、画像サイズを調整した規格化画像Ｐ２を生成してもよい。

【0030】

抽出画像生成部２１ｂは、規格化部２１ａが生成した規格化画像Ｐ２の画像データから、複数の咬断片Ｆそれぞれの領域を抽出した（複数の咬断片Ｆそれぞれを示す画像を抽出した）、図２（ｃ）に示すような、抽出画像Ｐ３の画像データを生成する。併せて、抽出画像生成部２１ｂは、生成した抽出画像Ｐ３において、領域を抽出した咬断片Ｆの各々に、１、２、３、…ｉ（ｉ：咬断片Ｆの数）というように、所定の順序でラベリングを行う。

【0031】

具体的には、抽出画像生成部２１ｂは、規格化画像Ｐ２を構成する画像群のＲＧＢデータ（ＲＧＢ表色系における（Ｒ，Ｇ，Ｂ）の値）のうちブルー（Ｂ）の値に基づいて、各咬断片Ｆの領域を抽出する。「Ｂ」の値を用いる理由は、後に述べる。例えば、抽出画像生成部２１ｂは、注目画素の「Ｂ」の値と、注目画素に隣接する隣接画素の「Ｂ」の値との差分値が、予め定めた閾値を超える画素を抽出することで、各咬断片Ｆの輪郭（エッジ）を抽出し、抽出画像Ｐ３を生成する。なお、各咬断片Ｆのエッジ抽出手法は、任意であり、１次微分をする時に注目画素の近傍の画素に重み付けをするエッジ抽出フィルタを用いて各咬断片Ｆの領域を抽出し、抽出画像Ｐ３を生成してもよい。例えば、エッジ抽出フィルタとして、９画素（３×３画素）における注目画素（中央画素）の４つの近傍画素（上下左右の画素）の重みをそれぞれ−１としたラプラシアンフィルタ（４近傍）を用いた場合、抽出画像生成部２１ｂは、各画素の「Ｂ」の値により４近傍の差分を取り、その差分値が所定の閾値を超える画素を抽出することで、各咬断片Ｆの輪郭（エッジ）を抽出すればよい。その他、エッジ抽出フィルタとして、８つの近傍画素に重み付けをしたラプラシアンフィルタ（８近傍）や、グラディエントフィルタ（Ｒｏｂｅｒｔｓフィルタ、Ｐｒｅｗｉｔｔフィルタ、Ｓｏｂｅｌフィルタ等）などの他の公知のエッジ抽出フィルタを用いてもよい。当該エッジ抽出フィルタを用いた演算を行うためのデータは、予め記憶部２２のＲＯＭに格納されていればよい。

【0032】

ここで、抽出画像Ｐ３を生成する際に、規格化画像Ｐ２を構成する画素のブルー（Ｂ）の値を用いる理由を、図３を参照して説明する。図３は、βカロチン（溶液）の吸光度スペクトル（吸光度の波長依存性）を示すグラフである。なお、本実施形態で使用するカロチン色素入りのグミゼリーにおいては、βカロチンの色が支配的となる。

【0033】

図３を参照すると分かるように、βカロチンの吸光度は、青色（概ね波長帯域４３５ｎｍ〜４９５ｎｍ。なお、ＣＩＥ（国際照明委員会）表色系では４３５．８ｎｍ）に相当するときにピーク値をとる。したがって、規格化画像Ｐ２を構成する画素群においては、咬断片Ｆが無い領域（つまり、ケース９の底面部が写った領域）から、咬断片Ｆが有る領域に差し掛かると、画素値（ＲＧＢデータ）の「Ｂ」成分が急激に低下することになる。こうした理由から、抽出画像生成部２１ｂは、規格化画像Ｐ２を構成する各画素のブルー（Ｂ）の値の変化に基づいて、各咬断片Ｆの輪郭（エッジ）を抽出し、複数の咬断片Ｆそれぞれの領域を示す抽出画像Ｐ３の画像データを生成する。

【0034】

特徴量算出部２１ｃは、抽出画像Ｐ３においてラベリングされた複数の咬断片Ｆ毎に、特徴量を算出する。ラベリングされた複数の咬断片Ｆのうち任意の１つを咬断片Ｆｉとすれば、特徴量算出部２１ｃは、咬断片Ｆｉの画像を構成する画素群のＲＧＢデータ（ＲＧＢ表色系における（Ｒ，Ｇ，Ｂ）の値）のうち、各画素におけるＲの値からＧの値を減じることで、各画素に対応した位置における咬断片Ｆｉの推定高さを表す高さ情報「ｃ」（ｃ＝Ｒ−Ｇ）を特徴量として算出する。なお、ＲＧＢデータの値を述べる際に使用するＲは、後述の表面積を示す記号Ｒ（表面積Ｒ。下記（数２）の（ｃ２））とは別のものを指すことに留意されたい。

【0035】

ここで、高さ情報「ｃ」が咬断片Ｆｉの推定高さを表す理由を、図３及び図４（ａ）を参照して説明する。

【0036】

図３に示すように、赤色に相当する波長帯域（概ね６２０ｎｍ以上。なお、ＣＩＥ表色系では７００ｎｍ）では、グミゼリーに含まれるβカロチンの吸光度は、ほぼ０（ゼロ）に近くなる。つまりは、ケース９内の咬断片Ｆｉが有る領域と無い領域とで、画素値の「Ｒ」成分はほぼ変化せず、一定と見做せることになる。一方、緑色に相当する波長帯域（概ね４９５ｎｍ〜５７０ｎｍ。なお、ＣＩＥ表色系では５４６．１ｎｍ）では、カロチンの吸光度はピーク値と０（ゼロ）との間の所定値をとることがわかる。
続いて、説明の理解を容易にするために、咬断片Ｆｉに白色光を当てた場合を考える。白色光を仮想上、完全な白と考えると、当該白は、（Ｒ，Ｇ，Ｂ）＝（Ｗ，Ｗ，Ｗ）（各色の明度を８ビットで表した場合は、Ｗ＝２５５）で表すことができる。また、グミゼリーの咬断片Ｆｉで光が吸収されることによる、ＲＧＢに対応した各波長に対応した明度の減少分をＡ_Ｒ、Ａ_Ｇ、Ａ_Ｂとすれば、図４（ａ）に示すように、咬断片Ｆｉの画素データは、（Ｒ，Ｇ，Ｂ）＝（Ｗ−Ａ_Ｒ，Ｗ−Ａ_Ｇ，Ｗ−Ａ_Ｂ）と表すことができる。
前記のように赤色（Ｒ）に対応する波長帯域では、カロチンの吸光度はほぼ０（ゼロ）であるため、Ａ_Ｒ＝０と見做せる。そうすると、位置Ｅにおける画素データは、（Ｒ，Ｇ，Ｂ）＝（Ｗ−Ａ_Ｒ，Ｗ−Ａ_Ｇ，Ｗ−Ａ_Ｂ）≒（Ｗ，Ｗ−Ａ_Ｇ，Ｗ−Ａ_Ｂ）と近似して表せる。ここで、Ｒの値からＧの値を減じると、Ｒ−Ｇ＝Ｗ−（Ｗ−Ａ_Ｇ）＝Ａ_Ｇとなる。吸光度は、試料の光路長と試料濃度に比例するため、規格化されたカロチン入りのグミゼリーを用いた場合は、当該グミゼリーの咬断片Ｆｉの位置Ｅにおける高さをｈとすれば、ｋを係数として、Ａ_Ｇ＝ｋ・ｈと表せる。これにより、高さ情報ｃは、ｃ＝Ｒ−Ｇ＝ｋ・ｈとなり、咬断片Ｆｉの推定高さを表すことが分かる。

【0037】

以上のようにして、特徴量算出部２１ｃは、咬断片Ｆｉを表す画像を構成する各画素において、高さ情報ｃを算出する。なお、特徴量算出部２１ｃは、咬断片Ｆｉを表す画像を構成する画素群の全てにおいて、高さ情報ｃを算出しなくともよい。例えば、当該画素群を分割し、その分割数に対応した分だけ、高さ情報ｃを算出するなどしてもよい。

【0038】

また、特徴量算出部２１ｃは、抽出画像生成部２１ｂが抽出した咬断片Ｆｉのエッジに囲まれる領域の面積（領域面積）Ａｉを算出する。領域面積Ａｉは、概ね、ケース９の底面の法線方向Ｎ（図４（ａ）参照）における、咬断片Ｆｉの正射影の部分の面積（つまり、法線方向Ｎにおける咬断片Ｆｉの凹凸は考慮されていない面積）を表すことになる。また、特徴量算出部２１ｃは、咬断片Ｆｉの画像を構成する画素毎に算出した高さ情報ｃの偏差σｉを算出する。そして、特徴量算出部２１ｃは、算出した領域面積Ａｉと偏差σｉとを乗算することで、咬断片Ｆｉの表面積Ｒｉ（法線方向Ｎにおける咬断片Ｆｉの凹凸が考慮された表面積）を算出する。
このように、特徴量算出部２１ｃは、任意の１の咬断片Ｆｉにつき、高さ情報ｃに加え、下記（数１）に示すように、領域面積Ａｉ、偏差σｉ、表面積Ｒｉを算出する。

【0039】

【数1】

【0040】

特徴量算出部２１ｃは、抽出画像生成部２１ｂが抽出画像Ｐ３においてラベリングした数ｉだけ（つまり、複数の咬断片Ｆごとに）、特徴量として、高さ情報ｃ、領域面積Ａｉ、偏差σｉ、表面積Ｒｉを算出する。そして、特徴量算出部２１ｃは、下記（数２）の（ｃ２）式に示すように、表面積Ｒｉの総和を演算し、複数の咬断片Ｆの合計の表面積Ｒを算出する。なお、特徴量算出部２１ｃは、領域面積Ａｉの総和を演算して複数の咬断片Ｆの合計の領域面積Ａ（下記（数２）の（ａ２）式を参照）を求め、各咬断片Ｆｉの領域面積Ａｉの比率（Ａｉ／Ａ）を考慮した偏差σｉの総和を演算して複数の咬断片Ｆの偏差Ｃｄ（下記（数２）の（ｂ２）式を参照）を求めた後に、ＡとＣｄを乗算することで複数の咬断片Ｆの合計の表面積Ｒを算出してもよく、表面積Ｒを算出することができれば演算の順序は任意である。

【0041】

【数2】

【0042】

図１に戻って、制御部２１の咀嚼能力推定部２１ｄは、特徴量算出部２１ｃが算出した、複数の咬断片Ｆの合計の表面積Ｒに基づいて、咀嚼能力を推定する。例えば、咀嚼能力推定部２１ｄは、実験により求めた所定の回帰式と、表面積Ｒと領域面積Ａの２つのパラメータを用いて咀嚼能力を推定する（重回帰による推定）。なお、咀嚼能力推定部２１ｄは、所定の回帰式と表面積Ｒから咀嚼能力を推定してもよい（単回帰による推定）。例えば、単回帰による推定の場合は、咀嚼能力推定部２１ｄは、図４（ｂ）に示すような咀嚼能力決定テーブルＴＡを参照して、咀嚼能力を決定すればよい。咀嚼能力決定テーブルＴＡは、記憶部２２のＲＯＭ内に予め記憶され、表面積Ｒの数値範囲と、咀嚼能力Ａｂ（数値に限らず、優劣を示すランクであってもよい）とを関連付けて構成されている。このような咀嚼能力決定テーブルＴＡを参照することで、咀嚼能力推定部２１ｄは、特徴量算出部２１ｃが算出した表面積Ｒに対応した咀嚼能力Ａｂを決定してもよい。

【0043】

咀嚼能力推定装置１００の構成は以上である。続いて、咀嚼能力推定装置１００を用いた咀嚼能力推定方法、及び、咀嚼能力推定処理の一例を説明する。

【0044】

まず、被験者に、規格化されたカロチン色素入りのグミゼリー（２０×２０×１０ｍｍ、約５．５ｇ）を被験者に３０回咀嚼させた後、咀嚼後のグミゼリーの咬断片Ｆをケース９に回収する。続いて、ケース９内に収容された咀嚼後のグミゼリーの咬断片Ｆを撮像装置１０により撮像する。

【0045】

画像解析装置２０の制御部２１は、図示しない操作部（キーボード、タッチパネル等）になされた所定の操作を受け付けたことに応じて、図５に示す咀嚼能力推定処理を開始し、撮像装置１０から撮像画像Ｐ１を取得する（ステップＳ１）。

【0046】

続いて、制御部２１の規格化部２１ａは、撮像画像Ｐ１（図２（ａ））に写ったマーカ９ａ〜９ｄの各位置を検出し、検出した各位置に基づいて規格化画像Ｐ２（図２（ｂ））を生成する（ステップＳ２）。

【0047】

続いて、抽出画像生成部２１ｂは、規格化部２１ａが生成した規格化画像Ｐ２から、複数の咬断片Ｆそれぞれの領域を抽出した抽出画像Ｐ３（図２（ｃ））を生成する。併せて、抽出画像生成部２１ｂは、生成した抽出画像Ｐ３において、領域を抽出した咬断片Ｆの各々に所定の順序でラベリングを行う（ステップＳ３）。

【0048】

続いて、特徴量算出部２１ｃは、抽出画像生成部２１ｂが生成した抽出画像Ｐ３に基づいて各種の特徴量を算出する（ステップＳ４）。具体的には、特徴量算出部２１ｃは、任意の１の咬断片Ｆｉにつき特徴量として、高さ情報ｃ（ｃ＝Ｒ−Ｇ）に加え、領域面積Ａｉ、偏差σｉ、表面積Ｒｉ（上記（数１）の（ａ１）、（ｂ１）、（ｃ１）参照）を算出する。特徴量算出部２１ｃは、抽出画像Ｐ３においてラベリングした数ｉだけ（複数の咬断片Ｆごとに）、このような特徴量を算出する。そして、特徴量算出部２１ｃは、表面積Ｒｉの総和を演算し、複数の咬断片Ｆの合計の表面積Ｒ（上記（数２）の（ｃ２）式を参照）を求める。

【0049】

続いて、咀嚼能力推定部２１ｄは、特徴量算出部２１ｃが算出した、複数の咬断片Ｆの合計の表面積Ｒに基づいて、咀嚼能力を推定する（ステップＳ５）。なお、咀嚼能力推定部２１ｄは、特徴量算出部２１ｃが算出した表面積Ｒをそのまま咀嚼能力として評価してもよいし、記憶部２２のＲＯＭ内に予め記憶された咀嚼能力決定テーブルＴＡを参照して、咀嚼能力を決定してもよい。

【0050】

そして、制御部２１は、咀嚼能力推定部２１ｄが推定（決定）した咀嚼能力を示す画像を、表示部２３に表示させ（ステップＳ６）、咀嚼能力推定処理を終了する。なお、図６に示したグラフは、本実施形態に係る咀嚼能力推定処理により導かれた咀嚼能力の推定値（縦軸）と、従来の機器分析法（攪拌装置や成分分析装置などの特別な装置を用いた手法）により導かれた推定値（横軸）との相関関係を表したものである。当該グラフにおいて、本実施形態の咀嚼能力推定処理により導かれた推定値は、表面積Ｒと領域面積Ａの２つのパラメータを用いた重回帰による推定結果である。図６に示すように、相関係数ｒの二乗で表される決定係数ｒ^２は０．８４５になっており、本実施形態に係る咀嚼能力推定処理・方法によっても、従来の特別な装置を用いた手法により導かれる咀嚼能力の推定値と遜色ない精度で、咀嚼能力が推定できることが分かる。

【0051】

本発明は以上の実施形態及び図面によって限定されるものではない。本発明の要旨を変更しない範囲で、適宜、変更（構成要素の削除も含む）を加えることが可能である。以下に種々の変形例を説明する。

【0052】

（変形例）
以上の実施形態では、特徴量算出部２１ｃが任意の１の咬断片Ｆｉにつき、高さ情報ｃ、領域面積Ａｉ、偏差σｉ、表面積Ｒｉを特徴量として求め、これらの特徴量に基づいて複数の咬断片Ｆの合計の表面積Ｒや領域面積Ａを算出した例を説明したが、これに限られない。

【0053】

例えば、特徴量算出部２１ｃは、複数の咬断片Ｆの合計の表面積Ｒや領域面積Ａに加え、側面積Ｓ（下記（数４）の（ｈ２））を算出し、表面積Ｒと側面積Ｓを加算した値を咀嚼能力推定に用いても良い。この場合、特徴量算出部２１ｃは、抽出画像生成部２１ｂが抽出した咬断片Ｆｉのエッジに基づき咬断片Ｆｉの周囲長Ｌｉ（下記（数３）の（ｄ１））を求める。また、咬断片Ｆｉを示す画像を構成する画素群における高さ情報ｃの平均としての色平均ｃｉ（下記（数３）の（ｇ１）では、ｃｉに上線を付したもの）を求める。そして、周囲長Ｌｉと色平均ｃｉとを乗算することで、咬断片Ｆｉの側面積Ｓｉ（下記（数３）の（ｈ１））を求め、この側面積Ｓｉの総和を演算することで、複数の咬断片Ｆの合計の側面積Ｓを算出すればよい。

【0054】

また、その他の特徴量として、特徴量算出部２１ｃは、咬断片Ｆｉの領域面積Ａｉから等価直径Ｄｉ（下記（数３）の（ｅ１））を求めたり、咬断片Ｆｉの領域面積Ａｉ及び周囲長Ｌｉから円形度Ｃｉ（下記（数３）の（ｆ１））を求めたりしてもよい。そして、下記（数４）の（ｅ２）式に示すように、各咬断片Ｆｉの領域面積Ａｉの比率（Ａｉ／Ａ）を考慮した等価直径Ｄｉの総和を演算することで、複数の咬断片Ｆの等価直径Ｄを求めても良い。また、下記（数４）の（ｆ２）式に示すように、各咬断片Ｆｉの領域面積Ａｉの比率（Ａｉ／Ａ）を考慮した円形度Ｃｉの総和を演算することで、複数の咬断片Ｆの円形度Ｃを求めてもよい。また、周囲長Ｌｉの総和Ｌ（下記（数４）の（ｄ２））や、下記（数４）の（ｇ２）式に示すように、各咬断片Ｆｉの領域面積Ａｉの比率（Ａｉ／Ａ）を考慮した色平均ｃｉの総和Ｃｍを求めてもよい。
このように算出可能な周囲長Ｌ、等価直径Ｄ、円形度Ｃ、色平均Ｃｍ、側面積Ｓのうち、少なくともいずれかを表面積Ｒと組み合わせることで、咀嚼能力を推定してもよい。

【0055】

【数3】

【0056】

【数4】

【0057】

以上では、咀嚼対象の食材として、カロチン色素入りのグミゼリーを用いた例を示したが、これに限られない。以下、図７以降に示した、他の色素（溶液）の吸光度スペクトルを参照し、様々な色素入りのグミゼリーにおいて本発明が適用可能であることを説明する。

【0058】

図７に示すように、マリーゴールド色素の吸光度は、青色に相当する波長帯域でピーク値をとり、赤色に相当する波長帯域ではほぼ０（ゼロ）に近くなっており、図３に示すβカロチンの吸光度特性と同様の傾向を有する。また、図８（ａ）に示すように、パプリカ色素の吸光度特性は、赤色に相当する波長帯域での吸光度が、カロチン色素（βカロチン）やマリーゴールド色素に比べて高いものの、両色素と概ね同様の傾向を有する。
したがって、マリーゴールド色素やパプリカ色素入りのグミゼリー、あるいは、カロチン色素とマリーゴールド色素とパプリカ色素のうち、二以上の色素が含有されたグミゼリーにおいても、上記実施形態と同様な手法で、各種特徴量の算出や、咀嚼能力の推定ができる。なお、図８（ａ）に示すように、パプリカ色素の吸光度特性は、緑色に対応する波長帯域においても吸光度が高いため、パプリカ色素入りのグミゼリーを咀嚼対象に用いた場合、抽出画像生成部２１ｂは、規格化画像Ｐ２を構成する画像群のＲＧＢデータのうちグリーン（Ｇ）の値に基づいて、各咬断片Ｆの領域を抽出してもよい。

【0059】

図８（ｂ）に示すように、紫コーン（紫トウモロコシ）色素の吸光度は、緑色に相当する波長帯域でピーク値をとり、赤色に相当する波長帯域ではほぼ０（ゼロ）に近くなっている。そして、青色に相当する波長帯域で、吸光度は所定値をとることがわかる。したがって、紫コーン色素入りのグミゼリー咀嚼対象に用いた場合は、抽出画像生成部２１ｂは、規格化画像Ｐ２を構成する画像群のＲＧＢデータのうちグリーン（Ｇ）の値に基づいて、各咬断片Ｆの領域を抽出することができる。また、この場合は、特徴量算出部２１ｃは、咬断片Ｆｉの画像を構成する画素群のＲＧＢデータのうち、各画素におけるＲの値からＢの値を減じることで、各画素に対応した位置における咬断片Ｆｉの推定高さを表す高さ情報「ｃ」（ｃ＝Ｒ−Ｂ）を特徴量として算出すればよい。

【0060】

図９（ａ）に示すベニバナ色素の吸光度特性では、可視光領域に吸光度のピークが明確には見出せないものの、赤や緑に比べて、青色に相当する波長帯域における吸光度が高い。よって、ベニバナ色素入りのグミゼリー咀嚼対象に用いた場合は、抽出画像生成部２１ｂは、規格化画像Ｐ２を構成する画像群のＲＧＢデータのうちブルー（Ｂ）の値に基づいて咬断片Ｆの領域を抽出する、又は、公知のエッジ抽出手法により咬断片Ｆの領域を抽出すればよい。また、この場合は、特徴量算出部２１ｃは、高さ情報ｃを、Ｒ又はＧの値からＢの値を減じることで算出すればよい（ｃ＝Ｒ−Ｂ、又はｃ＝Ｇ−Ｂ）。

【0061】

図９（ｂ）に示す赤キャベツ色素の吸光度特性では、可視光領域では、緑色に相当する波長帯域で吸光度のピークが見出せる。よって、赤キャベツ色素入りのグミゼリー咀嚼対象に用いた場合は、抽出画像生成部２１ｂは、規格化画像Ｐ２を構成する画像群のＲＧＢデータのうちグリーン（Ｇ）の値に基づいて咬断片Ｆの領域を抽出すればよい。また、赤キャベツ色素の吸光度特性では、吸光度が０（ゼロ）に近い波長帯域が見出せないものの、青色に比べると、赤色の波長帯域の吸光度は低い。したがって、咬断片Ｆｉの推定高さの精度が低くなる可能性もあるが、特徴量算出部２１ｃは、高さ情報ｃを、Ｒの値からＢの値を減じることで算出すればよい（ｃ＝Ｒ−Ｂ）。

【0062】

また、色素が含有されると共に透光性を有する食材は、グミゼリーに限られない。咀嚼によって複数の咬断片を得られ、咬断片を撮像した撮像画像Ｐ１の色情報（ＲＧＢデータなど）に基づいて表面積Ｒを算出することができれば、キャンディー、ガム、キャラメルなどの食材を用いることも可能である。また、色素も、前記のように、高さ情報ｃを算出可能な吸光度の波長特性を有するものであれば、上記の例に限られず、他の天然着色料や、合成着色料を用いることも可能である。また、ケース９の形状・大きさ・材質も、咀嚼後の食材の咬断片に係る撮像画像Ｐ１の色情報（ＲＧＢデータなど）に基づいて表面積Ｒを算出することができる限りにおいては、適宜変更可能である。また、咀嚼能力を推定する対象は人（被験者）に限られず、動物であってもよい。

【0063】

また、カロチン入りのグミゼリーを用いた上記の実施形態では、ＲＧＢデータのうち「Ｂ」の値に基づいて各咬断片Ｆの領域を抽出した例を示したが、「Ｇ」の値や、「Ｂ」及び「Ｇ」の値に基づいて、各咬断片Ｆの領域を抽出してもよい。また、上記の実施形態における高さ情報ｃ（ｃ＝Ｒ−Ｇ）の算出手法も適宜変更可能である。特徴量算出部２１ｃは、咬断片Ｆを示す画像を構成する任意の画素のＲＧＢデータのうち、「Ｒ」から「Ｂ」を減じることで、高さ情報ｃを求めてもよい（ｃ＝Ｒ−Ｂ）。また、特徴量算出部２１ｃは、規格化画像Ｐ２と抽出画像Ｐ３の双方のＲＧＢデータに基づいて、高さ情報ｃを算出してもよい。こうした場合、例えば、特徴量算出部２１ｃは、抽出画像Ｐ３に基づいて咬断片Ｆが無い領域を判別し、当該判別した領域に対応する規格化画像Ｐ２の任意の画素の「Ｇ」の値（Ｇ０とする）を取得し、当該Ｇ０の値と、抽出画像Ｐ３（咬断片Ｆを示す画像）を構成する画素のＧの値との差分から高さ情報ｃを求めても良い（ｃ＝Ｇ０−Ｇ）。ただし、簡潔な処理で、咬断片Ｆの高さを良好に推定するには、高さ情報ｃを、ｃ＝Ｒ−Ｇとして算出することが好ましい。カロチン以外の色素を用いた食材においても、同様な考え方で、高さ情報ｃの算出手法は、適宜変更可能である。

【0064】

以上では、ＲＧＢデータを用いて特徴量を算出する例を示したが、これに限られない。例えば、国際照明委員会で規格化されているＸＹＺ（Ｙｘｙ）色度座標を用いても良い。この場合、制御部２１は、予め記憶部２２のＲＯＭ内に格納した所定の変換行列式にＲＧＢデータを乗算することで、ＸＹＺ色度値を求めればよい。この場合、ＸはＲに、ＹはＧに、ＺはＢにそれぞれ対応することを考慮して、上記の特徴量などを算出すればよい。例えば、咀嚼対象としてカロチン入りのグミゼリーを用いた場合、高さ情報を「ｃ＝Ｒ−Ｇ」としたが、ＸＹＺ色度座標を用いた場合は「ｃ＝Ｘ−Ｙ」として求めればよい。また、ＣＭＹＫ形式のデータに基づいて特徴量などを算出してもよい。例えば、ＲＧＢ形式では「ｃ＝Ｒ−Ｇ」で表せた高さ情報を、原理的には、Ｃ＝１−Ｒ、Ｍ＝１−Ｇ、Ｙ＝１−Ｂであることを考慮して、ＣＭＹＫ形式では「ｃ＝Ｍ−Ｃ」として算出することもできる。このように、色座標のデータ形式はＲＧＢデータに限られず任意である。また、各色の明度の何ビットで表すかなども任意である。

【0065】

以上に説明した各処理を実行する動作プログラム（プログラムＰＧ）は、記憶部２２に予め記憶されているものとしたが、着脱自在の記録媒体により配布・提供されてもよい。また、プログラムＰＧは、画像解析装置２０と接続された他の機器からダウンロードされるものであってもよい。また、画像解析装置２０は、他の機器と電気通信ネットワークなどを介して各種データの交換を行うことによりプログラムＰＧに従う各処理を実行してもよい。

【0066】

また、以上では、咀嚼能力推定装置１００において、撮像装置１０がデジタルカメラから構成され、画像解析装置２０がパーソナルコンピュータから構成される例を説明したが、これに限られない。咀嚼能力推定装置１００は、上記で説明した撮像装置１０及び画像解析装置２０と同様の機能を有するスマートフォンや、タブレットであってもよい。こうした場合、プログラムＰＧは、アプリ（アプリケーションソフト）として提供されてもよい。

【0067】

（１）以上に説明した咀嚼能力推定装置１００は、グミゼリー（色素が含有されると共に透光性を有する食材の一例）を被験者（被験体の一例）に咀嚼させることで得られる複数の咬断片Ｆの表面積に基づき、被験者の咀嚼能力を推定する。咀嚼能力推定装置１００は、撮像装置１０（撮像手段の一例）が複数の咬断片Ｆを撮像することで得られる撮像画像Ｐ１（撮像画像Ｐ１を加工後の規格化画像Ｐ２、抽出画像Ｐ３も含む）の色情報（ＲＧＢデータや、ＸＹＺデータなど）に基づき、複数の咬断片Ｆごとに、咬断片の領域面積Ａｉ及び推定高さｃを含む特徴量を算出する特徴量算出手段（特徴量算出部２１ｃ）と、特徴量に基づき表面積Ｒｉ（Ｒ）を算出する咀嚼能力推定手段（咀嚼能力推定部２１ｄ）と、を備える。
このように、咀嚼能力推定装置１００は、攪拌装置や成分分析装置などの特別な装置を必要としないため、簡易に咀嚼能力を推定することができる。また、図６を参照して説明したように、良好な精度で咀嚼能力を推定することができる。

【0068】

（２）咀嚼能力推定装置１００は、撮像画像Ｐ１から複数の咬断片Ｆの各々を抽出した抽出画像Ｐ３を生成する抽出画像生成手段（抽出画像生成部２１ｂ）をさらに備え、特徴量算出手段は、抽出画像Ｐ３の色情報に基づき、推定高さｃを算出してもよい。

【0069】

（３）特徴量算出手段は、色素の吸光度がピーク値をとる波長帯域に対応した色（例えば、カロチンの場合は青）以外の色に関する色情報に基づき、推定高さｃを算出してもよい。

【0070】

（４）特徴量算出手段は、撮像画像Ｐ１（撮像画像Ｐ１を加工後の規格化画像Ｐ２、抽出画像Ｐ３も含む）の色情報として、赤色に対応する色座標値（例えば、ＲＧＢ形式の場合は「Ｒ」の値、ＸＹＺ形式の場合は「Ｘ」の値）と緑色に対応する色座標値（例えば、ＲＧＢ形式の場合は「Ｇ」の値、ＸＹＺ形式の場合は「Ｙ」の値）との差に基づき、推定高さｃを算出してもよい。

【0071】

（５）食材は、前記色素としてカロチン色素と、マリーゴールド色素と、パプリカ色素との少なくともいずれかを用いたグミゼリーであり、特徴量算出手段は、色素の吸光度がピーク値をとる波長帯域に対応した青色以外の色に関する色情報に基づき、推定高さｃを算出してもよい。

【0072】

（６）また、以上に説明した咀嚼能力推定方法は、グミゼリー（色素が含有されると共に透光性を有する食材の一例）を被験者（被験体の一例）に咀嚼させることで得られる複数の咬断片Ｆの表面積に基づき、被験者の咀嚼能力を推定する。咀嚼能力推定方法は、複数の咬断片Ｆを撮像して撮像画像Ｐ１を取得するステップと、撮像画像Ｐ１（撮像画像Ｐ１を加工後の規格化画像Ｐ２、抽出画像Ｐ３も含む）の色情報（ＲＧＢデータや、ＸＹＺデータなど）に基づき、複数の咬断片Ｆごとに、咬断片の領域面積Ａｉ及び推定高さｃを含む特徴量を算出するステップと、特徴量に基づき表面積Ｒｉ（Ｒ）を算出するステップと、を備える。
（７）また、以上に説明したプログラムＰＧは、グミゼリー（色素が含有されると共に透光性を有する食材の一例）を被験者（被験体の一例）に咀嚼させることで得られる複数の咬断片Ｆが写された撮像画像Ｐ１を解析するためのプログラムである。プログラムＰＧは、コンピュータに、撮像画像Ｐ１（撮像画像Ｐ１を加工後の規格化画像Ｐ２、抽出画像Ｐ３も含む）の色情報（ＲＧＢデータや、ＸＹＺデータなど）に基づき、複数の咬断片Ｆごとに、咬断片の領域面積Ａｉ及び推定高さｃを含む特徴量を算出する処理と、特徴量に基づき複数の咬断片Ｆの表面積Ｒｉ（Ｒ）を算出する処理と、を実行させる。
このような咀嚼能力推定方法やプログラムＰＧによれば、攪拌装置や成分分析装置などの特別な装置を必要としないため、簡易に咀嚼能力を推定することができる。また、図６を参照して説明したように、良好な精度で咀嚼能力を推定することができる。

【0073】

以上の説明では、本発明の理解を容易にするために、公知の技術的事項の説明を適宜省略した。

【符号の説明】

【0074】

１００…咀嚼能力推定装置
１０…撮像装置
１１…レンズ部、１２…撮像素子、１３…撮像制御部、１４…メモリ部
２０…画像解析装置
２１…制御部
２１ａ…規格化部、２１ｂ…抽出画像生成部、２１ｃ…特徴量算出部、２１ｄ…咀嚼能力推定部、Ｐ１…撮像画像、Ｐ２…規格化画像、Ｐ３…抽出画像
２２…記憶部、ＰＧ…プログラム、ＴＡ…咀嚼能力決定テーブル、２３…表示部
Ｆ…咬断片、Ｆｉ…任意の咬断片、９…ケース、９ａ〜９ｄ…マーカ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】