特許 7649511 食塊形成装置、咀嚼状態評価方法、食感評価方法及び食塊の製造方法

(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】

(24)【登録日】2025-03-12

(45)【発行日】2025-03-21

(54)【発明の名称】食塊形成装置、咀嚼状態評価方法、食感評価方法及び食塊の製造方法

(51)【国際特許分類】

   G01N 33/02 20060101AFI20250313BHJP

【ＦＩ】

G01N33/02

【請求項の数】 10

(21)【出願番号】P 2021540750

(86)(22)【出願日】2020-08-13

(86)【国際出願番号】 JP2020030772

(87)【国際公開番号】W WO2021033619

(87)【国際公開日】2021-02-25

【審査請求日】2023-07-11

(31)【優先権主張番号】P 2019151113

(32)【優先日】2019-08-21

(33)【優先権主張国・地域又は機関】JP

(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

(73)【特許権者】

【識別番号】302042678

【氏名又は名称】株式会社Ｊ－オイルミルズ

(74)【代理人】

【識別番号】110000800

【氏名又は名称】デロイトトーマツ弁理士法人

(72)【発明者】

【氏名】東森 充

(72)【発明者】

【氏名】柴田 曉秀

(72)【発明者】

【氏名】西 慶一郎

(72)【発明者】

【氏名】長畑 雄也

(72)【発明者】

【氏名】木村 功

(72)【発明者】

【氏名】清水 里奈

(72)【発明者】

【氏名】堀田 真理子

(72)【発明者】

【氏名】井上 賀美

【審査官】永田 浩司

(56)【参考文献】

【文献】中国特許出願公開第１０１９１５７０８（ＣＮ，Ａ）

【文献】中国特許出願公開第１０７０６３９０４（ＣＮ，Ａ）

【文献】米国特許第０８６７１７８５（ＵＳ，Ｂ２）

【文献】特表２０１９－５１４５２５（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０１Ｎ ３３／００ － ３３／９８

(57)【特許請求の範囲】

【請求項1】

人工口腔空間に設けられた第１人工歯と、
前記第１人工歯に対向する位置に配置された第２人工歯と、
前記第１人工歯又は前記第２人工歯と並列配置された人工舌と、
前記第１人工歯及び前記第２人工歯の少なくとも一方の側方に配置された壁面状の人工頬と、
前記第１人工歯又は前記第２人工歯を駆動させて咬合動作をさせる駆動手段と、
前記咬合動作により離散した食品を、前記人工口腔空間の所定の位置に集める食品収集手段とを備え、
前記人工口腔空間に配された前記食品を前記咬合動作によって咀嚼し、前記食品収集手段によって前記咬合動作により離散した前記食品を、前記人工口腔空間の所定の位置に集めることにより、前記食品の食塊を形成し、
咬合動作時に、前記食品収集手段は、前記人工頬より外側に配置されることを特徴とする食塊形成装置。

【請求項2】

前記駆動手段は、前記咬合動作の他に、一方の人工歯を他方の人工歯に対して水平方向にずらす動作をすることを特徴とする請求項１に記載の食塊形成装置。

【請求項3】

前記食品に対して水分を供給する水分供給手段を備えていることを特徴とする請求項１又は２に記載の食塊形成装置。

【請求項4】

前記人工口腔空間の前記食品又は前記食塊を撮像する撮像手段と、
前記撮像手段が撮像した、前記食塊の画像から咀嚼状態を評価する評価手段と、
を備えていることを特徴とする請求項１～３のいずれか１項に記載の食塊形成装置。

【請求項5】

前記評価手段は、前記食塊を局所変化と全体の均一性とから選ばれる１種又は２種により評価することを特徴とする請求項４に記載の食塊形成装置。

【請求項6】

咀嚼状態の異なる食塊の画像を入力して機械学習を行う機械学習手段を備え、
前記機械学習手段で得られた判断法により前記食塊を評価することを特徴とする請求項４又は５に記載の食塊形成装置。

【請求項7】

前記第１人工歯及び前記第２人工歯のうち一方が下顎の歯をなし、他方が上顎の歯をなし、前記下顎の歯が前記上顎の歯に向かって上下に動くと共に、前記人工舌は、前記下顎の歯の間にあって前記下顎の歯とは独立して上下に動くように構成されている、請求項１～６のいずれか１項に記載の食塊形成装置。

【請求項8】

請求項１～７のいずれか１項に記載の食塊形成装置を用いて、前記食品の咀嚼状態を評価する咀嚼状態評価方法。

【請求項9】

請求項１～７のいずれか１項に記載の食塊形成装置を用いて、前記食品の食感を評価する食感評価方法。

【請求項10】

請求項１～４のいずれか１項に記載の食塊形成装置を用いる食塊の製造方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、人工口腔空間で食品を咀嚼して食塊を形成する食塊形成装置、咀嚼状態評価方法、食感評価方法及び食塊の製造方法に関する。

【背景技術】

【0002】

従来、食品の食感を評価する際には、評価者が咀嚼した食品を一度吐き出し、これを評価することが行われていた。また、近年では、押圧機構と圧力センサを用いて食品を押圧し、食感を評価する評価システムも知られている。

【0003】

例えば、特許文献１の食感評価システムは、食感の評価対象である試料を押圧するための押圧装置と、試料の押圧時に前記試料から受ける圧力分布の経時的変化を計測する計測装置（圧力分布センサ）と、押圧装置による押圧動作を制御するとともに、圧力分布センサからの圧力分布データに基づいて試料の食感を評価する食感評価手段（制御ＰＣ）とを備えている。

【0004】

この押圧装置は、上下一対のプレートを有し、下側のプレートの上面に圧力分布センサが載置され、圧力分布センサ上に試料が載置される。上側のプレートは圧力分布センサと上下方向に対向する位置に設けられ、リニアスライダに接続されている。リニアスライダは、制御ＰＣからの押圧動作制御信号に応じて圧力センサ面に対して鉛直方向に駆動されるため、試料の押圧動作を制御することができる（段落００２２～００２８，図１）。

【先行技術文献】

【特許文献】

【0005】

【文献】特許６３２４７４１号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

特許文献１の食感評価システムは、圧力分布の経時的変化から得られる特徴量に基づいてのみ、食感を評価する構成である。しかしながら、実際の人による咀嚼行動は、噛み方や唾液の浸潤の仕方等、個人差が大きく、精度良く食感を評価することは困難であった。

【0007】

本発明は、このような事情に鑑みてなされたものであり、人の咀嚼を再現することで食品の食感評価に利用可能な食塊形成装置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】

【0008】

上記目的を達成するため、本発明の食塊形成装置は、人工口腔空間に設けられた第１人工歯と、前記第１人工歯に対向する位置に配置された第２人工歯と、前記第１人工歯又は前記第２人工歯と並列配置された人工舌と、前記第１人工歯及び前記第２人工歯の少なくとも一方の側方に配置された壁面状の人工頬と、前記第１人工歯又は前記第２人工歯を駆動させて咬合動作をさせる駆動手段とを備え、前記人工口腔空間に配された食品を前記咬合動作によって咀嚼し、前記食品の食塊を形成することを特徴とする。

【0009】

本発明の食塊形成装置では、駆動手段により人工口腔空間の第１人工歯又は第２人工歯を駆動させて、第１人工歯と第２人工歯とが食品を咬合する。食塊形成装置は人工舌及び人工頬を有しているため、人の口腔内と同様に咬合している食品が、人工頬が壁になって人工口腔空間の中央に押し戻され、人工舌によりその位置が調整される。これにより、人工口腔空間で当該食品の食塊が形成されるため、本装置は、人の咀嚼を再現することができる。

【0010】

本発明の食塊形成装置において、前記駆動手段は、前記咬合動作の他に、一方の人工歯を他方の人工歯に対して水平方向にずらす動作をすることが好ましい。

【0011】

食塊形成装置の駆動手段は、一方の人工歯（例えば、第１人工歯）を他方の人工歯（第２人工歯）に対して水平方向にずらすように動作させることができる。これにより、本装置は、人の口腔内と同様に食品をすり潰しながら食塊を形成することができる。

【0012】

また、本発明の食塊形成装置において、前記咬合動作により離散した前記食品を、前記人工口腔空間の所定の位置に集める食品収集手段を備えていることが好ましい。

【0013】

本発明の食塊形成装置では、咬合動作によって食品が人工口腔空間に離散してしまう。このため、食塊形成装置に食品収集手段を設けて、離散した食品を人工口腔空間の所定の位置（例えば、人工舌の上面）に集める。これにより、本装置は、人の咀嚼をより忠実に再現して、食塊を形成することができる。

【0014】

また、本発明の食塊形成装置において、前記食品に対して水分を供給する水分供給手段を備えていることが好ましい。

【0015】

食塊形成装置に水分供給手段を設けることで、人工口腔空間に唾液に相当する水分が供給される。これにより、本装置は、水分で食品が塊状になり易く、人の咀嚼状態に近づけることができる。

【0016】

また、本発明の食塊形成装置において、前記人工口腔空間の前記食品又は前記食塊を撮像する撮像手段と、前記撮像手段が撮像した、前記食塊の画像から咀嚼状態を評価する評価手段と、を備えていることが好ましい。

【0017】

この構成によれば、人工口腔空間の食品又は食塊を撮像手段で撮像することで、評価手段がその画像から画像解析等によって咀嚼状態を評価する。これにより、本装置は、咀嚼状態の進行度合いを定量的に評価することができる。

【0018】

また、本発明の食塊形成装置において、前記評価手段は、前記食塊を局所変化と全体の均一性とから選ばれる１種又は２種により評価することが好ましい。

【0019】

食塊形成装置の評価手段は、人工口腔空間の食塊を局所変化、全体の均一性の１種（一方）又は２種（両方）で評価する。これにより、本装置は、正確に咀嚼状態の進行度合いを評価することができる。

【0020】

また、本発明の食塊形成装置において、咀嚼状態の異なる食塊の画像を入力して機械学習を行う機械学習手段を備え、前記機械学習手段で得られた判断手法により前記食塊を評価することが好ましい。

【0021】

この構成によれば、機械学習手段が咀嚼状態の異なる多数の食塊の画像を学習して、判断手法を確立する。これにより、本装置は、評価手段が食塊の状態を正確に評価できるようになる。

【0022】

本発明の咀嚼状態評価方法は、請求項１～７のいずれか１項に記載の食塊形成装置を用いて、前記食品の咀嚼状態を評価する方法であり、本発明の食感評価方法は、請求項１～７のいずれか１項に記載の食塊形成装置を用いて、前記食品の食感を評価する方法である。

【0023】

また、本発明の食感方法は、請求項１～４のいずれか１項に記載の食塊形成装置を用いる食塊の製造方法である。

【発明の効果】

【0024】

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。

【図面の簡単な説明】

【0025】

【図1】本発明の食塊形成装置を説明する概略図。

【図2】本発明の食塊形成装置の斜視図。

【図3】食塊形成装置による食塊形成プロセスのフローチャート。

【図4A】食塊形成装置の咀嚼軌道を説明する図。

【図4B】５種類の咀嚼軌道を説明する図。

【図5】食塊形成装置による食塊形成の実験を説明する図。

【図6A】食塊形成装置で食品を評価したときの結果（Contrast）を示すグラフ。

【図6B】食塊形成装置で食品を評価したときの結果（Angular Second Moment）を示すグラフ。

【図7A】食塊形成装置で食品を評価したときの結果（規格化Contrast）を示すグラフ。

【図7B】食塊形成装置で食品を評価したときの結果（規格化Angular Second Moment）を示すグラフ。

【図8A】食塊形成装置で２種類の食品を評価した結果（規格化Contrast）を示すグラフ。

【図8B】食塊形成装置で２種類の食品を評価した結果（規格化Angular Second Moment）を示すグラフ。

【図9A】２種類の食品をテクスチャーアナライザで評価した結果を示す図。

【図9B】２種類の食品を官能評価した結果を示す図。

【発明を実施するための形態】

【0026】

［第１実施形態］
以下、図面を参照して、本発明に係る食塊形成装置の第１実施形態について説明する。

【0027】

初めに、図１、図２を参照して、本発明に係る食塊形成装置１の概要を説明する。

【0028】

図１は、食塊形成装置１の概略図である。図示するように、食塊形成装置１は、主にロボットアーム２ａと、ロボットハンド２ｂと、人の口腔内を再現する咀嚼機構部３とで構成されている。ロボットアーム２ａ及びロボットハンド２ｂは、本発明の「駆動手段」に相当する。

【0029】

ロボットアーム２ａの先端部は下顎に相当し、下人工歯４が装着されている。下人工歯４の動作は２自由度であり（Ｖ_Ａｘ，Ｖ_Ａｙ）であり、咬断動作（咬合動作）と臼磨動作を行うことができる。また、アルミ製のフレーム１１は上顎に相当し、上人工歯５が装着されている。

【0030】

咬断動作は、ロボットアーム２ａを垂直方向（Ｖ_Ａｘ）に駆動させることで、下人工歯４と上人工歯５とにより食品を咬合する動作である。また、臼磨動作は、ロボットアーム２ａを水平方向（Ｖ_Ａｙ）に駆動させて下人工歯４と上人工歯５とをずらし、食品をすり潰す動作である。

【0031】

下人工歯４、上人工歯５は何れも樹脂製であり、３Ｄプリンタを使用して作製される。なお、図示するように、下人工歯４、上人工歯５の中央部には、それぞれ溝、突起が形成されている。

【0032】

ロボットハンド２ｂの先端部（グリッパ可動部）には、人工舌６が装着されている。人工舌６の動作は垂直方向の運動（Ｖ_Ｂｙ）のみの１自由度である。人工舌６はシリコーンで作製され、その表面には弾性シートが貼付されており、人工舌６の上下運動に合わせて伸縮する。

【0033】

また、下人工歯４に隣接する部分には、人工頬７が取り付けられている。人工頬７はシリコーン製であり、ロボットアーム２ａにより下人工歯４と同じ動作をする。咀嚼機構部３は上述の各構成を有しており、人工口腔空間に運搬された食品は、咀嚼運動を通じて粉砕され、すり潰され、唾液と混じり、食塊に変化していく。

【0034】

次に、図２に、食塊形成装置１の全体斜視図を示す。図示するように、咀嚼機構部３の上方にフレーム１１が配設されている。フレーム１１には、上人工歯５の他、咀嚼した食品をかき集める収集舌８（本発明の「食品収集手段」）及びカメラ９（本発明の「撮像手段」）が装着されている。収集舌８として市販の綿棒を用いるが、咬合動作により人工口腔空間Ｓに離散した食品をかき集め、例えば、下人工歯４や人工舌６の上面に移動させる。

【0035】

また、カメラ９は、コンピュータと接続されたウェブカメラが望ましく、カメラ９は食品が咀嚼される様子を自動で撮像することができる。詳細は後述するが、カメラ９で撮像された画像からコンピュータ（本発明の「評価手段」）が画像解析を行って、さらに食塊（咀嚼の進行度合い）を評価する。これにより、食塊形成装置１は、食品の咀嚼状態を定量的に評価することができる。なお、咀嚼、食品の収集、画像撮影の各ステップは、コンピュータのプログラムにより自動制御する。

【0036】

また、下人工歯４及び人工舌６の側面にアクリルプレートを用いて壁面７’を作り、咀嚼された食品がこぼれないようにしている。さらに、人の口腔内を正確に再現するためには、唾液供給部（本発明の「水分供給手段」）が必要となる。今回、霧吹きを用いて食塊に水分（１回当り０．６ｍｌ）を投入したが、上人工歯５内に貯水部１２を設け、食塊に対して所定時間毎に水分を供給するようにしてもよい。これにより、人工口腔空間Ｓに離散した食品が水分で小さな塊状になるため、食塊の形成に役立つ。このような構成により、食塊形成装置１は、人工口腔空間Ｓにおいて人の咀嚼を忠実に再現することができる。

【0037】

次に、図３を参照して、食塊形成装置１による食塊形成プロセスを、フローチャートにより説明する。

【0038】

まず、食塊形成装置１において、カウンタｉに「１」、咀嚼回数ｎに「０」をセットする（ステップＳ０１）。食塊形成装置１においては、下顎が、固定された上顎に向かって動くため、咀嚼回数は下顎サイクル数ともいう。その後、ステップＳ０２に進む。

【0039】

ステップＳ０２では、カメラ９による撮像を開始する。具体的には、カメラ９が、この後開始する食品の咀嚼状態を撮像する。その後、ステップＳ０３に進む。

【0040】

次に、カウンタｉが上限サイクル数Ｎに到達したか否かを判定する（ステップＳ０３）。上限サイクル数Ｎに到達した場合にはステップＳ０８に進み、未だ到達していない場合にはステップＳ０４に進む。

【0041】

カウンタｉが上限サイクル数Ｎに到達していない場合（ステップＳ０３で「ＮＯ」）、水分供給を実行する（ステップＳ０４）。これは、人工口腔空間Ｓに唾液の代わりとなる水分を供給する処理である。その後、ステップＳ０５に進む。

【0042】

ステップＳ０５では、食品の咀嚼を実行する。ここで、咀嚼回数ｎに５を加算することから、下顎の動作を５回連続して実行する。５回目の下顎動作の前後で、人工舌６を上下に動作させ、食塊をかき混ぜる。これにより、人工口腔空間Ｓで食品の咀嚼が進むとともに、徐々に食塊が形成される。その後、ステップＳ０６に進む。

【0043】

ステップＳ０６では、食品の収集を実行する。これは、収集舌８（綿棒）が人工口腔空間Ｓ内に離散した食品をかき集める処理である。その後、ステップＳ０７に進む。

【0044】

ステップＳ０７では、カウンタｉを１加算して、ステップＳ０３にリターンする。そして、カウンタｉが上限サイクル数Ｎに到達していなければ（ステップＳ０３で「ＮＯ」）、再度ステップＳ０４～Ｓ０７の処理を繰り返す。

【0045】

一方、カウンタｉが上限サイクル数Ｎに到達した場合（ステップＳ０３で「ＹＥＳ」）、カメラ９が撮像を中止する（ステップＳ０８）。その後、一連の食塊形成プロセスの処理を終了する。以上のように、食塊形成装置１は、食品毎に食塊形成の様子（咀嚼の進行度合い）を撮像し、分析する。

【0046】

次に、図４Ａ、図４Ｂを参照して、食塊形成装置１の咀嚼軌道について説明する。

【0047】

本発明の食塊形成装置１では、人の下顎軌道を線形化し、平行四辺形型軌道として与える。図４Ａに示すように、上顎の歯（上人工歯５）と下顎の歯（下人工歯４）とが噛み合う位置を原点Ｏとし、水平方向にｘ軸、垂直方向にｙ軸をとる。そして、ｘ軸方向、ｙ軸方向の運動を時刻ｔの関数で表すと、その軌道は以下のフーリエ級数の形となる。なお、ｆ［Ｈｚ］は周波数、Ｘ［ｍｍ］は臼磨長、Ｙ［ｍｍ］は咬断長であり、α（0≦α≦2）は臼磨と咬断の長さの比を規定するパラメータである。

【0048】

（１）０≦α＜１の場合
ｘ（ｔ）＝ αＸＡ（ｔ） ・・・（１Ａ）
ｙ（ｔ）＝ ＹＢ（ｔ） ・・・（１Ｂ）
（２）１≦α≦２の場合
ｘ（ｔ）＝ ＸＡ（ｔ） ・・・（２Ａ）
ｙ（ｔ）＝ （２－α）ＹＢ（ｔ） ・・・（２Ｂ）
ただし、

【数1】

【数2】

【数3】

【0049】

図４Ｂは、パラメータを変化させた５種類（α＝0，0.5，１.0，1.5，2.0）の軌道を示しており、矢印は動作方向を示している。今回、これら各軌道を採用した場合の食塊（咀嚼状態）を観察した。

【0050】

次に、図５を参照して、食塊形成装置１による食塊形成の実験について説明する。

【0051】

今回、上限サイクル数Ｎ＝6［回］、周波数ｆ＝1.0［Ｈｚ］、臼磨長Ｘ＝10.0［ｍｍ］、咬断長Ｙ＝8.5［ｍｍ］に固定して、食塊形成装置１による食塊形成の実験を行った。試料の食品（Ａ社のドーナツ，5.0ｇ）を用いて、上述の各咀嚼軌道に対して１０回ずつ実験を行い、咀嚼回数ｎ＝[0，5，10，15，20，25，30]の食塊画像を取得した。

【0052】

図５は、上から(ａ)α＝0、（ｂ）α＝0.5、(ｃ)α＝1.0、（ｄ）α＝1.5、(ｅ)α＝2.0の場合の、食品の咀嚼回数に応じた画像を示している。図示するように、咀嚼回数が増加するにつれて次第に食塊が崩れていくことが分かる。また、咀嚼軌道によって、食品の崩れ方、まとまり方が異なっていることも見て取れる。

【0053】

次に、これらの食塊画像の相違を定量的に評価するため、同時生起行列(ＧＬＣＭ:Grey-Level Co-occurrence Matrix)を用いて画像テクスチャー解析を行う。ここで、同時生起行列とは、指定された空間関係にあるピクセルのペアが画像に発生する頻度を表す行列である（導出方法は省略する）。

【0054】

図５の各食塊画像の大きさは1920×1080pxであり、その中から224×224pxの部分をトリミングする（領域Ｔ）。そして、トリミングした画像をグレースケール画像に変換した後に同時生起行列を計算し、画像テクスチャー特徴量としてｆ_C: Contrast(局所変化)及びｆ_A: Angular Second Moment(全体の均一性)を算出する。

【0055】

Contrastは画像のグレーレベルの局所変化を示しており、Angular Second Momentは画像の均一性を示している。

【0056】

図６Ａは、上記実験によるContrast(局所変化)の結果を示すグラフである。この結果には、食塊形成装置１による「人工食塊」と比較するため、人（被験者）が食品（Ａ社のドーナツ，10.0ｇ）を咀嚼したときの「ヒト食塊」のデータが含まれる（Human）。なお、「ヒト食塊」は、被験者がメトロノームに合わせて、周波数1.0［Ｈｚ］で自然に咀嚼した場合のデータである。

【0057】

図６Ａでは、横軸が咀嚼回数ｎ［回］、縦軸が局所変化ｆ_C（平均）となっている。ｆ_C（平均）は全１０回の試行の平均値を用いており、咀嚼回数ｎ＝0[回]の値で規格化されている。この結果から、特にα＝0.5～2.0のように水平方向の臼磨運動を含む場合に、ｆ_C（平均）が一度増加し、その後、徐々に減少していく傾向があることが分かる。この理由としては、咀嚼初期に異質な部分が現れるが、咀嚼が進行すると次第に当該部分が減少していくことが考えられる。

【0058】

また、図６Ａ中の（i）、（ii）、（iii）は、それぞれα＝1.0の場合の咀嚼回数ｎ＝0, 10, 30[回]を示しているが、図５の対応する食塊画像（星マーク）からも、咀嚼による食塊の変遷が読み取れる。「ヒト食塊」のグラフとの比較では、ｆ_C（平均）の大きさの違いはあるものの、食塊形成装置１による「人工食塊」のうちα＝1.0が「ヒト食塊」に最も近い傾向を示した。

【0059】

図６Ｂは、上記実験によるAngular Second Moment(全体の均一性)の結果を示すグラフである。図６Ｂでは、横軸が咀嚼回数ｎ［回］、縦軸が全体の均一性ｆ_Ａ（平均）となっている。ｆ_Ａ（平均）は全１０回の試行の平均値を用いており、咀嚼回数ｎ＝0［回］の値で規格化されている。

【0060】

グラフの傾向は、咬断運動に近い軌道のパラメータ（α＝0，0.5）、臼磨運動に近い軌道のパラメータ（α＝1.5，2.0）、中間的な軌道であるパラメータ（α＝1.0）により、３つのグループに分けられる。「ヒト食塊」のグラフに注目すると、ｆ_Ａ（平均）は、咀嚼回数ｎ＝10［回］までは減少していき、それ以降は単調増加していく傾向があることが分かる。

【0061】

ここでも、食塊形成装置１による「人工食塊」のうちα＝1.0が「ヒト食塊」に近い傾向を示した。以上の結果から、本発明の食塊形成装置１は、適切な下顎軌道を与えることで、人間の食塊を再現できることが示唆された。

【0062】

今回、カメラ９が撮像した画像から、特徴量としてContrast（局所変化）及びAngular Second Moment（全体の均一性）を抽出して食塊（咀嚼状態）を評価したが、これらのうち少なくとも１つを用いて食塊を評価することもできる。

【0063】

また、カメラ９が撮像した撮像画像を、機械学習モデルで判断させて食塊を評価してもよい。具体的には、同じ食品（ドーナツ）で咀嚼状態の異なる入力画像を１０００枚程用意する。入力画像は、咀嚼回数（例えば、０～３０回）に応じた食塊画像を撮像して、これらを咀嚼回数に基づくクラスに分類し、教師データとする。

【0064】

そして、畳み込みニューラルネットワーク（ＣＮＮ：Convolutional Neural Network）のモデル学習を行い、咀嚼クラスの推定モデルを作成する。特に、畳み込みニューラルネットワークでは、画像を２次元データのまま入力可能で、有効な特徴量を学習の過程において自動で抽出することができる。これにより、新たな食塊画像を入力したとき、食塊の状態から咀嚼がどの程度進行したかを、簡便かつ迅速に判断することができる。

【0065】

［第２実施形態］
以下では、本発明に係る食塊形成装置の第２実施形態について説明する。

【0066】

第１実施形態では、食塊形成装置１で得られた食塊をカメラ９で撮影し、画像解析からContrast（局所変化）及びAngular Second Moment（全体の均一性）で食塊を評価した。第２実施形態は、食塊を画像解析する点は同じであるが、「規格化したContrast」及び「規格化したAngular Second Moment」という改良した評価値を用いて、食塊を評価する。

【0067】

まず、規格化したContrastのｆ_C(n)(平均)の定義を説明する。ｆ_C(n)（平均）は、Contrastの全１０回の試行の平均値に対して、ｆ_C(0)(平均)を差し引き（差分値）、さらに差分値の絶対値の最大値を用いて規格化した値である。

【0068】

ｆ_C(n)（平均）は、次式で与えられる。

【数4】

【0069】

次に、規格化したAngular Second Momentのｆ_A(n)(平均)の定義を説明する。ｆ_A(n)（平均）は、Angular Second Momentの全１０回の試行の平均値に対して、ｆ_A(0)(平均)を差し引き（差分値）、さらに差分値の絶対値の最大値を用いて規格化した値である。

【0070】

ｆ_A(n)（平均）は、次式で与えられる。

【数5】

【0071】

図７Ａは、食塊形成装置１を用いて食品Ｘ（Ａ社のドーナツ）を評価した場合のContrast(局所変化)の結果を示すグラフである。パラメータは、人が形成する「ヒト食塊」に近いα＝1.0を採用した。また、（式６）において、咀嚼回数ｎ＝ｍ＝｛0，5，10，15，20，25，30｝の場合をプロットし、グラフ化した。

【0072】

食塊形成装置１による「人工食塊」（実線）と比較するため、「ヒト食塊」のデータを破線で示す。なお、「ヒト食塊」は、被験者がメトロノームに合わせて、周波数1.0［Ｈｚ］で自然に咀嚼した場合のデータである。

【0073】

今回、図６Ａにおけるα＝1.0とほぼ同じ条件であるため、規格化した局所変化ｆ_C(n)（平均）は、はじめ単調増加して咀嚼回数ｎ＝10～20［回］で最大となり、その後、減少していく傾向が見られた。すなわち、咀嚼初期に異質な部分が現れるが、咀嚼が進行すると次第に当該部分が減少していく。「ヒト食塊」についても、同様である。

【0074】

図７Ｂは、食塊形成装置１で食品Ｘ（Ａ社のドーナツ）を評価した場合のAngular Second Moment（全体の均一性）を示すグラフである。ここでも、パラメータとして、「ヒト食塊」に近いα＝1.0を採用した。また、（式７）において、咀嚼回数ｎ＝ｍ＝｛0，5，10，15，20，25，30｝の場合をプロットし、グラフ化した（実線）。

【0075】

ｆ_A（ｎ）（平均）は、はじめ単調減少して咀嚼回数ｎ＝10～15［回］で最小となり、それ以降は少しずつ増加していく傾向が見られた。すなわち、咀嚼初期に均一性が一気に崩れるが、咀嚼が進行すると次第に均一性が回復していく。「ヒト食塊」（破線）についても、同様である。以上の結果から、本発明の食塊形成装置１は、適切な下顎軌道を与えることで、局所変化、全体の均一性の定義を変更しても、人間の食塊を再現することが示唆された。

【0076】

次に、図８Ａ、図８Ｂを参照して、食塊形成装置１を用いて食感の異なる食品を評価できるか調べた結果について説明する。

【0077】

図８Ａにおいて、実線のグラフは、食塊形成装置１で食品Ｘ（Ａ社のドーナツ）を評価した場合のContrast(局所変化)の結果を示している。今回も、パラメータとして、「ヒト食塊」に近いα＝1.0を採用した。また、（式６）において、咀嚼回数ｎ＝ｍ＝｛0，5，10，15，20，25，30｝の場合をプロットした。

【0078】

破線のグラフは、食塊形成装置１で食品Ｙ（Ｂ社のドーナツ）を評価した場合のContrastの結果を示している。パラメータや咀嚼回数ｎ（ｍ）は食品Ｘと同じとしたため、２つの波形が区別できれば、食塊形成装置１は、食品Ｘと食品Ｙの食感を区別できたことになる。ここでは、食品Ｘよりも食品Ｙの方が咀嚼の進行が早いことが見て取れる。

【0079】

また、図８Ｂにおいて、実線のグラフは、食塊形成装置１で食品Ｘ（Ａ社のドーナツ）を評価した場合のAngular Second Moment（全体の均一性）の結果を示している。ここでも、パラメータとして、「ヒト食塊」に近いα＝1.0を採用した。また、（式７）において、咀嚼回数ｎ＝ｍ＝｛0，5，10，15，20，25，30｝の場合をプロットした。

【0080】

破線のグラフは、食塊形成装置１で食品Ｙ（Ｂ社のドーナツ）を評価した場合のAngular Second Momentの結果を示している。図示するように、食品Ｘよりも食品Ｙの方が均一性の回復が早く、咀嚼の進行が早いことが分かる。

【0081】

最後に、図９Ａ、図９Ｂを参照して、食品Ｘ及び食品Ｙのテクスチャーアナライザによる評価、官能評価の結果を説明する。

【0082】

図９Ａは、食品Ｘ及び食品Ｙをテクスチャーアナライザ（TA.XTplus:Stable Micro Systems社製）により評価したグラフである。図９Ａでは、横軸が咀嚼回数ｎ［回］、縦軸が圧縮時最大応力［ｇ］となっている。

【0083】

具体的には、食品Ｘ、食品Ｙのそれぞれについて、咀嚼５～３０回目の食塊をテクスチャーアナライザによって計測し、圧縮時最大応力［ｇ］を計測した。これによれば、食品Ｙの最大応力が食品Ｘの最大応力よりも常に小さく、柔らかいという結果が得られた。

【0084】

図９Ｂは、食品Ｘ及び食品Ｙを官能評価したグラフである。官能評価は評価者５名で行い、咀嚼はメトロノームに合わせて行った（１００回/分に設定)。評価者は、VAS法にて0～10の尺度で評価し、評価者５名の６回の繰り返し評価の平均値を官能評価値とした。

【0085】

これによれば、官能評価によっても食品Ｙの方が、２倍以上スコア（口溶け）が高いという結果が得られた（Ｐ値は、多重比較検定での有意差を示す）。以上の結果から、同じドーナツであっても、食品Ｙ（Ｂ社）の方が口溶けが良いということが実証され、本発明の食塊形成装置１により、食品Ｘ、食品Ｙの食感を区別することができた。

【0086】

このように、本発明に係る食塊形成装置１は、人工口腔空間Ｓで、人の口腔内のように食品を咀嚼して食塊を形成することができる。そして、食塊形成装置１に適切な下顎軌道を与えることで、人が食塊を形成する工程を再現することに成功した。食塊形成装置１を用いることで、例えば、新たに開発された食品が人にどのように咀嚼されるか等を調べることが可能になる。

【0087】

また、食塊の画像認識により、容易に咀嚼の進行度合いを評価できるので、食塊形成装置１は、複数の食品の食感を比較することもできる。なお、今回、食品としてドーナツを採用したが、他の食品であっても評価方法は同じである。しかしながら、機械学習モデルで食塊画像を評価する場合には、対象食品の咀嚼状態に応じた画像を予め学習させておく必要がある。

【符号の説明】

【0088】

１…食塊形成装置、２ａ…ロボットアーム、２ｂ…ロボットハンド、３…咀嚼機構部、４…下人工歯、５…上人工歯、６…人工舌、７…人工頬、７’…壁面、８…収集舌、９…カメラ、１１…フレーム、１２…貯水部、Ｓ…人工口腔空間。

【図1】

【図2】

【図3】

【図4A】

【図4B】

【図5】

【図6A】

【図6B】

【図7A】

【図7B】

【図8A】

【図8B】

【図9A】

【図9B】