食品画像データと機械学習モデルによるフードインフォマティクス
食品画像データと機械学習モデルによるフードインフォマティクス
カテゴリ: 部門大会
論文No: PS5-9
グループ名: 【C】2024年電気学会電子・情報・システム部門大会
発行日: 2024/08/28
タイトル(英語): Food informatics using food image data and machine learning models
著者名: 小島 伊織(室蘭工業大学),小島 汐織(札幌市立大学),川尻 脩斗(北海道科学大学),合田 元清(北海道科学大学),小島 洋一郎(北海道科学大学)
著者名(英語): Iori Kojima (Muroran Institute of Technology),Shiori Kojima (Sapporo City University),Syuto Kawajiri (Hokkaido University of Science), Motoki Goda (Hokkaido University of Science),Yohichiro Kojima (Hokkaido University of Science)
キーワード: 機械学習|食品|画像センシング|分類|フードインフォマティクス|Machine Learning|Food|Image Sensing|Classification|Food Informatics
要約(日本語): 食品製造に関連する企業の外観検査工程では、高性能な画像センサを利活用したロボットビジョンシステムの導入が定着しつつある。一方、それらの導入・維持管理費用は非常に高額である。本研究では、携帯通信端末の内臓カメラを用い、簡易迅速に食品を分類するフードインフォマティクスの開発を進めている。多種多様な環境下にて食品の撮影が想定されるため、本実験では厳密な撮影条件を定義せず、直射日光の影響を受けない実験室内にて実施した。使用した試料は同系色を示し、製造企業が異なる液体とした。本報では、教師あり学習モデルと教師なし学習モデルの計20種類で分類比較を行った。教師あり学習の正答率は、全体的には85%以上を超え安定した精度を有した。一方で、教師なし学習では短時間、かつ数値データに留まらないグラフィカルな評価を迅速に行えた。今後は分類の汎用性を高めるため、サンプル数を増やし、より詳細な検討を進める予定である。
受取状況を読み込めませんでした
