深層学習を用いた時空間咀嚼力覚情報に基づく食感評価

　近年，ソフトロボティクスへの関心が強まる中，食品マニピュレーションが注目されている．本研究グループは，「作る」側の視点のみでなく，「食べる」側の視点で食品マニピュレーションを議論することにも興味を持っている．図(a)のように，ヒトの咀嚼は，食品に対する“硬い歯による咬断動作”と“柔らかい舌による圧縮動作”から構成され，両者を切り替えながら食品の変形→破断→再形成といった操作を行い，巧みに食塊（唾液と混ざり合った食品破断片群の塊）を形成していく．さらに，このような複雑な動作と平行して，咬合力および舌圧分布といった時空間的に感知可能な力覚情報に基づき，「もちもち」「ざらざら」「ねっとり」「口どけ」など，多様なテクスチャー（食感）を評価している．興味深いことに，ヒトは上記のような複雑なマニピュレーション・センシング技能を，幼少期からの訓練により獲得し（あるいは先天的に有し），日常的にほぼ無意識に遂行している．このようなヒトの咀嚼機能の工学的解析は，咀嚼困難者の増加が予測される超高齢化社会に向け，医歯学分野における摂食機能の力学的理解，ならびに，食品科学分野における介護食の食塊凝集性とテクスチャーの最適化，に関連して切望されている．
　本研究では，ヒトの咀嚼機能（図(a)）の工学的理解と再現に向け，咀嚼ロボットシミュレータによって人工咀嚼過程の咬合力・舌圧分布といった時空間力覚情報を獲得し，深層学習を用いて食感を評価するシステム（図(b)(c)）を開発する． 具体的には，畳み込みニューラルネットワーク（CNN）を用い，時空間力覚情報から作成した画像データを入力，ヒトの食感官能評価値を出力とする食感推定モデルを構築する．
　　　　　

• A. Shibata, A. Ikegami, M. Nakauma, and M. Higashimori: Convolutional Neural Network based Estimation of Gel-like Food Texture by a Robotic Sensing System, Robotics, vol. 6, iss. 4, 37, 2017.
• 特許第7131766号: 機械学習システム，食感評価モデル，食感評価装置，機械学習方法および食感評価方法, 中馬誠, 池上聡, 東森充（登録日: 2022年8月29日）.
• 平島光樹, 高橋龍馬, 柴田暁秀, 長畑雄也, 橋本昌晴, 清水里奈, 堀田真理子, 井上賀美, 東森充: 深層学習を用いた歯・舌両有型咀嚼ロボットによる食感評価, 第38回日本ロボット学会学術講演会予稿集, 2G3-05, 2020.

---