JP6212454B2 - チーズの熟成度指標推定方法、チーズの熟成度指標推定装置、コンピュータが実行可能なプログラム、及びプロセスチーズの製造方法 - Google Patents
チーズの熟成度指標推定方法、チーズの熟成度指標推定装置、コンピュータが実行可能なプログラム、及びプロセスチーズの製造方法 Download PDFInfo
- Publication number
- JP6212454B2 JP6212454B2 JP2014172020A JP2014172020A JP6212454B2 JP 6212454 B2 JP6212454 B2 JP 6212454B2 JP 2014172020 A JP2014172020 A JP 2014172020A JP 2014172020 A JP2014172020 A JP 2014172020A JP 6212454 B2 JP6212454 B2 JP 6212454B2
- Authority
- JP
- Japan
- Prior art keywords
- cheese
- maturity index
- fingerprint information
- fluorescence
- measured
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 235000013351 cheese Nutrition 0.000 title claims description 258
- 238000000034 method Methods 0.000 title claims description 100
- 230000008569 process Effects 0.000 title claims description 40
- 238000004519 manufacturing process Methods 0.000 title claims description 20
- 238000004458 analytical method Methods 0.000 claims description 88
- 238000007781 pre-processing Methods 0.000 claims description 62
- 238000010238 partial least squares regression Methods 0.000 claims description 50
- 230000005284 excitation Effects 0.000 claims description 49
- 238000011088 calibration curve Methods 0.000 claims description 42
- 230000005070 ripening Effects 0.000 claims description 36
- 238000000491 multivariate analysis Methods 0.000 claims description 33
- 235000021588 free fatty acids Nutrition 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 26
- 150000001413 amino acids Chemical class 0.000 claims description 25
- 238000010606 normalization Methods 0.000 claims description 15
- 239000002994 raw material Substances 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 11
- 238000009499 grossing Methods 0.000 claims description 10
- 230000004069 differentiation Effects 0.000 claims description 8
- 239000000203 mixture Substances 0.000 claims description 5
- 230000035800 maturation Effects 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 80
- 238000010586 diagram Methods 0.000 description 37
- 238000011161 development Methods 0.000 description 18
- 230000018109 developmental process Effects 0.000 description 18
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 16
- 238000002360 preparation method Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 13
- 235000014059 processed cheese Nutrition 0.000 description 11
- 230000032683 aging Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 230000003595 spectral effect Effects 0.000 description 9
- 229910052757 nitrogen Inorganic materials 0.000 description 8
- 238000010200 validation analysis Methods 0.000 description 8
- 238000007796 conventional method Methods 0.000 description 6
- 238000005286 illumination Methods 0.000 description 6
- 238000000513 principal component analysis Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 238000002189 fluorescence spectrum Methods 0.000 description 5
- QIVBCDIJIAJPQS-VIFPVBQESA-N L-tryptophane Chemical compound C1=CC=C2C(C[C@H](N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-VIFPVBQESA-N 0.000 description 4
- 240000002129 Malva sylvestris Species 0.000 description 4
- 235000006770 Malva sylvestris Nutrition 0.000 description 4
- QIVBCDIJIAJPQS-UHFFFAOYSA-N Tryptophan Natural products C1=CC=C2C(CC(N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-UHFFFAOYSA-N 0.000 description 4
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 4
- 238000000611 regression analysis Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000001066 destructive effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 240000004050 Pentaglottis sempervirens Species 0.000 description 2
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 2
- 238000002835 absorbance Methods 0.000 description 2
- 230000003796 beauty Effects 0.000 description 2
- 239000000796 flavoring agent Substances 0.000 description 2
- 235000019634 flavors Nutrition 0.000 description 2
- 239000004310 lactic acid Substances 0.000 description 2
- 235000014655 lactic acid Nutrition 0.000 description 2
- 235000013336 milk Nutrition 0.000 description 2
- 239000008267 milk Substances 0.000 description 2
- 210000004080 milk Anatomy 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000037208 balanced nutrition Effects 0.000 description 1
- 235000019046 balanced nutrition Nutrition 0.000 description 1
- 235000009120 camo Nutrition 0.000 description 1
- 239000005018 casein Substances 0.000 description 1
- BECPQYXYKAMYBN-UHFFFAOYSA-N casein, tech. Chemical compound NCCCCC(C(O)=O)N=C(O)C(CC(O)=O)N=C(O)C(CCC(O)=N)N=C(O)C(CC(C)C)N=C(O)C(CCC(O)=O)N=C(O)C(CC(O)=O)N=C(O)C(CCC(O)=O)N=C(O)C(C(C)O)N=C(O)C(CCC(O)=N)N=C(O)C(CCC(O)=N)N=C(O)C(CCC(O)=N)N=C(O)C(CCC(O)=O)N=C(O)C(CCC(O)=O)N=C(O)C(COP(O)(O)=O)N=C(O)C(CCC(O)=N)N=C(O)C(N)CC1=CC=CC=C1 BECPQYXYKAMYBN-UHFFFAOYSA-N 0.000 description 1
- 235000021240 caseins Nutrition 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000001112 coagulating effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 239000000975 dye Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001962 electrophoresis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000855 fermentation Methods 0.000 description 1
- 230000004151 fermentation Effects 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 239000007850 fluorescent dye Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000004130 lipolysis Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 235000019629 palatability Nutrition 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012628 principal component regression Methods 0.000 description 1
- 235000018102 proteins Nutrition 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000009938 salting Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000001509 sodium citrate Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- HBOQGLPIIBWNMC-UHFFFAOYSA-K tetrasodium 2-hydroxypropane-1,2,3-tricarboxylate Chemical compound [Na+].[Na+].[Na+].[Na+].[O-]C(=O)CC(O)(CC([O-])=O)C([O-])=O HBOQGLPIIBWNMC-UHFFFAOYSA-K 0.000 description 1
- HRXKRNGNAMMEHJ-UHFFFAOYSA-K trisodium citrate Chemical compound [Na+].[Na+].[Na+].[O-]C(=O)CC(O)(CC([O-])=O)C([O-])=O HRXKRNGNAMMEHJ-UHFFFAOYSA-K 0.000 description 1
- 229940038773 trisodium citrate Drugs 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/04—Dairy products
Landscapes
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Description
まず、図1を参照して、本発明の概略を説明する。図1は、本発明の概略を説明するための説明図である。チーズは熟成の進行に伴いその内部で、可溶性タンパクの増加、遊離アミノ酸の増加、遊離脂肪酸の増加、水分の減少など、様々な変化が起こる。熟成の進行は、「熟成度指標」で規定することができる。「熟成度指標」には、全窒素に対する水溶性窒素の割合である「熟度」、「遊離アミノ酸量」、「遊離脂肪酸量」、及び「熟成期間」等が含まれる。特に、「熟度」はチーズの製造現場でよく使用されている熟成度指標である。
図2〜図4を参照し、蛍光指紋について説明する。図2は、測定対象物に励起光を照射した場合に、測定対象物から発せられる蛍光を説明するための図である。図3は、蛍光指紋の一例を3次元データの等高線状のグラフにて示す図である。図4は、図4の蛍光指紋の一例を平面的に表した俯瞰図である。
図5〜図8を参照し、本実施の形態に係るチーズの熟成度指標推定方法について説明する。図5は、本実施の形態に係るチーズの熟成度指標推定方法を説明するためのフローチャートである。
図7(A)に示すように、取得された蛍光指紋情報は、合計m×nの波長条件(=励起波長と蛍光波長の組み合わせ)のパラメータからなる高次元の蛍光強度データを含んでおり、更に、蛍光の定義から外れる光学的データ(例えば、励起光の散乱光、その2次光、3次光等:本発明では便宜的にノイズ情報と表記する。)を含んでいる。散乱光は、蛍光波長と励起波長が一致する波長条件で、また散乱光の二次光、三次光はそれぞれ蛍光波長が励起波長の2倍、3倍となる波長条件で現れる。そのため、ノイズ情報を除去するとともに、取得した高次元の蛍光強度データから、目的とする蛍光指紋以外の情報を除去した低次元の蛍光強度データにすることが望ましい。
2次元に展開した蛍光指紋情報に対して、中心化(mean centering)、規格化(normalization)、標準化(autoscale)、2次微分(2nd derivative)、ベースライン補正(baseline correction)、平滑化(smoothing)のうちの1つ又は組み合わせて信号処理演算を行う。第2段階のデータ前処理を行うことにより、蛍光スペクトルに含まれている情報の強調、異なるサンプルの蛍光スペクトルの尺度を合わせることができる等の効果がある。
次に、本発明のチーズの熟成度指標推定装置の構成について図11及び図12を参照し実施形態を例に挙げて説明する。なお、本実施の形態に係るチーズの熟成度指標推定装置は、前述のチーズの熟成度指標推定方法に好適に使用できるものであるが、本実施の形態に係るチーズの熟成度指標推定方法に用いる装置はこれに限定されるものではない。
以下、図13〜図22を参照して実施例について説明する。なお、本発明はこれらの実施例に限定されるものではない。
図13を参照して実施例1を説明する。本実施例1において、測定対象物として日本産のナチュラルチーズを用いた。そして、蛍光指紋情報取得部24−1の処理により日本産のナチュラルチーズの蛍光指紋情報を取得した。そして、推定モデル作成部24−2の処理により、日本産のナチュラルチーズの蛍光指紋情報に対してPLS回帰分析を行うことで、「熟度」を推定するための検量線を作成した。さらに、熟成度指標推定部24−3により、作成した検量線を使用して、日本産のナチュラルチーズの蛍光指紋情報から「熟度」を推定した。
本実施例1において、測定対象物として、日本産のナチュラルチーズについて13種類の「熟度」のものについて、図6に示した方法で厚さ1.5mm程度の円盤状としたものを2組(キャリブレーションデータ用とバリデーションデータ用)準備した。
続いて、準備した各測定対象物を計測セルに入れ、蛍光指紋取得装置10(日立分光蛍光光度計F−7000)にセットした。そして、蛍光指紋情報取得部24−1の処理により各測定対象物の蛍光指紋情報を取得した。ここで、測定条件は、以下の通りである。
温度:21〜22℃
励起波長:200〜700nm、間隔5nm
(特に、励起波長250〜500nmの範囲に有用な情報が多く含まれる。)
蛍光波長:200〜700nm、間隔5nm
(特に、蛍光波長250〜700nmの範囲に有用な情報が多く含まれる。)
スキャンスピード:30000nm/min
励起側スリット:5nm
蛍光側スリット:5nm
ホトマル電圧:460V
レスポンス:自動
スペクトル補正:ON
計測サンプル数:各種類のチーズにつき、8サンプル
取得した蛍光指紋情報に対して、データ前処理として散乱光除去及び2次元データ展開のみを行った(図7参照)。
データ前処理を行った蛍光指紋情報に対して、PLS回帰分析を適用して、検量線(推定モデル)を作成した。PLS回帰分析には、13種類の「熟度」のチーズをそれぞれ4サンプルずつ計測したものを適用した。図13は、PLS回帰分析による蛍光指紋と熟度についての解析結果を示しており、データ前処理として散乱光除去及び2次元データ展開のみを行った場合を示す図である。図13において、横軸は、化学分析から得られた「熟度」の実測値[%]、縦軸は、蛍光指紋情報による「熟度」の推定値[%]を示している。キャリブレーションデータは検量線作成のためのデータである。キャリブレーションデータを直線回帰して検量線を作成している。バリデーションデータは精度確認のためのデータである。キャリブレーションデータ群における推定精度は決定係数R2=0.83であり、良好な推定精度であることが確認された。
図14を参照して実施例2を説明する。本実施例2は、実施例1においてさらにデータ前処理として中心化を行った後、PLS回帰分析を行った。
実施例1と同様に、測定対象物を準備した。
(2−2.蛍光指紋情報の取得)
実施例1と同様に、蛍光指紋情報を取得した。
取得した蛍光指紋情報に対して、データ前処理として、散乱光除去及び2次元データ展開を行った後(図7参照)、中心化(図8参照)を行った。
データ前処理を行った蛍光指紋情報に対して、PLS回帰分析を適用して、検量線(推定モデル)を作成した。PLS回帰分析には、13種類の「熟度」のチーズをそれぞれ4サンプルずつ計測したものを適用した。図14は、PLS回帰分析による蛍光指紋と熟度についての解析結果を示しており、データ前処理として散乱光除去及び2次元データ展開を行った後、「中心化」を行った例を示す図である。図14において、キャリブレーション群における推定精度は決定係数R2=0.83であり、良好な推定精度であることが確認された。
図15を参照して実施例3を説明する。本実施例3は、実施例1においてさらにデータ前処理として規格化を行った後、PLS回帰分析を行った。
実施例1と同様に、測定対象物を準備した。
実施例1と同様に、測定対象物を準備した。
取得した蛍光指紋情報に対して、データ前処理として散乱光除去及び2次元データ展開を行った後(図7参照)、規格化(図9参照)を行った。
データ前処理を行った蛍光指紋情報に対して、PLS回帰分析を適用して、検量線(推定モデル)を作成した。PLS回帰分析には、13種類の「熟度」のチーズをそれぞれ4サンプルずつ計測したものを適用した。図15は、PLS回帰分析による蛍光指紋と熟度についての解析結果を示しており、データ前処理として散乱光除去及び2次元データ展開を行った後、「規格化」を行った場合を示す図である。図15において、キャリブレーション群における推定精度は決定係数R2=0.90であり、データ前処理として「規格化」を行うことにより、推定精度を向上させることが確認された。
図16を参照して実施例4を説明する。本実施例4は、実施例1においてさらにデータ前処理として標準化を行った後、PLS回帰分析を行った。
実施例1と同様に、測定対象物を準備した。
実施例1と同様に、蛍光指紋情報を取得した。
取得した蛍光指紋情報に対して、データ前処理として散乱光除去及び2次元データ展開を行った後(図7参照)、標準化(図10参照)を行った。
データ前処理を行った蛍光指紋情報に対して、PLS回帰分析を適用して、検量線(推定モデル)を作成した。PLS回帰分析には、13種類の「熟度」のチーズをそれぞれ4サンプルずつ計測したものを適用した。図16は、PLS回帰分析による蛍光指紋と熟度についての解析結果を示しており、データ前処理として散乱光除去及び2次元データ展開を行った後、「標準化」を行った場合を示す図である。図15において、キャリブレーション群における推定精度は決定係数R2=0.90であり、データ前処理として「標準化」を行うことにより、推定精度を向上させることが確認された。
図17を参照して実施例5を説明する。本実施例5において、測定対象物として日本産のナチュラルチーズを用いた。そして、蛍光指紋情報取得部24−1の処理により日本産のナチュラルチーズの蛍光指紋情報を取得した。そして、推定モデル作成部24−2の処理により、取得した蛍光指紋情報に対して主成分分析を行うことで、推定モデルを作成した。
本実施例5において、測定対象物として日本産のナチュラルチーズについて、図6に示した方法で厚さ1.5mm程度の円盤状としたものを準備した。
実施例1と同様に、蛍光指紋情報を取得した。
実施例4と同様に、取得した蛍光指紋情報に対して、データ前処理として散乱光除去及び2次元データ展開を行った後(図7参照)、標準化(図10参照)を行った。
図17は、データ前処理した蛍光指紋情報に対して主成分分析を行った例を示す図である。図17に示すように、まず、多変量のデータを少数の主成分に要約する主成分分析を行い、蛍光指紋情報から求めた第1主成分と蛍光指紋情報から求めた第2主成分を軸とする平面上に各測定対象物を位置づけた主成分得点プロットを作成する。
本実施例6は、実施例4でPLS回帰分析したものをPLS判別分析した。PLS判別分析では、熟度が「24」以上と、「24」未満の2つのグループに分類した推定モデルを作成した。熟度が「24」以上の場合を「完熟」、熟度が「24」未満の場合を「未熟」としてもよい。図18は、PLS判別分析により得られた推定モデルによるキャリブレーションデータの判別結果の集計を示す図である。図19は、PLS判別分析により得られた推定モデルによるバリデーションデータの判別結果の集計を示す図である。
図20を参照して実施例7を説明する。本実施例7において、測定対象物として日本産のナチュラルチーズを用いた。そして、蛍光指紋情報取得部24−1の処理により日本産のナチュラルチーズの蛍光指紋情報を取得した。そして、推定モデル作成部24−2の処理により、日本産のナチュラルチーズの蛍光指紋情報に対してPLS回帰分析を行うことで、「熟成期間」を推定するための検量線を作成した。さらに、熟成度指標推定部24−3により、作成した検量線を使用して、日本産のナチュラルチーズの蛍光指紋情報から「熟成期間」を推定した。
本実施例7において、測定対象物として、日本産のナチュラルチーズについて11種類の「熟成期間」のものを、図6に示した方法で厚さ1.5mm程度の円盤状としたものを4サンプルずつ(キャリブレーションデータ用とバリデーションデータ用)準備した。
実施例1と同様に、蛍光指紋情報を取得した。
実施例4と同様に、取得した蛍光指紋情報に対して、データ前処理として散乱光除去及び2次元データ展開を行った後(図7参照)、標準化を行った(図10参照)。
データ前処理を行った蛍光指紋情報に対してPLS回帰分析を適用して、検量線(推定モデル)を作成した。PLS回帰分析には、11種類の「熟成期間」のチーズをそれぞれ4サンプルずつ計測したものを適用した。図20は、PLS回帰分析による蛍光指紋と熟成期間についての解析結果を示す図である。図20において、横軸は、実際の「熟成期間」[日]、縦軸は、蛍光指紋による「熟成期間」の推定値[日]を示している。
図21を参照して実施例8を説明する。本実施例8において、測定対象物として日本産のナチュラルチーズを用いた。そして、蛍光指紋情報取得部24−1の処理により日本産のナチュラルチーズの蛍光指紋情報を取得した。そして、推定モデル作成部24−2の処理により、日本産のナチュラルチーズの蛍光指紋情報に対してPLS回帰分析を行うことで、「遊離アミノ酸(トリプトファン)量」を推定するための検量線を作成した。さらに、熟成度指標推定部24−3により、作成した検量線を使用して、日本産のナチュラルチーズの蛍光指紋情報から「遊離アミノ酸量」を推定した。
本実施例8において、測定対象物として、日本産のナチュラルチーズについて10種類の「遊離アミノ酸量」のものを、図6に示した方法で厚さ1.5mm程度の円盤状としたものを2組(キャリブレーションデータ用とバリデーションデータ用)準備した。
実施例1と同様に、蛍光指紋情報を取得した。
実施例4と同様に、取得した蛍光指紋情報に対して、データ前処理として散乱光除去及び2次元データ展開を行った後(図7参照)、標準化を行った(図10参照)。
データ前処理を行った蛍光指紋情報に対してPLS回帰分析を適用して、検量線(推定モデル)を作成した。PLS回帰分析には、10種類の「遊離アミノ酸量」のサンプルをそれぞれ1回計測したものを適用した。図21は、PLS回帰分析による蛍光指紋と遊離アミノ酸(トリプトファン)量についての解析結果を示す図である。図21において、横軸は、化学分析から得られた「遊離アミノ酸(トリプトファン)量」の実測値[mg/100g]、縦軸は、蛍光指紋による「遊離アミノ酸(トリプトファン)量」の推定値[mg/100g]を示している。
図22を参照して実施例9を説明する。本実施例9において、測定対象物として日本産のナチュラルチーズを用いた。そして、蛍光指紋情報取得部24−1の処理により日本産のナチュラルチーズの蛍光指紋情報を取得した。そして、推定モデル作成部24−2の処理により、日本産のナチュラルチーズの蛍光指紋情報に対してPLS回帰分析を行うことで、「遊離脂肪酸(総量)」を推定するための検量線(推定モデル)を作成した。さらに、熟成度指標推定部24−3により、作成した検量線を使用して、日本産のナチュラルチーズの蛍光指紋情報から「遊離脂肪酸(総量)」を推定した。
本実施例9において、測定対象物として、日本産のナチュラルチーズについて13種類の「遊離脂肪酸(総量)」のものを、図6に示した方法で厚さ1.5mm程度の円盤状としたものを2組(キャリブレーションデータ用とバリデーションデータ用)準備した。
実施例1と同様に、蛍光指紋情報を取得した。
実施例4と同様に、取得した蛍光指紋情報に対して、データ前処理として散乱光除去及び2次元データ展開を行った後(図7参照)、標準化を行った(図10参照)。
データ前処理を行った蛍光指紋情報に対してPLS回帰分析を適用して、検量線(推定モデル)を作成した。PLS回帰分析には、13種類の「遊離脂肪酸(総量)」のチーズをそれぞれ4サンプルずつ計測したものを適用した。図22は、PLS回帰分析による蛍光指紋と遊離脂肪酸(総量)についての解析結果を示す図である。図22において、横軸は、化学分析から得られた「総遊離脂肪酸量」の実測値[mg/kg]、縦軸は、蛍光指紋による「総遊離脂肪酸」の推定値[mg/kg]を示している。
本発明のチーズの熟成度指標推定方法及びチーズの熟成度指標推定装置を使用してナチュラルチーズを製造することにしてもよい。すなわち、本発明のチーズの熟成度指標推定方法及びチーズの熟成度指標推定装置により推定される熟成度指標を使用して、ナチュラルチーズの出荷時期を決定してもよい。
本発明のチーズの熟成度指標推定方法及びチーズの熟成度指標推定装置を使用してプロセスチーズを製造することにしてもよい。すなわち、原料となるナチュラルチーズの熟成度指標を本発明のチーズの熟成度指標推定方法及びチーズの熟成度指標推定装置により推定し、推定した熟成度指標に基づいて、原料となるナチュラルチーズの配合及び/又はプロセスチーズの製造条件を決定してもよい。
本実施例10において、本発明の熟成度指標推定方法(実施例1)を使用したプロセスチーズの製造方法を説明する。
実施例1に基づいて作成した検量線を使用して、製造日が異なる日本産ナチュラルチーズA、B、Cの蛍光指紋情報から「熟度」を推定した。その結果、各ナチュラルチーズの熟度は、それぞれチーズAが6.0%、チーズBが14.0%、チーズCが25.0%であった。
熟度を推定したチーズA〜C、及びその他の原料について、チーズAを16%、チーズBを56%、チーズCを8%、添加水を17%、および溶融塩であるクエン酸三ナトリウムを3%の割合で配合し、撹拌しながら加熱乳化した。品温が85℃になった時点でさらに85℃で1分間保持し、直ちにカルトンに充填して、5℃で一晩冷却してプロセスチーズPを製造した。この方法で製造したプロセスチーズPの物性及び風味は、従来法である全窒素に対する水溶性窒素の割合を「熟度」として計測する方法により測定した熟度に基づいて製造したプロセスチーズと同等であることが確認された。
本実施例11において、本発明の熟成度指標推定方法(実施例1及び実施例2)を使用したプロセスチーズの製造方法を説明する。
実施例1、実施例2に基づいて作成した検量線を使用して、製造日が異なる日本産ナチュラルチーズD及びEの蛍光指紋情報から「熟度」を推定した。
その結果、各ナチュラルチーズの熟度は、それぞれチーズDが7.5%、チーズEが18.0%であった。
熟度を推定したチーズD、チーズE、及びその他の原料について、チーズDを24%、チーズEを56%、添加水を17%、および溶融塩であるクエン酸三ナトリウムを3%の割合で配合し、撹拌しながら加熱乳化した。品温が85℃になった時点でさらに85℃で1分間保持し、直ちにカルトンに充填して、5℃で一晩冷却してプロセスチーズQを製造した。
さて、これまで本発明の実施の形態について説明したが、本発明は、上述した実施の形態以外にも、特許請求の範囲に記載した技術的思想の範囲内において種々の異なる実施の形態にて実施されてよいものである。
11 分光照明装置
110 光源
112 分光装置
12 分光検出装置
122 分光装置
124 指紋検出装置
13 測定対象物
20 チーズの熟成度指標推定装置
21 メモリ
22 キーボード・マウス
23 制御部
24 計算処理部
24−1 蛍光指紋情報取得部
24−2 推定モデル作成部
24−3 熟成度指標推定部
26 I/Oポート
27 推定モデル
30 ディスプレイ
Claims (19)
- 測定対象のチーズの熟成度指標を推定するチーズの熟成度指標推定方法であって、
所定の励起波長範囲及び所定の蛍光波長範囲で、照射する励起波長及び観測する蛍光波長を段階的に変化させながら、測定対象のチーズの蛍光強度を測定して、前記測定対象のチーズの蛍光指紋情報を取得する蛍光指紋情報取得工程と、
前記蛍光指紋情報取得工程で取得した前記蛍光指紋情報に基づいて前記測定対象のチーズの熟成度指標を推定する熟成度指標推定工程と、
を含むことを特徴とするチーズの熟成度指標推定方法。 - 前記熟成度指標推定工程では、チーズの熟成度指標を推定するための推定モデルに前記蛍光指紋情報取得工程で取得した前記蛍光指紋情報を適用して前記測定対象のチーズの熟成度指標を推定することを特徴とする請求項1に記載のチーズの熟成度指標推定方法。
- さらに、前記蛍光指紋情報取得工程で取得した蛍光指紋情報に対して多変量解析を行うことで前記推定モデルを作成する推定モデル作成工程を含むことを特徴とする請求項2に記載のチーズの熟成度指標推定方法。
- 前記推定モデル作成工程では、前記多変量解析としてPLS回帰分析を行って、前記推定モデルとして検量線を作成し、
前記熟成度指標推定工程では、前記蛍光指紋情報取得工程で取得した前記蛍光指紋情報を前記検量線に適用して前記測定対象のチーズの熟成度指標を推定することを特徴とする請求項2に記載のチーズの熟成度指標推定方法。 - さらに、前記蛍光指紋情報に対して、中心化、標準化、規格化、微分、ベースライン補正、及び平滑化のうちの1又は複数の処理を行うデータ前処理工程を含むことを特徴とする請求項1〜請求項4のいずれか1つに記載のチーズの熟成度指標推定方法。
- 前記熟成度指標は、熟度、遊離アミノ酸量、遊離脂肪酸量、及び熟成期間のうちの1又は複数であることを特徴とする請求項1〜請求項5のいずれか1つに記載のチーズの熟成度指標推定方法。
- 測定対象のチーズの熟成度指標を推定するチーズの熟成度指標推定装置であって、
所定の励起波長範囲及び所定の蛍光波長範囲で、照射する励起波長及び観測する蛍光波長を段階的に変化させながら、測定対象のチーズの蛍光強度を測定して、前記測定対象のチーズの蛍光指紋情報を取得する蛍光指紋情報取得手段と、
前記蛍光指紋情報取得手段で取得した前記蛍光指紋情報に基づいて前記測定対象のチーズの熟成度指標を推定する熟成度指標推定手段と、
を備えたことを特徴とするチーズの熟成度指標推定装置。 - 前記熟成度指標推定手段は、チーズの熟成度指標を推定するための推定モデルに前記蛍光指紋情報取得手段で取得した前記蛍光指紋情報を適用して前記測定対象のチーズの熟成度指標を推定することを特徴とする請求項7に記載のチーズの熟成度指標推定装置。
- さらに、前記蛍光指紋情報取得手段で取得した蛍光指紋情報に対して多変量解析を行うことで前記推定モデルを作成する推定モデル作成手段を備えたことを特徴とする請求項8に記載のチーズの熟成度指標推定装置。
- 前記推定モデル作成手段は、前記多変量解析としてPLS回帰分析を行って、前記推定モデルとして検量線を作成し、
前記熟成度指標推定手段は、前記蛍光指紋情報取得手段で取得した前記蛍光指紋情報を前記検量線に適用して前記測定対象のチーズの熟成度指標を推定することを特徴とする請求項9に記載のチーズの熟成度指標推定装置。 - さらに、前記蛍光指紋情報に対して、中心化、標準化、規格化、微分、ベースライン補正、及び平滑化のうちの1又は複数の処理を行うデータ前処理手段を含むことを特徴とする請求項7〜請求項10のいずれか1つに記載のチーズの熟成度指標推定装置。
- 前記熟成度指標は、熟度、遊離アミノ酸量、遊離脂肪酸量、及び熟成期間のうちの1又は複数であることを特徴とする請求項7〜請求項11のいずれか1つに記載のチーズの熟成度指標推定装置。
- 測定対象のチーズの熟成度指標を推定するチーズの熟成度指標推定装置に搭載されるプログラムであって、
所定の励起波長範囲及び所定の蛍光波長範囲で、照射する励起波長及び観測する蛍光波長を段階的に変化させながら、測定対象のチーズの蛍光強度を測定して、前記測定対象のチーズの蛍光指紋情報を取得する蛍光指紋情報取得工程と、
前記蛍光指紋情報取得工程で取得した前記蛍光指紋情報に基づいて前記測定対象のチーズの熟成度指標を推定する熟成度指標推定工程と、
をコンピュータに実行させることを特徴とするコンピュータが実行可能なプログラム。 - 前記熟成度指標推定工程では、チーズの熟成度指標を推定するための推定モデルに前記蛍光指紋情報取得工程で取得した前記蛍光指紋情報を適用して前記測定対象のチーズの熟成度指標を推定することを特徴とする請求項13に記載のコンピュータが実行可能なプログラム。
- さらに、前記蛍光指紋情報取得工程で取得した蛍光指紋情報に対して多変量解析を行うことで前記推定モデルを作成する推定モデル作成工程をコンピュータに実行させることを特徴とする請求項14に記載のコンピュータが実行可能なプログラム。
- 前記推定モデル作成工程では、前記多変量解析としてPLS回帰分析を行って、前記推定モデルとして検量線を作成し、
前記熟成度指標推定工程では、前記蛍光指紋情報取得工程で取得した前記蛍光指紋情報を前記検量線に適用して前記測定対象のチーズの熟成度指標を推定することを特徴とする請求項15に記載のコンピュータが実行可能なプログラム。 - さらに、前記蛍光指紋情報に対して、中心化、標準化、規格化、微分、ベースライン補正、及び平滑化のうちの1又は複数の処理を行うデータ前処理工程をコンピュータに実行させることを特徴とする請求項13〜請求項16のいずれか1つに記載のコンピュータが実行可能なプログラム。
- 前記熟成度指標は、熟度、遊離アミノ酸量、遊離脂肪酸量、及び熟成期間のうちの1又は複数であることを特徴とする請求項13〜請求項17のいずれか1つに記載のコンピュータが実行可能なプログラム。
- 請求項1〜請求項6のいずれか1つに記載のチーズの熟成度指標推定方法により熟成度指標が推定されたナチュラルチーズが原料に使用されるプロセスチーズの製造方法であって、
前記推定された熟成度指標に基づいて、前記原料となるナチュラルチーズの配合を決定する工程を含むプロセスチーズの製造方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014172020A JP6212454B2 (ja) | 2014-08-26 | 2014-08-26 | チーズの熟成度指標推定方法、チーズの熟成度指標推定装置、コンピュータが実行可能なプログラム、及びプロセスチーズの製造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014172020A JP6212454B2 (ja) | 2014-08-26 | 2014-08-26 | チーズの熟成度指標推定方法、チーズの熟成度指標推定装置、コンピュータが実行可能なプログラム、及びプロセスチーズの製造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016045179A JP2016045179A (ja) | 2016-04-04 |
JP6212454B2 true JP6212454B2 (ja) | 2017-10-11 |
Family
ID=55635860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014172020A Active JP6212454B2 (ja) | 2014-08-26 | 2014-08-26 | チーズの熟成度指標推定方法、チーズの熟成度指標推定装置、コンピュータが実行可能なプログラム、及びプロセスチーズの製造方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6212454B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6749575B2 (ja) * | 2016-07-07 | 2020-09-02 | 国立研究開発法人農業・食品産業技術総合研究機構 | 加熱履歴推定方法、加熱履歴推定装置、および、プログラム |
JP6831094B2 (ja) | 2016-09-06 | 2021-02-17 | 株式会社日立ハイテクサイエンス | 未知試料判定方法、未知試料判定装置及び未知試料判定プログラム |
JP7337351B2 (ja) * | 2018-08-10 | 2023-09-04 | 日本たばこ産業株式会社 | クロロフィルと、ポリフェノールまたはテルペノイドの少なくとも一方とを含む植物に由来する材料の区分を判別する基準の作成方法、プログラム、および装置 |
JP7021755B2 (ja) * | 2018-08-10 | 2022-02-17 | 日本たばこ産業株式会社 | 蛍光指紋分析による試料の評価・推定方法、プログラム、及び装置 |
JP6725928B1 (ja) * | 2020-02-13 | 2020-07-22 | 東洋インキScホールディングス株式会社 | 回帰モデル作成方法、回帰モデル作成装置、及び、回帰モデル作成プログラム |
KR102483166B1 (ko) * | 2020-11-13 | 2022-12-29 | 순천대학교 산학협력단 | 스마트 치즈 숙성고와 그 숙성방법 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8072596B2 (en) * | 2008-04-09 | 2011-12-06 | S.A.E. Afikim Milking System Agricultural Cooperative Ltd | System and method for on-line analysis and sorting of milk coagulation properties |
US20090305423A1 (en) * | 2008-06-09 | 2009-12-10 | Ohio State University Research Foundation | Methods for Monitoring Composition and Flavor Quality of Cheese Using a Rapid Spectroscopic Method |
JP2013007732A (ja) * | 2011-05-26 | 2013-01-10 | Osaka Univ | チーズの品質予測方法 |
-
2014
- 2014-08-26 JP JP2014172020A patent/JP6212454B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016045179A (ja) | 2016-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6212454B2 (ja) | チーズの熟成度指標推定方法、チーズの熟成度指標推定装置、コンピュータが実行可能なプログラム、及びプロセスチーズの製造方法 | |
Vitale et al. | A rapid and non-invasive method for authenticating the origin of pistachio samples by NIR spectroscopy and chemometrics | |
JP6339244B2 (ja) | Ft−irスペクトルデータの多変量統計分析を用いた果実の糖度及び酸度の予測方法 | |
CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
CN103645155B (zh) | 生鲜羊肉嫩度的快速无损检测方法 | |
CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
WO2016183921A1 (zh) | 珍珠分级方法 | |
CN106483166A (zh) | 一种基于介电谱技术快速检测牛乳脂肪含量的方法 | |
Dufour | Recent advances in the analysis of dairy product quality using methods based on the interactions of light with matter | |
JP6831094B2 (ja) | 未知試料判定方法、未知試料判定装置及び未知試料判定プログラム | |
CN105021736A (zh) | 原奶或液态奶真实性鉴别方法和*** | |
JP6749575B2 (ja) | 加熱履歴推定方法、加熱履歴推定装置、および、プログラム | |
JP2017051162A (ja) | 検体表面の生菌数推定方法及び装置、その装置に搭載されるプログラム | |
CN105223140A (zh) | 同源物质的快速识别方法 | |
CN112730312A (zh) | 一种基于近红外光谱技术的掺杂牛初乳定性识别方法 | |
CN107402192A (zh) | 一种快速分析香精香料质量稳定性的方法 | |
Abbas et al. | Application of synchronous fluorescence spectroscopy for the determination of some chemical parameters in PDO French blue cheeses | |
CN103712948A (zh) | 生鲜羊肉中挥发性盐基氮含量的快速无损检测方法 | |
CN106338488A (zh) | 一种转基因豆奶粉的快速无损鉴别方法 | |
WO2011155888A1 (en) | Procedure for hyperspectral image analysis in real time | |
CN106198423B (zh) | 一种基于可见-近红外光谱分析技术鉴别火腿肠等级的方法 | |
Shen et al. | Discrimination of blended Chinese rice wine ages based on near-infrared spectroscopy | |
CN113324940A (zh) | 特优优质奶、高蛋白特色奶、高乳脂特色奶和普通奶的光谱分级方法 | |
Tarapoulouzi et al. | Discrimination of Cheddar and Kefalotyri cheese samples: Analysis by chemometrics of proton-NMR and FTIR spectra | |
CN105891130B (zh) | 一种校正不同光谱信息确定物质信息误差的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160803 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20160803 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170718 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170714 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170823 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170905 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170915 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6212454 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |