SlideShare ist ein Scribd-Unternehmen logo
1 von 46
Downloaden Sie, um offline zu lesen
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
食品ロス削減に向けた家庭料理の
献立表提案システムの開発に関する研究
2022/02/07
北海道大学 大学院情報科学研究院
情報理工学部門 複合情報工学分野 調和系工学研究室
工学部 4年
細川 万維
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 Laboratory of Harmonious Systems Engineering Research Group of Synergetic Information Engineering
Division of Computer Science and Information Technology Faculty of Information Science and Technology Hokkaido University – All rights reserved.
家庭料理のメリットと支援システム 2
• 家庭料理の一般的なメリット
– 経済面:外食や弁当よりも安い
– 健康面:自分で作ることにより栄養管理しやすい
• 家庭料理の一般的なデメリット
– 考慮することが多く手間がかかる
• 献立:食べ合わせ、栄養
• 買いもの:タイミング、食品ロス
• 調理:料理の難易度、調理時間
• 家庭料理を支援する献立支援システムが存在
– ホームクッキング今日の献立(キッコーマン)[1]
• 季節などを考慮した365日の献立を紹介
– pecco[2]
• 冷蔵庫にある食材や家にある調味料で作れる料理を提案
[1] ホームクッキング|キッコーマン https://www.kikkoman.co.jp/homecook/index.html
[2] pecco https://pecco.app/
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 Laboratory of Harmonious Systems Engineering Research Group of Synergetic Information Engineering
Division of Computer Science and Information Technology Faculty of Information Science and Technology Hokkaido University – All rights reserved.
家庭料理における食品ロス 3
• 食品ロスとは
– 本来食べられるのに捨てられてしまう食品 [3]
• 家庭における食品ロス問題
– 年間約600万トンの食品ロスの46%が家庭から [3]
– 原因 [4]
• 料理の作りすぎで残る「食べ残し」
• 未開封のまま食べずに捨てる「直接廃棄」
• 食べられるところを切って捨ててしまう「過剰切除」
[3] 食品ロスとは:農林水産省. https://www.maff.go.jp/j/shokusan/recycle/syoku_loss/161227_4.html.
[4] 家庭での食品ロスを減らそう:消費者庁 https://www.no-foodloss.caa.go.jp/eating-home.html
⇒料理の分量や食材の使い切りを考慮した献立支援システム
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 Laboratory of Harmonious Systems Engineering Research Group of Synergetic Information Engineering
Division of Computer Science and Information Technology Faculty of Information Science and Technology Hokkaido University – All rights reserved.
• 献立とは
– 作る予定の料理レシピの組み合わせ
• 献立作成時に発生する余剰食材
– 家庭では必要な食材を店舗で無駄なく購入できない
解決したい家庭料理の課題 4
献立
きんぴら:にんじん 1本
肉じゃが:にんじん 1/2本
… にんじん
販売単位:1本
店舗で購入
必要な分量をちょうど
購入できず1/2本余る
⇒食品ロスの原因に
店舗での購入単位を考慮して、献立の余剰食材が0になる献立の提案を目指す
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
5
解決したい家庭料理の課題
献立
何度も買い物に行く
提案された献立が
忙しいなどで作れない
同じような料理が続く
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
6
関連研究
• 料理の推薦システム
– 献立の雰囲気を考慮した料理推薦システムの提案
[5]
• クラスタリングによって料理レシピを分類
⇒献立提案のためにクラスタの雰囲気を探る
– 余剰食材の使い切りを考慮したレシピ提案手法 [6]
• 料理を作って出た余剰を次の日に使い切る
ように料理レシピを提案
余剰食材の使い切り+必要食材のまとめ買い
⇒買い物の手間を省く、余計なものの購入を防ぐ
本研究
[5]大野 礼儀 福原 知宏 山田 剛一 増田 英孝 献立の雰囲気を考慮した料理推薦システ
ムの提案 人工知能学会全国大会論文集(JSAI2015) (2015)
[6]木原 ひかり 上田 真由美 中島 伸介 余剰食材の使い切りを考慮したレシピ提案手法の提案
第3回データ工学と情報マネジメントに関するフォーラム(DEIM2011) (2012)
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 Laboratory of Harmonious Systems Engineering Research Group of Synergetic Information Engineering
Division of Computer Science and Information Technology Faculty of Information Science and Technology Hokkaido University – All rights reserved.
献立表提案システムの目的 7
• 食品ロス削減につながる家庭料理作成を
支援すること
– 1週間で食材を使い切れる献立
– まとめ買いができる買い物リスト
• 考慮する家庭料理の重要な要素
– 毎週の献立のバリエーション
– ユーザの曜日ごとの忙しさに応じて手間のかから
ない料理の提案
– 主菜と副菜で同じような料理が続かないよう考慮
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
8
献立表提案システムの概要
にんじん 1本 (150g)
じゃがいも 1袋 (300g)
各食材の購入
単位リスト
システムのデータベース
ユーザからの情報
候補料理
レシピ集合
除外食材
リスト
サラダ油,水,
酒,塩,etc
料理レシピの調
理手順数の希望
• 多い:2件
• 少ない:5件
1日ごとの主菜と
副菜の組合せの決定
献立表
• 1日目
• 主菜:肉じゃが,
副菜:おひたし
• 2日目
分量変更された料理レシピ
肉じゃが
にんじん:150→200g
じゃがいも:300→400g
献立に採用する料理レシピの選出
献立に採用する
14品の料理レシピ
余剰食材とその分量
にんじん: 50g,
じゃがいも: 100g ・・・
余剰食材の配分
買い物リスト
• じゃがいも 1袋
• にんじん 3本 ・・・
次回レシピ
集合から削除
・・・
出力情報
何人分
か
4人分
使用済
レシピ
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
9
献立表提案システムの概要
にんじん 1本 (150g)
じゃがいも 1袋 (300g)
各食材の購入
単位リスト
システムのデータベース
ユーザからの情報
候補料理
レシピ集合
除外食材
リスト
サラダ油,水,
酒,塩,etc
料理レシピの調
理手順数の希望
• 多い:2件
• 少ない:5件
1日ごとの主菜と
副菜の組合せの決定
献立表
• 1日目
• 主菜:肉じゃが,
副菜:おひたし
• 2日目
分量変更された料理レシピ
肉じゃが
にんじん:150→200g
じゃがいも:300→400g
献立に採用する料理レシピの選出
献立に採用する
14品の料理レシピ
余剰食材とその分量
にんじん: 50g,
じゃがいも: 100g ・・・
余剰食材の配分
買い物リスト
• じゃがいも 1袋
• にんじん 3本 ・・・
次回レシピ
集合から削除
・・・
出力情報
何人分
か
4人分
使用済
レシピ
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
• 候補料理レシピ集合
– 献立に採用する料理レシピの候補
– すべての料理が主菜と副菜のどちらかに分かれている
• 主菜:主に肉や魚を多く含む料理
• 副菜:主に野菜などを多く含む料理
– 必要食材と分量、文章による調理工程で構成
• システムで用いる料理レシピの情報
– い
10
システムのデータベース(候補料理レシピ集合)
料理レシピ
【肉じゃが】にんじん 1/2個
【肉じゃが】じゃがいも 2個
【肉じゃが】
【必要食材と分量】
• にんじん 1/2個
• じゃがいも 2個
• …
【調理工程】
• じゃがいもは皮をむ
き…
【肉じゃが】10
必要食材とその分量
料理レシピの調理手順数
抽出
【肉じゃが】じゃがいも
メイン食材
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
• 候補料理レシピ集合
– 献立に採用する料理レシピの候補
– すべての料理が主菜と副菜のどちらかに分かれている
• 主菜:主に肉や魚を多く含む料理
• 副菜:主に野菜などを多く含む料理
– 必要食材と分量、文章による調理工程で構成
• システムで用いる料理レシピの情報
– い
11
システムのデータベース(候補料理レシピ集合)
料理レシピ
【肉じゃが】にんじん 1/2個
【肉じゃが】じゃがいも 2個
【肉じゃが】
【必要食材と分量】
• にんじん 1/2個
• じゃがいも 2個
• …
【調理工程】
• じゃがいもは皮をむ
き…
【肉じゃが】10
必要食材とその分量
料理レシピの調理手順数
抽出
【肉じゃが】じゃがいも
メイン食材
調味料などを除いた
食材の中で一番使用
重量の重いものを
1つ設定
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
12
システムのデータベース(各食材の購入単位)
• 各食材の購入単位リスト
– 余剰食材の算出に使用
– 1食材に1種類の購入単位の名称とその重量を設定
食材名 購入単位 重量(g)
にんじん 1本 150
鶏もも肉 1パック 300
食材の購入単位の名称とその重量の例
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
13
献立表提案システムの概要
にんじん 1本 (150g)
じゃがいも 1袋 (300g)
各食材の購入
単位リスト
システムのデータベース
ユーザからの情報
候補料理
レシピ集合
除外食材
リスト
サラダ油,水,
酒,塩,etc
料理レシピの調
理手順数の希望
• 多い:2件
• 少ない:5件
1日ごとの主菜と
副菜の組合せの決定
献立表
• 1日目
• 主菜:肉じゃが,
副菜:おひたし
• 2日目
分量変更された料理レシピ
肉じゃが
にんじん:150→200g
じゃがいも:300→400g
献立に採用する料理レシピの選出
献立に採用する
14品の料理レシピ
余剰食材とその分量
にんじん: 50g,
じゃがいも: 100g ・・・
余剰食材の配分
買い物リスト
• じゃがいも 1袋
• にんじん 3本 ・・・
次回レシピ
集合から削除
・・・
出力情報
何人分
か
4人分
使用済
レシピ
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
14
ユーザからの情報
• 献立の人数
– 何人分かを入力
⇒献立の料理レシピの分量変更に使用
• 調理手順数に関する希望
– 調理手順数の多い料理、少ない料理をそれぞれ何日分
含んでほしいか入力
• 例:平日が忙しい人⇒土日に手順が多い料理、平日に手順が少ない
料理を設定してもらう
⇒献立の制約に追加
• 除外食材リスト
– 余剰食材の計算から除外する食材
• 賞味期限が長い食材(システムで設定)
– 例:調味料、油、小麦粉
• 賞味期限が短いが家に常備してある食材(家庭に合わせて設定)
– 例:牛乳、卵など
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
15
献立表提案システムの概要
にんじん 1本 (150g)
じゃがいも 1袋 (300g)
各食材の購入
単位リスト
システムのデータベース
ユーザからの情報
候補料理
レシピ集合
除外食材
リスト
サラダ油,水,
酒,塩,etc
料理レシピの調
理手順数の希望
• 多い:2件
• 少ない:5件
1日ごとの主菜と
副菜の組合せの決定
献立表
• 1日目
• 主菜:肉じゃが,
副菜:おひたし
• 2日目
分量変更された料理レシピ
肉じゃが
にんじん:150→200g
じゃがいも:300→400g
献立に採用する料理レシピの選出
献立に採用する
14品の料理レシピ
余剰食材とその分量
にんじん: 50g,
じゃがいも: 100g ・・・
余剰食材の配分
買い物リスト
• じゃがいも 1袋
• にんじん 3本 ・・・
次回レシピ
集合から削除
・・・
出力情報
何人分
か
4人分
使用済
レシピ
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
16
献立に採用する料理レシピの選出
• 1週間分の余剰食材が最小となる献立を求める
整数計画問題として定式化
• 目的関数
– 献立の余剰食材の重量[g]=購入食材の重量[g] - 献立の
必要食材の重量[g]
• 制約
– 購入する食材の数は必要量を満たす
– 同じレシピは2回以上選択しない
– 献立には主菜7品、副菜7品を含める
– ユーザの指定した数の調理手順数の料理を含める
• すべての料理を主菜かつ調理手順数の多い料理のように
4つの料理レシピ集合に分類
• 主菜で調理手順数の多い料理:調理手順数8以上
• 副菜で調理手順数の多い料理:調理手順数6以上
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
17
定式化
• Minimize
– 𝐿 𝑛, 𝑚 = σ𝑗=0
𝐹
(𝑠𝑗𝑛𝑗 − σ𝑖=0
𝑀
𝑚𝑖𝑟𝑖,𝑗)
• 𝑳:献立の余剰食材の重量g]
• 𝑠:店舗での販売単位の重量[g] 𝑠𝑗 ∈ ℝ
• 𝑛:必要食材の購入数 𝑛𝑗 ∈ ℕ
• 𝑚:献立に採用する料理レシピ 𝑚𝑖 ∈ {0,1}
• 𝑟:料理レシピに含まれる食材の重量[g] 𝑟
𝑗,𝑗 ≥ 0
• Subject to
– 0 ≤ 𝑠𝑗𝑛𝑗 − σ𝑖=0
𝑀
𝑚𝑖𝑟𝑖,𝑗
– σ𝑖∈𝑀𝐻 𝑚𝑖 = 𝑐𝑚𝑎𝑖𝑛,𝑚𝑎𝑛𝑦𝑝𝑟𝑜𝑐𝑒𝑠𝑠
• MH:主菜で手順数が多い料理レシピの番号集合
– σ𝑖∈𝑀𝐿 𝑚𝑖 = 𝑐𝑚𝑎𝑖𝑛,𝑓𝑒𝑤𝑝𝑟𝑜𝑐𝑒𝑠𝑠
• ML:主菜で手順数が少ない料理レシピの番号集合
– σ𝑖∈𝑆𝐻 𝑚𝑖 = 𝑐𝑠𝑢𝑏,𝑚𝑎𝑛𝑦𝑝𝑟𝑜𝑐𝑒𝑠𝑠
• SH:副菜で手順数が多い料理レシピの番号集合
– σ𝑖∈𝑆𝐿 𝑚𝑖 = 𝑐𝑠𝑢𝑏,𝑓𝑒𝑤𝑝𝑟𝑜𝑐𝑒𝑠𝑠
• SL:副菜で手順数が少ない料理レシピの番号集合
余剰食材の制約
⇒購入する食材は
必要量を満たす
主菜及び副菜の手順数
の制約
余剰食材の重量最小化
⇒𝑚と𝑛を決定
ただし、
𝑐𝑚𝑎𝑖𝑛,𝑚𝑎𝑛𝑦𝑝𝑟𝑜𝑐𝑒𝑠𝑠
+ 𝑐𝑚𝑎𝑖𝑛,𝑓𝑒𝑤𝑝𝑟𝑜𝑐𝑒𝑠𝑠
= 7
𝑐𝑚𝑎𝑖𝑛,𝑚𝑎𝑛𝑦𝑝𝑟𝑜𝑐𝑒𝑠𝑠
+ 𝑐𝑚𝑎𝑖𝑛,𝑓𝑒𝑤𝑝𝑟𝑜𝑐𝑒𝑠𝑠
= 7
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
18
献立表提案システムの概要
にんじん 1本 (150g)
じゃがいも 1袋 (300g)
各食材の購入
単位リスト
システムのデータベース
ユーザからの情報
候補料理
レシピ集合
除外食材
リスト
サラダ油,水,
酒,塩,etc
料理レシピの調
理手順数の希望
• 多い:2件
• 少ない:5件
1日ごとの主菜と
副菜の組合せの決定
献立表
• 1日目
• 主菜:肉じゃが,
副菜:おひたし
• 2日目
分量変更された料理レシピ
肉じゃが
にんじん:150→200g
じゃがいも:300→400g
献立に採用する料理レシピの選出
献立に採用する
14品の料理レシピ
余剰食材とその分量
にんじん: 50g,
じゃがいも: 100g ・・・
余剰食材の配分
買い物リスト
• じゃがいも 1袋
• にんじん 3本 ・・・
次回レシピ
集合から削除
・・・
出力情報
何人分
か
4人分
使用済
レシピ
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
19
余剰食材の配分
• 献立の選出で最小化した
余剰食材を献立内の料理
レシピへ配分
– すべての余剰食材を
図のように元料理レシピ
の重量に応じて配分
余剰食材はなくなり、
分量変更された
料理レシピが出力される レシピA
にんじん
175g
レシピB
にんじん
175g
レシピC
にんじん
350g
余剰食材:にんじん100g(入力)
+25g
献立の中でにんじんを
含む料理レシピ(入力)
レシピA
にんじん
150g
レシピB
にんじん
150g
レシピC
にんじん
300g
1 : 1 : 2
にんじん100g
+25g +50g
余剰食材のにんじん100gを配分する例
100gを1:1:2の
重量に分ける
分量変更された
料理レシピ(出力)
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
20
献立表提案システムの概要
にんじん 1本 (150g)
じゃがいも 1袋 (300g)
各食材の購入
単位リスト
システムのデータベース
ユーザからの情報
候補料理
レシピ集合
除外食材
リスト
サラダ油,水,
酒,塩,etc
料理レシピの調
理手順数の希望
• 多い:2件
• 少ない:5件
1日ごとの主菜と
副菜の組合せの決定
献立表
• 1日目
• 主菜:肉じゃが,
副菜:おひたし
• 2日目
分量変更された料理レシピ
肉じゃが
にんじん:150→200g
じゃがいも:300→400g
献立に採用する料理レシピの選出
献立に採用する
14品の料理レシピ
余剰食材とその分量
にんじん: 50g,
じゃがいも: 100g ・・・
余剰食材の配分
買い物リスト
• じゃがいも 1袋
• にんじん 3本 ・・・
次回レシピ
集合から削除
・・・
出力情報
何人分
か
4人分
使用済
レシピ
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
21
一日ごとの主菜と副菜の組み合わせの決定
献立に採用する
14品の料理レシピ(入力)
• 主菜
肉じゃが、ハンバーグ…
• 副菜
おひたし、サラダ…
献立表(出力)
• 1日目 肉じゃが、おひたし
• 2日目 ハンバーグ、サラダ
• 3日目 からあげ、…
料理レシピの並べ替えの手順
1ユーザの希望する日(曜日)に調理手順数の
多い料理を入れる
2料理レシピのメイン食材が連日や主菜と
副菜でかぶらないように献立表を埋める
料理レシピ
の並べ替え
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
22
献立表提案システムの概要
にんじん 1本 (150g)
じゃがいも 1袋 (300g)
各食材の購入
単位リスト
システムのデータベース
ユーザからの情報
候補料理
レシピ集合
除外食材
リスト
サラダ油,水,
酒,塩,etc
料理レシピの調
理手順数の希望
• 多い:2件
• 少ない:5件
1日ごとの主菜と
副菜の組合せの決定
献立表
• 1日目
• 主菜:肉じゃが,
副菜:おひたし
• 2日目
分量変更された料理レシピ
肉じゃが
にんじん:150→200g
じゃがいも:300→400g
献立に採用する料理レシピの選出
献立に採用する
14品の料理レシピ
余剰食材とその分量
にんじん: 50g,
じゃがいも: 100g ・・・
余剰食材の配分
買い物リスト
• じゃがいも 1袋
• にんじん 3本 ・・・
次回レシピ
集合から削除
・・・
出力情報
何人分
か
4人分
使用済
レシピ
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
23
継続的な献立の提案
• 継続的な違う内容の献立のため候補料理レシピ
を1回の献立提案ごとに変える必要がある
献立表提案システム
献立表(出力)
レシピC レシピD レシピE
候補料理レシピ集合
レシピA レシピB レシピC
使用済み料理レシピ集合
レシピC レシピD レシピE
一度提案した料理レシピは
使用済み料理レシピ集合へ
候補料理レシピ集合を変更する仕組み
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
24
継続的な献立の提案
• 継続的な違う内容の献立のため候補料理レシピ
を1回の献立提案ごとに変える必要がある
献立表提案システム
使用済み料理レシピ集合の
料理レシピは候補料理
レシピ集合から除く
献立表(出力)
レシピC レシピD レシピE
候補料理レシピ集合
レシピA レシピB レシピC
使用済み料理レシピ集合
レシピC レシピD レシピE
候補料理レシピ集合を変更する仕組み
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
25
継続的な献立の提案
• 継続的な違う内容の献立のため候補料理レシピ
を1回の献立提案ごとに変える必要がある
献立表提案システム
献立表(出力)
レシピC レシピD レシピE
候補料理レシピ集合
レシピA レシピB レシピC
使用済み料理レシピ集合
レシピC レシピD レシピE
4週目以降の献立提案では
使用済み料理レシピの中で
古いもの14品の中から7品を
ランダムに削除
再び候補料理レシピ集合に含
める
候補料理レシピ集合を変更する仕組み
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
26
実験目次
• 実験①
– システムの処理の検証
• 実験②
– 本システムでの2週目以降の献立の検証
• 動作事例の紹介
– 実際に献立を作り、設定した除外食材や購入単位、
実際の再配分の状況について検証
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
27
実験①と②の実験設定
• 候補料理レシピ集合
– 株式会社ニチレイconomeal kitchenの実際の料理レシピ[8]
– 主菜93副菜80
• 献立の分量
– 4人分
• 料理レシピの調理手順数の希望
– 1日目と2日目だけ調理手順数の多い料理にする
• 各食材の購入単位リスト
– 223種類の食材に対してネットスーパーを参考に作成
• 除外食材リスト
– 賞味期限が長いもの+牛乳を指定
– 200種類の食材を除外食材に指定
• ソルバー
– Google OR-Tools[9]のCP-SAT solver
[8] conomeal(このみる)—おいしいを、わたしらしく。https://www.conomeal.jp/
[9] Google OR-tools. https://developers.google.com/optimization/
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
28
実験① システムの処理の検証
• 目的
– システムの動作検証
• 方法
– 実際の料理レシピ集合に献立表提案システムを
使って1週間分の献立を出力し結果を確認
• 検証項目
– 献立が主菜や副菜などの条件を満たしているか
– 献立の余剰食材は小さく抑えられるか
– 余剰食材の配分量に無理はないか
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 Laboratory of Harmonious Systems Engineering Research Group of Synergetic Information Engineering
Division of Computer Science and Information Technology Faculty of Information Science and Technology Hokkaido University – All rights reserved.
結果① 1週間分の献立と献立の余剰食材 29
献立 主菜(メイン食材) 副菜(メイン食材)
1日目 かぼちゃと豚肉のバルサミ
コソース(かぼちゃ)
ニラ玉(卵)
2日目 かぼちゃと豚肉のバルサミ
コ茶碗蒸し(かぼちゃ)
茄子の揚げ浸し(なす)
3日目 レンコンと鶏肉の挟み焼き
(れんこん)
ズッキーニの焼びた
し(ズッキーニ)
4日目 鱈の煮付け(まだら) かぼちゃのロースト
(かぼちゃ)
5日目 豚バラのニラ玉炒め(卵) レンコンの煮物(れん
こん)
6日目 ぶりの照り焼き(ブリ) ナス田楽(なす)
7日目 生姜の肉巻き(豚ロース肉) ニラの卵焼き(卵)
1週間分の献立
食材名 分量
ショウ
ガ
16
卵 50
ニラ 20
合計 86
選出した献立の余剰
食材と分量
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 Laboratory of Harmonious Systems Engineering Research Group of Synergetic Information Engineering
Division of Computer Science and Information Technology Faculty of Information Science and Technology Hokkaido University – All rights reserved.
結果① 1週間分の献立と献立の余剰食材 30
献立 主菜(メイン食材) 副菜(メイン食材)
1日目 かぼちゃと豚肉のバルサミ
コソース(かぼちゃ)
ニラ玉(卵)
2日目 かぼちゃと豚肉のバルサミ
コ茶碗蒸し(かぼちゃ)
茄子の揚げ浸し(なす)
3日目 レンコンと鶏肉の挟み焼き
(れんこん)
ズッキーニの焼びた
し(ズッキーニ)
4日目 鱈の煮付け(まだら) かぼちゃのロースト
(かぼちゃ)
5日目 豚バラのニラ玉炒め(卵) レンコンの煮物(れん
こん)
6日目 ぶりの照り焼き(ブリ) ナス田楽(なす)
7日目 生姜の肉巻き(豚ロース肉) ニラの卵焼き(卵)
1週間分の献立
食材名 分量
ショウ
ガ
16
卵 50
ニラ 20
合計 86
選出した献立の余剰
食材と分量
食材名 分量
平均値 3,341
最小値 1,439
最大値 5,610
ランダムに選出した
献立の余剰食材と分量
ランダムに選出した
献立の余剰食材と比較
余剰食材を大幅に
抑えられた
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
31
結果① 余剰食材の配分
食材名 配分する料理 元の分量(g) 配分量(g) 配分後分量(g)
ショウガ レンコンと鶏肉の挟み
焼き
10.0 2.5 12.5
ショウガ 鱈の煮付け 8.0 2.0 10.0
ショウガ 生姜の肉巻き 40.0 10.0 50.0
ショウガ 茄子の揚げ浸し 6.0 1.5 7.5
卵 レンコンと鶏肉の挟み
焼き
50.0 2.6 52.6
卵 豚バラのニラ玉炒め 400.0 21.1 421.1
卵 かぼちゃと豚肉のバル
サミコ茶碗蒸し
200.0 10.5 210.5
卵 ニラ玉 100.0 5.3 105.3
卵 ニラ玉炒め 200.0 10.5 210.5
ニラ 豚バラのニラ玉炒め 120.0 8.6 128.6
ニラ ニラ玉 120.0 8.6 128.6
ニラ にらの卵焼き 40.0 2.9 42.9
余剰食材の配分(配分が発生した部分だけ)
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
食材名 配分する料理 元の分量(g) 配分量(g) 配分後分量(g)
ショウガ レンコンと鶏肉の挟み
焼き
10.0 2.5 12.5
ショウガ 鱈の煮付け 8.0 2.0 10.0
ショウガ 生姜の肉巻き 40.0 10.0 50.0
ショウガ 茄子の揚げ浸し 6.0 1.5 7.5
卵 レンコンと鶏肉の挟み
焼き
50.0 2.6 52.6
卵 豚バラのニラ玉炒め 400.0 21.1 421.1
卵 かぼちゃと豚肉のバル
サミコ茶碗蒸し
200.0 10.5 210.5
卵 ニラ玉 100.0 5.3 105.3
卵 ニラ玉炒め 200.0 10.5 210.5
ニラ 豚バラのニラ玉炒め 120.0 8.6 128.6
ニラ ニラ玉 120.0 8.6 128.6
ニラ にらの卵焼き 40.0 2.9 42.9
32
結果① 余剰食材の配分
余剰食材の配分(配分が発生した部分だけ)
余剰食材の配分量は元の分
量に比べて少ない
⇒元料理レシピへの影響は
最小限
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
食材名 配分する料理 元の分量(g) 配分量(g) 配分後分量(g)
ショウガ レンコンと鶏肉の挟み
焼き
10.0 2.5 12.5
ショウガ 鱈の煮付け 8.0 2.0 10.0
ショウガ 生姜の肉巻き 40.0 10.0 50.0
ショウガ 茄子の揚げ浸し 6.0 1.5 7.5
卵 レンコンと鶏肉の挟み
焼き
50.0 2.6 52.6
卵 豚バラのニラ玉炒め 400.0 21.1 421.1
卵 かぼちゃと豚肉のバル
サミコ茶碗蒸し
200.0 10.5 210.5
卵 ニラ玉 100.0 5.3 105.3
卵 ニラ玉炒め 200.0 10.5 210.5
ニラ 豚バラのニラ玉炒め 120.0 8.6 128.6
ニラ ニラ玉 120.0 8.6 128.6
ニラ にらの卵焼き 40.0 2.9 42.9
33
結果① 余剰食材の配分
余剰食材の配分(配分が発生した部分だけ)
卵は普通1個単位で使う
⇒ほかの食材と同じように配分すると不自然
献立の使用単位をデータベースに設定するなど
の対策が必要
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
34
実験②
• 目的
– 本システムでの2週目以降の献立の検証
• 方法
– 8回連続して1週間分の献立を出力しその余剰食材
の重量や料理レシピ内訳結果を確認
• 検証項目
– 献立の余剰食材は継続して小さく抑えられるのか
– 毎週の献立に同じ料理レシピばかり選出されてい
ないか
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
35
結果② 献立に採用する料理の選出
システムで繰り返し献立を出力した場合の余剰食材の重量
• 8種類すべての献立において、主菜と副菜を7件ず
つ、複雑な料理を2日分含んだ献立のうち最も余剰
食材が少ない献立を出せていることが確認できた
青の系列:
使用済み料理レシピを
一切再利用しない場合
赤の系列:
4回目以降にレシピを
一部再利用した場合
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
36
結果② 献立に採用する料理の選出
システムで繰り返し献立を出力した場合の余剰食材の重量
• 8種類すべての献立において、主菜と副菜を7件ず
つ、複雑な料理を2日分含んだ献立のうち最も余剰
食材が少ない献立を出せていることが確認できた
青の系列:
使用済み料理レシピを
一切再利用しない場合
赤の系列:
4回目以降にレシピを
一部再利用した場合
使用済み料理レシピを一部再
利用することで余剰食材の重
量を抑えられた
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
37
実験② 実際に配分した結果
食材名 配分する料理 元の分量(g) 配分量(g) 配分後分量(g)
リーキ リーキとりんごの豚肉
のマスタード炒め
400.0 160.0 560.0
牛バラ薄
切り肉
きゅうりと牛肉の炒め
合わせ
240.0 17.1 257.1
牛バラ薄
切り肉
牛肉とにんにくの芽の
中華炒め
320.0 22.9 342.9
しいたけ ロースト椎茸 240.0 60.0 300.0
ニンニク 蒸し鳥の香味タレ 8.0 12.0 20.0
ニンニク 蒸し鳥のインディアン
サラダ
8.0 12.0 20.0
にんにく
の芽
牛肉とにんにくの芽の
中華炒め
320.0 40.0 360.0
にんじん ニンジンのグラッセ 400.0 50.0 450.0
8回目の献立の余剰食材の配分の結果(一部)
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
食材名 配分する料理 元の分量(g) 配分量(g) 配分後分量(g)
リーキ リーキとりんごの豚肉
のマスタード炒め
400.0 160.0 560.0
牛バラ薄
切り肉
きゅうりと牛肉の炒め
合わせ
240.0 17.1 257.1
牛バラ薄
切り肉
牛肉とにんにくの芽の
中華炒め
320.0 22.9 342.9
しいたけ ロースト椎茸 240.0 60.0 300.0
ニンニク 蒸し鳥の香味タレ 8.0 12.0 20.0
ニンニク 蒸し鳥のインディアン
サラダ
8.0 12.0 20.0
にんにく
の芽
牛肉とにんにくの芽の
中華炒め
320.0 40.0 360.0
にんじん ニンジンのグラッセ 400.0 50.0 450.0
38
実験② 実際に配分した結果
8回目の献立の余剰食材の配分の結果(一部)
配分量が多いものもある
が炒め物に配分する場合
は元レシピの味は変わり
にくいので問題ない
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
食材名 配分する料理 元の分量(g) 配分量(g) 配分後分量(g)
リーキ リーキとりんごの豚肉
のマスタード炒め
400.0 160.0 560.0
牛バラ薄
切り肉
きゅうりと牛肉の炒め
合わせ
240.0 17.1 257.1
牛バラ薄
切り肉
牛肉とにんにくの芽の
中華炒め
320.0 22.9 342.9
しいたけ ロースト椎茸 240.0 60.0 300.0
ニンニク 蒸し鳥の香味タレ 8.0 12.0 20.0
ニンニク 蒸し鳥のインディアン
サラダ
8.0 12.0 20.0
にんにく
の芽
牛肉とにんにくの芽の
中華炒め
320.0 40.0 360.0
にんじん ニンジンのグラッセ 400.0 50.0 450.0
39
実験② 実際に配分した結果
8回目の献立の余剰食材の配分の結果(一部)
ショウガやにんにくは
配分が難しい
⇒調味料として扱うことを検討
一部の食材を例外的に処理⇒余剰食材0は可能
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
40
結果② 献立に採用する料理の選出
システムで繰り返し献立を出力した場合の料理レシピの内訳
• 同じ料理レシピが3回以上は選出されなかった
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
41
結果② 献立に採用する料理の選出
システムで繰り返し献立を出力した場合の料理レシピの内訳
• 同じ料理レシピが3回以上は選出されなかった
再利用した献立の割合は低い
⇒毎週ある程度異なる献立を
出せている
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
• 目的
– 本システムの使用感を1ユーザとして確認
• 期間:3日
– 主菜と副菜を3品ずつ選出する
• 対象:4人
• 買い物と余剰食材に関する調査
– 調理手順数の制約ついては考慮しない
– 主菜と副菜の組み合わせについては考慮しない
動作事例の確認 42
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
作る3日分の献立 43
システムで出力された三日分の献立
主菜 副菜
ショウガの肉巻き にんじんしりしり
白菜の肉巻き 白菜のナムル
牛肉とねぎの煮物 きゅうりと塩昆布の和え物
食材名 重量
ごま 48
牛バラ薄切り肉 8
白菜 100
塩昆布 16
合計 172
献立の余剰食材
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
44
献立を実際に調理した結果
ショウガ
の肉巻き
白菜の肉
巻き(失敗)
牛肉とね
ぎの煮物
にんじん
しりしり
きゅうりと塩
昆布の和え物
白菜のナムル
食材名(分量) 購入数
ショウガ(40g) 1
きゅうり(100g), 4
長ネギ(100g), 2
にんじん(150g), 1
牛バラ薄切り肉
(200g)
1
白菜(500g), 2
塩昆布(28g), 1
豚ロース肉(200g), 2
買い物リスト
実際に購入
した食材
3日分の主菜と副菜
買い物は1回
で完了
購入食材で料理を作り切れた
余剰食材はほぼなし
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
45
まとめ
• 実施事項
– 食材の使い切りができる1週間分の献立を提案する
献立提案システムの開発
– 実際の料理レシピを用いたシステムの検証
• 結果の考察
– 一連の処理により想定通り食材の使い切りができる献
立を選出可能
– 献立を継続して提案可能
• 今後の課題
– 本システムでの旬や好みなどの考慮
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
国内学会 口頭発表 査読無し(1件)
• ○細川 万維, 横山 想一郎, 山下 倫央, 川村 秀憲, 関屋 英理子, 食品ロス
削減に向けた家庭料理の献立作成アルゴリズムの検証, 情報処理北海道
シンポジウム2021, 7-3, 2021. [受賞]
受賞(1件)
• 技術研究賞,情報処理北海道シンポジウム2021, 2021年10月
発表予定 国内学会 口頭発表(1件)
• ○細川 万維, 横山 想一郎, 山下 倫央, 川村 秀憲, 関屋 英理子, 整数計画
問題による家庭料理の献立表提案システムの開発, 社会システムと情報
技術研究ウィーク(WSSIT2022), 2022.
研究業績 46

Weitere ähnliche Inhalte

Was ist angesagt?

交差点の交通流におけるシミュレーション環境 を用いた深層強化学習に関する研究
 交差点の交通流におけるシミュレーション環境   を用いた深層強化学習に関する研究 交差点の交通流におけるシミュレーション環境   を用いた深層強化学習に関する研究
交差点の交通流におけるシミュレーション環境 を用いた深層強化学習に関する研究harmonylab
 
Efficient_Communication_in_Multi-Agent_Reinforcement_Learning_via_Variance_Ba...
Efficient_Communication_in_Multi-Agent_Reinforcement_Learning_via_Variance_Ba...Efficient_Communication_in_Multi-Agent_Reinforcement_Learning_via_Variance_Ba...
Efficient_Communication_in_Multi-Agent_Reinforcement_Learning_via_Variance_Ba...harmonylab
 
ロードヒーティング制御における深層学習を用いた路面画像認識に関する研究
ロードヒーティング制御における深層学習を用いた路面画像認識に関する研究ロードヒーティング制御における深層学習を用いた路面画像認識に関する研究
ロードヒーティング制御における深層学習を用いた路面画像認識に関する研究harmonylab
 
深層強化学習による自動運転車両の追い越し行動の実現に関する研究
深層強化学習による自動運転車両の追い越し行動の実現に関する研究深層強化学習による自動運転車両の追い越し行動の実現に関する研究
深層強化学習による自動運転車両の追い越し行動の実現に関する研究harmonylab
 
競輪車券の購買支援に向けたコンテンツ自動生成に関する研究
競輪車券の購買支援に向けたコンテンツ自動生成に関する研究競輪車券の購買支援に向けたコンテンツ自動生成に関する研究
競輪車券の購買支援に向けたコンテンツ自動生成に関する研究harmonylab
 
MASTERING ATARI WITH DISCRETE WORLD MODELS (DreamerV2)
MASTERING ATARI WITH DISCRETE WORLD MODELS (DreamerV2)MASTERING ATARI WITH DISCRETE WORLD MODELS (DreamerV2)
MASTERING ATARI WITH DISCRETE WORLD MODELS (DreamerV2)harmonylab
 
Reinforcement Mechanism Design:With Applications to Dynamic Pricing in Sponso...
Reinforcement Mechanism Design:With Applications to Dynamic Pricing in Sponso...Reinforcement Mechanism Design:With Applications to Dynamic Pricing in Sponso...
Reinforcement Mechanism Design:With Applications to Dynamic Pricing in Sponso...harmonylab
 
Towards Faster and Stabilized GAN Training for High-fidelity Few-shot Image S...
Towards Faster and Stabilized GAN Training for High-fidelity Few-shot Image S...Towards Faster and Stabilized GAN Training for High-fidelity Few-shot Image S...
Towards Faster and Stabilized GAN Training for High-fidelity Few-shot Image S...harmonylab
 
Recursively Summarizing Books with Human Feedback
Recursively Summarizing Books with Human FeedbackRecursively Summarizing Books with Human Feedback
Recursively Summarizing Books with Human Feedbackharmonylab
 
You Only Learn One Representation: Unified Network for Multiple Tasks
You Only Learn One Representation: Unified Network for Multiple TasksYou Only Learn One Representation: Unified Network for Multiple Tasks
You Only Learn One Representation: Unified Network for Multiple Tasksharmonylab
 
MultiRec: A Multi-Relational Approach for Unique Item Recommendation in Aucti...
MultiRec: A Multi-Relational Approach for Unique Item Recommendation in Aucti...MultiRec: A Multi-Relational Approach for Unique Item Recommendation in Aucti...
MultiRec: A Multi-Relational Approach for Unique Item Recommendation in Aucti...harmonylab
 
Which is Plagiarism: Fashion Image Retrieval based on Regional Representation...
Which is Plagiarism: Fashion Image Retrieval based on Regional Representation...Which is Plagiarism: Fashion Image Retrieval based on Regional Representation...
Which is Plagiarism: Fashion Image Retrieval based on Regional Representation...harmonylab
 
Trainable Calibration Measures for Neural Networks from Kernel Mean Embeddings
Trainable Calibration Measures for Neural Networks from Kernel Mean EmbeddingsTrainable Calibration Measures for Neural Networks from Kernel Mean Embeddings
Trainable Calibration Measures for Neural Networks from Kernel Mean Embeddingsharmonylab
 
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...harmonylab
 
2021 09 29_dl_hirata
2021 09 29_dl_hirata2021 09 29_dl_hirata
2021 09 29_dl_hirataharmonylab
 
Ai勉強会20170127
Ai勉強会20170127Ai勉強会20170127
Ai勉強会20170127harmonylab
 

Was ist angesagt? (20)

交差点の交通流におけるシミュレーション環境 を用いた深層強化学習に関する研究
 交差点の交通流におけるシミュレーション環境   を用いた深層強化学習に関する研究 交差点の交通流におけるシミュレーション環境   を用いた深層強化学習に関する研究
交差点の交通流におけるシミュレーション環境 を用いた深層強化学習に関する研究
 
RAPiD
RAPiDRAPiD
RAPiD
 
Efficient_Communication_in_Multi-Agent_Reinforcement_Learning_via_Variance_Ba...
Efficient_Communication_in_Multi-Agent_Reinforcement_Learning_via_Variance_Ba...Efficient_Communication_in_Multi-Agent_Reinforcement_Learning_via_Variance_Ba...
Efficient_Communication_in_Multi-Agent_Reinforcement_Learning_via_Variance_Ba...
 
ロードヒーティング制御における深層学習を用いた路面画像認識に関する研究
ロードヒーティング制御における深層学習を用いた路面画像認識に関する研究ロードヒーティング制御における深層学習を用いた路面画像認識に関する研究
ロードヒーティング制御における深層学習を用いた路面画像認識に関する研究
 
深層強化学習による自動運転車両の追い越し行動の実現に関する研究
深層強化学習による自動運転車両の追い越し行動の実現に関する研究深層強化学習による自動運転車両の追い越し行動の実現に関する研究
深層強化学習による自動運転車両の追い越し行動の実現に関する研究
 
2021 haizoku
2021 haizoku2021 haizoku
2021 haizoku
 
競輪車券の購買支援に向けたコンテンツ自動生成に関する研究
競輪車券の購買支援に向けたコンテンツ自動生成に関する研究競輪車券の購買支援に向けたコンテンツ自動生成に関する研究
競輪車券の購買支援に向けたコンテンツ自動生成に関する研究
 
MASTERING ATARI WITH DISCRETE WORLD MODELS (DreamerV2)
MASTERING ATARI WITH DISCRETE WORLD MODELS (DreamerV2)MASTERING ATARI WITH DISCRETE WORLD MODELS (DreamerV2)
MASTERING ATARI WITH DISCRETE WORLD MODELS (DreamerV2)
 
修士論文
修士論文修士論文
修士論文
 
Reinforcement Mechanism Design:With Applications to Dynamic Pricing in Sponso...
Reinforcement Mechanism Design:With Applications to Dynamic Pricing in Sponso...Reinforcement Mechanism Design:With Applications to Dynamic Pricing in Sponso...
Reinforcement Mechanism Design:With Applications to Dynamic Pricing in Sponso...
 
Towards Faster and Stabilized GAN Training for High-fidelity Few-shot Image S...
Towards Faster and Stabilized GAN Training for High-fidelity Few-shot Image S...Towards Faster and Stabilized GAN Training for High-fidelity Few-shot Image S...
Towards Faster and Stabilized GAN Training for High-fidelity Few-shot Image S...
 
2019 08 20_dl
2019 08 20_dl2019 08 20_dl
2019 08 20_dl
 
Recursively Summarizing Books with Human Feedback
Recursively Summarizing Books with Human FeedbackRecursively Summarizing Books with Human Feedback
Recursively Summarizing Books with Human Feedback
 
You Only Learn One Representation: Unified Network for Multiple Tasks
You Only Learn One Representation: Unified Network for Multiple TasksYou Only Learn One Representation: Unified Network for Multiple Tasks
You Only Learn One Representation: Unified Network for Multiple Tasks
 
MultiRec: A Multi-Relational Approach for Unique Item Recommendation in Aucti...
MultiRec: A Multi-Relational Approach for Unique Item Recommendation in Aucti...MultiRec: A Multi-Relational Approach for Unique Item Recommendation in Aucti...
MultiRec: A Multi-Relational Approach for Unique Item Recommendation in Aucti...
 
Which is Plagiarism: Fashion Image Retrieval based on Regional Representation...
Which is Plagiarism: Fashion Image Retrieval based on Regional Representation...Which is Plagiarism: Fashion Image Retrieval based on Regional Representation...
Which is Plagiarism: Fashion Image Retrieval based on Regional Representation...
 
Trainable Calibration Measures for Neural Networks from Kernel Mean Embeddings
Trainable Calibration Measures for Neural Networks from Kernel Mean EmbeddingsTrainable Calibration Measures for Neural Networks from Kernel Mean Embeddings
Trainable Calibration Measures for Neural Networks from Kernel Mean Embeddings
 
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill...
 
2021 09 29_dl_hirata
2021 09 29_dl_hirata2021 09 29_dl_hirata
2021 09 29_dl_hirata
 
Ai勉強会20170127
Ai勉強会20170127Ai勉強会20170127
Ai勉強会20170127
 

Mehr von harmonylab

【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也harmonylab
 
【修士論文】経路探索のための媒介中心性に基づく道路ネットワーク階層化手法に関する研究
【修士論文】経路探索のための媒介中心性に基づく道路ネットワーク階層化手法に関する研究【修士論文】経路探索のための媒介中心性に基づく道路ネットワーク階層化手法に関する研究
【修士論文】経路探索のための媒介中心性に基づく道路ネットワーク階層化手法に関する研究harmonylab
 
A Study on Decision Support System for Snow Removal Dispatch using Road Surfa...
A Study on Decision Support System for Snow Removal Dispatch using Road Surfa...A Study on Decision Support System for Snow Removal Dispatch using Road Surfa...
A Study on Decision Support System for Snow Removal Dispatch using Road Surfa...harmonylab
 
【卒業論文】印象タグを用いた衣服画像生成システムに関する研究
【卒業論文】印象タグを用いた衣服画像生成システムに関する研究【卒業論文】印象タグを用いた衣服画像生成システムに関する研究
【卒業論文】印象タグを用いた衣服画像生成システムに関する研究harmonylab
 
【卒業論文】大規模言語モデルを用いたマニュアル文章修正手法に関する研究
【卒業論文】大規模言語モデルを用いたマニュアル文章修正手法に関する研究【卒業論文】大規模言語モデルを用いたマニュアル文章修正手法に関する研究
【卒業論文】大規模言語モデルを用いたマニュアル文章修正手法に関する研究harmonylab
 
DLゼミ:Primitive Generation and Semantic-related Alignment for Universal Zero-S...
DLゼミ:Primitive Generation and Semantic-related Alignment for Universal Zero-S...DLゼミ:Primitive Generation and Semantic-related Alignment for Universal Zero-S...
DLゼミ:Primitive Generation and Semantic-related Alignment for Universal Zero-S...harmonylab
 
DLゼミ: MobileOne: An Improved One millisecond Mobile Backbone
DLゼミ: MobileOne: An Improved One millisecond Mobile BackboneDLゼミ: MobileOne: An Improved One millisecond Mobile Backbone
DLゼミ: MobileOne: An Improved One millisecond Mobile Backboneharmonylab
 
DLゼミ: Llama 2: Open Foundation and Fine-Tuned Chat Models
DLゼミ: Llama 2: Open Foundation and Fine-Tuned Chat ModelsDLゼミ: Llama 2: Open Foundation and Fine-Tuned Chat Models
DLゼミ: Llama 2: Open Foundation and Fine-Tuned Chat Modelsharmonylab
 
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose EstimationDLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimationharmonylab
 
Voyager: An Open-Ended Embodied Agent with Large Language Models
Voyager: An Open-Ended Embodied Agent with Large Language ModelsVoyager: An Open-Ended Embodied Agent with Large Language Models
Voyager: An Open-Ended Embodied Agent with Large Language Modelsharmonylab
 
DLゼミ: Ego-Body Pose Estimation via Ego-Head Pose Estimation
DLゼミ: Ego-Body Pose Estimation via Ego-Head Pose EstimationDLゼミ: Ego-Body Pose Estimation via Ego-Head Pose Estimation
DLゼミ: Ego-Body Pose Estimation via Ego-Head Pose Estimationharmonylab
 
ReAct: Synergizing Reasoning and Acting in Language Models
ReAct: Synergizing Reasoning and Acting in Language ModelsReAct: Synergizing Reasoning and Acting in Language Models
ReAct: Synergizing Reasoning and Acting in Language Modelsharmonylab
 
形態素解析を用いた帝国議会議事速記録の変遷に関する研究
形態素解析を用いた帝国議会議事速記録の変遷に関する研究形態素解析を用いた帝国議会議事速記録の変遷に関する研究
形態素解析を用いた帝国議会議事速記録の変遷に関する研究harmonylab
 
【卒業論文】深層生成モデルを用いたユーザ意図に基づく衣服画像の生成に関する研究
【卒業論文】深層生成モデルを用いたユーザ意図に基づく衣服画像の生成に関する研究【卒業論文】深層生成モデルを用いたユーザ意図に基づく衣服画像の生成に関する研究
【卒業論文】深層生成モデルを用いたユーザ意図に基づく衣服画像の生成に関する研究harmonylab
 
灯油タンク内の液面高計測を用いた 灯油残量推定システムに関する研究
灯油タンク内の液面高計測を用いた灯油残量推定システムに関する研究灯油タンク内の液面高計測を用いた灯油残量推定システムに関する研究
灯油タンク内の液面高計測を用いた 灯油残量推定システムに関する研究harmonylab
 
深層自己回帰モデルを用いた俳句の生成と評価に関する研究
深層自己回帰モデルを用いた俳句の生成と評価に関する研究深層自己回帰モデルを用いた俳句の生成と評価に関する研究
深層自己回帰モデルを用いた俳句の生成と評価に関する研究harmonylab
 
競輪におけるレーティングシステムを用いた予想記事生成に関する研究
競輪におけるレーティングシステムを用いた予想記事生成に関する研究競輪におけるレーティングシステムを用いた予想記事生成に関する研究
競輪におけるレーティングシステムを用いた予想記事生成に関する研究harmonylab
 
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究harmonylab
 
A Study on Estimation of Household Kerosene Consumption for Optimization of D...
A Study on Estimation of Household Kerosene Consumption for Optimization of D...A Study on Estimation of Household Kerosene Consumption for Optimization of D...
A Study on Estimation of Household Kerosene Consumption for Optimization of D...harmonylab
 
マルチエージェント深層強化学習による自動運転車両の追越行動の獲得に関する研究
マルチエージェント深層強化学習による自動運転車両の追越行動の獲得に関する研究マルチエージェント深層強化学習による自動運転車両の追越行動の獲得に関する研究
マルチエージェント深層強化学習による自動運転車両の追越行動の獲得に関する研究harmonylab
 

Mehr von harmonylab (20)

【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也
 
【修士論文】経路探索のための媒介中心性に基づく道路ネットワーク階層化手法に関する研究
【修士論文】経路探索のための媒介中心性に基づく道路ネットワーク階層化手法に関する研究【修士論文】経路探索のための媒介中心性に基づく道路ネットワーク階層化手法に関する研究
【修士論文】経路探索のための媒介中心性に基づく道路ネットワーク階層化手法に関する研究
 
A Study on Decision Support System for Snow Removal Dispatch using Road Surfa...
A Study on Decision Support System for Snow Removal Dispatch using Road Surfa...A Study on Decision Support System for Snow Removal Dispatch using Road Surfa...
A Study on Decision Support System for Snow Removal Dispatch using Road Surfa...
 
【卒業論文】印象タグを用いた衣服画像生成システムに関する研究
【卒業論文】印象タグを用いた衣服画像生成システムに関する研究【卒業論文】印象タグを用いた衣服画像生成システムに関する研究
【卒業論文】印象タグを用いた衣服画像生成システムに関する研究
 
【卒業論文】大規模言語モデルを用いたマニュアル文章修正手法に関する研究
【卒業論文】大規模言語モデルを用いたマニュアル文章修正手法に関する研究【卒業論文】大規模言語モデルを用いたマニュアル文章修正手法に関する研究
【卒業論文】大規模言語モデルを用いたマニュアル文章修正手法に関する研究
 
DLゼミ:Primitive Generation and Semantic-related Alignment for Universal Zero-S...
DLゼミ:Primitive Generation and Semantic-related Alignment for Universal Zero-S...DLゼミ:Primitive Generation and Semantic-related Alignment for Universal Zero-S...
DLゼミ:Primitive Generation and Semantic-related Alignment for Universal Zero-S...
 
DLゼミ: MobileOne: An Improved One millisecond Mobile Backbone
DLゼミ: MobileOne: An Improved One millisecond Mobile BackboneDLゼミ: MobileOne: An Improved One millisecond Mobile Backbone
DLゼミ: MobileOne: An Improved One millisecond Mobile Backbone
 
DLゼミ: Llama 2: Open Foundation and Fine-Tuned Chat Models
DLゼミ: Llama 2: Open Foundation and Fine-Tuned Chat ModelsDLゼミ: Llama 2: Open Foundation and Fine-Tuned Chat Models
DLゼミ: Llama 2: Open Foundation and Fine-Tuned Chat Models
 
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose EstimationDLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
 
Voyager: An Open-Ended Embodied Agent with Large Language Models
Voyager: An Open-Ended Embodied Agent with Large Language ModelsVoyager: An Open-Ended Embodied Agent with Large Language Models
Voyager: An Open-Ended Embodied Agent with Large Language Models
 
DLゼミ: Ego-Body Pose Estimation via Ego-Head Pose Estimation
DLゼミ: Ego-Body Pose Estimation via Ego-Head Pose EstimationDLゼミ: Ego-Body Pose Estimation via Ego-Head Pose Estimation
DLゼミ: Ego-Body Pose Estimation via Ego-Head Pose Estimation
 
ReAct: Synergizing Reasoning and Acting in Language Models
ReAct: Synergizing Reasoning and Acting in Language ModelsReAct: Synergizing Reasoning and Acting in Language Models
ReAct: Synergizing Reasoning and Acting in Language Models
 
形態素解析を用いた帝国議会議事速記録の変遷に関する研究
形態素解析を用いた帝国議会議事速記録の変遷に関する研究形態素解析を用いた帝国議会議事速記録の変遷に関する研究
形態素解析を用いた帝国議会議事速記録の変遷に関する研究
 
【卒業論文】深層生成モデルを用いたユーザ意図に基づく衣服画像の生成に関する研究
【卒業論文】深層生成モデルを用いたユーザ意図に基づく衣服画像の生成に関する研究【卒業論文】深層生成モデルを用いたユーザ意図に基づく衣服画像の生成に関する研究
【卒業論文】深層生成モデルを用いたユーザ意図に基づく衣服画像の生成に関する研究
 
灯油タンク内の液面高計測を用いた 灯油残量推定システムに関する研究
灯油タンク内の液面高計測を用いた灯油残量推定システムに関する研究灯油タンク内の液面高計測を用いた灯油残量推定システムに関する研究
灯油タンク内の液面高計測を用いた 灯油残量推定システムに関する研究
 
深層自己回帰モデルを用いた俳句の生成と評価に関する研究
深層自己回帰モデルを用いた俳句の生成と評価に関する研究深層自己回帰モデルを用いた俳句の生成と評価に関する研究
深層自己回帰モデルを用いた俳句の生成と評価に関する研究
 
競輪におけるレーティングシステムを用いた予想記事生成に関する研究
競輪におけるレーティングシステムを用いた予想記事生成に関する研究競輪におけるレーティングシステムを用いた予想記事生成に関する研究
競輪におけるレーティングシステムを用いた予想記事生成に関する研究
 
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
 
A Study on Estimation of Household Kerosene Consumption for Optimization of D...
A Study on Estimation of Household Kerosene Consumption for Optimization of D...A Study on Estimation of Household Kerosene Consumption for Optimization of D...
A Study on Estimation of Household Kerosene Consumption for Optimization of D...
 
マルチエージェント深層強化学習による自動運転車両の追越行動の獲得に関する研究
マルチエージェント深層強化学習による自動運転車両の追越行動の獲得に関する研究マルチエージェント深層強化学習による自動運転車両の追越行動の獲得に関する研究
マルチエージェント深層強化学習による自動運転車両の追越行動の獲得に関する研究
 

Kürzlich hochgeladen

論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...Toru Tamaki
 
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A surveyToru Tamaki
 
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する       2024/04/19 の勉強会で発表されたものですSOPを理解する       2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものですiPride Co., Ltd.
 
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdfTSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdftaisei2219
 
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNetToru Tamaki
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)Hiroki Ichikura
 
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムスマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムsugiuralab
 
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略Ryo Sasaki
 
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Yuma Ohgami
 

Kürzlich hochgeladen (9)

論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
 
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
 
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する       2024/04/19 の勉強会で発表されたものですSOPを理解する       2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
 
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdfTSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
 
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
 
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムスマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
 
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
 
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
 

A Study on the Development of a Menu Planning System for Home Cooking to Reduce Food Loss

  • 1. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 食品ロス削減に向けた家庭料理の 献立表提案システムの開発に関する研究 2022/02/07 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 調和系工学研究室 工学部 4年 細川 万維
  • 2. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 Laboratory of Harmonious Systems Engineering Research Group of Synergetic Information Engineering Division of Computer Science and Information Technology Faculty of Information Science and Technology Hokkaido University – All rights reserved. 家庭料理のメリットと支援システム 2 • 家庭料理の一般的なメリット – 経済面:外食や弁当よりも安い – 健康面:自分で作ることにより栄養管理しやすい • 家庭料理の一般的なデメリット – 考慮することが多く手間がかかる • 献立:食べ合わせ、栄養 • 買いもの:タイミング、食品ロス • 調理:料理の難易度、調理時間 • 家庭料理を支援する献立支援システムが存在 – ホームクッキング今日の献立(キッコーマン)[1] • 季節などを考慮した365日の献立を紹介 – pecco[2] • 冷蔵庫にある食材や家にある調味料で作れる料理を提案 [1] ホームクッキング|キッコーマン https://www.kikkoman.co.jp/homecook/index.html [2] pecco https://pecco.app/
  • 3. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 Laboratory of Harmonious Systems Engineering Research Group of Synergetic Information Engineering Division of Computer Science and Information Technology Faculty of Information Science and Technology Hokkaido University – All rights reserved. 家庭料理における食品ロス 3 • 食品ロスとは – 本来食べられるのに捨てられてしまう食品 [3] • 家庭における食品ロス問題 – 年間約600万トンの食品ロスの46%が家庭から [3] – 原因 [4] • 料理の作りすぎで残る「食べ残し」 • 未開封のまま食べずに捨てる「直接廃棄」 • 食べられるところを切って捨ててしまう「過剰切除」 [3] 食品ロスとは:農林水産省. https://www.maff.go.jp/j/shokusan/recycle/syoku_loss/161227_4.html. [4] 家庭での食品ロスを減らそう:消費者庁 https://www.no-foodloss.caa.go.jp/eating-home.html ⇒料理の分量や食材の使い切りを考慮した献立支援システム
  • 4. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 Laboratory of Harmonious Systems Engineering Research Group of Synergetic Information Engineering Division of Computer Science and Information Technology Faculty of Information Science and Technology Hokkaido University – All rights reserved. • 献立とは – 作る予定の料理レシピの組み合わせ • 献立作成時に発生する余剰食材 – 家庭では必要な食材を店舗で無駄なく購入できない 解決したい家庭料理の課題 4 献立 きんぴら:にんじん 1本 肉じゃが:にんじん 1/2本 … にんじん 販売単位:1本 店舗で購入 必要な分量をちょうど 購入できず1/2本余る ⇒食品ロスの原因に 店舗での購入単位を考慮して、献立の余剰食材が0になる献立の提案を目指す
  • 5. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 5 解決したい家庭料理の課題 献立 何度も買い物に行く 提案された献立が 忙しいなどで作れない 同じような料理が続く
  • 6. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 6 関連研究 • 料理の推薦システム – 献立の雰囲気を考慮した料理推薦システムの提案 [5] • クラスタリングによって料理レシピを分類 ⇒献立提案のためにクラスタの雰囲気を探る – 余剰食材の使い切りを考慮したレシピ提案手法 [6] • 料理を作って出た余剰を次の日に使い切る ように料理レシピを提案 余剰食材の使い切り+必要食材のまとめ買い ⇒買い物の手間を省く、余計なものの購入を防ぐ 本研究 [5]大野 礼儀 福原 知宏 山田 剛一 増田 英孝 献立の雰囲気を考慮した料理推薦システ ムの提案 人工知能学会全国大会論文集(JSAI2015) (2015) [6]木原 ひかり 上田 真由美 中島 伸介 余剰食材の使い切りを考慮したレシピ提案手法の提案 第3回データ工学と情報マネジメントに関するフォーラム(DEIM2011) (2012)
  • 7. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 Laboratory of Harmonious Systems Engineering Research Group of Synergetic Information Engineering Division of Computer Science and Information Technology Faculty of Information Science and Technology Hokkaido University – All rights reserved. 献立表提案システムの目的 7 • 食品ロス削減につながる家庭料理作成を 支援すること – 1週間で食材を使い切れる献立 – まとめ買いができる買い物リスト • 考慮する家庭料理の重要な要素 – 毎週の献立のバリエーション – ユーザの曜日ごとの忙しさに応じて手間のかから ない料理の提案 – 主菜と副菜で同じような料理が続かないよう考慮
  • 8. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 8 献立表提案システムの概要 にんじん 1本 (150g) じゃがいも 1袋 (300g) 各食材の購入 単位リスト システムのデータベース ユーザからの情報 候補料理 レシピ集合 除外食材 リスト サラダ油,水, 酒,塩,etc 料理レシピの調 理手順数の希望 • 多い:2件 • 少ない:5件 1日ごとの主菜と 副菜の組合せの決定 献立表 • 1日目 • 主菜:肉じゃが, 副菜:おひたし • 2日目 分量変更された料理レシピ 肉じゃが にんじん:150→200g じゃがいも:300→400g 献立に採用する料理レシピの選出 献立に採用する 14品の料理レシピ 余剰食材とその分量 にんじん: 50g, じゃがいも: 100g ・・・ 余剰食材の配分 買い物リスト • じゃがいも 1袋 • にんじん 3本 ・・・ 次回レシピ 集合から削除 ・・・ 出力情報 何人分 か 4人分 使用済 レシピ
  • 9. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 9 献立表提案システムの概要 にんじん 1本 (150g) じゃがいも 1袋 (300g) 各食材の購入 単位リスト システムのデータベース ユーザからの情報 候補料理 レシピ集合 除外食材 リスト サラダ油,水, 酒,塩,etc 料理レシピの調 理手順数の希望 • 多い:2件 • 少ない:5件 1日ごとの主菜と 副菜の組合せの決定 献立表 • 1日目 • 主菜:肉じゃが, 副菜:おひたし • 2日目 分量変更された料理レシピ 肉じゃが にんじん:150→200g じゃがいも:300→400g 献立に採用する料理レシピの選出 献立に採用する 14品の料理レシピ 余剰食材とその分量 にんじん: 50g, じゃがいも: 100g ・・・ 余剰食材の配分 買い物リスト • じゃがいも 1袋 • にんじん 3本 ・・・ 次回レシピ 集合から削除 ・・・ 出力情報 何人分 か 4人分 使用済 レシピ
  • 10. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. • 候補料理レシピ集合 – 献立に採用する料理レシピの候補 – すべての料理が主菜と副菜のどちらかに分かれている • 主菜:主に肉や魚を多く含む料理 • 副菜:主に野菜などを多く含む料理 – 必要食材と分量、文章による調理工程で構成 • システムで用いる料理レシピの情報 – い 10 システムのデータベース(候補料理レシピ集合) 料理レシピ 【肉じゃが】にんじん 1/2個 【肉じゃが】じゃがいも 2個 【肉じゃが】 【必要食材と分量】 • にんじん 1/2個 • じゃがいも 2個 • … 【調理工程】 • じゃがいもは皮をむ き… 【肉じゃが】10 必要食材とその分量 料理レシピの調理手順数 抽出 【肉じゃが】じゃがいも メイン食材
  • 11. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. • 候補料理レシピ集合 – 献立に採用する料理レシピの候補 – すべての料理が主菜と副菜のどちらかに分かれている • 主菜:主に肉や魚を多く含む料理 • 副菜:主に野菜などを多く含む料理 – 必要食材と分量、文章による調理工程で構成 • システムで用いる料理レシピの情報 – い 11 システムのデータベース(候補料理レシピ集合) 料理レシピ 【肉じゃが】にんじん 1/2個 【肉じゃが】じゃがいも 2個 【肉じゃが】 【必要食材と分量】 • にんじん 1/2個 • じゃがいも 2個 • … 【調理工程】 • じゃがいもは皮をむ き… 【肉じゃが】10 必要食材とその分量 料理レシピの調理手順数 抽出 【肉じゃが】じゃがいも メイン食材 調味料などを除いた 食材の中で一番使用 重量の重いものを 1つ設定
  • 12. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 12 システムのデータベース(各食材の購入単位) • 各食材の購入単位リスト – 余剰食材の算出に使用 – 1食材に1種類の購入単位の名称とその重量を設定 食材名 購入単位 重量(g) にんじん 1本 150 鶏もも肉 1パック 300 食材の購入単位の名称とその重量の例
  • 13. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 13 献立表提案システムの概要 にんじん 1本 (150g) じゃがいも 1袋 (300g) 各食材の購入 単位リスト システムのデータベース ユーザからの情報 候補料理 レシピ集合 除外食材 リスト サラダ油,水, 酒,塩,etc 料理レシピの調 理手順数の希望 • 多い:2件 • 少ない:5件 1日ごとの主菜と 副菜の組合せの決定 献立表 • 1日目 • 主菜:肉じゃが, 副菜:おひたし • 2日目 分量変更された料理レシピ 肉じゃが にんじん:150→200g じゃがいも:300→400g 献立に採用する料理レシピの選出 献立に採用する 14品の料理レシピ 余剰食材とその分量 にんじん: 50g, じゃがいも: 100g ・・・ 余剰食材の配分 買い物リスト • じゃがいも 1袋 • にんじん 3本 ・・・ 次回レシピ 集合から削除 ・・・ 出力情報 何人分 か 4人分 使用済 レシピ
  • 14. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 14 ユーザからの情報 • 献立の人数 – 何人分かを入力 ⇒献立の料理レシピの分量変更に使用 • 調理手順数に関する希望 – 調理手順数の多い料理、少ない料理をそれぞれ何日分 含んでほしいか入力 • 例:平日が忙しい人⇒土日に手順が多い料理、平日に手順が少ない 料理を設定してもらう ⇒献立の制約に追加 • 除外食材リスト – 余剰食材の計算から除外する食材 • 賞味期限が長い食材(システムで設定) – 例:調味料、油、小麦粉 • 賞味期限が短いが家に常備してある食材(家庭に合わせて設定) – 例:牛乳、卵など
  • 15. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 15 献立表提案システムの概要 にんじん 1本 (150g) じゃがいも 1袋 (300g) 各食材の購入 単位リスト システムのデータベース ユーザからの情報 候補料理 レシピ集合 除外食材 リスト サラダ油,水, 酒,塩,etc 料理レシピの調 理手順数の希望 • 多い:2件 • 少ない:5件 1日ごとの主菜と 副菜の組合せの決定 献立表 • 1日目 • 主菜:肉じゃが, 副菜:おひたし • 2日目 分量変更された料理レシピ 肉じゃが にんじん:150→200g じゃがいも:300→400g 献立に採用する料理レシピの選出 献立に採用する 14品の料理レシピ 余剰食材とその分量 にんじん: 50g, じゃがいも: 100g ・・・ 余剰食材の配分 買い物リスト • じゃがいも 1袋 • にんじん 3本 ・・・ 次回レシピ 集合から削除 ・・・ 出力情報 何人分 か 4人分 使用済 レシピ
  • 16. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 16 献立に採用する料理レシピの選出 • 1週間分の余剰食材が最小となる献立を求める 整数計画問題として定式化 • 目的関数 – 献立の余剰食材の重量[g]=購入食材の重量[g] - 献立の 必要食材の重量[g] • 制約 – 購入する食材の数は必要量を満たす – 同じレシピは2回以上選択しない – 献立には主菜7品、副菜7品を含める – ユーザの指定した数の調理手順数の料理を含める • すべての料理を主菜かつ調理手順数の多い料理のように 4つの料理レシピ集合に分類 • 主菜で調理手順数の多い料理:調理手順数8以上 • 副菜で調理手順数の多い料理:調理手順数6以上
  • 17. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 17 定式化 • Minimize – 𝐿 𝑛, 𝑚 = σ𝑗=0 𝐹 (𝑠𝑗𝑛𝑗 − σ𝑖=0 𝑀 𝑚𝑖𝑟𝑖,𝑗) • 𝑳:献立の余剰食材の重量g] • 𝑠:店舗での販売単位の重量[g] 𝑠𝑗 ∈ ℝ • 𝑛:必要食材の購入数 𝑛𝑗 ∈ ℕ • 𝑚:献立に採用する料理レシピ 𝑚𝑖 ∈ {0,1} • 𝑟:料理レシピに含まれる食材の重量[g] 𝑟 𝑗,𝑗 ≥ 0 • Subject to – 0 ≤ 𝑠𝑗𝑛𝑗 − σ𝑖=0 𝑀 𝑚𝑖𝑟𝑖,𝑗 – σ𝑖∈𝑀𝐻 𝑚𝑖 = 𝑐𝑚𝑎𝑖𝑛,𝑚𝑎𝑛𝑦𝑝𝑟𝑜𝑐𝑒𝑠𝑠 • MH:主菜で手順数が多い料理レシピの番号集合 – σ𝑖∈𝑀𝐿 𝑚𝑖 = 𝑐𝑚𝑎𝑖𝑛,𝑓𝑒𝑤𝑝𝑟𝑜𝑐𝑒𝑠𝑠 • ML:主菜で手順数が少ない料理レシピの番号集合 – σ𝑖∈𝑆𝐻 𝑚𝑖 = 𝑐𝑠𝑢𝑏,𝑚𝑎𝑛𝑦𝑝𝑟𝑜𝑐𝑒𝑠𝑠 • SH:副菜で手順数が多い料理レシピの番号集合 – σ𝑖∈𝑆𝐿 𝑚𝑖 = 𝑐𝑠𝑢𝑏,𝑓𝑒𝑤𝑝𝑟𝑜𝑐𝑒𝑠𝑠 • SL:副菜で手順数が少ない料理レシピの番号集合 余剰食材の制約 ⇒購入する食材は 必要量を満たす 主菜及び副菜の手順数 の制約 余剰食材の重量最小化 ⇒𝑚と𝑛を決定 ただし、 𝑐𝑚𝑎𝑖𝑛,𝑚𝑎𝑛𝑦𝑝𝑟𝑜𝑐𝑒𝑠𝑠 + 𝑐𝑚𝑎𝑖𝑛,𝑓𝑒𝑤𝑝𝑟𝑜𝑐𝑒𝑠𝑠 = 7 𝑐𝑚𝑎𝑖𝑛,𝑚𝑎𝑛𝑦𝑝𝑟𝑜𝑐𝑒𝑠𝑠 + 𝑐𝑚𝑎𝑖𝑛,𝑓𝑒𝑤𝑝𝑟𝑜𝑐𝑒𝑠𝑠 = 7
  • 18. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 18 献立表提案システムの概要 にんじん 1本 (150g) じゃがいも 1袋 (300g) 各食材の購入 単位リスト システムのデータベース ユーザからの情報 候補料理 レシピ集合 除外食材 リスト サラダ油,水, 酒,塩,etc 料理レシピの調 理手順数の希望 • 多い:2件 • 少ない:5件 1日ごとの主菜と 副菜の組合せの決定 献立表 • 1日目 • 主菜:肉じゃが, 副菜:おひたし • 2日目 分量変更された料理レシピ 肉じゃが にんじん:150→200g じゃがいも:300→400g 献立に採用する料理レシピの選出 献立に採用する 14品の料理レシピ 余剰食材とその分量 にんじん: 50g, じゃがいも: 100g ・・・ 余剰食材の配分 買い物リスト • じゃがいも 1袋 • にんじん 3本 ・・・ 次回レシピ 集合から削除 ・・・ 出力情報 何人分 か 4人分 使用済 レシピ
  • 19. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 19 余剰食材の配分 • 献立の選出で最小化した 余剰食材を献立内の料理 レシピへ配分 – すべての余剰食材を 図のように元料理レシピ の重量に応じて配分 余剰食材はなくなり、 分量変更された 料理レシピが出力される レシピA にんじん 175g レシピB にんじん 175g レシピC にんじん 350g 余剰食材:にんじん100g(入力) +25g 献立の中でにんじんを 含む料理レシピ(入力) レシピA にんじん 150g レシピB にんじん 150g レシピC にんじん 300g 1 : 1 : 2 にんじん100g +25g +50g 余剰食材のにんじん100gを配分する例 100gを1:1:2の 重量に分ける 分量変更された 料理レシピ(出力)
  • 20. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 20 献立表提案システムの概要 にんじん 1本 (150g) じゃがいも 1袋 (300g) 各食材の購入 単位リスト システムのデータベース ユーザからの情報 候補料理 レシピ集合 除外食材 リスト サラダ油,水, 酒,塩,etc 料理レシピの調 理手順数の希望 • 多い:2件 • 少ない:5件 1日ごとの主菜と 副菜の組合せの決定 献立表 • 1日目 • 主菜:肉じゃが, 副菜:おひたし • 2日目 分量変更された料理レシピ 肉じゃが にんじん:150→200g じゃがいも:300→400g 献立に採用する料理レシピの選出 献立に採用する 14品の料理レシピ 余剰食材とその分量 にんじん: 50g, じゃがいも: 100g ・・・ 余剰食材の配分 買い物リスト • じゃがいも 1袋 • にんじん 3本 ・・・ 次回レシピ 集合から削除 ・・・ 出力情報 何人分 か 4人分 使用済 レシピ
  • 21. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 21 一日ごとの主菜と副菜の組み合わせの決定 献立に採用する 14品の料理レシピ(入力) • 主菜 肉じゃが、ハンバーグ… • 副菜 おひたし、サラダ… 献立表(出力) • 1日目 肉じゃが、おひたし • 2日目 ハンバーグ、サラダ • 3日目 からあげ、… 料理レシピの並べ替えの手順 1ユーザの希望する日(曜日)に調理手順数の 多い料理を入れる 2料理レシピのメイン食材が連日や主菜と 副菜でかぶらないように献立表を埋める 料理レシピ の並べ替え
  • 22. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 22 献立表提案システムの概要 にんじん 1本 (150g) じゃがいも 1袋 (300g) 各食材の購入 単位リスト システムのデータベース ユーザからの情報 候補料理 レシピ集合 除外食材 リスト サラダ油,水, 酒,塩,etc 料理レシピの調 理手順数の希望 • 多い:2件 • 少ない:5件 1日ごとの主菜と 副菜の組合せの決定 献立表 • 1日目 • 主菜:肉じゃが, 副菜:おひたし • 2日目 分量変更された料理レシピ 肉じゃが にんじん:150→200g じゃがいも:300→400g 献立に採用する料理レシピの選出 献立に採用する 14品の料理レシピ 余剰食材とその分量 にんじん: 50g, じゃがいも: 100g ・・・ 余剰食材の配分 買い物リスト • じゃがいも 1袋 • にんじん 3本 ・・・ 次回レシピ 集合から削除 ・・・ 出力情報 何人分 か 4人分 使用済 レシピ
  • 23. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 23 継続的な献立の提案 • 継続的な違う内容の献立のため候補料理レシピ を1回の献立提案ごとに変える必要がある 献立表提案システム 献立表(出力) レシピC レシピD レシピE 候補料理レシピ集合 レシピA レシピB レシピC 使用済み料理レシピ集合 レシピC レシピD レシピE 一度提案した料理レシピは 使用済み料理レシピ集合へ 候補料理レシピ集合を変更する仕組み
  • 24. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 24 継続的な献立の提案 • 継続的な違う内容の献立のため候補料理レシピ を1回の献立提案ごとに変える必要がある 献立表提案システム 使用済み料理レシピ集合の 料理レシピは候補料理 レシピ集合から除く 献立表(出力) レシピC レシピD レシピE 候補料理レシピ集合 レシピA レシピB レシピC 使用済み料理レシピ集合 レシピC レシピD レシピE 候補料理レシピ集合を変更する仕組み
  • 25. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 25 継続的な献立の提案 • 継続的な違う内容の献立のため候補料理レシピ を1回の献立提案ごとに変える必要がある 献立表提案システム 献立表(出力) レシピC レシピD レシピE 候補料理レシピ集合 レシピA レシピB レシピC 使用済み料理レシピ集合 レシピC レシピD レシピE 4週目以降の献立提案では 使用済み料理レシピの中で 古いもの14品の中から7品を ランダムに削除 再び候補料理レシピ集合に含 める 候補料理レシピ集合を変更する仕組み
  • 26. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 26 実験目次 • 実験① – システムの処理の検証 • 実験② – 本システムでの2週目以降の献立の検証 • 動作事例の紹介 – 実際に献立を作り、設定した除外食材や購入単位、 実際の再配分の状況について検証
  • 27. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 27 実験①と②の実験設定 • 候補料理レシピ集合 – 株式会社ニチレイconomeal kitchenの実際の料理レシピ[8] – 主菜93副菜80 • 献立の分量 – 4人分 • 料理レシピの調理手順数の希望 – 1日目と2日目だけ調理手順数の多い料理にする • 各食材の購入単位リスト – 223種類の食材に対してネットスーパーを参考に作成 • 除外食材リスト – 賞味期限が長いもの+牛乳を指定 – 200種類の食材を除外食材に指定 • ソルバー – Google OR-Tools[9]のCP-SAT solver [8] conomeal(このみる)—おいしいを、わたしらしく。https://www.conomeal.jp/ [9] Google OR-tools. https://developers.google.com/optimization/
  • 28. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 28 実験① システムの処理の検証 • 目的 – システムの動作検証 • 方法 – 実際の料理レシピ集合に献立表提案システムを 使って1週間分の献立を出力し結果を確認 • 検証項目 – 献立が主菜や副菜などの条件を満たしているか – 献立の余剰食材は小さく抑えられるか – 余剰食材の配分量に無理はないか
  • 29. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 Laboratory of Harmonious Systems Engineering Research Group of Synergetic Information Engineering Division of Computer Science and Information Technology Faculty of Information Science and Technology Hokkaido University – All rights reserved. 結果① 1週間分の献立と献立の余剰食材 29 献立 主菜(メイン食材) 副菜(メイン食材) 1日目 かぼちゃと豚肉のバルサミ コソース(かぼちゃ) ニラ玉(卵) 2日目 かぼちゃと豚肉のバルサミ コ茶碗蒸し(かぼちゃ) 茄子の揚げ浸し(なす) 3日目 レンコンと鶏肉の挟み焼き (れんこん) ズッキーニの焼びた し(ズッキーニ) 4日目 鱈の煮付け(まだら) かぼちゃのロースト (かぼちゃ) 5日目 豚バラのニラ玉炒め(卵) レンコンの煮物(れん こん) 6日目 ぶりの照り焼き(ブリ) ナス田楽(なす) 7日目 生姜の肉巻き(豚ロース肉) ニラの卵焼き(卵) 1週間分の献立 食材名 分量 ショウ ガ 16 卵 50 ニラ 20 合計 86 選出した献立の余剰 食材と分量
  • 30. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 Laboratory of Harmonious Systems Engineering Research Group of Synergetic Information Engineering Division of Computer Science and Information Technology Faculty of Information Science and Technology Hokkaido University – All rights reserved. 結果① 1週間分の献立と献立の余剰食材 30 献立 主菜(メイン食材) 副菜(メイン食材) 1日目 かぼちゃと豚肉のバルサミ コソース(かぼちゃ) ニラ玉(卵) 2日目 かぼちゃと豚肉のバルサミ コ茶碗蒸し(かぼちゃ) 茄子の揚げ浸し(なす) 3日目 レンコンと鶏肉の挟み焼き (れんこん) ズッキーニの焼びた し(ズッキーニ) 4日目 鱈の煮付け(まだら) かぼちゃのロースト (かぼちゃ) 5日目 豚バラのニラ玉炒め(卵) レンコンの煮物(れん こん) 6日目 ぶりの照り焼き(ブリ) ナス田楽(なす) 7日目 生姜の肉巻き(豚ロース肉) ニラの卵焼き(卵) 1週間分の献立 食材名 分量 ショウ ガ 16 卵 50 ニラ 20 合計 86 選出した献立の余剰 食材と分量 食材名 分量 平均値 3,341 最小値 1,439 最大値 5,610 ランダムに選出した 献立の余剰食材と分量 ランダムに選出した 献立の余剰食材と比較 余剰食材を大幅に 抑えられた
  • 31. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 31 結果① 余剰食材の配分 食材名 配分する料理 元の分量(g) 配分量(g) 配分後分量(g) ショウガ レンコンと鶏肉の挟み 焼き 10.0 2.5 12.5 ショウガ 鱈の煮付け 8.0 2.0 10.0 ショウガ 生姜の肉巻き 40.0 10.0 50.0 ショウガ 茄子の揚げ浸し 6.0 1.5 7.5 卵 レンコンと鶏肉の挟み 焼き 50.0 2.6 52.6 卵 豚バラのニラ玉炒め 400.0 21.1 421.1 卵 かぼちゃと豚肉のバル サミコ茶碗蒸し 200.0 10.5 210.5 卵 ニラ玉 100.0 5.3 105.3 卵 ニラ玉炒め 200.0 10.5 210.5 ニラ 豚バラのニラ玉炒め 120.0 8.6 128.6 ニラ ニラ玉 120.0 8.6 128.6 ニラ にらの卵焼き 40.0 2.9 42.9 余剰食材の配分(配分が発生した部分だけ)
  • 32. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 食材名 配分する料理 元の分量(g) 配分量(g) 配分後分量(g) ショウガ レンコンと鶏肉の挟み 焼き 10.0 2.5 12.5 ショウガ 鱈の煮付け 8.0 2.0 10.0 ショウガ 生姜の肉巻き 40.0 10.0 50.0 ショウガ 茄子の揚げ浸し 6.0 1.5 7.5 卵 レンコンと鶏肉の挟み 焼き 50.0 2.6 52.6 卵 豚バラのニラ玉炒め 400.0 21.1 421.1 卵 かぼちゃと豚肉のバル サミコ茶碗蒸し 200.0 10.5 210.5 卵 ニラ玉 100.0 5.3 105.3 卵 ニラ玉炒め 200.0 10.5 210.5 ニラ 豚バラのニラ玉炒め 120.0 8.6 128.6 ニラ ニラ玉 120.0 8.6 128.6 ニラ にらの卵焼き 40.0 2.9 42.9 32 結果① 余剰食材の配分 余剰食材の配分(配分が発生した部分だけ) 余剰食材の配分量は元の分 量に比べて少ない ⇒元料理レシピへの影響は 最小限
  • 33. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 食材名 配分する料理 元の分量(g) 配分量(g) 配分後分量(g) ショウガ レンコンと鶏肉の挟み 焼き 10.0 2.5 12.5 ショウガ 鱈の煮付け 8.0 2.0 10.0 ショウガ 生姜の肉巻き 40.0 10.0 50.0 ショウガ 茄子の揚げ浸し 6.0 1.5 7.5 卵 レンコンと鶏肉の挟み 焼き 50.0 2.6 52.6 卵 豚バラのニラ玉炒め 400.0 21.1 421.1 卵 かぼちゃと豚肉のバル サミコ茶碗蒸し 200.0 10.5 210.5 卵 ニラ玉 100.0 5.3 105.3 卵 ニラ玉炒め 200.0 10.5 210.5 ニラ 豚バラのニラ玉炒め 120.0 8.6 128.6 ニラ ニラ玉 120.0 8.6 128.6 ニラ にらの卵焼き 40.0 2.9 42.9 33 結果① 余剰食材の配分 余剰食材の配分(配分が発生した部分だけ) 卵は普通1個単位で使う ⇒ほかの食材と同じように配分すると不自然 献立の使用単位をデータベースに設定するなど の対策が必要
  • 34. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 34 実験② • 目的 – 本システムでの2週目以降の献立の検証 • 方法 – 8回連続して1週間分の献立を出力しその余剰食材 の重量や料理レシピ内訳結果を確認 • 検証項目 – 献立の余剰食材は継続して小さく抑えられるのか – 毎週の献立に同じ料理レシピばかり選出されてい ないか
  • 35. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 35 結果② 献立に採用する料理の選出 システムで繰り返し献立を出力した場合の余剰食材の重量 • 8種類すべての献立において、主菜と副菜を7件ず つ、複雑な料理を2日分含んだ献立のうち最も余剰 食材が少ない献立を出せていることが確認できた 青の系列: 使用済み料理レシピを 一切再利用しない場合 赤の系列: 4回目以降にレシピを 一部再利用した場合
  • 36. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 36 結果② 献立に採用する料理の選出 システムで繰り返し献立を出力した場合の余剰食材の重量 • 8種類すべての献立において、主菜と副菜を7件ず つ、複雑な料理を2日分含んだ献立のうち最も余剰 食材が少ない献立を出せていることが確認できた 青の系列: 使用済み料理レシピを 一切再利用しない場合 赤の系列: 4回目以降にレシピを 一部再利用した場合 使用済み料理レシピを一部再 利用することで余剰食材の重 量を抑えられた
  • 37. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 37 実験② 実際に配分した結果 食材名 配分する料理 元の分量(g) 配分量(g) 配分後分量(g) リーキ リーキとりんごの豚肉 のマスタード炒め 400.0 160.0 560.0 牛バラ薄 切り肉 きゅうりと牛肉の炒め 合わせ 240.0 17.1 257.1 牛バラ薄 切り肉 牛肉とにんにくの芽の 中華炒め 320.0 22.9 342.9 しいたけ ロースト椎茸 240.0 60.0 300.0 ニンニク 蒸し鳥の香味タレ 8.0 12.0 20.0 ニンニク 蒸し鳥のインディアン サラダ 8.0 12.0 20.0 にんにく の芽 牛肉とにんにくの芽の 中華炒め 320.0 40.0 360.0 にんじん ニンジンのグラッセ 400.0 50.0 450.0 8回目の献立の余剰食材の配分の結果(一部)
  • 38. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 食材名 配分する料理 元の分量(g) 配分量(g) 配分後分量(g) リーキ リーキとりんごの豚肉 のマスタード炒め 400.0 160.0 560.0 牛バラ薄 切り肉 きゅうりと牛肉の炒め 合わせ 240.0 17.1 257.1 牛バラ薄 切り肉 牛肉とにんにくの芽の 中華炒め 320.0 22.9 342.9 しいたけ ロースト椎茸 240.0 60.0 300.0 ニンニク 蒸し鳥の香味タレ 8.0 12.0 20.0 ニンニク 蒸し鳥のインディアン サラダ 8.0 12.0 20.0 にんにく の芽 牛肉とにんにくの芽の 中華炒め 320.0 40.0 360.0 にんじん ニンジンのグラッセ 400.0 50.0 450.0 38 実験② 実際に配分した結果 8回目の献立の余剰食材の配分の結果(一部) 配分量が多いものもある が炒め物に配分する場合 は元レシピの味は変わり にくいので問題ない
  • 39. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 食材名 配分する料理 元の分量(g) 配分量(g) 配分後分量(g) リーキ リーキとりんごの豚肉 のマスタード炒め 400.0 160.0 560.0 牛バラ薄 切り肉 きゅうりと牛肉の炒め 合わせ 240.0 17.1 257.1 牛バラ薄 切り肉 牛肉とにんにくの芽の 中華炒め 320.0 22.9 342.9 しいたけ ロースト椎茸 240.0 60.0 300.0 ニンニク 蒸し鳥の香味タレ 8.0 12.0 20.0 ニンニク 蒸し鳥のインディアン サラダ 8.0 12.0 20.0 にんにく の芽 牛肉とにんにくの芽の 中華炒め 320.0 40.0 360.0 にんじん ニンジンのグラッセ 400.0 50.0 450.0 39 実験② 実際に配分した結果 8回目の献立の余剰食材の配分の結果(一部) ショウガやにんにくは 配分が難しい ⇒調味料として扱うことを検討 一部の食材を例外的に処理⇒余剰食材0は可能
  • 40. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 40 結果② 献立に採用する料理の選出 システムで繰り返し献立を出力した場合の料理レシピの内訳 • 同じ料理レシピが3回以上は選出されなかった
  • 41. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 41 結果② 献立に採用する料理の選出 システムで繰り返し献立を出力した場合の料理レシピの内訳 • 同じ料理レシピが3回以上は選出されなかった 再利用した献立の割合は低い ⇒毎週ある程度異なる献立を 出せている
  • 42. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. • 目的 – 本システムの使用感を1ユーザとして確認 • 期間:3日 – 主菜と副菜を3品ずつ選出する • 対象:4人 • 買い物と余剰食材に関する調査 – 調理手順数の制約ついては考慮しない – 主菜と副菜の組み合わせについては考慮しない 動作事例の確認 42
  • 43. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 作る3日分の献立 43 システムで出力された三日分の献立 主菜 副菜 ショウガの肉巻き にんじんしりしり 白菜の肉巻き 白菜のナムル 牛肉とねぎの煮物 きゅうりと塩昆布の和え物 食材名 重量 ごま 48 牛バラ薄切り肉 8 白菜 100 塩昆布 16 合計 172 献立の余剰食材
  • 44. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 44 献立を実際に調理した結果 ショウガ の肉巻き 白菜の肉 巻き(失敗) 牛肉とね ぎの煮物 にんじん しりしり きゅうりと塩 昆布の和え物 白菜のナムル 食材名(分量) 購入数 ショウガ(40g) 1 きゅうり(100g), 4 長ネギ(100g), 2 にんじん(150g), 1 牛バラ薄切り肉 (200g) 1 白菜(500g), 2 塩昆布(28g), 1 豚ロース肉(200g), 2 買い物リスト 実際に購入 した食材 3日分の主菜と副菜 買い物は1回 で完了 購入食材で料理を作り切れた 余剰食材はほぼなし
  • 45. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 45 まとめ • 実施事項 – 食材の使い切りができる1週間分の献立を提案する 献立提案システムの開発 – 実際の料理レシピを用いたシステムの検証 • 結果の考察 – 一連の処理により想定通り食材の使い切りができる献 立を選出可能 – 献立を継続して提案可能 • 今後の課題 – 本システムでの旬や好みなどの考慮
  • 46. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 国内学会 口頭発表 査読無し(1件) • ○細川 万維, 横山 想一郎, 山下 倫央, 川村 秀憲, 関屋 英理子, 食品ロス 削減に向けた家庭料理の献立作成アルゴリズムの検証, 情報処理北海道 シンポジウム2021, 7-3, 2021. [受賞] 受賞(1件) • 技術研究賞,情報処理北海道シンポジウム2021, 2021年10月 発表予定 国内学会 口頭発表(1件) • ○細川 万維, 横山 想一郎, 山下 倫央, 川村 秀憲, 関屋 英理子, 整数計画 問題による家庭料理の献立表提案システムの開発, 社会システムと情報 技術研究ウィーク(WSSIT2022), 2022. 研究業績 46