今回の調査で見えた3つの注目領域
1.現場データの収集・標準化
食品工場では、温度、湿度、製造条件、検査結果などの収集方法や保存形式が工場ごとに異なる。AIの学習に必要なデータを同じ形式で蓄積することが難しく、特に中小規模の工場では、センサーの導入が進んでいないことや、データ量が不足していることも課題である。
関連特許では、センサーデータに主成分分析、クラスタ分析、判別分析などを適用し、飲料供給装置の状態や品質を判定する技術が確認された。富士電機株式会社による機械学習を用いた品質判定技術など、装置から得られるデータを品質管理に活用する取り組みが進んでいる。
今後は、工場や設備ごとに異なるデータを共通形式へ変換する技術や、既存設備にも後付けしやすい低コストなデータ収集技術が重要となる。
2.官能評価と熟練判断のAI化
食品の調味、検品、品質判定では、熟練者の「勘」や「経験」が重要な役割を担っている。一方、味、香り、食感などの官能評価は言語化・数値化が難しく、そのままではAIの学習データとして利用しにくいという課題がある。
今回の調査では、食品の味や香りの変化を生成AIで表現する技術や、官能評価を数値化して品質判定に利用する技術が確認された。ハウス食品株式会社では、ニューラルネットワークやトランスフォーマーを活用し、食品の味・香りを生成AIで表現する技術が開発されている。
今後は、味覚・嗅覚センサー、画像情報、製造条件、熟練者のコメントなどを組み合わせ、品質判断の根拠まで示せるAIが注目される。
3.既存設備とAIをつなぐ技術
食品工場では、導入から10~20年以上経過した製造設備も多く稼働している。こうした設備は、AIとの接続を前提として設計されていないため、PLCやMES(製造実行システム)から必要なデータを取得し、AIへ連携するためのインターフェースが必要である。
関連特許では、AIチャットボットを利用したユーザー支援や、プロセスデータを分析して食品ハンドリングシステムを制御する技術が確認された。一方、今回の検索範囲では、既存設備とAIをつなぐ技術に関する出願は相対的に限定されていた。
食品機械メーカーや制御機器メーカーが持つ設備仕様、保守、運用に関する知見は、既存設備とAIを接続するミドルウェアやインターフェースの開発に生かせる可能性がある。
なお、これらは「特許が存在しない領域」や「完全なホワイトスペース」であることを示すものではない。今回設定した検索条件の範囲で、関連する出願が相対的に限定されていた領域、または今後の市場拡大が見込まれる領域として整理したものである。