研究キーワード 【 表示 ／ 非表示 】

研究キーワード 【 表示 ／ 非表示 】

全件表示 >>

研究分野 【 表示 ／ 非表示 】

研究分野 【 表示 ／ 非表示 】

論文 【 表示 ／ 非表示 】

論文 【 表示 ／ 非表示 】

• Combining comparative spectroscopic analysis with machine learning for origin identification and wheat flour blending ratio prediction in buckwheat flour

  Rikuto Akiyama, Rio Chikura, Fumika Itaki, Tsudumi Shimada, Minami Hazuma, Yvan Llave, Takashi Matsumoto , 2026年06月

  Journal of Food Measurement and Characterization , 1 - 16

  DOI

• Comparative Evaluation of Fluorescence, NIR, and FT-IR Spectroscopy Combined with Machine Learning for Geographical Origin and Species Identification of Brown Algae

  鈴木花菜、Meryem Taskaya、星野空、秋山玲来斗、地藏里桜、金綱麻衣、Yvan Llave、松本隆志 , 2026年05月

  Applied Sciences , 16 (4657)

  DOI

• Identification of the Geographical Origins of Matcha Using Three Spectroscopic Methods and Machine Learning

  メリエム・タスカヤ、秋山玲来斗、金綱麻衣、ムラット・イギット、イヴァン・ラベ、松本隆志 , 2026年01月

  AgriEngineering , 8 (1)

  DOI

• Japanese Rice Variety Identification by Fluorescence Fingerprinting, Near-Infrared Spectroscopy, and Machine Learning

  秋山玲来斗、イヴァン・ラベ、松本隆志 , 2025年11月

  AgriEngineering , 7 (11)

  DOI

• Fluorescence Spectroscopy and a Convolutional Neural Network for High-Accuracy Japanese Green Tea Origin Identification

  秋山玲来斗、鈴木花菜、イヴァン・ラベ、松本隆志 , 2025年03月

  AgriEngineering , 7 (4)

  DOI

全件表示 >>

著書 【 表示 ／ 非表示 】

著書 【 表示 ／ 非表示 】

• 日本大百科全書：ジャパンナレッジJapanKnowledge（有料会員向けサイト）

  松本隆志 , 2025年11月

  株式会社小学館クリエイティブ , トレーサビリティ , 0-0

• 日本大百科全書：ジャパンナレッジJapanKnowledge（有料会員向けサイト）

  松本隆志 , 2025年11月

  株式会社小学館クリエイティブ , HACCP , 0-0

• 「食品物流」の基本がわかるコース（2025通信教育教材）

  松本隆志 , 2025年04月

  株式会社PHP研究所 , 全て , 0-0

• 品質保証の業務と人材育成：2021品質月間テキスト No.453

  松本隆志 , 2021年10月

  品質月間委員会（一般財団法人 日本科学技術連盟） , 全体 , 0-0

• 国内外における食品衛生の関連法規と実務対応に向けた基礎知識　第5章

  松本隆志ほか , 2020年12月

  株式会社情報機構 , 第5章食品リコール情報の報告制度の創設 P.90-96 , 0-0

全件表示 >>

科研費（文科省・学振）獲得実績 【 表示 ／ 非表示 】

科研費（文科省・学振）獲得実績 【 表示 ／ 非表示 】

• 食品ロス削減を目指した次世代賞味期限設定システムの開発

  研究期間:  2025年04月  -  2028年03月  代表者:  松本 隆志

  基盤研究(C)  研究代表者  25K05727 

  食品ロスの問題から賞味期限への関心が高まっている。加工食品の賞味期限は、常温保存試験では時間がかかるため、品質変化の温度依存性を活用し、官能評価や理化学分析の結果を基に短期間で推定され、安全率を加えて短めに設定されることが多い。ただし、この方法は適用できない食品や精度の課題があり、学術的研究は少なく、データは各食品企業が保有しているのが現状である。
  本研究では、理化学分析と非破壊分析で食品データを収集・蓄積し、迅速かつ高精度な賞味期限設定や産地識別を実現する、マルチモーダルデータ統合の機械学習モデルの構築を目指す。これにより、食品ロス削減や産業発展への貢献を図る。

• フードロス削減に向けた賞味期限最適化の新手法及び食品データベース開発

  研究期間:  2022年04月  -  2025年03月  代表者:  松本 隆志

  基盤研究(C)  研究代表者  22K02156 

  加工食品の基本情報を企業データ（栄養成分表示：たんぱく質、脂質、炭水化物等、Webサイト等）から得て、中身のデータを理化学分析（水分、水分活性、アミノ酸等）や官能評価を実施して収集し、それらの情報を蓄積して食品データベースを構築する。そして、迅速で精度の高い賞味期限設定や品質変化シミュレーション等、目的に応じて必要なデータをダウンロードして使用する、加工食品に汎用性のある機械学習モデルを開発する。

授業科目 【 表示 ／ 非表示 】

授業科目 【 表示 ／ 非表示 】