画像解析 解析プロセス
「見える化」IoTを構成する4つの工程
~データを実社会に還元するサイクル~
画像解析による農産物情報取得
画像「人間の目が実際に感じている色は、赤(Red)・緑(Green)・青(Blue)の3色だけであり、光を感じる視細胞が3種類しかないためである、この3色以外の中間の色は赤・青・緑を組み合わせることで 認識されている。 この3色を英語の頭文字を取ってR,G,Bと表す」を分光器によって分解し、波長または振動数の関数として与えられた光の強度分布と、農産物を検査機器での食味解析によって求めた「おいしさの要素」との相関を求め、一定以上の相関により撮影した画像(非破壊)でも「農産物のおいしさ」を求めることができる。 品目毎のアルゴリズムを作成し、プログラミングしたAI(人工知能)で判定する。品目・色・調査項目の組み合わせは膨大になるが、ビッグデータ解析大幅に加速した。

赤( Red)緑( Green)青( Blue)
画像情報を味覚情報に変換するプログラム
食味解析は味覚センサー・HPLC等の分析機器での破壊分析及び実食により求めた「味」についてのデータや、関係するアミノ酸の定量値(たとえば、旨味成分のグルタミン酸など)と、R、G、Bとの相関を重回帰で求め、一定以上の相関(あるいは逆相関)が認められる項目を抽出し、非破壊での味覚測定(=おいしさの見える化)とするものである。
上記図はイチゴの分析結果であるが、Brix糖度計での甘味の実測値と、R(赤)G(緑)B(青)等をもとにした計算値で(実測値:横軸、計算値(本技術):縦軸)、重相関係数の修正R2乗(重相関係数の2乗)が0.6274(重相関係数:0.7921)と、図でも示した通り、0.7~1の「強い相関関係がある」に該当する。データの集積によってさらに相関係数が向上している。
※非破壊検査での相関係数の利用はコメ食味計・近赤糖度計でも用いられている。
AIでの解析プロセス