ニューラルネットワークと画像処理を用いたイヨカンの糖度，pHの推定

岡山大学　近藤　直・門田充司・鳥羽　慎司

1. はじめに
　青果物の選別は，ほとんど外部品質（質量，形状，着色の度合いなど）による評価に依存しており，内部品質（糖含量，酸含量など）による評価は，特別な青果物を除いては行われていない。外部品質だけでなく，内部品質の評価も可能となれば，消費者のニーズに合った生産物を提供できるとともに，商品価値を高めることも可能である。そこで本研究では，同一の圃場で収穫されたイヨカン30個を対象とし，画像処理とニューラルネットワーク（以下ニューロと称す）によって，その内部品質である糖度，pHの推定を，非破壊で自動的かつ高速に行うことを目的とした。

2. 実験装置及び方法
　一般に「イヨカンは，赤い色，扁平な形状，中程度の寸法，滑らかな果面を有する果実が糖含量が高い。」と言われている。従って，内部品質と関係が深いと思われる果実外観の特徴として，果実の色，形状，寸法，果面の粗滑を取り上げた。これをコンピュータが扱えるデータとするために，画像からR/G，フェレ長比，テクスチャー特徴量を抽出すると同時に質量を計測した。また，別途，果実の径を計測し，果面の粗滑の程度を目視により4段階に評価した。今回は，果面の粗滑を数値化するためのテクスチャー特徴量として，同時生起行列から得られるASM（一様性）を用いた。画像入力には，色温度5500Ｋのランプ，カラーＴＶカメラ，画像処理装置を用いた。糖含量は屈折式糖度計を用いて糖度を計り，酸含量に対応するデータは，ガラス電極法を用いたpHメータで計測した。
　図１に，計測された各特徴量と糖度との関係を示す。これより，相関は低いものの，前述した外観と糖度との関係が若干ではあるが見られる。さらに図２に示すニューロを用いて糖度，pHの推定を行った。ニューロの学習にはカルマンニューロトレーニング法を用い，その教師データには，入力データを4段階と10段階，出力データを5段階と10段階に正規化したものを組み合わせて使用した。学習回数は500回を上限とし，途中で学習が終了したものや，過学習となるおそれのあるものは，途中で学習を停止させた。

図 1　各特徴量と糖度との関係

図 2　ニューロの構造

3. 結果及び考察
　図３および図４に，ニューロによる糖度，ｐＨの推定結果を示す。これより，単独の各特徴量と内部品質との相関は低いものであったが，総合的に非線形性の関係を取り扱えるニューロでは内部品質の推定の可能性が示された。入力データは10段階よりも4段階の方が，出力データは10段階よりも5段階の方が，推定の精度が高くなった。また，今回用いたASMと果面の粗滑との関係は必ずしも高いものでなかったことから，入力因子にASMを用いると，推定の精度が落ちた。今後は，果面の粗滑とより高い相関をもつテクスチャー特徴量の抽出が望まれる。また，さらには，果実の形状を記述できる別の特徴量の検討も望まれる。

図 3　ニューロによる糖度の推定

図 4　ニューロによるpHの推定