スーパーで最高のリンゴを選ぼうとして陳列されているリンゴの前に立って、「これ用のアプリはないかな?」と思ったことはありませんか?

食品の品質を予測するために使用されている現在の機械学習ベースのコンピューター モデルは、人間の適応能力ほど一貫性がありません。環境条件。それでも、アーカンソー州農業試験場の研究でまとめられた情報は、いつかそのアプリの開発に使用される可能性があるほか、食料品店に食品をより魅力的な方法で提示するための洞察を提供したり、加工施設で使用されるマシンビジョンシステムのソフトウェア設計を最適化したりできる可能性がある。

この研究は、生物農業工学部のスマート農業と食品製造の助教授である Dongyi Wang 氏が主導し、食品科学部門、最近だった出版されたで食品工学ジャーナル。

それでも人間の認識食品の品質は照明で操作できるため、人間の食品の品質認識のデータで訓練されたコンピューターは、異なる照明条件下でより一貫した食品の品質を予測できることが研究で示されました。

「機械学習モデルの信頼性を研究する場合、最初に行う必要があるのは人間の信頼性を評価することです」とワン氏は言う。「しかし、人間の認識には違いがあります。私たちがやろうとしているのは、機械学習モデルをより信頼性が高く、一貫性のあるものになるようにトレーニングすることです。」

この研究では、さまざまな照明条件下での人間の写真認識データを使用することで、コンピューターの予測誤差を約 20% 削減できることが示されました。確立されたパフォーマンスを上回りますモデル人間の知覚のばらつきを考慮せずに、画像を使用してコンピュータをトレーニングするものです。

マシンビジョン技術は広く研究され、食品工学分野で応用されているが、研究では、現在のアルゴリズムのほとんどが「人間がラベル付けしたグラウンドトゥルースまたは単純な色情報」に基づいてトレーニングされていると指摘した。照明の変化が人間の知覚に及ぼす影響や、そのバイアスが食品品質評価のためのマシンビジョンモデルのトレーニングにどのような影響を与えるかを検討した研究は存在しないと著者らは述べた。

研究者らは、レタスを使用してさまざまな照明条件下で人間の知覚を評価し、それをコンピューター モデルのトレーニングに使用しました。官能評価は実験場の官能科学センターで実施しました。食品科学部教授で感覚科学センター所長のHan-Seok Seo氏は、この研究の共著者である。

幅広い年齢層の参加者 109 名のうち、89 名が研究の人間の知覚信頼性フェーズの 9 つの感覚セッションすべてを完了しました。参加者の中には色覚異常や視覚障害のある人はいませんでした。連続 5 日間、パネリストは毎日 75 枚のロメインレタスの画像を評価しました。彼らはレタスの鮮度を0から100のスケールで評価した。

官能パネルが評価したレタスの画像は、さまざまなレベルの焼き色を提供するために 8 日間にわたって撮影されたサンプルのものでした。これらは、青みがかった「冷たい」色調からオレンジがかった「暖かい」色調まで、さまざまな照明の明るさと色温度の下で撮影され、675 枚の画像のデータセットが得られました。

研究では、いくつかの十分に確立された機械学習モデルを適用して、感覚パネルと同じ画像を評価したと述べています。さまざまなニューラル ネットワーク モデルがサンプル画像を入力として使用し、人間の知覚をよりよく模倣するために、対応する平均的な人間の評価を予測するようにトレーニングされました。

感覚科学センターでの他の実験で見られたように、人間の知覚は食品の品質照明で操作できる。たとえば、暖色系の環境色を使用すると、レタスの褐変を隠すことができるとワン氏は説明した。

ワン氏は、さまざまな照明条件下で人間の知覚を利用してマシンビジョンベースのコンピューターを訓練する方法は、食品から宝飾品に至るまで多くのものに応用できると述べた。

アーカンソー大学の研究の他の共著者には、工学部生産工学准教授の Shengfan Zhang 氏が含まれます。Swarna Sethu 氏、生物工学部および農業工学部の元博士研究員で、現在はミズーリ州南部州立大学コンピュータ情報科学助教授。ビクトリア・J・ホーガン、食品科学部門のプログラムアシスタント。

詳細情報:Dongyi Wang 他、人間の知覚は信頼できるか?食品の外観から堅牢な食品鮮度予測を実現するイルミネーションを目指して ～レタスの鮮度評価を例に～食品工学ジャーナル（2024年）。DOI: 10.1016/j.jfoodeng.2024.112179