2017 Fiscal Year Research-status Report
近赤外分光法による非金属・生物系異物検出法に関する研究
| Project/Area Number |
16K07972
|
|---|
| Research Institution | Kochi University |
|---|
Principal Investigator |
河野 俊夫 高知大学, 教育研究部自然科学系農学部門, 教授 (60224812)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 異物検出 / 非金属異物 / 生物系異物 / 近赤外 / 検出法 |
|---|
| Outline of Annual Research Achievements |
InGaAs型高感度検出ユニット付きFT-NIRを用いて、新たに収集した非金属異物、生物系異物について、その近赤外スペクトルを波長833nm～2,500nmの範囲で測定を行い、分析対象データを増やした。非金属異物には、ビニール、ポリエチレン、衣服片、プラチック片、生物系異物には黒ゴキブリ、ハエ、毛髪など、食品製造の段階で混入事故事例のあるものを選んだ。混入対象食品には消費者のニーズの高い冷凍食品を用い、測定機器の光源強度を考慮して混入深さを2mmとした。非金属異物、生物系異物、および混入先の冷凍食品それぞれのスペクトルに対してPCA分析を行い、その第一主成分軸への寄与率の高い波長を５波長ずつ抽出した。異物および冷凍食品の固有性を示すこれらの波長から、重ならない波長の組み合わせを利用して非線形判別モデルの構築を試みた。非線形判別モデルにはニューラルネットワークを用い、選抜した５波長での原スペクトルの二次微分値を入力として、隠れ層30個のパーセプトロンを介して0～1の数値を出力するモデルとした。MATLAB上のNeural Network ToolboxにあるPattern Recognition Networkを用いて実データによる学習を行い、学習に用いない未知データにより推定モデルを評価した。その結果、用いた２種の冷凍食品で平均80%～90%の推定精度を得た。また、次年度の研究に向け、スペクトルを取得に適した照射角度を求める予備調整を行った。照射角度と受光角度を、それぞれ0.1度ずつ可変可能な装置により、対象食品表面への光の入射角度(照射角度)と、食品内部にある異物を通過して反射した光の受光角度を調整してスペクトルを取得した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
昨年度と同様に、InGaAs型高感度検出ユニット付きFT-NIRを用いて、新たに収集した非金属異物、生物系異物について、その近赤外スペクトルを波長833nm～2,500nmの範囲で測定を行い、分析対象データを増やした。非金属異物には、ビニール、ポリエチレン、衣服片、プラチック片、生物系異物には黒ゴキブリ、ハエ、毛髪など、食品製造の段階で混入事故事例のあるものを選んだ。また、混入先の対象食品には消費者の使用頻度の高い加工品として冷凍ハンバーグのほか冷凍コロッケを追加した。用いたFT-NIRの光源強度が弱いため、ガラスシャーレに2mm厚さにスライスした冷凍食品を入れて検出対象の異物をその上に載せ、さらに標準反射板を異物の上に置いた状態で、ガラスシャーレ下部からの光反射スペクトルを取得する方法を採った。非金属異物、生物系異物、および混入先の冷凍食品それぞれのスペクトルに対してPCA分析を行い、その第一主成分軸への寄与率の高い波長を５波長ずつ抽出した。異物および冷凍食品の固有性を示すこれらの波長から、重ならない波長の組み合わせを利用して非線形判別モデルの構築を試みた。非線形判別モデルにはニューラルネットワークを用い、選抜した５波長での原スペクトルの二次微分値を入力として、隠れ層30個のパーセプトロンを介して0～1の数値を出力するモデルとした。MATLAB上のNeural Network ToolboxにあるPattern Recognition Networkを用いて実データによる学習を行い、学習に用いない未知データにより推定モデルを評価した。その結果、PCAとニューラルネットワークを組み合わせた推定モデルでは、冷凍ハンバーグの場合で82%、コロッケでは92%程度の正解率を得ることができた。
|
| Strategy for Future Research Activity |
据え置き型のFT-NIRに加え、今年度は光照射側と分光側とが分離したシステムでの測定を試みている。従来、後者の測定システムでは、分光器が900nm～1,600nmの範囲でしか測定できなかったが、今年度後半に1,500nm～2,500nmの範囲を測定可能なシステムを導入し、現在、照射角度可変型の治具調整中である。次年度においては角度可変型照射・受光システムの本格運用が可能となることから、今年度構築したPCAとニューラルネットワークを組み合わせた非線形型異物推定システムに、照射角度による測定最適化を図る予定である。また、2つのスペクトル間での識別を目的としたSIMCA(Soft Independence Modeling of Class Analogy)法と、ニューラルネットワークとを組み合わせた別の異物推定モデルについても検討する。
|
| Causes of Carryover |
当初計画の消耗品が予定額より少額で済んだことにより次年度使用額が生じた。
今年度後半に特注品の角度可変システムが完成したことから、据え置き型FT-NIRによる光源強度の弱さを補填した外部照射型のシステムでの、対象食品深部での異物検出を試みる。このため、次年度使用額については外部補填光源の追加や、μm単位での対象物移動が可能なステージ等の購入に充てる予定である。
|
