食品における「異物検出」は、消費者の安全確保と製品の品質維持の観点で重要な要素です。

例えばミンチ肉において、骨片が混入していた場合、消費者の口腔を傷つけるなどの健康被害を引き起こす可能性があります。また、そのような問題が発生すると、製品の信頼性が損なわれ、企業の評価や売上に悪影響を及ぼすことが考えられます。
そのため、「異物検出」は極めて重要な要素の１つです。
このようなニーズに対して、”非接触”で「異物検出」が可能な近赤外分光法が、非常に有効な手段として注目されています。

本記事では、スペクトルカメラと回帰解析を用いた食品における「異物検出」のデモ測定について紹介します。

デモの内容

概要

ミンチ肉に意図的に骨片を混入させたサンプルを用意し、スペクトル解析を用いて混入した骨を適切に検出できるかを評価しました。

骨片に印をつけていますが、通常の写真では、骨片の判別が困難であることがわかります。

サンプル	ミンチ肉（骨付き豚ロースの骨を混入させたもの）
スペクトルカメラ	Hyspex 640VNIR
スペクトル解析ツール	Resonon Spectronon

スペクトルカメラによるミンチ肉内の骨片検出の原理

骨と肉の主な成分とスペクトル特性の違い

スペクトルカメラを用いて以下のような違いに注目し、ミンチ肉内の骨片を検出します。

項目	骨	ミンチ肉
主成分	無機質（リン酸カルシウム）、コラーゲン	水分、脂肪、たんぱく質
吸収特性	無機質が多く光を吸収しにくい → 反射が強い	水分・脂肪が多く光を吸収しやすい → 反射が弱い
1000〜1350 nm	骨の反射率が高く、識別性が最も高い波長帯	脂肪・水分による吸収で反射が低くなる
1450 nm	水の吸収が少なく反射が残る	水分が多く吸収が強いため反射が低い
1700 nm 付近	脂肪・たんぱく質の影響が少なく、補助的識別に有効	脂肪・たんぱく質の影響で吸収が強い

デモ手順

今回のデモの手順を以下に紹介します。

Step1スペクトルの測定

スペクトルカメラでミンチ肉を撮影し、900〜2500 nmなどの複数波長の反射スペクトルを取得。

Step2スペクトル解析の分類モデルを作成

骨と肉で反射スペクトルが異なる波長を選定。
選定した波長のスペクトルデータをもとに、スペクトル解析のSAM分類モデルを構築。

Step3スペクトルの分類モデルを用いた分類

サンプルに対してSAMモデルを適用し、骨片の有無や位置を特定。

デモ環境（測定機器）

ミンチ肉内の骨片検出においては、骨が無機質を多く含み光の反射が強いのに対し、肉は水分や脂肪によって光を吸収しやすくなるため、1000〜1350nmや、1450nm〜1700nmの波長域で両者の反射スペクトルに明瞭な差が現れます。
この特徴を活用するため、900〜2500nmの近赤外線領域のスペクトルを取得可能なスペクトルカメラを使用しました。
さらに、近赤外線は可視光に比べ若干ですが肉の内部まで透過するため、外観だけでは判別が難しい骨片の検出においても有効です。

スペクトルカメラ

今回は、多くの可視光領域のスペクトルカメララインナップから、インライン導入に適したモデルを選択しました。

波長範囲	400-1000nm
最大フレームレート	1000fps
空間分解能	1024画素
寸法	316x105x153[mm]
重量	4.2kg

レンズ	30cm

ステージ

ステージは、反射測定を行うためのステージを使用しました。

上部から照明を当て、ミンチ肉から反射した光をカメラで捉えます。

光源

光源には、ハロゲンランプを使用しました。

ハロゲンランプは、可視光から近赤外領域（約350～2500nm）までの広い波長範囲にわたり、連続的なスペクトルを出力します。​この特性により、近赤外のスペクトル解析に適しています。
ハロゲンサイクルによってフィラメントの蒸発が抑制るので、ランプ光源の中では長時間にわたり安定した光を供給できる特性があり、分光分析のインライン計測でも頻繁に採用されます。

測定結果（取得スペクトル）

スペクトル

撮影したミンチ肉と骨片のスペクトルを以下に示します。
取得したスペクトルにおいて、1180nm～1230nmと1450〜1700nmで、ミンチ肉と骨のスペクトルの変化量に差があることがわかります。

1180nm～1230nmと1450〜1700nmのスペクトルの違い

原理の部分で想定された通り、主に、1200nm、1450nmの波長帯において、ミンチ肉に吸収のピーク（反射率の低下）があり、骨片はそれに比べると反射率が高いことがわかります。

　

これらの波長は、脂肪や水分の光の吸収波長であり、ミンチ肉内に水分や脂肪分が含まれrていることにより、反射率が低下していることが主な理由です。
また、骨片の無機質成分（リン酸カルシウム）が反射率を上げているという可能性も考えられます。

擬似RGB

擬似RGBは、スペクトルの特定の波長を赤(R)、緑(G)、青(B)に割り当てた画像です。

解析結果（スペクトル解析）

スペクトル解析ツール

スペクトル解析には、Resonon社が開発したハイパースペクトル画像解析ソフトウェア「Spectronon」を使用しました。

「Spectronon」は、特に簡易的なスペクトル解析に適しています。​
他社製のスペクトルカメラで取得したENVI形式（.bip、.bil、.bsq）のスペクトルデータにも対応しており、​平均スペクトルや標準偏差の表示、任意の波長をRGBに割り当てた偽色画像の生成や、単一波長のグレースケール画像の作成などが可能です。
さらに、SAM（スペクトルアングルマッパー）などの分類アルゴリズムを搭載しており、分類結果を視覚的に表示し、異なる材料や状態の識別が可能です。

前処理

今回の試行では、骨とミンチ肉の反射スペクトルの識別性能を高めるため、特徴抽出に有効な波長帯を選定し、不要な波長帯を削除する前処理を行いました。
具体的には、スペクトル全体（900〜2500 nm）の中から、骨と肉に反射率差が現れている1180〜1230 nmおよび1525〜1595 nmの波長帯を切り出し、それ以外の波長を除外しました。

下図に、選択したバンドのみのスペクトルを示します。不要な波長帯を除くことで、ノイズの低減による識別性能の向上と計算コストの削減による高速化が期待されます。

さらに、スペクトルデータに対して二次微分処理を適用しました。

これは、反射値そのものの大きさを無視し、スペクトルの変化の傾向や急激な変化点（ピークや谷）を強調するための手法です。
特にミンチ肉と骨のように、スペクトルの形状は似ていても微細な変化に違いがある場合、二次微分によりそれらの差異を際立たせることができます。
下図に示すように、二次微分後の画像では、肉(赤)に対してと骨片(ピンク)が明瞭に視覚化されていることがわかります。この違いが、このあと適用する識別モデルに対して有効な特徴量となります。

スペクトル解析(SAMモデル作成)内容と結果

本手法では、ミンチ肉中に混入した骨片を識別するために、スペクトル画像に対する二次微分処理を行った後、SAM（Spectral Angle Mapper）分類を適用しました。
SAM分類は、各画素のスペクトルベクトルと参照スペクトルとの間の角度（スペクトル類似度）に基づいて分類を行う手法であり、明るさなどの影響を受けにくく、物質の種類を反射のパターンから判別するのに適しています。
今回の試行において、赤色で表示された領域の一部を「肉」、灰色で表示された領域の一部を「骨」として分類モデルを作成し適用した結果、あらかじめ混入させた３つの骨の位置を正確に特定することができました。

まとめ

今回、スペクトルの微細な違いを捉えてミンチ肉内の骨片を異物として検出できるかの試行を行いました。

• ミンチ肉と骨片の反射スペクトルには、1180〜1230nmおよび1450〜1700nmの波長域で顕著な違いが見られ、近赤外線を用いることでその差異を捉えることが可能です。
• バンドの限定、二次微分処理、SAM分類を組み合わせることで、肉と骨のスペクトルの違いを強調し、視覚的にわかりやすく可視化することができます。
• このようなスペクトル解析手法は、食品中の異物検出において有効であり、品質管理や安全性向上に貢献する可能性があります。