易科泰生態技術会社とInternational advanced計器技術会社が協力し、「エコ」の提供に取り組む-農業-健康」包括的な技術方案。企業のInternational advancedベースのSpecim高スペクトルイメージング技術は、機械視覚と自動研究開発統合を結合し、ユーザーに多様化、カスタマイズ、自動化のオンライン選別ソリューションを提供し、工業パイプライン製品の高スループット迅速分類とリアルタイム応答を実現する。システムは工業パイプライン、コンベア及びインテリジェント選別システムと結合することができ、強大なスペクトル識別能力と柔軟な分類モデルに基づいて、リアルタイムで正確な識別結果を出力し、ユーザーは一連の複雑な符号化とスペクトル画像解析作業を行う必要がなく、最終結果を得ることができ、高スペクトルイメージング技術の市場応用への敷居を著しく低下させる。

主な特徴：

▌スペクトラスキャンスペクトルイメージング走査プラットフォーム技術は、ユーザーの使用シーンに応じて特別に適合方案をカスタマイズすることができる

■工業級プッシュスキャン式高分光イメージャ、オプション400〜1000nm、900〜1700nm、2700〜5300nmとうしゅうはすうたい

■分類モデル訓練ソフトウェア：ユーザーはサンプルデータの表示、分類モデルの訓練、分類効果の検証、アプリケーションの構築が可能

■オンラインリアルタイム選別：高性能データ処理ユニット、分類モデルに基づいてリアルタイムに演算し、オンラインで選別結果を表示する

■サポートGigE，USB3.0、RS-232/485，CANインターフェース、工業パイプライン下流工程と互換性があり、インテリジェントな選別を支援する

■高分光イメージング技術によるセリウム、FCC の、RoHS3 のなどの国際的な主流認証

応用例：

1、ピスタチオ品質検査

ナッツの品質は通常、製品の鮮度、欠陥の有無、ダニや外来物質などの汚染物に基づいて評価され、ピスタチオの品質制御において、欠陥と異物検出は生産における最も重要な一環である。

従来使用されていたHPLC、GC-MS、IR-MSなどの方法には、リアルタイムで検出できない弊害があった。近年、カラーイメージング（RGB）に基づくマシンビジョン技術は食品加工過程や品質制御などの面で重要な役割を果たしているが、ダニ、カビ、その他の外来物の識別にはまだ短板が存在する。イタリアの実験者は高スペクトルイメージング（HSI）技術をピスタチオの品質制御に応用し、サンプルの異なる理化特徴に対して定性と定量分析を行い、食品の品質制御のためにより優れた戦略を探索した。

実験者は無作為にピスタチオ混合物の異なるタイプの特定のサンプルを選択し、99個のサンプルを6種類に分けた：可食ピスタチオ（23）、不可食ピスタチオ（23）、愉快果皮（13）、ピスタチオ外皮（13）、小枝（13）及び果核（14）。図1.1の左のように、サンプルはトレーニングセット（70%）と検証セット（30%）の2つのグループに分けられ、まず元のスペクトルを前処理して、6種類のスペクトルの特徴的な違いを明らかにした。

図1.1左：RGB図（a）、トレーニングセット（b）及び検証セット（c）、右：SWIR範囲における6種類のサンプルの平均（a）及び前処理（b）反射スペクトル

主成分分析（PCA）、多変数分類方法を用いた異なる分類モデルにより訓練データセットを訓練し、訓練結果を下図1.2左に示し、そのうちCART予測図はPCA-kNNの結果と類似し、PLS-DAとPCA-DAの結果より優れた分類結果を得た。異なる分類モデルを用いて検証データセットを予測した結果、図1.2右に示すように、モデルはすべて正しく石を識別し、PLS-DAとPCA-DA予測図は類似しており、同じ誤り分類領域を示しているが、CARTモデル予測図の特徴は誤り分類画素がより分散していることである。PCA−kNN予測図は最適なその結果、単一カテゴリの誤分類領域は非常に少ない。

図1.2左（a、b、c、d）は訓練結果である。右（a、b、c、d）は予測結果である

結果により、SWIR帯域に基づく高スペクトルイメージング技術はピスタチオ品質モニタリングと制御に良好な方法を提供し、工業応用のオフラインまたはリアルタイム検出シーンに広い将来性を持っている。

2、草花茶の無損失品質検査評価

消費者の健康への関心が高まるにつれて、草花茶の消費量も徐々に増加している。ハーブティーは、2種以上の植物種が、味を改善し、健康上の利点を高める目的に基づいて混合されている。他の食品や健康食品と同様に、草花茶の品質制御（QC）は食品の安全と健康効果を確保するために非常に重要である。

高再現性と精度がありながら時間がかかり破壊性があり、多種の原料を含む場合には、各成分を単独で検出する必要があり、より時間がかかり、消費力がかかります。本研究では、高分光イメージング技術は、伝統的な分光学とデジタルイメージングを迅速かつ非破壊的に結合する方法として、草花茶の品質を評価し、制御する。

ツバニ科学技術大学の研究者はSWIR高スペクトルイメージングを用いて、Parceval Pty社から購入した原料（S.tortuosumとC.genistoides）と5バッチのハーブ茶混合物（Honeybush-Seletium）の高スペクトル画像を収集した。化学的知識がないことを背景に、2つの原料を全面的に無傷に区別し、主成分分析（PCA）によりS.tortuosumとC.genistoides原料の間に54.2%の化学成分差があることが明らかになった。

図2.1 a）2種類の茶原料、b)PC1；c）2種類の茶葉の異なる画素クラスター散布点図（t 1 vs t 2）

草花茶の迅速で非破壊的な識別と成分定量化において、PCA較正モデルに基づいてPLS-DAモデルを開発し、図2.2左に示すように、テストセットの結果はPCAと類似し、2つの分離した画素クラスタを観察し、52.8%の化学成分の差異を得て、対応するY-画像は散点図のそばに表示され、純粋な原料が100%分類されていることを説明した。図2.2右は予測セットのRGB画像と予測結果であり、その中には2つの外部テストセットサンプルと5ロットの草花茶混合物が含まれており、その結果、このモデルは正確に茶混合物成分の特性を予測することができ、草花茶混合物はS.tortuosumとC.genistoidesの2種類の原料のみを含み、そして定量的にC.genistoidesを主要成分（含有量＞97%）と予測し、S.tortuosumの含有量は低く（<3%）、定量結果は同社が規定するC.genistoides=96%とS.tortuosum=4%の標準処方に近い。実験結果により、冷茶混合物などの食品医薬品の品質評価において、高スペクトルイメージング技術は良好な潜在力を持っていることが明らかになった。

図2.2左：a）PLS−DA散点図及びスコアb）S.tortuosumとC.genistoidesの平均スペクトル差異。右：予測セットサンプルの可視化、a）RGB画像、b）PLS-DAモデルに基づくクラス予測

易科泰生態技術会社はSpeatrAPPスペクトルイメージング革新応用技術に基づいて、食品及び漢方薬材料の選別と品質制御、種子種苗の選別、工業パイプラインのオンライン選別、廃棄物の回収利用、生産ラインの品質制御、機械視覚応用及びその他の高スループット応用分野に対してカスタマイズ化スペクトルイメージングソリューションを提供する。

左から順に落花生かびの分別、肉の分別（豚肉、牛肉、羊肉）、リンゴ糖度検査（易科泰分光イメージング実験室提供）

参考文献：

[1] Bonifazi G, Capobianco G, Gasbarrone R, et al. 短波赤外線ハイパースペクトラル画像に適用された異なる分類方法によるピスタチオナッツの汚染物検出[J].食品制御、2021年、130（26）：108202。

[2] A M S, A W C, B I V A, et al. ハーブティーブレンドのハイパースペクトラルイメージングを使用する非破壊的な品質評価 - ScienceDirect[J].植物化学の手紙, 2018, 24:94-101.