Deep Learning for Saffron Adulteration Detection from Stigma Images: A Comparative Study of AlexNet, ResNet, and VGG16

技術要約：ディープラーニングを用いたサフランの雌로（しべ）画像による偽装検知

問題提起
サフラン（Crocus sativus L.）は、非常に価値の高い香辛料であるが、経済的動機に基づく偽装（EMA）の対象となりやすい。これは、外観を模倣し重量を増やすために、染色されたトウモロコシの絹糸、ケシノキノコ科の雄蕊（おしべ）、あるいは着色された植物の根などが本物の雌로に混入されるものである。HPLC、GC–MS、UV–Vis分光法といった従来のラボ技術は高い精度を提供するものの、破壊的であり、時間がかかり、コストが高く、専門的なインフラを必要とするため、収穫後の迅速なスクリーニングへの活用には限界がある。既存のコンピュータビジョン手法は、手作業による特徴量抽出に依存していることが多く、照明の変化や自然な形態学的変動の下では汎用性に欠ける。そのため、収穫後のパイプラインにおいて、サフランの品質を認証するための、迅速かつ非破壊的で費用対効果の高い自動システムの構築が求められている。

手法
本研究では、転移学習を用いて、本物のサフランと偽造されたサフランの雌ロを区別するために、3つの畳み込みニューラルネットワーク（CNN）アーキテクチャ（AlexNet、ResNet、VGG16）の比較分析を行った。

• データセット： 専門家によってラベル付けされた1,020枚のRGB画像からなる精選されたデータセットを構築した。これには、719枚の本物サンプル（Sargol、Negin、Pushalの各グレードを含む）と、301枚の偽造サンプル（一般的な偽装品を模した実験室作成の模倣品）が含まれる。データのリークを防ぐため、各物理サンプルは一度だけ撮影された。
• 前処理： 画像はCanon 700D DSLRを使用して撮影された。前処理として、境界部分の10%をクロッピングし、フィラメントを分離するためのバイナリマスクを適用し、RGB閾値処理（値が180を超えるピクセルを白に置き換える）によって背景を均質化した。画像は、アーキテクチャ固有の入力サイズ（例：AlexNetの場合は227×227）にリサイズされ、正規化された。
• データ拡張（Data Augmentation）： 学習時には、堅牢性を高めるために、ランダムな回転（0–360°）および水平・垂直方向の反転を含むオンライン拡張戦略が適用された。検証セットおよびテストセットには拡張を行わなかった。
• モデル構成： 事前学習済みモデル（ImageNetの重み）の最終分類層を、2ユニットの全結合層とソフトマックス活性化関数に置き換えた。モデルは、モメンタム（0.9）を用いた確率的勾配降下法（SGD）を用い、ミニバッチサイズ64、初期学習率1e-4で50エポックにわたってエンドツーエンドで微調整（ファインチューニング）された。
• 実装： 学習は、MATLAB R2020aを使用し、CPUベースのシステム（Intel Core i5-6200U、8GB RAM）上で実施された。データセットは80%のトレーニング用と20%の検証用に分割され、最終評価には別途テストセットが用いられた。
• 評価： パフォーマンスは、精度（Accuracy）、感度（Sensitivity：偽造品の再現率）、特異度（Specificity：本物の再現率）、適合率（Precision：PPV）、および陰性的的中率（NPV）を用いて測定された。

主な結果
本研究では、視覚的な偽装を検知する能力について各モデルを評価した：

• AlexNet： 96.49% という最高の総合精度を達成した。100%の感度（すべての偽造サンプルを正しく特定）および 93.75%の特異度 を示した。15〜20エポック以内で急速に収束した。
• ResNet-50： 94.74% の精度を達成した。100%の特異度と100%の適合率を示したが、感度は**90%**と低く、3つの偽陰性（偽造サンプルを本物と誤分類）が発生した。
• VGG16： 87.72% の精度を達成した。感度は100%に達したが、特異度は著しく低く（79.41%）、偽陽性（本物を偽造品と誤分類）が多くなった。著者らは、この性能不足の原因として、データセットのサイズに対するモデルの深さとパラメータ数の多さ、およびCPUベースの学習による計算上の制約が、効果的な収束を妨げたことを挙げている。

意義と主張
本論文は、ディープラーニング、特にCNNが、化学分析に代わる実現可能で迅速かつ非破壊的なサフラン認証の選択肢となり得ることを主張している。主な貢献は、比較的コンパクトなアーキテクチャであるAlexNetであっても、本物の雌ロと視覚的な偽造品を区別するために必要な主要な形態学的および色彩的特徴を効果的に捉えることができ、中規模のデータセットにおいては最適化のダイナミクスにおいてより深いモデルを凌駕することを示した点にある。

著者らは、本研究を、収穫後の品質管理、等級付け、および輸出検査にAI駆動型のスクリーニングを統合するための基礎として位置づけている。特に、偽造サンプルを見逃すこと（偽陰性）が、誤報（偽陽性）よりも大きな経済的リスクをもたらすスクリーニング用途において、AlexNetモデルの高い感度が極めて価値が高いことを強調している。

限界と今後の方向性
著者らは、以下のいくつかの限界を明示的に認めている：

1. 撮像条件： 本研究では制御された照明と均一な背景を使用しており、フィラメントが重なり合ったり照明が変化したりする複雑な現実世界の収穫後環境を完全には再現していない可能性がある。
2. 検証： パフォーマンス指標は、k-分割交差検証を行わず、単一のランダムなデータ分割に基づいている。
3. ハードウェアの制約： CPUでの学習（特にVGG16）は、最適な収束を阻害した可能性がある。
4. 汎用性： 本研究では、交差検証を行っておらず、多様で大規模なデータセットでのテストも行っていない。

著者らが示唆する今後の課題には、より大規模で多様なデータセットでの検証、k-分割交差検証の採用、GPUアクセラレーションの活用、透明性のための説明可能なAI（XAI）の統合、および実世界への展開に向けたデバイス上推論（例：スマートフォン経由）のための軽量モデルの開発が含まれる。また、より堅牢な認証のために、ハイブリッドなイメージング・分光パイプラインの探索も提案されている。