Vis-NIR hyperspectral imaging for sorghum variety discrimination: a systematic evaluation of preprocessing, feature selection, and classification models

農業という広大な世界において、たった一粒のソルガム（モロコシ）には、その起源、品質、そして食料、飼料、あるいは燃料としての潜在的な用途に関する物語が刻まれています。これらの穀物を手作業で選別することは時間がかかり、ヒューマンエラーも起こりやすい一方、化学的な検査は農家が販売する必要のある種子そのものを破壊してしまいます。この問題を解決するために、科学者たちは人間の目が見る以上のものを見通す技術、すなわちハイパースペクトルイメージングに目を向けました。この手法は、可視光スペクトルから近赤外線領域にかけて、数百もの狭い波長帯域にわたって表面から反射する光の詳細な「指紋」を捉えます。デンプン、タンパク質、水分に含まれる異なる化学結合は、光を独自の 방식으로吸収するため、この指紋は穀物の隠された生化学的組成を明らかにします。しかし、課題はその膨大なデータの解釈にあります。研究者は、どのようにノイズを除去し、どの特定の光の色が最も重要であり、どの数学的ツールが品種の分類に最適であるかを決定しなければなりません。明確な指針がないため、研究によって使用される手法が異なり、どの手法が真に優れているのかを知ることは困難となっています。

吉林工商学院の研究チームは、一つの制御された実験の中であらゆる主要な戦略をテストすることにより、この複雑さに秩序をもたらすべく立ち上がりました。彼らは9つの異なるソルガム品種を代表する1,800粒の完全な種子を集め、300の異なる波長の光を記録するハイパースペクトルカメラでスキャンしました。目的は、単に機能する手法を見つけることではなく、データを洗浄する5つの方法、最も重要な情報を選択する5つの方法、そして分類を行う5つの異なるコンピュータモデルを体系的に比較することで、最も信頼できる手法を特定することでした。研究者たちは、結果が単なる偶然の的中ではなく真正なものであることを保証するために、データを訓練用とテスト用の別々のグループに分割し、データを極めて慎重に扱いました。また、結論に対してどの程度の確信を持てるかを正確に測定するために、厳格な統計的チェックも適用しました。

調査は、生の光信号をどのように準備するのが最善かという問いから始まりました。研究者たちは、ノイズを滑らかにしたり、光が穀物表面でどのように散乱するかを補正したり、さらにはスペクトル全体にわたって光の強度がどのように変化するかを計算したりすることを試みました。その結果、特定の組み合わせが最も効果的であることが分かりました。それは、データを平滑化した後に、本質的に光の曲線の急峻さを強調する「一次微分」を計算する手法です。このプロセスは、品種間の微妙な差異を鮮明にし、識別を容易にしました。この鮮明化されたデータを、線形判別分析として知られる古典的な統計モデルに投入したところ、システムは90パーセント以上のケースでソルガムの品種を正しく特定しました。これが研究の中で最高の成功率となり、これらの穀物を分類するための新たなベンチマークを確立しました。

チームはまた、より少ない色の光を使用することで、タスクを簡略化できるかどうかについても探求しました。彼らは、情報の多い波長のみを選び出す手法をテストし、データの量を減らしつつプロセスをより速く、より安価にすることを目指しました。スマートなサンプリング技術を用いて最も情報量の多いバンドを選択したある手法は、データの約4分の1を破棄しながらも高い精度を維持し、全300色の色を使用した場合の性能に非常に近い結果を示しました。しかし、データを少数の広いカテゴリーに圧縮しようとする他の手法は振るわない結果となり、この特定のタスクにおいては、全スペクトルの情報を保持することが極めて重要であることを示唆しました。研究チームは、複雑なパターン認識に優れた現代的なディープラーニングモデル（人工知能の一種）についてもテストを行いました。驚くべきことに、この高度なシステムは苦戦し、単純な統計的手法の半分以下の精度しか達成できませんでした。研究者たちは、このような中規模のデータセットに対しては、複雑なディープラーニングのアプローチは適切な道具ではなく、適切に調整された伝統的なモデルこそが実用的な選択肢であると結論付けました。

最終的に、この研究は穀物の品質管理の未来に向けた明確なロードマップを提供しています。それは、非破壊的な迅速なソルガム品種の特定が、確立された堅牢な手法を用いることで、高い信頼性を持って実現可能であることを証明しています。成功の鍵は、最も複雑なテクノロジーにあるのではなく、データの入念な準備と、適切で実績のある数学的ツールの選択にあることを、これらの知見は示唆しています。特定の光処理と統計分析の組み合わせが最適であることを確認したことで、研究者たちは、穀物のサプライチェーンの完全性を守るために、生産者や品質管理の専門家が使用できる信頼できる標準を提示したのです。