Rapid and non-destructive identification of micro-contaminants on eggshell surfaces based on machine vision and deep learning

毎日、何百万もの卵が梱包施設内のコンベアベルトに沿って移動し、農場から食卓へと運ばれています。その道のりの大部分はスムーズですが、卵の表面は、目に見えないほど小さな脅威によって安全が損なわれかねない、脆弱な景観を持っています。産卵の過程で、卵には糞、血、あるいは泥などの小さな汚れが付着することがあります。これらの汚染物質は単に見栄えが悪いだけでなく、適切に扱われない場合、人々を病気にさせる可能性のあるサルモネラ菌のような危険な細菌を運ぶことがよくあります。何十年もの間、こうした微細な欠陥を見つける唯一の方法は、人間の作業員がすべての卵を一つひとつ目視することでした。しかし、それは作業員の視力や集中力に依存する、遅くて疲れる作業でした。人間は疲れますし、注意力が散漫になり、必然的に欠陥を見逃したり、殻にある自然な模様を汚れと見間違えたりしてしまいます。これを解決するために、エンジニアたちは、機械のスピードと訓練された目の正確さを備えた自動化された検査プロセスを実現することを目指し、カメラとコンピュータを使用して世界を「見て」分析する技術であるマシンビジョンへと目を向けました。

しかし、課題は、卵の殻が空白のキャンバスではないということです。卵の殻には、独自の自然な質感、すなわち汚れと非常によく似た斑点や色の変化といった模様があります。カメラが動いている卵の画像を捉えるとき、背景にはコンベアベルトの質感や不均一な照明が入り込み、標準的なコンピュータプログラムを混乱させる視覚的なノイズを作り出します。これらのプログラムは、無害な自然の斑点と危険な汚れの区別をつけるのに苦労することが多く、その結果、卵が不必要に廃棄されたり、逆に、危険な卵が隙間を縫って通り抜けたりしてしまいます。中国の浙江農業理工大学の研究者たちは、この混乱を切り抜け、動いている卵の上の極めて小さな欠陥を特定できるほど高速で、優しく、かつ精密な手法を作り出すために研究に取り組みました。

チームはまず、コンピュータに卵を異なる方法で見る方法を教えることから始めました。コンピュータが汚れを特定しようとする前に、研究者たちはコンピュータが見ている画像をクリーンアップする必要がありました。彼らは、卵を周囲から分離し、コンベアベルトや影をコンピュータの視界から事実上消去するプロセスを開発しました。背景を均一な明るい白にすることで、システムはコンピュータが卵の表面そのものに完全に集中するように強制します。このステップは非常に重要です。なぜなら、通常コンピュータを混乱させる原因となる「気を散らすもの」を取り除くことができるからです。画像が整理されると、コンピュータは卵の殻と、その上にある暗い斑点とのコントラストをより明確に捉えることができ、滑らかな白い背景に対して小さな汚れが際立つようになります。

画像が準備できたら、研究者たちは操作の「脳」にあたる、物体を認識するために設計された高度なコンピュータプログラムへと移りました。彼らは、画像の検索能力に定評のある、強力で現代的な検出システムであるYOLOv8sから着手しました。しかし、標準的なバージョンのプログラムでは、卵の微細な汚れを見つけるという特定のタスクには不十分でした。標準的なモデルは、非常に小さな斑点を見逃したり、殻の自然な質感を欠陥と誤認したりする傾向がありました。これを修正するために、研究者たちはプログラムのアーキテクチャに3つの特定のアップグレードを加えました。第一に、コンピュータが全体像を理解するのを助けるモジュールを追加し、画像の異なる部分がどのようにグローバルに関連し合っているかを把握できるようにしました。第二に、スポットライトのように機能するメカニズムを導入し、無関係な背景ノイズを無視しながら、最も重要な特徴に注意を払うようコンピュータに指示しました。最後に、微小な物体を捉えるために特別に設計されたレイヤーを追加し、どんなに小さな汚れであっても見逃されないようにしました。

これらの組み合わせによる改善の結果、彼らはAEP2-YOLOv8sと呼ぶ新しいシステムを生み出しました。大量の実際の卵の画像を用いてテストを行った際、このアップグレードされたシステムは、オリジナルのバージョンよりも大幅に優れた性能を示しました。このシステムは高い精度で汚染物質を特定することに成功し、未修正のモデルと比較して、正しいターゲットを見つける能力を約7パーセント向上させました。また、卵の自然な模様と実際の汚れを区別することに特に優れており、誤報の数を減らしました。さらに、汚れの位置をより高い精度で特定し、欠陥の周囲によりタイトな境界を描くこともできました。研究者たちは、他の種類の注意メカニズムも存在しますが、彼らが選んだ特定の組み合わせが、この特定の課題に対して最も適しており、スピードの必要性と極限の正確さの必要性のバランスをうまく取っていることを発見しました。

この研究は、卵を傷つけたり生産ラインを遅らせたりすることなく、卵の検査を自動化することが可能であることを示しています。視覚的な入力をクリーンにし、正しい詳細に焦点を合わせる能力を洗練させることで、研究者たちは農場の雑多な現実に対処できるツールを作り上げました。このシステムは完璧ではありません。汚れが極めて薄い場合や照明条件が困難な場合には依然として課題に直面していますが、これは大きな前進を意味しています。この研究は、画像のクリーニングと、スマートで標的を絞った検出ソフトウェアへのアップグレードを組み合わせることで、最小の脅威を特定するために人間の目よりもはるかに信頼できる機械を構築できることを示唆しています。このアプローチは、現代の農業に求められる高いスピードで生産ラインを動かしながら、私たちの食卓に届く卵が清潔で安全であることを保証するための実用的な道筋を提供しています。