技術要約：焙煎コーヒー豆の品種に関する大規模分類

問題の定義

本研究が取り組む主要な課題は、焙煎されたコーヒー豆の品種を視覚的に判別することの困難さである。同様の焙煎度合いに加工されると、異なる産地や種（例：アラビカ、ロブスタ、リベリカ、エクセルサ）の豆は、人間の目にはほぼ同一に見える。この視覚的な類似性は、高価な豆に低価値の豆を混ぜたり、製品のラベルを偽ったりといった業界における欺瞞行為を容易にし、消費者保護と公正取引を損なう要因となっている。分光法やクロマトグラフィーなどの既存の分析手法も存在するが、これらは時間がかかることが多く、サンプルの前処理を必要とし、結果に主観性が入り込む可能性がある。さらに、自動分類に関するこれまでの研究は、主に生豆（未焙煎）や小規模なデータセット、あるいは限定的な地理的領域に焦点を当てており、形態的な差異が最小限となる焙煎豆特有の課題に対処できていないことが多い。

手法

データセットの作成と取得

本研究では、新規の大規模データセットを構築した。15社のサプライヤーから、焙煎されたコーヒー豆の高解像度画像8,417枚を取得した。豆は、アラビカ、ロブスタ、リベリカ、エクセルサの4つの主要なタイプで構成されている。

• 取得セットアップ: 一貫性を確保するために、カスタム撮影リグを設計した。Nikon D600 SLR、105mmマクロレンズ、回転式ターンテーブル、およびLED照明（色温度5800K）を備えたGodox LST60プロダクトテントを使用している。
• 画像生成: データの有用性を最大化するため、各高解像度画像（6016x4016ピクセル）を処理して、約190,000枚の画像を生成した。
  • クロッピング戦略: 正方形の寸法にリサイズする際の歪みを避けるため、画像を4016x4016の正方形（左、中央、右）および、最小8ピクセルのオーバーラップを持つ1004x1004の正方形（グリッドベース）にクロップした。
  • フィルタリング: 有意義な豆の含有量を確保するため、ヒストグラムベースのスクリーニング（ピクセルが0〜100の範囲にある割合が22%以上であることを要求）を1004x1004のクロップに対して適用し、最終的な訓練セットとして189,976枚の画像を得た。
• クラス分布: データセットは不均衡であり、アラビカがデータの約54%、リベリカが約7%を占めている。

前処理および検証戦略

• リサイズ: モデルの入力要件に合わせて、画像を224x224および299x299ピクセルにリサイズした。
• 交差検証: 層化グループK-Fold (k=10) アプローチを採用した。極めて重要な点として、この「グループ」戦略により、同一のソース写真から派生した画像パッチが訓練セットとテストセットの間で分割されないようにした。これにより、データ漏洩（データリーケージ）を防ぎ、汎化性能に対する厳格な評価を保証した。
• データ拡張（Augmentation）: 新たなデータ収集を行うことなく多様性を高めるため、ランダムな水平・垂直反転、回転（±15°）、および明るさ、コントラスト、彩度、色相の調整を適用した。
• 不均衡への対処: **重み付きクロスエントロピー損失（Weighted Cross-Entropy Loss）と重み付きランダムサンプラー（Weighted Random Sampler）**を利用し、少数クラス（リベリカ、エクセルサ）のエラーに対してより高いペナルティを与え、訓練バッチに頻繁に含まれるようにした。

モデルおよび訓練技術

本研究では、ディープラーニング（DL）と機械学習（ML）の両方のアプローチを評価した：

1. ディープラーニング: 5つの畳み込みニューラルネットワーク（CNN）アーキテクチャをテストした：ResNet-18、ResNet-50、MobileNetV3-Large、EfficientNet-B0、および ConvNeXt-Tiny。訓練にはAdamオプティマイザ、L2正則化（重み減衰 = 0.0001）、勾配クリッピング（max_norm=1.0）、およびStepLRスケジューラを使用した。過学習を防ぐために早期終了（Early stopping）を適用した。
2. 機械学習: ランダムフォレスト（RF）とXGBoostをテストした。これらは、分類の前に画像からの特徴抽出を必要とする。
3. ハイブリッドアプローチ: CNNを特徴抽出器として使用し、抽出された特徴をランダムフォレスト分類器に入力した。

主要な結果

ディープラーニングの性能

• 最良の総合モデル: 299x299ピクセル入力を用いたEfficientNet-B0が最高の性能を達成した。
  • 精度（Accuracy）: 99.86% ± 0.09（10個のフォールドにおける平均テスト精度）。
  • 指標: F1スコア 0.9985、適合率（Precision） 0.9982。
  • 堅牢性: 極めて低い標準偏差（0.0009）は、異なるデータ分割間での高い一貫性を示している。
  • 少数クラスの処理: モデルは、多数派クラス（アラビカ）と同じ精度で少数派クラス（リベリカ）を分類することに成功しており、重み付き訓練戦略の有効性を検証した。
• 比較: ResNet-50とMobileNetV3-Largeも良好な性能（精度99%以上）を示したが、ConvNeXt-Tinyは大幅に性能が低下した。
• サブ分類: 8つの特定のアラビカ亜種を分類する二次研究において、EfficientNet-B0（224x224入力）は**99.73%**の精度を達成し、種内の微細な差異を識別する能力を示した。

機械学習およびハイブリッドの性能

• XGBoost: XGB-Deep-1000構成がランダムフォレストを上回り、**97.98%**のテスト精度を達成した。
• ランダムフォレスト: 最良のRF構成（RF-Regularized-500）は、**92.74%**の精度を達成した。
• ハイブリッドアプローチ: CNNで特徴抽出を行い、その後にランダムフォレストで分類する手法は、エンドツーエンドのディープラーニングよりも低い結果となった。最良のハイブリッド結果（ConvNeXt-Tinyの特徴 + RF）は**92.19%**の精度に達しており、この特定のタスクにおいてはエンドツーエンドのディープラーニングが優れていることを示唆している。

貢献と意義

著者らは以下の主要な貢献を特定している：

1. 初の大規模焙煎データセット: 文献で支配的な生豆の研究におけるギャップを埋める、焙煎されたコーヒー豆に特化した初の大規模かつ高解像度な画像データセットを作成した。
2. 制御された取得: 特別に設計された制御された撮影セットアップの使用により、照明や角度による変動を抑えた高品質で標準化されたデータが保証されている。
3. 包括的な分類範囲: 本研究は、4つの主要な商業用コーヒータイプ（アラビカ、ロブスタ、リベリカ、エクセルサ）の分類に成功しており、さらにアラビカの品種のサブ分類を行う能力も実証している。
4. リークを考慮した検証: 層化グループK-Fold交差検証の実装により、画像パッチからのデータ漏洩を防ぎ、標準的なランダム分割よりも厳格かつ現実的な性能評価を提供している。
5. ベンチマーキング: 本研究は、複数の最先端CNNアーキテクチャとMLアルゴリズムの比較分析を提供し、この特定の用途における現在の最先端（SOTA）としてEfficientNet-B0を確立した。

本論文は、ディープラーニングを用いることで、焙煎コーヒー豆の自動分類が高精度で実現可能であることを結論付けており、コーヒー業界における不正検知、品質管理、および消費者保護のための潜在的なソリューションを提供するものである。著者らは、現在の結果は有望であるが、商業的な展開に向けた汎用性をさらに向上させるためには、より多くの地域的な品種や焙煎度合いを含むようにデータセットを拡張することに今後の課題があると考えている。