エリトラフラグメントの顕微鏡画像のパターンを認識することにより、食品汚染カブトムシの種の識別

食物汚染検査の重要なステップは、いくつかの貯蔵カブトムシの存在が不和または潜在的な食品安全上の危険の良い指標であるため、サンプルに見られるカブトムシの断片の種を特定することです。現在のプラチス、人間のアナリストによる視覚検査は時間がかかり、数年の経験が必要です。ここでは、微視的なエリトラフラグメントの画像を利用する種識別アルゴリズムを開発しました。Elytra、または硬化した先見性は、体の大部分を占め、特徴的なパターンを含んでいます。さらに、エリトラの断片は、硬度のために他の体の部分よりも加工食品からより一般的に回収されます。予備的な取り組みとして、食品検査で頻繁に検出される15の貯蔵製品のカブトムシ種を選択しました。次に、エリトラを標本から分離し、顕微鏡下で画像化しました。グローバルな特性と局所的特性の両方が定量化され、種分類のための人工ニューラルネットワークへの特徴入力として使用されました。Leave-One-Out Cross Balidationにより、提案されたグローバルおよびローカル機能を通じて80％の全体的な精度を達成しました。これは、提案された機能がこれらの種を区別できることを示しています。種全体とあたりの正確さを調べることにより、局所的な特徴が種の識別のグローバルな特徴よりも優れていることを実証しました。将来の作業には、より多くのカブトムシの種を備えた堅牢なテストと、より高い精度のためにアルゴリズムの改良が含まれます。

A crucial step of food contamination inspection is identifying the species of beetle fragments found in the sample, since the presence of some storage beetles is a good indicator of insanitation or potential food safety hazards. The current pratice, visual examination by human analysts, is time consuming and requires several years of experience. Here we developed a species identification algorithm which utilizes images of microscopic elytra fragments. The elytra, or hardened forewings, occupy a large portion of the body, and contain distinctive patterns. In addition, elytra fragments are more commonly recovered from processed food products than other body parts due to their hardness. As a preliminary effort, we chose 15 storage product beetle species frequently detected in food inspection. The elytra were then separated from the specimens and imaged under a microscope. Both global and local characteristics were quantified and used as feature inputs to artificial neural networks for species classification. With leave-one-out cross validation, we achieved overall accuracy of 80% through the proposed global and local features, which indicates that our proposed features could differentiate these species. Through examining the overall and per species accuracies, we further demonstrated that the local features are better suited than the global features for species identification. Future work will include robust testing with more beetle species and algorithm refinement for a higher accuracy.