回折格子と画像処理を使用したオーガニックリンゴと非有機リンゴの区別 - 費用対効果の高いアプローチ

より高い生活の質への期待が向上するにつれて、消費者は高品質の食物に対するより高い要求を持っています。食品認証は、食品がそれが言っていることを保証する技術的手段です。食品認証に対する一般的なアプローチは、分光法に基づいており、オブジェクトの化学成分の識別と定量化に広く使用されています。このアプローチは非破壊的で効果的ですが、高価です。このペーパーでは、食品認証のためのコンピュータービジョンベースのセンサーシステム、つまり有機性の非有機リンゴの区別を紹介します。このセンサーシステムは、低コストのハードウェアとパターン認識ソフトウェアで構成されています。懐中電灯を使用して、リンゴを照らし、回折格子を通して画像をキャプチャします。これらの回折画像は、K-nearest Neighbors（K-NN）、サポートベクターマシン（SVM）、および3つの部分最小二乗識別分析（PLS-DA）ベースの方法を含むパターン認識アルゴリズムによる分類のためにデータマトリックスに変換されます。アップルサンプルの合理的なコレクションで実験を実施し、適切な前処理を採用して、94％の最高分類精度をもたらします。私たちの研究では、このセンサーシステムには、消費者に食品認証を可能にする実行可能なソリューションを提供する可能性があると結論付けています。

As the expectation for higher quality of life increases, consumers have higher demands for quality food. Food authentication is the technical means of ensuring food is what it says it is. A popular approach to food authentication is based on spectroscopy, which has been widely used for identifying and quantifying the chemical components of an object. This approach is non-destructive and effective but expensive. This paper presents a computer vision-based sensor system for food authentication, i.e., differentiating organic from non-organic apples. This sensor system consists of low-cost hardware and pattern recognition software. We use a flashlight to illuminate apples and capture their images through a diffraction grating. These diffraction images are then converted into a data matrix for classification by pattern recognition algorithms, including k-nearest neighbors (k-NN), support vector machine (SVM) and three partial least squares discriminant analysis (PLS-DA)- based methods. We carry out experiments on a reasonable collection of apple samples and employ a proper pre-processing, resulting in a highest classification accuracy of 94%. Our studies conclude that this sensor system has the potential to provide a viable solution to empower consumers in food authentication.