この研究は、中国の研究機関の研究論文です。

掲載誌：Foods

ライセンス: CC BY　対象: 公開論文　確認元: OpenAlex

なぜ非破壊の検査技術が求められるのか

トウモロコシ、コメ、コムギ、オオムギ、ソルガム、キビといった穀物は、世界のカロリー摂取の約半分を支えており、人の食事と家畜の飼料の両方の基盤になっています。論文によれば、穀物の国際取引は年間およそ4億9000万トンに達し、育種から収穫受け入れ、保管、加工、輸出までの各段階で、迅速で信頼できる品質評価が必要とされています。

ところが従来の品質検査は、タンパク質を測るケルダール法、脂肪を測るソックスレー抽出、デンプンを測る酵素法といった湿式化学分析が中心です。著者らは、これらが十分に確立された方法である一方、採取や前処理、分析に相当な時間がかかり、試料を壊してしまい、しかも試料全体の平均値しか得られないため、同じ試料の中のばらつきが見えなくなる点を指摘しています。年に数千もの少量試料を扱う育種や、保管中の穀物をリアルタイムで監視する場面では、こうした制約がとくに問題になります。

そこで注目されているのがハイパースペクトル画像(HSI)です。分光分析の化学的な感度と、デジタル画像の空間的な解像度を組み合わせた技術で、画像の1画素ごとに数十から数百の連続した波長の情報を持つ三次元のデータの塊(x、y、波長)を一度の撮影で得られます。穀物に含まれる成分の化学結合(O–H、N–H、C–H、C=O、C–O)が特定の波長の光を吸収する性質を利用して、成分量の推定と分布の把握を同時に行えるのが特徴です。この論文は総説(レビュー)であり、自ら測定を行うのではなく、既に発表された研究を整理して全体像を示すものです。

何を、どのように整理したか

著者らは、Scopus、Web of Science、PubMed、Google Scholarを対象に、2021年から2026年に発表された英語の査読付き論文を検索し、それ以前の重要な研究も補う形で文献を集めました。「ハイパースペクトル画像」という語を、6種の穀物名や、タンパク質・デンプン・水分・カビ毒(アフラトキシン、デオキシニバレノールなど)・脂質・繊維・粒の硬さ・品種判別といった品質項目と組み合わせ、さらに畳み込みニューラルネットワークや部分最小二乗法など解析手法の名前とも組み合わせて検索しています。

整理の枠組みは、波長域ごとの原理、品質項目ごとの応用、解析手法、作物間の比較、という順序です。波長域については、可視〜近赤外(400〜1000ナノメートル)が色や外観の欠陥、品種判別に向き、近赤外(900〜1700ナノメートル)がタンパク質・水分・デンプン・油分の定量に最もよく使われ、短波赤外(1000〜2500ナノメートル)はカビ毒の検出に重要だと説明されています。著者らによれば、著者らが調べた限り、6種の主要穀物すべてを対象に品質項目の全体を一つの枠組みで整理した総説はこれまでなかったとされています。

報告された主な結果

タンパク質は最も研究が多い項目で、とくにコムギで成熟度が高いと報告されています。著者らがまとめた比較では、畳み込みニューラルネットワークを用いた手法が、従来よく使われてきた部分最小二乗回帰法を上回る例が示されています。水分はHSIにとって最も扱いやすい項目で、O–Hの強い吸収帯(970、1450、1940ナノメートル)のおかげで、レビューされた研究では決定係数が0.95を超える精度が穀物の種類を問わず日常的に達成されているとされます。著者らは、水分について残る課題は精度ではなく、乾燥・保管・受け入れ検査といった現場のリアルタイム設備への組み込みだと述べています。品種判別も技術的に最も成熟した応用で、正解率が9割を超え、99%に近づく例もあると報告されています。

一方で、重要な限界も明確に示されています。カビ毒の検出についてHSIが捉えているのは、カビ毒の分子そのものではなく、カビが繁殖した結果として粒の成分が変化した痕跡です。そのため、著者らによれば、規制値の水準(ppb、十億分の一のレベル)での直接的な定量は現在のHSI装置では一般に困難で、報告されている判別の閾値は多くがmg/kg(百万分の一)のレベルにとどまります。また、汚染した粒は全体のごく一部しかないため、全体の正解率だけを報告すると判断を誤らせる危険があるとして、感度と特異度を規制値に即した水準で報告すべきだと著者らは指摘しています。

解析手法については、深層学習が従来の手法を上回る報告が多く、定量項目では決定係数で3〜10%程度の優位が典型的だとされます。ただし著者らは、この優位が一様ではないことを強調しています。水分予測のように水の吸収が信号を支配する場合は従来法も十分に競争力があり、コメの品質予測では対象とする形質によって最適なモデルが異なり、計算の速さでは従来法に大きな利点がありました。カビ汚染を段階別に分類した研究では、前処理の条件を最適にすると、より単純な線形判別分析が複雑なニューラルネットワークを上回っています。著者らの結論は、モデルの複雑さだけでなく、対象とする性質、データの構造、前処理、試料数、計算コストを踏まえて手法を選ぶべきだということです。

作物ごとの偏りも報告されています。コムギとトウモロコシが論文数の大半を占める一方、ソルガムは世界で5番目に多く生産される穀物で半乾燥地域の5億人以上の主食であるにもかかわらず、HSI研究は10件に満たないとされます。キビの研究はさらに限られています。著者らは、研究の多さが世界の食料安全保障上の重要性よりも国際取引における経済的価値と強く結びついていると述べています。項目としては、脂質と食物繊維を主な対象としたHSI研究が極端に少なく、ソルガムのタンニン(タンパク質の消化性や加工性に大きく影響する成分)を扱った研究は見つからなかったことが、顕著な空白として挙げられています。

さらに著者らは、報告されている精度そのものの読み方にも注意を促しています。文献には成功例ばかりが並び、有用な精度で予測できなかったことを報告した研究は見つかりませんでした。撮影条件、前処理、アルゴリズム、検証手順のばらつきも大きく、研究間の比較を難しくしています。このため、総説にまとめられた数値は現場で期待できる性能ではなく、上限の見積もりと考えるべきだとされています。実際、大多数の研究は静止した試料と制御された照明のもと、実験室で行われており、産業現場での検証を報告した研究はごく少数で、AOAC、ICC、AACCといった公定法の地位を得たHSI手法はまだありません。小麦粉の流れの中でエルゴットアルカロイドを検出した研究が、その水準に最も近づいた例として挙げられています。

この整理が示すこと

著者らの総説が描くのは、実験室での精度という点ではHSIが穀物のタンパク質、水分、品種判別について実用的な水準に達しているという像と、それが現場の装置や公的な検査手法として認められるまでにはまだ距離があるという像の、二つが並んでいる状態です。

ここから読み取れるのは、技術の評価を「どれだけ高い精度が出たか」だけで測ることの危うさです。成功例に偏った文献、研究ごとにばらばらな手順、実験室という条件のよさ、そして指標の選び方——これらを踏まえなければ、報告された数字は現場の性能と取り違えられてしまいます。あわせて、どの作物やどの成分が調べられてきたかという偏りの地図を示したことで、技術そのものの性能とは別に、研究の関心がどこに向き、どこが手つかずなのかが見えるようになっています。

著者：Lingbo Zhou（Institute of Upland Food Crops, Guizhou Academy of Agricultural Sciences, Guiyang 550006, China）、Jichao Zhang（College of Agriculture, Guizhou University, Guiyang 550025, China）、Guobin Zhang（Institute of Upland Food Crops, Guizhou Academy of Agricultural Sciences, Guiyang 550006, China）、Can Wang（Institute of Upland Food Crops, Guizhou Academy of Agricultural Sciences, Guiyang 550006, China）、Qiang Zhao（Institute of Upland Food Crops, Guizhou Academy of Agricultural Sciences, Guiyang 550006, China）、Mingbo Shao（Institute of Upland Food Crops, Guizhou Academy of Agricultural Sciences, Guiyang 550006, China）、Liyi Zhang（Institute of Upland Food Crops, Guizhou Academy of Agricultural Sciences, Guiyang 550006, China）

※本記事は原著論文をもとに、日本語で要約・説明を加えた研究紹介です。 出典（原著論文）：Lingbo Zhou, Jichao Zhang, Guobin Zhang, et al. From Laboratory Accuracy to Industrial Deployment: A Review of Hyperspectral Imaging for Cereal Grain Quality and Safety Assessment. Foods 2026-10-01. DOI: 10.3390/foods15193520. 原著ライセンス：CC BY.