著者の所属・活動拠点の国は、インドネシア、イラクです。

掲載誌：Food Technology and Biotechnology

ライセンス: CC BY　対象: 公開論文　確認元: OpenAlex

研究の目的

アルマニスはインドネシアの高価なマンゴー品種で、売れ行きは主に甘さなど果実内部の品質で決まります。著者らによると、大きさや皮の色による選別では、水分、糖度、酸度、ビタミンCといった内部の性質をうまく予測できません。果肉を切って調べる方法は正確ですが、時間と手間がかかり、調べた果実は売れなくなります。

光を当てて反射を測る近赤外分光法なら果実を傷つけずに中身を推定できますが、論文によると市販の装置は1万〜5万ドルと高価です。一方、安価で持ち運べるAS7265xセンサーは、測れる波長が18点に限られ、得られる情報が少なくなります。研究チームは、この弱点を計算手法で補えるかを確かめることを目指しました。具体的には、複数の予測モデルを組み合わせ、その配分を遺伝的アルゴリズムで最適化した方法が、単独のモデルより正確に品質を推定できるかを調べました。遺伝的アルゴリズムとは、生物の進化をまねて、よい答えを少しずつ探す計算方法です。

何を、どのように調べたか

材料は、インドネシアのプルウォケルトで入手したアルマニス・マンゴー200個です。このうち100個はスーパーマーケットなどの近代的な小売店から集めたもので、20〜22℃で管理されていました。残る100個は伝統的な屋外市場から集めたもので、28〜32℃の気温にさらされていました。研究チームは、熟し具合や品質のばらつきを大きくして、特定の保存条件だけに偏らないモデルを作るために、2種類の市場から果実を集めました。

果実を25℃にならし、表面を清掃したあと、AS7265xセンサーを組み込んだ自作の装置で測定しました。測ったのは、410〜940ナノメートルの18波長での光の反射です。皮の色にむらがあるため、1個につき反対側の2か所を測りました。その直後に果肉を分析し、正解となる値を求めました。測った項目は、糖度計で測る可溶性固形分（甘さの目安、単位はブリックス）、全糖量、ヨウ素滴定によるビタミンC、pH、乾燥前後の重さから求める水分量の5つです。

予測モデルには、単純な直線関係を仮定する線形回帰、曲線的な関係も扱えるサポートベクター回帰、人工ニューラルネットワークの3種類を使いました。これらを組み合わせる方法として、3つの予測を単純に平均する方法と、遺伝的アルゴリズムで各モデルの重みを決めて平均する方法を比べました。データの80%でモデルを作り、残り20%で性能を確かめました。評価には決定係数（R²、1に近いほど実測値をよく説明できる）と平均二乗誤差（小さいほど誤差が少ない）を用いました。

主な報告結果

遺伝的アルゴリズムで重みを決めた組み合わせモデルは、5つの品質項目すべてで最も高い予測性能を示しました。性能は、単独のどのモデルよりも、単純な平均よりも上回りました。R²は全糖量で0.986、可溶性固形分で0.979、水分量で0.966、ビタミンCで0.941でした。全項目の平均は約0.97と報告されています。pHについても、信頼できる精度で予測できたとされています。

単独のモデルでは、線形回帰の精度が最も低く、特にビタミンCと全糖量で劣りました。サポートベクター回帰とニューラルネットワークは線形回帰を大きく上回り、なかでもニューラルネットワークが曲線的な関係をよくとらえました。ただし、これらのモデルには、学習用データと確認用データで誤差に差が出る過学習が見られることがありました。単純平均の組み合わせは予測を安定させましたが、精度は最大になりませんでした。最適化で決まった重みは、ニューラルネットワーク約0.86、サポートベクター回帰約0.14、線形回帰約0.0002でした。

反射の波形は、どちらの市場の果実でも全体の形が似ていました。一方、伝統的市場の果実は、特に410〜700ナノメートルで反射が強くなりました。著者らはこの違いについて、熟し具合や収穫後の扱いの違いを反映している可能性があると述べています。平均の水分量は、近代的小売店の果実で86.4%、伝統的市場の果実で87.2%で、ほぼ同じでした。

この報告が示すこと

研究チームは、安価なセンサーは波長の情報が少ないという弱点があるものの、性質の異なる予測モデルを最適に組み合わせることで補えると結論づけています。著者らは、手頃で広く使える果実の品質選別を実現するうえでは、高価な機器よりも計算手法の工夫が鍵になると述べています。また、性質の異なる2種類の市場の果実で検証したことから、実際の流通に近い多様な条件でもモデルが信頼できると論文は評価しています。小規模農家や商人が現場で使える可能性もあるとしています。

一方で、今回のデータは1つの都市で集めた1品種のマンゴーに基づいています。著者ら自身も、季節や品種を広げてデータを増やすことを今後の課題として挙げています。

原著論文の著者・所属：Susanto B. Sulistyo（Jenderal Soedirman University）、Desta L. Fatmala（Jenderal Soedirman University）、Dini Y. Putri（Jenderal Soedirman University）、Muhammad R. Nursyahpratama（Jenderal Soedirman University）、Krissandi Wijaya（Jenderal Soedirman University）、Purwoko H. Kuncoro（Jenderal Soedirman University）、Arief Sudarmaji（Jenderal Soedirman University）、Pepita Haryanti（Jenderal Soedirman University）、Hasan M. Kadhim（Mustansiriyah University）

※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）：Susanto B. Sulistyo, Desta L. Fatmala, Dini Y. Putri, et al. Cross-Market Non-Destructive Quality Assessment of Arumanis Mangoes Using Genetic Algorithm–Optimized Ensemble Models and Low-Cost AS7265x UV–Vis–NIR Spectroscopy. Food Technology and Biotechnology（出版社：University of Zagreb） 2026-11-10. DOI: 10.17113/ftb.64.04.26.9553. 原著ライセンス：CC BY.