著者の所属・活動拠点の国は、インドネシアです。

掲載誌：Jurnal Bio-Geo Material Dan Energi

ライセンス: CC BY　対象: 公開論文　確認元: OpenAlex

研究の目的

コーヒー豆の品質検査では、割れや虫害などの欠陥を見つける作業が手作業に頼ることも多く、判定の一貫性や検査速度が課題になります。著者は、画像から特徴を学ぶ機械学習などを使った品質管理について、研究の広がり、主に使われている技術、実際の導入に向けて残る課題を文献から明らかにしようとしました。

何を、どのように調べたか

著者は学術文献データベースScopusで、2023～2026年の文献を検索しました。「コーヒー豆の欠陥」または「機械学習」と「品質管理」を組み合わせ、工学分野のオープンアクセス文献を抽出しました。最初に見つかった2,622件から、文献の種類や言語などで絞った英語の研究論文1,630件について、発表数やキーワードの動向を分析したと報告しています。

さらに、題名と要旨の確認で130件を残し、本文を確認したうえで、最終的に42件を文献レビューの対象に選びました。選定では、コーヒー豆の品質評価・分類・欠陥検出を扱い、機械学習や画像解析などを品質検査に用いていることを重視しました。

分析では、論文中で一緒に使われるキーワードの関係や、発表時期によるテーマの変化を調べました。また、選んだ文献の内容を整理し、欠陥検出に使われる手法とその課題をまとめました。新しい検査装置を実験で評価した研究ではありません。

主な報告結果

著者の集計では、機械学習を用いた品質管理に関する論文数は、2023年の364件から2024年の457件、2025年の531件へと増加しました。キーワードの分析では、機械学習、深層学習、人工知能、品質管理、コンピュータービジョンが主要なテーマとして現れました。コンピュータービジョンとは、画像から対象の特徴や状態を読み取る技術です。

文献の内容を整理した結果、コーヒー豆の分類や欠陥検出に関係する手法として、画像の特徴を学習する畳み込みニューラルネットワーク（CNN）や、画像中の対象を検出するYOLOなどが挙げられました。キーワード同士の関係からは、ニューラルネットワーク、サポートベクターマシン、ランダムフォレストなど、分類や予測に使う手法も目立ったと報告しています。

一方で著者は、多くの先行研究が実験室のデータを用いたモデルの試験にとどまり、工場規模での検証、生産現場の品質管理への組み込み、その場で画像を処理して判定するリアルタイム運用には課題が残ると整理しました。

この報告が示すこと

著者は、文献の動向から、コーヒー豆の品質管理を機械学習と画像解析によって自動化するための技術や課題を整理できたと結論づけています。ただし、キーワードの多さや結び付きは、個々の手法の検出性能や、工場ですぐに使えることを示すものではありません。論文で提示した品質管理の仕組みも概念的な枠組みであり、実用環境で性能を確認したシステムとは区別されています。

原著論文の著者・所属：Rahmat Fadhillah（Industrial Engineering Study Program, Al Azhar University Medan, North Sumatra Province, Indonesia）

※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）：Rahmat Fadhillah. Machine Learning-Based Quality Control for Detecting Coffee Bean Defects: A Bibliometric Analysis. Jurnal Bio-Geo Material Dan Energi 2026-11-03. DOI: 10.22437/dwsmf028. 原著ライセンス：CC BY.