掲載誌：Zenodo (CERN European Organization for Nuclear Research)

ライセンス: CC BY 4.0　対象: 公開論文　確認元: DataCite

なぜスパイスの真正性が問題になるのか

料理に使われるスパイスは、世界的に混ぜ物（不正な混入）が多い農産物のひとつだと著者らは指摘しています。流通経路が複雑で、製品の経済的価値が高いことが背景にあります。特に粉末にしたスパイスは見た目で判断しにくく、安価な植物原料やでんぷん、使用済みのスパイス、鉱物、認められていない着色料などが混ぜられることがあります。

食品の「真正性」とは、その食品がラベルや産地、成分、商品説明どおりのものであることを意味します。有害物質の検出だけでなく、種類や産地の表示が正しいかどうかも含まれます。従来の液体クロマトグラフィーや質量分析、化学試験といった実験室での分析は、試料を壊してしまううえ時間がかかり、大量のスパイス粉末を素早くふるい分ける用途には向かないと論文は述べています。

そこで研究チームは、人工知能（AI）と、センサーや機器をネットワークでつなぐIoT（モノのインターネット）を使ったスパイスの真正性確認や混ぜ物検出について、既存の研究を整理しました。あわせて、どのような課題が実用化を妨げているかを明らかにし、検査の仕組みの構想を示すことを目的としています。

どのように文献を調べたか

この論文は、新しい検出装置を開発・検証したものではなく、文献を読み解いてまとめる「ナラティブレビュー」です。著者らによると、2016年から2026年に発表された22の文献を選び、スパイスの流通上のリスク、画像認識と深層学習、携帯型の可視・近赤外分光、電子鼻（においを検知するガスセンサー）、複数センサーの組み合わせ、混入濃度を推定する機械学習、現場で動く小型IoT機器といったテーマで整理しています。

対象はおもに乾燥スパイスとスパイス粉末で、ターメリックなど広く取引されるスパイスに焦点を当てています。著者らは、手順をすべて記録して再現できる形の系統的レビューではなく、目的を絞ったレビューであると明記しています。また、性能の数値は引用元の研究が報告したものだけを紹介しており、提案する仕組みの精度は仮定していません。

レビューで見えてきたこと

著者らのまとめによると、画像認識に強い畳み込みニューラルネットワークや、学習済みモデルを転用する手法は、ホールスパイスと紛れ込んだ別の植物を高い精度で見分けられることが報告されています。また、小型の可視・近赤外分光センサーで、粉末に混ぜられた食用色素やでんぷん系の増量剤を検出できたとする研究もあります。さらに、ガスセンサーを並べた装置と機械学習の組み合わせで傷んだスパイスを見分けたり、画像と分光のデータを組み合わせることで単独の方法よりも正確に検出できたりした例も紹介されています。

具体例として取り上げられたターメリック粉末の研究では、900〜2170ナノメートルの近赤外の範囲を使ったモデルが、その研究で設定された試験条件のもとで、多くの場合100%の分類精度を示したと報告されています。ただし著者らは、この結果は用いた試料や混入物、濃度の範囲、データの分け方、測定機器などに左右されるもので、そのまま一般化できるわけではないと注意を促しています。

分光法は試料を壊さずに成分の「指紋」のような情報が得られる点が魅力ですが、装置がカメラより高価になりやすく、水分量や粒の大きさ、温度、機器ごとの調整によって信号が変わるという弱点も挙げられています。一方、IoTやブロックチェーン（後から書き換えにくい記録の仕組み）は、いつ、どこで、どの試料を検査したかを確実に記録するのに役立ちますが、それ自体が成分を調べるわけではありません。入力された時点で誤ったデータは正せないため、化学的な確認の代わりにはならないと論文は強調しています。

課題として著者らは、多くの研究が単純化された混入条件で行われていること、複数のセンサーを組み合わせた公開データが不足していることを挙げています。ほかにも、産地や季節、機器が異なる試料での検証不足、複数の混入物や低濃度の混入への対応、判断理由が見えにくいこと、IoT機器の安全対策などが論点として整理されています。

提案された仕組みとこの研究の意味

著者らは、試料の識別、センサーによる測定、AIによる推定、判定、記録と追跡という5つの層からなる構想を示しています。判定は「合格」「混入の疑い」「判断できない」の3つに分け、疑いがある試料や判断できない試料は実験室での確認検査に回す、という段階的な考え方です。安価なカメラやセンサーでまずふるい分け、必要なものだけを詳しく調べる二段構えの仕組みが、小規模な事業者にとって現実的な選択肢になりうると論じています。

このレビューから伝わるのは、AIやIoTはスパイスの検査を速く手軽にする可能性を持つ一方で、それだけで本物かどうかを保証できるわけではないという点です。信頼できる検査にするには、多様な試料を集めた学習データ、正確な機器の調整、そして結果の確かさの限界を明確にすることが欠かせないと、著者らは結論づけています。

原著論文の著者・所属：Kurhade Aryan Ram、Bangar Abhishek P、Bhosale Sachin B、Dr. Khatri Anand A

※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）：Kurhade Aryan Ram, Bangar Abhishek P, Bhosale Sachin B, et al. Artificial Intelligence and Internet of Things-Based Food Authenticity and Adulteration Detection in Spices: A Review Paper. Zenodo (CERN European Organization for Nuclear Research) 2026-10-30. DOI: 10.5281/zenodo.23801837. 原著ライセンス：CC BY.