著者の所属・活動拠点の国は、台湾です。

掲載誌：Food Chemistry X

ライセンス: CC BY　対象: 公開論文　確認元: OpenAlex

研究の目的

コーヒー豆には主にアラビカ種とロブスタ種があり、製品によっては両者が混ぜて使われます。著者らは、コーヒーがどの種のものか、また混合品であれば両者がどの比率で配合されているかを、手軽かつ短時間で確かめる方法の開発を目指しました。

そのために研究チームが組み合わせたのが、持ち運べる電気化学センサーと機械学習です。電気化学センサーは、試料中の成分が電極上で反応するときに生じる電気的な信号を測る装置です。機械学習は、データの規則性をコンピューターに学ばせ、判別や予測に使う手法です。

何を測り、どう分析したか

研究チームは、コーヒーに含まれるカフェイン、クロロゲン酸類、トリゴネリン、還元糖を対象に電気化学測定を行いました。さらに、焙煎度合いも分析に使う特徴の一つとして加えています。

論文によると、こうして得られた測定データの組み合わせは、コーヒーごとの「電気化学的な指紋」のような役割を果たしました。この指紋には、豆の種類による成分の違いと、焙煎によって生じる化学的な変化の両方が反映されていたと報告されています。

著者らはこの指紋を使い、二つの課題に取り組みました。一つは、試料がアラビカ種、ロブスタ種、混合品のどれに当たるかを判別することです。もう一つは、混合品の配合比率を数値として予測することです。判別には「勾配ブースティング」と呼ばれる手法の一種（XGBoost）を、配合比率の予測には人間の神経回路を模した計算モデルである人工ニューラルネットワーク（ANN）を用いました。

主な結果

種類の判別では、XGBoostによるモデルがアラビカ種、ロブスタ種、混合品を高い精度で区別できたと報告されています。

配合比率の予測では、予測の当てはまりの良さを示す決定係数R²（1に近いほど良い）と、予測誤差の大きさを示すRMSEやMAE（小さいほど良い）で評価しました。データを無作為に学習用と検証用に分けた場合、R²は0.980、RMSEは0.050でした。著者らはこの結果を、学習に使ったデータと性質の近いデータでの基準値として位置づけています。

より厳しい評価として、研究チームは特定の配合の組を丸ごと学習から外し、その組を予測できるかを確かめる検証方法も用いました。この条件でも、複数のANNを組み合わせたモデルはR²が0.9121、RMSEが0.0676、MAEが0.0547でした。予測の87.0%は、基準となる配合比率との差が±0.10以内に収まったと報告されています。

加えて、過去の文献で報告されたコーヒーの成分データを使った外部検証も行われ、種類の判別について補完的な裏付けが得られたとしています。

この研究が示すこと

著者らによると、この方法で必要なのはコーヒー抽出液のごく少量で、電気化学測定自体は試料の準備後3分以内で終えられます。この点は従来の分析法と比べた特徴として示されています。

この研究は、持ち運べるセンサーで測った複数成分の信号と焙煎度合いを機械学習で読み解くことで、コーヒーの種類の判別と配合比率の推定を少量の試料と短い測定時間で行える可能性を示したものです。

原著論文の著者・所属：Bing-Chen Gu（Graduate Program in Semiconductor and Green Technology, Academy of Circular Economy, National Chung Hsing University, Nantou County, Taiwan）、Kuan-Jung Chung（Department of Mechatronics Engineering, National Changhua University of Education, Changhua, Taiwan）、Zhen-Wei Hong（Department of Mechanical Engineering, National Chung Hsing University, Taichung, Taiwan）、Ning-Hsieh Yang（Department of Mechanical Engineering, National Chung Hsing University, Taichung, Taiwan）、Chia-Che Wu（Department of Mechanical Engineering, National Chung Hsing University, Taichung, Taiwan; Graduate Program in Semiconductor and Green Technology, Academy of Circular Economy, National Chung Hsing University, Nantou County, Taiwan; i-Center for Advanced Science and Technology, National Chung Hsing University, Taichung, Taiwan）

※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）：Bing-Chen Gu, Kuan-Jung Chung, Zhen-Wei Hong, et al. Portable electrochemical sensing coupled with machine learning for rapid Arabica and Robusta coffee authentication and blend ratio prediction. Food Chemistry X 2026-09-26. DOI: 10.1016/j.fochx.2026.104523. 原著ライセンス：CC BY.