著者の所属・活動拠点の国は、中国です。

掲載誌：npj Science of Food

ライセンス: CC BY-NC-ND　対象: 公開論文　確認元: OpenAlex

漢方や機能性食品の原料には、植物から抽出したエキスを乾燥させて粉末や濃縮物にする工程がある。しかし工業的な乾燥作業は、現場の経験や勘に頼って制御されることが多く、できあがった製品の品質にばらつきが出やすいという課題がある。今回紹介する研究は、クチナシの果実（Gardeniae fructus）から得たエキスを対象に、乾燥の進み具合をリアルタイムかつ製品を壊さずに把握する仕組みを機械学習で構築したものである。

研究チームには、江蘇康縁製薬（Jiangsu Kanion Pharmaceutical Co. Ltd.）と南京中医薬大学にまたがる「中医薬製薬プロセス制御・知能製造技術」国家重点実験室、および南京郵電大学に所属する研究者が名を連ねている。今回提供された情報の範囲では、日本の研究機関や日本の食品・生産事情への言及は見当たらない。

何を測り、どう判定したのか

研究チームは、クチナシ果実エキスを真空乾燥させる過程を、RGBカメラによる画像撮影と、350〜2500ナノメートルの波長帯を扱う近赤外〜短波赤外の分光反射測定を組み合わせた「マルチモーダル計測システム」で観察した。乾燥の基準となる指標としては、水分含有量と、クチナシに含まれる代表的な生理活性成分であるクロロゲン酸の量を、標準的な分析法によって別途測定し、これを正解データとして用いている。

スペクトル解析の結果、1400〜1900ナノメートルの波長域が、エキスの成分変化を捉えるうえで特に重要であることが示された。さらに注目すべき点として、分光データだけ、あるいは画像データだけを使う場合よりも、画像のテクスチャ（見た目の質感的な特徴）とスペクトル情報を組み合わせて機械学習に入力したほうが、予測精度が明確に向上したと報告されている。具体的には、この融合モデルによって水分含有量の予測で決定係数0.99、クロロゲン酸含有量の予測で決定係数0.96という高い精度が得られたとされる（決定係数は1に近いほど、実測値と予測値がよく一致していることを示す指標である）。

この研究をどう読むか

この成果は、乾燥中のエキスをその場で少しも壊すことなく、リアルタイムに水分量や有効成分量を推定できる可能性を示すものである。著者らは、こうした非破壊モニタリングの枠組みが、機能性食品や栄養補助食品（ニュートラシューティカル）の製造における工程の標準化や品質管理に役立つ道具になりうると位置づけている。

ただし今回の検討はクチナシ果実エキスという一つの対象・一つの乾燥方式（真空乾燥）を用いたモデル的な研究であり、他の植物エキスや異なる乾燥条件でも同じ精度が得られるかどうかは、この情報からは判断できない。あくまで一つの研究であり、結論が確定したわけではない点には留意したい。

まとめ

クチナシ果実エキスの乾燥という具体的な製造工程を題材に、画像とスペクトルという二種類のセンサー情報を機械学習で融合させることで、水分やクロロゲン酸量を高い精度で推定できたと報告する研究である。食品や生薬の品質管理を、勘や経験だけでなくデータに基づいて行う流れの一例として捉えることができる。

原著論文の著者・所属：Yuwen Zhao（State Key Laboratory on Technologies for Chinese Medicine Pharmaceutical Process Control and Intelligent Manufacture, Jiangsu Kanion Pharmaceutical Co. Ltd. & Nanjing University of Chinese Medicine), Nanjing, China）、Xialin Chen（State Key Laboratory on Technologies for Chinese Medicine Pharmaceutical Process Control and Intelligent Manufacture, Jiangsu Kanion Pharmaceutical Co. Ltd. & Nanjing University of Chinese Medicine), Nanjing, China）、Tianhe Jiang（Nanjing University of Posts and Telecommunications, Nanjing, China）、Xiaojin Qian（Nanjing University of Posts and Telecommunications, Nanjing, China）、Xin Zhang（State Key Laboratory on Technologies for Chinese Medicine Pharmaceutical Process Control and Intelligent Manufacture, Jiangsu Kanion Pharmaceutical Co. Ltd. & Nanjing University of Chinese Medicine), Nanjing, China）、Changzhou Wang（State Key Laboratory on Technologies for Chinese Medicine Pharmaceutical Process Control and Intelligent Manufacture, Jiangsu Kanion Pharmaceutical Co. Ltd. & Nanjing University of Chinese Medicine), Nanjing, China）、Guoping Peng（State Key Laboratory on Technologies for Chinese Medicine Pharmaceutical Process Control and Intelligent Manufacture, Jiangsu Kanion Pharmaceutical Co. Ltd. & Nanjing University of Chinese Medicine), Nanjing, China）、Liang Cao（State Key Laboratory on Technologies for Chinese Medicine Pharmaceutical Process Control and Intelligent Manufacture, Jiangsu Kanion Pharmaceutical Co. Ltd. & Nanjing University of Chinese Medicine), Nanjing, China）、Chenfeng Zhang（State Key Laboratory on Technologies for Chinese Medicine Pharmaceutical Process Control and Intelligent Manufacture, Jiangsu Kanion Pharmaceutical Co. Ltd. & Nanjing University of Chinese Medicine), Nanjing, China）、Zhenzhong Wang（State Key Laboratory on Technologies for Chinese Medicine Pharmaceutical Process Control and Intelligent Manufacture, Jiangsu Kanion Pharmaceutical Co. Ltd. & Nanjing University of Chinese Medicine), Nanjing, China）、Wei Xiao（State Key Laboratory on Technologies for Chinese Medicine Pharmaceutical Process Control and Intelligent Manufacture, Jiangsu Kanion Pharmaceutical Co. Ltd. & Nanjing University of Chinese Medicine), Nanjing, China）

※本記事は原著論文の翻訳ではなく、研究内容を独自に解説したものです。出典（原著論文）：Yuwen Zhao, Xialin Chen, Tianhe Jiang, et al. Multimodal spectral-imaging fusion with machine learning for non-destructive monitoring of Gardeniae fructus extract drying. エヌピージェイ・サイエンス・オブ・フード (2026). DOI: 10.1038/s41538-026-01064-3. 原著ライセンス: cc-by-nc-nd.