この研究は、中国の研究機関の研究論文です。

掲載誌：Foods

ライセンス: CC BY　対象: 公開論文　確認元: OpenAlex

研究の目的

コメに含まれるカドミウム（Cd）は、人の健康を守るうえでも、農産物の流通・取引の安全を保つうえでも、日常的な監視が欠かせない対象です。しかし研究チームによれば、従来の化学分析による検出方法は環境への負荷が大きく、手間がかかり、結果が出るまでに時間もかかります。

そこで著者らは、より速く、精度の高い判別の手立てとして、近赤外反射分光法（NIRS）に着目しました。近赤外分光法とは、試料に近赤外の光を当て、反射して返ってくる光の特徴を測ることで、試料を壊さずにその性質を調べる方法です。本研究は、この手法を用いてカドミウムに汚染されたコメと汚染されていないコメを区別できるかを検討したものです。

調べた方法

著者らは、測定した近赤外スペクトルにあらかじめ施す「前処理」の方法を5種類、また多数の波長の中から判別に役立つものを絞り込む「変数選択」のアルゴリズムを3種類取り上げ、それぞれがモデルの性能にどう影響するかを系統的に評価しました。

判別モデルの構築には、部分最小二乗判別分析（PLS-DA）、K近傍法（KNN）、サポートベクターマシン（SVM）という3つの機械学習手法が用いられています。いずれも、データの特徴からそれが属するグループを推定するための代表的な分類手法です。

報告された主な結果

前処理の比較では、二次微分（2D）による処理が最も大きな性能向上をもたらしたと報告されています。具体的には、テストデータでの正解率が、KNNでは73%から93%へ、SVMでは88%から91%へと上昇しました。

変数選択の方法については、逐次投影アルゴリズム（SPA）が最も有効だったとされています。こうした条件を最適化したうえで総合的に最も良い成績を示したのはPLS-DAで、テストデータにおいて正解率92%、特異度89%、感度95%を達成したと報告されています。ここでいう感度は汚染されたコメを正しく汚染ありと判定できる割合、特異度は汚染されていないコメを正しく汚染なしと判定できる割合を指します。

この研究が示すこと

著者らは、これらの結果が、近赤外分光法と機械学習を組み合わせることでコメのカドミウムを迅速かつ大規模に監視できる可能性を示すものだと述べています。そしてこの手法は、穀物の品質監視や、カドミウムの蓄積が少ない品種の育種を進める取り組みを技術的に支える基盤になり得る、というのが本研究の位置づけです。

著者：Xuexue Miao（State Key Laboratory of Hybrid Rice, Hunan Hybrid Rice Research Center, Changsha 410125, China）、Ying Miao（School of Computer Science & Technology, Beijing Institute of Technology, Beijing 100081, China）、Ni Li（State Key Laboratory of Hybrid Rice, Hunan Hybrid Rice Research Center, Changsha 410125, China）、Yang Liu（State Key Laboratory of Hybrid Rice, Hunan Hybrid Rice Research Center, Changsha 410125, China）、Weiping Wang（Longping College of Agriculture, Hunan University, Changsha 410082, China）

※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）：Xuexue Miao, Ying Miao, Ni Li, et al. Identification of Cadmium Contamination in Rice Using Near-Infrared Reflectance Spectroscopy and Machine Learning. Foods 2026-08-26. DOI: 10.3390/foods15173000. 原著ライセンス：CC BY.