[論文レビュー] Meat adulteration detection through digital image analysis of histological cuts using LBP

João J. de Macedo Neto, Jefersson A. dos Santos+1 more|arXiv (Cornell University)|Nov 7, 2016

Identification and Quantification in Food被引用数 3

ひとこと要約

本稿では、局所的バイナリーパターン（LBP）を用いたデジタル画像解析手法を提案し、水または水溶液による牛の肉の不正混入を検出する。組織切片画像を分析することで、不正混入肉と正常肉を高精度に分類可能であり、従来の物理化学的試験に比べて迅速かつ非破壊的な代替手法を提供する。

ABSTRACT

Food fraud has been an area of great concern due to its risk to public health, reduction of food quality or nutritional value and for its economic consequences. For this reason, it's been object of regulation in many countries (e.g. [1], [2]). One type of food that has been frequently object of fraud through the addition of water or an aqueous solution is bovine meat. The traditional methods used to detect this kind of fraud are expensive, time-consuming and depend on physicochemical analysis that require complex laboratory techniques, specific for each added substance. In this paper, based on digital images of histological cuts of adulterated and not-adulterated (normal) bovine meat, we evaluate the of digital image analysis methods to identify the aforementioned kind of fraud, with focus on the Local Binary Pattern (LBP) algorithm.

研究の動機と目的

• 牛の肉に水または水溶液を添加する肉の不正行為の増加する懸念に応える。
• 高価で時間がかかり、物質に特異的な従来の物理化学的手法の限界を克服する。
• デジタル組織断面を用いた非侵襲的で自動化された画像ベースの検出システムを開発する。
• 局所的バイナリーパターン（LBP）アルゴリズムが不正混入肉と正常肉を分類する能力を評価する。
• 肉の検査における食品品質管理および規制適合のためのスケーラブルで再現可能なソリューションを提供する。

提案手法

• 不正混入および正常な牛の肉サンプルの組織断面の高解像度デジタル画像を取得する。
• 局所的バイナリーパターン（LBP）のテクスチャ記述子を用い、各画像ピクセル領域から空間的テクスチャ特徴を抽出する。
• LBPパターンのヒストグラム表現を用いて、不正混入組織に特徴的な局所的テクスチャ変動を符号化する。
• LBP特徴ベクトルを用いて教師あり分類器（例：SVM や k-NN）を学習させ、不正混入肉と非不正混入肉を区別する。
• 分類性能を最大化するために、LBPパラメータ（例：半径およびサンプリング点数）を最適化する。
• 既知の不正混入度を持つ制御済みの組織画像データセットを用いて、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 LBPに基づくテクスチャ解析は、不正混入牛の肉と非不正混入牛の肉の組織画像を効果的に区別できるか？
• RQ2 水添加による肉の不正混入を検出する際、LBPの性能は他のテクスチャ記述子と比べてどうか？
• RQ3 複雑な実験手順を要せず、LBPが不正混入肉の分類において高い正確性を達成できる範囲はどの程度か？
• RQ4 水添加による微細な組織学的変化を検出するための最適なLBPパラメータ設定は何か？
• RQ5 提案手法は、異なる肉サンプルおよびさまざまな不正混入度に一般化可能か？

主な発見

• LBPに基づく手法は、組織画像における不正混入牛の肉と正常牛の肉を高精度に区別できた。
• LBPは、水添加によって引き起こされる筋線維の微細構造的変化（均一性の増加やテクスチャパターンの変化など）を効果的に捉えた。
• 従来の目視検査を上回り、画像取得におけるわずかなばらつきに対しても頑健であることが示された。
• 時間のかかる物理化学的試験に比べ、迅速かつ非破壊的な分析が可能となった。
• LBPヒストグラムの使用により、自動検出システムに適したコンactかつ判別力のある特徴表現が得られた。
• 結果から、LBPは食品の安全性分野における大規模な肉の品質スクリーニングの実用的で効率的な代替手段であると示唆された。