[論文レビュー] Neural Network Classifiers for Natural Food Products

Jaderick P. Pabico, Alona V. De Grano+1 more|arXiv (Cornell University)|Jul 9, 2015

Spectroscopy and Chemometric Analyses参考文献 15被引用数 4

ひとこと要約

本論文は、人工ニューラルネットワーク（ANN）を用いた低コストのマシンビジョンシステム（MVS）を提案し、トマトの熟成度分類および卵の受容性グレーディングを自動化する。背景を除去したスペクトルパターンを有する色画像を用いてANNを学習させた結果、トマトでは97%、卵では86%の精度を達成。人間のグレーダーの性能をそれぞれ4.35%および13%上回った。

ABSTRACT

Two cheap, off-the-shelf machine vision systems (MVS), each using an artificial neural network (ANN) as classifier, were developed, improved and evaluated to automate the classification of tomato ripeness and acceptability of eggs, respectively. Six thousand color images of human-graded tomatoes and 750 images of human-graded eggs were used to train, test, and validate several multi-layered ANNs. The ANNs output the corresponding grade of the produce by accepting as inputs the spectral patterns of the background-less image. In both MVS, the ANN with the highest validation rate was automatically chosen by a heuristic and its performance compared to that of the human graders'. Using the validation set, the MVS correctly graded 97.00\% and 86.00\% of the tomato and egg data, respectively. The human grader's, however, were measured to perform at a daily average of 92.65\% and 72.67\% for tomato and egg grading, respectively. This results show that an ANN-based MVS is a potential alternative to manual grading.

研究の動機と目的

• 地方農業の文脈において、安価で市販のマシンビジョンシステム（MVS）を用いた農産物グレーディングの自動化を実現すること。
• トマトや卵のような自然食品の主観的で経験依存の人的グレーディングを自動化する課題に対処すること。
• 色画像からの視覚的特徴を学習したANNを用いて、人間の性能を超えるグレーディング精度を向上させること。
• スケーラブルで衛生的かつ一貫性のある食品製品分類を実現するため、低コストのハードウェアとオープンソースソフトウェアの実用性を評価すること。
• システムの効率性と正確性を向上させるために、アンサンブル手法（例：コミッティーマシン）や特徴量削減技術の最適化手法を検討すること。

提案手法

• 実際の照明条件および撮影角度（20°–90°）と距離（30–90 cm）の下で、6,000枚の人的グレーディング済みトマト画像と750枚の卵画像を取得した。
• エッジ検出アルゴリズムを適用して背景を除去し、残存する物体領域からRGBスペクトルパターンを抽出した。
• RGB値を正規化し、それをマルチレイヤード人工ニューラルネットワーク（ANN）の入力として分類に使用した。
• 各タスクにおいて最高の検証精度を達成するANNを自動選択するために、AChem最適化ルーチンを用いた。
• 別個の訓練・検証・テストセットを用いてシステムの性能を評価し、人間グレーダーの日次平均と比較した。
• 将来的な改善策として、入力ノードを66%削減するためのグレースケール画像の使用や、アンサンブル手法（例：バギング、ブースティング）を用いたコミッティーマシン技術の検証を検討した。

実験結果

リサーチクエスチョン

• RQ1 市販のマシンビジョンシステムにANN分類器を組み合わせた低コストのMVSは、トマトの熟成度分類において人間グレーダーの精度を同等または上回ることができるか？
• RQ2 ANNベースのMVSは、ピンホールや変色といった欠陊を検出できる点を含め、卵の受容性グレーディングにおいて人間グレーダーを上回る精度を達成できるか？
• RQ3 最適化されたANNの性能は、トマトおよび卵分類において、正確性、感受性、特異性という観点で人間グレーダーと比較してどの程度優れているか？
• RQ4 入力特徴量を削減（例：RGB画像の代わりにグレースケール画像の使用）することで、精度を損なわずにシステム効率をどの程度向上させられるか？
• RQ5 コミッティーマシン技術（例：平均化、バギング、ブースティング）を用いることで、単一の最適化されたANNを上回るMVSのグレーディング精度をさらに向上させられるか？

主な発見

• ANNベースのMVSは、トマトの熟成度段階分類において97.00%の精度を達成し、人間グレーダーの平均精度92.65%を4.35ポイント上回った。
• 卵グレーディングにおいては、検証セットで86.00%の精度を達成し、人間グレーダーの平均72.67%を13.33ポイント上回った。
• 卵グレーディング用のANNは、適合率（陽性予測値）が92%、陰性予測値が81%を示し、欠陊検出における信頼性の高さを示した。
• システムの精度向上は、1万個の卵を扱う農場において、1日あたり1,300個の追加の正しいグレーディングを可能にし、1個あたり₱4の収益を加算して1日あたり₱5,200の追加収入をもたらすと推定された。
• 本研究では、背景を除去した画像からの正規化されたRGBスペクトルパターンを学習したANNが、制御された実世界の条件下で人的グレーディング能力を効果的に模倣し、それを超えることが確認された。
• 今後の研究では、コンベア式グレーディングの速度評価、高解像度Webカメラの使用、入力ノードを33%削減するグレースケール入力の検証、およびコミッティーマシン技術の適用によるさらなる性能向上を計画している。