[論文レビュー] Standard methods for inexpensive pollen loads authentication by means of computer vision and machine learning

Manuel Chica, Pascual Campoy|arXiv (Cornell University)|Nov 13, 2015

Identification and Quantification in Food参考文献 21被引用数 4

ひとこと要約

本稿では、色分析と1クラス分類器を用いた、コンピュータビジョンおよび機械学習に基づく低コストな現地ミツバチ花粉の真正性認証手法を提示する。この手法により、高価なラボ設備を必要とせず、迅速かつ現地で非現地または偽造花粉のサンプルを除外できる。標準的なデジタル画像と最小限のトレーニングデータを用いて、スペイン産ミツバチ花粉のタイプで94％の認証精度を達成した。

ABSTRACT

We present a complete methodology for authenticating local bee pollen against fraudulent samples using image processing and machine learning techniques. The proposed standard methods do not need expensive equipment such as advanced microscopes and can be used for a preliminary fast rejection of unknown pollen types. The system is able to rapidly reject the non-local pollen samples with inexpensive hardware and without the need to send the product to the laboratory. Methods are based on the color properties of bee pollen loads images and the use of one-class classifiers which are appropriate to reject unknown pollen samples when there is limited data about them. The validation of the method is carried out by authenticating Spanish bee pollen types. Experimentation shows that the proposed methods can obtain an overall authentication accuracy of 94%. We finally illustrate the user interaction with the software in some practical cases by showing the developed application prototype.

研究の動機と目的

• 不正防止を目的として、低コストかつアクセス可能な現地花粉の真正性認証手法の開発。
• 高価なラボ設備や顕微鏡を用いずに、非現地または偽造花粉のサンプルを特定する課題に対処すること。
• 標準的なデジタル画像と最小限のトレーニングデータを用いて、現地での即時スクリーニングを可能にすること。
• 実世界のスペイン産ミツバチ花粉タイプを対象に、農業および食品安全性分野での実用的応用を保証するための検証。

提案手法

• 本手法は、花粉荷重の標準的なデジタル画像を用い、分類の主な特徴として色の性質を捕捉する。
• 色ベースの特徴は、RGBおよびCIELAB色空間表現を用いて花粉画像から抽出される。
• 異常検出に1クラス分類器が用いられ、現地花粉データのみが利用可能で未知のサンプルがまれな状況でも、システムの有効性が保証される。
• システムは、既知の現地花粉サンプルにのみトレーニングされ、すべての可能性のある偽物のラベル付き例が不要な状態で、非現地または偽造花粉を除外できる。
• リアルタイムでのユーザーアクセスと実用的導入を示すためのプロトタイプソフトウェアアプリケーションが開発された。
• 本手法はスペイン産花粉タイプのデータセットを用いて検証され、交差検証および精度指標を用いて評価された。

実験結果

リサーチクエスチョン

• RQ1 標準的な画像ベースのシステムが、色特徴と最小限のトレーニングデータのみを用いて、現地花粉を正確に認証できるか？
• RQ2 現地サンプルのみをトレーニングに用いる状況で、1クラス分類アプローチが非現地または偽造花粉をどれほど効果的に検出できるか？
• RQ3 標準的な消費者向けカメラと市販のハードウェアで、ラボグレードの顕微鏡を用いずに信頼性の高い花粉認証が可能か？
• RQ4 偽物サンプルの事前知識が一切ない状況で、画像ベースの特徴のみを用いて実世界の条件下でどの程度の精度が達成できるか？
• RQ5 農業または食品安全性分野の現場での即時スクリーニングにおいて、本システムはどれほど実用的か？

主な発見

• 提案手法は、スペイン産ミツバチ花粉タイプのデータセットにおいて、全体で94％の認証精度を達成した。
• 標準的なデジタル画像と専用機器を一切使用せず、リアルタイムで非現地花粉サンプルを除外できた。
• 1クラス分類器は、トレーニングデータが限られている状況でも、未知または偽造花粉タイプを効果的に検出でき、データ不足に強いことが示された。
• 本手法により、迅速かつ現場でのスクリーニングが可能となり、ラボテストへの依存が軽減され、品質管理コストが低下した。
• ソフトウェアプロトタイプは実用性を示し、現場環境でのリアルタイム相互作用と導入を可能にした。
• RGBおよびCIELAB色空間における色ベースの特徴は、複雑な画像解析を必要とせず、高精度な花粉認証に十分であることが分かった。