これは2023-07-13 06:24:39 UTCで公開された古いバージョンです。最新バージョンをお読みください。
プレプリント / バージョン1

機械学習を用いたハツカダイコンの根色および根形状と重量のモデル化

##article.authors##

DOI:

https://doi.org/10.51094/jxiv.454

キーワード:

ランダムフォレスト、 根色、 根の形状、 品質モニタリング、 ハツカダイコン

抄録

ハツカダイコンの品質は,品種に大きく依存するが,青果物の品質は生産環境とポストハーベスト管理によって決定される.特に,ポストハーベスト管理のためには品質モニタリングが重要である.そこで本研究は,機械学習(ランダムフォレスト)を用いて,画像から得られる色情報と形状情報に基づいて,非破壊でハツカダイコンの品質を推定することを目的とした.説明変数である色情報と形状情報は,一定の撮影環境下でハツカダイコンの静止画像を撮影し,画像解析により取得した.実験の結果,色情報と形状情報を用いたモデルの再現性が良好であったことから,色情報および形状情報とハツカダイコンの重量の関係性に基づいて,非破壊でのモニタリングができる可能性が示唆された.本研究で対象としたハツカダイコンは,赤系品種であったため,色情報の中でもR値が重要な変数であった.この色情報は撮影環境に変化のない条件で取得した色情報であるため,屋外や太陽光の影響がある室内環境などで撮影された画像を用いる場合に関する検討が必要である.また,本研究の成果は,特定品種に依存する研究成果ではあるものの,品種ごとにモデルを構築することで内部品質が推定できる可能性がある.今後の課題としてハツカダイコン内部の成分の時間変化の再現性に関する検討が挙げられる.

利益相反に関する開示

開示すべきCOIはありません

ダウンロード *前日までの集計結果を表示します

ダウンロード実績データは、公開の翌日以降に作成されます。

著者の経歴

上脇, 優人、東京農工大学大学院連合農学研究科農業環境工学専攻

サレジオ工業高等専門学校 電気工学科、長岡技術科学大学 電気電子情報工学課程 情報通信制御システム工学コース、東京農工大学大学院 農学府 農学専攻 食農情報工学コース 食農情報工学プログラムを経て、現在、東京農工大学大学院 連合農学研究科 農業環境工学専攻 農業環境工学大講座 博士課程3年。

研究内容は、3次元画像解析とマルチセンサフュージョンによる農業生産環境の評価手法の開発。

引用文献

吉川宏昭. ハツカダイコン. 松尾孝嶺監修, 植物遺伝資源集成 第2巻. 講談社, 東京. 834-835.1989.

Zhang J, Zhao J, Tan Q, Oiu X, Mei S. Comparative transcriptome analysis reveals key genes associated with pigmentation in radish (Raphanus sativus L.) skin and flesh. Sci. Rep. 11: 11434. 2021.

片山脩, 田島眞. 食品と色.光琳選書, 東京.4, 12-13.2003.

五十嵐喜治, 佐藤充克, 寺原典彦, 津田孝範, 津志田藤二郎, 梶本修身. アントシアニンの生体調節機能.大庭理一郎, 五十嵐喜治, 津久井亜紀夫編著, アントシアニン:食品の色と健康.建帛社, 東京. 103–186.2000.

Fuleki T. The anthocyanins of strawberry, rhubarb, radish and onion. J. Food Sci. 34: 365-369. 1969.

Harborne JB. Plant polyphenols-XI. The structure of acylated anthocyanins. Phytochemistry. 3: 151-160. 1964.

Ishikura N, Hayashi K. Anthocyanins in red roots of a radish. Studies on anthocyanins, XXXVI. Bot. Mag. Tokyo 75: 28-36. 1962.

Ishikura N, Hayashi K. Chromatographic separation and characterization of the component anthocyanins in radish root. Study on anthocyanins, XXXVIII. Bot. Mag. Tokyo 76: 6-13. 1963.

Ishikura N, Hayashi K. Separation and identification of the complex anthocyanins in purple radish studies on anthocyanins, XLVI. Bot. Mag. Tokyo 78: 91-96. 1965.

Ishikura N, Hoshi T, Hayashi K. Crystallization and characterization of the basic triglucosides common to all components in purple pigment of hybrid radish studies on anthocyanins, XLV. Bot. Mag. Tokyo 78: 8–13. 1965.

Giusti MM, Ghanadan H, Wrolstad RE. Elucidation of the structure and conformation of red radish (Raphanus sativus) anthocyanins using one- and two-dimentional nuclear magnetic resonance techniques. J. Agric. Food Chem. 46: 4858-4863. 1998.

Mori M, Nakagawa S, Maeshima M, Niikura S, Yoshida K. Anthocyanins from the rhizome of Raphanus sativus, and change in the composition during maturation. Heterocycles. 69: 239-251. 2006.

Otsuki T, Matsufuji H, Takeda M, Toyoda M, Goda Y. Acylated anthocyanins from red radish (Raphanus sativus L.). Phytochemistry. 60: 79-87. 2002.

Tatsuzawa F, Saito N, Toki K, Shinoda K, Shigihara A, Honda T. Acylated cyanidin 3-sophoroside-5-glucosides from the purple roots of red radish (Raphanus sativus L.) ‘Benikanmi’. J. Japan. Soc. Hort. Sci. 79: 103-107. 2010.

Tatsuzawa F, Toki K, Saito N, Shinoda K, Shigihara A, Honda T. Anthocyanin occurrence in the root peels, petioles and flowers of red radish (Raphanus sativus L.). Dyes and Pigments. 79: 83-88. 2008.

加藤一幾, 佐藤和成, 金澤俊成, 庄野浩資, 小林伸雄, 立澤文見. ダイコン類(Raphanus sativus L.)における根色とアントシアニン. 園芸学研究. 12: 229-234. 2013.

Iwata H, Niikura S, Matsuura S, Takano Y, Ukai Y. Evaluation of variation of root shape of Japanese radish (Raphanus sativus L.) based on image analysis using elliptic Fourier descriptors. Euphytica. 102: 143-149. 1998.

Kang Y, Wan S. Effect of soil water potential on radish (Raphanus sativus L.) growth and water use under drip irrigation. Sci. Hor. 106: 275-292. 2005.

Basnet B, Aryal A, Neupane A, KC. B, Rai NH, Adhikari S, Khanal P, Basnet M. Effect of integrated nutrient management on growth and yield of radish. J. of Ag. and Nat. Res. 4: 167-174. 2021.

Fukuda S, Spreer W, Yasunaga E, Yuge K, Sardsud V, Müller J. Random Forests modelling for the estimation of mango (Mangifera indica L. cv. Chok Anan) fruit yields under different irrigation regimes. Ag. Wat. Man. 116: 142-150. 2013.

Öz AT, Akyol B. Effects of calcium chloride plus coating in modified-atmosphere packaging storage on whole-radish postharvest quality. J. Sci. Food Agric. 100: 3942-3949. 2020.

Gilani L, Tahir SF, Rasheed U, Saqib H, Hassan M, Alquhayz H. Fruits and vegetables freshness categorization using deep learning. Comp. Mat. & Con. 71: 5083-5098. 2022.

Moon EJ, Kim Y, Xu Y, Na Y, Giaccia AJ, Lee JH. Evaluation of salmon, tuna, and beef freshness using a portable spectrometer. Sen. 20: 4299. 2020.

Fukuda S, Yasunaga E, Nagle M, Yuge K, Sardsud V, Spreer W, Müller J. Modelling the relationship between peel colour and the quality of fresh mango fruit using Random Forests. J. of Food Eng. 131: 7-17. 2014.

Wang X, Feng H, Chen T, Zhao S, Zhang J, Zhang X. Gas sensor technologies and mathematical modelling for quality sensing in fruit and vegetable cold chains: A review. Tr. in Food Sci. & Tec. 110: 483-492. 2021.

元永佳孝, 亀岡孝治, 橋本篤. 農産物表面色の色彩画像処理システムの構築. 農業機械学会誌. 59: 13-22. 1997.

Frank PK, Charles RG. Elliptic Fourier features of a closed contour. Comp. Graph. And Im. Proc. 18: 236-258. 1982.

Breiman L. Random forests. Machine Learning. 45: 5-32. 2001.

Cutler DR, Edwards TC, Jr. Beard KH, Cutler A, Hess KT, Gibson J, Lawler JJ. Random Forests for classification in ecology. Ecology. 88: 2783-2792. 2007.

Pedregosa F et al. Scikit-learn: Machine learning in python. JMLR. 12: 2825-2830. 2011.

Scott ML, Su-In L. A unified approach to interpreting model predictions. Proc. of the 31st Int. Conf. on Neural Info. Proc. Sys. (NIPS'17). 4768–4777. 2017.

Nash JE, Sutcliffe JV. River flow forecasting through conceptual models part I-a discussion of principles. J. of Hydrology. 10: 282-290.1970.

Gálvez L, Palmero D. Incidence and etiology of postharvest fungal diseases associated with bulb rot in garlic (Alllium sativum) in Spain. Foods. 10: 1063. 2021.

Ezgi DC, Burçe AM, Vural G. Relationship between color and antioxidant capacity of fruits and vegetables. Current Res. in Food Sci. 2: 1-10. 2020.

ダウンロード

公開済


投稿日時: 2023-07-12 08:28:53 UTC

公開日時: 2023-07-13 06:24:39 UTC

バージョン

改版理由

研究分野
農学・食品科学