ハイパースペクトルイメージングで食品検査を高速・高精度化、価値可視化を革新

世界の食品検査業界は、厳格な政府規制を満たすためにより新しく精密なツールを必要としています。特産作物から水産物、食肉、家禽まで、食品安全性検査市場だけでも2021年に195億米ドルと評価され、2026年までに286億米ドルに達すると予測されています¹。ハイパースペクトルイメージング（HSI）は、面倒で労働集約的な作業を軽減し、歴史的に主観的だったグレーディング用途に新たなレベルの一貫性をもたらすツールの一例です。

リモートセンシングから機械視検査へ

航空機や衛星からの画像を用いたリモートセンシング用途のために元々開発されたHSIは、以来、高度な機械視検査用途で商業的に実用的な技術となりました。HSIセンサーは、画像の各ピクセルにおける反射光から化学的特性を提供する、数千または数百万の分光計のように機能します。Headwallのセンサーは、人間の目では識別できない波長範囲、紫外・可視（UVおよびVIS）から近赤外（VNIR、NIR、SWIR）まで調整可能です。

人間の目と従来カラーイメージングを超える検出力

ハイパースペクトルイメージングセンサーは、人間の目と従来のカラーイメージングでは逃してしまうスペクトル特徴を区別できます。これらの特徴は、潜在的に有害な異物を検出し、食品のような価値が人の疲労や、その日のコーヒー摂取量のような単純なことによって影響を受けやすい特性に結びついている素材の選別とグレーディングの手段を提供します²。

データ量とモデル開発の課題を新プラットフォームで解決

HSIを利用したシステムは、比較的膨大な生データの処理必要性と、スペクトル分類モデル開発の相対的複雑さのため、産業導入で大きなハードルに直面してきました。しかし、HeadwallのHyperspec® MV.Xイメージングシステムのような新しいHSIプラットフォームは、高性能イメージング分光器と強力な組み込みコンピューティングおよびソフトウェアを組み合わせ、スペクトル分類モデルを迅速に作成し、実用的な結果をリアルタイムで抽出し、ローカルネットワーク経由でアクション指示を送信したり、監視・制御データを収集したりできます。

スペクトルイメージングの分類

人間の目は、400nm〜700nmの可視光スペクトルに属する画像のみを検出できます。この範囲には、広いRGB（赤、緑、青）領域に分類されるわずか3色しかありません。各人の色感度と知覚は大きく異なります。それにもかかわらず、食品検査業界は何世紀にもわたり、人間とRGBセンサーに問題検出と製品グレーディングを依存してきました。これには、収穫工程で見逃された異物、さらにはこれらの従来手法ではほぼ不可視の疾病状態も含まれます。賭けは大きい：消費者嗜好、新政府規制への対応、企業株主価値はすべて、食品業界のあらゆる側面で検査がどれだけ精密かつ効果的に実装されているかにかかっています。

「スペクトルイメージング」センサーは2つのカテゴリに分類できます。マルチスペクトルセンサーは、4つから数十個のスペクトルバンドで構成されるのに対し、ハイパースペクトルセンサーは文字通り数百のスペクトルバンドを同時に取得できるため、より粒度の高い（高スペクトル分解能）視野を提供します。両者とも、従来から一般的に使用されてきた単純なRGBパラダイムをはるかに超えるため、検査対象食品のより完全な画像を提供します。

人間は色を、電磁スペクトルの非常に小さな領域における赤（1）、緑（2）、青（3）の組み合わせとして認識します。バンド4と5の追加はマルチスペクトルの例で、スペクトルの3つ以上の領域を取得・分析します。ハイパースペクトルイメージングは、わずか数バンドではなく、スペクトルの数百バンドを利用します。これにより、数百万ピクセルで構成される画像の各ピクセルにおいて、ポイント測定分光計の高性能が実現されます。

プッシュブルーム方式でデータキューブを構築

「プッシュブルーム」ハイパースペクトルセンサーは、スリットを通じてラインごとにスキャンすることで画像を取得します（左）、各ラインには被写体のスペクトル特性を保存するピクセルが含まれます（中央）。センサーがスキャン対象の領域や物体に対して相対的に移動すると、データセットが構築されます（右）。結果として得られるデータセットは、各レイヤーが特定の「バンド」（波長の小さな範囲）を表すスタックと考えられます。ピクセルがステッチされ、従来のRGB値だけでなく、センサーの波長範囲に沿った数百の値を含む画像が形成されます。

高スループット・低歪みのオール反射設計

ハイパースペクトルセンサーの基本機能は、物理的スリット（プッシュブルーム設計の場合）を通じて入射シーンの個々のスライスを取得し、各スライスを既知の波長チャネル上でセンサーに透過する離散波長成分に分解することです。回折格子が、イメージスライスを離散波長成分に分散させる役割を担います。格子は、空間コヒーレンスを1次元（イメージスリットの長さ）で維持し、空間情報（スリット幅、ミクロン単位）を回折させる精密なグルーブプロファイルで設計されています。この回折（分散）プロセスにより、スペクトル内容がセンサー上の既知の波長チャネルに横切ります。

Headwallが使用するオール反射プッシュブルームスペクトルラインスキャン技術は、各「フレーム」でスペクトルライン（X空間とZスペクトル）を取得します。連続フレームがY空間次元を構築します。プッシュブルーム設計は、非常に高い空間分解能とスペクトル分解能で低歪みを提供する能力で好まれます。高スループットは高信号対雑音比と非常に低い迷光を意味します。オール反射設計であるため、色分散問題が排除されます。

リアルタイム処理とロボティクス連携

スペクトルイメージングの、高度な機械視検査用途に最適な特性の一つは「動き」です。センサーがフレームごとに画像データを取得するため、自然に動きに依存します。センサーが視野上を移動する（リモートセンシング用途でドローンや航空機に搭載される場合）、または視野がセンサーの下を移動する（高度な機械視検査導入の場合）必要があります。

精密農業コミュニティは、ハイパースペクトルとマルチスペクトルセンサーを、作物畑の上空を飛ぶドローンや航空機のペイロードとして採用しています。NDVI、PRI、WBI、レッドエッジ比などの指標に関して、豊富な重要農業データがこれらのセンサーで取得されます。作物の活力、施肥・灌漑効果、侵入種や病気の初期兆候などが、400nm〜1000nmを「見る」可視近赤外（VNIR）センサーの数百バンドで確認できます。

ハイパースペクトルセンサーは生産ラインに配置し、センサーシステム自体の組み込みプロセッサーで実行されるリアルタイム分析に基づいて適切なアクションを取るロボットと接続できます。

高速ラインでも高精度検査

高速コンベアでも、同じレベルの有意義なデータを収集し、検査プロセスに好影響を与えられます。フレームレートと視野特性により、センサーは高速で動作するワイドラインの監視に十分対応できます。HSIが提供する高い識別力により、見分けがつきにくい異常も検出・管理されます。イチゴ畑の中のブルーベリーは簡単に見つけられますが、同じ作物内や似た外観のリサイクル材料内での微細な色や化学的違いはどうでしょうか？ハイパースペクトルだけが、これらの不可能に見える違いを区別できます。

Headwallの独自回折格子が性能を支える

プッシュブルームハイパースペクトルセンサーのスリットに入射する光線は、虹のように色スペクトルに分離されます。この場合、非常に細かいグルーブを持つホログラフィック格子によって分離されます。スペクトルは2D光センサーに投影されます。ソフトウェアは、センサーがスキャン対象物体に対して相対的に移動する際、各光感受性ピクセルの信号レベルを、画像の各ピクセルにおけるスペクトル曲線に変換します。

HSIセンサーは時々「カメラ」と呼ばれますが、実際は分光計とカメラの融合です。Headwallのセンサーは、可動部品や潜在的に問題となる透過光学系を持たないオール反射設計ベースです。これは、イメージスリットを通過する入射光を管理するホログラフィック回折格子を使用することで達成されます。格子は非常に精密であるだけでなく、小型軽量です。これにより装置自体を小型軽量にし、どこへでも容易に導入できます。

Headwallは、自社で回折格子も製造する唯一のスペクトルセンサーメーカーです。各格子は「マスターキャリティ」であり、与えられた用途でグルーブプロファイルが一つ一つ同一です。センサーの根本的な光学性能は格子の機能であるため、この能力は真の差別化要因です。ハイパースペクトルセンサーは特定のスペクトル範囲に設計・調整されます。各範囲内で文字通り数百のスペクトルバンドが収集され、スペクトル的にも空間的にも、検査ラインを流れるすべてのものを非常に精密かつ高分解能で観察できます。

照明の重要性

HSIセンサーが反射光を測定・分析するため、照明は重要な考慮事項です。全体的な目的は、センサーの視野に極めて均一で一貫した、同時に堅牢で経済的な照明を提供することです。

VNIRスペクトル範囲では、石英タングステンハロゲン（QTH）がそのような照明技術の一つであり、より新しいLED光源はもう一つの、ただしまだ成熟していない代替案となり得ます。バンドル光ファイバーも均一な光源を提供します。食品検査業界の関心の多くは、可視光が約700nmでカットオフされる範囲を超えて「反射」します。したがって、このポイントの両側をカバーする光源を持つことは不可欠です。

可能な限り低温で、堅牢で、均一であることに加え、光源は検査ラインの幅全体を完全に横断する必要があります。このエッジツーエッジ能力は、センサーの広い視野を活用し、検査対象製品がセンサー真下だけでなく端の方まで見えるようにします。高速食品検査ラインには規則性がなく、製品はエッジ付近やコンベアベルト上で塊になっている可能性があるためです。光源の寿命も重要です。多くの食品検査ラインは24時間稼働しているためです。

センサーが「キューブ」の画像データを一度に1スライスずつ構築し、照明自体が非常に薄いストリップであるため、関心領域（スリットイメージ）を照明する必要があります。白色反射ターゲットを使用して、実際の運用前にセンサーを較正します。これは重要なステップです。センサーが下流のロボティクスシステム（真空、エアナイフ、ピッキングクローなど）が「良品」と「不良品」を分離するために使用する画像データを収集するためです。目的は常に、適切な種類の光を適切な強度で、必要な場所に正確に提供することです。また、投影視野全体での波長と光強度、光の均一性、標準距離での劣化を文書化することも重要です。これにより、ラインアーキテクチャの調整が必要な場合に、センサーのラインに対する正確な位置決めが可能になります。

ロボティクス連携

ロボティクスサブシステムは、多くの高度な機械視検査処理ライン用途の自然な要素です。識別と除去の能力は、センサーとロボティクスシステムがリアルタイムで迅速かつ確実に通信できる能力に依存します。Hyperspec®センサーは毎秒数百フレームで動作できるため、運用面と経済面の両方から、高速ラインとそれらに組み込まれたロボティクスシステムに適しています。

機械視検査業界は、幅広いサブシステムをシームレスで継続的に稼働するラインに統合するための要件として、通信プロトコルが業界標準かつ高速であることを理解しています。ギガビットイーサネットが、データフローの観点からすべてを接続するためによく使用されます。HSIシステムと着信データを管理するコンピューターはすべてギガビットイーサネットで動作しますが、CameraLinkのような他の非常に高速な通信リンクも使用します。

データ収集と処理

ナッツやベリーなどの特産作物の検査には、わずかな変動しかない極めて似たアイテムを見ることが含まれます。したがって、信号や画像を数百のハイパースペクトル「チャネル」に分割することは業界にとって利益となります。

使いやすさが最優先で、急峻だが迅速な学習曲線が必要なため、Headwallのソフトウェアは直感的で、センサーが見るものに基づいてユーザーが検査プロセスを修正・適応できる機能を含んでいます。アルゴリズムベースのプロセスが、ユーザーが遭遇する可能性のあるスペクトル特性を特定します。例えば、虫食いアーモンドはRGB分析では「良品」アーモンドとほぼ区別できません。しかし、同じシーンをHSIで分類すると、損傷したものに注目が集まり、下流のロボティクスシステムで除去できます。

革新的なセンサー、ソフトウェア、ワークフローの組み合わせにより、増え続けるユーザーが、スペクトルデータを用いて汚染検出だけでなく製品「グレーディング」にも真のソリューションを提供するHSIにアクセスできるようになり、廃棄を減らし、より多くのものを収益に変換できます。ハイパースペクトルイメージングは、機械視検査業界においてその可能性を開きます。

参考文献

1. 「Food Safety Testing Market by Target Tested (Pathogens, Pesticides, GMOs, Mycotoxin, and Allergens), Technology (Traditional and Rapid), Food Tested (Meat, Poultry, Seafood, Dairy, Processed Foods, and Fruits & Vegetables), and Region - Forecast to 2026」、Markets and Markets、Food Safety Testing Market、2021年5月発行
2. 「The effect of caffeine on the color-discriminating function of the retina in volunteers」、Ovanesov KB. Vliianie. Eksp Klin Farmakol. 1998 Nov-Dec; 61(6):17-9. PMID: 9929810
3. 「Multispectral vs Hyperspectral Imagery explained」、GISGeography、2018年2月16日
4. 「Handbook of Machine Vision」、Alexander Hornberg、Wiley-VCH. p. 694, 2006. ISBN 978-3-527-40584-8

この記事は、Christian Felsheim（Headwall Photonics EMEAディレクター）とDr. Will Rock（Headwall Photonicsシニアアプリケーションエンジニア、マサチューセッツ州ボルトン）によって執筆されました。詳細はこちら .