高精度ミルク成分分析のための先進スペクトルセンサー解析

ミルクは最も広く使用されている製品の一つであり、すべての乳製品の原料でもあります。そのため、ミルク成分の測定は酪農業界にとって極めて重要です。各乳製品には、それぞれ異なる成分比率のミルクが必要です。また、製品品質を管理するためには、ミルク成分を定期的に測定する必要があります。

図1. 参照データ（化学分析）とモデルからの予測結果の関係。各円はテストサンプルを表し、x座標は参照値、y座標はモデル予測値。赤線は理想的なモデルを示し、R²（理想値は1）はモデルが理想からどれだけ外れているかを示します。

酪農業界だけでなく、ミルク分析は原乳生産の酪農家側にも大きな影響を与えます。ミルク成分は、動物の健康状態や飼料の質・内容と密接に関連しています。したがって、これらの測定値は飼料の品質向上と選択、さらには病気の早期発見と治療に役立つ貴重な知見を提供します。

現在、ミルク分析で最も正確な方法は化学分解法ですが、これは遅く、破壊的で、実験室で行わなければならず、現場では実施できません。実際には、ユーザーは通常、多くのミルクバッチからサンプルを採取し、全バッチの平均値として結論を出します。これらの方法で動物の健康や飼料品質を監視するのは、非常に高コストで非効率です。

ミルク成分を迅速に測定できるシンプルなツールは、酪農業界と酪農家双方にとって大きな進歩となります。このツールは、携帯可能で安価であり、対象サンプルを非破壊で現場で分析でき、酪農用途では搾乳ステーションでインライン測定できることが望まれます。近赤外（NIR）分光計の小型化が進み、ハンディ型機器がこの目的のために信頼性が高く安価な手段を提供できる段階に達しています。

ミルク成分の定量

NeoSpectraスペクトルセンサーによる生乳テストサンプル中の各成分（脂肪、タンパク質、乳糖）の割合を決定する能力を実証するため、以下の手順と試験仕様を実施しました：

使用サンプルセット：

• 地元農場からサンプルを採取。各サンプルは異なる動物から採取し、サンプル空間に十分なばらつきを持たせました；

• 正確な破壊的化学試験をサンプルに実施し、成分を正確に記録しました；

• 採取サンプル総数は131；

• 各サンプルをNeoSpectraスペクトルセンサーで5回測定しました。

測定条件：

• 拡散反射で測定；

• スペクトル範囲：1300–2600 nm；

• スキャン時間：2秒；

• 分解能：λ=1,550 nmで16nm；

• スポットサイズ = 3 mm²；

• バックグラウンド：99% Spectralon™（NIR域でほぼフラットな分光反射率を持つ反射基準）；

• すべての測定は室温で実施。

データ評価

部分的最小二乗回帰（PLS）モデルを構築し、スペクトルと実験室化学分析で決定されたミルク成分測定値との線形関係を開発しました。このモデルは、スペクトルのみからミルクサンプルの成分百分率を予測するために使用されます。

PLSは、スペクトルデータを少数の潜在変数（L.V.）に圧縮することでデータの複雑さを低減します。元のスペクトルは300を超える変数（波長）を含む可能性があるためです。潜在変数は、応答変数（この場合はミルク成分）との相関に基づいて選択され、相関の高い変数を選び、相関の低い変数を除外します。その後、予測子（スペクトルのL.V.）と応答（ミルク成分の定量値）を関連付ける線形回帰を適合させます。

クロスバリデーション手法を用いて、全サンプルの予測誤差の二乗平均平方根と、予測成分と参照データ（化学分析による報告値）との間の決定係数（R²）を報告することで、PLSモデルの性能を算出しました。この手法ではデータをキャリブレーションセットとバリデーションセットに分割し、キャリブレーションセットでPLSモデルを訓練し、バリデーションセットでモデル性能を評価します。

次の反復では、バリデーションとキャリブレーションセットを混ぜ合わせ、別のデータ部分をバリデーションセットとして取り出し、モデルの訓練と検証を新しいセットで繰り返します。この手順を、各サンプルが一度バリデーションセットで表されるまで繰り返しました。クロスバリデーションの結果を図1に示します。

図2. 統合光学ヘッドと光源、BGAはんだ付け可能、SPI通信を備えたNeoSpectra Microスペクトルセンサー

本調査では、スペクトルに前処理手法を適用し、PLSを用いて回帰モデルを構築することでミルク分析モデルを開発しました。予測段階では、開発されたモデルを用いてテストサンプルの成分を予測します。

結果は、NeoSpectraスペクトルセンサーで測定した生乳サンプルのスペクトルが、全成分についてフルレンジの8%未満の誤差でミルク成分を正確に測定するのに適した分析データを提供することを明確に示しました。一方、同じサンプルセットで市販のベンチトップ超音波分析ツールを用いた場合の誤差は9%でした。

一方、これらの調査による絶対誤差は、市販の実験室用ベンチトップ分光計を用いた研究論文で報告されている数値と比較して、タンパク質と乳糖の百分率予測ではわずかに優れていました。しかし、脂肪百分率の予測では、使用したスポットサイズが小さかったため、絶対誤差はそれほど良くありませんでした。NeoSpectraスペクトルセンサーはより大きなスポットサイズに対応可能であり、この問題に対処できます。これは、サンプル調製不要で現場での迅速な非破壊試験を、低コストかつスケーラブルな技術で実現するこの技術の可能性を検証するものです。

本記事は、Si-Ware Systems（カリフォルニア州ラ・カニャダ）のシステムエンジニアリング担当VP、アムル・ワサル氏とシニア組み込みソフトウェアエンジニア、モハメド・ホサム氏によって執筆されました。 詳細については、著者までお問い合わせください（メールアドレスはスパムボットから保護されています。表示にはJavaScriptが必要です）またはこちらをご覧ください。