クルミ種子のタンニン含有量に対する、ウェーブレット変換と解釈可能な機械学習モデルを組み合わせた近赤外予測

科学分野:

• 農業科学
• 分析化学
• 分光学

背景:

• タンニン含有量は、クルミの風味と品質評価にとって重要である。
• クルミの品質管理には、正確なタンニン検出が不可欠である。

研究 の 目的:

• クルミ種子タンニン含有量を予測するための効率的な方法を開発する。
• タンニン定量のために近赤外（NIR）分光法と機械学習を利用する。

主な方法:

• 180個のクルミ種子サンプルからNIRスペクトル（4000〜10000 cm⁻¹）を収集した。
• 数学的変換と連続ウェーブレット変換（CWT）を用いてスペクトルデータを処理した。
• タンニン予測のためにSHAP解釈を備えたランダムフォレスト（RF）モデルを構築した。

主要な成果:

• NIR反射率はタンニン含有量と正の相関を示した。
• スペクトル変換（一次微分およびCWT）を組み合わせることで予測精度が向上した。
• 最適なRFモデルは、検証セットでR² = 0.831を達成した。

結論:

• スペクトル変換とウェーブレット解析を組み合わせることで、クルミのタンニン予測精度が向上する。
• RFモデルは、クルミのタンニン含有量を迅速かつ非破壊的に定量するための潜在的なソリューションを提供する。
• SHAPアルゴリズムは、クルミの品質管理のための予測モデルの解釈可能性を向上させる。