機械学習を用いたスペシャルティコーヒーのSCAスコア予測

科学分野:

• 農業科学
• データサイエンス
• 食品科学

背景:

• スペシャルティコーヒーの品質は、その世界的な商品価値にとって重要である。
• スペシャルティコーヒー協会（SCA）のスコアは、主要な商業指標である。
• SCAスコアの感覚評価は、リソースを大量に消費し、変動が大きい。

研究 の 目的:

• SCAスコアを推定するための予測モデルを開発すること。
• 品質予測に処理変数と生産変数を利用すること。
• 効率性と堅牢性のために異なるモデリングアプローチを比較すること。

主な方法:

• 受け入れから保管までの処理データを収集した（2019-2023年）。
• ランダムフォレスト（RF）およびXGBoost（XGB）回帰アルゴリズムを適用した。
• 完全な変数、PCA、および選択された変数の3つのアプローチを評価した。

主要な成果:

• 全変数を用いたRFモデルが最高のパフォーマンスを示した（MAE=0.80、RMSE=1.03、R²=0.53）。
• 7つの選択された変数を用いたモデルは、同等の結果を達成した（MAE=0.81、RMSE=1.06、R²=0.50）。
• 変数選択はPCAよりも効率的で堅牢であった。
• PCAベースのモデルのパフォーマンスは劣っていた。

結論:

• 機械学習モデルは、SCAスコアを中程度かつ実用的に予測できる。
• 変数選択は、PCAよりもモデルの効率性と堅牢性を向上させる。
• 予測ツールは、スペシャルティコーヒー生産における早期かつ効率的な品質監視をサポートできる。