JP2006226775A - Method and apparatus for evaluating eating taste component of fruit - Google Patents
Method and apparatus for evaluating eating taste component of fruit Download PDFInfo
- Publication number
- JP2006226775A JP2006226775A JP2005039332A JP2005039332A JP2006226775A JP 2006226775 A JP2006226775 A JP 2006226775A JP 2005039332 A JP2005039332 A JP 2005039332A JP 2005039332 A JP2005039332 A JP 2005039332A JP 2006226775 A JP2006226775 A JP 2006226775A
- Authority
- JP
- Japan
- Prior art keywords
- fruit
- light
- absorbance
- calibration curve
- melon
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Description
本発明は、果実の糖度及び／又は硬度（熟度）を測定する方法と装置に係り、特に、小売店等に設置して消費者に果実の糖度や食べ頃などを知らせることのできる小型の簡易型測定装置に適する技術に関するものである。 The present invention relates to a method and apparatus for measuring the sugar content and / or hardness (maturity) of a fruit, and in particular, a small and simple device that can be installed in a retail store or the like to inform consumers of the sugar content of the fruit and the time of eating. The present invention relates to a technique suitable for a type measuring apparatus.
従来より、近赤外透過スペクトルによる果実糖度の非破壊測定法が知られている（特許文献１）。また、近赤外線の吸光度から果実の硬度（熟度）を測定する方法も知られている（特許文献２）。さらに、果実の糖度と熟度を測定する方法の提案もある（特許文献３）。 Conventionally, a nondestructive measurement method of fruit sugar content by a near infrared transmission spectrum is known (Patent Document 1). Also known is a method for measuring the hardness (ripening) of a fruit from the absorbance of near infrared rays (Patent Document 2). Furthermore, there is also a proposal of a method for measuring the sugar content and ripeness of fruits (Patent Document 3).
特許文献１記載の方法は、近赤外線を果実に照射して得られた透過光の光路中に分光器を介在させて特定波長の吸光度を測定し、得られた吸光度に対して果実の大きさによる補正を行い、重回帰分析を行うものである。 In the method described in Patent Document 1, the absorbance at a specific wavelength is measured by interposing a spectroscope in the optical path of transmitted light obtained by irradiating the fruit with near infrared rays, and the size of the fruit is measured with respect to the obtained absorbance. Is used to perform multiple regression analysis.
特許文献２記載の方法は、果物に照射した光の強度と透過光の強度とに基づき所定波長での吸光度２次微分値を算出し、その大きさによって果肉硬度を判定するものである。 The method described in Patent Document 2 calculates a second derivative value of absorbance at a predetermined wavelength based on the intensity of light irradiated on a fruit and the intensity of transmitted light, and determines the pulp hardness based on the magnitude.
特許文献３記載の方法は、果実に光を投射し、果実内で拡散反射された反射光を受光センサで検出し、光の反射率によって果実の熟度及び糖度を検知するものである。
ところで、果実に光を照射して得られる吸光度のデータは、果実の大きさ（柿、ミカン、スイカ、メロン等の種類や同種果実の大きさの相違など）、果実の表面形状（例えば、マスクメロンのネットの形状と照射位置及び受光位置との関係など）、及び果実収穫後の時間の経過等によって変化する。また、例えば、メロンの場合、同種の果実でありながら、赤肉メロンと緑肉メロンといった果肉の色における相違や、春メロンと夏メロンといった具合に栽培及び収穫の時期の相違によっても吸光度データと糖度等との相関が異なる場合がある。 By the way, the absorbance data obtained by irradiating the fruit with light is the size of the fruit (types of strawberries, tangerines, watermelons, melons, etc. and the difference in the size of the same kind of fruit), the surface shape of the fruit (for example, mask The relationship varies depending on the net shape of the melon and the relationship between the irradiation position and the light receiving position, etc., and the passage of time after fruit harvesting. In addition, for example, in the case of melon, although it is the same kind of fruit, the absorbance data also depends on the difference in the color of the flesh such as red melon and green melon, or the difference in the cultivation and harvesting timing such as spring melon and summer melon. The correlation with sugar content etc. may be different.
上述した特許文献１〜３に記載の各発明は、主として収穫直後の選果場等において果実の糖度等を測定する方法である。 Each invention described in Patent Documents 1 to 3 described above is a method for measuring sugar content and the like of fruits mainly in a fruit selection field immediately after harvesting.
一方、出願人らが開発目標としている装置は、小売店等の店頭で消費者あるいは店舗の販売促進係等がその場で操作して、糖度、熟度（硬度）、食べ頃といった情報を提示することのできるものである。こうした装置を考えると、次の様な問題の解決が必要となる。 On the other hand, the device that the applicants are aiming to develop is operated at the retail store or the like by a consumer or store sales promotion staff on the spot to present information such as sugar content, maturity (hardness), and eating time. It is something that can be done. Considering such a device, it is necessary to solve the following problems.
前述の様に、選果場での測定対象は全て収穫直後であるから、収穫後の経過時間は一定である。これに対し、小売店等の店頭に並ぶメロン等の果実は、完熟する前に収穫されて流通に乗ってきたものであって、収穫後の経過時間が一定でない。よって、小売店等で使用するには、収穫後の経過時間が糖度等の推定結果に影響しない様にする必要がある。 As described above, since all measurement objects in the fruit selection field are immediately after harvesting, the elapsed time after harvesting is constant. On the other hand, fruits such as melons lined up in stores such as retail stores have been harvested before being fully ripened and have been distributed, and the elapsed time after harvest is not constant. Therefore, in order to use it at a retail store or the like, it is necessary to prevent the elapsed time after harvesting from affecting the estimation result such as sugar content.
また、選果場では、例えば赤肉で有名な夕張メロンの産地ならば夕張メロンばかりといった具合に、同時期に同種の果実を取り扱うのに対し、小売店には赤肉のメロンだけでなく、緑肉のメロンも陳列される。加えて、九州地方ではスイカは春から初夏だけといった具合に栽培時期が限られるが、小売店には年中、スイカやメロンが入荷される。従って、小売店等で使用するには、品種や栽培・収穫時期が結果に影響しない様にする必要がある。 Also, in the selection area, for example, if the production area of Yubari melon famous for red meat, only Yubari melon is handled at the same time, the retailer handles not only red melon, Green melons are also displayed. In addition, in the Kyushu region, watermelons are limited in season, such as only from spring to early summer, but retailers receive watermelons and melons throughout the year. Therefore, for use in retail stores and the like, it is necessary that the varieties and cultivation / harvest time do not affect the results.
さらに、マスクメロンの様に、外皮が平坦でない果実においては、測定器に対する置き方の影響も考えなければならない。この点、選果場等では熟練者が装置を操作するのでそれほど問題にならないかも知れないが、小売店等では消費者が操作者となり得ることから、測定器に対する果実の置き方が結果に影響を与えない様にする必要がある。 Furthermore, in the case of a fruit whose skin is not flat like muskmelon, the influence of the placement on the measuring device must also be considered. In this regard, it may not be a problem because skilled workers operate the equipment at the selection hall, but since consumers can be operators at retail stores, the placement of fruits on the measuring instrument affects the results. It is necessary not to give.
そこで、本願においては、上述した様な各種の影響を受けることなく、小売店等の末端の店舗等に設置して、消費者に糖度や食べ頃を知らせるのに適する測定方法及び測定装置を提供することを目的とする。 Therefore, the present application provides a measuring method and a measuring apparatus suitable for informing consumers of sugar content and eating time without being affected by the various effects as described above. For the purpose.
上記目的を達成するためになされた本発明の果実の食味成分評価方法は、
（Ａ） 測定対象果実と同種の果実の糖度，硬度等の食味成分の評価量を吸光度計測値から算出するための検量線を予め求めておき、
（Ｂ） 測定対象果実に対して近赤外線域を含む光を照射したときの透過光又は内部散乱透過光の測定結果から、当該測定対象果実についての特定の波長の吸光度に関する情報を取得し、
（Ｃ） 前記特定の波長の吸光度に関する情報と前記検量線とを用いて前記評価量を算出する様に構成された果実の食味成分評価方法において、
（Ｄ） 測定対象果実に対して近赤外線域の光を照射したときの透過光又は内部散乱透過光の測定結果から、当該測定対象果実に対して照射される光の実質的な全波長の吸光度に関する情報をも取得し、
（Ｅ） 前記評価情報を算出する際に、前記全波長の吸光度に関する情報で補正を行う様に構成したこと を特徴とする。
The fruit taste component evaluation method of the present invention made to achieve the above-mentioned object,
(A) Obtaining a calibration curve in advance for calculating the evaluation amount of taste components such as sugar content and hardness of the same kind of fruit as the measurement target fruit from the absorbance measurement value,
(B) From the measurement result of the transmitted light or the internally scattered transmitted light when the light including the near infrared region is irradiated to the measurement target fruit, information on the absorbance at a specific wavelength for the measurement target fruit is obtained,
(C) In the taste component evaluation method for fruit configured to calculate the evaluation amount using the information on the absorbance at the specific wavelength and the calibration curve,
(D) From the measurement result of the transmitted light or the internally scattered transmitted light when the measurement target fruit is irradiated with light in the near-infrared region, the absorbance of substantially all wavelengths of the light irradiated to the measurement target fruit Also get information about
(E) When the evaluation information is calculated, correction is performed using information on the absorbances of all wavelengths.
本発明の果実の食味成分評価方法によれば、従来より知られている（Ａ）〜（Ｃ）の手順に加えて、（Ｄ）及び（Ｅ）の手順をも備え、全波長の吸光度に関する情報で補正を行う点に特徴を有する。 According to the fruit taste component evaluation method of the present invention, in addition to the conventionally known procedures (A) to (C), the procedure (D) and (E) are also provided, and the absorbance at all wavelengths is related. It is characterized in that correction is performed using information.
これは、特定の波長の吸光度だけだと、周囲の明るさ、果実の置き方（特にメロンではネットの位置と光照射位置及び受光位置との関係）、収穫後の追熟との関係、固体の大きさ・形状の相違等といった測定時の様々な個別の事情の影響を受けて生じる誤差を排除するためである。即ち、上述した様な複雑な誤差の要因の全てが反映されている全波長の吸光度による補正を実行することにより、測定場所や測定時期や測定者の熟練度等に関係なく、適切な値を精度よく算出することができるのである。 This means that if only the absorbance at a specific wavelength is used, the brightness of the surroundings, how to place the fruit (particularly in melons, the relationship between the net position, the light irradiation position, and the light receiving position), the relationship between ripening after harvesting, solid This is to eliminate errors caused by the influence of various individual circumstances at the time of measurement, such as the difference in size and shape of the. In other words, by executing the correction based on the absorbance of all wavelengths that reflect all of the complex error factors as described above, an appropriate value can be obtained regardless of the measurement location, the measurement timing, the skill level of the measurer, etc. It can be calculated with high accuracy.
ここで、本発明における「全波長の吸光度」とは、受光素子等で受光した光の全波長という意味に限定されない。即ち、本発明の趣旨に影響を与えることのない範囲で一部の波長を除く「実質的な全波長の吸光度」で補正すればよいのである。また、食味成分の評価量の説明における「糖度及び硬度」は例示であり、これら以外の食味成分、例えば、酸っぱさ（酸味），辛さ（辛味），苦さ（苦味），渋さ（渋味）といった食味成分の評価への本発明の適用を除外する意味ではない。特定の波長の吸光度によって評価することのできる食味成分であれば、どの様なものであっても構わない。本願が提案する「実質的な全波長の吸光度による補正」を行うことで、種々の誤差の要因を除去できる点は、糖度及び硬度以外の食味成分の評価においても同じく有効だからである。 Here, “absorbance of all wavelengths” in the present invention is not limited to the meaning of all wavelengths of light received by a light receiving element or the like. That is, it is only necessary to correct with “substantially all wavelengths of absorbance” excluding some wavelengths within a range that does not affect the gist of the present invention. In addition, “sugar content and hardness” in the description of the evaluation amount of the taste component is an example, and other taste components such as sourness (sourness), spiciness (pungency), bitterness (bitterness), astringency (astringency) It is not meant to exclude application of the present invention to the evaluation of taste ingredients such as (taste). Any taste component that can be evaluated by absorbance at a specific wavelength may be used. The reason that various error factors can be eliminated by performing the “correction based on absorbance at substantially all wavelengths” proposed by the present application is also effective in the evaluation of taste components other than sugar content and hardness.
ここで、本願は、上述した補正の方法として、以下の方法を提案する。
（Ｆ） 前記特定の波長の吸光度に関する情報を前記全波長の吸光度に関する情報によって実質的に除算した情報を前記評価量の演算に用いることによって前記補正が行われる様に構成すること。
Here, the present application proposes the following method as the correction method described above.
(F) The correction is performed by using information obtained by substantially dividing the information on the absorbance at the specific wavelength by the information on the absorbance at all wavelengths for the calculation of the evaluation amount.
全波長の吸光度は、あらゆる誤差の要因の影響を受けた結果を反映していることから、評価量算出のための特定の波長の吸光度が何らかの誤差の要因の影響を受けていれば、除算によって容易に当該影響のない数値に換算することができるからである。この場合、吸光度と検量線とから計算した結果を全波長の吸光度で単純に除算する計算方法を採用してもよいし、各波長の吸光度を全波長の吸光度で除算したものに検量線の値を乗算したものから糖度等を算出するという計算方法を採用してもよい。 Since the absorbance at all wavelengths reflects the results of the influence of all error factors, if the absorbance at a specific wavelength for calculating the evaluation quantity is affected by some error factor, it is calculated by division. This is because it can be easily converted into a numerical value without the influence. In this case, a calculation method in which the result calculated from the absorbance and the calibration curve is simply divided by the absorbance at all wavelengths may be employed, or the value of the calibration curve is obtained by dividing the absorbance at each wavelength by the absorbance at all wavelengths. You may employ | adopt the calculation method of calculating sugar content etc. from what multiplied.
なお、「全波長の吸光度に関する情報によって実質的に除算する」というのは、単純な除算に限らない。例えば、全波長の吸光度に何らかの係数を乗じた値を用いて除算を実行する様にしてもよい。 Note that “substantially dividing by information on absorbance at all wavelengths” is not limited to simple division. For example, division may be executed using a value obtained by multiplying the absorbance of all wavelengths by some coefficient.
また、本願は、上記（Ａ）〜（Ｅ）又は（Ａ）〜（Ｆ）に加え、さらに、以下の構成をも採用することを提案する。
（Ｇ） 前記検量線を同種果実の栽培時期に応じて別々に求めておき、これらの検量線の中から測定対象果実の栽培時期に応じた検量線を用いる様にすること。
In addition to the above (A) to (E) or (A) to (F), the present application further proposes to adopt the following configuration.
(G) Obtaining the calibration curve separately according to the cultivation time of the same fruit, and using the calibration curve according to the cultivation time of the fruit to be measured from these calibration curves.
メロンの様に、春作、夏作、秋作、冬作といった様に、栽培時期を意図的にずらして栽培する場合、ハウス栽培といえども外気温や日照時間の影響を受ける。路地栽培の果実はさらに顕著に季節の影響を受ける。こうした果実については、日照時間や気温などの影響により、同種果実といえども、栽培時期によって吸光度と糖度等との関係に差が生じることがある。 Like melons, when cultivation is carried out with intentionally shifted cultivation, such as spring, summer, autumn, and winter, even house cultivation is affected by the outside temperature and sunshine duration. Alley-grown fruits are even more significantly affected by the season. For these fruits, there may be a difference in the relationship between the absorbance and sugar content depending on the cultivation time, even for the same kind of fruits, due to the effects of sunshine hours and temperature.
従って、（Ｇ）の構成をも採用することは、上述のメロンの例の様に栽培時期が食味成分の評価量に誤差を与える可能性のある果実について有効となる。なお、栽培時期の影響を受けない果実についても上記（Ｇ）の構成を採用して構わない。 Therefore, adopting the configuration of (G) is also effective for a fruit whose cultivation time may give an error in the evaluation amount of the taste component as in the case of the melon described above. In addition, you may employ | adopt the structure of said (G) also about the fruit which is not influenced by the cultivation time.
さらに、本願は、上記構成に加え、さらに、以下の構成をも採用することを提案する。
（Ｈ） 前記検量線を、同種果実における品種の相違に応じて別々に求めておき、これらの検量線の中から測定対象果実の品種に応じた検量線を用いる様にすること。
Further, the present application proposes to adopt the following configuration in addition to the above configuration.
(H) The calibration curve is determined separately according to the variety of varieties in the same fruit, and the calibration curve corresponding to the variety of the fruit to be measured is used from these calibration curves.
例えば、赤肉メロンと緑肉メロンの様に、果肉の色に極端な差がある果実では、果肉の色の関係から吸光度に差が生じることがあるからである。 For example, in a fruit having an extreme difference in flesh color, such as a red melon and a green melon, there may be a difference in absorbance due to the relation of the flesh color.
もちろん、（Ｈ）の構成の有効性は、メロンに限る訳ではない。他の果実においても、品種毎に検量線を用意すれば、より一層精度のよい糖度等の食味成分評価量を求めることができる。メロンの様に果肉の色が極端に異なる果実にあっては、（Ｈ）の構成を採用することは精度向上において有効である。 Of course, the effectiveness of the configuration (H) is not limited to melon. Also for other fruits, if a calibration curve is prepared for each variety, it is possible to obtain a more accurate evaluation amount of taste components such as sugar content. Employing the configuration of (H) is effective in improving the accuracy of fruits such as melons whose fruits have extremely different colors.
なお、同種果実の品種の相違による影響の少ない果実について上記（Ｈ）の構成を採用しても問題はなく、より一層の精度向上が期待できる。 In addition, even if it employ | adopts the structure of said (H) about the fruit with little influence by the difference in the kind of the same fruit, there is no problem, and a further improvement in precision can be expected.
ここで、ことメロンについては、以下の構成を採用することを提案する。
（Ｉ） ７２０ｎｍ、７４０ｎｍ、７７０ｎｍ及び８１０ｎｍ近傍の特定の４波長の吸光度に関する情報と糖度との対応関係を表す糖度用検量線及び、同じくこれらの４波長の吸光度に関する情報と硬度との対応関係を表す硬度用検量線を予め求めておき、
（Ｋ） 前記４波長の内の少なくとも３つ以上の波長の吸光度に関する情報を用いて、糖度及び硬度を算出する様に構成すること。
Here, regarding that melon, it is proposed to adopt the following configuration.
(I) A calibration curve for sugar content indicating the correspondence between information on absorbance at specific four wavelengths in the vicinity of 720 nm, 740 nm, 770 nm and 810 nm and sugar, and the correspondence between information on absorbance at four wavelengths and hardness Obtain a calibration curve for hardness to represent in advance,
(K) It is configured so as to calculate the sugar content and the hardness using information on the absorbance of at least three of the four wavelengths.
メロンの食味成分評価量としては、糖度及び硬度が重要である。硬度は熟度と呼ばれることもある。また、糖度及び硬度は、それらの検量線を求めると、上記４波長における吸光度に特徴的な現象が表れる。なお、例えば、７２０ｎｍ近傍、７７０ｎｍ近傍及び８１０ｎｍ近傍の３つ波長の吸光度だけで糖度及び硬度を算出しても小売店等の店頭において実施する簡易評価方法としての精度は十分に得られる。よって、４波長の全てを用いる必要はない。しかし、特に、糖度に関してより精度を向上するには、前記４波長の全てを用いることが望ましい。 Sugar content and hardness are important as melon taste component evaluation amounts. Hardness is sometimes called maturity. Moreover, the sugar content and hardness will show the characteristic phenomenon in the light absorbency in the said 4 wavelength, if those calibration curves are calculated | required. For example, even if the sugar content and hardness are calculated only by absorbance at three wavelengths near 720 nm, 770 nm, and 810 nm, the accuracy as a simple evaluation method performed at a store such as a retail store is sufficiently obtained. Therefore, it is not necessary to use all four wavelengths. However, in particular, it is desirable to use all the four wavelengths in order to improve the accuracy with respect to the sugar content.
また、上記目的を達成するためになされた本発明の果実の食味成分評価装置は、
（ａ） 果実の計測部を収納することのできる果実収納部と、果実を支えることのできるリング状の上縁部とを有する果実載置台と、
（ｂ） 該果実載置台に載置された果実に対し、当該果実の表面にほぼ接触し得る光照射口を備え、前記果実載置台の上縁部付近から果実の中心方向に向かって近赤外線域を含む光を照射する光源部と、
（ｃ） 前記果実載置台の果実収納部のほぼ中央に設置され、果実から出射される透過光及び内部散乱透過光を受光する受光部と、
（ｄ） 前記受光手段の周囲に設けられ、前記果実載置台に載置された果実の下面に密着し得る遮光部材と、
（ｅ） 該遮光部材に対して上昇方向の付勢力を付与するバネ部材と、
（ｆ） 前記受光部で受光した光を波長に応じた成分に分けて取り出すことのできる分光手段と、
（ｇ） 測定対象となる果実の糖度，硬度等の食味成分の評価量を吸光度に関する情報から算出するための検量線を記憶しておく記憶手段と、
（ｈ） 前記分光手段で取り出した特定の波長の光の吸光度に関する情報と、前記記憶手段に記憶されている検量線とに基づいて、前記評価量を算出する算出手段と、
（ｉ） 該算出手段の算出結果に基づく果実の食味成分を評価するための情報の表示を行う表示手段と を備えた果実の食味成分評価装置において、
（ｊ） 前記分光手段を、測定対象果実に対して照射される光の内の近赤外域の特定の波長付近の光と、当該測定対象果実に対して照射される光の実質的な全波長の光とを、それぞれ取り出すことのできる手段として構成すると共に、
（ｋ） 前記算出手段を、前記特定の波長付近の光の吸光度に関する情報と前記検量線とから前記評価量を算出する際に、前記全波長の光の吸光度に関する情報で補正を行う手段として構成したことを特徴とする。
In addition, the fruit taste component evaluation apparatus of the present invention made to achieve the above-described object,
(A) a fruit mounting table having a fruit storage part capable of storing a fruit measurement part and a ring-shaped upper edge part capable of supporting the fruit;
(B) The fruit placed on the fruit mounting table is provided with a light irradiation port that can substantially come into contact with the surface of the fruit, and the near infrared rays from the vicinity of the upper edge of the fruit mounting table toward the center of the fruit. A light source unit that emits light including a region,
(C) a light receiving unit that is installed at substantially the center of the fruit storage unit of the fruit mounting table and receives transmitted light and internal scattered transmitted light emitted from the fruit;
(D) a light-shielding member that is provided around the light-receiving means and can be in close contact with the lower surface of the fruit placed on the fruit placing table;
(E) a spring member that applies an upward biasing force to the light shielding member;
(F) spectroscopic means capable of separating the light received by the light receiving unit into components corresponding to wavelengths;
(G) storage means for storing a calibration curve for calculating an evaluation amount of taste components such as sugar content and hardness of the fruit to be measured from information on absorbance;
(H) calculation means for calculating the evaluation amount based on information on the absorbance of light of a specific wavelength extracted by the spectroscopic means and a calibration curve stored in the storage means;
(I) a fruit taste component evaluation apparatus comprising: display means for displaying information for evaluating a fruit taste component based on a calculation result of the calculation means;
(J) The spectroscopic means includes a light in the vicinity of a specific wavelength in the near-infrared region of the light irradiated to the measurement target fruit, and substantially all wavelengths of the light irradiated to the measurement target fruit. And as a means that can take out each light,
(K) The calculation means is configured as a means for performing correction with information on the absorbance of light of all wavelengths when calculating the evaluation amount from the information on the absorbance of light near the specific wavelength and the calibration curve. It is characterized by that.
本発明の果実の食味成分評価装置によれば、（ａ）〜（ｉ）の構成を用しただけでなく、（ｊ）及び（ｋ）の構成をも採用した結果、測定者が小売店を訪れた消費者の様に、装置の操作に不慣れなものであったとしても、果実の載せ方や、装置の設置場所等の影響を排除することができ、また、測定対象果実の表皮の傷等の影響も排除でき、さらに、測定対象果実が収穫後何日を経過したものであるかという影響も排除して、満足のいく精度にて糖度や硬度を測定することができる。 According to the fruit taste component evaluation apparatus of the present invention, not only the configurations of (a) to (i) but also the configurations of (j) and (k) are employed, and as a result, the measurer selects a retail store. Even if a visitor is not familiar with the operation of the device, it can eliminate the effects of how the fruit is placed, the location of the device, etc. In addition, the sugar content and hardness can be measured with satisfactory accuracy by eliminating the influence of how many days have passed since the fruit to be measured has been harvested.
ここで、（ｅ）のバネ部材は、（ｄ）の遮光部材を果実に密着させてその遮光性を有効なものとし、誤差の要因を除去する点で精度向上に寄与する構成要素である。また、（ａ）の果実載置台は、消費者等が果実を装置にセットするときの極端に不適切な置き方を排除する点で精度向上に寄与しており、また、そのリング状の上縁部が、果実収納部に対する遮光の役割も兼ねる点でも精度向上に寄与する構成要素である。さらに、（ｂ）の光照射手段がリング状の上縁部付近から果実の中心方向に向かって光を照射し、（ｃ）の光検出手段を果実収納部の中央付近に設置する構成を採用することで、果実表面からの反射光によって糖度等の食味成分評価量の算出精度に悪影響を及ぼすのを防ぐと共に、果実の糖度等の性質をより強く反映している果実内部における透過光及び内部散乱光を検出する上で効果を発揮することができる。即ち、本発明装置においては、（ａ）〜（ｋ）の全ての構成要素の相乗効果によって、一層の精度向上が図られているのである。 Here, the spring member (e) is a component that contributes to improving accuracy in that the light-shielding member (d) is brought into close contact with the fruit to make the light-shielding property effective, and the cause of error is eliminated. In addition, the fruit mounting table (a) contributes to improving accuracy in that it eliminates an extremely inappropriate way for consumers to set the fruit on the device. The edge portion is also a component that contributes to accuracy improvement in that it also serves as a light shielding for the fruit storage portion. Furthermore, the light irradiating means (b) irradiates light from the vicinity of the ring-shaped upper edge toward the center of the fruit, and the light detecting means (c) is installed near the center of the fruit storage part. By preventing the reflected light from the fruit surface from adversely affecting the calculation accuracy of the taste component evaluation amount such as sugar content, the transmitted light inside the fruit and the inside reflecting the nature such as the sugar content of the fruit more strongly. An effect can be exhibited in detecting scattered light. That is, in the device of the present invention, the accuracy is further improved by the synergistic effect of all the components (a) to (k).
ここで、本発明の果実の食味成分評価装置においては、さらに、以下の構成をも採用するとよい。
（ｌ） 前記分光手段を、受光素子と、複数の特定の波長の光及び全波長の光を別々に取り出すことのできる切り換え式の光学フィルターとによって構成すること。
Here, in the fruit taste component evaluation apparatus of the present invention, the following configuration may also be employed.
(L) The spectroscopic means is constituted by a light receiving element and a switchable optical filter capable of separately taking out light of a plurality of specific wavelengths and light of all wavelengths.
この（ｌ）の構成を採用すれば、高価な分光器を用いることなく、目的とするデータを得ることができる。ここで、光学フィルターは、光検出手段と果実との間にて回転又はスライドによって透過光を切り換える配置としてもよいし、光検出手段から伸びる光ファイバの途中で回転又はスライドして演算回路に入力する光を特定波長だけにする様に配置してもよい。 By adopting the configuration (1), the target data can be obtained without using an expensive spectrometer. Here, the optical filter may be arranged to switch the transmitted light by rotating or sliding between the light detecting means and the fruit, or rotated or slid in the middle of the optical fiber extending from the light detecting means and input to the arithmetic circuit. You may arrange | position so that the light to make may be only a specific wavelength.
また、本発明の果実の食味成分評価装置においては、算出手段を以下の様に構成するとよい。
（ｍ） 前記算出手段は、前記特定の波長の吸光度に関する情報を前記全波長の吸光度に関する情報によって実質的に除算した情報を前記評価量の演算に用いることによって前記補正を行う手段として構成されていること。
Moreover, in the fruit taste component evaluation apparatus of this invention, it is good to comprise a calculation means as follows.
(M) The calculation means is configured as a means for performing the correction by using information obtained by substantially dividing information on the absorbance at the specific wavelength by information on the absorbance at all wavelengths in the calculation of the evaluation amount. Being.
除算は、演算処理自体が簡単なので処理速度が低下する等の問題を生じない。また、本発明の評価方法に関する説明として上述した通り、各種の誤差の要因を排除する上で、全波長データによる除算は極めて有効である。 Division does not cause problems such as a reduction in processing speed because the arithmetic processing itself is simple. Further, as described above for the description of the evaluation method of the present invention, division by all wavelength data is extremely effective in eliminating various error factors.
また、本発明の果実の食味成分評価装置においては、さらに以下の構成をも採用するとよい。
（ｎ） 前記記憶手段を、同種果実の栽培時期に応じた複数の検量線を複数記憶した手段として構成すると共に、
（ｏ） 前記算出手段を、測定対象果実の栽培時期に応じて、前記記憶手段に記憶された複数の検量線の中から演算に用いる検量線を選択して前記評価量の算出を行う手段として構成すること。
Moreover, in the fruit taste component evaluation apparatus of this invention, it is good to employ | adopt the following structures further.
(N) While configuring the storage means as means for storing a plurality of calibration curves according to the cultivation time of the same fruit,
(O) As the means for calculating the evaluation quantity by selecting a calibration curve used for calculation from a plurality of calibration curves stored in the storage means according to the cultivation time of the fruit to be measured. Make up.
本発明の評価方法の説明として既述した通り、果実によっては、栽培時期により全体的に糖度が高くなったり低くなったりするとか、硬度が高くなったり低くなったりするということがあり得るからである。 As already described as the explanation of the evaluation method of the present invention, depending on the fruit, the sugar content may increase or decrease as a whole, or the hardness may increase or decrease depending on the cultivation time. is there.
また、本発明の果実の食味成分評価装置においては、さらに以下の構成をも採用するとよい。
（ｐ） 前記記憶手段を、同種果実における品種の相違に応じた複数の検量線を記憶した手段として構成すると共に、
（ｑ） 前記算出手段を、測定対象果実の品種に応じて、前記記憶手段に記憶された複数の検量線の中から演算に用いる検量線を選択して前記評価量の算出を行う段として構成すること。
Moreover, in the fruit taste component evaluation apparatus of this invention, it is good to employ | adopt the following structures further.
(P) The storage means is configured as means for storing a plurality of calibration curves according to the variety of varieties in the same fruit,
(Q) The calculation means is configured as a stage for calculating the evaluation quantity by selecting a calibration curve used for calculation from a plurality of calibration curves stored in the storage means according to the variety of the fruit to be measured. To do.
本発明の評価方法に関して既述した通り、果実によっては、品種によって果肉の色が異なる場合があるといった具合に、吸光度に影響を与える要因を含んでいることがあるからである。 This is because, as described above with respect to the evaluation method of the present invention, depending on the fruit, the color of the pulp may differ depending on the variety, so that a factor that affects the absorbance may be included.
また、特に、メロン用の果実の食味成分評価装置としては、さらに以下の様に構成するとよい。
（ｒ） 前記記憶手段には、７２０ｎｍ，７４０ｎｍ，７７０ｎｍ及び８１０ｎｍの４波長近傍の波長の吸光度に関する情報と糖度との対応関係を数値化した糖度用検量線データベースと、７２０ｎｍ，７４０ｎｍ，７７０ｎｍ及び８１０ｎｍの４波長近傍の波長の吸光度に関する情報と硬度との対応関係を数値化した硬度用検量線データベースとを記憶しておき、
（ｓ） 前記算出手段を、７２０ｎｍ，７４０ｎｍ，７７０ｎｍ及び８１０ｎｍの４波長の内の少なくとも３つ以上の波長近傍の波長の吸光度に関する情報を用いて前記評価量の演算を実行する様に構成すると共に、
（ｔ） 前記記憶手段には、さらに、硬度と食べ頃までの日数との関係を特定するための食べ頃特定データをも記憶しておき、
（ｕ） 前記算出手段は、算出した硬度と食べ頃特定データとに基づいて、食べ頃までの日数をも算出する手段として構成し、
（ｖ） 前記表示手段には、食べ頃までの日数をも表示する様に構成したこと。
Further, in particular, the apparatus for evaluating fruit taste components for melon may be further configured as follows.
(R) The storage means includes a sugar content calibration curve database in which the correspondence between the information on the absorbance at wavelengths near 720 nm, 740 nm, 770 nm, and 810 nm and the sugar content is quantified, and 720 nm, 740 nm, 770 nm, and 810 nm. A hardness calibration curve database in which the correspondence between the information on the absorbance at wavelengths in the vicinity of 4 wavelengths and the hardness is numerically stored,
(S) The calculation means is configured to perform the calculation of the evaluation amount using information on absorbance at wavelengths in the vicinity of at least three or more of the four wavelengths of 720 nm, 740 nm, 770 nm, and 810 nm. ,
(T) The storage means further stores eating date specifying data for specifying the relationship between the hardness and the number of days until eating,
(U) The calculating means is configured as means for calculating the number of days until eating based on the calculated hardness and eating time specific data,
(V) The display means is configured to display the number of days until eating.
メロンにおいては食味成分の内、糖度及び硬度（熟度）が重要であり、これらは上述の波長の吸光度によって精度よく評価できる。そして、メロンの購入者は、何よりも、何日後に食べると丁度よい食べ頃かを知りたいという要望する。従って、メロンの食味成分評価装置においては、単に糖度や硬度の測定値を知らせるだけでなく、上記（ｔ）〜（ｖ）の構成をも備えて、食べ頃までの日数を情報として提供できることは、需用者の要望に合致する。なお、食べ頃までの日数は、「あと○日」と表示してもよいし、「○日〜△日後」と表示してもよい。また、硬度の表示をする場合、「未熟」，「適熟」，「過熟」といった表示方法としてもよい。食べ頃までの日数は、硬度が上記３段階の評価のどこに該当するかに応じて表示すべきメッセージを固定しておいてもよい。 In melon, sugar content and hardness (maturity) are important among the taste components, and these can be accurately evaluated by the absorbance at the above-mentioned wavelength. And the melon purchaser wants to know the best time to eat after many days. Therefore, in the melon taste component evaluation apparatus, not only simply inform the measurement value of sugar content and hardness, it is also possible to provide the number of days until eating as information with the above-mentioned configurations (t) to (v), It meets the demands of consumers. The number of days until eating may be displayed as “remaining ○ days”, or may be displayed as “from ○ days to Δ days later”. When displaying the hardness, a display method such as “unripe”, “appropriate maturity”, or “overripe” may be used. The number of days until eating may be fixed as a message to be displayed depending on where the hardness falls within the above three-level evaluation.
また、上記（ｒ），（ｓ）の構成を採用することで、装置の記憶容量に対してデータベースが占有する容量を小さくすることができ、それにも関わらず、算出結果は十分な精度となる。加えて、評価量の算出に際してのデータベース検索時間も短縮できるというメリットもある。さらに、上述した様な品種毎、栽培時期毎の検量線データを多数揃える際のデータ量抑制と検索時間短縮に大いに寄与する構成となる。 In addition, by adopting the above configurations (r) and (s), it is possible to reduce the capacity occupied by the database with respect to the storage capacity of the apparatus. Nevertheless, the calculation results are sufficiently accurate. . In addition, there is an advantage that the database search time for calculating the evaluation amount can be shortened. Furthermore, it becomes the structure which contributes greatly to data amount suppression and search time shortening at the time of preparing many calibration curve data for every kind as mentioned above for every cultivation time.
本発明によれば、小売店等の店頭でメロン等の果実の糖度や硬度（熟度）を測定するために設置したときに、操作に不慣れな消費者が使用しても満足のいく精度の算出結果を得ることが出来る。これにより、消費者は、果実を購入する際に、糖度や食べ頃をほぼ正確に知ることができる。 According to the present invention, when installed at a retail store or the like to measure the sugar content or hardness (maturity) of a fruit such as melon, even if it is used by a consumer unfamiliar with the operation, the accuracy is satisfactory. Calculation results can be obtained. Thereby, the consumer can know sugar content and the time of eating almost correctly, when purchasing a fruit.
以下、本発明を具体化した実施形態を図面を参照しながら詳細に説明する。実施形態は、近赤外域の光を照射して得られる特定波長の吸光度からメロンの糖度及び熟度を算出して評価結果を表示するための装置（以下、「メロン評価装置」という。）である。 DESCRIPTION OF EMBODIMENTS Hereinafter, embodiments embodying the present invention will be described in detail with reference to the drawings. The embodiment is an apparatus (hereinafter, referred to as “melon evaluation apparatus”) for calculating the sugar content and maturity of melon from the absorbance at a specific wavelength obtained by irradiating light in the near infrared region and displaying the evaluation result. is there.
実施形態のメロン評価装置１は、図１に示す様に、メロン載置台１０と、ハロゲンランプ２０と、メロン載置台１０の中央部に配置された受光部３０と、受光部３０で受光した光の内の特定の波長の光を通過させる光学フィルター４０と、光学フィルター４０を通過して入力される光を検出する受光素子４５と、受光素子４５で検出した結果を用いてメロンの糖度及び硬度を演算する演算器５０と、演算器５０による演算結果を表示する表示パネル６０と、各種の操作スイッチ等を備えた操作パネル７０とを備えている。 As shown in FIG. 1, the melon evaluation apparatus 1 according to the embodiment includes a melon mounting table 10, a halogen lamp 20, a light receiving unit 30 disposed at the center of the melon mounting table 10, and light received by the light receiving unit 30. Among them, an optical filter 40 that transmits light of a specific wavelength, a light receiving element 45 that detects light input through the optical filter 40, and a sugar content and hardness of melon using the result detected by the light receiving element 45 Is provided with a computing unit 50 that calculates the calculation result, a display panel 60 that displays the computation results of the computing unit 50, and an operation panel 70 that includes various operation switches and the like.
メロン載置台１０は、メロンＭを支える筒体１１によって構成されている。この筒体１１は、メロンＭの計測部を収納する果実収納部１３を十分に確保できる高さとされている。 The melon mounting table 10 is configured by a cylindrical body 11 that supports the melon M. The cylinder 11 has a height that can sufficiently secure the fruit storage unit 13 that stores the measurement unit of the melon M.
ハロゲンランプ２０からは、光ファイバ２１が伸ばされており、この光ファイバ２１の先に、メロン載置台１０を構成する筒体１１の上縁部内面側にリング状に形成された光出射口２３が備えられている。ハロゲンランプ２０は、光ファイバ２１及びリング状の光出射口２３を介して、筒体１１の上縁部内面からメロンＭの中心方向に向かって近赤外線域を含む光を照射する。 An optical fiber 21 is extended from the halogen lamp 20, and a light emission port 23 formed in a ring shape on the inner surface side of the upper edge of the cylindrical body 11 constituting the melon mounting table 10 at the tip of the optical fiber 21. Is provided. The halogen lamp 20 irradiates light including the near infrared region from the inner surface of the upper edge of the cylindrical body 11 toward the center of the melon M through the optical fiber 21 and the ring-shaped light exit 23.
受光部３０は、その周囲を取り囲む遮光パッド３１に固定されている。この遮光パッド３１は、コイルバネ３３によって下方から上方へ向かって付勢されている。このコイルバネ３３は、筒体１１に載せられたメロンＭの表面に遮光パッド３１を押し付けておくことができる様なバネ高さ及びバネ定数に設計されている。 The light receiving unit 30 is fixed to a light shielding pad 31 surrounding the periphery. The light shielding pad 31 is urged from below to above by a coil spring 33. The coil spring 33 is designed to have a spring height and a spring constant so that the light shielding pad 31 can be pressed against the surface of the melon M placed on the cylinder 11.
また、受光部３０からは光ファイバ３５が伸ばされている。光学フィルター４０は、この光ファイバ３５の先に配置されている。そして、光学フィルター４０の先に受光素子４５が配置され、受光素子４５から出力される信号は電流増幅器４７を介して演算器５０に入力される。 An optical fiber 35 is extended from the light receiving unit 30. The optical filter 40 is disposed at the tip of the optical fiber 35. A light receiving element 45 is disposed at the tip of the optical filter 40, and a signal output from the light receiving element 45 is input to the computing unit 50 via the current amplifier 47.
光学フィルター４０は、７２０ｎｍ近傍の波長の光を通過させる第１のフィルターを設けた第１窓と、７４０ｎｍ近傍の波長の光を通過させる第２のフィルターを設けた第２窓と、７７０ｎｍ近傍の波長の光を通過させる第３のフィルターと設けた第３窓と、８１０ｎｍ近傍の波長の光を通過させる第４のフィルターを設けた第４窓と、これらいずれのフィルターの設けられていない全波長通過用の第５窓とを備えている。そして、糖度及び硬度の測定の際には、回転によってこれら５つの窓のいずれかを光の通路に配置することができる様に構成されている。 The optical filter 40 includes a first window provided with a first filter that transmits light having a wavelength near 720 nm, a second window provided with a second filter that transmits light having a wavelength near 740 nm, and A third filter provided with a third filter for passing light of a wavelength, a fourth window provided with a fourth filter for passing light with a wavelength in the vicinity of 810 nm, and all wavelengths not provided with any of these filters And a fifth window for passage. When measuring sugar content and hardness, one of these five windows can be arranged in the light path by rotation.
演算器５０は、ＣＰＵ，ＲＯＭ，ＲＡＭ等を備えたマイクロコンピュータによって構成されている。ＲＯＭには、後述する各種の演算のためのプログラムが記憶されている。 The computing unit 50 is constituted by a microcomputer including a CPU, a ROM, a RAM, and the like. The ROM stores programs for various calculations described later.
演算器５０には、書き換えが可能なＲＯＭとして機能し得るメモリ（ＥＥＰＲＯＭ，フラシュメモリ等）が備えられている。このメモリには、７２０ｎｍ近傍、７４０ｎｍ近傍、７７０ｎｍ近傍及び８１０ｎｍ近傍の４波長の吸光度とメロンの糖度との対応関係を数値化した糖度用検量線データベースと、同じくこれら４波長の吸光度とメロンの硬度（熟度）との対応関係を数値化した糖度用検量線データベースとが、栽培時期について春・秋作と夏作、栽培品種について赤肉メロンと緑肉メロンに分けて記憶されている。従って、糖度用検量線データベース及び硬度用検量線データベースは、「赤肉メロンの春・秋作用」、「赤肉メロンの夏作用」、「緑肉メロンの春・秋作用」、「緑肉メロンの夏作用」の各４つ、合計８つが記憶されている。この検量線データベースは、後述する用に、多数の試料を用いたＰＬＳ回帰分析によって予め求めたものである。 The computing unit 50 includes a memory (EEPROM, flash memory, etc.) that can function as a rewritable ROM. This memory contains a calibration curve database for sugar content that quantifies the correspondence between the absorbance at four wavelengths near 720 nm, near 740 nm, near 770 nm, and near 810 nm and the sugar content of melon, as well as the absorbance of these four wavelengths and the hardness of melon. A calibration curve database for sugar content in which the correspondence with (maturity) is quantified is stored separately for spring / autumn and summer crops for the cultivation season and red melon and green melon for the cultivars. Therefore, the calibration curve database for sugar content and the calibration curve database for hardness are “spring / fall action of red melon”, “summer action of red melon”, “spring / fall action of green melon”, “green melon” Of "summer action", a total of eight are stored. This calibration curve database is obtained in advance by PLS regression analysis using a large number of samples, as will be described later.
上記メモリには、さらに、メロンの硬度と食べ頃までの日数との関係を数値化した食べ頃特定データベースも記憶されている。この食べ頃特定データベースも、検量線データベースと同様に、「赤肉メロンの春・秋作用」、「赤肉メロンの夏作用」、「緑肉メロンの春・秋作用」、「緑肉メロンの夏作用」の４つが記憶されている。 The memory further stores an eating time specific database in which the relationship between the hardness of melon and the number of days until eating is quantified. As with the calibration curve database, this eating time specific database is similar to the “Calendar Spring / Autumn Action of Red Meat”, “Summer Action of Red Melon”, “Spring / Autumn Action of Green Melon”, “Summer of Green Melon” Four "actions" are stored.
操作パネル７０には、これら各４つの糖度用検量線データベース、硬度用検量線データベース及び食べ頃特定データベースの内で、演算に使用するものを選択するためのスイッチが設けられている。スイッチは、赤肉メロンか緑肉メロンかを選択する品種選択スイッチと、春・秋作メロンか夏作メロンかを選択する栽培時期選択スイッチとから構成される。なお、このスイッチは、ユーザーが操作する方式とせずに、装置の設置者側で予め品種及び栽培時期を選択した状態として青果売り場に置く様にしてもよい。 The operation panel 70 is provided with a switch for selecting one of the four sugar content calibration curve databases, the hardness calibration curve database, and the eaten specific database. The switch is composed of a variety selection switch for selecting red melon or green melon and a cultivation time selection switch for selecting spring / autumn melon or summer melon. Note that this switch may not be operated by the user, but may be placed in the fruit and vegetable department as a state in which the varieties and cultivation time have been selected in advance by the apparatus installer.
表示パネル６０には、演算結果としての糖度、硬度及び食べ頃を表示するウインドウが設けられている。 The display panel 60 is provided with a window that displays sugar content, hardness, and time of eating as a calculation result.
ＣＰＵは、ＲＯＭに記憶したプログラムに基づいて、図２に示す様な手順に構成された演算プログ
ラムを実行して糖度及び硬度を演算する。この処理は、操作パネル７０のスタートスイッチを押下することによって開始される。
Based on the program stored in the ROM, the CPU executes a calculation program having a procedure as shown in FIG. 2 to calculate sugar content and hardness. This process is started by pressing the start switch on the operation panel 70.
処理が開始されると、まず、品種選択スイッチの設定から測定対象のメロンの品種（赤肉メロンか緑肉メロンか）の特定を行う（Ｓ１０）。続いて、栽培時期選択スイッチの設定から、測定対象のメロンの栽培時期（春・秋作か夏作か）の特定を行う（Ｓ２０）。そして、品種特定及び栽培時期特定の結果に基づいて、４つの糖度用検量線データベース、４つの硬度用検量線データベース及び４つの食べ頃特定データベースの中から、この後の演算に使用するデータベースを各１つずつ選択して（Ｓ３０）、データベース特定情報をＲＡＭに記録する（Ｓ４０）。 When the processing is started, first, the type of melon to be measured (red meat melon or green melon) is specified from the setting of the kind selection switch (S10). Subsequently, the cultivation time (spring / autumn or summer) of the melon to be measured is specified from the setting of the cultivation time selection switch (S20). Based on the results of cultivar identification and cultivation period identification, each of the four sugar content calibration curve databases, the four hardness calibration curve databases, and the four eating time specification databases is used for each subsequent calculation. Each is selected (S30), and the database specifying information is recorded in the RAM (S40).
続いて、ハロゲンランプ２０を点灯し（Ｓ５０）、光学フィルター４０の全波長通過用の第５窓を光通路に臨ませて、全波長の光検出信号Ｒ0 を取得する（Ｓ６０）。次に、光学フィルター４０の第１窓を光通路に臨ませて７２０ｎｍ近傍の波長の光検出信号Ｒ1 を取得する（Ｓ７０）。次に、光学フィルター４０の第２窓が光通路に臨ませて７４０ｎｍ近傍の波長の光検出信号Ｒ2 を取得する（Ｓ８０）。以下、光学フィルター４０の第３窓を光通路に臨ませて７７０ｎｍ近傍の波長の光検出信号Ｒ3 を取得し（Ｓ９０）、第４窓を光通路に臨ませて８１０ｎｍ近傍の波長の光検出信号Ｒ4 を取得する（Ｓ１００）。 Subsequently, the halogen lamp 20 is turned on (S50), the fifth window for passing all wavelengths of the optical filter 40 is made to face the optical path, and the photodetection signal R0 for all wavelengths is acquired (S60). Next, the first window of the optical filter 40 is made to face the optical path, and a photodetection signal R1 having a wavelength near 720 nm is obtained (S70). Next, the second window of the optical filter 40 faces the optical path to acquire the photodetection signal R2 having a wavelength near 740 nm (S80). Thereafter, the third window of the optical filter 40 is exposed to the optical path to obtain a light detection signal R3 having a wavelength near 770 nm (S90), and the fourth window is exposed to the optical path to detect a light detection signal having a wavelength near 810 nm. R4 is obtained (S100).
次に、Ｓ６０〜Ｓ１００で取得した光検出信号Ｒ0 〜Ｒ4 と、糖度用検量線データベース及び硬度用検量線データベースに基づいて、糖度及び硬度の演算を行う（Ｓ１１０，Ｓ１２０）。この演算は、次の式に基づいて実行される。なお、各検量線データベースは、下記式によって糖度等を算出できる様に、予め求められたものである。 Next, the sugar content and hardness are calculated based on the light detection signals R0 to R4 acquired in S60 to S100, the sugar content calibration curve database, and the hardness calibration curve database (S110, S120). This calculation is executed based on the following equation. Each calibration curve database is obtained in advance so that sugar content and the like can be calculated by the following formula.
（数１）
糖度＝（ａ1B・Ｒ1＋ａ2B・Ｒ2＋ａ3B・Ｒ3＋ａ4B・Ｒ4）／Ｒ0
硬度＝（ａ1F・Ｒ1＋ａ2F・Ｒ2＋ａ3F・Ｒ3＋ａ4F・Ｒ4）／Ｒ0
ａ1B，ａ2B，ａ3B，ａ4B ・・・糖度用検量線
ａ1F，ａ2F，ａ3F，ａ4F ・・・硬度用検量線
(Equation 1)
Sugar content = (a1B · R1 + a2B · R2 + a3B · R3 + a4B · R4) / R0
Hardness = (a1F · R1 + a2F · R2 + a3F · R3 + a4F · R4) / R0
a1B, a2B, a3B, a4B ... Calibration curve for sugar content
a1F, a2F, a3F, a4F ... Hardness calibration curve
そして、硬度の演算結果と、食べ頃特定データベースとから、食べ頃までの日数を特定する（Ｓ１３０）。最後に、糖度及び硬度の演算結果と、食べ頃までの日数の特定結果とを表示パネル６０の糖度表示窓、硬度表示窓及び食べ頃表示窓にそれぞれ表示する（Ｓ１４０）。 Then, the number of days until eating is specified from the hardness calculation result and the eating specification database (S130). Finally, the calculation result of sugar content and hardness and the result of specifying the number of days until eating are displayed on the sugar content display window, hardness display window, and eating time display window of the display panel 60, respectively (S140).
次に、本願発明の装置の有効性を確認するために出願人らが実施した研究の結果を、実施例として説明する。 Next, the results of research conducted by the applicants in order to confirm the effectiveness of the device of the present invention will be described as examples.
［糖度分布の可視化］
本実施例では、果肉色の異なる複数品種のメロン数十個に対して実験を行うと共に、様々な熟度の状態を含む糖度と吸光スペクトルのデータセットに対し、ＰＬＳ回帰分析を用いて検量線を作成した。
[Visualization of sugar content distribution]
In this example, an experiment was performed on several tens of melons of different varieties of flesh color, and a calibration curve using PLS regression analysis was performed on a sugar content and absorbance spectrum data set including various maturity states. It was created.
［試料の詳細］
計測に用いたメロンは、愛知県豊橋市のトヨハシ種苗株式会社より提供されたもので、２００４年度の春から夏にかけハウス内で栽培された。
[Details of sample]
The melon used for the measurement was provided by Toyohashi Seedling Co., Ltd. in Toyohashi, Aichi Prefecture, and was cultivated in the house from spring to summer in 2004.
合計９品種、４２個のメロンは３期に分けて栽培された。第１期は通常通りに収穫したものと、メロンが適熟果となるまで収穫せずにおいた（以後，後取り収穫メロン）ものの２種からなる．第２期，第３期は通常通りの収穫のものである。収穫日はそれぞれ６月２４日，６月３０日，７月２０日，８月６日であった。 A total of 9 varieties and 42 melons were cultivated in three stages. The first period consists of two kinds: one harvested as usual and one that has not been harvested until the melon has reached the appropriate ripe fruit (hereinafter, post harvest melon). The second and third periods are for normal harvesting. The harvest days were June 24, June 30, July 20, and August 6, respectively.
全メロンの品種と個数、果肉色を表１に示す。メロンは大きく分けて、第１期に栽培された春秋系メロン、第２，３期に栽培された夏系メロンとに分けられる。春秋系メロン２０個の内、赤肉メロンは３個、夏系メロン２２個の内、赤肉メロンは１個である。また、第１期後取りメロンの後取り収穫メロン６個は、全て基準品種のアールス雅春秋系である。 Table 1 shows the varieties, number and pulp color of all melons. The melon is roughly divided into a spring / fall melon grown in the first period and a summer melon cultivated in the second and third periods. Of the 20 spring-autumn melons, 3 are red melons and 22 are summer melons, and 1 is red melon. In addition, the six post-harvest melons in the first period are all of the standard varieties Earls Masaharu.
［計測機器の詳細と計測法］
メロンの品質計測として、以下の３種の計測を行った。
（１）半透過型装置を用いた透過スペクトルの計測
（２）打音計測法による硬度の計測
（３）メロン断面のスペクトルイメージング計測
以下、これらの計測に用いた計測器の詳細ととその計測法について述べる。
[Details of measurement equipment and measurement methods]
The following three types of measurements were performed as melon quality measurements.
(1) Transmission spectrum measurement using semi-transmission type device (2) Hardness measurement by percussion measurement method (3) Spectral imaging measurement of melon cross section State the law.
［メロン透過スペクトル計測器］
本研究で用いた透過スペクトル計測器は、半透過型である。計測器の光源には可視波長領域から近赤外は超領域までをカバーするハロゲンライト（林時計社製，ＬＡ−１００ＩＲ）を用いた。ハロゲンランプからの照射光は、リングライトを通り、メロンへと照射される。メロン内部を透過した光は、リングライト中央に取り付けられた光ファイバを通りＵＳＢ型分光器（ＯｃｅａｎＰｈｏｔｏｎｉｃｓ社製，ＵＳＢ２０００）へ入力され、ノートＰＣに保存される。
[Melon transmission spectrum measuring instrument]
The transmission spectrum measuring instrument used in this study is a semi-transmission type. A halogen light (LA-100IR, manufactured by Hayashi Clock Co., Ltd.) covering the visible wavelength region to the near infrared region was used as the light source of the measuring instrument. Irradiation light from the halogen lamp passes through the ring light and is irradiated onto the melon. The light transmitted through the inside of the melon passes through an optical fiber attached to the center of the ring light, is input to a USB spectroscope (Ocean Photonics, USB2000), and is stored in a notebook PC.
図３（ａ）にメロン透過スペクトルの計測方法を示す。メロン透過スペクトルの計測位置は、メロン赤道上を等間隔に４点マーキング（図３（ｂ））し、毎日同じ計測位置付近を計測することでメロン内部の成分分布の違いによるスペクトル変動を抑えた。また、メロンを透過してくる光は微弱であるため、光ファイバの先端をメロンと接触させて計測した。 FIG. 3A shows a method for measuring a melon transmission spectrum. The measurement position of the melon transmission spectrum is marked at four points on the melon equator at equal intervals (Fig. 3 (b)), and the fluctuation of the spectrum due to the difference in the component distribution inside the melon is suppressed by measuring the same measurement position every day. . In addition, since the light transmitted through the melon is weak, the measurement was performed by bringing the tip of the optical fiber into contact with the melon.
［メロン硬度計測器］
硬度の計測には、携帯用非破壊熟度測定器（東洋精機社製，ＦｉｒｍＴｅｓｔｅｒ ＳＡ−Ｉ）を用いた。この計測器は打音計測により、堅い物体ほど伝搬速度は速くなり、柔らかい物体ほど伝搬速度は遅くなるという現象を捉えることで、非破壊でメロンの堅さを測定することができる。また、官能検査の結果、メロンの適熟期は伝搬速度が４８〜［ｍ／ｓ］あたりであることが報告されている（杉山純一，”打音によるメロンの非破壊計測−その原理から携帯用果肉硬度計の開発まで−”，農業及び園芸，１９９８，７３（２））。
[Melon hardness measuring instrument]
For the measurement of hardness, a portable nondestructive maturity measuring device (manufactured by Toyo Seiki Co., Ltd., FirmTester SA-I) was used. This instrument can measure the stiffness of melons in a non-destructive manner by detecting the phenomenon that the propagation speed is faster for hard objects and the propagation speed is slower for soft objects. In addition, as a result of sensory tests, it has been reported that the ripening period of melons is around 48 to [m / s] (Junichi Sugiyama, “Non-destructive measurement of melons by percussion sound- To the development of a flesh hardness tester-", Agriculture and Horticulture, 1998, 73 (2)).
［ハイパースペクトルイメージングシステム］
メロン断面の２次元スペクトル情報を取得するため、ハイパースペクトルイメージングシステムを構築した。この計測器は、冷却ＣＣＤカメラ（浜松ホトニクス社製，ＯＲＣＡ−ＥＲ−１３９４）の前面にＡＯＴＦ（Ａｃｏｕｓｔｏ−Ｏｐｔｉｃ Ｔｕｎａｂｌｅ Ｆｉｌｔｅｒ，Ｂｒｉｍｒｏｓｅ社製，ＣＡＶ−１００改）を取り付けた装置からなる。
[Hyperspectral imaging system]
A hyperspectral imaging system was constructed to obtain 2D spectral information of the melon cross section. This measuring instrument consists of a device in which an AOTF (Acousto-Optic Tunable Filter, manufactured by Brimrose, CAV-100 modified) is attached to the front surface of a cooled CCD camera (manufactured by Hamamatsu Photonics, ORCA-ER-1394).
メロンを反射した光はＡＯＴＦ前面のレンズで０次光をカットされ、ＡＯＴＦへ入力される。ＡＯＴＦは４００ｎｍ〜１０００ｎｍの波長範囲の任意波長のみの光を２次元情報を保持したまま透過させることが可能であり、透過光を高感度モノクロＣＣＤカメラで受光することで、任意波長の分光画像を取得可能である。また、ＣＣＤカメラはデスクトップＰＣと接続されており、計測ソフトウェアでは１６ｂｉｔのＴＩＦＦ形式で保存するに留め、解析は全てＭａｔｌａｂで行った。 The light reflected from the melon is cut off zero-order light by the lens in front of the AOTF, and input to the AOTF. AOTF can transmit only light of any wavelength in the wavelength range of 400 nm to 1000 nm while retaining two-dimensional information. By receiving the transmitted light with a high-sensitivity monochrome CCD camera, a spectral image of any wavelength can be obtained. It can be acquired. The CCD camera is connected to a desktop PC, and the measurement software saves it in a 16-bit TIFF format, and all analysis is performed with Matlab.
ハイパースペクトルイメージング装置は、ＡＯＴＦの透過波長を連続的に変化させ、ＣＣＤカメラで撮影することで、画像の各画素がスペクトル情報を持つスペクトル画像（図４）を生成することが可能である。通常のＲＧＢ３バンド画像の各画素が３値しか持たないのに対し、スペクトル画像は数十から数百の値からなる。そのため、データの量が膨大となる。 The hyperspectral imaging apparatus can generate a spectral image (FIG. 4) in which each pixel of the image has spectral information by continuously changing the transmission wavelength of the AOTF and photographing with a CCD camera. While each pixel of a normal RGB 3-band image has only three values, a spectral image consists of tens to hundreds of values. Therefore, the amount of data becomes enormous.
ハイパースペクトルイメージング装置を用いた計測は自作暗室内（図５）で行った。暗室内には、エアコーディンショナー、換気扇が設置されており、実験時は設定を冷房２５度に固定した。また、機器の安定を図るため、計測は全計測器の電源を入れてから３０分以降とした。 Measurement using the hyperspectral imaging apparatus was performed in a self-made darkroom (FIG. 5). An air corder and a ventilation fan were installed in the dark room, and the setting was fixed at 25 degrees for cooling during the experiment. Further, in order to stabilize the equipment, the measurement was performed after 30 minutes after all the measuring instruments were turned on.
計測は反射法を用い、光源にはハロゲンランプ（ＬＰＬ社製，Ｔｒｏｐｉｃａｌ ｐｒｏｆｅｓｓｉｏｎａｌ，１００Ｖ５００Ｗ）を用いた。また光源の位置は、ハイパースペクトルイメージング装置への入射光に直接反射光が入らぬ様、前方上方４５°の角度から照射させた。 The reflection method was used for the measurement, and a halogen lamp (manufactured by LPL, Tropical professional, 100V500W) was used as the light source. The light source was irradiated at an angle of 45 ° above the front so that the reflected light did not directly enter the incident light to the hyperspectral imaging apparatus.
計測波長条件は、４００ｎｍ〜１０００ｎｍの範囲で５ｎｍ間隔とし、ハイパースペクトルイメージング装置の分光感度特性を考慮して、低波長側（４００ｎｍ〜６００ｎｍ）と長波長側（５８０ｎｍ〜１０００ｎｍ）の２回に分けて計測した。 The measurement wavelength condition is 5 nm in the range of 400 nm to 1000 nm, and is divided into two times, the low wavelength side (400 nm to 600 nm) and the long wavelength side (580 nm to 1000 nm) in consideration of the spectral sensitivity characteristics of the hyperspectral imaging apparatus. Measured.
［計測内容］
全メロンに対して行った計測は以下の３種である．
（１）半透過型装置を用いた透過スペクトルの計測
（２）打音計測法による硬度の計測
（３）メロン断面のスペクトルイメージング計測
[Measurement content]
The following three types of measurements were performed on all melons.
(1) Transmission spectrum measurement using a transflective device (2) Hardness measurement by percussion measurement method (3) Spectral imaging measurement of melon cross section
なお、（３）のイメージング計測としては、実際にメロンを切り、その断面を撮影する破壊計測によって実施した。そのため、イメージング計測を行う日は、メロン一品種に対して、適熟期前，適熟期，適熟期後の大きく３つに分けた。 The imaging measurement of (3) was performed by destructive measurement in which the melon was actually cut and the cross section was photographed. Therefore, the day when imaging measurement was performed was roughly divided into three types, one before the appropriate maturity period, the other appropriate maturity period, and after the optimal maturity period.
（１）の透過スペクトル計測、（２）の打音計測については非破壊計測である。収穫日翌日からイメージング計測日まで毎日計測することで、メロン収穫後のスペクトル変化と硬度変化を追った。 The transmission spectrum measurement of (1) and the percussion sound measurement of (2) are nondestructive measurements. By measuring every day from the day after harvest until the day of imaging measurement, the changes in spectrum and hardness after melon harvest were followed.
全メロンのイメージング計測日は表１に示す通りである。適熟期（食べ頃）のメロンは収穫日から５日〜１週間程度といわれているため、主に適熟気前の計測は収穫から３日前後に行い、適熟期の計測は収穫から６日前後に行い、適熟期後の計測は収穫から９日前後に行った。 The imaging date of all melons is as shown in Table 1. Since it is said that melons at the best maturity (eating season) are about 5 days to 1 week from the date of harvest, the measurement before maturity is performed around 3 days from the harvest, and the measurement at the best maturity is 6 days before the harvest. The measurement was carried out later, and the measurement after the appropriate maturity period was performed around 9 days after the harvest.
［検量線の作成］
検量線作成には、合計５品種，９個のメロンを用いた（表１）。９個の内分は、春秋系メロン・夏系メロンを条件に含めた適熟期前，適熟期，適熟期後の緑肉メロン7 個、赤肉メロン２個である。また、検量線作成用試料のデータセットの作成方法は、蔦等の行った研究（蔦瑞樹，杉山純一，相良泰行，”ハイパースペクトルシステムによる近赤外分光イメージング手法〜メロン糖度分布の可視化事例〜”，映像情報メディア学会誌，２００２，５６（１２），ｐｐ．２０３７−２０４０）を参考に、構築した計測機器や実験環境に合わせ独自に改良を加えた。
[Create calibration curve]
A total of 5 varieties and 9 melons were used for preparing the calibration curve (Table 1). The nine halves consisted of 7 green melons and 2 red melons before, during and after the appropriate ripening period, including spring and summer melons and summer melons. In addition, the method of creating a calibration curve sample data set is the research conducted by Tsuji et al. (Mizuki Tsuji, Junichi Sugiyama, Yasuyuki Sagara, “Near-infrared spectroscopic imaging method using hyperspectral system-Visualization of melon sugar content distribution- “The Journal of the Institute of Image Information and Television Engineers, 2002, 56 (12), pp. 2037-2040), was independently improved in accordance with the constructed measuring instrument and experimental environment.
まず、直径２０ｍｍのステンレス製パイプを用いてメロン果肉部位を円筒状にくり抜いた。次に、果***を３×３の穴の空いた計測補助期に詰め、果肉表面をカッターナイフで切ることで平らにそろえた後、スペクトルイメージング計測した。その後メロン果肉を１〜２ｍｍ厚程度に切削し、その断面を再度スペクトルイメージング計測する、という作業を果肉が無くなるまで繰り返した（平均１８回程度）。一方、切削した果肉は、一つ一つをマイクロチューブへ詰めた後、冷凍・解凍作業を経て果肉の繊維を破壊し、果汁を絞りやすくした。最後に、上記マイクロチューブを遠心器へかけ、絞り出した果汁は屈折型糖度計（ＡＴＡＧＯ 社製，ＰＲ−１０１）を用いて糖度［Ｂｒｉｘ］を計測した。 First, a melon pulp part was cut out into a cylindrical shape using a stainless steel pipe having a diameter of 20 mm. Next, the pulp stick was packed in a measurement auxiliary period with a 3 × 3 hole, and the pulp surface was flattened by cutting with a cutter knife, followed by spectral imaging measurement. Thereafter, the operation of cutting the melon pulp to a thickness of about 1 to 2 mm and measuring the cross-section again by spectral imaging was repeated until the pulp disappeared (average of about 18 times). On the other hand, the cut pulp was packed into microtubes one after another, and after freezing and thawing operations, the pulp fibers were broken to make it easier to squeeze the juice. Finally, the microtube was placed in a centrifuge, and the squeezed fruit juice was measured for sugar content [Brix] using a refractive saccharimeter (manufactured by ATAGO, PR-101).
ここで、Ｂｒｉｘはショ糖を水に溶解したときの重量％ の単位で、例えば１００ｇ 中に１０ｇのショ糖が溶けている液は１０［Ｂｒｉｘ］となる。 Here, Brix is a unit of% by weight when sucrose is dissolved in water. For example, a solution in which 10 g of sucrose is dissolved in 100 g is 10 [Brix].
メロン果***の切断面のスペクトルイメージング計測条件は、計測時間短縮のため、ＣＣＤカメラのビニングを８＊８としたため、画像解像度は１２８＊１６８ピクセルである。また、計測されたスペクトル画像のから、果***の中央付近のデータの平均吸光度スペクトルを算出することで、その果肉の吸光スペクトルとした。 The spectral imaging measurement condition of the cut surface of the melon pulp stick is 8 * 8 for the CCD camera to reduce the measurement time, so the image resolution is 128 * 168 pixels. Further, from the measured spectrum image, an average absorbance spectrum of data near the center of the pulp stick was calculated to obtain an absorbance spectrum of the pulp.
以上の作業を検量線作成に用いた合計９個のメロンについて行うことで、糖度と吸光度スペクトルのデータを８３５セット作成した。合計８３５セット全ての吸光スペクトルを図６に、屈折型糖度計で計測した糖度のヒストグラムを図７に示す。図６は横軸が波長［ｎｍ］、縦軸は吸光度である。糖度が高いデータセットのスペクトルほど赤く、糖度が低いデータセットのスペクトルほど青く彩色してある。計測されたデータセットの糖度は最小値６．２［Ｂｒｉｘ］、最大値１９．２［Ｂｒｉｘ］であり、約１５［Ｂｒｉｘ］のサンプルが最も多かった。 By performing the above operation for a total of nine melons used for preparing the calibration curve, 835 sets of sugar content and absorbance spectrum data were created. FIG. 6 shows the absorption spectra of all 835 sets in total, and FIG. 7 shows a histogram of sugar content measured with a refractometer. In FIG. 6, the horizontal axis represents wavelength [nm] and the vertical axis represents absorbance. The spectrum of the data set with high sugar content is colored red, and the spectrum of the data set with low sugar content is colored blue. The sugar content of the measured data set was a minimum value of 6.2 [Brix] and a maximum value of 19.2 [Brix], with about 15 [Brix] being the most samples.
［前処理］
計測される吸光度データは通常様々なノイズが含まれる。ここで、真の吸光度をＡ（λ）* ，計測される吸光度をＡ（λ）とすると、両者の関係は下式として表される。
[Preprocessing]
The measured absorbance data usually includes various noises. Here, assuming that the true absorbance is A (λ) * and the measured absorbance is A (λ), the relationship between them is expressed by the following equation.
（数２）
Ａ（λ）＝αＡ（λ）*＋β＋ｅ
(Equation 2)
A (λ) = αA (λ) * + β + e
ここで、 αは乗算的散乱因子、βは加算的散乱因子、ｅはランダムノイズである。これらのノイズの影響を低減させるため、前処理を行う。 Here, α is a multiplicative scattering factor, β is an additive scattering factor, and e is random noise. Preprocessing is performed to reduce the influence of these noises.
はじめにランダムノイズを低減させるために平滑化を行った。平滑化後の吸光スペクトルを図８に示す。図６に示した平滑化前と比べ微少なノイズが減少し、スペクトルが滑らかに変化しているのが分かる。さらに、乗算的散乱因子と加算的散乱因子の影響を減少させるため、ＭＳＣ（Ｍｕｌｔｉｐｌｉｎｃａｔｉｖｅ Ｓｃａｔｔｅｒ Ｃｏｒｒｅｃｔｉｏｎ） を行った。ＭＳＣ 後のスペクトルを図９に示す。 First, smoothing was performed to reduce random noise. The absorption spectrum after smoothing is shown in FIG. It can be seen that the amount of noise is reduced compared with that before smoothing shown in FIG. 6 and the spectrum changes smoothly. Furthermore, in order to reduce the influence of the multiplicative scattering factor and the additive scattering factor, MSC (Multipletive Scatter Correction) was performed. The spectrum after MSC is shown in FIG.
ＭＳＣ後の吸光スペクトルからは、糖度が高いほど６７６ｎｍ付近で吸収が少なく７５０ｎｍ以上で糖度が低い果肉よりも吸光度が高い傾向がはっきりと見られるようになった。各波長における吸光度と屈折型糖度計を用いたＢｒｉｘ値との相関を取った図１０からは、前処理を行った前後で明らかに相関が高くなった。このことから、平滑化後、ＭＳＣを行う前処理を行ったことでランダムノイズ、乗算的散乱因子、加算的散乱因子などのノイズの影響が低減できたと言える。 From the absorption spectrum after MSC, the higher the sugar content, the less the absorption at around 676 nm, and the higher the absorbance than the pulp having a low sugar content at 750 nm or more, clearly became apparent. From FIG. 10 showing the correlation between the absorbance at each wavelength and the Brix value using a refractometer, the correlation was clearly increased before and after the pretreatment. From this, it can be said that the influence of noise such as random noise, multiplicative scattering factor, and additive scattering factor can be reduced by performing pre-processing for performing MSC after smoothing.
本実施例で検量線を作成する方法として、ＰＬＳ回帰分析による全波長を用いる方法を採用する。そして、説明変数を前処理後の吸光スペクトル、目的変数を屈折型糖度計で計測したＢｒｉｘ 値とし、ＰＬＳ回帰分析を用いて検量線を作成する。なお、ＰＬＳ回帰分析に当たっての成分数は、クロスバリデーション（外部バリデーション）により決定することとした。 As a method for creating a calibration curve in this embodiment, a method using all wavelengths by PLS regression analysis is adopted. A calibration curve is created using PLS regression analysis with the explanatory variable as the absorption spectrum after the pre-processing and the objective variable as the Brix value measured with a refractometer. Note that the number of components in the PLS regression analysis was determined by cross validation (external validation).
まず、計測した８３５セットのデータを訓練集合である検量線作成用試料と、テスト集合である検量線評価用試料の２グループに分割する。この際、検量線作成用試料のデータセット数と検量線評価用試料のデータセット数の割合が２対１になるようにした。また、ランダムに選択するのではなく、糖度の低いスペクトルから高いスペクトルまで含むよう選択した。 First, 835 sets of measured data are divided into two groups: a calibration curve creation sample as a training set and a calibration curve evaluation sample as a test set. At this time, the ratio of the number of data sets of the calibration curve preparation sample and the number of data sets of the calibration curve evaluation sample was set to 2: 1. Moreover, it selected not to select at random, but to include from a spectrum with a low sugar content to a high spectrum.
検量線作成用試料を外部バリデーションの訓練集合、検量線評価用試料をテスト集合として、ＰＬＳ回帰分析の成分数を増加させたときのＰＲＥＳＳの値の変化を図１１に示す。 FIG. 11 shows changes in the value of PRES when the number of components in the PLS regression analysis is increased using the calibration curve creation sample as the training set for external validation and the calibration curve evaluation sample as the test set.
成分数を増加させてもＰＲＥＳＳの値がＶ字型にならず、減少し続けた。そこで、成分数を徐々に増加させて、各波長における偏回帰係数から判断する。成分数を増加させたときの偏回帰係数をスペクトル状にプロットしたものを図１２に示す。成分数が増加するにつれ偏回帰係数の形状が複雑になり、ノイズなどの成分に適合したと考えられる。また、「オッカムの剃刀」と言うようにモデルは単純なほど良いと考えると、成分数は少なければ少ない方がよいと考えられる。 Even when the number of components was increased, the value of PRESS did not become V-shaped and continued to decrease. Therefore, the number of components is gradually increased, and the determination is made from the partial regression coefficient at each wavelength. FIG. 12 shows a partial regression coefficient plotted in the form of a spectrum when the number of components is increased. As the number of components increases, the shape of the partial regression coefficient becomes more complex, which is considered to be suitable for components such as noise. In addition, if the model is considered to be as simple as “Occam's razor”, the smaller the number of components, the better.
そこで、成分数を１から４までさせたときの偏回帰係数を図１３に示す。すると、成分数４になった段階で偏回帰係数にノイズらしき成分が現れた。つまり、成分数４になった時点で、ノイズに過剰適合したものと考えられる。そこで、成分数が３のときに最適であると判断した。 Accordingly, FIG. 13 shows partial regression coefficients when the number of components is increased from 1 to 4. Then, a component that appeared to be noise appeared in the partial regression coefficient when the number of components reached four. In other words, when the number of components reaches 4, it is considered that the noise is excessively matched. Therefore, it was determined that the optimal number of components was 3.
検量線の精度をまとめたものが図１４である。横軸に波長、縦軸に吸光スペクトルの各波長にかかる偏回帰係数をとった図１４（ａ）では、杉山等の研究で作成された検量線の波長である６７６ｎｍにピークが見られた点や、糖度が高いものほど低い値を取る６７０ｎｍ付近の吸光スペクトルに対する偏回帰係数の値は負値をとること、糖度が高いほど高い値を取る７５０ｎｍ〜９８０ｎｍあたりの吸光スペクトルに対する偏回帰係数は正値を取ることから、前処理後のスペクトル（図９）で見られた傾向、つまり、糖度が高いほど６７６ｎｍ付近で吸収が少なく７５０ｎｍ以上で糖度が低い果肉よりも吸光度が高い傾向を、上手く捉えたものであると言える。 FIG. 14 summarizes the accuracy of the calibration curve. In FIG. 14A, where the horizontal axis represents the wavelength and the vertical axis represents the partial regression coefficient relating to each wavelength of the absorption spectrum, a peak was observed at 676 nm, which is the wavelength of the calibration curve created by Sugiyama et al. The higher the sugar content, the lower the regression coefficient for the absorption spectrum near 670 nm, which takes a lower value. The higher the sugar content, the higher the partial regression coefficient for the absorption spectrum around 750 nm to 980 nm, which takes a higher value. Since the value is taken, the tendency observed in the spectrum after pretreatment (FIG. 9), that is, the tendency that the higher the sugar content, the lower the absorption near 676 nm and the higher the absorbance than the pulp having a low sugar content at 750 nm or more is well captured. It can be said that
検量線作成用試料における、屈折型糖度計で計測したＢｒｉｘ値を横軸に、ＮＩＲＳによる推定値を縦軸にとった精度評価用散布
図を図１４（ｃ）に、検量線評価用試料における精度評価用散布図を図１４（ｄ）に示す。なお、ＳＥＣ，ＳＥＰは、検量線作成用試料の標準誤差，検量線評価用試料の標準誤差であり、ｒは相関係数である。
FIG. 14C is a scatter diagram for accuracy evaluation, in which a Brix value measured with a refractometer is plotted on the horizontal axis and an estimated value by NIRS is plotted on the vertical axis in a sample for preparing a calibration curve. A scatter diagram for accuracy evaluation is shown in FIG. SEC and SEP are the standard error of the calibration curve preparation sample and the standard error of the calibration curve evaluation sample, and r is a correlation coefficient.
この検量線は、メロンの熟れ具合や果肉の色などを限定しない汎用性の高いものであるにもかかわらず相関係数が０．８３と比較的高い精度が得られた。しかし、メロンによっては異なる傾向を示しているものもあることから、品種などを考慮することでより精度が良くなるものと考える。 Although this calibration curve is highly versatile, which does not limit the degree of ripeness of melon or the color of pulp, a correlation coefficient of 0.83 was obtained with a relatively high accuracy. However, some melons show different tendencies, so it is considered that the accuracy can be improved by considering the variety.
［熟度・品種を限定した検量線の作成］
そこで、品種や果肉色、熟度などを分けて検量線を作成し、精度比較を行う。計測に用いた試料は、大別すると春秋系メロンと夏系メロンに分けられる。そこで、全期メロンを用いて検量線を作成したときと同様、ＰＬＳ回帰分析（成分数３）により検量線を作成した。
[Preparation of calibration curve with limited maturity and variety]
Therefore, a calibration curve is created for different varieties, flesh color, and maturity, and the accuracy is compared. The samples used for measurement can be broadly divided into spring and summer melons and summer melons. Therefore, a calibration curve was created by PLS regression analysis (number of components 3) in the same manner as when a calibration curve was created using full-term melon.
ここで、春秋系メロンは５１４セット，夏系メロンは３２１セットの吸光スペクトルと糖度のデータセットからなる。 Here, the spring and autumn melons consist of 514 sets, and the summer melon consists of 321 sets of absorption spectra and sugar content data sets.
春秋系メロンのみで検量線を作成した結果を図１５に、夏系メロンのみで検量線を作成した結果を図１６に示す。吸光スペクトルにかかる偏回帰係数から（図１５（ａ），図１６（ａ））は、ピークの位置に違いは見られなかったものの、５００ｎｍ〜６００ｎｍの波長範囲で振幅が異なるなど、その形状は異なるものとなった。また、その精度は全期メロンで検量線を作成した場合に比べ、春秋系メロンは精度に差は見られなかったものの、夏系メロンにおいては大きく改善された。 FIG. 15 shows the result of creating a calibration curve using only spring and autumn melons, and FIG. 16 shows the result of creating a calibration curve using only summer melons. From the partial regression coefficient applied to the absorption spectrum (FIGS. 15A and 16A), although no difference was observed in the peak position, the shape was different such that the amplitude was different in the wavelength range of 500 nm to 600 nm. It became different. In addition, the accuracy of the spring-and-fall melons was significantly improved in the summer melons, although there was no difference in accuracy compared to the case where the calibration curve was prepared for all melons.
また、メロン個別に検量線を作成した結果を表２に示す。全メロン，夏系メロン，春秋系メロンとで分けて検量線を作成した際と比較すると、検量線評価用試料の推定精度をメロン個別で作成した検量線の精度は、先行研究と同等の精度が得られていることを確認した。さらに、熟度や果肉色の違いなどを限定していないにもかかわらず、全メロンで作成した検量線の精度は相関係数が０．８３と比較的高い精度を示した。 Table 2 shows the results of creating a calibration curve for each melon. Compared to the case where the calibration curves were created separately for all melons, summer melons, and spring / autumn melons, the accuracy of the calibration curve created for each melon was the same as that of the previous study. It was confirmed that Furthermore, the accuracy of the calibration curve prepared with all melons was relatively high, with a correlation coefficient of 0.83, although the differences in ripeness and flesh color were not limited.
そのため、全メロンで作成した検量線は、熟度・果肉色に因らない汎用性の高い検量線であると言える。 Therefore, it can be said that the calibration curve created with all melons is a highly versatile calibration curve that does not depend on the maturity or flesh color.
［糖度分布の可視化］
次に、メロン切断面のスペクトルイメージング計測を行い、糖度分布の可視化を行った。メロン断面を可視化する際の計測条件は、ＣＣＤカメラのビニングを４＊４としたため、画像解像度は３３６＊２５６である。
[Visualization of sugar content distribution]
Next, spectral imaging measurement of the cut surface of the melon was performed to visualize the sugar content distribution. The measurement condition for visualizing the melon cross section is that the binning of the CCD camera is 4 * 4, so the image resolution is 336 * 256.
全メロンで作成した検量線を画像全体に適用させ、メロンの糖度分布を可視化した糖度分布可視化画像からは、赤肉メロンは皮付近まで糖度が高いことが分かった。これは実際の食感と位置する結果である。また、緑肉メロンを可視化した結果からは、「メロンは先に柔らかくなる底部が最も甘い」という通念が必ずしも当てはまらないことが分かった。 A calibration curve created with all melons was applied to the entire image, and the sugar content distribution visualization image visualized the sugar content distribution of melon. This is a result of the actual texture. Moreover, from the result of visualizing green melon, it was found that the notion that “the bottom of the melon softens first is the sweetest” does not necessarily apply.
［透過スペクトルの計測とスペクトルの前処理］
計測波長範囲は４００ｎｍ〜１０００ｎｍとしたが、実際に透過スペクトルを得られた波長範囲は６５０ｎｍ〜９５０ｎｍであり、それ以外の波長領域は、光が透過せずに記録できなかった。また、計測は暗室内で行ったが、透過スペクトル計測時はメロンを暗幕で覆い、ディスプレイの光などを遮光した。露光時間はスペクトルの最大値（約７５０ｎｍ）の透過光量が最適となるよう、５〜７［ｓｅｃ］の範囲で調整した。また、計測データはメロンの透過スペクトル時と同じ露光時間のダークノイズを減算することで、ダーク補正した。さらに、露光時間の違いを補正するため、スペクトルを露光時間で除算することで、単位時間あたりの透過スペクトル光量へと変換した。
[Measurement of transmission spectrum and preprocessing of spectrum]
Although the measurement wavelength range was 400 nm to 1000 nm, the wavelength range in which the transmission spectrum was actually obtained was 650 nm to 950 nm, and other wavelength regions could not be recorded because light did not pass through. Although the measurement was performed in a dark room, the melon was covered with a black curtain during transmission spectrum measurement, and the light from the display was shielded. The exposure time was adjusted in the range of 5 to 7 [sec] so that the transmitted light amount at the maximum value of the spectrum (about 750 nm) was optimized. The measurement data was dark-corrected by subtracting dark noise with the same exposure time as in the melon transmission spectrum. Furthermore, in order to correct the difference in exposure time, the spectrum was divided by the exposure time, thereby converting it into a transmission spectrum light amount per unit time.
アールス雅早春晩秋系（識別番号ｉ１２７）のＮｏ１の収穫日からイメージング計測日までの透過スペクトル変化を図１７に示す。同一メロン・同位置の計測であるにもかかわらず、時間の経過に伴ってスペクトルに上下方向のシフトが見られた。これは、計測時に光ファイバの先端をメロンと接触させていることからネットの影響を受けやすくなり、透過光量が変化してしまったからだと考えられる。 FIG. 17 shows the change in the transmission spectrum from the harvest date of No. 1 of the Earl's Masa early spring late autumn system (identification number i127) to the imaging measurement date. Despite the measurement of the same melon and the same position, a vertical shift was seen in the spectrum over time. This is thought to be because the tip of the optical fiber is in contact with the melon during measurement, which is easily affected by the net, and the amount of transmitted light has changed.
この上下の変動を補正するために、スペクトルそれぞれにおいて、全波長データの和で除算した。つまり、単位透過量あたりのスペクトルの割合へと規格化した（図１８（ａ））。すると、収穫日から日にちが経つにつれて、２つの波長帯域に変動が見られた。７５０ｎｍ付近の波長帯域における変動は、日にちが経つにつれて下降し（図１８（ｂ））、８１０ｎｍ付近の波長帯域のスペクトルは日にちが経つにつれて上昇した（図１８（ｃ））。 In order to correct this vertical fluctuation, each spectrum was divided by the sum of all wavelength data. That is, it was normalized to the ratio of the spectrum per unit transmission amount (FIG. 18 (a)). As a result, fluctuations were observed in the two wavelength bands with the passage of time from the harvest date. The fluctuation in the wavelength band near 750 nm decreased as the day passed (FIG. 18B), and the spectrum in the wavelength band near 810 nm increased as the day passed (FIG. 18C).
［メロン糖度の推定領域の選定］
ポイント計測である近赤外分光法を用いた糖度推定は成分の平均的な値を推定していると考えられる。しかし、メロンのような大きな試料を半透過型の計測器で計測する場合、光源からディテクタまでの間の果肉の情報を最も捉えていると考えられる。つまり、皮付近の糖度が最も推定しやすいと考えられる。本節では，この仮説の真偽を確かめる．
[Selection of melon sugar content estimation area]
It is considered that sugar content estimation using near infrared spectroscopy, which is a point measurement, estimates an average value of components. However, when measuring a large sample such as melon with a semi-transmission type measuring instrument, it is considered that the information on the pulp from the light source to the detector is most captured. In other words, it is considered that the sugar content near the skin is most easily estimated. In this section, we confirm the truth of this hypothesis.
［メロン果肉領域の分割］
まず全メロン４１個に対して、メロン果肉領域をマウスで選択した。その中で、糖度分布が異なるメロン果肉上部、底部を除く領域、つまり、メロン側面の果肉領域を抽出した。具体的には、果肉の領域の重心を中心とし、上下左右に９０度毎に分割した領域の左右の領域のみを用いることで対応した。最後に、この領域を内側から外側に受けて均等に１０等分し、内側から順に、領域１，領域２，…，領域１０と順に番号を付けた。
[Division of melon pulp region]
First, for all 41 melons, a melon pulp region was selected with a mouse. Among them, the areas except the top and bottom of the melon pulp with different sugar content distributions, that is, the pulp area on the side of the melon were extracted. Specifically, this was achieved by using only the left and right regions of the region divided by 90 degrees vertically and horizontally with the center of gravity of the pulp region as the center. Finally, this region was received from the inside to the outside and was equally divided into 10 equal parts, and numbers were assigned in the order of region 1, region 2,.
各メロンそれぞれが領域１〜１０を持つが、各領域の平均値をその領域番号の糖度とした。 Each melon has regions 1 to 10, and the average value of each region is defined as the sugar content of the region number.
緑肉メロン，赤肉メロンにおける各領域の平均値と標準偏差をプロットしたものを図１９に示す。横軸が領域番号、つまり１番が種付近の果肉、１０番が皮付近の果肉である。縦軸は各領域の平均糖度とその標準偏差を表している。また、図１９（ａ）は緑肉メロン４１個、図１９（ｂ）は赤肉メロン４個のデータである。緑肉メロンにおいては、種付近ほど糖度が高く、皮付近に近づくにつれて糖度が低くなっていくことが分かる。一方、赤肉メロンにおいては、皮付近まで糖度が一様に分布していることが分かる。 FIG. 19 shows a plot of the mean value and standard deviation of each region for green and red melons. The horizontal axis is the region number, that is, No. 1 is the pulp near the seed and No. 10 is the pulp near the skin. The vertical axis represents the average sugar content of each region and its standard deviation. FIG. 19A shows data for 41 green melons, and FIG. 19B shows data for 4 red melons. In the green melon, it can be seen that the sugar content is higher in the vicinity of the seed, and the sugar content is lower as it approaches the skin. On the other hand, in the red melon, it can be seen that the sugar content is uniformly distributed to the vicinity of the skin.
［ＰＬＳ回帰分析の成分数の決定］
まず、ＰＬＳ回帰分析を行う上での最適な成分数を決定する。説明変数をイメージング計測日のメロン透過スペクトル、目的変数を皮部位に相当する領域１０を除く領域１〜９の平均糖度値としてＰＬＳ回帰分析を行った。
[Determining the number of components for PLS regression analysis]
First, the optimal number of components for performing PLS regression analysis is determined. PLS regression analysis was performed with the explanatory variable as the melon transmission spectrum of the imaging measurement date and the objective variable as the average sugar content value in the regions 1 to 9 excluding the region 10 corresponding to the skin site.
成分数を１から５まで増加させたときの偏回帰係数を図２０に示す。糖度分布を可視化した際と同様に、偏回帰係数の連続性を考慮、つまり、ノイズ成分が見られる寸前の成分数が最適であると判断すると成分数４の時が最適であると判断した。 The partial regression coefficient when the number of components is increased from 1 to 5 is shown in FIG. As in the case of visualizing the sugar content distribution, the continuity of the partial regression coefficients is taken into consideration, that is, when it is determined that the number of components immediately before the noise component is seen is optimal, it is determined that the number of components is four.
実際に各成分数におけるｌｅａｖｅ−ｏｎｗ−ｏｕｔ法による内部バリデーションのＰＲＥＳＳ値を図２１に示す。横軸は成分数、縦軸はＰＲＥＳＳ値である。ＰＲＥＳＳが成分数４で極小値を取ることから、確かに成分数４が最適であると言える。 FIG. 21 shows the PRESS values of internal validation by the leave-onw-out method for each number of components. The horizontal axis is the number of components, and the vertical axis is the PRESS value. Since PRESS takes the minimum value with the number of components of 4, it can be said that the number of components of 4 is surely optimal.
［最も精度良く推定できる領域の選定］
次に、メロンのどの領域が最も精度良く推定できるかを調べる。説明変数をメロンイメージング日のメロン透過スペクトル、目的変数を領域１〜１０の各領域の平均糖度値として、ＰＬＳ回帰分析（成分数４）を用いて検量線を作成した際の相関係数を図２２に、標準誤差を図２３に示す。
[Selection of the area that can be estimated with the highest accuracy]
Next, it is examined which region of the melon can be estimated with the highest accuracy. The correlation coefficient when creating a calibration curve using PLS regression analysis (number of components: 4), with the explanatory variable as the melon transmission spectrum of melon imaging day and the objective variable as the average sugar content value of each of the regions 1 to 10. The standard error is shown in FIG.
領域５〜７の相関が最も高く、それ以外の領域では相関が低いことから、実施例の装置（実施の形態の装置と同様）による計測からは、皮付近の糖度が最も精度良く推定できるのではなく、果肉部位中心部から少し外側にかけての領域（領域番号５〜７）の糖度が最も精度良く推定できることが明らかとなった。そこで、領域番号５〜７の領域における平均糖度値と、透過スペクトルの関係を詳細に調べた。 Since the correlation between the regions 5 to 7 is the highest and the correlation is low in the other regions, the sugar content near the skin can be estimated with the highest accuracy from the measurement by the device of the example (similar to the device of the embodiment). Instead, it became clear that the sugar content of the region (region numbers 5 to 7) slightly outside from the center of the pulp part can be estimated with the highest accuracy. Therefore, the relationship between the average sugar content and the transmission spectrum in the region Nos. 5 to 7 was examined in detail.
［全メロンデータを用いた検量線の作成］
試料は計測を失敗したメロン（識別番号ｉ３２６）を除く４１個のメロンを対象とした。説明変数をイメージング計測日のメロン透過スペクトル、目的変数を上記領域の平均糖度値として、ＰＬＳ回帰分析（成分数４）を用いて検量線を作成した結果を図２４に示す。吸光スペクトルの各波長にかかる偏回帰係数が図２４（ａ），精度評価用散布図が図２４（ｂ）である。
[Preparation of calibration curve using all melon data]
Samples were 41 melons excluding melon (identification number i326) for which measurement failed. FIG. 24 shows the result of creating a calibration curve using PLS regression analysis (number of components: 4), with the explanatory variable being the melon transmission spectrum of the imaging measurement date and the objective variable being the average sugar content value in the above region. FIG. 24A shows the partial regression coefficient for each wavelength of the absorption spectrum, and FIG. 24B shows the scatter diagram for accuracy evaluation.
栽培時期や品種による影響を考慮していない汎用性の高い結果であるが、相関係数が０．７６と比較的高い精度が得られた。 Although it is a highly versatile result that does not take into account the effects of cultivation time and variety, the correlation coefficient was 0.76 and a relatively high accuracy was obtained.
また、最も甘いと言われている種付近の糖度は、推定した糖度との差は緑肉メロンでは選択領域の糖度＋１［Ｂｒｉｘ］程度、赤肉メロンでは選択領域の糖度と同程度であることがわかった。この結果、本手法によれば、ポイント計測でメロン糖度の大まかな分布も推定できるというメリットもあることが分かった。 In addition, the sugar content in the vicinity of the species that is said to be the sweetest, the difference from the estimated sugar content is about the sugar content of the selected region + 1 [Brix] in the green melon, and about the same as the sugar content of the selected region in the red melon I understood. As a result, according to this method, it was found that there is a merit that rough distribution of melon sugar content can be estimated by point measurement.
また、装置の簡略化には計測波長を限定することも必要である。図４５（ａ）より、相関係数に、７２０ｎｍ，７４０ｎｍ，７７０ｎｍ，８１０ｎｍにピークが見られたため、この４波長データを説明変数として重回帰分析を行ったところ、ＰＬＳ回帰分析と同精度で糖度の推定が可能であった。これまで単一又は複数波長の吸光度データを用いて検量線を作成した研究は、変数増減法などを用いて波長を決めていた。しかし、変数増減法等を用いる方法では、ノイズなどの影響でたまたまその波長が選ばれる可能性もあり、波長選択を行うのが困難であった。しかし、本研究ではノイズに強いとされるＰＬＳ回帰分析を用いて偏回帰係数の特徴から使用波長を決定したため、対象成分に由来する波長を容易に選択可能である。 In addition, it is necessary to limit the measurement wavelength in order to simplify the apparatus. As shown in FIG. 45 (a), since peaks were observed in the correlation coefficient at 720 nm, 740 nm, 770 nm, and 810 nm, multiple regression analysis was performed using these four wavelength data as explanatory variables. It was possible to estimate. So far, studies that have created calibration curves using single- or multiple-wavelength absorbance data have determined the wavelength using a variable increase / decrease method or the like. However, in the method using the variable increase / decrease method or the like, the wavelength may be selected by chance due to the influence of noise or the like, and it is difficult to select the wavelength. However, since the wavelength used was determined from the characteristics of the partial regression coefficient using PLS regression analysis, which is considered to be resistant to noise, the wavelength derived from the target component can be easily selected.
また、本実施例の手法の特徴としては、２次微分スペクトルを用いていない点も上げられる。検量線の作成時の説明変数として用いる２次微分スペクトルデータの波長の数がｎ波長だとすると、２次微分に必要なデータ数は３ｎとなる。そのため実際に計測しなければならない波長数は回帰分析に用いる波長数よりも多くなる。本実施例の手法は前処理に微分を行わないため、実際に計測しなければならない波長数も少なくて済むというメリットがある。 In addition, as a feature of the method of the present embodiment, the second differential spectrum is not used. If the number of wavelengths of secondary differential spectrum data used as explanatory variables when creating a calibration curve is n wavelengths, the number of data necessary for secondary differentiation is 3n. Therefore, the number of wavelengths that must actually be measured is greater than the number of wavelengths used for regression analysis. Since the method of this embodiment does not perform differentiation in the preprocessing, there is an advantage that the number of wavelengths that have to be actually measured can be reduced.
［品種を限定した検量線の作成］
栽培時期の異なる春秋系メロン，夏系メロンと分けることで条件を限定する。全メロンと同様に、春秋系メロン，夏系メロンにおいてもＰＬＳ回帰分析（成分数４）を用いて検量線を作成した。また７２０ｎｍ，７４０ｎｍ，７７０ｎｍ，８１０ｎｍの４波長データを説明変数として重回帰分析を用いて検量線を作成した（図２５，図２６）。
[Creation of calibration curves with limited varieties]
The conditions are limited by separating spring and autumn melons and summer melons with different cultivation periods. As with all melons, a calibration curve was prepared using a PLS regression analysis (number of components 4) for spring and summer melons and summer melons. In addition, a calibration curve was created using multiple regression analysis using four-wavelength data of 720 nm, 740 nm, 770 nm, and 810 nm as explanatory variables (FIGS. 25 and 26).
春秋系メロンにおいては、全波長データを用いて検量線を作成した場合と、４波長データを用いて検量線を作成した場合で、共に相関係数が０．８を超えた（表２）。また、夏系メロンにおいては、４波長データを用いて検量線を作成した場合、相関係数が０．７７と一見精度が上昇していないように見受けられるが、はずれ値が一つある影響であると考えられるため、実用上問題ないと考えられる。 In the spring and autumn melons, the correlation coefficient exceeded 0.8 both when the calibration curve was created using all wavelength data and when the calibration curve was created using 4 wavelength data (Table 2). In summer melons, when a calibration curve is created using 4-wavelength data, it seems that the correlation coefficient is 0.77 and the accuracy is not increased at first glance. However, there is one outlier. It is considered that there is no problem in practical use.
［硬度の推定］
アールス雅早春晩秋系（識別番号ｉ１２７）の打音計測値変化を図２７に示す。横軸は収穫日からの経過日数、縦軸は計測した硬度（伝搬速度［ｍ／ｓ］）値である。収穫日以降、徐々に伝搬速度が遅くなっており、メロンが次第に柔らかくなっていることが分かる。
[Estimation of hardness]
FIG. 27 shows the change in the measured sound hitting value of the Earls Masa early spring late autumn system (identification number i127). The horizontal axis represents the number of days elapsed from the harvest date, and the vertical axis represents the measured hardness (propagation speed [m / s]) value. From the date of harvest, it can be seen that the propagation speed gradually decreases and the melon is gradually softening.
各波長の吸光スペクトルにおける透過スペクトルと打音計測値との相関値を図２８に示す。横軸は波長，左縦軸は透過スペクトルの強度である。図中の右縦軸は吸光スペクトルの各波長と硬度（伝搬速度［ｍ／ｓ］）との相関値であり、絶対値が１に近いほど波長と硬度に相関があることを表している。７００ｎｍ〜８００ｎｍの波長については、高い相関を示すことから、硬度も推定可能であると考えられる。 FIG. 28 shows the correlation value between the transmission spectrum and the sound measurement value in the absorption spectrum of each wavelength. The horizontal axis is the wavelength, and the left vertical axis is the intensity of the transmission spectrum. The right vertical axis in the figure is the correlation value between each wavelength of the absorption spectrum and the hardness (propagation speed [m / s]), and the closer the absolute value is to 1, the more the wavelength and the hardness are correlated. Since the wavelength of 700 nm to 800 nm shows a high correlation, it is considered that the hardness can be estimated.
［全メロンデータを用いて検量線の作成］
ＰＬＳ回帰分析の最適な成分数を決定するため、成分数を５まで増加させた際の内部バリデーションにより計算されたＰＲＥＳＳ値の変化を図２９に示す。糖度と異なり、Ｖ字型にはならずに単調減少している。そこで、偏回帰係数を図３０に示す。糖度の推定と同様に、偏回帰係数の連続性等を考慮し、成分数が４のとき最適であると判断した。
[Create a calibration curve using all melon data]
FIG. 29 shows a change in the PRESS value calculated by internal validation when the number of components is increased to 5 in order to determine the optimal number of components for PLS regression analysis. Unlike sugar content, it does not become V-shaped and decreases monotonously. Therefore, the partial regression coefficient is shown in FIG. Similar to the estimation of the sugar content, the continuity of the partial regression coefficient was taken into consideration, and it was judged that the optimum was obtained when the number of components was 4.
全メロンに対して説明変数をメロン透過スペクトルスペクトル，目的変数を打音計測値としてＰＬＳ回帰分析（成分数４）を行った際の偏回帰係数を図３０（ａ）に、精度評価用散布図を図３０（ｂ）に示す。標準誤差が７．０［ｍ／ｓ］，相関係数は０．７５と栽培時期毎に分けなくても簡易計測程度の精度は得られた。 FIG. 30 (a) shows the partial regression coefficient when performing PLS regression analysis (number of components 4) with the melon transmission spectrum spectrum as the explanatory variable and the target variable as the percussion measurement value for all melons. Is shown in FIG. The standard error was 7.0 [m / s], the correlation coefficient was 0.75, and the accuracy of the simple measurement was obtained even if it was not divided for each cultivation time.
ＰＬＳ回帰分析により得られた偏回帰係数（図３０（ａ））からは糖度と同様に７２０ｎｍ，７４０ｎｍ，７７０ｎｍ，８１０ｎｍにピークが見られた。そこで同様に、この４波長データを説明変数として重回帰分析を行った。その精度評価用散布図を図３０（ｃ）に示す。ほぼその精度を保ったまま、4 波長条件で硬度が推定できたと言える。 From the partial regression coefficient (FIG. 30 (a)) obtained by PLS regression analysis, peaks were observed at 720 nm, 740 nm, 770 nm, and 810 nm, similar to the sugar content. In the same manner, a multiple regression analysis was performed using the four-wavelength data as explanatory variables. The scatter diagram for accuracy evaluation is shown in FIG. It can be said that the hardness could be estimated under the 4-wavelength condition while maintaining the accuracy.
またこの4 波長は、糖度と全く同じ波長条件であることから、非破壊でメロンの糖度と硬度を推定する際、効率のよい計測が可能であることを示唆している。 In addition, since these four wavelengths are under the same wavelength conditions as sugar content, it is suggested that efficient measurement is possible when estimating sugar content and hardness of melon without destruction.
［栽培時期毎に分けた場合］
全メロンで硬度を推定した結果、栽培時期毎に精度評価用散布図（図３０（ｂ））で異なる分布が見られた。そこで、栽培時期毎（第一期〜第三期）に分けて検量線を作成し、硬度の推定を行った。
[When divided according to cultivation time]
As a result of estimating the hardness with all melons, different distributions were seen in the scatter diagram for accuracy evaluation (FIG. 30B) for each cultivation period. Therefore, a calibration curve was created for each cultivation period (first to third periods), and hardness was estimated.
第１期メロンのみで硬度を推定した結果を図３１に、第２期メロンのみで硬度を推定した結果を図３２に、第３期メロンのみで硬度を推定した結果を図３３に示す。 FIG. 31 shows the result of estimating the hardness only with the first melon, FIG. 32 shows the result of estimating the hardness with only the second melon, and FIG. 33 shows the result of estimating the hardness with only the third melon.
また、それぞれの検量線の精度評価値をまとめたものを表３に示す。 Table 3 summarizes the accuracy evaluation values of the calibration curves.
第１期メロンにおいては相関係数が０．８７と非常に高い精度を有した。また、第２期、第３期メロンにおいては０．８を多少下回る精度ではあったが、簡易的な推定には十分な精度が得られていると言える。 The first melon had a very high correlation coefficient of 0.87. In the second and third melons, the accuracy is slightly lower than 0.8, but it can be said that sufficient accuracy is obtained for simple estimation.
栽培時期毎で検量線を分けたことで精度が著しく向上したことから、気温などによる環境の違いがメロンの硬度変化に与える影響が少なくないことが分かる。 Since the accuracy has been remarkably improved by dividing the calibration curve for each cultivation period, it can be seen that the difference in environment due to temperature and the like has a considerable influence on the change in hardness of melon.
［実施例からの結論］
これまでメロンの品質計測に関しては、糖度・硬度のどちらかだけを推定する研究がされてきた。しかし、本実施例により、実施の形態の装置において採用した７２０ｎｍ，７４０ｎｍ，７７０ｎｍ，８１０ｎｍ近傍の波長の吸光度から、糖度・硬度の両方を十分な精度で推定できることが確認できた。
[Conclusion from Examples]
So far, regarding melon quality measurement, research has been done to estimate only sugar content or hardness. However, according to this example, it was confirmed that both sugar content and hardness can be estimated with sufficient accuracy from the absorbance at wavelengths near 720 nm, 740 nm, 770 nm, and 810 nm employed in the apparatus of the embodiment.
また、実施の形態の装置による糖度推定値は、果皮付近のものではなく、内部の果肉のものに対応していることも確認できた。 It was also confirmed that the estimated sugar content by the apparatus of the embodiment corresponds to that of the inner pulp, not the one near the skin.
さらに、全波長データを用いたＰＬＳ回帰分析（成分数４）の検量線から、４つの特徴的なピークの現れる７２０ｎｍ，７４０ｎｍ，７７０ｎｍ，８１０ｎｍの４波長が糖度の特徴を良く捉えることのできる波長であることも確認できた。 Furthermore, from the calibration curve of PLS regression analysis using all wavelength data (number of components: 4), four wavelengths of 720 nm, 740 nm, 770 nm, and 810 nm, at which four characteristic peaks appear, are wavelengths that can capture the characteristics of sugar content well. It was also confirmed that.
また、メロンの糖度及び硬度の推定においては栽培時期による影響があることから、栽培時期に応じた検量線を作成しておくことによってより一層精度向上が図れることも確認できた。特に、硬度については、栽培時期の影響は糖度以上に大きいことから、硬度用検量線を栽培時期に応じて作成しておくことは、硬度推定精度を向上する上で効果が高いことも分かった。 In addition, since the sugar content and hardness of melon are influenced by the cultivation time, it was confirmed that the accuracy could be further improved by preparing a calibration curve according to the cultivation time. In particular, regarding the hardness, the influence of the cultivation time is greater than the sugar content, so creating a calibration curve for hardness according to the cultivation time was also effective in improving the accuracy of hardness estimation. .
加えて、赤肉メロンと緑肉メロンといった品種に応じた検量線の作成も、精度向上に寄与することが確認できた。 In addition, it was confirmed that the creation of calibration curves according to varieties such as red and green melons also contributed to accuracy improvement.
以上、発明を実施するための最良の形態としての一実施形態及びその効果を確認するための実施例について説明したが、本発明は、これに限定されるものではなく、その要旨を逸脱しない範囲内における種々の変更が可能である。 In the above, one embodiment as the best mode for carrying out the invention and an example for confirming the effect have been described. However, the present invention is not limited to this, and does not depart from the gist of the invention. Various modifications are possible.
例えば、メロン以外に、スイカその他の果実にも適用することができる。 For example, in addition to melon, it can be applied to watermelon and other fruits.
１・・・メロン評価装置
１０・・・メロン載置台
１１・・・筒体
１３・・・果実収納部
２０・・・ハロゲンランプ
２１・・・光ファイバ
２３・・・光出射口
３０・・・受光部
３１・・・遮光パッド
３３・・・コイルバネ
３５・・・光ファイバ
４０・・・光学フィルター
４５・・・受光素子
４７・・・電流増幅器
５０・・・演算器
６０・・・表示パネル
７０・・・操作パネル
DESCRIPTION OF SYMBOLS 1 ... Melon evaluation apparatus 10 ... Melon mounting base 11 ... Tube 13 ... Fruit storage part 20 ... Halogen lamp 21 ... Optical fiber 23 ... Light exit 30 ... Light-receiving part 31 ... Light-shielding pad 33 ... Coil spring 35 ... Optical fiber 40 ... Optical filter 45 ... Light-receiving element 47 ... Current amplifier 50 ... Calculator 60 ... Display panel 70 ···control panel
Claims (10)
測定対象果実に対して近赤外線域を含む光を照射したときの透過光又は内部散乱透過光の測定結果から、当該測定対象果実についての特定の波長の吸光度に関する情報を取得し、
前記特定の波長の吸光度に関する情報と前記検量線とを用いて前記評価量を算出する様に構成された果実の食味成分評価方法において、
測定対象果実に対して近赤外線域の光を照射したときの透過光又は内部散乱透過光の測定結果から、当該測定対象果実に対して照射される光の実質的な全波長の吸光度に関する情報をも取得し、
前記評価情報を算出する際に、前記全波長の吸光度に関する情報で補正を行う様に構成したこと
を特徴とする果実の食味成分評価方法。 Obtain in advance a calibration curve for calculating the evaluation amount of taste components such as sugar content and hardness of the same kind of fruit as the measurement target fruit from the absorbance measurement value,
From the measurement result of the transmitted light or the internally scattered transmitted light when irradiating light including the near-infrared region to the measurement target fruit, information on the absorbance at a specific wavelength for the measurement target fruit is obtained,
In the fruit taste component evaluation method configured to calculate the evaluation amount using the information on the absorbance at the specific wavelength and the calibration curve,
From the measurement result of transmitted light or internally scattered transmitted light when the target fruit is irradiated with light in the near infrared region, information on the absorbance of substantially all wavelengths of the light irradiated to the target fruit Also get and
A fruit taste component evaluation method characterized in that, when calculating the evaluation information, correction is performed with information relating to absorbance at all wavelengths.
前記特定の波長の吸光度に関する情報を前記全波長の吸光度に関する情報によって実質的に除算した情報を前記評価量の演算に用いることによって前記補正が行われる様に構成すること
を特徴とする果実の食味成分評価方法。 In the fruit taste component evaluation method according to claim 1,
The fruit taste is characterized in that the correction is performed by using information obtained by substantially dividing the information on the absorbance at the specific wavelength by the information on the absorbance at all wavelengths in the calculation of the evaluation amount. Ingredient evaluation method.
前記検量線を同種果実の栽培時期に応じて別々に求めておき、これらの検量線の中から測定対象果実の栽培時期に応じた検量線を用いる様にすること
を特徴とする果実の食味成分評価方法。 In the fruit taste component evaluation method according to claim 1 or 2,
The said calibration curve is calculated | required separately according to the cultivation time of the same kind fruit, It is made to use a calibration curve according to the cultivation time of the fruit to be measured from these calibration curves, The taste component of the fruit characterized by the above-mentioned Evaluation methods.
前記検量線を、同種果実における品種の相違に応じて別々に求めておき、これらの検量線の中から測定対象果実の品種に応じた検量線を用いる様にすること
を特徴とする果実の食味成分評価方法。 In the fruit taste component evaluation method according to any one of claims 1 to 3,
The calibration curve is obtained separately according to the varieties of the same fruit, and the calibration curve according to the variety of the fruit to be measured is used from these calibration curves. Ingredient evaluation method.
該果実載置台に載置された果実に対し、当該果実の表面にほぼ接触し得る光照射口を備え、前記果実載置台の上縁部付近から果実の中心方向に向かって近赤外線域を含む光を照射する光源部と、
前記果実載置台の果実収納部のほぼ中央に設置され、果実から出射される透過光及び内部散乱透過光を受光する受光部と、
前記受光手段の周囲に設けられ、前記果実載置台に載置された果実の表面に密着し得る遮光部材と、
該遮光部材に対して上昇方向の付勢力を付与するバネ部材と、
前記受光部で受光した光を波長に応じた成分に分けて取り出すことのできる分光手段と、
測定対象となる果実の糖度，硬度等の食味成分の評価量を吸光度に関する情報から算出するための検量線を記憶しておく記憶手段と、
前記分光手段で取り出した特定の波長の光の吸光度に関する情報と、前記記憶手段に記憶されている検量線とに基づいて、前記評価量を算出する算出手段と、
該算出手段の算出結果に基づく果実の食味成分を評価するための情報の表示を行う表示手段と
を備えた果実の食味成分評価装置において、
前記分光手段を、測定対象果実に対して照射される光の内の近赤外域の特定の波長付近の光と、当該測定対象果実に対して照射される光の実質的な全波長の光とを、それぞれ取り出すことのできる手段として構成すると共に、
前記算出手段を、前記特定の波長付近の光の吸光度に関する情報と前記検量線とから前記評価量を算出する際に、前記全波長の光の吸光度に関する情報で補正を行う手段として構成したこと を特徴とする果実の食味成分評価装置。 A fruit table having a fruit storage part capable of storing a fruit measurement part, and a ring-shaped upper edge part capable of supporting the fruit;
The fruit placed on the fruit mounting table is provided with a light irradiation port that can substantially contact the surface of the fruit, and includes a near infrared region from the vicinity of the upper edge of the fruit mounting table toward the center of the fruit. A light source unit that emits light;
A light receiving unit that is installed at substantially the center of the fruit storage unit of the fruit mounting table and receives transmitted light and internal scattered transmitted light emitted from the fruit;
A light-shielding member that is provided around the light-receiving means and can be in close contact with the surface of the fruit placed on the fruit-placing table;
A spring member for applying an upward biasing force to the light shielding member;
Spectroscopic means capable of separating the light received by the light receiving unit into components corresponding to wavelengths, and
Storage means for storing a calibration curve for calculating an evaluation amount of taste components such as sugar content and hardness of a fruit to be measured from information on absorbance;
Calculation means for calculating the evaluation amount based on information on the absorbance of light of a specific wavelength extracted by the spectroscopic means and a calibration curve stored in the storage means;
A fruit taste component evaluation apparatus comprising: display means for displaying information for evaluating a fruit taste component based on a calculation result of the calculation means;
The spectroscopic means includes light in the vicinity of a specific wavelength in the near-infrared region of light irradiated to the fruit to be measured, and light of substantially all wavelengths of light irradiated to the fruit to be measured. Are configured as means that can be respectively taken out,
The calculating means is configured as means for correcting the information with respect to the absorbance of light of all wavelengths when calculating the evaluation amount from the information regarding the absorbance of light near the specific wavelength and the calibration curve. A fruit taste component evaluation apparatus.
前記分光手段を、受光素子と、複数の特定の波長の光及び全波長の光を別々に取り出すことのできる切り換え式の光学フィルターとによって構成すること
を特徴とする果実の食味成分評価装置。 In the fruit taste component evaluation apparatus according to claim 5,
A fruit taste component evaluation apparatus comprising: a light receiving element; and a switchable optical filter capable of separately extracting a plurality of light beams having specific wavelengths and light beams having all wavelengths.
前記算出手段は、前記特定の波長の吸光度に関する情報を前記全波長の吸光度に関する情報によって実質的に除算した情報を前記評価量の演算に用いることによって前記補正を行う手段として構成されていること
を特徴とする果実の食味成分評価装置。 In the fruit taste component evaluation apparatus according to claim 5 or 6,
The calculating means is configured as means for performing the correction by using information obtained by substantially dividing information on the absorbance at the specific wavelength by information on the absorbance at all wavelengths in the calculation of the evaluation amount. A fruit taste component evaluation apparatus.
前記記憶手段を、同種果実の栽培時期に応じた複数の検量線を複数記憶した手段として構成すると共に、
前記算出手段を、測定対象果実の栽培時期に応じて、前記記憶手段に記憶された複数の検量線の中から演算に用いる検量線を選択して前記評価量の算出を行う手段として構成すること
を特徴とする果実の食味成分評価装置。 In the fruit taste component evaluation apparatus according to any one of claims 5 to 7,
While configuring the storage means as means for storing a plurality of calibration curves according to the cultivation time of the same fruit,
The calculating means is configured as means for calculating the evaluation quantity by selecting a calibration curve used for calculation from a plurality of calibration curves stored in the storage means according to the cultivation time of the fruit to be measured. An apparatus for evaluating the taste component of fruit.
前記記憶手段を、同種果実における品種の相違に応じた複数の検量線を記憶した手段として構成すると共に、
前記算出手段を、測定対象果実の品種に応じて、前記記憶手段に記憶された複数の検量線の中から演算に用いる検量線を選択して前記評価量の算出を行う段として構成すること
を特徴とする果実の食味成分評価装置。 In the fruit taste component evaluation apparatus according to any one of claims 5 to 8,
While configuring the storage means as means for storing a plurality of calibration curves according to the variety of varieties in the same fruit,
The calculating means is configured as a stage for calculating the evaluation quantity by selecting a calibration curve used for calculation from a plurality of calibration curves stored in the storage means according to the variety of the fruit to be measured. A fruit taste component evaluation apparatus.
前記記憶手段には、７２０ｎｍ，７４０ｎｍ，７７０ｎｍ及び８１０ｎｍの４波長近傍の波長の吸光度に関する情報と糖度との対応関係を数値化した糖度用検量線データベースと、７２０ｎｍ，７４０ｎｍ，７７０ｎｍ及び８１０ｎｍの４波長近傍の波長の吸光度に関する情報と硬度との対応関係を数値化した硬度用検量線データベースとを記憶しておき、
前記算出手段を、７２０ｎｍ，７４０ｎｍ，７７０ｎｍ及び８１０ｎｍの４波長の内の少なくとも３つ以上の波長近傍の波長の吸光度に関する情報を用いて前記評価量の演算を実行する様に構成すると共に、
前記記憶手段には、さらに、硬度と食べ頃までの日数との関係を特定するための食べ頃特定データをも記憶しておき、
前記算出手段は、算出した硬度と食べ頃特定データとに基づいて、食べ頃までの日数をも算出する手段として構成し、
前記表示手段には、食べ頃までの日数をも表示する様に構成したこと
を特徴とするメロン用の果実の食味成分評価装置。 In the fruit taste component evaluation apparatus according to any one of claims 5 to 9,
The storage means includes a calibration curve database for sugar content in which the correspondence between information on absorbance at wavelengths near 720 nm, 740 nm, 770 nm, and 810 nm and sugar content is quantified, and four wavelengths of 720 nm, 740 nm, 770 nm, and 810 nm. Store a hardness calibration curve database in which the correspondence between the information on the absorbance at nearby wavelengths and the hardness is quantified,
The calculation means is configured to perform the calculation of the evaluation amount using information relating to absorbance at wavelengths in the vicinity of at least three of the four wavelengths of 720 nm, 740 nm, 770 nm, and 810 nm,
The storage means further stores the specific data for eating to specify the relationship between the hardness and the number of days until eating,
The calculating means is configured as means for calculating the number of days until eating based on the calculated hardness and eating time specific data,
An apparatus for evaluating the taste component of fruit for melon, characterized in that the display means also displays the number of days until eating.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2005039332A JP2006226775A (en) | 2005-02-16 | 2005-02-16 | Method and apparatus for evaluating eating taste component of fruit |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2005039332A JP2006226775A (en) | 2005-02-16 | 2005-02-16 | Method and apparatus for evaluating eating taste component of fruit |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2006226775A true JP2006226775A (en) | 2006-08-31 |
Family
ID=36988288
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2005039332A Pending JP2006226775A (en) | 2005-02-16 | 2005-02-16 | Method and apparatus for evaluating eating taste component of fruit |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2006226775A (en) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009038206A1 (en) * | 2007-09-21 | 2009-03-26 | Suntory Holdings Limited | Visible/near-infrared spectrum analyzing method and grape fermenting method |
| WO2009123068A1 (en) * | 2008-04-01 | 2009-10-08 | 国立大学法人豊橋技術科学大学 | Discrimination filtering device, method for discriminating object, and method for designing filter of discriminating filtering device |
| JP2009243954A (en) * | 2008-03-28 | 2009-10-22 | Toyota Motor Corp | Exhaust gas analyzer and analyzing method |
| WO2012005350A1 (en) * | 2010-07-09 | 2012-01-12 | 千代田電子工業株式会社 | Nondestructive measuring device for green grocery |
| CN103487397A (en) * | 2013-09-23 | 2014-01-01 | 浙江农林大学 | Quick detecting method for hardness of phyllostachys pracecox shoots and device |
| WO2016059946A1 (en) * | 2014-10-14 | 2016-04-21 | 住友電気工業株式会社 | Spectroscopic measurement method and spectroscopic measurement device |
| JP2016114544A (en) * | 2014-12-17 | 2016-06-23 | 三井金属計測機工株式会社 | Vegetable-and-fruit nondestructive saccharic acid meter and use method thereof |
| CN107505325A (en) * | 2017-08-18 | 2017-12-22 | 西北农林科技大学 | The comprehensive quality detecting method of winter-jujube fruit |
| JP2018132325A (en) * | 2017-02-13 | 2018-08-23 | 国立研究開発法人物質・材料研究機構 | Non-destructive inspection method and device for degree of ripening of western pear by smell measurement |
| KR20190047654A (en) * | 2016-09-06 | 2019-05-08 | 가부시키가이샤 아타고 | Non-destructive measuring device |
| KR102244670B1 (en) * | 2020-11-24 | 2021-04-26 | (주)진짜맛있는과일 | Server managing quality of fruit and method for operating the same |
| US11270245B2 (en) | 2018-08-07 | 2022-03-08 | Walmart Apollo, Llc | System and method for forecasting deliveries via blockchain smart contracts |
| JP7449015B1 (en) | 2023-07-24 | 2024-03-13 | 株式会社アタゴ | Non-destructive measuring device and method for fruits and vegetables |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03176645A (en) * | 1989-12-06 | 1991-07-31 | Mitsubishi Heavy Ind Ltd | Component measuring instrument of food |
| JPH04104041A (en) * | 1990-08-23 | 1992-04-06 | Mitsui Mining & Smelting Co Ltd | Method and apparatus for measuring quality of vegetable and fruit |
| JPH0967A (en) * | 1995-06-22 | 1997-01-07 | Kubota Corp | Culture controlling apparatus for vegetable and fruit |
| JPH10123047A (en) * | 1996-10-24 | 1998-05-15 | Kubota Corp | Spectroscopic analyzer |
| JP2002122536A (en) * | 2000-10-13 | 2002-04-26 | Mitsui Mining & Smelting Co Ltd | Device for determining firmness of flesh of fresh product |
| JP2003329583A (en) * | 2002-05-15 | 2003-11-19 | Tokan Kogyo Co Ltd | Method and apparatus for inspecting internal quality of fruit and vegetable |
| JP2004226357A (en) * | 2003-01-27 | 2004-08-12 | Omi Weighing Machine Inc | Detecting device of degree of ripeness and sugar content of fruit |
| JP2004294108A (en) * | 2003-03-25 | 2004-10-21 | Mitsui Mining & Smelting Co Ltd | Apparatus for measuring sugar concentration |
-
2005
- 2005-02-16 JP JP2005039332A patent/JP2006226775A/en active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03176645A (en) * | 1989-12-06 | 1991-07-31 | Mitsubishi Heavy Ind Ltd | Component measuring instrument of food |
| JPH04104041A (en) * | 1990-08-23 | 1992-04-06 | Mitsui Mining & Smelting Co Ltd | Method and apparatus for measuring quality of vegetable and fruit |
| JPH0967A (en) * | 1995-06-22 | 1997-01-07 | Kubota Corp | Culture controlling apparatus for vegetable and fruit |
| JPH10123047A (en) * | 1996-10-24 | 1998-05-15 | Kubota Corp | Spectroscopic analyzer |
| JP2002122536A (en) * | 2000-10-13 | 2002-04-26 | Mitsui Mining & Smelting Co Ltd | Device for determining firmness of flesh of fresh product |
| JP2003329583A (en) * | 2002-05-15 | 2003-11-19 | Tokan Kogyo Co Ltd | Method and apparatus for inspecting internal quality of fruit and vegetable |
| JP2004226357A (en) * | 2003-01-27 | 2004-08-12 | Omi Weighing Machine Inc | Detecting device of degree of ripeness and sugar content of fruit |
| JP2004294108A (en) * | 2003-03-25 | 2004-10-21 | Mitsui Mining & Smelting Co Ltd | Apparatus for measuring sugar concentration |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009038206A1 (en) * | 2007-09-21 | 2009-03-26 | Suntory Holdings Limited | Visible/near-infrared spectrum analyzing method and grape fermenting method |
| JP2009243954A (en) * | 2008-03-28 | 2009-10-22 | Toyota Motor Corp | Exhaust gas analyzer and analyzing method |
| WO2009123068A1 (en) * | 2008-04-01 | 2009-10-08 | 国立大学法人豊橋技術科学大学 | Discrimination filtering device, method for discriminating object, and method for designing filter of discriminating filtering device |
| JPWO2009123068A1 (en) * | 2008-04-01 | 2011-07-28 | 国立大学法人豊橋技術科学大学 | Discriminant filtering device, object discriminating method, and filter design method for discriminant filtering device |
| US8193500B2 (en) | 2008-04-01 | 2012-06-05 | National University Corporation Toyohashi University Of Technology | Discrimination filtering device, discrimination method of object, and designing method of filters for discrimination filtering device |
| WO2012005350A1 (en) * | 2010-07-09 | 2012-01-12 | 千代田電子工業株式会社 | Nondestructive measuring device for green grocery |
| CN102959382A (en) * | 2010-07-09 | 2013-03-06 | 千代田电子工业株式会社 | Nondestructive measuring device for green grocery |
| JPWO2012005350A1 (en) * | 2010-07-09 | 2013-09-05 | 千代田電子工業株式会社 | Non-destructive measuring device for fruits and vegetables |
| CN103487397A (en) * | 2013-09-23 | 2014-01-01 | 浙江农林大学 | Quick detecting method for hardness of phyllostachys pracecox shoots and device |
| JP2016080429A (en) * | 2014-10-14 | 2016-05-16 | 住友電気工業株式会社 | Spectral measurement device |
| WO2016059946A1 (en) * | 2014-10-14 | 2016-04-21 | 住友電気工業株式会社 | Spectroscopic measurement method and spectroscopic measurement device |
| JP2016114544A (en) * | 2014-12-17 | 2016-06-23 | 三井金属計測機工株式会社 | Vegetable-and-fruit nondestructive saccharic acid meter and use method thereof |
| KR102608701B1 (en) * | 2016-09-06 | 2023-11-30 | 가부시키가이샤 아타고 | Non-destructive measuring device |
| KR20190047654A (en) * | 2016-09-06 | 2019-05-08 | 가부시키가이샤 아타고 | Non-destructive measuring device |
| JP2018132325A (en) * | 2017-02-13 | 2018-08-23 | 国立研究開発法人物質・材料研究機構 | Non-destructive inspection method and device for degree of ripening of western pear by smell measurement |
| CN107505325B (en) * | 2017-08-18 | 2023-04-25 | 西北农林科技大学 | Omnibearing quality detection method for winter jujube fruits |
| CN107505325A (en) * | 2017-08-18 | 2017-12-22 | 西北农林科技大学 | The comprehensive quality detecting method of winter-jujube fruit |
| US11270245B2 (en) | 2018-08-07 | 2022-03-08 | Walmart Apollo, Llc | System and method for forecasting deliveries via blockchain smart contracts |
| US11816625B2 (en) | 2018-08-07 | 2023-11-14 | Walmart Apollo, Llc | System and method for forecasting deliveries via blockchain smart contracts using hyperspectral computer vision |
| KR20220083545A (en) * | 2020-11-24 | 2022-06-20 | (주)진짜맛있는과일 | Server that manages the quality of fruit using a corrected spectrum that attenuates the absorption rate according to the o-h functional group in the near-infrared spectrum and its operation method |
| KR102488060B1 (en) | 2020-11-24 | 2023-01-13 | (주)진짜맛있는과일 | Server that manages the quality of fruit using a corrected spectrum that attenuates the absorption rate according to the o-h functional group in the near-infrared spectrum and its operation method |
| KR102244670B1 (en) * | 2020-11-24 | 2021-04-26 | (주)진짜맛있는과일 | Server managing quality of fruit and method for operating the same |
| JP7449015B1 (en) | 2023-07-24 | 2024-03-13 | 株式会社アタゴ | Non-destructive measuring device and method for fruits and vegetables |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2006226775A (en) | Method and apparatus for evaluating eating taste component of fruit | |
| Ncama et al. | Application of Vis/NIR spectroscopy for predicting sweetness and flavour parameters of ‘Valencia’orange (Citrus sinensis) and ‘Star Ruby’grapefruit (Citrus x paradisi Macfad) | |
| Mishra et al. | Improving moisture and soluble solids content prediction in pear fruit using near-infrared spectroscopy with variable selection and model updating approach | |
| Peng et al. | Analysis of spatially resolved hyperspectral scattering images for assessing apple fruit firmness and soluble solids content | |
| Jha et al. | Non-destructive determination of firmness and yellowness of mango during growth and storage using visual spectroscopy | |
| Munera et al. | Use of hyperspectral transmittance imaging to evaluate the internal quality of nectarines | |
| Choi et al. | Portable, non-destructive tester integrating VIS/NIR reflectance spectroscopy for the detection of sugar content in Asian pears | |
| JP6485850B2 (en) | Plant vitality diagnostic method, and measurement system and diagnostic system used therefor | |
| Cavaco et al. | Validation of short wave near infrared calibration models for the quality and ripening of ‘Newhall’orange on tree across years and orchards | |
| JP2006250827A (en) | Analytical method for growth condition of crop | |
| Maniwara et al. | Evaluation of NIRS as non-destructive test to evaluate quality traits of purple passion fruit | |
| Sánchez et al. | Application of NIRS for nondestructive measurement of quality parameters in intact oranges during on-tree ripening and at harvest | |
| Yang et al. | Portable, visual, and nondestructive detector integrating Vis/NIR spectrometer for sugar content of kiwifruits | |
| Daniels et al. | Measuring internal maturity parameters contactless on intact table grape bunches using NIR spectroscopy | |
| Amatya et al. | Hyperspectral imaging for detecting water stress in potatoes | |
| Mo et al. | Detecting drought stress in soybean plants using hyperspectral fluorescence imaging | |
| Riccioli et al. | Optimizing spatial data reduction in hyperspectral imaging for the prediction of quality parameters in intact oranges | |
| Agulheiro‐Santos et al. | Non‐destructive prediction of total soluble solids in strawberry using near infrared spectroscopy | |
| Noh et al. | Integration of hyperspectral reflectance and fluorescence imaging for assessing apple maturity | |
| Xu et al. | Nondestructive detection of internal flavor in ‘Shatian’pomelo fruit based on visible/near infrared spectroscopy | |
| Pires et al. | Ripening assessment of ‘Ortanique’(Citrus reticulata Blanco x Citrus sinensis (L) Osbeck) on tree by SW-NIR reflectance spectroscopy-based calibration models | |
| Mat et al. | Prediction of sugarcane quality parameters using visible-shortwave near infrared spectroradiometer | |
| Martinsen et al. | Quantifying the diffuse reflectance change caused by fresh bruises on apples | |
| Slaughter et al. | Nondestructive determination of flesh color in clingstone peaches | |
| Zude et al. | Optimum harvest date determination for apples using spectral analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080214 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100428 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100511 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100921 |