📝 概要：オスカー・サンドバル＝ゴンザレスらの研究チームは、AI搭載のコンピュータビジョンとメカトロニクスシステムを組み合わせ、生豆の両面を自動で欠陥検査する新しい装置を開発しました。9600枚の画像データを用いた検証では、YOLOv8モデルが96.5%の平均精度（mAP）を達成しました。
🔗 元記事：https://www.mdpi.com/2077-0472/16/16/1796
AIによる要約
コーヒー生豆の品質管理は食品安全性と経済的持続可能性の観点から極めて重要ですが、従来の写真撮影による自動検査システムでは豆の片面しか捉えられず、表面の欠陥を見落とすという課題がありました。本研究では、この課題を解決するため、標準的な350gのサンプルから各豆をメカニカルに反転させて2台の16メガピクセルカメラで両面を高精度に撮影する新しい装置を開発しました。
収集された11種類の欠陥と正常豆を含む計9600枚の画像データを用いて、VGG-16、VGG-19、ResNet-50、YOLOv8の4つの畳み込みニューラルネットワーク（CNN）アーキテクチャが訓練・評価されました。その結果、YOLOv8が精度97.4%、再現率99.6%、F1スコア0.930、平均平均精度（mAP）96.5%という優れた性能を実証しました。また、両面を撮影することで、クラスごとの平均検出精度が単面構成の0.727から0.908へと25.7%向上しました。
低価格なハードウェアであるRaspberry Pi 4上でリアルタイムの「トラック」モードとして実装され、350gのサンプルを約38分で分類・カウントすることが可能です。このメカニカルな革新と軽量なディープラーニングの融合により、コーヒー分析に特化した研究室や生産現場において、実用的でスケーラブルかつ費用対効果の高い品質管理の実現が期待されています。
※本記事のスコアはAIと独自の評価基準による自動評価です。評価基準は複数の観点から総合的に判断しており、随時見直しを行っています。