近赤外分光法とAttention統合深層学習モデルによる非金属異物（毛髪）検出の高精度化

カテゴリ：研究会(論文単位)

論文No：ST25014,CT25076

グループ名：【C】電子・情報・システム部門 システム/【C】電子・情報・システム部門 制御合同研究会

発行日：2025/6/26

タイトル(英語)：High-Precision Detection of Non-Metallic Contaminants in Food Using NIR Spectroscopy and an Attention-Integrated Deep Learning Model

著者名：花松 学(カロリアジャパン/サイバープロジェクト/八戸工業大学大学院),花松 憲光(カロリアジャパン),岡山 透(カロリアジャパン),越田 俊介(八戸工業大学),石山 武(八戸工業大学)

著者名(英語)： Manabu Hanamatsu(Caloria Japan Co., Ltd. / Cyber Project Co., Ltd. / Graduate School, Hachinohe Institute of Technology),Kenkoh Hanamatsu(Caloria Japan Co., Ltd.),Tooru Okayama(Caloria Japan Co., Ltd.),Shunsuke Koshita(Hachinohe Institute of Technology),Takeshi Ishiyama(Hachinohe Institute of Technology)

キーワード：近赤外分光法,深層学習,注意機構　,異物検出,非破壊検査,スペクトル解析,NIR Spectroscopy,Deep Learning,Attention Mechanism,Foreign Object Detection,Non-Destructive Testing,Spectral Analysis

要約(日本語)：近赤外分光法と深層学習を組み合わせ，食品内部に混入した毛髪異物を非破壊・非接触で高精度に識別する手法を提案する。従来法で課題であった波長選定の属人性と識別再現性を改善するため，1D-CNN，BiLSTM，Attentionを統合した分類モデルを構築し，シスチン吸収帯への動的着目により高精度識別と波長解釈性の両立を実現した。

要約(英語)：This research presents a high-precision method for detecting non-metallic contaminants, particularly hair, in food using near-infrared spectroscopy combined with an attention-integrated deep learning framework. The model—comprising 1D-CNN, BiLSTM, and attention mechanisms—achieves both classification accuracy and spectral interpretability for non-destructive, contactless contaminant identification.

本誌：2025年6月29日システム/制御合同研究会

本誌掲載ページ：71-74p

原稿種別：日本語

PDFファイルサイズ：795Kバイト