Core Concepts
ハイパースペクトルイメージングとマシンラーニングを用いて、ピートの非破壊的な分析と特性評価を行うことができる。
Abstract
本研究では、ウイスキー製造における重要な原料であるピートの非破壊分析に取り組んでいる。ピートは独特の風味を醸し出すが、その採取は古代の生態系を破壊し、気候変動に影響を与えるため、ピートの使用効率を高めることが重要な課題となっている。
本研究では、ハイパースペクトルイメージング(HSI)技術を用いて、ピートサンプルの分析を行った。その結果、以下のような知見が得られた:
SWIR(短波長赤外)データがピートサンプルの分析と総フェノール含有量の予測に最も有効であり、99.81%の高精度を達成した。
VNIR(可視近赤外)データはコンデンセート(ピート由来の液体)サンプルの分類に優れていた。
SWIR データを用いて、ピートの水分含有量と有機物含有量を高精度(R2 = 99.88%、99.03%)で予測できた。一方、VNIRデータはコンデンセートの水分と有機物含有量の予測に適していた。
以上の結果から、HSIはピートの非破壊的な分析と特性評価に極めて有効な手法であることが示された。これにより、ウイスキー製造における原料の使用効率向上と環境負荷の低減が期待できる。
Stats
ピートサンプルの総フェノール含有量の予測精度(SWIR)
平均絶対誤差(MAE): 3.28 ppm
二乗平均平方根誤差(RMSE): 4.73 ppm
決定係数(R2): 99.25%
Quotes
"ハイパースペクトルイメージング(HSI)はピートの非破壊的な分析と特性評価に極めて有効な手法である。"
"SWIR(短波長赤外)データがピートサンプルの分析と総フェノール含有量の予測に最も有効であり、99.81%の高精度を達成した。"