本研究では、フーリエ変換近赤外分光法（FT-NIR）、減衰全反射フーリエ変換赤外分光法（ATR-FTIR）、および二次元相関分光法（2DCOS）技術を用い、化学計量学と深層学習を組み合わせて偏最小二乗判別分析（PLS-DA）および残差畳み込みニューラルネットワーク（ResNet）判別モデルを構築し、7つの主要産地（221サンプル）のクローブ果実を迅速かつ正確にトレーシングした。結果は、ATR-FTIRスペクトルデータを二次微分（2nd）および標準正規変換（SNV）で前処理したPLS-DAモデルが最も高性能（95.31%）であることを示したが、FT-NIRスペクトルデータの最良の前処理は2ndであった。FT-NIRおよびATR-FTIRに基づく同期2DCOS画像を用いたResNetモデルは、最適な前処理選択や複雑なデータ変換を必要とせず、100%の精度を達成した。特にFT-NIRデータ変換に基づく同期2DCOS画像を用いたResNetモデルは、反復回数が最も少なく、処理時間が最短で、コストも最も低かった。本研究は、異なる地理的起源のクローブ果実を識別するための迅速かつ正確な新たな方法を提供し、クローブ果実の品質等級評価体系のさらなる研究の基礎を築くものである。

クローブ果実;化学計量学;機械学習;二次元相関分光;地理的起源