当研究室のD3 Zhangらの論文がPostharvest Biology and Technologyに掲載されました。

本研究では、ハスカップ（Lonicera caerulea L.）果実の品質を画像から非破壊で推定する深層学習モデルを開発しました。ハスカップは高い抗酸化活性を持つことで知られていますが、アントシアニン含量や糖度（SSC）を測定するには破壊的な分析が必要でした。

本研究は、RGB画像と深層学習を組み合わせ、YOLOv8による果実検出と特徴抽出を行い、アントシアニン含量および糖度を高精度に予測しました。特にYOLOv8n由来の特徴量は高い予測性能を示し、アントシアニン含量ではR² = 0.93、糖度ではR² = 0.79を達成しました。

本成果は、果実品質を低コストかつ迅速に評価できる新たな非破壊解析技術として期待され、ハスカップの品質選別や収穫管理への応用が期待されます。

We developed a deep learning-based image analysis framework for non-destructive quality assessment of haskap (Lonicera caerulea L.) fruit. Haskap berries are known for their exceptionally high antioxidant activity and health-promoting properties, yet conventional measurements of anthocyanin content and soluble solids content (SSC) require destructive analyses.

In this study, RGB images and deep learning models were combined to predict fruit quality traits. YOLOv8 was first used for accurate fruit detection, followed by feature extraction using multiple neural network architectures. Among them, YOLOv8n-derived features achieved the highest prediction performance, with R² values of 0.93 for anthocyanin content and 0.79 for SSC.

The results demonstrate the potential of deep learning-based image analysis as a rapid, low-cost, and non-destructive approach for fruit quality evaluation, contributing to more efficient haskap grading and harvest management.

論文タイトル：

Feature extraction based on RGB images for rapid and non-destructive estimation of haskap fruit quality attributes

著者：Jian Zhang, Jixiao Li, Xiangji Meng, Yue Yang, Yidan Lyu, Yoichiro Hoshino

掲載誌：Postharvest Biology and Technology

DOI：https://doi.org/10.1016/j.postharvbio.2026.114416