原 著 論 文
画像解析による炊飯米の外観の評価
町田芳恵
1)・林 篤司
2)・相良直哉
2)・七夕高也
2,3)・冨田 桂
1)・田野井真
1)・小林麻子
1) 1) 福井県農業試験場，福井県福井市，〒 918-8215 2)（公財）かずさ DNA 研究所，千葉県木更津市，〒 292-0818 3) 理化学研究所環境資源科学研究センター，茨城県つくば市，〒 305-0074 摘 要 炊飯米の外観のうち，つや及び白さを定量できる画像解析ソフトを開発した．炊飯直後の炊飯米 をデジタルカメラで撮影して得た画像について，OpenCV を利用した特徴点抽出を行い，特徴点の 数を炊飯米のつや評価値とした．同様に画像中の各ピクセルについて L*a*b*色空間の b*値を求め， その平均値の負の数を炊飯米の白さ評価値とした．これらの画像解析によるつや及び白さ評価値は， 11品種・系統を用いた食味官能試験における炊飯米のつや及び白さ評価値と有意な正の相関を示し た．また少なくとも 900 万画素以上の画像に対して解析が可能であった．画像解析によるつやと白 さの評価値の間には有意な相関はみられなかったが，食味官能試験では，炊飯米のつやと白さの評 価値の間には有意な正の相関がみられた． キーワード 画像解析，炊飯米のつや，炊飯米の白さ，特徴点，b*値緒 言
炊飯米の外観は，おいしさの重要な要素である．重宗 ら（2007）は，炊飯米の外観と食味総合評価値の間に有 意な相関があることを明らかにした．田中ら（2006）は， 「アキヒカリ」と「コシヒカリ」の倍加半数体系統群を用 いて，炊飯米の外観と粘り評価値の間に有意な相関があ ることを明らかにした．また，食味官能試験での炊飯米 の外観評価は，粘りや硬さの評価とともに，再現性の高 い評価項目の一つである（大里ら 1998）． イネ育種マニュアルによると，食味官能試験における 炊飯米の外観の評価は，つやの良否，白さ，胚芽の程度， 砕米・煮崩れの有無等により判断する，とされている（福 井・小林 1996）．このうち，胚芽の程度及び砕米・煮崩 れの有無は，品種の遺伝的要因の他に乾燥や精米といっ たポストハーベストの過程に左右されることが多い．一 方，炊飯米のつやの良否及び白さについては，遺伝的要 素の関与が大きいと言える．これまでに，炊飯米のつや については，炊飯光沢検定で評価することができ，その 広義の遺伝力は 0.521 であることが明らかにされた（藤 編集委員：加藤恒雄 2016年 7 月 19 日受領 2017 年 6 月 20 日受理 Correspondence: [email protected] 巻・櫛淵 1975）．炊飯米の白さについては，明瞭な品種 間差があることが確認され（Goto et al. 2014，小木ら 2014），QTL 解析も行われた（Shinada et al. 2015，小林ら 2015）． 著者らはこれまでに，炊飯米の外観のうち白さについ て，画像解析による評価法を開発した（小木ら 2014）． 本研究では，白さに加えてつやについての画像解析によ る評価法を開発した．材料および方法
1．植物材料及び食味官能試験 供試品種として，「あきさかり」，「アキヒカリ」，「イク ヒカリ」，「さがびより」，「つや姫」，「にこまる」，「日本 晴」，「ヒノヒカリ」，「森田早生」の 9 品種及び福井農試 の育成系統 G29 を用いた．これらの品種・系統及び食味 官能試験の基準とした「コシヒカリ」を 2015 及び 2016 年に福井県農業試験場の水田圃場で栽培した．収穫した 玄米を家庭用精米機（SM-500，エムケー精工株式会社， 長野）により歩留まり 90.0～90.5%に搗精した． 食味官能試験は小木ら（2014）と同様の方法で行い， 「コシヒカリ」を 0 として，炊飯米のつや及び白さを–3～ +3の 7 段階で評価した．パネルは福井農試職員 18 名であり，合計 18 回の食味官能試験において，「コシヒカリ」 は基準として 18 回及び試験品種として 2 回，「日本晴」 は 7 回，「あきさかり」，「さがびより」，「つや姫」，「にこ まる」及び「ヒノヒカリ」は各 3 回，「アキヒカリ」，「イ クヒカリ」，G29 及び「森田早生」は各 2 回供試した． 2．炊飯米画像の取得 食味官能試験に用いた炊飯米の画像を次のように取得 した．撮影台は暗幕で囲み外光を遮断した．炊飯終了直 後，攪拌せずに，ドライヤーで送風し湯気を飛ばしなが ら，炊飯釜を撮影台に設置した（図 1）．撮影にはカメラ （Nikon D800E，株式会社ニコン，東京）及びレンズ（Micro Nikkor 60mm f/2.8G ED，株式会社ニコン，東京）を使用 し，光源は LED マイクロリングライト（VLR-400，株式 会社 LPL，東京）を使用した．撮影条件は，ホワイトバ ランス：オート，感度：ISO-100，絞り：f22，露出：–0.7 とした．解析用の画像は，JPEG 形式の 3,615 万画素の画 像として取得した． 本研究では 3,615 万画素の画像を用いたが，異なる画 素数の画像でも同様に炊飯米の外観が画像解析により定 量できるかどうかを検討するため，Windows の画像編集 ソフト「ペイント」で，撮影した 3,615 万画素の画像サ イズを 75%及び 50%に縮小した画像を得た． 3．画像解析 撮影した画像から，炊飯米のつや及び白さを解析する ため，特徴点の抽出とピクセルごとの L*a*b*値（清水 2004）を取得するソフトウェアを開発した． 炊飯米のつやに相当する光沢部分は輝度値が周囲 より高く，つやの輪郭部分で輝度値の変化が大きくなる． 従って，画像中の輝度変化が高くなる箇所を検出し， 検出数をつやに相当する部分の評価値とした．輝度値 変 化の大きい領域を検出する方法として OpenCV の関 数 cvGoodFeaturesToTrack を利用した．CvGoodFeatures ToTrackは輝度値変化の大きいコーナー部分となる箇所 炊飯米の画像取得． 撮影台を暗幕で囲み外光を遮断し，LED マイクロリングラ イトを光源とした．炊飯終了直後，攪拌せずに炊飯釜ごと 撮影台に設置し，ドライヤーで送風して湯気を飛ばしなが ら撮影した． 図1. を特徴点として検出する．この関数は特徴点を検出する 方法として，固有値を利用した方法（以下 Eigen）また は Harris エッジ検出器を利用した方法（以下 Harris）を 利用でき，開発したプログラムはこれら 2 つの方法で特 徴点を検出した．なお，CvGoodFeaturesToTrack で求める 特徴点は，つやに相当する部分だけではなく，米粒の隙 間にできる窪みの部分も輝度値の変化が大きいことから 検出されてしまう．そこで，解析範囲全体の輝度（L* 値）の平均値を求め，特徴点の輝度が平均値以下である 場合，検出した特徴点から除外した．
プログラム開発は Visual C++（Visual Studio 2015）及び
OpenCV3.1（OpenCV Developers Team 2015）を利用した．
画像中の解析対象とする範囲は，1．画像中央を中心とし て切り出した四辺形部分，または，2．画像中央を基準と して等間隔に切り出した 9 ヵ所の四辺形とした．1．では 四辺形の各辺のピクセル数を任意に指定することがで き，2．では四辺形の各辺のピクセル数及び画像の中心か らの距離を中心から端までの距離に対する比として任意 に指定することができる．図 2A に 7,360 × 4,912 ピクセ ルの画像に対し，1．で四辺形を 4,000 × 4,000 ピクセルと 指定したときの解析例，図 2B に 2．で中心からの比を 0.25，四辺形を 1,000 × 1,000 ピクセルと指定したときの 解析例を示す．解析範囲は色分けされており，検出され た特徴点は水色の四角形で表されている． 開 発 し た ソ フ ト ウ ェ ア は ， http://www.kazusa.or.jp/ phenotyping/によりフリーソフトウェアとしてダウンロー ドし利用することが可能である．解析には TIFF，BMP， 及び JPEG 形式の画像を使用することができる．
結 果
炊飯米のつやの評価値を解析領域内の特徴点の数で表 した．供試 11 品種・系統について，Eigen 及び Harris の 両手法による炊飯米のつや評価値の平均値は，官能試験 によるつや評価値の平均値との間に 1%水準で有意な正の 相関がみられた（図 3A，B，C，D）．解析対象範囲を中 央の四辺形部分，または切り出した 9 ヵ所とした場合， あるいは解析手法を Eigen または Harris とした場合のい ずれにおいても，それぞれの相関係数に大きな差はなかっ た．また，良食味品種の代表である「コシヒカリ」と食 味の劣る「日本晴」のつやを比較した（表 1）．両品種の つやに関する画像解析による評価値には，Eigen 及び Harrisともに，5%水準で有意な差がみられた． 供試 11 品種・系統についての–b*値による炊飯米の白 さ評価値の平均値と食味官能試験による白さ評価値の平 均値との間には，5%水準で有意な正の相関がみられた （図 3E，F）．ただし，「さがびより」及び G29 の–b*値 は，食味官能試験による白さ評価値に対して小さく，回 帰直線から外れた．また「コシヒカリ」及び「日本晴」 の炊飯米の白さに関する画像解析結果では，中央の四辺撮影した炊飯米の画像解析範囲及び解析例（Eigen）． A：画像中央から切り出した 4,000 × 4,000 ピクセルの四辺形部分，B：画像から等間隔に切り 出した 9 ヵ所の 1,000 × 1,000 ピクセルの四辺形部分． 図2. 供試 11 品種・系統の食味官能試験におけるつや及び白さ評価値と画像解析における特徴点抽出（A，B：Eigen 及び C，D： Harris）によるつや評価値，及び–b*値による白さ評価値との関係． A，C，E：画像中央の 4,000 × 4,000 ピクセルの四辺形を解析対象とした．B，D，F：画像から等間隔に切り出した 1,000 × 1,000 ピクセルの 9 ヵ所の四辺形を解析対象とし，その平均値を評価値とした．各プロットは品種ごとの平均値で示した．品種名の後 ろのカッコ内はサンプル数．*，**：それぞれ 5%，1%水準で有意． 図3. 「コシヒカリ」及び「日本晴」の炊飯米のつや及び白さに関する官能試験による評価値と画像解析による評価値 形質 解析手法 解析領域 つや 白さ 官能試験 Eigen Harris 官能試験 –b* 中央四角 9 ヵ所平均 中央四角 9 ヵ所平均 中央四角 9 ヵ所平均 コシヒカリ 平均 0.00 3,442 287 798 97 0.00 0.08 0.01 n = 9 標準偏差 — 675 29 249 20 — 0.15 0.15 日本晴 平均 –0.16 2,465 235 495 72 0.40 0.49 0.44 n = 5 標準偏差 0.17 347 26 230 17 0.16 0.25 0.22 コシヒカリと日本晴の差 * * ** * * ** ** ** 中央四角は画像中央の 4,000 × 4,000 ピクセルの正方形部分． 9ヵ所平均は，画像から等間隔に切り出した 9 ヵ所の 1,000 × 1,000 ピクセル部分の平均値． *，**：それぞれ 5%，1%水準で有意． 表1.
形部分及び切り出した 9 ヵ所の平均のいずれについても， 1%水準で有意な差がみられた（表 1）． 本研究では，3,615 万画素の画像を解析に用いたが，異 なる画素数の画像でも同様に解析できるかどうかを検討 した．3,615 万画素での画像解析によるつや及び白さ評価 値に有意な品種間差がみられた「コシヒカリ」，「イクヒ カリ」，「森田早生」の炊飯米を撮影した画像を画像編集 ソフトで縮小した画像を解析した．その結果，つや （Harris）及び白さ評価値について縮小したいずれの画素 数の画像でも，Tukey-Kramer 法による多重比較検定にお いて 5%水準で有意な差がみられた（図 4）． 画像解析におけるつや及び白さ評価値を調べたところ， 両者の間には有意な相関はみられなかった．図 5A，B に 代表例として，画像中央の 4,000 × 4,000 ピクセルの四辺 形を解析対象とした解析結果を示した．白さは–b*値を用 い，つやは Eigen（図 5A）及び Harris（図 5B）による評
解析した画像の画素数とつや及び白さ評価値（Harris 及び–b*値）． ■：「コシヒカリ」，■：「イクヒカリ」，□：「森田早生」．同一画素数ごとに Tukey-Kramer 法による多重比較検定を行い，5%水 準で有意な差がみられた場合に異なるアルファベットで示した．サンプル数は「コシヒカリ」，「イクヒカリ」，「森田早生」がそ れぞれ 9，4，3 である． 図4. 官能試験及び画像解析により評価した炊飯米の白さ及びつやの関係．
A：画像解析（つやは Eigen）による評価，B：画像解析（つやは Harris）による評価．解析 対象は画像中央の 4,000 × 4,000 ピクセルの四辺形とした．C：食味官能試験による評価．品種 名の後ろのカッコ内はサンプル数．ns：有意でない．**：1%水準で有意．
価値とし，供試品種ごとの平均値を示した．「ヒノヒカ リ」，「日本晴」，「つや姫」，「イクヒカリ」，「にこまる」， 「あきさかり」の–b*値は「コシヒカリ」より大きく，炊 飯米が「コシヒカリ」より白いといえるが，つやについ ては，Eigen 及び Harris の両方で「コシヒカリ」より評価 値が明らかに大きかったのは G29 のみであった． 一方，官能試験におけるつや評価値と白さ評価値を， 用いた供試品種ごとの平均値として示した（図 5C）．そ の結果，両者の間には 1%水準で有意な正の相関がみら れた（r = 0.927**）．供試品種の中では，「ヒノヒカリ」， 「つや姫」，「さがびより」，「イクヒカリ」，「あきさかり」 及び「にこまる」の炊飯米は，「コシヒカリ」よりもつや と白さの両方が優れていた．
考 察
著者らはこれまでに，シャーレに充填した炊飯米の白 さが L*b*a*色空間のうちの b*値で評価できることを示し た（小木ら 2014）．本研究では，炊飯直後，攪拌前の炊 飯米の画像において，画像中の輝度値変化の大きな箇所 を OpenCV の関数である固有値を利用した特徴点検出 （Eigen）または Harris エッジ検出器を利用した特徴点検 出（Harris）により検出した特徴点の数を定量すること で，炊飯米のつやの良否を評価できることを明らかにし た（図 3A，B，C，D，表 1）．また，炊飯米の白さにつ いても，炊飯直後，攪拌前の炊飯米の画像解析において， b*値で評価できることを確認した（図 3E，F）．以上か ら，本研究では，おいしさの重要な要素の一つである炊 飯米の外観のうち，つや及び白さを同時に定量すること が可能な画像解析プログラムを開発することができた． 柳原（2000）は，炊飯米の白さ及びつやを推定する方 法として，蒸し調理した米の画像の平均輝度値及び高輝 度部分の累積画素数を用いることを提案した．この手法 では，ステンレス製密閉容器に 25 g の精白米及び白米重 量比 1.5 倍の水を充填し，オートクレーブで加熱するこ とにより蒸し調理したサンプルの画像を解析に用いてい る．この方法は，選抜初期世代における多数の個体につ いて，その食味特性を間接的に選抜する方法として優れ ている．しかし，上記のオートクレーブによる蒸し調理 で得られた米と，炊飯器で炊飯した米のつやや白さが同 等であるかは検証されていない．また画像取得に CCD カ メラ，画像処理装置やデータ処理装置として特定の機器 やソフトウェアを使用する必要がある．一方，本研究で 開発した画像解析手法では，通常の食味官能試験で用い る炊飯米の画像を用いており，多数サンプルの解析には 適さないが，実際の炊飯米のつや及び白さを評価できる 利点がある．また通常の食味官能試験の手順に炊飯直後 の画像を取得するステップが加わるだけで，市販のデジ タルカメラ，パソコンで解析が可能である． 解析に用いる画像の解像度を変えて炊飯米のつや及び 白さの画像解析を行った．その結果，2,034 万画素，904 万画素に縮小しても品種間差が安定して検出された．こ のことから，本解析ソフトを用いる場合，900 万画素以 上の画像であれば十分に解析が可能であると考えられた （図 4）．ただし，解析対象の画素数を減少させると，画 像の精細さが減少し，つやに相当する光沢部の輪郭部分 の鮮明さも少なくなることから，検出する特徴点の数も 減少した． 画像解析における炊飯米のつや評価値と白さ評価値と の間には，有意な相関はみられなかった（図 5A，B）． 一方，官能試験では両者の間に有意な正の相関がみられ た（図 5C）．これらのことは，実際には炊飯米のつやと 白さは連動しており，本研究で開発した画像解析手法が まだ不十分である可能性，あるいは，実際には炊飯米の つやと白さは無関係であるが，ヒトの視覚では炊飯米が 白いほどつやがあるように見える，もしくはつやがある ほど白く見えるというように，炊飯米のつやと白さは連 動して評価されている可能性の二つが考えられる．今後 さらに解析データを蓄積し，炊飯米のつやと白さとの関 係について検討していく予定である． ところで，炊飯米のつやと白さの間に何らかの関係性 が存在する理由として，以下の三つの仮説が考えられる． まず，炊飯米の白さとつやがある一つの遺伝子の多面効 果により制御されている可能性である．次に，これらの 形質を制御する別の遺伝子が連鎖している可能性である． さらには，遺伝的な効果ではなく，炊飯米のつやに関与 する遺伝子と白さに関与する遺伝子が同時に選抜された 結果に起因する可能性である． これらの仮説を検証するため，現在，無選抜で経過し た組換え近交系統群の炊飯米のつや及び白さに関する QTL解析及び，良食味品種以外の品種も含めた多数品種 の炊飯米のつや及び白さの評価を行っている．謝 辞
本研究は農林水産省次世代ゲノム基盤プロジェクト （NGB3001）の支援を受け実施した．引用文献
藤巻 宏・櫛淵欽也（1975）炊飯米の光沢による食味選抜の可 能性．農業及び園芸 50: 253–257. 福井清美・小林 陽（1996）食味官能検査．“イネ育種マニュア ル”山本隆一・堀末登・池田良一（共編）養賢堂，東京．74– 76.Goto, H., N. Asanome, K. Suzuki, T. Sano, H. Saito, Y. Abe, M. Chuba and T. Nishio (2014) Objective evaluation of whiteness of cooked rice and rice cakes using a portable spectrophotometer. Breed. Sci. 63: 489–494.
小林麻子・町田芳恵・片岡知守・田村克徳・冨田 桂（2015） 炊飯米の白さに関する遺伝的要因の解析．育種学研究 17 （別 2）：74.
小木芳恵・七夕高也・冨田 桂・小林麻子（2014）スキャナと 画像解析ソフトを用いた炊飯米の白さの測定法．育種学研 究 16: 115–120.
大里久美・浜地勇次・川村富輝・松江勇次（1998）良食味水稲 品種における食味試験の精度．日作記 67: 170–173. OpenCV Developers Team (2015) OpenCV Reference Manual.
[http://opencv.org.] 重宗明子・笹原英樹・後藤明俊・三浦清之・吉田智彦（2007） 水稲品種育成における食味官能試験の精度の検討．日作紀 76: 306–310. 清水雅夫（2004）色彩と表色系，“ディジタル画像処理”ディジ タル画像処理編集委員会，財団法人画像情報教育振興協会 （CG-ARTS 協会），東京．59–68.
Shinada, H., T. Yamamoto, E. Yamamoto, K. Hori, Y. Hirayama, T. Maekawa, H. Kiuchi, H. Sato and T. Sato (2015) Quantitative trait loci for whiteness of cooked rice detected in improved rice cultivars in Hokkaido. Breed. Sci. 65: 201–207.
田中 勲・小林麻子・冨田 桂・竹内善信・山岸真澄・矢野昌 裕・佐々木卓治・堀内久満（2006）イネ日本型品種におけ る食味の粘りおよび外観に関与する量的形質遺伝子座の検 出．育種学研究 8: 39–47. 柳原哲司（2000）画像解析による炊飯米の外観評価．日食工誌 47: 516–522. Breeding Research 19: 103–108 (2017)
Evaluation of cooked rice appearance by image analysis
Yoshie Machida1), Atsushi Hayashi2), Naoya Sagara2), Takanari Tanabata2,3), Katsura Tomita1), Makoto Tanoi1) and
Asako Kobayashi1)
1) Fukui Agricultural Experiment Station, Fukui, Fukui 918-8215, Japan 2) Kazusa DNA Research Institute, Kisarazu, Chiba 292-0818, Japan
3) RIKEN Center for Sustainable Resource Science, Tsukuba, Ibaraki 305-0818, Japan
We developed a method to evaluate the glossiness and whiteness of cooked rice using image analysis software. Appearance images of cooked rice, just after cooking, were taken by a digital camera. Feature points of the images were detected using OpenCV, and the number of these was used as an index of the glossiness of cooked rice. Also, b* values (the color-opponent dimensions in L*a*b* color space) were calculated for each pixel of the image, and the average value was used as an index of the whiteness of cooked rice. These glossiness and whiteness values obtained by image analysis were significantly correlated to the values evaluated by sensory tests using 11 varieties. The software was able to analyze images that contain at least 9 million pixels. The image analysis evaluated the glossiness and whiteness of cooked rice independently of each other, but in sensory tests, a positive correlation was observed.
