農業現場における果実の腐敗は深刻な経済的損失をもたらす課題として認識されています。本研究は、画像処理とディープラーニングを組み合わせたハイブリッドアプローチにより、果実の鮮度評価を実現する手法を提案しています。研究チームが開発した画像処理アルゴリズムは、0（完全に新鮮）から100（完全に腐敗）までのスケールで腐敗の度合いを定量化します。同時に、大規模な果実画像データセットを用いて、畳み込みニューラルネットワーク（CNN）の訓練を行い、新鮮か腐敗かの二値分類を実現しました。 この両手法の結果をロジスティック回帰によって統合することで、鮮度予測の精度を向上させています。さらに注目すべきは、このロジスティック回帰モデルを活用することで、画像処理アルゴリズムがCNNなしに自身の百分率出力に基づいて二値分類を提供できるようになった点です。これにより、リアルタイム応用での計算資源の負担が大幅に軽減されます。高い計算リソースを必要としないこのアプローチは、リンゴとオレンジで構成されたデータセットにおいて90%以上の精度を達成し、リアルタイム性能を実証しています。 本手法の主な制限事項として、果実を白色または透明背景に分離する必要があることが挙げられます。将来の改善としては、高度なセグメンテーションモデルの導入により背景除去の自動化が考えられます。本研究は、シンプルな画像処理技術と機械学習の統合が、農業分野における実用的なソリューション提供の可能性を示唆する重要な成果となっています。