ラマン分光法とケモメトリクスを活用したオリーブ油認証のための主要ピーク特徴の解明

なぜオリーブ油の不正は重要なのか

高価なオリーブ油のボトルに対して余分に支払うとき、本物を期待しますが、安価な種子油でこっそり薄められていることもあります。オリーブ油は価値が高く、国際取引が複雑なため、不正や誤表示は頻繁に起きる問題です。本研究は、オイルにレーザー光を照射し、その化学的指紋を賢い計算機プログラムに読み取らせることで、こうした不正を迅速かつ非破壊的に見分ける手法を示します。この手法は、消費者、公正な生産者、そして規制当局を保護するため、ボトルの中身が表示と一致するかを簡単に検査できるようにすることを目指しています。

光を当てて油の指紋を読む

研究者らはラマン分光法という手法を用いました。これは試料に集光した光を当て、散乱して戻ってくる光を測定するものです。分子ごとに固有の振動があり、それがスペクトル上にピークのパターンを残します。スペクトルはバーコードのような役割を果たします。オリーブ油と、ひまわり油、菜種油、トウモロコシ油などの一般的な混合物は、脂肪酸や天然色素の組成が異なるため、スペクトルも同じではありません。純粋な油と精製した混合試料のパターンを調べることで、混合中のオリーブ油の割合が増減すると一貫して形状や強度が変化する「主要なピーク」の小さなセットを特定できました。

最も示唆的な信号の発見

単一の測定値に頼るのではなく、研究チームは各重要ピークからいくつかの記述子を抽出しました：ピークの高さ（強度）、占める面積、半値幅（半分の高さでの幅）、および他のピークと比べた面積比などです。次にクラスタリングや相関マップを用いて、これらの記述子がどのように油の種類ごとに分布するか、またオリーブ油含有量が増えるにつれてどのように変化するかを調べました。β-カロテンなどの色素や、特定の不飽和脂肪酸に関連するピークが特に情報量が多いことがわかりました。例えば、あるピークはオリーブ油の割合が増えると強くなり、逆に別のピークはひまわり油に多いリノール酸に結びついているため弱まるといった具合です。このような複数の特徴の組み合わせは、単一の強度値だけでは見落とされる微妙な差異を捉えました。

アルゴリズムに正しいものと不正なものを仕分けさせる

これらのスペクトル指紋を実用的な判断に変えるため、著者らは複数の機械学習モデルを訓練しました。まず、4種類の純油と、6種類の二成分および三成分ブレンドを含む計10種類の油を分類するタスクをモデルに与えました。ランダムフォレストや勾配ブースト木といったツリーベースの手法が最も良好に機能し、ピーク特徴全体を与えるとほぼすべての試料を正しいカテゴリに割り当てました。次に、同様のモデル群を用いて数値予測、つまり二成分および三成分混合物中のオリーブ油の実際の割合を推定させました。ここでもツリーベースのアプローチが従来手法を上回り、スペクトル上で異なる油の信号が強く重なっている場合でもオリーブ含有量を正確に追跡しました。

賢いモデルのブラックボックスを開く

多くの強力な機械学習ツールは解釈が難しく、良い結果を出してもなぜその決定が下されたかの洞察が得られないことがあります。これに対処するため、本研究では各入力特徴が最終予測にどれだけ寄与したかを割り当てる説明手法を用いました。これにより、いくつかの特定のピークがモデルの判断を支配しており、それらの値に応じて予測されるオリーブ含有量を一貫して押し上げたり押し下げたりしていることが明らかになりました。同じピークが異なる混合タイプや、オリーブ油をわずかに含む市販のスーパーマーケット向け油のテストにおいても最重要として繰り返し現れました。これら実世界の試料に対して、最良のモデルは実測値に非常に近いオリーブ含有量を推定し、このアプローチの精度と透明性の両方を支持しました。

家庭のボトルにとっての意味

日常的な観点では、本研究は短時間の光学スキャンを、設計の良い解釈可能なコンピュータモデルで解釈すれば、その「オリーブ油」が純粋か、強く希釈されているか、あるいはその中間かを判別できることを示しています。堅牢なスペクトル特徴のごく一部に注目し、それらを高度でありながら解釈可能なアルゴリズムで組み合わせることで、研究者らは日常的な品質検査、さらには携帯型機器への組み込みも見込めるツールを構築しました。より広い地域、品種、詐欺の種類に対する追加検証は依然必要ですが、本フレームワークはオリーブ油のような高価な食品の正当性をより迅速、容易、信頼性高く検証できる将来を示唆しています。

引用: Chen, Y., Shao, R., Zeng, S. et al. Unveiling key peak features for olive oil authentication utilizing Raman spectroscopy and chemometrics. npj Sci Food 10, 88 (2026). https://doi.org/10.1038/s41538-026-00738-2

キーワード: オリーブ油の認証, 食品不正検出, ラマン分光法, 機械学習, 食用油の品質