【記者戴婧雯綜合報導】現今許多蛋雞場在篩選瑕疵蛋時，依然採用人工的方式，但隨著勞動人口減少，未來也許會無法應付人力需求。對此，國立雲林科技大學資訊工程系教授陳士煜帶領學生團隊研發「高光譜雞蛋品質檢測－以瑕疵與新鮮度為例」，期望能夠在未來替代人力，並提高雞蛋檢測作業的效率和準確度。此研發獲得「2022韓國首爾國際發明展」銀牌。在使用此檢測系統時，使用者只需將雞蛋放在平台上，在光照下以高光譜相機拍攝雞蛋，透過收集光譜反應數據並傳送到資料庫後，便可識別出有髒污、裂痕以及血斑的瑕疵雞蛋。指導老師陳士煜表示，此檢測方式速度快且準確率高，比人工方式更佳，「我們測試的準確率都可以到96、97％，所以我覺得這樣的方法可行性是很高的。」 在使用高光譜雞蛋品質檢測系統時，使用者只需把雞蛋放在平台上，在光照下以高光譜相機拍攝雞蛋，即可獲取雞蛋瑕疵的數據。　圖／高光譜影像與訊號處理實驗室提供陳士煜解釋，人在可見光範圍內很難區分類似的形狀和顏色，而高光譜不僅較一般影像光譜廣、解析度更高，且對於訊號的變化也較敏銳，可以更有效地幫助分辨雞蛋的品質，「用眼睛看只看得到一個人的外表，但用高光譜可以看到一個人的個性。」他形容。不過，從事雞蛋產業的張先生（化名）認為，大部分的雞蛋瑕疵還是肉眼可見的，不需要用這麼精細的方式去篩選，「這個科技很先進，但對雞蛋而言還是太貴了。」 高光譜比一般影像光譜廣、解析度更高，且對於訊號的變化也較敏銳，可以從更精細的角度去進行篩選瑕疵蛋的工作。　圖／高光譜影像與訊號處理實驗室提供相較於瑕疵，團隊認為消費者更在意雞蛋的新鮮度，因此在系統中加入新鮮度檢測。使用者可將感測器加裝至手機，讓感測器貼近雞蛋偵測表面細菌，得到蛋殼表面的光譜反應後，再根據資料庫的大數據判斷雞蛋已放置多少週，以此避免誤食不新鮮的雞蛋。有購買和囤積雞蛋習慣的住宿學生符淨雅表示，自己要確認新鮮度時會直接敲開雞蛋，若有此系統則可帶來便利，「我覺得很實用，可以用科學的角度讓我確認雞蛋新不新鮮。」 雞蛋是家中常見的烹飪食材，若誤食到不新鮮的雞蛋，可能會面臨食物中毒的風險。　圖／戴婧雯攝「我們每一類的樣本大約都蒐集了200顆蛋。」團隊學生徐楷勛說明，由於建立資料庫需要存進大量的數據資料，因此研發過程花費許多時間。不過團隊也表示，長時間的付出，讓該檢測研究相比市面上同樣使用高光譜檢測雞蛋瑕疵的發明，能夠檢測到更全面的瑕疵，且檢測所需的時間只有零點幾秒。團隊也希望藉此高準確率和高效率的研發成果，更好地幫助未來蛋雞場的自動化和智慧發展。

【記者吳曼嘉綜合報導】工人們睜大雙眼檢查，挑掉不良的咖啡豆。這段過程不僅耗時，也容易因人眼疲勞，而產生誤判。因此由國立雲林科技大學資訊工程系暨研究所副教授陳士煜指導該校學生組成的hsipl_1團隊，研發「運用高光譜影像智慧辨識技術於咖啡豆瑕疵檢測」並於10月31日「2019雲科智慧生活創新應用競賽決賽」獲佳作。 國立雲林科技大學高光譜訊號與影像處理實驗室參與高光譜技術研究的團隊合影。　圖／吳曼嘉攝由於人工選豆相當費時，且在工人精神疲倦的狀態下，瑕疵豆可能無法被完整挑出，於是該團隊嘗試以高光譜技術（註1）辨識瑕疵豆。將咖啡豆整齊地擺進暗箱，經推掃式高光譜相機拍攝後，便可獲得不同的波段。透過「波段選擇」將最敏感的留下，健康豆與瑕疵豆在此波段下差異會最大，最後以演算法找出瑕疵豆。註1：高光譜技術過去多應用在軍事，而現今開始往醫療藥品、植物等較為生活的應用，用以辨別物體特性。若咖啡豆尚未成熟就被採下或遭蟲蛀，便成為需要被丟棄的「瑕疵豆」。咖啡從業人員王浩宇說：「蟲蛀跟發霉容易因微生物影響，可能有赭麴毒素（註2）的物質，會導致心悸、頭痛。」因此在烘豆前需進行人工選豆，將生豆（註3）中的瑕疵豆挑除。註2：咖啡生豆水分高，黴菌大量生長而容易產生赭麴毒素。生豆在烘焙後，赭麴毒素便會被分解破壞，但是烘焙好的豆子還是有可能因保存方式不當或受到生豆汙染，再次孳生。註3：咖啡豆由外而內的構造為外皮、果肉、內果皮、銀皮、種子，藉由日曬或水洗的處裡，去除種子外側部份，就是生豆。 圖為已烘焙之正常咖啡豆，瑕疵豆分為很多種類，包含黑色豆、蟲蛀豆、未熟豆等，而蟲蛀豆通常肉眼不易辨識。　圖／吳曼嘉攝瑕疵豆分為黑色豆、蟲蛀豆、未熟豆等種類，市面上的挑豆機多只針對黑色豆。團隊學生歐承學說：「黑色豆跟沒有瑕疵的生豆差距很大，單靠顏色便能區分。」而因蟲蛀豆較難以人眼分辨，他們便對其進行辨識研究。陳士煜也提到，辨識黑豆與破碎豆相對蟲蛀豆容易許多，而雖現在團隊的高光譜技術只用於檢測蟲蛀豆，但未來商品化後，將一併進行檢測。 團隊學生歐承學將咖啡豆整齊地擺在暗箱的滑台上，通常會把咖啡豆明顯不良處朝上，讓高光譜相機容易拍到。　圖／吳曼嘉攝然而陳士煜坦言，蟲蛀在咖啡豆正面，但相機卻拍攝背面時，便會誤將瑕疵豆判為健康豆。因此考慮將其放在玻璃板上，改以兩台相機從玻璃上方及下方拍攝，期望改善此盲點。該技術目前的辨識率為95％，歐承學說：「之後要再讓系統多深度學習、多訓練，就可以增加它的辨識率。」 咖啡豆經高光譜相機拍攝完畢後，會以RAW檔呈現，右下角為瑕疵豆的波形。　圖／吳曼嘉攝現下團隊使用之暗箱設備屬於實驗室規格，體積龐大且操作複雜。未來打算和廠商合作，將研究發現之波段製成多光譜相機，提供咖啡加工廠進行自動化辨識，有效提高挑豆效率；而對於咖啡玩家來說，只要一台手持式相機，在家也能輕鬆地挑豆。國立成功大學電腦與通信工程研究所通訊與網路組助理教授林家祥表示，將高光譜技術用於檢測瑕疵咖啡豆是一個很合適的應用，但他認為要先把咖啡豆排列整齊才能檢測，會讓速度變慢。他說：「把咖啡豆全部倒在台子上，會獲得混合波形，並利用『高光譜解混』（註4），就能把混合的波形分離，這樣應該會快很多。」 註4：高光譜解混（hyperspectral unmixing）可以將經高光譜技術得來的混合波形分離。