이강진
(Div. of Fundamental Engineering and Technology, National Agricultural Mechanization Research Institute)
,
최규홍
(Div. of Fundamental Engineering and Technology, National Agricultural Mechanization Research Institute)
,
김기영
(Div. of Fundamental Engineering and Technology, National Agricultural Mechanization Research Institute)
,
최동수
(Div. of Fundamental Engineering and Technology, National Agricultural Mechanization Research Institute)
This research was conducted to develop a method to remove the effect of surface temperature of Shingo pears for sugar content measurement. Sugar content was measured by a near-infrared spectrum analysis technique. Reflected spectrum and sugar content of a pear were used for developing regression mod...
This research was conducted to develop a method to remove the effect of surface temperature of Shingo pears for sugar content measurement. Sugar content was measured by a near-infrared spectrum analysis technique. Reflected spectrum and sugar content of a pear were used for developing regression models. For the model development, reflected spectrums having wavelengths in the range of 654 to 1,052nm were used. To remove the effect of surface temperature, special sample preparation techniques and partial least square (PLS) regression models were proposed and tested. 71 Shingo pears stored in a cold storage, which had 2$^{\circ}C$ inside temperature, were taken out and left in a room temperature for a while. Temperature and reflected spectrum of each pear was measured. To increase the temperature distribution of samples, temperature and reflected spectrum of each pear was measured four times with one hour twenty minutes interval. During the experiment, temperature of pears increased up to 17 $^{\circ}C$. The total number of measured spectrum was 284. Three groups of spectrum data were formed according to temperature distribution. First group had surface temperature of 14$^{\circ}C$ and total number of 51. Second group consisted of the first and the fourth experiment data which contained the minimum and the maximum temperatures. Third group consisted of 155 data with normal temperature-distribution. The rest data set were used for model evaluation. Results shelved that PLS model I, which was developed by using the first data group, was inadequate for measuring sugar content of pears which had different surface temperatures from 14$^{\circ}C$. After temperature compensation, sugar content predictions became close to the measured values. Since using many data which had wide range of surface temperatures, PLS model II and III were able to predict sugar content of pears without additional temperature compensation. PLS model IV, which included the surface temperatures as an independent variable. showed slightly improved performance(R$^2$=0.73). Performance of the model could be enhanced by using samples with more wide range of temperatures and sugar contents.
This research was conducted to develop a method to remove the effect of surface temperature of Shingo pears for sugar content measurement. Sugar content was measured by a near-infrared spectrum analysis technique. Reflected spectrum and sugar content of a pear were used for developing regression models. For the model development, reflected spectrums having wavelengths in the range of 654 to 1,052nm were used. To remove the effect of surface temperature, special sample preparation techniques and partial least square (PLS) regression models were proposed and tested. 71 Shingo pears stored in a cold storage, which had 2$^{\circ}C$ inside temperature, were taken out and left in a room temperature for a while. Temperature and reflected spectrum of each pear was measured. To increase the temperature distribution of samples, temperature and reflected spectrum of each pear was measured four times with one hour twenty minutes interval. During the experiment, temperature of pears increased up to 17 $^{\circ}C$. The total number of measured spectrum was 284. Three groups of spectrum data were formed according to temperature distribution. First group had surface temperature of 14$^{\circ}C$ and total number of 51. Second group consisted of the first and the fourth experiment data which contained the minimum and the maximum temperatures. Third group consisted of 155 data with normal temperature-distribution. The rest data set were used for model evaluation. Results shelved that PLS model I, which was developed by using the first data group, was inadequate for measuring sugar content of pears which had different surface temperatures from 14$^{\circ}C$. After temperature compensation, sugar content predictions became close to the measured values. Since using many data which had wide range of surface temperatures, PLS model II and III were able to predict sugar content of pears without additional temperature compensation. PLS model IV, which included the surface temperatures as an independent variable. showed slightly improved performance(R$^2$=0.73). Performance of the model could be enhanced by using samples with more wide range of temperatures and sugar contents.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서, 본 연구는 근적외선 분광법을 이용하여 배의 당도를 판정함에 있어서 표면 온도의 영향을 검토하고, 이의 영향을 상쇄할 수 있는 안정적인 당도판정법을 개발하기 위하여 수행되었다.
본 연구에서는 과일표면온도가 당도판정을 위한 스펙트럼의 , 분석에 미치는 영향을 검토하고, 부분 최소 제곱 회귀법을 이용하여 온도에 영향을 받지 않는 범용 당도 판정모델을 개발하였다. 분석에 소요된 파장대역 은 654 nm에서 1, 052 nm까지 로서 2.
제안 방법
사용하여 개발하였다. 개발된 당도판정모델은 모델 개발에 이용되지 않은 나머지 시료의 당도를 개발된 모델을 이용하여 예측하는 방법으로 검증하였다.
다음에 각 파장대역에 대하여 스펙트럼의 해상도를 결정하고자 각각 2.5 run, 5 nm, 7.5 nm씩간격을 두고 데이터를 추출한 세 가지 스펙트럼을재구성하였다. 이 9가지 경우를 원 반사스펙트럼으로 두고, 이를 그대로 이용할 때와 1차 전처리로서 gap을 10 nm, 20 nm, 30 nm로 하였을 때의 1차 미분과 2차 미분 반사스펙트럼을 이용한 7가지 경우로 구분하였으며 이들 각각의 경우에 대하여 아무런 처리를 하지 않은 것과 2차 전처리로서 Mean-Centering 처리를 한 경우, 그리고 다분산 보정을 한 경우를 조합한 총 189가지 경우에 대하여 PLS 분석을 실시하였다.
당도판정을 위한 모델개발에 이용할 최적 파장대역과 간격, 스펙트럼 전처리기법을 선정하기 위하여 먼저 654-1, 052 nm의 전파장대역, 전파장을반분한 654-853 nm의 파장대 역, 그리고 854- 1, 052 nm의 파장대역 등 총 3 영역으로 구분하였다. 다음에 각 파장대역에 대하여 스펙트럼의 해상도를 결정하고자 각각 2.
먼저, 비접촉식 적외선 온도계(Yokogawa 530, Japan)를 사용하여 표면의 온도를 측정하고(그림 1), '98년 농업기계화연구소에서 개발된 비파괴과일당도판정기(이 등, 1998)를 이용하여 초당 3개의속도로 시료를 이송시키면서, 654 nm에서 1, 052 nm까지의 근적외선을 시료의 적도면에 조사한 후이 때 반사되어 나오는 스펙트럼을 측정하였다.
시료의 당도는 온도와 반사스펙트럼을 측정한 면에서 굴절당도계(Atago, Japan)를 사용하여 측정하였다. 시험에 사용된 신고 배의 당도는 그림 3 에 나타낸 바와 같이 최저 10.
실험에 사용된 배는 총 71개로서, 대형선과장의일반적인 선별과정과 유사하게 저온저장고에서 꺼내어 상온에 둔 채로 온도가 상승하는 동안 각각의 시료에 대하여 1시간 20분의 간격을 두고 4시간동안 4회에 걸쳐 동일한 면에 대하여 온도와 스펙트럼을 측정하였다. 실험 초기 시료의 최저 온도는 2℃ 였으며 최종 실험을 끝냈을 때(4시간 후) 최고 온도는 17℃였다(그림 2).
예비분석결과, 가장 우수한 방법은 전 파장 범위의 반사스펙트럼을 이용하고 아무런 전처리를 하지 않은 상태에서 2.5 nm 간격으로 데이터를 추출한 경우로 나타나, 본 연구에서는 이 방법을 채택하여 PLS 모델을 개발하였다. 모델 개발시의 최적 요인 수는 교차검정법을 이용하여 PRESS가 최저로 되는 지점에서의 요인수로서 결정하였다.
5 nm씩간격을 두고 데이터를 추출한 세 가지 스펙트럼을재구성하였다. 이 9가지 경우를 원 반사스펙트럼으로 두고, 이를 그대로 이용할 때와 1차 전처리로서 gap을 10 nm, 20 nm, 30 nm로 하였을 때의 1차 미분과 2차 미분 반사스펙트럼을 이용한 7가지 경우로 구분하였으며 이들 각각의 경우에 대하여 아무런 처리를 하지 않은 것과 2차 전처리로서 Mean-Centering 처리를 한 경우, 그리고 다분산 보정을 한 경우를 조합한 총 189가지 경우에 대하여 PLS 분석을 실시하였다. PLS 분석에는 Grams/32 (Galactic Co.
대상 데이터
PLS 모델 II에서는 1회에 측정한 시료와 마지막 4회에 측정한 시료 141개를 이용하여 모델 개발에 이용하였다. 사용한 파장대역은 모델 I 에서와 같고, 최적요인수는 그림 9에서와 같이 PRESS 와 SECV가 최소가 되는 지점에서의 11개로 결정하였으며, 이 때의 R2는 0.
당도와 온도를 측정한 순서대로 정렬한 모든 시료에 대해 온도를 변수로서 추가하여 새로운 스펙트럼을 구성한 다음, 절반인 142개의 시료를 모델 개발용 시료로서 사용하고 나머지 142개의 시료는 검증용 미지시료로서 사용하였다. 최적의 요인 수가 12일 때, PRESS와 SECV가 가장 낮았으며, 그림 15에 나타낸 바와 같이 R2는 0.
본 실험의 공시재료는 경기도 화성군에서 생산된 '98년도산 신고 배로서 순화를 위하여 구입 후 3일간 2℃ 저온저장고에 저장한 후 실험에 사용하였다.
분석에 소요된 파장대역 은 654 nm에서 1, 052 nm까지 로서 2.5 nm 간격의 반사도 데이터를 이용하여 모델을 개발하였다. 모델개발에 있어서 미지 시료에 대한 모델의 적합성을 높이기 위하여 최적요인수는 교차 검정법에 의해 PRESS의 값이 최소로 될 때의 값으로 하였다.
이용하였다. 사용한 파장대역은 모델 I 에서와 같고, 최적요인수는 그림 9에서와 같이 PRESS 와 SECV가 최소가 되는 지점에서의 11개로 결정하였으며, 이 때의 R2는 0.6, SECV는 0.43이었다(그림 10).
온도와 반사도, 당도를 측정한 모든 시료에 대해 온도순으로 오름차순 정렬한 다음 온도가 낮은 것부터 높은 것까지 155개의 시료를 선발하여 모델 개발용 시료로서 사용하고, 나머지 129개의 시료는 검증용 미지시료로서 사용하였다. 그림 12에서 보는 바와 같이 최적의 요인수가 10일 때 PRESS와 SECV가 가장 낮았으며, 그림 13에 나타낸 바와 같이 R, 는 0.
데이터처리
모델 IH), 4) 측정한 표면온도를 하나의스펙트럼 데이터에 추가하여 스펙트럼 데이터를 재구성하는 경우(PLS 모델 IV) 등 총 4가지 경우에 대해 부분최 소제 곱회 귀법(Partial Least Square Regression)을 사용하여 개발하였다. 개발된 당도판정모델은 모델 개발에 이용되지 않은 나머지 시료의 당도를 개발된 모델을 이용하여 예측하는 방법으로 검증하였다.
5 nm 간격으로 데이터를 추출한 경우로 나타나, 본 연구에서는 이 방법을 채택하여 PLS 모델을 개발하였다. 모델 개발시의 최적 요인 수는 교차검정법을 이용하여 PRESS가 최저로 되는 지점에서의 요인수로서 결정하였다.
성능/효과
1) 온도가 14℃ 인 시료를 이용하여 개발된 PLS 모델 I 의 경우, 온도가 다른 시료의 당도예측은어려운 것으로 판단되었으나, 시료의 온도를 이용하여 당도값을 보상해줄 경우는 예측성능이 개선되었으며, 이는 장치의 개발에도 중요한 요인중에하나로 작용할 것으로 판단되었다.
2) 온도가 다양한 배 시료를 이용하여 개발된 PLS 모델 II와 PLS 모델 m의 결과, 표면 온도의 영향이 적은 당도 예측모델의 개발가능성을 확인할 수 있었다. 하지만, 이들 모델의 정밀도 향상을 위해서는 모델의 개발에 소요되는 시료를 다양하게 할 필요가 있는 것으로 사료되었다.
3) 계측된 온도를 하나의 변수로 스펙트럼에 추가하여 당도를 예측한 PLS 모델 IV의 경우, 스펙트럼만으로 개발된 다른 모델보다 정밀도가 향상되었으나 시스템의 가격상승을 초래할 것으로 판단되 었 다.
4) 이상의 결과에서 실시간 온도 계측장치를 장착하지 않고 실용적이고 저렴한 당도 예측시스템의 개발을 위해서는 모델 개발시에 온도에 대한영향을 줄일 수 있도록 다양한 온도와 당도분포를 가진 시료를 선발할 수 있도록 주의를 요한다고 판단되었다.
가장 많은 온도를 나타낸 14℃ 의 시료 44개를이용하여 654 nm에서 1, 052 nm까지 2.5 nm 간격으로 획득한 반사스펙트럼을 이용하여 PLS 모델을 개발할 경우의 최적 요인수는 그림 5에서 보는바와 같이 9개였으며, 이 때의 결정계수와 SECV는그림 6에 나타낸 바와 같이 각각 0.52, 0.49이었다.
모델 개발시에 포함되지 않은 143개의 시료를 이용하여 PLS 모델 Ⅱ의 예측성능을 검정한 결과, R3와 SEP는 그림 11에 나타낸 바와 같이 각각 0.47, 0.52로 많은 시료수에 비하여 오차가 크게 나타났다.
예측에 사용된 시료는 온도가 다양하게 분포하므로 온도별로 각각의 시료에 대해 선형회귀를 한결과 당도 12 bx 기준으로 보았을 때, 대체적으로시 료의 온도가 14℃ 보다 높을 경우는 1℃ 높을 때마다 예측치는 0.45 bx 낮게 나타났으며, 시료의온도가 14℃보다 낮을 때는 0.14 bx 낮게 예측하고 있음을 알 수 있었다.
저장중인 배를 상온에 방치하면서 온도의 상승에 따른 스펙트럼을 측정한 결과는 그림 4에 나타낸 바와 같이 대체로 온도가 낮을수록 반사도는증가하는 것으로 나타났다. 4℃나 7℃일 때가 12 ℃나 15'C일 때보다 높은 반사도를 나타내 이는당도 예측모델에도 영향을 줄 것으로 판단된다.
정밀분석기가 아닌 선별기로 사용하고자 할 때스펙트럼의 계측만으로도 PLS 모델 II와 in을 이용한 당도의 실시간 예측 및 선별은 가능할 것으로 판단되었다.
미지시료로서 사용하였다. 최적의 요인 수가 12일 때, PRESS와 SECV가 가장 낮았으며, 그림 15에 나타낸 바와 같이 R2는 0.73, SEC는 0.35 bx로서 온도를 변수로 추가할 때의 효과를 확인할 수 있었다.
참고문헌 (10)
Bellon-Maurel, V., V. Steinmetz and L. Dusserre-Bresson. 1996. Nir Applications for Food and Agricultural Product Quality Evaluation. Quality Evaluation of Agricultural Products and Foods using Nondestructive Techniques. 87-111.
Chen, J. Y., C. Iyo., S. Kawano and F. Terada. 2000. Development of calibration with sample cell compensation for determining the fat content of unhomogenised raw milk by a simple near infrared transmittance method. J. Near Infrared Spectroscopy 7:265-273.
Choi, C. H., K. J. Lee and B. S. Park. 1997. Prediction of soluble solid and firmness in apple by visible/near-infrared spectroscopy. J. of the Korean Society for Agricultural Machinery 22(2): 256-265.(In Korean)
David, C. S. 1992. Near Infrared Analysis of Soluble Solids in Peaches. ASAE paper No. 92-7056.
Irawan, R. S., Y. Ikeda and T. Nishizu. 1995. Determination of individual sugars and acid content in apple by near infrared reflectance spectroscopy. J. S. A. M. ARBIP95 1:103-108.
Kawano, S., H. Abe and M. Iwamoto. 1995. Development of a calibration equation with temperature compensation for determining the Brix value in intact peaches. J. Near Infrared Spectroscopy 3: 211-218.
Kawano, S., T. Fujiwara and M. Iwamoto. 1993. Nondestructive determination of sugar content in Satsuma Mandarin using near infrared(NIR) Transmittance. J. Jpn. Soc. Hort. Sci. 62(2):465- 470.
Lee, K. J., W. R. Hruschka, J. A. Abbott, S. H. Noh and B. S. Park. 1998. Predicting the soluble solids of apples by near infrared spectroscopy(I) - PLS and ANN models -. J. of the Korean Society for Agricultural Machinery 23(6):571-582.
Noh, S. H., W. G. Kim and J. W. Lee. 1997. Nondestructive measurement of sugar？acid contents in fruits usng spectral reflectance. J. of the Korean Society for Agricultural Machinery 22(2):247-255.(In Korean).
Schaare, P. N. and D. Fraser. 2000. Comparison of reflectance, interactance and transmission modes of visible-near infrared spectroscopy for measuring internal properties of kiwifruit, Postharvest biology and Technology 20:175-184.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.