선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이 연구의 목적은 사과의 경도 당도 산도 등 사과 품질을 나타내는 변수를 측정하기 위하여 초분광 반사광과 형광을 결합하는 새로운 기술을 개발하는 것이었으며, 그 결과를 요약하면 다음과 같다
- 이 연구의 목적은 사과의 품질을 비파괴적으로 측정하기 위해 사과로부터 하이퍼 스펙트랄 영상을 획득한 후 이로부터 수학적 모델들을 이용하여 유용한 정보를 도출하고, 그 정보들을 이용해서 사과의 품질과 관련된 경도 당도 산도 등의 품질 지수를 측정하는 모델을 개발하는 것이다.
- , 2003) 등을 이용한 다양한 연구가 수행 되었으며 성능이 우수한 알고리즘이 보고 된 바 있다. 이번 연구는 사과의 내부품질을 비파괴 적으로 측정하는데 있어 기존의 반사광에 레이저 유도 형광을 더하여 그 정확도를 높였다는데 있다.
제안 방법
- 400개의 사과(GD: Golden delicious)를 미국 미시간 주립대학의 클락스빌 과수원 및 미시간의 다른 과수원으로부터 수확한 후 저온 저장고(온도 0.5℃, 습도 90%)에 보관했으며 다양한 범위의 사과 품질지수를 얻기 위해서 한번에 100개씩 총 4회(기간은 1주~2주)에 걸쳐서 실험을 실시했다. 저온 저장고에서 꺼내온 사과를 실험 전에 상온의 실험실에서 18시간 동안 보관하여 사과의 온도를 상온과 평형을 유지하게 한 후 영상획득 및 다른 물성 실험에 이용하였다 실험에 사용된 사과의 경도와 당도(가용성 고형물 함량), 및 총 산도(Titratable acidity: T-acid)는 표 1과 같다.
- Japan)를 이용해서 즉정하였다. 경도 즉정 후 경도 즉정 부위의 사과즙을 이용하여 당도 측정 실험을 수행 하였다
- 관찰용 표준오차(SEM)는 모든 조합의 neurons, epochs 및 주인자에서 얻을 수 있었다. 그 조합들 중에서 가장 작은 관찰 표준오차(SEM)를 갖는 모델을 최적으로 간주하였고 이를 이용하여 검정 시료에 대하여 사과의 경도를 예측하였다. 이 과정은 입력 자료인 최대, 평균, 표준편차를 조합(7 조합)하여 실행되었으며 각각의 조합에 대하여 7개의 최적의 신경망 경도 예측 모델을 얻어 낼 수 있었다.
- 반사광과 형광 각각의 경우 입사 빔의 크기는 직경 0.5 mm 로 같았고, 카메라의 라인 스캔 위치를 입사 빔 중앙으로부터 1.5 mm 떨어져 위치시킴으로써 입사 빔에 의한 CCD 감지기의 포화를 막고자 하였다.
- 브릭스로 표시되는 당도(Soluble solid content: SSC)는 소형 디지털 굴절계(PR-101 alpha, ATAGO CO, Itabashi-ku, Tokyo, Japan)를 이용해서 즉정하였다. 경도 즉정 후 경도 즉정 부위의 사과즙을 이용하여 당도 측정 실험을 수행 하였다
- 사과의 경도는 11 mm 강철 탐침을 갖춘 텍스쳐 분석기 (TA.XT21, Texture Technologies, Scarsdale, NY, USA)를이용 영상 획득을 마친 사과에 대하여 영상을 획득한 부분의 껍질을 약 2 mm 두께로 제거한 후 측정하였다 탐침이 9.0 mm 깊이 까지 2.0 mm/s의 속도로 사과를 침투하는 동안 깊이에 따른 힘이 저장 되었으며 이 연구에서는 그 힘중 최대값을 시-과의 경도로 썼다
- 주고 있다. 사과의 초분광 영상으로부터 각 파장에서의 최디], 평균 그리고 표준편차 값들을 계산한 후에 이 값들을 주인자분석 (principle component analysis, PCA)분석을 이용하여 어느 파장이 각 데이터를 잘 나타내고 있는가를 찾아내었디: 그런 다음에 그 데이터들을 사과의 품질 예측을 위한 모델을 개발하기 위해 신경망에 입력 자료로 이용하였다
- 사과의 품질과 관련된 품질 지수인 경도 당도 산도를 예측하는 모델을 개발하기 위하여 형광, 반사광을 각각 사용하였고 형광과 반사광을 통합해서도 사용했으며 그 결과는 다음과 같다.
- 마지막으로 Z축은 영상의 강도를 나타낸다. 시간에 따른 스펙트럼은 공간영상의 중간 지점에서 처음부터 5분까지 매분마다 총 6개를 취하였다.
- 형광 및 반사광을 측정하었다. 실험은 우선 사과로부터 하이퍼 스펙트랄 영상을 획득한 후 여러 품질 지수(경£, 당도 산도)를 파괴적인 방법으로 병행해서 측정하였다.
- city, Japan)를 이용하였다. 영상 스펙트로그래프 (image spectrograph: ImSpector V9, Spectral Imaging Ltd., Oulu, Finland)를 이용하여 사과의 선 스캔에 의한 스펙트랄 산란 정보를 프리즘 등급 시스템을 거쳐 각기 다른 파장에 따른 스펙트랄 정보로 얻을 수 있었다. 산란된 빛 신호는 CCD 검출기에 투영되어 2차원(하나는 공간정보를 다른 하나는 스펙트랄 정보)의 영상으로 나타내진다.
- 모델개발에도 이용되고 있다. 이 연구에서 사과의 경도 당도 및 산도를 예즉하기위해서 역전파(back-propagation, BP) 신경망 모델을 적용했으며 반사광 및 형광을 입력 데이터로, 품질 지표를 출력 데이터로 하여 모델을 학습시켰다.
- 5℃, 습도 90%)에 보관했으며 다양한 범위의 사과 품질지수를 얻기 위해서 한번에 100개씩 총 4회(기간은 1주~2주)에 걸쳐서 실험을 실시했다. 저온 저장고에서 꺼내온 사과를 실험 전에 상온의 실험실에서 18시간 동안 보관하여 사과의 온도를 상온과 평형을 유지하게 한 후 영상획득 및 다른 물성 실험에 이용하였다 실험에 사용된 사과의 경도와 당도(가용성 고형물 함량), 및 총 산도(Titratable acidity: T-acid)는 표 1과 같다.
- 그림 2에 나타낸 바와 같이 우선 사과 데이터를 크게 두 그룹(학습과 검정)으로 분리하였다. 총 400 개의 사과를 경도 값에 따라 정렬한 후 첫 번째 3개의 사과는 학습용, 네 번째 사과는 검정용으로 분리하고, 이를 반복되게 전체 시료에 적용하여 75% 사과(300개)는 학습용 25%(100 개)는 검정용으로 사용하였다 영상 프로세싱 PCA 분석을 통해 25개의 주인자^(Principle component scores)가 신경망의 입력 자료로 쓰였다 역전자 신경망 모델에서 neurons, epochs 및 주인자수를 최적으로 하기 위해 학습 데이터를 이용하여 교차 검정을 실시했다 매번 학습용 시료를 2개의 그룹(교정 90% 과 관찰 10%)으로 나누어서 관찰용 시료의 표준오차(Standard Error of Monitor: SEM)가 최적수준에 도달하는 neurons, epochs 및 주인자수 를 결정하였다
- 하이퍼 스펙트랄 영상 시스템을 이용해서 사과의 레이저 유도 형광 및 반사광을 측정하었다. 실험은 우선 사과로부터 하이퍼 스펙트랄 영상을 획득한 후 여러 품질 지수(경£, 당도 산도)를 파괴적인 방법으로 병행해서 측정하였다.
- 이 시스템은 외부로 부터의 빛을 차단하기 위해 그림에서와 같이 암실을 설치했다. 형광 영상을 획득하고 난 후에는 레이저 빔을 셔터를 이용하여 차단하고 텅스텐 할로겐등 (QTH)을 켜고 사과의 똑같은 부위에 대한 반사광 영상을 획득하였 다.
- 형광 유도를 위한 다이오드 레이저는 407 nm의 파장을 가지며 사과 접촉 부위에서 3 mW의 세기를 가지며 5 um 광섬유 및 초점을 맞추기 위한 렌즈로 연결이 되는데 이 연구에서는 지속적인 자극 형광 시스템이 적용 되었다. 사과의 형광 영상은 레이저 셔터 열림과 동시에 저장되고 계속해서 신호가 안정되는 5분까지 매 분마다 저장되었다.
- 형광을 유도하기위한 광원으로써 다이오드 레이저(SRT-F 408-20, Micro Laser Systems, Garden Grove, CA, USA)를이용하였고 반사광 측정을 위한 광원으로써 할로겐등(quartz tungsten halogen: Spectra-Physics, Mountain View, CA, USA) 을 사용하였다 그림 1에 영상획득 시스템을 나타내었다 사과의 영상 획득은 하마마쯔 초분광 CCD(Charged Couple Device) 카메라(#amamatsu C4880-21: Hamamatsu Photonics, Hamamatsu city, Japan)를 이용하였다. 영상 스펙트로그래프 (image spectrograph: ImSpector V9, Spectral Imaging Ltd.
이론/모형
- 산도는 적정될 수 있는 산도(Titrable acidity: T-acid)[%] 로표시 되며 적정법(농도를 알고자 하는 일정한 부피의 시료 용액과 정량적으로 반응을 하는 정확히 농도를 알고 있는 표준용액의 부피를 측정하는 정량 분석법)을 이용하였다. 사과의 산도를 측정하는데 Q50%의 말산(사과산)이 표준용액인 참고 값으로 쓰였다.
- 사과의 산도를 측정하는데 Q50%의 말산(사과산)이 표준용액인 참고 값으로 쓰였다. 적정법에 쓰일 사과즙을 만들기 위해 당도 계측 후 사과를 냉장고에서 얼린 뒤 실온에서 녹여 즙을 만드는 방식(얼었다 녹은 사과를 짜면 쉽게 건더기가 없는 즙을 얻을 수 있으므-로)을 이용했다.
성능/효과
- (1) 모델 상관계수 r 값과 표준오차 값을 고려했을 때 사과의 반사광과 형광을 통합함으로써 사과의 품질과 관련된 인자의 측정에 있어서 더 효과적이고 충실한 예측값을 얻을 수 있었다.
- (2) 사과의 경도 측정에 있어서 통합된 모델의 상관계수는 0.86이었고 평균 오차 값은 6.97 N이었다. 이 두 값들은 반사광 모델이나 형광 모델 등 개별적으로 이용한 것보다 향상된 값을 보여주며, 이런 경향은 당도 및 산도 예측에서도 같이 나왔다.
- (3) 통합된 모델의 당도 및 산도 각각의 상관계수는 0.75, 0.66이고 검증 표준오차는 1.05%, 0.07%이었다.
- 각각의 영상 모델에 대한 최적의 스펙트럼입력자료 조합은 표 2에 나타낸 바와 같다 경도 예측에서는 스펙트럼의 평균값과 표준편차(STD) 값들이 최대값보다 좋은 결과를 보인 반면에 당도와 산도에서는 최대값이 평균값과 STD값보다 더 많이 쓰였다는 것을 알 수 있다. 3개의 영상 모델중 가장 좋은(Fig. 4, 5, 6) 형광 및 반사광 통합 모델에서는 경도 예측에는 STD 값, 산도 예측에는 최대값이 쓰인 반면에 당도 예측에는 최대값, 평균값, 및 STD 값들이 모두 사용되었다.
- 진행되었다. 각각의 영상 모델에 대한 최적의 스펙트럼입력자료 조합은 표 2에 나타낸 바와 같다 경도 예측에서는 스펙트럼의 평균값과 표준편차(STD) 값들이 최대값보다 좋은 결과를 보인 반면에 당도와 산도에서는 최대값이 평균값과 STD값보다 더 많이 쓰였다는 것을 알 수 있다. 3개의 영상 모델중 가장 좋은(Fig.
- 경도 당도 및 산도 예측시의 상관계수 값은 각각 0.8, 0.72, 0.63 이고 검증시의 표준오차는 7.88 N, 1.13%, 0.08%로 나타났다. 이 결과로 볼 때 반사광 모델 또한 형광 기본 모델과 비슷한 경향을 보였다.
- 반사광과 형광 의 두 가지 기술은 비파괴적이고 신속한 측정 방법으로 이 두 기술은 과일의 품질을 측정하는데 있어서 다른 원리를 이용하므로 서로 보상되는 측면이 있다. 과일의 품질은 과일의 품질과 상태의 여러 가지 면을 고려하여 판정되므로 본 연구에서 초분광 반사광 과 형광을 결합한 기술을 이용함으로써 사과의 여러 품질 속성을 더 정확하게 측정할 수 있도록 할 수 있었다.
- 상관 계수와 검정 시의 표준오차 값들로 판단했을때, 형광과 반사광을 통합했을 때 경도 당도 산도에 대해서 더 나은 예측 값을 얻을 수 있었다. 그러나 결론적으로 통합모델 또한 경도의 예측에는 적합하나 당도 및 산도 예측에는 부족한 감이 있다고 판단된다.
- 07%이다. 상관 계수와 검정 시의 표준오차 값들로 판단했을때, 형광과 반사광을 통합했을 때 경도 당도 산도에 대해서 더 나은 예측 값을 얻을 수 있었다. 그러나 결론적으로 통합모델 또한 경도의 예측에는 적합하나 당도 및 산도 예측에는 부족한 감이 있다고 판단된다.
- 이 현상은 빛을 켰을 때 형광이 급격히 증가했다가 천천히 감소하여 안정 상태에 이르는 것인데 광화학냉각의 변화에 의해 기인하며 형광 유도 운동 또는 Kautsky 효과라 한다. 이 Kautsky 효과를 이번 실험에서 그림 2에서와같이 볼 수 있었는데 최초 1분 동안에 다른 기간보다 형광이 많이 변화했으며 5분 만에 안정 상태로 접어들었음을 확인할 수 있었다.
- 97 N이었다. 이 두 값들은 반사광 모델이나 형광 모델 등 개별적으로 이용한 것보다 향상된 값을 보여주며, 이런 경향은 당도 및 산도 예측에서도 같이 나왔다.
- (1997)은 단일 채널 CCD 탐지기를 이용하여 레이저에서 야기된 후방산란 빛을 측정한 후 수학적 모델을 적용해서 산란 프로파일을 변수화한 후 키위의 경도를 측정하는데 이용했다. 이 연구들은 빛의 산란이 과일의 경도와 품질을 측정하는데 유용하다는 것을 보여 준다.
- 이 연구의 결과, 사과의 품질을 예측하는데 있어서 형광과 반사광 각각의 개별 모델을 이용했을 때 보다 두 가지를 통합하는 모델이 검증 표준오차 대비 7-22% 정도 더 나은 결과를 보였다 그러나 보다 정확하게 사과의 품질을 예측하기 위해서는 형광과 반사광 기술을 좀 더 시간적, 기술적인 측면에서 개선할 필요성이 있다고 판단된다.
후속연구
- 파괴적인 방법은 전수 검사에 쓰일 수 없기에 이런 방법들은 몇 개의 표본을 추출하여 측정한 후 평균값을 이용하는 표본검사에 유용할 뿐이다. 따라서 비파괴적이고믿을 수 있는 과일 품질 측정 기술이 과일 품질 최적화 및 과일의 수확시기를 결정하는데 유용할 것이다. 또한 최적의 일관된 과일의 품질을 취급 및 저장에 적용하기 위해서도 품질에 따른 과일의 선별이 이루어져야 한다.
- 본 연구에서 클로로필 형광만으로 품질과 관련된 품질을 측정하는 데는 한계가 있었다. 반사광과 형광 의 두 가지 기술은 비파괴적이고 신속한 측정 방법으로 이 두 기술은 과일의 품질을 측정하는데 있어서 다른 원리를 이용하므로 서로 보상되는 측면이 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.