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
- 따라서 본 연구에서는 현재 크기로만 선별되고 있는 방울토마토의 품질 경쟁력을 향상시키기 위하여 경도와 당도, 산 함량 등의 품질측정에 분광분석방법을 적용하여 내부품질의 예측 가능성을 구명하고자 수행하였다.
- 본 연구는 방울토마토의 투과스펙트럼을 이용하여 측정된 가시광선 및 근적외선 대역의 투과스펙트럼으로 경도와 당도, 산 함량 등의 내부품질인자의 예측 가능성을 평가하였다. 본 연구에서 사용된 스펙트럼 전처리 기법은 예측 성능을 높이는데 효과가 있었다.
- 사과, 배, 복숭아의 경우는 33 mm/min 이하의 하중재하속도를 주로 사용하였고, 감자의 경우는 50∼500 mm/min의 하중재하속도를 물성측정에 사용하였다(ASABE, 2009). 본 연구에서는 60 mm/min의 하중재하속도를 선정하였는데 이는 예비실험 결과 미국 농공학회 권장 범위인 30 mm/min 이하의 하중재하속도보다 토마토 숙도 등급 간의 차이가 더 뚜렷한 경향을 보였기 때문이다.
- , 2000). 본 연구에서는 획득한 투과스펙트럼에서 이러한 변이를 제거하기 위하여 다음과 같이 다양한 전처리를 실시하였다. 평균(mean), 최대(maximum), 범위(range) 값을 이용한 정규화법(normalization)과 전처리 기법으로 가장 많이 활용되고 있는 MSC, SNV 기법과 Savitky-Golay 1차 및 2차 미분을 전처리 기법으로 사용하였다(Kim and Suh, 2008).
제안 방법
- (1) 투과스펙트럼을 획득하기 위하여 가시광선 및 근적외선 대역을 측정할 수 있는 스펙트로미터와 할로겐램프를 설치하고 Optic fiber를 이용하여 방울토마토를 투과한 광을 획득하였다. 측정한 내부품질 인자인 경도와 당도, 산 함량에 대해 PLSR로 투과스펙트럼을 분석하고 예측모델을 발굴하고 성능을 평가하였다.
- (2) 향상된 예측모델을 발굴하기 위하여 전처리 기법을 사용하였는데 평균과 최대, 그리고 범위 정규화 전처리 기법과 MSC 및 SNV 그리고 Savitzky-Golay 1차, 2차 미분 전처리 기법 총 7가지를 사용하여 예측성능을 비교하였다.
- 소비자가 토마토를 고를 때의 힘은 대부분 압축에 의한 힘이므로 이를 고려하여 평판지그를 장착하여 압축하였다. 경도 실험을 실시한 후 파괴된 방울토마토는 시료가 작아서 당도와 산도의 결과값에 영향을 미치게 되므로 파괴되지 않는 범위 내의 압축변위 지점을 설정하여 경도값을 구하였다. 대부분의 방울토마토가 압축변위의 5 mm이상일 경우 파괴가 일어나므로 이 보다는 적은 변위인 3 mm를 압축변위로 선정하여 실험하였다.
- 당도를 측정하기 위하여 과육조직을 균질하게 분쇄하고 체를 이용하여 고형성분을 제거한 뒤 굴절당도계(PR-32α, ATAGO)로 당도(°Brix)를 측정하였다. 그리고 남은 과즙을 산 함량 측정을 위하여 과즙 1 mL과 증류수 50 mL을 희석한 다음 pH 미터(3-star bench-top, Thermorion)와 25 mL 디지털 뷰렛(Digital Burette, BRAND)으로 0.1 N NaOH용액을 pH 미터 8.3 %가 될 때까지 NaOH 용액을 첨가하였다. 식 (1)-(3)을 이용하여 NaOH에 의한 산의 적정법으로 방울토마토의 주산인 구연산(citric acid)의 분자량 1 N로 환산하여 식 (3)에 나타낸 바와 같이 산 함량의 농도를 계산하였다.
- 당도를 측정하기 위하여 과육조직을 균질하게 분쇄하고 체를 이용하여 고형성분을 제거한 뒤 굴절당도계(PR-32α, ATAGO)로 당도(°Brix)를 측정하였다.
- 경도 실험을 실시한 후 파괴된 방울토마토는 시료가 작아서 당도와 산도의 결과값에 영향을 미치게 되므로 파괴되지 않는 범위 내의 압축변위 지점을 설정하여 경도값을 구하였다. 대부분의 방울토마토가 압축변위의 5 mm이상일 경우 파괴가 일어나므로 이 보다는 적은 변위인 3 mm를 압축변위로 선정하여 실험하였다. 미국 농공학회에서는 과일 및 채소의 물성측정에 사용되는 하중재하속도를 2.
- 방울토마토는 다른 과실에 비해 수확 후 숙도의 진행이 빠른 특징을 가지고 있어 저장할 수 있는 기간이 짧으며 그에 따른 신선도 저하가 발생하므로 일반적으로 착색이 시작되는 시점에 수확하여 유통되고 있다(Kim, 2009). 따라서 국내 소비 및 수출국으로 이송과 유통되는 기간을 고려해서 성숙이 완전히 진행되지 않은 방울토마토도 수확하여 선별해야 하는 경우도 있으므로 전체 숙도에 해당하는 6등급을 이용하여 예측모델 개발을 먼저 하였다. 이와 함께 착색이 시작되는 시점인 Pink 단계에서 Red 단계까지의 방울토마토만을 이용하여 예측모델을 개발하고 성능 평가하여 결과를 표 5에 나타내었다.
- 본 연구의 예측모델에서 특히 미분의 경우가 SEC와 SEP의 큰 차이를 보였다. 따라서 프로그램에서 미분 전처리를 수행할 때 평활화(smoothing)의 개수를 조정하였다. 이때 예측모델의 결정계수는 높아지는 경향을 보이나 factor의 수가 증가하여 예측모델의 성능저하를 보이는 경우를 확인할 수 있었다.
- 만능재료시험기(SY-T-001, Sunyoung Systech Co., Korea)를 이용하여 그림 3과 4에 나타낸 바와 같이 경도를 측정하였다. 소비자가 토마토를 고를 때의 힘은 대부분 압축에 의한 힘이므로 이를 고려하여 평판지그를 장착하여 압축하였다.
- , Korea)를 이용하여 그림 3과 4에 나타낸 바와 같이 경도를 측정하였다. 소비자가 토마토를 고를 때의 힘은 대부분 압축에 의한 힘이므로 이를 고려하여 평판지그를 장착하여 압축하였다. 경도 실험을 실시한 후 파괴된 방울토마토는 시료가 작아서 당도와 산도의 결과값에 영향을 미치게 되므로 파괴되지 않는 범위 내의 압축변위 지점을 설정하여 경도값을 구하였다.
- 총 6회 중 3회는 수경에서 재배된 방울토마토를 수확하였으며 나머지 3회는 노지하우스에서 수확하였다. 수확된 시료는 실험실로 이송된 다음 그림 1에 나타낸 바와 같이 투과방식의 스펙트럼을 획득한 후 경도, 당도, 산 함량을 측정하여 비교하였다.
- 전처리를 실시한 데이터와 처리하지 않은 데이터, 총 8종의 데이터 셋을 이용하여 내부품질을 예측하고자 PLSR를 실시하였으며, 소프트웨어는 Unscrambler(Camo Co., Norway)를 이용하였다. 총 180개의 데이터 중 모델 개발에 120개의 데이터를 사용하였고 나머지 60개의 데이터를 검증에 사용하였다.
- 총 180개의 방울토마토에 대하여 각각의 투과스펙트럼을 계측하였으며 투과스펙트럼의 계측 시 노출시간(integration time)은 50 msec로 한 후 실시간으로 8회의 스펙트럼을 측정한 후 평균값을 구하여 이용함으로서 특정 샘플에 특정 잡음이 포함되는 것을 방지하고자 하였다. 계측된 스펙트럼은 0.
- (1) 투과스펙트럼을 획득하기 위하여 가시광선 및 근적외선 대역을 측정할 수 있는 스펙트로미터와 할로겐램프를 설치하고 Optic fiber를 이용하여 방울토마토를 투과한 광을 획득하였다. 측정한 내부품질 인자인 경도와 당도, 산 함량에 대해 PLSR로 투과스펙트럼을 분석하고 예측모델을 발굴하고 성능을 평가하였다.
- 방울토마토의 투과스펙트럼을 얻기 위해서 구성된 장치는 그림 2에 나타낸 바와 같다. 투과스펙트럼 측정 장치는 외부의 빛을 차단하기 위하여 암실로 구성되었으며 내부 시료부위에 할로겐램프를 달아 50 W의 출력으로 직접 조명하였다. 조사된 광이 방울토마토 표면 전체를 비추도록 조명과 방울토마토의 거리가 10 cm가 되게 하였다.
대상 데이터
- 본 실험에 사용한 공시재료인 방울토마토는 충남 논산에서 재배된 것으로 2010년 3월에서 5월 사이에 수확한 방울토마토를 사용하였으며 토마토 칼라 차트(표 1)를 이용하여 Green(GN), Breaker(BK), Turning(TN), Pink(PK), Light-red(LR), Red(RD) 숙도 등급으로 나누어 수확하였다. 실험은 총 6회로 나누어실시하였으며 각 실험에서 숙도 등급마다 5개의 샘플을 취하여 30개씩 총 180개를 사용하였다.
- 본 실험에 사용한 분광분석장치의 측정범위는 471.4∼1153.7 nm이며, 스펙트럼 해상도는 0.2 nm이다.
- 본 실험에 사용한 공시재료인 방울토마토는 충남 논산에서 재배된 것으로 2010년 3월에서 5월 사이에 수확한 방울토마토를 사용하였으며 토마토 칼라 차트(표 1)를 이용하여 Green(GN), Breaker(BK), Turning(TN), Pink(PK), Light-red(LR), Red(RD) 숙도 등급으로 나누어 수확하였다. 실험은 총 6회로 나누어실시하였으며 각 실험에서 숙도 등급마다 5개의 샘플을 취하여 30개씩 총 180개를 사용하였다. 총 6회 중 3회는 수경에서 재배된 방울토마토를 수확하였으며 나머지 3회는 노지하우스에서 수확하였다.
- , Norway)를 이용하였다. 총 180개의 데이터 중 모델 개발에 120개의 데이터를 사용하였고 나머지 60개의 데이터를 검증에 사용하였다. 무작위로 분류된 데이터의 통계분석은 표 2와 같다.
데이터처리
- 투과스펙트럼과 경도, 당도 및 산 함량에 대한 PLSR 예측모델의 결과는 표 3과 같다. 예측모델은 SEC와 결정계수(#)를 구하였으며, 교차검증(cross validation)을 실시하여 SEP와 결정계수(#)를 구하여 성능을 나타내고 각각의 전처리 별로 비교하였다. PLSR을 실시한 결과 전처리를 수행한 예측모델에서 결정계수가 높고 SEC, SEP가 낮은 모델을 확인할 수 있었으며 산 함량을 제외한 경도와 당도에서 우수한 예측모델이 확인되었다.
이론/모형
- Ryu 등(2000)과 Shao 등(2007)은 각 전처리에 의해 개발된 예측모델의 성능을 SEC(standard error of calibration) 및 SEP(standard error of prediction)가 작고, bias가 작으며 개발된 모델의 결정계수와 검정시료의 결정계수가 크며, 모델에 포함된 PLSR factor(principal component)의 수가 작은 정도로 평가하였다. 본 연구에 개발된 예측모델도 이전 연구의 성능 평가 기준을 참조하였다. 따라서 SEC와 SEP가 작고, 결정계수(#, #)가 크며, 모델에 포함된 PLSR의 factor의 수가 작은 예측모델을 적정 모델로 선택하였다.
- 본 연구에서는 획득한 투과스펙트럼에서 이러한 변이를 제거하기 위하여 다음과 같이 다양한 전처리를 실시하였다. 평균(mean), 최대(maximum), 범위(range) 값을 이용한 정규화법(normalization)과 전처리 기법으로 가장 많이 활용되고 있는 MSC, SNV 기법과 Savitky-Golay 1차 및 2차 미분을 전처리 기법으로 사용하였다(Kim and Suh, 2008).
성능/효과
- (3) 경도는 당도 및 산 함량보다 우수한 결과를 보였는데 이는 통계분석에서 나타난 것과 같이 경도의 측정 범위가 큰 영향으로 판단된다. 그 다음으로 당도가 예측성능이 우수하며 산 함량의 경우는 낮은 결과를 보였다.
- (4) 착색이 진행된 Pink, Ligth-red, Red 단계의 시료에 대해서 분석한 결과 시료전체를 이용한 모델의 예측성능보다는 경도 및 산 함량의 경우 결정계수가 다소 낮았지만 오차는 오히려 낮아 성숙도에 따른 시료선택이 품질예측에 큰 영향을 주지 않았다.
- 예측모델은 SEC와 결정계수(#)를 구하였으며, 교차검증(cross validation)을 실시하여 SEP와 결정계수(#)를 구하여 성능을 나타내고 각각의 전처리 별로 비교하였다. PLSR을 실시한 결과 전처리를 수행한 예측모델에서 결정계수가 높고 SEC, SEP가 낮은 모델을 확인할 수 있었으며 산 함량을 제외한 경도와 당도에서 우수한 예측모델이 확인되었다.
- 그 다음으로 당도가 예측성능이 우수하며 산 함량의 경우는 낮은 결과를 보였다. 각 내부품질인자의 예측 결과를 살펴보면 경도는 결정계수가 0.859이고 SEP가 1.899 kgf인 범위정규화의 전처리에서 가장 좋은 결과가 나타났다. 당도의 경우, 결정계수가 0.
- 본 연구는 방울토마토의 투과스펙트럼을 이용하여 측정된 가시광선 및 근적외선 대역의 투과스펙트럼으로 경도와 당도, 산 함량 등의 내부품질인자의 예측 가능성을 평가하였다. 본 연구에서 사용된 스펙트럼 전처리 기법은 예측 성능을 높이는데 효과가 있었다. 전체 결과를 요약하면 다음과 같다.
- Shao 등(2007)은 토마토의 비파괴 품질 측정을 위해 개발된 예측모델에서 SEC와 SEP의 큰 차이를 보일 경우 너무 많은 factor를 가지거나, 노이즈가 포함되어 모델링될 수 있다고 하였다. 본 연구의 예측모델에서 특히 미분의 경우가 SEC와 SEP의 큰 차이를 보였다. 따라서 프로그램에서 미분 전처리를 수행할 때 평활화(smoothing)의 개수를 조정하였다.
- 434 °Brix로 평균 정규화보다 유리할 것으로 판단된다. 산 함량는 내부인자 중 가장 낮은 예측 결과를 확인 할 수 있었는데 범위정규화 전처리에서 factor가 4이며, 결정계수가 0.518, SEP가 0.229%로 다른 전처리보다 좋은 결과를 확인할 수 있었다. 표 4의 결과를 토대로 각각의 전처리에서 가장 좋은 예측모델로 평가한 경도와 당도, 산 함량을 예측한 결과 값은 그림 7에 나타낸 바와 같다.
- 399 °Brix로 가장 좋은 예측모델이었다. 산 함량의 경우 표 4에서의 예측성능과 다르게 Savitzky-Golay의 2차 미분 전처리 예측 모델이 결정계수가 0.430이며, SEP가 0.185 %로 가장 좋은 예측모델임을 확인할 수 있었다.
- 표 4는 표 3에서 개발된 예측모델로 부터 검증 데이터 60개를 이용하여 검증한 결과를 나타낸 것이다. 여러 전처리 중에서 가장 좋은 결과를 나타낸 것은 경도의 경우 factor 수가 4인 범위 정규화 전처리한 경우로서, 결정계수가 0.859이며, SEP가 1.899 kgf로 나타났다. 당도의 경우는 결정계수가 0.
- 그러나 SEP값은 오히려 낮게 나타났다. 위의 결과로 볼 때 착색이 어느 정도 진행된 Pink 이후의 방울토마토만을 사용하여 PLSR 예측모델의 개발 및 성능평가를 수행하여도 내부 품질예측 성능에는 큰 영향이 없는 것으로 판단되었다.
- 따라서 프로그램에서 미분 전처리를 수행할 때 평활화(smoothing)의 개수를 조정하였다. 이때 예측모델의 결정계수는 높아지는 경향을 보이나 factor의 수가 증가하여 예측모델의 성능저하를 보이는 경우를 확인할 수 있었다. 따라서 Savitzky-Golay의 1차, 2차 미분의 경우 평활화 개수를 3개로 제한하였다.
- 착색이 시작되는 등급인 Pink 단계에서 Red 단계까지의 시료로 예측성능을 평가한 결과에서 당도는 Green부터 Red까지의 전체 숙성 시료를 이용한 결과와 비교해 볼 때 높은 결정계수와 낮은 SEP를 보였으나 경도와 산 함량의 경우는 다소 낮은 결정계수를 보였다. 그러나 SEP값은 오히려 낮게 나타났다.
- 특히 당도를 예측한 결과에서 1차 미분의 경우 색택 및 당성분을 나타내는 600∼700 nm 영역과 800∼850 nm 영역에서 피크가 확인되었는데 이러한 특정영역에서만 나타나는 선택적인 피크가 예측 성능에 좋은 결과를 줄 수 있다.
- 표 5에서는 경도의 예측성능은 최대값 정규화 전처리 예측모델이 결정계수가 0.772이며, SEP가 1.141 kgf로 가장 좋은 예측모델로 확인되었고, 당도의 경우 Savitzky-Golay의 1차 미분 전처리 모델이 결정계수가 0.794이며 SEP가 0.399 °Brix로 가장 좋은 예측모델이었다.
후속연구
- 고품질 방울토마토의 선별과 공급에 기여할 수 있는 기술 도입이 필요한 실정이다. 본 연구는 향후 개발될 방울토마토 자동선별시스템의 내부품질 계측 기술에 기여 할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.