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
- 본 논문에서는 가시광 및 근적외선초분광 반사광 영상 획득 시스템을 이용하여 국내의 대표적 사과 품종인 ‘후지’에 대한 멍 검출 기술 개발에 관한 연구를 수행하였다. 초분광 반사광 영상을 획득하고 멍 검출을 위한 최적 파장조합 및 영상처리 기법을 활용하여 사과 멍 검출을 위한 최적 영상 알고리즘을 제시하였다.
- 본 연구에서는 초분광 영상을 이용하여 ‘후지’ 사과의 멍을 조기 검출 할 수 있는 최적 반사광 파장 조합을 구명하고 이를 이용하여 멍 검출 영상처리 알고리즘을 개발하고자 하였다.
제안 방법
- 비율영상 구성에 이용될 최적 파장을 선정하기 위하여 멍 부위와 정상부위에서 스펙트럼 데이터를 각각 추출한 후 가능한 모든 두 파장 조합들의 비율 값이 멍과 정상부의 그룹에 어떻게 분포되는가를 ANOVA분석법에 의한 F값을 비교함으로써 최적 파장 조합을 구명하였다. F값이 클수록 두 그룹의 분리정도가 크다는 것을 나타내므로 전체 조합에서 두 그룹의 F값이 최대가 되는 파장비를 최적파장 비로 선정하였다. 선정된 최적파장 비와 문턱값을 이용하여 이진화 영상을 만들고 잡음제거를 위해 침식 영상처리법을 적용하여 최종 적인 멍 검출 알고리즘을 구성하였다.
- 또한 시료의 곡면으로 인한 반사광의 불균일성을 최소화하기 위해 3개의 line light 간의 각을 30°정도로 구부려 호형상으로 구성하였다.
- 마스킹 이미지에서 사과 영역은 ‘1’ 값을 가지고 배경부분은 ‘0’ 값을 가지게 되는데, 952와 494 nm 영상에 곱하기 연산을 이용하여 사과 이외의 배경부분은 제거가 되도록 하였다.
- 5의 값을 가지게 되고 수직축은 해당 값의 수에 해당하는 빈도수를 나타낸다. 멍과 정상부위의 각각의 히스토그램 데이터를 이용하여 가우시안 회귀 모델을 구하였다. 멍 부위와 정상부위의 회귀 모델은 아래 식 (1)과 식 (2)에 나타내었다.
- 최적 파장비를 이용하여 파장 비를 계산한 후 멍과 정상 부위를 가장 높은 정확도로 구분할 수 있는 문턱값을 정하였다. 분석에 사용되지 않았던 스펙트럼에 구해진 최적 파장비 및 문턱값을 적용하여 멍과 정상부위 구분을 위한 정확도를 검증하였다.
- 이를 해결하기 위하여 두 개 파장의 영상을 이용한 비율영상을 이용하면 불균일한 거리차이에 의해 발생하는 광세기의 영향을 줄일 수 있다. 비율영상 구성에 이용될 최적 파장을 선정하기 위하여 멍 부위와 정상부위에서 스펙트럼 데이터를 각각 추출한 후 가능한 모든 두 파장 조합들의 비율 값이 멍과 정상부의 그룹에 어떻게 분포되는가를 ANOVA분석법에 의한 F값을 비교함으로써 최적 파장 조합을 구명하였다. F값이 클수록 두 그룹의 분리정도가 크다는 것을 나타내므로 전체 조합에서 두 그룹의 F값이 최대가 되는 파장비를 최적파장 비로 선정하였다.
- 농가에서 사과를 직접 수확하여 당일 실험실로 이송한 후 1일 동안 상온에 보관한 후 실험에 사용하였다. 사과는 5, 10, 15 cm의 높이에서 알루미늄 판을 떨어뜨리는 방법으로 멍을 발생시켰다. 저장 방법은 9개씩 상온(20℃ ± 2℃, 30% ± 10% RH)과 저온(0℃ ± 1℃, 90% ± 5% RH)에서 저장하였다.
- 저장 방법은 9개씩 상온(20℃ ± 2℃, 30% ± 10% RH)과 저온(0℃ ± 1℃, 90% ± 5% RH)에서 저장하였다. 사과는 멍을 발생시킨 후 1시간 후부터 1일 간격으로 9일 동안 초분광 영상과 육안 판별 기록용 일반 컬러 영상을 획득하여 분석하였다. 실험에 사용된 사과의 특성 및 저장방법은 표 1에 나타내었다.
- 사과의 멍을 검출하기 위한 초분광 영상획득 시스템은 electron multiplying charge-coupled device(EMCCD) 카메라(Luca RDL- 604M, Andor Technology, USA), Imaging spectrograph(VNIR, Headwll photonics, Fitchburg, MA, USA)와 스텝모터로 구동되는 시료 이송부, 그리고 광량 조절이 가능한 할로겐 광원(100 W, 12 V)으로 구성하였다. 할로겐 광원은 광섬유 가이드를 이용하여 3개의 line light를 세트로 구성하였으며 시료의 양쪽을 고르게 비추기 위해 시료 상부에 수직 방향으로 약 15°의 각도로 설치하였다.
- F값이 클수록 두 그룹의 분리정도가 크다는 것을 나타내므로 전체 조합에서 두 그룹의 F값이 최대가 되는 파장비를 최적파장 비로 선정하였다. 선정된 최적파장 비와 문턱값을 이용하여 이진화 영상을 만들고 잡음제거를 위해 침식 영상처리법을 적용하여 최종 적인 멍 검출 알고리즘을 구성하였다. 영상처리 전 과정은 MATLAB software(Version 7, The mathworks, USA)를 사용하였다.
- 스펙트럼 정보 중 각각의 시료 당 일자별로 600개씩 무작위로 총 97,200개(시료 18개 × 9일 × 600개 = 97200개)의 멍 부위와 정상부위의 스펙트럼을 각각 선정하여 전체 자료 중 50%를 이용하여 두 그룹이 가장 잘 분리되는 파장비를 분산분석을 통해 분석하였다.
- 이 연구에서는 초분광 영상 촬영 시 노출시간(exposure time)을 5 μsec로 하고 모터의 이동을 1 mm 간격으로 200 스텝으로 하여 시료를 포함하는 총 20 cm 길이의 면적에 대한 초분광 영상을 획득하였다.
- 저장 방법은 9개씩 상온(20℃ ± 2℃, 30% ± 10% RH)과 저온(0℃ ± 1℃, 90% ± 5% RH)에서 저장하였다.
- 본 논문에서는 가시광 및 근적외선초분광 반사광 영상 획득 시스템을 이용하여 국내의 대표적 사과 품종인 ‘후지’에 대한 멍 검출 기술 개발에 관한 연구를 수행하였다. 초분광 반사광 영상을 획득하고 멍 검출을 위한 최적 파장조합 및 영상처리 기법을 활용하여 사과 멍 검출을 위한 최적 영상 알고리즘을 제시하였다. 본 논문에서 제안한 기술이 실제 현장에서 활용되기 위해서는 다양한 사과 부위에서 발생하는 멍 검출 기술과 특정 파장대의 영상 조합을 구현할 수 있는 실시간 다분광 영상시스템 개발 등에 대한 추가 연구가 필요하리라 사료된다.
- 분산분석 결과 494 nm와 952 nm의 비율값에서 F값이 가장 큰 것으로 나타났다. 최적 파장비를 이용하여 파장 비를 계산한 후 멍과 정상 부위를 가장 높은 정확도로 구분할 수 있는 문턱값을 정하였다. 분석에 사용되지 않았던 스펙트럼에 구해진 최적 파장비 및 문턱값을 적용하여 멍과 정상부위 구분을 위한 정확도를 검증하였다.
- 할로겐 광원은 광섬유 가이드를 이용하여 3개의 line light를 세트로 구성하였으며 시료의 양쪽을 고르게 비추기 위해 시료 상부에 수직 방향으로 약 15°의 각도로 설치하였다.
대상 데이터
- 멍 검출의 영상처리 과정은 그림 7과 같다. 719 nm의 파장 영상으로 배경을 제거한 마스킹 이미지를 작성 하였다. 마스킹 이미지에서 사과 영역은 ‘1’ 값을 가지고 배경부분은 ‘0’ 값을 가지게 되는데, 952와 494 nm 영상에 곱하기 연산을 이용하여 사과 이외의 배경부분은 제거가 되도록 하였다.
- 사과는 경북 문경의 과수농가에서 2009년 11월에 수확한 ‘후지’품종의 사과 18개를 사용하였다. 농가에서 사과를 직접 수확하여 당일 실험실로 이송한 후 1일 동안 상온에 보관한 후 실험에 사용하였다. 사과는 5, 10, 15 cm의 높이에서 알루미늄 판을 떨어뜨리는 방법으로 멍을 발생시켰다.
- 사과는 경북 문경의 과수농가에서 2009년 11월에 수확한 ‘후지’품종의 사과 18개를 사용하였다.
데이터처리
- 마스킹 이미지에서 사과 영역은 ‘1’ 값을 가지고 배경부분은 ‘0’ 값을 가지게 되는데, 952와 494 nm 영상에 곱하기 연산을 이용하여 사과 이외의 배경부분은 제거가 되도록 하였다. ANOVA분석을 통하여 선정한 952 nm와 494 nm의 비율 영상을 이용해 임계값을 적용하여 멍 부위만을 검출한 후 열기 닫기 영상처리 연산을 이용하여 노이즈를 제거하여 최종 결과 영상을 얻을 수 있었다.
- 멍 부위와 정상 부위를 구분할 수 있는 최적 파장조합을 구하기 위해 두 파장의 비를 멍 부위와 정상 부위 스펙트럼에 적용하여 비율 값을 구하고 이 두 그룹에 대한 분산분석(ANOVA)을 실시하였다. 그림 5는 분산분석을 실시한 후의 두 파장 조합에 대한 F값을 나타낸 것이다.
성능/효과
- (1) 가시광 및 적외선 영역의 두 파장인 952 nm와 494 nm의 파장 비가 사과 멍 검출을 위해 가장 높은 분류 능력을 제공할 수 있음을 확인할 수 있었다.
- (2) 멍과 정상 부위를 구별하는 최적의 임계값을 구하기 위하여 히스토그램의 데이터를 회귀화해 교차점을 구한 결과 952 nm / 494 nm의 비율값이 1.972인 경우 최소의 오차를 가지는 것을 확인 할 수 있었다. 이때 멍과 정상 부위를 화소단위로 구분할 수 있는 정확도는 약 74%였다.
- (3) 초분광 영상 결과는 육안으로 관찰이 어려운 멍이 효과적으로 검출 될 수 있음을 보여주었다. 분석된 특정 파장의 비율 영상을 이용하면 미세한 충격 및 압착에 의해 발생하는 멍 검출이 가능하므로 고품질 사과 생산을 위한 선별기술로 현장에서 활용될 수 있으리라 사료된다.
- 사과에 포함되는 carotenoids와 chlorophyll등 의 색소의 영향으로 500∼680 nm 범위에서 흡수율이 높았다. 껍질에 있는 chlorophyll의 영향으로 680 nm 부근에서 스펙트럼의 흡수가 나타남을 확인할 수 있었다. 또한 900 nm 부근에서 스펙트럼의 완만한 흡수가 나타나는 것을 볼 수가 있는데 이는 사과산(crystalline malic acid)의 영향 때문인 것으로 판단된다.
- 멍의 관찰 여부는 멍이 발생된 과피의 색에 따라서도 달랐는데 사과의 경우 멍의 위치가 과피의 녹색 부위 아래에서 발생했을 때가 붉은색 부위 아래에 위치 했을 때 보다 육안으로 쉽게 관찰 할 수 있었다. 따라서, 육안에 의한 멍의 검출은 매우 제한적으로 가능한 반면 초분광 영상을 이용한 결과는 멍을 초기에 검출할 수 있음을 보여주었으며, 저온 및 상온 저장에 관계없이 멍이 발생한 후 1일 이후부터 멍을 검출할 수 있음을 확인할 수 있었다.
- 스펙트럼 정보 중 각각의 시료 당 일자별로 600개씩 무작위로 총 97,200개(시료 18개 × 9일 × 600개 = 97200개)의 멍 부위와 정상부위의 스펙트럼을 각각 선정하여 전체 자료 중 50%를 이용하여 두 그룹이 가장 잘 분리되는 파장비를 분산분석을 통해 분석하였다. 분산분석 결과 494 nm와 952 nm의 비율값에서 F값이 가장 큰 것으로 나타났다. 최적 파장비를 이용하여 파장 비를 계산한 후 멍과 정상 부위를 가장 높은 정확도로 구분할 수 있는 문턱값을 정하였다.
- 사과에 포함되는 carotenoids와 chlorophyll등 의 색소의 영향으로 500∼680 nm 범위에서 흡수율이 높았다.
- 저장 기간 별 멍 검출 영상을 그림 8에 나타내었다. 육안 및 일반 CCD 컬러 카메라로는 검출하기 힘든 멍 부위를 초분광 영상을 이용하면 멍 발생 후 1일 후부터 멍이 검출 가능한 것을 확인할 수 있었다. 일부 시료는 일정 기간 후에 멍이 검출되는 경우가 발생하였는데 이는 대상 사과의 조직이 상대적으로 단단하여 멍이 잘 진행되지 않았기 때문인 것으로 사료 된다.
후속연구
- 초분광 반사광 영상을 획득하고 멍 검출을 위한 최적 파장조합 및 영상처리 기법을 활용하여 사과 멍 검출을 위한 최적 영상 알고리즘을 제시하였다. 본 논문에서 제안한 기술이 실제 현장에서 활용되기 위해서는 다양한 사과 부위에서 발생하는 멍 검출 기술과 특정 파장대의 영상 조합을 구현할 수 있는 실시간 다분광 영상시스템 개발 등에 대한 추가 연구가 필요하리라 사료된다. 본 논문의 전체적인 결론을 요약하면 다음과 같다.
- (3) 초분광 영상 결과는 육안으로 관찰이 어려운 멍이 효과적으로 검출 될 수 있음을 보여주었다. 분석된 특정 파장의 비율 영상을 이용하면 미세한 충격 및 압착에 의해 발생하는 멍 검출이 가능하므로 고품질 사과 생산을 위한 선별기술로 현장에서 활용될 수 있으리라 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.