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 연구에서는 국내에서 수집된 쌀 신곡과 구곡을 대상으로 GOP 시약을 처리한 후 색을 판별하는 전자눈 장비를 이용하여 신곡과 구곡의 판별에 적합한 색깔 코드의 선별과 이를 이용한 쌀 신곡과 구곡의 판별 체계를 확립하고자 하였다. 또한 개발된 판별식을 이용하여 혼합곡에 대한 판별이 가능한지를 검토하고자 하였다.
- 본 연구는 햅쌀과 묵은쌀 및 이의 혼합곡 판별을 위하여 전자눈 분석을 이용한 쌀 신곡과 구곡 판별법 개발 연구를 수행하였다. 국내에서 수집된 신구곡을 대상으로 GOP 시약처리를 통해 효소 활성에 따른 정색 반응을 확인한 후 전자눈 장비를 이용하여 신곡과 구곡의 판별에 적합한 색깔 코드의 선별과 이를 이용한 쌀 신곡과 구곡의 판별법을 개발하였다.
- 따라서 신선도 감정법을 신구곡 판별에 활용하기 위해서는 객관적이고 과학적으로 판별할 수 있는 방법이 필요하다. 본 연구에서는 국내에서 수집된 쌀 신곡과 구곡을 대상으로 GOP 시약을 처리한 후 색을 판별하는 전자눈 장비를 이용하여 신곡과 구곡의 판별에 적합한 색깔 코드의 선별과 이를 이용한 쌀 신곡과 구곡의 판별 체계를 확립하고자 하였다. 또한 개발된 판별식을 이용하여 혼합곡에 대한 판별이 가능한지를 검토하고자 하였다.
제안 방법
- 구아이아콜 1%액, 과산화수소 3%액, 파라페닐렌다이아민(p-phenylenediamin) 0.2%액을 조제하였고 쌀에 조제된 구아이아콜 4 mL을 가하여 vortex한 후 2분간 정치하고, 과산화수소 200 µL을 가하여 vortex한 다음, 파라페닐렌다이아민 3 mL을 추가하여 vortex한 후 5분간 정치하였다.
- 본 연구는 햅쌀과 묵은쌀 및 이의 혼합곡 판별을 위하여 전자눈 분석을 이용한 쌀 신곡과 구곡 판별법 개발 연구를 수행하였다. 국내에서 수집된 신구곡을 대상으로 GOP 시약처리를 통해 효소 활성에 따른 정색 반응을 확인한 후 전자눈 장비를 이용하여 신곡과 구곡의 판별에 적합한 색깔 코드의 선별과 이를 이용한 쌀 신곡과 구곡의 판별법을 개발하였다. 미지시료를 이용하여 판별 정확도를 분석한 결과 신곡과 구곡인 단일곡은 100%의 정확도로 판별이 되었으나 혼합곡의 경우 혼합된 비율에 따라 판별 정확도가 달라졌다.
- 통계 분석을 통해 각 시료별로 신곡과 구곡에 일치되게 적중되는 비율을 계산하여 판별식을 작성하였고 확립된 판별식의 검증은 기 확립된 판별식에 미지 시료의 픽셀 값을 추가하고 미지 시료는 “*”로 구분한 후 정준판별 분석하여 판별 정확도를 검증하였다. 또한 미지 시료 중 혼합곡의 경우 구곡이 혼합되어 있으므로 구곡으로 판별될 확률로 판별 정확도를 검증하였다.
- 시료의 색은 픽셀(pixel) 단위로 색의 면적(area) 값을 데이터 처리하는 방법을 선택하였고 이에 따라 색의 함량은 픽셀 수로 계산하였다. 샘플과 관련이 없는 색은 데이터 처리과정에서 배경 데이터 값을 빼고 분석하였다.
- 시료는 전국에서 생산된 주요 벼 품종으로 추청, 신동진, 대안, 삼광, 운광, 새누리, 오대, 고시히까리, 수광, 일품 품종 등을 수집하였다. 수집된 벼를 제현기(SY-88, Ssangyong, Incheon, Korea)로 제현 한 후 도정기(MC-90A, Toyo, Tokyo, Japan)를 이용하여 12분도로 가공하였다. 신구곡 판별식 검증을 위하여 단일연산 시료는 2016년산 벼 53점과 2015년산 벼 78점을 수집하였고 수집된 시료로부터 신곡과 구곡을 일정 비율별로 혼합한 시료 총 150점을 분석에 사용하였다.
- 이 규격은 sRGB(standard RGB 또는 single RGB)로서 1999년에 IEC(국제전기표준회의)의 TC100 중 IEC 61966-2-1에 기재가 되어 있다(9). 시료의 색은 픽셀(pixel) 단위로 색의 면적(area) 값을 데이터 처리하는 방법을 선택하였고 이에 따라 색의 함량은 픽셀 수로 계산하였다. 샘플과 관련이 없는 색은 데이터 처리과정에서 배경 데이터 값을 빼고 분석하였다.
- 시약 처리된 쌀을 전자눈 장비(IRIS Visual Analyzer VA400, AlPha MOS, Toulouse, France)의 검정 시료판 중 검정색 샘플 트레이에 올려 놓은 후, 장비에 탑재된 카메라로 사진을 찍어 이미지 데이터를 얻었다. 시료의 이미지 촬영은 동일시료라도 2-3회씩 촬영하였고 매회 시료를 골고루 섞어서 정확성이 확보되도록 하였다. 카메라는 16M CCD 칼라 카메라에 렌즈 크기는 25 mm, 조명은 장비 위에 위치한 LED 조명만 킨 상태로 촬영하였다.
- 시약 처리된 쌀을 전자눈 장비(IRIS Visual Analyzer VA400, AlPha MOS, Toulouse, France)의 검정 시료판 중 검정색 샘플 트레이에 올려 놓은 후, 장비에 탑재된 카메라로 사진을 찍어 이미지 데이터를 얻었다. 시료의 이미지 촬영은 동일시료라도 2-3회씩 촬영하였고 매회 시료를 골고루 섞어서 정확성이 확보되도록 하였다.
- 신곡과 구곡의 차이를 식별할 수 있는 색을 선정하기 위하여 GOP 시약 처리에 의한 효소 활성도 반응을 수행한 후 전자눈 분석을 통해 신곡과 구곡 수집시료에 대한 이미지 데이터를 획득하였다(Fig. 1). 칼라 코드 각각의 RGB 값은 8, 24, 40, 56, 72, 88, 104, 120, 136, 152, 168, 184, 200, 216, 232, 248 총 16개의 번호로 나열되어 있으며 각각의 조합으로 4,096개의 색이 표현이 된다.
- 일정비율로 신곡과 구곡이 혼합된 경우에 전자눈 판별식의 실용적인 활용 가능성을 알아보기 위해서 혼합곡에 대한 판별 정확도를 분석하였다. 신곡과 구곡을 8:2, 7:3, 5:5, 3:7, 2:8의 비율로 각 30점씩 조제하였고 GOP 시약 처리에 의한 과산화 효소활성도를 분석한 후 선별된 31개 칼라 코드로 주성분 분석 한 결과, 신곡과 구곡 그룹 사이에 혼합곡이 분포하는 것으로 나타났다.
- 전자눈 판별식의 실용적인 활용 가능성을 판단하기 위해서 생산연도를 정확하게 알고 있는 미지의 시료를 수집하여 판별 정확도를 분석하였다. 신곡 53점, 구곡 78점을 수집하여 GOP 시약처리에 의한 과산화 효소의 활성도를 분석한 후 선별된 31개 칼라 코드로 주성분 분석 한 결과 판별 정확도는 신곡 100%, 구곡 100%로 나타났다(Fig.
- 2%액을 조제하였고 쌀에 조제된 구아이아콜 4 mL을 가하여 vortex한 후 2분간 정치하고, 과산화수소 200 µL을 가하여 vortex한 다음, 파라페닐렌다이아민 3 mL을 추가하여 vortex한 후 5분간 정치하였다. 증류수를 이용하여 시료를 1회 세척한 후, 액을 버리고 시약에 의해 착색된 쌀을 전자눈 분석 시료로 활용하였다.
- 신구곡 판별식 검증을 위하여 단일연산 시료는 2016년산 벼 53점과 2015년산 벼 78점을 수집하였고 수집된 시료로부터 신곡과 구곡을 일정 비율별로 혼합한 시료 총 150점을 분석에 사용하였다. 혼합곡은 신곡과 구곡을 시료 점당 100립에 맞춰서 8:2, 7:3, 5:5, 3:7, 2:8의 비율로 조제하였다.
대상 데이터
- 전자눈 분석에서는 사례가 없지만, 품종 식별 마커 개발 연구에서 마커별 품종구분 능력을 나타내어 주는 값이 특정 마커에서 낮다고 하더라도 전체 마커의 조합으로 공시 품종을 식별함으로 모든 품종이 식별된 연구 결과가 발표된 바 있다(10). 따라서 본 연구를 통해 선발된 31개 색 코드 세트를 쌀의 신곡과 구곡을 판별하기 위한 지표로 선정하였다.
- 전자눈 분석을 이용한 쌀의 신구곡 판별식 작성을 위하여 2016년산 벼(신곡) 32점과 2015년산 벼(구곡) 75점을 수집하였다. 시료는 전국에서 생산된 주요 벼 품종으로 추청, 신동진, 대안, 삼광, 운광, 새누리, 오대, 고시히까리, 수광, 일품 품종 등을 수집하였다. 수집된 벼를 제현기(SY-88, Ssangyong, Incheon, Korea)로 제현 한 후 도정기(MC-90A, Toyo, Tokyo, Japan)를 이용하여 12분도로 가공하였다.
- 수집된 벼를 제현기(SY-88, Ssangyong, Incheon, Korea)로 제현 한 후 도정기(MC-90A, Toyo, Tokyo, Japan)를 이용하여 12분도로 가공하였다. 신구곡 판별식 검증을 위하여 단일연산 시료는 2016년산 벼 53점과 2015년산 벼 78점을 수집하였고 수집된 시료로부터 신곡과 구곡을 일정 비율별로 혼합한 시료 총 150점을 분석에 사용하였다. 혼합곡은 신곡과 구곡을 시료 점당 100립에 맞춰서 8:2, 7:3, 5:5, 3:7, 2:8의 비율로 조제하였다.
- 칼라 코드 각각의 RGB 값은 8, 24, 40, 56, 72, 88, 104, 120, 136, 152, 168, 184, 200, 216, 232, 248 총 16개의 번호로 나열되어 있으며 각각의 조합으로 4,096개의 색이 표현이 된다. 장비에 탑재되어 있는 4,096개의 칼라 코드로부터 판별식 작성용 시료 107점 중 신곡과 구곡 시료 간의 차이를 식별해 낼 수 있는 칼라 코드를 31개 선발하였고 칼라코드 별 RGB값과 식별능은 Table 1과 같다. 31개 색의 식별능 값은 최소 0.
- 전자눈 분석을 이용한 쌀의 신구곡 판별식 작성을 위하여 2016년산 벼(신곡) 32점과 2015년산 벼(구곡) 75점을 수집하였다. 시료는 전국에서 생산된 주요 벼 품종으로 추청, 신동진, 대안, 삼광, 운광, 새누리, 오대, 고시히까리, 수광, 일품 품종 등을 수집하였다.
- 시료의 이미지 촬영은 동일시료라도 2-3회씩 촬영하였고 매회 시료를 골고루 섞어서 정확성이 확보되도록 하였다. 카메라는 16M CCD 칼라 카메라에 렌즈 크기는 25 mm, 조명은 장비 위에 위치한 LED 조명만 킨 상태로 촬영하였다. 전자눈 장비는 센서와 카메라를 통해 받은 신호를 소프트웨어에서 인지하여 통계처리를 통해 색을 판단하게 되는데 IRIS 소프트웨어에 탑재된 칼라 코드는 4,096개가 있고 각 칼라코드는 빛의 3원색인 적(Red), 녹(Green), 청(Blue)을 기반으로 각각의 RGB 값으로 표현이 된다.
데이터처리
- 신곡과 구곡의 판별식 작성을 위하여 신곡과 구곡 간에 차이를 나타내는 변수로 선정된 칼라코드 별 시료의 픽셀수 데이터를 하나의 표로 정리하여 신곡이면 “1”, 구곡이면 “2”로 구분한 후 통계프로그램(UNISTAT Statistical Package for Windows, version 6.5, London, England)의 다중판별분석 중 정준판별 분석을 이용하여 통계분석을 실시하였다.
- 위 식에서 변수는 선정된 칼라코드 별 픽셀 수 또는 칼라 함량(area %)에 의하여 판별되는 값을 의미한다. 전자눈 분석 결과의 데이터 분석은 IRIS 전자눈 장비에 포함된 통계프로그램 중 주성분분석을 통해 신곡과 구곡 및 혼합곡간의 통계적인 거리 및 분포도를 확인하였다. 신곡과 구곡의 판별식 작성을 위하여 신곡과 구곡 간에 차이를 나타내는 변수로 선정된 칼라코드 별 시료의 픽셀수 데이터를 하나의 표로 정리하여 신곡이면 “1”, 구곡이면 “2”로 구분한 후 통계프로그램(UNISTAT Statistical Package for Windows, version 6.
- 칼라 코드별 식별능(discrimination power)은 IRIS 전자눈 장비에 탑재되어 있는 소프트웨어 프로그램(AlphaSoft, version 14.3, Toulouse, France)을 이용하여 분석하였고 계산식은 아래와 같다.
- 통계 분석을 통해 각 시료별로 신곡과 구곡에 일치되게 적중되는 비율을 계산하여 판별식을 작성하였고 확립된 판별식의 검증은 기 확립된 판별식에 미지 시료의 픽셀 값을 추가하고 미지 시료는 “*”로 구분한 후 정준판별 분석하여 판별 정확도를 검증하였다.
이론/모형
- 쌀에 포함된 과산화효소 등의 활성도를 분석하기 위하여 국립농산물품질관리원 농산물 검사검정의 표준계측 및 감정방법의 신선도 감정법에 준하여 전처리를 실시하였다. 쌀을 균분하여 완전립 100립을 채취한 후 시험관에 담아두었다.
성능/효과
- 장비에 탑재되어 있는 4,096개의 칼라 코드로부터 판별식 작성용 시료 107점 중 신곡과 구곡 시료 간의 차이를 식별해 낼 수 있는 칼라 코드를 31개 선발하였고 칼라코드 별 RGB값과 식별능은 Table 1과 같다. 31개 색의 식별능 값은 최소 0.326(color-802)에서 최대 0.945 (color-1093)의 범위를 나타내었고 31개 색의 평균 식별능 값은 0.631로 0.5보다 높게 나타났으므로 신곡과 구곡이 색깔 지표로 구분될 수 있음을 확인할 수 있었다. 평균 식별능 값이 의미하는 것은 31개 칼라코드 각각의 식별능 값이 차이가 있더라도 31개 칼라코드는 쌀의 신곡과 구곡을 판별하는데 각각 기여를 하며 31개 칼라코드를 조합으로 묶어서 변수로 활용하였을 때 쌀의 신곡과 구곡을 가장 잘 판별할 수 있는 수치를 의미한다.
- 그럼에도 불구하고 GOP 처리에 의한 쌀의 착색 정도를 전자눈 장비로 판별하여 쌀 신곡과 구곡이 각각의 그룹으로 나뉘어 지는 것을 확인할 수 있었다. GOP 시약 반응의 원리는 쌀에 포함된 과산화 효소의 활성도를 시약에 의해 착색된 정도로 감정하는 것으로 이 방법은 기존에 신곡과 구곡의 판별지표로 활용한 인지질 성분분석에 의한 다중판별 분석 결과보다는 판별되는 확률이 높은 결과를 보였다. 인지질 성분의 경우 쌀에 포함된 지방함량이 매우 적고 저장조건에 따라 판별 정확도가 떨어지는 문제점을 안고 있어서 판별 정확도를 높이기 위한 다양한 지표물질 발굴과 분석법 개발이 필요하다고 보고된 바 있다(11).
- 8603으로 나타나 신곡은 양의 방향, 구곡은 음의 방향으로 값이 나타났다. 각각의 그룹간의 상관계수 값은 0.9914로 높게 나타났고 신곡과 구곡 그룹의 평균 간의 통계적인 거리는 16.619로 나타나 두 그룹간의 통계적인 유의 차가 발생되어 신곡과 구곡 단일시료는 분류가 되는 것으로 나타났다. 개발된 신구곡 판별식에 사용된 시료의 정확한 보관 이력은 알 수 없으나 다양한 지역에서 재배된 품종과 다양한 조건에서 보관된 시료인 것은 분명하다.
- 이는 전자눈의 31개 칼라코드가 신곡과 구곡의 차이를 판별할 수 있는 지표로 재현성이 있음을 시사한다. 검증 시료 중에 작성된 판별식의 판별 함수 값의 범위에 포함되지 않은 시료들도 있었지만, 통계 분석 결과 신곡과 구곡은 정확하게 맞추는 것으로 나타났다. 이것은 판별식 검증을 위해 수집한 미지 시료의 경우도 보관 상태 등이 매우 다양할 것으로 추정되나 미지 시료를 개발된 판별식에 대입하였을 때 판별식 작성 시료의 범위와 유사한 판별함수 값을 나타낸 결과로 해석할 수 있다.
- 6%의 정확도를 나타내었다(Table 2). 구곡이 혼합된 비율이 높아질수록 구곡으로 판별되는 정확도가 높게 나타나서 통계적인 분포의 경향성을 찾을 수는 있었지만 단일곡과 혼합곡 각각의 구간에 중복되는 시료들이 발생되기 때문에 혼합곡의 전체 판별 정확도는 53.3%로 낮게 나타났다. 현재의 판별식을 이용할 경우 구곡이 80% 비율 이상으로 포함된 경우 Choi 등(12)이 밝힌 법적인 효력을 갖기 위한 판별 확률인 95%이상의 정확도를 보여주는 것으로 나타났다.
- 개발된 신구곡 판별식에 사용된 시료의 정확한 보관 이력은 알 수 없으나 다양한 지역에서 재배된 품종과 다양한 조건에서 보관된 시료인 것은 분명하다. 그럼에도 불구하고 GOP 처리에 의한 쌀의 착색 정도를 전자눈 장비로 판별하여 쌀 신곡과 구곡이 각각의 그룹으로 나뉘어 지는 것을 확인할 수 있었다. GOP 시약 반응의 원리는 쌀에 포함된 과산화 효소의 활성도를 시약에 의해 착색된 정도로 감정하는 것으로 이 방법은 기존에 신곡과 구곡의 판별지표로 활용한 인지질 성분분석에 의한 다중판별 분석 결과보다는 판별되는 확률이 높은 결과를 보였다.
- 국내에서 수집된 신구곡을 대상으로 GOP 시약처리를 통해 효소 활성에 따른 정색 반응을 확인한 후 전자눈 장비를 이용하여 신곡과 구곡의 판별에 적합한 색깔 코드의 선별과 이를 이용한 쌀 신곡과 구곡의 판별법을 개발하였다. 미지시료를 이용하여 판별 정확도를 분석한 결과 신곡과 구곡인 단일곡은 100%의 정확도로 판별이 되었으나 혼합곡의 경우 혼합된 비율에 따라 판별 정확도가 달라졌다. 혼합곡은 신곡과 구곡의 혼합 비율에서 구곡이 비율이 높아질수록 판별 정확도가 높아지는 것으로 나타났다.
- 선발된 칼라코드 31개를 변수로 이용하여 판별식 작성 시료의 픽셀 수 값을 주성분 분석한 결과 2016년산 신곡 32점과 2015년산 구곡 75점의 분류적중률은 100%로 나타났다(Fig. 2). 주성분 분석에 의한 칼라맵의 X축인 PC1의 변수 값은 87.
- 전자눈 판별식의 실용적인 활용 가능성을 판단하기 위해서 생산연도를 정확하게 알고 있는 미지의 시료를 수집하여 판별 정확도를 분석하였다. 신곡 53점, 구곡 78점을 수집하여 GOP 시약처리에 의한 과산화 효소의 활성도를 분석한 후 선별된 31개 칼라 코드로 주성분 분석 한 결과 판별 정확도는 신곡 100%, 구곡 100%로 나타났다(Fig. 3). 이는 전자눈의 31개 칼라코드가 신곡과 구곡의 차이를 판별할 수 있는 지표로 재현성이 있음을 시사한다.
- 일정비율로 신곡과 구곡이 혼합된 경우에 전자눈 판별식의 실용적인 활용 가능성을 알아보기 위해서 혼합곡에 대한 판별 정확도를 분석하였다. 신곡과 구곡을 8:2, 7:3, 5:5, 3:7, 2:8의 비율로 각 30점씩 조제하였고 GOP 시약 처리에 의한 과산화 효소활성도를 분석한 후 선별된 31개 칼라 코드로 주성분 분석 한 결과, 신곡과 구곡 그룹 사이에 혼합곡이 분포하는 것으로 나타났다. 신곡이 높은 비율로 포함된 혼합곡은 신곡 그룹에 가까이 분포하였고 구곡이 높은 비율로 포함된 혼합곡은 구곡 그룹에 가까이 분포하는 경향을 나타내었다(Fig.
- 신곡과 구곡을 8:2, 7:3, 5:5, 3:7, 2:8의 비율로 각 30점씩 조제하였고 GOP 시약 처리에 의한 과산화 효소활성도를 분석한 후 선별된 31개 칼라 코드로 주성분 분석 한 결과, 신곡과 구곡 그룹 사이에 혼합곡이 분포하는 것으로 나타났다. 신곡이 높은 비율로 포함된 혼합곡은 신곡 그룹에 가까이 분포하였고 구곡이 높은 비율로 포함된 혼합곡은 구곡 그룹에 가까이 분포하는 경향을 나타내었다(Fig. 4). 혼합곡인 경우 본 연구에서 확립된 판별식에 대입한 경우 구곡이 조금만 혼합되어도 구곡으로 판별되어야 하나 혼합 비율에 따라 구곡으로 판별되는 정확도는 다르게 나타났다.
- 국외에서는 쌀의 신선도를 판별하는 방법으로 Hachiya 등(6)은 구아이아콜(guaiacol) 시약을 이용하여 효소 활성도를 분석하였고 bromothymol blue(7)와 과산화 효소(peroxidase) 반응(7,8)을 이용하여 신선도를 분석한 결과가 보고된 바 있다. 이러한 신선도 감정법을 이용하여 쌀의 신구곡 판별이 가능한지 알아보고자 다양한 조건에서 보관된 벼를 수집하여 쌀로 가공한 후 신구곡을 판별한 결과 판별 정확도가 99%이상으로 나타났다. 하지만 신선도 감정법은 효소의 활성 정도를 육안으로 감정하는 방법으로 감정자에 따라 결과 판단이 주관적이기 때문에 이를 신곡과 구곡의 판별에 직접 활용하기는 어려운 실정이다.
- 판별식 작성을 위하여 다중판별 통계분석 한 결과 신곡의 판별분석 값은 11.7587, 구곡의 판별분석 값은 −4.8603으로 나타나 신곡은 양의 방향, 구곡은 음의 방향으로 값이 나타났다.
- 혼합곡인 경우 본 연구에서 확립된 판별식에 대입한 경우 구곡이 조금만 혼합되어도 구곡으로 판별되어야 하나 혼합 비율에 따라 구곡으로 판별되는 정확도는 다르게 나타났다. 혼합 비율별로 구곡으로 판별되는 정확도를 살펴보면 신곡과 구곡이 8:2의 비율로 혼합된 경우 16.7%, 신곡과 구곡이 7:3의 비율로 혼합된 경우 17.8%, 신곡과 구곡이 5:5의 비율로 혼합된 경우 43.3%, 신곡과 구곡이 3:7의 비율로 혼합된 경우 93.3%, 신곡과 구곡이 2:8의 비율로 혼합된 경우 95.6%의 정확도를 나타내었다(Table 2). 구곡이 혼합된 비율이 높아질수록 구곡으로 판별되는 정확도가 높게 나타나서 통계적인 분포의 경향성을 찾을 수는 있었지만 단일곡과 혼합곡 각각의 구간에 중복되는 시료들이 발생되기 때문에 혼합곡의 전체 판별 정확도는 53.
- 미지시료를 이용하여 판별 정확도를 분석한 결과 신곡과 구곡인 단일곡은 100%의 정확도로 판별이 되었으나 혼합곡의 경우 혼합된 비율에 따라 판별 정확도가 달라졌다. 혼합곡은 신곡과 구곡의 혼합 비율에서 구곡이 비율이 높아질수록 판별 정확도가 높아지는 것으로 나타났다. 이러한 결과를 통해 전자눈 분석을 통하여 햅쌀과 묵은쌀을 판별할 수 있는 실용적인 판별 체계를 구축하였으므로 본 연구를 통해 개발된 판별식은 쌀 신구곡 판별을 위한 과학적인 근거자료로서 활용이 가능할 것으로 판단된다.
- 4). 혼합곡인 경우 본 연구에서 확립된 판별식에 대입한 경우 구곡이 조금만 혼합되어도 구곡으로 판별되어야 하나 혼합 비율에 따라 구곡으로 판별되는 정확도는 다르게 나타났다. 혼합 비율별로 구곡으로 판별되는 정확도를 살펴보면 신곡과 구곡이 8:2의 비율로 혼합된 경우 16.
후속연구
- 실제 수입산 쌀 중 저온보관 창고에서 관리된 구곡 시료에 대하여 본 연구에서 확립된 판별식을 이용하여 신곡과 구곡 판별을 수행한 결과 구곡으로 판별되어 향후 의심시료에 대한 객관적인 근거자료로서의 활용성이 있을 것으로 판단된다. 다만 본 연구 결과는 신곡을 수확 후 바로 수집하여 분석한 것이므로 시간이 지남에 따라 효소의 활성도는 떨어지기 때문에 연중으로 판별식을 이용하기 위해서는 일정 시기별로 신곡과 구곡 단일시료에 대한 효소 활성도 값을 보정해야 할 것으로 판단된다. 특히 Hachiya 등(6)은 쌀에서 구아이아콜 시약 반응은 여름과 같이 온도가 높을 때 낮아진다고 보고한 바 있다.
- 하지만 구곡의 비율이 적게 혼합된 경우 이를 판별할 수 있는 정밀한 분석법 개발 등이 필요한 것으로 판단된다. 따라서 혼합곡에 대한 판별 정확도를 높이기 위해서는 다양한 환경변화에 대응이 가능한 새로운 지표 개발 등에 대한 연구가 더 이루어 져야 할 것으로 판단된다.
- 이것은 판별식 검증을 위해 수집한 미지 시료의 경우도 보관 상태 등이 매우 다양할 것으로 추정되나 미지 시료를 개발된 판별식에 대입하였을 때 판별식 작성 시료의 범위와 유사한 판별함수 값을 나타낸 결과로 해석할 수 있다. 실제 수입산 쌀 중 저온보관 창고에서 관리된 구곡 시료에 대하여 본 연구에서 확립된 판별식을 이용하여 신곡과 구곡 판별을 수행한 결과 구곡으로 판별되어 향후 의심시료에 대한 객관적인 근거자료로서의 활용성이 있을 것으로 판단된다. 다만 본 연구 결과는 신곡을 수확 후 바로 수집하여 분석한 것이므로 시간이 지남에 따라 효소의 활성도는 떨어지기 때문에 연중으로 판별식을 이용하기 위해서는 일정 시기별로 신곡과 구곡 단일시료에 대한 효소 활성도 값을 보정해야 할 것으로 판단된다.
- 특히 Hachiya 등(6)은 쌀에서 구아이아콜 시약 반응은 여름과 같이 온도가 높을 때 낮아진다고 보고한 바 있다. 쌀에 포함된 효소 등이 고온상태를 거치면서 호흡작용이 활발해지므로 쌀에 포함된 효소 함량이 감소하는 것으로 추정되므로 이에 대비한 판별법 개발 등에 관한 연구도 지속적으로 추진되어야 할 것으로 판단된다.
- 혼합곡은 신곡과 구곡의 혼합 비율에서 구곡이 비율이 높아질수록 판별 정확도가 높아지는 것으로 나타났다. 이러한 결과를 통해 전자눈 분석을 통하여 햅쌀과 묵은쌀을 판별할 수 있는 실용적인 판별 체계를 구축하였으므로 본 연구를 통해 개발된 판별식은 쌀 신구곡 판별을 위한 과학적인 근거자료로서 활용이 가능할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.