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 벼의 보관기간 동안 감소되는 물질인 peroxidase 등의 효소의 활성도를 알아보는 신선도 감정법과 색을 인지하는 전자눈 장비를 이용하여 현미의 신곡과 구곡을 판별할 수 있는 칼라 코드를 선정하였고, 현미의 신·구곡 판별식을 개발하였다. 동일한 시기에 수집된 시료의 판별식 검증을 통해 현미 신곡, 구곡 및 이의 혼합곡에 대한 판별 정확도를 분석하여 실용적인 활용 가능성을 살펴보았다. 또한 수확시기에 수집된 현미로부터 개발된 판별식의 활용도를 검토하기 위하여 신곡 수확 시점으로부터 약 8개월이 경과한 시료를 무작위 채취하여 보관기간에 따른 판별 정확도를 분석함으로써 현미의 신곡과 구곡 판별에 효소 지표의 적용 가능성을 연구한 결과는 아래와 같다.
- 하지만 신곡과 구곡의 판별이 아닌 신선도만 감정하는 것으로 감정자에 따라 결과 판단이 주관적이고 색을 통한 효소 활성도를 객관적으로 수치화 할 수가 없는 어려움이 존재하여 양곡의 혼합금지를 판단하기 위한 방법으로 한계점이 존재한다. 따라서 본 연구에서는 신선도 감정을 이용한 효소 반응도 검사 방법을 색을 판단하는 센서(sensor) 기반 장비인 전자눈 장비와 접목하여 현미의 신곡과 구곡을 과학적으로 판별할 수 있는지에 대한 연구를 수행하였다. 전자눈 장비를 이용하여 신곡과 구곡을 판별할 수 있는 색을 선정하고 선정된 칼라코드를 이용하여 현미의 신곡과 구곡 판별법을 개발한 결과를 보고하는 바이다.
- 하지만 판별 정확도를 높이기 위해서는 다양한 환경적 변화에 대처가 가능한 새로운 지표물질 발굴이 계속 이루어져야 한다. 이에 따라 백미 연구에서 가장 판별 정확도가 높게 나타난 신선도 감정법을 현미의 신곡과 구곡 판별에 적용해 보고자 한다. 신선도 감정법은 쌀에 포함된 peroxidase 효소 등의 활성도를 시약 반응을 통해 나타난 반응색으로 효소 활성 정도를 감정하는 것으로 국내에서 신선도 판별을 위해 활용하고 있는 방법이다.
- 따라서 본 연구에서는 신선도 감정을 이용한 효소 반응도 검사 방법을 색을 판단하는 센서(sensor) 기반 장비인 전자눈 장비와 접목하여 현미의 신곡과 구곡을 과학적으로 판별할 수 있는지에 대한 연구를 수행하였다. 전자눈 장비를 이용하여 신곡과 구곡을 판별할 수 있는 색을 선정하고 선정된 칼라코드를 이용하여 현미의 신곡과 구곡 판별법을 개발한 결과를 보고하는 바이다.
제안 방법
- 1. 현미의 신곡과 구곡의 판별 지표로 효소를 선정하여 신선도 감정법인 G·O·P 시약을 처리를 통한 효소 활성정도를 육안으로 감정한 후 전자눈 장비를 이용하여 신곡과 구곡 그룹 간에 차이나는 칼라코드를 29개 선발하였다.
- 판별식 검증 시료는 2016년산 벼 96점과 2012~2015년산 벼 108점을 각각 수집하였고 신곡과 구곡을 혼합비율 별로 각 30점씩, 점당 100립에 맞춰서 준비 하였다. 2016년도 신곡 수확시기에 개발된 판별식을 그 다음 해 신곡이 수확되기 전까지 활용 가능한지 알아보기 위하여 효소활성도가 급격하게 떨어지는 고온인 2017년도 여름에 2016년산 벼 100점과 2015년산 100점을 수집하여 보관기간에 따른 판별식 정확도를 분석하였다.
- 3. 개발된 판별식의 실용적인 활용 가능성을 알아보기 위하여 판별식 개발 시료와 동일한 시기에 수집된 신곡과 구곡 및 이의 혼합곡 시료를 이용하여 검증 시험을 추진하였다. 기 개발된 판별식에 미지의 시료를 대입한 결과, 신곡과 구곡 단일 시료는 100%의 판별정확도를 나타내었고 혼합곡은 96.
- 4. 수확 후 얼마 지나지 않은 겨울에 수집된 시료를 이용하여 구축한 판별식을 보관 기간이 8개월 정도 지나고 효소활성도가 급격하게 떨어질 것으로 추정되는 여름 시료에도 적용이 가능한지 알아보기 위하여, 신곡과 구곡 시료를 대상으로 검증시험을 실시하였다. 여름에 수집한 구곡 시료를 기 구축된 판별식에 대입한 결과 구곡은 모두 100% 구곡으로 판별이 되었으나, 신곡 시료는 100% 구곡으로 판별이 되어 신곡의 판별 정확도는 0%로 나타났다.
- 개발된 현미의 신곡과 구곡 판별식의 정확도를 알아보기 위해서 연산을 정확하게 알고 있는 시료를 수집하여 개발된 판별식에 대입하였다. 신곡 96점, 구곡 108점에 대해 신선도 감정을 위한 전처리를 한 후 선발된 29개의 칼라코드를 이용하여 기 개발된 판별식에 대입한 결과 신곡과 구곡 단일곡의 판별 정확도는 100%로 나타났다.
- 2017b)와도 유사하게 나타났다. 따라서 기존의 신선도 육안 감정법을 전자눈 장비와 접목하여 데이터 처리 및 통계분석함으로써 현미의 신곡과 구곡을 판별 할 수 있는 기반을 구축하였다.
- 동일한 시기에 수집된 시료의 판별식 검증을 통해 현미 신곡, 구곡 및 이의 혼합곡에 대한 판별 정확도를 분석하여 실용적인 활용 가능성을 살펴보았다. 또한 수확시기에 수집된 현미로부터 개발된 판별식의 활용도를 검토하기 위하여 신곡 수확 시점으로부터 약 8개월이 경과한 시료를 무작위 채취하여 보관기간에 따른 판별 정확도를 분석함으로써 현미의 신곡과 구곡 판별에 효소 지표의 적용 가능성을 연구한 결과는 아래와 같다.
- 2% p-phenylenediamine 3 mL을 추가한 후 vortex하여 5분간 반응시켰다. 마지막으로 증류 수를 이용하여 시험관에 담긴 시료를 1회 세척하였고, 액체만 버리고 시험관으로부터 현미를 털어 내어 전자눈 분석에 활용 하였다.
- 본 연구에서는 벼의 보관기간 동안 감소되는 물질인 peroxidase 등의 효소의 활성도를 알아보는 신선도 감정법과 색을 인지하는 전자눈 장비를 이용하여 현미의 신곡과 구곡을 판별할 수 있는 칼라 코드를 선정하였고, 현미의 신·구곡 판별식을 개발하였다.
- 3%를 차지하였다. 수집된 벼를 제현기(SY-88, Ssangyong, Incheon, Korea)를 이용하여 현미로 제현하였다. 판별식 검증 시료는 2016년산 벼 96점과 2012~2015년산 벼 108점을 각각 수집하였고 신곡과 구곡을 혼합비율 별로 각 30점씩, 점당 100립에 맞춰서 준비 하였다.
- 이 규격은 sRGB (standard RGB 혹은 single RGB)로서 IEC(국제전기표준회 의)의 TC100 중 IEC 61966-2-1을 기반한 것이고 촬영된 시료의 색 처리는 R·G·B색의 면적(area) 값을 이용하여 픽셀(pixel) 수로 데이터 처리하였다.
- 카메라는 장비에 탑재되어 있는 16M Charged Coupled Device (CCD) 디지털 카 메라를 사용하였고 카메라 렌즈 크기는 25 ㎜, 장비 위(top)에 위치한 LED 조명을 킨 후 시료의 사진을 촬영하였다. 정확한 이미지를 얻기 위하여 시료의 사진 촬영은 3회씩 반복 촬영하였고, 촬영 시 마다 시료를 골고루 섞어주었다. 전자눈은 카메라 촬영을 통해 얻은 이미지를 소프트웨어에서 인지하여 장비에 탑재되어 있는 통계적 기법을 사용할 수 있는 장비이다.
- 판별식 개발을 위하여 수집한 신곡과 구곡 시료의 픽셀 수 값을 선발된 칼라코드 29개를 변수로 이용하여 PCA 분석을 수행하였다. 그 결과 2016년산 신곡 84점과 2015년산 구곡 87점이 분류되는 적중률은 100%로 나타났다(Fig.
- 판별식 작성을 위해 수집한 현미 신곡 84점과 구곡 87점에 대하여 G·O·P 시약을 처리한 후 전자눈 장비를 이용하여 사진 촬영을 하였다.
- 현미 시료의 peroxidase 효소 등의 활성도를 분석하기 위하여 Hong et al. (2017b)이 보고한 방법을 이용하여 200g 정도의 현미를 균분한 후 완전립 100립을 채취하여 시험관에 담아 두었고, 1% guaiacol, oxydol (3% hydrogen peroxide), 0.2% p-phenylenediamine 0.2%를 조제하였다. 현미 시료에 1% guaiacol 4 mL을 가하여 vortex한 후 2분간 반응을 시켜 주고 oxydol 200 uL을 가하여 vortex한 다음, 0.
- 확립된 판별식의 검증은 기 개발된 판별식에 미지 시료의 픽셀 값을 추가하고 “*”로 구분한 후 정준판별 분석하였고, 혼합곡은 구곡이 일정 비율로 혼합되어 있으므로 구곡으로 판별되는 확률로 판별 정확도를 계산하였다.
대상 데이터
- 장비에 탑재되어 있는 4,096개의 칼라코드로부터 현미 신곡과 구곡을 가장 잘 구분해 줄 수 있는 칼라코드를 29개 선정하였고 각 코드별 R·G·B 값과 신곡과 구곡을 식별하는 확률을 보여주는 식별능은 표 1과 같다(Table 1).
- 신선도 감정이 끝난 현미를 전자눈 장비(IRIS Visual Analyzer VA400, Toulouse, France) 시료판 중에 하얀색 트레이에 시료가 되도록 겹치지 않도록 얇게 펴주었다. 카메라는 장비에 탑재되어 있는 16M Charged Coupled Device (CCD) 디지털 카 메라를 사용하였고 카메라 렌즈 크기는 25 ㎜, 장비 위(top)에 위치한 LED 조명을 킨 후 시료의 사진을 촬영하였다. 정확한 이미지를 얻기 위하여 시료의 사진 촬영은 3회씩 반복 촬영하였고, 촬영 시 마다 시료를 골고루 섞어주었다.
- 수집된 벼를 제현기(SY-88, Ssangyong, Incheon, Korea)를 이용하여 현미로 제현하였다. 판별식 검증 시료는 2016년산 벼 96점과 2012~2015년산 벼 108점을 각각 수집하였고 신곡과 구곡을 혼합비율 별로 각 30점씩, 점당 100립에 맞춰서 준비 하였다. 2016년도 신곡 수확시기에 개발된 판별식을 그 다음 해 신곡이 수확되기 전까지 활용 가능한지 알아보기 위하여 효소활성도가 급격하게 떨어지는 고온인 2017년도 여름에 2016년산 벼 100점과 2015년산 100점을 수집하여 보관기간에 따른 판별식 정확도를 분석하였다.
- 현미의 신·구곡 판별법 개발을 위하여 2016년산 신곡 벼 84점과 2012~2015년산 구곡 벼 87점을 수집하였다.
데이터처리
- 위 식에서 variance는 선정된 칼라코드 별 픽셀 수에 의하여 판별되는 값을 나타낸다. 데이터 분석을 위해 IRIS 전자눈 장비에 포함된 통계프로그램 중 Principal Component Analysis (PCA), Discriminant Function Analysis (DFA) 분석을 실시 하여 시료의 판별함수 값의 분포도를 확인하였다. 신곡과 구곡 간에 차이를 나타내는 변수로 선정된 칼라코드 별 시료의 픽셀수 데이터에서 신곡이면 “1”, 구곡이면 “2”로 구분하여 Microsoft Excel (Microsoft, USA) 파일에 판별식을 작성한 후 통계프로그램(UNISTAT® Statistical Package for Windows, version 6.
- 신곡과 구곡 간에 차이를 나타내는 변수로 선정된 칼라코드 별 시료의 픽셀수 데이터에서 신곡이면 “1”, 구곡이면 “2”로 구분하여 Microsoft Excel (Microsoft, USA) 파일에 판별식을 작성한 후 통계프로그램(UNISTAT® Statistical Package for Windows, version 6.5, London, England)의 다중판별분석 중 정준판별 분석을 통해 데이터를 분석하였다.
- 현미 신곡과 구곡의 판별을 위하여 선발한 색상의 칼라 코드별 식별 능력(discrimination power)은 IRIS 전자눈 장비에 탑재되어 있는 소프트웨어 프로그램(AlphaSoft, version 14.3, Toulouse, France)을 이용하여 분석하였고 아래의 계산식에 의해 분석되었다.
성능/효과
- 2. 선발된 칼라 코드를 이용한 현미 신곡과 구곡 단일곡의 분류되는 적중률은 PCA 및 DFA 분석 결과 모두 100%로 나타나 현미의 신곡과 구곡을 판별할 수 있는 판별식으로 채택하였다. PCA 분석 결과보다 DFA 분석 결과가 신곡과 구곡 그룹을 보다 더 잘 구분하는 것으로 나타났다.
- 29개의 칼라코드는 신곡 84점과 구곡 87점을 통계적으로 가장 잘 구분할 수 있는 코드이며 29개의 칼라코드가 하나의 조합 (combination)으로서 활용이 될 때 신곡과 구곡을 가장 잘 구분할 수 있는 것을 나타낸다. 29개의 칼라 코드 중 가장 식별능이 높게 나타난 코드는 Color-1076 (0.922)였고, 가장 낮게 나타난 코드는 Color-2438 (0.263)이였으며, 29개 코드의 식별능 평균 값은 0.62로 나타났다. Hong et al.
- 장비에 탑재되어 있는 4,096개의 칼라코드로부터 현미 신곡과 구곡을 가장 잘 구분해 줄 수 있는 칼라코드를 29개 선정하였고 각 코드별 R·G·B 값과 신곡과 구곡을 식별하는 확률을 보여주는 식별능은 표 1과 같다(Table 1). 29개의 칼라코드는 신곡 84점과 구곡 87점을 통계적으로 가장 잘 구분할 수 있는 코드이며 29개의 칼라코드가 하나의 조합 (combination)으로서 활용이 될 때 신곡과 구곡을 가장 잘 구분할 수 있는 것을 나타낸다. 29개의 칼라 코드 중 가장 식별능이 높게 나타난 코드는 Color-1076 (0.
- 선발된 칼라 코드를 이용한 현미 신곡과 구곡 단일곡의 분류되는 적중률은 PCA 및 DFA 분석 결과 모두 100%로 나타나 현미의 신곡과 구곡을 판별할 수 있는 판별식으로 채택하였다. PCA 분석 결과보다 DFA 분석 결과가 신곡과 구곡 그룹을 보다 더 잘 구분하는 것으로 나타났다.
- 개발된 판별식을 수확 시점으로부터 약 8개월간 보관창고에 저장되어 있는 시료에도 적용이 가능한지 알아보기 위하여 고온인 여름에 신곡과 구곡 시료를 수집한 후 기 개발된 판별 식에 대입한 결과 구곡은 100% 구곡으로 판별되었으나 신곡의 경우100점 모두 신곡이 아닌 구곡으로 판별되어 정확도가 0%로 나타났다(Fig. 6). 계절이 다른 시기에 수집된 시료에 대해서는 신곡과 구곡을 판별하는 정확도가 50% 수준으로 낮게 나타나는 경향이었다.
- 검증시료를 기 구축된 판별식에 대입하기 위하여 다중판별분석 중 정준판별 분석을 실시한 결과 혼합곡을 구곡으로 판별하는 확률이 평균 96.9%로 나타났다.
- 판별식 개발을 위하여 수집한 신곡과 구곡 시료의 픽셀 수 값을 선발된 칼라코드 29개를 변수로 이용하여 PCA 분석을 수행하였다. 그 결과 2016년산 신곡 84점과 2015년산 구곡 87점이 분류되는 적중률은 100%로 나타났다(Fig. 2). 주성분 분석에 의한 통계 분석 결과 X축인 PC1의 변수 값은 69.
- 개발된 판별식의 실용적인 활용 가능성을 알아보기 위하여 판별식 개발 시료와 동일한 시기에 수집된 신곡과 구곡 및 이의 혼합곡 시료를 이용하여 검증 시험을 추진하였다. 기 개발된 판별식에 미지의 시료를 대입한 결과, 신곡과 구곡 단일 시료는 100%의 판별정확도를 나타내었고 혼합곡은 96.9%의 정확도를 나타내었다.
- 그리고 판별식 개발과 검증을 위해 수집한 시료는 정부양곡 보관창고에서 수거한 시료인데 신곡과 구곡 내에서 보관 환경에 따른 시료 간 차이보다 신곡과 구곡 간에 효소 함량의 차이가 더 크게 나타나는 것을 추정할 수 있다. 단일곡의 경우 신곡과 구곡 각 그룹 내 편차보다 신곡과 구곡 그룹 간 편차가 크기 때문에 분류와 판별되는 정확도가 높게 나타났으나 기존의 연구 결과를 종합해 볼 때 혼합곡의 경우는 정확하게 판별하는 것이 어려운 실정이다. 백미의 연구 결과에서 혼합곡의 판별 정확도는 53.
- 이것은 현미는 백미의 결과보다 높은 확률로 혼합곡이 판별될 수 있다는 것을 의미한다. 동일한 칼라코드별 픽셀 수의 판별식을 DFA 통계 기법으로 분석하였을 때는 혼합곡 시료가 구곡 그룹과 같이 분포가 되어 혼합곡을 구곡으로 판별 할 수 있는 확률이 PCA 분석법보다 높게 나타나는 경향을 보여주었다(Fig. 5). 혼합곡 검증 결과를 살펴보면 백미에 비해 현미는 착색되는 정도가 더 선명하여 신곡과 구곡이 혼합되었을 때 색의 균일성이 많이 떨어지는 경향을 보인다.
- 이것은 본 연구에 활용된 시료들에 대한 칼라 코드에 의한 분류가 Y축보다 X 축에서 6배 정도 높게 설명됨을 뜻한다. 또한 DFA 분석 결과는 X축인 DF1의 변수 값은 100%로 나타났고 Y축인 DF2 변수 값은 0%로 나타나 X축에서 보았을 때 현미 신곡과 구곡의 식별력은 PCA 결과보다 더 높게 나타났다(Fig. 3). 이는 동일한 시료를 이용하였을 때 전자눈 장비에 탑재되어 있는 데이터 통계 분석 방법에 따라 판별되는 정도가 다른 것을 의미한다.
- 2017b). 반면 현미 혼합곡에 대한 PCA 분석 결과를 살펴보면 PC1인 X축은 65.2%, PC2인 Y축은 14.7%의 변수 값을 나타내었고, 신곡과 구곡 사이에 혼합곡이 분포 하였다(Fig. 4). 검증시료를 기 구축된 판별식에 대입하기 위하여 다중판별분석 중 정준판별 분석을 실시한 결과 혼합곡을 구곡으로 판별하는 확률이 평균 96.
- 혼합곡 검증 결과를 살펴보면 백미에 비해 현미는 착색되는 정도가 더 선명하여 신곡과 구곡이 혼합되었을 때 색의 균일성이 많이 떨어지는 경향을 보인다. 본 연구에서 선발된 현미의 신구곡 판별용 칼라코드는 각각의 칼라 코드별 색 함량을 수치화함으로 혼합된 시료의 함량을 보다 더 식별력 있게 표현해주는 것으로 사료된다. 또한 연구를 수행한 시기가 겨울이고 판별식 개발 시료와 검증 시료가 동일 한 시기에 수집이 되었기 때문에 시료들의 효소 활성도가 유사하여 혼합곡의 판별 정확도가 높게 나타난 것으로 사료된다.
- (2014)은 PCA 분석은 데이터 그룹 간의 편 차 정도를 나타내는 방법인데 반해 DFA 분석은 그룹간 편차를 최대화하고 그룹내 편차를 최소화 하는 분석법이라고 보고한 바 있다. 본 연구에서도 PCA 보다 DFA 통계 기법을 활용하였을 때 신곡과 구곡이 더 잘 구분되는 것으로 나타났다. 현미 신곡과 구곡의 판별식 개발을 위하여 다중판별 분석을 수행한 결과 신곡의 판별분석 값은 4.
- 현미의 신곡과 구곡의 판별 지표로 효소를 선정하여 신선도 감정법인 G·O·P 시약을 처리를 통한 효소 활성정도를 육안으로 감정한 후 전자눈 장비를 이용하여 신곡과 구곡 그룹 간에 차이나는 칼라코드를 29개 선발하였다. 선발된 칼라 코드의 식별능은 최소 0.263에서 최대 0.922의 분포를 나타내었고 평균 식별능 값은 0.62로 나타났다.
- 현미의 신·구곡 판별법 개발을 위하여 2016년산 신곡 벼 84점과 2012~2015년산 구곡 벼 87점을 수집하였다. 수집된 벼는 전국 8개도에서 수확된 것으로 품종이 표기된 벼의 품종별 분포는 새누리 31.7%, 일품 17.3%, 추청 8.6%, 오대 6.5%, 운광 3.6%, 신동진 2.9%, 삼광 2.9%, 새일미 2.2%, 일미 1.4%, 황금누리 1.4%, 대보 1.4%, 대안 1.4%, 남평 0.7%, 온누리 0.7% 순이였고 품종이 혼합된 벼가 17.3%를 차지하였다. 수집된 벼를 제현기(SY-88, Ssangyong, Incheon, Korea)를 이용하여 현미로 제현하였다.
- 판별식 작성을 위해 수집한 현미 신곡 84점과 구곡 87점에 대하여 G·O·P 시약을 처리한 후 전자눈 장비를 이용하여 사진 촬영을 하였다. 수확 후 얼마 지나지 않은 신곡 시료는 효소 활성도가 높아 시약의 착색 반응이 진하게 나타났고 수확 후 1년 이상 지난 구곡 시료는 시약의 착색 반응이 약하게 나타나 효소 활성도가 낮은 경향이었다(Fig. 1). 백미 시료의 경우에도 신곡과 구곡 시료의 시약 반응색에서 차이가 나타났지만(Hong et al.
- 여름에 수집한 구곡 시료를 기 구축된 판별식에 대입한 결과 구곡은 모두 100% 구곡으로 판별이 되었으나, 신곡 시료는 100% 구곡으로 판별이 되어 신곡의 판별 정확도는 0%로 나타났다. 시간이 지남에 따라 효소 함량이 변화됨을 알수 있었고 검사 시기별 판별식의 개발과 검증의 필요성을 확인하였다.
- 개발된 현미의 신곡과 구곡 판별식의 정확도를 알아보기 위해서 연산을 정확하게 알고 있는 시료를 수집하여 개발된 판별식에 대입하였다. 신곡 96점, 구곡 108점에 대해 신선도 감정을 위한 전처리를 한 후 선발된 29개의 칼라코드를 이용하여 기 개발된 판별식에 대입한 결과 신곡과 구곡 단일곡의 판별 정확도는 100%로 나타났다. 이는 Hong et al.
- 9%로 나타났다. 신곡과 구곡을 일정비율로 섞은 혼합시료의 비율별 판별 정확도를 살펴보면, 신곡8:구곡2(94.4%), 신곡7:구곡3(94.4%), 신곡5:구곡5(96.7%), 신곡3:구곡7(100.0%), 신곡2:구곡8(98.9%) 로 각각 나타났다. 현미 구곡의 비율이 20~50%로 혼합된 경우 구곡 혼합 비율이 높을수록 판별 정확도가 높게 나타났고, 구곡이 70%이상 혼합된 경우에는 99~100%의 정확도를 나타 내었다.
- Chrastil (1990)은 peroxidase 효소는 갓 수확된 벼 보다 10개월 보관된 벼에서 효소 함량이 낮아지는 결 과를 보고하였고, 비록 동일한 기간 동안 보관된 벼 일지라도 보관된 온도에 따라서 효소의 함량은 차이가 나타난다고 하였다. 쌀의 신곡과 구곡 등 연산을 판별하기 위한 연구는 다양한 환경적인 변수가 존재하지만 본 연구를 통한 의미있는 결과는 기존의 신선도 감정법을 현미의 신곡과 구곡 판별에 활용이 가능한지를 알아보았고 이를 통해 판별식 채택 기준인 95%이상(Choi et al. 2012)의 정확도를 나타내는 판별식을 개발할 수 있었다. 또한 확립된 현미의 전자눈 분석법을 신선도 감정이 요청된 현미 시료에 적용함으로써 신선도 감정 결과에 대한 객관적인 자료로도 활용한 바 있다.
- 수확 후 얼마 지나지 않은 겨울에 수집된 시료를 이용하여 구축한 판별식을 보관 기간이 8개월 정도 지나고 효소활성도가 급격하게 떨어질 것으로 추정되는 여름 시료에도 적용이 가능한지 알아보기 위하여, 신곡과 구곡 시료를 대상으로 검증시험을 실시하였다. 여름에 수집한 구곡 시료를 기 구축된 판별식에 대입한 결과 구곡은 모두 100% 구곡으로 판별이 되었으나, 신곡 시료는 100% 구곡으로 판별이 되어 신곡의 판별 정확도는 0%로 나타났다. 시간이 지남에 따라 효소 함량이 변화됨을 알수 있었고 검사 시기별 판별식의 개발과 검증의 필요성을 확인하였다.
- 2). 주성분 분석에 의한 통계 분석 결과 X축인 PC1의 변수 값은 69.8%이였고 Y축인 PC2의 변수값은 11.8%로 나타났다. 이것은 본 연구에 활용된 시료들에 대한 칼라 코드에 의한 분류가 Y축보다 X 축에서 6배 정도 높게 설명됨을 뜻한다.
- 9%) 로 각각 나타났다. 현미 구곡의 비율이 20~50%로 혼합된 경우 구곡 혼합 비율이 높을수록 판별 정확도가 높게 나타났고, 구곡이 70%이상 혼합된 경우에는 99~100%의 정확도를 나타 내었다. 이것은 현미는 백미의 결과보다 높은 확률로 혼합곡이 판별될 수 있다는 것을 의미한다.
- 본 연구에서도 PCA 보다 DFA 통계 기법을 활용하였을 때 신곡과 구곡이 더 잘 구분되는 것으로 나타났다. 현미 신곡과 구곡의 판별식 개발을 위하여 다중판별 분석을 수행한 결과 신곡의 판별분석 값은 4.4002로 나타났고 구곡은 -4.2485로 나타나 두 그룹의 중심과 중심 사이의 거리는 8.6487이였고 두 그룹간의 결정계수(r2 ) 값은 0.9744로 신곡과 구곡 시료는 통계 적인 유의차를 나타내었다. 신·구곡 판별식 개발에 사용된 시료는 전국에서 수집된 시료로서 연산 이외에 시료의 보관창고와 보관조건에 대한 이력 정보는 정확하게 알 수 없으나 다양한 환경에서 저장된 샘플로 사료된다.
- 5). 혼합곡 검증 결과를 살펴보면 백미에 비해 현미는 착색되는 정도가 더 선명하여 신곡과 구곡이 혼합되었을 때 색의 균일성이 많이 떨어지는 경향을 보인다. 본 연구에서 선발된 현미의 신구곡 판별용 칼라코드는 각각의 칼라 코드별 색 함량을 수치화함으로 혼합된 시료의 함량을 보다 더 식별력 있게 표현해주는 것으로 사료된다.
후속연구
- 또한 연구를 수행한 시기가 겨울이고 판별식 개발 시료와 검증 시료가 동일 한 시기에 수집이 되었기 때문에 시료들의 효소 활성도가 유사하여 혼합곡의 판별 정확도가 높게 나타난 것으로 사료된다. 그러나 시간이 지남에 따라 효소 함량은 줄어들 것으로 예상되기에 시간에 따른 효소 함량의 모니터링과 겨울에 구축된 판별식이 다음해 신곡이 수확되기 전까지 활용이 가능한지에 대한 자료가 더욱 더 확보되어야 할 것으로 생각된다.
- 이는 기 개발된 판별식의 신곡 시료와 비교하였을 때 보관기간이 8개월 정도 지난 여름에 수집된 신곡 시료의 효소 활성도가 떨어짐으로써 나타난 결과로 사료된다. 따라서 겨울에 개발된 판별식을 여름에 수집된 시료에 적용하기는 어려운 것으로 판단되며 여름 시기에 수집된 시료의 판별 정확도를 높이기 위해서는 수확 후 일정기간 보관된 시료를 대상으로 판별식의 추가 개발이 필요하다고 생각된다. 보관된 벼의 노화 메커니즘은 저장조건 등이 다르기에 매우 복잡하며 복합적인 과정을 거치는 것으로 보고된 바 있다 (Zhou et al.
- 향후 신선도가 아닌 신곡과 구곡을 판별하는 데에 활용되기 위해서는 벼의 보관기간 및 시기에 따른 판별식의 개발과 보관 이력이 명확한 시료에 대한 데이터 베이스 구축 등이 지속적으로 이루어져야 한다. 또한 현장에서 쉽게 검사가 가능한 휴대용 장비 및 키트 개발 등의 연구가 계속 수행된다면 양곡 유통질서 확립을 위한 현 장 업무에도 유용하게 활용될 수 있을 것으로 생각된다.
- 또한 확립된 현미의 전자눈 분석법을 신선도 감정이 요청된 현미 시료에 적용함으로써 신선도 감정 결과에 대한 객관적인 자료로도 활용한 바 있다. 향후 신선도가 아닌 신곡과 구곡을 판별하는 데에 활용되기 위해서는 벼의 보관기간 및 시기에 따른 판별식의 개발과 보관 이력이 명확한 시료에 대한 데이터 베이스 구축 등이 지속적으로 이루어져야 한다. 또한 현장에서 쉽게 검사가 가능한 휴대용 장비 및 키트 개발 등의 연구가 계속 수행된다면 양곡 유통질서 확립을 위한 현 장 업무에도 유용하게 활용될 수 있을 것으로 생각된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.