[국내논문]근적외선분광법을 이용한 동계사료작물 풀 사료의 수분함량 및 사료가치 평가 Evaluation of Moisture and Feed Values for Winter Annual Forage Crops Using Near Infrared Reflectance Spectroscopy원문보기
본 연구는 근적외선분광법을 이용한 조사료품질 검사의 현장 이용성을 확대하기 위하여 기존 사일리지 중심의 근적외선 DB에 저 수분 함량의 근적외선 DB를 추가하여 저 수분 조사료의 품질평가 가능성을 검토하고 통합된 동계사료작물 단일의 근적외선 검량식을 개발하기 위하여 전국에서 동계사료작물 조사료 2454점을 수집하였다. 각각의 시료는 근적외선 분광기를 이용하여 스펙트럼을 측정한 후 측정된 스펙트럼과 실험실 분석값간에 상관관계를 이용한 다변량회귀분석법을 통하여 동계사료작물 초종별로 검량식을 유도한 다음 각 성분별로 예측 정확성을 평가하였다. 초종별 동계사료작물의 수분함량 예측에 대한 검량식 작성 결과는 검량식 작성시 표준오차(SEC)와 상호검증표준오차(SECV)는 이탈리안 라이그라스가 각각 1.16%($R^2=0.99$)와 1.27%($R^2=0.99$)로 가장 우수한 예측능력을 보였으며 통합된 동계사료작물은 1.53%($R^2=0.99$)와 1.59%($R^2=0.99$)로 매우 양호한 예측능력을 나타냈다. ADF와 NDF함량 평가를 위해 개발된 검량식의 초종별 상호검증(SECV) 결과는 청보리가 각각 1.47%($R^2=0.75$)와 2.07%($R^2=0.52$)로 가장 낮게 나타났다. 조단백질 함량은 청보리(SECV=0.64%, $R^2=0.61$)를 제외하고는 모든 초종에서 양호한 예측능력을 보였으며 특히 통합된 동계사료작물(SECV=0.61%, $R^2=0.93$)이 가장 높은 예측결과를 나타냈다. 조회분 함량 평가에 대한 검량식 검증결과는 청보리(SECV=0.75%, $R^2=0.61$)와 호밀(SECV=0.81%, $R^2=0.68$)이 다소 낮은 예측 정확성을 나타냈으며 통합된 동계사료작물(SECV=0.45%, $R^2=0.90$)이 가장 높은 예측결과를 나타냈다.
본 연구는 근적외선분광법을 이용한 조사료품질 검사의 현장 이용성을 확대하기 위하여 기존 사일리지 중심의 근적외선 DB에 저 수분 함량의 근적외선 DB를 추가하여 저 수분 조사료의 품질평가 가능성을 검토하고 통합된 동계사료작물 단일의 근적외선 검량식을 개발하기 위하여 전국에서 동계사료작물 조사료 2454점을 수집하였다. 각각의 시료는 근적외선 분광기를 이용하여 스펙트럼을 측정한 후 측정된 스펙트럼과 실험실 분석값간에 상관관계를 이용한 다변량회귀분석법을 통하여 동계사료작물 초종별로 검량식을 유도한 다음 각 성분별로 예측 정확성을 평가하였다. 초종별 동계사료작물의 수분함량 예측에 대한 검량식 작성 결과는 검량식 작성시 표준오차(SEC)와 상호검증표준오차(SECV)는 이탈리안 라이그라스가 각각 1.16%($R^2=0.99$)와 1.27%($R^2=0.99$)로 가장 우수한 예측능력을 보였으며 통합된 동계사료작물은 1.53%($R^2=0.99$)와 1.59%($R^2=0.99$)로 매우 양호한 예측능력을 나타냈다. ADF와 NDF함량 평가를 위해 개발된 검량식의 초종별 상호검증(SECV) 결과는 청보리가 각각 1.47%($R^2=0.75$)와 2.07%($R^2=0.52$)로 가장 낮게 나타났다. 조단백질 함량은 청보리(SECV=0.64%, $R^2=0.61$)를 제외하고는 모든 초종에서 양호한 예측능력을 보였으며 특히 통합된 동계사료작물(SECV=0.61%, $R^2=0.93$)이 가장 높은 예측결과를 나타냈다. 조회분 함량 평가에 대한 검량식 검증결과는 청보리(SECV=0.75%, $R^2=0.61$)와 호밀(SECV=0.81%, $R^2=0.68$)이 다소 낮은 예측 정확성을 나타냈으며 통합된 동계사료작물(SECV=0.45%, $R^2=0.90$)이 가장 높은 예측결과를 나타냈다.
This study was carried out to explore the accuracy of near infrared spectroscopy(NIRS) for the prediction of moisture content and chemical parameters on winter annual forage crops. A population of 2454 winter annual forages representing a wide range in chemical parameters was used in this study. Sam...
This study was carried out to explore the accuracy of near infrared spectroscopy(NIRS) for the prediction of moisture content and chemical parameters on winter annual forage crops. A population of 2454 winter annual forages representing a wide range in chemical parameters was used in this study. Samples of forage were scanned at 1nm intervals over the wavelength range 680-2500nm and the optical data was recorded as log 1/Reflectance(log 1/R), which scanned in intact fresh condition. The spectral data were regressed against a range of chemical parameters using partial least squares(PLS) multivariate analysis in conjunction with spectral math treatments to reduced the effect of extraneous noise. The optimum calibrations were selected based on the highest coefficients of determination in cross validation($R^2$) and the lowest standard error of cross-validation(SECV). The results of this study showed that NIRS calibration model to predict the moisture contents and chemical parameters had very high degree of accuracy except for barely. The $R^2$ and SECV for integrated winter annual forages calibration were 0.99(SECV 1.59%) for moisture, 0.89(SECV 1.15%) for acid detergent fiber, 0.86(SECV 1.43%) for neutral detergent fiber, 0.93(SECV 0.61%) for crude protein, 0.90(SECV 0.45%) for crude ash, and 0.82(SECV 3.76%) for relative feed value on a dry matter(%), respectively. Results of this experiment showed the possibility of NIRS method to predict the moisture and chemical composition of winter annual forage for routine analysis method to evaluate the feed value.
This study was carried out to explore the accuracy of near infrared spectroscopy(NIRS) for the prediction of moisture content and chemical parameters on winter annual forage crops. A population of 2454 winter annual forages representing a wide range in chemical parameters was used in this study. Samples of forage were scanned at 1nm intervals over the wavelength range 680-2500nm and the optical data was recorded as log 1/Reflectance(log 1/R), which scanned in intact fresh condition. The spectral data were regressed against a range of chemical parameters using partial least squares(PLS) multivariate analysis in conjunction with spectral math treatments to reduced the effect of extraneous noise. The optimum calibrations were selected based on the highest coefficients of determination in cross validation($R^2$) and the lowest standard error of cross-validation(SECV). The results of this study showed that NIRS calibration model to predict the moisture contents and chemical parameters had very high degree of accuracy except for barely. The $R^2$ and SECV for integrated winter annual forages calibration were 0.99(SECV 1.59%) for moisture, 0.89(SECV 1.15%) for acid detergent fiber, 0.86(SECV 1.43%) for neutral detergent fiber, 0.93(SECV 0.61%) for crude protein, 0.90(SECV 0.45%) for crude ash, and 0.82(SECV 3.76%) for relative feed value on a dry matter(%), respectively. Results of this experiment showed the possibility of NIRS method to predict the moisture and chemical composition of winter annual forage for routine analysis method to evaluate the feed value.
따라서 본 연구는 근적외선분광법을 이용한 조사료품질 검사의 현장 이용성을 확대하기 위하여 기존 사일리지 중심의 근적외선 DB에 저 수분 함량의 근적외선 DB를 추가하여 저 수분 조사료의 품질평가 가능성을 검토하고 통합된 동계사료작물 단일의 근적외선 검량식을 개발하기 위하여 수행되었다.
제안 방법
냉동 보관되어진 동계사료작물 시료는 5℃ 냉장고에서 해동하여 식물체를 가위로 5~7cm정도로 절단하여 직경 15cm인 원형 시료 컵에 약 100g 정도를 충진하여 근적외선분광기(Unity SpectraStar 2500X, Brookfield, WI, USA)를 이용하여 680~2,500nm의 파장범위에서 매 1nm의 간격으로 반사도를 측정한 후 검량식 유도를 위해서 흡광도(log 1/R : absorbance)로 변환시켜 수집하였다.
대상 데이터
이탈리안 라이그라스, 호밀, 청보리 및 혼파재배 조사료(사일 리지, 헤일리지, 건초)는 전국 동계사료작물 사일리지 품질경연 대회에 출품된 것과 조사료 생산경영체, 농축협 TMR회사 및 생산농가에서 수집하였으며 또한 조사료 품질검사 및 등급화 사업에서 각 지역에서 품질검사 수행 중 이상 시료로 분류된 시료를 초종별로 각각 이탈리안 라이그라스 1,170점, 호밀 464점, 청보리 480점, 혼파 340점을 수집하였다. 수집된 시료는 NIR 스펙트럼 측정 전까지 -20℃ 냉동고에 밀봉하여 보관하였다.
데이터처리
15(Unity Scientific, Brookfield, CT, USA)를 이용하였다. 작성된 검량식의 예측 정확성에 대한 평가에는 검량식 결정계수(Determination Coefficient, R2 ), 검량식 표준오차(Standard Error of Calibration, SEC), 상호검증표준오차(Standard Error of Cross Validation, SECV)를 이용하였다. 최적의 검량식은 SECV가 가장 낮은 값을 갖는 것을 선택하였다.
이론/모형
수집된 동계사료작물 시료의 수분, 조단백질 및 조회분함량은 AOAC(1990)법에 의거하여 분석하였고 조단백질 함량은 Kjeldahl법(Kjeltec 2400 AUT, Foss Tecator, Eden Prairie, MN, USA)을 이용하여 분석하였다. 조사료의 neutral detergent fiber(NDF) 와 acid detergent fiber(ADF) 함량은 Goering and Van Soest(1970) 법에 준하여 Ankom fiber analyzer(ANKOM Technology Corp.
수집된 동계사료작물 시료의 수분, 조단백질 및 조회분함량은 AOAC(1990)법에 의거하여 분석하였고 조단백질 함량은 Kjeldahl법(Kjeltec 2400 AUT, Foss Tecator, Eden Prairie, MN, USA)을 이용하여 분석하였다. 조사료의 neutral detergent fiber(NDF) 와 acid detergent fiber(ADF) 함량은 Goering and Van Soest(1970) 법에 준하여 Ankom fiber analyzer(ANKOM Technology Corp., Fairport, NY, USA)로 분석하였다.
성능/효과
초종별 동계사료작물의 수분함량 예측에 대한 검량식 작성 결과는 검량식 작성시 표준오차(SEC)와 상호검증표준오차(SECV)는이탈리안 라이그라스가 각각 1.16%(R2=0.99)와 1.27%(R2=0.99)로 가장 우수한 예측능력을 보였으며 통합된 동계사료작물은 1.53% (R2=0.99)와 1.59%(R2 =0.99)로 매우 양호한 예측능력을 나타냈다. ADF와 NDF함량 평가를 위해 개발된 검량식의 초종별 상호검증 (SECV) 결과는 청보리가 각각 1.
조단백질 함량은 청보리(SECV=0.64%, R2=0.61)를 제외하고는 모든 초종에서 양호한 예측능력을 보였으며 특히 통합된 동계 사료작물(SECV=0.61%, R2=0.93)이 가장 높은 예측결과를 나타냈다. 수확된 조사료에 흙과 같은 이물질의 혼입 여부를 판정하기 위해 개발된 초종별 조회분 함량 평가에 대한 검량식 검증결과는 청보리(SECV=0.
93)이 가장 높은 예측결과를 나타냈다. 수확된 조사료에 흙과 같은 이물질의 혼입 여부를 판정하기 위해 개발된 초종별 조회분 함량 평가에 대한 검량식 검증결과는 청보리(SECV=0.75%, R2=0.61)와 호밀(SECV=0.81%, R2=0.68)이 다소 낮은 예측 정확성을 나타냈으며 통합된 동계사료작물 (SECV=0.45%, R2=0.90)이 가장 높은 예측결과를 나타냈다. 일반적으로 무기물은 근적외선 대역에서 흡수가 일어나지 않아 측정이 불가능한 것으로 알려졌으나(Whetsel, 1968), 근적외선 분광법을 이용하여 무기물 함량의 분석에 대한 성공사례가 많은 초종에서 보고되고 있다(Shenk and Westerhaus, 1985; Cozzolino and Moron, 2004).
이상의 연구결과를 종합해보면 국내산 조사료의 품질평가 측면에서 기존 사일리지 중심의 근적외선 DB에 저 수분 함량의 근적외선 DB를 추가함으로서 조사료 품질평가 품목을 사일리지에서 헤일리지와 건초까지 확대할 수 있음을 확인하였고 또한 초종 별로 따로 분리되어 구축된 동계사료작물 품질평가 근적외선 DB를 하나로 통합함으로서 현장에서 분석자의 초종구분에 대한 어려움을 해결하여 현장 활용성을 더욱 높일 것으로 사료된다
후속연구
99)로 매우 양호한 예측능력을 나타냈다. ADF와 NDF함량 평가를 위해 개발된 검량식의 초종별 상호검증 (SECV) 결과는 청보리가 각각 1.47%(R2=0.75)와 2.07%(R2=0.52)로 가장 낮게 나타났는데 이는 청보리 시료의 경우 알곡이 포함되어 있어 전체 시료에서 알곡이 차지하는 비율에 따라 섬유소 함량 차이가 발생되는 것으로 더 정확한 예측능력의 검량식을 개발하기 위해서는 다양한 알곡비율의 시료를 수집해야 할 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
근적외선분광법의 장점은 무엇인가?
최근 품질변이가 많은 농식품분야에서 다량 농산물의 품질을 신속하게 평가할 수 있는 기술로 근적외선분광법(Near infrared reflectance spectroscopy, NIRS)이 많이 이용되고 있다. 근적외선분광법은 비파괴 분석법으로 시료에 근적외선을 투여하면 각 유기성분 마다 파장별로 흡수하는 빛의 양이 달라 이 차이를 이용해 성분별 함량 분석 등 품질 및 안전성을 검사하는 방법으로서 분석시간이 단축되고 동시에 여러 성분의 분석이 가능하다는 장점을 가지고 있다.
동계사료작물 단일의 근적외선 검량식 개발을 위한 연구 방법은 무엇인가?
본 연구는 근적외선분광법을 이용한 조사료품질 검사의 현장 이용성을 확대하기 위하여 기존 사일리지 중심의 근적외선 DB에 저 수분 함량의 근적외선 DB를 추가하여 저 수분 조사료의 품질평가 가능성을 검토하고 통합된 동계사료작물 단일의 근적외선 검량식을 개발하기 위하여 전국에서 동계사료작물 조사료 2454점을 수집하였다. 각각의 시료는 근적외선 분광기를 이용하여 스펙트럼을 측정한 후 측정된 스펙트럼과 실험실 분석값간에 상관관계를 이용한 다변량회귀분석법을 통하여 동계사료작물 초종별로 검량식을 유도한 다음 각 성분별로 예측 정확성을 평가하였다. 초종별 동계사료작물의 수분함량 예측에 대한 검량식 작성 결과는 검량식 작성시 표준오차(SEC)와 상호검증표준오차(SECV)는 이탈리안 라이그라스가 각각 1.
근적외선분광법이란 무엇인가?
최근 품질변이가 많은 농식품분야에서 다량 농산물의 품질을 신속하게 평가할 수 있는 기술로 근적외선분광법(Near infrared reflectance spectroscopy, NIRS)이 많이 이용되고 있다. 근적외선분광법은 비파괴 분석법으로 시료에 근적외선을 투여하면 각 유기성분 마다 파장별로 흡수하는 빛의 양이 달라 이 차이를 이용해 성분별 함량 분석 등 품질 및 안전성을 검사하는 방법으로서 분석시간이 단축되고 동시에 여러 성분의 분석이 가능하다는 장점을 가지고 있다.
참고문헌 (26)
10.7740/kjcs.2012.57.3.296 Ahn, H. and Kim, Y. 2012. Discrimination of Korean domestic and foreign soybeans using Near Infrared Reflectance Spectroscopy. Korean Journal of Crop Science/Hanguk Jakmul Hakhoe Chi. 57(3):296-300.
AOAC.1990. Official Methods of Analysis, 15th ed. Association of Official Analytical Chemists, Washington, DC.
Choe, E.Y. , Hong, S.Y. , Kim, Y.H. , and Zhang, Y.S. 2010. Estimation and mapping of soil organic matter using visible-near infrared spectroscopy. Korean Journal of Soil Science and Fertilizer. 43(6):968-974.
10.2134/agronj1987.00021962007900030016x Clark, D.H. , Mayland, H.F. , and Lamb, R.C.1987. Mineral Analysis of Forages with near Infrared Reflectance Spectroscopy 1. Agronomy Journal. 79(3):485-490.
Cozzolino, D. and Moron, A. 2004. Exploring the use of near infrared reflectance spectroscopy (NIRS) to predict trace minerals in legumes. Animal Feed Science and Technology, 111(1-4):161-173.
10.1002/jsfa.2740630407 GarciaCiudad, A. , GarciaCriado, B. , PerezCorona, M.E., De Aldana, B.R.V., and RuanoRamos, A.M.1993. Application of nearinfrared reflectance spectroscopy to chemical analysis of heterogeneous and botanically complex grassland samples. Journal of the Science of Food and Agriculture. 63(4):419-426.
Goering, H.K. and Van Soest, P.J. 1970. Forage Fiber Analysis. Agric. Handb. 379. US Department of Agriculture, Washington, DC.
Holland, C.W. , Kezar, W.P. Kautz, E.J. Lazowski, W.C. Mahanna, and Reinhart, R. . 1990. The Pioneer Forage Manual-A Nutritional Guide. Pioneer Hi-Bred Int. Inc., Des Moines, IA.
Hruschka, W.R. 1987. Data analysis: wavelength selection methods. In P. Williams and K. Norris (eds.) Near-Infrared Technology in the Agricultural and Food Industries. St. Paul, MN: Am. Assoc. of Cereal Chemists Inc.. p. 35-55.
10.5333/KGFS.2009.29.3.253 Ki, K.S. , Kim, S.B. , Lee, H.J. , Yang, S.H. , Lee, J.S. , Jin, Z.L. , and Cho, J.K. 2009. Prediction on the quality of total mixed ration for dairy cows by near infrared reflectance spectroscopy. Journal of The Korean Society of Grassland and Forage Science. 29(3):253-262.
Kim, J.S. , Song, M.H. , Choi, J.E. , Lee, H.B. , and Ahn, S.N. 2008. Quantification of protein and amylose contents by near infrared reflectance spectroscopy in aroma rice. Korean Journal of Food Science and Technology. 40(6):603-610.
10.9787/KJBS.2016.48.4.442 Kim, K. , Kang, C. , Choi, I. , Kim, H. , Hyun, J. , and Park, C. 2016. Analysis of grain characteristics in Korean wheat and screening wheat for quality using near infrared reflectance spectroscopy. Korean Journal of Breeding Science. 48(4):442-449.
10.5333/KGFS.2019.39.1.31 Lee, H.W. , Kim, J.D. , Kim, W.H. , and Lee, J.K. 2009. Prediction on the Quality of Forage Crop by Near Infrared Reflectance Spectroscopy. Journal of The Korean Society of Grassland and Forage Science. 29(1):31-36.
Lee, K.J. , Kang, S.W. , and Choi, K.H. 2004. Nondestructive quality measurement of fruits and vegetables using near-infrared spectroscopy. Food Engineering Progress.
MAFRA.2019. Business Enforcement Policy on Government's Support for Forage Production Enlargement. Minister of Agriculture Food and Rural Affairs.
10.5333/KGFS.2012.32.3.301 Park, H.S. , Lee, S.H. , Choi, K.C. , Lim, Y.C. , Kim, J.G. , Jo, K.C. , and Choi, G.J. 2012. Evaluation of the quality of Italian ryegrass silages by near infrared spectroscopy. Journal of The Korean Society of Grassland and Forage Science. 32(3):301-308.
10.5333/KGFS.2014.34.3.209 Park, H.S. , Lee, S.H. , Choi, K.C. , Lim, Y.C. , Kim, J.H. , Lee, K.W. , and Choi, G.J. 2014. Prediction of the Chemical Composition and Fermentation Parameters of Winter Rye Silages by Near Infrared Spectroscopy. Journal of The Korean Society of Grassland and Forage Science. 34(3):209-213.
10.5333/KGFS.2013.33.3.171 Park, H.S. , Lee, S.H. , Lim, Y.C. , Seo, S. , Choi, K.C. , Kim, J.H. , and Choi, G.J. 2013. Prediction of the Chemical Composition of Fresh Whole Crop Barley Silages by Near Infrared Spectroscopy. Journal of The Korean Society of Grassland and Forage Science. 33(3):171-176.
Scientific, U. 2010. Ucal version 1.10 operation manual. Unity Scientific, LLC., Columbus, MD.
10.2135/cropsci1985.0011183X002500060054x Shenk, J.S. and Westerhaus, M.O. 1985. Accuracy of Nirs Instruments to Analyze Forage and Grain 1. Crop science, 25(6):1120-1122.
Shenk, J. S. , and Westerhaus, M. O. 1991a. Population definition, sample selection, and calibration procedures for near infrared reflectance spectroscopy. Crop science. 31(2):469-474.
10.2135/cropsci1991.0011183X003100060034x Shenk, J.S. and Westerhaus, M.O. 1991b. Population structuring of near infrared spectra and modified partial least squares regression. Crop Science. 31:1548-1555.
10.9727/jmsk.2016.29.3.89 Shin, J.H. , Yu, J. , Jeong, Y.S. , Kim, S. , Koh, S.M. , and Park, G. 2016. Spectral characteristics of heavy metal contaminated soils in the vicinity of Boksu mine. Journal of the Mineralogical Society of Korea. 29(3):89-101.
10.4141/cjps87-102 Valdes, E.V. , R.B. Hunter and Pinter, L. 1987. Determination of quality parameters by near infrared reflectance spectroscopy in whole-plant corn silage. Canadian journal of plant science. 67(3):747-754.
10.1016/S0731-7085(99)00145-4 Woo, Y.A. , Kim, H.J. , Cho, J. , and Chung, H. 1999. Discrimination of herbal medicines according to geographical origin with near infrared reflectance spectroscopy and pattern recognition techniques. Journal of pharmaceutical and biomedical analysis. 21(2):407-413.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.