본 연구는 근적외선분광법을 이용하여 국내에서 재배중인 수수×수단그라스 교잡종 품 판별 가능성을 검토하고자 수행되었다. 근적외선분광기를 이용하여 수수×수단그라스 교잡종 종자를 가시파장 대역대 (680 - 1,099 nm), NIRS 파장 대역대 (1,100 - 2,500 nm) 및 NIRS 전체 파장 대역대 (680 - 2,500 nm)로 구분하여 스펙트라를 얻은 후 1차 미분과 8 nm gap으로 수 처리를 수행하였으며 부분최소자승 (PLS) 회귀분석법을 통해 품종판별 검량식을 개발하고 판별 정확성을 검증하였다. 수수×수단그라스 교잡종품종 판별의 정확성은 NIR파장대역에서 SECV 8.44 그리고 R2CV 0.89로 가장 판별 정확성이 낮았으며 NIRS 전체 파장대역에서 SECV 7.88 그리고 R2CV 0.90로 가장 높은 판별 정확성을 나타내었다. 파장대역별 예측 정확성은 NIR 파장대역 (1,100 - 2,500 nm)이 가장 우수하였으며, 교차검증오차 (SECV) 8.44에서 예측오차 (SEP) 12.03로 높아졌으며 가시영역대 (680 - 1,099)는 SECV 8.23에서 SEP 12.51로 높아졌다. Discrimination equation분석법에 의한 NIRS 전체 파장대역별 수수×수단그라스 교잡종 종자의 판별 결과는 품종간에 판별 정확성의 차이가 크게 나타났으며 1, 2, 4 그리고 8번 품종 (G-7, BMR Gold II, Honey chew and SX-17)에서는 100 %의 정확성으로 가장 높게 나타났다. 따라서 NIRS를 이용한 수수×수단그라스 교잡종 종자의 판별분석이 가능할 것으로 판단되었다.
본 연구는 근적외선분광법을 이용하여 국내에서 재배중인 수수×수단그라스 교잡종 품 판별 가능성을 검토하고자 수행되었다. 근적외선분광기를 이용하여 수수×수단그라스 교잡종 종자를 가시파장 대역대 (680 - 1,099 nm), NIRS 파장 대역대 (1,100 - 2,500 nm) 및 NIRS 전체 파장 대역대 (680 - 2,500 nm)로 구분하여 스펙트라를 얻은 후 1차 미분과 8 nm gap으로 수 처리를 수행하였으며 부분최소자승 (PLS) 회귀분석법을 통해 품종판별 검량식을 개발하고 판별 정확성을 검증하였다. 수수×수단그라스 교잡종품종 판별의 정확성은 NIR파장대역에서 SECV 8.44 그리고 R2CV 0.89로 가장 판별 정확성이 낮았으며 NIRS 전체 파장대역에서 SECV 7.88 그리고 R2CV 0.90로 가장 높은 판별 정확성을 나타내었다. 파장대역별 예측 정확성은 NIR 파장대역 (1,100 - 2,500 nm)이 가장 우수하였으며, 교차검증오차 (SECV) 8.44에서 예측오차 (SEP) 12.03로 높아졌으며 가시영역대 (680 - 1,099)는 SECV 8.23에서 SEP 12.51로 높아졌다. Discrimination equation 분석법에 의한 NIRS 전체 파장대역별 수수×수단그라스 교잡종 종자의 판별 결과는 품종간에 판별 정확성의 차이가 크게 나타났으며 1, 2, 4 그리고 8번 품종 (G-7, BMR Gold II, Honey chew and SX-17)에서는 100 %의 정확성으로 가장 높게 나타났다. 따라서 NIRS를 이용한 수수×수단그라스 교잡종 종자의 판별분석이 가능할 것으로 판단되었다.
The aim of this study was to investigate the feasibility of discrimination 12 different cultivar of sorghum × sudangrass hybrid (Sorghum genus) seed through near infrared spectroscopy (NIRS). The amount of samples for develop to the best discriminant equation was 360. Whole samples were applied...
The aim of this study was to investigate the feasibility of discrimination 12 different cultivar of sorghum × sudangrass hybrid (Sorghum genus) seed through near infrared spectroscopy (NIRS). The amount of samples for develop to the best discriminant equation was 360. Whole samples were applied different three spectra range (visible, NIR and full range) within 680-2500 nm wavelength and the spectrastar 2500 Near near infrared was used to measure spectra. The calibration equation for discriminant analysis was developed partial least square (PLS) regression and discrimination equation (DE) analysis. The PLS discriminant analysis model for three spectra range developed with mathematic pretreatment 1,8,8,1 successfully discriminated 12 different sorghum genus. External validation indicated that all samples were discriminated correctly. The whole discriminant accuracy shown 82 ~ 100 % in NIR full range spectra. The results demonstrated the usefulness of NIRS combined with chemometrics as a rapid method for discrimination of sorghum × sudangrass hybrid cultivar through seed.
The aim of this study was to investigate the feasibility of discrimination 12 different cultivar of sorghum × sudangrass hybrid (Sorghum genus) seed through near infrared spectroscopy (NIRS). The amount of samples for develop to the best discriminant equation was 360. Whole samples were applied different three spectra range (visible, NIR and full range) within 680-2500 nm wavelength and the spectrastar 2500 Near near infrared was used to measure spectra. The calibration equation for discriminant analysis was developed partial least square (PLS) regression and discrimination equation (DE) analysis. The PLS discriminant analysis model for three spectra range developed with mathematic pretreatment 1,8,8,1 successfully discriminated 12 different sorghum genus. External validation indicated that all samples were discriminated correctly. The whole discriminant accuracy shown 82 ~ 100 % in NIR full range spectra. The results demonstrated the usefulness of NIRS combined with chemometrics as a rapid method for discrimination of sorghum × sudangrass hybrid cultivar through seed.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
, 2015), 동일 초종 내 품종 판별에 대한 연구 결과는 전무한 실정이다. 따라서 본 연구는 근적외선분광법 (NIRS)을 통해 종자형태로 품종 판별이 어려운 수수×수단그라 스 교잡종 종자 9 품종의 정확한 판별을 위해 실시하였다.
본 연구는 근적외선분광법을 이용하여 국내에서 재배중인 수 수×수단그라스 교잡종 품 판별 가능성을 검토하고자 수행되었다. 근적외선분광기를 이용하여 수수×수단그라스 교잡종 종자를 가 시파장 대역대 (680 - 1,099 nm), NIRS 파장 대역대 (1,100 - 2,500 nm) 및 NIRS 전체 파장 대역대 (680 - 2,500 nm)로 구분하여 스펙트라를 얻은 후 1차 미분과 8 nm gap으로 수 처리를 수행하 였으며 부분최소자승 (PLS) 회귀분석법을 통해 품종판별 검량식 을 개발하고 판별 정확성을 검증하였다.
제안 방법
검량식 개발 (calibration set)을 위해 사용되어진 시료 수는 360점이었고 개발된 검량식의 검증 (validation set)을 위해 사용되어진 시료는 90점으로 품종 별로 각각 10점을 수집하였다. 각 시료의 평균 스펙트라를 얻기 위해서 680-2,500 nm범위에서 1 nm 간격으로 반사도를 측정한 후, 검량식 개발을 위해서 흡광도는 측정된 반사도에 대한 역수 의 대수값 (Log 1/R : absorbance)으로 변환시켜 사용하였다.
9개의 품종은 ‘지세 븐 (G-7, 만생종, 비 출수형)’, ‘비엠알 골드 투 (BMR GoldⅡ, 조 생종, 출수형 BMR)’, ‘그린스타 (Greenstar, 만생종, 비 출수형)’, ‘허니츄 비엠알 (Honey chew BMR, 만생종, 비 출수형 BMR)’, ‘소르단79 (Sordan79, 중생종, 출수형)’, ‘에스에스301비엠알 (SS 301BMR, 만생종, 비 출수형 BMR)’, ‘슈퍼단 (Superdan, 중생종, 출 수형)’, ‘에스엑스17 (SX-17, 중·만생종, 출수형)’, ‘터보골드 (Turbo gold, 만생종, 비 출수형)’을 이용하였다. 각 품종별 종자 시료의 전체 스펙트라를 측정하기 위하여 Spectrastar 2500 근적외선분광 기 (Unity Scientific, Brookfield, USA)를 이용하였으며, 품종별 종자 시료 4 g을 표준원형 시료컵 (직경 35 mm, 깊이 10 mm)에 충진하여 품종별로 40개씩 측정하였다. 검량식 개발 (calibration set)을 위해 사용되어진 시료 수는 360점이었고 개발된 검량식의 검증 (validation set)을 위해 사용되어진 시료는 90점으로 품종 별로 각각 10점을 수집하였다.
본 연구는 근적외선분광법을 이용하여 국내에서 재배중인 수 수×수단그라스 교잡종 품 판별 가능성을 검토하고자 수행되었다. 근적외선분광기를 이용하여 수수×수단그라스 교잡종 종자를 가 시파장 대역대 (680 - 1,099 nm), NIRS 파장 대역대 (1,100 - 2,500 nm) 및 NIRS 전체 파장 대역대 (680 - 2,500 nm)로 구분하여 스펙트라를 얻은 후 1차 미분과 8 nm gap으로 수 처리를 수행하 였으며 부분최소자승 (PLS) 회귀분석법을 통해 품종판별 검량식 을 개발하고 판별 정확성을 검증하였다. 수수×수단그라스 교잡종 품종 판별의 정확성은 NIR파장대역에서 SECV 8.
3에서 보는 바와 같다. 수수× 수단그라스 교잡종 종자 판별 검량식 개발을 위하여 이탈리안 라 이그라스의 loading value 10~90으로 설정한 다음, 1차 미분한 스펙트라를 PLS 회귀분석법을 적용하여 검량식을 유도하였다. 검량식 작성 후에는 다시 교차검증 (cross validation)을 사용하여 내부검증을 하였다.
품종별로 얻어진 스펙트라는 중첩으로 인해 생기는 noise와 bias 를 줄이기 위해 수 처리를 하였으며 수 처리는 1차 미분을 수행 한 뒤 미분된 각 스펙트라를 다시 1차 smoothing과 스펙트라 gap 을 몇 가지 처리로 조합하여 수 처리 (1,8,8,1)하였다. 스펙트라 데이터의 분석 그리고 품종 판별을 위해 개발한 검량식은 U-cal software ver 2.
대상 데이터
근적외선분광법을 이용하여 수수×수단그라스 교잡종 종자의 품종을 판별하기 위해 2018년에 수입된 수수×수단그라스 교잡종 9 품종을 국내 종자회사로부터 수집하였다. 9개의 품종은 ‘지세 븐 (G-7, 만생종, 비 출수형)’, ‘비엠알 골드 투 (BMR GoldⅡ, 조 생종, 출수형 BMR)’, ‘그린스타 (Greenstar, 만생종, 비 출수형)’, ‘허니츄 비엠알 (Honey chew BMR, 만생종, 비 출수형 BMR)’, ‘소르단79 (Sordan79, 중생종, 출수형)’, ‘에스에스301비엠알 (SS 301BMR, 만생종, 비 출수형 BMR)’, ‘슈퍼단 (Superdan, 중생종, 출 수형)’, ‘에스엑스17 (SX-17, 중·만생종, 출수형)’, ‘터보골드 (Turbo gold, 만생종, 비 출수형)’을 이용하였다. 각 품종별 종자 시료의 전체 스펙트라를 측정하기 위하여 Spectrastar 2500 근적외선분광 기 (Unity Scientific, Brookfield, USA)를 이용하였으며, 품종별 종자 시료 4 g을 표준원형 시료컵 (직경 35 mm, 깊이 10 mm)에 충진하여 품종별로 40개씩 측정하였다.
각 품종별 종자 시료의 전체 스펙트라를 측정하기 위하여 Spectrastar 2500 근적외선분광 기 (Unity Scientific, Brookfield, USA)를 이용하였으며, 품종별 종자 시료 4 g을 표준원형 시료컵 (직경 35 mm, 깊이 10 mm)에 충진하여 품종별로 40개씩 측정하였다. 검량식 개발 (calibration set)을 위해 사용되어진 시료 수는 360점이었고 개발된 검량식의 검증 (validation set)을 위해 사용되어진 시료는 90점으로 품종 별로 각각 10점을 수집하였다. 각 시료의 평균 스펙트라를 얻기 위해서 680-2,500 nm범위에서 1 nm 간격으로 반사도를 측정한 후, 검량식 개발을 위해서 흡광도는 측정된 반사도에 대한 역수 의 대수값 (Log 1/R : absorbance)으로 변환시켜 사용하였다.
근적외선분광법을 이용하여 수수×수단그라스 교잡종 종자의 품종을 판별하기 위해 2018년에 수입된 수수×수단그라스 교잡종 9 품종을 국내 종자회사로부터 수집하였다. 9개의 품종은 ‘지세 븐 (G-7, 만생종, 비 출수형)’, ‘비엠알 골드 투 (BMR GoldⅡ, 조 생종, 출수형 BMR)’, ‘그린스타 (Greenstar, 만생종, 비 출수형)’, ‘허니츄 비엠알 (Honey chew BMR, 만생종, 비 출수형 BMR)’, ‘소르단79 (Sordan79, 중생종, 출수형)’, ‘에스에스301비엠알 (SS 301BMR, 만생종, 비 출수형 BMR)’, ‘슈퍼단 (Superdan, 중생종, 출 수형)’, ‘에스엑스17 (SX-17, 중·만생종, 출수형)’, ‘터보골드 (Turbo gold, 만생종, 비 출수형)’을 이용하였다.
데이터처리
수수× 수단그라스 교잡종 종자 판별 검량식 개발을 위하여 이탈리안 라 이그라스의 loading value 10~90으로 설정한 다음, 1차 미분한 스펙트라를 PLS 회귀분석법을 적용하여 검량식을 유도하였다. 검량식 작성 후에는 다시 교차검증 (cross validation)을 사용하여 내부검증을 하였다. 교차검증은 검량식 작성에 사용된 시료를 제외한 나머지 시료를 이용하여 도출된 검량식을 예측 검증하는 방법으로 SECV와 R2 CV 값으로 정확도를 검증하였다.
검량식 작성 후에는 다시 교차검증 (cross validation)을 사용하여 내부검증을 하였다. 교차검증은 검량식 작성에 사용된 시료를 제외한 나머지 시료를 이용하여 도출된 검량식을 예측 검증하는 방법으로 SECV와 R2 CV 값으로 정확도를 검증하였다. 검량식 작 성은 최적화된 factor (파장요인)의 수를 결정하는 것이 중요하며 일반적으로 factor의 수가 증가할수록 R2 과 SEC값이 좋아지는 반면 SECV 값이 증가하므로 적절한 factor를 선택해야 over fitting이 일어나지 않고 정확한 검량식을 유도할 수 있다.
품종별로 얻어진 스펙트라는 중첩으로 인해 생기는 noise와 bias 를 줄이기 위해 수 처리를 하였으며 수 처리는 1차 미분을 수행 한 뒤 미분된 각 스펙트라를 다시 1차 smoothing과 스펙트라 gap 을 몇 가지 처리로 조합하여 수 처리 (1,8,8,1)하였다. 스펙트라 데이터의 분석 그리고 품종 판별을 위해 개발한 검량식은 U-cal software ver 2.0 프로그램을 이용하였으며 NIR loading value를 품종별로 달리 지정한 후 부분최소자승법 (PLS : partial least square)을 사용한 회귀분석법에 의하여 작성하였다. 얻어진 검량 식의 판별 정확도는 상관계수 (R), 검량식의 상호검증 표준오차 (SECV : standard error of cross validation)와 예측 표준오차 (SEP: standard error of prediction)를 확인하였다.
0 프로그램을 이용하였으며 NIR loading value를 품종별로 달리 지정한 후 부분최소자승법 (PLS : partial least square)을 사용한 회귀분석법에 의하여 작성하였다. 얻어진 검량 식의 판별 정확도는 상관계수 (R), 검량식의 상호검증 표준오차 (SECV : standard error of cross validation)와 예측 표준오차 (SEP: standard error of prediction)를 확인하였다. 또한 농산물 원산지 판별에 주로 활용되고 있는 Discriminant Equation 알고 리즘(Howard, 1992)을 적용하여 수수×수단그라스 교잡종의 품 종 판별 가능성을 검토하였다.
이론/모형
얻어진 검량 식의 판별 정확도는 상관계수 (R), 검량식의 상호검증 표준오차 (SECV : standard error of cross validation)와 예측 표준오차 (SEP: standard error of prediction)를 확인하였다. 또한 농산물 원산지 판별에 주로 활용되고 있는 Discriminant Equation 알고 리즘(Howard, 1992)을 적용하여 수수×수단그라스 교잡종의 품 종 판별 가능성을 검토하였다. Discriminant Equation 분석은 WINISI Ⅱ software ver 1.
성능/효과
51로 높아졌다. Discrimination equation 분석법 에 의한 NIRS 전체 파장대역별 수수×수단그라스 교잡종 종자의 판별 결과는 품종간에 판별 정확성의 차이가 크게 나타났으며 1, 2, 4 그리고 8번 품종 (G-7, BMR Gold Ⅱ, Honey chew and SX-17)에서는 100 %의 정확성으로 가장 높게 나타났다. 따라서 NIRS를 이용한 수수×수단그라스 교잡종 종자의 판별분석이 가 능할 것으로 판단되었다
(Howard, 1992). Discrimination equation 분석법에 의한 NIRS 파장대역별 수수×수단그라스 교잡종 종자 판별 결과는 가시영역대에서는 모든 품종이 64 ~ 100%의 비율 로 정확성을 가지고 정확하게 (Hits) 판별하였고 정확하지는 않 지만 2~12 % 비율로 부정확하게 판별 (Uncertain)하였으며 전혀 판별을 하지 못하는 (Miss) 시료는 4~24 % 비율로 나타났다.하지만 NIRS 파장 영역대에서는 ‘Hits’의 비율이 가시영역대보다 높게 나타났으며, 9번 품종 (Turbo gold)을 제외하고 부정확한 판별결과가 나타나지 않았다.
하지만 NIRS 파장 영역대에서는 ‘Hits’의 비율이 가시영역대보다 높게 나타났으며, 9번 품종 (Turbo gold)을 제외하고 부정확한 판별결과가 나타나지 않았다. NIRS 전체 영역대에서는 품종간에 판별 정확성이 차이가 비교적 낮게 나타났으며, 모든 품종이 84 ~ 100 %의 비율로 정확하게 판별되었고 부정확한 판별이 2% 그리고 판별이 불가한 시료는 2 ~ 18 % 비율로 나타났다. 국내에서 NIRS를 이용한 discrimination equation으로 농산물의 원산지 판 별을 수행한 결과를 보면 Chun and Cho (2007)는 국산과 일본산 녹차 판별에서 79.
3에서 보는 바와 같다. 검증 결과는 가시영역 파장대에서 loading value 평균값이 45.84로 상관값이 0.73으로 다른 파장대역보다 예측능 력이 낮은 것으로 나타났다. 파장대역별 예측 정확성은 NIR 파장 대역 (1100 - 2500 nm)에서의 교차검증오차 값이 (SECV) 8.
Discrimination equation 분석법 에 의한 NIRS 전체 파장대역별 수수×수단그라스 교잡종 종자의 판별 결과는 품종간에 판별 정확성의 차이가 크게 나타났으며 1, 2, 4 그리고 8번 품종 (G-7, BMR Gold Ⅱ, Honey chew and SX-17)에서는 100 %의 정확성으로 가장 높게 나타났다. 따라서 NIRS를 이용한 수수×수단그라스 교잡종 종자의 판별분석이 가 능할 것으로 판단되었다
51로 낮아졌다. 따라서 미지의 시료를 이용하여 검증한 결과 개발된 검량식의 판별 정확성을 확인할 수 있었으며 NIRS에서 본 검량식을 이용하면 동일 초종 내에서 의 품종판별이 가능할 것으로 판단된다.
검량식 작 성은 최적화된 factor (파장요인)의 수를 결정하는 것이 중요하며 일반적으로 factor의 수가 증가할수록 R2 과 SEC값이 좋아지는 반면 SECV 값이 증가하므로 적절한 factor를 선택해야 over fitting이 일어나지 않고 정확한 검량식을 유도할 수 있다. 수수× 수단그라스 교잡종 종자 12 품종의 파장대역별에 따라 유도된 검량식의 판별 정확성은 모든 파장대에서 우수한 결과를 보였다. 수수×수단그라스 교잡종 종자의 품종 판별 정확성은 NIR 파장 대역에서 SECV 8.
수수× 수단그라스 교잡종 종자 12 품종의 파장대역별에 따라 유도된 검량식의 판별 정확성은 모든 파장대에서 우수한 결과를 보였다. 수수×수단그라스 교잡종 종자의 품종 판별 정확성은 NIR 파장 대역에서 SECV 8.44 그리고 R2 CV 0.89으로 가장 판별 정확성이 낮았으며 NIRS 전체 파장대역에서 SECV 7.88 그리고 R2 CV 0.09 로 가장 높은 판별 정확성을 나타내었다. Ahan and Kim (2012) 은 NIRS 전체 파장대역 (400 - 2500 nm)에서 국내산 콩과 수입 산 콩의 원산지 판별이 가능하다고 보고하였으며, He et al (2007) 은 NIRS의 PCA기법을 이용하여 가시파장대역 (325 - 1075 nm) 에서 녹차의 품종판별이 가능하였다는 보고를 하였다.
근적외선분광기를 이용하여 수수×수단그라스 교잡종 종자를 가 시파장 대역대 (680 - 1,099 nm), NIRS 파장 대역대 (1,100 - 2,500 nm) 및 NIRS 전체 파장 대역대 (680 - 2,500 nm)로 구분하여 스펙트라를 얻은 후 1차 미분과 8 nm gap으로 수 처리를 수행하 였으며 부분최소자승 (PLS) 회귀분석법을 통해 품종판별 검량식 을 개발하고 판별 정확성을 검증하였다. 수수×수단그라스 교잡종 품종 판별의 정확성은 NIR파장대역에서 SECV 8.44 그리고 R2 CV 0.89로 가장 판별 정확성이 낮았으며 NIRS 전체 파장대역에서 SECV 7.88 그리고 R2 CV 0.90로 가장 높은 판별 정확성을 나타 내었다. 파장대역별 예측 정확성은 NIR 파장대역 (1,100 - 2,500 nm)이 가장 우수하였으며, 교차검증오차 (SECV) 8.
73으로 다른 파장대역보다 예측능 력이 낮은 것으로 나타났다. 파장대역별 예측 정확성은 NIR 파장 대역 (1100 - 2500 nm)에서의 교차검증오차 값이 (SECV) 8.44에서 예측 오차 (SEP) 12.03로 높아졌으며 가시영역대 (680 - 1099) 는 SECV 8.23에서 SEP 12.51로 낮아졌다. 따라서 미지의 시료를 이용하여 검증한 결과 개발된 검량식의 판별 정확성을 확인할 수 있었으며 NIRS에서 본 검량식을 이용하면 동일 초종 내에서 의 품종판별이 가능할 것으로 판단된다.
90로 가장 높은 판별 정확성을 나타 내었다. 파장대역별 예측 정확성은 NIR 파장대역 (1,100 - 2,500 nm)이 가장 우수하였으며, 교차검증오차 (SECV) 8.44에서 예측 오차 (SEP) 12.03로 높아졌으며 가시영역대 (680 - 1,099)는 SECV 8.23에서 SEP 12.51로 높아졌다. Discrimination equation 분석법 에 의한 NIRS 전체 파장대역별 수수×수단그라스 교잡종 종자의 판별 결과는 품종간에 판별 정확성의 차이가 크게 나타났으며 1, 2, 4 그리고 8번 품종 (G-7, BMR Gold Ⅱ, Honey chew and SX-17)에서는 100 %의 정확성으로 가장 높게 나타났다.
후속연구
이러한 결과의 차이는 주성분분석에 사용된 Principle component (주요성분)의 수에 영향을 받는 것으로 생각된다. 따라서 정확한 주 성분분석이 뒷받침 된다면 NIRS를 이용한 discrimination equation 방법도 수수×수단그라스 교잡종 종자 품종 판별에 이용될 수 있을 것으로 판단된다.
참고문헌 (17)
Ahan, H.G. and Kim, Y.H. 2012. Discrimination of Korean domestic and foreign soybeans using near infrared reflectance spectroscopy. Korean Journal of Crop Science. 57(3):296-300.
Akiko, T., Takuya, S. and Sumio, K. 2011. Nondestructive determination of tannin content in dividual acorns by near-infrared spectroscopy. Ecological Research. 26(3):679-685.
Aldo, R., Luis, G., Ezequiel, O., Catalina, I. and Natalia, P. 2011. Near-infrared reflectance spectroscopy (NIRS) for protein, tryptophan, and Lysine evaluation in quality protein maize (QPM) breeding programs. Journal of Agricultural and Food Chemistry. 59(20):10781-10786.
Chun, J.U. 2007. Use of near-infrared spectroscopy for discriminating Korean and Chinese green tea products. Journal of Korean Tea Society. 13(2):97-110.
Chun, J.U. and Cho, K.C. 2007. Discrimination of Korean and Japanese green tea products using NIR spectroscopy. Journal of Korean Tea Society. 13(1):93-104.
Chun, W.B., Choi, K.C. and Kim, K.H. 1995. Comparison of sorghum-sudangrass hybrids for feeding value and forage production in Chonam region. Journal of the Korean Society of Grassland and Forage Science. 15(1):67-72.
Gokhan, H., Bismark, L. and Mark, S. 2010. Near infrared reflectance spectroscopy predicts protein, starch, and seed weight in intact seed of common bean (Phaseolusvulgaris L.). Journal of Agricultural and Food Chemistry. 58(2):702-706.
He, Y., Li, X. and Deng, X. 2007. Discrimination of varieties of tea using near infrared spectroscopy by principal component analysis and BP model. Journal of Food Engineering. 79(4):1238-1242.
Howard, M. 1992. Qualitative discriminant analysis. In Handbook of near infrared analysis. Marcel Dekker, Inc. NY. pp. 329-363.
Huang, Y., Zhu, L., Li, J., Wang, J., Sun, B. and Sun, Q. 2011. Rapid and nondestructive discrimination of hybrid maize seed purity using near infrared spectroscopy. Spectroscopy and Spectral Analysis. 31(3): 661-664.
Lee, H.W. 2011. Prediction on the quality of forage crop seeded in spring by Near Infrared Reflectance Spectroscopy (NIRS). Journal of the Korean Society of Grassland and Forage Science. 31(4):409-414.
Lee, J.K., Kim, J.G., Shin, D.E., Yoon, S.H., Kim, W.H., Seo, S. and Park, G.J. 2000. Effects of cutting frequency on yield and nutritive value between heading and headless varieties of sorghum×sudangrass hybrid. Journal of the Korean Society of Grassland and Forage Science. 20(4):237-242.
Liang, L., Zhixiao, L., Minhua, Y., Youxiang, Z. and Chenghua, W. 2009. Discrimination of variety and authenticity for rice based on visual/near infrared reflection spectra. Journal of Infrared and Millimeter Waves. 28(5):353-356, 391.
Park, H.S., Choi, K.C., Kim, J.H., So, M.J., Lee, K.W. and Lee, S.H. 2015. Discrimination of pasture spices for Italian Ryegrass, Perennial Ryegrass and tall fescue using near infrared spectroscopy. Journal of the Korean Society of Grassland and Forage Science. 35(2):125-130.
Park, H.S., Lee, S.H., Kim, J.G., Choi, K.C., Seo, S., Kim, W.H., Lee, H.W. and Lim, Y.C. 2011. Evaluation of field application of portable Near Infrared Reflectance Spectrometer (NIRS) for quality evaluation of Italian Ryegrass silages. Journal of the Korean Society of Grassland and Forage Science. 31(4):415-422.
Zhao, J., Liu, X., Li, F., Wang, Y., Sun, C., Cai, W., Liu, J., Yan, S. and Wang, Y. 2006. The identification of different panax ginseng seeds by NIRS. Special Wild Economic Animal and Plant Research. 28(3):48-50.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.