[논문]FT NIR 분광법 및 이진분류 머신러닝 방법을 이용한 소나무 종자 발아 예측

김용율; 구자정; 구다은; 한심희; 강규석

doi:10.14578/jkfs.2023.112.2.145

FT NIR 분광법 및 이진분류 머신러닝 방법을 이용한 소나무 종자 발아 예측
Prediction of Germination of Korean Red Pine (Pinus densiflora) Seed using FT NIR Spectroscopy and Binary Classification Machine Learning Methods 원문보기

한국산림과학회지 = Journal of korean society of forest science, v.112 no.2, 2023년, pp.145 - 156

김용율 (국립산림과학원 생명정보연구과) , 구자정 (국립산림과학원 생명정보연구과) , 구다은 (국립산림과학원 생명정보연구과) , 한심희 (국립산림과학원 생명정보연구과) , 강규석 (서울대학교 농림생물자원학부)

초록
AI-Helper

본 연구에서는 -18℃ 및 4℃에서 18년간 저장된 소나무 종자 963개에 대해 FT NIR 스펙트럼을 조사하여 7개 머신러닝 방법(XGBoost, Boosted Tree, Bootstrap Forest, Neural Networks, Decision Tree, Support Vector Machine, PLS-DA)을 이용한 종자발아 예측모델을 만들고, 그 성능을 비교하였다. XGBoost 및 Boosted Tree 모델의 예측성능이 가장 우수하였으며, 정확도, 오분류율 및 AUC 값은 각각 0.9722, 0.0278, 0.9735과 0.9653, 0.0347, 0.9647이었다. 2개 모델에서 종자발아 유무를 예측하는 데 있어 상대적 중요도가 높았던 54개 파수 변수들에 대한 파장대는 크게 6개(811~1,088 nm, 1,137~1,273 nm, 1,336~1,453 nm, 1,666~1,671 nm, 1,879~2,045 nm, 2,058~2,409 nm) 그룹으로 나눌 수 있었으며, 방향족 아미노산, 셀룰로스, 리그닌, 전분, 지방산 및 수분과 관련된 것으로 추정되었다. 이상의 결과를 종합할 때, 본 연구에서 얻어진 FT NIR 스펙트럼 데이터과 2개의 머신러닝 모델은 소나무 저장종자의 발아 유무를 정확도 96% 이상으로 예측할 수 있기에 장기저장 종자 유전자원의 비파괴적 활력검정에 유용하게 활용될 수 있을 것으로 생각된다.

Abstract ▼ AI-Helper

In this study, Fourier-transform near-infrared (FT-NIR) spectra of Korean red pine seeds stored at -18℃ and 4℃ for 18 years were analyzed. To develop seed-germination prediction models, the performance of seven machine learning methods, namely XGBoost, Boosted Tree, Bootstrap Forest, Neural Networks, Decision Tree, Support Vector Machine, PLS-DA, were compared. The predictive performance, assessed by accuracy, misclassification, and area under the curve (0.9722, 0.0278, and 0.9735 for XGBoost, and 0.9653, 0.0347, and 0.9647 for Boosted Tree), was better for the XGBoost and decision tree models when compared with other models. The 54 wave-number variables of the two models were of high relative importance in seed-germination prediction and were grouped into six spectral ranges (811~1,088 nm, 1,137~1,273 nm, 1,336~1,453 nm, 1,666~1,671 nm, 1,879~2,045 nm, and 2,058~2,409 nm) for aromatic amino acids, cellulose, lignin, starch, fatty acids, and moisture, respectively. Use of the NIR spectral data and two machine learning models developed in this study gave >96% accuracy for the prediction of pine-seed germination after long-term storage, indicating this approach could be useful for non-destructive viability testing of stored seed genetic resources.

주제어

표/그림 (11)

표 Table 1. Confusion matrix for evaluation of model classification performance.
그림 Figure 1. FT NIR spectral profile(A) and group mean absorbance spectral profile(B) for germinated (blue line) and non-germinated (red line) seeds.
표 Table 2. Number of germinated and non-germinated seeds by seedlots and storage temperature.
표 Table 3. Predictive performance of seven machine learning methods on four FT NIR spectral data resulting from 7-fold cross-validation.
표 Table 4. Comparison of the predictive performance of four machine learning models on testing data.
표 Table 5. Comparison of the predictive performance of XGBoost reduced models on training, validation, and testing data.
그림 Figure 2. Relative importance of 28 wavenumber variables of the XGBoost reduced model (A) and seed germination prediction profile of each variables (B). The red Xs and black closed circles in the bottom of the Figure 2-B indicate non-germinated and germinated seeds, respectively.
표 Table 6. Comparison of the predictive performance of Boosted Tree reduced models on training, validation, and testing data.
그림 Figure 3. Relative importance of 33 wavenumber variables of the Boosted Tree reduced model (A) and seed germination prediction profile of each variables (B). The red Xs and black closed circles in the bottom of the Figure 2-B indicate non-germinated and germinated seeds, respectively.
표 Table 7. Fifty-four wavenumber variables aligned by wavelength of the XGBoost and Boosted Tree reduced models.
표 Table 7. (Continued)

AI 본문요약
AI-Helper

문제 정의

본 연구는 20년간 장기 저장된 소나무 종자를 FT NIR 스펙트럼으로 측정하여 종자의 발아 유무를 정확히 예측할 수 있는 머신러닝 모델을 확립하기 위해 수행되었다. Savitzky-Golay 2차 다항식 변환을 통해 얻어진 스펙트럼 데이터를 7개의 머신러닝 방법에 적용하여 종자발아 유무 판별을 위한 이항분류 모델을 만들고 예측성능을 비교한 결과, XGBoost(28개 변수) 및 Boosted Tree(33개 변수) 축소모델이 정확도, 오분류율 및 AUC에서 다른 머신러닝 모델보다 더 우수한 성능을 보였다.
이에 본 연구는 국립산림과학원에서 18년간 저장되어 있던 소나무 종자에 대해 FT NIR 스펙트럼 측정과 발아실험을 수행하고, 3개의 전처리(pre-processing) 방법에 의해 변환 스펙트럼 데이터를 얻은 후, 7개의 머신러닝 방법을 이용하여 종자발아 유무를 정확히 예측할 수 있는 모델을 개발하고자 수행되었다. 보다 세부적으로는 (1) 모델의 예측성능을 향상시키는 NIR 스펙트럼 데이터의 전처리(pre-processing) 방법을 확인하고, (2) 가장 우수한 예측성능을 보이는 머신러닝 모델을 확립하며, (3) 모델에서 상대적 중요도가 높은 변수와 관련된 화합물을 추정하고자 하였다.

제안 방법

가장 우수한 예측성능을 보이는 FT NIR 스펙트럼 데이터와 상위 4개의 머신러닝 모델(full model)을 선택하고, 테스트 세트에 적용하여 각 모델의 정확도(accuracy), 오분류율(misclassification), 민감도(sensitivity, recall), 특이도(specificity) 및 정밀도(precision)를 산출하여 모델의 예측성능을 비교하였다. 정확도, 오분류율, 민감도, 특이도 및 정밀도는 종자 발아의 경우를 positive, 종자 비발아 경우를 negative로 할 때, 발아 및 미발아된 실제 종자의 비율과 모델에 의해 예측된 발아 및 미발아 종자의 비율에 대한 2 × 2 혼동행렬(confusion matrix)를 만들어(Table 1) 다음의 식에 따라 계산되었다.
이에 본 연구는 국립산림과학원에서 18년간 저장되어 있던 소나무 종자에 대해 FT NIR 스펙트럼 측정과 발아실험을 수행하고, 3개의 전처리(pre-processing) 방법에 의해 변환 스펙트럼 데이터를 얻은 후, 7개의 머신러닝 방법을 이용하여 종자발아 유무를 정확히 예측할 수 있는 모델을 개발하고자 수행되었다. 보다 세부적으로는 (1) 모델의 예측성능을 향상시키는 NIR 스펙트럼 데이터의 전처리(pre-processing) 방법을 확인하고, (2) 가장 우수한 예측성능을 보이는 머신러닝 모델을 확립하며, (3) 모델에서 상대적 중요도가 높은 변수와 관련된 화합물을 추정하고자 하였다.

대상 데이터

963개 종자 중에서 발아종자는 540개(56.1%), 미발아는 423개(43.9%)였다(Table 2). Fisher의 정확 검정(Fisher’s Exact Test) 결과, 저장온도에 따른 발아종자의 비율은 동일하지 않았으며(양측검정 p = < 0.
국립산림품종관리센터 안면소재 소나무 채종원에서 2003년에 채취되어 국립산림과학원 산림생명자원연구부의 종자저장고에 2021년까지 보존되어 왔던 소나무 2개 클론(강원11호 및 경북40호)의 풍매종자 seedlots을 본 연구에 사용하였다. 이들 종자는 탈종, 정선 및 육안식별 작업을 거쳐 선별된 충실종자(sound seed)이며, 함수율 5~7%로 건조되어 밀봉된 뒤, -18℃(습도 30%) 및 4℃(40%)에서 지난 18년간 저장되어 있었다.
80일 동안 유근(radicle)이 2 mm이상 자란 것을 “발아” 종자로 그 반대의 경우는 “미발아” 종자로 규정하였다. 발아 과정에서 곰팡이가 번식된 것을 제외한 총 963개 종자에 대한 발아 여부 데이터를 얻어 머신러닝 분석에서 반응변수 y의 값으로 사용하였다.

성능/효과

4개 머신러닝 모델의 변수 중에서 총효과가 0.01 이상인 것을 선택(XGBoost: 28개 변수, Boosted Tree: 33개, Bootstrap Forest: 15개, Neural Networks: 195개)하여 축소모델(reduced model)을 만들고, 테스트 세트에 적용한 결과, XGBoost 축소모델이 가장 우수한 예측성능(정확도: 0.9722, 오분류율: 0.0278, AUC: 0.9735)을 보였다(Table 4). 4개 축소모델의 평균 예측성능은 정확도 0.
8086)의 순이었다. 4개 머신러닝 모델의 평균 예측성능은 정확도 0.8976, 오분류율 0.1025, AUC 0.8931로 10개 잠재변수로 확립한 PLS-DA 모델(0.7326, 0.2674, 0.7297) 보다 높았다.
9735)을 보였다(Table 4). 4개 축소모델의 평균 예측성능은 정확도 0.9063, 오분류율 0.0938, AUC 0.9039로 10개 잠재변수, 311개 변수로 확립한 PLS-DA 축소모델(0.7431, 0.2569, 0.7381) 보다 높았다.
본 연구는 20년간 장기 저장된 소나무 종자를 FT NIR 스펙트럼으로 측정하여 종자의 발아 유무를 정확히 예측할 수 있는 머신러닝 모델을 확립하기 위해 수행되었다. Savitzky-Golay 2차 다항식 변환을 통해 얻어진 스펙트럼 데이터를 7개의 머신러닝 방법에 적용하여 종자발아 유무 판별을 위한 이항분류 모델을 만들고 예측성능을 비교한 결과, XGBoost(28개 변수) 및 Boosted Tree(33개 변수) 축소모델이 정확도, 오분류율 및 AUC에서 다른 머신러닝 모델보다 더 우수한 성능을 보였다. XGBoost와 Boosted Tree 축소모델을 구성하고 있는 54개 변수들의 파장 영역대는 크게 6개 그룹으로 나눌 수 있었으며, 이들은 방향족 아미노산, 셀룰로스, 리그닌, 전분, 지방산 및 수분 등과 관련된 것으로 추정되었다.
9735의 매우 높은 예측성능을 보였다(Table 5). 검증 및 테스트 세트 간에 예측성능의 차이가 거의 없어 모델의 과적합 가능성은 없는 것으로 보이며, 이에 따라 본 연구에서 확립된 XGBoost 축소모델은 새로운 데이터에 대해서도 유사한 예측성능을 보일 것으로 생각된다.
본 연구에서 확립된 FT NIR 분광 데이터과 머신러닝 방법을 이용한 발아유무 예측 모델은 기존의 발아실험 또는 TTC 검사 방법의 단점인 보존 자원의 소모와 일정 기간의 검사시간 소요 문제를 해결, 보완할 수 있다는 점에서 그 의미를 지닌다고 하겠다. 또한, 본 연구에서 확립된 머신러닝 모델을 구성하는 변수들의 파장 영역대가 종자발아 및 활력에 영향을 주는 것으로 알려진 지방산 등의 화합물과 수분에 관련된 것으로 추정되었기 때문에 저장 기간에 따른 이들의 정량적, 정성적 변화가 실제 종자활력과 관계가 있는 지를 확인하기 위한 후속연구가 필요하며, 이때 본 연구에서 얻어진 결과는 매우 유용한 기초 자료로 활용될 수 있을 것으로 생각된다.
예측성능 상위 4개 머신러닝 모델(full model)을 SG 2차항 변환 데이터의 테스트 세트(288개)에 적합시킨 결과, XGBoost 모델이 가장 우수한 예측성능(정확도: 0.9688, 오분류율: 0.0313, AUC: 0.9661)을 보였다(Table 4). 나머지 모델의 예측성능은 Boosted Tree (0.
이상의 결과를 종합하면, XGBoost 및 Boosted Tree 머신러닝 방법을 SG 2차항 변환 FT NIR 스펙트럼 데이터에 적용할 경우, 각각 28개 및 33개의 변수로 정확도 0.9722 및 0.9653(오분류율: 0.0278, 0.0347)의 높은 예측성능을 보이는 예측 모델을 확립할 수 있었다.

후속연구

XGBoost 축소모델과는 달리 테스트 세트이 검증 세트에 비해 더 나은 예측성능을 보여, 모델이 과소적합된 것으로 보이나 그 차이가 3~5% 범위여서 큰 문제가 없는 것으로 생각된다. 다만, 새로운 데이터에 대해서도 상기 Boosted Tree 축소모델이 유사한 예측성능을 보일 것인가에 대해서는 현재로서는 판단하기 어려우며, 추가적인 분석이 필요하다고 생각된다.
본 연구에서 확립된 FT NIR 분광 데이터과 머신러닝 방법을 이용한 발아유무 예측 모델은 기존의 발아실험 또는 TTC 검사 방법의 단점인 보존 자원의 소모와 일정 기간의 검사시간 소요 문제를 해결, 보완할 수 있다는 점에서 그 의미를 지닌다고 하겠다. 또한, 본 연구에서 확립된 머신러닝 모델을 구성하는 변수들의 파장 영역대가 종자발아 및 활력에 영향을 주는 것으로 알려진 지방산 등의 화합물과 수분에 관련된 것으로 추정되었기 때문에 저장 기간에 따른 이들의 정량적, 정성적 변화가 실제 종자활력과 관계가 있는 지를 확인하기 위한 후속연구가 필요하며, 이때 본 연구에서 얻어진 결과는 매우 유용한 기초 자료로 활용될 수 있을 것으로 생각된다.

참고문헌 (31)

Chen, Q., Lin, H. and Zhao, J. 2021. Advanced nondestructive detection technologies in food. Springer Nature Singapore. Gateway East, Singapore. pp. 333.
Chen, T. and Guestrin, C. 2016. XGBoost: a scalable tree boosting system. pp. 785-794. In: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining(KDD '16). Association for Computing Machinery. New York, U.S.A.
Daneshvar, A., Tigabu, M., Karimidoost, A. and Oden, P.C. 2015. Single seed near infrared spectroscopy discriminates viable and non-viable seeds of Juniperus polycarpos. Silva Fennica 49(5): 1-14.
Food and Agriculture Organization of the United Nations. 2014. Genebank standards for plant genetic resources for food and agriculture. FAO Working Group. Rome, Italy. pp. 181.
JMP Statistical Discovery LLC. 2022. JMP® 17 Documentation Library. JMP Statistical Discovery LLC. North Carolina, U.S.A.
Kim, D.H., Han, S.H., Song, J.H. and Jang, K.H. 2012. Seed storage and longevity in woody plant. Korea Forest Research Institute, Seoul, Republic of Korea. pp. 159.
Kim, J.H., Ku, J.J., Lim, H.I. and Kim, Y.Y. 2020. Characteristics and conservation status of useful forest genetic resources seeds. National Institute of Forest Science, Seoul, Republic of Korea. pp. 178.
Kumari, R. and Srivastava, S. 2017. Machine learning: a review on binary classification. International Journal of Computer Applications 160(7): 11-15.

상세보기
Lestander, T. and Oden, P.C. 2002. Separation of viable and nonviable filled scots pine seeds by differentiating between drying rates using single seed near infrared transmittance spectroscopy. Seed Science and Technology 30(2): 383-392.

상세보기
Liu, W., Liu, J., Jiang, J. and Li, Y. 2021. Comparison of partial least squares-discriminant analysis, support vector machines and deep neural networks for spectrometric classification of seed vigour in a broad range of tree species. Journal of Near Infrared Spectroscopy 29(1): 33-41.

상세보기
Mo, L., Chen, H., Chen, W., Feng, Q. and Xu, L. 2020. Study on evolution methods for the optimization of machine learning models based on FT-NIR spectroscopy. Infrared Physics and Technology 108: 103366.

상세보기
Mukasa, P., Cho, B.K., Joo, H.J. and Kwon, Y.R. 2018. Determination of viability of Japanese larch seeds using hyperspectral imaging. Proceedings of the Korean Society for Agricultural Machinery Conference 23(1): 195.
Mukasa, P., Wakholi, C., Mo, C.Y., Oh, M.R., Joo, H.J., Suh, H.K. and Cho, B.K. 2019. Determination of viability of retinispora (Hinoki cypress) seeds using FT-NIR spectroscopy. Infrared Physics and Technology 98: 62-68.

상세보기
Narassiguin, A., Bibimoune, M., Elghazel, H. and Aussem, A. 2016. An extensive empirical comparison of ensemble learning methods for binary classification. Pattern Analysis and Application 19(4): 1093-1128.
Qiu, G., Lu, E., Lu, H., Xu, S., Zeng, F. and Shui, Q. 2018. Single-kernel FT-NIR spectroscopy for detecting supersweet corn (Zea mays L. Saccharata Sturt) seed viability with multivariate data analysis. Sensors 18(4): 1010.

상세보기
Rocha, W.F.D.C., Prado, C.B.D. and Blonder, N. 2020. Comparison of chemometric problems in food analysis using non-linear methods. Molecules 25(13): 3025. https://doi.org/10.3390/molecules25133025.

상세보기
Ruiz-Perez, D., Guan, H., Madhivanan, P., Mathee, K. and Narasimhan, G. 2020. So you think you can PLS-DA?. BMC Bioinformatics 21(Suppl 1): 2.
Sampaio, P.S. and Brites, C.M. 2021. Near-Infrared spectroscopy and machine learning: analysis and classification methods of rice. pp. 257-288. In: Huang, M. (Ed.). Integrative Advances in Rice Research. IntechOpen. London, UK.
Sato, T., Kawano, S. and Iwamoto, M. 1991. Near-infrared spectral patterns of fatty acid analysis from fats and oils. Journal of the Americal Oil Chemists Society 68(11): 827-833.
Savitzky, A. and Golay, M.J.E. 1964. Smoothing and differentiation of data by simplified least squares procedures. Analytical Chemistry 36(8): 1627-1639.

상세보기
Schwanninger, M., Rodrigues, J.C. and Fackler, K. 2011. A review of band assignments in near infrared spectra of wood and wood components. Journal of Near Infrared Spectroscopy 19(5): 287-308.

상세보기
Shenk, J.S., Workman, J.J. and Westerhaus, M.O. 2007. Application of NIR spectroscopy to agricultural products. pp. 419-474. In: Burns D.A. and Ciurczak E.W. (eds), Handbook of Near-Infrared Spectroscopy. CRC Press. New York, U.S.A.
Shetty, N, Min T.G., Gislum, R., Olesen M.H. and Boelt B. 2011. Optimal sample size for predicting viability of cabbage and radish seeds based on near infrared spectra of single seeds. Journal of Near Infrared Spectroscopy 19(6): 451-461.

상세보기
Tian, W., Zang, L., Nie, L., Li, L., Zhong, L., Guo, X., Huang, S. and Zang, H. 2023. Structural analysis and classification of low-molecular-weight hyaluronic acid by near-infrared spectroscopy: a comparison between traditional machine learning and deep learning. Molecules 28(2): 809.

상세보기
Tigabu, M. 2003. Characterization of forest tree seed quality with near infrared spectroscopy and multivariate analysis. (Dissertation). Umea, Sweden. Acta Universitatis Agriculturae Sueciae.
Tigabu, M. and Oden, P.C. 2003. Discrimination of viable and empty seeds of Pinus patula Schiede & Deppe with near-infrared spectroscopy. New Forest. 25(3): 163-176.
Tigabu, M., Daneshvar, A., Jingjing, R., Wu, P., Ma, X. and Oden, P.C. 2019. Multivariate discriminant analysis of single seed near infrared spectra for sorting dead-filled and viable seeds of three pine Species: Does one model fit all species? Forests 10(6): 469-482.

상세보기
Tigabu, M., Daneshvar, A., Wu, P., Ma, X. and Oden, P.C. 2020. Rapid and non-destructive evaluation of seed quality of Chinese fir by near infrared spectroscopy and multivariate discriminant analysis. New Forests 51(3): 395-408.

상세보기
Wang, L, Huang, Z. and Wang, R. 2021. Discrimination of cracked soybean seeds by near-infrared spectroscopy and random variable selection. Infrared Physics and Technology 115: 103731.
Workman, J. and Weyer, L. 2012. Practical guide and spectral atlas for interpretative near-infrared spectroscopy. 2nd Edition. CRC Press. New York, U.S.A. pp. 326.
Xia, Y., Xu, Y., Li, J., Zhang, C. and Fan, S. 2019. Recent advances in emerging techniques for non-destructive detection of seed viability: A review. Artificial Intelligence in Agriculture 1: 35-47.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증