초록 ▼

연구개발 목표 및 내용
최종 목표
○딥러닝 기반 VNIR 분광법을 이용한 형질전환 작물 판별기술 개발
전체 내용
○형질전환 및 일반작물의 종자 및 식물체 VNIR 빅데이터 라이브러리 구축
○형질전환 및 일반작물의 생육단계별 VNIR 빅데이터 라이브러리 구축 및 인공지능 기반의 머신러닝 활용 GMO 판별 모델 개발
○개발된 판별모델을 이용한 GMO 판별기술 현장 검증

연구개발성과
○ VNIR을 이용한 형질전환 유채 분광학적 판별기술 개발
- 형질전환 유채 및 일반작물의 종자 및

연구개발 목표 및 내용
최종 목표
○딥러닝 기반 VNIR 분광법을 이용한 형질전환 작물 판별기술 개발
전체 내용
○형질전환 및 일반작물의 종자 및 식물체 VNIR 빅데이터 라이브러리 구축
○형질전환 및 일반작물의 생육단계별 VNIR 빅데이터 라이브러리 구축 및 인공지능 기반의 머신러닝 활용 GMO 판별 모델 개발
○개발된 판별모델을 이용한 GMO 판별기술 현장 검증

연구개발성과
○ VNIR을 이용한 형질전환 유채 분광학적 판별기술 개발
- 형질전환 유채 및 일반작물의 종자 및 식물체 VNIR 분광 빅데이터 라이브러리 구축
: 유채(16종), 배추(1종) 갓(1종) 등
- 인공지능(AI)기반의 딥러닝을 활용한 형질전환 유채 및 일반품종 판별모델 개발
: LM유채, 일반유채, 배추, 배추와 LM유채 교잡종
: LM유채, 일반유채, 갓, 배추와 LM유채 교잡종
: 유채 8종
: 갓(4종) 생육단계 별
: 각 세트의 전처리 후 머신러닝 학습 모델링
- 분광 스펙트럼 이용, 형질전환 및 비형질전환 유채의 실외 분광학적 데이터 수집 및 인공지능(AI) 기반의 딥러닝 활용 판별분석 기술 확립
○ VNIR을 이용한 형질전환 콩 분광학적 판별기술 개발
- GM 및 nonGM콩 품종별 근적외광 스펙트럼 데이터베이스 구축
: 비타민A강화콩(GMO), 광안, 소명, 소원, 아람
- 근적외광 데이터의 머신러닝을 통한 형질전환 콩 판별 모델 개발
: GM 이벤트와 모본의 잎, 종자 스펙트럼 판별
: 콩 5종 잎, 종자 스펙트럼 판별
○ VNIR을 이용한 형질전환 벼 분광학적 판별기술 개발
- 벼의 분광 빅데이터 라이브러리 구축
: 비타민A강화벼(GMO), 가뭄저항성벼(GMO), 낙동, 일미, 동진
- 근적외광 분광데이터의 머신러닝을 이용한 형질전환 벼 판별 모델 개발
: 벼 5종 잎 스펙트럼 판별
: GM이벤트와 모본의 종자 스펙트럼 판별
: 벼 5종 종자 스펙트럼 판별

연구개발성과 활용계획 및 기대 효과
○LMO 판별을 위한 분광 데이터 DB 구축 및 분석 서비스 제공
○수입 농산물의 검역 및 LMO 검사단계의 효율 향상
○비의도적 LMO 환경 유출에 따른 관리 효율화
○LMO 판별을 위한 분광분석법 표준 검사법 확립을 통한 기술 상용화
○LMO 분광데이터의 빅데이터 구축으로 머신러닝 적용
○LMO 검사의 자동화를 통한 검역 인력과 비용 효율화
○국경 통관시 LMO 검역 강화
○LMO 관리의 신뢰도 상승

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 요 약 문 ... 2
• 목차 ... 4
• 1. 연구개발과제의 개요 ... 5
• 1-1. 연구개발의 개요 ... 5
• 1-2. 연구개발 대상 기술의 국내외 현황 ... 5
• 1-3. 연구개발의 중요성 ... 7
• 1-4. 선행연구 내용 및 결과 ... 7
• 2. 연구개발과제의 수행 과정 및 수행내용 ... 9
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 14
• 1) 연구 수행 결과 ... 14
• 2) 목표 달성 수준 ... 35
• 4. 목표 미달 시 원인분석 ... 36
• 1) 비SCI(1편) 목표 미달 원인(사유) 자체분석 내용 ... 36
• 2) 자체 보완활동 ... 36
• 3) 연구개발 과정의 성실성 ... 36
• 5. 연구개발성과 및 관련 분야에 대한 기여 정도 ... 37
• 6. 연구개발성과의 관리 및 활용 계획 ... 38
• 7. 참고 문헌 ... 40
• 끝페이지 ... 41