http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 김민지 ( Cheon-soon Jeong ) (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
Vis-NIR 투과 분광기술을 이용한 토마토 공동과 선별에 관한 연구
이정은 ( Jeong-eun Lee ),이보영 ( Bo-young Lee ),이종환 ( Jong-hwan Lee ),송두진 ( Doo-jin Song ),김민지 ( Min-jee Kim ),천승우 ( Seung-woo Chun ),정천순 ( Cheon-soon Jeong ),모창연 ( Chang-yeun Mo ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1
토마토 내부에 충분한 발육이 이루어지지 않으면 토마토 내부에 공동이 발생한다. 토마토 공동과는 정상과에 비해 무게가 가볍고 경도가 낮아 상품가치가 하락하여 품질 등급이 떨어진다. 내부 갈변, 부패나 공동 등 결함을 파악하는 기존 방법은 토마토를 파괴하여 측정하는 방식으로 분석 시간과 비용이 많이 소요되고 전수조사가 어렵다. 이에 토마토 내부 품질을 신속하게 비파괴적으로 선별할 수 있는 기술이 필요하다. 따라서 본 연구에서는 투과방식의 Vis-NIR 분광기술을 이용하여 토마토 공동과 선별 모델을 개발하고자 한다. 실험에 사용된 토마토 시료는 동양계 품종으로 횡성군 토마토 농가에서 숙도 단계별로 수확되었으며 정상과 및 공동과 토마토가 각각 23개였다. 근적외선 분광분석기 (USB4000, Ocean optics Inc., USA) 및 100W의 텅스텐 할로겐 광원을 사용하였으며 472~1,100 nm 파장 범위의 투과스펙트럼을 획득하였다. 20ms의 노출시간으로 토마토 시료 당 120도 간격으로 3부분의 스펙트럼을 측정하였다. 다양한 스펙트럼 전처리를 적용하여 각 숙도 단계별 공동과 선별을 위한 부분최소제곱회귀법 (Partial Least Squares Regression; PLSR) 모델을 개발하였다. 토마토 공동과 선별 모델의 성능평가는 결정계수 (R2)와 평균 제곱근 오차(RMSE)를 사용하였다. 숙도 단계에 따른 공동과 선별 PLSR 모델을 개발한 결과, 모든 단계에서 결정계수 (R2)가 0.85이상으로 우수한 성능 보였다. 따라서 본 연구는 결과는 토마토 공동과 선별과 토마토 품질 규격화 및 표준화 개발을 위한 연구 자료로 활용될 수 있을 것으로 기대된다.
-
Vis-NIR 초분광 영상을 이용한 토마토 숙도 판별 딥러닝 모델 개발
이보영 ( Bo-young Lee ),백민우 ( Min-woo Baek ),송두진 ( Doo-jin Song ),김민지 ( Min-jee Kim ),천승우 ( Seung-woo Chun ),정천순 ( Cheon-soon Jeong ),모창연 ( Chang-yeun Mo ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1
토마토는 수확 후에도 숙도가 변화되는 특징이 있어 숙도에 따라 저장기간이 달라진다. 유통과정에서 유통 기간에 따라 토마토 숙도 단계를 고려해야 한다. 토마토 품질 선별은 크기나 색, 결함 등을 기준으로 하여, 크기는 무게에 따라 나눠지고 색과 부패나 형상 불량 등은 육안으로 선별하고 있다. 이러한 육안 선별은 노동력이 요구되며 작업자의 피로도가 높아지면 선별정확도가 낮아질 수 있다. 따라서 품질 정확도 향상을 위해서는 품질을 균일하고 신속하게 측정할 수 있는 기술이 필요하다. 과일의 내부품질을 신속하게 비파괴적으로 측정할 수 있는 기술로 초분광 영상 기술이 활용되고 있다. 따라서 본 연구의 목적은 초분광 영상 기술을 이용하여 토마토의 숙도 판별을 위한 딥러닝 모델을 개발하는 것이다. 2022년 7월과 8월에 총 672개의 유럽계 토마토와 동양계 토마토를 수확하여 6개의 성숙 단계로 분류하여 실험에 사용하였다. 토마토 숙도는 USDA(United States Department of Agriculture) 표준 분류에 따른 6단계(Green, Breaker, Turning, Pink, Light-red, Red)로 하였다. Vis-NIR 초분광 영상 카메라(microHSI™ 410 Vis-NIR Hyperspectral Sensor, Corning® , USA) 구비된 라인스캐닝 방식의 초분광 영상 장치를 사용하여 400 ~ 1,000 nm 영역에서 토마토의 초분광 영상데이터를 획득하였다. 노출 시간, 스텝 간격은 각각 10ms, 1mm로 설정하여 측정하였다. 컨볼루션 신경망(Convolutional neural network; CNN)을 적용하여 토마토 품종에 따른 토마토 숙도 판별 모델을 개발하였다. 토마토 숙도 판별 모델의 성능 평가는 분류 모델 성능지표를 사용하였다. 토마토 숙도 판별 CNN 모델의 정확도는 97.62%로 우수한 결과를 보였다. 본 연구결과는 초분광 영상 기반 토마토 숙도 판별 장치 개발에 활용될 수 있을 것으로 기대된다.
-
Vis-NIR 초분광 영상을 이용한 토마토 내부품질 예측
이보영 ( Bo-young Lee ),백민우 ( Min-woo Baek ),이정은 ( Min-jee Kim ),김민지 ( Cheon-soon Jeong ),정천순 ( Changyeun Mo ),모창연 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2
토마토 품질은 육안과 중량, 크기 등으로 선별하고 있어 작업자의 숙련도에 따른 편차가 발생하고 많은 노동력이 필요하다. 불균일한 품질로 인해 소비자들의 상품에 신뢰성을 저하시킨다. 분광 기술을 이용한 비파괴 선별은 내부 품질에 대한 측정이 가능하므로 품질 측정 정확도 향상과 품질 균일화로 인해 품질에 대한 신뢰도가 향상되므로 이와 관련된 연구가 필요하다. 따라서 본 연구에서는 초분광 영상(VNIR: 400-1000nm)를 이용하여 토마토 내부품질 예측 모델을 개발하고자 한다. 토마토는 2022년 7월과 8월에 총 672개의 유럽계 품종과 동양계 품종을 각각 6개의 성숙 단계(Green, Breaker, Turning, Pink, Light-red, Red)로 구분한 후 수확하여 시료로 사용하였다. 토마토의 초분광 영상 데이터는 Vis-NIR(400~1,000nm) 초분광 영상 시스템(microHSI™ 410 Vis-NIR Hyperspectral Sensor, Corning®, USA)을 사용하여 라인스캔 방식으로 10ms 노출시간과 1 mm 스텝 간격으로 측정되었다. 초분광 영상에서 토마토 표면의 평균 스펙트럼을 추출하였다. 부분최소제곱회귀법(Partial Least Squares Regression; PLSR)을 적용하여 토마토 품종에 따른 토마토 내부품질 예측 모델을 개발하였다. 그 결과 유럽계 품종은 동양계 품종보다 경도 품질예측정확도가 더 우수하였으며 경도예측모델의 결정계수(R<sub>p</sub><sup>2</sup>)와 RMSEP가 각각 0.89, 1.31N로 나타났다. 동양계 품종은 유럽계 품종보다 산도, 당산비에 관한 품질예측정확도가 더 우수하였으며 산도, 당산비 예측모델의 결정계수(R<sub>p</sub><sup>2</sup>)와 RMSEP가 각각 0.6, 0.1%, 0.64, 0.77으로 나타났다. 본 연구결과는 초분광영상 기술로 토마토의 내부품질에서 경도 예측이 가장 우수하였으며 추후 토마토 품질 판정에 활용할 것으로 보여진다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
