토마토 수확 작업을 위한 숙도별 무게와 경도 관계 연구

이성민 ( Seong Min Lee ),조병효 ( Byeong-hyo Cho ),홍영기 ( Youngki Homg ),김경철 ( Kyoung-chul Kim ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

토마토는 수경재배 시설 작물 중 생산량이 매우 높은 작물로, ‘21년 기준 약 37만 톤이 생산되었으며 매년 생산량이 증가하고 있다(KOSIS, 2022). 생산량이 매우 많은 토마토의 경우 주당 2~3회 수확을 하기에, 노동집약도가 높다. 고령화, 인구 감소 및 Covid-19로 인해 작업 인력 확보가 매우 어려워지고 있어, 농업 자동화 및 무인화를 위한 연구가 증가하고 있다. 토마토는 수확 후에도 호흡을 하는 과실로 저장·유통 과정 중에 품질 변화가 발생하기 때문에, 이러한 과정을 고려한 수확 단계 결정이 고품질의 토마토 생산을 위해 중요한 인자 중 하나이다. 따라서 토마토 작업 로봇화를 위해서는 숙도에 따른 무게와 경도가 고려되어야 한다. 이를 위해, 본 연구에서는 토마토의 숙도별 무게와 경도의 관계에 대한 상관 관계를 구명하고자 하였다. 본 연구에서는 국립농업과학원(전라북도 완주군) 첨단온실에서 수경 재배된 토마토를 대상으로 실험을 수행하였다. 과실의 크기는 농산물 표준 규격에서 제시된 S (150-180 g), M (180-210 g), L (210-240 g)의 총 3단계로 분류하였고(NAQS), 성숙도는 6단계로 구분하였다(USDA). 토마토의 경도는 UTM (Universal Testing Machine)을 이용하여 측정하였으며, 프로브의 직경은 5 mm이었고, 토마토 중심부의 90° 간격으로 4반복 측정하였다. 측정 데이터는 단순선형회귀 분석을 실시하였으며, 그 결과 0.77의 결정 계수 값과 회귀식을 도출하였다. 이를 통해 숙도와 경도는 88.3%의 관계성을 얻을 수 있었으며, 각 숙도별 항복값들 또한 도출할 수 있었다. 이를 통해 추후 적과, 수확 및 선별 과정에서의 토마토 취급을 위한 기초 자료로 활용할 계획이다.

초분광 영상을 이용한 토마토의 경도 예측모델 개발

조병효 ( Byeong-hyo Cho ),이성민 ( Seong Min Lee ),홍영기 ( Youngki Homg ),김경철 ( Kyoung-chul Kim ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

토마토는 경제적으로 중요한 과채류이며, 국내 토마토 생산량은 2021년 기준 약 37만 톤으로 전년대비 2.5만 톤 정도 증가하였다(KOSIS, 2022). 그러나, 최근에는 농업인구 감소 및 고령화, COVID-19 등 인력 부족으로 인하여 토마토 생산에 어려움을 겪고 있는 실정이며, 이러한 이유로 토마토의 재배부터 수확까지 자동화 전환에 대한 요구가 증가하고 있다. 이에 토마토 모니터링 및 수확 로봇 등 재배에서 수확 작업까지 로봇 기술을 적용하기 위한 연구가 수행되고 있으며, 이를 위해서는 우선적으로 작물의 품질 또는 성숙도 등을 모니터링할 수 있는 기술이 필요하다. 따라서 본 연구에서는 토마토의 성숙도를 비파괴적으로 예측하기 위해 초분광 영상과 기계학습 모델인 SVR (Support vector regression) 모델을 사용하였으며, 토마토의 성숙도를 정량적으로 분류하기 위한 요인으로는 경도를 사용하였다. 먼저, 경도와 밀접한 관계를 갖는 분광 영역을 조사하기 위해 상관분석을 수행하였으며, 그 결과 507-593 nm 사이의 분광 영역이 토마토의 경도와 높은 상관관계(R>0.8)를 갖는 것으로 나타났다. 앞의 결과를 바탕으로, 507-593 nm 사이의 분광 영역(30 밴드)을 입력 데이터로 하여 SVR 모델의 학습을 진행하였으며, 그 결과 SVR 모델의 최적 파라미터는 C의 경우 297, gamma와 epsilon은 각각 1.90 및 1이었다. 앞의 모델을 이용할 경우, 검증 데이터를 기준으로 0.84의 R2와 13.22 N의 RMSE로 비교적 높은 정확도에서 토마토 경도 예측이 가능하였으며, 이를 이용하여 토마토의 수확시기 예측이 가능할 것으로 판단된다. 향후에는 모델의 정확도 개선을 위해 추가적인 실험을 통해 샘플 수를 증가시키고, 실제 온실에 적용하기 위한 기초 실험을 진행할 계획이다.

수경재배 토마토 과실 모니터링을 위한 다중분광 영상의 적용 가능성

조병효 ( Byeong-hyo Cho ),이성민 ( Seongmin Lee ),이강진 ( Kangjin Lee ),홍영기 ( Youngki Homg ),김경철 ( Kyoung-chul Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2

토마토 시설재배는 재배 기간 연장, 기후 변화 대응, 안정적인 생육 환경 유지 등 여러 가지 이점을 가지고 있으며, 이러한 이유로 국내의 모든 토마토는 시설 내에서 재배되고 있다. 그럼에도 불구하고 원치않게 발생하는 병해 및 생리장해로 인하여 토마토 농가는 매년 경제적 손실을 겪고 있다. 특히, 배꼽썩음병은 토마토 생산량의 최대 50%를 감소시켜 농가에 큰 경제적 손실을 초래할 수 있다고 알려져 있다. 배꼽썩음병은 주로 어린 과실에서 발생하며, 꽃이 떨어진 부위에서 흑갈색으로 함몰되어 말라버리거나 썩는 특징이 있다. 배꼽썩음병의 정확한 원인은 현재까지 규명되지 않았기 때문에 이를 방지하는 것은 어려우며, 현재로서는 발견하는 즉시 제거하는 것이 경제적 손실을 줄이기 위해 가장 좋은 방법으로 알려져 있다. 따라서, 본 연구에서는 토마토 배꼽썩음병을 조기에 인식하기 위해 다중분광 영상의 적용 가능성을 검토하고자 하였다. 시험대상은 배꼽썩음병에 걸린 토마토(50개)와 정상 토마토(50개)를 사용하였으며, 토마토는 국립농업과학원 첨단 디지털온실에서 수경 수직유인 방식으로 재배되었다. 다중분광 영상은 휴대용 다중분광카메라(Monarch2, UNISPECTRAL, Ramat Gan, Israel)를 이용하여 700~950 nm 대역에서 10개의 다중분광 영상을 취득하였다. 취득한 영상은 분광 영상분석 프로그램(Breeze, Prediktera, Umea, Sweden)을 이용하여 전처리를 거친 후 배꼽썩음과 분류 모델을 개발하였다. 그 결과, Light-GBM (Light-Gradient Boosting Machine) 모델을 이용할 경우 약 93%의 f-score로 배꼽썩음과의 분류가 가능하였다. 향후에는 다양한 환경에서 추가적인 실험을 통해 모델의 정확도를 개선할 예정이다.

초분광 영상을 이용한 토마토의 경도 예측모델 개발

조병효 ( Byeong-hyo Cho ),이성민 ( Seong Min Lee ),홍영기 ( Youngki Homg ),김경철 ( Kyoung-chul Kim ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

토마토는 경제적으로 중요한 과채류이며, 국내 토마토 생산량은 2021년 기준 약 37만 톤으로 전년대비 2.5만 톤 정도 증가하였다(KOSIS, 2022). 그러나, 최근에는 농업인구 감소 및 고령화, COVID-19 등 인력 부족으로 인하여 토마토 생산에 어려움을 겪고 있는 실정이며, 이러한 이유로 토마토의 재배부터 수확까지 자동화 전환에 대한 요구가 증가하고 있다. 이에 토마토 모니터링 및 수확 로봇 등 재배에서 수확 작업까지 로봇 기술을 적용하기 위한 연구가 수행되고 있으며, 이를 위해서는 우선적으로 작물의 품질 또는 성숙도 등을 모니터링할 수 있는 기술이 필요하다. 따라서 본 연구에서는 토마토의 성숙도를 비파괴적으로 예측하기 위해 초분광 영상과 기계학습 모델인 SVR (Support vector regression) 모델을 사용하였으며, 토마토의 성숙도를 정량적으로 분류하기 위한 요인으로는 경도를 사용하였다. 먼저, 경도와 밀접한 관계를 갖는 분광 영역을 조사하기 위해 상관분석을 수행하였으며, 그 결과 507-593 nm 사이의 분광 영역이 토마토의 경도와 높은 상관관계(R>0.8)를 갖는 것으로 나타났다. 앞의 결과를 바탕으로, 507-593 nm 사이의 분광 영역(30 밴드)을 입력 데이터로 하여 SVR 모델의 학습을 진행하였으며, 그 결과 SVR 모델의 최적 파라미터는 C의 경우 297, gamma와 epsilon은 각각 1.90 및 1이었다. 앞의 모델을 이용할 경우, 검증 데이터를 기준으로 0.84의 R2와 13.22 N의 RMSE로 비교적 높은 정확도에서 토마토 경도 예측이 가능하였으며, 이를 이용하여 토마토의 수확시기 예측이 가능할 것으로 판단된다. 향후에는 모델의 정확도 개선을 위해 추가적인 실험을 통해 샘플 수를 증가시키고, 실제 온실에 적용하기 위한 기초 실험을 진행할 계획이다.

토마토 수확 작업을 위한 숙도별 무게와 경도 관계 연구

이성민 ( Seong Min Lee ),조병효 ( Byeong-hyo Cho ),홍영기 ( Youngki Homg ),김경철 ( Kyoung-chul Kim ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

토마토는 수경재배 시설 작물 중 생산량이 매우 높은 작물로, ‘21년 기준 약 37만 톤이 생산되었으며 매년 생산량이 증가하고 있다(KOSIS, 2022). 생산량이 매우 많은 토마토의 경우 주당 2~3회 수확을 하기에, 노동집약도가 높다. 고령화, 인구 감소 및 Covid-19로 인해 작업 인력 확보가 매우 어려워지고 있어, 농업 자동화 및 무인화를 위한 연구가 증가하고 있다. 토마토는 수확 후에도 호흡을 하는 과실로 저장·유통 과정 중에 품질 변화가 발생하기 때문에, 이러한 과정을 고려한 수확 단계 결정이 고품질의 토마토 생산을 위해 중요한 인자 중 하나이다. 따라서 토마토 작업 로봇화를 위해서는 숙도에 따른 무게와 경도가 고려되어야 한다. 이를 위해, 본 연구에서는 토마토의 숙도별 무게와 경도의 관계에 대한 상관 관계를 구명하고자 하였다. 본 연구에서는 국립농업과학원(전라북도 완주군) 첨단온실에서 수경 재배된 토마토를 대상으로 실험을 수행하였다. 과실의 크기는 농산물 표준 규격에서 제시된 S (150-180 g), M (180-210 g), L (210-240 g)의 총 3단계로 분류하였고(NAQS), 성숙도는 6단계로 구분하였다(USDA). 토마토의 경도는 UTM (Universal Testing Machine)을 이용하여 측정하였으며, 프로브의 직경은 5 mm이었고, 토마토 중심부의 90° 간격으로 4반복 측정하였다. 측정 데이터는 단순선형회귀 분석을 실시하였으며, 그 결과 0.77의 결정 계수 값과 회귀식을 도출하였다. 이를 통해 숙도와 경도는 88.3%의 관계성을 얻을 수 있었으며, 각 숙도별 항복값들 또한 도출할 수 있었다. 이를 통해 추후 적과, 수확 및 선별 과정에서의 토마토 취급을 위한 기초 자료로 활용할 계획이다.

토마토 모니터링 로봇을 위한 분광 스펙트럼 비교 특성 연구

이재은 ( Jae-eun Lee ),조병효 ( Byeong-hyo Cho ),이성민 ( Seongmin Lee ),이강진 ( Kangjin Lee ),양창주 ( Changju Yang ),홍영기 ( Youngki Homg ),김경철 ( Kyoung-chul Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2

토마토는 우리나라 온실의 11% 이상에서 재배되는 대표적인 과채류로서 유럽종의 도입으로 연중재배되면서 지속적인 노동력을 필요로 하고 있다. 그러나 농업인구의 감소와 고령화는 토마토 생산에 어려움을 주고 있어 자동화와 로봇화에 대한 관심도 증가하고 있다. 이와 관련하여 최근에는 온실의 수경재배 과채류에 대한 모니터링, 수확 자동화를 위한 과실인식의 방편으로 분광분석법이나 초분광 영상 분석 기술이 도입되고 있다. 그러나 장치에 사용되는 단색기나 센서 등의 차이에도 불구하고 측정 스펙트럼이 동일할 것이라고 생각한다. 이 연구에서는 분광광도계의 스펙트럼과 초분광영상에서 추출한 스펙트럼의 차이를 분석하여 스펙트럼 데이터의 범용성에 대해 검토하고자 하였다. 실험에는 국립농업과학원(전라북도 완주군) 첨단디지털온실에서 무작위로 총 12개의 토마토를 수확하여 사용하였다. 시료의 분광스펙트럼은 400-1,700 nm 영역에서 SolidSpec-3700i (SHIMADZU CORPORATION, Japan)을 사용하여 획득하였고, 초분광 영상은 400-1,000 nm 영역에서 SPECIM IQ (SPECIM, Oulu, Finland)와 VNIR Hyperspec(Headwall Photonics Inc., Fitchburg, MA, USA)을 사용하여 획득하였다. 분광스펙트럼과 초분광 영상에서 추출한 스펙트럼 데이터의 특성을 비교하기 위해 Python 기반의 스펙트럼 상관 분석을 수행하였다. 그 결과, 장치간의 스펙트럼에도 일부 파장대역에서는 유사도가 떨어짐을 알 수 있었다. 향후 스펙트럼간의 보정을 통해 장치간의 호환성과 범용성을 높이고 취득한 분광 영상의 로봇 활용성을 높일 수 있을 것으로 판단된다.

참외와 잎의 분류를 위한 초분광 영상의 적용 가능성 검토

이성민 ( Seongmin Lee ),조병효 ( Byeong-hyo Cho ),노은채 ( Eunchae Roh ),이강진 ( Kangjin Lee ),박가을 ( Ga-eul Park ),홍영기 ( Youngki Homg ),김경철 ( Kyoung-chul Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2

국내 참외는 ‘23년 기준 전년 대비 약 109%의 수출 성장률을 보여 경제적으로 중요한 작물 중 하나이다(KAT, 2023). 그러나 농업 인구의 감소와 고령화 등의 이유로 농촌 노동력 부족 문제가 발생하고 있으며, 이를 해결하기 위해 다양한 농업 자동화 연구가 이루어지고 있다. 특히, 이를 위해 참외 온실에 농업용 로봇을 적용하기 위한 다양한 시도가 이뤄지고 있다. 그러나 농업용 로봇 적용에 앞서 작물을 인식할 수 있는 기술이 필수적이다. 따라서 본 연구에서는 줄기 유인방식 수경재배되는 참외를 인식하기 위해 초분광 영상의 적용 가능성을 검토하고 유효 밴드를 선정하기 위한 연구를 수행하였다. 실험 재료는 국립농업과학원(전라북도 완주군) 첨단디지털온실에서 재배된 참외를 대상으로 하였다. 참외의 성숙도는 총 3단계(미숙과, 중간숙과, 완숙과)로 분류하였고, 400-1,000 nm의 분광대역을 제공하는 초분광 카메라(SPECIM IQ, SPECIM, Oulu, Finland)를 사용하여 영상을 촬영하였다. 취득된 영상은 Breeze 프로그램(Ver. 2023.2.0, Prediktera, Umea, Sweden)을 사용하여 참외와 잎의 ROI를 지정하고 반사율을 추출하였다. 추출한 초분광 데이터는 광 산란 보정을 위해 SNV로 전처리를 수행하였다. 또한 성숙도별 참외와 잎 사이의 반사율 차이를 분석하기 위해 상관분석을 실시하였다. 그 결과, 성숙도와 상관없이 712-730, 875-896, 902-927 nm 대역의 R값이 0.8 또는 -0.8 이상으로 높은 상관관계를 나타내었다(p<0.01). 이와 같이 참외의 성숙도와 관계없이 과실과 잎을 분류하기 위해서는 Red Edge 부터 NIR 대역이 효과적인 것으로 나타났으며, 이는 미숙과의 경우 가시광선 영역에서 잎과의 큰 차이를 나타내지 않았기 때문이라고 판단된다. 따라서 온실에서 초분광 영상을 사용하여 참외의 성숙도와 관계없이 잎과 참외의 구분이 가능할 것이라고 사료된다.

다중분광 영상을 이용한 토마토 과실 모니터링 기술 개발

김경철 ( Kyoung-chul Kim ),조병효 ( Byeong-hyo Cho ),이성민 ( Seong Min Lee ),이강진 ( Kangjin Lee ),이기범 ( Ki-beom Lee ),김원경 ( Won-kyung Kim ),홍영기 ( Youngki Homg ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1

토마토는 딸기, 참외 등과 함께 우리나라 시설원예의 대표적인 작물이다. 시설 내에서의 토마토 생산성을 높이기 위해서는 생육 환경을 최적으로 만드는 것이 중요하지만 아무런 장해 없이 재배 전 과정을 건전하게 유지하기 어렵다. 원치 않게 발생하는 병해나 생리장해 등은 최종 생산에 영향을 미치는 장애물이 된다. 이러한 영향을 최소화하기 위해서는 장해가 발생한 과실이나 생육에 지장을 초래할 과실 등을 조기에 제거하는 것이 중요하다. 이를 통해 양액 등의 농자재, 냉난방 에너지, 노동력 등의 불필요한 투입을 막고 새로운 과실의 생산으로 이어지게 할 수 있기 때문이다. 본 연구에서는 재배시에 적과가 필요한 토마토를 조기에 인식하고 이를 자동으로 제거하기 위한 장치 개발에 있어 분광기술을 도입하고자 수행되었다. 시험대상은 배꼽썩음병에 걸린 토마토를 사용하였으며, 이는 꽃이 떨어진 부위에서 흑갈색으로 함몰되어 말라버리거나 썩는 생리장해로 시험은 국립농업과학원 첨단디지털온실에서 수행하였다. 먼저 생육중인 정상과 토마토 50개와 배꼽썩음병에 걸린 과실 50개를 고른 다음, 휴대용 다중분광카메라(MONARCH2, UNISPECTRAL, Ramat Gan, Israel)를 이용하여 700~950 nm 대역에서 10개의 다중분광 영상을 취득하였다. 취득한 영상은 분광 영상분석 프로그램(Breeze, Prediktera, Umea, Sweden)을 이용하여 전처리를 거친 후 배꼽썩음과 분류 모델을 개발하였다. 그 결과, Decision Tree 기반의 모델을 이용할 경우 약 98.8%의 정확도로 배꼽썩음과의 분류가 가능하였다. 향후에는 다양한 환경에서 추가적인 실험을 통해 모델의 정확도를 개선할 예정이다.