In this paper, the model for predicting yields of chinese cabbages of each cultivar (joined-up in 2015 and wrapped-up in 2016) was developed after the reflectance of hyperspectral imagery was merged as 10 nm, 25 nm and 50 nm of FWHM (full width at half maximum). Band rationing was employed to minimize the unstable reflectance of multi-temporal hyperspectral imagery. The stepwise analysis was employed to select key band ratios to predict yields in all cultivars. The key band ratios selected for each of FWHM were used to develop the yield prediction models of chinese cabbage for all cultivars (joined-up & wrapped-up) and each cultivar (joined-up, wrapped-up). Effective accumulated temperature (EAT) was added in the models to evaluate its improvement of performances. In all models, the performance of models was improved with adding of EAT. The models with EAT for each of FWHM showed the predictability of yields in all cultivars as R2≥0.80, RMSE≤694 g/plant and RE≤28.3%. Such as this result, if the yield can be predicted regardless of the cultivar, it is considered to be advantageous when predicting the yield over a wide area because it is not require a cultivar classification work as pre-processing in imagery.

연구는 초분광 영상을 이용하여 오이 및 수박과 같은 박과 묘의 수분함량을 추정하기 위해 수행되었다. 오이와 수박 묘 샘플에 수분 스트레스를 가한 후 초분광 영상 취득 시스템을 이용하여 오이와 수박 묘 잎을 촬영하여 반사율을 계산하였고, 건조기를 이용하여 해당 모종의 수분함량을 측정하였다. 마지막으로 영상의 반사율과 수분함량을 이용하여 부분최소제곱회귀분석을 통해 수분함량 추정모델을 개발하였다. 오이 묘 수분함량 추 정모델은 R2 0.73, RMSE 1.45%, RE 1.58%의 성능을 보였으며, 수박 묘 수분함량 추정모델은 R2 0.66, RMSE 1.06%, RE 1.14%의 성능을 보였다. 유효범위를 넘어가는 극단치를 제거하여 모델의 성능을 다시 분석한 결과, 오이 모델의 경우 R2 0.79, RMSE 1.10%, RE 1.20으로 상승하였다. 오이와 수박 묘를 함께 분석하여 모델을 제작한 결과, R2 0.67, RMSE 1.26, RE 1.36으 로 분석되었다. 오이 모델이 수박 모델보다 비교적 높은 성능을 보였는데, 이러한 원인은 오이의 수분함량 변이가 넓게 분포되어 있었기 때문이라고 판단된다. 또한 데이터셋에서 유효범위를 넘어가는 극단치를 제거한 결과 오이 모델의 정확도 및 정밀도가 상승하였다. 결론적으로 오이 및 수박 묘 수분함량 추정모델들의 추정선의 기울기 차가 크지 않고, 서로 교차되기 때문에 두 모델 들은 모두 수분함량을 추정하는데 있어서 유의한 것으로 판단된다. 또한 샘플의 변수가 넓게 분포된 변이를 갖는다면 추정모델의 정확도와 정밀도는 분명 상승할 것이며, 개선된 모델을 이용하면 저가형 센서를 개발하는데 활용 될 수 있을 것으로 사료된다.

미즈나의 주요성분인 건물중, 전탄소, 전질소, Fe 및 Ca 함유량을 초분광 영상을 이용하여 추정하였다. 샘플은 인공재배기에서 실내온도 20℃, 일조시간 13 h의 조건에서 6 주간 재배한 샘플과 온실에서 동일기간 재배된 샘플을 이용하였다. 재배조건, 영상취득시의 광 환경에 따라 인공재배기, 하우스, 전처리의 유무 및 모든 데이터를 이용한 그룹으로 나누어 각각 모델을 작성하였다. 실내 재배에서는 건물 중, 전탄소, 전질소의 경우 전처리에 따라 평균상대오차(MRE)가 5% 이상 향상되었으나 하우스의 경우 전처리의 효과가 없었다. Ca 이온의 경우 조건에 관계없이 모델을 구축할 수 있었으나 Fe 이온의 경우 하우스 재배에서는 모델을 구축할 수 없었다. 모든 데이터를 이용해 미즈나의 건물중, 전질소, 전탄소, Fe 및 Ca 함유량을 추정할 경우 반사율을 이용해 62% 이상 설명이 가능하였고 검증결과도 57% 이상으로 나타났다. 전처리를 거칠 경우 반사율을 이용해 71% 이상 설명이 가능하였고 검증결과도 62% 이상으로 나타났다. 전처리를 했을 경우 각각 추정오차는 건물중이 0.54 g/m2, 전질소가 39.8 mg/m2, 전탄소가 185 mg/m2, Fe 이온이 0.35 mg/m2, Ca 이온이 14.1 mg/m2였다.

초분광영상을 이용하여 방울토마토의 전체 면에서 반사스펙트럼을 획득하였으며 숙도 등급(GN-RD)에 따른 스펙트럼의 차이를 관찰하였다. 방울토마토의 반사스펙트럼에서 클로로필에 의한 675 nm 영역의 흡수가 관찰되었고, 당과 수분의 영향으로 알려진 840 nm, 970 nm 영역에서 흡수가 관찰되었다. 특히 GN에서 RD 등급으로 숙도가 진행될수록 평균 스펙트럼의 경우 반사율이 낮아지는 경향이 관찰되었다. 총 8개의 전처리를 이용하여 전 숙도 등급의 시료에 적용한 PLS 회귀 분석에서 내부품질들 중 경도 예측모델이 가장 우수한 것으로 확인되었다. 이때 전처리는 평균값을 이용한 정규화이었으며 결정계수는 0.876, 그리고 SEP은 1.875 kgf 이었다. 당도의 경우는 최대값을 이용한 정규화에서 결정계수가 0.823과 SEP 0.388oBx로 나타났으며, 산 함량의 경우 최대값을 이용한 정규화에서 0.620의 결정계수와 0.208%의 SEP이 확인되었다. 상품성을 고려한 PK, LR, RD 등급의 시료에서 PLS 회귀 분석을 실시한 결과 내부품질 중 전체의 숙도 등급의 시료를 사용하여 예측한 결과보다는 전체적으로 다소 낮은 예측결과를 확인할 수 있었다. 내부 품질 중 경도에서 가장 높은 예측모델이 확인되었으며, 전처리는 일정 범위를 이용한 정규화이고 0.679의 결정계수와 0.976oBx의 SEP이 확인되었다. 당도는 최대값을 이용한 정규화에서 0.586의 결정계수와 0.546 kgf의 SEP의 결과를 보였으며 산 함량은 Savitzky Golay의 2차 미분에서 0.547의 결정계수와 0.188%의 SEP을 보였다. 본 연구에서는 최근 연구 활용이 시작되고 있는 최신기술인 초분광 반사영상을 이용하여 방울토마토 내부품질인 경도, 당도, 산 함량 예측의 가능성을 확인하였다. 초분광영상은 영상처리를 이용하여 외부의 결함 및 외부 착색도 등도 측정할 수 있으므로 본 연구에서 수행한 내부품질 측정과 융합하여 복합적인 농산물 품질 선별기 개발에 활용할 수 있을 것으로 판단된다.