본 연구는 무대재배 복숭아 ‘미황’을 대상으로 성숙기간 중 RGB 영상을 취득한 후 다양한 품질 지표를 측정하고 이를 딥 러닝 기술에 적용하여 복숭아 과실 숙도 분류의 가능성을 탐 색하고자 실시하였다. 취득 영상 730개의 데이터를 training 과 validation에 사용하였고, 170개는 최종 테스트 이미지로 사용하였다. 본 연구에서는 딥러닝을 활용한 성숙도 자동 분 류를 위하여 조사된 품질 지표 중 경도, Hue 값, a*값을 최종 선 발하여 이미지를 수동으로 미성숙(immature), 성숙(mature), 과숙(over mature)으로 분류하였다. 이미지 자동 분류는 CNN (Convolutional Neural Networks, 컨볼루션 신경망) 모델 중 에서 이미지 분류 및 탐지에서 우수한 성능을 보이고 있는 VGG16, GoogLeNet의 InceptionV3 두 종류의 모델을 사용 하여 복숭아 품질 지표 값의 분류 이미지별 성능을 측정하였 다. 딥러닝을 통한 성숙도 이미지 분석 결과, VGG16과 InceptionV3 모델에서 Hue_left 특성이 각각 87.1%, 83.6% 의 성능(F1 기준)을 나타냈고, 그에 비해 Firmness 특성이 각각 72.2%, 76.9%를 나타냈고, Loss율이 각각 54.3%, 62.1% 로 Firmness를 기준으로 한 성숙도 분류는 적용성이 낮음을 확인하였다. 추후에 더 많은 종류의 이미지와 다양한 품질 지 표를 가지고 학습이 진행된다면 이전 연구보다 향상된 정확도 와 세밀한 성숙도 판별이 가능할 것으로 판단되었다.

This study was conducted using deep learning technology to classify for ‘Mihwang’ peach maturity with RGB images and fruit quality attributes during fruit development and maturation periods. The 730 images of peach were used in the training data set and validation data set at a ratio of 8:2. The remains of 170 images were used to test the deep learning models. In this study, among the fruit quality attributes, firmness, Hue value, and a* value were adapted to the index with maturity classification, such as immature, mature, and over mature fruit. This study used the CNN (Convolutional Neural Networks) models for image classification; VGG16 and InceptionV3 of GoogLeNet. The performance results show 87.1% and 83.6% with Hue left value in VGG16 and InceptionV3, respectively. In contrast, the performance results show 72.2% and 76.9% with firmness in VGG16 and InceptionV3, respectively. The loss rate shows 54.3% and 62.1% with firmness in VGG16 and InceptionV3, respectively. It considers increasing for adapting a field utilization with firmness index in peach.

Abstract
서 론
재료 및 방법
    1. 시험재료 및 영상 데이터 취득
    2. 복숭아 과실 품질 조사
    3. 데이터 전처리 및 데이터 증강
    4. 테스트 CNN 모델
    5. 시험환경 및 모델 성능평가
    6. 복숭아 숙도 판별용 지표에 대한 모델 성능 평가
결과 및 고찰
    1. 복숭아 ‘미황’ 과실의 성숙기간 중 숙도 판별용 지표의변화
    2. 수확지표 경도를 이용한 합성곱 신경망 적용 결과 분석
    3. 수확지표 색도 Hue와 a*값을 이용한 합성곱 신경망적용 결과 분석
    4. VGG16과 InceptionV3 모델의 성능비교
적 요
사 사
Literature Cited

• 신미희(경상국립대학교 농업생명과학연구원 선임연구원) | Mi Hee Shin (Junior Researcher, Institute of Agriculture and Life Sciences, Gyeongsang National University)
• 장경은(경상국립대학교 대학원 응용생명과학부 대학원생) | Kyeong Eun Jang (Graduate Student, Division of Applied Life Science, Graduate School of Gyeongsang National University)
• 이슬기(국립원예특작과학원 과수과 농업연구사) | Seul Ki Lee (Researcher, Fruit Research Division, National Institute of Horticultural and Herbal Science)
• 조정건(국립원예특작과학원 과수과 농업연구사) | Jung Gun Cho (Researcher, Fruit Research Division, National Institute of Horticultural and Herbal Science)
• 송상준(팜앤팜소프트 대표) | Sang Jun Song (Representative, Farm&Farm Soft)
• 김진국(경상국립대학교 원예학과 교수, 경상국립대학교 농업생명과학연구원 책임연구원) | Jin Gook Kim (Professor, Department of Horticulture, College of Agriculture and Life Science, Gyeongsang National University, Principal Researcher, Institute of Agriculture and Life Sciences, Gyeongsang National University) Corresponding author