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.

본 연구에서는 고추의 수분스트레스 반응을 최적으로 계측할 수 있는 알고리즘을 개발하기 위해 초분광 단파 적외선 영상기술을 적용하였다. 수분스트레스에 노출된 고춧잎의 단파적외선 분광영상을 획득하고 ANOVA 분석을 이용하여 수분스트레스 반응을 가장 잘 반영하는 파장영역을 선정하였다. 고춧잎의 단파적외선 초분광 영상을 이용하여 ANOVA 분석을 수행한 결과 수분스트레스 판별을 위한 최적 파장은 1449nm으로 물분자의 광 흡수 영역대와 거의 일치하였다. 최적 파장에서의 고춧잎 상대반사값을 가우시안 회귀분석을 통해 정상군과 토양흡착수압이 −20kPa과 −50kPa일 때의 스트레스군을 구분할 수 있는 임계값을 계산하고 이 값을 기준으로 단파적외선 영상을 이진화하여 수분스트레스 반응을 판 단할 수 있는 최종영상을 구축하였다. 결과 영상에서 정상군과 스트레스군의 토양흡착수압이 −20kPa인 잎의 경우 스트레스 반응을 보인 픽셀이 72%이었고, −50kPa인 잎에서는 스트레스 반응을 보인 픽셀이 84%로 12%차이 가 났다. 정상군과 스트레스 강도가 다른 시료의 경우 영상의 결과가 명확히 구분되는 것으로 나타나 단파적외선 영상기술이 고춧잎의 수분스트레스 상태를 정량적으로 나타낼 수 있는 기술임을 확인할 수 있었다.

Melamine has been reported to be responsible for kidney stones and renal failure among infants and children. Con-ventional detection methods, High-Performance Liquid Chromatography (HPLC) and Gas Chromatography (GC), aresensitive enough to detect trace amounts of the contaminant, but they are time consuming, expensive, and labor-intensive. Hyperspectral imaging methods, which combine spectroscopy and imaging, can provide rapid and non-destructive means to assess the quality and safety of agricultural products. In this study, near-infrared hyperspectralreflectance imaging combined with partial least square regression analysis was used to predict melamine particleconcentration in dry milk powder. Melamine particles, with concentration levels ranging from 0.02% to 1% byweight ratio (g/g), were mixed with dry milk powder and used for the experiment. Hyperspectral reflectance imagesin the wavelength range from 992.0nm to 1682.1nm were acquired for the mixtures. Then PLSR models weredeveloped with several preprocessing methods. Optimal wavelength bands were selected from 1454.5nm to 1555.6nm using beta-coefficients from the PLSR model. The best PLSR result for predicting melamine concentration inmilk powder was obtained using a 1st order derivative pretreatment with Rv=0.974, SEP=±0.055%, and F=6.

본 연구에서는 가시광 및 근적외선 초분광 반사광 영상 시스템을 이용하여 배추의 건전종자와 퇴화종자를 선별할 수 있는 기술 개발에 관한 연구를 수행하였다. 초분광 반사광 영상을 이용하여 배추의 건전종자와 퇴화종자를 선별할 수 있는 최적의 반사광 파장 조합을 구명하고 이를 이용하여 퇴화종자를 검출할 수 있는 초분광 영상 알고리즘을 제시하였다. 본 논문의 전체적인 결론을 요약하면 다음과 같다. 가) 배추의 건전종자와 퇴화종자를 구별하기 위해 초분광 반사광 스펙트럼을 이용하여 PLS-DA 모델을 개발하고 성능평가를 수행하였다. Calibration set의 분류 정확도 97.6%이고 test set의 분류 정확도는 96.9% 이었다. 나) 배추의 건전종자와 퇴화종자를 분류하는데 가장 큰 영향을 미치는 파장대는 680 nm로 확인 되었으며, 이는 배추종자가 퇴화하는 과정에서 발생하는 chlorophyll 변화의 영향으로 사료된다. 다) 개발한 PLS-DA모델의 beta coefficient를 적용한 PLS의 영상을 이용하여 건전종자와 퇴화종자를 선별한 결과 분류정확도 96.8%로 육안 및 일반 컬러 카메라로 선별하기 힘든 배추의 퇴화종자 검출이 가능한 것을 확인할 수 있었다.

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.

Ecological disturbance plants distributed throughout the country are causing a lot of damage to us directly or indirectly in terms of ecology, economy and health. These plants are not easy to manage and remove because they have a strong fertility, and it is very difficult to express them quantitatively. In this study, drone hyperspectral sensor data and Field spectroradiometer were acquired around the experimental area. In order to secure the quality accuracy of the drone hyperspectral image, GPS survey was performed, and a location accuracy of about 17cm was secured. Spectroscopic libraries were constructed for 7 kinds of plants in the experimental area using a Field spectroradiometer, and drone hyperspectral sensors were acquired in August and October, respectively. Spectral data for each plant were calculated from the acquired hyperspectral data, and spectral angles of 0.08 to 0.36 were derived. In most cases, good values of less than 0.5 were obtained, and Ambrosia trifida and Lactuca scariola, which are common in the experimental area, were extracted. As a result, it was found that about 29.6% of Ambrosia trifida and 31.5% of Lactuca scariola spread in October than in August. In the future, it is expected that better results can be obtained for the detection of ecosystem distribution plants if standardized indicators are calculated by constructing a precise spectral angle standard library based on more data.