삼지구엽초에 함유되어 있는 icariin 함량을 신속하게 추정하기 위하여 NIRS(근적외선 분광분석기)를 이용한 분석 방법을 검토하였다. HPLC를 이용하여 분석된 삼지구엽초 유전자원 150계통에 대한 이카린 함량치를 NIRS 스펙트럼에 적용시켜 42개의 calibration set 와 26개의 valilion set를 구분하였다. NIRS의 검량식을 몇가지 방법에 의하여 비교분석한 결과 2차미분된 스텍트럼을 MPLS(Modified Partial Least Squares)를 이용한 회귀식에 이용하는 것이 가장 적합하였다. HPLC를 이용한 유전자원들의 이카린 함량은 평균 0.424%(0.12~0.67%)이었으며, NIRS에서 도출된 검량식과의 상관계수는 0.951을 나타내었다. 따라서 삼지구엽초의 이카린 함량은 NIRS를 이용하여 신속 편리하게 분석할 수 있음이 인정되었다.

The applicability of non-destructive near infrared reflectance spectroscopic (NIRS) method was tested to determine the protein and oil contents of intact soybean [Glycine max (L.) Merr.] seeds. A total of 198 soybean calibration samples and 101 validation samples were used for NIRS equation development and validation, respectively. In the developed non-destructive NIRS equation for analysis of protein and oil contents, the most accurate equation was obtained at 2, 8, 6, 1(2nd derivative, 8 nm gap, 6 points smoothing, and 1 point second smoothing) and 2, 1, 20, 10 math treatment conditions with Standard Normal Variate and Detrend (SNVD) scatter correction method and entire spectrum (400-2500 nm) by using Modified Partial Least Squares (MPLS) regression, respectively. Validation of these non-destructive NIRS equations showed very low bias (protein: 0.060%, oil: -0.017%) and standard error of prediction (SEP, protein: 0.568 %, oil : 0.451 %) as well as high coefficient of determination (R2 , protein: 0.927, oil: 0.906). Therefore, these non-destructive NIRS equations can be applicable and reliable for determination of protein and oil content of intact soybean seeds, and non-destructive NIRS method could be used as a mass screening technique for selection of high protein and oil soybean in breeding programs

The applicability of near infrared reflectance spectroscopy(NIRS) was tested to determine the protein and oil contents in ground soybean [Glycine max (L.) Merr.] seeds. A total of 189 soybean calibration samples and 103 validation samples were used for NIRS equation development and validation, respectively. In the NIRS equation of protein, the most accurate equation was obtained at 2, 8, 6, 1(2nd derivative, 8 nm gap, 6 points smoothing and 1 point second smoothing) math treatment condition with SNV-D (Standard Normal Variate and Detrend) scatter correction method and entire spectrum by using MPLS (Modified Partial Least Squares) regression. In the case of oil, the best equation was obtained at 1, 4, 4, 1 condition with SNV-D scatter correction method and near infrared (1100-2500nm) region by using MPLS regression. Validation of these NIRS equations showed very low bias (protein:-0.016%, oil : -0.011 %) and standard error of prediction (SEP, protein: 0.437%, oil: 0.377%) and very high coefficient of determination (R2 , protein: 0.985, oil : 0.965). Therefore, these NIRS equation seems reliable for determining the protein and oil content, and NIRS method could be used as a mass screening method of soybean seed

Near-infrared reflectance spectroscopy (NIRS) was used to estimate the lipid and protein contents in ground seed samples of perilla (Perilla frutescens Brit.) and peanut (Arachis hypogaea L.). A total of 46 perilla and 80 peanut calibration samples and 23 perilla and 46 pea. nut NIRS validation samples were used for NIRS equation development and validation, respectively. Validation of these NIRS equations showed a range of very low bias (-0.05 to 0.13 %) and standard error of prediction corrected for bias (0.224 to 0.803%) and very high coefficient of determination (R2 ) (0.962 to 0.985). It was concluded that NIRS could be adapted as a mass screening method for lipid and protein contents in perilla and peanut seed.

Apple fruit grading is largely dependant on skin color degree. This work reports about the possibility of nondestructive assessment of apple fruit color using infrared(NIR) reflectance spectroscopy. NIR spectra of apple fruit were collected in wavelength range of 1100~2500nm using an InfraAlyzer 500C(Bran+Luebbe). Calibration as calculated by the standard analysis procedures MLR(multiple linear regression) and stepwise, was performed by allowing the IDAS software to select the best regression equations using raw spectra of sample. Color degree of apple skin was expressed as 2 factors, anthocyanin content by purification and a-value by colorimeter. A total of 90 fruits was used for the calibration set(54) and prediction set(36). For determining a-value, the calibration model composed 6 wavelengths(2076, 2120, 2276, 2488, 2072 and 1492nm) provided the highest accuracy : correlation coefficient is 0.913 and standard error of prediction is 4.94. But, the accuracy of prediction result for anthocyanin content determining was rather low(R of 0.761).

Using Fuji apple fruits cultivated in Kyungpook prefecture, the calibration model for firmness evaluation of fruits by near infrared(NIR) reflectance spectroscopy was developed, and the various influence factors such as instrument variety, measuring method, sample group, apple peel and selection of firmness point were investigated. Spectra of sample were recorded in wavelength range of 1100∼2500nm using NIR spectrometer (InfraAlyzer 500), and data were analyzed by stepwise multiple linear regression of IDAS program. The accuracy of calibration model was the highest when using sample group with wide range, and the firmness mean values obtained in graph by texture analyser(TA) were used as standard data. Chemometrics models were developed using a calibration set of 324 samples and an independent validation set of 216 samples to evaluate the predictive ability of the models. The correlation coefficients and standard error of prediction were 0.84 and 0.094kg, respectively. Using developed calibration model, it was possible to monitor the firmness change of fruits during storage frequently. Time, which was reached to firmness high value in graph by TA, is possible to use as new parameter for freshness of fruit surface during storage.

This study was conducted to establish a rapid analysis method for determining protein and moisture contents of pea. Ninety and eighty pea (Pisum sativum L.) lines were analyzed to determine protein and moisture contents, respectively using near-infrared reflectance spectroscopy. Simple correlations (~gamma ) of protein content in a ground sample and an intact grain sample by an automatic regression method were 0.978 and 0.910, respectively. Simple correlations by partial least square regression/principal component analysis (PLS/PCA) methods were 0.982 and 0.925, respectively. Standard error of performance (SEP) in protein content was the lowest value, 0.446 in ground sample by PLS/PCA methods. Simple correlation of moisture content was the highest at 0.871 in ground samples. when using a standard regression method. Accuracy for the moisture content was slightly lower than for protein content. It was concluded that the NIRS method would be applicable only for rapid determination of protein content in pea.

신속하고 정확한 근적외선 분광분석법으로 품질분석의 효율성을 증대하기 위하여 화학성분의 변이분포가 검량식 작성과정에 미치는 영향과 측정 정확성에 미치는 관계를 구명하여, 근적외선 분광광도계의 이용 효율성 제고를 위한 기초자료를 얻고자 실시한 실험의 결과는 다음과 같다. 1. 보리 전분에 대한추정치 표준오차는 변이폭이 증대될수록 증가하는 경향을 보였으며, 상관계수도 변이폭이 증대될수록 0.872에서 0.883으로 다소 높아지는 경향을 나타내었다. 2. eta -glucan과 단백질은 변이폭이 증대될수록 추정치 표준오차는 낮아지고 상관계수는 높아지는 결과를 보여, 근적외선 분광분석법의 이용성 향상을 위하여서는 이들 성분의 함량변이 확대가 필요할 것으로 생각되었다. 3. 회분은 첫번째와 두번째 group에서는 유의성이 인정되지 않았으나, 세번째 group에서는 상관계수가 0.743으로 유의성이 인정되어 회분함량의 경우에는 어느 정도의 변이폭이 있어야만 근적외선 분광분석법이 가능할 것으로 생각되었다. 4. 겉보리 성분 중 전분과 회분은 재검토가 이루어져야 할 것으로 생각되었으며, β-glucan과 단백질은 근적외선 분광분석법의 적용이 가능하여 분석의 효율성이 증대될 것으로 생각되었다.

겉보리 품질에서 중요한 전분, eta -glucan, 단백질 및 회분을 근적외선분광분석법을 이용하여 신속하고 정확하게 분석할 수 있다면 양질의 겉보리 품종육성에 있어 선발효율을 높일 수 있을 것이다. 이러한 목적으로 겉보리 34계통을 공시하여 근적외선 분광광도계 Neotec 102를 이용한 근적외 스펙트럼과 각각의 화학분석치간의 중회귀분석에 의해 검량식을 작성하고 각 검량식별 측정 정확성을 분석한 결과는 다음과 같다. 1. 전분함량 분석시 2272/2078/2053/2055nm의 4개 파장으로 구성된 검량식이 추정치 표준오차(SEP)가 2.75, 상관계수가 0.932로 측정 정확성이 높았다 2. β-glucan 함량분석은 2276/2086nm의 2개 파장으로 구성된 검량식에서 추정치 표준오차(SEP)가 0.643, 상관계수가 0.588을 나타내 유의성은 인정되지 않았으나 본 실험에 사용된 근적외선 분광광도계 파장영역이 넓은 기기를 사용한다면 분석은 가능할 것으로 생각되었다. 3. 단백질은 1932/2242/2110nm의 3개 파장으로 구성된 검량식의 추정치 표준오차(SEP)가 0.257로 낮았고, 상관계수가 0.984로 측정 정확성이 매우 높게 나타났다. 4. 회분은 2160/1943/1941nm의 3개 파장으로 구성된 검량식을 이용하여 NIRS로 분석가능할 것으로 판단되었다.

맥주보리 품질에서 중요한 성분인 단백질함량을 NIRS를 이용하여 신원하고 정확하게 분석하기 위해 최적의 검양식 작성에 관한 일련의 시험을 실시한 결과는 다음과 같다. 1. Micro-Kjeldahl법에 의해 분석한 단백질함량을 이용하여 작성된 NIRS의 검양식중 2095 /1941/ 2282/ 2086nm 파장으로 구성된 검양식에서 결정계수(R2 )가 0.95로서 가장 높았다. 2. NIRS의 2095/1941/2282/2086nm 파장으로 구성된 검양식으로 '92년도에 생산된 18품종을 분석한 결과 SDD가 0.47, SEP가 0.43, r이 0.95로서 매우 우수하였으며 평균 단백질함량도 Micro-Kjeldahl법의 10.25%와 동일하였다. 3. NIRS의 2095/1941/2282/2086nm 파장으로 구성된 검양식으로 '93년에 생산된 미지의 시료 31품종을 Micro-Kjeldahl법과 비교분석한 결과 SDD가 0.69, SEP가 0.67, r(simple correlation)이 0.91이었다. 4. 본 시험에서 작성된 NIRS의 검양식을 이용할 경우 Micro-Kjeldahl 분석치와 r값이 0.91로서 고도의 유의성이 인정되었으며 bias값을 보정해 주면 단백질함량의 평균값이 Micro-Kjeldahl법과 매우 근접된 값을 얻을 수 있어서 맥주보리 육종의 초기세대에서 단기간 다량의 계통을 분석할 수 있을 것으로 기대되었다.

쌀의 이화학적인 성분분석과 관능검사에 의한 식미검정으로 품질을 평가하는 방법은 많은 시간적, 경제적인 비용이 수반되므로 소량의 시료로 신속하고 정확하게 품질을 검정할 수 있는 방법이 확립되면 양질미 품종 육성의 선발 효율을 높이고 쌀 품질을 등급화하여 유통시장에서 품질 인증제 도입시 평가 방법으로 적용할 수 있을 것이다. 이러한 목적으로 벼 68품종을 공시하여 근적외 분광 분석기를 사용하여 근적외 스펙트럼과 몇가지 이화학특성치간의 중회귀 분석에 의해 각각의 검량식을 작성하여 미지의 시료로 측정정확도를 분석한 결과는 다음과 같다. 1. 아밀로스함량 분석에서는 1파장에서 6파장으로 구성되는 5개의 검량식을 얻었으나 2208 및 2044nm의 2파장으로 구성된 검량식에서 측정정확도가 높았다. 2. 단백질함량 분석에서는 2파장에서 6파장으로 구성되는 5개의 검량식을 얻었으나 2220, 2236, 2128, 2152및 2092nm의 5파장으로 구성된 검량식에서 측정정확도가 높았다. 3. 무기성분인 Mg와 K 함량 분석에서는 각각 5개의 검량식을 얻었으나 Mg 함량은 1224, 1212, 1156 및 1204의 4파장 검량식에서 K 함량은 2304, 2292, 2260및 1152의 4파장 검량식에서 각각 측정 정확도가 높게 나타났다. 4. 확인용 시료의 이화학적 특성치와 근적외 분광 분석기에 의한 측정치간의 상관에서 상관계수는 단백질함량(0.93), K함량(0.83), Mg함량(0.80), 아밀로스함량(0.68)의 순으로 높았고, 모든 성분에서 높은 정의 유의한 상관이 인정되었다.