본 연구는 메꽃과 6종의 식물에 대해 신속하고 비파괴적으로 분류하기 위해 근적외선 (Vis-NIR) 스펙트럼을 이용하였고 데이터의 전처리와 머신러닝 기술을 적용하였다. 전국적으로 분포하는 메꽃과 6종에 대해 야외에서 휴대용 분광기를 이용하여 판별하였다. 식물의 잎의 표면에서 400~1,075 nm의 근적외선 스펙트럼 (1.5 nm)을 수집하였 다. 수집된 스펙트럼 데이터는 3가지의 전처리와 raw데이터를 이용하였고 4종류의 머신러닝 모델을 적용하여 높은 판별 정확도를 확인하였다. 전처리와 머신러닝 모델의 조합을 통해 분석된 판별의 정확도는 43~99%의 범위로 분석되었고, standard normal variate 전처리와 support vector machine 머신러닝 모델의 조합에서 판별 정확도가 98.6% 로 가장 높게 나타났다. 본 연구에서 수집된 스펙트럼은 식물의 성장단계, 다양한 측정 지역 및 잎에서의 측정 위치 등과 같은 요인과 더불어 데이터 분석을 위한 조건으로 최 적의 전처리와 머신러닝 기술을 적용한다면 메꽃과 식물의 야외에서의 정확한 분류가 가능하고 이들 식물의 효과적인 관리와 모니터링에 활용할 수 있을 것으로 판단되었다.

Near infrared reflectance spectroscopy (NIRS) is routinely used for the determination of nutrient components of forages. However, little is known about the impact of sample preparation and wavelength on the accuracy of the calibration to predict minerals. This study was conducted to assess the effect of sample preparation and wavelength of near infrared spectrum for the improvement of calibration and prediction accuracy of Calcium (Ca) and Phosphorus (P) in imported hay using NIRS. The samples were scanned in reflectance in a monochromator instrument (680–2,500 nm). Calibration models (n = 126) were developed using partial least squares regression (PLS) based on cross-validation. The optimum calibrations were selected based on the highest coefficients of determination in cross validation (R2) and the lowest standard error of cross-validation (SECV). The highest R2 and the lowest SECV were obtained using oven-dry grinded sample preparation and 1,100-2,500 nm wavelength. The calibration (R2) and SECV were 0.99 (SECV: 468.6) for Ca and 0.91 (SECV: 224.7) for P in mg/kg DM on a dry weight, respectively. Results of this experiment showed the possibility of NIRS method to predict mineral (Ca and P) concentration of imported hay in Korea for routine analysis method to evaluate the feed value.

The aim of this study was to investigate the feasibility of discrimination 12 different cultivar of sorghum × sudangrass hybrid (Sorghum genus) seed through near infrared spectroscopy (NIRS). The amount of samples for develop to the best discriminant equation was 360. Whole samples were applied different three spectra range (visible, NIR and full range) within 680-2500 nm wavelength and the spectrastar 2500 Near near infrared was used to measure spectra. The calibration equation for discriminant analysis was developed partial least square (PLS) regression and discrimination equation (DE) analysis. The PLS discriminant analysis model for three spectra range developed with mathematic pretreatment 1,8,8,1 successfully discriminated 12 different sorghum genus. External validation indicated that all samples were discriminated correctly. The whole discriminant accuracy shown 82 ~ 100 % in NIR full range spectra. The results demonstrated the usefulness of NIRS combined with chemometrics as a rapid method for discrimination of sorghum × sudangrass hybrid cultivar through seed.

In this study, whole crop rice samples were used to develop near-infrared reflectance (NIR) equations to estimate six forage quality parameters: Moisture, crude protein (CP), neutral detergent fiber (NDF), acid detergent fiber (ADF), Ash and relative feed value (RFV). A population of 564 whole crop rice representing a wide range in chemical parameters was used in this study. Undried finely chopped whole crop rice samples were scanned at 1 nm intervals over the wavelength range 680–2500 nm and the optical data recorded as log 1/Reflectance (log 1/R). NIRS calibrations were developed by means of partial least-squares (PLS) regression. The correlation coefficients of cross-validation (R2 cv) and standard error of cross-validation (SECV) for whole crop rice calibration were 0.98 (SECV 1.81%) for moisture, 0.89 (SECV 0.50%) for CP, 0.86 (SECV 1.79%) for NDF, 0.89 (SECV 0.86%) for ash, and 0.84 (SECV 5.21%) for RFV on a dry matter (%), respectively. The NIRS calibration equations developed in this study will be useful in predicting whole crop rice quality for these six quality parameters.

Near infrared reflectance spectroscopy (NIRS) has become increasingly used as a rapid and accurate method of evaluating some chemical compositions in forages. The objective of this study was to evaluate the potential of NIRS, applied to imported forage, to estimate the moisture and chemical parameters for imported hays. A population of 392 imported hay representing a wide range in chemical parameters was used in this study. Samples of forage were scanned at 1 nm intervals over the wavelength range 680-2500nm and the optical data was recorded as log 1/Reflectance(log 1/R), which scanned in intact fresh condition. The spectral data were regressed against a range of chemical parameters using partial least squares(PLS) multivariate analysis in conjunction with spectral math treatments to reduced the effect of extraneous noise. The optimum calibrations were selected based on the highest coefficients of determination in cross validation(R2) and the lowest standard error of cross-validation(SECV). The results of this study showed that NIRS predicted the chemical parameters with very high degree of accuracy. The R2 and SECV for imported hay calibration were 0.92(SECV 0.61%) for moisture, 0.98(SECV 0.65%) for acid detergent fiber, 0.97(SECV 0.40%) for neutral detergent fiber, 0.99(SECV 0.06%) for crude protein and 0.97(SECV 3.04%) for relative feed value on a dry matter(%), respectively. Results of this experiment showed the possibility of NIRS method to predict the moisture and chemical composition of imported hay in Korea for routine analysis method to evaluate the feed value.

This study was carried out to explore the accuracy of near infrared spectroscopy(NIRS) for the prediction of moisture content and chemical parameters on winter annual forage crops. A population of 2454 winter annual forages representing a wide range in chemical parameters was used in this study. Samples of forage were scanned at 1nm intervals over the wavelength range 680-2500nm and the optical data was recorded as log 1/Reflectance(log 1/R), which scanned in intact fresh condition. The spectral data were regressed against a range of chemical parameters using partial least squares(PLS) multivariate analysis in conjunction with spectral math treatments to reduced the effect of extraneous noise. The optimum calibrations were selected based on the highest coefficients of determination in cross validation(R2) and the lowest standard error of cross-validation(SECV). The results of this study showed that NIRS calibration model to predict the moisture contents and chemical parameters had very high degree of accuracy except for barely. The R2 and SECV for integrated winter annual forages calibration were 0.99(SECV 1.59%) for moisture, 0.89(SECV 1.15%) for acid detergent fiber, 0.86(SECV 1.43%) for neutral detergent fiber, 0.93(SECV 0.61%) for crude protein, 0.90(SECV 0.45%) for crude ash, and 0.82(SECV 3.76%) for relative feed value on a dry matter(%), respectively. Results of this experiment showed the possibility of NIRS method to predict the moisture and chemical composition of winter annual forage for routine analysis method to evaluate the feed value.

소 도체의 등급 판정은 육량과 육질의 품질을 고려하여 숙련된 전문인력에 의해 수행되고 있다. 육질의 품질을 결정하는 중요한 인자로 근내지방도, 지방색, 육색 등이 이용되고 있다. 소도체의 품종, 성별, 연령에 따라 근섬유의 특성과 근내지방의 시각적 발현특성이 다르므로 측정자간 시각적 해석에 오차가 발생할 수 있다. 주요 판정인자들을 객관적으로 판정하기 위한 자동 측정기술의 개발이 필요하다. 본 연구는 근적외선 분광 영상을 이용하여 소 도체의 육질 판정 가능성을 조사하기 위하여 수행되었다. 다섯 등급(1++, 1+, 1, 2, 3)의 소 도체에 대하여 배최장근(등심부위)의 1,000-1,700 nm 영역의 분광 영상을 측정하였고, 육질부분과 지방부분의 분광 특성을 조사하였다. 그 결과 근적외선 분광 영상기술을 이용하여 육질부위와 지방부위의 구분이 가능하였으며, 근내지방도 예측도 가능하였다.

This study was conducted to find out an alternative way of rapid and accurate analysis of chemical composition of permanent pastures in hilly grazing area. Near reflectance infrared spectroscopy (NIRS) was used to evaluate the potential for predicting proximate analysis of permanent pastures in a vegetative stage. 386 pasture samples obtained from hilly grazing area in 2015 and 2016 were scanned for their visible–NIR spectra from 400~2,400nm. 163 samples with different spectral characteristics were selected and analysed for moisture, crude protein (CP), crude ash (CA), acid detergent fiber (ADF) and neutral detergent fiber (NDF). Multiple linear regression was used with wet analysis data and spectra for developing the calibration and validation mode1. Wavelength of 400 to 2500nm and near infrared range with different critical T outlier value 2.5 and 1.5 were used for developing the most suitable equation. The important index in this experiment was SEC and SEP. The R2 value for moisture, CP, CA, CF, Ash, ADF, NDF in calibration set was 0.86, 0.94, 0.91, 0.88, 0.48 and 0.93, respectively. The value in validation set was 0.66, 0.86, 0.83, 0.71, 0.35 and 0.88, respectively. The results of this experiment indicate that NIRS is a reliable analytical method to assess forage quality for CP, CF, NDF except ADF and moisture in permanent pastures when proper samples incorporated into the equation development.

수입 농산물의 증가함에 따라 국산 농산물보다 가격이 저렴한 수입 농산물의 원산지 표시 위반 사례들이 증가하고 있다. 공정한 유통질서를 확립하기 위하여 농축산물의 원산지 표시제를 시행하고 있다. 특히 쌀은 관세화 전환 의무에 따라 수입량이 증가하고 있으며, 수입산 쌀 중에서 중립종 및 단립종 품종은 국내산 쌀과 외관이 유사하여 육안 판별이 어렵다. 따라서 국내산과 수입산 쌀을 신속하게 판별할 수 있는 기술이 요구되고 있다. 본 연구에서는 근적외선 초분광 영상 기술을 적용하여 국내산과 수입산 쌀 판별 기술을 개발하였다. 2014~2015년에 국내에서 생산된 중립종 쌀 100점과 중국에서 생산된 단립종 및 중립종 쌀 120점이 실험에 사용되었다. 990~1,700 nm 파장 영역에서 쌀의 근적외선 초분광 영상을 측정하였으며, 초분광 영상의 픽셀 스펙트럼의 평균값을 추출하여 데이터를 분석하였다. 쌀의 원산지 판별을 위해 주성분 선형판별 모델을 개발하였으며, 그 결과 국내산 쌀과 수입산 쌀 판별 정확도 99.9% 이상으로 원산지 판별이 가능하였다.

맥류에서 발생되는 붉은곰팡이병균(Fusarium)의 제2차 대사산물인 deoxynivalenol (DON), nivalenol (NIV), zearalenone (ZEA) 등과 같은 곰팡이 독소는 수확후 처리과정에서 소멸되는 경우도 있지만 이미 생성된 독소들은 농산물에 잔류 하게 된다. 발암물질로 알려진 곰팡이독소는 열에 안정적인 특성으로 인해 조리 및 가공 후에도 분해되지 않기 때문 에 오염된 농산물이나 식품을 사전에 선별하여 폐기하는 것이 중요하다. 기존 곰팡이독소 검출을 위해 사용되는 방법 으로는 Thin layer chromatography (TLC)법과 HPLC법이 있으며 최근 aflatoxin 등을 비롯한 주요 곰팡이독소 분석용으 로 효소면역분석법(ELISA)이 도입되고 있다. 이러한 화학분석법의 경우에 정확성은 높지만 분석에 대한 전체적인 과 정을 수행하기 위해서는 고가의 장비와 전문 인력이 요구되고 있으며 최종 결과를 획득하기 위해서 장시간이 소요되 는 단점이 있으며 다량의 시료를 분석하기에는 한계가 있다. 따라서 본 연구에서는 근적외선 분광 기술을 적용하여 곰팡이독소(DON)에 오염된 겉보리 시료와 정상시료를 신속하게 판별하기 위해 수행되었다. 겉보리 시료에 적용된 곰 팡이독소(DON)의 농도는 0, 1, 10, 100 ppm으로 하였으며 용매는 물을 이용하였고 1, 12, 24시간 동안 초음파, 진탕, 정치의 3가지 방법을 이용하여 독소를 침투시켰다. 각각의 처리조건별로 15립의 겉보리 시료를 조제하였으며 파장대 역이 1,175~2,170 nm 분광센서를 이용하여 3회 반복 측정하였다. 오염됨 시료와 정상시료를 판별하기 위해서 PLS-DA (Partial least square discrimination analysis) 모델을 개발하였으며 물에 정치하여 조제한 100 ppm 곰팡이독소 감염 겉보리 시료와 정상 시료에 있어서 정상에 대한 판별율은 100%였으나 감염 시료에 대한 판별율은 34.6%로서 저 조하였다.

붉은곰팡이병균(Fusarium)은 맥류의 출수기에 많은 비가 내려 습도가 높거나 기온이 10~25℃ 환경 조건에서 병원균 이 급속하게 증식되어 발생 빈도가 증가하게 되는 특징이 있다. 이러한 붉은곰팡이병균에 감염된 피해 이삭은 껍질이 갈색으로 변색되고 분생포자 형태의 붉은색 곰팡이로 뒤덮이게 된다. 붉은곰팡이병균에 감염된 곡물은 수량이 감소되 고 품질이 저하되어 경제적 손실을 일으키게 되어 이를 사전에 신속하게 판별할 수 있는 기술 개발이 요구되고 있다. 본 연구에서는 붉은곰팡이병균에 감염된 겉보리 시료와 정상 겉보리 시료를 가시광선 및 근적외선(visible and near-infrared; VNIR) 초분광 영상 시스템을 이용하여 비파괴적이고 신속하게 판별하기 위해 수행되었다. 붉은곰팡이병균에 감염된 겉보리 시료는 총 298립이고 대조군(control)로 사용한 정상 겉보리 시료는 총 127립을 사용하였다. VNIR 초분광 영상 시스템은 파장대역이 403~998 nm이고 시스템의 구성은 EMCCD 카메라, 영상분광기(imaging spectrograph), 할로겐 램 프, C 마운트 렌즈, 시료대 등으로 구성되었다. 모든 시료는 종구(groove)를 기준으로 앞면과 뒷면을 구분하여 측정하였 으며 획득한 초분광 영상은 배경을 제거하여 겉보리 시료에 대한 관심영역(ROI)을 추출하였다. 정상 및 감염 시료를 판별하기 위한 최적 파장대역의 선발은 분산분석(ANOVA)을 적용하였으며 선발된 최적 파장 대역은 문턱값을 이용하 여 이치화 영상으로 변환하여 오염 겉보리 검출에 대한 판별률을 계산하였다. VNIR 초분광 영상 시스템을 이용하여 붉은곰팡이병균에 감염된 다수의 겉보리 시료를 비파괴적이고 신속하게 검출할 수 있는 가능성을 확인할 수 있었다.

This study was conducted to determine the effect of mathematical transformation on near infrared spectroscopy (NIRS) calibrations for the prediction of chemical composition and fermentation parameters in corn silage. Corn silage samples (n=407) were collected from cattle farms and feed companies in Korea between 2014 and 2015. Samples of silage were scanned at 1 nm intervals over the wavelength range of 680~2,500 nm. The optical data were recorded as log 1/Reflectance (log 1/R) and scanned in intact fresh condition. The spectral data were regressed against a range of chemical parameters using partial least squares (PLS) multivariate analysis in conjunction with several spectral math treatments to reduce the effect of extraneous noise. The optimum calibrations were selected based on the highest coefficients of determination in cross validation (R2 cv) and the lowest standard error of cross validation (SECV). Results of this study revealed that the NIRS method could be used to predict chemical constituents accurately (correlation coefficient of cross validation, R2 cv, ranging from 0.77 to 0.91). The best mathematical treatment for moisture and crude protein (CP) was first-order derivatives (1, 16, 16, and 1, 4, 4), whereas the best mathematical treatment for neutral detergent fiber (NDF) and acid detergent fiber (ADF) was 2, 16, 16. The calibration models for fermentation parameters had lower predictive accuracy than chemical constituents. However, pH and lactic acids were predicted with considerable accuracy (R2 cv 0.74 to 0.77). The best mathematical treatment for them was 1, 8, 8 and 2, 16, 16, respectively. Results of this experiment demonstrate that it is possible to use NIRS method to predict the chemical composition and fermentation quality of fresh corn silages as a routine analysis method for feeding value evaluation to give advice to farmers.