콩과 같은 밭작물은 주로 토양으로부터 수분을 공급받으며 토양 수분 조건에 따라 생육 반응이 민감하게 반응한다. 작물의 생육과 재배 지역의 토양 조건, 기상 등에 따라 적정 토양 수분을 유지하는 것은 작물 생산량의 증가를 위해 중요하다. 따라서, 본 연구에서는 머신러닝 기법을 이용하여 토양 수분 함량 예측 모델을 개발하였다. 깊이에 따른 토양 수분과 외기, 강수량 등 기상 변수와의 상관 관계를 구명하고, 깊이별 토양 수분예측을 위한 부분최소제곱회귀(PLSR) 모델을 알고리즘을 개발하였다. 콩 재배포장의 10cm, 20cm, 30cm 깊이의 토양수분은 FDR 방식의 센서로 측정하였 고, 콩 작물 주변 환경인자(재배환경의 기온, 상대습도, 풍속, 일사량, 일조시간)는 주변의 기상관측소에서 측정된 데이터를 이용하였다. 이를 이용하여 깊이별 미래의 토양수분함량 예측 모델을 개발한 결과, 10cm와 20cm깊이에서 주요 인자는 현재 토양수분함량과 기온이었으며, 30cm 깊이에서의 주요 인자는 현재 토양수분함량과 기온, 풍속으로 나타났다. 토양 깊이가 깊어짐에 따라 토양수분함량 예측 정확도가 향상되었으며, 이는 표면에 가까울수록 토양수분함량이 변화가 크기 때문으로 예상된다. 또한 미래의 토양 수분함량예측시 1시간 후 예측 정확도가 가장 우수하였으며, 이때의 Rv 2와 RMSEV가 10cm 깊이에서 0.993와 1.069%, 20cm 깊이에서 0.994와 0.821% 였으며, 30cm 깊이에서 0.999와 0.149% 였다. 본 연구 결과는 콩 생육환경 진단을 위해 재배 포장의 토양수분함량을 토양층별로 미래의 토양수분함량도 예측이 가능함을 보여준다.

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.