이 연구는 초분광 영상으로 두 품종의 콩(청자 3호, 대찬)의 들불병을 진단할 수 있는 모델과 다중분광 영상센서를 개발하기 위해 수행되었다. 무처리구와 들불병 처리구에서 5 nm full width at half maximum (FWHM)으로 구성된 원시 초분광 중심파장들의 콩 식물 영역 반사율들을 추출하여 10 nm FWHM으로 병합한 후, t-test로 차이가 나타난 blue, green, red, red edge, NIR1 및 NIR2 각 영역에서 선정된 대표 밴드로 121개의 식생지수를 계산하였다. 식생지수를 입력변수로 support vector machine (SVM), random forest (RF), extra tree (EXT), extreme gradient boosting (XGB)의 머신러닝 기법과 shapley additive explanation 변수 선택 기법을 적용하여 들불병 진단에 가장 적절한 모델을 선정하고 사용된 식생지수와 파라미터를 나타내었다. T-test 결과 품종에 상관없이 blue 1개(420 nm), green 2개(500, 540 nm), red 1개(600 nm), red edge 2개(680, 700 nm), NIR1 2개(780, 840 nm), NIR2 1개(920 nm)의 총 9개 대표 밴드들이 선택되었고, 성능 평가를 통해 선정된 모델에 청자 3호의 경우 SVM모델(OA=0.86, KC=0.72, 10 VIs)이 선정되었으나 혼동행렬 분석 결과 정상오분류가 적은 RF모델이 선택되었다. RF모델(식 생지수 : RE/Blue, NSI, GDVI, Green/Blue, 파라미터 : max_depth=6, n_estimators=100)은 OA=0.81, KC=0.60, precision=0.86, recall=0.81, F1 score=0.80의 성능을 나타내었다. 대찬은 EXT모델(식생지수 : YVI, RE/Green, 2YVI, 파라미터 : max_depth=8, n_estimators=10)이 선정되 었고, OA=0.86, KC=0.72, precision=0.86, recall=0.86, F1 score=0.86의 성능을 나타내었다.
해양사고 발생시 실종자는 해양에 노출된 시간이 길어질수록 생존확률이 빠르게 감소하기 때문에 인명구조를 위해서는 신 속한 수색이 필요하다. 또한 해양의 수색영역은 육상에 비해서 매우 넓기 때문에 효율적인 수색을 위해서는 선박을 이용한 육안수색보 다는 인공위성이나 항공기에 탑재된 센서를 이용한 해상 객체 탐지 기술의 적용이 필요하다. 본 연구는 항공기에 탑재된 초분광 영상 센서를 이용하여 해양에서 객체를 신속하게 탐지하기 위한 목적으로 진행되었다. 초분광 영상 센서로 촬영된 영상은 8,241 × 1,024의 공간 해상도를 가지며, 한 화소당 0.7 m의 분해능과 127개의 스펙트럼으로 구성된 대용량의 데이터이다. 본 연구에서는 이러한 데이터 를 신속하게 분석하기 위한 목적으로 DBSCAN을 사용한 해수 식별 알고리즘과 밀도 기반의 육지 제거 알고리즘을 결합한 해상 객체 탐지 모델을 개발하였다. 개발한 모델은 초분광 영상에 적용하였을 때 약 5 km2의 해상 영역을 100초 내로 분석할 수 있는 성능을 보 였다. 또한 개발한 모델의 탐지 정확도를 평가하기 위해서 항공기를 이용하여 목포, 군산, 여수 지역의 초분광 영상을 촬영하였으며, 본 연구에서 개발한 탐지 모델에 적용한 결과, 실험 영상 내의 선박들을 90 %의 정확도로 탐지할 수 있는 결과를 얻었다. 본 연구에서 개발된 기술은 소형 선박의 수색·구조 활동을 지원하는 중요한 정보로 활용될 수 있을 것으로 기대한다.
소비자의 식품안전에 대한 관심 증가에 따라 시간과 비용이 많이 소요되는 기존 검사 방법을 대체할 수 있는 농식품 안전성 신속 검사 기술에 대한 연구가 증가하고 있다. 농식품의 품질 검사에 많이 활용되던 광학기술은 빠른 시간 내에 대량의 시료를 분석할 수 있는 장점 때문에 농식품 안전성 신속검사 분야에 활용하려는 시도가 많이 이루어지고 있다. 본 연구는 광학기술의 하나인 초분광 영상기술을 이용하여 농식품 안전성을 저해하는 세균의 번식환경을 제공하는 유기잔류물의 검출 가능성을 조사하기 위하여 수행되었다. 연구에서는 농식품 가공기계 설비로 많이 사용되는 재료 표면에 남아있는 육류 및 과채류 잔류물의 초분광 영상을 획득하고, 400~1000 nm 범위에서 이들 유기잔류물의 특성 파장을 구명하였다.
정부의 안전 농식품 안정 공급 정책에 따라 농식품 안전성 검사 수요가 증가하고 있으며, 현장에서 농식품의 안전성을 신속하게 검사할 수 있는 기술의 필요성이 커지고 있다. 대표적인 농식품 안전성 위해요소인 식중독균의 표준 검사 방법은 시간, 노력, 비용이 많이 소요되기 때문에 PCR이나 바이오센서와 같은 새로운 신속검사 기술에 대한 관심이 높아지고 있다. 많은 시료를 빠른 시간에 검사하는 광학기술은 농식품 품질 판정에 많이 활용되어 왔으나, 농식품 안전성을 검사하는 도구로서의 연구는 제한적으로 진행되어져 왔다. 본 연구는 초분광 영상기술을 이용하여 대표적인 식중독균인 살모넬라균의 분광특성을 조사하기 위하여 수행되었다. 연구에는 400~1000 nm 측정 파장대역을 지니는 초분광 영상시스템이 사용되었으며, 식품시료에서 살모넬라균 오염부위를 구분할 수 있는 특성 파장을 조사 및 선정하였다.
연구는 초분광 영상을 이용하여 오이 및 수박과 같은 박과 묘의 수분함량을 추정하기 위해 수행되었다. 오이와 수박 묘 샘플에 수분 스트레스를 가한 후 초분광 영상 취득 시스템을 이용하여 오이와 수박 묘 잎을 촬영하여 반사율을 계산하였고, 건조기를 이용하여 해당 모종의 수분함량을 측정하였다. 마지막으로 영상의 반사율과 수분함량을 이용하여 부분최소제곱회귀분석을 통해 수분함량 추정모델을 개발하였다. 오이 묘 수분함량 추 정모델은 R2 0.73, RMSE 1.45%, RE 1.58%의 성능을 보였으며, 수박 묘 수분함량 추정모델은 R2 0.66, RMSE 1.06%, RE 1.14%의 성능을 보였다. 유효범위를 넘어가는 극단치를 제거하여 모델의 성능을 다시 분석한 결과, 오이 모델의 경우 R2 0.79, RMSE 1.10%, RE 1.20으로 상승하였다. 오이와 수박 묘를 함께 분석하여 모델을 제작한 결과, R2 0.67, RMSE 1.26, RE 1.36으 로 분석되었다. 오이 모델이 수박 모델보다 비교적 높은 성능을 보였는데, 이러한 원인은 오이의 수분함량 변이가 넓게 분포되어 있었기 때문이라고 판단된다. 또한 데이터셋에서 유효범위를 넘어가는 극단치를 제거한 결과 오이 모델의 정확도 및 정밀도가 상승하였다. 결론적으로 오이 및 수박 묘 수분함량 추정모델들의 추정선의 기울기 차가 크지 않고, 서로 교차되기 때문에 두 모델 들은 모두 수분함량을 추정하는데 있어서 유의한 것으로 판단된다. 또한 샘플의 변수가 넓게 분포된 변이를 갖는다면 추정모델의 정확도와 정밀도는 분명 상승할 것이며, 개선된 모델을 이용하면 저가형 센서를 개발하는데 활용 될 수 있을 것으로 사료된다.
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.
양상추는 신선편이 채소 중 가장 중요한 원료 중 하나이다. 양상추는 수확 및 저장 중에 발생한 갈변이나 물러짐 등 표면 결함 발생하기도 하며 또한 수확 중 애벌레나 민달팽이 등 이물질이 포함하기도 한다. 세척공정을 통해 이러 한 애벌레나 이물질을 제거하지만, 세척과정 중에 완벽하게 제거되지 않은 결함들은 작업자가 육안으로 판별하여 일 일이 수작업으로 제거하고 있다. 이러한 육안 선별은 노동력이 많이 소요되고 작업능률이 낮아 자동 선별 요구도가 높다. 본 연구에서는 초분광 영상 기술을 이용하여 신선편이 양상추의 결함 검출 시스템을 개발하였다. 이 시스템은 가시광 및 근적외선 영역의 반사광 영상 측정부, 시료 이송부, 시료 반전부, 결제거부로 구성되어 신선편이 양상추의 앞면과 뒷면 모두의 결함을 동시에 검출한다. 이 시스템을 이용하여 애벌레 검출 알고리즘을 개발하였으며, 그 결과 신선편이 양상추의 이물질 결함이 가능하였다.
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.
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.