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.

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.