http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
가시광/근적외선 반투과 스펙트럼 및 인공신경망 기반 사과 과실 산도 예측 모델 개발
류지원 ( Jiwon Ryu ),박성민 ( Seongmin Park ),홍석주 ( Suk-ju Hong ),김상연 ( Sang-yeon Kim ),김응찬 ( Eungchan Kim ),이창협 ( Chang-hyup Lee ),김성제 ( Sungjay Kim ),노승우 ( Seung-woo Roh ),누르히스나 ( Nandita Irsaulul Nurhisn 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1
사과는 세계적으로 널리 소비되는 청과류에 해당하며, 사과에 함유된 당과 산의 함량은 사과 과실의 맛을 결정하는 주요 품질 인자에 해당한다. 여러 연구들에서 분광 분석 기술을 활용하여 사과 당도에 대한 비파괴 예측 및 선별 기술을 개발해온 것과 달리, 사과 산도의 경우 당도에 비해 낮은 함량으로 인하여 당도만큼 정확한 예측 모델의 개발이 이루어지지 못했다. 따라서, 본 연구에서는 가시광/근적외선(400-1,000 nm) 영역의 분광 스펙트럼에 인공지능 모델을 적용하여 사과 과실의 산도를 예측하는 다양한 회귀 모델을 개발하였고 모델 별 예측 정확도를 평가하였다. 이를 위하여 사과 과실에 대한 반투과 스펙트럼을 취득하여 전처리 기술을 적용하였고, PLS, PLS-ANN, ANN 등의 다양한 회귀모델을 활용한 예측 모델을 개발하였다. 이러한 과정을 통하여 각 예측 모델의 사과 산도 예측 오차를 분석하였고, 산도 예측에 유의미한 파장대역을 선정하였다.
류지원 ( Jiwon Ryu ),박성민 ( Seongmin Park ),홍석주 ( Suk-ju Hong ),김상연 ( Sang-yeon Kim ),김응찬 ( Eungchan Kim ),이창협 ( Chang-hyup Lee ),김성제 ( Sungjay Kim ),노승우 ( Seung-woo Roh ),누르히스나 ( Nandita Irsaulul Nurhisn 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2
고등어는 국내에서 많이 소비되는 수산물의 일종이며, 저장 및 유통 과정에서 쉽게 부패가 일어나기 때문에 세심한 주의가 필요하다. 본 연구에서는 다양한 저장 환경에서 시간에 따라 변화하는 참고등어(Scomber japonicus)의 신선도를 가시광/근적외선 초분광 영상으로부터 비파괴적으로 예측하는 모델을 개발하였다. 이를 위해 고등어 96 샘플을 다섯 가지 저장 환경(실온 보관, 얼음통에서 보관, 냉동 보관, 냉동 후 얼음통에서 해동, 냉동 후 냉장 해동)에서 7일간 보관하며 1, 4, 7일차에 신선도 및 초분광 영상을 측정하였다. 신선도 지표로는 pH, VBN (volatile basic nitrogen), K-value를 활용하였으며, 750-1300 nm의 초분광 영상을 측정하였다. 본 연구에서는 고등어 표면에서 측정된 초분광 영상으로부터 신선도 지표를 예측하는 부분최소제곱법(partial least squares, PLS) 기반 다변량 회귀 모델을 개발하였으며, 모델 검증용 데이터셋에 대하여 pH, VBN, K-value 각각을 0.7 이상의 결정계수로 예측하는 결과를 확인하였다.
CNN 기반 콩 및 옥수수 밭 우점 잡초 분류 모델 개발
노승우 ( Seung-woo Roh ),박성민 ( Seongmin Park ),홍석주 ( Suk-ju Hong ),김상연 ( Sang-yeon Kim ),김응찬 ( Eungchan Kim ),이창협 ( Chang-hyup Lee ),김성제 ( Sungjay Kim ),류지원 ( Jiwon Ryu ),누르히스나 ( Nandita Irsaulul Nurhisn 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1
잡초는 경작지에 자라는 원치 않는 식물로 토양의 영양분을 흡수하여 작물의 생장을 방해하여 농업 생산량 및 농산물의 품질에 악영향을 미친다. 잡초의 올바른 방제법은 초종에 의해 결정되어 잡초를 정확하게 진단할 필요가 있다. 기존의 잡초 진단은 전문가에 의존하여 시간 소모적이고 큰 비용이 필요하였다. 그러나 최근 컴퓨터 공학의 발달로 영상 기반 분류 연구가 활발히 이루어짐에 따라 잡초 분류 연구에도 컴퓨터 공학 기술을 접목하려는 다양한 시도가 이루어지고 있다. 합성곱신경망(Convolutional Neural Network, CNN)은 영상 처리 분야 중에서도 분류 문제에 대해 우수한 성능을 내는 것으로 알려진 딥러닝 기술이다. 본 연구에서는 RGB 센서를 이용하여 잡초 이미지를 획득한 후 CNN 기반 딥러닝 분류 모델을 학습해 잡초 진단 성능을 평가하였다. 분류 대상 잡초는 콩 및 옥수수 밭에서 주로 자라는 14종의 잡초를 선정하였다. 모델의 성능 지표를 평가하기 위해 모델 6종을 선정하여 손실 함수가 최소가 될 때까지 학습한 후 분류 정확도를 비교하였다.