쌍골죽 및 민죽의 해부학적 특성 비교

양고운 ( Goun Yang ),비안타라다르산푸루사타마 ( Byantara Darsan Purusatama ),김종호 ( Jongho Kim ),알빈무함마드사베로 ( Alvin Muhammad Savero ),데니프라세티아 ( Denni Prasetia ),김남훈 ( Namhun Kim ) 한국목재공학회 2022 한국목재공학회 학술발표논문집 Vol.2022 No.1

전통적으로 대금 제작용 재료로 사용되어온 쌍골죽의 특성을 이해하기 위하여 해부학적 특성을 조사하였다. 공시재료는 국립국악원에서 제공받은 왕대(Phyllostachys bambusoides) 수종인 쌍골죽 및 비교를 위해 쌍골죽과 골의 유무로 분류하는 민죽을 활용하였으며, 공시재료의 간(幹)과 뿌리의 내측부와 외측부로 나누어 비교하였다. 해부학적 특성을 광학현미경(Nikon ECLIPSE, E600)으로 관찰 후 분석프로그램(IMT I-Solution lite)을 이용하여 정량 분석을 수행하였다. 또한 X선 회절법에 의해 셀룰로오스 결정특성을 분석하였다. 수간부의 섬유길이는 쌍골죽 내측부 1,987㎛, 외측부 2,220㎛, 민죽 내측부 2,323㎛, 외측부 2,253㎛로 민죽이 더 긴 것으로 나타난 반면, 뿌리부의 섬유길이는 쌍골죽 내측부 1,190㎛, 외측부 1,246㎛, 민죽 내측부 894.1㎛, 외측부 958㎛로 쌍골죽이 더 길었다. 유관속 형태는 Grosser와 Liese(1971)의 방법에 따라 두 수종 모두 유관속 Ⅰ형으로 분류되었으며, 유관속의 배열은 민죽이 쌍골죽보다 더 규칙적이었다. 방사단면 및 접선단면 관찰 시 내측부보다 외측부에서 유관속초 영역이 더 넓었다. 정량적 분석 결과, 4mm²당 유관속의 수는 쌍골죽 8.6개, 민죽 16.3개로 민죽이 더 조밀하게 분포하였다. 도관 직경은 쌍골죽 123.6㎛, 민죽 73.8㎛로 쌍골죽이 더 큰 것으로 나타난 반면, 방사단면에서 유세포 높이는 쌍골죽 100.0㎛, 민죽 115.9㎛, 접선단면에서 쌍골죽 89.0㎛, 민죽 95.4㎛로 쌍골죽보다 민죽이 더 높았다. 또한 방사단면에서 유세포의 직경은 쌍골죽 47.2㎛, 민죽 41.1㎛, 접선단면에서 쌍골죽 47.1㎛, 민죽 38.2㎛로 쌍골죽이 민죽 대비 더 높았다. 수간부의 상대결정화도는 쌍골죽 내측부 62.2%, 외측부 72.5%, 민죽 내측부 49.1%, 외측부 58.2%로 쌍골죽이 민죽보다 높았으며, 뿌리부는 쌍골죽 내측부 50.1%, 외측부 51.8%, 민죽 내측부 49.1%, 외측부 58.2%로 두 수종 모두 내측부에 비해 외측부가 더 높은 것으로 확인되었다. 본 연구의 결과는 향후 쌍골죽의 재질판단 지표로 활용될 수 있을 것으로 판단되었다.

딥러닝 기반 수종식별체계 데이터셋 확보를 위한 상용 목재제품의 수종식별

김종호 ( Jongho Kim ),비안타라다르산푸루사타마 ( Byantara Darsan Purusatama ),양고운 ( Goun Yang ),프라세티아데니 ( Prasetia Denni ),이승환 ( Seunghwan Lee ),김남훈 ( Namhun Kim ) 한국목재공학회 2021 한국목재공학회 학술발표논문집 Vol.2021 No.2

딥러닝 기반 수종식별체계의 신경망 학습용 데이터셋 구축을 위해 국내 건자재 소매상에서 유통되는 목질 재료들을 구매, 활용하는 과정에서 업체측에서 제공한 상명(Commercial name) 외에 수종에 대한 정확한 정보가 필요하여 해부학적 특징을 바탕으로 각 수종을 식별하였다. 공시재료로는 소매상에서 구매한 스프러스 각재(에스토니아산), 삼나무 집성판재(중국산), 히노끼 집성판재(일본산), 미송 집성판재(미국산) 및 소송 각재(러시아산) 등 5종을 이용하였다. 각 수종별 일반 특성과 3단면에서 나타나는 주요 특징들을 IAWA의 침엽수재 식별용 현미경적 특징 리스트에 의거하여 분류한 결과, 스프러스 각재는 IAWA Feature 2, 40, 43, 44, 79, 86, 92, 99, 103, 107, 109, 110 등이 관찰되어 Norway spruce(Picea abies)로, 삼나무 집성판재는 IAWA Feature 4, 40, 42, 44, 72, 74, 80, 85, 94, 98, 103, 107 등이 관찰되어 Sugi(Cryptomeria japonica)로, 히노끼 집성판재는 IAWA Feature 4, 40, 43, 44, 72, 74, 80, 85, 93, 98, 103, 107 등이 관찰되어 Hinoki cypress(Chamaecyparis obtusa)로 상명과 동일하게 분류되었다. 반면, 미송 집성판재는 Douglas fir로 예상하였으나, IAWA Feature 19, 40, 43, 44, 79, 82, 85, 91, 99, 103, 107, 109, 110 등이 관찰되어 Radiata pine(Pinus radiata)으로, 소송 각재는 Scotch pine로 예상하였으나, IAWA Feature 4, 40, 42, 44, 79, 86, 92, 99, 103, 107, 109, 110 등이 관찰되어 카타야속 수종인 Cathaya argyrophylla로 분류되었다. 해부학적 특징을 통해 수종을 분류한 결과, 상명과 일반명이 일치하는 수종도 있으나, 일부 수종은 상명과 상이하여 통관 및 유통 과정에서 보다 정확한 정보가 최종 사용자에게 전달되어야 할 것으로 판단한다.

합성곱신경망 기반 목재 수종분류의 영향인자 분석

김종호 ( Jong-ho Kim ),비안타라다르산푸루사타마 ( Byantara Darsan Purusatama ),데니프라세티아 ( Denni Prasetia ),알빈무함마드사베로 ( Alvin Muhammad Savero ),김남훈 ( Nam-hun Kim ) 한국목재공학회 2022 한국목재공학회 학술발표논문집 Vol.2022 No.2

본 연구에서는 인공신경망을 활용하여 수종간 분류 가능성을 검증하고, 수종의 분류 과정에서 작용하는 영향 인자를 분석하기 위해 기존 합성곱신경망(CNN) 모델을 개선한 모델을 이용, 수종분류 정확도에 영향을 미치는 인자를 분석하였다. 본 연구에서 검증한 인공신경망 모델은 최종적으로 95% 이상의 높은 분류정확도를 나타내어 인공신경망을 활용하는 딥러닝 기술을 통해 목재의 수종 분류, 나아가 수종 식별을 매우 높은 정확도로 수행 가능한 것으로 검증되었다. 학습횟수의 증가에 따라 데이터의 손실률은 감소하고 분류 정확도는 증가하는 경향이 나타났으며, 전체부위 및 만재부에서 확보한 데이터셋을 활용할 경우 손실률과 분류 정확도에 영향이 있었으나, 전체부위 데이터셋은 성능 하락이, 만재부 데이터셋은 성능이 향상되는 경향이 나타났으며, 데이터셋의 증폭여부는 손실률 및 분류 정확도에 영향은 있었으나 그 영향의 정도가 크지 않았다.

호두나무 가지 내 해부학적 특성의 변이

김종호 ( Jongho Kim ),비안타라다르산푸루사타마 ( Byantara Darsan Purusatama ),인탄파자르수리 ( Intan Fajar Suri ),양고운 ( Goun Yang ),프라세티아데니 ( Prasetia Denni ),김남훈 ( Namhun Kim ) 한국목재공학회 2021 한국목재공학회 학술발표논문집 Vol.2021 No.1

활엽수 가지부에서 발생하는 지지재(supporting wood)의 생장에 따른 해부학적 특성 변이를 조사하고자 호두나무 가지의 조직특성을 관찰하였다. 강원도 춘천에서 채취한 길이 약 57cm, 직경 약 4cm의 호두나무 가지를 공시재료로 활용했으며, 해부학적 특성의 변이를 조사하고자 공시재료를 길이방향으로 4등분하여 지점별 소원판을 제작한 후, 수(pith)를 기준으로 상, 하, 좌, 우 4방향의 영구슬라이드를 제작하여 수심부와 수피부 도관내강의 접선직경, 단위면적(㎟)당 도관의 수량, 단위거리(㎜)당 방사조직의 수량, 방사조직의 높이 등을 측정하고 경향성을 분석했다. 수의 위치는 가지가 분화하는 1번 위치부터 3번 위치까지 상부방향으로 편심하였으나, 4번 위치에서는 가지부의 중앙부에 도달하였으며, 수를 기준으로 상부에서는 인장이상재의 특징 중 하나인 세포벽 내 젤라틴 층이 빈번히 나타났고, 좌, 우측부에서는 일시적으로 나타났으며, 하부에서는 관찰되지 않았다. 도관의 접선방향 직경은 가지재의 생장방향에 따라 미약하게 감소하였으나, 수를 기준으로 한 방향에 따른 분류에서는 경향성이 매우 미비한 증가경향이 나타났으며, 수심부에서 수피부로 이행할수록 증가하는 경향이 나타났다. 단위면적(㎟)당 도관의 수량과 고립관공의 수는 가지재의 생장방향에 따라 소폭 증가하는 경향이 나타났으나, 복합관공의 수는 변화하지 않고 유지되는 경향이 나타났다. 이로 인해 고립관공의 비율은 생장방향으로 이행할수록 증가하고, 복합관공의 비율은 감소하였다. 단위거리(㎜)당 방사조직의 수는 가지재의 생장방향, 수를 기준으로 한 방향에 대해서는 특정 경향성이 확인되지 않았거나 매우 미비하였으나, 수심부에서 수피부로 이행하며 수량이 감소하는 경향이 나타났다. 반면, 방사조직의 높이는 가지재의 생장방향에 따라 미세한 증가경향이 확인되었으나, 증가폭이 크지 않고 일정한 범위를 유지하는 것으로 확인되었다. 본 연구를 통해 인장응력재의 위치가 역전되는 지지재의 특성이 나타나는 호두나무 가지재에서 해부학적 특성 변이의 기초적인 경향성이 확인되었으며, 수의 위치가 목부의 중앙에 위치하더라도 이상재의 특성이 계속해서 나타나는 것으로 관찰되었다. 추후 보다 다양한 수종의 교차검증을 통해 경향성을 검증해 나갈 예정이다.

딥러닝기반 수종식별체계 데이터셋확보를 위한 상용 목재제품의 수종식별 (II)

김종호 ( Jongho Kim ),비안타라다르산푸루사타마 ( Byantara Darsan Purusatama ),양고운 ( Goun Yang ),프라세티아데니 ( Prasetia Denni ),알빈무함마드사베로 ( Alvin Muhammad Savero ),김남훈 ( Namhun Kim ) 한국목재공학회 2022 한국목재공학회 학술발표논문집 Vol.2022 No.1

For the purpose of securing a dataset of deep learning-based softwood species identification systems, wood species were analyzed using anatomical features to verify more reliable species in the process of purchasing and utilizing commercial wood products with uncertain wood species. The three samples, such as Red pine laminated board from Finland, aromatic cube block of domestic Cypress, and Cedar board of unknown origin were used as identification resources. The general features and anatomical features of the three species were analyzed. The features were classified into standardized code according to the IAWA list of microscopic features for softwood identification and compared with the InsideWood database managed by North Carolina State University to infer the features matched species. Red pine laminate board was classified as Mugo pine(Pinus mugo) due to observation of IAWA feature code 2, 40, 43, 44, 79, 82, 85, 90, 97, 103, 107, 109, and 110. Cypress aromatic block had IAWA feature code 4, 40, 43, 44 72, 74, 76, 80, 93, 98, 103, and 107, and these features imply Cypress or Hinoki(Chamaecyparis obtusa), Taiwan cypress(Chamaecyparis formosensis), Sawara cypress(Chamaecyparis pisifera) and Buthan cypress(Cupressus duclouxiana). However, it is most likely to Cypress due to its commercial name matches. Cedar solid board was identified as Cedar(Cryptomeria japonica), Taiwan coffin fir(Cunninghamia konishii), and Chinese swamp cypress(Glyptostrobus pensilis) because of the existence IAWA feature codes 40, 42, 44, 72, 73, 76, 80, 85, 94, 99, 103, and 107. Nevertheless, the probability of cedar was the highest due to the consistency with the commercial name.

합성곱신경망 모델에 따른 침엽수재 수종식별 성능 비교 및 최적 모델 개발

김종호 ( Jongho Kim ),비안타라다르산푸루사타마 ( Byantara Darsan Purusatama ),양고운 ( Goun Yang ),프라세티아데니 ( Prasetia Denni ),알빈무함마드사베로 ( Alvin Muhammad Savero ),김남훈 ( Namhun Kim ) 한국목재공학회 2022 한국목재공학회 학술발표논문집 Vol.2022 No.1

The four convolutional neural network(CNN) architectures such as GoogLeNet, ResNet50, VGG16, and modified CNN were analyzed for investigating the effect of environmental variables on the accuracy of species identification like focused position, epochs, data augmentation and optimizer. Totally 5,535 cross-section images including 1,535 images of low-magnification(40X), 2,000 images of earlywood focused image(200X), and 2,000 images of latewood focused image(200X) were prepared for the dataset establishment. After the preparation, each dataset was randomly separated into 80% of the training group and 20% of the verification group. Data augmentation was applied only in training group for verifying the effectiveness of the dataset amount. As a result of training and verification process, the GoogLeNet architecture increased classification accuracy in proportion to the number of training epochs, and its classification accuracy achieved 99.0% at training process and 98.1% at verification process when applied non-augmented latewood dataset. In augmented latewood dataset, classification accuracy achieved 91.1% and 91.6% at training and verification process, respectively. In contrast, the best classification accuracy of ResNet50 architecture was 87.7% at training process and 71.3% at verification process. VGG16 architecture showed poor performance with around 10% accuracy at both training and verification processes under all conditions. The modified CNN architecture showed excellent classification accuracy with 95.9~99.8% at training process and 95.1~96.9% at verification process when using the earlywood dataset with 100 epochs condition. Moreover, the latewood dataset with 100 epochs condition also makes remarkable results as 96.2~99.2% at training process and 96.5~96.7% at verification process. Based on the results, data augmentation was not significantly affected to classification accuracy of CNN based softwood identification system in this research. In contrast, classification accuracy showed the increased tendency with an increment of training epochs and adoption of the latewood dataset.

대나무재 및 목재의 저온탄화 특성

양고운 ( Goun Yang ),김종호 ( Jongho Kim ),비안타라다르산푸루사타마 ( Byantara Darsan Purusatama ),인탄파자르수리 ( Intan Fajar Suri ),프라세티아데니 ( Denni Prasetia ),김남훈 ( Namhun Kim ) 한국목재공학회 2021 한국목재공학회 학술발표논문집 Vol.2021 No.1

본 연구는 대나무재 및 목재의 저온탄화과정 중 열분해 특성을 구명하기 위하여 수행하였다. 공시재료는 인도네시아산 Giant bamboo(Dendrocalamus giganteus), Kuning bamboo(Bambusa vulgaris), Betung bamboo(Dendrocalamus asper), Tali bamboo(Gigantochloa apus), 국내에서 자생하는 Moso bamboo (Phyllostachys pubescens), 소나무(Pinus densiflora) 및 굴참나무(Quercus variabilis)를 사용하였다. 시료의 크기는 10mm(R)X10mm(T)X20mm(L)로서 고온전기탄화로(Supertherm, HT 16/16, Germany)를 이용하여200℃, 240℃, 280℃, 320℃에서 탄화하였다. 각 탄화시료는 60mesh 목분으로 제작하여 발열량 및 공업분석을 실시하였다. 거시적 구조, 중량감소율, 발열량, pH, 셀룰로오스의 결정특성을 조사하였고 함수율, 회분, 휘발분 및 고정탄소 등 공업분석을 실시하였다. 대나무재는 320℃ 탄화 시 가운데 부분의 팽창현상이 나타났고 굴참나무재에서는 할렬이 관찰되었다. 탄화온도가 증가함에 따라 중량감소율, 발열량, pH, 함수율, 회분, 고정탄소 값은 증가하는 경향을 보였고 휘발분은 감소하는 경향을 보였다. 중량감소율 및 발열량 실험에서 대나무재는 200~240℃구간에서 급증한 반면 목재는 240~280℃ 구간에서 급증한 것을 확인하였다. 특히 320℃에서 탄화된 대나무재의 회분율은 3.75%~11.28%였으나 소나무와 굴참나무는 각각 0.67%, 2.84%로 대나무재와 목재간의 차이를 확인하였다.

국산 4개 활엽수종 수피의 해부학적 특성

김종호 ( Jongho Kim ),심익용 ( Ikyong Shim ),비안타라다르산푸루사타마 ( Byantara Darsan Purusatama ),양고운 ( Goun Yang ),프라세티아데니 ( Prasetia Denni ),이승환 ( Seunghwan Lee ),김남훈 ( Namhun Kim ) 한국목재공학회 2021 한국목재공학회 학술발표논문집 Vol.2021 No.2

수목의 수피에 대한 이해도를 증진하고자 강원대학교 구내림에서 채취한 굴참나무(Quercus variabilis), 상수리나무(Quercus acutissima), 참오동나무(Paulownia tomentosa) 및 아까시나무(Robinia pseudoacacia) 등 4개 수종 수피의 해부학적 특성에 대해 조사하였다. 수종별 평균 사부섬유의 길이는 굴참나무가 1,712㎛로 타 공시수종 대비 가장 길었으며, 상수리나무 1,619㎛, 참오동나무 1,219㎛, 그리고 아까시나무 770㎛순으로 나타난 반면, 평균 사부섬유의 폭은 아까시나무가 29.2㎛로 가장 넓었고, 굴참나무 25.5㎛, 참오동나무 24.9㎛, 마지막으로 상수리나무 23.1㎛ 순으로 상이한 경향이 나타났다. 세포의 형태는 모든 공시수종에서 공통적으로 내수피 대비 외수피가 더욱 비정형적인 형태를 보였으며, 굴참나무의 경우 코르크 조직의 영향으로 섬유 내강이 둥근 형태를 보였다. 내수피부의 접선단면에서는 비정형의 방사유세포로 구성된 방사조직이 발달하였고, 아까시나무의 경우 접선단면에서 관찰된 축방향 유세포 내부에 능형 결정이 분포하였다. 상대결정화도는 내수피부에서 아까시나무가 46.3%로 가장 높았으며, 굴참나무 41.7%, 상수리나무 34.9% 순으로 측정되었고, 외수피부의 상대결정화도는 상수리나무가 39.8%로 가장 높았으며, 아까시나무 34.3%, 굴참나무 27.3% 순으로 측정되었으며, 참오동나무의 경우 내수피부, 외수피부 모두 측정이 불가능하였다. 상대결정화도는 부위별, 수종별로 특정 경향성이 확인되지 않았으나, 모든 공시수종에서 공통적으로 기존 Cellulose-I 구조에서 관찰되는 Peak 이외에 다른 Peak들이 관찰되었으며, 이는 수피부가 목질부 대비 칼슘의 함량이 높아 다양한 형태로 구현된 것으로 판단한다.

참오동나무재의 추출물이 수분특성에 미치는 영향

조재익 ( Jaeik Jo ),김종호 ( Jongho Kim ),김성현 ( Seonghyun Kim ),김도훈 ( Dohoon Kim ),비안타라다르산푸루사타마 ( Byantara Darsan Purusatama ),인탄파자르수리 ( Intan Fajar Suri ),양고운 ( Goun Yang ),김남훈 ( Namhun Kim ) 한국목재공학회 2020 한국목재공학회 학술발표논문집 Vol.2020 No.1

참오동나무재의 추출물이 목재의 흡수성, 흡습성 등 수분특성과 수축률 등 물리적 특성에 미치는 영향을 규명하여 국내 목재자급률 향상을 위한 조림수종 검토 목적으로 신뢰성있는 기초자료를 제공하고자 본 연구를 수행하였다. 강원도 춘천 및 홍천에 걸쳐 위치한 강원대학교 학술림에서 20년생 참오동나무1본을 채취하여 공시재료로 활용하였다. 수분특성을 점검한 결과, 흡수량과 흡습량 모두 횡단면이 타 단면에 비해 가장 큰 값을 보였고, 이는 횡단면에 분포한 관공들의 영향에 기인한 것으로 판단되며, 방사단면과 접선단면은 상호간 유사한 흡수량과 흡습량이 관찰되었다. 또한, 추출여부에 따라서는 추출물을 제거한 시험편이 미추출 시험편 대비 약 2배 가까이 높은 흡수량과 흡습량을 보여 추출여부 역시 중요한 인자로 작용함이 확인되었다. 상대습도 조건별 평형함수율의 변이를 관찰한 결과, 상대습도 75% 조건에서는 추출물을 제거한 시험편과 미추출 시험편 간에 평형함수율이 유사한 수준이었으나, 상대습도가 90%까지 증가함에 따라 추출물을 제거한 시험편이 미추출 시험편 대비 평형함수율이 약 9% 증가하는 경향이 나타났다. 체적수축률과 이방성계수(T/R ratio) 역시 타 시험항목들과 마찬가지로 추출물을 제거한 시험편이 미추출 시험편보다 높은 경향이 관찰되었다. 냉수 및 열수추출법을 적용해 추출물 함량을 점검한 결과, 냉수추출법으로는 약 9.04%의 추출물 함량이, 열수추출법으로는 약 10.45%의 추출물함량이 확인되었다. 본 연구결과들을 토대로 목재의 추출물이 수분특성과 수축률에 밀접한 영향을 미치는 것이 확인되었으며, 추후 오동나무 목재의 이용을 검토함에 있어 신뢰할 수 있는 기초자료로 활용할 수 있을 것으로 판단된다.

가이즈카 향나무의 해부학적 특성

김종호 ( Jongho Kim ),한지수 ( Jisoo Han ),양고운 ( Goun Yang ),비안타라다르산푸루사타마 ( Byantara Darsan Purusatama ),프라세티아데니 ( Prasetia Denni ),이승환 ( Seunghwan Lee ),김남훈 ( Namhun Kim ) 한국목재공학회 2021 한국목재공학회 학술발표논문집 Vol.2021 No.2

가이즈카 향나무(Juniperus chinensis)의 재질 및 식별지표를 확보하기 위해 3단면상에서 나타나는 해부학적 특성과 주요 구성세포들의 방사방향 변이성을 조사하였다. 공시재료는 강원도 춘천에 위치한 강원대학교에서 구내림 정비 중 벌채한 41년생 가이즈카 향나무 1본의 흉고부위 원판을 채취하여 활용하였다. 3단면상에서 관찰되는 주요 해부학적 특징으로, 횡단면 상에서는 육안적으로 심재 내 변재가 국소적으로 분포하였으며, 해당 부위에서는 일부에서 위연륜이 관찰되었다. 현미경적 구조로는 조재에서 만재로의 이행이 급격하였고, 축방향 유세포가 접선면 분포(Tangentially zonate)의 형태가 나타났다. 방사단면에서는 편백형 벽공이 각 분야당 1~4개 분포하였으며, 염주상 말단벽이 확인되었다. 접선단면에서는 일반적으로 단열방사조직이 관찰되었으나, 매우 낮은 빈도로 복열 또는 다열방사조직이 분포하였다. 주요 구성세포인 가도관의 길이와 단열방사조직 세포고, 1㎟당 방사조직 수의 방사방향 변이를 5연륜 단위로 조사한 결과, 가도관의 평균 길이는 조재부에서 1,829㎛, 만재부에서 1,742㎛로, 조재부 가도관의 길이는 수심부에서 수피부까지 지속적으로 증가하는 경향이 나타났으나, 만재부 가도관의 길이는 15연륜 이후부터 일정한 수준으로 유지되었다. 단열방사조직 세포고는 최초 5연륜에서 3.1개, 최종 40연륜에서 6.5개로 지속 증가하였고, 1㎟당 방사조직의 수는 최초 5연륜에서 66.5개였고, 25연륜에서 52개까지 감소한 후 최종 40연륜까지 일정한 수를 유지하였다. 본 연구결과를 바탕으로 가이즈카 향나무의 각 단면별로 확인 가능한 주요 해부학적 특징들을 도출하였고, 이를 바탕으로 추후 공시수종의 재질판단 및 수종식별에 활용할 수 있을 것으로 판단한다.