http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 심재승 ( Jaeseung Sim ) (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
김밝금 ( Balgeum Kim ),심재승 ( Jaeseung Sim ),이아영 ( Ahyeong Lee ),임종국 ( Jongguk Lim ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.1
최근 ‘당도’가 높은 프리미엄 과일의 수요가 많아지는 추세에 따라 유통 과정에서 비파괴 당도 선별기를 활용한 과일 당도 선별이 더욱 중요해지고 있다. 현재 국내 유통 현장에서 사용하는 비파괴 당도 선별기는 빠르고 간편하게 과일 당도를 선별할 수 있다는 장점이 있다. 하지만 선별기 관리 측면에서 매 수확기에 해당 지역의 당해 수확 과일로 학습 모델을 구축하지 않으면 당도 예측 성능을 보장할 수 없다는 단점이 있다. 이러한 문제를 일으키는 데에는 다양한 원인이 있지만, 동일 품종의 과일이라도 재배지의 차이에 따라 당도 예측을 위한 학습 과정에서 이질성을 보일 수 있다는 의견이 있다. 본 연구에서는 지도학습 모델링 관점에서 과일 표본(후지 사과)의 재배지(당진, 청송, 장수)에 따른 차이를 확인하고 이를 극복하는 방안을 모색하고자 하였다. 470~1,150 nm의 파장 대역을 가지는 비파괴 당도 선별 시스템을 이용해 사과 당도 스펙트럼을 획득하였으며, 실측한 당도 값의 평균은 당진, 청송, 장수 각각 15.5, 13.5, 12.6이었다. 지역별 학습 모델을 구축하여 동일 지역과 타 지역 사과의 당도를 예측하고 그 수준을 비교한 결과, 1derivative-PLS 모델에서 동일 지역을 예측할 때에 비해(평균 R2=0.821, 평균 RMSEP=0.499) 타 지역을 예측할 경우(평균 R2=0.625, 평균 RMSEP=0.681) 전반적으로 예측 성능이 저하 되었다. 이를 통해 표본의 재배지가 달라지면 동일한 품종과 실험 환경이더라도 검량선의 차이가 발생함을 확인하였다. 그러나 전처리를 적용함에 따른 성능 개선을 확인하였으며, 한 지역의 학습 모델을 활용해 타 지역의 당도를 예측한 결과와 실제 당도 값이 피어슨 상관관계 0.7이상으로 높은 상관관계를 보임을 알 수 있었다. 향후 다양한 전처리 조합과 개선된 모델 구축을 통해 타 지역 표본도 함께 고려하여 당도 예측 모델 구축을 위한 비파괴 당도 선별에 발생 되는 시료의 소비를 줄이는 방안을 고안해 낼 수 있을 것이라 기대된다.
-
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
