Early Detection of Spoilage through Mycotoxin Prediction on Storage Wheat : 미코톡신 예측을 이용한 저장 밀의 부패 조기 검출

다국어 초록 (Multilingual Abstract)

For early detection of spoilage in stored wheat, CO2 concentration and respiration rate (RR) were calculated in four different storage temperatures (10, 20, 30 and 40 ℃). Moreover, prediction model of mycotoxin level for three different classes (Green, Yellow and Red) of spoilage was also developed using machine learning analysis and the performance of the model was evaluated. The results of the study are summarized as follows:

1. CO2 concentration and RR increased as storage temperature increased. In storage temperature of 40 ℃, RR was the highest among all tests. In 10 and 20 ℃, RR ultimately reached the lowest value in 7 hours of storage.

2. Three different classes were identified based on the visible appearance of mold formation and change of RR, then images were acquired for the development of the prediction model with corresponding mycotoxin contents. The model showed the accuracy of 83.3% for the classification of the three levels of classes. Specifically, Red class showed the highest value in all evaluation metric including precision (1.0), recall (0.90) and F1-Score (0.95) after Green and Yellow classes in order. The model can be utilized to determine the mycotoxin content non-destructively and early detect the spoilage on storage wheat.

국문 초록 (Abstract)

저장 중인 밀의 부패 조기 검출을 위해 밀폐 용기 내 백강밀(Triticum aestivum L.)의 이산화탄소(CO2) 농도 측정 및 호흡량을 계산하였다. 저장 온도는 10, 20, 30, 40 ℃로 설정하였다. 또한, 3 수준의 부패 정도(Green, Yellow, Red)를 구별하는 머신러닝 기반 미코톡신 예측 모델을 개발하여 모델의 성능을 평가하였다. 연구의 결과를 요약하면 다음과 같다.

1. CO2 농도와 호흡량은 저장 온도가 증가함에 따라 같이 증가하였다. 저장 온도 40 ℃에서 가장 높은 호흡량을 확인하였다. 반면 온도가 비교적 낮은 10, 20 ℃의 경우, 호흡량이 지속적으로 줄어들고 저장 7시간 이후 가장 낮은 호흡량에 도달하였다.

2. 저장 중 육안으로 확인되는 곰팡이 형성과 저장 밀의 호흡량을 기반으로 부패의 정도를 Green, Yellow, Red로 나누고, 미코톡신 예측 모델 개발을 위해 미코톡신 함량과 이미지 데이터를 획득하여 모델을 개발하였다. 개발된 모델의 정확도(Accuracy)는 83.3%로 높은 성능을 보였다. 특히, Red 의 경우, 정밀도(Precision) 1.0, 재현율(Recall) 0.90, F1-Score 0.95로 이는 Green과 Yellow 순으로 가장 높은 성능을 나타냈다. 해당 모델을 통하여 저장 밀의 미토콕신 함량을 비파괴적으로 측정할 수 있고, 저장 시 밀의 부패를 조기에 감지하여 수확 후 손실을 최소화하는데 활용될 수 있을 것으로 판단된다.

목차 (Table of Contents)

• 1. Introduction 1
• 1.1 Background1
• 1.2 Objectives 6
• 2. Literature Review7
• 2.1 CO2 concentration and respiration rate of various types of grain 7
• 2.2 Spoilage monitoring with CO2 sensors 8
• 2.3 Machine learning analysis in food processing9
• 3. Materials and Methods 11
• 3.1 Preparation of wheat grain11
• 3.2 Determination of moisture content of wheat grain11
• 3.3 Experimental setup of lab-scale wheat storage 13
• 3.4 Respiration rate of stored wheat grain 14
• 3.5 Classification in the phase of wheat spoilage 16
• 3.6 Data Collection17
• 3.7 Machine learning analysis18
• 3.8 Mycotoxin analysis 21
• 4. Results and Discussion 22
• 4.1 Experimental result of wheat storage test 22
• 4.1.1 CO2 concentration of stored wheat 22
• 4.1.2 Relative humidity of stored wheat 24
• 4.1.3 Respiration rate of stored wheat 25
• 4.2 Mycotoxin prediction model 27
• 4.2.1 Three classification of spoilage of stored wheat 27
• 4.2.2 Evaluation of prediction model 29
• 5. Conclusions 33
• References 35