초분광 영상을 활용한 복숭아 ‘미홍’ 과실의 비파괴 품질 예측 모델 (Model for Non-destructive Quality Prediction of ‘Mihong’ Peach using Hyperspectral Imaging)

서지정보

· 발행기관 : (사) 한국생물환경조절학회
· 수록지 정보 : 생물환경조절학회지 / 33권 / 4호 / 340 ~ 351페이지
· 저자명 : 서한률, 오승환, 이지우, 류재원, 전해찬, 이슬기, 김진국, 송승욱

초록

본 연구는 복숭아 ‘미홍’의 비파괴 품질 예측 모델을 개발하기 위해 노지 현장에서의 초분광 영상을 활용하였다. 주요 목표는 초분광 카메라로 취득된 영상 데이터를 활용하여 가용성 고형물 함량(SSC), 산도(TA) 그리고 경도(Firmness)와 높은상관관계를 보이는 파장대 및 식생 지수를 산출하는 것이다.
산출된 파장대 및 지수는 이후 가용성 고형물 함량, 산도 그리고 경도에 대한 예측 모델을 구축하기 위한 독립 변수로 활용되었다. 2023년과 2024년에 걸쳐 복숭아의 생육기간 동안 총120개의 ‘미홍’ 복숭아의 초분광 영상데이터가 수집되었다.
모델의 정확도 향상을 위하여 데이터 전처리(IQR, SNV, SG 등)를 수행하였으며, 예측 모델은 부분 최소 제곱 회귀(Partial Least Squares Regression, PLSR), Random forest(RF), 그리고 Extreme Gradient Boosting(XGB) 알고리즘을 사용하여 구축하였다. 구축한 모델의 성능은 결정 계수(R2)와 평균제곱근 오차(RMSE)를 사용하여 평가하였다.

영어초록

This study aims to develop a non-destructive quality prediction model for ‘Mihong’ peach under open-field conditions using hyperspectral imaging. The primary objective is to identify wavelengths and vegetation indices that exhibit strong correlation with soluble solids content (SSC), titratable acidity (TA), and firmness in the image data captured by a hyperspectral camera. These indices were subsequently used to construct predictive models for SSC, TA, and firmness. Hyperspectral imaging data were collected from 120 ‘Mihong’ peach samples during the 2023 and 2024 growing seasons. The data preprocessing methods (IQR, SNV, SG) were applied to improve the accuracy of the models, and predictive models were developed using partial least squares regression (PLSR), random forest (RF), and extreme gradient boosting (XGB) algorithms. Model performance was assessed using the coefficient of determination (R2) and root mean square error (RMSE).

참고자료

· 없음