밤의 칼날식 박피공정에 따른 머신 러닝 기반 중량감모율 예측 모델 개발 (Development of machine learning prediction model for weight loss rate of chestnut (Castanea crenata) according to knife peeling process)

서지정보

· 발행기관 : 한국정보전자통신기술학회
· 수록지 정보 : 한국정보전자통신기술학회 논문지 / 17권 / 4호 / 236 ~ 244페이지
· 저자명 : 김태형, 권기현, 김아나

초록

국내 밤 산업은 박피율을 높이기 위한 목적으로 과도한 칼날박피로 인해 과육 손실이 높아 생산 효율성이 저하되는 문제가 있다. 이에 본 연구에서는 밤 박피 공정의 구동 조건 최적화를 위한 기초 연구로 머신러닝 알고리즘 기반 박피공정 단계별 밤의 중량감모율을 예측할 수 있는 모델을 도출하였다. 6개의 제어조건을 바탕으로 51가지 2단 칼날박피기 실험 세팅 조합을 도출하고 이를 3번씩 반복하여 총 153가지의 데이터를 획득하였다. 인공신경망과 랜덤 포레스트 머신러닝 모델을 이용하여 밤 박피 단계별(1단 박피 후, 2단 박피 후, 최종 배출 후) 중량감모율을 예측하는 머신러닝 모델을 도출하였고, R(coefficient of determiantion), nRMSE(normalized root mean square error), MAE(mean absolute error) 값을 통해 모델의 성능을 평가하였다. 모든 박피 단계에서 인공신경망 모델보다 랜덤 포레스트 모델이 높은 R값으로 우수한 예측 정확도를 가지는 것으로 나타났고, 낮은 nRMSE와 MAE값으로 낮은 예측 오차를 가지는 것으로 나타났다. 최종적으로 랜덤 포래스트 예측 모델이 도출되었으며, 실제로 계측된 중량감모율과 예측한 중량감모율의 오차가 미미함을 확인할 수 있었다. 결과적으로, 도출된 모델은 밤 과육의 중량감모율을 최소화하는 동시에 최대 박피율을 도출할 수 있는 최적 박피공정의 구동 조건을 설정하는 데 활용함으로써, 이를 바탕으로 국내 밤 산업에 이바지 할 수 있을 것으로 예상된다.

영어초록

A representative problem in domestic chestnut industry is the high loss of flesh due to excessive knife peeling in order to increase the peeling rate, resulting in a decrease in production efficiency. In this study, a prediction model for weight loss rate of chestnut by stage of knife peeling process was developed as undergarment study to optimize conditions of the machine. 51 control conditions of the two-stage blade peeler used in the experiment were derived and repeated three times to obtain a total of 153 data. Machine learning(ML) models including artificial neural network (ANN) and random forest (RF) were implemented to predict the weight loss rate by chestnut peel stage (after 1st peeling, 2nd peeling, and after final discharge). The performance of the models were evaluated by calculating the values of coefficient of determination (R), normalized root mean square error (nRMSE), and mean absolute error (MAE). After all peeling stages, RF model have better prediction accuracy with higher R values and low prediction error with lower nRMSE and MAE values, compared to ANN model. The final selected RF prediction model showed excellent performance with insignificant error between the experimental and predicted values. As a result, the proposed model can be useful to set optimum condition of knife peeling for the purpose of minimizing the weight loss of domestic chestnut flesh with maximizing peeling rate.

참고자료

· 없음