음파를 이용한 수박 선별: 머신러닝을 활용하여 (Watermelon Sorting Using Sound Waves: Based on Machine Learning)

서지정보

· 발행기관 : 한국과학영재교육학회
· 수록지 정보 : 과학영재교육 / 15권 / 1호 / 160 ~ 169페이지
· 저자명 : 민승희, 임가은, 신연우, 이태윤, 이승환, 조대기

초록

본 연구는 수박의 타격음을 통해 수박의 숙도를 예측하는 데 목적이 있다. 이를 위해 숙도별로 미숙과, 적숙과, 과숙과, 피수박로 나뉜 일곱 종류의 수박을 3 set, 총 21개의 실험용 수박을 선정하여 숙도에 따른 타격음과 물리량을 측정했다. 이를 분석한 결과 잔향시간과 과피의 두께, 과육의 부피가 숙도와 유의미한 상관이 있음을 파악하였다. 수박의 타격을 감쇠진동을 이용하여 설명하고 이를 실험 및 시뮬레이션, 잔향시간과 숙도와의 상관관계 분석을 통해 검증하였다. 그 결과 수박을 타격한 후 잔향시간을 중요 변인으로 선정하였다. 수박의 타격음을 통해 숙도를 예측하는 모델 개발을 위해 CNN을 이용하여 학습시킨 결과 99%의 정확도를 보였으며, 수박 숙도 예측의 중요한 변수로 선정한 잔향시간을 이용하여 4-layer perceptron model로 학습을 진행한 결과 95.7%의 정확도를 나타내는 결과를 얻어 수박의 숙도를 예측하는데 잔향시간이 매우 중요한 변인임을 제시하였다.

영어초록

The purpose of this study is to predict the ripeness of watermelon by the hitting sound. It was found that the reverberation time, the thickness of the skin, and the volume of the pulp were significantly correlated with ripeness. The hitting of watermelon can be explained as a damped oscillation, and this was verified through experiments and simulations, and correlation analysis between reverberation time and ripeness. As a result, the reverberation time was selected as an important variable. CNN was used to develop a model that predicts ripeness through the hitting sound of watermelon, which showed 99% accuracy. 4-layer perceptron model using the reverberation time which was selected as an important variable for predicting ripeness was developed. This showed 95.7% accuracy, in conclusion proposing an objective and non-destructive method to determine watermelon ripeness.

참고자료

· 없음