CNN을 이용한 이미지 분류-일반 농산물과 GMO의 구분

소개

"CNN을 이용한 이미지 분류-일반 농산물과 GMO의 구분"에 대한 내용입니다.

목차

Ⅰ. 연구의 타당성 및 목적
Ⅱ. 이론적 배경
Ⅲ. 선행연구 분석
Ⅳ. 연구 가설 설정 / 연구 내용, 범위 및 방법
Ⅴ. 연구 결과
Ⅵ. 기대되는 성과, 시사점 및 정책 등 활용 방안/향후 연구
Ⅶ. 참고 문헌 목록

본문내용

Ⅰ. 연구의 타당성 및 목적

- 연구의 논리적 근거
요즘은 GMO가 우리 생활에 많이 들어와 있어서 GMO가 안 들어 있는 식품을 찾기가 어렵다. 우리나라가 식용 GMO 수입을 가장 많이 하는 1위 국가라는 뉴스를 듣고 현재 유통되고 있는 GMO의 상황을 알아보았다. 국내 GMO 식품으로는 콩, 옥수수, 카놀라, 알팔파, 면화, 사탕무가 쓰이는데, 이 재료들은 우리가 흔히 먹고 있는 과자, 가공식품, 장류, 어육 가공품, 빵류, 기름류, 기타 식품류에 전반적으로 많이 쓰이고 있다고 한다. 하지만 우리는 어떤 식품들이 GMO인지 구분하기 어렵다.

- 연구를 하게 된 동기 및 합리적인 이유
현재 GMO는 유전자를 인공적으로 재배합하고 돌연변이를 일으켜 성질을 바꾼 식품인 만큼 제대로 표기되고 관리 되어야 할 텐데 안전성이 입증되었다는 이유만으로 GMO완전 표시제를 미루고 있다.
본 조사에 사용된 샤인머스캣은 GMO가 아니라 종 교배를 통한 품종개량 사례라고 한다. 하지만 샤인머스캣의 잎과 일반 토종 포도의 잎을 구분해 내는 딥러닝 작업과 GMO의 잎과 기존 식품의 잎이 다르다는 타연구결과에 따라 GMO를 구별할 수 있음을 입증하고자 하며 그로 인해 소비자들에게 구입식품에 관한 더 많은 정보를 주고자 한다.

- 해당 연구를 통해 해결하고자 하는 문제
우리가 먹고 있는 씨없는 수박, 방울토마토, 한라봉과 브로콜리, 기타 DNA를 수정해서 품종 개량한 육종작물들도 어떻게 보면 GMO와 같은 방식이고 GMO식품보다 오히려 수정되는 DNA수가 많다고 한다. 거기다 대부분의 업체들에서 유전자재조합 식품이라는 표기 대신 수입산으로 묶음표기가 많이 되고 있다.
GMO농작물을 구분해 이를 표시하는 경우, 소비자에게 식품에 대한 충분한 정보전달이 제공됨과 동시에 자신의 판단에 따라 GMO식품과 아닌 식품에 대한 선택 권리(소비자의 권리)를 보장받을 수 있다.

참고자료

· 장재정. (2020). 딥러닝을 이용한 과일 물체 인식과 분류 :Detection and Classification of Fruit Objects Using Deep Learning. 석사학위논문. 경북대학교 과학기술대학원. 대구
· 서정훈. (2020). 딥러닝을 이용한 반도체 이미지 불량 분류 및 개선에 대한 연구 : Study on classification and enhancement of semiconductor defect image using deep learning. 석사학위논문. 한양대학교 대학원. 서울
· 조성배. (2017). 인공지능이 왜 문제일까?. 반니
· 김성필. (2016). 딥러닝 첫걸음. 한빛미디어