근적외선을 이용한 실시간 과일 당도 측정 알고리즘에 관한 연구

Ⅰ. 서 론

소비자들이 과일을 선택하는 기준은 주로 가격, 맛, 모양, 크기, 색, 향기 등을 고려하고 있는 추세이다. 특히 이 중에서 맛에 영향을 주고 있는 당도 값이 대표적인 선택기준이 되고 있다. 당도란 과즙에 함유된 당의 비율을 나타내는 것으로 단위는 brix로 표시하고 있다[1].

과일의 당도를 정확하게 측정하는 방법은 믹서나 착즙기를 이용하여 얻은 과즙을 직접 굴절당도계에 넣어 측정하는 것이다. 그러나 이 방법은 과일에 손상을 입혀 판매할 수 없고, 측정 과정도 번거로워 표본 측정으로 전체 과일의 당도를 판정하는 단점이 있다. 이와 같은 문제점을 해결하기 위해 적외선 영역에서 파장이 짧은 700~2500nm의 근적외선을 이용하는 비파괴 측정 방법이 제안되었다[2].

근적외선을 이용한 대표적인 비파괴 측정방법은 빛을 발생시키는 광원과 빛을 측정하는 검출기의 위치에 따라 반사식, 투과식 두 가지로 나뉜다. 반사식 방법은 과일의 표면에 빛을 가하고 표면을 뚫고 반사되어 나온 빛을 검출기로 측정하는 방법으로 광원과 검출기의 정반사를 피하기 위해 특정 각도로 빛을 가하도록 기구를 구성한다. 또한 이 방법은 표면의 투과길이가 짧아 풍부한 빛으로 스펙트럼을 측정할 수 있다는 장점은 있으나, 부분적인 성분 측정만 가능하다는 단점을 가지고 있다. 반면, 투과식 방법은 과일의 표면에 빛을 가하고 과일에 투과한 빛을 반대쪽 검출기로 측정하는 방법으로 광원과 검출기를 일직선으로 배치한다. 이 방법은 과일을 투과한 빛을 검출기로 측정함으로 과일의 평균적인 성분 농도의 측정과 내부 결함 등을 판정할 수 있는 장점이 있지만, 투과길이가 길어 부족한 빛으로 스펙트럼을 측정하기 때문에 정밀한 분석 작업이 필요하다는 단점을 가지고 있다[3]. 그러나 감귤, 사과, 자두등과 같은 소형의 과일들은 빛의 투과량이 비교적 풍부함으로 투과식 방식을 많이 이용하고 있는 실정이다.

투과식 방식을 이용한 근적외선 비파괴 측정 방법에 관한 연구는 약 50년 전 곡류나 종자의 수분을 측정한 이후, 1980년대 말, 복숭아의 당도 측정을 위한 광센서를 개발하면서 과일에 활발하게 적용되고 있다. 최근에는 가시영역과 근적외선 영역 모두를 포함하는 VIS(Visible)/NIR 투과 스펙트럼을 이용하여 성분의 품질을 예측하였고[4], 감귤의 품질을 판정할 수 있는 시스템이 개발되었다[5]. 이후 광원의 상태에 따른 당도, 경도 측정을 평가하였고[6], 전처리 조합에 따른 당도, 산도의 측정 차이를 수행하였다[7]. 또한 이와 같은 당도 측정 기술을 휴대용 장비에 적용하는 연구도 활발히 진행 되고 있다[8].

이와 같은 기존의 알고리즘들은 실험에 초점이 맞추어져 있고, 당도 예측 정밀도를 높이는 방법에 대한 연구가 주를 이루고 있다. 또한 소비자들의 다양한 요구조건을 맞추기 위해 도입되고 있는 고속, 고정밀 전자식 중량선별기에 적용하는 것은 실시간 처리를 고려하지 않아 한계가 있을 뿐만 아니라, 실제 실용화 된 사례도 거의 없다. 따라서 본 논문에서는 초당 10개 이상의 고속 선별기에 적용할 수 있는 알고리즘을 제안하고자 한다. 제안한 알고리즘의 성능평가는 당도 선별 총 처리시간의 계산 및 감귤의 당도 예측 평가를 직접 수행하여 실시간 당도 측정의 유용성을 검증하고자 한다.

Ⅱ. 측정 시스템 구성

본 연구에서 시료의 근적외선 투과 스펙트럼을 측정하기 위하여 그림 1과 같이 S사의 시스템을 이용한다.

Fig. 1.

System configuration

이 시스템은 크게 광원, 분광기, PC, 거치대로 구성되어 있다.

광원은 과일에 충분한 빛을 제공하기 위하여 반사판을 가진 12V-75W의 할로겐램프를 사용하고, 과종에 따른 빛의 양은 광원에 공급되는 전압을 조절하여 수행한다.

분광기는 과일의 분광 스펙트럼을 취득하는 기구로 H사의 C9405CB를 사용한다. C9405CB는 1024포인트의 CCD렌즈를 이용하여 500~1100nm의 파장 대역에 대한 빛의 세기를 16비트의 A/D 변환을 통하여 디지털화된 분광 스펙트럼을 구한다. 분광취득 시간은 사용자 선택에 따라 5~10000ms 범위까지 조절할 수 있다. 따라서 보통 실시간 처리를 위해서는 5~20ms의 범위를 선택/조절하며 사용하면 된다. 또한 분광기는 USB 1.1 인터페이스를 가지고 있어 PC와 용이하게 연결하여 사용 가능하다.

PC는 분광기에서 취득한 스펙트럼을 저장하는 역할로 윈도우 기반의 PC를 사용하고, 스펙트럼의 저장은 프로그램을 제작하여 시료마다 저장한다. 저장은 텍스트 파일을 이용해 저장한다.

거치대는 스펙트럼을 측정할 과일을 놓아두는 장치로 S사의 캐리어를 이용한다. 주로 측정하는 시료인 과일은 재배 환경에 따라 크기가 모두 다르기 때문에 거치대는 중간 크기의 과일에서 광원과 분광기가 과일의 중앙이 되도록 위치시킨다. 또한 과일은 전체 면적의 당도가 모두 동일하지 않고 각 부위별로 차이가 있기 때문에, 과일의 중앙을 기준으로 3곳 이상 측정하도록 한다.

Ⅲ. 근적외선을 이용한 실시간 당도 측정 알고리즘

투과식 근적외선 비파괴 측정 시스템을 이용하는 당도 측정 알고리즘은 과일의 분광 스펙트럼을 측정하고, 분광 스펙트럼 값을 처리, 예측하여 당도 값을 추정한다. 이 때, 당도 예측 정밀도를 향상시키기 위하여 당도 측정 알고리즘에 다양한 전처리를 수행하고 있다[7][9]. 본 연구에서 제안하는 당도 측정 알고리즘의 전체 흐름을 그림 2에 제시한다.

Fig. 2.

Proposed SSC measurement algorithm

3.1 분광 스펙트럼 측정 및 평균값 계산

분광 스펙트럼의 측정은 광원(할로겐램프)에서 발생된 빛을 과일의 표면에 가하고, 투과한 근적외선을 검출기인 분광기의 CCD로 받아 각 파장별로 A/D변환을 수행하여 디지털 값을 구한다.

과일의 당도는 과일의 각 부분에 따라 당도의 값이 다르기 때문에 평균적인 당도 측정을 위해 여러 번 측정을 수행한다. 측정한 분광 스펙트럼은 과일의 크기에 따라 5~10회 얻어지고 얻어진 다수의 스펙트럼에서 대표 값을 설정하기 위하여 평균 스펙트럼을 계산하여 사용하고 있다. 처리가 수행된 스펙트럼의 예를 그림 3에 나타낸다.

Fig. 3.

Measured spectrum and avg spectrum

그림 3에서 가로축은 빛의 파장을 나타내고, 세로축은 빛의 세기를 A/D변환하여 얻은 디지털 값을 나타내고 있다. 위의 그림은 한개 과일에서 얻어진 분광 스펙트럼 나타낸 것이고, 아래는 분광 스펙트럼의 평균값을 나타내고 있다.

3.3 분광 스펙트럼의 기울기 변화 개선

근적외선 분광 스펙트럼은 샘플의 형태, 크기, 측정환경 등에 따라 빛의 산란으로 기울기에 변화가 발생하므로 SNV(Standard Normal Variate)를 이용하여 정규화를 수행하여 베이스 라인을 보정하고, 기울기 변화를 제거하고 있다. SNV는 Barnes등에 의해 제안된 변환으로 식 (2)를 이용한다[9].

$\[ {\widehat{X}}_k=\frac{X_k-\overline{X}}{s} \]$

(2)

이 식에서 $$ {\widehat{X}}_k$$는 정규화 값, X_k는 분광 스펙트럼의 값, $$ \overline{X}$$는 분광 스펙트럼의 평균값, s는 분광 스펙트럼의 표준편차, k는 파장을 나타낸다. SNV가 수행된 예를 그림 4에 제시한다. 이 그림에서 가로축은 빛의 파장, 세로축은 SNV를 수행하여 얻은 정규화 값을 나타내고 있다.

Fig. 4.

Spectrum using SNV

3.4 흡광 스펙트럼 변환

SNV가 완료되면, 데이터를 흡광 스펙트럼으로 변환한다. 당도측정은 근적외선 흡수 분광 분석법을 기반으로 수행한다. 흡수 분광 분석법은 과일의 빛의 흡수량을 나타내는 흡광 스펙트럼을 이용하여 수행하는 것으로 흡광 스펙트럼은 Beer-Lambert[10]이 제안한, 식 (3)을 이용하고 있다.

$\[ abs={\log }_{10}\left(\frac{ref}{sample}\right) \]$

(3)

여기서 abs는 흡광 스펙트럼, ref는 광원에 대한 분광 스펙트럼 값을 나타내고, 이 값은 근적외선 차단 필터를 이용하여 광원의 광량을 최대한 줄여 측정하여 구한다. sample은 측정하는 과일의 분광 스펙트럼을 나타낸다.

흡광 스펙트럼 계산에 사용하는 ref와 sample은 분광기에 따라 설정된 임의의 파장을 가진 스펙트럼이기 때문에 샘플이 균일하지 않은 파장 간격을 가지고 있다. 따라서 균일한 등간격의 파장을 만들기 위해 보간법을 이용하여 스펙트럼을 1nm간격으로 650~950nm까지 보간하여 사용한다. 이 파장 범위는 다양한 과일에서 당도 예측에 유용하다고 알려져 있는 영역이다[3]. 보간법은 cubic spline 보간법을 이용하였다. 이와 같이 흡광도 변환을 수행한 예를 그림 5에 제시하였다.

그림 5에서 가로축은 빛의 파장, 세로축은 흡광도 비율을 나타내고 있다.

Fig. 5.

Absorbance spectrum

3.5 흡광 스펙트럼 대역의 강조

앞 절에서 계산된 흡광 스펙트럼은 당도, 산도등과 같은 화학성분이 서로 영향을 주고 있어 흡수대역을 나타내는 부분들이 중첩되어 있다. 이러한 중첩된 흡수대역들은 미분처리를 이용하면 중첩된 흡수대역의 분리, 숨은 흡수대역의 표면화에 효과가 있다. 따라서 산란효과의 감소를 수행하기 때문에 근적외선 스펙트럼에서는 자주 이용되고 있다. 1차 미분 처리는 합산적 변동을 제거 하고, 2차 미분 처리는 곱셈적인 베이스 라인 변동을 제거한다. 또한 2차 미분처리를 수행한 스펙트럼에서는 기존 스펙트럼과 같은 장소에서 역방향의 피크를 주기 때문에, 스펙트럼의 결과를 분석하기 쉽다. 근적외선 스펙트럼은 이산데이터로 얻어지므로, 미분계산은 식 (4)와 같은 차분방정식을 이용한다.

$\[ \begin{array}{c}{1}^{st} Diff {dx}_w=x_w-x_{w-gap}\hfill \\ 2^{nd} Diff {d^{2}x}_w=x_{w-gap}-{2x}_w+x_{w+gap}\hfill \end{array} \]$

(4)

이 식에서 x_w은 파장 w의 스펙트럼 값, gap은 파장 w와의 파장거리이다[9]. 이와 같은 차분에 의한 미분처리의 문제점은 노이즈가 증폭되면, 동시에 유용한 신호가 약해지는 경우가 있으므로 실제의 사용에는 주의가 필요 하다. 모든 처리가 완료된 예를 그림 6에 나타낸다.

Fig. 6.

1st diff(a) and 2nd diff(b) absorbance spectrum

그림 6의 가로축은 파장, 세로축은 흡광도의 변화량을 나타낸다. 이 그림을 보면, 파형이 넓은 대역폭에서 나타나지 않은 흡수 대역이 명확히 나타나게 된다.

본 논문에서는 1차 미분 방식을 이용하였고, gap은 미세한 변화에 영향을 받지 않도록 20nm의 간격으로 하였다[7].

Ⅳ 시뮬레이션 및 결과 고찰

4.2 실험결과 및 고찰

제안한 알고리즘의 속도 측정은 10회를 수행하였다. 모든 과정은 하나의 함수로 작성하였고, 관측 기능으로 측정된 값은 표 1과 같다.

Table 1.

Processing time of proposed algorithm

고속으로 동작하는 선별기는 초당 10개의 선별을 수행하기 때문에, 실시간 시스템에서 알고리즘을 사용하기 위해서는 모든 처리 시간이 100ms이내에 수행되어야 한다. 따라서 표 1과 같이 제안한 알고리즘의 처리속도는 최소 140μs, 최대 520μs, 평균 240μs이기 때문에, 100ms보다 충분히 빠른 시간으로 처리가 완료되므로 실시간 처리에 적합한 알고리즘이라는 것이 검증되었다.

제안한 알고리즘의 당도 예측을 수행한 결과를 그림 7에 예측/측정값의 관계 그래프로 나타내었다.

Fig. 7.

Result of citrus SSC predection using proposed algorithm

그림 7에서 가로축은 굴절당도계를 이용하여 측정한 감귤의 당도를 나타내고, 세로축은 당도 예측 모델을 이용하여 구한 당도 값을 나타낸다. 그림을 보면, 감귤의 당도는 8 ~ 12.5brix 사이로 고르게 분포되어 있음을 확인 할 수 있었다. 100개의 샘플에 대한 예측값과 측정값의 오차는 표 2에 나타내었다.

Table 2.

Error of 100 citrus

표 2를 보면 예측값과 측정값의 오차가 98% 1brix 이내로 들어오기 때문에 실제 당도 선별기에 적용 가능함을 알 수 있다. 또한 제안한 방법의 성능을 객관적으로 판단을 위해, 기존의 논문에서 논의된 전처리 조합법과 비교 분석을 수행하였다. 기존방법[5]은 Savitzky-Golay 필터와 MSC방식을 적용하였다. 각 방법의 객관적인 자료로 통계적 수치인 결정계수, 표준 예측 오차, 바이어스 값을 계산하고, 그 결과를 표 3에 제시하였다.

Table 3.

Statistical value performed SSC prediction

표 3에서 평균값 스펙트럼을 기존방법에 적용한 경우, 당도 예측의 우수성을 나타내는 지표인 결정계수는 0.85, 표준 예측 오차는 0.49, 바이어스는 0.37이었다. 제안한 방법을 적용했을 경우, 결정계수는 0.9, 표준 예측 오차는 0.4, 바이어스는 -0.008이었다. 성능 비교 결과 제안한 방법이 결정계수, 표준 예측 오차, 바이어스의 모든 값에서 좋은 성능을 나타내었다. 따라서 제안한 알고리즘의 예측정밀도가 당도측정 시스템에 적용 가능하다는 것을 확인하였다.

Ⅴ. 결 론

당도를 선별하기 위한 기존의 알고리즘들은 각 부분별 성능만을 개선한 것이고, 또한 실험실 중심의 시뮬레이션 수준이라는 문제점을 가지고 있다. 따라서 본 논문에서는 각 부분을 통합한 선별 알고리즘을 제안하였고, 제안한 알고리즘은 실시간 당도 선별기에 적용하는 것을 목적으로 하였다.

제안한 알고리즘의 성능 평가는 우선 실시간 시스템에 적용 가능성을 판단하기 위하여 알고리즘의 수행 처리 속도 측정 및 당도 예측 실험을 수행하였다. 우선, 수행 처리 속도를 측정한 결과, 제안한 알고리즘의 수행 처리 시간이 최대 520μs 이내에 모든 처리가 완료되었기 때문에 실시간 처리에 적용 가능성을 입증하였다. 그 다음, 샘플 감귤 100개를 이용하여 당도 예측 실험을 수행한 결과, 실측값과 예측값의 오차가 98%, 1brix 이내이기 때문에 실제 당도 선별기에 적용할 수 있음을 알 수 있었다.

또한, 통계 예측 타당성을 조사한 결과, 결정계수는 0.9, 표준 예측 오차는 0.4, 바이어스는 –0.008로 당도 예측 성능도 우수하였다. 더욱이, 기존의 유사 알고리즘의 통계 예측 타당성을 구한 결과, 결정계수 0.85, 표준 예측 오차는 0.49, 바이어스는 0.37를 얻었고, 이 값과 제안한 알고리즘을 비교해 본 결과, 제안 알고리즘이 우수하다는 것을 입증하였다.

금후에는 제안한 알고리즘을 기반으로 실제 시스템을 구현하고, 이를 적용한 실시간 당도 선별 시스템의 유용성을 확인할 예정이다.

References

• E. Bobelyn, A. S. Serban, M. Nicu, J. Lammertyn, B. M. Nicolaï, and W. Saeys, "Postharvest quality of apple predicted by NIR-spectroscopy:Study of the effect of biological variability on spectra and model performance", Postharvest Biology and Technology, 55(3), p133-143, Mar.), (2010. [https://doi.org/10.1016/j.postharvbio.2009.09.006]
• K. J. Lee, W. R. Hruschka, J. A. Abbott, S. H. Noh, and B. S. Park, "Predicting the Soluble Solids of Apples by Near Infrared Spectroscopy (I)", Journal of the Korean Society for Agricultural Machinery, 23, p561-570, (1998).
• B. M. Nicolaï, K. Beullens, E. Bobelyn, A. Peirs, W. Saeys, K. I. Theron, and J. Lammertyn, "Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy: A review", Postharvest Biology and Technology, 46(2), p99-118, Nov.), (2007. [https://doi.org/10.1016/j.postharvbio.2007.06.024]
• H. Y. LEE, "Measurement of the Soluble Solid and Acid Contents in Fruit Juice by VIS/NIR Transmittance", Seoul National University, (2001).
• D. S. Ryu, "Development of Nondestructive Internal Quality Evaluation System for Citrus using VIS/NIR Transmittance Spectroscopy", Seoul National University, (2001).
• Guoqiang Fan, Jianwen Zha, Ran Du, and L. Gao, "Determination of soluble solids and firmness of apples by Vis/NIR transmittance", Journal of Food Engineering, 93(4), p416-420, Aug.), (2009. [https://doi.org/10.1016/j.jfoodeng.2009.02.006]
• Ali Moghimi, Mohammad H. Aghkhani, Ameneh Sazgarnia, and Majid Sarmad, "Vis/NIR spectroscopy and chemometrics for the prediction of soluble solids content and acidity (pH) of kiwifruit", Biosystems Engineering, 106(3), p295-302, Jul.), (2010. [https://doi.org/10.1016/j.biosystemseng.2010.04.002]
• A li SARIKAS, and Merve DOGRUYOL BASAR, "An electronic portable device design to spectroscpically assess fruit quality", Turkish Journal of Electrical Engineering & Computer Sciences, 25(5), p4063-4076, Feb.), (2017.
• Kumi Miyamoto, "Near-Infrared SpectroscopyⅢ. Quantitative Analysis by Near-Infrared Spectroscopy", Journal of the Spectroscopical Society of Japan, 53-3, p192-203, (2004).
• Phil Williams, and Karl Norris, "Near-Infrared Technology – in the Agricultural and Food Industries", American Association of Cereal Chemists, (1987).
• J. M. Yoon, M. H. So, C. H. Han, and H. Y. Kim, "Comparision of Prediction Models of the Sugar Content for a Nondestructive Sorting System Based on Near-infrared", Proceedings of KIIT Conference, p414-417, Jun.), (2014.