초분광/머신비전 기반 비파괴 품질·숙기 진단

Nondestructive fruit quality and maturity diagnosis using hyperspectral and machine vision

연구 내용

초분광(Vis-NIR) 및 선택 파장 모델로 과원·수확 단계의 품질 지표와 숙기를 비파괴로 정량화하여, 현장 의사결정에 활용 가능한 예측 체계를 개발하는 연구

과원 및 수확 현장에서 품질과 영양 상태를 신속하게 확인해야 하나, 기존의 파괴 분석은 시간과 비용 부담이 큽니다. 본 연구는 초분광 영상(Vis/NIR)과 색도 정보를 기반으로 화학적 성분 또는 생리 지표를 비파괴로 추정합니다. 스펙트럼 binning과 파장 선택으로 연산 비용을 줄이면서 PLSR, SVR, XGBoost 등의 회귀 모델 성능을 비교하고, 로봇 수확을 위한 숙기 지수는 과실 품질 조사 결과와 연계하여 비대·수확기 진단의 입력값으로 활용합니다. 현장 적용형 비파괴 평가 기술 확보에 차별성이 있습니다.

관련 프로젝트

5건

연구 흐름

초기에는 초분광 영상/Vis-NIR을 이용해 과실 품질을 비파괴로 평가하는 기술을 구축하는 데 집중했습니다. 이후에는 사과 잎의 질소 농도처럼 재배 관리 의사결정과 직결되는 지표를 대상으로, 스펙트럼 선택과 머신러닝 회귀 모델로 정밀 예측 체계를 확장했습니다. 동시에 무단조 숙기 판별을 목표로 ‘Mihong’ 복숭아에서 로봇 수확용 성숙 지수를 품질 조사와 연계해 도출하고, 색상 기반 비파괴 대안을 제시했습니다. 최근에는 이를 현장 NDE로 연결하는 방향으로 연구를 수행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

다중 분광 센서 설계 지표
과원 영양(질소) 실시간 모니터링
로봇 수확용 숙기 판별 기준
수확 전 품질 선별 자동화
현장형 비파괴 평가 프로토콜
재배지별 품질 변동 입력변수
기계수확 손상 저감 조건
시비·관수 정밀 의사결정 체계
색상-화학성분 상관 모델
재배생리 기반 품질 예측 데이터셋