예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측을 위한 데이터를 수집하는 데이터 수집부;데이터 수집부에서 수집된 데이터를 전처리 및 분석을 하는 데이터 분석부;데이터 분석부의 분석 결과를 이용하여 예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측을 위한 특성 평가 요인을 선정하는 특성 평가 요인 선정부;선정된 특성 평가 요인 데이터를 입력으로 예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측을 위한 예측 모델을 구축하고, 선택된 예측 모델을 이용하여 학습하는 예측모델 구축 및 학습부;예측모델 구축 및 학습부의 학습 결과를 이용하여 예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측 결과를 출력하는 예측 결과 출력부;를 포함하는 것을 특징으로 하는 배추의 계절적 품질 및 맛 특성 변화 예측을 위한 장치.

제 1 항에 있어서, 예측모델 구축 및 학습부의 학습 결과에 따라 예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측에 사용되는 대사체 데이터베이스를 구축하는 대사체 데이터베이스를 더 포함하는 것을 특징으로 하는 배추의 계절적 품질 및 맛 특성 변화 예측을 위한 장치.

제 1 항에 있어서, 데이터 분석부는,대사 산물 분석을 위하여 글루코시놀레이트와 글루코시놀레이트 가수분해 생성물, 1차 대사 산물의 수용성, 지용성을 분석하고,수집한 대사체 데이터는 PLS-DA(Partial least squares discriminant analysis)와 ANOVA(Analysis of Variance) 분석을 통해 대사체를 선정하여 예측 모델 구축에 사용될 수 있도록 하는 것을 특징으로 하는 배추의 계절적 품질 및 맛 특성 변화 예측을 위한 장치.

제 1 항에 있어서, 데이터 수집부는 예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측을 위하여,재배시 기상 및 환경데이터와,성상 및 이화학특성을 포함하는 품질기본정보와,대사 산물 데이터와,단맛, 쓴맛, 아린맛, 아삭한 정도, 수분감, 질긴정도를 포함하는 관능평가 요소를 수집하는 것을 특징으로 하는 배추의 계절적 품질 및 맛 특성 변화 예측을 위한 장치.

제 1 항에 있어서, 예측모델 구축 및 학습부는 예측 대상 작물의 계절적인 품질 예측과 단맛, 쓴맛 예측을 위하여,랜덤 포레스트(Random Forest) 회귀 모델, PLS(Partial least squares) 회귀 모델, OPLS(Orthogonal projections to latent structures) 회귀 모델을 선택적으로 사용하는 것을 특징으로 하는 배추의 계절적 품질 및 맛 특성 변화 예측을 위한 장치.

제 1 항에 있어서, 특성 평가 요인 선정부에서 선정되는 대사체는,Gluconapoleiferin, Glucoalyssin, Gluconapin, Hydroxyglucobrassicin, Glucobrassicanapin, Glucoerucin, Glucobrassicin, Methoxyglucobrassicin, Gluconasturtiin, Neoglucobrassicin, Malic acid, 5-Oxoproline, Fructose, Glucose, Myo-Inositol, Sucrose, Palmitic Acid, 2H-Pyran-2-one,tetrahydro-6-nonyl-, Nonadeccane, Alpha-Linolenic acid, Stearic acid, 1-Monopalmitin, Glycerol monostearate, beta-Sitosterol, 3-butenyl isothiocyanate, 4,4,5,5,5-Pentafluoro-1-pentanol, brassicanapin, 1-cyano-3,4-epithiobutane, 1-cyano-2-hydroxy-3,4-epithiobutane, 3-phenylpropionitrile, 1-cyano-4,5-epithiopentane, 6-(Methylthio)hexanenitrile, Benzyithiocyanate, 2-Phenylisopropanol, 2-Butyloctanol, 1-Fluorodecane들 중에서 적어도 하나를 포함하는 것을 특징으로 하는 배추의 계절적 품질 및 맛 특성 변화 예측을 위한 장치.

제 1 항에 있어서, 특성 평가 요인 선정부에서 선정되는 환경력이 강한 대사체는,Hydroxyglucobrassicin, Glucobrassicin, Methoxyglucobrassicin, Neoglucobrassicin, Malic acid, 5-Oxoproline, Fructose, Glucose, Myo-Inositol, Sucrose, Palmitic Acid, 2H-Pyran-2-one,tetrahydro-6-nonyl-, Nonadeccane, Alpha-Linolenic acid, Stearic acid, 1-Monopalmitin, Glycerol monostearate, beta-Sitosterol들 중에서 적어도 하나를 포함하는 것을 특징으로 하는 배추의 계절적 품질 및 맛 특성 변화 예측을 위한 장치.

제 1 항에 있어서, 예측모델 구축 및 학습부는,특성 평가 요인 선정부에서 선정된 특성 평가 요인을 예측 모델 구축 및 학습에 적용하는 특성 평가 요인 적용부와,특성 평가 요인 적용부의 특성 평가 요인 데이터를 적용하여 예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측을 위한 예측 모델을 구축하는 예측 모델 구축부와,랜덤 포레스트(Random Forest) 회귀 모델, PLS(Partial least squares) 회귀 모델, OPLS(Orthogonal projections to latent structures) 회귀 모델중에서 예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측을 위한 예측 모델을 선택하는 예측 모델 선택부와,예측 모델 선택부에서 선택된 예측 모델을 이용하여 예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측을 위한 학습을 하는 학습부와,학습부의 학습 결과를 이용하여 예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측 정확도를 높이기 위한 예측 모델 최적화를 수행하는 예측 모델 업데이트부를 포함하는 것을 특징으로 하는 배추의 계절적 품질 및 맛 특성 변화 예측을 위한 장치.

제 8 항에 있어서, 특성 평가 요인 적용부는,예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측을 위하여 선정된 재배시 기상 및 환경데이터를 적용하는 기상 및 환경 데이터 적용부와,성상 및 이화학특성을 포함하는 품질기본정보를 적용하는 품질 기본 정보 적용부와,품질 예측에는 선정된 대사 산물 데이터중에서 환경력이 강한 대사체를 적용하고, 맛 예측에는 선정된 모든 대사체를 사용하는 대사산물 데이터 적용부와,단맛, 쓴맛, 아린맛, 아삭한 정도, 수분감, 질긴정도를 포함하는 관능평가 요소 데이터를 적용하는 관능평가 요소 적용부를 포함하는 것을 특징으로 하는 배추의 계절적 품질 및 맛 특성 변화 예측을 위한 장치.

제 8 항에 있어서, 학습부는,랜덤 포레스트(Random Forest) 회귀 모델을 사용하여 예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측을 위한 학습을 하는 랜덤포레스트 회귀모델 학습부와,PLS(Partial least squares) 회귀 모델을 사용하여 예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측을 위한 학습을 하는 PLS 회귀 모델 학습부와, OPLS(Orthogonal projections to latent structures) 회귀 모델을 사용하여 예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측을 위한 학습을 하는 OPLS 회귀 모델 학습부를 포함하는 것을 특징으로 하는 배추의 계절적 품질 및 맛 특성 변화 예측을 위한 장치.

예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측을 위한 데이터를 수집하는 데이터 수집 단계;수집된 데이터를 전처리 및 분석하여 예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측을 위한 특성 평가 요인을 선정하는 데이터 분석 및 특성 평가 요인 선정 단계;선정된 특성 평가 요인 데이터를 입력으로 예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측을 위한 예측 모델을 구축하고, 선택된 예측 모델을 이용하여 학습하는 예측모델 구축 및 학습 단계;학습 결과를 이용하여 예측 대상 작물의 계절적 품질 및 맛 특성 변화 예측 결과를 출력하는 예측 결과 출력 단계;를 포함하는 것을 특징으로 하는 배추의 계절적 품질 및 맛 특성 변화 예측을 위한 방법.

제 11 항에 있어서, 특성 평가 요인 선정 단계에서 계절에 따른 김치배추의 대사물질 조성 변화에 따른 예측을 위하여,OPLS(Orthogonal projections to latent structures) 회귀 모델을 이용한 예측에서는 특성 평가 요인 대사체를 Hydroxyglucobrassicin, 2H-Pyran-2-one, Fructose, Inositol, 5-Oxoproline 대사체를 핵심 요인으로 선정하고,PLS(Partial least squares) 회귀 모델을 이용한 예측에서는 특성 평가 요인 대사체를 Hydroxyglucobrassicin, Inositol, Fructose, 5-Oxoproline, 2H-Pyran-2-one 대사체를 핵심 요인으로 선정하고,랜덤포레스트 회귀모델을 이용한 예측에서는 특성 평가 요인 대사체를 Hydroxyglucobrassicin, 4-methoxyglucobrassicin, Alpha-Linolenic acid, Inositol, 5-Oxoproline 대사체를 핵심 요인으로 선정하는 것을 특징으로 하는 배추의 계절적 품질 및 맛 특성 변화 예측을 위한 방법.

제 11 항에 있어서, 특성 평가 요인 선정 단계에서 단맛에 대한 예측을 위하여,OPLS(Orthogonal projections to latent structures) 회귀 모델을 이용한 예측에서는 특성 평가 요인 대사체를 Malic acid, Fructose, Neoglucobrassicin, 5-Oxoproline, Palmitic acid 대사체를 핵심 요인으로 선정하고,PLS(Partial least squares) 회귀 모델을 이용한 예측에서는 특성 평가 요인 대사체를 Malic acid, Neoglucobrassicin, 2H-Pyran-2-one, Gluconasturtiin, Sucrose 대사체를 핵심 요인으로 선정하고, 랜덤포레스트 회귀모델을 이용한 예측에서는 특성 평가 요인 대사체를 Glucobrassicanapin, Fructose, Malic acid, Stearic acid, Gluconapin 대사체를 핵심 요인으로 선정하는 것을 특징으로 하는 배추의 계절적 품질 및 맛 특성 변화 예측을 위한 방법.

제 11 항에 있어서, 특성 평가 요인 선정 단계에서 쓴맛에 대한 예측을 위하여,OPLS(Orthogonal projections to latent structures) 회귀 모델을 이용한 예측에서는 특성 평가 요인 대사체를 2-Butyloctanol, 3-Phenylpropionitrile, Glucoerucin, 5-Oxoproline, 3-Butenyl isothiocyanate 대사체를 핵심 요인으로 선정하고, PLS(Partial least squares) 회귀 모델을 이용한 예측에서는 특성 평가 요인 대사체를 Glucoerucin, 3-phenylpropionitrile, 2-Phenylisopropanol, 3-butenyl isothiocyanate, Alpha-Linolenic acid 대사체를 핵심 요인으로 선정하고,랜덤포레스트 회귀모델을 이용한 예측에서는 특성 평가 요인 대사체를 2-Butyloctanol, 3-butenyl isothiocyanate, Alpha-Linolenic acid, Gluconapoleiferin, 3-Phenylpropionitrile 대사체를 핵심 요인으로 선정하는 것을 특징으로 하는 배추의 계절적 품질 및 맛 특성 변화 예측을 위한 방법.