딸기의 신선도를 예측하기 위한 딸기 신선도 예측 방법으로서,딸기향을 포집하도록 이루어지는 제1 단계;상기 제1 단계에서 포집된 딸기향의 향기 물질을 분석하도록 이루어지는 제2 단계;상기 제2 단계에서 분석된 딸기 향기물질로부터 신선도 평가 인자를 선정하도록 이루어지는 제3 단계; 및상기 제3 단계에서 선정된 신선도 평가 인자를 기반으로 머신러닝을 이용하여 신선도를 예측하도록 이루어지는 제4 단계;를 포함하는 것을 특징으로 하는딸기 신선도 예측 방법.

딸기의 신선도를 예측하기 위한 딸기 신선도 예측 방법으로서,딸기로부터 휘발성 유기 화합물을 포집하도록 이루어지는 제1 단계;상기 제1 단계에서 포집된 휘발성 유기 화합물을 분석하도록 이루어지는 제2 단계;상기 제2 단계에서 분석된 휘발성 유기 화합물로부터 신선도 평가 인자를 선정하도록 이루어지는 제3 단계; 및상기 제3 단계에서 선정된 신선도 평가 인자를 기반으로 머신러닝을 이용하여 신선도를 예측하도록 이루어지는 제4 단계;를 포함하는 것을 특징으로 하는딸기 신선도 예측 방법.

제1항 또는 제2항에 있어서,상기 제1 단계는 함체에 딸기를 수용시킨 상태에서 일정 시간 유지한 후 함체 내부의 공기를 펌핑하여 열탈착 포집기에 포집하고,상기 제2 단계는 열탈착 포집기에 포집된 물질을 열탈착기를 이용하여 측정하고, 기체 크로마토그래프-질량 분석기를 이용하여 분석하도록 이루어지되,상기 제2 단계에서 열탈착기의 탈착 조건은 아래의 조건을 갖는 것을 특징으로 하는Pre-desorption: Pre-purge time: 1 min; Spilt flow: 20mL min-1Primary tube desorption: 260℃ for 7 min; Trap flow: 40mL min-1Secondary trap desorption: Trap temperature: 25-300 ℃; Heating rate: 25℃ s-1; Trap desorption time: 5 min; Split flow: 20 mL min-1TD split: 9:1 outlet split(여기에서, 열탈착기는 TD-100-xr 탈착기(Markes International, California, USA)임)딸기 신선도 예측 방법.

제3항에 있어서,상기 제2 단계에서 기체 크로마토그래피-질량 분석기는 35℃에서 4분 유지 후 300℃까지 10℃/min의 속도로 가열하여 2분간 유지하고, 이온 소스(Ion source) 온도는 280℃이고, 인터페이스 온도(interface temperature)는 200℃이며, 이온은 분자의 질량/전하비(m/z) 범위가 35 ~ 350으로 하는 것을 특징으로 하는딸기 신선도 예측 방법.

제1항 또는 제2항에 있어서,상기 제3 단계는 신선도 평가 인자로서 복수의 대사체를 선정하도록 이루어지며,상기 대사체는 에틸프로피오네이트(Ethyl propanoate), 에틸부티레이트(Ethyl butyrate), 에틸크로토네이트(Ethyl crotonate), 에틸이소발러레이트(Ethyl isovalerate), 1,3-디메틸부틸부티레이트(1,3-Dimethylbutyl butyrate), 아밀아세테이트(Amyl acetate), 에틸2-메티부티레이트(Ethyl 2-methybutyrate), 헥실아세테이트( Hexyl acetate), 에틸펜타노에이트(Ethyl pentanoate), 메틸헥사노에이트(Methyl hexanoate), 2-헥센산에틸에테르(2-Hexenoic acid, ethyl ester), 에틸헥사노에이트(Ethyl hexanoate), 메틸이소발러레이트(Methyl isovalerate), S-메틸 3-메티부틸부타니시오에이트(S-Methyl 3-Methylbutanethioate), 메틸부티레이트(Methyl butyrate), 이소프로필부티레이트(Isopropyl butyrate), 이소프로필헥사노에이트(Isopropyl hexanoate), 1-헥사놀(1-Hexanol), 이소아밀알코올(Isoamyl alcohol), 4-메톡시-4-메틸-2-펜타놀(4-Methoxy-4-methyl-2-pentanol), 네롤리돌(Nerolidol), 리날룰(Linalool), 메시퓨란(Mesifurane), 톨루엔(Toluene), 및 포스포노아세트산(Phosphonoacetic acid)인 것을 특징으로 하는딸기 신선도 예측 방법.

제5항에 있어서,상기 제4 단계는 상기 제3 단계에서 선정된 대사체 각각의 함량을 데이터셋(data set)으로 하여, 랜덤 포레스트 회귀 모델과, PLS(Partial least square) 회귀 모델과, 다층 퍼셉트론 회귀 모델, 및 OPLS(Orthogonal projections to latent structures) 회귀 모델 중 적어도 하나의 회귀 모델의 머신러닝을 이용하여 신선도를 예측하도록 이루어지는 것을 특징으로 하는딸기 신선도 예측 방법.

제6항에 있어서,상기 제4 단계의 회귀 모델에서 상기 랜덤 포레스트 회귀 모델이 이용되는 경우, 추정값(n_estimators)은 100이고, 트리의 최대 깊이(max depth)는 10으로 하는 사이킷런 라이브러리의 파이썬(Python) 코드로 작성한 랜덤 포레스트 회귀 모델인 것을 특징으로 하는딸기 신선도 예측 방법.

제6항에 있어서,상기 제4 단계의 회귀 모델에서 상기 PLS(Partial least square) 회귀 모델이 이용되는 경우, 두 개의 주성분을 사용하고 교차 검정 폴드(fold) 값을 5로 하는 사이킷런 라이브러리의 파이썬 코드로 작성한 PLS 회귀 모델인 것을 특징으로 하는딸기 신선도 예측 방법.

제6항에 있어서,상기 제4 단계의 회귀 모델에서 상기 다층 퍼셉트론 회귀 모델이 이용되는 경우, 은닉층(hidden layer)은 10개이고, 학습률은 0.09이며, 에포크(epochs)는 150번으로 하는 파이토치(PyTorch) 라이브러리의 파이썬 코드로 작성한 다층 퍼셉트론 회귀 모델인 것을 특징으로 하는딸기 신선도 예측 방법.

딸기의 신선도를 예측하기 위한 딸기 신선도 예측 시스템으로서,딸기에서 발산되는 향기를 포집하도록 구성되는 딸기향 포집부;상기 딸기향 포집부에서 포집된 딸기 향기 물질을 분석하고, 분석된 딸기 향기물질로부터 신선도 평가 인자를 선정하도록 이루어지는 신선도 평가인자 분석-선정부; 및상기 신선도 평가인자 분석-선정부에서 선정된 신선도 평가 인자를 기반으로 예측 머신러닝을 이용하여 저장 기간을 예측하도록 이루어지는 딸기 신선도 예측부;를 포함하는 것을 특징으로 하는딸기 신선도 예측 시스템.

제10항에 있어서,상기 딸기향 포집부는 딸기가 수용되는 함체와, 상기 함체 내의 공기를 펌핑하는 펌프, 및 상기 펌프에 의해 펌핑되는 딸기향에 포함된 향기물질을 흡착 포집하도록 구성되는 포집기를 포함하며,상기 신선도 평가인자 분석-선정부는 상기 포집기에 포집된 향기물질을 분석하는 향기물질 분석부, 및 상기 향기물질 분석부에 분석된 향기물질로부터 신선도 평가 인자를 선정하는 신선도 평가인자 선정부를 포함하는 것을 특징으로 하는딸기 신선도 예측 시스템.

제11항에 있어서,상기 딸기향 포집부의 포집기는 딸기향이 펌핑되는 라인에 구비되는 열탈착 튜브(Thermal Desorption (TD) Tubes)로 구성되고,상기 펌프는 상온에서 20분 유지된 후에 함체 내 공기를 0.150L/min의 유량으로 5분 동안 펌핑하도록 이루어지며,상기 향기물질 분석부는 열탈착기를 이용하여 공기 중의 휘발성 유기 화합물을 측정하도록 이루어지고, 기체 크로마토그래피-질량 분석기를 이용하여 측정된 휘발성 유기 화합물을 분석하도록 구성되는 것을 특징으로 하는딸기 신선도 예측 시스템.

제12항에 있어서,상기 열탈착기의 탈착 조건은 아래의 조건을 갖도록 이루어지고,Pre-desorption: Pre-purge time: 1 min; Spilt flow: 20mL min-1Primary tube desorption: 260℃ for 7 min; Trap flow: 40mL min-1Secondary trap desorption: Trap temperature: 25-300 ℃; Heating rate: 25℃ s-1; Trap desorption time: 5 min; Split flow: 20 mL min-1TD split: 9:1 outlet split(여기에서, 열탈착기는 TD-100-xr 탈착기(Markes International, California, USA)임)상기 기체 크로마토그래피-질량 분석기는 35℃에서 4분 유지 후 300℃까지 10℃/min의 속도로 가열하여 2분간 유지하고, 이온 소스(Ion source) 온도가 280℃이고, 인터페이스 온도(interface temperature)는 200℃이며, 이온은 분자의 질량/전하비(m/z) 범위가 35 ~ 350으로 하는 것을 특징으로 하는딸기 신선도 예측 시스템.

제11항에 있어서,상기 신선도 평가인자 선정부는 신선도 평가 인자로서 복수의 대사체를 선정하도록 이루어지며,상기 대사체는 에틸프로피오네이트(Ethyl propanoate), 에틸부티레이트(Ethyl butyrate), 에틸크로토네이트(Ethyl crotonate), 에틸이소발러레이트(Ethyl isovalerate), 1,3-디메틸부틸부티레이트(1,3-Dimethylbutyl butyrate), 아밀아세테이트(Amyl acetate), 에틸2-메티부티레이트(Ethyl 2-methybutyrate), 헥실아세테이트( Hexyl acetate), 에틸펜타노에이트(Ethyl pentanoate), 메틸헥사노에이트(Methyl hexanoate), 2-헥센산에틸에테르(2-Hexenoic acid, ethyl ester), 에틸헥사노에이트(Ethyl hexanoate), 메틸이소발러레이트(Methyl isovalerate), S-메틸 3-메티부틸부타니시오에이트(S-Methyl 3-Methylbutanethioate), 메틸부티레이트(Methyl butyrate), 이소프로필부티레이트(Isopropyl butyrate), 이소프로필헥사노에이트(Isopropyl hexanoate), 1-헥사놀(1-Hexanol), 이소아밀알코올(Isoamyl alcohol), 4-메톡시-4-메틸-2-펜타놀(4-Methoxy-4-methyl-2-pentanol), 네롤리돌(Nerolidol), 리날룰(Linalool), 메시퓨란(Mesifurane), 톨루엔(Toluene), 및 포스포노아세트산(Phosphonoacetic acid)인 것을 특징으로 하는딸기 신선도 예측 시스템.

제14항에 있어서,상기 딸기 신선도 예측부는상기 대사체 각각의 함량을 데이터셋(data set)으로 하여, 랜덤 포레스트 회귀 모델과, PLS(Partial least square) 회귀 모델과, 다층 퍼셉트론 회귀 모델, 및 OPLS(Orthogonal projections to latent structures) 회귀 모델 중 적어도 하나의 회귀 모델의 머신러닝을 이용하여 신선도를 예측하도록 이루어지는 것을 특징으로 하는딸기 신선도 예측 시스템.

제15항에 있어서,상기 딸기 신선도 예측부의 회귀 모델에서 상기 랜덤 포레스트 회귀 모델이 이용되는 경우, 추정값(n_estimators)은 100이고, 트리의 최대 깊이(max depth)는 10으로 하는 사이킷런 라이브러리의 파이썬(Python) 코드로 작성한 랜덤 포레스트 회귀 모델인 것을 특징으로 하는딸기 신선도 예측 시스템.

제15항에 있어서,상기 딸기 신선도 예측부의 회귀 모델에서 상기 PLS(Partial least square) 회귀 모델이 이용되는 경우, 두 개의 주성분을 사용하고 교차 검정 폴드(fold) 값을 5로 하는 사이킷런 라이브러리의 파이썬 코드로 작성한 PLS 회귀 모델인 것을 특징으로 하는딸기 신선도 예측 시스템.

제15항에 있어서,상기 딸기 신선도 예측부의 회귀 모델에서 상기 다층 퍼셉트론 회귀 모델이 이용되는 경우, 은닉층(hidden layer)은 10개이고, 학습률은 0.09이며, 에포크(epochs)는 150번으로 하는 파이토치(PyTorch) 라이브러리의 파이썬 코드로 작성한 다층 퍼셉트론 회귀 모델인 것을 특징으로 하는딸기 신선도 예측 시스템.