[미곡처리]근적외선 분광분석법 측정에 의한 현미의 경도측정

목차

[ 목 차 ]
1. 서론
가. 현미(玄米)의 유래와 변천
나. 현미(玄米)의 영양가

2. 재료 및 방법
가. 실험재료
나. 실험방법
1) 스펙트럼 측정
2) 경도측정

3. 결과 및 고찰
가. 경도측정
나. 흡광스펙트럼 및 2차미분 스펙트럼
다. 경도예측모델

4. 요약 및 결론

참고문헌

본문내용

network analysis.
Fig. 7 Learning and prediction with reference to moisture content, having the original absorbance spectrum over the whole wavelength as input for the network analysis.
Input band/wave-length
Non-pretreated
Pretreated
Input band
Calibration
Prediction
Calibration
Prediction
RMSE
/SEC
R
BIAS
SEP
R
RMSE
/SEC
R
BIAS
SEP
R
Overall
(900∼1,900 nm)
8.1164
RMSE
0.6507
-0.4593
7.8693
0.6916
1.8733
RMSE
0.9849
-1.5884
10.3403
0.4604
5 water-
bands
8.3971
RMSE
0.6199
-0.6094
8.0533
0.6760
7.3663
RMSE
0.7261
-0.5415
10.1872
0.4048
2 water-
bands
9.0353
SEC
0.5734
-0.7114
8.3572
0.6403
9.3925
SEC
0.5295
-0.7914
10.2201
0.3411
Table 1 Comparison of models for measuring brown-rice hardness by external quality.
Input band/
wave-
length
Non-pretreated
Pretreated
Input band
Calibration
Prediction
Calibration
Prediction
RMSE
/SEC
R
BIAS
SEP
R
RMSE
/SEC
R
BIAS
SEP
R
Overall
(900∼1,900nm)
8.1983
RMSE
0.6709
-0.5459
8.8439
0.6377
1.4983
RMSE
0.9898
0.9437
12.6406
-0.0804
5 water
-bands
9.6820
RMSE
0.3852
-0.8107
10.4035
0.3129
7.4989
RMSE
0.7013
1.5138
14.7725
-0.1805
2 water
-bands
10.3962SEC
0.2990
-0.5022
10.9107
0.1438
10.7803
SEC
0.1473
-0.1763
10.6940
0.2198
Table 2 Comparison of models for measuring brown-rice hardness
by moisture content.
표 1은 파장영역별, 전처리 여부에 따른 경도예측모델의 성능을 비교한 것으로, 수분파장대역을 선별하지 않고 전파장 영역에서의 흡광도를 입력으로 했을 때의 결과가 가장 우수했고, 전처리를 하지 않았을 때가 2차미분 처리를 했을 때보다 우수했다.
표 2는 파장영역별, 전처리 여부에 따른 경도예측모델의 성능을 비교한 것으로, 수분파장대역을 선별하지 않고 전파장 영역에서의 흡광도를 입력으로 했을 때의 결과가 가장 우수했고, 전처리를 하지 않았을 때가 2차미분 처리를 했을 때보다 우수했다. 특히, 2차미분을 했을 경우 예측은 거의 불가능한 것으로 나타났으며, 이의 개선을 위해서는 학습에 더 많은 시료를 사용해야 할 것으로 판단되었다. 품위별 경도예측모델과 함수율별 경도예측모델 모두 수분대역파장을 5개 또는 2개 선택하여 예측했음에도 성능이 떨어진 것은, 수분 유의성이 반사 또는 흡광스펙트럼이 아닌 투과스펙트럼으로부터 선택되었기 때문인 것으로 보인다.
4. 요약 및 결론
근적외선 분광분석법을 이용한 현미의 경도예측 가능성을 알아보고자 정립, 착색립, 동할립, 사미, 미숙립 등 품위별 5가지 시료와, 12.4, 14.6, 16.1, 17.7% 등 함수율별 4가지 시료의 경도를 측정하였고, 단립의 흡광도를 900∼1,900nm 범위에서 측정하여 경도예측을 위한 인공신경망 모델을 개발하였다. 인공신경망 모델에 의한 품위별 예측이나 함수율별 예측 모두 흡광스펙트럼을 2차미분 처리했을 때의 경도예측성능이 전처리를 하지 않았을 때보다 낮았다. 특히, 2차미분 모델에 의한 함수율별 경도예측은 전혀 유의성이 없는 것으로 나타났다. 입력파장대역의 개수에 따라 전파장 영역의 흡광도를 입력으로 한 경우, 5개 및 2개의 수분파장대역에서의 흡광도를 입력으로한 경우에 따른 예측모델을 개발하였다. 그 결과 전처리 여부에 관계없이 입력파장대역의 수가 감소할수록 예측성능이 전반적으로 저하되었다. 또한, 함수율별 예측모델보다는 품위별 예측모델의 예측성능이 우수했다.
Delwiche(1993)는 밀의 단립경도를 분광분석법으로 예측하기 위하여 투과도를 측정하였는데, 현미의 경우도 반사도보다는 투과도를 측정하는 것이 내부성질을 알아내는데 유리하리라 판단된다.
참고문헌
1. 농협중앙회. 1997. 미곡종합처리장 사업평가와 발전방향.
2. 김정일 외 2인. 1994. 미질향상 재배기술 개발 연구. 농촌진흥청 작물시험장 1994년도 시험연구보고서:420-427.
3. 김만수외 3인. 1990. 벼의 생물체 항복강도 및 극한강도. 한국농업기계학회지 15(2): 99-109.
4. 김영붕. 1996. 식품의 성분분석을 위한 근적외선(NIR)의 이용(Ⅰ). 식품기술 제9권 제
1호:24-37.
5. 김재민, 민봉기, 최창현. 1997. 가시광선/근적외선을 이용한 쌀의 정백수율 측정. 한국 농업기계학회지 22(3):333-342
6. Delwiche, S. R. 1993. Measurement of single-kernel wheat hardness using near- infrared transmittance. Transactions of the ASAE 36(5):1431-1437.
7. Lu, R. and T. J. Siebenmorgen. 1995. Correlation and head rice yield to selected physical and mechanical properties of rice kernels. Transactions of the ASAE 38(3):889-894.

키워드

현미의경도측정,   근적외선분광분석법측정,   현미(玄米)의영양가,   경도예측모델,   미곡종합처리장사업평가,   근적외선(NIR)의이용,   도정수율과상관성,   흡광스펙트럼및2차미분스펙트럼