담배 경화유 함량의 비파괴 검출을 위한 초분광 이미징 기술

잎 품질 평가 시스템에 있어서, 기름 함량은 건조담배의 품질을 측정하는 중요한 지표 중 하나입니다. 전통적으로 유분 함량 평가는 주로 전문가의 실증적 판단에 의존해 주관성이 강하고 효율성이 상대적으로 낮은 등의 문제가 있었습니다. 최근 초분광 이미징 기술은 그래프와 스펙트럼을 결합하는 특성으로 인해 농산물 품질 검출 분야에 응용 가능성이 입증되었습니다. 이 논문에서는 경화 담배 오일 함량 검출에 대한 연구를 예로 들어 이 시나리오에서 가시-근적외선 초분광 기술의 실제 적용 효과를 소개합니다.

연구 배경 및 실험 설계
이번 연구에서는 전국 22개 담배 재배 성(자치구)에서 상부, 중부, 하부를 포괄하는 634개의 독감 건조 담배 잎 샘플을 선택했습니다. 연구팀은 CHNSpec의 FigSpec 시리즈 초분광 이미징 시스템(FigSpec-23 및 FigSpec-25 카메라 포함)을 사용하여 400~1000nm 및 900~1700nm의 파장 범위에서 담배 잎의 스펙트럼 정보를 동기식으로 수집했습니다. 수집 과정에서는 광원 각도와 카메라 거리를 고정하여 조명 균일성을 확보하였으며, 각 샘플별로 2번씩 스펙트럼 데이터를 수집한 후의 평균값을 원본 입력으로 사용했습니다.

유분 함량 점수는 20명으로 구성된 외관품질 평가팀이 10점 만점으로 독립적으로 평가하였습니다. 샘플은 7:3의 비율로 교정 세트(443개 샘플)와 검증 세트(191개 샘플)로 나누어졌습니다. 두 샘플 세트의 오일 함량 점수 분포 특성은 전체 모집단과 일치하여 후속 모델 구축을 위한 신뢰할 수 있는 기반을 제공했습니다.

스펙트럼 전처리 및 상관 분석
원본 스펙트럼 데이터에는 잡음과 산란 간섭이 포함되어 있어 효과적인 신호를 향상하려면 전처리가 필요합니다. 이 연구에서는 이동 평균 평활화(MA), 곱셈 분산 보정(MSC), 표준 정규 변량(SNV), 1차 도함수(D1), 표준화(SS)를 포함한 5가지 단일 전처리 방법과 이들의 조합 전략을 비교했습니다.

분석 결과는 MSC와 SNV 전처리가 스펙트럼 반사율과 오일 함량 점수 간의 상관 관계를 효과적으로 향상시킬 수 있음을 보여주었습니다. 928.36-1177.03nm의 파장 범위에서 상관 계수는 원래 스펙트럼의 0.076-0.124에서 0.331-0.640으로 증가했습니다. D1 전처리는 스펙트럼 곡선의 국지적 변동 기능을 강화하여 강하게 상관된 밴드(|r|≥0.4)의 수를 100개를 초과하도록 만들었습니다. 이러한 결과는 합리적인 전처리 전략이 후속 모델의 예측 능력을 향상시키는 데 도움이 됨을 나타냅니다.

모델 구축 및 성능 평가
이 연구에서는 오일 함량 점수에 대한 정량적 예측 모델을 구축하기 위해 부분 최소 제곱 회귀(PLSR)와 지원 벡터 회귀(SVR)라는 두 가지 알고리즘을 사용했습니다. 전체 가시-근적외선 대역을 기반으로 한 PLSR 모델은 대부분의 전처리 조건에서 검증 세트 RPD 값이 1.642에서 1.775 사이였으며, 그 중 MA 전처리 후 검증 세트 R²는 0.683에 도달했고 RMSE는 0.346이었습니다. SVR 모델은 D1+SS 조합 전처리에서 검증 세트 R²가 0.653이고 RMSE가 0.362였습니다.

두 모델의 장점을 병합하기 위해 이 연구에서는 가중 평균 융합 전략을 도입했습니다. 전체 가시-근적외선 대역(MA 전처리의 PLSR 및 D1+SS 전처리의 SVR)을 기반으로 한 융합 모델은 검증 세트 R²가 0.721로 증가하고 RMSE는 0.324로 감소하며 RPD는 1.894에 도달하여 단일 모델보다 더 나은 예측 효과를 보여줍니다.

특성 밴드 선택 및 모델 최적화
초분광 데이터에는 수백 개의 대역이 포함되어 있어 데이터 중복 문제가 발생합니다. 본 연구에서는 특성밴드 선택을 위해 SPA(Successive Projections Algorithm)를 채택하였다. 결과는 MA 전처리 후 SPA가 선택한 95개의 특성 밴드로 구성된 PLSR 모델의 검증 세트 R²가 0.685, RMSE가 0.345인 것으로 나타났습니다. D1+SS 전처리 후 SPA가 선택한 56개의 특성 밴드로 구성된 SVR 모델의 검증 세트 R²는 0.666, RMSE는 0.355였습니다. 특성 밴드의 수가 전체 밴드의 428개에서 크게 줄어들어 데이터 차원이 크게 낮아졌습니다.

SPA 선택을 기반으로 한 PLSR과 SVR의 융합 모델은 검증 세트 R²가 0.724, RMSE가 0.323, RPD가 1.904에 도달하여 예측 정확도가 더욱 향상되었습니다. 이 결과는 특성 밴드 선택이 데이터 중복성을 줄이면서 모델 유효성을 유지함을 나타냅니다.

응용 전망
이 연구는 독감 경화 담배 오일 함량의 비파괴 검출에서 가시-근적외선 초분광 기술의 타당성을 보여줍니다. 전통적인 수동 평가 방법과 비교하여 초분광 기술은 객관성, 비파괴성 및 속도 측면에서 잠재적인 이점을 갖고 있으며, 이는 자동 담배 잎 등급 장비 개발 및 지능형 품질 관리 시스템 구축을 위한 참조 기반을 제공할 수 있습니다. CHNSpec의 FigSpec 시리즈 초분광 이미징 시스템은 본 연구의 핵심 데이터 수집 작업을 수행하여 농자재 품질 감지 시나리오에서의 적용 가능성을 검증했습니다.