합성곱 신경망을 사용한 색상 정보 기반 딸기의 숙성 단계 분류
Classification of Strawberry Ripeness Stages Based on Color Information Using Convolutional Neural Network
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
딸기는 매우 연약하여 쉽게 변질되고 부패하며 딸기의 숙성 상태는 맛과 품질에 직접적인 영향을 주기 때문에 상태를 정확히 판단하고 선별하는 과정이 매우 중요하다. 하지만 이 과정은 시간과 노동력이 많이 투입되고, 사람이 직접 판단하기 때문에 주관적이며, 잘 못 판단되는 딸기로 인해 많은손실이 일어날 수 있다. 본 논문에서는 숙성 단계 판단 시 발생하는 주관성을 줄이고자 딸기의 상태와 밀접한 관련이 있는 색상 정보를 이용하였다. 딸기의 상태를 대표하는 색상 값을 추출해 3가지 단계로 군집하여 분류해주었고, 합성곱 신경망을 사용하여 딸기의 숙성 상태를 판단하여 단계를 분류하기 위한 학습을 진행하였다. 학습 결과를 통해 숙성 단계를 분류를 보다 객관적으로 판단할 수 있었으며, 이를 통해 상품의 효율적인 품질관리에 활용될 수 있음을 기대한다.
Abstract
Strawberries are extremely delicate, making them prone to spoilage. The state of ripeness in strawberries has a direct impact on taste and quality, making the process of accurate assessment and sorting crucial. However, this process is labor and time-intensive, and human judgment can be subjective, leading to significant losses due to incorrect evaluations. To reduce the subjectivity involved in assessing the ripeness stage, this paper leverages color information, which is closely related to the state of strawberries. Color values representing the state of the strawberries were extracted and clustered into three stages. Convolutional neural network were employed for learning to classify the ripeness stage of the strawberries. Through the learning results, we were able to more objectively judge the ripeness stage classification, so it is expected that this can be used for efficient quality control of products.
참고문헌 (15)
- "Agricultural Outlook 2023 (Vol. 2)"[URL]
- Rurla Development Administration, "Strawberry : AgriTech Guide" (2021), jinhanM&B
- 유용만, "재배방식에 따른 딸기의 부위별 세균 오염도 분석", Food Science and Preservation, 20(3), pp.323~329 (2013), 한국식품저장유통학회
- R. Thakur, "An innovative approach for fruit ripeness classification", 2020 4th International Conference on Intelligent Computing and Control Systems(ICICCS), pp.550~554 (2020)
- S. Péneau, "A comprehensive approach to evaluate the freshness of strawberries and carrots", Postharvest Biology and Technology, 45(1), pp.20~29 (2007)
- L. Kapoor, "Fruit ripening: dynamics and integrated analysis of carotenoids and anthocyanins", BMC plant biology, 22(1), pp.1~22 (2022)
- J. R. González-Araiza, "Application of electrical bio-impedance for the evaluation of strawberry ripeness", International Journal of Food Properties, 20(5), pp.1044~1050 (2017)
- 홍세진, "Determination of the Harvest Date and Ripening Phase of ‘Seolhyang’ Strawberry", 생물환경조절학회지, 29(1), pp.62~72 (2020), (사) 한국생물환경조절학회[DOI]
- 김명진, "샤인머스캣과 청포도 자동 분류 딥러닝 시스템 개발", 디지털콘텐츠학회논문지, 22(10), pp.1637~1644 (2021), 한국디지털콘텐츠학회[DOI]
- 정회룡, "CNN 기반 토마토의 흰가루병 발병 인식 방법", 제어.로봇.시스템학회 논문지, 24(7), pp.617~623 (2018), 제어·로봇·시스템학회[DOI]
- 신미희, "합성곱 신경망을 이용한 ‘미황’ 복숭아 과실의 성숙도 분류", 생물환경조절학회지, 31(4), pp.270~278 (2022), (사) 한국생물환경조절학회
- O. M. Bensaeed, "Oil palm fruit grading using a hyperspectral device and machine learning algorithm", IOP Conference Series Earth and Environmental Science, 20(1) (2014)
- Y. Thipsrirach, "Classification of durian maturity using a convolutional neural network", Engineering and Applied Science Research, 50(3), pp.233~243 (2023)
- B. Benmouna, "Convolutional neural networks for estimating the ripening state of fuji apples using visible and near-infrared spectroscopy", Food and Bioprocess Technology, 15(10), pp.2226~2236 (2022)
- I. A. Mohtar, "Automatic classification of mangosteen ripening stages using deep learning", 2019 1st International Conference on Artificial Intelligence and Data Sciences (AiDAS), pp.44~47 (2019), IEEE