Study of Prediction Model Improvement for Apple Soluble Solids Content Using a Ground-based Hyperspectral Scanner

A partial least squares regression (PLSR) model was developed to map the internal soluble solids content (SSC) of apples using a ground-based hyperspectral scanner that could simultaneously acquire outdoor data and capture images of large quantities of apples. We evaluated the applicability of various preprocessing techniques to construct an optimal prediction model and calculated the optimal band through a variable importance in projection (VIP)score. From the 515 bands of hyperspectral images extracted at wavelengths of 360-1019 nm, 70 reflectance spectra of apples were extracted, and the SSC ($^{\circ}Brix$) was measured using a digital photometer. The optimal prediction model wasselected considering the root-mean-square error of cross-validation (RMSECV), root-mean-square error of prediction (RMSEP) and coefficient of determination of prediction $r_p^2$. As a result, multiplicative scatter correction (MSC)-based preprocessing methods were better than others. For example, when a combination of MSC and standard normal variate (SNV) was used, RMSECV and RMSEP were the lowest at 0.8551 and 0.8561 and $r_c^2$ and $r_p^2$ were the highest at 0.8533 and 0.6546; wavelength ranges of 360-380, 546-690, 760, 915, 931-939, 942, 953, 971, 978, 981, 988, and 992-1019 nm were most influential for SSC determination. The PLSR model with the spectral value of the corresponding region confirmed that the RMSEP decreased to 0.6841 and $r_p^2$ increased to 0.7795 as compared to the values of the entire wavelength band. In this study, we confirmed the feasibility of using a hyperspectral scanner image obtained from outdoors for the SSC measurement of apples. These results indicate that the application of field data and sensors could possibly expand in the future.

지상용 초분광 스캐너를 활용한 사과의 당도예측 모델의 성능향상을 위한 연구

본 연구에서는 야외에서 자료 취득이 가능하며 한 번에 다량의 사과를 촬영할 수 있는 지상용 초분광 스캐너를 활용하여 사과의 분광정보와 당도와의 부분최소제곱회귀분석(PLSR, Partial Least Square Regression)을 수행하였으며, 최적의 예측모델을 구축하기 위한 다양한 전처리기법의 적용가능성을 평가하고 VIP(Variable Importance in Projection)점수를 통한 최적밴드를 산출하였다. 이를 위하여 360-1019 nm영역에서 촬영된 515밴드의 초분광 영상에서 70개의 분광곡선을 취득하였으며, 디지털광도계를 이용하여 당도($^{\circ}Brix$)를 측정하였다. 사과의 분광특성과 당도사이의 회귀모델을 구축하였으며, 최적의 예측모델은 모델 예측치와 실측치간의 결정계수($r_p^2$, coefficient of determination of prediction)와 RMSECV(Root Mean Square Error of Cross Validation), RMSEP(Root Mean Square Error of Prediction)등을 고려하여 선정하였다. 그 결과 산란보정 기법의 대표적인 MSC(Multiplicative Scatter Correction)의 기반의 전처리기법이 가장 효과적이었으며, MSC와 SNV(Standard Normal Variate)를 조합한 경우 RMSECV와 RMSEP가 각각 0.8551과 0.8561로 가장 낮았고, $r_c^2$와 $r_p^2$은 각각 0.8533과 0.6546으로 가장 높았다, 또한 360-380, 546-690, 760, 915, 931-939, 942, 953, 971, 978, 981, 988, 992-1019 nm 등이 당도 측정을 위한 가장 영향력 있는 파장영역으로 나타났다. 해당 영역의 분광값을 가지고 PLSR을 수행한 결과, 전파장대를 사용할 때보다 RMSEP가 0.6841로 감소하고 $r_p^2$는 0.7795로 증가하는 것을 확인하였다. 본 연구를 통하여 사과의 당도측정에 있어 야외에서 취득한 초분광 영상자료의 활용 가능성을 확인하였으며, 이는 필드자료 및 센서 활용분야의 확장가능성을 보여준다.