• 한국축산시설환경학회지
• /
• 제13권2호
• /
• pp.113-120
• /
• 2007

본 시험은 근적외선분광법을 이용한 돈분뇨 액비의 질소, 인산, 칼리, 수분 및 유기물의 분석 가능성을 구명하고, 이를 활용한 분석기의 개발을 목적으로 수행하였으며, 그 결과는 다음과 같다. 1. 돈분뇨 액비시료는 $400{\sim}2,500nm$ 대역의 근적외선을 시료에 투과하여 측정하였으며, 동일시료에 대한 습식분석 결과, N, $P_2O_5,\;K_2O$, 수분 및 유기물 함량은 각각 1,555mg/l, 302mg/l, 240mg/l, 98.8%, 0.53%로 조사되었다. 2. 근적외선 분광광도법을 이용한 분석에서 N, $P_2O_5,\;K_2O$, 수분 및 유기물에 대한 RSQ ($r^2$, R, Coefficient of determination)는 각각 0.9190, 0.9749, 0.5046, 0.9883 및 0.9777이었고 SEC(Standard Error of Calibration)는 2.1649, 0.5019, 1.9252, 0.1180 및 0.0789였다. 3. 액비에 대한 이화학적 습식분석과 NIR 흡수스펙트럼 측정결과를 비교 분석하여 돈 분뇨 액비에 포함된 질소, 인산, 칼리, 수분 및 유기물 함량을 실시간으로 분석하고 액비 성분량을 자동 계산할 수 있는 알고리즘을 도입한 액비분석 프로그램을 작성하였다. 4. 액비 성분분석 시작기는 근적외선(NIR : Near InfraRed)을 받아들여 실시간으로 액비성분의 흡수율을 측정하는 광검출장치(NIR Spectrometer), 근적외선 Light Source로부터 나오는 빛을 반사시키는 반사경, 액비성분 분석용 시료를 넣어 측정하는 Cell Mount, $400{\sim}2,500nm$ 대역의 가시광선-근적외선을 방출하는 Tungsten halogen lamp, NIR Spectrometer와 Tungsten halogen lamp로 전압을 입력시켜 주는 Power Supply Module 및 전체를 Black Anodizing한 외형으로 구성되었다. 5. 실험결과, 칼리를 제외한 액비내 모든 성분이 광을 흡수하는 강도는 성분의 농도에 비례하였으며 원시 스펙트럼의 중첩 제거 및 빛의 산란보정을 통해 액비의 질소, 인산성분, 수분 및 유기물 함량을 측정하는데 효과적으로 이용할 수 있을 것으로 사료되며, 분광분석법을 이용한 액비성분 분석기 개발이 완료되면 현장에서 신속하고 정확한 분석이 가능할 것으로 판단된다.

• 한국근적외분광분석학회:학술대회논문집
• /
• 한국근적외분광분석학회 2001년도 NIR-2001
• /
• pp.1621-1621
• /
• 2001

The quality of sugarcane grown on the NE Australian tropical coast ($16^{\circ}$15'- $18^{\circ}$15' S Lat.) has declined markedly in the past seven years. This has been linked to dilution of mill-supply cane with increasing levels of non mature-stalk material consisting of leaves and sucker culms. The prime research objective was to examine the transition from the pre-harvest, in-field crop to harvested material sent for processing, in terms of quality and crop fraction proportions. A secondary objective was to quantify the effects of preharvest-season crop habit and culm condition on crop quality. Ten quadrat samples from each of 54 random crop sites (17 in 1999 and 37 in 2000), covering a wide range of variables (cultivar, crop class, and edaphic, topographic, climatic, and temporal factors) were collected immediately before harvest. Samples were partitioned into four fractions:- sound and unsound mature stalks (culms), sucker culms, and extraneous matter (leaves). Material harvested from each site was sampled and partitioned into four fractions:- sound and unsound billets (culm pieces), culm-spindle pieces, and leaf. In 2000, before harvest, 14 additional sites were sampled monthly, on three occasions, from March - June. Erect and non-erect culms were divided into sound and unsound classes. All samples were disintegrated and presented to a remote reflectance module of a scanning spectrophotometer using the BSES large cassette module. Near infra-red spectroscopic (NIS) analyses were developed for the rapid determination of quality components (Brix, commercial cane sugar (CCS), fibre, moisture, and polariscope reading). Calibrations for three material groups (culm (n = 639), non-culm (n = 496), and combined) were developed for all components using the 1999 data set. Two sub-sets (n = 178, and 190) of about 10% of the preharvest-season and harvest populations scanned in 2000 also were subjected to full routine laboratory analyses. The 1999 combined calibrations were excellent, but the culm calibrations produced consistently lower standard errors. Non-culm calibrations were marginally better than the combined for only CCS and pol. reading. Analysis of the 2000 culm data with calibrations using all 1999 and 2000 culm data resulted in better predictions relative to the 1999 culm calibrations. This also was true for the combined calibrations. Assessment of quality components in pre- and post-harvest sugarcane using NIS calibrations was more cost effective than using routine laboratory techniques. Outcomes from this NIS-facilitated research will have important economic consequences for the Australian sugarcane industry. Potential CCS present in mature culms is being discounted by dilution with leaves and sucker culms, threatening farm viability. The results question the efficacy of current harvesting technology. The CCS of harvested cane is improved only marginally over that of the in-field crop. Current harvesting technology requires either supplementary, innovative pre-mill processing or a design revolution to improve mill-supply cane quality, and therefore whole of industry economics. NIS-facilitated analyses, before the harvest season, highlighted the benefits of growing erect, sound crops. Loss of CCS then, can be minimized only by a combination of crop improvement and agronomic solutions, applied as part of sound on-farm management.

• 한국초지조사료학회지
• /
• 제32권3호
• /
• pp.301-308
• /
• 2012

본 연구는 근적외선분광법의 현장 이용성 및 이탈리안 라이그라스 원물 사일리지의 신속한 품질평가를 위한 근적외선 검량식을 개발하기 위하여 전국에서 이탈리안 라이그라스 사일리지 약 450여 점을 수집하였다. 각각의 시료는 근적외선 분광기를 이용하여 스펙트럼을 측정한 후 측정된 스펙트럼과 실험실 분석값 간에 상관관계를 이용한 다변량회귀분석법을 통하여 검량식을 유도한 다음 각 성분별로 예측 정확성을 평가하였다. 이탈리안 라이그라스 원물 사일리지의 수분 함량에 대한 검량식 개발 결과는 검량식 작성시 표준오차(SEC)가 0.94% ($R^2$=0.99)로 매우 우수한 정확성을 보였으며 개발된 검량식의 상호검증(SECV) 결과는 1.27% ($R^2$=0.98)로 나타났다. ADF, NDF 및 조단백질 함량 평가를 위해 개발된 검량식의 상호검증(SECV) 결과는 각각 1.26% ($R^2$=0.88), 2.0% ($R^2$=0.84) 및 0.96% ($R^2$=0.93)으로 나타났으며 조회분함량 평가에 대한 검량식 개발 결과는 다소 낮은 정확성(SECV 0.72%, $R^2$=0.62)을 나타내었다. 사일리지의 발효품질의 주요 평가항목인 pH와 젖산함량 평가에 대한 검량식 개발결과(SEC)는 각각 0.41 ($R^2$=0.85), 0.18% ($R^2$=0.92)로 나타났으며 개발된 검량식의 상호검증 결과(SECV)는 각각 0.56 ($R^2$=0.78), 0.31%(0.81)로 나타났다.

• 한국초지조사료학회지
• /
• 제36권1호
• /
• pp.50-57
• /
• 2016

본 연구는 국내산 원물 옥수수 사일리지의 품질을 신속하게 분석 평가하기 위한 NIRS DB 구축과 원물시료의 분석 예측능력을 향상시키기 위한 근적외선 스펙트라의 적정 수 처리 방법을 구명하기 위하여 수행되었다. 옥수수 사일리지는 전국 사료작물 사일리지 품질경연대회에 출품된 시료와 2014년부터 2015년까지 전국 조사료 품질검사 시범사업에 참여한 조사료 생산경영체, 농축협 TMR회사 및 생산농가에서 407점을 수집하였다. 옥수수 사일리지의 품질평가를 위한 NIRS DB 구축을 위해 수집된 시료를 근적외선 분광기를 이용하여 스펙트라를 측정하고 측정된 시료는 실험실에서 화학적 분석을 실시하였다. 다양한 수 처리 방법에 따른 사료가치 및 발효품질의 예측정확성을 평가하기 위하여 원시 스펙트라를 미분처리하여 최적의 수처리 방법을 구명하였다. 옥수수 원물 사일리지의 수분함량 예측능력은 1차 미분처리(1, 16, 16)한 것으로 나타났으며 NDF와 ADF의 최적 수 처리는 두 성분 모두에서 2, 16, 16 처리가 예측 정확성이 가장 높게 나타났다. 조단백질 함량의 예측능력은 1차 미분처리(1, 4, 4)가 SECV 0.51과 $R^2{_{cv}}$ 0.72로 가장 우수한 예측능력을 나타내었다. 옥수수 사일리지의 발효산물인 산도(pH) 예측 정확성은 원물 스펙트라를 1차 미분처리(1, 8, 8)한 것으로 나타났으며 젖산과 초산의 예측능력은 2차 미분처리(2, 16, 16)에서 각각 SECV 0.81% 및 0.71%의 분석오차로 높게 나타났다.

• Journal of Biosystems Engineering
• /
• 제43권2호
• /
• pp.148-159
• /
• 2018

Purpose: Unmanned air vehicle (UAV) remote sensing was applied to test various vegetation indices and make prediction models of protein content of rice for monitoring grain quality and proper management practice. Methods: Image acquisition was carried out by using NIR (Green, Red, NIR), RGB and RE (Blue, Green, Red-edge) camera mounted on UAV. Sampling was done synchronously at the geo-referenced points and GPS locations were recorded. Paddy samples were air-dried to 15% moisture content, and then dehulled and milled to 92% milling yield and measured the protein content by near-infrared spectroscopy. Results: Artificial neural network showed the better performance with $R^2$ (coefficient of determination) of 0.740, NSE (Nash-Sutcliffe model efficiency coefficient) of 0.733 and RMSE (root mean square error) of 0.187% considering all 54 samples than the models developed by PR (polynomial regression), SLR (simple linear regression), and PLSR (partial least square regression). PLSR calibration models showed almost similar result with PR as 0.663 ($R^2$) and 0.169% (RMSE) for cloud-free samples and 0.491 ($R^2$) and 0.217% (RMSE) for cloud-shadowed samples. However, the validation models performed poorly. This study revealed that there is a highly significant correlation between NDVI (normalized difference vegetation index) and protein content in rice. For the cloud-free samples, the SLR models showed $R^2=0.553$ and RMSE = 0.210%, and for cloud-shadowed samples showed 0.479 as $R^2$ and 0.225% as RMSE respectively. Conclusion: There is a significant correlation between spectral bands and grain protein content. Artificial neural networks have the strong advantages to fit the nonlinear problem when a sigmoid activation function is used in the hidden layer. Quantitatively, the neural network model obtained a higher precision result with a mean absolute relative error (MARE) of 2.18% and root mean square error (RMSE) of 0.187%.