KR101683404B1 - 근적외선 반사스펙트럼을 이용한 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법 및 선별 장치 - Google Patents
근적외선 반사스펙트럼을 이용한 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법 및 선별 장치 Download PDFInfo
- Publication number
- KR101683404B1 KR101683404B1 KR1020150190980A KR20150190980A KR101683404B1 KR 101683404 B1 KR101683404 B1 KR 101683404B1 KR 1020150190980 A KR1020150190980 A KR 1020150190980A KR 20150190980 A KR20150190980 A KR 20150190980A KR 101683404 B1 KR101683404 B1 KR 101683404B1
- Authority
- KR
- South Korea
- Prior art keywords
- infected
- seeds
- virus
- seed
- watermelon
- Prior art date
Links
- 235000012828 Citrullus lanatus var citroides Nutrition 0.000 title claims abstract description 51
- 241000723845 Cucumber green mottle mosaic virus Species 0.000 title description 12
- 238000011161 development Methods 0.000 title description 12
- 238000001514 detection method Methods 0.000 title description 7
- 244000241235 Citrullus lanatus Species 0.000 title 1
- 238000000985 reflectance spectrum Methods 0.000 title 1
- 238000000034 method Methods 0.000 claims abstract description 56
- 241000219109 Citrullus Species 0.000 claims abstract description 50
- 238000012216 screening Methods 0.000 claims abstract description 25
- 241000700605 Viruses Species 0.000 claims abstract description 17
- 238000012937 correction Methods 0.000 claims abstract description 11
- 241000724252 Cucumber mosaic virus Species 0.000 claims description 25
- 238000001228 spectrum Methods 0.000 claims description 24
- 230000001066 destructive effect Effects 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 7
- 238000012314 multivariate regression analysis Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000010239 partial least squares discriminant analysis Methods 0.000 claims description 3
- 230000000704 physical effect Effects 0.000 claims description 2
- 240000008067 Cucumis sativus Species 0.000 abstract description 10
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 abstract description 10
- 208000015181 infectious disease Diseases 0.000 abstract description 6
- 238000002329 infrared spectrum Methods 0.000 abstract description 5
- 230000002458 infectious effect Effects 0.000 abstract description 2
- 230000018109 developmental process Effects 0.000 description 11
- 239000000523 sample Substances 0.000 description 11
- 238000000149 argon plasma sintering Methods 0.000 description 8
- 241000196324 Embryophyta Species 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012014 optical coherence tomography Methods 0.000 description 5
- 230000009102 absorption Effects 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000003752 polymerase chain reaction Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000003753 real-time PCR Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000002965 ELISA Methods 0.000 description 2
- 238000004477 FT-NIR spectroscopy Methods 0.000 description 2
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 2
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 2
- 230000035784 germination Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012845 near infrared spectroscopy analysis Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 235000015112 vegetable and seed oil Nutrition 0.000 description 2
- 230000009385 viral infection Effects 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241000353135 Psenopsis anomala Species 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 108020000999 Viral RNA Proteins 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010367 cloning Methods 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 238000003018 immunoassay Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003834 intracellular effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 238000012846 near infrared spectroscopy analysis technique Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 150000002989 phenols Chemical class 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000012628 principal component regression Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3425—Sorting according to other particular properties according to optical properties, e.g. colour of granular material, e.g. ore particles, grain
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
바이러스에 감염된 수박 종자의 근적외선 스펙트럼과 건전한 수박 종자의 근적외선 스펙트럼의 특징을 이용하여 건전종자로부터 감염종자를 선별하는 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법 및 선별 장치에 관한 것으로, (a) 선별 대상 수박 종자의 분광 정보를 준비하는 단계, (b) 상기 단계 (a)에서 준비된 분광 정보에 대해 기기 조건 및 외부 환경에 의해 변화된 데이터의 수치적 보정을 실행하는 단계, (c) 바이러스에 감염된 감염종자는 임의의 값으로 1, 건전종자는 0으로 설정하여 바이러스의 감염 여부를 판단하는 단계를 포함하는 구성을 마련하여, 단시간 내에 연속적으로 감염종자를 선별할 수 있다.
Description
본 발명은 근적외선 스펙트럼을 이용하여 바이러스 감염 수박 종자의 선별 방법 및 선별 장치에 관한 것으로, 특히 바이러스에 감염된 수박 종자의 근적외선 스펙트럼과 건전한 수박 종자의 근적외선 스펙트럼의 특징을 이용하여 건전종자로부터 감염종자를 선별하는 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법 및 선별 장치에 관한 것이다.
오이녹반 모자이크 바이러스(Cucumber green mottle mosaic virus, CGMMV)는 박과류 작물에 영향을 미치는 잘 알려진 질병중 하나이다. 1935년 처음 보고된 이후 한국, 이스라엘, 일본, 미국 등 많은 나라에서 이 바이러스로 인해 큰 경제적 손실을 입고 있다.
오이녹반 모자이크 바이러스(CGMMV)에 감염된 병든 오이종자는 발아되지 않는 것이 대부분이며, 발아되더라도 처음 새잎에 노랗고 작은 반점이 생기고 그 반점이 차츰 커져 또렷한 모자이크가 되며, 특히 녹색부가 융기되어 엽면에 요철이 생기고 인접 식물에 전염되어 미결실 또는 미숙과 등의 원인이 되며, 생산성에 막대한 손실을 입히고 있다.
또한, 국가간 교역의 확대는 감염 종자의 국가간 이동으로 이어져 질병의 확산을 초래한다. 오이녹반 모자이크 바이러스는 종자 전염 바이러스이며 현재까지 효율적으로 바이러스를 제거할 수 있는 기술이 개발되어 있지 않다. 따라서 바이러스에 의한 피해를 최소화하는 방법은 바이러스에 감염된 종자를 선별해내는 것이다.
현재 바이러스에 감염된 종자를 검출하는 방법에는 효소 면역 분석법(ELISA), 중합 효소 연쇄 반응법(PCR) 및 실시간 중합효소 연쇄반응법(RT-PCR) 등이 있다. 하지만, 이러한 방법은 종자를 파쇄하여 측정해야 하므로 종자를 재사용할 수 없고, 측정시간이 수시간에서 수일이 소요되는 단점이 있다.
최근 비파괴방법을 사용하여 종자의 품질 및 식물의 질병을 진단하기 위한 연구가 많이 수행되고 있다. 특히, OCT(Optical Coherence Tomography) 기술은 오이녹반 모자이크 바이러스 바이러스에 감염된 참박 종자와 오이종자의 선별에 활용되었다. 이 기술은 종자의 내부의 호분층의 두께변화를 비침습적 방법을 이용하여 측정함으로써 바이러스에 감염된 종자의 물리적 변화만을 측정한 한계가 있다.
이러한 기술의 일 예가 하기 문헌 1 및 2 등에 개시되어 있다.
예를 들어, 하기 특허문헌 1에는 선별 대상 참박 종자의 깊이별 광 산란 프로파일을 얻는 단계, 상기 획득된 프로파일로부터 종자의 평균 광 산란 값을 얻는 단계 및 상기 종자의 평균 광 산란 값이 바이러스 감염 참박 종자의 평균 광 산란 값보다 20% 이상 낮으면 건전 종자로 판단하고 건전 참박 종자의 평균 광 산란 값보다 20% 이상 높으면 바이러스 감염 종자로 판단하는 단계를 포함하는 건전 참박 종자 또는 바이러스 감염 참박 종자의 선별방법에 대해 개시되어 있다.
또 하기 특허문헌 2에는 선별대상 오이 종자의 단층 이미지를 얻는 단계, 상기 단층 이미지로부터 종자의 종피와 배유 간의 거리를 조사하는 단계 및 상기 조사된 종자의 종피와 배유 간의 거리가 소정 거리 이상이면 건전 종자로 판단하고 소정 거리 이하이면 바이러스 감염 종자로 판단하는 단계를 포함하는 건전 오이 종자 또는 바이러스 감염 오이 종자의 선별방법에 대해 개시되어 있다.
또 하기 비특허문헌에는 OCT를 이용하여 CGMMV에 감염되어 종자 내부에 일어난 형태학상 변형을 분석하고, 분석 결과 바이러스 감염 종자는 종피에서 약 100~300㎛ 떨어진 속에 이상적으로 발생한 층이 존재하였고, 이러한 형태학적 차이를 수치상으로 나타내기 위해 A-scan 분석을 사용하였으며, OCT를 이용한 참외 종자 선별법으로서 RT-PCR 기법을 이용하여 감염종자를 진단하는 데 걸리는 시간에 비해 시간을 획기적으로 단축하고, 비침습적 방법을 통하여 정상적인 종자로 판단된 경우 재사용이 가능하는 기술에 대해 개시되어 있다.
비특허문헌 : 광간섭 단층촬영법을 이용한 우량 참외 종자 실시간 감별 시스템 개발, 한승훈 외, Journal of Sensor Science and Technology Vol. 22, No. 4 (2013) pp. 262-267.
현재 식물검역은 현장에서 검역관이 검사대상 물품의 일부를 샘플링(sampling)한 후 해당 시료에 대한 실험실 정밀검사를 통하여 병해충 검출 여부를 확인하는 방식으로서, 이러한 검역과정상의 문제점은 시료가 검사 후에는 이용할 수 없을 정도로 파괴되고, 샘플링시에 검사자가 육안검사를 실시하여 시료를 채취하므로 병해충 검출 효율이 떨어지고 또한, 샘플검사이므로 검사대상 전체에 대한 대표성을 나타내기엔 한계가 있다는 것이다.
또 종래의 기술에서는 식물의 감염된 바이러스의 종류에 따라 검출이 가능하며 검출 정확도를 향상시키기 위한 이화학적인 기술을 개발하는데 집중되고, OCT 기술을 이용하여 바이러스에 감염된 참박종자의 비파괴적 선별은 호분층의 두께의 차이, 즉 물리적 차이점을 이용하여 감염종자와 건전종자의 구분을 하는 것이다.
또한, 상기 특허문헌에 개시된 종래의 기술은 OCT 기술을 이용하여 바이러스에 감염된 참박 종자의 비파괴적 선별은 호분층의 두께의 차이, 즉 물리적 차이점을 이용하여 감염종자와 건전종자의 구분을 하는 것으로서 선별 정확도가 저하된다는 문제가 있었다.
본 발명의 목적은 상술한 바와 같은 문제점을 해결하기 위해 이루어진 것으로서, 검역기관 및 종자 보급기관에서 종자의 바이러스에 감염된 종자의 선별과정에서 사용할 수 있는 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법 및 선별 장치를 제공하는 것이다.
본 발명의 다른 목적은 FT-NIR 장비를 이용하여 획득한 근적외선 반사스펙트럼과 부분 최소자승법을 이용하여 분석함으로써 오이녹반 모자이크 바이러스에 감염된 수박종자와 건전종자의 차이를 확인하여 선별 정확도를 증가시킬 수 있는 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법 및 선별 장치를 제공하는 것이다.
상기 목적을 달성하기 위해 본 발명에 따른 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법은 비파괴방법으로 오이녹반 모자이크 바이러스에 감염된 수박종자를 선별하는 방법으로서, (a) 선별 대상 수박 종자의 분광 정보를 준비하는 단계, (b) 상기 단계 (a)에서 준비된 분광 정보에 대해 기기 조건 및 외부 환경에 의해 변화된 데이터의 수치적 보정을 실행하는 단계, (c) 바이러스에 감염된 감염종자는 임의의 값으로 1, 건전종자는 0으로 설정하여 바이러스의 감염 여부를 판단하는 단계를 포함하는 것을 특징으로 한다.
또 본 발명에 따른 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법에서, 상기 단계(c)는 파장 1000nm~2500nm의 영역에서의 가중치에 따라 감염종자와 건전종자의 분광신호 차이에 의해 실행되는 것을 특징으로 한다.
또 본 발명에 따른 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법에서, 상기 분광신호의 차이는 근적외선 반사스펙트럼을 이용하여 마련되는 것을 특징으로 한다.
또 본 발명에 따른 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법에서, 상기 근적외선 반사스펙트럼에 대해 스펙트럼과 조성·물성 간의 상호관계를 만들어 주는 다변량(Multivariate) 회귀분석법을 적용하는 것을 특징으로 한다.
또 본 발명에 따른 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법에서, 상기 다변량(Multivariate) 회귀분석법으로서 PLS-DA (Partial Least Squares-Discriminant Analysis) 방법을 적용하는 것을 특징으로 한다.
또 본 발명에 따른 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법에서, 상기 단계 (b)에서 보정은 광 경로 및 광원의 변동의 영향을 보정할 수 있도록 정규화 방법(Normalization)과 SNV(Standard Normal Variate)을 적용하는 것을 특징으로 한다.
또 상기 목적을 달성하기 위해 본 발명에 따른 오이녹반 모자이크 바이러스 감염 수박종자의 선별 장치는 비파괴방법으로 오이녹반 모자이크 바이러스에 감염된 수박종자를 선별하는 장치로서, 선별 대상 수박 종자에 근적외선을 방사하는 발광부, 상기 발광부에서 방사된 근적외선의 반사스펙트럼을 수광하는 수광부, 상기 수광부에서 수광된 반사스펙트럼에 대해 파장 1000nm~2500nm의 영역에서의 가중치에 따라 기기 조건 및 외부 환경에 의해 변화된 데이터에 대해 정규화 방법(Normalization)과 SNV(Standard Normal Variate)을 적용하여 보정을 실행하는 보정부, 상기 보정부에서 보정된 데이터에 따라 바이러스에 감염된 감염종자와 건전종자를 선별하는 선별부를 포함하는 것을 특징으로 한다.
상술한 바와 같이, 본 발명에 따른 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법 및 선별 장치에 의하면, 근적외선 분광분석 기술을 이용하여 바이러스에 감염된 수박종자와 건전종자로부터의 스펙트럼의 차이를 부분 최소자승법을 이용하여 감염종자의 이화학적인 변화를 확인하여 선별에 활용하므로, 비파괴적으로 감염종자의 내부의 이화학적인 변화를 검출할 수 있어 시료의 손실이 없으며, 또한 분석시간이 수초에 불과하여 대량의 종자를 측정할 수 있다는 효과가 얻어진다.
도 1은 본 발명에 따른 오이녹반 모자이크 바이러스 감염 수박종자의 선별 장치의 블록도,
도 2는 본 발명에 따른 오이녹반 모자이크 바이러스 감염 수박종자의 선별 과정을 설명하기 위한 공정도,
도 3은 본 발명에 따라 FT-NIR 스펙트럼을 이용한 CGMMV 감염 수박종자 감염 여부 판별을 나타내는 그래프,
도 4는 CGMMV에 감염된 수박종자와 건전종자의 판별 모델의 파장별 가중치(beta coefficient)를 나타낸 도면.
도 2는 본 발명에 따른 오이녹반 모자이크 바이러스 감염 수박종자의 선별 과정을 설명하기 위한 공정도,
도 3은 본 발명에 따라 FT-NIR 스펙트럼을 이용한 CGMMV 감염 수박종자 감염 여부 판별을 나타내는 그래프,
도 4는 CGMMV에 감염된 수박종자와 건전종자의 판별 모델의 파장별 가중치(beta coefficient)를 나타낸 도면.
본 발명의 상기 및 그 밖의 목적과 새로운 특징은 본 명세서의 기술 및 첨부 도면에 의해 더욱 명확하게 될 것이다.
본 발명에서 적용하는 근적외선 분광분석법은 농산물 및 식품의 품질 및 안전성 측정에 많이 활용되어 왔으며, 최근 종자의 발아율 및 품질의 측정에 활용되고 있다. 특히, 근적외선 분광분석법은 대상물의 이화학적인 특징을 분석할 수 있는 장점이 있으므로, 바이러스에 감염된 종자가 갖는 내외부의 이화학적인 변화를 검출해 낼 수 있다.
즉, 본 발명에서는 분광분석 기술을 이용한 바이러스 감염 종자의 선별에 관한 것으로, 구체적으로 근적외선 분광분석(파장 1000nm~2500nm)의 반사 스펙트럼을 이용하여 CGMMV에 감염된 수박종자와 정상 수박 종자 간의 내외부의 이화학적인 변화를 확인하는 방법을 마련하는 것이다.
즉, 본 발명은 CGMMV에 감염된 수박종자를 비파괴적인 근적외선 분광분석법을 이용하여 획득한 반사스펙트럼을 부분 최소자승법을 활용하여 건전종자로부터 검출해내는 알고리즘을 개발함으로써 기존의 파괴적인 분석법(PCR, ELISA)을 이용할 때의 단점이었던 시료의 재사용 불가함을 극복하고, 또한 최소 3시간 이상 소요되었던 진단 시간을 수초 내로 단축시킬 수 있다.
또 본 발명에서 사용하는 '건전종자'는 수박종자를 감염시켜 종자의 발아에 영향을 주는 어떠한 식물 바이러스에 감염되지 않은 정상적인 종자를 지칭한다. 또한, 이와 대비되는 개념으로서 '감염종자'는 오이녹반 모자이크 바이러스(CGMMV)에 감염되어 발아되지 않는 종자를 지칭한다.
이하, 본 발명의 구성을 도면에 따라서 설명한다.
도 1은 본 발명에 따른 오이녹반 모자이크 바이러스 감염 수박종자의 선별 장치의 블록도 이다.
본 발명에 따른 오이녹반 모자이크 바이러스 감염 수박종자의 선별 장치는 도 1에 도시된 바와 같이, 비파괴방법으로 오이녹반 모자이크 바이러스에 감염된 수박종자를 선별하는 장치로서, 선별 대상 수박 종자에 근적외선을 방사하는 발광부(10), 상기 발광부(10)에서 방사된 근적외선의 반사스펙트럼을 수광하는 수광부(20), 상기 수광부(20)에서 수광된 반사스펙트럼에 대해 기기 조건 및 외부 환경에 의해 변화된 데이터에 대해 정규화 방법(Normalization)과 SNV(Standard Normal Variate)을 적용하여 보정을 실행하는 보정부(30), 상기 보정부(30)에서 보정된 데이터에 따라 바이러스에 감염된 감염종자와 건전종자를 선별하는 선별부(40)를 포함한다.
상기 발광부(10)와 수광부(20)는 예를 들어 푸리에 변환 근적외선 분광분석기(FT-NIR Spectroscopy)로 이루어지고, 근적외선 분광분석으로서 파장 1000nm~2500nm의 반사 스펙트럼을 이용한다.
상기 보정부(30)는 데이터베이스 및 WEB 기반의 시스템으로 이루어지며, 건전 수박종자에 대한 정보가 상기 데이터베이스에 저장되고, 이 데이터베이스에 저장된 정보에 따라 상기 수광부(20)에서 수광된 파장 1000nm~2500nm의 반사 스펙트럼에 대해 시스템에서 부분 최소자승법을 활용하여 건전종자와 감염종자를 구분하기 위해 보상 처리를 실행한다. 예를 들어 본 발명에서는 수박종자에 대한 수광부에서의 반사 스펙트럼이 파장 1900nm~2500nm의 범위에 있는 것을 감염종자로 판별한다.
상기 선별부(40)는 예를 들어 다수의 홈이 마련된 컨베이어 벨트를 구비하고, 공기 분사식 또는 공기 흡입식으로 감염종자를 선별한다. 즉, 상기 보정부(30)에서 보정된 데이터에 따라 상기 홈에 삽입된 수박종자가 감염종자로 판단된 경우, 상기 선별부(40)는 상기 홈으로 공기를 흡입 또는 분출하여 건전종자와 분리한다.
다음에 본 발명에 따른 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법에 대해 도 2 내지 도 4에 따라 설명한다.
도 2는 본 발명에 따른 오이녹반 모자이크 바이러스 감염 수박종자의 선별 과정을 설명하기 위한 공정도이다.
먼저, 선별 대상 수박 종자의 분광 정보를 준비한다(S10).
본 발명에서는 CGMMV 감염 수박종자로서 CGMMV CP를 클론닝하여 Standard curve를 제작하였으며 표준값을 근거로 하여 수박 종자 내 바이러스 RNA copy 수를 측정하였다. Total RNA 1㎍ 당 3.27 X 101 내지 6.08 X 103 범위에 존재하였고 감염된 종자는 96개 중 45개로 확인되었다.
또 푸리에 변환 근적외선 분광분석기(FT-NIR Spectroscopy)를 이용하여 획득한 감염종자와 건전종자의 분광정보는 감염 수박종자의 판별 모델 개발을 위해 사용되었다.
분광정보는 측정 당시의 광원의 세기, 각도, 측정센서의 감도, 주변온도 등의 다양한 요인에 의해 동일한 시료의 반복 측정에도 스펙트럼의 차이가 발생한다. 따라서 이러한 기기 조건 및 외부환경에 의해 변화된 데이터의 수치적 보정을 실행한다(S20). 이러한 과정을 전처리방법이라 한다. 본 발명에서는 최적 모델 개발을 위해 정규화 방법(Normalization)과 광산란 보정을 위한 SNV(Standard Normal Variate) 총 2가지의 전처리 방법을 사용하였고, 원본데이터와 비교분석하였다.
상기 SNV는 광산란 보정을 위한 전처리 방법으로 각 스펙트럼을 전체 스펙트럼의 표준편차로 정규화하여 광산란의 영향을 제거하는 방법으로, 광 경로 및 광원의 변동의 영향을 보정할 수 있다.
본 발명에서의 모델 개발 방법(Calibration Method)은 다음과 같다.
본 발명에 적용되는 근적외선에서의 흡수는 결합대(combination band)와 배음대(overtone band)에서 발생되므로 띠나비가 증가되어, 흡수대끼리 심하게 중첩된다. 따라서 기존의 흡수대 면적이나 흡광도를 이용하는 단순한 회귀분석으로는, 단순한 화학조성일 경우를 제외하고 검량이 불가능하다. 결국, 검량을 위한 모델 개발을 위해서는 다변량(Multivariate) 회귀분석법을 이용해야 한다.
다변량 회귀분석은 여러 변수(다양한 파장)를 이용하여, 스펙트럼과 조성·물성 간의 상호관계를 만들어 주는 방법이다. 검량 방법에는 MLR(Multiple Linear Regression), PCR(Principal Component Regression) 그리고 PLS(Partial Least Squares) 방법이 널리 활용되나, 그 중 흡수들의 중첩으로 스펙트럼이 복잡하고 분석이 어려운 경우 널리 사용되는 PLS 방법이 모델 개발에 사용되었다.
PLS 방법은 입출력 변수 값들을 그대로 사용하는 MLR과는 달리 새로운 잠재 변수(latent variable)들을 찾아내 회귀에 사용하는 다변량 통계분석법이다. PLS 회귀분석을 통해 생성된 잠재변수들은 서로 선형적으로 독립이며 입력 잠재변수와 출력 잠재변수 사이에는 매우 높은 상관관계를 갖게 되며 입력 변수 중에 분산(variance) 값이 큰 순서대로 잠재변수로 채택된다.
또 본 발명에 적용되는 PLS-DA (Partial Least Squares-Discriminant Analysis)는 종속변수로 연속적인 값이 아닌 판별하고자 하는 그룹들을 가상 변수로 설정하여 이를 판별하기 위해 적용되는 회귀분석법이다. 본 발명에서는 감염종자와 건전종자를 판별하기 위해 파장 1000nm~2500nm의 영역 중 예를 들어 1900nm~2500nm 영역의 범위를 감염종자로 판단하였다. 즉 임의변수로 1과 0을 각각 적용하여 모델을 개발하여 감염여부를 판단하였다(S30).
모델개발에 사용한 데이터 수는 DB에 저장된 각 종자별 총 개수에서 75%를 사용하였고, 나머지 25%는 개발된 모델의 검증에 사용하였다.
즉, 총 96개의 데이터 중에서 72개의 데이터가 PLS-DA 모델 개발에 사용되었고, 나머지 24개의 데이터가 검증에 사용되었다.
우수한 모델의 평가 기준은 각 전처리에 의해 개발된 모델의 성능을 평가하였는데 검증 데이터와 모델 개발 데이터의 정확도를 고려한다.
본 발명에서는 첫째로 검증 데이터에서의 감염 종자의 정확도가 높고, 둘째로 모델 개발 데이터에서의 감염 종자의 정확도가 높으며, 마지막으로 검증 데이터의 종합 정확도가 높은 결과를 나타낸 모델을 최적 모델로 선정하였다.
FT-NIR 분광정보를 이용한 예측 모델 결과로서, 바이러스의 감염 여부를 판별할 수 있는 모델 개발은 바이러스에 감염된 종자는 임의의 값으로 1, 건전종자는 0으로 설정하여 모델을 개발하였다. 감염 여부 판별 모델의 정확도 향상을 위해 총 2가지의 전처리 방법이 적용되었다.
표 1은 감염 여부를 가장 잘 판별할 수 있도록 개발된 최적 모델 결과이다.
CGMMV에 감염된 수박종자의 검출을 위한 모델 개발 결과는 전처리를 하지 않은 경우, 모델 개발 데이터를 사용하였을 때 감염 종자 34개 중에서 31개를 정확히 분류하여 91.2%의 정확도를 보여주었다. 검증 데이터를 사용하였을 때는 총 11개 중에서 2개를 제외한 9개를 정확히 검출함으로써 81.8%의 정확도를 나타내었다.
정규화 전처리를 이용하였을 때의 모델 개발 결과는 전처리를 사용하지 않을 결과보다 총 정확도에서 1.4%의 높은 결과를 나타내었다. 즉, 건전 종자를 감염종자로 잘못 판정한 수가 정규화 전처리를 사용하였을 때 건전종자 검출에 대한 정확도가 높게 나타내었다. 모델 검증 결과는 전처리를 사용하지 않은 결과와 동일한 정확도를 나타내었다.
광산란 보정을 위한 SNV 모델을 적용하였을 때의 모델 검증 결과는 감염종자 11개 중에서 1개를 제외한 10개를 정확하게 선별해냄으로써 90.9%의 정확도를 나타내었다. 따라서, 도 3에 도시된 바와 같이, SNV 전처리를 사용한 모델의 결과가 가장 우수한 모델로 확인되었다. 도 3은 FT-NIR 스펙트럼을 이용한 CGMMV 감염 수박종자 감염 여부 판별을 나타내는 그래프이다.
도 4는 CGMMV에 감염된 수박종자와 건전종자의 판별 모델의 파장별 가중치(beta coefficient)를 나타낸 도면이다. 1900nm~2500nm의 영역에서의 가중치가 다른 영역에 비교하여 상대적으로 높았다. 이 영역은 전분, 단백질, 지질, 수분에 대한 영향이 표현되며 물질의 구조에서 O-H, N-H, C-H의 작용기에 의한 영향으로 보인다.
식물이 바이러스에 감염되면 가장 먼저 자신을 보호하기 위한 방어물질을 생성한다. 이 과정에서 생성되는 페놀계 화합물(phenolic compounds)이 함량의 차이가 발생하고 또한, 식물체 내에서 바이러스의 공격에 의해 기존의 대사과정이 영향을 받게 되어 물질대사 과정에서 생성되는 대사물질의 함량차이가 발생한다. 그리고 바이러스가 증식을 하며 종자의 내외부에 포자가 형성되는데, 이 포자의 분광신호차이, 그리고 종자가 생성되는 과정에서 바이러스의 공격이 세포를 사멸시키고, 이에 따라 세포 내 물질이 손실되는 과정이 복합적으로 영향을 미치게 되고 결국 건전종자와 감염종자의 분광신호차이로 발생한 것으로 판단된다.
상기 단계 S30에서 감염종자로 판단된 수박 종자는 선별하여 분리한다(S40).
상술한 바와 같은 단계 S30 및 S40은 실시간으로 연속적으로 실행된다.
따라서, 본 발명에 따르면, 비파괴적으로 감염종자의 내부의 이화학적인 변화를 검출할 수 있어 시료의 손실이 없으며, 또한 분석시간이 수초에 불과하여 대량의 종자를 측정할 수 있다.
이상 본 발명자에 의해서 이루어진 발명을 상기 실시 예에 따라 구체적으로 설명하였지만, 본 발명은 상기 실시 예에 한정되는 것은 아니고 그 요지를 이탈하지 않는 범위에서 여러 가지로 변경 가능한 것은 물론이다.
본 발명에 따른 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법 및 선별 장치를 사용하는 것에 의해 시료의 손실 없이 단시간 내에 바이러스 감염 수박종자를 분석할 수 있다.
Claims (7)
- 비파괴방법으로 오이녹반 모자이크 바이러스에 감염된 수박종자를 선별하는 방법으로서,
(a) 선별 대상 수박 종자의 분광 정보를 준비하는 단계,
(b) 상기 단계 (a)에서 준비된 분광 정보에 대해 기기 조건 및 외부 환경에 의해 변화된 데이터의 수치적 보정을 실행하는 단계,
(c) 바이러스에 감염된 감염종자는 임의의 값으로 1, 건전종자는 0으로 설정하여 바이러스의 감염 여부를 판단하는 단계를 포함하고,
상기 단계(c)는 파장 1000nm~2500nm의 영역에서의 가중치에 따라 감염종자와 건전종자의 분광신호 차이에 의해 실행되고,
상기 분광신호의 차이는 근적외선 반사스펙트럼을 이용하여 마련되고,
상기 근적외선 반사스펙트럼에 대해 스펙트럼과 조성·물성 간의 상호관계를 만들어 주는 다변량(Multivariate) 회귀분석법을 적용하되, 상기 다변량(Multivariate) 회귀분석법으로서 PLS-DA (Partial Least Squares-Discriminant Analysis) 방법을 적용하고,
상기 단계 (b)에서 보정은 광 경로 및 광원의 변동의 영향을 보정할 수 있도록 정규화 방법(Normalization)과 SNV(Standard Normal Variate)을 적용하는 것을 특징으로 하는 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150190980A KR101683404B1 (ko) | 2015-12-31 | 2015-12-31 | 근적외선 반사스펙트럼을 이용한 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법 및 선별 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150190980A KR101683404B1 (ko) | 2015-12-31 | 2015-12-31 | 근적외선 반사스펙트럼을 이용한 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법 및 선별 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101683404B1 true KR101683404B1 (ko) | 2016-12-06 |
Family
ID=57576209
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020150190980A KR101683404B1 (ko) | 2015-12-31 | 2015-12-31 | 근적외선 반사스펙트럼을 이용한 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법 및 선별 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101683404B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108287145A (zh) * | 2018-01-30 | 2018-07-17 | 中国农业机械化科学研究院 | 一种基于近红外光谱技术快速鉴别马铃薯环腐病的方法 |
| KR20220126056A (ko) | 2021-03-08 | 2022-09-15 | 충북대학교 산학협력단 | 음식물류 폐기 건조물의 유기 농업 자재 내 혼입 여부 측정 방법 |
| KR102502801B1 (ko) | 2021-10-05 | 2023-02-23 | 충북대학교 산학협력단 | 음식물류 폐기 건조물의 유기농업자재 내 혼입 여부 측정장치 및 방법 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100806552B1 (ko) * | 1998-05-15 | 2008-02-27 | 미쓰이 긴조꾸 고교 가부시키가이샤 | 물체의 내부품질을 측정하는 측정장치 |
| KR101033440B1 (ko) | 2010-12-14 | 2011-05-09 | 경북대학교 산학협력단 | 바이러스 감염 오이 종자의 비침습적 선별 방법 및 장치 |
| KR101268411B1 (ko) | 2011-08-17 | 2013-05-29 | 경북대학교 산학협력단 | 깊이별 광 산란 크기를 이용한 바이러스 감염 참박 종자의 비파괴적 선별 방법 및 장치 |
| WO2013133171A1 (ja) * | 2012-03-05 | 2013-09-12 | 住友電気工業株式会社 | 種子選別方法及び種子選別装置 |
| KR101379959B1 (ko) * | 2012-04-27 | 2014-03-28 | 충남대학교산학협력단 | 광 반사방식을 이용한 감염 씨감자의 선별 방법 |
| KR20140131416A (ko) * | 2013-05-02 | 2014-11-13 | 대한민국(농촌진흥청장) | 종자 활력 예측 방법 |
-
2015
- 2015-12-31 KR KR1020150190980A patent/KR101683404B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100806552B1 (ko) * | 1998-05-15 | 2008-02-27 | 미쓰이 긴조꾸 고교 가부시키가이샤 | 물체의 내부품질을 측정하는 측정장치 |
| KR101033440B1 (ko) | 2010-12-14 | 2011-05-09 | 경북대학교 산학협력단 | 바이러스 감염 오이 종자의 비침습적 선별 방법 및 장치 |
| KR101268411B1 (ko) | 2011-08-17 | 2013-05-29 | 경북대학교 산학협력단 | 깊이별 광 산란 크기를 이용한 바이러스 감염 참박 종자의 비파괴적 선별 방법 및 장치 |
| WO2013133171A1 (ja) * | 2012-03-05 | 2013-09-12 | 住友電気工業株式会社 | 種子選別方法及び種子選別装置 |
| KR101379959B1 (ko) * | 2012-04-27 | 2014-03-28 | 충남대학교산학협력단 | 광 반사방식을 이용한 감염 씨감자의 선별 방법 |
| KR20140131416A (ko) * | 2013-05-02 | 2014-11-13 | 대한민국(농촌진흥청장) | 종자 활력 예측 방법 |
Non-Patent Citations (1)
| Title |
|---|
| 비특허문헌 : 광간섭 단층촬영법을 이용한 우량 참외 종자 실시간 감별 시스템 개발, 한승훈 외, Journal of Sensor Science and Technology Vol. 22, No. 4 (2013) pp. 262-267. |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108287145A (zh) * | 2018-01-30 | 2018-07-17 | 中国农业机械化科学研究院 | 一种基于近红外光谱技术快速鉴别马铃薯环腐病的方法 |
| KR20220126056A (ko) | 2021-03-08 | 2022-09-15 | 충북대학교 산학협력단 | 음식물류 폐기 건조물의 유기 농업 자재 내 혼입 여부 측정 방법 |
| KR102502801B1 (ko) | 2021-10-05 | 2023-02-23 | 충북대학교 산학협력단 | 음식물류 폐기 건조물의 유기농업자재 내 혼입 여부 측정장치 및 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Femenias et al. | Use of hyperspectral imaging as a tool for Fusarium and deoxynivalenol risk management in cereals: A review | |
| Agelet et al. | Limitations and current applications of Near Infrared Spectroscopy for single seed analysis | |
| Amanah et al. | Nondestructive measurement of anthocyanin in intact soybean seed using Fourier Transform Near-Infrared (FT-NIR) and Fourier Transform Infrared (FT-IR) spectroscopy | |
| ElMasry et al. | Early detection of apple bruises on different background colors using hyperspectral imaging | |
| Xie et al. | Quantification of glucose, fructose and sucrose in bayberry juice by NIR and PLS | |
| Cortés et al. | In-line application of visible and near-infrared diffuse reflectance spectroscopy to identify apple varieties | |
| WO2010000266A1 (en) | Classification of seeds | |
| Wedding et al. | Non‐destructive prediction of ‘Hass’ avocado dry matter via FT‐NIR spectroscopy | |
| Khodabakhshian et al. | A comparative study of reflectance and transmittance modes of Vis/NIR spectroscopy used in determining internal quality attributes in pomegranate fruits | |
| KR101683404B1 (ko) | 근적외선 반사스펙트럼을 이용한 오이녹반 모자이크 바이러스 감염 수박종자의 선별 방법 및 선별 장치 | |
| Beghi et al. | Rapid evaluation of grape phytosanitary status directly at the check point station entering the winery by using visible/near infrared spectroscopy | |
| Wang et al. | Discrimination of cracked soybean seeds by near-infrared spectroscopy and random forest variable selection | |
| KR101619031B1 (ko) | 세균감염 수박종자의 선별을 위한 단파 적외선 초분광 영상 시스템 및 선별 방법 | |
| Takizawa et al. | Development of nondestructive technique for detecting internal defects in Japanese radishes | |
| Nturambirwe et al. | Detecting bruise damage and level of severity in apples using a contactless nir spectrometer | |
| KR100934410B1 (ko) | 근적외 분광분석법을 이용한 곡물 종실의 무게 측정방법 | |
| Xing et al. | Fresh bruise detection by predicting softening index of apple tissue using VIS/NIR spectroscopy | |
| Chang et al. | Non-destructive identification of internal watercore in apples based on online vis/nir spectroscopy | |
| Turgut et al. | Potential of image analysis based systems in food quality assessments and classifications | |
| da Silva et al. | Near infrared spectroscopy to rapid assess the rubber tree clone and the influence of maturation and disease at the leaves | |
| CHEN et al. | NIR measurement of specific gravity of potato | |
| KR101660482B1 (ko) | 근적외선분광광도계를 이용한 홍삼 농축액의 원산지 판별방법 | |
| KR101379959B1 (ko) | 광 반사방식을 이용한 감염 씨감자의 선별 방법 | |
| KR102590616B1 (ko) | 비파괴 분석기술 기반의 배추 연부병 진단용 다분광 영상장치 및 이의 제작방법 | |
| Li et al. | Chlorophyll assessment and sensitive wavelength exploration for tea (Camellia sinensis) based on reflectance spectral characteristics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20191031 Year of fee payment: 4 |