KR101901812B1 - 전자눈 분석을 이용한 쌀 신곡과 구곡의 판별 방법 - Google Patents
전자눈 분석을 이용한 쌀 신곡과 구곡의 판별 방법 Download PDFInfo
- Publication number
- KR101901812B1 KR101901812B1 KR1020170016793A KR20170016793A KR101901812B1 KR 101901812 B1 KR101901812 B1 KR 101901812B1 KR 1020170016793 A KR1020170016793 A KR 1020170016793A KR 20170016793 A KR20170016793 A KR 20170016793A KR 101901812 B1 KR101901812 B1 KR 101901812B1
- Authority
- KR
- South Korea
- Prior art keywords
- color
- rice
- sample
- color code
- new
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Spectrometry And Color Measurement (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
본 발명은 쌀의 신곡과 구곡을 식별하기 위한 색깔 코드 세트, 상기 색깔 코트 세트를 포함하는 키트, 및 상기 색깔 코드 세트를 이용한 쌀 신곡과 구곡의 식별 방법에 관한 것으로, 본 발명에 따른 칼라코드 세트를 쌀 신곡과 구곡 판별용 지표로 사용함으로써, 쌀의 신곡과 구곡 판별 분야에 유용하게 활용할 수 있다.
Description
본 발명은 전자눈 분석을 이용한 쌀 신곡과 구곡의 판별 방법에 관한 것이다. 보다 상세하게는 쌀의 신곡과 구곡을 식별하기 위한 색깔 코드 세트, 상기 색깔 코트 세트를 포함하는 키트, 및 상기 색깔 코드 세트를 이용한 쌀 신곡과 구곡의 식별 방법에 관한 것이다.
쌀의 신곡과 구곡을 판별할 수 있는 방법은 국내외적으로 현재까지 보고된 바 없으나, 국립농산물품질관리원 농산물 검사검정의 표준계측 및 감정방법(국립농산물품질관리원고시 제2012-69, 2012.10.25. 개정)에는 쌀의 신선도를 감정하는 방법이 고시되어 있다.
"쌀의 신선도(Freshness)" 라고 함은 쌀의 신곡과 구곡에 상관없이 쌀이 신선한가 아닌가를 판단하는 방법이고, "감정" 이라고 함은 농산물의 품위 등을 이화학적 방법을 통하여 농산물의 가치를 판정하는 것이다.
신선도 감정 방법의 적용 대상은 미곡, 맥류 및 두류 등이고, 감정은 GOP(Guaiacol, Oxydol, Paraphenylenediamin) 시약 처리에 의한 산화효소 작용의 정도를 감정하는 것이다.
산화효소 작용의 정도는 발색된 시약의 색깔의 진하기 정도로 판단하는데, 착색이 진한 경우 신선도가 높은 쌀, 착색반응이 약한 경우는 신선도가 낮은 쌀로 판단한다. 즉, 효소 활성도가 높은 쌀이 신선도가 높은 것이며, 효소 활성도가 낮은 쌀은 신선도가 낮은 것을 의미한다.
농산물 검사기준에는 GOP 시약 처리 방법에 관한 상세한 처리 방법과 순서, 정색반응에 대한 판정 기준 등을 상세하게 명시하고 있다.
국외에서는 쌀의 신선도 판별을 위하여 과산화효소(peroxidase)의 활성을 이용한 전기화학적인 마이크로디바이스(microdevice)를 이용한 방법 (Koyachi E, Kojima K, Satake T, Suzuki H. 2012. Rapid on-site measurement of the freshness of rice on a micro electrochemical device), 형광(fluorescent)를 이용한 방법(Chen TF and Chen CL. 2003. Analysing the freshness of intact rice grains by colour determination of peroxidase activity) 등이 보고되었다.
또한, 쌀과 관련된 대사체 연구(Matsuda F, Okazaki Y, Oikawa A, Kusano M, Nakabayashi R, Kikuchi J, Yonemaru JI, Ebana K, Yano M, Saito K. 2012. Dissection of genotype-phenotype associations in rice grains using metabolome quantitative trait loci analysis), 쌀의 저장기간에 따른 화학적, 물리적인 변화에 대한 연구(Zhuo Z, Robards K, Helliwell S, Blanchard C. 2001. Ageing of stored rice : changes in chemical and physical attributes)가 보고되어, 쌀의 신선도와 대사체 분석과 관련된 연구가 수행되고 있지만, 신곡과 구곡 판별에 관한 연구 결과는 현재까지 보고된 바가 없다.
양곡관리법(제20조의 4)에는 생산 연도가 다른 쌀을 혼합하여 판매하는 행위가 금지되어 있으나, 생산 연도가 다른 쌀을 혼합하여 유통판매하면서 연산을 거짓으로 표시하는 사례가 지속적으로 발생되고 있고, 최근 쌀값 폭락에 따라 신곡과 구곡을 혼합할 개연성이 높아지면서, 쌀의 신곡과 구곡의 판별을 위한 과학적인 분석법 개발이 필요성은 점점 증대되고 있는 실정이다.
이에 쌀의 신곡과 구곡을 판별하기 위한 지표 발굴을 위하여 인지질 분석, 안정 동위원소 분석, 무기원소 분석, 유기성분 분석, 전자코 분석, 신선도 감정을 추진한 결과 6가지 방법 중에 신선도 감정법이 신곡과 구곡을 판별할 수 있는 정확도가 가장 높게 나타났다. 하지만, 신선도 감정법은 감정자에 따라 결과 판단이 주관적이기 때문에, 객관적이고 과학적으로 판별할 수 있는 방법의 개발이 절실히 요구되고 있다.
본 발명자들은 상기와 같은 종래기술의 문제점을 해결하기 위한 연구를 지속적으로 수행하여, 본 발명에서는 국내에서 수집된 쌀 신곡과 구곡을 대상으로 GOP 시약처리를 이용한 신선도 감정을 수행한 후, 전자눈 장비를 이용하여 신곡과 구곡의 판별에 적합한 색깔 코드의 선발과 이를 이용한 쌀 신곡과 구곡의 판별 체계를 확립할 수 있음을 알아내고 본 발명을 완성하였다.
따라서, 본 발명의 목적은 칼라코드 세트를 포함하는 쌀 신곡과 구곡 판별용 색깔 코드 세트를 제공하는 것이다.
본 발명의 다른 목적은 상기 색깔 코드 세트를 포함하는 쌀 신곡과 구곡 판별용 키트를 제공하는 것이다.
본 발명의 또 다른 목적은 상기 색깔 코드를 이용하여 쌀 신곡과 구곡을 판별하는 방법을 제공하는 것이다.
본 발명은 상기와 같은 과제를 해결하기 위하여, 칼라-530 칼라코드; 칼라-546 칼라코드; 칼라-563 칼라코드; 칼라-802 칼라코드; 칼라-803 칼라코드; 칼라-804 칼라코드; 칼라-819 칼라코드; 칼라-820 칼라코드; 칼라-836 칼라코드; 칼라-1076 칼라코드; 칼라-1077 칼라코드; 칼라-1091 칼라코드; 칼라-1093 칼라코드; 칼라-1094 칼라코드; 칼라-1110 칼라코드; 칼라-1349 칼라코드; 칼라-1350 칼라코드; 칼라-1366 칼라코드; 칼라-1367 칼라코드; 칼라-1383 칼라코드; 칼라-1621 칼라코드; 칼라-1623 칼라코드; 칼라-1637 칼라코드; 칼라-1640 칼라코드; 칼라-1656 칼라코드; 칼라-1894 칼라코드; 칼라-1910 칼라코드; 칼라-2167 칼라코드; 칼라-2440 칼라코드; 칼라-2457 칼라코드; 및 칼라-2714 칼라코드로 구성된 군으로부터 선택되는 하나 이상의 칼라코드 세트를 포함하되, 상기 칼라-530 칼라코드 내지 칼라-2714 칼라코드는 하기 표 1의 RGB 값을 갖는 쌀 신곡 및 구곡 판별용 칼라코드 세트를 제공한다.
일련번호 | 칼라번호 | 칼라코드명 | R | G | B |
1 | 칼라-1 | 칼라-530 | 40 | 24 | 40 |
2 | 칼라-2 | 칼라-546 | 40 | 40 | 40 |
3 | 칼라-3 | 칼라-563 | 40 | 56 | 56 |
4 | 칼라-4 | 칼라-802 | 56 | 40 | 40 |
5 | 칼라-5 | 칼라-803 | 56 | 40 | 56 |
6 | 칼라-6 | 칼라-804 | 56 | 40 | 72 |
7 | 칼라-7 | 칼라-819 | 56 | 56 | 56 |
8 | 칼라-8 | 칼라-820 | 56 | 56 | 72 |
9 | 칼라-9 | 칼라-836 | 56 | 72 | 72 |
10 | 칼라-10 | 칼라-1076 | 72 | 56 | 72 |
11 | 칼라-11 | 칼라-1077 | 72 | 56 | 88 |
12 | 칼라-12 | 칼라-1091 | 72 | 72 | 56 |
13 | 칼라-13 | 칼라-1093 | 72 | 72 | 88 |
14 | 칼라-14 | 칼라-1094 | 72 | 72 | 104 |
15 | 칼라-15 | 칼라-1110 | 72 | 88 | 104 |
16 | 칼라-16 | 칼라-1349 | 88 | 72 | 88 |
17 | 칼라-17 | 칼라-1350 | 88 | 72 | 104 |
18 | 칼라-18 | 칼라-1366 | 88 | 88 | 104 |
19 | 칼라-19 | 칼라-1367 | 88 | 88 | 120 |
20 | 칼라-20 | 칼라-1383 | 88 | 104 | 120 |
21 | 칼라-21 | 칼라-1621 | 104 | 88 | 88 |
22 | 칼라-22 | 칼라-1623 | 104 | 88 | 120 |
23 | 칼라-23 | 칼라-1637 | 104 | 104 | 88 |
24 | 칼라-24 | 칼라-1640 | 104 | 104 | 136 |
25 | 칼라-25 | 칼라-1656 | 104 | 120 | 136 |
26 | 칼라-26 | 칼라-1894 | 120 | 104 | 104 |
27 | 칼라-27 | 칼라-1910 | 120 | 120 | 104 |
28 | 칼라-28 | 칼라-2167 | 136 | 120 | 120 |
29 | 칼라-29 | 칼라-2440 | 152 | 136 | 136 |
30 | 칼라-30 | 칼라-2457 | 152 | 152 | 152 |
31 | 칼라-31 | 칼라-2714 | 168 | 152 | 168 |
또한, 본 발명은 상기 쌀 신곡 및 구곡 판별용 칼라코드 세트를 포함하는 것을 특징으로 하는 쌀 신곡 및 구곡 판별용 키트를 제공한다.
또한, 본 발명은 (a) 쌀 시료에 시약을 처리하고, 전자눈 장비로 사진 촬영한 후, 제1항 또는 제2항의 쌀 신곡 및 구곡 판별용 칼라코드 세트를 이용하여 시료의 착색된 색을 분석하여 이미지 데이터를 얻는 단계, 및 (b) 상기 얻어진 이미지 데이터로부터 신곡 및 구곡을 결정하는 단계를 포함하는, 쌀 신곡 및 구곡을 판별하는 방법을 제공한다.
본 발명에 따른 쌀 신곡과 구곡 판별용 칼라 코드 세트, 이를 포함하는 쌀 신곡 및 구곡 판별용 키트 및 상기 칼라 코드 세트를 이용하여 쌀 신곡 및 구곡을 판별하는 방법은 다양한 신곡과 구곡 시료에 대한 판별능이 우수하여, 시중에 유통되는 쌀의 신곡과 구곡 유무 판별 등과 같은 분야에 활용될 수 있다.
도 1은 GOP 시약 액을 따라버리고, 시약 처리된 쌀을 전자눈 블랙 샘플 트레이에 올려놓고 카메라로 찍은 사진을 나타낸 것이다.
도 2a 내지 도 2c는 본 발명에 따른 쌀 신곡 및 구곡 판별용 칼라 코드 세트에 의해 분석된 각 시료의 통계적 거리를 나타낸 것이다.
도 3a 및 도 3b는 본 발명에 따라 작성된 판별식에 미지의 시료를 대입하여 분석된 각 시료의 통계적 거리를 나타낸다.
도 2a 내지 도 2c는 본 발명에 따른 쌀 신곡 및 구곡 판별용 칼라 코드 세트에 의해 분석된 각 시료의 통계적 거리를 나타낸 것이다.
도 3a 및 도 3b는 본 발명에 따라 작성된 판별식에 미지의 시료를 대입하여 분석된 각 시료의 통계적 거리를 나타낸다.
본 발명은 상기와 같은 과제를 해결하기 위하여, 칼라-530 칼라코드; 칼라-546 칼라코드; 칼라-563 칼라코드; 칼라-802 칼라코드; 칼라-803 칼라코드; 칼라-804 칼라코드; 칼라-819 칼라코드; 칼라-820 칼라코드; 칼라-836 칼라코드; 칼라-1076 칼라코드; 칼라-1077 칼라코드; 칼라-1091 칼라코드; 칼라-1093 칼라코드; 칼라-1094 칼라코드; 칼라-1110 칼라코드; 칼라-1349 칼라코드; 칼라-1350 칼라코드; 칼라-1366 칼라코드; 칼라-1367 칼라코드; 칼라-1383 칼라코드; 칼라-1621 칼라코드; 칼라-1623 칼라코드; 칼라-1637 칼라코드; 칼라-1640 칼라코드; 칼라-1656 칼라코드; 칼라-1894 칼라코드; 칼라-1910 칼라코드; 칼라-2167 칼라코드; 칼라-2440 칼라코드; 칼라-2457 칼라코드; 및 칼라-2714 칼라코드로 구성된 군으로부터 선택되는 하나 이상의 칼라코드 세트를 포함하되, 상기 칼라-530 칼라코드 내지 칼라-2714 칼라코드는 상기 표 1의 RGB 값을 갖는 쌀 신곡 및 구곡 판별용 칼라코드 세트에 관한 것이다.
본 발명에서, "칼라코드(color code)"는 각 칼라코드를 통해 얻어진 신곡 또는 구곡 판별 도구를 의미하는 것으로서, 각 칼라코드별 빛의 3원색인 적(Red), 녹(Green), 청(Blue)을 혼합하여 색을 나타내는 모델인 RGB 값은 상기 표 1과 같다.
색은 RGB 값을 표현한 것인데, 모니터 색은 디지털이기 때문에 기본적으로 빛을 이용하여 색상을 표현하기 위하여 RGB가 사용되고, 이 3가지 색상이 모니터 상에서의 색을 표현하게 된다.
이때 픽셀(pixel) 하나 하나는 각각의 RGB 값을 가지는데, 이 RGB 값의 범위는 0-255까지 256 단계이고, 거의 자연 색상 그대로 표현하기 위해서는 각각 8 비트의 크기가 필요하게 된다.
따라서, 각각의 RGB 값은 8, 24, 40, 56, 72, 88, 104, 120, 136, 152, 168, 184, 200, 216, 232, 248 총 16개의 번호로 나열되어 있으며, 16 x 16 x 16 = 4,096개가 되고, 이 규격은 sRGB(standard RGB 혹은 single RGB)로서, 1999년에 IEC(국제전기표준회의)의 TC100 중 IEC 61966-2-1에 기재되어 있다.
본 발명에서, 상기 칼라 코드 세트는 국내에서 유통되는 쌀 신곡과 구곡의 판별에 높은 판별력을 나타낼 수 있다. 상기 칼라 코드 세트는 쌀 신곡과 구곡을 판별하기 위해 이용될 수 있다. 상기 칼라 코드 세트는 예를 들면, 하기 표 2에 기재된 쌀을 판별하기 위해 이용되는 것일 수 있다.
본 발명에서, 상기 칼라 코드 세트는 칼라-530 내지 칼라-2714 칼라 코드 세트 중 2개 이상, 3개 이상, 4개 이상, 5개 이상, 6개 이상, 7개 이상, 8개 이상, 9개 이상, 10개 이상, 11개 이상, 12개 이상, 13개 이상, 14개 이상, 15개 이상, 16개 이상, 17개 이상, 18개 이상, 19개 이상, 20개 이상, 21개 이상, 22개 이상, 23개 이상, 24개 이상, 25개 이상, 26개 이상, 27개 이상, 28개 이상, 29개 이상, 30개 이상 또는 31개 의 칼라 코드 세트를 포함할 수 있다.
본 발명에서, 상기 칼라 코드 세트는 칼라-530 내지 칼라-2714 칼라 코드 세트를 모두 포함할 수 있다.
또한, 본 쌀 신곡 및 구곡 판별용 칼라코드 세트를 포함하는, 쌀 신곡 및 구곡 판별용 키트에 관한 것이다.
상기 쌀 신곡 및 구곡 판별용 키트의 제조는 본 발명이 속하는 기술분야에 공지된 방법에 의해 제조하는 것으로 족하므로, 이에 대한 상세한 설명은 생략한다.
또한, 본 발명은 (a) 쌀 시료에 시약을 처리하고, 전자눈 장비로 사진 촬영한 후, 상기 쌀 신곡 및 구곡 판별용 칼라코드 세트를 이용하여 시료의 착색된 색을 분석하여 이미지 데이터를 얻는 단계, 및 (b) 상기 얻어진 이미지 데이터로부터 신곡 및 구곡을 결정하는 단계를 포함하는, 쌀 신곡 및 구곡을 판별하는 방법에 관한 것이다.
본 발명의 상기 쌀 신곡 및 구곡을 판별하는 방법에서, 상기 쌀 시료는 상기 시료의 쌀 원형 상태로부터 유래되는 것일 수 있다.
본 발명의 상기 쌀 신곡 및 구곡을 판별하는 방법에서, 상기 쌀 시료는 국내에서 생산된 벼로부터 유래된 것일 수 있다. 상기 쌀 시료는 국내에서 생산된 벼를 통상적인 방법을 이용하여 가공한 것으로부터 수집될 수 있다.
본 발명의 상기 쌀 신곡 및 구곡을 판별하는 방법에서, 상기 쌀은 예를 들면, 벼를 현미로 제현한 후, 현미를 쌀로 가공하는 방법을 이용하여 수득될 수 있다.
본 발명의 상기 쌀 신곡 및 구곡을 판별하는 방법에서, 상기 시약은 구아야콜(guaiacol), 옥시돌(oxydol) 및 파라페닐렌디아민 (paraphenylenediamine)을 포함하는 GOP 시약일 수 있다.
본 발명의 상기 쌀 신곡 및 구곡을 판별하는 방법에서, 쌀의 시약 처리는 상기 GOP 시약을 이용하여 수행될 수 있다. 상기 GOP 시약이 처리된 쌀을 상기 칼라코드 세트, 바람직하게는 상기 칼라-530 칼라코드 내지 칼라-2714 칼라코드 세트를 모두 사용하여 수행되는 것일 수 있다.
GOP 시약 처리 방법에 대해서는 당업계에 잘 알려져 있으며, 상업적으로 이용 가능한 키트를 이용할 수 있다. GOP 시약 반응은 당업계에 시약 반응에 필요한 것으로 알려진 여러 성분을 포함하는 GOP 시약을 이용하여 수행될 수 있다.
본 발명의 상기 쌀 신곡 및 구곡을 판별하는 방법에서, 상기 GOP 시약은 구아야콜 1%액, 옥시돌(과산화수소) 3% 액, 파라페닐엔디아민 0.2% 액을 포함하는 것일 수 있다.
본 발명의 상기 쌀 신곡 및 구곡을 판별하는 방법에서, 상기 시약 처리는 상기 쌀 시료에 상기 구아야콜 4ml을 가하여 10회 흔들어준 후 2분간 정치하고, 상기 옥시돌(과산화수소) 3~4 방울을 가하여 10회 흔들어준 다음, 즉시 파라페닐엔디아민 3ml을 가하여 다시 10회 흔든 후, 5분간 정치한 다음 물로 1회 수세하여 수행할 수 있다.
본 발명의 상기 쌀 신곡 및 구곡을 판별하는 방법에서, 상기 (a) 단계의 사진 촬영은 시료를 전자눈 장비의 트레이 위에 올려놓고, 장비 위쪽의 LED 조명을 켜 놓은 채 사진 촬영을 하여 이미지 데이터를 얻을 수 있다.
본 발명의 상기 쌀 신곡 및 구곡을 판별하는 방법에서, 상기 (b) 단계는 상기 얻어진 이미지 데이터를 소프트웨어에 탑재된 칼라코드 분석을 통해 검출하는 단계를 포함할 수 있다.
본 발명의 상기 쌀 신곡 및 구곡을 판별하는 방법에서, 상기 칼라코드 분석은 상기 이미지 데이터를 상기 쌀 신곡 및 구곡 판별용 칼라코드 세트에 의해 공지된 쌀 시료의 칼라코드별 픽셀수와 비교함으로써 수행할 수 있다.
본 발명의 상기 쌀 신곡 및 구곡을 판별하는 방법에서, 상기 (b) 단계는 얻어진 이미지 데이터를 칼라-530 내지 칼라-2714 칼라 코드 세트에 의해 공지된 쌀 신구곡의 시약반응 결과와 비교함으로써 수행되는 것일 수 있다.
구체적으로, 상기 (b) 단계는 IRIS 소프트웨어에 포함되어 있는 통계 프로그램을 이용하여 시료의 분포도를 확인함으로써 수행되는 것일 수 있는데, 상기 통계프로그램은 주성분분석(PCA: Principal Component Analysis), 판별함수분석(DFA: Discriminant Function Analysis, SQC: Statistical Quality Control, SIMCA: Soft independent modeling of class analogy 등의 방법을 이용할 수 있다.
예를 들면, 공지된 신곡과 구곡 시료에 대하여 본 발명의 칼라코드 세트를 통해 도출된 픽셀수를 미리 하나의 표로 정리, 즉 판별식을 작성한 후, 신곡과 구곡을 판별하고자 하는 미지의 시료에 대하여 상기 GOP 시약을 처리한 다음, 전자눈 장비로 이미지 촬영하여 시료별 픽셀 수를 얻은 후, 본 발명의 칼라 코드 세트를 변수로 이용하여 상기 공지된 판별식 결과와 통계 프로그램(UNISTAT® Statistical Package for Windows, version 6.5, England)을 이용하여 비교함으로써, 쌀의 신곡과 구곡 유무를 결정할 수 있다.
본 발명은 하기 실시예에 의하여 더욱 구체적으로 설명한다. 그러나, 하기 실시예는 본 발명의 이해를 돕기 위한 것일 뿐, 어떤 의미로든 본 발명의 범위가 이러한 실시예에 의하여 한정되는 것은 아니다.
<실시예> 쌀 신곡과 구곡 판별을 위한 칼라코드의 평가
<
실시예
1> 쌀
시료(판별식 작성용)
본 발명에서는 하기 표 2에 기재된 쌀 107점을 신곡(2016년산)과 구곡(2015년산) 판별식 작성을 위한 시료로 사용하였다.
번호 | 생산연도 | 품종명 | 생산지 | 번호 | 생산연도 | 품종명 | 생산지 |
1 | 2016 | 추청 | 경기 | 55 | 2015 | 혼합 | 경남 |
2 | 2016 | 대안 | 경기 | 56 | 2015 | 일품 | 경북 |
3 | 2016 | 추청 | 충북 | 57 | 2015 | 일품 | 경북 |
4 | 2016 | 추청 | 충북 | 58 | 2015 | 일품 | 경북 |
5 | 2016 | 삼광 | 충북 | 59 | 2015 | 일품 | 경북 |
6 | 2016 | 삼광 | 충북 | 60 | 2015 | 일품 | 경북 |
7 | 2016 | 삼광 | 충북 | 61 | 2015 | 일품 | 경북 |
8 | 2016 | 신동진 | 전북 | 62 | 2015 | 일품 | 경북 |
9 | 2016 | 운광 | 경북 | 63 | 2015 | 일품 | 경북 |
10 | 2016 | 새누리 | 전북 | 64 | 2015 | 일품 | 경북 |
11 | 2016 | 일미 | 전남 | 65 | 2015 | 일품 | 경북 |
12 | 2016 | 일미 | 경남 | 66 | 2015 | 혼합 | 인천 |
13 | 2016 | 새누리 | 전북 | 67 | 2015 | 추청 | 인천 |
14 | 2016 | 새누리 | 경남 | 68 | 2015 | 고시히까리 | 인천 |
15 | 2016 | 삼광 | 충북 | 69 | 2015 | 추청 | 인천 |
16 | 2016 | 새누리 | 경남 | 70 | 2015 | 추청 | 경기 |
17 | 2016 | 새누리 | 전북 | 71 | 2015 | 추청 | 인천 |
18 | 2016 | 오대 | 강원 | 72 | 2015 | 진상 | 경기 |
19 | 2016 | 운광 | 강원 | 73 | 2015 | 오대 | 강원 |
20 | 2016 | 새누리 | 전북 | 74 | 2015 | 혼합 | 충남 |
21 | 2016 | 신동진 | 전북 | 75 | 2015 | 고시히까리 | 경기 |
22 | 2016 | 운광 | 경남 | 76 | 2015 | 추청 | 경기 |
23 | 2016 | 대안 | 경기 | 77 | 2015 | 고시히까리 | 경기 |
24 | 2016 | 대안 | 경기 | 78 | 2015 | 추청 | 경기 |
25 | 2016 | 새누리 | 강원 | 79 | 2015 | 추청 | 경기 |
26 | 2016 | 오대 | 강원 | 80 | 2015 | 새누리 | 경기 |
27 | 2016 | 운광 | 강원 | 81 | 2015 | 고시히까리 | 경기 |
28 | 2016 | 새누리 | 충남 | 82 | 2015 | 추청 | 경기 |
29 | 2016 | 삼광 | 충남 | 83 | 2015 | 추청 | 경기 |
30 | 2016 | 삼광 | 충남 | 84 | 2015 | 추청 | 경기 |
31 | 2016 | 새누리 | 충남 | 85 | 2015 | 고시히까리 | 경기 |
32 | 2016 | 운광 | 경북 | 86 | 2015 | 추청 | 경기 |
33 | 2015 | 추청 | 경기 | 87 | 2015 | 고시히까리 | 경기 |
34 | 2015 | 혼합 | 강원 | 88 | 2015 | 추청 | 경기 |
35 | 2015 | 대안 | 강원 | 89 | 2015 | 추청 | 경기 |
36 | 2015 | 오대 | 강원 | 90 | 2015 | 추청 | 경기 |
37 | 2015 | 삼광 | 충남 | 91 | 2015 | 추청 | 경기 |
38 | 2015 | 일미 | 충남 | 92 | 2015 | 추청 | 경기 |
39 | 2015 | 혼합 | 충남 | 93 | 2015 | 추청 | 경기 |
40 | 2015 | 새누리 | 충남 | 94 | 2015 | 고시히까리 | 경기 |
41 | 2015 | 혼합 | 충남 | 95 | 2015 | 혼합 | 강원 |
42 | 2015 | 삼광 | 충남 | 96 | 2015 | 오대 | 강원 |
43 | 2015 | 수광 | 충남 | 97 | 2015 | 오대 | 강원 |
44 | 2015 | 추청 | 충남 | 98 | 2015 | 오대 | 강원 |
45 | 2015 | 혼합 | 충남 | 99 | 2015 | 오대 | 강원 |
46 | 2015 | 신동진 | 전북 | 100 | 2015 | 대안 | 강원 |
47 | 2015 | 고시히까리 | 경기 | 101 | 2015 | 대안 | 강원 |
48 | 2015 | 삼광 | 충남 | 102 | 2015 | 오대 | 강원 |
49 | 2015 | 혼합 | 충남 | 103 | 2015 | 오대 | 강원 |
50 | 2015 | 삼광 | 충남 | 104 | 2015 | 혼합 | 경기 |
51 | 2015 | 혼합 | 충남 | 105 | 2015 | 오대 | 강원 |
52 | 2015 | 추청 | 충북 | 106 | 2015 | 오대 | 강원 |
53 | 2015 | 추청 | 충북 | 107 | 2015 | 오대 | 강원 |
54 | 2015 | 혼합 | 충북 |
<
실시예
2> 쌀
시료(판별식 검증용)
본 발명에서는 하기 표 3에 기재된 쌀 131점을 신곡(2016년산)과 구곡(2015년산 및 2014년산) 판별식 검증을 위한 시료로 사용하였다.
번호 | 생산연도 | 품종명 | 생산지 | 번호 | 생산연도 | 품종명 | 생산지 |
1 | 2016 | 미품 | - | 67 | 2015 | 혼합 | 전북 |
2 | 2016 | 히토미보레 | - | 68 | 2015 | 신동진 | 전북 |
3 | 2016 | 추청 | - | 69 | 2015 | 신동진 | 전북 |
4 | 2016 | 운광 | 강원 | 70 | 2015 | 신동진 | 전북 |
5 | 2016 | 신동진 | 전남 | 71 | 2015 | 신동진 | 전북 |
6 | 2016 | 신동진 | 전남 | 72 | 2015 | 신동진 | 전북 |
7 | 2016 | 신동진 | 전남 | 73 | 2015 | 신동진 | 전북 |
8 | 2016 | 신동진 | 전남 | 74 | 2015 | 혼합 | 경남 |
9 | 2016 | - | 경북 | 75 | 2015 | 혼합 | 경남 |
10 | 2016 | 신동진 | 전남 | 76 | 2015 | 혼합 | 경남 |
11 | 2016 | 신동진 | 전남 | 77 | 2015 | 혼합 | 경남 |
12 | 2016 | 신동진 | 전남 | 78 | 2015 | 혼합 | 경남 |
13 | 2016 | 신동진 | 전남 | 79 | 2015 | 혼합 | 경남 |
14 | 2016 | 신동진 | 전남 | 80 | 2015 | 혼합 | 경남 |
15 | 2016 | 신동진 | 전남 | 81 | 2015 | 영호진미 | 경남 |
16 | 2016 | 신동진 | 전남 | 82 | 2015 | 혼합 | 경남 |
17 | 2016 | 신동진 | 전남 | 83 | 2015 | 혼합 | 경남 |
18 | 2016 | 신동진 | 전북 | 84 | 2015 | 일품 | 경북 |
19 | 2016 | 새누리 | 전북 | 85 | 2015 | 일품 | 경북 |
20 | 2016 | - | 충남 | 86 | 2015 | 혼합 | 경북 |
21 | 2016 | 추청 | 충북 | 87 | 2015 | 영호진미 | 경북 |
22 | 2016 | 새누리 | 충남 | 88 | 2015 | 혼합 | 경북 |
23 | 2016 | 새누리 | 충남 | 89 | 2015 | 일품 | 경북 |
24 | 2016 | 일미 | 전남 | 90 | 2015 | 일품 | 경북 |
25 | 2016 | 새누리 | 경남 | 91 | 2015 | 일품 | 경북 |
26 | 2016 | 운광 | 경남 | 92 | 2015 | 혼합 | 경북 |
27 | 2016 | - | 충남 | 93 | 2015 | 백진주 | 경북 |
28 | 2016 | 새누리 | 경북 | 94 | 2015 | 영호진미 | 경북 |
29 | 2016 | 새누리 | 전남 | 95 | 2015 | 일품 | 경북 |
30 | 2016 | 새누리 | 전남 | 96 | 2015 | 오대 | 강원 |
31 | 2016 | 새누리 | 경북 | 97 | 2015 | 오대 | 강원 |
32 | 2016 | - | 충남 | 98 | 2015 | 오대 | 강원 |
33 | 2016 | - | 경북 | 99 | 2015 | - | 경남 |
34 | 2016 | 새일미 | 경남 | 100 | 2015 | 일품 | 경북 |
35 | 2016 | - | 경북 | 101 | 2015 | - | 경기 |
36 | 2016 | 새누리 | 충남 | 102 | 2015 | 일품 | 경북 |
37 | 2016 | 운광 | 경남 | 103 | 2015 | 일품 | 경북 |
38 | 2016 | - | 경남 | 104 | 2015 | 일품 | 경북 |
39 | 2016 | - | 충남 | 105 | 2015 | 일품 | 경북 |
40 | 2016 | - | 충남 | 106 | 2015 | 일품 | 경북 |
41 | 2016 | 새누리 | 전남 | 107 | 2015 | 일품 | 경북 |
42 | 2016 | 오대 | 강원 | 108 | 2015 | 일품 | 경북 |
43 | 2016 | 운광 | 강원 | 109 | 2015 | 일품 | 경북 |
44 | 2016 | 새누리 | 경북 | 110 | 2015 | 일품 | 경북 |
45 | 2016 | 새누리 | 경남 | 111 | 2015 | 일품 | 경북 |
46 | 2016 | - | 경남 | 112 | 2015 | 일품 | 경북 |
47 | 2016 | 신동진 | 전북 | 113 | 2015 | 일품 | 경북 |
48 | 2016 | 새누리 | 전북 | 114 | 2015 | 일품 | 경북 |
49 | 2016 | 운광 | 경북 | 115 | 2015 | 일품 | 경북 |
50 | 2016 | 신동진 | 전남 | 116 | 2015 | 일품 | 경북 |
51 | 2016 | 신동진 | 전남 | 117 | 2015 | 일품 | 경북 |
52 | 2016 | - | 전남 | 118 | 2014 | 일품 | 경북 |
53 | 2016 | 새누리 | 경남 | 119 | 2014 | 일품 | 경북 |
54 | 2015 | 호평 | 전남 | 120 | 2014 | 일품 | 경북 |
55 | 2015 | 새누리 | 전남 | 121 | 2014 | 일품 | 경북 |
56 | 2015 | 혼합 | 전남 | 122 | 2014 | 일품 | 경북 |
57 | 2015 | 일미 | 전남 | 123 | 2014 | 일품 | 경북 |
58 | 2015 | 혼합 | 전남 | 124 | 2014 | 일품 | 경북 |
59 | 2015 | 혼합 | 전북 | 125 | 2014 | 일품 | 경북 |
60 | 2015 | 신동진 | 전북 | 126 | 2014 | 일품 | 경북 |
61 | 2015 | 혼합 | 전북 | 127 | 2014 | 일품 | 경북 |
62 | 2015 | 신동진 | 전북 | 128 | 2014 | 일품 | 경북 |
63 | 2015 | 신동진 | 전북 | 129 | 2014 | 일품 | 경북 |
64 | 2015 | 신동진 | 전북 | 130 | 2014 | 일품 | 경북 |
65 | 2015 | 신동진 | 전북 | 131 | 2014 | 일품 | 경북 |
66 | 2015 | 신동진 | 전북 |
<
실시예
3> 쌀
GOP 시약 처리
상기 표 2 및 표 3에 기재된 시료(벼)로부터 제현기(SY-88, SSANGYONG, Korea) 및 도정기(MC-90A, TOYO, Japan)를 활용하여 쌀을 가공한 후, 가공된 쌀로부터 시료를 균분하여 원형 상태의 쌀 100립(완전립)을 채취하여 시험관에 넣었다.
그런 다음, 구아야콜 4ml을 가하여 10회 흔들어준 후, 2분간 정치하고 과산화수소(옥시돌) 3~4 방울을 가하여 10회 흔들어 준 다음, 즉시 파라페닐엔디아민 3ml을 가하여 다시 10회 흔든 후, 5분간 정치한 다음 맑은 물로 1회 수세하였다.
<
실시예
4> 전자눈
분석 및
칼라코드
선정
GOP 시약액을 따라 버리고, 시약 처리된 쌀을 전자눈(IRIS Visual Analyzer VA400, France) 블랙 샘플 트레이에 올려 놓고, 카메라로 사진을 찍어 이미지 데이터를 얻었는데, 상기 카메라로 찍은 사진을 도 1에 나타내었다.
이때, 시료 당 이미지는 2~3회 촬영하여 획득하였다. 또한, 카메라는 16M CCD 칼라 카메라에 렌즈 크기는 25mm, 조명은 장비 위(top)에 위치한 LED 조명만 킨 상태로 진행하였다.
센서와 카메라를 통해 받은 신호는 소프트웨어에서 인지하여 통계 처리를 통하여 색을 판단하게 되는데, 소프트웨어에 탑재된 칼라 코드는 4,096개가 있다.
색 분석에서는 픽셀 단위로 색의 면적(area) 값을 데이터 처리하는 방법을 선택하였고 이에 따라 색의 함량은 픽셀수로 계산하였다. 샘플과 관련이 없는 색에 대해서는 데이터 처리하는 과정에서 배경 데이터값 자체를 빼고 진행하였다.
공시 시료는 신곡과 구곡으로 구성되어 있는데, 소프트웨어에 탑재된 4,096개의 칼라 색 중에서 신곡과 구곡 시료 간에 착색된 색의 차이를 보여주는 색을 선정하였다. 이 중 차이를 식별해낼 수 있는 색을 31개 선정하여 판별식 작성에 활용된 신곡과 구곡을 판별할 수 있는 칼라코드별 식별능(discrimination power)을 표 4에 나타내었다.
이때, 상기 식별능은 전자눈 장비(IRIS VA400)에 탑재된 소프트웨어에서 분석된 칼라코드별 식별능(discrimination power) 값을 측정하였다.
일련번호 | 칼라번호 | 칼라코드명 | 식별능 |
1 | 칼라-1 | 칼라-530 | 0.483 |
2 | 칼라-2 | 칼라-546 | 0.588 |
3 | 칼라-3 | 칼라-563 | 0.765 |
4 | 칼라-4 | 칼라-802 | 0.326 |
5 | 칼라-5 | 칼라-803 | 0.791 |
6 | 칼라-6 | 칼라-804 | 0.702 |
7 | 칼라-7 | 칼라-819 | 0.490 |
8 | 칼라-8 | 칼라-820 | 0.841 |
9 | 칼라-9 | 칼라-836 | 0.682 |
10 | 칼라-10 | 칼라-1076 | 0.672 |
11 | 칼라-11 | 칼라-1077 | 0.869 |
12 | 칼라-12 | 칼라-1091 | 0.373 |
13 | 칼라-13 | 칼라-1093 | 0.945 |
14 | 칼라-14 | 칼라-1094 | 0.754 |
15 | 칼라-15 | 칼라-1110 | 0.698 |
16 | 칼라-16 | 칼라-1349 | 0.693 |
17 | 칼라-17 | 칼라-1350 | 0.798 |
18 | 칼라-18 | 칼라-1366 | 0.870 |
19 | 칼라-19 | 칼라-1367 | 0.645 |
20 | 칼라-20 | 칼라-1383 | 0.586 |
21 | 칼라-21 | 칼라-1621 | 0.704 |
22 | 칼라-22 | 칼라-1623 | 0.651 |
23 | 칼라-23 | 칼라-1637 | 0.766 |
24 | 칼라-24 | 칼라-1640 | 0.473 |
25 | 칼라-25 | 칼라-1656 | 0.367 |
26 | 칼라-26 | 칼라-1894 | 0.642 |
27 | 칼라-27 | 칼라-1910 | 0.360 |
28 | 칼라-28 | 칼라-2167 | 0.522 |
29 | 칼라-29 | 칼라-2440 | 0.349 |
30 | 칼라-30 | 칼라-2457 | 0.696 |
31 | 칼라-31 | 칼라-2714 | 0.448 |
평균 | 0.631 |
상기 표 4에 나타난 바와 같이, 본 발명에 따른 신곡 및 구곡 판별용 칼라코드 세트는 칼라-530, 칼라-546, 칼라-563, 칼라-802, 칼라-803, 칼라-804, 칼라-819, 칼라-820, 칼라-836, 칼라-1076, 칼라-1077, 칼라-1091, 칼라-1093, 칼라-1094, 칼라-1110, 칼라-1349, 칼라-1350, 칼라-1366, 칼라-1367, 칼라-1383, 칼라-1621, 칼라-1623, 칼라-1637, 칼라-1640, 칼라-1656, 칼라-1894, 칼라-1910, 칼라-2167, 칼라-2440, 칼라-2457 및 칼라-2714의 31개 칼라 코드의 평균 식별능은 0.631로, 본 발명의 칼라 코드를 통해 신곡 및 구곡의 판별이 충분히 가능함을 확인하였다.
<
실시예
5> 통계분석
도 2a은 판별식 작성용 시료인 신곡 및 구곡 107개 시료를 대상으로 본 발명에 따른 신곡 및 구곡 판별용 칼라코드 세트를 사용하여 분석된 주성분 분석(PCA) 결과를 나타낸다.
주성분 분석 결과는 칼라 맵(color map)으로도 불리며, 이는 IRIS 전자눈 칼라 코드에서 가장 중요한 칼라 선택에 따라 구축된다. 즉 본 발명의 31개 칼라코드를 이용하여 칼라 맵을 작성하였고, 이 칼라 맵은 시료별 칼라의 함량 조성에 따라, 색의 차이를 보이는 시료의 경향성을 보여 준다 (도 2b 참조).
또한 IRIS 전자눈 장비에 포함된 통계프로그램 중 판별함수분석(DFA) 분석을 수행하였을 때 신곡과 구곡은 100% 분류되는 것으로 나타났다 (도 2c 참조).
신곡과 구곡을 판별하고자 하는 시료(쌀)에 GOP 시약 처리를 하고, 전자눈 분석기기를 이용하여 이미지 촬영을 한 다음, 본 발명의 칼라코드 세트를 이용하여 주성분 분석(PCA)을 수행하여 도 2의 판별식(칼라 맵)에 미지 시료의 분포도를 확인하였다.
그런 다음, 신곡과 구곡의 판별식에 미지의 시료에 대한 칼라코드별 픽셀 수를 대입하여 통계 프로그램(UNISTAT® Statistical Package for Windows, version 6.5, England)을 이용하여 쌀의 신곡과 구곡을 판별할 수 있었다.
또한, 본 발명에 따른 판별식에 입력된 코드는 신곡은 “1”, 구곡은 “2”로 코드화 하였고, 미지의 시료는 *로 입력하여 통계 분석하였다.
개발된 판별식이 얼마나 판별 정확도가 높은지 알아보고자, 미지 시료(표 2)를 이용하여 신곡과 구곡 유무를 정확하게 판별할 수 있는 확률을 알아보았다.
쌀 시료에 GOP 시약을 처리한 후, 전자눈 장비로 사진을 촬영하였고, 획득된 이미지 데이터 파일로부터 본 발명의 칼라코드 31개에 대한 픽셀 수를 분석하였다.
도 2a 내지 도 2c의 판별식에 미지 시료(표 2)를 대입하여 신곡과 구곡으로 판별될 수 있는 확률을 PCA 분석을 통해 수행하였다. PCA 분석을 수행한 후, 개발된 판별식에 미지 시료의 값을 코드(신곡 “1”, 구곡 “2”, 미지시료 “*”)로 지정하여 통계 프로그램(UNISTAT® Statistical Package for Windows, version 6.5, England)을 이용하여 신곡과 구곡을 정확하게 맞출 수 있는 확률을 분석하였고, 그 결과 신곡과 구곡이 100% 판별되는 것으로 나타났다.
도 3a는 본 발명에 따른 쌀 신곡 및 구곡 판별용 칼라코드 세트에 의해 분석된 미지 시료의 주성분분석(PCA) 결과를 나타내고, 도 3b는 미지시료를 판별식에 대입하여 통계 프로그램(UNISTAT® Statistical Package for Windows, version 6.5, England)을 이용하여 신곡과 구곡으로 판별되는지를 분석한 후, 판별된 영역을 표기한 것이다.
이를 통해, 본 발명의 칼라코드 세트를 이용하여 모든 신곡과 구곡의 판별이 가능함을 확인할 수 있었다.
상술한 바와 같이, 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 통상의 기술자라면 하기의 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
Claims (9)
- 삭제
- 삭제
- 삭제
- (a). 쌀 시료에 시약을 처리하고, 전자눈 장비로 사진 촬영한 후, 쌀 신곡 및 구곡 판별용 칼라코드를 이용하여 시료의 착색된 색을 분석하여 이미지 데이터를 얻는 단계로서, 상기 칼라코드는 하기 표 1의 RGB 값 및 식별능 값을 갖는 칼라-530 내지 칼라-2714로 이루어지되, 상기 식별능 값은 전자눈 장비에 탑재된 소프트웨어에서 분석된 값이고, 상기 칼라-530 내지 칼라-2714의 평균 식별능 값이 0.631인 단계; 및
(b). 상기 얻어진 이미지 데이터로부터 신곡 및 구곡을 결정하되, 상기 얻어진 이미지 데이터를 소프트웨어에 탑재된 칼라코드 분석을 통해 검출하고, 상기 칼라코드 분석은 상기 이미지 데이터를 상기 쌀 신곡 및 구곡 판별용 칼라코드에 의해 공지된 쌀 시료의 칼라코드별 픽셀수와 비교함으로써 수행하는 단계를 포함하는, 쌀 신곡 및 구곡을 판별하는 방법.
[표 1]
- 제4항에 있어서, 상기 쌀 시료는 상기 시료의 쌀 원형 상태로부터 유래되는 것을 특징으로 하는 쌀 신곡 및 구곡을 판별하는 방법.
- 제4항에 있어서, 상기 시약은 구아야콜, 옥시돌 및 파라페닐렌디아민을 포함하는 것을 특징으로 하는 쌀 신곡 및 구곡을 판별하는 방법.
- 제4항에 있어서, 상기 시약 처리는 상기 쌀 시료에 구아야콜 4ml을 가하여 10회 흔들어준 후 2분간 정치하고, 옥시돌 3~4 방울을 가하여 10회 흔들어준 다음, 즉시 파라페닐엔디아민 3ml을 가하여 다시 10회 흔든 후, 5분간 정치한 다음 물로 1회 수세하여 수행하는 것을 특징으로 하는 쌀 신곡 및 구곡을 판별하는 방법.
- 삭제
- 삭제
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170016793A KR101901812B1 (ko) | 2017-02-07 | 2017-02-07 | 전자눈 분석을 이용한 쌀 신곡과 구곡의 판별 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170016793A KR101901812B1 (ko) | 2017-02-07 | 2017-02-07 | 전자눈 분석을 이용한 쌀 신곡과 구곡의 판별 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20180091509A KR20180091509A (ko) | 2018-08-16 |
KR101901812B1 true KR101901812B1 (ko) | 2018-09-28 |
Family
ID=63443606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170016793A KR101901812B1 (ko) | 2017-02-07 | 2017-02-07 | 전자눈 분석을 이용한 쌀 신곡과 구곡의 판별 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101901812B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230086624A (ko) | 2021-12-08 | 2023-06-15 | 롯데지알에스 주식회사 | 커피 생두 최적 품질유지기한 판별장치 및 이를 이용한 커피 생두 최적 품질유지기한 판별방법 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111815724A (zh) * | 2020-07-17 | 2020-10-23 | 安徽萤瞳科技有限公司 | 一种用于大米色选的发黑物料识别方法 |
KR102412798B1 (ko) * | 2020-11-11 | 2022-06-24 | 대한민국 | 쌀 도정도 판별용 칼라 코드 조성물 및 이를 이용한 쌀 도정도 판별 방법 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101032788B1 (ko) | 2011-03-29 | 2011-05-02 | 중앙아이엔티 주식회사 | 계란 신선도 검사 장치 |
KR101276691B1 (ko) * | 2012-12-20 | 2013-06-24 | 쌍용기계산업 주식회사 | 곡물 신선도 판정기 |
-
2017
- 2017-02-07 KR KR1020170016793A patent/KR101901812B1/ko active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101032788B1 (ko) | 2011-03-29 | 2011-05-02 | 중앙아이엔티 주식회사 | 계란 신선도 검사 장치 |
KR101276691B1 (ko) * | 2012-12-20 | 2013-06-24 | 쌍용기계산업 주식회사 | 곡물 신선도 판정기 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230086624A (ko) | 2021-12-08 | 2023-06-15 | 롯데지알에스 주식회사 | 커피 생두 최적 품질유지기한 판별장치 및 이를 이용한 커피 생두 최적 품질유지기한 판별방법 |
Also Published As
Publication number | Publication date |
---|---|
KR20180091509A (ko) | 2018-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11158049B2 (en) | Methods and systems for assessing histological stains | |
CN101701916B (zh) | 一种玉米品种快速鉴定、鉴别方法 | |
CN110763698B (zh) | 一种基于特征波长的高光谱柑橘叶片病害识别方法 | |
KR101901812B1 (ko) | 전자눈 분석을 이용한 쌀 신곡과 구곡의 판별 방법 | |
KR101572226B1 (ko) | 어플리케이션 기반 소변검사용 스트립 및 소변 검사 방법 | |
JP2001264327A (ja) | 視覚的効果を生じる比色ストリップ | |
TWI468670B (zh) | 用於設定光學檢驗參數的裝置及方法 | |
Navas et al. | Raman spectroscopic discrimination of pigments and tempera paint model samples by principal component analysis on first‐derivative spectra | |
CN109323999A (zh) | 一种基于图像数值分析的分光光度检测方法 | |
Edwards et al. | Quantitative measures of iris color using high resolution photographs | |
CN104297161B (zh) | 用于造纸法再造烟叶生产中的产品颜色评判方法及系统 | |
CN109714591A (zh) | 基于对测评标签的图像质量主观评价方法及系统 | |
CN114937032A (zh) | 基于染色分离的病理切片颜色相关质量评估方法 | |
CN112884058A (zh) | 一种基于图像结合高光谱的贝母品种鉴别方法及系统 | |
US10533993B2 (en) | Test strip, inspection system and inspection method thereof | |
JP2018169390A (ja) | 染色体異常判定装置 | |
KR102412798B1 (ko) | 쌀 도정도 판별용 칼라 코드 조성물 및 이를 이용한 쌀 도정도 판별 방법 | |
CN107228786A (zh) | 谷类的精磨度评价方法和染色液的制造方法 | |
CN106846422A (zh) | 皮肤防晒情况的识别方法 | |
Doerflinger et al. | Objective assessment of dried sultana grape quality using digital image analysis | |
Varga et al. | How does Computer vision compare to standard colorimeter in assessing the seed coat color of common bean (Phaseolus vulgaris L.)? | |
KR102691460B1 (ko) | 쌀 찰메성 판별용 칼라 코드 조성물 및 판별 방법 | |
KR20190061935A (ko) | X-선 형광분석기를 이용한 한국산과 중국산 백미 판별 방법 | |
CN114022389B (zh) | 一种基于数码相机进行植物叶色等级判别的方法 | |
Varga et al. | Kakav je računalni vid u odnosu na standardni kolorimetar u procjeni boje sjemene ljuske graha (Phaseolus vulgaris L.)? |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |