KR20140038213A - 라만 분광법 및 케모메트릭스를 이용한 식물의 바이러스 감염에 대한 분석방법 - Google Patents

라만 분광법 및 케모메트릭스를 이용한 식물의 바이러스 감염에 대한 분석방법 Download PDF

Info

Publication number
KR20140038213A
KR20140038213A KR1020120104667A KR20120104667A KR20140038213A KR 20140038213 A KR20140038213 A KR 20140038213A KR 1020120104667 A KR1020120104667 A KR 1020120104667A KR 20120104667 A KR20120104667 A KR 20120104667A KR 20140038213 A KR20140038213 A KR 20140038213A
Authority
KR
South Korea
Prior art keywords
virus
spectrum
plant
sample
present
Prior art date
Application number
KR1020120104667A
Other languages
English (en)
Other versions
KR101523337B1 (ko
Inventor
마종범
지희연
정회일
이상욱
김정수
최홍수
김미경
Original Assignee
주식회사 스마테움
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 스마테움 filed Critical 주식회사 스마테움
Priority to KR1020120104667A priority Critical patent/KR101523337B1/ko
Publication of KR20140038213A publication Critical patent/KR20140038213A/ko
Application granted granted Critical
Publication of KR101523337B1 publication Critical patent/KR101523337B1/ko

Links

Images

Classifications

    • 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
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/70—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving virus or bacteriophage
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/569—Immunoassay; Biospecific binding assay; Materials therefor for microorganisms, e.g. protozoa, bacteria, viruses
    • G01N33/56983—Viruses

Abstract

본 발명은 다음의 단계를 포함하는 식물의 바이러스 감염에 대한 분석방법을 제공한다: (a) 정상 식물 시료와 바이러스-감염된 식물 시료에 빛을 조사하여 분광 스펙트럼을 측정하는 단계로, 상기 분광 스펙트럼은 다량의 상호작용된 양성자(photons)의 스펙트럼을 나타내며; (b) 상기 단계 (a)에서 얻어진 분광 스펙트럼을 전처리(preprocess)하는 단계로, 상기 분광 스펙트럼에서 타겟 영역을 선택하고 웨이블렛(wavelet) 기법과 정규화(normalization)를 이용하여 전처리된 분광 스펙트럼을 획득하고; 및 (c) 상기 전처리된 분광 스펙트럼을 케모메트릭스(chemometrics) 방법으로 분석하는 단계로, 상기 케모메트릭스 방법은 이동식 윈도우 알고리듬(moving window algorithm)을 통해 선별된 최적 영역에서 주인자 분석(principal component analysis, PCA)을 이용하여 실시하는 것을 특징으로 하는 식물의 바이러스 감염에 대한 분석방법. 본 발명의 방법은 분광학(바람직하게는, 라만 분광법) 및 케모메트릭스(chemometrics) 방법을 이용하여 식물의 생엽에서 바이러스의 감염 여부를 비파괴적으로 검출할 수 있을 뿐 아니라 바이러스의 감염 여부를 매우 간편하고 신속하게 제공할 수 있다. 따라서, 본 발명의 방법은 바이러스 감염에 의해 막대한 피해를 받는 작물류, 특히 채소 작물류에 효과적으로 적용될 수 있다.

Description

라만 분광법 및 케모메트릭스를 이용한 식물의 바이러스 감염에 대한 분석방법{Methods for Assessing Virus Infections against a Plant using Raman Spectroscopy and Chemometrics}
본 발명은 식물의 바이러스 감염에 대한 신속 분석방법에 관한 것이다.
최근 지구환경이 변화하면서 전반적인 기온 상승 및 오염으로 여러 가지 병해가 발생되고 있다. 국내에서 발생하는 식물병은 그 종류만 2000개가 훨씬 넘는 실정이며, 이로 인한 국가적인 손실이 막대하기 때문에 필요한 대책이 매우 시급한 상황이다.
식물에서 병을 일으키는 병원균은 크게 곰팡이, 세균, 바이러스의 3종류가 있으며, 그 중 바이러스 병은 식물의 생리장해증상과 비슷한 경우가 많아서 육안으로는 감염 여부를 판단하기가 어려운 실정이다.
바이러스 병은 일단 감염되면 치료법이 거의 없는 실정이며, 감염되었을 경우 감염주 제거가 현재까지는 가장 최선의 방책이다. 만일, 감염주가 초기에 확인이 되어 감염주 제거를 통하여 다른 작물로의 전염을 차단하면 농가의 피해가 최소화 될 수 있으나, 반대로 확인 되지 않은 상태에서 토양, 농민, 벌레 등을 매개체로 전염이 확대 될 경우 작물장 전체 작물들이 피해를 보게 된다. 특히, 경제적인 면에서 방제의 가치가 있는 작물 중 박과, 가지과에서 바이러스 병 발생의 빈도가 심하여 감염 여부 조기 진단에 대한 관심과 요구가 급격히 증대되고 있다. 결국, 본엽 1~2개 정도로 바이러스가 감염되었을 초기 단계에 감염 여부를 신속하게 진단하여 필요한 조치를 취하는 것이 가장 이상적인 방법이지만, 상술한 바와 같이 육안으로는 감염 여부 판단이 불가능한 실정이다.
현재, 바이러스 병 진단방법은 주로 지표식물 이용, 혈청학적 방법 등 생물학적인 진단법들이 사용되고 있으나 분석 시간이 많이 소요되기 때문에 예방을 위한 시기를 놓치기 쉬울 뿐만 아니라, 감염이 의심되어 대량의 시료를 동시에 분석하고자 할 때 현실적으로 단기간에 분석하기는 불가능하다. 또한, 분석을 위해서는 시료를 파괴하여야 한다는 단점이 있다.
결론적으로, 바이러스 감염의 신속 확인을 위해서는 식물의 잎을 신속하고 비파괴적으로 분석하는 동시에 현장에서 휴대하면서 측정 가능한 분석법이 시급히 요구되고 있는 실정이다.
본 명세서 전체에 걸쳐 다수의 논문 및 특허문헌이 참조되고 그 인용이 표시되어 있다. 인용된 논문 및 특허문헌의 개시 내용은 그 전체로서 본 명세서에 참조로 삽입되어 본 발명이 속하는 기술 분야의 수준 및 본 발명의 내용이 보다 명확하게 설명된다.
본 발명자들은 식물에 대한 바이러스 감염을 효과적이고 신속하게 검출할 수 있는 분석방법을 개발하고자 노력하였다. 그 결과, 본 발명자들은 분광학(바람직하게는, 라만 분광법) 및 케모메트릭스(chemometrics) 방법을 이용하여 식물의 생엽에서 바이러스의 감염 여부를 비파괴적으로 신속하게 검출할 수 있음을 발견함으로써, 본 발명을 완성하게 되었다.
본 발명의 목적은 식물의 바이러스 감염에 대한 분석방법을 제공한다.
본 발명의 다른 목적 및 이점은 하기의 발명의 상세한 설명, 청구범위 및 도면에 의해 보다 명확하게 된다.
본 발명의 일 양태에 따르면, 본 발명은 다음의 단계를 포함하는 식물의 바이러스 감염에 대한 분석방법을 제공한다: (a) 정상 식물 시료와 바이러스-감염된 식물 시료에 빛을 조사하여 분광 스펙트럼을 측정하는 단계로, 상기 분광 스펙트럼은 다량의 상호작용된 양성자(photons)의 스펙트럼을 나타내며; (b) 상기 단계 (a)에서 얻어진 분광 스펙트럼을 전처리(preprocess)하는 단계로, 상기 분광 스펙트럼에서 타겟 영역을 선택하고 웨이블렛(wavelet) 기법과 정규화(normalization)를 이용하여 전처리된 분광 스펙트럼을 획득하고; 및 (c) 상기 전처리된 분광 스펙트럼을 케모메트릭스(chemometrics) 방법으로 분석하는 단계로, 상기 케모메트릭스 방법은 이동식 윈도우 알고리듬(moving window algorithm)을 통해 선별된 최적 영역에서 주인자분석(principal component analysis, PCA)을 이용하여 실시하는 것을 특징으로 하는 식물의 바이러스 감염에 대한 분석방법.
본 발명자들은 식물에 대한 바이러스 감염을 효과적이고 신속하게 검출할 수 있는 분석방법을 개발하고자 노력하였다. 그 결과, 본 발명자들은 분광학(바람직하게는, 라만 분광법) 및 케모메트릭스 방법을 이용하여 식물의 생엽에서 바이러스의 감염 여부를 비파괴적으로 신속하게 검출할 수 있음을 발견하였다.
먼저, 본 발명의 분석방법은 정상 식물 시료와 바이러스-감염된 식물 시료에 빛을 조사하여 분광 스펙트럼을 측정한다(단계 (a)).
원자 또는 분자는 빛 에너지를 흡수함에 따라 전자 전이 및 진동, 회전 또는 병진을 포함하는 분자운동을 함으로써, 바닥 상태에 있는 원자나 분자는 그 종류에 따라 특정 파장의 자외선 및 가시선을 흡수하며 전자 전이를 일으키면서 흡수 스펙트럼을 나타낸다. 이때, 원자 또는 분자의 전자 구조 및 조성에 따라 흡수하는 파장이 다르고 이에 따라 흡수하는 빛의 세기(흡광도)에서도 차이가 나타나게 된다. 분광학은 상술한 반응 값을 측정하여 미지의 물질에 대해 정성적 및 정량적 분석(qualitative and quantitative analysis)을 하는 분야로 이러한 측정을 위해 사용하는 장치가 분광계 혹은 분광사진이다. 본래, '분광계(spectrometer)'라는 용어는 원래 분광학이 처음 시작된 광학 분야에서 유래한 것이다.
통상적으로, 분광학은 물리와 분석화학 분야에 적용되는데 물질에서 방출되거나 물질에 흡수되는 스펙트럼을 분석하여 물질을 식별한다. 또한, 분광학은 천문학이나 원격 센서에도 중요하게 사용된다. 대부분의 대형 망원경에는 분광계가 설치되어있으며 천체의 화학적 조성과 물리학적 특성을 측정하거나 스펙트럼선의 도플러 이동을 통해 천체의 속도를 측정하는 데 사용된다.
예를 들어, 분광학적 분석법은 핵자기공명법(NMR: Nuclear Magnetic Resonance), 적외선 분광법(IR: Infrared Spectroscopy), X-선 분광법 (XRF: X-ray Flourescene), 라만 분광법(Raman: Raman Spectroscopy), 라만분광학 현미경(CARS Imaging: Coherent Antistoke Raman Scattering), 분광학 현미경(Vibrational Imaging), 자외선-가시광선 분광법(UV-Vis: Ultraviolet/Visible Spectroscopy), 근적외선 분광법 (NIR: Near Infrared Spectroscopy), X-선 광전자분광법(XPS: X-ray Photoelectron Spectroscopy) 등을 포함하지만, 이에 한정되는 것은 아니다.
본 발명의 바람직한 구현예에 따르면, 본 발명의 방법은 라만 분광법을 이용하여 실시한다.
라만 분광법은 1928년 Raman 등이 용액에 파란색 빛을 투과하였을 때 초록색 빛깔을 띠는 빛이 산란되어 나오는 라만 산란(Raman scattering 혹은 Raman effect)을 관찰함으로써 처음 발견하였다. 본 명세서의 용어 "라만 산란(Raman scattering 혹은 Raman effect)"은 빛이 어떤 매질을 통과할 때 빛의 파장을 변화시켜 빛의 일부는 진행 방향에서 이탈해 다른 방향으로 진행하는 현상을 의미한다.
라만 분광법은 시료에 단파장의 레이저를 조사하여 산란된 빛을 검출하여 분자 수준의 정보를 얻어내는 유용한 분광법으로, 기존의 적외선(Infrared) 분광법에서 얻을 수 있는 정보와 서로 상보적인 화학구조 정보를 얻을 수 있는 방법으로 생화학/화학/소재 분야에 광범위하게 사용되고 있으며, 적외선 분광법에 비해 시료 측정이 매우 간단하다. 특히, 식물의 잎과 같이 생물학적인 시료는 물의 함량이 매우 높은데, 이로 인하여 원하고자 하는 분석 물질의 피크들을 확인하기가 불가능하게 된다. 적외선 분광법을 이용하여 물을 포함한 시료를 분석하는 것은 현실적으로 매우 어렵지만, 라만 분광법의 경우 물 피크가 거의 나타나지 않기 때문에 생물학적 시료의 분석에 적합한 최적의 분광법이다.
상술한 바와 같이, 라만 분광법은 분자들의 진동 상태(vibrational state)에 대한 정보를 제공한다. 대부분의 경우, 흡수된 광선(radiation)은 동일한 파장에서 재-방사(re-radiated)되는데, 이를 레일레이 산란(Rayleigh scattering) 또는 탄성 산란(elastic scattering)의 과정이라고 한다. 이때, 재-방사된 광선은 흡수된 광선보다 약간 높은 에너지 또는 약간 낮은 에너지를 포함한다. 투사 광선(incident radiation)과 재-방사된 광선 간의 에너지 차이는 이들 간의 파장에서의 이동(shift)으로 나타나고 이러한 차이의 정도는 파수(파장의 역수)의 단위로서 측정되어 라만 쉬프트(Raman shift, RS)로 표현된다. 만일 투사 광선이 단파장이고 레이저를 그 소스로 이용하는 경우, 주파수 상에 차이를 가지는 산란된 광선(빛)은 레일레이 산란된 광선(빛)과 좀더 용이하게 구별될 수 있다. 즉, 라만 쉬프트는 분자의 진동 주파수에 해당한다. 따라서, 라만 분광법은 적외선(Infrared, IR) 분광법과 같이 분자의 진동 형태, 회전상태에 대한 정보를 얻기 위해 사용되지만 적외선 분광법에서와는 다른 메카니즘과 선택 규칙에 근거하며 측정방법도 다르다.
본 발명의 바람직한 구현예에 따르면, 본 발명의 방법에서 상기 단계 (a)에서 조사되는 빛은 단파장(single wavelength)이지만, 이에 한정되는 것은 아니며, 보다 바람직하게는 단파장 레이저 소스(laser source)이고, 가장 바람직하게는 다이오드 레이저 소스이다.
본 발명의 바람직한 구현예에 따르면, 본 발명의 방법에서 상기 단계 (a)에서 조사되는 빛의 파수는 중-적외선(Mid-infrared) 영역인 4,000-200 cm-1 영역이고, 보다 바람직하게는 1,800-700 cm-1 영역이며, 보다 더 바람직하게는 1,000-800 cm-1 영역이고, 보다 더욱 더 바람직하게는 890-820 cm-1 영역이며, 가장 바람직하게는 865-860 cm-1 영역이다.
통상적으로, 분광학적 이미징(spectroscopic imaging)은 디지털 이미징과 분자 분광학적 기법을 조합하는데, 예를 들어 이는 라만 산란, 형광, 발광, 자외선, 가시광선 및 적외선 흡수 분광 스펙트럼을 포함한다.
본 발명의 바람직한 구현예에 따르면, 본 발명의 방법에서 상기 단계 (a)에서 상호작용된 양성자(photons)는 상기 시료에 의해 산란(scattered) 양성자, 상기 시료로부터 방출된 양성자, 상기 시료로부터 반사된 양성자, 상기 시료에 의해 흡수된 양성자 및 이의 조합으로 구성된 군으로부터 선택된다.
본 발명의 바람직한 구현예에 따르면, 본 발명의 방법에서 상기 단계 (a)의 분광 스펙트럼은 상기 시료의 라만 스펙트럼, 상기 시료의 라만 화학적 분석 이미지(Raman chemical image) 및 이의 조합이며, 상기 라만 화학적 분석 이미지(Raman chemical image)는 고분광영상(hyperspectral image)을 포함한다.
다음으로, 본 발명은 상기 단계 (a)에서 얻어진 분광 스펙트럼을 전처리(preprocess)한다(단계 (b)). 이때, 상기 분광 스펙트럼에서 타겟 영역을 선택(불필요한 영역의 제거하는 과정으로, 이동식 윈도우 알고리듬을 이용하여 선택된다)하고 웨이블렛(wavelet) 기법과 정규화(normalization)를 이용하여 전처리된 분광 스펙트럼을 획득한다.
본 발명의 웨이블렛 방법은 당업계에 공지된 다양한 웨이블렛 방법을 이용하여 실시될 수 있다. 웨이블렛 방법의 종류는 다양한 인자에 따라 분류되며, 웨이블렛 함수(mother wavelet), p(t)와 스케일링 함수, p(t)의 지지범위, 좌우대칭성(regulatity), 스케일링 함수의 존재 여부, 직교성질(orthogonality), 여러가지 유형이 존재하며 현재도 신규하게 만들어지고 있는 중인 명확한 수식적 표현의 존재 여부 등에 따라 분류될 수 있다. 예를 들어, 수식으로 나타내질 수 있는 웨이블렛의 종류는 모어렛 웨이블렛(Morlet Wavelet), 섀넌 웨이블렛(Shannon Wavelet), 가우스의 2차 미분(Second derivative of Gaussian), 멕시칸 모자 웨이블렛(Mexican hat Wavelet), 메이어 웨이블렛(Meyer Wavelet), 하르 웨이블렛(Haar Wavelet) 등을 포함하지만, 이에 한정되는 것은 아니다.
한편, 웨이블렛 방법의 해석은 신호처리 계통에 속하는 여러 분야에서 각자의 특수한 목적에 부합되도록 개별적으로 발전시켜온 특수한 기술들을 하나로 통합하면서 등장하였으며, 연속 신호와 이산 신호의 경우 모두에 적용될 수 있는데, 이는 컴퓨터 비젼에서 이용된 다해상도(multi-resolution) 분석 방법이나 음성과 영상압축에서 사용되던 서브밴드(sub-band) 코딩 기법, 응용 수학에서 사용된 웨이블렛 시리즈 전개 등 많은 기본 기법들이 최근에 들어 웨이블렛 이론의 특수한 응용으로 발전되었다. 또한, 웨이블렛의 변환은 특히 비정형(nonstationary) 신호의 분석에 유리한 특징(예컨대, 고주파 대역에서는 폭이 좁은 윈도우를, 저주파 대역에서는 폭이 넓은 윈도우를 이용)을 가져서 고전적인 단구간 푸리에 변환(short time fourier transform, STFT)이나 가보 변환(gabor transform)을 대체할 새로운 대안으로 대두되고 있다.
본 발명의 바람직한 구현예에 따르면, 본 발명에서 이용되는 웨이블렛 변형 방법은 이산 웨이블렛 변환(discrete wavelet transform, DWT) 방법이다. 상기 이산 웨이블렛 변환은 기저함수(basis function)들의 집합에 의해 신호를 분해하고, 영상의 국부적인 영역을 분석 및 조정(다중해상도 분석)할 수 있다. 보다 상세하게는, 본 발명의 이산 웨이블렛 변환은 스펙트럼을 여러 함수의 합이라고 가정하여 웨이블렛을 이용하여 파장의 크기에 따른 여러 함수로 나눈 후 잡음(노이즈)이라 간주되는 함수 또는 라만 스펙트럼에서 불필요한 바탕선이라고 생각되는 함수를 제거한다. 즉, 본 발명의 이산 웨이블렛 변환은 라만 스펙트럼에서 불필요한 바탕선이라고 생각되는 파장이 큰 함수를 제거하여 바탕선을 자동적으로 보정함으로써 실시된다.
본 발명의 바람직한 구현예에 따르면, 본 발명에서 이산 웨이블렛 변환을 이용하여 라만 스펙트럼에서 형광(fluorescence)이라고 여겨지는 불필요한 바탕선을 제거한다.
본 발명의 바람직한 구현예에 따르면, 본 발명의 정규화(normalization) 과정은 스펙트럼을 하나의 도형으로 간주하고 각각의 스펙트럼의 넓이를 동일하게 처리한다. 동일하게 보정된 스펙트럼의 넓이는 불안정한 레이저 세기에 의한 라만 강도에 대한 보정을 나타내며, 이를 통해 스펙트럼 모양의 차이를 더욱 명확하게 확인할 수 있다.
상기 스펙트럼 전처리 과정(Spectral preprocessing)은 정확한 정량 또는 정성 검량을 위해 스펙트럼의 변화를 제거 또는 보완하는 과정으로, 스펙트럼에 포함된 노이즈(noise; 불필요한 영역)를 제거하기 위해 보다 안정적이고 정확도가 높은 예측 모델을 만들기 위해 이용될 수 있다.
본 발명의 바람직한 구현예에 따르면, 본 발명의 스펙트럼 전처리는 MSC(multiplicative scatter correction), SNV(standard normal variate), OSC(orthogonal signal correction 및 Savitzk-Golay 알고리듬을 포함하지만, 이에 한정되는 것은 아니다.
마지막으로, 본 발명은 상술한 전처리된 분광 스펙트럼을 케모메트릭스(chemometrics) 방법으로 분석한다(단계 (c)).
케모메트릭스는 통계적 다변량(Multivariate) 회귀분석법을 포함하는 검량기법의 총칭으로, 띠나비가 넓고 중첩이 심한 스펙트럼에서도 원하는 조성 및 물성의 검량을 가능하게 한다. 다변량 회귀분석법(multivariate analysis)은 화학분야에서는 많이 알려져 있지 않지만, 전자공학이나 통계학 등에서 많이 사용되는 방법이다. 케모메트릭스는 어떤 인풋(Input) 값(예컨대, 미지의 식물 시료(감염주)의 스펙트럼) 자체의 변수의 수가 너무 많거나 이론적인 해석이 쉽지 않아 기존의 일반 회귀분석으로는 상관관계를 찾기 어려울 때 알고 있는 아웃풋(Output) 값(예컨대, 알고 있는 식물 시료(건전주)의 스펙트럼)을 이용하여 인풋 값과의 통계적인 상관관계를 만드는 통계적 방법이다. 다시 말해서, 이론적인 상관관계보다는 실험적인(Empirical) 검량기법이라고 말할 수 있다.
본 발명의 바람직한 구현예에 따르면, 본 발명의 다변량 회귀분석법은 주인자 분석(Principle component analysis, PCA), 선형판별분석(Linear discriminant analysis, LDA), 2차 판별분석(quadratic discriminant analysis, QDA), PCA-LDA, PLS-DA(partial least squires discriminant analysis), 계층분류(hierarchical clustering) 및 서포터 벡터 머신(SVM, support vector machine)으로 이루어진 군으로부터 선택되는 하나 이상의 다변량 통계분석(mutivariate analysis)을 이용하지만, 이에 한정되는 것은 아니다.
케모메트릭스 방법들 중 정성적인 분석을 위하여 가장 많이 사용되는 방법은 주인자 분석법(Principal Component Analysis, PCA)이다.
PCA 방법은 원래의 스펙트럼을 그대로 사용하는 것이 아니라, 스펙트럼을 기준 스펙트럼과 스케일링 인자(Scaling Factor)를 이용하여 재설정하여 분석하는 방법으로, 2차원의 점으로 표현될 수 있으며 이를 스코어(score)라고 한다. 즉, 복잡한 스펙트럼을 특징있는 몇 개의 변수로 디컨볼루션(Deconvolution)하여 간소화시켜 분석할 수 있는 방법이다. 예를 들어, 파수나 파장의 개수가 100개인 스펙트럼의 경우 PCA를 거쳐 총 100개의 스코어를 얻을 수 있으며 100차원의 점 하나로 스펙트럼 하나의 표현이 가능하다(참고: 도 1 및 도 6).
상기 스코어는 첫 번째 스코어(first score)가 가장 많은 스펙트럼의 정보를 표현하며 그 다음으로는 첫 번째 스코어에서 표현한 정보를 제외한 남은 정보 중 가장 많은 스펙트럼의 정보를 표현하는 것이 두 번째 스코어(second score)로 표현된다. 즉, 첫 번째 스코어, 두 번째 스코어, 세 번째 스코어 순서로 스펙트럼의 정보를 많이 표현한다. 상술한 바와 같이, 스펙트럼에 PCA를 적용하면 파장 혹은 파수의 개수 만큼 스코어를 구할 수 있지만 육안으로 확인하기 위해서는 2차원의 점으로 표현되는 것이 바람직하다.
본 발명의 바람직한 구현예에 따르면, 본 발명의 방법은 다양한 식물-감염 바이러스를 검출할 수 있으며, 보다 바람직하게는 포티바이러스 종(potyvirus species)을 포함하고, 보다 더 바람직하게는 ZYMV(Zucchini yellow mosaic virus), TuMV(Turnip mosaic virus), DsMV(Dasheen mosaic virus), PRSV(Papaya ringspot virus), PVA(Potato virus A), PVY(Potato virus Y), ZaMV(Zantedeschia mosaic virus) 및 ZaMMV(Zantedeschia mild mosaic virus)를 포함하지만, 이에 한정되는 것은 아니다. 가장 바람직하게는, 본 발명의 방법은 ZYMV(Zucchini yellow mosaic virus)를 매우 효과적으로 검출할 수 있다.
본 발명의 방법이 적용될 수 있는 식물은 특별하게 제한되지 않는다. 본 발명의 방법이 적용될 수 있는 식물로는 상치, 배추, 감자 및 무를 포함하는 대부분의 쌍자엽 식물(dicotyledonous plant) 또는 벼, 보리, 바나나 등의 단자엽 식물 (monocotyledonous plant)을 모두 이용될 수 있으며, 특히 토마토와 같이 과피가 얇아 바이러스 감염에 따른 품질 저하가 급격히 나타나는 식용 채소 또는 과일 그리고 잎이 주된 상품으로 거래되는 식물 등에 적용할 경우 바이러스 감염의 검출에 매우 효과적이다. 바람직하게는, 본 발명의 방법은 벼, 밀, 보리, 옥수수, 콩, 감자, 밀, 팥, 귀리 및 수수를 포함하는 식량 작물류; 아라비돕시스, 배추, 무, 고추, 딸기, 토마토, 수박, 오이, 양배추, 참외, 호박, 파, 양파 및 당근을 포함하는 채소 작물류; 인삼, 담배, 목화, 참깨, 사탕수수, 사탕무우, 들깨, 땅콩 및 유채를 포함하는 특용작물류; 사과나무, 배나무, 대추나무, 복숭아, 양다래, 포도, 감귤, 감, 자두, 살구 및 바나나를 포함하는 과수류; 장미, 글라디올러스, 거베라, 카네이션, 국화, 백합 및 튤립을 포함하는 화훼류; 및 라이그라스, 레드클로버, 오차드그라스, 알파알파, 톨페스큐 및 페레니얼라이그라스를 포함하는 사료작물류로 구성된 군으로부터 선택되는 식물체에 적용될 수 있다. 가장 바람직하게는, 본 발명의 방법은 오이를 포함하는 채소 작물류에 적용된다.
본 발명의 바람직한 구현예에 따르면, 본 발명의 방법이 적용되는 시료는 식물의 생엽이다.
본 발명의 특징 및 이점을 요약하면 다음과 같다:
(a) 본 발명은 식물의 바이러스 감염에 대한 신속 분석방법에 관한 것이다.
(b) 본 발명의 방법은 분광학(바람직하게는, 라만 분광법) 및 케모메트릭스(chemometrics) 방법을 이용하여 식물의 생엽에서 바이러스의 감염 여부를 비파괴적으로 검출할 수 있다.
(c) 또한, 본 발명의 방법은 바이러스의 감염 여부를 매우 간단하고 신속하게 제공할 수 있다.
(d) 따라서, 본 발명의 방법은 바이러스 감염에 의해 막대한 피해를 받는 작물류, 특히 채소 작물류에 효과적으로 적용될 수 있다.
도 1은 본 발명의 방법을 도식적으로 보여주는 도면이다.
도 2는 전처리 과정을 통한 스펙트럼 변화를 보여주는 도면이다.
도 3은 이동식 윈도우 알고리듬(moving window algorithm)의 개략적인 개념을 나타낸다.
도 4는 탐색된 최적 영역에서 건전주(왼쪽 패널)와 감염주(오른쪽 패널)의 스펙트럼 변화를 측정한 결과이다. 가장 아래의 붉은 스펙트럼은 두 시료 모두에서 측정된 바이러스 감염전의 스펙트럼이고, 그 위쪽 스펙트럼들은 날짜에 따라 순차적으로 측정된 스펙트럼(감염주의 경우, 아래부터 바이러스(ZYMV)-감염 1일째부터 9일째)이다. 화살표는 건전주와 감염주 간의 보다 확연한 차이를 나타내는 부분을 지시한다.
도 5는 바이러스를 하루 동안 접종시킨 후 건전주(검은선)와 감염주(빨간선)의 스펙트럼을 비교한 결과이다.
도 6은 날짜에 따른 스펙트럼의 변화를 주인자분석(principal component analysis, PCA)을 통해 산출한 결과이다. 점선은 바이러스를 접종한 날을 나타낸다.
이하, 실시예를 통하여 본 발명을 더욱 상세히 설명하고자 한다. 이들 실시예는 오로지 본 발명을 보다 구체적으로 설명하기 위한 것으로, 본 발명의 요지에 따라 본 발명의 범위가 이들 실시예에 의해 제한되지 않는다는 것은 당업계에서 통상의 지식을 가진 자에 있어서 자명할 것이다.
실시예
실험결과
박과의 일종인 오이(Cucumis sativus; 농우종묘, 한국) 시료를 사용하였으며 ZYMV(Zucchini yellow mosaic virus; 농촌진흥청 국립농업과학원 작물보호과, 한국)로 감염시킨 감염주 및 건전주(정상 식물)의 라만 스펙트럼(Raman spectrum)을 키모메트릭스 방법을 이용하여 차이를 확인하였다. 상기 라만 스펙트럼은 라만 분광기(Kaiser Optical Inc.; Ann Arbor, MI, USA)를 이용하여 측정하였다. 라만 분광기의 광 센서는 여기 레이저(excitation laser)로 785 nm의 다이오드 레이저(diode laser)를 이용하였으며, 목적 시료의 유의한 영역을 포괄하기 위해 6 mm 직경(약 28.3 mm2)의 원형 조명(circular illumination)으로 증폭되었다. 산란된 광선(scattered radiation) 50개의 광섬유(optical fiber)를 이용하여 수집되어 CCD 검출기(Andor, USA)로 전달되었다. 도 1은 본 발명의 방법을 개략적으로 나타낸 모식도이다.
사용된 시료는 계속 건강한 상태를 유지시키는 오이 3그루(대조군; 건전주)와 ZYMV를 접종시키는 오이 3그루(감염주)로 총 6그루이다. 모든 시료의 라만 스펙트럼을 날짜 별로 측정하여 이에 따른 변화를 분석하였다. 얻어진 스펙트럼을 전처리하기 위해 불필요한 영역을 제거하고 웨이블렛(wavelet) 기법과 정규화(normalization)를 이용하였다(도 2).
본 발명의 웨이블렛 방법은 이산 웨이블렛 변환(discrete wavelet transform, DWT)를 이용하였다.
도 2에서 확인할 수 있듯이, 본 발명자들은 보다 정돈되고 정확한 패턴의 전처리된 스펙트럼을 얻을 수 있었다.
이후, 상기 전처리된 스펙트럼에서 건전주와 감염주의 차이를 가장 잘 나타내는 스펙트럼의 최적 영역을 이동식 윈도우 알고리듬(moving window algorithm)을 통해 얻었다. 도 3은 이동식 윈도우 알고리듬의 개략적인 개념을 나타낸다.
도 3에서 볼 수 있듯이, 이동식 윈도우 알고리듬의 크기(범위)를 작은 크기(범위)부터 실시하고 점점 더 큰 크기(범위)로 확대하여 실시함으로써, 건전주와 감염주 간의 차이가 가장 명확하게 나타나는 최적 영역을 탐색하였다. 이후, 이동식 윈도우 알고리듬을 이용하여 탐색된 최적 영역에서 감염주와 건전주의 스펙트럼의 변화를 시간에 따라 관찰하였다.
도 4는 탐색된 최적 영역에서 건전주와 감염주의 스펙트럼 변화를 측정한 결과이다. 바이러스(ZYMV)-감염된 오이(감염주)의 스펙트럼은 건전주의 스펙트럼과 비교하여 아래로부터 두 번째, 세 번째 및 네 번째 스펙트럼에서 명확한 차이를 나타냈다. 즉, 바이러스 감염된 후 하루, 이틀 및 사흘째의 스펙트럼이 건전주와 패턴의 차이를 나타냈으며, 특히 이틀 후 스펙트럼은 865-860 cm-1의 파장 영역에서 육안으로도 확연하게 구별되는 차이를 나타냈다(화살표). 또한, 이를 보다 정확하게 비교하기 위해, 바이러스를 하루 동안 감염시켜 건전주와 감염주의 스펙트럼을 측정하여 동일 그래프 상에 나타냈다(도 5).
더 나아가, 감염 후 날짜 변화에 의한 스펙트럼 변화를 쉽게 관찰하기 위해 주인자 분석을 실시하였다(도 6). 스펙트럼은 주인자 분석을 통해 2차원의 점으로 표현될 수 있으며 이는 스코어(score)라고 명명되었다. 예를 들어, 파수나 파장의 개수가 100개인 스펙트럼의 경우 PCA를 거쳐 총 100개의 스코어를 얻어 100차원의 점 하나로 표현하였다(참고: 도 6).
본 연구에서 첫 번째 스코어부터 다섯 번째 스코어까지의 스펙트럼 정보는 약 98% 이상을 포함하였으며, 상기 98% 수치의 의미는 스펙트럼을 PCA에 적용하였을 때에 얻을 수 있었던 수치였다. 본 발명에서는 여섯 번째 스코어부터는 스펙트럼의 중요한 정보를 포함하지 않는다고 판단되어 사용하지 않았다.
그 결과, 첫 번째 스코어를 이용한 분석에서 건전주와 감염주 간에 뚜렷한 분석값의 차이를 나타냈으며, 감염 초기에 더욱 두드러진다는 것을 확인할 수 있었다.
이상으로 본 발명의 특정한 부분을 상세히 기술하였는바, 당업계의 통상의 지식을 가진 자에게 있어서 이러한 구체적인 기술은 단지 바람직한 구현 예일 뿐이며, 이에 본 발명의 범위가 제한되는 것이 아닌 점은 명백하다. 따라서, 본 발명 의 실질적인 범위는 첨부된 청구항과 그의 등가물에 의하여 정의된다고 할 것이다.

Claims (12)

  1. 다음의 단계를 포함하는 식물의 바이러스 감염에 대한 분석방법:
    (a) 정상 식물 시료와 바이러스-감염된 식물 시료에 빛을 조사하여 분광 스펙트럼을 측정하는 단계로, 상기 분광 스펙트럼은 다량의 상호작용된 양성자(photons)의 스펙트럼을 나타내며;
    (b) 상기 단계 (a)에서 얻어진 분광 스펙트럼을 전처리(preprocess)하는 단계로, 상기 분광 스펙트럼에서 타겟 영역을 선택하고 웨이블렛(wavelet) 기법과 정규화(normalization)를 이용하여 전처리된 분광 스펙트럼을 획득하고; 및
    (c) 상기 전처리된 분광 스펙트럼을 케모메트릭스(chemometrics) 방법으로 분석하는 단계로, 상기 케모메트릭스 방법은 이동식 윈도우 알고리듬(moving window algorithm)을 통해 선별된 최적 영역에서 주인자 분석(principal component analysis, PCA)을 이용하여 실시하는 것을 특징으로 하는 식물의 바이러스 감염에 대한 분석방법.
  2. 제 1 항에 있어서, 상기 식물은 벼, 밀, 보리, 옥수수, 콩, 감자, 밀, 팥, 귀리 및 수수를 포함하는 식량 작물류; 아라비돕시스(Arabidopsis), 배추, 무, 고추, 딸기, 토마토, 수박, 오이, 양배추, 참외, 호박, 파, 양파 및 당근을 포함하는 채소 작물류; 인삼, 담배, 목화, 참깨, 사탕수수, 사탕무우, 들깨, 땅콩 및 유채를 포함하는 특용작물류; 사과나무, 배나무, 대추나무, 복숭아, 양다래, 포도, 감귤, 감, 자두, 살구 및 바나나를 포함하는 과수류; 장미, 글라디올러스, 거베라, 카네이션, 국화, 백합 및 튤립을 포함하는 화훼류; 및 라이그라스, 레드클로버, 오차드그라스, 알파알파, 톨페스큐 및 페레니얼라이그라스를 포함하는 사료작물류로 구성된 군으로부터 선택되는 것을 특징으로 하는 식물의 바이러스 감염에 대한 분석방법.
  3. 제 1 항에 있어서, 상기 단계 (a)의 시료는 식물의 생엽인 것을 특징으로 하는 식물의 바이러스 감염에 대한 분석방법.
  4. 제 1 항에 있어서, 상기 단계 (a)에서 조사되는 빛은 단파장(single wavelength) 레이저 소스(laser source)인 것을 특징으로 하는 식물의 바이러스 감염에 대한 분석방법.
  5. 제 1 항에 있어서, 상기 단계 (a)에서 조사되는 빛의 파수는 중간-적외선(Mid-infrared) 영역인 것을 특징으로 하는 식물의 바이러스 감염에 대한 분석방법.
  6. 제 5 항에 있어서, 상기 단계 (a)에서 조사되는 빛의 파수는 865-860 cm-1 영역인 것을 특징으로 하는 식물의 바이러스 감염에 대한 분석방법.
  7. 제 1 항에 있어서, 상기 단계 (a)에서 상호작용된 양성자(photons)는 상기 시료에 의해 흩뿌려진(scattered) 양성자, 상기 시료로부터 방출된 양성자, 상기 시료로부터 반사된 양성자, 상기 시료에 의해 흡수된 양성자 및 이의 조합으로 구성된 군으로부터 선택되는 것을 특징으로 하는 식물의 바이러스 감염에 대한 분석방법.
  8. 제 1 항에 있어서, 상기 단계 (a)의 분광 스펙트럼은 상기 시료의 라만 스펙트럼, 상기 시료의 라만 화학적 분석 이미지(Raman chemical image) 또는 이의 조합인 것을 특징으로 하는 식물의 바이러스 감염에 대한 분석방법.
  9. 제 8 항에 있어서, 상기 라만 화학적 분석 이미지(Raman chemical image)는 고분광영상(hyperspectral image)을 포함하는 것을 특징으로 하는 식물의 바이러스 감염에 대한 분석방법.
  10. 제 1 항에 있어서, 상기 단계 (b)에서 타겟 영역은 이동식 윈도우 알고리듬의 반복적 실행을 통해 상기 정상 식물 시료와 바이러스-감염된 식물 시료 간의 스펙트럼의 차이가 명확하게 나타나는 영역으로 선택되는 것을 특징으로 하는 식물의 바이러스 감염에 대한 분석방법.
  11. 제 1 항에 있어서, 상기 바이러스는 포티바이러스 종(potyvirus species)인 것을 특징으로 하는 식물의 바이러스 감염에 대한 분석방법.
  12. 제 11 항에 있어서, 상기 포티바이러스 종은 ZYMV(Zucchini yellow mosaic virus)인 것을 특징으로 하는 식물의 바이러스 감염에 대한 분석방법.
KR1020120104667A 2012-09-20 2012-09-20 라만 분광법 및 케모메트릭스를 이용한 식물의 바이러스 감염에 대한 분석방법 KR101523337B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120104667A KR101523337B1 (ko) 2012-09-20 2012-09-20 라만 분광법 및 케모메트릭스를 이용한 식물의 바이러스 감염에 대한 분석방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120104667A KR101523337B1 (ko) 2012-09-20 2012-09-20 라만 분광법 및 케모메트릭스를 이용한 식물의 바이러스 감염에 대한 분석방법

Publications (2)

Publication Number Publication Date
KR20140038213A true KR20140038213A (ko) 2014-03-28
KR101523337B1 KR101523337B1 (ko) 2015-05-28

Family

ID=50646687

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120104667A KR101523337B1 (ko) 2012-09-20 2012-09-20 라만 분광법 및 케모메트릭스를 이용한 식물의 바이러스 감염에 대한 분석방법

Country Status (1)

Country Link
KR (1) KR101523337B1 (ko)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104256882A (zh) * 2014-09-04 2015-01-07 国家烟草质量监督检验中心 基于计算机视觉的烟丝中再造烟叶比例测定方法
KR20160055008A (ko) * 2014-11-07 2016-05-17 아이엠이씨 브이제트더블유 생체 시료의 분석 시스템 및 이를 이용한 분석 방법
CN106872383A (zh) * 2017-03-31 2017-06-20 南京农业大学 一种基于连续小波分析的水稻反射光谱红边位置提取方法
CN107014967A (zh) * 2017-04-18 2017-08-04 齐鲁工业大学 一种果桑品种筛选和果实品质改良方法
WO2017175928A1 (ko) * 2016-04-08 2017-10-12 고려대학교 산학협력단 패턴인식을 통한 엑소좀의 라만 신호 분류 방법 및 세포 진단 방법
CN108007916A (zh) * 2017-03-16 2018-05-08 黑龙江八农垦大学 希尔伯特黄法建立稻株氮含量的共聚焦显微拉曼测量模型
CN108007917A (zh) * 2017-03-16 2018-05-08 黑龙江八农垦大学 希尔伯特法建立稻株中氮素含量拉曼光谱测量模型方法
CN108693131A (zh) * 2018-04-17 2018-10-23 云南中烟工业有限责任公司 一种烟草黄化病判定方法
CN108844912A (zh) * 2018-04-19 2018-11-20 中科谱光科技（北京）有限公司 一种作物长势光谱智能分析系统及方法
CN109684970A (zh) * 2018-12-18 2019-04-26 暨南大学 一种结构动力响应的移动主成分分析的窗口长度确定方法
CN110211044A (zh) * 2019-05-24 2019-09-06 北京理工大学 基于去马赛克算法和主成分分析的多光谱成像方法及装置
WO2020136376A1 (en) * 2018-12-24 2020-07-02 Cell Therapy Catapult Limited Methods for determining viral titre using raman spectroscopy
KR20230014007A (ko) * 2021-07-20 2023-01-27 대한민국(농촌진흥청장) Vnir 스펙트럼을 이용한 형질전환 십자화과 교잡종 판별 방법 및 시스템

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080113337A1 (en) * 2004-11-12 2008-05-15 The New Industry Research Organization Method of Examining/Judging Presence of Virus Infection such as HIV or Presence of Prion Infection by Near-Infrared Spectroscopy and Device Used in Same
JP4131744B2 (ja) * 2006-10-30 2008-08-13 独立行政法人農業・食品産業技術総合研究機構 差スペクトルを用いた血小板製剤細菌感染の識別

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104256882A (zh) * 2014-09-04 2015-01-07 国家烟草质量监督检验中心 基于计算机视觉的烟丝中再造烟叶比例测定方法
KR20160055008A (ko) * 2014-11-07 2016-05-17 아이엠이씨 브이제트더블유 생체 시료의 분석 시스템 및 이를 이용한 분석 방법
WO2017175928A1 (ko) * 2016-04-08 2017-10-12 고려대학교 산학협력단 패턴인식을 통한 엑소좀의 라만 신호 분류 방법 및 세포 진단 방법
CN108007916B (zh) * 2017-03-16 2020-08-04 黑龙江八一农垦大学 希尔伯特黄法建立稻株氮含量的共聚焦显微拉曼测量模型
CN108007916A (zh) * 2017-03-16 2018-05-08 黑龙江八农垦大学 希尔伯特黄法建立稻株氮含量的共聚焦显微拉曼测量模型
CN108007917A (zh) * 2017-03-16 2018-05-08 黑龙江八农垦大学 希尔伯特法建立稻株中氮素含量拉曼光谱测量模型方法
CN108007917B (zh) * 2017-03-16 2020-09-04 黑龙江八一农垦大学 希尔伯特法建立稻株中氮素含量拉曼光谱测量模型方法
CN106872383A (zh) * 2017-03-31 2017-06-20 南京农业大学 一种基于连续小波分析的水稻反射光谱红边位置提取方法
CN106872383B (zh) * 2017-03-31 2019-05-24 南京农业大学 一种基于连续小波分析的水稻反射光谱红边位置提取方法
CN107014967A (zh) * 2017-04-18 2017-08-04 齐鲁工业大学 一种果桑品种筛选和果实品质改良方法
CN108693131A (zh) * 2018-04-17 2018-10-23 云南中烟工业有限责任公司 一种烟草黄化病判定方法
CN108693131B (zh) * 2018-04-17 2023-12-01 云南中烟工业有限责任公司 一种烟草黄化病判定方法
CN108844912A (zh) * 2018-04-19 2018-11-20 中科谱光科技（北京）有限公司 一种作物长势光谱智能分析系统及方法
CN109684970A (zh) * 2018-12-18 2019-04-26 暨南大学 一种结构动力响应的移动主成分分析的窗口长度确定方法
WO2020136376A1 (en) * 2018-12-24 2020-07-02 Cell Therapy Catapult Limited Methods for determining viral titre using raman spectroscopy
US11703455B2 (en) 2018-12-24 2023-07-18 Cell Therapy Catapult Limited Methods for determining viral titre using raman spectroscopy
CN110211044A (zh) * 2019-05-24 2019-09-06 北京理工大学 基于去马赛克算法和主成分分析的多光谱成像方法及装置
KR20230014007A (ko) * 2021-07-20 2023-01-27 대한민국(농촌진흥청장) Vnir 스펙트럼을 이용한 형질전환 십자화과 교잡종 판별 방법 및 시스템

Also Published As

Publication number Publication date
KR101523337B1 (ko) 2015-05-28

Similar Documents

Publication Publication Date Title
KR101523337B1 (ko) 라만 분광법 및 케모메트릭스를 이용한 식물의 바이러스 감염에 대한 분석방법
Chandrasekaran et al. Potential of near-infrared (NIR) spectroscopy and hyperspectral imaging for quality and safety assessment of fruits: An overview
Walsh et al. Visible-NIR ‘point’spectroscopy in postharvest fruit and vegetable assessment: The science behind three decades of commercial use
Zahir et al. A review of visible and near-infrared (Vis-NIR) spectroscopy application in plant stress detection
Ravikanth et al. Extraction of spectral information from hyperspectral data and application of hyperspectral imaging for food and agricultural products
Qin et al. Line-scan hyperspectral imaging techniques for food safety and quality applications
Shah et al. Towards fruit maturity estimation using NIR spectroscopy
Magwaza et al. NIR spectroscopy applications for internal and external quality analysis of citrus fruit—a review
Xing et al. Bruise detection on ‘Golden Delicious’ apples by vis/NIR spectroscopy
Qin et al. Advances in Raman spectroscopy and imaging techniques for quality and safety inspection of horticultural products
Sun et al. NIRS prediction of dry matter content of single olive fruit with consideration of variable sorting for normalisation pre-treatment
Shafiee et al. Combined data mining/NIR spectroscopy for purity assessment of lime juice
Cattaneo et al. NIR Spectroscopy as a Suitable Tool for the Investigation of the Horticultural Field
Khodabakhshian et al. Determining quality and maturity of pomegranates using multispectral imaging
Golhani et al. Estimating chlorophyll content at leaf scale in viroid-inoculated oil palm seedlings (Elaeis guineensis Jacq.) using reflectance spectra (400 nm–1050 nm)
Wang et al. Vis/NIR optical biosensors applications for fruit monitoring
Wei et al. Navel orange maturity classification by multispectral indexes based on hyperspectral diffuse transmittance imaging
Sankaran et al. Comparison of visible-near infrared and mid-infrared spectroscopy for classification of Huanglongbing and citrus canker infected leaves
Rawson et al. Recent advances in terahertz time-domain spectroscopy and imaging techniques for automation in agriculture and food sector
Sankaran et al. Introduction to the electromagnetic spectrum
Serranti et al. Kiwifruits ripening assessment by portable hyperspectral devices
CN102207457A (zh) 一种杀菌剂固体农药光学参数的测定方法
Lu et al. Hyperspectral imaging with chemometrics for non-destructive determination of cannabinoids in floral and leaf materials of industrial hemp (Cannabis sativa L.)
Dhanani et al. Raman spectroscopy detects changes in carotenoids on the surface of watermelon fruits during maturation
Singh et al. Hyperspectral remote sensing for foliar nutrient detection in forestry: A near-infrared perspective

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee