KR20210074812A

KR20210074812A - 식품 신선도 검사방법

Info

Publication number: KR20210074812A
Application number: KR1020190165881A
Authority: KR
Inventors: 박홍규
Original assignee: 창원대학교 산학협력단
Priority date: 2019-12-12
Filing date: 2019-12-12
Publication date: 2021-06-22

Abstract

본 발명은 주기적인 학습을 통해 머신러닝에 저장된 식품별 상태 정보에 따라 식품의 RGB 비율을 측정하여 RGB표준 범위와 데이터를 비교 및 분석함으로써 식품의 신선도를 검사하는 방법에 관한 것이다.
본 발명의 식품 선선도 검사 방법에 있어서, 신선도를 검사하고자 하는 식품을 촬영하는 식품 촬영 단계와, 상기 식품 촬영 단계에서 촬영된 식품의 이미지를 머신러닝을 기반으로 식품의 정보를 인식하는 식품 정보 인식 단계와, 상기 식품 정보 인식 단계에서 인식된 식품의 종류에 따라 숙성된 상태를 RGB 표준 범위와 비교 분석하여 식품의 신선도를 측정하는 신선도 검사 단계와, 측정된 식품의 상태를 디스플레이 창에 표시하는 신선도 표시 단계 등을 수행하는 단계로 이루어진다. 이와 같은 본 발명에 의하면, 주기적으로 학습한 머신러닝을 기반으로 식품의 신선도를 측정할 수 있어 식품의 사진만 촬영한다면 머신러닝에 의해 식품의 신선도를 수월히 검사할 수 있다는 장점이 있다.

Description

식품 신선도 검사방법{method for checking the food freshness}

본 발명은 식품의 신선도를 검사하는 방법에 관한 것으로써, 보다 상세하게는 주기적인 학습을 통해 머신러닝에 저장된 식품별 상태 정보에 따라 식품의 RGB 비율을 측정하여 RGB표준 범위와 데이터를 비교 및 분석함으로써 식품의 신선도를 검사하는 방법에 관한 것이다.

일반적으로 식품은 사람이 생명을 유지하고 건강한 활동을 하기 위해 섭취하는 것으로, 영양성분을 함유하는 물질이다.

이러한 식품은 사람이 섭취하는 것이므로 영양성분의 양과 균형이 맞아야함은 물론 즐겁게 먹을 수 있도록 모양, 맛, 향기, 빛깔 등이 좋아야 한다.

또한, 유독성분이나 병균, 부패물 등을 함유해서는 안되도록 보관이 되어야 한다.

현재는 식품이 오랫동안 신선한 상태를 유지할 수 있도록 신선도를 검사하는 다양한 연구들이 진행되고 있다.

예를 들면, 한국 공개실용신안 제 97-57086호와 같이 물의 부력을 이용하여 식품의 신선도를 파악하거나, 한국 공개특허 제 10-2006-0132348호와 같이 후각센서를 냉장고에 내부에 부착하여 식품의 냄새를 통해 신선도를 파악하는 것 등이 있다.

그러나, 이러한 특허는 물이나 센서 등 추가적인 재료가 요구될뿐만 아니라, 물을 공급받을 수 있는 장소나 냉장고 내부와 같은 한정된 장소에서 식품의 신선도를 파악할 수 있어 장소에 한정되어 있다는 단점이 있다.

한국 공개실용신안 제 97-57086호 한국 공개특허 제 10-2006-0132348호

따라서, 본 발명의 목적은 상기한 바와 같은 종래 기술의 문제점을 해결하기 위한 것으로, 주기적인 학습을 통해 머신러닝에 저장된 식품별 상태 정보에 따라 식품의 RGB 비율을 측정하여 RGB표준 범위와 데이터를 비교 및 분석함으로써 식품의 신선도를 검사하는 방법에 관한 것이다.

본 발명은 식품별 숙성 정도에 따른 상태 정보를 주기적으로 학습한 머신러닝을 기반으로 식품의 신선도를 측정할 수 있어 식품의 사진만 촬영한다면 간단한 과정을 통해 수월히 신선도를 검사하는 것을 목적으로 한다.

본 발명은 과일, 야채 등을 포함하는 식품의 사진을 실시간으로 촬영하거나 저장되있는 식품의 이미지를 통해 식품의 RGB 비율과 머신러닝의 데이터베이스에 저장된 해당 식품별 RGB 표준범위의 비교 분석을 통해 숙성이 필요한 상태인지, 먹기에 최적의 상태인지, 폐기가 요구되는 상태인지 등을 관찰하는 것을 목적으로 한다.

본 발명은 식품의 사진을 촬영하면 머신러닝의 데이터베이스에 저장된 학습 결과에서 식품의 외형과 유사한 식품의 정보를 가져옴으로써 촬영한 식품의 신선한 정도와 보관 가능한 기한 등을 단말기기의 디스플레이 창에 보이는 것을 목적으로 한다.

상기한 바와 같은 목적을 달성하기 위한 본 발명의 특징에 따르면, 본 발명에 의한 식품 신선도 검사 방법은, 신선도를 검사하고자 하는 식품을 촬영하는 식품 촬영 단계(S10)와, 상기 식품 촬영 단계(S10)에서 촬영된 식품의 이미지를 머신러닝(100)을 기반으로 식품의 정보를 인식하는 식품 정보 인식 단계(S20)와, 상기 식품 정보 인식 단계(S20)에서 인식된 식품의 종류에 따라 숙성된 상태를 RGB 표준 범위와 비교 분석하여 식품의 신선도를 측정하는 신선도 검사 단계(S30)와, 측정된 식품의 상태를 디스플레이 창에 표시하는 신선도 표시 단계(S40)를 포함하는 것을 특징으로 한다.

상기 머신러닝(100)은, 식품의 정보를 학습하는 데이터학습부(10)와, 상기 데이터학습부(10)에서 학습한 결과를 저장하는 데이터베이스(20)와, 실시간으로 촬영한 식품의 이미지를 수집하는 이미지 수집부(30)와, 상기 이미지 수집부(30)로부터 수집된 식품 이미지와 상기 데이터베이스(20)에 저장된 정보를 비교 분석하는 이미지 분석부(40)와, 상기 이미지 분석부(40)에 분석되어 저장된 식품 정보를 머신러닝 서버(60)나 단말기기(70)로 데이터를 송수신하는 인터페이스부(50)를 포함하는 것을 특징으로 한다.

상기 식품 정보 인식 단계(S20)에서는, 상기 식품 촬영 단계(S10)에서 촬영된 식품의 이미지와 유사한 외형을 가지는 식품의 이미지를 상기 데이터베이스(20)로부터 찾아내어 식품의 종류를 파악하는 것을 포함하는 것을 특징으로 한다.

상기 신선도 검사 단계(S30)에서는, 상기 식품 정보 인식 단계(S20)에서 파악한 식품의 종류에 따라 숙성된 상태의 RGB 표준 범위와 촬영된 식품의 RGB 비율을 비교 분석하는 것을 특징으로 한다.

상기 신선도 표시 단계(S40)에서는, 상기 머신러닝(100)의 인터페이스부(50)를 통해 상기 머신러닝 서버(60)와 연결되는 상기 단말기기(70)에 상기 이미지 분석부(40)로부터 분석한 식품의 정보를 디스플레이 창에 표시하는 것을 특징으로 한다.

본 발명에 의한 식품 신선도 검사 방법은 다음과 같은 효과가 있다.

본 발명은 식품별 숙성된 정도에 따른 상태 정보를 주기적으로 학습한 머신러닝을 기반으로 식품의 신선도를 측정할 수 있어 식품의 사진만 촬영한다면 프로그램화된 머신러닝에 의해 식품의 신선도를 수월히 검사할 수 있다는 장점이 있다.

본 발명은 과일, 야채 등을 포함하는 식품의 사진을 사용자가 실시간으로 촬영하거나 저장된 이미지를 이용함으로써 시간, 장소 등에 구애받지 않고 언제든지 이미지를 촬영하고 데이터 분석을 통해 제품의 신선도를 그 자리에서 확인할 수 있다는 장점이 있다.

본 발명은 실시간으로 제품의 신선도를 확인할 수 있으므로 대형 유통사 및 중소형 유통사에서 판매되고 있는 신선과일, 야채류 등의 신선도를 수월히 검사할 수 있으며, 기준치에 미달하는 항목에 대해서는 염가판매 전략을 통해 판매를 할 수 있다는 효과가 있다.

또한, 유통 과정에서 식품의 이동 환경에 따라 신선도가 감소하는 것을 데이터화함으로써 유통 개선을 가져올 수 있다는 이점이 있다.

또한, 가정에서 사용할 경우 신선식품의 상태나 보관할 수 있는 소비 적정기한 정보 등을 실시간으로 확인해볼 수 있어 건강한 식생활을 개선할 수 있다는 장점이 있다.

도 1은 본 발명에 적용되는 머신러닝의 구성을 나타낸 도면.
도 2는 본 발명의 식품의 신선도를 검사하는 방법을 단계별로 나타낸 블럭도.

이하 본 발명에 의한 식품 신선도 검사 방법은 첨부된 도면을 참고하여 상세하게 설명한다.

도 1은 본 발명에 적용되는 머신러닝의 구성을 나타내는 도면이고, 도 2는 식품의 신선도를 검사하는 방법을 단계별로 나타낸 블럭도이다.

머신러닝(machine learning)이란 컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 것으로, 사람이 학습하듯이 컴퓨터에 데이터들을 입력함으로써 학습하게 하여 새로운 지식을 얻어내게 하는 것이다.

주기적으로 특정 정보에 대하여 학습을 하면, 추후에 사용자가 특정 정보에 대한 요청을 할 경우 머신러닝에 의해 정보를 제공하게 되는 것이다.

본 발명은 이러한 머신러닝(machine learning)을 기반으로 과일, 야채류 등과 같은 식품의 신선도를 측정하여 사용자에게 식품의 상태 정보를 제공한다.

도 1에 도시된 바와 같이 본 발명에 적용되는 머신러닝(100)은 데이터학습부(10), 데이터베이스(20), 이미지 수집부(30), 이미지 분석부(40), 인터페이스부(50) 등을 포함한다.

상기 데이터 학습부(10)에서는 다양한 종류의 식품 이미지를 학습하여 식품별 정보에 대하여 신규학습을 수행한다.

즉, 상기 데이터학습부(10)는 다양한 외형을 가지는 식품의 이미지를 학습하여 식품마다 숙성이 필요한 상태, 먹기에 최적의 조건인 상태, 폐기가 필요한 상태 등을 주기적으로 학습한다.

이처럼 상기 데이터학습부(10)에서 식품에 대한 학습을 수행한 학습 결과는 데이터베이스(20)에 저장된다.

상기 이미지 수집부(30)는 신선도를 측정하기 위해 실시간으로 촬영하거나 이미 저장된 특정 식품의 이미지를 수집한다.

상기 이미지 수집부(30)에서 수집된 식품의 이미지는 상기 이미지 분석부(40)에전송된다.

상기 이미지 분석부(40)는 학습 결과가 저장되어 있는 상기 데이터베이스(20)를 기반으로 실시간으로 특정 식품의 외형과 유사한 식품의 이미지를 찾기 위해 이미지를 비교 분석하여 해당 식품의 종류를 파악한다.

그리고, 촬영된 식품의 종류를 파악한 후에는 상기 이미지 분석부(40)에 전송된 이미지의 식품 RGB 비율과 식품의 숙성 정도에 따른 RGB 표준 범위를 비교하여 숙성 및 폐기 여부 등을 파악한다.

이와 같이 상기 이미지 분석부(40)에서 파악한 식품의 정보를 상기 인터페이스부(50)를 통해 실시간으로 데이터를 송수신한다.

상기 인터페이스부(50)는 머신러닝 서버(60)와 연결되어 실시간으로 데이터를 송수신한다.

상기 인터페이스부(50)는 머신러닝 서버(60)를 통해 데이터를 상기 단말기기(70)에 전달하여 디스플레이 창에 데이터 정보를 표시할 수 있다.

또한, 상기 머신러닝 서버(60)가 없어도 상기 인터페이스부(50)와 단말기기(70)가 연결되어 데이터를 송수신할 수 있을 것이다.

본 발명에서는 상기에서 설명한 바와 같이 상기 머신러닝(100)을 기반으로 식품의 신선도를 검사할 수 있다.

도 2에 도시된 바와 같이 먼저 신선도를 측정하고자 하는 식품을 촬영하는 식품 촬영 단계(S10)를 수행한다.

상기 식품 촬영 단계(S10)에서는 사용자가 식품의 전체 형상이 보이도록 촬영을 한다.

사용자는 휴대폰의 카메라 기능이나 일반 카메라 등을 사용해도 무관하며, 식품의 형상을 촬영할 수 있는 촬영 장치라면 어느 것이든 가능할 것이다.

또한, 식품의 360°촬영이 가능한 3D 카메라를 사용함으로써 식품 전체 외형을 촬영할 수 있을 것이다.

이러한 촬영 장치를 사용하여 식품의 전체 외형을 촬영하고 나면, 식품 정보 인식 단계(S20)를 수행한다.

상기 식품 정보 인식 단계(S20)에서는 상기 식품 촬영 단계(S10)에서 촬영한 식품의 이미지를 상기 머신러닝(100)에 학습되어 저장된 식품별 이미지와 비교함으로써 식품의 정보를 파악한다.

이때, 상기 머신러닝(100)의 데이터베이스(20)에 저장된 학습 결과에 따라 실시간으로 식품의 외형과 가장 유사한 형상을 가지는 식품의 이미지를 상기 데이터베이스(20)로부터 찾아내어 식품의 종류를 파악한다.

상기 식품 정보 인식 단계(S20)에서 파악한 식품의 정보에 따라 식품의 신선도를 검사하는 신선도 검사 단계(S30)를 수행한다.

상기 신선도 검사 단계(S30)에서는 상기 식품 촬영 단계(S10)에서 촬영한 식품의 RGB 비율과 상기 식품 정보 인식 단계(S20)에서 파악한 식품의 RGB 표준 범위를 비교 분석한다.

여기서, 촬영한 식품의 RGB 비율은 실제 식품의 색상과 해상도 및 밝기 차이가 존재할 수 있으므로 상기 머신러닝(100) 기반으로 학습된 각 식품별 RGB 표준 범위는 약 0.05 정도의 오차 범위를 포함하여 설정한다.

예를 들어, 바나나의 RGB 표준범위가 R : G : B = 1 : 3.6 : 0.8 비율을 가진다하면, 약 0.05 정도의 오차 범위를 포함하여 R : G : B = 1 : 3.6 ± 0.05 : 0.8 ± 0.05 로 설정한다는 것이다.

이처럼 오차 범위를 포함하여 RGB 표준 범위를 설정한다면 해상도 및 밝기 에 의해 실제 식품의 색과 다르게 촬영되어도 측정하고자 하는 식품의 RGB 비율이 상기 RGB 표준 범위에 포함되어 신선도를 측정할 수 있다.

이와 같이 촬영된 식품의 RGB 비율과 상기 RGB 표준 범위와 비교 분석하여 상기 머신러닝()의 이미지 분석부(40)에 의해 식품의 숙성 상태를 파악한다.

이때, 상기 머신러닝(100)의 이미지 분석부(40)에서는 각 식품의 숙성된 상태에 따른 RGB 표준 범위와 필요한 숙성 적정 기한이나 폐기 여부 등을 파악한다.

이처럼 상기 신선도 검사 단계(S30)에서 식품의 상태를 측정하였으면 식품의 상태 정보를 디스플레이 창에 표시하는 신선도 표시 단계(S40)를 수행한다.

상기 신선도 표시 단계(S40)에서는 상기 머신러닝(100)의 이미지 분석부(40)에서 RGB 표준 범위와 비교 분석하여 파악한 식품의 숙성 상태를 사용자가 띄우고자 하는 단말기기(70)의 디스플레이 창에 표시한다.

이때, 상기 머신러닝(100)과 상기 단말기기(70)는 도 1에 도시된 바와 같이 머신러닝 서버(60)를 통해 연결된다.

상기 머신러닝 서버(60)는 상기 머신러닝(100)의 인터페이스부(50)와 연결되어 상기 인터페이스부(50)로부터 분석된 식품의 상태 데이터를 전달받고, 전달받은 데이터를 인터넷 혹은 통신망으로 연결된 상기 단말기기(70)에 데이터를 수신한다.

이로써, 상기 단말기기(70)의 디스플레이 창에 식품의 상태 데이터를 띄움으로써 사용자가 식품의 정보를 볼 수 있게 된다.

예를 들면, RGB 표준 범위와 비교 분석한 데이터를 기반으로 식품의 신선한 정도와 숙성 및 폐기 여부, 식품을 소비 가능한 적정 기한 등을 디스플레이 창에 표시할 수 있다.

이로써, 사용자는 실시간으로 디스플레이 창에 식품의 신선도와 상태에 대한 정보 등을 볼 수 있다.

이처럼 식품별 상태 정보를 주기적으로 학습한 머신러닝을 기반으로 식품의 신선도를 측정할 수 있어 식품의 사진만 촬영한다면 머신러닝에 의해 식품의 신선도를 수월히 검사할 수 있다는 장점이 있다.

또한, 실시간 혹은 미리 촬영하여 저장된 과일, 야채류 등의 이미지로 시간 및 장소에 구애받지 않고 식품의 신선도를 그 자리에서 확인할 수 있다는 장점이 있다.

이러한 신선도 검사 방법은 신선한 식품을 취급하는 공급자, 소비자 모두가 편리하게 사용할 수 있으며, 소비자 입장에서는 식품의 숙성 및 폐기 여부 등 상태 정보를 알 수 있으므로 소비할 수 있는 적정 기한을 파악할 수 있다.

또한, 대형 유통사 및 중소형 유통사에서 판매되고 있는 식품의 신선도를 검사하여 기준치에 미달한 항목에 대해서는 염가판매 전략 등을 기획할 수 있다.

더나아가, 식품이 유통되는 단계에서도 실시간으로 신선도를 검사할 수 있어 식품의 불량률을 체크할 수 있고 손쉽게 식품의 신선도를 확인함으로써 안전한 식품을 먹을 수 있다.

이러한 본 발명의 범위는 상기에서 예시한 실시예에 한정되지 않고, 상기와 같은 기술범위 안에서 당 업계의 통상의 기술자에게 있어서는 본 발명을 기초로 하는 다른 많은 변형이 가능할 것이다.

10. 데이터학습부 20. 데이터베이스
30. 이미지수집부 40. 이미지분석부
50. 인터페이스부 60. 머신러닝 서버
70. 단말기기 S10. 식품촬영 단계
S20. 식품 정보인식 단계 S30. 신선도 검사 단계
S40. 신선도 표시 단계

Claims

신선도를 검사하고자 하는 식품을 촬영하는 식품 촬영 단계(S10)와,
상기 식품 촬영 단계()에서 촬영된 식품의 이미지를 머신러닝(100)을 기반으로 식품의 정보를 인식하는 식품 정보 인식 단계(S20)와,
상기 식품 정보 인식 단계(S20)에서 인식된 식품의 종류에 따라 숙성된 상태를 RGB 표준 범위와 비교 분석하여 식품의 신선도를 측정하는 신선도 검사 단계(S30)와,
측정된 식품의 상태를 디스플레이 창에 표시하는 신선도 표시 단계(S40)를 포함하는 것을 특징으로 하는 식품 신선도 검사 방법.
제 1항에 있어서, 상기 머신러닝(100)은,
식품의 정보를 학습하는 데이터학습부(10)와,
상기 데이터학습부(10)에서 학습한 결과를 저장하는 데이터베이스(20)와,
실시간으로 촬영한 식품의 이미지를 수집하는 이미지 수집부(30)와,
상기 이미지 수집부(30)로부터 수집된 식품 이미지와 상기 데이터베이스(20)에 저장된 정보를 비교 분석하는 이미지 분석부(40)와,
상기 이미지 분석부(40)에 분석되어 저장된 식품 정보를 머신러닝 서버(60)나 단말기기(70)로 데이터를 송수신하는 인터페이스부(50)를 포함하는 것을 특징으로 하는 식품 신선도 검사 방법.
제 1항에 있어서, 상기 식품 정보 인식 단계(S20)에서는,
상기 식품 촬영 단계(S10)에서 촬영된 식품의 이미지와 유사한 외형을 가지는 식품의 이미지를 상기 데이터베이스(20)로부터 찾아내어 식품의 종류를 파악하는 것을 포함하는 것을 특징으로 하는 식품 신선도 검사 방법.
제 1항에 있어서, 상기 신선도 검사 단계(S30)에서는,
상기 식품 정보 인식 단계(S20)에서 파악한 식품의 종류에 따라 숙성된 상태의 RGB 표준 범위와 촬영된 식품의 RGB 비율을 비교 분석하는 것을 특징으로 하는 식품 신선도 검사 방법.
제 1항에 있어서, 상기 신선도 표시 단계(S40)에서는,
상기 머신러닝(100)의 인터페이스부(50)를 통해 상기 머신러닝 서버(60)와 연결되는 상기 단말기기(70)에 상기 이미지 분석부(40)로부터 분석한 식품의 정보를 디스플레이 창에 표시하는 것을 특징으로 하는 식품 신선도 검사 방법.