KR20220063982A

KR20220063982A - 쌀 도정도 판별용 칼라 코드 조성물 및 이를 이용한 쌀 도정도 판별 방법

Info

Publication number: KR20220063982A
Application number: KR1020200149984A
Authority: KR
Inventors: 홍지화; 최경후; 조현정; 이민휘; 손병철; 홍성희
Original assignee: 대한민국(국립농산물품질관리원장)
Priority date: 2020-11-11
Filing date: 2020-11-11
Publication date: 2022-05-18
Also published as: KR102412798B1

Abstract

본 발명은 이미지 센서 장비(전자눈)에 탑재된 칼라 코드 조성물을 이용한 쌀의 도정도 판별 방법에 관한 것이다. 보다 상세하게는 국내에서 수집된 현미와 현미로부터 도정된 쌀(5분도, 7분도, 10분도, 12분도)에 대해 차이를 나타내는 도정도 판별용 칼라 코드 조성물 선정 및 이를 이용한 도정도 판별 방법에 관한 것이다. 현미 및 도정된 쌀에 시약 처리를 한 후 시약 반응 산물을 이미지 센서 장비를 통해 검출하고 얻어진 이미지 데이터에 대하여 선정된 칼라 코드 조성물을 이용하여 통계 분석함으로써 현미와 현미로부터 도정된 쌀(5분도, 7분도, 10분도, 12분도)을 판단하는 방법이다. 본 발명에 따른 칼라 코드 조성물을 현미 및 쌀 도정도 판별용 지표로 사용함으로써 쌀의 도정도 판별 분야에 유용하게 활용할 수 있다.

Description

쌀 도정도 판별용 칼라 코드 조성물 및 이를 이용한 쌀 도정도 판별 방법{Color code composition for discriminating milling degree of rice and method for discriminating milling degree of rice using the same}

본 발명은 이미지 센서(전자눈) 장비 분석을 이용한 쌀 도정도 판별용 조성물 및 이를 이용한 쌀 도정도 판별 키트, 판별 방법에 관한 것이다. 보다 상세하게는 쌀의 도정 정도(도정도)를 식별하기 위한 색깔 코드 조성물 및 상기 색깔 코드 조성물을 이용한 쌀의 도정도 판별 키트, 판별 방법에 관한 것이다.

쌀의 도정도를 판별할 수 있는 방법으로 국립농산물품질관리원 농산물 검사·검정방법 및 절차 등에 관한 규정(국립농산물품질관리원고시 제2018-33, 2018.11.1. 제정)에는 쌀의 도정도를 감정하는 방법이 고시되어 있다. 쌀의 도정도(Milling degree)라고 함은 현미의 강층을 벗겨낸 무게의 백분율로서 현미에서 미강층(쌀겨층) 즉 과피, 종피, 외배유 및 호분 층이 깎여진 정도를 의미한다. 양곡의 도정도 감정은 강층의 벗겨진 정도를 표준품과 비교 감정하는 방법이며, 감정이라고 함은 농산물의 품위 등을 이화학적방법을 통하여 농산물의 가치를 판정하는 것이다. 도정도 감정은 엠이(M·E : Methylene Blue, Eosin Y) 시약 처리에 의하여 강층의 벗겨진 정도를 표준품과 비교하여 감정하는 것이다. 외피는 녹색, 호분 층은 청색, 배유부는 도색으로 착색되므로 청색 또는 녹색 부분의 많고 적음에 따라 판별한다. 즉 쌀겨 층이 덜 깎일수록 청색 또는 녹색 부분이 많아지고, 쌀겨 층이 많이 깎일수록 청색 또는 녹색 부분이 적어지는 것을 의미한다. 농산물 검사기준에는 엠이(M·E)시약 처리 방법에 관한 상세한 처리 방법과 순서, 판별 방법에 대한 기준 등을 상세하게 명시하고 있다.

도정도는 쌀의 품질과 도정수율에 영향을 미치는데 도정기준 이상으로 과도정하면 쌀의 외관품질은 좋아지고 유통 중 지방 산패로 인한 변질은 적어지나 도정수율은 감소한다. 반대로 미강 제거가 부족하면 도정수율은 높아지나 식미와 외관품질이 떨어지고 유통 중에도 지방산패가 증가하게 된다. 즉 도정도는 쌀의 품질을 판단하는 중요한 요소이나 소비자가 선호하는 다양한 도정도에 대한 표시사항 및 도정도에 대한 객관적인 판단기준이 확립되어 있지 않은 실정이다. 도정도 감정법은 감정자에 따라 결과 판단이 주관적이기 때문에 객관적이고 과학적으로 판별할 수 있는 방법이 필요하다고 판단된다. 따라서 본 발명에서는 국내에서 수집된 현미 및 쌀을 대상으로 엠이(M·E) 시약처리를 이용한 도정도 감정을 수행한 후 이미지 센서장비를 활용하여 도정도의 판별에 적합한 색깔 코드의 선발과 이를 이용한 쌀 도정도 판별 체계를 확립할 수 있음을 알아내고 본 발명을 완성하였다.

본 발명은 상기와 같은 종래기술의 문제점을 해결하기 위한 연구를 지속적으로 수행하여, 본 발명에서는 국내에서 수집된 시료를 대상으로 엠이시약 처리를 통한 도정도 감정을 수행한 후, 이미지센서 장비를 이용하여 쌀 도정도 판별에 적합한 색깔 코드의 선발과 이를 이용한 도정도 판별 체계를 확립할 수 있음을 알아내고 본 발명을 완성하였다.

따라서 본 발명의 목적은 칼라 코드를 포함하는 쌀 도정도 판별용 조성물을 제공하는 것이다.

또한, 상기 쌀 도정도 판별용 조성물을 포함하는 쌀 도정도 판별용 키트, 쌀 도정도 판별 방법을 제공하는 것에 발명의 목적이 있다.

상기와 같은 목적을 달성하기 위하여, 본 발명은 Color-598 칼라 코드; Color-614 칼라 코드; Color-854 칼라 코드; Color-1127 칼라 코드; Color-1399 칼라 코드; Color-1400 칼라 코드; Color-1416 칼라 코드; Color-1672 칼라 코드; Color-1673 칼라 코드; Color-1896 칼라 코드; Color-1913 칼라 코드; Color-1928 칼라 코드; Color-1945 칼라 코드; Color-2169 칼라 코드; Color-2185 칼라 코드; Color-2425 칼라 코드; Color-2441 칼라 코드; Color-2442 칼라 코드; Color-2474 칼라 코드; Color-2698 칼라 코드; Color-2714 칼라 코드; Color-2715 칼라 코드; Color-2747 칼라 코드; Color-2748 칼라 코드; Color-2970 칼라 코드; Color-3004 칼라 코드; Color-3260 칼라 코드; 및 Color-3533 칼라 코드로 구성된 군으로부터 선택되는 하나 이상의 칼라 코드를 포함하는 쌀 도정도 판별용 조성물을 제공한다.

상기 칼라-598 내지 칼라-3533 칼라 코드는 하기 표 1의 RGB 값을 갖는 쌀 도정도 판별용 칼라 코드 조성물을 제공한다.

일련번호	Color number	Color code name	R	G	B
1	Color-1	Color-598	40	88	104
2	Color-2	Color-614	40	104	104
3	Color-3	Color-854	56	88	104
4	Color-4	Color-1127	72	104	120
5	Color-5	Color-1399	88	120	120
6	Color-6	Color-1400	88	120	136
7	Color-7	Color-1416	88	136	136
8	Color-8	Color-1672	104	136	136
9	Color-9	Color-1673	104	136	152
10	Color-10	Color-1896	120	104	136
11	Color-11	Color-1913	120	120	152
12	Color-12	Color-1928	120	136	136
13	Color-13	Color-1945	120	152	152
14	Color-14	Color-2169	136	120	152
15	Color-15	Color-2185	136	136	152
16	Color-16	Color-2425	152	120	152
17	Color-17	Color-2441	152	136	152
18	Color-18	Color-2442	152	136	168
19	Color-19	Color-2474	152	168	168
20	Color-20	Color-2698	168	136	168
21	Color-21	Color-2714	168	152	168
22	Color-22	Color-2715	168	152	184
23	Color-23	Color-2747	168	184	184
24	Color-24	Color-2748	168	184	200
25	Color-25	Color-2970	184	152	168
26	Color-26	Color-3004	184	184	200
27	Color-27	Color-3260	200	184	200
28	Color-28	Color-3533	216	200	216

또한, 본 발명은 상기 쌀 도정도 판별용 칼라 코드 조성물을 포함하는 쌀 도정도 판별용 키트를 제공한다.

본 발명에서, 칼라 코드(color code)는 각 칼라 코드를 통해 얻어진 도정도 판별 도구를 의미하는 것으로서, 각 칼라 코드별 빛의 3원색인 적(Red), 녹(Green), 청(Blue)을 혼합하여 색을 나타내는 모델인 RGB 값은 상기 표 1과 같다.

색은 RGB 값을 표현한 것이며, 모니터 색은 디지털이기 때문에 기본적으로 빛을 이용하여 색상을 표현하기 위하여 RGB가 사용되고, 이 3가지 색상이 모니터 상에서의 색을 표현하게 된다.

이때 픽셀(pixel) 하나하나는 각각의 RGB 값을 가지는데, 이 RGB 값의 범위는 0-255까지 256단계이고, 거의 자연 색상 그대로 표현하기 위해서는 각각 8비트의 크기가 필요하게 된다.

본 발명에서, 상기 칼라 코드는 국내에서 유통되는 쌀 도정도의 판별에 높은 판별력을 나타낼 수 있다. 상기 칼라 코드 조성물은 쌀 도정도를 판별하기 위해 이용될 수 있다. 상기 칼라 코드 조성물은 예를 들면, 하기 표 2에 기재된 쌀 도정도를 판별하기 위해 이용되는 것일 수 있다.

본 발명에 따른 쌀 도정도 판별용 조성물은 상기 칼라 코드 Color-598 내지 Color-3533 칼라 코드 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 또는 28개 이상의 칼라 코드를 포함할 수 있다.

본 발명에서, 상기 칼라 코드는 Color-598 내지 Color-3533 칼라 코드를 모두 포함할 수 있다.

또한, 상기 칼라 코드의 평균 식별능 값은 제한되는 것은 아니지만, 바람직하게는 0.850 이상일 수 있다.

본 발명에 따른 쌀 도정도 판별용 키트는 상기 쌀 도정도 판별용 조성물을 포함하며, 상기 키트의 제조는 본 발명이 속하는 기술 분야에 공지된 방법에 의해 제조할 수 있고, 특정 방법에 제한되는 것은 아니다.

본 발명에 따른 쌀 도정도 판별 방법은

(a) 쌀 시료에 시약을 처리하고, 이미지센서 장비로 사진 촬영한 후, 상기 쌀 도정도 판별용 칼라 코드 조성물을 이용하여 시료의 착색된 색을 분석하여 이미지 데이터를 얻는 단계,

(b) 상기 얻어진 이미지 데이터로부터 도정도를 결정하는 단계를 포함하는, 쌀 도정도를 판별하는 방법을 제공한다.

본 발명의 상기 쌀 도정도를 판별하는 방법에서, 상기 쌀 시료는 상기 시료의 쌀 원형 상태로부터 유래되는 것일 수 있다.

본 발명의 상기 쌀 도정도를 판별하는 방법에서, 상기 현미 및 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 도정도를 판별하는 방법에서, 상기 현미는 예를 들면 벼를 제현하여 수득될 수 있고, 상기 쌀은 벼를 현미로 제현한 후, 현미를 쌀로 가공하는 방법을 이용하여 수득될 수 있다.

본 발명의 상기 쌀 도정도를 판별하는 방법에서, 상기 시약은 메틸렌블루(Methylene Blue), 에오신와이(Eosin Y)를 포함하는 M·E 시약일 수 있다.

본 발명의 상기 쌀 도정도를 판별하는 방법에서, 쌀의 시약 처리는 상기 M·E 시약을 이용하여 수행될 수 있다. 상기 M·E 시약이 처리된 쌀을 상기 Color-598 칼라 코드 내지 Color-3533 칼라 코드 중 어느 하나 이상, 바람직하게는 상기 Color-598 칼라 코드 내지 Color-3533 칼라 코드를 모두 사용하여 수행되는 것일 수 있다.

M·E 시약 처리방법에 대해서는 당업계에 잘 알려져 있으며, 상업적으로 이용 가능한 키트를 이용할 수 있다. M·E 시약 반응은 당업계에 시약 반응에 필요한 것으로 알려진 여러 성분을 포함하는 M·E 시약을 이용하여 수행될 수 있다.

본 발명의 상기 쌀 도정도를 판별하는 방법에서, 상기 M·E 시약은 20kg의 메탄올에 메틸렌 블루 5.886g, 에오신 와이 8.409g을 용해하여 판매하는 시약을 포함하는 것일 수 있다.

본 발명의 상기 쌀 도정도를 판별하는 방법에서, 상기 시약 처리는 원형 상태의 쌀 5g을 채취한 후 시험 트레이(10개 시료 테스트 트레이)에 넣고, 3% 트리에타놀아민 15 ml을 가하여 30초간 침지한 다음 증류수로 30초간 세척한 후 M·E 시약 80 ml을 가하여 1분간 침지하여 착색시키고, 순도 99% 이상의 메탄올 100 ml을 트레이에 가한 후 약 30초간 잘 흔들어 세척하여 수행할 수 있다.

본 발명의 상기 쌀 도정도를 판별하는 방법에서, 상기 (a) 단계의 사진 촬영은 시료를 이미지센서 장비의 트레이 위에 올려놓고, 장비 위쪽의 LED 조명을 켜 놓은 채 사진 촬영을 하여 이미지 데이터를 얻을 수 있다.

본 발명의 상기 도정도를 판별하는 방법에서, 상기 (b) 단계는 상기 얻어진 이미지 데이터를 소프트웨어에 탑재된 칼라 코드 분석을 통해 검출하는 단계를 포함할 수 있다.

본 발명의 상기 쌀 도정도를 판별하는 방법에서, 상기 칼라 코드 분석은 상기 이미지 데이터를 상기 쌀 도정도 판별용 칼라 코드 조성물에 의해 공지된 쌀 시료의 칼라 코드별 픽셀수와 비교함으로써 수행할 수 있다.

본 발명의 상기 쌀 도정도를 판별하는 방법에서, 상기 (b) 단계는 얻어진 이미지 데이터를 Color-598 내지 Color-3533 칼라 코드에 의해 공지된 쌀 도정도의 시약반응 결과와 비교함으로써 수행되는 것일 수 있다.

구체적으로, 상기 (b) 단계는 IRIS 소프트웨어에 포함되어 있는 통계프로그램을 이용하여 시료의 분포도를 확인함으로써 수행되는 것일 수 있다.

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 현미와 쌀 도정 분도별 시료에 대하여 본 발명의 칼라 코드 조성물을 통해 도출된 픽셀수를 미리 하나의 표로 정리, 즉 판별식을 작성한 후, 도정도를 판별하고자 하는 미지의 시료에 대하여 상기 M·E 시약을 처리한 다음, 이미지센서 장비로 이미지 촬영하여 시료별 픽셀 수를 얻은 후, 본 발명의 칼라 코드 조성물을 변수로 이용하여 상기 공지된 판별식 결과와 통계 프로그램(UNISTAT® Statistical Package for Windows, version 6.5, England)을 이용하여 비교함으로써, 쌀의 도정도를 결정할 수 있다.

상기 쌀의 도정도는 구체적으로 가공되지 않은 쌀, 5분도, 7분도, 10분도 및 12분도로 판별할 수 있다.

본 발명에 따른 쌀 도정도 판별용 칼라 코드 조성물, 이를 포함하는 쌀 도정도 판별용 키트 및 상기 칼라 코드 조성물을 이용하여 쌀 도정도를 판별하는 방법은 다양한 도정분도 별 시료에 대한 판별능이 우수하여, 시중에 유통되는 쌀의 도정도 판별 등과 같은 분야에 활용될 수 있다.

도 1은 Methylene Blue, Eosin Y 시약이 처리된 쌀을 이미지센서 장비의 흰색 샘플 트레이에 올려놓고 카메라로 찍은 사진을 나타낸 것이다.
도 2a 내지 도 2c는 본 발명에 따른 쌀 도정도 판별용 칼라 코드 조성물에 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.

이하, 본 발명을 실시예 및 실험예에 의해 상세히 설명한다.

단, 하기 실시예 및 실험예는 본 발명을 예시하는 것일 뿐, 본 발명의 내용이 하기 실시예 및 실험예에 한정되는 것은 아니다.

<실시예 및 실험예> 쌀 도정도 판별을 위한 칼라 코드의 평가

<실시예 1> 현미 및 쌀 시료(판별식 작성용)

본 발명에서는 하기 표 2에 기재된 벼로부터 현미 3점과 쌀 12점(5분도 3점, 7분도 3점, 10분도 3점, 12분도 3점)을 조제하였고, 이를 도정도 판별식 작성을 위한 시료로 사용하였다.

일련번호	시료구분	생산연도	품종명	생산지
1	현미	2019	혼합(친환경)	경북
2	5분도
3	7분도
4	10분도
5	12분도
6	현미	2019	영호진미	경남
7	5분도
8	7분도
9	10분도
10	12분도
11	현미	2019	혼합(친환경)	경남
12	5분도
13	7분도
14	10분도
15	12분도

<실시예 2> 현미 및 쌀 시료(판별식 검증용)

본 발명에서는 표 2에 기재된 벼 3점을 활용하여 검증용 시료(현미 3점과 쌀 12점)를 별도 조제하였다. 표 2의 벼 시료로부터 샘플링을 수행하고, 제현을 통해 현미를 획득한 후, 가공을 통해 획득된 쌀을 시료로 사용하였다.

<실험예 1> 시약 처리

상기 표 2에 기재된 시료(벼)로부터 제현기(SY-88, SSANGYONG, Korea)를 활용하여 현미를 획득하고, 도정기(MC-90A, TOYO, Japan)를 활용하여 쌀을 가공한 후 가공된 쌀로부터 시료를 균분하여 원형 상태의 쌀 5g을 채취한 후 시험 트레이(10개 시료 테스트 트레이)에 넣는다. 시료가 담긴 트레이에 3% 트리에탄올아민 15 ml을 가하여 30초간 침지한 다음 증류수로 30초간 세척한다. 엠이시약 80 ml을 가한 후 1분간 침지하여 착색시킨다. 순도 99% 이상의 메탄올 100 ml을 트레이에 가한 후 약 30초간 잘 흔들어 세척한다.

<실험예 2> 이미지센서 분석 및 칼라 코드 선정

M, E (Methylene Blue, Eosin Y) 시약액을 따라버리고 시약 처리된 쌀을 이미지센서(IRIS Visual Analyzer VA400, France) 흰색 샘플 트레이 위에 올려놓고 카메라로 사진을 찍어 이미지 데이터를 얻었는데, 상기 카메라로 찍은 사진을 도 1에 나타내었다. 시료 당 이미지는 2~4회 촬영하여 획득하였다. 또한, 카메라는 16M CCD Color 카메라에 렌즈 크기는 25mm, 조명은 장비 위(Top)에 위치한 LED 조명만 킨 상태로 진행하였다. 센서와 카메라를 통해 받은 신호는 소프트웨어에서 인지하여 통계처리를 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 픽셀 수로 계산하였다. 샘플과 관련이 없는 색에 대해서는 데이터 처리하는 과정에서 배경 데이터 값 자체를 빼고 진행하였다.

공시시료는 현미, 5분도, 7분도, 10분도, 12분도로 구성되어 있는데 소프트웨어에 탑재된 4,096개의 칼라 색 중에서 현미와 도정정도가 다른 쌀 시료 간에 착색된 색의 차이를 보여주는 색을 선정하였다. 이 중 차이를 식별해낼 수 있는 색을 28개 선정하여 판별식 작성에 활용된 현미와 도정도가 다른 쌀을 판별할 수 있는 칼라 코드별 식별능(Discrimination power)을 표 3에 나타내었다.

일련번호	Color number	Color code name	Discrimination Power
1	Color-1	Color-598	0.555
2	Color-2	Color-614	0.493
3	Color-3	Color-854	0.816
4	Color-4	Color-1127	0.892
5	Color-5	Color-1399	0.855
6	Color-6	Color-1400	0.881
7	Color-7	Color-1416	0.935
8	Color-8	Color-1672	0.996
9	Color-9	Color-1673	0.786
10	Color-10	Color-1896	0.498
11	Color-11	Color-1913	0.878
12	Color-12	Color-1928	0.969
13	Color-13	Color-1945	0.956
14	Color-14	Color-2169	0.897
15	Color-15	Color-2185	0.883
16	Color-16	Color-2425	0.881
17	Color-17	Color-2441	0.973
18	Color-18	Color-2442	0.802
19	Color-19	Color-2474	0.967
20	Color-20	Color-2698	0.845
21	Color-21	Color-2714	0.815
22	Color-22	Color-2715	0.739
23	Color-23	Color-2747	0.989
24	Color-24	Color-2748	0.867
25	Color-25	Color-2970	0.806
26	Color-26	Color-3004	0.936
27	Color-27	Color-3260	0.980
28	Color-28	Color-3533	0.940
평균			0.850

상기 표 3에 나타난 바와 같이, 본 발명에 따른 도정도 판별용 칼라 코드 조성물의 Color-598, Color-614, Color-854, Color-1127, Color-1399, Color-1400, Color-1416, Color-1672, Color-1673, Color-1896, Color-1913, Color-1928, Color-1945, Color-2169, Color-2185, Color-2425, Color-2441, Color-2442, Color-2474, Color-2698, Color-2714, Color-2715, Color-2747, Color-2748, Color-2970, Color-3004, Color-3260 및 Color-3533 등 28개 칼라 코드의 평균 식별능은 0.850으로, 본 발명의 칼라 코드를 통해 도정도가 다른 시료의 판별이 충분히 가능함을 확인하였다.

<실험예 3> 통계분석

도 2a은 판별식 작성용 시료인 현미 및 분도별 쌀 시료 총 60개 이미지를 대상으로 본 발명에 따른 도정도 판별용 칼라 코드 조성물을 사용하여 분석된 주성분분석(PCA) 결과를 나타낸다. 주성분분석 결과는 Color map으로도 불리며 이는 IRIS 이미지센서 칼라 코드에서 가장 중요한 Color 선택에 따라 구축된다. 즉 본 발명의 28개 칼라 코드를 이용하여 도 1의 Color map을 작성하였고 이 Color map은 시료별 Color의 함량 조성에 따라, 색의 차이를 보이는 시료의 경향성을 보여준다(도 2b 참조). 또한 IRIS 이미지센서 장비에 포함된 통계프로그램 중 판별함수분석(DFA) 분석을 수행하였을 때 현미 및 현미로부터 가공된 쌀 그룹(5분도, 7분도, 10분도, 12분도)은 100% 분류되는 것으로 나타났다(도 2c 참조).

쌀 도정도를 판별하고자 하는 시료(쌀)로부터 M·E(Methylene Blue, Eosin Y)시약 처리를 하고 이미지센서 분석기기를 이용하여 이미지 촬영을 한 다음, 본 발명의 칼라 코드 조성물을 이용하여 주성분 분석(PCA)을 수행하여 도 2의 판별식(Color map)에 미지 시료의 분포도를 확인하였다. 그런 다음 구축된 도정도 판별식에 미지의 시료에 대한 칼라 코드별 픽셀 수를 대입하여 통계프로그램(UNISTAT® Statistical Package for Windows, version 6.5, England)을 이용하여 쌀의 도정도를 판별할 수 있다. 또한, 본 발명에 따른 판별식에 입력된 코드는 현미는 “1”, 5분도는 “2”, 7분도는 “3”, 10분도는 “4”, 12분도는 “5”로 코드화 하였고, 미지의 시료는 “*” 로 입력하여 통계 분석하였다.

개발된 판별식이 얼마나 판별 정확도가 높은지 알아보고자, 동일 로트의 시료로부터 다시 샘플링 하여 제현 한 현미와 현미로부터 가공한 쌀을 미지시료로 활용하여 도정정도를 정확하게 판별할 수 있는 확률을 알아보았다. 쌀 시료에 Methylene Blue, Eosin Y 시약 처리를 한 후, 이미지센서 장비로 사진을 촬영하였고, 획득된 이미지 데이터 파일로부터 본 발명의 칼라 코드 28개에 대한 픽셀 수를 분석하였다. 도 2a의 판별식에 미지시료를 대입하여 도정도를 정확하게 판별할 수 있는 확률을 정준판별분석을 통해 분석하였다. 개발된 판별식에 미지시료의 값을 코드(현미 “1”, 5분도 “2”, 7분도 “3”, 10분도 “4”, 12분도 “5”, 미지시료 “*”)로 지정하여 통계프로그램(UNISTAT® Statistical Package for Windows, version 6.5, England)을 이용하여 도정도를 정확하게 맞출 수 있는 확률을 분석하였고 그 결과 그룹별로 조제된 시료(현미, 5분도, 7분도, 10분도, 12분도)는 100% 판별되는 것으로 나타났다.

도 3a는 본 발명에 따른 쌀 도정도 판별용 칼라 코드 조성물에 의해 분석된 미지시료의 주성분분석(PCA) 결과를 나타내고, 도 3b는 미지시료를 판별식에 대입하여 통계프로그램UNISTAT® Statistical Package for Windows, version 6.5, England)을 이용하여 분도별 도정도가 판별되는지를 분석한 후, 판별된 영역을 표기한 것이다.

이를 통해, 본 발명의 칼라 코드 조성물을 이용하여 도정도 판별이 가능함을 확인할 수 있었다.

Claims

Color-598 칼라 코드; Color-614 칼라 코드; Color-854 칼라 코드; Color-1127 칼라 코드; Color-1399 칼라 코드; Color-1400 칼라 코드; Color-1416 칼라 코드; Color-1672 칼라 코드; Color-1673 칼라 코드; Color-1896 칼라 코드; Color-1913 칼라 코드; Color-1928 칼라 코드; Color-1945 칼라 코드; Color-2169 칼라 코드; Color-2185 칼라 코드; Color-2425 칼라 코드; Color-2441 칼라 코드; Color-2442 칼라 코드; Color-2474 칼라 코드; Color-2698 칼라 코드; Color-2714 칼라 코드; Color-2715 칼라 코드; Color-2747 칼라 코드; Color-2748 칼라 코드; Color-2970 칼라 코드; Color-3004 칼라 코드; Color-3260 칼라 코드; 및 Color-3533 칼라 코드로 구성된 군으로부터 선택되는 하나 이상의 칼라 코드를 포함하는 쌀 도정도 판별용 칼라 코드 조성물.
제1항에 있어서, 상기 칼라 코드의 평균 식별능 값은 0.850 이상인 것을 특징으로 하는 쌀 도정도 판별용 칼라 코드 조성물.
제1항에 있어서, 상기 도정도는 가공되지 않은 쌀, 5분도, 7분도, 10분도 또는 12분도로 판별하는 것을 특징으로 하는 쌀 도정도 판별용 칼라 코드 조성물.
제1항 내지 제3항 중 어느 한 항의 조성물을 포함하는 쌀 도정도 판별용 키트.
(a) 현미 및 쌀 시료에 시약을 처리하고, 이미지센서 장비로 사진 촬영한 후, 제1항 내지 제3항 중 어느 한 항에 따른 칼라 코드 조성물을 이용하여 시료의 착색된 색을 분석하여 이미지 데이터를 얻는 단계; 및
(b) 상기 얻어진 이미지 데이터로부터 도정도를 결정하되, 상기 얻어진 이미지 데이터를 소프트웨어에 탑재된 칼라 코드 분석을 통해 검출하고, 상기 칼라 코드 분석은 상기 이미지 데이터를 상기 쌀 도정도 판별용 칼라 코드에 의해 공지된 현미 및 쌀 시료의 칼라 코드 별 픽셀수와 비교함으로써 수행하는 단계를 포함하는, 쌀의 도정도를 판별하는 방법.
제5항에 있어서, 상기 시약은 메틸렌블루, 에오신와이를 포함하는 것을 특징으로 하는 쌀의 도정도를 판별하는 방법.
제5항에 있어서, 상기 현미 또는 도정분도별 시료는 상기 시료의 현미 또는 쌀 원형 상태로부터 유래되는 것을 특징으로 하는 쌀의 도정도를 판별하는 방법.
제5항에 있어서, 상기 시약 처리는 원형 상태의 쌀 5g을 채취한 후 시험 트레이(10개 시료 테스트 트레이)에 넣고, 3% 트리에타놀아민 15 ml을 가하여 30초간 침지한 다음 증류수로 30초간 세척한 후 M·E 시약 80 ml을 가하여 1분간 침지하여 착색시키고, 순도 99% 이상의 메탄올 100 ml을 트레이에 가한 후 약 30초간 잘 흔들어 세척하여 수행하는 것을 특징으로 하는 쌀의 도정도를 판별하는 방법.