KR20240093374A - 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법 및 구근류 형상인자 판별 시스템 - Google Patents

Abstract

본 발명은 영상획득, 인공지능, 영상처리, 영상분석 등 구근류 가공인자를 도출하기 위한 특정의 측정과 판별 과정을 통하여 대량생산 시스템에서 사용되는 구근류의 형상인자를 효율적으로 도출하고, 구근류의 증숙 공정 등에서의 최적 조건 설정을 통해 가공효율성을 현저히 향상시킬 수 있는, 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법 및 구근류 형상인자 판별 시스템에 관한 것이다. 본 발명에 따르면, 구근류의 대량 가공 공정에서의 조건 설정을 위하여 구근류의 형상인자를 판별하기 위한 방법으로서, 가공할 복수의 구근류의 영상 이미지를 획득하는 구근류 영상이미지 획득 단계; 상기 획득된 영상이미지로부터 구근류 형상인자를 추출하는 구근류 형상인자 추출 단계; 및 상기 추출된 구근류 형상인자를 분석하고, 가공 공정의 공정 조건에 반영하기 위한 데이터를 생성하는 구근류 가공인자 생성 단계;를 포함하는 것을 특징으로 하는 구근류 형상인자 판별 방법이 제공된다.

Description

구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법 및 구근류 형상인자 판별 시스템 {DISCRIMINATION METHOD AND DISCRIMINATION SYSTEM FOR SHAPE FACTOR OF TUBERS FOR ESTABLISHING OPTIMAL CONDITIONS IN THE MATURATION PROCESS OF TUBERS}

본 발명은 구근류의 증숙 공정 등 가공 공정에서의 최적조건 설정을 위한 구근류 형상인자 판별 방법 및 구근류 형상인자 판별 시스템에 관한 것으로, 더욱 상세하게는 영상획득, 인공지능, 영상처리, 영상분석 등 구근류 가공인자를 도출하기 위한 특정의 측정과 판별 과정을 통하여 대량생산 시스템에서 사용되는 구근류의 형상인자를 효율적으로 도출하고, 구근류의 증숙 공정 등에서의 최적 조건 설정을 통해 가공효율성을 현저히 향상시킬 수 있는, 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법 및 구근류 형상인자 판별 시스템에 관한 것이다.

도라지, 인삼, 더덕 등의 구근류 작물은 약리적인 효과와 함께 가공 식품의 원료로 사용된다.

이러한 구근류는 약리적인 성분의 향상, 저장기간의 증가, 가공의 용이성, 취식의 용이성등을 위하여 구근류에 열처리 공정을 가하게 된다.

도라지의 경우 증숙 등의 가열 처리를 통하여 쓴맛을 제거하고 조직감을 부드럽게 하여 취식의 용이성과 즉석식품의 소재로 활용이 가능하며, 또한 저장과 유통의 용이성을 제공한다. 인삼의 경우 증숙 공정을 통하여 홍삼과 흑삼과 같이 약리 활성이 강화된 다양한 상품을 제조한다.

열처리 공정을 적용할 경우 열이 도달하는 정도는 시료의 형상에 따라 다르며, 정교한 열처리 공정을 적용하기 위해서는 열처리 공정에 영향을 미치는 시료의 형상학적 특성을 정확히 추출하여 열처리 공정에 반영하는 과정이 필요하다.

구근류의 경우, 그 형상이 불규칙적이며 크기가 다양하므로 특정한 열처리 공정의 규격(예, 가열 온도와 시간)을 설정하는 것이 매우 어려우며 현재 작업자의 경험에 의존하여 수행한다. 구근류의 형상에 따라 공정의 규격이 적절하게 변경되어야 하므로 구근류의 형상학적 특성을 파악하여 구근류의 등급을 구분하는 정교한 시스템을 구축할 필요가 있다.

구근류의 형상학적 특성(예를 들면, 길이, 두께, 몸통과 다리의 구분 등)을 수작업으로 측정하는 것은 시간의 소모도 많이 걸리며 작업자 간의 오차와 측정방법에 따른 오차 등을 고려할 경우 비효율적이며 주관적인 측정방법이 될 수 있다.

반면 영상을 취득한 후 영상을 분석하여 형상학적 특성을 분석하는 것은 매우 쉬운 방법이며 정해진 알고리즘에 따라 특성 추출을 하게 되므로 객관적인 방법이며 측정자 간에 발생할 수 있는 오차는 매우 줄어들게 된다.

또한, 영상 취득과 영상 분석을 한 개의 구근류 작물에 대하여 일일이 수행하는 것은 열처리 공정과 같이 한 번의 공정에 대량의 구근류를 취급하는 대량생산 시스템에서 적용하기에는 비효율적인 문제점이 있다.

대한민국 등록특허공보 10-2095539(2020.03.31. 공고) 대한민국 등록특허공보 10-1763841(2017.08.16. 공고) 대한민국 공개특허공보 10-2018-0082362(2018.08.18. 공개)

따라서, 상기한 종래의 문제점을 해결하기 위한 본 발명은, 영상획득, 인공지능, 영상처리, 영상분석 등의 특정의 측정과 판별 과정을 통하여 대량생산 시스템에서 사용되는 구근류의 형상인자를 효율적으로 도출하고, 구근류의 증숙 공정 등에서의 최적 조건 설정을 통해 가공효율성을 현저히 향상시킬 수 있는, 구근류의 증숙 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법 및 구근류 형상인자 판별 시스템을 제공하는데 그 목적이 있다.

즉, 본 발명은 구근류의 형상학적 특성에 따른 분류가 가능하고, 형상에 따라 가공 조건을 선택적으로 조절하여 가공성과 생산성을 향상시키고, 가공되는 제품의 품질을 확보할 수 있는 구근류의 처리 공정(예를 들면, 증숙 공정)의 최적조건 설정을 위한 구근류 형상인자 판별 방법 및 구근류 형상인자 판별 시스템을 제공하는데 그 목적이 있다.

본 발명의 해결과제는 이상에서 언급한 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

상기 본 발명의 목적들 및 다른 특징들을 달성하기 위한 본 발명의 일 관점에 따르면, 구근류의 대량 가공 공정에서의 조건 설정을 위하여 구근류의 형상인자를 판별하기 위한 방법으로서, 가공할 복수의 구근류의 영상 이미지를 획득하는 구근류 영상이미지 획득 단계; 상기 획득된 영상이미지로부터 구근류 형상인자를 추출하는 구근류 형상인자 추출 단계; 및 상기 추출된 구근류 형상인자를 분석하고, 가공 공정의 공정 조건에 반영하기 위한 데이터를 생성하는 구근류 가공인자 생성 단계;를 포함하는 것을 특징으로 하는 구근류 형상인자 판별 방법이 제공된다.

본 발명의 일 관점에 있어서, 상기 구근류 영상이미지 획득 단계는, 복수의 카메라를 통해 복수의 영상이미지를 획득하되, 복수의 구근류가 적재된 구근류 적재 부재의 중심에서 촬영된 영상이미지, 및 높이와 좌우 위치가 각기 다른 복수의 영상이미지를 획득하도록 이루어질 수 있다.

본 발명의 일 관점에 있어서, 상기 구근류 영상이미지 획득 단계는 상기 구근류 적재 부재의 중심에서 촬영된 영상을 분석하여 영상분석에 소정 화소수 이상이 되는 위치를 판단하고, 높이와 2차원 평면에서의 촬영 좌표를 판단하여 해당 촬영 좌표에서 촬영된 영상이미지를 획득하는 것으로 이루어질 수 있다.

본 발명의 일 관점에 있어서, 상기 구근류 형상인자 추출 단계는 구근류의 몸통 부위와 다리 부위를 포함하는 형상을 추출하는 것으로 이루어지며, 상기 구근류 가공인자 생성 단계는 상기 구근류 형상인자 추출 단계에서 추출된 구근류의 몸통 부위와 다리 부위에 대하여 몸통부위를 다리 부분과 분리하여 영상 객체를 만드는 제 1단계와, 몸통 부위로만 구성된 영상 객체를 통하여 형상인자인 길이와 두께를 추출하는 제 2단계, 및 상기 추출된 길이와 두께를 군집화하고 분류한 데이터를 생성하는 제3 단계를 포함할 수 있다.

본 발명의 일 관점에 있어서, 상기 제1 단계 및 제2 단계는 인공지능 알고리즘을 통해 실행되되, 상기 제1 단계는 크롭(crop) 기술을 이용하여 구근류의 몸통 부위가 포함된 영상 객체를 생성하도록 이루어질 수 있다.

본 발명의 일 관점에 있어서, 상기 구근류 영상이미지 획득 단계는 상기 구근류 적재 부재가 놓이는 촬영 챔버와, 상기 촬영 챔버에 구비되는 하나 이상의 카메라, 및 상기 카메라의 촬영 높낮이 및 좌우 위치가 조절 가능한 카메라 구동 유닛을 포함하는 영상 획득 장치를 이용하여 영상이미지를 획득하는 것으로 이루어질 수 있다.

본 발명의 일 관점에 있어서, 상기 구근류 영상이미지 획득 단계는 상기 구근류 적재부재로서 면적이 45cm, 너비 45cm인 것이 이용되고, 상기 영상이미지는 높이 35~40cm에서 얻은 영상이미지일 수 있다.

본 발명의 다른 관점에 따르면, 대량 구근류의 가공 공정에서의 조건 설정을 위하여 구근류의 형상인자를 판별하기 위한 시스템으로서, 가공할 복수의 구근류의 영상 이미지를 획득하도록 구성되는 구근류 영상 획득 장치부; 및 상기 구근류 영상 획득 장치부에서 획득된 영상이미지에 기초하여 구근류 형상인자를 추출하고 분석하여, 가공 공정의 공정 조건에 반영하기 위한 데이터를 생성하도록 구성되는 영상분석 장치부;를 포함하는 것을 특징으로 하는 구근류 형상인자 판별 시스템이 제공된다.

본 발명의 다른 관점에 있어서, 상기 영상분석 장치부는 구근류의 몸통 부위와 다리 부위를 포함하는 형상을 추출하고, 상기 추출된 구근류의 몸통 부위와 다리 부위에 대하여 몸통부위를 다리 부분과 분리하여 영상 객체를 생성하고, 몸통 부위로만 구성된 영상 객체를 통하여 형상인자인 길이와 두께를 추출하며, 상기 추출된 길이와 두께를 군집화하고 분류한 데이터를 생성하도록 이루어질 수 있다.

본 발명의 다른 관점에 있어서, 상기 구근류 영상 획득 장치부는 구근류 적재 부재가 놓이는 촬영 챔버와, 상기 촬영 챔버에 구비되는 하나 이상의 카메라, 및 상기 카메라의 촬영 높낮이 및 좌우 위치가 조절 가능한 카메라 구동 유닛을 포함하며, 상기 영상분석 장치부는, 인공지능 알고리즘을 통해 크롭(crop) 기술을 이용하여 구근류의 몸통 부위가 포함된 영상 객체를 생성하도록 이루어질 수 있다.

본 발명에 따른 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법 및 구근류 형상인자 판별 시스템에 의하면 다음과 같은 효과를 제공한다.

첫째, 본 발명은 증숙 공정 또는 열처리 공정 등과 같은 구근류의 가공 처리 공정에 영향을 미치는 구근류의 형상학적 특성을 정확히 측정하고 판별할 수 있고, 그 결과에 기반하여 최적 조건으로 설정된 가공 공정을 실행할 수 있어 구근류의 가공 효율성을 현저히 향상시킬 수 있는 효과가 있다.

둘째, 본 발명은 영상획득, 인공지능, 영상처리, 영상분석 등을 통해 구근류의 형상학적 특성을 확실하고 정확하게 측정 및 판별할 수 있어 구근류의 형상인자 파악을 가공 공정에서의 최적 조건 설정을 신뢰성 있게 행하고 가공성과 생산성을 향상시킬 수 있는 효과가 있다.

셋째, 본 발명은 구근류의 가공효율성 증대와 함께 최종 가공되어 생산되는 가공 구근류의 품질을 확보할 수 있는 효과가 있다.

본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해되어 질 수 있을 것이다.

도 1은 본 발명에 따른 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법을 나타내는 플로차트이다.
도 2는 본 발명에 따른 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법에 포함되는 구근류 형상인자 추출 과정을 나타내는 플로차트이다.
도 3은 구근류가 트레이에 적재된 상태를 나타내는 도면이다.
도 4는 본 발명에 따른 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법에 포함되는 구근류 영상이미지 획득 단계에 이용되는 영상 취득 장치부에 의한 높이 조절 인자에 대하여 설명하기 위한 도면이다.
도 5는 본 발명에 따른 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법에 포함되는 구근류 영상이미지 획득 단계에 이용되는 영상 취득 장치부에 의한 좌우 조절 인자에 대하여 설명하기 위한 도면이다.
도 6은 시료에 경계상자를 설정한 예를 나타내는 도면이다.
도 7은 YOLOv5 모델로부터 얻은 학습결과의 메트릭을 나타내는 도면이다.
도 8은 인공지능 알고리즘을 적용하여 시료의 몸통부위만을 추출하여 영상객체를 생성하는 결과를 나타내는 도면이다.
도 9는 인공지능 알고리즘을 적용하여 생성된 영상객체를 이용하여 형상인자를 추출하기 위한 과정을 나타내는 도면이다.
도 10은 인공지능 모델 트레이닝 그래프를 나타내는 도면으로, (a)정확도, (b)정밀도, (c)재현율을 나타낸다.

본 발명의 추가적인 목적들, 특징들 및 장점들은 다음의 상세한 설명 및 첨부도면으로부터 보다 명료하게 이해될 수 있다.

본 발명의 상세한 설명에 앞서, 본 발명은 다양한 변경을 도모할 수 있고, 여러 가지 실시 예를 가질 수 있는바, 아래에서 설명되고 도면에 도시된 예시들은 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도는 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

또한, 명세서에 기재된 "...부", "...유닛", "...모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

이하, 본 발명의 바람직한 실시 예에 따른 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법 및 구근류 형상인자 판별 시스템에 대하여 첨부 도면을 참조하여 상세히 설명한다.

아래 본 발명에 대한 상세한 설명에 앞서, 본 발명에서 사용되는 용어 구근류는 도라지, 인삼, 더덕과 같은 식물의 뿌리를 사용하여 바로 취식하거나 소정의 가공 공정(예를 들면, 증숙 공정, 열처리 공정)을 거쳐서 가공 식품으로 사용되는 원료를 의미한다. 구근류는 열처리 공정을 통하여 특정한 생리활성물질의 증가를 가져오거나, 쓴맛의 제거와 조직감의 연화를 통하여 소비자 선호도를 향상시키거나, 취식이나 가공 처리가 용이하게 하는 편이성을 향상시키거나, 저장 및 유통 중의 유통 기한을 연장시키는 효과를 가져온다. 이와 같은 구근류를 가공하는 경우 가공 조건은 사용되는 구근류의 형상에 따라 크게 차이가 나게 된다. 본 발명에서 사용되는 용어 “가공 조건”은 재료나 물질의 가공 중에 적용되는 다양한 공정 조건을 의미하며, 열처리 공정은 일 예이다.

먼저, 본 발명에 따른 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법에 대하여 도 1 및 도 2를 참조하여 상세히 설명한다.

도 1은 본 발명에 따른 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법을 나타내는 플로차트이고, 도 2는 본 발명에 따른 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법에 포함되는 구근류 형상인자 추출 과정을 나타내는 플로차트이다.

본 발명에 따른 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법은, 한 번의 공정에 대량의 구근류를 취급하는 대량생산 시스템에서 구근류의 형상 특성을 측정하고 판별하기 위한 구근류 형상인자 판별 방법으로서, 도 1 및 도 2에 나타낸 바와 같이, 크게 구근류 영상이미지 획득 단계(S100)와, 구근류 형상인자 추출 단계(S200), 및 구근류 가공인자 생성 단계(S300)를 포함한다.

구체적으로, 본 발명에 따른 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법은, 한 번의 가공 공정에 대량(복수)의 구근류를 취급하는 대량생산 시스템에서 구근류의 형상 특성을 측정하고 판별하여 가공 공정 조건에 이용하기 위한 구근류 형상인자 판별 방법으로서, 도 1 및 도 2에 나타낸 바와 같이, 가공처리할 대량(복수)의 구근류(이하, '가공처리 구근류'라고 함)의 영상 이미지를 획득하는 구근류 영상이미지 획득 단계(S100); 상기 구근류 영상이미지 획득 단계(S100)에서 획득된 영상이미지에 있는 복수의 가공처리 구근류의 형상특성 또는 구근류 형상인자를 추출하는 구근류 형상인자 추출 단계(S200); 및 상기 구근류 형상인자 추출 단계(S200)에서 얻어진 구근류 형상인자를 영상 분석하고, 처리 가공에 필요한 가공 인자를 산출하는, 즉 영상 분석된 결과를 처리 공정의 공정 조건에 반영하기 위한 데이터를 생성하는 구근류 가공인자 생성 단계(S300);를 포함한다.

상기 구근류 영상이미지 획득 단계(S100)는 하나 이상의 촬영카메라를 이용하여 가공처리할 대량(복수)의 구근류(이하, '가공처리 구근류'라고 함)의 영상 이미지를 획득하는 과정이다.

구체적으로, 상기 구근류 영상이미지 획득 단계(S100)는 구근류 적재 부재인 트레이 등에 적재된 다량의 구근류를 하나 이상의 카메라를 통해 촬영하여 다량의 구근류의 영상이미지를 획득한다.

여기에서, 상기 구근류 영상이미지 획득 단계(S100)는 후 과정인 영상 분석에 최적의 조건의 영상(이미지)을 얻기 위하여 높이 및 좌우 위치가 다른 복수의 영상(이미지)을 얻는 것으로 이루어진다.

이를 위하여 본 발명은 트레이 상에 적재된 다량의 구근류의 형상 촬영 시 상기 카메라의 촬영 위치, 즉 높이와 좌우로의 위치가 조정가능하게 구성되거나, 높이와 좌우 위치가 다른 복수의 카메라를 통해 높이와 좌우 위치가 다른 복수의 영상(이미지)를 획득할 수 있다.

바람직하게, 상기 구근류 영상이미지 획득 단계(S100)는 트레이 중심에서 촬영된 영상을 분석하여 영상분석에 적절한 화소수 이상이 되는 위치를 판단하고, 높이와 2차원 평면에서의 촬영 좌표를 판단하여 카메라를 이동시킨 위치에서 영상이미시를 획득하도록 이루어진다.

여기에서, 상기 구근류 영상이미지 획득 단계(S100)는 영상이미지 획득 시 조명장치(LED)를 통해 영상이미지 획득에 적합한 조명을 제공한 상태에서 영상이미지를 획득한다.

상기 구근류 영상이미지 획득 단계(S100)에 대하여 이용되는 영상 취득 장치부에 대하여 도 3 내지 도 5를 참조하여 설명한다. 도 3은 구근류가 트레이에 적재된 상태를 나타내는 도면이고, 도 4 및 도 5는 각각 본 발명에 따른 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법에 포함되는 구근류 영상이미지 획득 단계에 이용되는 영상 취득 장치부에 의한 높이 조절 인자와 좌우 조절 인자에 대하여 설명하기 위한 도면이다.

도 4 및 도 5에 나타낸 바와 같이, 상기 구근류 영상이미지 획득 단계(S100)에 대하여 이용되는 영상 취득 장치부는 크게 구근류가 적재되는 트레이가 하부에 위치되는 촬영 챔버, 및 상기 촬영 챔버의 상부 측에 구비되고, 카메라의 높이(도 4) 및 좌우 위치(도 5)가 변경될 수 있게 구동시키는 카메라 구동 유닛을 포함하며, 이에 더하여 조명 장치(미도시)를 더 포함할 수 있다.

이와 같이 구성되는 영상 취득 장치부를 이용하여 상기 구근류 영상이미지 획득 단계(S100)는, 최초에 트레이 중심에서 촬영된 영상을 분석하여 영상 분석에 적절한 화소수 이상이 되는 위치를 판단하고, 높이와 2차원 평면에서의 촬영 좌표를 판단하여 카메라의 촬영 위치를 결정하며, 해당 위치에서 촬영하여 구근류 영상이미지를 획득하게 된다.

보다 구체적인 이미지 획득 과정에 대해서는 아래 실험을 통해 확인한 과정을 포함한다.

다음으로, 상기 구근류 형상인자 추출 단계(S200)는 상기 구근류 영상이미지 획득 단계(S100)에서 획득된 영상이미지에 있는 복수의 가공처리 구근류의 형상특성 또는 구근류 형상인자를 추출하는 과정이다.

구체적으로, 상기 구근류 형상인자 추출 단계(S200)는 가공 공정에 영향을 미치는 구근류의 몸통 부위를 다리 부분과 분리하여 영상 객체를 만드는 제1 단계인 영상객체 생성 단계(S210)와, 상기 제1 단계(S210)에서 얻어진 영상 객체에서 몸통으로만 구성된 몸통 영상 객체를 통하여 형상인자인 몸통 부위의 형상, 길이, 두께, 체형계수 등을 추출하는 제2 단계인 형상인자 추출 단계(S220), 및 상기 제2 단계(S220)에서 추출된 형상 인자에 기반하여 미리 프로그램핑된 인공지능 알고리즘을 통해 구근류의 몸통부만을 추출하는 제3 단계인 몸통부 추출 단계(S230)를 포함한다.

상기 제3 단계(S230)에서 이용되는 인공지능 알고리즘은 YOLO v5를 훈련하여 여러 개의 구근류가 담긴 영상에서 각 구근류의 몸통만을 포함한 영상객체를 생성 추출하는 것으로 이루어진다.

보다 구체적인 제3 단계(S230)에 대해서는 아래 실험을 통해 확인한 과정을 포함한다.

다음으로, 상기 구근류 가공인자 생성 단계(S300)는 상기 구근류 형상인자 추출 단계(S200)에서 얻어진 구근류 형상인자를 영상 분석하고, 처리 가공에 필요한 가공 인자를 산출하는, 즉 영상 분석된 결과를 처리 공정의 공정 조건에 반영하기 위한 데이터를 생성하는 과정이다.

구체적으로, 상기 구근류 가공인자 생성 단계(S300)는 상기 구근류 형상인자 추출 단계(S200)에서 얻어진 구근 몸통부의 형상인자인 길이와 두께를 분석하고, 분석된 길이와 두께를 산출하여 처리 공정의 공정 조건에 반영할 데이터로서 생성하는 것으로 이루어진다.

상기 영상 분석에 있어서 본 발명에서 트레이에 적재된 다수의 구근류 영상은 한 번의 촬영으로 동시에 얻어지므로, 실질적으로 냉점 파악에 필요한 형상인자만을 획득하기 위한 영상분석의 프로토콜은 크게 두 단계로 이루어지는데, 몸통부위만을 검출하여 추출하는 이미지 검출 과정과, 추출된 몸통부위의 길이와 두께를 영상분석을 통해 계산하는 과정으로 이루어진다.

또한, 본 발명에서 상기 구근류 가공인자 생성 단계(S300)는 군집분석(K-means clustering)을 통하여 복수의 군집으로 분석하는 것으로 이루어질 수 있다.

한편, 본 발명의 발명자는 본 발명의 구근류 형상인자 판별 방법에 대하여 실험을 통해 확인하였으며, 이에 대하여 설명한다.

구근류의 영상 취득 장비

사용된 카메라는 이미지 해상도가 207만 화소인 DSLR-500D 디지털 카메라(Canon Inc, Tokyo, Japan)를 사용하였고, 도 4와 도 5에 나타나 있는 바와 같이, 촬영 챔버로서 길이 = 45cm, 너비 = 45cm, 높이 = 40cm의 가변 이미지 캡처 상자를 아크릴을 사용하여 제작하였다. H1, H2, H3 및 H4는 구근류 샘플이 놓였는 바닥판(실험에서는 증숙판을 사용함)과 카메라 렌즈 사이의 간격을 각각 25, 30, 35 및 40cm로 나타낸 것이다.

다시 말해서, 촬영 챔버에 구비되는 카메라는 카메라 구동 유닛을 통해 높낮이와 좌우 조절이 가능하게 구성하였으며, 높이 조절에 따른 영상의 해상도와 영상 분석 시 정확도의 차이를 검증하기 위해 도 4와 같이 4가지 높이 인자를 선정하였으며, 높이 인자 H1, H2, H3, H4는 각각 25, 30, 35, 40cm로 하였다.

카메라의 높이를 조절하는 것 외에도 다량의 샘플에 대한 영상을 획득하기 위하여 여러 카메라를 사용하였으며 각 카메라의 위치는 도 5에 나타난 바와 같이, 상자의 모퉁이에서 8x8cm의 거리에 있는 A, B, C 및 D 위치에 배치되었고, E 위치는 영상획득 장치의 중앙에 있다. 획득한 영상의 화소 값, 바닥에 위치한 모든 샘플을 영상에 담을 수 있는지에 대한 여부, 영상의 해상도가 영상 객체의 품질 결정 요소로 사용되었다. 또한, 내부에 LED조명이 부착되어 있어 영상촬영에 적합한 조명 유닛을 설치하였다.

또한, 도 5에 나타낸 A~E 인자는 좌/우 조절이 가능한 위치를 나타내고, E 지점은 최초 촬영이 이루어지는 중심 위치를 나타낸다.

중심 위치 E는 트레이 전역을 촬영할 수 있는 높이로 설정되었고, 최적 영상을 획득하기 위한 높이, 좌/우 위치 선택은 E지점에서 최초 촬영된 영상을 분석하여 선택하였다. 산업용 스케일의 트레이의 영상도출도 동일한 비율을 적용하여 영상 촬영이 가능하게 하였다.

구근류의 배열 상태에 따른 영상 취득

가공처리 시 한 번에 사용되는 구근류의 양이 많으므로 일관된 정렬 상태를 유지하기 어렵다. 예를 들어 구근류(인삼이나 도라지)를 증숙할 경우 증숙판 위에 시료를 얻은 상태에서 증숙 공정이 이루어지며 이때 시료인 구근류들은 정열이 된 상태를 유지할 수도 있고 정렬이 되지 않은 상태로 증숙공정을 거칠 수 있다.

이와 같이 다량의 시료를 처리할 경우 다양한 배열 상태에 따라 목표로 하는 영상획득이 이루어져야 하므로 본 발명에서도 시료인 도라지를 정돈되지 않은 배열 상태(도 3의 왼쪽)와 정돈된 배열상태(도 3의 오른쪽)로 나누어 영상을 획득하고 인공지능을 훈련하는 데이터로 사용하였다.

도 3에 나타난 바와 같이, 시료는 배치 시 서로 굴러가는 것을 허용하여 정렬이 되지 않은 상태와 정리된 시료는 한 방향으로 배열되고 겹치지 않은 상태로 하였다. 이러한 구분된 조건으로 다량의 시료 이미지(>1000장)가 획득되어 인공지능의 훈련과 영상분석에 활용되었다.

구근류의 몸통 영역 식별을 위한 인공지능 훈련

본 실험에서는 영상이 가지는 화소 값, 각 증숙판 위에 위치한 다수의 샘플 모두를 포함하는 지의 여부, 각 영상의 해상도를 고려하여 카메라의 높이와 위치를 설정하여 획득한 영상으로 인공지능(AI)의 훈련에 사용되는 영상 데이터 세트로 사용하였다.

본 실험에서 시료의 방향, 샘플 번호 및 증숙판 위의 위치를 가진 천 개(1000장)의 영상이 수집되었고, AI 알고리즘은 도라지의 몸통 부분(즉, 다리가 아닌 윗부분의 두꺼운 영역)을 감지하기 위해 훈련되었다. 영상 데이터 세트는 70%는 훈련용, 30%는 모델 테스트용으로 나누어서 인공지능의 학습에 사용하였다.

본 실험에서는 YOLO v5(오픈 소스 AI 소프트웨어)를 사용하여 구근류의 몸통부위를 판별하는 인공지능 알고리즘으로 사용하였다. YOLO v5를 구현하는 과정 중 각 테스트 데이터 세트의 이미지 중 구근류의 몸통부위를 구분하기 위한 경계상자(bounding box)와 박스 내부의 그리드 셀을 배치한 데이터를 만들어 훈련에 사용하였다.

시료에 경계상자를 설정한 예는 도 6에 나타내었다. 각 그리드 셀에 대하여 이미지 분류 및 위치 지정 알고리즘이 적용되었다. 각 그리드 셀마다 레이블 Y가 지정되었는데, 레이블 Y는 n차원 벡터로 n차원 벡터는 다음과 같은 조변수(parameter)들로 구성된다. 그리드 셀에 이미지가 있는지에 따라 0 또는 1의 값을 나타내는 PC (presence confidence), 구근류의 몸통 부위를 결정하기 위하여 몸통 영역의 주위에 4개의 매개변수(x, by, bh, bw)를 설정하고 이 값들을 영상분석을 통하여 찾게 된다. 여기서 bx, by는 이미지의 좌상단 모서리로부터의 오프셋, bh는 바운딩 박스의 높이, bw는 바운딩 박스의 너비를 나타낸다.

YOLO v5의 내부적인 알고리즘과 학습 데이터 세트에 따라 구체적인 값을 찾아 구근류의 몸통부위의 영역을 식별하게 된다. 인공지능을 통한 구근류 시료의 몸통 영역의 식별 뒤, 몸통 부분 만 영상에서 분리하여 새로운 영상객체를 생성하게 되고 몸통 부분만으로 구성된 영상객체를 이용하여 영상분석 과정을 거쳐 형상인자인 몸통의 길이와 두께를 도출한다.

도 7은 YOLO v5 모델로부터 얻은 학습결과의 메트릭으로서 연속된 epoch 간의 모델 수렴과 성능 향상을 나타내었다. 특히, 훈련 손실, 객체 손실, 검증 손실 및 객체 검증 손실에서 관찰된 감소하는 추세는 모델이 학습 데이터 세트로부터 효과적으로 학습하고 일반화하는 능력이 높음을 보여주었다. 이러한 손실 메트릭에서 <0.04의 값을 달성하는 것은 매우 높은 수준의 수렴을 보여주며, 모델이 예측 오류를 효과적으로 최소화하였음을 나타낸다.

몸통부위가 식별된 영상객체 생성

본 발명의 발명자는 본 실험을 통해 YOLO v5 모델을 훈련하여 구근류의 특정 부위(몸통)를 성공적으로 식별하고 구분하는 데 성공하였다. 정확한 크롭(crop) 기술을 활용하여 각각의 시료의 몸통부위가 포함된 영상객체를 생성하게 되었다. 이와 같은 모든 과정을 수행함에 있어서 작업자가 할 일은 시료의 배열과 전체 시료가 포함되는 영상 1개를 카메라를 통하여 획득하는 것이다. 모든 과정은 인공지능과 영상분석 알고리즘을 통하여 자동으로 수행되어 각각의 영상객체로 저장된다. 도 8은 인공지능 알고리즘을 적용하여 시료의 몸통부위만을 추출하여 영상객체를 생성하는 결과를 나타내는 도면이다.

생성된 영상 객체는 형상인자를 얻기 위한 형태학적 특성 분석을 영상분석과정을 거치게 된다. 도 9는 인공지능 알고리즘을 적용하여 생성된 영상객체를 이용하여 형상인자를 추출하기 위한 과정을 나타내는 도면이다.

기본적인 영상분석 단계는 다음과 같다. 1) 크롭된 이미지를 흑백 이미지로 변환, 2) 흑백 이미지를 1과 0으로 이진 이미지로 변환 (1은 흰색 픽셀, 0은 검은색 픽셀), 3) 이진 이미지에서 네 꼭짓점의 흰색 픽셀(1)을 식별, 4) 식별된 꼭짓점에 경계상자(bounding box) 표시, 5) 경계상자 내의 몸통부분의 길이와 두께를 측정한다. 이 과정을 통하여 각 영상객체가 가지고 있는 시료의 몸통의 형상학적 특징인 몸통의 길이와 두께를 최종적으로 추출하게 된다.

영상 획득 장치, 인공지능 모델, 영상분석 결과의 검증

본 발명에서는 구근류 시료와 카메라 렌즈 사이의 서로 다른 거리와 카메라의 개수를 고려하였다. 표 1에서 보는 바와 같이, 단일 렌즈로 영상을 촬영하는 경우, 카메라 렌즈와 샘플 간 거리가 증가함에 따라 테스트 모델의 정확도와 정밀도가 감소하는 경향을 보였다. 이 감소는 영상 해상도의 감소와 카메라가 캡처한 픽셀 값의 감소와 관련이 있다. 단일 및 다중 영상 캡처 시스템에서 영상을 촬영하는 최적의 높이는 35cm였다. 이 거리에서는 증숙판 위의 모든 샘플이 촬영되고 영상 해상도가 높았다. 따라서 최적의 영상 획득 시스템은 렌즈와 샘플 사이의 35cm 거리에서 다중 이미지로 설정되었다. 또한, 다중 카메라를 사용하여 1,000장의 영상을 획득하여 본 발명에서 사용한 동일한 방법으로 분석한 결과 도 10과 같이 높은 정확도를 나타내었다. 표 1은 최적 영상 획득 조건을 나타내는 표이며, 도 10은 인공지능 모델 트레이닝 그래프를 나타내는 도면으로, (a)정확도, (b)정밀도, (c)재현율을 나타낸다.

연구에 사용된 시료의 몸통 부분의 형상인자인 길이와 두께를 분석한 결과, 두께는 0.8 ~ 3.97 cm의 범위였으며, 길이는 4.59 ~ 13.72cm의 범위였다. 이 데이터를 군집분석(K-means clustering)을 통하여 분석한 결과 3개의 군집으로 분석할 수 있었으며(표 2), 이와 같이 형상인자에 따른 군집화는 가공공정의 최적화를 도출시키는데 유용한 방법이다. 표 2는 실험에 사용된 구근류 시료(도라지)의 형상 인자에 따른 군집화를 나타내는 표이다.

구근류의 영상분석을 통해 획득된 길이와 두께 값을 이용하여 표 2와 같이 증숙 조건을 결정하는 분류 체계를 확립할 수 있다.

구근류의 예로 도라지를 활용하고, 몸통 두께는 전체 0.8~3.97cm, 길이는 4.59~13.72cm의 범위로 존재하였고, 두 형상인자에 대한 전체 범위를 바탕으로 도라지를 A, B, C 3가지 군집으로 분류할 수 있음을 확인하였으며, 증숙 단계에서 분류된 군집을 기반으로 가열 및 냉각 공정을 설정하여 최적화된 증숙공정을 설계 및 적용할 수 있다.

결론적으로, 본 발명의 발명자는 semi-batch 형태로 실시간 촬영을 통한 증숙기 내부에 투입되는 구근류(인삼, 도라지, 더덕 등)의 형상과 크기 인자를 동시에 효율적으로 인지하여 증숙 조건을 현장에서 맞춤식으로 조절할 수 있는 시스템을 제공할 수 있음을 확인하였다.

이상에서 설명한 바와 같은 본 발명에 따른 구근류의 가공 공정의 최적조건 설정을 위한 구근류 형상인자 판별 방법 및 구근류 형상인자 판별 시스템에 의하면, 증숙 공정 또는 열처리 공정 등과 같은 구근류의 가공 처리 공정에 영향을 미치는 구근류의 형상학적 특성을 정확히 측정하고 판별할 수 있고, 그 결과에 기반하여 최적 조건으로 설정된 가공 공정을 실행할 수 있어 구근류의 가공 효율성을 현저히 향상시킬 수 있는 이점이 있다.

또한, 본 발명은 영상획득, 인공지능, 영상처리, 영상분석 등을 통해 구근류의 형상학적 특성을 확실하고 정확하게 측정 및 판별할 수 있어 구근류의 형상인자 파악을 가공 공정에서의 최적 조건 설정을 신뢰성 있게 행하고 가공성과 생산성을 향상시킬 수 있으며, 구근류의 가공효율성 증대와 함께 최종 가공되어 생산되는 가공 구근류의 품질을 확보할 수 있는 이점이 있다.

본 명세서에서 설명되는 실시 예와 첨부된 도면은 본 발명에 포함되는 기술적 사상의 일부를 예시적으로 설명하는 것에 불과하다. 따라서, 본 명세서에 개시된 실시 예는 본 발명의 기술적 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이므로, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아님은 자명하다. 본 발명의 명세서 및 도면에 포함된 기술적 사상의 범위 내에서 당업자가 용이하게 유추할 수 있는 변형 예와 구체적인 실시 예는 모두 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

S100: 구근류 영상이미지 획득 단계
S200: 구근류 형상인자 추출 단계
S210: 영상객체 생성 단계
S220: 형상인자 추출 단계
S230: 몸통부 추출 단계
S300: 구근류 가공인자 생성 단계

Claims (10)

1. 구근류의 대량 가공 공정에서의 조건 설정을 위하여 구근류의 형상인자를 판별하기 위한 방법으로서,
   가공할 복수의 구근류의 영상 이미지를 획득하는 구근류 영상이미지 획득 단계;
   상기 획득된 영상이미지로부터 구근류 형상인자를 추출하는 구근류 형상인자 추출 단계; 및
   상기 추출된 구근류 형상인자를 분석하고, 가공 공정의 공정 조건에 반영하기 위한 데이터를 생성하는 구근류 가공인자 생성 단계;를 포함하는 것을 특징으로 하는
   구근류 형상인자 판별 방법.
   
2. 제1항에 있어서,
   상기 구근류 영상이미지 획득 단계는, 복수의 카메라를 통해 복수의 영상이미지를 획득하되, 복수의 구근류가 적재된 구근류 적재 부재의 중심에서 촬영된 영상이미지, 및 높이와 좌우 위치가 각기 다른 복수의 영상이미지를 획득하도록 이루어지는 것을 특징으로 하는
   구근류 형상인자 판별 방법.
3. 제2항에 있어서,
   상기 구근류 영상이미지 획득 단계는
   상기 구근류 적재 부재의 중심에서 촬영된 영상을 분석하여 영상분석에 소정 화소수 이상이 되는 위치를 판단하고, 높이와 2차원 평면에서의 촬영 좌표를 판단하여 해당 촬영 좌표에서 촬영된 영상이미지를 획득하는 것으로 이루어지는 것을 특징으로 하는
   구근류 형상인자 판별 방법.
   
4. 제1항에 있어서,
   상기 구근류 형상인자 추출 단계는 구근류의 몸통 부위와 다리 부위를 포함하는 형상을 추출하는 것으로 이루어지며,
   상기 구근류 가공인자 생성 단계는 상기 구근류 형상인자 추출 단계에서 추출된 구근류의 몸통 부위와 다리 부위에 대하여 몸통부위를 다리 부분과 분리하여 영상 객체를 만드는 제 1단계와, 몸통 부위로만 구성된 영상 객체를 통하여 형상인자인 길이와 두께를 추출하는 제 2단계, 및 상기 추출된 길이와 두께를 군집화하고 분류한 데이터를 생성하는 제3 단계를 포함하는 것을 특징으로 하는
   구근류 형상인자 판별 방법.
   
5. 제4항에 있어서,
   상기 제1 단계 및 제2 단계는 인공지능 알고리즘을 통해 실행되되,
   상기 제1 단계는 크롭(crop) 기술을 이용하여 구근류의 몸통 부위가 포함된 영상 객체를 생성하도록 이루어지는 것을 특징으로 하는
   구근류 형상인자 판별 방법.
   
6. 제1항에 있어서,
   상기 구근류 영상이미지 획득 단계는
   상기 구근류 적재 부재가 놓이는 촬영 챔버와, 상기 촬영 챔버에 구비되는 하나 이상의 카메라, 및 상기 카메라의 촬영 높낮이 및 좌우 위치가 조절 가능한 카메라 구동 유닛을 포함하는 영상 획득 장치를 이용하여 영상이미지를 획득하는 것으로 이루어지는 것을 특징으로 하는
   구근류 형상인자 판별 방법.
   
7. 제6항에 있어서,
   상기 구근류 영상이미지 획득 단계는
   상기 구근류 적재부재로서 면적이 45cm, 너비 45cm인 것이 이용되고,
   상기 영상이미지는 높이 35~40cm에서 얻은 영상이미지인 것을 특징으로 하는
   구근류 형상인자 판별 방법.
   
8. 대량 구근류의 가공 공정에서의 조건 설정을 위하여 구근류의 형상인자를 판별하기 위한 시스템으로서,
   가공할 복수의 구근류의 영상 이미지를 획득하도록 구성되는 구근류 영상 획득 장치부; 및
   상기 구근류 영상 획득 장치부에서 획득된 영상이미지에 기초하여 구근류 형상인자를 추출하고 분석하여, 가공 공정의 공정 조건에 반영하기 위한 데이터를 생성하도록 구성되는 영상분석 장치부;를 포함하는 것을 특징으로 하는
   구근류 형상인자 판별 시스템.
   
9. 제8항에 있어서,
   상기 영상분석 장치부는,
   구근류의 몸통 부위와 다리 부위를 포함하는 형상을 추출하고,
   상기 추출된 구근류의 몸통 부위와 다리 부위에 대하여 몸통부위를 다리 부분과 분리하여 영상 객체를 생성하고,
   몸통 부위로만 구성된 영상 객체를 통하여 형상인자인 길이와 두께를 추출하며,
   상기 추출된 길이와 두께를 군집화하고 분류한 데이터를 생성하도록 이루어지는 것을 특징으로 하는
   구근류 형상인자 판별 시스템.
   
10. 제8항 또는 제9항에 있어서,
    상기 구근류 영상 획득 장치부는 구근류 적재 부재가 놓이는 촬영 챔버와, 상기 촬영 챔버에 구비되는 하나 이상의 카메라, 및 상기 카메라의 촬영 높낮이 및 좌우 위치가 조절 가능한 카메라 구동 유닛을 포함하며,
    상기 영상분석 장치부는, 인공지능 알고리즘을 통해 크롭(crop) 기술을 이용하여 구근류의 몸통 부위가 포함된 영상 객체를 생성하도록 이루어지는 것을 특징으로 하는
    구근류 형상인자 판별 시스템.