연구진, 종자 분석을 위한 AI 기반 방법 개발

브라질의 원자력 농업 센터(CENA)와 루이스 데 키에로즈 농업 대학(ESALQ)의 연구진은 AI 기반의 종자 품질 분석 방법을 개발하여 농업 종자의 품질을 결정하는 데 필요한 시간을 크게 줄였다.

Phys.org에 따르면, 연구진은 빛 기반 이미징 기술을 사용하여 종자의 이미지를 수집했다. 연구진이 사용한 기술에는 다중 스펙트럼 이미징과 클로로필 플루오로센스가 포함되었다. 연구진은 실험 모델로 당근과 토마토를 선택했으며, 다양한 국가와 조건에서 생산되는 다양한 변종을 선택했다. 연구진이 선택한 종자는 미국과 브라질에서 생산되는 상업용 토마토 종자와 이탈리아, 칠레, 브라질에서 생산되는 상업용 당근 종자였다.

이 작물에 대한 수요는 전 세계적으로 증가하고 있지만, 이러한 작물의 종자를 수집하는 것은 어렵다. 당근과 토마토 모두 균일하지 않은 성숙 과정을 가지고 있다. 이러한 작물의 종자 생산은 비동기식이므로, 토마토와 당근에서 추출한 종자 로트에는 성숙한 종자와 미성숙한 종자가 모두 포함될 수 있다. 성숙한 종자와 미성숙한 종자를 눈으로 구별하는 것은 어렵지만, 컴퓨터 비전 시스템을 사용하면 이 과정을 더 쉽게 할 수 있다.

전통적으로, 종자는 발아 및 활력 테스트에 의해 평가된다. 발아 테스트는 종子的 발아와 활력 테스트는 종자가 스트레스에 어떻게 반응하는지 평가하는 것을 포함한다. 이러한 테스트의 결과를 얻으려면 2주 이상이 걸릴 수 있으므로, 기계 학습 기술은 전통적인 종자 분석 기술보다 훨씬 빠르다.

연구진은 훈련 이미지를 수집한 후, 랜덤 포레스트 분류기를 사용하여 종자 이미지를 자동으로 해석했다. 이 광학 이미징 시스템은 전통적인 방법보다 많은 장점이 있다. 하나의 장점은 광학 이미징 기술을 사용하여 종자 전체 배치를 분석할 수 있다는 것이다. 또 다른 장점은 컴퓨터 비전 기술이 비 침습적이므로 분석된 제품을 파괴하지 않는다는 것이다.

연구진이 사용한 종자 품질 분석 방법 중 하나는 클로로필 플루오로센스였다. 연구진이 개발한 알고리즘은 종자 내의 클로로필의 존재를 이용했다. 클로로필은 종자가 발달하는 데 필요한 에너지를 공급한다. 종자가 아직 많이 남아 있는 잔여 클로로필을 가지고 있다면, 이는 종자가 완전히 성숙하지 않았다는 것을 의미한다. 이 잔여 클로로필은 다중 스펙트럼 이미징으로 감지할 수 있다. 적색 광선이 클로로필을励發시키고, 특별한 장치가 그 플루오로센스를 전기 신호로 변환한다.

다중 스펙트럼 이미징은 LED를 사용하여 광 스펙트럼의 다양한 점에서 빛을 발산하는 것을 포함한다. 연구진은 발산된 빛을 19개의 다른 파장으로 나누고, 이러한 파장의 반사에 따라 종자 품질을 분석했다. 그들은 얻은 결과를 전통적인 종자 분석 방법을 통해 얻은 품질 데이터와 비교했다. 연구진은 근적외선 광이 당근 종자의 평가에 가장 효과적임을 발견했다. 또한, 자외선 광이 토마토 종자의 평가에 가장 효과적임을 발견했다.

종자는 단백질, 당, 지질을 포함하고 있으며, 특정 파장의 빛을 흡수하고 나머지 빛을 반사한다. 다중 스펙트럼 카메라는 반사된 빛을 캡처하고, 결과 이미지 데이터는 분석 중인 종자를 전체 캡처된 이미지에서 찾는 데 사용된다. 종자가 특정 영양소를 얼마나 많이 포함하고 있는지에 따라 해당 파장의 빛을 더 많이 흡수한다. 일련의 알고리즘이 사용되어 어떤 파장이 종자를 가장 잘 위치시키는지 찾는다. 이 과정은 분석 중인 종자의 화학적 구성에 대한 정보를 제공하여, 그 품질을 추론할 수 있다. 연구진은 종자 품질을 설명하는 클래스를 생성하기 위해 화학적 모델링을 사용했다.

마지막으로, 연구진은 기계 학습 모델을 사용하여 생성한 화학적 모델의 정확도를 평가할 수 있었다. 토마토 종자의 경우, 품질 분류 정확도는 86%에서 95% 사이였다. 당근 종자의 경우, 정확도는 88%에서 97% 사이였다.

클로로필 플루오로센스 기술과 다중 스펙트럼 이미징 기술은 모두 전통적인 종자 품질 평가 방법보다 훨씬 빠르다는 것을 증명했다. 이 방법이 신뢰할 수 있다면, 더 높은 품질의 종자를 전 세계의 농부에게 제공할 수 있을 것이다.