분광 분석법을 활용한 국내산 포도 품종 통합 당도 검량식 개발 연구

한국의 신선농산물 수출액은 최근 3년간 꾸준히 증가하고 있으며 2018년에는 12억 8천만 달러로 전년대비 1억 8200만 달러가 늘어나 역대 최고의 증가액 실적을 기록하였다. 이러한 호재의 배경에는 한류와 함께 퍼져나간 한국산 과일의 인기가 한몫했다고 알려져 있는데, 그중 두드러지는 약진을 보여준 것이 바로 ‘포도’이다. 한국산 포도는 ‘샤인 머스캣’이라 불리는 신품종을 앞세워 특히 중국과 베트남 등의 동남아 지역에서 최근 폭발적인 인기를 얻고 있으며, 특유의 향기와 높은 당도로 최근 국내에서도 그 인기가 날로 상승하고 있다. 그 결과, 오랜 시간 동안 국내 포도 재배의 약 80% 이상을 차지하던 주력 품종인 캠벨과 거봉을 빠른 속도로 대체해 가고 있으며, 이에 따라 국내 포도 재배 트랜드도 급격하게 변화하고 있다. 하지만, 실제 농가를 방문해본 결과 샤인 머스캣을 지원하는 당도 선별기의 보급은 상당히 더딘 편이었으며, 몇 농가에서만 간이 측정기로 당도를 측정해 출하하고 있는 것이 실정이었다. 또한, 주력 품종이 변화하고 있는 과도기인 만큼 아직 샤인 머스캣뿐만 아니라 기존의 캠벨이나 거봉을 함께 재배하는 농가들도 다수 존재하였는데, 이런 경우 정확한 당도 정보를 얻기 위해서는 품종별로 상이한 당도 측정기를 사용해야 한다는 불편함도 있었다. 따라서, 본 연구에서는 캠벨과 거봉 그리고 샤인 머스캣에 대해 한 번에 적용할 수 있는 품종 통합 당도 측정 모델을 개발하고자 하였다. 모델에 사용한 알고리즘으로는 오늘날 농산물산지유통센터 선별기에 주로 보급된 PLSR(Partial Least Squares Regression)과 여기에 추가로 파장 선택법을 적용해 효율을 증가시킨 VIP(Variable Importance in Projection)-PLSR, Beta-Bootstrap-PLSR 등의 통계적인 방식이 있다. 또한, 최근 분광분석 연구들에서 종종 기존의 통계적인 기법보다 개선된 결과를 보여주고 있는 SVR(Support Vector Regression), ANN(Artificial Neural Network), 1D-CNN(1 Dimensional Convolution Neural Network) 등과 같은 머신러닝 기반의 알고리즘들도 접목하여 최적의 통합 당도 검량식 모델을 선정하는 것을 목표로 하였다.