<aside> 💡

https://www.koreascience.or.kr/article/CFKO202133648805918.pdf : CNN을 활용한 수박 당도 예측

mailto:[email protected] → 김현희 교수

to. 김현희 교수님

</aside>

1. 연구 배경

• 문제점: 수박은 과피가 두껍고 부피가 커 휴대용 당도계 사용 불가능
• 해결방안: 스마트폰 카메라로 촬영한 이미지에 CNN 적용하여 당도 예측 모델 개발

2. 데이터셋 구성

• 출처: 충북 음성 소재 수박 선별장에서 1,000개 수박 수집 (데이터셋 직접 접근 불가)
• 특징:
  • 3초 간격 촬영으로 이미지 일관성 확보
  • 파일명 형식: 번호_당도_무게 (예: 001_12.5_7.8kg)
  • 분류 기준:
    • 이진: 11.5Brix 미만(bad)/이상(good)
    • 삼진: <11.0(bad), 11.0-12.0(good), >12.0(best)
• 주요 발견:
  1. 무게와 당도의 피어슨 상관계수 −0.1297−0.1297로 유의미한 관계 없음
  2. 타원형 수박은 둥근 수박보다 당도가 높은 경향(실제 측정값과 일치)
  3. 줄무늬 연속성은 당도 예측에 영향 미치지 않음

5. 현장 적용 테스트

• 속설 검증:
  • "타원형 수박이 더 달다" → 참(예측/실제 일치)
  • "줄무늬가 끊어지지 않아야 달다" → 거짓(예측 오차 발생

<aside> 💡

https://core.ac.uk/download/pdf/200783516.pdf : 스마트폰의 마이크로 수박 두드리는 소리를 분석해 숙도를 판별하는 방법을 제안

</aside>

핵심 기술

1. 음향 신호 전처리
   • RMS 에너지 임계값: 2초 간 환경 소음 측정 후 5배값을 임계값으로 설정.
   • 버터워스 필터: 차단 주파수(Nyquist 주파수의 50%)로 고주파 소음 제거.
   • 이벤트 검출: 1,500~2,500 샘플(34~57ms) 구간만 추출.
2. 특징 추출
   • ZCR(Zero Crossing Rate): 숙된 수박이 0.0138 vs 미숙 0.0202.
   • STE(Short-Time Energy): 숙된 수박이 5.6 vs 미숙 8.2.
   • Sub-band STE Ratio: 4개 주파수 대역 에너지 비율 분석.
3. 분류 모델
   • SVM(Support Vector Machine): 선형 커널 사용해 모바일 최적화.
   • 특징 벡터: ZCR, STE, Sub-band STE Ratio(1,3,4) 조합.
   • 성능: 전체 정확도 89.9%, 재현율 84.2%, 정밀도 79.1%.

모바일 앱 구현

• 안드로이드 환경: 44.1kHz 샘플링, 16비트 모노 채널.
• 실시간 처리: 별도 스레드에서 음향 분석 수행.
• 크라우드소싱: 사용자 피드백을 통한 모델 지속적 개선.