서 론
재료 및 방법
1. 공시 재료
2. 초분광 영상 시스템
3. 데이터 분석
결과 및 고찰
1. 스펙트럼 분석 결과
2. 유효 파장 대역 분석 결과
3. 최적 전처리 방법 및 파장 대역 분석 결과
결 론
서 론
육계사의 바닥재는 깔짚의 재료, 배설물 및 깃털 등의 혼합물을 의미한다 (Miles et al., 2011). 육계 사육 시 적절한 바닥재 관리는 암모니아와 악취 발생량 저감에 효과적이며 육계의 성장 능력을 향상 시킬 수 있다. 바닥재의 습도 관리 실패 시 발바닥 피부염, 곰팡이 등이 발생하여 도체 등급과 생산성에 악영향을 미친다 (Mayne, 2005).
육계사 바닥재의 수분 환경에 관련된 연구들을 살펴본 결과 젖은 바닥재에서 미생물의 활동에 대한 연구 (Bessei, 2006; Wadud et al., 2012), 바닥재의 상태에 따른 단열 효과에 대한 연구 (Agnew and Leonard, 2003), 바닥재의 상태와 육계사 내부 암모니아 사이의 관계를 분석한 연구 (Miles et al., 2011), 급수기의 위치, 계사 내부 유동성, 닭의 주령 등이 바닥재의 수분 함량에 미치는 영향을 분석한 연구 (Bernhart and Fasina, 2009; Wadud et al., 2012; Dunlop et al., 2015) 및 악취 배출에 대한 연구 (Clarkson and Misselbrook, 1991; Murphy et al., 2014)등이 수행되었다. 특히, Collett (2012)는 수분 함량이 25% 이상인 바닥재를 젖은 상태로 정의하였으며, 젖은 상태의 바닥재의 경우 완충 효과, 단열 효과, 보수력의 성능이 저하된다고 보고하였다. 또한, Sistani et al. (2003)은 젖은 바닥재의 표면에 5~10 cm 두께의 압축된 표면이 형성되는 케이킹 (Caking)현상이 발생하기 쉽다고 보고하였으며 많은 선행 연구에서 공통적으로 바닥재의 젖지 않은 상태를 유지하는 것을 강조하였다. 실제 육계 사육 농가에서 바닥재의 수분 관리를 위해 인력을 이용하여 깔짚 살포 작업을 수행하고 있다. 하지만 눈으로 젖은 영역을 직접 확인하며 깔짚을 살포하는 작업은 많은 노동력을 요구하는 작업이므로 사육 중에는 깔짚 살포 작업이 이루어지지 않는 실정이다.
자동화 기반 기술 개발에 대한 관심이 커짐에 따라 영상을 이용한 비접촉, 비파괴 분석 연구들이 주목받고 있다. 다양한 영상 중에서도 초분광 영상은 농업, 지질학, 의학 등 다양한 분야에 사용되고 있으며 토양의 특성 분석을 위한 효과적인 데이터로 사용되고 있다 (Jia et al., 2017). Bowers and Hanks (1965)는 초분광 영상을 이용해 가시광 영역에서 토양 수분 함량이 증가함에 따라 반사율이 낮아지는 특성을 확인하였고 Zhang et al. (2005)는 초분광 영상을 이용한 토양의 분류 가능성을 보여주었다. 또한, 초분광 영상을 이용해 900 nm, 1450 nm, 1750 nm, 2500 nm 부근 파장 대역에서 수분 흡수 파장 대역임을 제시하였다 (Carter, 1991; Gao and Goetzt, 1995; Peñuelas et al., 1993).
자동화 장치를 이용한 육계사 바닥재의 수분 관리를 위해 바닥재의 분광 특성에 대한 정보가 요구되며, 본 연구는 초분광 영상을 이용하여 수분 함량에 따른 육계사 바닥재의 분광 특성을 확인하고자 하였다. 초분광 영상 시스템을 이용하여 함수비가 0%, 19.3%, 31.1%, 39.8%인 바닥재의 초분광 영상을 획득하였고 전처리에 따른 바닥재의 분광 특성을 비교하여 유효 파장을 선별하였다.
재료 및 방법
1. 공시 재료
본 연구에서는 수분 함량에 따른 바닥재의 분광 특성을 관측하고자 전라북도 정읍시에 위치한 터널환기식 무창계사에서 바닥재 시료를 채취하였다. 채취한 바닥재는 왕겨, 배설물, 사료 등으로 구성되어 있었다. 단계별 수분 함량을 추정하기 위해 계사 내 바닥재를 96시간 오븐 건조한 후 건조된 바닥재를 물과 배합하여 함수비가 0%, 19.3%, 31.1%, 39.8%인 시료를 각각 3개씩 제작하였다. 시료 제작 시 함수비 측정은 중량법을 이용하였다. 건조 전후의 무게를 비교하는 중량법의 특성으로 인해 10%의 일정한 함수비 간격이 아닌 10%와 유사한 함수비 간격으로 시료를 제작하였으며, 제작된 시료는 Figure 1과 같다.
2. 초분광 영상 시스템
400~1700 nm 영역의 데이터를 획득하기 위해 VNIR (visible and near infrared, 400~1000 nm)와 SWIR (short wave infrared, 990~1700 nm) 영상 시스템을 이용 하였다 (Figure 2). VNIR 영상 시스템은 EMCCD 카메라 (MegaLuca R, ANDOR Technology, South Windsor, USA), 영상 분광 장치 (VNIR Hyperspec, Headwall Photonics, Fitchburg, USA), C-mount 렌즈, 할로겐 램프, 시료대로 구성되어 있다. SWIR 영상 시스템은 FPA 카메라 (Model Xeva-1.7-320, Xenics, Leuven, Belgium), 영상 분광 장치 (Hyperspec NIR, Headwall Photonics, Fitchburg, USA), 25 mm 줌 렌즈, 할로겐 램프, 시료대로 구성되어 있다. VNIR와 SWIR 영상 시스템을 통해 저장된 데이터는 각각 128, 224개의 밴드로 구성된 3차원 hypercube 형태의 데이터로 저장된다.
3. 데이터 분석
(1) 스펙트럼 전처리
획득된 초분광 영상은 광원의 불균일성과 CCD 소자 감도 차이 등에 의하여 불균일한 휘도 값을 보정하는 작업이 필요하다. 밝기 보정은 테프론 재질의 백색판 (SRT-151, Labsphere, New Hampshire, USA)으로부터 획득한 백색 스펙트럼과 카메라 렌즈 덮개를 씌우고 획득한 검정 스펙트럼을 이용하여 수행하였다. 밝기 보정식은 아래와 같다.
여기서, SR : 원 영상의 스펙트럼, Sw : 백색 스펙트럼, SD : 검정 스펙트럼
보정된 초분광 영상에서 동일한 함수비의 바닥재 시료이더라도 시료 내 위치별로 분광 정보의 차이가 발생하게 된다. 동일한 바닥재 시료의 분광 정보 편차를 확인하기 위하여 Figure 3과 같이 시료를 4등분으로 나누어 구획별 스펙트럼을 추출하였고 추출된 스펙트럼의 평균 스펙트럼을 계산하였다. 초분광 영상 시스템의 센서에서 발생되는 노이즈를 제거하기 위해서 산란보정과 미분보정을 통해 전처리를 진행하였다. 본 연구에서는 6가지 종류의 스펙트럼 전처리 (Multiplicative Scatter Correction (MSC), Standard Normal Variate (SNV), Savitzky-Golay (SG), MSC+SG, SNV+SG, SG+2nd derivatives)를 진행하였으며 각 전처리는 MATLAB (2020b, MathWorks, USA) 프로그램을 사용하여 수행하였다.
(2) 유효 파장 선별
VNIR와 SWIR 각 센서의 측정 범위 양단에서 잡음이 발생하여 데이터의 품질이 낮아지는 것을 방지하기 위해 VNIR 영상에서 얻어진 400~1000 nm 스펙트럼 데이터 중 450~950 nm 영역에서의 데이터를 사용하였으며, SWIR 영상에서 얻어진 990~1700 nm 스펙트럼 데이터 중 1020~1670 nm 데이터를 사용하였다.
육계사 바닥재의 수분 함량에 가장 영향력 있는 파장 대역을 검출하기 위해 함수비와 파장별 분광 반사율의 피어슨 상관 계수를 비교 하였다. 피어슨 상관 계수를 통해 상관성이 높은 파장 대역을 분류한 다음 동일한 함수비를 가지는 시료 내에 분광 반사율의 표준 편차를 비교하여 적합한 수분 파장대역을 선별하였다. 유효 파장 선별에 사용된 데이터는 원시 분광 데이터와 6가지의 전처리를 적용한 데이터를 포함하여 총 7개의 데이터를 이용하였다.
결과 및 고찰
1. 스펙트럼 분석 결과
함수비가 0%, 19.3%, 31.1%, 39.8%인 바닥재에서 획득한 VNIR와 SWIR의 초분광 영상에 대하여 시료를 4등분하였다. 4등분된 각 영역에서 획득된 분광 정보를 평균하여 영역별 평균 스펙트럼을 획득하였다 (Figure 4).
Figure 4 (a)는 48개 바닥재 시료의 평균 스펙트럼을 각 함수비 별로 나타낸 결과이다. 450~800 nm, 1200 nm 이후 파장 대역에서 바닥재의 함수비가 증가함에 따라 반사율이 낮아지는 경향을 보였다. 800~1200 nm 파장 대역에서 바닥재의 함수비가 0%인 시료의 반사율이 다른 시료의 반사율과 다른 경향을 보였다. 다양한 전처리 기법을 적용한 결과는 Figure 4 (b-g)와 같다. VNIR 대역은 원시 분광곡선과 비교하여 MSC, SNV, SG, MSC+SG, SNV+SG를 수행한 후 원시 분광곡선의 경향을 유지하는 것을 확인하였다. SWIR 대역은 MSC, SNV, MSC+SG, SNV+SG를 수행하였을 때 함수비가 0%인 시료를 제외한 나머지 시료에서 원시 분광곡선과 유사한 경향을 보였다.
2. 유효 파장 대역 분석 결과
육계사 바닥재의 수분 함량에 가장 영향력 있는 파장을 선별하기 위해 함수비와 파장별 분광 반사율의 피어슨 상관 계수가 0.95보다 크거나 –0.95보다 작은 파장 대역을 선별하였다. Figure 5는 VNIR와 SWIR의 분광곡선을 대상으로 파장 대역에 따른 함수비의 상관성을 나타낸 결과이며 전처리 기법에 따른 상관분석 결과는 Table 1과 같다.
VNIR 영역에서 모든 전처리에 대하여 550~600 nm 부근 대역이 유효한 파장으로 나타났다. 이는 표면이 매끄럽지 않은 바닥재가 물을 흡수하면서 물로된 층에 의해 빛의 굴절률이 변화하였고 이로 인해 함수비가 높은 바닥재가 더 많은 빛을 흡수했기 때문에 나타난 결과로 판단된다. MSC, SNV, MSC+SG, SNV+SG 기법에서는 900 nm 부근에서 상관성이 높게 나타났으며, 이는 수분 내 –OH기의 영향을 받은 것으로 판단된다 (Peñuelas et al., 1993).
SWIR 영역에서 바닥재 함수비와 상관 관계가 높은 주요파장 영역은 1200, 1300, 1350~1650 nm 부근으로 나타났다. MSC, MSC+SG를 제외한 모든 전처리 기법에서 수분 흡수 대역으로 알려져 있는 1450 nm 부근 대역에서 상관성이 높게 나타났다. 1600~1650 nm 파장은 바닥재의 깔짚 내 존재하는 CH3 등의 CH 결합기의 영향으로 판단된다 (Curran, 1989). VNIR, SWIR 영역에서 바닥재의 함수비와 상관관계가 높은 파장대역으로 550~600, 900, 1200, 1300, 1350~1650 nm 부근 대역으로 계산되었다.
Table 1.
Wavelength highly correlated with moisture content of litter.
3. 최적 전처리 방법 및 파장 대역 분석 결과
최적의 전처리 방법과 파장 대역을 분석하기 위해 Table 1에서 선별된 상관 계수가 높은 파장 대역을 대상으로 함수비별 스펙트럼의 최대, 최소 표준편차를 계산하였다. 또한 표준편차의 최대, 최소에 해당되는 파장을 확인하였으며 그 결과는 Table 2와 같다. VNIR와 SWIR 영역에서 SG + 2nd derivatives를 수행한 데이터의 최대 표준 편차는 각각 ±0.000, ±0.001로 가장 우수한 성능을 보였다. MSC, MSC+SG를 수행한 결과가 두 번째로 작은 표준 편차를 보였으며 715, 750, 1179 nm 부근 대역에서 최대 표준 편차가 나타나는 것을 확인하였다. SNV, SNV+SG를 수행했을 때 수분 함량이 0%인 시료를 대상으로 1450 nm 부근에서 ±0.1이상에 값을 가지며 VNIR와 SWIR 영역에서 모두 다른 전처리 과정에 비해 상대적으로 높은 표준 편차를 보였다. 따라서, 본 연구에서는 표준 편차가 가장 작게 나타난 SG + 2nd derivatives를 유효 파장 분석에 적합한 전처리 방법으로 판단하고 556~580, 1176~1237, 1327~1647 nm 대역을 바닥재 수분 함량 식별에 유효한 파장으로 선정하였다.
Table 2.
Standard deviation of spectral reflectance in the effective wavelength.
결 론
본 연구는 초분광 영상을 이용하여 수분 함량에 따른 육계사 바닥재의 분광특성을 확인하고자 하였다. VNIR와 SWIR 영역에서 함수비가 0%, 19.3%, 31.1%, 39.8%인 바닥재의 초분광 영상을 획득하였고, MSC, SNV, SG, MSC+SG, SNV+SG, SG+2nd derivatives 6가지의 전처리에 따른 바닥재의 분광 특성을 비교하였다. 바닥재의 수분함량 추정에 유효한 파장대역을 선별하기 위해 파장별 반사율과 바닥재의 수분함량 사이의 피어슨 상관 계수를 비교하였다. 피어슨 상관 계수를 분석한 결과 VNIR 영역에서는 550~600, 900 nm 부근 대역에서 상관성이 높은 것으로 나타났으며, SWIR 영역에서는 1200, 1300, 1350~1650 nm 부근 대역에서 상관성이 높은 것으로 나타났다. 추가적으로 육계사 바닥재의 함수비 추정에 가장 적합한 전처리 방법 및 파장 대역 선별을 위하여 피어슨 상관 계수가 높게 나타난 파장 대역의 함수비별 최소, 최대 표준 편차를 이용하였다. 그 결과, VNIR와 SWIR 영역에서 모두 SG + 2nd derivatives 전처리를 진행한 데이터의 표준 편차가 낮게 나타났다. 따라서, 바닥재 수분 함량과 상관관계가 높고 데이터 사이의 편차가 적은 556~580, 1176~1237, 1327~1647 nm 대역이 유효 파장으로 선정되었다.
본 연구의 결과는 영상을 이용하여 육계사 바닥재의 수분 함량을 추정하기 위한 기초연구로써 파장대별 바닥재의 분광 특성을 확인하였고, 영상을 통한 바닥재 관리에 대한 가능성을 제시하였다. 바닥재 수분 함량의 유효한 파장 대역을 검출한다면 깔짚자동살포기와 같은 자동화 기기에 바닥재 수분 탐지기능을 탑재하여 젖은 영역의 깔짚 관리가 가능할 것으로 기대된다. 추후 데이터를 보강하여 주성분 분석, 부분최소제곱 회귀 분석 등을 다양한 분석 방법을 적용하여 바닥재의 수분 함량 예측 모델에 대한 개발을 진행할 예정이다.
