근적외선 스펙트럼의 복합 특징 학습을 위한 1D CNN-BiLSTM 융합 모델 기반 농산물 품질 예측

• 영문명: Agricultural Product Quality Prediction Using a 1D CNN-BiLSTM Hybrid Model for Learning Composite Features in Near-Infrared Spectra
• 발행기관: 한국스마트미디어학회
• 저자명: 고경일(Kyeong Il Ko) 이명훈(Meong Hun Lee) 여현(Hyun Yoe)
• 간행물 정보: 『스마트미디어저널』제14권 제11호, 40~46쪽, 전체 7쪽
• 주제분류: 공학 > 컴퓨터학
• 파일형태: PDF
• 발행일자: 2025.11.28

국문 초록

기존의 전통적인 통계 방식은 복잡하고 비선형적인 스펙트럼 데이터를 해석하는 데 한계가 있었다. 이러한 문제를 해결하기 위해, 본 연구에서는 1차원 합성곱 신경망(1D CNN)과 양방향 장단기 메모리(BiLSTM)를 결합한 새로운 하이브리드 딥러닝 모델을 제안하였다. 토마토의 5가지 주요 품질 지표에 대한 예측 성능을 평가하기 위해, 비교 모델과 성능 비교를 통해 제안 모델을 검증하였다. 실험 결과, 제안하는 CNN-BiLSTM 하이브리드 모델은 5가지 모든 품질 지표에서 다른 비교 모델들을 능가하는 월등한 예측 정확도를 보였다. 본 연구는 CNN과 BiLSTM의 시너지 결합이 복잡한 NIR 스펙트럼 데이터를 매우 효과적으로 해석할 수 있음을 입증하였으며, 제안 모델은 향후 농산물 자동화 선별 시스템에 즉각적으로 적용될 수 있는 강력하고 실용적인 솔루션을 제공한다.

영문 초록

Traditional statistical methods have limitations in interpreting complex and non-linear spectral data. To address this problem, this study proposes a novel hybrid deep learning model that combines a 1D Convolutional Neural Network (1D CNN) and a Bidirectional Long Short-Term Memory (BiLSTM). To evaluate the prediction performance for five key quality indices of tomatoes, the proposed model was validated through performance comparison with baseline models. Experimental results showed that the proposed CNN-BiLSTM hybrid model demonstrated superior prediction accuracy, outperforming the other baseline models for all five quality indices. This study demonstrated that the synergistic combination of CNN and BiLSTM can very effectively interpret complex NIR spectral data, and the proposed model provides a robust and practical solution that can be readily applied to future automated sorting systems for agricultural products.

목차

Ⅰ. 서론

Ⅱ. 재료 및 방법

Ⅲ. 결과 및 고찰

Ⅳ. 결론

키워드

근적외선 분광법 토마토 품질 판별 딥러닝 Near-Infrared Spectroscopy (NIRS) Tomato Quality Assessment Deep Learning CNN-BiLSTM