• 원예과학기술지
• /
• 제28권3호
• /
• pp.423-428
• /
• 2010

본 연구에서는 머스크멜론의 숙도를 정식일수(90, 92)에 따라 적숙과와 완숙과로 구분한 후 $10^{\circ}C$ 및 $25^{\circ}C$에서 유통시키면서 품질 변화를 측정하였다. 모든 시료에서는 저장기간이 지날수록 중량 감모율이 증가하는 경향을 보였으며 동일한 저장일 에는 적숙과가 완숙과 보다 높은 값을 나타냈다. 경도는 적숙과와 완숙과 모두 저장기간이 경과될수록 감소하는 경향을 보였으며 저장 10일까지는 저장온도가 낮을수록 높게 유지되어 $10^{\circ}C$저장이 $25^{\circ}C$저장에 비하여 경도의 감소를 지연시키는 것으로 나타났다. 수확직후 완숙과의 가용성고형분함량은 14.6%로 적숙과의 12.8%보다 높은 값을 나타내었다. 색 변화에서 밝기를 나타내는 L값은 저장 초기 완숙과가 적숙과에 비해 낮게 나타났으며 황색도를 나타내는 b값은 모든 시료에서 저장기간이 지날수록 증가한 후 다시 감소하는 경향을 나타내었다. 호흡속도는 $25^{\circ}C$에서 저장한 경우 적숙과와 완숙과 모두 저장 1일 일시적으로 증가되어 climacteric형 과실의 특징이 나타난 반면 $10^{\circ}C$에서는 그러한 특징이 관찰되지 않았다. 관능 평가에서 맛과 향은 시료간에 큰 차이가 없었지만 조직감 항목에서는 $25^{\circ}C$에서 저장한 완숙과를 제외하면 저장기간이 경과될수록 유의적으로 감소되었다($P$<0.05). 전체기호도를 조사한 결과 $10^{\circ}C$에서 저장한 경우 적숙과와 완숙과 모두 12일 까지 높게 유지된 반면 $25^{\circ}C$에서는 적숙과가 7일, 완숙과는 5일까지 높게 유지되었다($P$<0.05).

• 한국식품과학회지
• /
• 제28권1호
• /
• pp.127-136
• /
• 1996

김치 공장에서 제조한 막김치를 원료로 하여 병용기에 200 g씩 충진하고, 진공 혹은 상압밀봉하여 5, 15, $25^{\circ}C$에 저장하면서 각각의 화학적 특징 변화와 미생물 변화를 관찰하였다. 김치의 적숙기는 $25^{\circ}C$에서 2일, $15^{\circ}C$에서 5일, $5^{\circ}C$에서 60일 이상이었다. 진공 처리한 경우 김치의 pH와 산도변화는 상압처리에 비하여 비교적 지연되었다. 진공밀봉 병조림 김치의 진공도는 $25^{\circ}C$ 및 $15^{\circ}C$ 발효에서는 1-2일 내에 상압으로 되었으나, $5^{\circ}C$ 발효의 경우 36일까지 380 mmHg 이상의 진공도를 유지할 수 있었다. 병조림 김치의 색깔은 $25^{\circ}C$, $15^{\circ}C$에서 밝기, 적색도, 황색도가 계속 상승하였으나, $5^{\circ}C$ 저장시 진공처리에 의해 색깔변화가 억제되는 효과가 있었다. 병조림 김치발효중 총균수는 $10^7{\sim}10^{10}/ml$정도이었으며 $5^{\circ}C$로 저장온도가 떨어질수록 총균수는 감소하였고, $5^{\circ}C$ 발효에서도 진공처리구의 총균수는 상압보다 낮았다. 병조림 김치에서 동정된 젖산균은 Lactobacillus brevis, L. plantarum, L. acidophilus, Aerococcus viridans, Streptococcus faecium subsp. casseliflavus이었고, 김치발효에 주로 관여하는 균은 L. brevis와 L. plantarum이었다. 이들 김치발효에 주로 관여하는 균은 $25^{\circ}C$와 $15^{\circ}C$보다 $5^{\circ}C$에서 균수가 낮아졌고, 진공처리에 의해 더욱 낮아졌다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.979-995
• /
• 2023

산불은 예측이 어려운 재해이기 때문에 실시간 모니터링을 통해 빠르게 대응하는 것이 중요하며, 정지 궤도 위성 영상은 광역을 짧은 시간 간격으로 모니터링할 수 있어 산불 탐지 분야에 활발히 이용되고 있다. 기존의 위성 영상 기반 산불 탐지 알고리즘은 밝기 온도의 통계량 분석을 통한 임계값 기반으로 이상치를 탐지하는 방향으로 진행되어 왔다. 그러나 강도가 약한 산불을 탐지하기 어렵거나, 적절한 임계값 설정의 어려움으로 일반화 성능이 저하되는 한계점이 있어 최근에는 기계학습을 이용한 산불 탐지 알고리즘들이 제시되고 있다. 현재까지는 random forest, VanillaConvolutional neural network (CNN), U-net 구조 등의 비교적 간단한 기법이 적용되고 있다. 따라서, 본 연구에서는 정지궤도 위성인 Advanced Himawari Imager를 이용하여 동아시아와 호주를 대상으로 State of the Art (SOTA)딥러닝 기법을 적용한 산불 탐지 알고리즘을 개발하고자 하였다. SOTA 모델은 EfficientNet과 lion optimizer를 적용하여 개발하고, Vanilla CNN 구조를 사용한 모델과 산불 탐지 결과를 비교하였다. EfficientNet은 동아시아와 호주에서 0.88 및 0.83의 F1-score를 기록함으로써 CNN (동아시아: 0.83, 호주: 0.78)에 비해 뛰어난 성능을 입증하였다. EfficientNet에 불균형 문제 해결을 위한 weighted loss, equal sampling, image augmentation 기법 적용 시, 동아시아와 호주에서 각각 0.92와 0.84의 F1-score를 기록함으로써 적용 전(동아시아: 0.88, 호주: 0.83)에 비하여 성능이 향상되었음을 확인하였다. 본 연구를 통하여 제시된 SOTA 딥러닝 기법의 산불 탐지에의 적용 가능성과 딥러닝 모델의 성능 향상을 위해 고려해야 할 방향은 향후 산불탐지 분야에 대한 딥러닝 적용에 도움이 될 것으로 기대된다.