• 한국식품과학회지
• /
• 제37권4호
• /
• pp.611-617
• /
• 2005

본 연구에서는 E. coli. Salmonella, Shigella, Vibrio 등 4속의 주요 식중독유발 그람 음성 세균들을 대상으로 반복성 염기서열인 REP DNA sequence를 응용한 REP-PCR을 실시하였다. 이전의 보고에서 이들 4속의 식중독 유발세균 중 각각 혹은 일부를 대상으로 반복성 염기서열을 이용한 PCR을 적용한 사례는 있지만 그때 적용한 primer, PCR 반응조건 및 전기영동조건 등이 다양하였다. 그러므로 본 연구에서는 이와같은 4속의 세균들에 대하여 최적화된 동일한 primer와 PCR 반응조건 및 전기영동조건을 표준조건으로서 적용하였다. 그 결과로서 모든 4속의 식중독 세균 균주마다 REP-PCR 후 생성되는 fingerprinting pattern에서 속마다 1-3개의 공통적이며 독특한 band가 생성되는 것이 확인되어 이러한 pattern을 이용한 속 수준의 분리 동정과 그와 같은 주요 band들 이외의 부수적인 band들을 고려하여 종 수준까지의 분리도 가능함을 확인하였다. 따라서 본 연구를 통하여 반복적 DNA 염기서열을 이용한 REP-PCR이 주요 식중독 세균의 분리 동정 방법으로 사용될 수 있음을 확인하였다. 또한 본 연구를 통하여 얻은 결과는 더 많은 속(genus)의 식중독세균을 대상으로 한 새로운 분리 동정 방법을 확립하기 위하여 사용될 수 있을 것이다.

• 한국농림기상학회지
• /
• 제25권4호
• /
• pp.337-345
• /
• 2023

벼의 출수기를 추정하는 것은 농업생산성과 관련된 중요한 과정 중 하나이지만 세계적인 이상기후의 증가로 벼의 출수기를 추정하는 것이 어려워지고 있다. 본 연구에서는 CNN 분류모델을 사용하여 다양한 영상데이터에서 벼의 출수기를 추정하려고 시도하였다. 드론과 타워형 영상관측장치 그리고 일반 RGB 카메라로 촬영된 직하방과 경사각 영상을 수집하였다. 수집한 영상은 CNN 모델의 입력데이터로 사용하기 위해서 전처리를 진행하였고, 사용된 CNN 아키텍처는 이미지 분류 모델에서 일반적으로 사용되는 ResNet50, InceptionV3 그리고 VGG19 를 사용하였다. 각각의 아키텍처는 모델의 종류, 영상의 유형과 관계없이 0.98 이상의 정확도를 나타내었다. 또한 CNN 분류 모델이 영상의 어떤 특징을 보고 분류하였는지 시각적으로 확인하기 위해서 Grad-CAM 을 사용하였다. Grad-CAM 결과 CNN 분류 모델은 벼의 출수를 이삭의 형태에 높은 가중치를 두어 분류 하는 것을 확인하였다. 다음으로 작성된 모델이 실제 논 포장 모니터링 이미지에서 벼의 출수기를 정확하게 추정하는지 확인하였다. 각각 다른 지역 4 개의 벼 포장에서 벼의 출수기를 약 하루정도의 차이로 추정하는 것을 확인하였다. 이 방법을 통해서 다양한 논 포장의 모니터링 이미지를 활용하여 자동적이고 정량적으로 벼의 출수기를 추정 할 수 있다고 판단된다.