농산물의 색상, 크기, 형상은 개체에 따라 차등이 있을 뿐만 아니라, 같은 개체일 경우에도 부위별로 차이가 나기 때문에 보다 정확하게 선별하기 위해서는 서로 다른 부위의 영상을 종합화하여 판정하는 다채널 카메라 기술이 요구됩니다. 따라서 다채널 카메라 기술을 통해 정확한 크기, 부피 및 형상 선별이 가능합니다.

카메라를 이용한 선별은 색상 및 형상에 대한 수치화를 통해 객관적인 등급을 판정하게 됩니다. 그러나 색상이란 광원이나 측정 센서에 따라 전혀 다른 값을 보여주므로 정확한 선별을 위해서는 컬러 보정 과정을 수행해야 합니다.
또한 형상을 측정하고자 할 때에는 가장 먼저 영상 정보에서 물체의 윤곽선을 추출해야 하는데, 이때 가장 많이 활용되는 것이 체인코딩(chain coding)입니다. 일단 물체의 윤곽 정보를 추출한 후 각종 공식에 의해 면적, 둘레길이, 자세(방향) 및 장단축 길이를 계산하여 형상을 판정할 수 있습니다. 저희 (주)생명과기술에서는 완벽한 컬러 보정 기술과 최적화된 체인코딩 기술을 기반으로 한 고속 색상 알고리즘을 개발 완료하여 카메라 시스템에 적용하고 있습니다.

		체인코딩 chain code : 0 0 0 6 6 0 0 6 6 4 4 4 4 2 2 4 2 2 shape no　: 0 0 0 6 0 2 6 0 6 0 0 6 0 2 0 6 0 6
(a) chain-code	(b) figure

결점은 농산물의 상품성과 저장성을 떨어뜨리기 때문에 사전에 반드시 선별되어야 합니다. 그러나 육안으로 판별이 쉽지 않고 그 형태가 매우 다양하여 선별에 한계가 있습니다.
저희 (주)생명과기술에서는 결점의 색상이나 근적외선 분광특성뿐만 아니라 밀도, 진동, 음파 특성 등 다양한 물성을 이용하여 농산물의 결점을 검출하는 최적의 솔루션을 제공하고 있습니다.

근적외선 영상을 이용한 사과의 내부 결점 검출 예

가시광선(Color, 550㎚)과는 달리 근적외선(X1, X2)을 사용할 경우에는 표면색상에 영향을 받지 않기 때문에, 복잡한 전처리를 하지 않더라도 결점부위만의 영상 영역화가 가능합니다.

Color	500nm	x1nm	x2nm