VIS/NIR 및 생체임피던스 분광법을 융합하여 식물 스트레스 진단 방법 개발

[연구필요성]

식물에 가해진 스트레스는 농업 생산성을 감소시키지만, 외관상으로는 스트레스의 종류를 확인하기 어렵기 때문에 농업 현장에서 적절한 대처를 하기 어려움

농업 현장에서 비파괴적으로 식물에 가해진 스트레스를 진단할 수 있는 방법을 개발하여, 농작업자가 적절한 조치를 취할 수 있는 의사결정 지표 마련 필요

[연구성과/기대효과]

VIS/NIR 및 생체임피던스 분광법을 융합하고 머신러닝을 기반으로 90%의 정확도로 식물에 가해진 스트레스(가뭄, 고염, 냉해) 종류를 구별 가능

농작물에 가해진 스트레스 원인을 파악하여 적절한 대처 및 농작물 손실 방지

[본문]

식물은 스트레스를 받으면 생산성이 저하되기 때문에, 식물이 받은 스트레스의 종류를 진단하는 것은 효율적인 작물 관리와 생산성 증대에 필수적이다. 하지만 대부분의 식물은 스트레스를 받으면 외관상으로 시드는 형태로 유사하게 나타나기 때문에, 경험적으로 적절한 치료를 하기 어렵다. 따라서 농작물에 손상을 주지 않는 비파괴적인 방법으로 식물이 받은 스트레스를 진단하는 연구가 필요하다. 최근, VIS/NIR 분광법과 생체임피던스분광법(Bioimpedance spectroscopy)은 비파괴적인 방법으로 식물의 상태를 진단하기 위해 널리 연구되고 있다. 일반적으로 VIS/NIR 분광법은 식물 표면에 대한 광학적 정보를 수집하고, 생체임피던스분광법은 전기적 응답을 통해 식물 내부의 생리학적 구조에 대한 정보를 수집할 수 있다.

서울대학교 농업생명과학대학 바이오시스템공학과 정수 교수는 한국전자통신연구원(ETRI)의 지원으로 본 연구를 시작하였으며, 기존에 널리 활용되는 VIS/NIR 및 생체임피던스 분광법을 융합하여, 식물의 표면정보와 내부 정보를 기반으로 식물 스트레스를 진단을 시도하였다. 연구결과, 두가지 방법을 융합하였을 때, VIS/NIR 분광법만을 사용했을 때보다 정확도가 24% 증가하여, 최대 90%의 정확도로 식물에 가해진 스트레스 종류를 진단할 수 있었다. 본 연구 결과는 2024년 7월 23일 바이오센서 및 전자공학 분야의 최상위 국제 학술지인 「Biosensors and Bioelectronics」에 게재되었다.

가뭄, 고염, 냉해와 같은 다양한 환경적 스트레스는 전 세계적인 작물 수확량 감소로 이어질 수 있다. 스트레스로 인한 식물의 손상을 초기에 감지하지 못하면, 넓은 범위에 걸친 농작물의 손실을 초래할 수 있다. 따라서 식물에 가해진 스트레스의 원인을 파악하고 적절한 시기에 조치하는 것이 필수적이다. 하지만, 대부분의 농부는 식물에 가해진 스트레스를 진단하기 위해 식물의 외관 상태를 참고하지만, 모든 농부가 적절한 치료를 위한 충분한 경험이 있는 것이 아니기 때문에, 식물에 손상을 주지 않는 비파괴적인 방법으로 식물의 상태를 진단하는 방법이 필요하다.

본 연구에서는 비파괴적인 방법으로 식물을 진단하기 위해 활용되는 VIS/NIR 및 생체임피던스 분광법을 동시에 측정하고, 두 데이터를 융합하여 식물 스트레스 진단 성능이 개선될 수 있음을 확인하고자 하였다. 이를 위해 스위트바질 작물에 가뭄, 고염, 냉해 스트레스를 처리하고, 광학 스펙트로미터를 활용해 잎의 반사스펙트럼을 획득하고 임피던스분석기를 활용해 잎의 임피던스 스펙트럼을 획득하였다. 반사스펙트럼은 데이터의 규모가 매우 크고 불필요한 정보가 많기 때문에, 식물 건강 지표로 널리 활용되는 식생지수(Vegetation Index)를 계산하여 생체임피던스 데이터와 함께 머신러닝 모델을 학습하였다.○ 총 여덟가지의 머신러닝 모델을 학습시킨 결과 서포트벡터머신(Support Vector Machine) 모델이 스트레스의 종류를 가장 높은 정확도로 구별해 낼 수 있었다. 광학스펙트럼 기반의 식생지수만을 활용했을 때는 스트레스 분류 정확도가 66%에 불과했지만, 생체임피던스 데이터와 융합했을 때 분류 성능은 90%의 높은 정확도로 개선되었다. 또한, 융합된 데이터를 기반으로 스트레스의 심각도를 진단했을 때 가뭄과 고염 스트레스에 대해서 최대 95%로 상당히 높은 정확도를 나타냈다.

본 연구결과는 식물에 대한 광학적, 전기적 스펙트럼 데이터가 융합되어 식물의 스트레스를 높은 정확도로 진단할 수 있음을 제시하였으며, 두 가지 측정 방법은 모두 휴대형 현장 진단형 시스템으로 제작될 수 있기 때문에 현장에서의 활용 가능성이 높은 특징이 있다.

[연구결과]

Integrating non-invasive VIS-NIR and bioimpedance spectroscopies for stress classification of sweet basil (Ocimum basilicum L.) with machine learning


Daesik Son, Junyoung Park, Siun Lee, Jae Joon Kim, Soo Chung

(Biosensors and Bioelectronics, https://doi.org/10.1016/j.bios.2024.116579)

[그림설명]

(위) VIS/NIR 및 생체임피던스 분광법을 동시에 측정하고, 머신러닝 학습을 위한 특징 추출 방법으로 생체임피던스 분광법은 주성분 분석을, VIS/NIR 분광법은 식생지수를 활용하였다.

(좌) 각 스트레스 그룹의 생체임피던스 데이터에 대한 임피던스(실선)와 위상(점선)을 보여주며, 스트레스 그룹간 데이터의 뚜렷한 차이가 나타난다.
(우) 2개의 주성분에 대한 산점도로, 각 스트레스 그룹별로 특징적인 분포를 나타낸다.