Logger Script

애플리케이션

멀티 스펙트럼 이미징을 사용한 식물체 품질 관리

이 자동 비전 시스템은 멀티 스펙트럼 이미징 기술, 3-D 맵핑, 계측 등을 채용하여 상용 식물 모종의 품질을 결정합니다.

 

 

멀티 스펙트럼 이미징은 생명 과학 분야에서 연구 및 상업적인 작업 모두에서 사용할 수 있는 기술입니다. 한편, 가시 영역, 적외선 영역, 자외선 영역의 스펙트럼에서의 데이터 프로세싱은 암을 발견하고 황반변 성과 같은 눈 질환을 검출하기 위한 의료 진단으로까지 시장이 이동하고 있습니다. 그리고, 가축 건강을 추적하는 것에서부터 과일 및 야채의 색상 기반 검사에 이르기까지 다양한 산업용 애플리케이션에 사용할 수 있습니다. 또한, 품질 관리를 위해 식물체 및 묘목을 정렬할 수도 있습니다. 어떻게 멀티 스펙트럼 이미징이 원예 작업에 적용되는지, 그리고 공급자가 어떻게 직접 제품의 품질을 측정하고 성공적으로 제품의 성장을 제어할 수 있는지를 알아볼 수 있습니다.

 

발아는 식물이 꽃 종자에서 생겨나고 성장하기 시작하는 과정입니다. 이 종자 발아 과정을 모니터링하는 것은제품 품질을 직접 측정하여 원예 회사에게 제공할 수 있고 더 나은 식물을 생산하기 위해 발아를 제어할 수 있습니다. 불행히도, 종자 발아 과정을 수동으로 모니터링하면 오류가 생길 수 있고 느립니다.
검사 프로세스의 속도를 높이는 동안 수동 오류를 제거하기 위해 Coleman Technologies는 멀티 스펙트럼이미징, 3-D, 엽록소 측정 기술 등이 결합된 자동 비전 시스템을 개발했습니다. Ball Horticultural와 함께 개발한 이 시스템은 분당 1,000개 이상의 속도로 묘목을 검사하고 분류할 수 있습니다. (그림 1 참조)

 

그림 1. 분당 1,000개 이상의 묘목을 검사하고 분류할 수 있는 시스템의 설계

 

 

종자 발아


종자 발아는 개별 단계로 구성됩니다. 각 단계는 식물의 발전에 중요한 이정표를 나타냅니다. 예를 들어, 발아의 초기 단계에서 근단 및 뿌리가 나타나고, 이후의 단계에서 줄기 및 잎이 나타나기 시작합니다. 발아의 단계를 확인하는 것은 식물의 향후 건강 상태가 발아 과정에 의해 결정되기 때문에 매우 중요합니다. 모든 종자들이 주어진 위치에서 발아하지 않고, 수분, 산소 수준, 조명, 온도, 화학 노출 등을 포함한 환경 요소들이 변화하기 때문에 발아 과정에 영향을 미칩니다.
 

발아 과정을 정확하게 모니터링할 수 있는 통제된 환경을 제공하기 위해 종자들은 파란색 필터 종이 또는 토양에서 성장할 수 있는 커스텀 그리드 트레이에 먼저 위치하게 됩니다. (일반적으로 microtiter plate 또는 seed plug tray 등) 이렇게 하면, 각 묘목의 별도 이미지들을 이미징 시스템이 캡처할 수 있습니다. 트레이는 식물의발아 단계, 크기, 엽록소 수준 등을 결정하기 위해 이미징 스테이션으로 전송하는 컨베이어 벨트에 위치합니다. 이러한 검사의 결과로, 다양한 통계 분석을 위한 데이터 마이닝을 할 수 있는 데이터베이스에 기록됩니다.
 

첫 이미지 검사 부분에서 Teledyne DALSA의 Spyder 3 Color 4k GigE linescan 카메라 2개를 사용하여 컨베이어를 지나는 식물들의 컬러 이미지를 디지털화하는 데에 사용합니다. 스케줄러는 4인치의 field of view를 가지는 4k 카메라 또는 12인치의 field of view를 가지는 다른 카메라들 중 하나를 선택합니다. 이 카메라들은 25 μm/pixel또는 75 μm/pixel로 이미징할 수 있습니다. 이 시스템은 GigE 인터페이스를 통해 헥사코어 PC의 듀얼 포트 GigE 인터페이스 보드로 최대 12 x 24 인치의 종자 트레이를 처리할 수 있습니다.
 

일관성 없는 색상, 배경 변화, 3-D 묘목에서 생산된 그림자 효과 때문에 기존 RGB 컬러 기반 이미징 프로세싱은 이미지를 분석하는 데에 사용할 수 없습니다. 대신, RGB 이미지들은 색조, 채도, 명도(HSL)와 각 개별 이미지 평면의 계산된 막대 그래프에 매핑되어 있습니다. 다음 이미지 평면에서, 개별 묘목의 종자, 뿌리, 줄기 등의 특징으로 분류할 수 있습니다. (그림 2 참조)

 

그림 2. RGB 이미지들은 HSL 색상 공간에 매핑된 후에 각 개별 이미지 평면의 히스토그램으로 계산
다음 이미지 평면에서 개별 묘목의 종자, 뿌리, 줄기 등의 특징 등이 결정

 

각 묘목을 분류하기 위해 시스템이 먼저 발아 단계에서 서로 다른 종자의 번호를 수여하였습니다. 이러한 여러HSL 데이터 지도에서 각 히스토그램의 배포 평균 및 표준 편차가 계산되고, 다양한 종자 분류를 분석하기 위해 원가 기반 기능이 개발되었습니다.

 

엽록소 및 3-D

각 식물과 관련된 씨앗, 뿌리, 줄기 등을 결정하는 데에 원가 기반 기능이 유용하게 사용될 수 있고, 또한 식물의 3D 구조와 함께 엽록소 함량을 이러한 데이터와 함께 사용하면 더 신뢰할 수 있는 결과를 생성할 수 있습니다. 초기에 3D 및 엽록소 함량 데이터를 측정하려면 기성 3D 구조 조명 측정 시스템 및 별도 엽록소 측정기가 필요하고 생각했습니다.

불행히도, 기존의 기성 엽록소 측정기는 개별 엽록소들을 판독하는 데에 너무 많은 시간이 필요했고 식물과 매우 가까운 위치에 위치해야만 했습니다. 하지만, 650nm의 레이저를 방출할 때 엽록소는 680nm의 방출 피크를 가지기 때문에 엽록소 측정 및 식물의 3D 프로파일을 1대의 카메라 및 1대의 레이저를 사용하여 동시에 수행할 수 있습니다.

두 번째 이미징 워크스테이션에서 구조화된 650nm의 레이저 빛이 컨베이어를 따라 통과하는 종자들을 비치는 조명으로 사용되었습니다. 그 후, 엽록소 분자로부터 방출되는 광은 2048 × 2048 픽셀의 Camera Link 인터페이스 기반의 카메라가 168 fps 이상의 속도로 캡처합니다. 662nm의 고역 필터를 사용하여 반사되는 레이저 빛을 제거할 수 있고, 오직 엽록소 형광 신호만 측정됩니다. 호스트 PC로 전송되는 이 카메라의 데이터는Camera Link 프레임 그래버를 사용하였습니다. 높은 레이저 출력 및 낮은 레이저 출력으로 설정하여 측정한다음 엽록소 형광 신호를 수집하여 엽록소 함량을 결정하는 비율을 알아낼 수 있습니다.

엽록소의 존재를 확인하여 식물이 잎이 생성되는 단계 또는 줄기가 생성되는 단계인지를 결정합니다. 이로 인해, 식물의 성숙 여부를 확인할 수 있습니다. 잎 및 줄기는 상대적인 엽록소 수준 및 높이로 분리할 수 있습니다. 씨뿌리 및 배경과 같은 남은 부분들은 통계 분석으로 구분할 수 있습니다. 엽록소가 존재하지 않고 종자 및뿌리만 존재하면, 종자 확인을 위해 HSL 통계 및 모양을 사용하여 구분할 수 있습니다.