품질안전성계측연구실에서는 비파괴적인 광학 기술, 인공지능(AI), ICT 등 첨단 기술을 이용해 농산물의 품질, 신선도, 안전성 등의 품질 요인을 계측하는 연구를 수행하고 있다.
농식품 안전성 계측 기술
높아지는 식품 안전에 대한 사회적 요구에 부응하기 위하여 정부는 빈발하는 식중독 오염과 같은 식품 안전사고를 예방할 수 있는 제도를 강화하고 있다. 식품 안전 향상을 위한 대표적인 제도인 HACCP은 적용 품목과 대상이 확대되며, 종업원 5인 이하인 업체도 의무적으로 HACCP 인증을 받아야만 한다. HACCP 도입에 가장 큰 장애요인은 외식업계나 단체급식 HACCP 사례에서 지적되었듯이 HACCP 수행 및 관리에 따른 과도한 업무와 이로 인한 각종 기록의 누락 및 잘못된 기록 등이 지적되고 있다. HACCP 의무 적용 대상인 소규모 떡류 한과류 등 농산 가공업체는 대부분 영세하여, 복잡한 준비 과정과 사후 관리로 노력이 많이 소요되는 HACCP 인증 및 관리에 더 큰 어려움을 겪고 있다.
품질안전성계측연구실에서는 소규모 한과류 가공업체의 HACCP 관리 노력을 줄일 수 있도록 사용이 간편하면서도 종합적인 기능을 수행하는 디지털 식품안전 관리시스템을 개발하였다. 한과류 디지털 식품안전 관리시스템은 크게 HACCP 인증 신청을 위한 구비서류 입력 간편화 기능과 인증 후 중요관리점 모니터링, 각종 위생점검, 일지 작성 등 관리 기능으로 이루어진다.
구비서류 입력 간편화 기능은 HACCP 인증에 필요한 한과류 업체에 공통되는 내용을 기본양식으로 제공하고, 신청업체의 특성에 맞게 수정할 수 있다. HACCP 인증 신청을 위한 구비서류 기본양식은 식품의약품안전처에서 제공하는 ‘소규모업체를 위한 떡류 HACCP 관리 표준기준서’를 기반으로 한다. 표준기준서에 포함되는 내용은 업체 현황, HACCP팀 구성 및 역할, 주기적 관리계획, 제품설명서, 작업장평면도, 제조공정도, 위해요소 분석 및 공정별 관리방법, 중요관리점 결정, 한계기준 설정, 중요관리점 관리 및 기준 이탈 시 조치, 검증, 교육·훈련 등이다.
식품안전 디지털 관리 기능은 중요관리점 실시간 모니터링, 점검표 및 일지 등의 디지털 입력, 점검 시기 알림, 점검 현황 및 결과 통계 표시, 전자결재, 보고서 출력 등을 포함한다. 실시간 모니터링 기능은 식재료 냉장 온도와 사용자가 설정한 중요관리점에 대한 측정값을 DB에 저장하고 표시한다. 한과류의 중요관리점으로는 유탕 공정과 같은 가열공정과 금속검출 공정이 주로 채택되며, 해당업체 특성에 맞게 중요관리점을 정하여 한계기준을 설정할 수 있다. 설정된 중요관리점에 대한 온도 또는 금속검출과 같은 측정값은 업체의 경제적 여건에 따라 센서 출력값을 자동으로 읽어 들이거나, 수동으로 측정된 값을 식품안전 디지털 관리시스템이 설치된 단말기에 입력하여 관리한다. 식품안전 관리에 필요한 점검표는 중요관리점, 일반위생관리 및 공정, 중요관리점 검증에 대한 것을 포함하며, 해당 각 점검표의 점검 항목을 마우스 클릭 또는 체크박스를 터치하는 형태로 입력한다. 일지는 교육·훈련, 원·부재료 입고/보관 일지를 포함한다.
한과류 디지털 식품안전 관리시스템을 활용하면, 기존의 수기 기록과 종이 서류의 보관 과정에서 바쁜 업무로 인하여 점검 시기를 놓치거나, 데이터를 빠뜨리거나, 잘못 작성하는 것을 방지하여 식품안전 관리의 효율성을 높일 수 있다.
농축산물 품질 계측 기술
최근 위축되고 있는 양잠산업을 부흥시키기 위하여 양잠산물의 부가가치를 향상시키기 위한 노력이 이루어지고 있다. 양잠산물 중에서도 누에고치는 기억력 개선에 효과가 있을 뿐만 아니라 고막패치, 수술용 봉합사 등의 의료용 소재로서 활용도가 높다. 누에고치를 기능성 소재로 활용하기 위해서는 표면에 붙어있는 견면을 모두 제거해야 한다. 이 과정에서 불량 누에고치는 상품성이 없고, 견면채취기와 정상 누에고치를 오염시키므로 견면 채취 전 불량 고치를 선별해주는 작업이 필요하다.
품질안전성계측연구실에서는 현재 인력으로 이루어지고 있는 불량 고치 선별 작업에 대해 자동화 기술을 마련하기 위하여 분광분석기술과 영상처리기술을 이용해 불량 누에고치를 비파괴적으로 판별하는 기술을 개발하고 있다. 분광분석을 이용한 누에고치 품질 판별을 위해, 정상 고치와 불량 고치에 대해 900 nm ~ 1700 nm 파장대역의 근적외선 투과 스펙트럼을 획득하고 다양한 머신러닝 기법을 통해 불량 누에고치를 판별하였다. 그 결과, 정상 고치와 불량 고치의 스펙트럼 개형이 차이가 있음을 확인하였으며, 최대 판별 정확도 96%로 불량 누에고치를 비파괴적으로 판별할 수 있었다. 판별 결과를 바탕으로 분석기술을 양잠 현장에서 활용할 수 있도록 불량 누에고치 분광선별시스템을 개발하였다.
장구롤러를 이용해 누에고치가 한 개씩 이송되며 분광 스펙트럼을 획득할 수 있도록 시스템이 구성되었으며 획득한 스펙트럼을 바탕으로 불량 누에고치를 판별한 후, 에어 노즐을 이용해 정상 고치와 불량 고치를 분리한다. 디지털 영상과 인공지능을 이용한 불량 누에고치 판별 기술의 경우, 할로겐 조명을 누에고치 상단에서 비추고 누에고치 하단에 카메라를 위치시켜 누에고치에 대한 칼라 영상을 획득하였다. 불량 고치는 정상 고치에 비해 영상 색상이 검은색에 가까우며 불량 유형에 따라 다양한 형상을 나타내는 것을 확인할 수 있었다. 인공지능 기술의 하나인 합성곱 신경망 모델을 이용하여 불량 누에고치를 판별한 결과, 불량 누에고치 판별 정확도는 94% 정도로 나타났다.
품질안전성계측연구실에서는 고유 업무인 과일의 당도를 예측하는 여러 비파괴적인 분석 기술 개발 연구도 계속 수행하고 있다. 근적외선 기술을 이용한 과일 당도 예측 기술이 도입된 이래로 PLSR(부분최소제곱회귀) 분석법이 가장 광범위하게 사용되어 왔는데, PLSR은 생산지 특성 등 여러 외부 환경 요인의 영향을 받아 실제 선별 과정에서의 정확도가 낮아지는 단점이 있다. 이러한 단점을 보완하기 위하여 최근 주목받고 있는 빅데이터 기반의 기계학습, 인공지능 등 여러 가지 기술을 접목한 당도 예측 모델을 개발하고 있으며 전처리 방법과 기계학습 모델을 잘 결합할 경우, 예측 성능을 향상시킬 수 있음을 확인하였다.
최근의 농식품 소비 트렌드를 보면, 소비자의 농식품 품질 및 안전성에 대한 관심은 더욱 높아질 것으로 예상된다. 농식품의 품질안전성계측 기술은 이러한 소비자의 요구에 부응하면서 농식품의 부가가치를 높일 수 있는 핵심기술이라 할 수 있다. 품질안전성계측 기술은 다양한 최신 기술의 융합을 통하여 더욱 향상된 신뢰성과 성능을 갖춘 기술로 발전할 것으로 기대된다.