백합은 국내에서 소비되는 절화 중 재배 면적 및 생산액이 3위이고, 2022년 국내 절화류 재배면적 1,195 ha 중 77 ha로 6.4%를 차지하며, 국내 절화류 생산액 1,837억 원 중 106억 원을 차지한다. 또한 국내 화훼 수출액 12,446천 달러 중 1,686천 달러를 차지하는 것으로 집계되었으며, 장미, 국화를 포함한 국내 3대 화훼 수출 품목으로서 절화 생산 농가의 주요 소득원 중 하나이다^[1,2]. 절화 백합의 품질 저하 요인으로 생산 단계에서는 재배 환경의 부실, 조기 수확, 수확 후 저장 과정의 문제 등이 있으며, 유통 과정에서는 유통 중 불리한 환경 노출 등이 있다^[3,4]. 이 중 생산 단계에서의 품질 저하 개선을 위하여 환경친화적 단백질 처리에 따른 백합 생육 특성, 칼슘 시비 농도별 절화 백합 Casa Blanca의 품질 및 무기원소 흡수량 등의 연구가 진행되었으며^[5,6], 유통 과정에서의 품질 개선을 위하여 수출용 절화 백합 Woori Tower 건식 수송 및 습식 수송의 품질 차이 및 적정 습식 용액 구명, 계절별 모의 수출 과정에서 광처리에 따른 절화 백합 Siberia의 품질 비교 등의 연구가 진행되었다^[7,8]. 그러나 소비자가 절화 구매시 중요하게 생각하는 요인인 수명을 예측하는 연구는 미비한 실정으로^[9], 재배 및 유통과정에서 개화 및 수명 종료 시점을 예측하여 채화 시기, 유통 일정 등을 조절할 수 있는 시스템이 필요한 상황이다.

그간 접촉 장비를 사용하여 농산물의 품질을 측정 및 예측하는 다양한 기술이 개발되었지만, 수동으로 측정하기 때문에 시간이 오래 걸리고 측정한 농산물이 파괴되는 등의 문제점이 있어^[10] 이를 극복하기 위해 최근 비접촉 및 비파괴 측정 기기인 초분광 카메라를 활용한 연구가 관심을 받고 있다. 초분광 카메라는 공간 정보와 스펙트럼 정보를 동시에 획득할 수 있기 때문에 육안으로 관찰할 수 없는 내부의 품질을 확인할 수 있다는 특징을 가지고 있으며, 농산물의 다양한 품질을 정확하게 구분할 수 있어 농산물 품질 측정 및 예측에 적합한 기기로 평가받고 있다^[11,12]. 초분광 카메라를 이용한 연구는 토마토 잎 질소 함량 측정^[13], 수경재배 상추의 영양소 농도 및 영양소 결핍 예측^[14], 절화 장미의 잿빛 곰팡이병 예측^[15] 등이 진행되었다. 그러나 초분광 카메라는 근접대역 파장 간 상관관계가 높으며, 데이터 용량이 커서 분석이 어렵다는 단점이 있어 딥러닝과 머신 러닝 등을 이용하여 분석하여야 한다. 선형회귀 모델은 독립변수와 종속변수가 선형 관계임을 가정하고 종속변수의 값을 예측하는 회귀 모델이자 단순하며 간단한 모델로서 농업 분야에서 많이 이용되고 있다^[16]. 선형회귀를 이용한 선행 연구로는 파프리카의 생산량 예측, 딸기의 수경재배 시 양액 흡수량 측정, 털머위의 엽면적 및 개화수 추정 연구가 있다^[8,16,17]. 본 연구는 초분광 카메라와 선형회귀 모델을 이용하여 절화 백합의 수명 예측 가능성을 파악하고, 개발된 예측 모델을 현장에 적용하여 유통 일정 조절 및 고품질 절화 유통에 기여하기 위해 수행하였다.

2.1. 실험재료

본 연구의 공시재료는 강원특별자치도 백합 농가에서 구매한 1륜 절화 백합 Woori Tower (Lilium longiflorum ‘Woori Tower’) 10개체를 사용하였다.

2.2. 품질조사

수확한 절화 백합 10개체는 전체 길이가 55 cm가 되도록 재절단 후 증류수 500 ml가 담겨 있는 삼각 플라스크에 옮겨 2023년 8월 단국대학교 화훼원예학 연구실에서 품질 조사를 실시하였다. 우선 개화, 노화, 수명, 생체중 변화율, 수분흡수량 및 수분균형, Hunter value L, a, b와 이를 이용한 색도값(ΔE)을 이틀 간격으로 조사하였다. 개화 단계는 절화 백합을 이용한 선행 연구에서 설정하였던 1-5단계로 나누어 조사하였으며^[18], 개화 시점은 3단계, 만개 시점은 4단계로 설정하였다(그림 1). 노화 양상은 꽃잎 위조(wilting), 갈변(browning), 꽃목 탈리(petal abscission), 엽황화(leaf yellowing)를 조사한 뒤 백분율로 계산하였고(그림 2), 절화 수명 종료 시점은 육안으로 관찰하였을 때 관상 가치가 없는 시점, 즉 두 가지 이상의 노화 양상이 50% 이상인 시점을 기준으로 하였다. 생체중(生體重) 변화율은 실험 첫 날을 기준점으로 삼아 측정 당일의 생체중과 비교하여 변화 정도를 계산하였다. 수분흡수량은 측정일 기준 2일 전의 생체중에서 측정 당일의 생체중을 뺀 값으로 설정하였다. 수분균형은 수분흡수량과 증산량의 차로 계산하였다. Hunter value L, a, b값은 색차계(Chroma meter CR-400; Konica Minolta, Osaka, Japan)를 사용하여 L (lightness 100, darkness 0), a (+red, −green), b (+yellow, −blue)값을 측정하였으며, 색의 변화 정도를 확인할 수 있는 색도값(total color difference value, ΔE)은 Hunter value L, a, b값을 바탕으로 식 (1)을 이용하여 계산하였다.

Figure 1. Flower opening stages of lily (Lilium longiflorum ‘Woori Tower’). Stage 1, green bud; Stage 2, white bud; Stage 3, ≤ 50% of blooming; Stage 4, ≥ 50% of blooming; Stage 5, full blooming.

Figure 2. Senescence of cut lily (Lilium longiflorum ‘Woori Tower’). Wilting, petals become thinner and exhibit visible lines; Browing, petals turned brown; Petal abscission, abscission of flowers and stems.

식 (1)에서 ΔL는 명도의 변화, Δa는 적색 및 녹색의 변화, Δb는 황색 및 청색의 변화를 나타내는 수치이며, ΔE를 통해 명도와 색상의 전체적인 변화 정도를 파악할 수 있다.

2.3. 초분광 이미지 촬영

절화 백합 수명 예측 시스템 개발을 위하여 470–900 nm의 파장 영역에서 150개의 분광밴드를 촬영 가능한 스냅스캔 초분광 카메라(msCAM; IMEC, Leuven, Belgium)를 사용하여 절화 백합 10개체를 촬영하였다. 이때 절화 백합에 총 2,000 Lux 세기의 빛이 도달하도록 할로겐 램프(60 W) 8개를 균일한 간격으로 배치하였으며, 광 변화 영향 및 노이즈 값을 제거하기 위하여 95% white reference 보정판을 사용해 정규화 과정을 거친 뒤 HSI 스냅스캔 프로그램(HSI Snapscan; IMEC)을 공간해상도 2,048 × 2,048 픽셀, 촬영 시간 8초로 설정하였다. 이후 초분광 카메라를 절화 백합으로부터 50 cm 떨어진 거리에 배치하고, 초분광 이미지를 이틀 간격으로 수집하였다.

2.4. 절화 백합 RVI 분석

2.3절에서 설정한 환경을 바탕으로 절화 백합 꽃 끝부분의 반사율을 3회 반복 측정한 뒤, 농산물 품질 예측에 사용되는 식생지수 중 비율식생지수(ratio vegetation index, RVI)를 식 (2)와 같이 도출하였다.

여기서 NIR₆₀₀–_{700 nm}와 RED₇₀₀–_{800 nm}는 RVI 산출 시 사용되는 적색(630-680 nm) 및 근적외 파장대역(680–900 nm) 중 엽록소 흡수 밴드인 650 nm를 포함한 NIR₆₀₀–_{700 nm} 파장과 식물 수분 스트레스에 가장 민감하게 반응한다고 보고되었던 RED_{700-800 nm} 파장의 반사율이다.

2.5. 통계 분석 및 선형회귀

절화 백합의 수명 종료일별 RVI 차이를 분석하기 위해 SPSS 26.0 (SPSS 26.0 Statistics; IBM Inc., NY, USA)을 이용하여 일원배치분산분석(one-way analysis of variance (ANOVA))을 실시하였으며, Duncan의 다중검정법을 사용하여 P ≤ 0.05의 유의수준에서 사후검정하였다. 또한 RVI를 이용한 절화 백합의 수명 예측 가능성을 판단하기 위해 MATLAB® R2024a 버전의 회귀 학습 모델인 선형회귀 모델(linear regression)을 이용하였다.

선형회귀 모델을 수식으로 표현하면 y = a + bx와 같다. 이 수식은 예측에 관련된 독립변수 x를 통해 예측하려고 하는 결과 값인 종속변수 y를 도출한다. 모델의 평가지표는 결정계수(coefficient of determination, R²)와 평균 제곱근 편차(root mean square error, RMSE)를 사용하였다. R²는 선형회귀식의 y절편 a와 기울기 b의 상관관계 정도를 정량적으로 나타내며 선형회귀식의 예측 정확성을 평가하는 데 사용된다. R²의 값이 1에 가까울수록 실제 값과 예측 값의 정확도가 높다는 것을 의미하며, 계산 과정은 식 (3)과 같다.

RMSE는 실제값과 추정값의 오차를 제곱하여 평균한 값으로서, 실제값과 추정값 간의 오차량을 측정할 때 사용하는 방법이다. 식 (4)와 같이 표현할 수 있다.

식 (3), (4)의 y_i는 실제 측정한 데이터 값을 의미하며, $\overline{y}$는 데이터의 평균이다. y_esti는 측정한 데이터를 기반으로 학습한 추정값을 의미하며, 실제 데이터 값의 선형 관계를 기반으로 예측 데이터 값을 도출하고 예측 데이터 값의 정확도를 확인할 수 있다.

3.1. 절화 백합 품질

총 15일간의 실험기간에 걸쳐 측정한 조사 대상의 개화 단계는 표 1과 같다. 표에 나타낸 바와 같이, 농장에서 백합을 수확한 당일인 수확 1일차는 개화가 시작되지 않은 1단계 봉오리 상태였고, 개화 시작 시점 및 만개 시점은 수확 9일차였다.

Table 1 . Flower opening stages of cut lilies (Lilium longiflorum ‘Woori Tower’).

Day	Flower Opening Stages (From 1 to 5)
1a)	1
3	1
4	1.2
7	2.4
9	4.2
11	4.7
13	4.9
15	4.9

Values are presented as averages obtained from 10 pieces of cut lilies..

^a)Day 1 means the day the cut lilies were harvested..

절화 수명 및 노화 양상 비율을 조사한 결과는 표 2와 같다. 절화 수명은 평균 14.8일인 것으로 조사되었으며, 노화 양상은 수확 13일부터 발생하였다. 주 노화 양상은 꽃잎 갈변과 위조, 꽃목 탈리이며, 수명 종료 시점의 노화 비율은 꽃잎 갈변 75%, 꽃잎 위조 80%, 꽃목 탈리 35%인 것으로 조사되었다.

Table 2 . Vase life and percentage of senescence for cut lilies (Lilium longiflorum ‘Woori Tower’).

Characteristics		Values
Average Vase Life (Day)		14.8
Senescence Percentage on Day 13 (%)	Flower Browning	50
	Flower Wilting	60
	Petal Abscission	15
	Leaf Yellowing	0
Senescence Percentage on Day 15 (%)	Flower Browning	75
	Flower Wilting	80
	Petal Abscission	35
	Leaf Yellowing	0

Values are presented as averages obtained from 10 pieces of cut lilies..

생체중 변화율, 수분흡수량, 수분 균형 조사 결과는 그림 3과 같다. 생체중 변화율은 수확 1일차부터 수확 9일차까지 상승하였으나, 이후 수확 10일차부터 수명 종료 시점까지는 하락하는 것으로 조사되었다. 이는 백합의 수분흡수량이 감소하였기 때문으로 감소의 원인은 박테리아 증가로 인한 도관 막힘^[19], 에틸렌에 의한 노화 등이다^[20,21]. 즉 백합의 수명 종료 시점에 가까워지며 앞서 제시한 요인의 영향을 받아 수분흡수량이 감소하였고, 그에 따라 생체중도 감소한 것으로 판단된다. 수분흡수량의 최대값은 수확 3일차에 측정되었으며 이후 점차 감소하다가 수분흡수량이 양(+)에서 음(−)으로 전환되기 2일 전인 수확 9일에 소폭 상승한 뒤 다시 수명 종료 시점까지 하락하는 것으로 조사되었다. 이는 건식으로 유통되는 절화 백합의 수분흡수량이 실험 초반 상승하였다가 일정 기간 후에 하락하였던 선행연구 결과와 유사하였다^[7,22]. 수분균형은 수분흡수량과 동일하게 수확 3일차에 가장 높아졌다가 하락하기 시작하면서 수확 9일차 이후 음의 값까지 하락하였으며, 실험 종료일까지 멈추지 않고 계속 하락하였다. 이는 개화일에 가까워질수록 수분균형이 0에 가까워졌던 선행연구와 유사한 양상이다^[18]. 수분균형은 수분흡수량와 증산량의 균형을 나타내는 수치로서 수분흡수량보다 증산량이 많아지면 음수가 되는데^[22], 수확 11일차에 노화 발생 및 수명 종료에 가까워지며 생체중과 수분흡수량이 하락하고, 증산되는 수분량이 상대적으로 많아지며 음수가 된 것으로 판단된다.

Figure 3. Changes in (a) fresh weight, (b) water uptake, and (c) water balance of cut lilies (Lilium longiflorum ‘Woori Tower’).

색차계를 이용하여 절화 백합의 화색을 조사한 결과는 표 3과 같다. 명도를 나타내는 L값은 수확 9일차와 11일차에 가장 높았으며, 이는 해당 시점부터 꽃이 만개하여 화색이 발현되었기 때문으로 판단된다. L값은 이후 육안으로 노화 발생을 확인할 수 있는 시점인 수확 13일차부터 수명 종료 시점까지 감소하였다. 한편 화색의 변화도를 나타내는 ΔE값은 만개일인 수확 9일차에 가장 높았는데, 초록색 봉우리 상태에서 흰색 꽃으로 완전히 개화하는 만개 시점이기에 화색 변화가 가장 큰 것으로 판단된다.

Table 3 . Hunter values L, a, and b and changes of petal color ΔE of cut lilies^a) (Lilium longiflorum ‘Woori Tower’).

Days	Values
	L	a	b	ΔE
1	65.2	−19.5	30.4	0.00
3	69.0	−17.0	31.4	5.84
5	75.0	−19.0	31.9	8.12
7	79.9	−16.4	29.6	6.74
9	82.5	−11.8	23.3	9.72
11	82.6	−7.8	18.2	7.51
13	80.1	−4.5	13.6	7.09
15	74.8	−2.9	11.3	7.76

Values are presented as averages obtained from 10 pieces of cut lilies..

3.2. 절화 백합 RVI 및 회귀 분석

절화 백합 수명 예측 가능성 파악을 위하여 수명 종료일부터 역순으로 잔여 수명일을 설정하였다. 품질 분석 결과 절화 백합의 평균 수명은 14.8일이었고, 잔여 수명일에 따른 절화 백합의 RVI값은 수명 종료일에 가까워질수록 감소하는 양상을 띠는 것으로 나타났다. 이를 표 4에 정리하여 나타내었다. 표 4에 따르면 수명 종료 6일 전(수확 9일차) 전후로 유의차가 큰 것으로 나타났으며(그룹 b), 수명 종료 8–14일 전(그룹 a)과 수명 종료 4일 전–수명 종료일(그룹 c) 내에서 RVI의 유의차는 없었다. 유의차가 발생하였던 수확 9일차는 절화 백합 만개 및 수분 균형이 0에 가까워진 시점이며, 화색의 변화를 나타내는 ΔE값 또한 수확 9일차에 가장 많이 변화하였다. 이를 종합해 볼 때, 내적 품질인 수분 균형과 외적 품질인 화색이 변하는 것에 영향을 받아 절화 백합의 근적외선과 가시광선 대역 특성이 변하면서 수명 종료 6일 전후로 유의차가 발생한 것으로 판단된다.

Table 4 . RVI based on the remaining vase life of cut lilies (Lilium longiflorum ‘Woori Tower’).

Days Remaining until Vase Life Ends	RVIa)
Value	Group
14	7.30	a
12	7.02	a
10	6.60	a
8	4.50	a
6	1.76	b
4	1.24	c
2	1.12	c
End of Vase Life	1.11	c

^a)Mean separation within columns by Duncan’s multiple ranges test at P ≤ 0.05. Groups consist of three (a, b, c)..

RVI, ratio vegetation index..

수명 종료일에 가까워질수록 감소하는 특성을 보인 RVI를 이용하여 선형 회귀식을 수립하고 절화 수명 예측 가능성을 파악한 결과, 선형회귀식의 R²값은 0.80, RMSE는 1.24인 것으로 계산되었다. 이를 바탕으로 판단하였을때 본 논문에서 제시한 절화 수명예측 방법의 정확성은 높은 것으로 사료되며(표 5, 그림 4), RVI를 계산한 뒤 선형회귀식을 사용한다면 초분광 이미지 촬영 시점의 절화 백합 잔여 수명을 충분히 예측할 수 있을 것으로 예상된다. 이는 Lee 외^[23], Kim 외^[24]의 선행연구에서 RVI가 다른 작물의 수명 예측에 적합한 지수로서 제시된 것과 동일하다. 이상을 종합하여 본 연구진은 절화 백합 수명 예측 시 RVI값을 이용한 선형회귀 모델을 이용하는 것은 적합하다고 판단하였다.

Figure 4. Accuracy and predicted values of a linear regression model for cut flower lilies (Lilium longiflorum ‘Woori Tower’) using ratio vegetation index (RVI). (a) Relationship between remaining cut lilies vase life and RVI with a linear regression line. (b) Actual versus predicted values.

Table 5 . Regression equation, R², and root mean square error (RMSE) of linear regression analysis.

Regression Equation	R2	RMSE
y = 0.511x − 0.0061	0.80	1.24

본 논문은 비파괴 기기인 초분광 카메라를 이용하여 절화 백합의 수명 예측 가능성을 파악하였다. 총 10송이의 절화 백합의 평균 수명은 14.8일이었으며, 갈변, 위조 등의 노화 양상은 수확 13일차부터 발생하였다. 또한 수확 9일차에 수분 균형이 0에 가까워지면서 가장 큰 화색 변화를 보이는 것으로 조사되었다. 절화 백합의 초분광 이미지에서 추출한 반사율을 이용하여 계산한 RVI값 또한 개화가 시작된 수확 9일 전후로 유의차가 발생하였으며, RVI는 실험 종료일에 가까워질수록 감소하는 양상을 띄었다. 이는 개화일 전후의 반사율 구분이 가능하였던 선행연구와 유사하다^[18]. RVI는 선행연구 Kim 외^[25]에서 작물의 수분 함량을 측정하기에 적합한 지수인 것으로 제시되었으며, 절화 백합 또한 수분이 수명에 중요한 요인이다. 이상을 바탕으로 RVI를 이용하여 절화 백합의 수명을 예측하는 것은 적합한 것으로 판단된다^[7]. 선형적인 양상을 띤 RVI를 이용하여 선형 회귀 모델을 학습시킨 결과, R²값은 0.80, RSME는 1.24로 계산되어 Lee 외^[23], Kim 외^[24]의 선행연구와 동일하게 예측 정확성이 높은 것으로 판단된다.

현재까지 초분광 카메라를 이용한 백합의 품질 예측과 관련된 선행연구는 개화일 예측, 구근 원산지 예측 등에 초점을 맞추어 진행되었으며^[18,26], 소비자의 선택에 큰 영향을 미치는 요소인 절화 수명을 예측한 연구는 미비한 상황이다. 이에 본 연구는 초분광 카메라를 이용하여 촬영한 절화 백합의 RVI값을 이용하여 수명 예측 가능성을 파악하였다. 단순한 예측 모델인 선형회귀 모델을 이용하여 절화 백합의 수명 예측이 가능하였으므로 추후 초분광 이미지만으로도 절화 백합의 수명 예측이 가능할 것으로 판단된다. 또한 예측한 절화 백합의 수명을 토대로 유통 및 판매 일정 등을 조절한다면 고품질 절화 유통에 기여할 수 있을 것으로 사료된다.

본 결과물은 농림축산식품부의 재원으로 농림식품기술기획평가원의 고부가가치식품기술개발사업의 지원을 받아 연구되었음(RS-2022-IP322053).

저자는 본 논문과 관련된 어떠한 이해충돌 사항도 없었음을 밝힌다.

본 연구의 결과 분석 및 생성된 데이터는 모두 본 논문 내 명시되었으며 공공의 이용이 가능하다. 데이터에 접근하거나 사용하고자 하는 이는 저자에게 타당한 이유를 밝히고 허가를 득해 사용 가능하다.