Original Articles

Journal of Bio-Environment Control. 31 October 2024. 269-279
https://doi.org/10.12791/KSBEC.2024.33.4.269

ABSTRACT


MAIN

  • 서 론

  • 재료 및 방법

  •   1. 재배 장소와 품종

  •   2. 재배 관리

  •   3. 영상 촬영

  •   4. 생육조사

  •   5. 통계 분석

  • 결과 및 고찰

  •   1. 오이 접목묘의 생육특성

  •   2. 실측값과 영상값의 상관관계

서 론

오이(Cucumis sativus L.)는 박과에 속하는 한해살이 덩굴성 식물이며, α-와 β-카로틴, 비타민 C, 비타민 A, 제아잔틴 및 루테인 등 항산화물질과 Cucurbitasin이 함유되어 있어 항종양과 항염증에 효과가 있다(Miro, 1995; Mukherjee 등, 2013). 오이의 소득은 2022년 기준 10a 당 평균 18,028천 원으로 시설 원예작물 중 가장 높아, 현재는 80개국 이상에서 재배되는 경제적으로 중요한 채소 작물 중 하나이다(Adhikari 등, 2012; KREI, 2024). 2023년 과채류의 국내 재배면적은 수박(11,276ha), 호박(9,648ha), 딸기(5,600ha), 토마토(5,400ha), 참외(4,580ha), 오이(4,078ha), 풋고추(3,796ha), 파프리카(722ha) 순으로 오이는 6번째로 많은 재배면적을 차지하고 있다(KREI, 2024). 국내 4,000ha 이상의 재배면적에 안정적으로 오이 묘를 공급하기 위해 전문 육묘장에서 연중 생산할 필요성이 요구되고 있다. 하지만, 접목묘의 균일한 생산은 농촌 인력부족 및 인건비 증가, 농자재 구입비, 재배시설 노후화 등으로 어렵고 이상기상으로 육묘장 내 환경관리가 어려운 실정이다(An 등, 2020).

육묘는 절반 농사라고 불릴 정도로 그 중요성이 강조되어 왔으며, 작물의 품질과 수확량을 좌우하기 때문에 농업에서 가장 중요한 단계 중 하나이다(Desai 등, 2020; Gusatti 등, 2019). 특히, 오이는 육묘 기간 동안 꽃눈 분화가 일어나며 육묘기의 환경관리에 따라 암꽃의 위치와 수가 달라지기 때문에 육묘 기술이 매우 중요하다(Hwang 등, 2006). 온도변화와 광주기는 오이의 성분화에 영향을 미치는데 장일 조건에서는 암꽃 분화가 억제되며, 고온 장일 조건에서 수꽃의 비율이, 저온 단일 조건에서 암꽃의 비율이 증가한다(Aparna 등, 2023; Lai 등, 2018). 우리나라는 1990년대에 공정육묘가 본격화되었으며, 최초의 플러그묘는 1992년 흥농종묘에서 생산하기 시작하였다(An 등, 2021). 현재 대부분의 묘는 플러그 트레이 단위로 유통되고 있기 때문에 플러그 트레이 단위로 묘의 소질을 판별하는 것이 중요하다. 하지만, 파괴적으로 묘의 생육지표를 수집하는 것은 많은 시간과 노동력이 필요하기 때문에 영상분석기술을 이용해 비파괴적으로 묘의 생육을 판별하는 기술에 대한 관심이 증가하고 있다. Xu 등(2023)은 공장형 육묘장에서 수박의 생장이 약한 묘를 초기에 식별하기 위해 표현형 조사와 머신 러닝을 기반으로 한 시각적 시스템을 제안하고 수박 플러그 묘의 생육을 평가하였다. Du 등(2022)는 플러그 묘의 품질 향상을 위해 고추 플러그 묘 8,109개의 이미지를 수집 후 EfficientNet-B7-CBAM 모델로 플러그 묘 품질 분류에서 97.99%의 높은 정확도를 보였다. Nguyen 등(2015)은 구조화된 광 기반 3차원 재구성 방법을 사용하여 개체 단위의 양배추, 오이, 토마토 묘의 정밀한 3차원 재구성을 수행했으며 비파괴적으로 엽수, 초장, 엽면적을 정확하게 추정했다. Omasa 등(2007)은 3차원 라이다 스캐닝 시스템으로 가지 묘에 대해 파종 후 52일까지의 성장 모니터링을 하였다.

현재 국내에서는 육묘 단계에서 영상분석기술을 이용한 엽록소 함량 예측(Jang 등, 2018), 수분함량 추정(Kim 등, 2018), 엽면적 및 식생지수 예측(Ban 등, 2023)등 비파괴적으로 묘의 소질을 분석하는 연구가 이루어지고 있다. 하지만, 플러그 트레이 단위에서 다중분광영상을 이용해 오이 접목묘의 엽면적, LiDAR 센서를 이용해 오이 접목묘의 초장을 예측하고 실측값과 비교한 연구는 미흡한 실정이다. 다중분광카메라를 이용한 영상분석기술에는 세 개 이상의 스펙트럼으로 초분광 영상에 비해 적은 스펙트럼 밴드를 사용한다(Aggarwal와 Papay, 2022; Wang 등, 2022). 또한, 다중분광영상은 더 적은 수의 스펙트럼을 사용하기 때문에 초분광 영상 시스템에 비해 영상의 획득 및 처리 시간이 더 짧다(ElMasry 등, 2019). 다중분광 영상으로 더욱 신속하고 정확하게 묘의 소질을 판별할 수 있을 것으로 기대된다. 식물의 초장과 엽면적은 식물의 생장을 조사하고 예측하는 데 매우 중요한 요인이다(Mahanti 등, 2020; Yang 등, 2020). 식물의 초장은 묘의 줄기가 길고 가늘게 자라는지를 결정하고, 엽면적은 묘의 생장, 강한 생장과 약한 생장을 구별하는 요소이며, 표현형 특징은 생장의 예측과 우량묘를 판별하는 데 도움이 될 것이다(Xu 등, 2023). 본 실험은 LiDAR 센서와 다중분광카메라를 이용한 영상 촬영으로 오이 접목묘의 생육 특성(초장 및 엽면적)을 알아보고 실제로 측정되는 초장 및 엽면적의 영상값과 실측값의 상관관계를 알아보고자 수행하였다.

재료 및 방법

1. 재배 장소와 품종

본 실험은 전북특별자치도 익산시에 위치한 솔래육묘장에서 실험을 수행하였다. 실험에 사용한 대목은 ‘흑종’(Cucurbita ficifolia cv. Heukjong, Nongwoo Bio Co., Ltd., Suwon, Korea)이고, 접수 품종은 다다기오이인 ‘굿모닝백다다기’ (Goodmorningbackdadagi, Nongwoo Bio Co., Ltd., Suwon, Korea), 취청오이인 ‘낙원성청장’(NakwonSeongCheongJang, Wonnong Seeds Co., Ltd., Anseong, Korea) 및 가시오이인 ‘신세대’(Sinsedae, Farmhannong Co., Ltd., Seoul, Korea)이다.

2. 재배 관리

상토는 피트모스(BM4, Berger Co., Ltd., Quebec, Canada), 원예용 상토(Chologi, Nongwoo Bio Co., Ltd., Suwon, Korea) 및 펄라이트(Newpershine, GFC Co., Ltd., Seoul, Korea)를 각각 50 : 38 : 12로 혼합 후 사용하였다. 혼합한 상토는 트레이에 충진하여 대목 품종(‘Heukjong’)은 50공 트레이에, 접수 품종(‘Goodmorningbackdadagi’, ‘NakwonSeongCheongJang’, ‘Sinsedae’)은 128공 트레이에 파종하였다. 실험은 봄과 여름에 각각 한번씩 진행하였다. 봄에는 2023년 3월 3일에 오이 접수, 3월 6일에 오이 대목을 파종하였으며, 여름에는 2023년 7월 21일에 파종하였다. 파종 후에는 발아실(온도 30℃, 상대습도 100%, 암실)에서 3일간 암발아 시켰다. 접목은 박과작물에서 많이 이용되고 있는 편엽합접을 사용하였고, 편엽합접은 대목의 생장점을 포함하여 자엽 하나를 60°로 잘라 접수와 형성층을 밀착시켜 접목하는 방법이다(RDA, 2018). 봄에는 3월 16일, 여름에는 7월 28일에 접목을 실시하였다. 접목 후에는 접목 활착실(온도 27℃, 상대습도 100%)에서 5일간 두었다.

육묘장 내부의 온도와 광량은 파종일로부터 출하일까지의 데이터를 농업용 환경 계측기(aM-31, Wisesensing Inc., Yongin, Korea)를 이용하여 수집하였다. 환경 계측기는 5분마다 측정되었으며, 온도는 5℃ 이상의 온도를 적산하여 일평균으로 계산하였다. 봄에는 파종부터 출하까지 34일, 여름에는 29일이 소요되어 봄에 출하까지 걸린 기간이 여름에 비해 더 길었으며, 여름(446.58mol·m-2)에는 육묘장 내에 차광을 실시하기 때문에 봄(681.56mol·m-2)보다 재배기간 동안의 누적광량(Light Integral)이 더 낮았다(Table 1).

Table 1.

Growing degree days (GDD) and light integral (LI) during growth of raising cucumber seedlings after grafting.

Season DAGz GDDy (℃) LIx (mol·m-2)
Spring Before 289.29 190.79
7 520.83 421.38
14 681.10 573.82
21 839.22 681.56
Summer Before 204.36 52.33
7 426.59 272.88
14 646.71 355.36
21 861.94 446.58

zDays after grafting.

yGrowing degree days, Sum of temperatures > 5℃.

xLight integral.

3. 영상 촬영

다중분광카메라(Multispectral camera, FS-3200T-10GE- NNC, JAI Co., Ltd., Copenhagen, Denmark)를 이용한 영상 촬영은 전북특별자치도 익산시에 위치한 원광대학교에서 진행하였으며, 영상 촬영은 접목 후 1주일 간격으로 출하 단계인 접목 후 3주일까지 시행하였다. 외부의 광원이 통제된 환경 내에서 인공광원인 발광다이오드(Light-emitting diodes, LED)로 영상을 취득하는 데 있어 적합한 파장대(White, 450nm/550nm/650nm; Red, 650nm; NIR1, 740nm; NIR2, 850nm)를 제공하였다. 챔버(100cm 가로×70cm 세로× 150cm 높이)는 2개의 LED 조명과 1개의 다중분광카메라, 1개의 LiDAR 센서(RPLiDAR A3M1, Slamtec Co., Ltd., Shanghai, China, 785nm)로 구성되어 있다. 다중분광카메라의 파장대는 RGB(450-650nm), NIR1(750±50nm), NIR2(830±30nm)이며, 세 가지 영역의 가시광선(RGB, Red/Green/Blue)과 두 가지 영역의 근적외선(NIR1, NIR2) 총 다섯 가지의 영역대를 사용하여 영상을 촬영하였다(Fig. 1). 오이의 묘 촬영 시 White reference (13cm 가로×2.5cm 세로)를 함께 두고 촬영하였다. 다중분광영상 촬영 후 ENVI 프로그램(ENVI 5.3, Exelis Visual Information Solution Inc., Boulder, Colorado, USA)으로 RGB(450nm, 550nm, 650nm), NIR1(750nm), NIR2(830nm) 5개 밴드를 사용해 작물의 잎이 반사되는 파장대의 영역을 Masking하고 해당 영역의 픽셀 개수를 취득하였다. RGB 영상에서 White reference를 기반으로 영상데이터의 전처리를 실시하였다. White reference의 실제 면적인 37.5cm2를 다중분광영상으로 촬영된 White reference의 픽셀 개수인 18,293개로 나눠 1픽셀의 면적을 계산한 결과, 0.0020499964cm2였다. 엽면적의 픽셀 개수와 1픽셀의 면적을 곱해 엽면적의 영상값을 산출했다. 초장은 LiDAR 센서로 측정하였으며, LiDAR 센서에서 바닥까지의 거리(131cm)에서 LiDAR 센서에서 식물체까지의 거리를 뺀 값에 트레이 자체의 높이(5cm)를 빼서 계산하였다.

https://cdn.apub.kr/journalsite/sites/phpf/2024-033-04/N0090330410/images/phpf_2024_334_269_F1.jpg
Fig. 1.

Image of cucumber grafted seedlings (Heukjong × Goodmorningbackdadagi) using a multispectral camera and ENVI program (RGB, 450 – 650 nm; NIR1, 750 ± 50 nm; NIR2, 830 ± 30 nm).

4. 생육조사

영상 촬영으로 얻은 초장 및 엽면적의 값과 실제로 측정한 초장 및 엽면적의 값의 상관관계를 비교하기 위해 영상 촬영을 진행한 플러그 트레이/개체를 동일하게 사용하여 생육조사를 실시하였다. 개체 단위에서는 오이 접목묘 당 5반복, 플러그 트레이 단위에서는 3반복으로 실시하였다. 생육조사 항목은 초장(cm), 경경(mm), 엽수, 마디수, 엽록소함량(SPAD), 엽면적(cm2), 생체중(지상부, 지하부) 및 건물중(지상부, 지하부)을 측정하였다. 초장은 지표면으로부터 생장점까지의 길이를 측정하고 경경은 디지털 캘리퍼스(CD-20APX, Mitutoyo Co., Ltd., Kanagawa, Japan)를 이용해 지표면으로부터 1cm 위의 두께를 측정하였다. 엽수와 마디수는 자엽을 제외하고 측정하였다. 엽록소함량은 휴대용 엽록소함량 측정기(SPAD-502 Plus, Konica Minolta Inc., Tokyo, Japan)를 이용해 본엽 중 가장 크게 전개된 잎을 골라 엽맥부위를 피하여 세 번 측정한 후 평균값을 기록하였다. 엽면적은 엽면적 측정기(LI-3100C Area Meter, LI-COR Inc., Lincoln, Nebraska, USA)로 잎을 한 장씩 파괴적으로 조사하였으며, 자엽을 포함한 모든 잎을 측정하여 식물체 당 엽면적을 기록하였다. 중첩된 엽면적은 실제로 측정된 엽면적에서 다중분광영상으로 촬영된 엽면적의 영상값을 빼서 계산하였으며, 중첩 비율은 {(실측값-영상값)/실측값}*100으로 계산하였다. 생체중은 전자저울(PAG2102, Pioneer, Ohaus Corp., Parsippany, New Jersey, USA)로 조사하였으며 지하부의 경우 뿌리의 흙을 물로 씻어내고 물기를 제거한 후 측정하였다. 건물중은 60℃로 설정된 건조기(Drying Oven, VS-1202D3, Vision Scientific Co., Ltd., Bucheon, Korea)에서 96시간 동안 수분이 날아갈 때까지 건조시킨 후 정밀저울(PAG213, Pioneer, Ohaus Corp., Parsippany, New Jersey, USA)로 측정하였다.

5. 통계 분석

본 연구에서는 오이 접목묘의 초장과 엽면적의 영상값과 실측값 사이의 관계를 분석하기 위해 Microsoft Excel (Microsoft Excel 2016, Microsoft 365, Redmond, Washington, USA) 프로그램을 이용하여 선형회귀분석을 실시하였으며, 접목 후 1주, 2주, 3주까지의 생육조사 결과는 IBM SPSS statistical software 26.0(SPSS Inc., Chicago, Illinois, USA) 통계 프로그램을 이용하여 분산분석(ANOVA)를 실시하고, 95% 신뢰수준에서 Duncan의 다중범위 검정(Duncan’s multiple range test)으로 분석하였다.

결과 및 고찰

1. 오이 접목묘의 생육특성

봄에 진행한 실험의 경우, 초장은 접목 후 1주까지는 품종 간에 유의한 차이가 나타나지 않았지만 접목 후 2주, 3주 후에 ‘낙원성청장’을 접목한 묘가 ‘굿모닝백다다기’, ‘신세대’ 접수를 접목한 묘와 비교하여 각각 7.09cm, 10.71cm로 가장 높았다(Table 2). 엽면적은 접목 후 1주가 지났을 때 ‘낙원성청장’을 접목한 묘가 48.24cm2로 통계적으로 유의하게 높았고, 접목 후 2주, 3주에는 품종 간에 유의한 차이를 나타내지 않았다. 엽수와 마디수는 접목묘의 품종간 유의성을 나타내지 않았다. 잎의 엽록소함량(SPAD)은 ‘신세대’ 접수를 접목한 묘가 가장 높았으며, 접목 후 3주에는 ‘신세대’, ‘굿모닝백다다기’, ‘낙원성청장’ 순으로 품종 간에 유의한 차이가 나타났다. 지하부 생체중, 지상부와 지하부 건물중, 총 건물중은 접목 후 1주와 3주에는 접목묘 간에 차이를 나타내지 않았지만, 접목 후 2주차에 ‘낙원성청장’을 접목한 묘가 ‘신세대’를 접목한 묘에 비해 유의하게 높은 값을 나타냈다. 또한, 지하부와 지상부의 비율(Root/shoot ratio)이 접목 후 시간이 지날수록 감소하고 있는 것으로 보아 접목 후 육묘 과정에서는 지상부의 발달이 지하부에 비해 왕성하다는 것을 알 수 있다.

Table 2.

Plant growth characteristics of cucumber seedlings in the spring season at 1, 2, and 3 weeks after grafting.

Cultivar Plant
height
(cm)
Stem
diameter
(mm)
Leaf
area
(cm2)
Leaf
number
(no.)
Internode
number
(no.)
SPAD Fresh weight Dry weight Total dry
weight
(g)
Root/
shoot
ratio
Shoot
(g)
Root
(g)
Shoot
(g)
Root
(g)
1 Week after grafting
GBz 3.15yax 3.49 ab 41.69 b 1.2 a 1.2 a 48.58 b 1.78 b 0.89 a 0.137 a 0.052 a 0.189 a 0.374 a
NC 3.40 a 3.75 a 48.24 a 1.0 a 1.0 a 47.82 b 2.06 a 0.91 a 0.140 a 0.056 a 0.196 a 0.403 a
SD 3.00 a 3.22 b 40.12 b 1.2 a 1.2 a 51.29 a 1.75 b 0.85 a 0.135 a 0.049 a 0.184 a 0.370 a
2 Weeks after grafting
GB 5.86 b 3.61 a 70.98 a 2.1 a 2.1 a 42.07 a 2.47 a 0.79 b 0.330 b 0.092 a 0.423 b 0.286 a
NC 7.09 a 3.80 a 71.08 a 2.0 a 2.0 a 38.95 b 2.39 a 0.99 a 0.380 a 0.100 a 0.480 a 0.266 a
SD 5.77 b 3.49 a 67.04 a 2.2 a 2.2 a 42.87 a 2.32 a 0.72 b 0.300 b 0.063 b 0.365 c 0.214 a
3 Weeks after grafting
GB 8.92 b 3.83 a 113.63 a 2.9 a 2.9 a 52.61 b 3.73 a 0.87 a 0.484 b 0.081 a 0.565 a 0.199 a
NC 10.71 a 4.03 a 109.60 a 3.1 a 3.1 a 46.37 c 3.51 a 0.78 a 0.540 ab 0.081 a 0.621 a 0.153 a
SD 8.83 b 4.00 a 115.50 a 3.2 a 3.2 a 56.10 a 3.75 a 0.89 a 0.568 a 0.072 a 0.640 a 0.128 a

zGB, Goodmorningbackdadagi; NC, Nakwonseongcheongjang; SD, Sinsedae.

yEach value is the mean of ten replications per cultivar (n = 10).

xMeans within columns sharing the same letter are not significantly different by Duncan’s multiple range test at p < 0.05.

여름에 진행한 실험에서 초장은 접목 후 2주부터 3주까지 ‘낙원성청장’을 접목한 묘가 ‘굿모닝백다다기’, ‘신세대’ 품종을 접목한 묘보다 높아 품종 간에 유의한 차이를 나타냈다(Table 3). 엽면적은 접목 후 1주까지는 접목묘 간에 차이를 보이지 않다가 접목 후 2주부터 3주까지 ‘낙원성청장’을 접목한 묘에서 각각 84.90cm2, 111.29cm2으로 가장 큰 값을 나타냈다. 이 결과는 봄에 진행한 실험의 결과와 일치하며 ‘흑종’ 대목에 ‘낙원성청장’을 접목했을 때 높은 초장과 엽면적 값을 나타낸다는 것을 알 수 있다. 접목 후 3주째부터 ‘신세대’ 품종의 엽수와 마디수는 다른 품종들보다 현저하게 많았다. 접목 후 2주가 지났을 때 ‘낙원성청장’을 접목한 묘의 지상부 생체중, 지하부 생체중, 지상부 건물중, 총 건물중이 ‘신세대’를 접목한 묘에 비해 유의하게 높았다. 접목 후 생육조사 결과, 초장과 엽면적은 ‘낙원성청장’ 품종에서 높은 값을 나타냈고, SPAD 값은 ‘신세대’ 품종에서 높은 함량을 나타냈다. 이는 Choi 등(2023)이 보광 처리 후 19일이 지난 오이 접목묘의 지상부 생육을 비교했을 때 무처리구에서 ‘흑종’ 대목에 ‘낙원성청장’ 품종을 접목한 묘의 초장, 엽면적이 높았고, ‘신세대’ 품종을 접목한 묘의 엽록소함량이 높았던 결과와 일치한다. 또한, Choi 등(2023)의 실험에 의하면 지상부 생육조사 항목 중 초장과 SPAD에서 품종에 의한 유의성이 나타나 본 실험에서도 비슷한 경향을 나타낸 것으로 판단된다.

봄에 진행한 실험과 마찬가지로 지하부와 지상부의 비율이 접목 후 시간이 지날수록 감소하고 있어 지상부의 생육이 지하부의 생육보다 왕성하게 이루어졌음을 알 수 있다. 이전 연구들에 의하면, 광량이 증가할수록 오이 접수와 호박 대목의 지상부 건물중이 증가하였고(Jang 등, 2014), 오이의 육묘단계에서 광량의 증가에 따라 엽수와 건물중이 증가하였다(Hernández와 Kubota, 2014; Kim과 Park, 2002). 본 연구에서도 접목 후 시간이 지날수록 누적광량이 많아지며 지상부 건물중 및 총 건물중이 증가하였다. 또한, 봄에 진행한 실험이 여름에 진행한 실험에 비해 많은 광량을 받았기 때문에 더 높은 지상부 건물중 및 총 건물중을 나타낸 것으로 판단된다.

Table 3.

Plant growth characteristics of cucumber seedlings in the summer season at 1, 2, and 3 weeks after grafting.

Cultivar Plant
height
(cm)
Stem
diameter
(mm)
Leaf
area
(cm2)
Leaf
number
(no.)
Internode
number
(no.)
SPAD Fresh weight Dry weight Total dry
weight
(g)
Root/
shoot
ratio
Shoot
(g)
Root
(g)
Shoot
(g)
Root
(g)
1 Week after grafting
GBz 5.38yax 4.28 a 40.10 a 1.2 a 1.2 a 41.68 b 2.35 a 0.24 b 0.136 a 0.054 a 0.197 a 0.384 a
NC 5.43 a 4.34 a 40.05 a 1.2 a 1.2 a 39.73 b 2.37 a 0.32 a 0.138 a 0.050 a 0.188 a 0.365 a
SD 4.89 b 4.19 a 39.49 a 1.1 a 1.1 a 44.98 a 2.35 a 0.32 a 0.144 a 0.049 a 0.194 a 0.344 a
2 Weeks after grafting
GB 6.82 b 4.19 a 63.56 b 2.9 a 2.8 a 37.63 a 3.23 b 0.19 b 0.240 a 0.040 a 0.280 a 0.171 a
NC 8.80 a 4.05 a 84.90 a 3.0 a 3.0 a 33.09 b 3.67 a 0.27 a 0.257 a 0.043 a 0.300 a 0.171 a
SD 6.85 b 3.99 a 52.57 c 2.5 b 2.5 b 39.53 a 2.87 c 0.20 b 0.203 b 0.039 a 0.243 b 0.199 a
3 Weeks after grafting
GB 8.31 c 4.13 a 104.45 ab 4.0 b 4.0 b 46.74 a 4.71 a 0.70 a 0.374 a 0.056 a 0.430 a 0.152 a
NC 10.47 a 4.03 a 111.29 a 4.0 b 4.0 b 42.51 b 4.96 a 0.61 b 0.382 a 0.054 a 0.436 a 0.145 ab
SD 9.09 b 4.21 a 95.47 b 4.5 a 4.5 a 47.21 a 4.61 a 0.60 b 0.352 a 0.045 b 0.398 a 0.131 b

zGB, Goodmorningbackdadagi; NC, Nakwonseongcheongjang; SD, Sinsedae.

yEach value is the mean of twenty replications per cultivar (n = 20).

xMeans within columns sharing the same letter are not significantly different by Duncan’s multiple range test at p < 0.05.

2. 실측값과 영상값의 상관관계

2.1 초장

봄에는 ‘흑종’에 ‘굿모닝백다다기’를 접목한 묘의 초장 실측값과 영상값의 상관관계가 개체 단위에서 R2 = 0.6741, 플러그 트레이 단위에서 R2= 0.7713으로 다른 접목묘 품종에 비해 낮은 상관관계를 나타냈다(Fig. 2A, 2B). 여름에는 개체 단위에서 ‘낙원성청장’을 접목한 묘가 R2= 0.8916으로 높은 상관관계를 나타냈지만, 봄에 진행한 묘의 초장 실측값과 영상값의 결과는 접목묘 품종에 상관없이 플러그 트레이 단위에서 개체 단위보다 더 높은 상관관계를 나타냈다. 플러그 트레이 단위에서는 ‘낙원성청장’을 접목한 묘가 R2= 0.8216으로 개체 단위보다 낮았다(Fig. 2C, 2D). 여름에 진행한 묘의 초장 실측값과 영상값의 결과는 개체 단위(R2= 0.8336)에 비해 플러그 트레이 단위(R2= 0.8569)에서 더 높은 상관관계를 나타냈다. 개체 단위에서 레이저 스캐닝 시스템으로 측정한 보리의 초장 영상값과 실측값은 높은 상관관계(R2 = 0.970)를 나타냈다(Paulus 등, 2014).

플러그 트레이를 이용한 육묘는 밀식 조건이라 여름과 같이 온도와 습도가 높은 환경에서는 초장이 급격하게 자라 도장할 수가 있다(Moon 등, 2010). Jang 등(2019)은 플러그 트레이 단위에서 초장의 실측값을 측정할 때 수정 초장(modified plant height)이라는 개념을 도입하여 플러그 트레이의 상단으로부터 본엽의 최고점까지를 기준으로 하였다. Nguyen 등(2015)도 초장의 실측값을 측정할 때, 식물의 밑부분에서 가장 높은 잎의 꼭대기까지의 거리를 측정했다. 반면, 본 실험에서는 초장의 실측값을 측정 시 지표면에서 생장점까지의 거리를 측정하였기 때문에 LiDAR 센서로 식물체의 가장 높은 부분을 측정한 영상값과 차이가 발생한 것으로 사료된다. 또한, 식물의 생장점은 주광성으로 인해 광원이 있는 곳을 향해 휘어져 자라기 때문에 수직 방향에서 내려다 본 관점으로는 정확한 초장 값을 측정할 수 없다(Li 등, 2023). 특히, 플러그 트레이 단위에서는 밀식된 상태에서 잎이 전개되기 때문에 LiDAR 센서로 초장의 영상값을 추정시 생장점을 분별하기가 어렵다(Jang 등, 2019).

3차원 영상을 이용해 수박, 토마토 및 고추 묘의 플러그 트레이 단위에서 초장을 측정한 결과, 본엽의 수가 적을수록 오차가 크게 나타났다(Jang 등, 2019). 다만, 본 실험에서는 본엽의 수가 많아질수록 오차가 크게 나타났는데, 이는 접목 후 묘 생장이 진전됨에 따라 잎이 전개되며 본엽의 최고점이 높아지므로 생장점과 차이가 발생한 것으로 보인다. 오이 묘의 경우 엽장과 엽폭이 확대되기 때문에 비파괴적으로 초장을 측정하는 데 어려움이 있다. 개체 단위에서는 하나의 묘를 조사하지만 플러그 트레이 단위에서는 50개의 묘를 동시에 조사하기 때문에 50개의 묘 중 가장 큰 묘의 값이 초장의 영상값으로 측정되어 플러그 트레이 단위에서 더 큰 오차가 발생하였다. 특히, 접목 후 시간이 지날수록 초장의 영상값과 실측값 간에 차이가 나는 것을 확인하였다.

초장은 작물의 수명, 성숙까지의 시간 등을 모니터링하는 데 주요한 형태적 요인이다(Park 등, 2022). 오이 접목묘의 개체 단위와 플러그 트레이 단위 상관없이 초장의 영상값은 오차가 발생했으나, 이를 보정할 수 있는 알고리즘이 개발된다면 오차가 크게 줄어들 것이다. 수박 묘의 플러그 트레이 단위에서 초장의 영상값과 실측값에 대한 R2= 0.932으로 높아 3차원 포인트 클라우드 기반의 초장 예측 가능성을 제시하였다(Xu 등, 2023). 비파괴적인 방법으로 플러그 트레이 단위의 초장을 정확하게 측정할 수 있다면 묘의 생장과 품질을 판별하는 데 소요되는 노동력을 크게 절감할 수 있을 것으로 기대된다.

https://cdn.apub.kr/journalsite/sites/phpf/2024-033-04/N0090330410/images/phpf_2024_334_269_F2.jpg
Fig. 2.

Correlation between image-based measurements of plant height of cucumber seedlings in the spring (A, B) and summer season (C, D) using LiDAR (A, C: individual seedlings; B, D: plug tray seedlings).

2.2 엽면적

봄에는 개체 단위에서 ‘신세대’ 접수를 접목한 묘가 R2= 0.9447으로 가장 높은 상관관계를 나타냈으며 플러그 트레이 단위에서도 ‘신세대’ 접수를 접목한 묘가 R2= 0.961로 ‘굿모닝백다다기’, ‘낙원성청장’을 접목한 묘에 비해 높은 값을 나타냈다(Fig. 3A, 3B). 품종에 관계없이 엽면적의 실측값과 엽면적의 영상값의 상관관계를 봤을 때는 플러그 트레이 단위(R2= 0.8579)에 비해 개체 단위(R2= 0.8937)에서 더 높은 상관관계를 확인할 수 있다(Fig. 3A, 3B). 배추 묘를 이용해 실제 엽면적과 다중분광카메라로 예측된 엽면적의 상관관계를 분석했을 때, 개체 단위에서 R2= 0.927로 높은 상관관계를 보였다(Ban 등, 2023). 플러그 트레이 단위에서는 R2= 0.7597로 개체 단위에 비해 낮은 상관관계를 나타내 봄에 진행한 실험의 결과와 일치했다. 개체 단위에 비해 플러그 트레이 단위에서 더 낮은 상관관계를 나타내는 이유는 플러그 트레이에서 잎이 서로 겹치는 면적이 고려되지 않았기 때문으로 판단된다.

여름에는 ‘낙원성청장’을 접목한 묘가 개체 단위에서 R2= 0.8248, 플러그 트레이 단위에서 R2= 0.9356로 가장 높은 상관관계를 나타냈으며, 봄에 진행한 실험의 결과와 반대로 ‘신세대’ 접수를 접목한 묘가 개체 단위 R2= 0.4574, 플러그 트레이 단위 R2= 0.8342로 세 접목묘 중 가장 낮은 상관관계를 나타냈다(Fig. 3C, 3D). 엽면적의 실측값과 영상값의 상관관계를 봤을 때 봄에 진행한 실험과 반대로 개체 단위(R2= 0.7003)에 비해 플러그 트레이 단위(R2= 0.8855)에서 높은 상관관계를 나타냈다(Fig. 3C, 3D). 개체 단위에서 ‘신세대’를 접목한 묘의 상관관계가 R2= 0.4574로 낮은 상관관계를 나타냈기 때문에 영향을 받은 것으로 생각된다. 수박 묘의 플러그 트레이 단위에서 엽면적의 영상값과 실측값에 대한 상관관계는 R2= 0.901이며, Mean Absolute Percentage Error (MAPE)는 7.23%로 높은 신뢰도를 보였다(Xu 등, 2023).

봄과 여름에 진행한 실험에서 플러그 트레이 단위에서 엽면적의 실측값과 영상값의 상관관계는 R2= 0.85 이상으로 높은 상관관계를 보인 것을 알 수 있으며, 플러그 트레이 단위에서 다중분광영상을 통해 신속하게 오이 접목묘의 엽면적을 예측할 수 있을 것으로 기대된다.

https://cdn.apub.kr/journalsite/sites/phpf/2024-033-04/N0090330410/images/phpf_2024_334_269_F3.jpg
Fig. 3.

Correlation between image-based measurements of leaf area of cucumber seedlings in the spring (A, B) and summer season (C, D) using multispectral imaging (A, C: individual seedlings; B, D: plug tray seedlings).

2.3 엽면적 중첩

플러그 트레이 단위에서 생육조사를 하여 실제로 측정된 엽면적과 다중분광카메라로 촬영된 영상을 계산한 엽면적 간의 차이를 나타냈다(Fig. 4). 플러그 트레이 단위에서 실측값이 영상값에 비해 더 큰 엽면적 값을 나타냈는데 실측값은 모든 잎을 측정한 반면 영상값은 상부에서 관찰 가능한 투영 면적만 측정되었기 때문이다. Time-of-flight(TOF) 카메라 이미징에서는 촬영 대상이 카메라 가장자리에 가까울수록 심각한 왜곡이 발생하고 잎의 포인트 클라우드가 누락되어 엽면적의 영상값이 실측값보다 작았다(Xu 등, 2023). 수박 플러그 묘가 성장하면서 잎의 중첩이 더 심해지며 본엽이 늘어날수록 더 많은 잎이 겹치게 되어 엽면적의 영상값을 측정 시 오류율은 본엽이 1매일 때 6.1%, 2매일 때 6.9%, 3매일 때 12.1%로 오차가 점점 커진다(Li 등, 2023). 본 실험에서도 접목 후 일수가 경과함에 따라 본엽이 많아지고 엽면적의 영상값과 실측값 사이의 오차가 늘어났다.

봄에 진행한 실험은 접목 후 21일이 지났을 때 ‘신세대’, ‘굿모닝백다다기’, ‘낙원성청장’ 순으로 많았지만, 여름에는 접목 후 21일이 지났을 때 ‘낙원성청장’, ‘굿모닝백다다기’, ‘신세대’ 순으로 봄과 반대되는 결과를 나타냈다. 접목 후 생육조사 결과를 보면 봄에는 측정된 엽면적이 접목 후 21일에 ‘신세대’, ‘굿모닝백다다기’, ‘낙원성청장’ 순이고, 여름에는 ‘낙원성청장’, ‘굿모닝백다다기’, ‘신세대’ 순서인 것을 확인할 수 있다. 이는 엽면적이 넓을수록 중첩되는 면적이 늘어난다는 의미이다. 따라서, 접목 후 일수가 경과함에 따라 엽면적이 넓어지고 중첩되는 면적이 많아지는 것을 알 수 있다.

Madhavi 등(2022)은 영상분석 기술을 이용해 비파괴적으로 개체 단위의 아이스플랜트 중첩 면적을 측정했다. 중첩된 면적은 전체 엽면적과 수직방향에서 촬영된 이미지의 엽면적 차이를 백분율로 나타냈으며 중첩되는 비율은 10% 미만이었다. 이는 개체 단위로 측정했기 때문에 낮은 값이 나온 것으로 판단된다. 본 실험은 플러그 트레이 단위에서 촬영된 오이 엽면적의 중첩면적을 계산하였기 때문에 가장 많은 중첩 면적을 나타낸 ‘신세대’에서 63%의 높은 중첩 비율을 나타냈다.

식물의 잎은 광합성과 증산작용을 하는 기관이므로 엽면적은 작물의 성장을 연구하는 데 중요한 지표이다(Madhavi 등, 2022; Rouphael 등, 2010). 추후 연구에서 플러그 트레이 단위에서 수직 방향으로 영상 촬영 시 엽면적의 영상값을 보다 정확하게 예측하기 위해 잎이 중첩되는 부분을 보정할 필요성이 요구된다.

https://cdn.apub.kr/journalsite/sites/phpf/2024-033-04/N0090330410/images/phpf_2024_334_269_F4.jpg
Fig. 4.

Difference between multispectral measurement and actual measurement values of overlapping leaf area of grafted cucumber in plug tray (A: spring season; B: summer season). Each bar represents the mean ± standard deviation (n = 3).

Acknowledgements

본 논문은 농촌진흥청 공동연구사업(과제번호: RS-2022-RD010427)의 지원에 의해 이루어진 것임.

References

1

Adhikari B.N., A.S. Elizabeth, B. Vaillancourt, K.L. Childs, J.P. Hamilton, B. Day, and C.R. Buell 2012, Expression profiling of Cucumis sativus in response to infection by pseudoperonospora cubensis. PLoS One 7:e34954. doi:10.1371/journal.pone.0034954

10.1371/journal.pone.003495422545095PMC3335828
2

Aggarwal L.P., and F.A. Papay 2022, Applications of multispectral and hyperspectral imaging in dermatology. Exp Dermatol 31:1128-1135. doi:10.1111/exd.14624

10.1111/exd.1462435671110
3

An S.W., J.H. Bae, H.C. Kim, and Y. Kwack 2021, Production of grafted vegetable seedlings in the republic of Korea: achievements, challenges and perspectives. J Hortic Sci Technol 39:547-559. doi:10.7235/HORT.2021004

10.7235/HORT.20210049
4

An S.W., S.W. Park, and Y. Kwack 2020, Growth of cucumber scions, rootstocks, and grafted seedlings as affected by different irrigation regimes during cultivation of 'Joenbaekdadagi' and 'Heukjong' seedlings in a plant factory with artificial lighting. Agronomy 10:1943. doi:10.3390/agronomy10121943

10.3390/agronomy10121943
5

Aparna, A. Skarzyńska, W. Pląder, and M. Pawełkowicz 2023, Impact of climate change on regulation of genes involved in sex determination and fruit production in cucumber. Plants 12:2651. doi:10.3390/plants12142651

10.3390/plants1214265137514264PMC10385340
6

Ban S.H., I.S. Hong, and Y. Kwack 2023, Prediction of growth and quality of chinese cabbage seedlings cultivated in different plug cell sizes via analysis of image data using multispectral camera. Horticulturae 9:1288. doi:10.3390/horticulturae9121288

10.3390/horticulturae9121288
7

Choi H.E., S.Y. Hwang, J.H. Yun, J. Yu, J.H. Hwang, E.W. Park, J.K. Koo, H.S. Hwang, and S.J. Hwang 2023, Growth and seedling quality of grafted cucumber seedlings by different cultivars and supplemental light sources of low radiation period and early yield of cucumber after transplanting. J Bio-Env Con 32:319-327. doi:10.12791/KSBEC.2023.32.4.319 (in Korean)

10.12791/KSBEC.2023.32.4.319
8

Desai S., D.J. Bagyaraj, and R. Ashwin 2020, Inoculation with microbial consortium promotes growth of tomato and capsicum seedlings raised in pro trays. Proc Natl Acad Sci India Sect B Biol Sci 90:21-28. doi:10.1007/s40011-019-01078-w

10.1007/s40011-019-01078-w
9

Du X., L. Si, X. Jin, P. Li, Z. Yun, and K. Gao 2022, Classification of plug seedling quality by improved convolutional neural network with an attention mechanism. Front Plant Sci 13:967706. doi:10.3389/fpls.2022.967706

10.3389/fpls.2022.96770635991389PMC9386228
10

ElMasry G., N. Mandour, S. Al-Rejaie, E. Belin, and D. Rousseau 2019, Recent applications of multispectral imaging in seed phenotyping and quality monitoring-An overview. Sensors 19:1090. doi:10.3390/s19051090

10.3390/s1905109030836613PMC6427362
11

Gusatti M., M.R. Zanuzo, R.A.F. Machado, C.V. Vieira, and E. Cavalli 2019, Performance of agricultural substrates in the production of lettuce seedlings (Lactuca sativa L.). Sci Elec Arch 12:40-46. doi:10.36560/1252019807

10.36560/1252019807
12

Hernández R., and C. Kubota 2014, Growth and morphological response of cucumber seedlings to supplemental red and blue photon flux ratios under varied solar daily light integrals. Sci Hortic 173:92-99. doi:10.1016/j.scienta.2014.04.035

10.1016/j.scienta.2014.04.035
13

Hwang I.T., K.C. Cho, B.S. Kim, H.G. Kim, J.M. Jung, and J.G. Kim 2006, Effect of nutrient solution concentration during the raising period on the seedling quality and yield of cucumber plants. J Bio-Env Con 15:164-168. (in Korean)

14

Jang D.H., H.T. Kim, and Y.H. Kim 2019, Estimation of the dimensions of horticultural products and the mean plant height of plug seedlings using three-dimensional images. J Bio-Env Con 28:358-365. doi:10.12791/KSBEC.2019.28.4.358 (in Korean)

10.12791/KSBEC.2019.28.4.358
15

Jang S.H., Y.K. Hwang, H.J. Lee, J.S. Lee, and Y.H. Kim 2018, Selecting significant wavelengths to predict chlorophyll content of grafted cucumber seedlings using hyperspectral images. Korean J Remote Sens 34:681-692. doi:10.7780/kjrs.2018.34.4.10 (in Korean)

16

Jang Y.A., H.J. Lee, C.S. Choi, Y.C. Um, and S.G. Lee 2014, Growth characteristics of cucumber scion and pumpkin rootstock under different levels of light intensity and plug cell size under an artificial lighting condition. J Bio Fac Env 23:383-390. doi:10.12791/KSBEC.2014.23.4.383 (in Korean)

10.12791/KSBEC.2014.23.4.383
17

Kim S.H., J.G. Kang, C.S. Ryu, Y.S. Kang, T.K. Sarkar, D.H. Kang, Y.G. Ku, and D.E. Kim 2018, Estimation of moisture content in cucumber and watermelon seedlings using hyperspectral imagery. J Bio Fac Env 27:34-39. doi:10.12791/KSBEC.2018.27.1.34 (in Korean)

10.12791/KSBEC.2018.27.1.34
18

Kim Y.H., and H.S. Park 2002, Growth of cucumber plug seedlings as affected by photoperiod and photosynthetic photon flux. J Bio-Env Con 11:40-44. (in Korean)

19

Korea Rural Economic Institute (KREI) 2024, Agricultural Outlook 2024 (Ⅱ): Agriculture and Rural Areas in the Era of Uncertainty: Challenges and Future. (in Korean)

20

Lai Y.S., D. Shen, W. Zhang, X. Zhang, Y. Qiu, H. Wang, X. Dou, S. Li, Y. Wu, J. Song, G. Ji, and X. Li 2018, Temperature and photoperiod changes affect cucumber sex expression by different epigenetic regulations. BMC Plant Biol 18:268. doi:10.1186/s12870-018-1490-3

10.1186/s12870-018-1490-330400867PMC6220452
21

Li L., Z. Bie, Y. Zhang, Y. Huang, C. Peng, B. Han, and S. Xu 2023, Nondestructive detection of key phenotypes for the canopy of the watermelon plug seedlings based on deep learning. Hortic Plant J. doi:10.1016/j.hpj.2022.09.013

10.1016/j.hpj.2022.09.013
22

Madhavi B.G.K., A. Bhujel, N.E. Kim, and H.T. Kim 2022, Measurement of overlapping leaf area of ice plants using digital image processing technique. Agriculture 12:1321. doi:10.3390/agriculture12091321

10.3390/agriculture12091321
23

Mahanti N.K., U. Konga, S.K. Chakraborty, and V.B. Babu 2020, Non-destructive estimation of spinach leaf area: image processing and artificial neural network based approach. Curr J Appl Sci Technol 39:146-153. doi:10.9734/cjast/2020/v39i1630746

10.9734/cjast/2020/v39i1630746
24

Miro M. 1995, Cucurbitacins and their pharmacological effects. Phytother Res 9:159-168.

10.1002/ptr.2650090302
25

Moon J.H., Y.A. Jang, H.K. Yun, S.G. Lee, and J.W. Lee 2010, Determination of salt type, salt concentration, and salt application method and timing for suppression stem elongation in grafted cucumber seedlings. J Bio-Env Con 19:317-323. (in Korean)

26

Mukherjee P.K., N.K. Nema, N. Maity, and B.K. Sarkar 2013, Phytochemical and therapeutic potential of cucumber. Fitoterapia 84:227-36. doi:10.1016/j.fitote.2012.10.003

10.1016/j.fitote.2012.10.00323098877
27

Nguyen T.T., D.C. Slaughter, N. Max, J.N. Maloof, and N. Sinha 2015, Structured light-based 3D reconstruction system for plants. Sensors 15:18587-18612. doi:10.3390/s150818587

10.3390/s15081858726230701PMC4570338
28

Omasa K., F. Hosoi, and A. Konishi 2007, 3D LiDAR imaging for detecting and understanding plant responses and canopy structure. J Exp Bot 58, 881e898. doi:10.1093/jxb/erl142

10.1093/jxb/erl14217030540
29

Park E.S., A.P. Kumar, M.A.A. Arief, R. Joshi, H.S. Lee, and B.K. Cho 2022, Noncontact measurements of the morphological phenotypes of sorghum using 3D LiDAR point cloud. Korean J Agric Sci 49:483-493. (in Korean)

10.7744/kjoas.20220042
30

Paulus S., H. Schumann, H. Kuhlmann, and J. Léon 2014, High-precision laser scanning system for capturing 3D plant architecture and analysing growth of cereal plants. Biosyst Eng 121:1-11. doi:10.1016/j.biosystemseng.2014.01.010

10.1016/j.biosystemseng.2014.01.010
31

Rouphael Y., A.H. Mouneimne, C.M. Rivera, M. Cardarelli, A. Marucci, and G. Colla 2010, Allometric models for non-destructive leaf area estimation in grafted and ungrafted watermelon (Citrullus lanatus Thunb.). J Food Agric Environ 8:161-165.

32

Rural Development Administration (RDA) 2018, Cucumber-Agricultural Technology Guide 107. RDA, Korea. (in Korean)

33

Wang L., A. Sole, and J.Y. Hardeberg 2022, Densely residual network with dual attention for hyperspectral reconstruction from RGB images. Remote Sens 14:3128. doi:10.3390/rs14133128

10.3390/rs14133128
34

Xu S., Y. Zhang, W. Dong, Z. Bie, C. Peng, and Y. Huang 2023, Early identification and localization algorithm for weak seedlings based on phenotype detection and machine learning. Agriculture 13:212. doi:10.3390/agriculture13010212

10.3390/agriculture13010212
35

Yang S., L. Zheng, W. Gao, B. Wang, X. Hao, J. Mi, and M. Wang 2020, An efficient processing approach for colored point cloud-based high-throughput seedling phenotyping. Remote Sens 12:1540. doi:10.3390/rs12101540

10.3390/rs12101540
페이지 상단으로 이동하기