Research Evolution and Emerging Trends in Fruit and Vegetable Quality Assessment and Sorting: A Bibliometric Analysis of Analytical and Intelligent Sensing Technologies

매년 수십억 톤의 과일과 채소가 밭에서 시장으로 이동하며, 이 여정 동안 농산물은 멍이 들거나 부패하지 않고 취급, 운송, 저장 과정을 견뎌내야 합니다. 오랫동안 이 농산물을 분류하는 일은 주로 사람의 눈과 손에 의존해 왔는데, 이는 느리고 일관성이 없으며 토마토나 복숭아처럼 껍질이 얇고 연약한 품목에는 너무 거칠 수 있는 과정이었습니다. 고품질 식품에 대한 전 세계적 수요가 증가함에 따라, 농업계는 컨베이어 벨트의 속도와 과학자의 정밀함을 갖추고 농산물을 보고 판단할 수 있는 기계로 눈을 돌렸습니다. 이 기계들은 카메라를 사용하여 색상과 모양을 관찰하고, 과일을 자르지 않고도 당도나 경도를 확인할 수 있는 특수 센서를 사용하여 내부를 들여다봅니다. 목표는 단순하지만 어렵습니다. 즉, 초당 수천 개의 품목을 분류하여 최상의 제품만이 소비자에게 도달하도록 보장하면서 폐기와 손상을 최소화하는 것입니다.

중국 구이저우 사범대학교의 연구진은 최근 이 기술적 변화의 전체 역사를 되돌아보는 작업을 수행했습니다. 새로운 기계를 만들거나 특정 과일을 테스트하는 대신, 그들은 이 분야가 어떻게 진화해 왔는지 이해하기 위해 2000년부터 2025년 사이에 발표된 수천 편의 과학 논문을 분석했습니다. 이들은 문헌에 나타난 패턴을 연구함으로써, 과학자들이 단순한 기계적 분류에서 자신이 보는 것에 대해 '생각'할 수 있는 복잡하고 지능적인 시스템으로 어떻게 이동해 왔는지 지도로 그려냈습니다. 그들의 연구는 발전의 명확한 서사를 보여줍니다. 즉, 기초적인 관찰에서부터 정교한 자동 의사결정으로의 여정이며, 이는 우리가 세계의 식량 공급을 다루는 방식을 재편하고 있습니다.

연구진은 두 개의 방대한 과학 지식 라이브러리에서 데이터를 수집했습니다. 하나는 전 세계의 영어 언어 연구를 담고 있고, 다른 하나는 중국어 언어 연구를 담고 있습니다. 그들은 가장 중요한 트렌드를 찾기 위해 1,300편 이상의 출판물을 면밀히 검토했습니다. 그들이 발견한 것은 지난 20년 동안 꾸준히 성장해 온 분야였으며, 특히 2021년 이후 활동이 급격히 증가했습니다. 2000년대 초반의 연구는 드물고 기초적인 기계 설계에 집중되었습니다. 2010년대에는 컴퓨터를 사용하여 이미지를 분석하는 방향으로 초점이 옮겨갔습니다. 가장 최근 몇 년간의 연구 폭발은 고급 인공지능에 의해 주도되었으며, 이를 통해 기계는 이전에는 불가능했던 정교함으로 결함과 품질 수준을 인식할 수 있게 되었습니다.

이 연구는 세계의 연구 노력이 균등하게 분포되어 있지 않음을 강조합니다. 중국이 이 주제에 대해 가장 많은 논문을 생산했으며, 인도, 미국, 스페인, 이란이 그 뒤를 이었습니다. 이러한 중국 연구의 급증은 중국의 거대한 과일 및 채소 산업과 스마트 기계로 농업을 현대화하려는 빠른 추진력을 반영합니다. 미국과 중국 같은 국가들이 일부 프로젝트에서 협력하고 있기는 하지만, 연구진은 국제적 협력이 더 강화될 수 있다고 언급했습니다. 현재 협력 네트워크는 다소 파편화되어 있으며, 많은 국가가 공동의 문제를 해결하기 위해 자원을 모으기보다는 고립된 상태로 작업하고 있습니다.

연구진이 과학자들이 실제로 무엇을 연구하고 있는지 살펴보았을 때, 두 가지 주요 경로가 나타났습니다. 첫 번째 경로는 과일의 외관을 바탕으로 한 분류입니다. 이는 카메라를 사용하여 색상, 크기, 모양을 측정하거나 멍이나 결점을 찾아내는 것을 포함합니다. 두 두 번째 경로는 과일을 손상시키지 않고 내부의 품질을 확인하는 것입니다. 여기서 기술은 더욱 복잡해집니다. 과학자들은 인간의 눈에는 보이지 않는 근적외선과 같은 빛의 파동을 사용하여 과일의 껍질을 투과하고 당도, 산도 또는 내부 부패를 측정합니다. 분석 결과, 초기 연구는 이 두 가지 경로에 크게 집중되어 있었으나, 가장 흥lı로운 발전은 이 두 경로가 만나는 지점에서 일어나고 있다는 점이 밝혀졌습니다. 분류의 미래는 외부를 보는 카메라와 내부를 보는 특수 센서를 동시에 사용하는 방식으로 이 방법들을 결합하는 데 있습니다.

이를 달ensis하기 위해 사용되는 도구들도 시간이 흐름에 따라 극적으로 변했습니다. 과거에는 컴퓨터가 빨간 사과나 초록색 잎을 식별하기 위해 인간이 작성한 단순한 규칙에 의존했습니다. 오늘-날, 가장 효과적인 시스템은 수천 개의 사례를 학습함으로써 무엇을 찾아야 할지 스스로 배우는 인공지능의 한 종류인 딥러닝을 사용합니다. 연구진은 이 분야에서 가장 인기 있는 학술지가 농업 공학 및 식품 과학 전문지라는 것을 발견했으며, 이는 이것이 실용적이고 산업 중심적인 과학임을 확인시켜 줍니다. 가장 많이 인용되는 연구들은 대개 머신 비전을 사용하여 결함을 탐지하거나 분광 이미징을 사용하여 숙도를 예측하는 것과 관련이 있습니다.

이러한 진보에도 불구하고, 연구진은 기술이 아직 완벽하지 않다고 지적합니다. 기계는 조명이 변하거나, 과일이 서로 쌓여 있거나, 쉽게 멍이 들 수 있는 매우 연약한 농산물을 다룰 때 여전히 어려움을 겪습니다. 또한 이러한 시스템은 비용이 많이 들고 실행하는 데 강력한 컴퓨터가 필요하여, 소규모 농장이나 개발도상 지역에서 사용하기 어렵습니다. 연구는 다음의 큰 도약이 이러한 시스템을 더 저렴하고, 빠르고, 적응력이 높게 만드는 데서 올 것이라고 제안합니다. 과학자들은 현재 이 지능형 시스템의 '경량화' 버전을 개발하여 더 작은 장치에서도 실행될 수 있도록 하고 있으며, 수백만 장의 사진을 필요로 하는 대신 아주 적은 사례만으로도 기계가 학습할 수 있는 방법을 탐구하고 있습니다.

논문은 분류가 단순히 과일을 보는 것이 아니라, 과일을 완전히 이해하는 것으로 나아가고 있다고 결론짓습니다. 카메라, 빛 센서, 심지어 냄새 감지기에서 오는 데이터를 융합함으로써, 차세대 분류 기계는 인간 전문가만큼 미묘한 결정을 내리면서도 로봇의 속도와 일관성을 갖출 수 있을 것입니다. 이러한 진화는 식품 폐기를 줄이고 우리가 먹는 농산물이 안전하고 고품질임을 보장할 것을 약속합니다. 그러나 연구진은 이러한 미래가 비용, 복잡성, 그리고 농장이나 포장 작업장의 무질서하고 예측 불가능한 현실에서 기계가 얼마나 신뢰성 있게 작동할 수 있는지에 대한 과제를 극복하는 데 달려 있다고 경고합니다. 앞으로의 길은 명확하지만, 이러한 강력한 아이디어들을 농부와 식품 생산자들을 위한 일상적인 도구로 바꾸기 위해서는 지속적인 혁신이 필요합니다.