소고기 육질 등급 예측을 위한 분류 알고리즘의 성능 연구

김승희; 문철한; 최성준; 민준기

doi:10.5626/KTCP.2020.26.6.261

주제분류

...

저널정보

Korean Institute of Information Scientists and Engineers
정보과학회 컴퓨팅의 실제 논문지 학술저널
정보과학회 컴퓨팅의 실제 논문지 제26권 제6호
2020.06 261 - 267 (7page)
DOI : 10.5626/KTCP.2020.26.6.261

저자정보

김승희 (한국기술교육대학교)
문철한 (한국기술교육대학교)
최성준 (한국기술교육대학교)
민준기 (한국기술교육대학교)

이용수
내서재: 2

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기

축산물 등급제에도 불구하고 축산물 품질 공정 평가의 필요성과 명확성 제고가 지속적으로 대두되고 있다. 본 논문에서는 소가 도축되기 전의 이력 정보를 이용한 다양한 기계 학습 알고리즘에 적용하여 소고기의 육질 등급을 예측하였다. 이를 위하여, 피어슨 상관계수를 이용하여 소의 이력정보로부터 가장 관련 높은 속성들을 추출하였으며 나이브 베이즈, 인공 신경망, 랜덤 포레스트, 로지스틱 회귀, 의사결정나무, kNN, SVM 기법을 적용하였다. 예측 결과를 비교하고 측정의 정확도를 검증한 결과 kNN 기법에서 97.2%의 가장 우수한 예측 결과가 도출되었다. 기존의 연구가 초음파 화상 이미지에 SFTA 및 AdaBoost를 사용하는 예측 방법 등을 사용한 것과 달리 본 연구는 도축하기 전 소의 이력 정보만을 활용하여 육질 등급을 예측하였다는데 큰 의미가 있다.

Despite the grading system used for livestock, the need for a livestock quality process assessment and increased clarity has continually been raised. In this paper, we predict beef quality grades by applying machine learning algorithms with the history information of the individual cows before slaughter. To do so, we first selected the most related features from the individual cows’ historical information by using the Pearson correlation and next applied Naïve Bayes, artificial neural networks, random forests, logistic regression, decision trees, kNN, and SVM methods. As the result of their accuracy by comparison with prediction results, the kNN method was demonstrated to have the highest accuracy at 97.2%. Unlike previous studies that used SFTA and AdaBoost on ultrasound imaging, this study has major significance in predicting meat grades using the historical information of cows only before slaughter.

#기계 학습 #분류기법 #육질 등급 예측 #축산물 등급 #machine learning #classification #beef quality prediction #livestock quality grade