인공신경망 네트워크(ANN, Artificial Neural Network)는 인간의 두뇌 신경 구조와 같은 원리로 구성된 캘리브레이션 모델입니다. ANN 캘리브레이션 모델은 1990년 이후로 대규모 데이터 세트의 캘리브레이션을 가능하게 만든 컴퓨터 기술의 발전과 함께 지속적인 신규 개발이 이어지고 있습니다.
데이터 세트는 다양한 원료, 제품의 다양성, 다수의 파라미터를 포함하는 다양한 정보를 포함합니다. 유제품 애플리케이션에서 사용하는 단일 ANN 캘리브레이션은 하나의 제품 그룹에 속하는 모든 제품을 포함합니다. 예를 들면, FOSS FoodScan 치즈 캘리브레이션은 경화 및 반경화 치즈, 소프트 치즈, 크림 치즈, 가공 치즈를 대상으로 하며, 지방, 수분/총고형분, 건 물의 지방, 염도, 단백질 등의 다양한 파라미터를 포함합니다.
캘리브레이션 항목에는 수천 가지의 데이터를 포함할 수 있습니다. 또 다른 예로 FOSS ANN 육류 캘리브레이션은 지방, 수분, 단백질, 콜라겐 항목을 포함하며, 1989년 이후로 전 세계 지역에 설치된 1,000대 이상의 FOSS 전용 육류 분석기에서 수집한 약 20,000개의 스펙트라를 사용하여 수행합니다. 대규모 스펙트라를 이용하여 견고하고 다양한 캘리브레이션 모델을 만들수 있게 되었습니다.
ANN 캘리브레이션을 사용하는 시점은?
다른 캘리브레이션 방법과 비교하여 ANN 캘리브레이션의 주요 장점은 개별 파라미터를 전환하지 않고 다양한 파라미터를 측정할 수 있다는 것입니다. 예를 들면, 담당자는 육류를 측정할 때 지방 성분의 범위와 다른 제품을 캘리브레이션을 변경하지 않고 동일한 방법으로 분석을 수행할 수 있습니다.
ANN 캘리브레이션 방법은 모든 상황에서 담당자의 작업 시간과 노력을 단축할 수 있을 뿐만 아니라 실수로 발생할 수 있는 오류의 가능성을 줄일 수 있습니다.
ANN 캘리브레이션은 확인을 위한 시간과 비용을 최소화할 수 있는 방법입니다. 다른 제품과 분석 항목에 대해서 캘리브레이션 시간과 비용을 획기적으로 절감할 수 있습니다.
기계 학습 및 ANN
복잡한 작업을 수행하기 위해 모든 장비(분석 기기 포함)의 측정 과정을 프로그래밍하여 운영할 수 있는 시대가 되었습니다.
영상에서 소개한 것처럼 ANN 캘리브레이션은 수년 동안 식품 및 농업 부문의 분석과 관련하여 지속적으로 사용되고 있는 방법입니다. 특히 육류 및 유제품 업계의 주요 품목인 육류 및 치즈 등 성분이 다양한 제품을 측정할 때 유용합니다.
