현재, 감귤류의 육종(育種)에 있어서 껍질 벗기기(이하, 박피성), 과실 경도 등 특성의 대부분은 육종가의 감각에 의해 평가되고 있다.

그러나, 이런 육종가의 감각에 의한 달관적(達觀的) 평가에서는, 실제의 과실에서 보이는 다양하고 연속적인 차이를 충분히 평가하지 못할 가능성이 높다. 또한, 박피성이나 과실 경도 등은 육종가가 과실의 어떠한 특징에 근거해 평가하고 있는지, 지표가 되는 과실의 형태적인 특징과의 관계은 분명하지 않았다.

이에, 일본 도쿄대학교(University of Tokyo) 대학원 농업생명과학연구과 및 생체측정 및 생물정보학 연구실(Laboratory of Biometry and Bioinformatics) 연구팀은 감귤류의 과실단면 이미지에서 과일의 형태적 특징에서 정량적이고 자동적으로 평가하는 인공지능(AI) 기술을 개발했다.

여기서 박피성은 콩나물의 과피(외측의 껍질 부분)의 벗기기 쉬움을 나타내는 지표로부터 스위트오렌지(sweet orange)와 같이 손으로 껍질을 벗기기 어려운 단계까지 5단계로 평가했다.

과실경도는 과실을 바깥쪽에서 만졌을 때 느끼는 경도로 과실을 손으로 만져 부드러운 것부터 딱딱한 것까지를 5단계로 평가했다. 과실 경도는 먹기 쉬움이나 식감뿐만이 아니라, 저장성이나 수송성에도 관련되는 중요한 요인으로 작용하고 있다.

연구팀은 농업생명과학 연구 거점에서 재배되고 있는 감귤 108 품종의 과실 횡단면 이미지에서 다양한 형태적 특징을 정량적이고 자동으로 평가하는 이미지 해석 기술을 개발하고 고품질의 데이터를 대량으로 수집했다.

이를 통해 연구팀은 설명 가능한 머신러닝(Explainable Machine Learning)과 베이지안 신경망(Bayesian Neural Network)을 적용하여 과일 형태학적 특징과 두 가지 감각적으로 평가된 과일 품질 특성인 껍질을 벗기기 쉬움(Peeling)과 과일 경도(FruH) 사이의 관계를 설정했다.

Peeling과 FruH는 각각 감귤류의 신선도와 저장성에 영향을 미치는 중요한 특성으로 연구팀은 감귤류의 바람직한 박피성이나 과실 경도를 가지는 신품종을 개발할 가능성을 열었으며, 개발한 방법론은 감귤류뿐만 아니라 다양한 과수에 적용이 가능하다고 한다.

이번 연구는 국제 학술지 프론티어스 인플랜트사이언스(Frontiers in Plant Science)에 '설명 가능한 머신러닝을 통한 육종가의 감각 분석: 감귤류의 박피 및 경도에 적용(Dissecting Breeders’ Sense via Explainable Machine Learning Approach: Application to Fruit Peelability and Hardness in Citrus-첨부)'란 제목으로 지난 10일 게재됐다.