표현체 분석으로 산양삼 원산지 판별, 씨더스 AI 이미지 분석 국제학술지 연구성과
표현체 분석은 식물의 모양과 구조를 데이터로 바꿔 특성을 정밀하게 비교하는 기술입니다.
씨더스는 이 기술을 산양삼 원산지 구분에 적용해, 이미지 분석이 농생명 산업의 신뢰를 높이는 도구가 될 수 있음을 보여줬습니다.
그린바이오 데이터기업 씨더스와 국립산림과학원의 공동연구가 Q1·영향력지수(IF) 7.2 국제학술지 Journal of Agriculture and Food Research에 게재됐습니다.
식물에 대한 전문성과 AI 이미지 분석, 통계·머신러닝을 결합해 산양삼 원산지 판별에 새로운 데이터 기반 접근을 제시한 성과입니다.
산양삼 원산지 판별, 왜 표현체 분석에 주목할까?
산양삼의 원산지를 정확하게 구분하는 일은 생산자의 가치를 지키고 소비자의 신뢰를 높이는 데 중요합니다.
연구팀은 전문가가 살펴보던 뿌리의 굵기와 형태, 윗부분인 뇌두의 특징을 객관적인 수치로 바꾸는 데 주목했습니다.
아래 그림은 국내 산양삼과 중국산 인삼의 대표 시료와 분석 영역입니다.
사진을 남기는 데서 그치지 않고, 눈으로 관찰하던 뿌리의 특징을 측정하고 비교할 수 있는 데이터로 바꾸는 것에서 이번 연구는 시작됐습니다.
이렇게 만들어진 표현체 데이터는 국내 산양삼과 중국산 인삼 사이에 어떤 차이가 나타나는지 객관적으로 살펴볼 수 있는 기준이 됩니다.
41개 형질로 읽는 뿌리, 식물 전문성과 AI의 결합
연구팀은 국내 산양삼 176개와 중국산 인삼 72개, 총 248개 시료를 분석했습니다.
분석은 뿌리의 한 부분만 보는 것이 아니라, 뇌두부터 전체 뿌리까지 폭넓게 살펴보는 방식으로 진행됐습니다.
뇌두에서 12개, 전체 뿌리에서 29개 등 총 41개의 형태 형질을 추출해 뿌리의 세부적인 특징과 전체적인 구조를 함께 비교했습니다.
이 과정에는 AI도 활용됐습니다. AI가 이미지 속에서 분석할 영역을 찾아 분리하고, 뿌리의 길이와 굵기, 면적 등 다양한 특징을 객관적인 수치로 바꿔 분석했습니다.
그렇다면 실제로 국내 산양삼과 중국산 인삼 사이에는 어떤 차이가 있었을까요?
통계 분석 결과, 41개 형질 가운데 35개에서 두 원산지 그룹 간 유의한 차이가 확인됐습니다.
복잡해 보이는 뿌리의 형태 속에도 원산지를 구분하는 데 활용할 수 있는 다양한 정보가 담겨 있다는 것을 보여주는 결과입니다.
여러 형질을 함께 놓고 분석했을 때는 두 그룹의 분포가 구분되는 모습도 확인할 수 있었습니다.
여기에 평균 뿌리 굵기와 뇌두 면적 등 어떤 형질이 이러한 차이를 설명하는 데 중요하게 작용하는지도 살펴볼 수 있었습니다.
즉, 단순히 ‘두 그룹이 다르다’는 결과에서 한 걸음 더 나아가, ‘어떤 특징 때문에 다르게 나타나는지’까지 함께 확인할 수 있었던 것입니다.
씨더스의 기술 강점, 분류 결과와 판단 근거를 함께 제시하다
씨더스가 이번 공동연구에서 보여준 강점은 식물을 이해하는 전문성과 AI·데이터 분석을 하나의 과정으로 연결하는 역량입니다.
식물학적으로 의미 있는 부위를 정하고, 촬영 이미지의 크기를 보정하고, 형질을 측정한 뒤 분류 결과와 연결했습니다.
씨더스 연구진은 데이터 정리와 분석 방법 설계, 논문 초안 작성 및 검토에 참여했습니다. 국립산림과학원의 산양삼 연구 전문성과 씨더스의 표현체 분석 역량이 만나, 현장에서 시작된 질문을 정량적인 데이터로 확인하고 하나의 연구성과로 발전시킨 민관 협력 사례입니다.
이번 연구의 흐름을 정리하면 이미지 확보 → 분석 부위 분리 → 형질 정량화 → AI 분류 → 결과 해석으로 이어집니다.
특히 중요한 것은 AI가 분류 결과만 보여주는 데서 끝나지 않는다는 점입니다. 연구자가 어떤 형질이 중요한지 이해하고, 그 결과를 다시 다음 연구와 평가에 활용할 수 있도록 연결하는 것까지가 이번 연구 과정에 포함돼 있습니다.
AI 원산지 분류, 최고 99.60% 정확도로 확인한 기술력
연구팀은 선별한 35개 형질을 이용해 5개 머신러닝 모델을 평가했습니다.
248개 시료를 대상으로 한 5겹 교차검증에서 모델별 평균 정확도는 98.79~99.60%를 기록했으며, 랜덤포레스트 모델은 최고 99.60%의 정확도를 보였습니다.
주목할 점은 특정 모델 하나뿐 아니라 5개 모델 모두 높은 분류 성능을 보였다는 것입니다. 눈에 보이는 뿌리 형태를 정밀하게 수치화하면 원산지 구분에 유용한 정보를 확보할 수 있다는 점을 여러 분석 모델로 확인했습니다.
시료를 보존하는 이미지 분석, 품질관리 활용의 폭을 넓히다
이번 기술의 실용적인 강점은 시료를 분쇄하거나 성분을 추출하는 대신, 촬영 이미지의 형태 정보를 활용한다는 점입니다.
뿌리의 형태를 보존하면서 정량 데이터를 확보하는 접근으로, 산양삼과 같은 고부가가치 임산물의 선별·품질관리 자동화를 위한 기반을 제시했습니다.
또한 이미지와 측정값을 함께 기록할 수 있어 시료 간 비교와 결과 추적에 유용합니다. 연구기관에는 객관적인 특성평가 자료를, 생산·유통 현장에는 일관된 선별 기준을 발전시킬 수 있는 연구 근거를 제공한다는 점에서 산업적 의미가 있습니다.
Q1·IF 7.2 국제학술지 게재, 씨더스 연구역량을 세계에 알리다
이번 논문은 Journal of Agriculture and Food Research 2026년 7월호(Volume 29, Article 103110)에 게재되었습니다.
해당 학술지는 Q1·IF 7.2로 안내되는 농업·식품 분야 국제학술지로, 씨더스의 공동연구 성과가 국제 학술무대에 소개됐다는 점에서도 의미가 있습니다.
이번 게재는 씨더스가 단순히 분석 서비스를 제공하는 데서 그치지 않고, 농생명 산업의 문제를 함께 고민하고 분석 방법을 설계해 하나의 연구성과로 완성해 나가는 연구기업이라는 점을 보여줍니다.
특히 이번 연구에서는 표현체 분석의 활용 범위를 한층 넓혔습니다. 작물의 생육이나 형태를 측정하는 것을 넘어, 산양삼의 원산지를 구분하고 품질관리에 활용할 수 있는 가능성까지 확인했기 때문입니다.
그린바이오 데이터기업 씨더스, 연구에서 산업 문제 해결로
뿌리 이미지를 데이터로 읽는 기술의 활용 가능성은 원산지 판별에만 머물지 않습니다.
앞으로 다양한 작물과 임산물의 특성을 보다 객관적으로 평가하는 데에도 활용할 수 있는 기반이 될 수 있습니다.
이번 논문에서는 한 걸음 더 나아가, 형태 정보에 유전체·성분·분광 데이터를 연결하는 방향도 제시했습니다.
서로 다른 데이터를 함께 살펴본다면 하나의 이미지만으로는 알기 어려웠던 소재의 특성과 품질을 더욱 폭넓게 이해할 수 있습니다.
이번 공동연구는 씨더스가 중요하게 생각해 온 데이터의 역할을 잘 보여줍니다. 사람이 눈으로 관찰하고 판단해 온 식물의 특징을 측정 가능한 데이터로 바꾸고, 그 데이터를 다시 실제 산업의 문제를 해결하는 근거로 연결하는 것입니다.
국제학술지 게재와 높은 분류 정확도 역시 이러한 접근이 실제 연구에서 어떤 가능성을 가질 수 있는지 보여주는 성과입니다.
씨더스는 앞으로도 식물에 대한 전문성과 AI·데이터 분석 기술을 연결해, 연구에서 만들어진 데이터가 논문에 머무르지 않고 농생명·그린바이오 산업의 다양한 문제를 해결하는 데 활용될 수 있도록 연구의 범위를 넓혀가겠습니다.
논문 출처
Lee et al. (2026). Image-based quantitative root phenotyping enables reliable origin classification of wild-simulated ginseng. Journal of Agriculture and Food Research, 29, 103110. DOI: 10.1016/j.jafr.2026.103110
DATA IS REAL
씨더스는 데이터와 AI로 더 건강한 먹거리를 제안하는 기업입니다.
'디지털 육종' 카테고리의 다른 글
| GBS와 RAD-seq 차이점, 식물 SNP 분석에서 무엇을 비교해야 할까? (0) | 2026.09.30 |
|---|---|
| 유전자교정(NGT) 시대, 디지털육종이 바꾸는 그린바이오 산업 (0) | 2026.07.09 |
| 200가지 토마토가 만든 무지개, 씨더스 스마트팜 유전자원 이야기 (0) | 2026.05.15 |
| AI 농업 플랫폼 AIFARMER, 데이터 기반 토마토 재배 최적화 현장 (0) | 2026.05.15 |
| 스마트 양봉 시대, 씨더스가 만드는 AI 벌꿀 품질 예측 기술 (0) | 2026.04.24 |
