딥러닝 기반의 김치 절임 공정 관리기법 = A Deep Learning-based Management Technique for Kimchi Salting Process

국문 초록 (Abstract)

본 연구는 김치 제조공정 중 품질과 맛에 가장 큰 영향을 미치는 절임 공정을 딥러닝 기반 기술을 통한 관리 방법을 제시한다. HACCP을 통해 식품 안전을 강화하고 있는 식품 제조업계에서는 점차 인공지능 기반 기술이 품질 관리 및 생산성 향상의 핵심 도구로 주목받고 있다. 특히 김치 제조공정에서는 염도 및 온도의 변동성을 관리하는 절임 공정이 김치의 맛과 저장 기간에 중대한 영향을 미친다.
본 연구에서는 김치 제조업체로부터 수집한 센서 데이터(염도, 온도)와 품질평가 데이터를 저장하고, 공정 운영 여부와 설비 작동 상태를 구분하는 지표를 추가하는 등 공정의 리드타임 분석 및 이상치 처리, 결측치 처리 등을 했다. 전처리 된 데이터를 통해 염도의 추이와 리드타임의 상관성을 분석했고 염도를 예측하고 맛을 분류하는 LSTM 및 DNN 모델을 설계하였다.
본 연구는 중소 김치 제조업체의 절임 공정 관리를 위해 딥러닝 기술을 도입하고, 이를 통해 공정의 과학화 및 자동화를 달성하고자 하였다. 이는 기존 수작업에 의존하던 김치 제조공정의 효율성과 신뢰성을 개선하며, 국내 식품 제조업의 경쟁력 강화를 위한 AI 기반 스마트 공장의 도입 가능성을 제시한다.

다국어 초록 (Multilingual Abstract)

This thesis presents a method for managing the pickling process, which has a greatest impact on quality and flavor during the kimchi manufacturing process, using deep learning-based technology. In the food manufacturing industry, where food safety is strengthened through HACCP, AI-based technologies are emerging as a key tool for quality control and productivity improvement. In particular, in the kimchi manufacturing process, the pickling process, which manages the variability of salinity and temperature, has a significant impact on the flavor and shelf life of kimchi.
Sensor data (salinity, temperature) and quality evaluation data were collected from a kimchi manufacturer and stored. Indicators were added to distinguish between the process operation status and the facility operation status to analyze the lead time of the process, handle outliers, and handle missing values. Through the preprocessed data, we analyzed the correlation between salinity trends and lead time, and designed LSTM and DNN models to predict salinity and classify flavors.
The goal was introduce deep learning technology to manage the pickling process of small and medium-sized kimchi manufacturers, thereby achieving scientificization and automation of the process. It improves the efficiency and reliability of the kimchi manufacturing process, which relies on manual labor, and suggests the possibility of introducing AI-based smart factories to strengthen the competitiveness of the domestic food manufacturing industry.

목차 (Table of Contents)

• 제1 장 서론 1
• 1.1 연구의 배경 및 목적 1
• 1.2 연구의 내용 및 범위 2
• 제2 장 관련연구 3
• 2.1 김치 제조공장 3
• 2.2 김치 관련 인공지능 사례 4
• 2.2.1 김치 생산공정별 비파괴 품질검사를 위한 데이터셋 구축 4
• 2.2.2 배추의 중량·부피 예측 인공지능 6
• 2.3 인공지능 알고리즘 7
• 2.3.1 딥러닝 모델의 필요성 7
• 2.3.2 DNN 알고리즘 8
• 2.3.3 LSTM 알고리즘 10
• 2.4 김치 제조시장의 문제점 12
• 제3 장 김치 절임 공정 관리기법 14
• 3.1 연구모형 14
• 3.2 데이터 수집 16
• 3.3 데이터 전처리 18
• 3.4 인공지능 모듈 20
• 제4 장 데이터 수집 및 학습 21
• 4.1 실험 환경 준비 21
• 4.1.1 실험 환경 21
• 4.1.2 인공지능 학습 환경 22
• 4.2 학습용 데이터 준비 23
• 4.2.1 데이터 수집 23
• 4.2.2 변수 분석 25
• 4.3 인공지능 모델 학습 및 결과 27
• 4.3.1 인공지능 학습 27
• 4.3.2 모델 성능 및 결과 28
• 제5 장 결론 31
• 참고문헌 33