화학 성분 값을 이용한 쇠고기 제품의 분류 및 대조를 위한 기초적 검토

화학 성분 값을 이용한 쇠고기 제품의 분류 및 대조를 위한 기초적 검토

化学成分値を用いた牛肉製品の分類・照合に向けた基礎的検討 

 

요약

최근 일본에서도 주목받고 있는 화학계량학은 수학, 통계학, 기계 학습, 패턴 인식 등을 결합하여 화학 분야의 다양한 문제를 해결하는 방법으로 주목받고 있습니다.

식품과학 분야에서도 화학성분 분석의 양을 통해 품질관리 방법과 관련된 결과를 알아내는 방법으로 연구가 진행되고 있습니다. 한편, 육류 제품 자체에 함유된 화학성분에 초점을 맞춘 품질관리 방법에 대한 연구는 진행되지 않았으며, 육류 제품의 무기성분과 지질 측정을 통한 육류 제품의 특성에 대한 연구가 제한적으로 진행되고 있습니다.

이 연구에서는 쇠고기 제품에 초점을 맞추어 맛, 신선도 평가, 안전 요구 사항에 기여하는 간단한 품질 관리 방법을 확립하는 것을 목표로 합니다. 따라서 쇠고기 제품에 포함된 화학 성분 값을 사용하여 저렴한 비용으로 측정하는 것이 유용하다고 생각했습니다. 또한, 화학 계량법(판별 분석 및 분산 분석)을 이용한 이러한 방법을 최적화했습니다. 그 결과, 쇠고기 제품의 분류 조건에 기여하는 화학 성분을 식별할 수 있었습니다.

 

1. 서론

수리과학, 통계학, 기계학습, 패턴인식 등을 복합하여 화학분야의 다양한 문제해결에 일조하는 방법으로 계량화학(케모메트릭스)이 주목받고 있다(1). 식품과학 분야도 예외가 아니며, 방대한 화학분석 결과에서 품질관리에 직결되는 하나의 요소를 찾아내는 방법으로 연구가 진행되고 있다.

기존 연구에서는 식육을 포함한 식료품의 품질관리, 산지정보 등 안전 확보가 가능한 시스템 구축을 위한 계량화학적 방법의 적용, 특히 영상처리, 근적외분광법, 하이퍼스펙트럼 카메라에 의한 스펙트럼 데이터 분석 등으로 식육제품의 화학적 특성을 확인하고 동물종 식별 및 품질관리에 응용하는 기술이 검토되고 있다(1-5).

한편, 육류 제품에 함유된 화학성분 중 영양성분에 특화된 품질관리 방법 검토와 관련된 연구는 뒤쳐져 있으며, 육류 제품 중 무기성분, 지질 측정을 통한 영양가를 정성·정량하는 분석 연구에 머물러 있다(6).

그래서 본 연구 그룹은 화학성분, 특히 영양성분에 착안한 품질관리 방법의 확립을 목표로 연구를 진행해 왔다. 구체적으로는 문부과학성이 정량화·데이터화하고 있는 식품의 화학성분 함유량(7)에서 생체 내의 화학반응, 미각, 후각 유래가 될 수 있는 화학성분을 계통적으로 선택하여 이를 이용한 식품의 분류·정량화 방법을 계량화학적 방법으로 검토하고 있다(8,9).

선행연구(8-10)에서는 원자흡수분광분석기 등으로 정량 가능한 돼지고기 제품에 포함된 무기성분이 육류에 미치는 기능에 따라 선별하여 '제품종류'(8)(붉은살, 지방 포함, 피하지방 없음, 다진 고기, 부산물, 가공품, 지방), '부위'(등심, 안심 등)로 분류할 수 있는지를 군집분석을 통해 도식화하여 검토하였다.

또한 주성분 분석 및 판별 분석을 통해 분류 경향을 나타내고, 나아가 분류 및 대조에 기여하는 무기 성분을 특정하였다. 본 논문에서는 선행 연구의 돼지고기 제품과는 다른 육류 제품을 대상으로 분류 및 대조에 기여하는 주요 화학 성분을 특정하는 것을 목적으로 하였다. 그중에서 돼지고기 제품과 같은 사지동물인 쇠고기 제품을 다루었다.

또한 선행연구처럼 무기성분, 비타민성분에 한정하지 않고 주요 구성물질인 단백질, 지질, 원자흡수분광분석기 등으로 측정가능한 무기성분 8종, 고성능액체크로마토그래피로 정량가능한 비타민류 6종의 함유량 데이터를 추출, 기기분석 측정오차와 사료, 월령, 품종 등에 따른 화학성분값의 오차(±10% 정도)를 고려하여 최적화하고 다변량 분석(분산 분석, 판별 분석)을 이용하여 '부위' 각각에 대해 분류가 가능한 성분을 특정하였다. 그 후 다중 클래스 분류의 개념에 따른 분류 및 대조 경향에 대해 검토하였다.

 

2. 실험 방법

2.1 실험 개요

본 보고서의 실험 개요를 설명한다.

일본 문부과학성 과학기술자원조사분과회 보고 7 개정 일본 식품표준성분표 2015(7)의 쇠고기 제품 132종을 대상 데이터로 하여 무기성분 8종(나트륨, 칼륨, 칼슘, 마그네슘, 인, 철, 아연, 구리), 고성능 액체 크로마토그래피로 정량 가능한 비타민류 6종(비타민 B1, 비타민 B2, 나이아신, 비타민 B6, 비타민 B12, 판토텐산)의 함유량 데이터를 추출하여 기기 분석 측정 오차 및 사료, 월령, 품종 등에 따른 환경 오차로 ±10% 오차를 랜덤으로 부여한 더미 데이터를 작성하였다.

이 더미 데이 타(+10%: 132 종류, -10%: 132 종류)를 더한 총 396 종류의 데이터에 대해 '부위'로의 분류·대조로 이어지는 화학성분을 분산분석, 판별분석의 결과에 따라 특정한다. 그 후, 분류·대조 결과에 대해 고찰을 실시했다. 실험 조작의 개략도는 Fig.1에 나타냈다.

 

🔬 Fig. 1. Experimental Process

1. Standard tables of food composition in Japan
   • 일본의 식품 성분 표(Standard Tables of Food Composition in Japan)에서 데이터를 추출(Extraction)함
2. Beef products 132 species & 16 chemical components value
   • 쇠고기 제품 132종과 16가지 화학 성분 값을 사용
   • 성분 값에 ±10%의 오차 허용
3. Database of beef products 396 species
   • 이를 기반으로 396종의 쇠고기 제품 데이터베이스 구축
   • 화학 성분 값을 사용함
4. Analysis of variance for product parts / Ranking by F-value
   • 각 쇠고기 부위(product parts)에 대해 분산 분석(ANOVA) 실시
   • **F-값(F-value)**에 따라 순위 결정
5. Added according to the ranking of F-value
   • F-값 순위에 따라 화학 성분을 하나씩 추가
6. Discriminant analysis (1~16 chemical components)
   • 최종적으로 판별 분석(Discriminant Analysis) 실시
   • 화학 성분 1~16가지 조합을 사용

---

이 흐름도는 쇠고기의 부위별 성분 분석과 판별 정확도 향상을 위한 절차를 시각적으로 보여주며, F-값 기반의 성분 중요도 분석과 판별 분석 기법을 활용하고 있다는 점이 핵심

 

🔍 그림에 표시된 소고기 부위 설명:

1. Chuck (목심)
   • 위치: 앞다리 윗부분
   • 용도: 장조림, 불고기, 찜 등
2. Chuck roll
   • 위치: Chuck 내부의 특정 부위
   • 용도: 구이용으로도 쓰이며, 마블링이 좋은 편
3. Libloin (아마도 Loin의 일부로 'Ribloin'의 오기일 가능성)
   • 위치: 등심 부위 앞쪽
   • 용도: 스테이크, 구이용
4. Sirloin (설로인, 등심)
   • 위치: 등 부위 중앙
   • 용도: 스테이크, 구이용
5. Fillet (안심)
   • 위치: 등심 안쪽
   • 용도: 고급 스테이크용, 부드럽고 지방이 적음
6. Rump (럼프, 엉덩이살)
   • 위치: 엉덩이 윗부분
   • 용도: 구이, 찜, 스튜
7. Belly (배쪽 부위)
   • 위치: 옆구리와 배
   • 용도: 불고기, 국거리, 찜 등
8. Ham (뒷다리)
   • 위치: 다리 후방
   • 용도: 장조림, 수육, 햄 가공
9. Outside ham
   • 위치: Ham의 바깥쪽
   • 용도: 햄 또는 육가공용 부위

---

📦 색상별 분류 설명 (범례)

• 보라색 (Offal and by-products): 부산물 및 내장 부위
• 하늘색 (Ground meat): 다짐육 용도
• 파란색 (Meat substitute): 육가공품 또는 대체육 관련 부위

---

이 그림은 일반 소비자와 연구자 모두가 소고기의 부위별 용도와 제품화 방향(예: 햄, 다짐육, 대체육 등) 을 이해하는 데 도움이 되는 기본 자료

 

2.2 대상 데이터인 부위와 화학성분값

쇠고기 제품 132종류의 데이터와 기기분석 측정 오차, 사료, 월령, 품종 등 오차를 고려한 ±10% 오차의 더미 데이터를 포함한 396종류를 대상으로 Fig.2에 나타낸 '부위'(등심, 안심, 설로인, 리브로스, 소토모, 모모, 다마, 히레, 램프, 부산물, 가공품, 다진고기)에 대해 단백질, 지질, 무기성분 8종, 비타민류 6종의 함유량을 이용하여 분류・대조 가능성을 확인하였다. 또한, 검토에 사용하는 화학성분과 이후 본문에 사용하는 약어를 Table 1에 나타내었다.

 

2.3 분산분석에 의한 화학성분값의 순위매김(8)

양적 데이터인 화학성분 함유량으로부터 쇠고기 제품을 '부위'(가타, 가타 로스, 서로인, 리브로스, 소토모, 모모, 바라, 히레, 램프, 부생물, 가공품, 히키니쿠)로 분류・대조 가능하다고 생각하여 분류 결정에 영향을 미치는 화학성분값을 검정하였다(8). 또한 검정은 제품이 속하는 '부위'끼리의 군간 분산𝑉𝐵와 각 항목에 속하는 시료 간의 군내 분산𝑉𝑊의 비율인 F값( (1)식)을 산출하여 실시하였다.

 

이 수식은 통계학에서 분산 분석(ANOVA: Analysis of Variance) 시 사용되는 F-값(F-ratio) 계산식입니다.

 

---

🧠 해석

• F-값이 클수록, 집단 간 차이가 크고 집단 내 차이는 작다는 뜻 → 해당 변수(화학 성분 등)가 부위 구분에 유효함
• F-값이 작으면, 집단 간 차이가 적거나 집단 내 변동이 크다는 뜻 → 구분력이 낮은 변수임

---

이 식은 아까 봤던 쇠고기 제품의 화학 성분을 분석하여 부위 구분에 얼마나 기여하는지를 판단하는 기준으로 사용된 것이며, 성분별 **F-값 순위에 따라 분류 모델(판별 분석)**을 만들 때 매우 유용하게 사용됩니다.

 

2.4 판별분석을 이용한 각 분류에 대한 판별률 산출에 의한 검증(8)

검증에 사용하는 기기 분석 측정 오차와 사료, 월령, 품종 등의 차이를 고려한 더미 데이터를 포함한 쇠고기 제품 데이터 396종의 '부위'에 대해 단백질, 지질, 무기질 8종, 비타민 6종을 대상으로 판별분석을 실시하여 분류 및 대조에 기여하는 화학성분을 특정하였다.

판별분석의 자세한 내용은 참고문헌(11)에 준한다. 쇠고기 제품의 '부위'에 포함된 분류·대조 항목을 그룹으로 하고, 이를 결정짓는 데이터를 화학성분으로 했다. 각 쇠고기 제품 데이터에 포함된 화학성분 값에 따라 각 '부위'에 형성된 다변량 공간 내에서 해당 쇠고기 제품이 어느 '부위'로 판별되는지를 산출했다. 또한 화학성분 개수에 따라 산출한 정판별율 추이를 나타냈다.

 

3. 결과

3.1 분산분석에 의한 분류에 기여하는 화학성분값의 순위 매기기

쇠고기 제품의 '부위'에 대하여 화학성분값을 이용한 분산분석 결과를 설명한다. '부위'의 분산분석 결과를 보면 가장 높은 F값은 Na이다. 차점자는 Ca, Mg, Fe, Lip, K, VB6, Zn, VB12, P, Pro, VB3, VB5, VB1, VB2, Cu 순이다. 전체적인 경향으로는 무기성분의 순위가 높고 비타민 성분이 낮은 F값을 보이고 있다.

3.2 판별분석에 의한 쇠고기 제품의 분류에 기여하는 화학성분 값의 탐색

분산분석에 의해 산정한 F값의 순위에 따라 화학성분을 추가하는 조작을 반복 실시한 판별분석의 결과를 설명한다. Fig.3에 쇠고기 제품의 '부위'에 대한 양성 판별률의 추이를 나타냈다.

 

이 16가지 성분은 쇠고기 부위별 영양분 차이를 분석할 때 사용되며, F-값 분석, 판별 분석(Discriminant Analysis) 등 통계적 기법의 주요 입력 변수로 쓰입니다.

 

 

🧪 핵심 성분 (Top 12 by F-value)

• Na (Sodium)
• Ca (Calcium)
• Mg (Magnesium)
• Fe (Iron)
• Lip (지방)
• K (Potassium)
• VB6
• Zn (Zinc)
• VB12
• P (Phosphorus)
• Pro (Protein)
• VB3 (Niacin) ← 여기서 69.9% 결정율 달성

이후의 성분들(VB5, VB1, VB2, Cu)은 추가하더라도 결정율 상승 효과는 미미.

---

📌 요점 정리

• 쇠고기의 부위별 차이는 16가지 영양 성분 중에서도 상위 12개 성분만으로도 충분히 구별 가능.
• 특히 **VB3(나이아신)**까지 포함하면 결정율 69.9%로 도달.
• Na, Ca, Mg, Fe, Lip, VB6 등이 쇠고기 부위 차이를 가장 잘 설명하는 주요 변수임.

'부위'의 판별분석 결과를 확인하면 F값 최상위 Na 1 성분에서는 양성 판별률 13.1%로 '제품 종류'와 비교해 낮은 수치를 보였다. Ca를 추가한 2성분에서는 양성 판별률이 향상되었으나 21.2%로 낮은 결과였다. 이후 화학성분을 추가할 때마다 양성 판별률은 향상되어 VB3을 추가한 12성분에서는 66.4%가 되었다. 이후 Cu까지를 추가한 16성분을 추가해도 정판별률은 감소추세로 돌아서 더 이상의 증가는 확인되지 않았다. 이상의 결과로부터 16화학성분을 후보로 하는 쇠고기 제품의 '부위' 특정은 F값 상위 12성분, Na, Ca, Mg, Fe, Lip, K, VB6, Zn, VB12, P, Pro, VB3의 함유량을 파악하면 69.9%의 정확도로 특정이 가능하였다.

 

4. 고찰

화학성분 16종을 이용한 판별분석을 통해 쇠고기 제품의 '부위'를 분류·대조하는 화학성분 12종을 특정하였다. 그 12종의 화학성분 함유량을 이용하여 '부위'를 대상으로 한 판별분석을 실시한 결과로부터 분류·대조 경향에 대해 확인하였다. 확인은 각 '부위'에 대한 실측값과 예측값을 다중 분류에 의한 기법을 이용하여, 알려진 '부위'에 대해 예측한 '부위'의 비율, 예측 재현 비율을 산출하였다. 예를 들어, 정확한 부위가 '가타'인 경우, 그 시료가 판별분석에 의해 정확하게 '가타'로 판별된 시료 수의 비율을 가리킨다((2)식). A라는 '부위'의 예측 재현 비율을 𝑅𝐴,

 

 

 

이 그래프(Fig. 4)는 쇠고기 부위의 화학 성분을 기반으로 한 판별 분석 결과를 나타내며, 각 부위의 Recall 비율을 시각적으로 보여줍니다. Recall은 특정 부위를 얼마나 정확하게 식별해냈는지를 나타내는 지표입니다.

---

🔍 그래프 해석 요약

🎯 제목:

Fig. 4. Result of discriminant analysis using chemical component for product part.

 

✅ 분류 성능 분석

🔵 Recall ≥ 0.70 (파란색 박스)

• 정확도가 높은 부위:
  • Chuck
  • Chuck roll
  • Sirloin
  • Outside ham
  • Ham

이들 부위는 대부분 70% 이상의 정확도로 구별됨.

---

🟡 Recall < 0.70 (노란색 박스)

• 정확도가 낮은 부위:
  • Libloin
  • Belly
  • Fillet
  • Rump

이 부위들은 다른 부위들과 화학 성분 구성이 비슷하여 혼동됨.

---

🔴 Recall = 1.00 (빨간색 박스)

• 완벽한 구분이 가능한 부위:
  • Offal and by-products
  • Ground meat
  • Meat substitute

이 세 가지는 화학 성분 구성이 독특해서 100% 정확도로 분류 가능함.

---

📌 요약 정리

• 화학 성분으로 쇠고기 부위의 분류가 가능함
• 13개 중 5개 부위는 70% 이상 정확도, 3개는 100% 정확도
• **정확도 낮은 부위(필렛, 립로인 등)**은 성분 유사성이 원인
• 분류 불확실한 부위 개선을 위한 추가 연구 필요

올바르게 판별된 표본 수를 TA, A 이외의 '부위'로 오판별된 표본 수를 𝐹𝑋(𝑋=𝑛)(𝐴), n은 기타 '부위'로 표시된다.

그 결과를 Fig.4에 나타낸다. 일례로 '가타'라면 70%가 정확하게 판별되고 예측 재현되고 있지만, 20%가 '모모', 나머지 10%가 '부산물', '램프'로 잘못 판별되고 있음을 보여준다.

이보다 '가다랑어', '가다랑어 로스', '리브 로스', '모모', '부산물', '갈은 고기', '가공품'은 실측과 예측의 재현 비율이 70% 이상이었다. 이 요인으로 '부산물'은 Ca를 제외한 화학 성분 함량의 낮음, '가공품'은 첨가물에 사용되는 Na, Mg 등 무기 성분 함량의 높음이 꼽힌다. '등심', '등심 로스'는 Zn 함유량이 다른 부위에 비해 높고, 한편 기타 무기 성분, 비타민 성분 함유량이 낮은 경향이 있다.

한편 '서로인', '안심', '등심'은 예측 재현률이 60% 이하로, 기타 '부위'에 비해 오판단이 많은 것으로 확인되었다. '등심'은 '립로스', '소고기 다리살', '다리살', '등심'은 '다리살', '갈비'는 '립로스', '다리살'에 대한 오판단이 많은 것으로 나타났다. 이는 위 '부위'의 화학성분 함유량 경향이 유사하여 정확한 부위를 판별할 때 장애가 된 것이 원인이다.

 

5. 맺음말

본 보고서에서는 쇠고기 제품 132종을 대상으로 분석 기기 측정 오차, 산지, 제조 공장에 의한 환경 오차로 ± 10% 오차를 무작위로 부여한 더미 데이터를 작성하고, 이 더미 데이터(+10%: 132 종류, -10%: 132 종류)를 추가한 총 396종류의 데이터에 대해 '부위'로 분류·대조할 수 있는 화학성분을 분산분석, 판별분석의 경향에 따라 특정하였다.

이 결과로부터 화학성분값 12종을 정량함으로써 '부위'에 대한 분류·대조 가능성을 발견하였다. 특히 '등심', '립로스', '안심', '부산물', '갈은 고기', '가공품'에 대한 분류는 정밀도가 양호하였다. 한편, 기타 '부위'에 대해서는 정밀도가 불량하여 화학성분 추출 방법, 기타 분석기법을 이용한 분류·대조의 검토가 필요하다.

마지막으로 향후 전망으로, 추가적인 화학성분 추출 가능성, 판별분석의 계산 조건 재검토, 비선형 회귀분석의 이용을 고려한 새로운 분류·대조 가능성을 검토한다. 또한 이러한 결과를 실험계에서 응용할 수 있도록 심화 검토한다. 나아가 화학성분의 차이를 검출하는 분류·대조 기법의 확립과 함께 스마트폰 등에 내장된 카메라 기능을 이용한 화상처리에 의한 분류 기법 검토도 실시한다. (14)

 

ja