近赤外分光計間の差異により、異なる機器で同じ予測モデルを共用することが困難となり、技術の普及が制限されている。スペクトルシフト後の予測モデルの再構築の難しさを軽減するため、本論文では畳み込みブリッジ双子ノイズ除去オートエンコーダー（CBSDAE）に基づく近赤外分光モデルの転移方法を提案する。この方法は、畳み込みノイズ除去オートエンコーダー（CDAE）のエンコーダーを用いてスペクトルの潜在特徴を抽出し、畳み込みニューラルネットワークによりターゲット機器とソース機器のスペクトル潜在特徴間の転移マッピング関数を近似し、最後にCDAEのデコーダーを介して転移後のスペクトルを再構築する。有効性を検証するため、本論文ではタバコの近赤外スペクトル画像および化学成分予測結果を評価した。結果は、CBSDAE法で転移されたターゲット機器のスペクトルがソース機器のスペクトルと高い一致度を示すことを示した。直接標準化（DS）、部分直接標準化（PDS）、スペクトル差補正アルゴリズム（SSC）、Shenkのアルゴリズム、畳み込みニューラルネットワーク（CNN）、深層オートエンコーダアルゴリズムと比較して、本方法によるスペクトル転移後、ニコチン予測の平均相対誤差はそれぞれ6.42％、5.84％、5.32％、5.24％、4.35％、4.85％低減し、予測されたRMSEPおよび相関係数も上述の手法を上回った。結果は本方法が有効なモデル転移手法であることを示している。

モデル転移;エンコーダ;双子;畳み込みブリッジ;近赤外スペクトル