フーリエ変換近赤外分光法（FT-NIR）と二次元相関分光法（2DCOS）技術を化学計測学手法および深層学習アルゴリズムと組み合わせて、それぞれ部分最小二乗判別分析（PLS-DA）モデルと残差畳み込みニューラルネットワーク（ResNet）モデルを構築し、3種類の栽培品種である天麻（Gastrodia elata Blum）サンプル計447点を迅速かつ正確に識別した。結果として、一次微分（1st Der）と多変量散乱補正（MSC）の組み合わせで前処理したFT-NIRデータで構築したPLS-DAモデルが総合的に最も優れた性能（精度99.00%）を示した。同時に、FT-NIR同期2DCOS画像とResNetモデルを組み合わせた識別方法により、最適な前処理の選択や複雑なデータ変換なしに異なる栽培品種天麻を迅速かつ正確に識別できることが確認され（精度100.00%）、本研究は天麻の異なる栽培品種を識別するための迅速かつ正確な新しい方法を提供し、天麻の遺伝資源研究および新品種育成の基盤を築くことができる。

フーリエ変換近赤外分光法;化学計測学;機械学習;天麻;栽培品種