マンゴーの乾物質（DM）含量は、マンゴー品質を評価する重要な指標の一つである。本論文では、近赤外分光法（NIR）を利用してマンゴーの乾物質含量を検査・予測した。主に畳み込みニューラルネットワーク（CNN）フレームワークを基に、その構造パラメータのグリッド数値化スクリーニング手法を研究し、長短期記憶ネットワーク（LSTM）を統合してパラメータの協調最適化を実現し、CNN-LSTM融合最適化モデルを構築した。実験過程では、浅層CNNモデリングフレームワークを構築し、CNN-LSTMモデルの主要パラメータに対して局所規模のハイパーパラメータ共同調整を行った。モデルの訓練およびテストの結果、CNNモデルおよびCNN-LSTMモデルの最適予測結果は、従来の線形または非線形モデルよりも明らかに優れていた。本研究は最適モデルの確定に加えて、より多くの選択可能なモデル最適化パラメータの組み合わせを提供し、マンゴーの生産および栽培過程における応用が期待される。浅層CNNフレームワークとLSTM最適化モデルの融合、およびパラメータグリッド数値化スクリーニング手法は、マンゴー果実中の乾物質含量の迅速検出に化学計量学的な技術支援を提供できる。

近赤外（NIR）;マンゴー乾物質;畳み込みニューラルネットワーク（CNN）;長短期記憶ネットワーク（LSTM）;パラメータ最適化;グリッド数値化