高分光イメージング技術と機械学習回帰を組み合わせて、非破壊でインクジェット印刷ファイルの形成時間を特定する方法を提案した。異なるブランドおよびモデルの9台のインクジェットプリンタで長時間印刷されたサンプルの高分光データを収集し、まず主成分分析（PCA）と部分最小二乗回帰（PLSR）を用いて高分光データの次元削減特徴量を抽出し、特徴抽出後の各主成分の次元削減説明率によってモデルを初期的に解釈した。続いて、ラッソ回帰（LASSO）、PLSR、リッジ回帰（RR）、ベイズ回帰（BR）の4つのモデルを、テストセットとトレーニングセットを1：4の比率で設定し、特徴抽出後の高分光データに対して回帰分析を行った。結果は、PLSR特徴抽出後のLASSO回帰、PLAR、RR、BRの決定係数（R²）はいずれも0.99以上であり、4つの回帰手法の平均絶対誤差（MAE）、平均二乗誤差（MSE）、二乗平均平方根誤差（RMSE）の3つの指標はいずれも0に近かった。PLSR特徴抽出後の4つの回帰手法のF値はいずれも十分に大きく、p値はいずれも0.001未満であり、有意なレベルに達している。このうち、PLSRとBRの回帰効果はLASSOとRRよりも優れていた。さらにPLSRの重み係数によって主成分と波長帯の関連性を説明し、重要なスペクトル波長帯の役割を明確にした。回帰効果検証結果の決定係数（R²）は0.9を超え、有意性検定のp値は0.05未満であり、モデルが従属変数を極めて有意に説明し、検証誤差が合理的範囲内であることを示した。結果は、高分光イメージング技術が非破壊で正確かつ迅速にインクジェット印刷ファイルの形成時間を判断できることを示しており、インクジェットプリンタの印刷ファイル形成時間識別に利用できる。

高分光イメージング;機械学習;インクジェットプリンタ;印刷ファイル形成時間