담배 가닥의 온라인 근적외선 분광과 담배 브랜드 간의 관계를 조사하기 위해 ResNeXt18-CNN-LightGBM 혼합 모델 기반의 담배 브랜드 분류 인식 방법을 제안하였다. 먼저 수집된 담배 가닥 샘플의 온라인 분광 데이터를 전처리하였고, ResNeXt18 네트워크 모델을 이용해 전처리된 스펙트럼에서 초기 특징을 추출하였다. 이후 추출된 특징을 사용자 정의 3층 합성곱 신경망(CNN) 모델에 입력하여 2차 특징을 추출하였다. 마지막으로 CNN이 추출한 특징을 LightGBM 분류기에 입력하여 브랜드 분류를 학습했다. 결과는 ResNeXt18-CNN-LightGBM 모델에서 담배 가닥 브랜드 분류 정확도가 97%에 달함을 보여주었다. 기존의 단일 화학계량학 알고리즘에 비해 본 연구에서 제안한 합성곱 신경망 조합 알고리즘 기반 담배 브랜드 분류 인식 방법은 간단하고 실행이 용이하며 정확도와 안정성이 높아, 담배 산업 생산의 온라인 브랜드 인식에 적용 가능하며, 담배 브랜드 관리, 생산 품질 평가 및 품질 관리에 중요한 의의를 가진다.

온라인 근적외선 분광; 담배 브랜드; ResNeXt18; LightGBM; 분류 성능