근적외선 분광기 간의 차이로 인해 서로 다른 기기에서 동일한 예측 모델을 사용하는 것이 어렵고, 이는 기술의 확산을 제한한다. 스펙트럼 변동 후 예측 모델을 재구축하는 어려움을 줄이기 위해 본 논문에서는 합성곱 브리징 쌍둥이 노이즈 제거 자동인코더(CBSDAE)를 기반으로 한 근적외선 스펙트럼 모델 전이 방법을 제안한다. 이 방법은 합성곱 노이즈 제거 자동인코더(CDAE)의 인코더를 사용하여 스펙트럼의 숨겨진 특징을 추출하고, 합성곱 신경망을 통해 종속 기기와 원천 기기 스펙트럼 숨겨진 특징 간 전이 매핑 함수를 근사하며, 마지막으로 CDAE의 디코더를 통해 전이된 스펙트럼을 재구성한다. 그 효과를 검증하기 위해 본 논문은 담배 근적외선 스펙트럼 및 화학 성분 예측 결과를 평가하였다. 결과는 CBSDAE 방법을 통한 전이 후 종속 기기 스펙트럼이 원천 기기 스펙트럼과 매우 높게 일치함을 보여주었다. 직접 표준화(DS), 부분 직접 표준화(PDS), 스펙트럼 차분 보정 알고리즘(SSC), 셴크 알고리즘, 합성곱 신경망(CNN), 딥 오토인코더 알고리즘과 비교했을 때, 이 방법을 사용한 스펙트럼 전이 후 니코틴 예측의 평균 상대 오차가 각각 6.42%, 5.84%, 5.32%, 5.24%, 4.35%, 4.85% 감소하였으며, 예측된 RMSEP와 상관계수도 위 방법들보다 우수하였다. 결과는 이 방법이 효과적인 모델 전이 방법임을 보여준다.

모델 전이;인코더;쌍둥이;합성곱 브리징;근적외선 스펙트럼