본 연구는 푸리에 변환 근적외선 분광법(FT-NIR), 감쇠 전반사 푸리에 변환 적외선 분광법(ATR-FTIR) 및 이차원 상관 분광법(2DCOS) 기술을 화학계량학 및 딥러닝과 결합하여 부분최소제곱 판별분석(PLS-DA) 및 잔여 합성곱 신경망(ResNet) 판별 모델을 구축하여 7개 주요 산지(221개 샘플)의 초과 분말 샘플을 빠르고 정확하게 추적 분석하였다. 결과에 따르면 ATR-FTIR 분광 데이터는 2차 미분(2nd) + 표준 정규 변환(SNV) 전처리 후 구축한 PLS-DA 모델이 가장 우수한 성능(95.31%)을 보였으며, FT-NIR 분광 데이터의 최적 전처리는 2nd였다. FT-NIR 및 ATR-FTIR 기반의 동기 2DCOS 이미지로 구축한 ResNet 모델은 최적 전처리 선택 및 복잡한 데이터 변환 없이도 100% 정확도를 달성하였다. 특히, FT-NIR 데이터를 변환한 동기 2DCOS 이미지로 구축한 ResNet 모델은 반복 횟수가 가장 적고, 소요 시간이 가장 짧으며, 비용도 가장 적게 들었다. 본 연구는 다양한 지리적 원산지 초과 분말을 식별하는 빠르고 정확한 새로운 방법을 제공하며, 초과 분말 품질 등급 평가 체계의 추가 연구 기초를 마련하였다.

초과 분말; 화학계량학; 머신러닝; 이차원 상관 분광법; 지리적 원산지