품종 차이는 사과의 가용성 고형물 함량(SSC) 및 근적외선 분광법(NIRS) 특성에 영향을 미치며, 이로 인해 하나의 품종 사과로 구축된 SSC 분광 보정 모델이 실제 활용에서 다른 품종 사과를 잘 예측하지 못하는 문제가 발생한다. 본 연구에서는 아크수 홍부지 사과(배치 1)를 사용하여 편미분 최소자승 회귀(PLSR) 보정 모델을 개발하고, 모델 업데이트 방법을 활용하여 칭다오 피홍 사과(배치 2)를 예측하였다. 결과는 1차 도함수(1D)와 경쟁 적응 가중 재표집(CARS)을 결합하여 개발한 PLSR 보정 모델이 배치 1의 SSC를 효과적으로 예측할 수 있음을 보여주었으며, 예측 상관계수(Rp)와 예측 평균제곱근오차(RMSEP)는 각각 0.9728과 0.3838 °Brix였다. 그러나 배치 1의 PLSR 모델은 배치 2의 SSC 예측이 어려웠다. 이에 교정 업데이트, 기울기/편향 보정(SBC), 동적 직교 투영(DOP) 세 가지 방법으로 모델을 업데이트하였으며, 업데이트 샘플 수가 업데이트 효과에 미치는 영향을 연구하였다. 결과는 세 가지 방법 모두 업데이트 후 모델 예측 결과의 RMSEP가 크게 감소했음을 보여주었다. 특히 SBC 방법이 가장 좋은 결과를 얻었으며, 신규 샘플 20개를 사용한 업데이트 후 배치 2 샘플 테스트 세트의 RMSEP가 1.0756 °Brix에서 0.2334 °Brix로 감소하였다. 실험 결과는 모델 업데이트 방법이 서로 다른 품종의 사과를 예측할 때 모델 성능 저하 문제를 효과적으로 해결하고 모델의 견고성을 향상시켜 실제 SSC 검출 모델의 업데이트 및 유지 관리에 중요한 지침을 제공함을 보여준다.

사과; 가용성 고형물 함량; 근적외선 분광법; PLSR 모델; 모델 업데이트