고속 무손상 정확도가 높은 밀 씨앗 단백질 함량 검출 방법이 개발되었다. 적외선 근적외선 분광법(NIRS) 기술과 스태킹 모델 머신러닝 방법을 결합하여 248개의 밀 씨앗 근적외선 분광 데이터를 분석하였고, 슬라이딩 윈도우 그룹화(SWG)와 층화 추출 그룹화(LSG) 두 가지 스펙트럼 밴드 그룹화 방법의 효과를 비교하였다. 기본 모델에서 부분 최소 제곱법(PLS)은 예측 평균 제곱근 오차(RMSEP)가 가장 낮고 결정 계수(R²)가 가장 높아 각각 0.2120과 0.9899를 나타냈다. 스태킹 모델 적용 후 다양한 알고리즘의 성능이 크게 향상되었다. LSG와 선형 회귀를 결합함으로써 RMSEP는 0.1990으로 감소하고 R²는 0.9911로 향상되어 최적 모델이 되었다. 결과는 LSG와 통합된 스태킹 모델 머신러닝 알고리즘이 밀 씨앗 단백질 함량 예측에 보다 정확한 알고리즘을 제공함을 보여준다.

근적외선 분광법; 밀 씨앗; 단백질 함량; 스태킹 모델; 머신러닝