푸리에 변환 근적외선 분광법(FT-NIR)과 2차원 상관 분광법(2DCOS) 기술을 화학 계량학 방법과 딥러닝 알고리즘과 결합하여, 부분 최소 제곱 판별 분석(PLS-DA) 모델과 잔여 합성곱 신경망(ResNet) 모델을 각각 구축하여 3가지 재배 품종 천마(Gastrodia elata Blum) 샘플 총 447개를 빠르고 정확하게 식별하였다. 결과는 1차 미분(1st Der)과 다중 산란 보정(MSC) 조합 전처리한 FT-NIR 데이터를 기반으로 구축한 PLS-DA 모델이 종합 성능이 가장 우수함(정확도 99.00%)을 보여주었다. 동시에 FT-NIR 동기 2DCOS 이미지와 ResNet 모델 기반 식별 방법은 최적 전처리 선별이나 복잡한 데이터 변환 없이도 다양한 재배 품종 천마를 빠르고 정밀하게 구분할 수 있음을 확인하였으며(정확도 100.00%), 이 연구는 천마 재배 품종 식별을 위한 빠르고 정확한 새로운 방법을 제공하며 천마 유전자원 연구 및 신품종 육성에 기초를 마련할 수 있다.

푸리에 변환 근적외선 분광법;화학 계량학;기계 학습;천마;재배 품종