망고의 건물질(DM) 함량은 망고 품질을 평가하는 중요한 지표 중 하나이다. 본 논문에서는 근적외선 분광법(NIR)을 이용하여 망고의 건물질 함량을 검사하고 예측하였다. 주로 합성곱 신경망(CNN) 프레임워크를 기반으로 구조 매개변수의 격자 수치화 선별 방안을 연구하였으며, 장단기 메모리 네트워크(LSTM)를 융합하여 매개변수 협동 최적화를 완성하고 CNN-LSTM 융합 최적화 모델을 구축하였다. 실험 과정에서 얕은 CNN 모델링 프레임워크를 구축하여 CNN-LSTM 모델의 핵심 매개변수에 대해 국부 규모의 하이퍼파라미터 공동 조정을 수행하였다. 모델 훈련 및 테스트 결과, CNN 모델과 CNN-LSTM 모델의 최적 예측 결과가 기존의 선형 또는 비선형 모델보다 현저히 우수함을 보여주었다. 본 연구는 최적 모델을 확정함과 동시에 여러 선택 가능한 모델 최적화 매개변수 조합을 제공하여 망고 생산 및 재배 과정에 적용 가능성을 기대한다. 얕은 CNN 프레임워크와 LSTM 융합 최적화 모델 및 매개변수 격자 수치화 선별 방안은 망고 과일 내 건물질 함량의 빠른 검출에 화학계량학적 기술적 지원을 제공할 수 있다.

근적외선 (NIR);망고 건물질;합성곱 신경망 (CNN);장단기 기억 네트워크 (LSTM);매개변수 최적화;격자 수치화