고분광 영상 기술과 머신러닝 회귀를 결합하여 무손상으로 잉크젯 인쇄 파일 형성 시간을 결정하는 방법을 제안하였다. 서로 다른 브랜드와 모델의 9대 잉크젯 프린터에서 인쇄한 샘플의 고분광 데이터를 수집하였으며, 먼저 주성분 분석(PCA)과 부분 최소 제곱 회귀(PLSR)를 이용하여 고분광 데이터의 차원 축소 특성 추출을 수행하였고, 추출된 각 주성분의 차원 축소 설명률로 모델을 초기 해석하였다. 이후 라쏘 회귀(LASSO), PLSR, 릿지 회귀(RR), 베이지안 회귀(BR) 네 가지 모델을 1:4 비율로 테스트 집합과 학습 집합을 구분하여 추출된 고분광 데이터에 회귀 분석을 수행하였다. 결과는 PLSR 특성 추출 후의 LASSO 회귀, PLAR, RR, BR의 결정계수(R²)가 모두 0.99 이상이며, 네 가지 회귀 방법의 평균 절대 오차(MAE), 평균 제곱 오차(MSE), 평균 제곱근 오차(RMSE) 세 가지 지표가 모두 0에 가까웠다. PLSR 특성 추출 후의 네 가지 회귀 방법의 F 값은 충분히 크고 p 값은 모두 0.001 미만으로 매우 유의미한 수준이었다. 이 중 PLSR과 BR의 회귀 성능이 LASSO와 RR보다 우수하였다. 또한 PLSR 가중치 계수를 통해 주성분과 스펙트럼 밴드 간의 연관성을 해석하여 주요 스펙트럼 밴드의 역할을 명확히 하였다. 회귀 성능 검증 결과의 R²는 모두 0.9 이상이고, 유의성 검정의 p 값은 모두 0.05 미만으로 모델이 종속변수를 매우 유의미하게 설명하며 검증 오차가 합리적인 범위 내임을 나타낸다. 결과는 고분광 영상 기술이 잉크젯 인쇄 파일 형성 시간을 무손상, 정확하고 신속하게 판단할 수 있어 잉크젯 프린터 인쇄 파일 형성 시간 판별에 사용할 수 있음을 보여준다.

고분광 영상; 머신러닝; 잉크젯 프린터; 인쇄 파일 형성 시간