밀 근적외선 분광 데이터 샘플 규모가 작고 스펙트럼 정보가 제한적이기 때문에, 전통적인 방법은 데이터 특성을 충분히 추출하기 어렵고, 합성곱 신경망(CNN)은 계산 효율이 낮고 매개변수 수가 많으며 과적합이 발생하기 쉽다. 이에 다중 특성 융합 대칭 합성곱 네트워크(SCN-MF)를 제안하여 밀 단백질 함량의 효율적이고 정확한 예측을 실현하였다. 먼저, 채널 수가 먼저 증가했다가 감소하는 대칭 구조를 이용한 대칭 합성곱 네트워크를 설계하여 예측 정확도를 유지하면서 계산 복잡도를 낮추었다; 그리고 다중 특성 융합 모듈을 도입해 교차 주의 메커니즘을 통해 원래 스펙트럼과 그 유도 스펙트럼을 결합하여 주요 특성 표현을 강화하고 모델의 예측 정확도를 향상시켰다. 결과는 SCN-MF 모델이 테스트 세트에서 결정 계수(R²) 0.9461, 예측 편차(RPD) 4.3057, 평균 제곱근 오차(RMSE) 0.4043를 달성했으며, 개선된 CNN보다 모델의 예측 정확도와 계산 효율이 크게 향상되었음을 보여주었다. 또한 다른 5가지 방법과 비교했을 때, SCN-MF 모델은 훈련 세트와 테스트 세트 모두에서 최고의 성능과 우수한 안정성, 예측 능력을 나타냈다. 이 연구는 소규모 샘플 및 소형 모델 환경에서 근적외선 분광 데이터 모델링에 적용 가능하며, 밀 단백질 함량의 지능형 검출을 위한 새로운 기술적 지원을 제공한다.

밀 단백질 함량;근적외선 분광;다중 특성 융합;합성곱 신경망