대두 종자 발아율의 빠른 검출을 위해, 본 연구에서는 16종 350개의 대두 종자 샘플을 수집하였다. 그 중 14품종은 인공 노화 방법을 이용하여 8개의 서로 다른 활성도 구배 샘플을 획득하였고, 나머지 2품종은 자연 노화 샘플이었다. 분광 데이터를 수집한 후 발아 실험을 통해 발아율 데이터를 얻었다. 몬테카를로 교차검증법(MCCV)과 부분 최소 제곱 회귀(PLSR)를 결합하여 이상 샘플을 제거하였으며, 스펙트럼 데이터 전처리에는 Savitzky-Golay 합성곱 평활과 표준 정규 변수 변환 방법(SG+SNV)을 선택하였다. 이후 무정보 변수 제거법(UVE)을 통해 특징 파장을 선택하였다. 희소 가우스 과정 회귀(SGPR) 방법을 소규모 고차원 샘플 데이터 적용으로 확장하였으며, 다양한 핵 함수가 모델 성능에 미치는 영향을 비교하였다. SGPR 모델의 우수성을 검증하기 위해 가우스 과정 회귀(GPR), 서포트 벡터 회귀(SVR), PLSR의 3가지 대조 모델도 구축하였다. 결과는 최적화된 SGPR-Matern32 모델이 학습 집합(R²=0.9737, RMSE=0.0454), 검증 집합(R²=0.9498, RMSE=0.0650), 테스트 집합(R²=0.9636, RMSE=0.0694)에서 모두 우수한 예측 성능을 보였으며, 기존 GPR 대비 모델링 효율성도 크게 향상되었음을 나타냈다. 연구 결과는 근적외 분광 기술과 SGPR-Matern32 모델링 방법의 결합이 대두 종자 발아율 검출 효율과 정확도를 크게 높일 수 있음을 증명하였으며, 대두 종자 활력의 비파괴 검출을 위한 신뢰할 수 있는 기술 수단을 제공하였다.

대두 종자; 근적외 분광; 희소 가우스 과정 회귀; 발아율