본 연구는 옥수수를 연구 대상으로 하여 한랭지 재배 조건 하에서 질소 함량 모니터링 정확도 부족 문제를 다룬다. 여러 전처리 방법을 비교한 후 웨이브렛 변환(DWT)과 표준 정규 변수 변환(SNV)을 결합한 전처리 방법을 채택하였다. 경쟁적 적응 재가중 알고리즘(CARS), 무정보 변수 제거 알고리즘(UVE), 연속 사영 알고리즘(SPA), 유전 알고리즘(GA), 그리고 유전-연속 사영 알고리즘(GA-SPA) 등 특징 선택 알고리즘을 체계적으로 비교하였으며, 편미분 최소제곱 회귀(PLSR), 서포트 벡터 회귀(SVR), 핵 극한 학습기(KELM), 심층 극한 학습기(DELM), 극한 그래디언트 부스팅(XGBoost), 1차원 합성곱 신경망(1D-CNN) 등 다양한 회귀 모델과 결합하여 옥수수 질소 함량 고분광 반전 성능을 종합 평가하였다. 결과는 전 밴드 모델링이 훈련 집합에서 높은 적합도를 보였으나 테스트 집합 예측 정확도가 낮고 명확한 과적합 현상이 존재함을 나타냈다. 특징 선택을 도입한 후 모델 성능이 크게 향상되었으며, GA-SPA 알고리즘은 특징 추출 및 중복 억제 측면에서 가장 우수한 성능을 보였다. GA-SPA로 선택한 특징과 DELM 모델을 결합한 예측 효과가 가장 뛰어났으며, 테스트 집합 R²는 0.8111, RMSE는 0.4930으로 다른 조합에 비해 현저히 우수하였다. 또한 GA-SPA는 PLSR, KELM, SVR 모델에서도 높은 예측 안정성을 유지하였다. 연구 결과는 DWT+SNV 전처리와 GA-SPA 특징 최적화를 기반으로 한 DELM 모델링 프레임워크가 옥수수 질소 함량 반전의 정확도와 일반화 능력을 효과적으로 향상시킬 수 있음을 보여주며, 한랭지 옥수수 영양 모니터링과 정밀 시비에 신뢰할 수 있는 기술적 지원을 제공한다.

옥수수; 질소 함량; 고분광 기술; GA-SPA; DELM