기체 크로마토그래피-이온 이동도 스펙트로스코피(GC-IMS)를 이용해 다양한 산지의 향부자 염편에서 휘발성 성분을 분석하고, 부분 최소제곱 판별 분석(PLS-DA)을 통해 유의미한 차이가 있는 특징 성분을 선별하였다. 특징 성분을 기반으로 선형 커널 서포트 벡터 머신(SVM-L) 등 9가지 머신러닝 알고리즘을 사용해 산지별 향부자를 구분하는 모델을 구축하였다. 다섯 개 성의 향부자 염편에서 총 59종의 휘발성 성분이 확인되었으며, 주로 알코올류, 에스테르, 알데히드, 케톤, 불포화 탄화수소 등이 포함되었다. PLS-DA를 통해 1,4-디메틸벤젠, 3-메틸-1-펜타놀, 에틸 아세토아세테이트 등 10가지 특징 성분을 선별하였다. 9가지 머신러닝 모델 모두 향부자의 산지 예측에서 우수한 성능을 보였다(정확도=1). 본 연구는 다양한 산지의 향부자 염편을 빠르게 구분할 수 있는 간단하고 신속한 방법을 제공하며, 향부자 염편 품질 평가 체계 구축에 참고자료가 될 수 있다.

기체 크로마토그래피-이온 이동도 스펙트로스코피;향부자;휘발성 성분;산지;머신러닝