신종 향정신성 물질의 구조 다양성 문제와 전통적인 검출 기술이 스펙트럼 라이브러리에 크게 의존하며, 미지 물질 인식이 약한 문제를 해결하기 위해 본 논문은 기계학습 모델과 가스 크로마토그래피-질량분석 기술을 기반으로, 카시논계 신종 향정신성 물질을 예로 들었다. 가스 크로마토그래피-질량분석법으로 얻은 스펙트럼 특징을 바탕으로 분자 구조와 질량분석 분해 규칙을 결합하여, 파편 이온 규칙을 요약하고 추출함으로써 2단계 분류 특징을 구축하였다. Python과 PySide6를 활용하여 신종 향정신성 물질 정밀 식별을 위한 지능형 플랫폼을 개발 및 구축하였고, 카시논계 신종 향정신성 물질의 특징을 구현하였다. 결과는 카시논계 신종 향정신성 물질 특성을 구현하는 지능형 분석 시스템은 모델 정확도 98.41%, 정밀도 94.03%, 재현율 100%, 특이도 97.88%, F1 점수 96.92%, 균형 정확도 98.94%를 보였다. 이 방법은 높은 인식 정확도와 강한 설명력을 겸비하여 전통적 검출 기술과 모델의 단점을 보완할 뿐만 아니라 신종 향정신성 물질 식별에 새로운 전략을 제공한다.

카시논;가스 크로마토그래피-질량분석;기계학습;특성 분석;Python