3D 프린팅 재료의 휴대용 라만 분광 빠른 식별 방법을 구축하기 위해 100개의 3D 프린팅 재료 샘플의 라만 스펙트럼을 수집하고 Savitzky-Golay(SG) 평활화, 비대칭 최소제곱(AsLS) 등 방법을 사용하여 120개의 후보 전처리 프로세스를 구성했으며, 11가지 전통적인 머신러닝 및 딥러닝 분류기와 조합하여 독립 샘플을 그룹 단위로 한 중첩 계층적 그룹 교차 검증을 통해 모델 선별 및 일반화 성능 평가를 완료하였다. 결과는 재질 3분류의 최적 방안이 SG 평활화-AsLS 베이스라인 보정-Min-Max 정규화와 스펙트럼 Transformer 결합으로 정확도가 88.0%임을 보여주었으며, 아크릴로니트릴-부타디엔-스티렌 공중합체(ABS)는 독립 샘플이 4개뿐이어서 개별 오분류에 매우 민감한 클래스 수준 지표를 보였다. 에틸렌글리콜 개질 폴리에틸렌테레프탈레이트(PETG) 브랜드 분류는 2차 분류 탐색적 검증으로서 최적 방안은 SG 평활화-1차 미분-표준 정규 변수(SNV)와 다층 퍼셉트론(MLP) 결합으로 정확도가 88.9%였다. 3종 재질 각각 1개 대표 샘플의 적분 시간 예비 최적화에서 9초 시 평균 스펙트럼 형태 상관 계수는 0.995였으며, 단일 PETG 샘플 고정점 반복 측정 평균 코사인 유사도는 0.994였다. 본 방법은 현장에서 3D 프린팅 증거로 의심되어 1차 선별된 샘플에 대한 후속 화학 조성 스크리닝 및 출처 비교에 활용할 수 있어 범죄 현장 관련 증거의 신속 분류 기술 지원을 제공한다.

3D 프린팅 재료;휴대용 라만 분광;계층 분류;중첩 교차 검증;증거 검사