담배 브랜드를 정확하게 분류하기 위해 근적외선 분광법(NIRS) 분석 기술과 감독 학습 기반 패턴 인식 기법을 결합한 새로운 빠른 담배 브랜드 식별 방법이 제안되었다. 근적외선 스펙트럼에 대해 표준 정규 변수 변환(SNV), 다중 산란 보정(MSC), 1차 미분(FD), 2차 미분(SD), 사비츠키-골레이 평활(SG) 및 이들의 조합과 같은 스펙트럼 전처리 방법을 사용하여 담배 잎 스펙트럼을 전처리하고, 주성분 분석(PCA), 편미분 최소제곱 판별분석(PLS-DA), 직교 편미분 최소제곱 판별분석(OPLS-DA) 세 가지 패턴 인식 방법을 통해 다양한 브랜드 담배 잎을 분류 및 인식하였으며, 분류 정확도를 평가 지표로 사용하였다. 실험 결과:(1) 담배 잎 근적외선 스펙트럼 주성분 점수도 교차 중첩되어 구분이 명확하지 않으며, PCA는 5개의 브랜드 완제품 담배 잎을 식별할 수 없었다; (2) MSC+FD 전처리를 거친 PLS-DA 모델은 우수한 인식 효과를 보였으며, 보정 세트 및 테스트 세트 분류 정확도는 각각 100%와 98.3%였다; (3) MSC+SD 전처리를 거친 OPLS-DA 모델은 가장 우수한 패턴 인식 효과를 보였으며, 독립 변수 적합 지수(R2X), 종속 변수 적합 지수(R2Y), 모델 예측 지수(Q2)는 각각 0.485, 0.907, 0.748이었으며, 근적외선 스펙트럼 보정 세트 및 테스트 세트 분류 정확도는 모두 100%였다. 이는 근적외선 분광 기술과 감독 학습 기반 패턴 인식 방법인 OPLS-DA를 결합한 담배 브랜드 분류 모델이 효율적이고 빠르며 정확하고 비파괴적임을 나타내며, 담배 잎 분류를 위한 새로운 빠른 식별 방법을 제공한다.

근적외선 분광법; 완제품 담배 잎; 분류 인식; 주성분 분석법(PCA); 편미분 최소제곱 판별분석법(PLS-DA); 직교 편미분 최소제곱 판별분석법(OPLS-DA)