군집 지능 기반의 회색 늑대 최적화(GWO) 알고리즘은 적은 매개변수, 단순한 구조, 구현 용이성의 장점이 있으나, 스펙트럼 분야에서는 적용이 적다. 본 연구에서는 GWO 알고리즘을 근적외선 스펙트럼 변수 선택에 도입하여 옥수수 데이터를 예로 들었으며, GWO 알고리즘에서 늑대 무리의 성능, 반복 횟수, 늑대 수 및 계산 효율성을 조사하고, 편최소자승(PLS) 모델을 구축하여 옥수수 시료의 단백질, 지방, 수분 및 전분 함량을 측정하였다. 결과는 GWO 알고리즘의 계산 효율성이 매우 높음을 보여주었고, 매개변수 최적화 후 PLS 모델을 구축했으며, 단백질, 지방, 수분 및 전분의 보존 변수 수는 각각 19, 19, 14, 34였고, 예측 평균 제곱근 오차(RMSEP)는 전 파장 PLS 모델링의 0.2458, 0.1224, 0.3398, 1.1058에서 각각 0.1477, 0.0801, 0.1762, 0.7398로 감소하여 각각 40%, 35%, 48%, 33% 감소하였으며, 상관 계수도 이에 따라 향상되었다. 따라서 GWO 알고리즘은 최적화 속도가 빠르고 선택 변수 수가 적을 뿐만 아니라 PLS 모델의 예측 정확도를 크게 향상시킬 수 있어 근적외선 스펙트럼 변수 선택에 효과적인 방법이다.

근적외선 스펙트럼;변수 선택;회색 늑대 알고리즘(GWO);편최소자승(PLS)