Comparative Study of Spectral Classification Algorithms for Chemical Detection

화학물질의 조기 탐지와 정확한 식별은 군사 및 재난 대응에서 핵심적인 과제이며, 최근에는 비접촉식 분광 스펙트럼 기반 분류 기술이 주목받고 있다. 본 연구에서는 미국 National Institute of Standards and Technology(NIST)에서 제공한 13종 화학물질의 적외선(Infrared, IR) 스펙트럼 데이터를 활용하여 Generalized Likelihood Ratio Test(GLRT), Support Vector Machine(SVM), Convolutional Neural Network(CNN) 기법의 분류 정확도와 연산 효율을 비교하였다. 스펙트럼 데이터는 신호 대 잡음비(Signal-to-Noise Ratio, SNR)를 고려하여 평균값과 표준편차 기반의 랜덤 노이즈를 추가한 증강 데이터를 생성하였으며, 이를 기반으로 1D 및 2D 픽셀화 이미지, 꺾은선 그래프 기반 이미지 등 다양한 입력 형식을 각 기법에 적용하였다. 실험 결과, SVM 모델이 가장 높은 정확도를 보였으며, 1D 픽셀화 이미지 CNN 모델 또한 우수한 성능을 나타냈다. 이러한 결과는 향후 야전환경에서의 화학물질 실시간 탐지 및 분류 시스템 설계를 위한 실질적 기준을 제공한다.