Animal pattern recognition from nighttime grayscale images is crucial for wildlife protection and ecological monitoring. Most of the current models suffer from a large parameter scale, making them unsuitable for deployment in resource-constrained environments. To address this challenge, this study proposes a multi-layer knowledge distillation approach based on the teacher Convnext model to improve the lightweight student model's classification performance effectively. Experimental results show that the parameters of the distilled CifarResNet20 model are only 0.27M, and the accuracy is 88.76%, which is superior to the traditional single-layer distillation and another tiny student model. The study confirms the efficiency and practical value of the proposed method in practical applications such as ecological monitoring.

현재, 국내에서는 가공식품인 식용유지에 대한 잔류농약 허용기준이 설정되어 있지 않아 잔류농약은 식용유 품질평 가의 사각지대라 할 수 있다. 본 연구에서는 식용유지에서 가열증류법을 이용하여 68종의 농약을 대상으로 추출 및 정 제법을 최적화하여 GC-MS/MS 분석법을 확립하였다. 가열 증류법은 가열온도 및 시간의 영향을 받았으며 이동상의 역 할을 하는 질소의 유량과 용출용매의 종류에는 큰 영향을 받지 않는 것으로 나타났다. 본 연구에서 잔류농약의 결정 계수(R2)는 0.99 이상으로 나타났고, 정량한계(LOQ)는 0.01- 0.02 mg/L이었으며, 대두유를 이용하여 0.01, 0.02, 0.1, 0.5 mg/L 수준으로 회수율 실험 결과 평균 회수율(n=5)은 66.1- 120.0%이었고 상대표준편차는 ±10%이하로 나타났다. 또한 실험실내 일간정밀도는 11%이하로 조사되어, 식품의약품안 전평가원의 ‘식품등 시험법 마련 표준절차에 관한 가이드라 인(2016)’에 적합한 수준임을 확인하였다. 따라서 본 연구에 서 개발한 시험법은 식용유지의 잔류농약 안전관리를 위한 시험법으로 활용이 가능할 것으로 기대된다.