本研究では、スペクトルシフトフィルム（SF）が作物の成長に与える影響をデータ駆動で予測することを目的としています。緑色光を赤色光にシフトするSFの利用は、作物種によって異なる成長反応を示します。各種の生理的特性を考慮せず一側面のみを分析することには限界があるため、複数の表現型特性と日中光合成光量を関連付けるアプローチが必要です。研究では、2021年から2024年にかけて、異なる条件下で様々な作物を栽培し、葉の反射率やクロロフィル含量などを測定しました。210のデータポイントを収集しましたが、深層学習モデルの訓練には不十分だったため、変分オートエンコーダを用いてデータを増強しました。結果、作物の収量はSFの下で平均22.5%増加し、このデータを用いてロジスティック回帰やランダムフォレストなど多様なモデルを訓練しました。特にフィードフォワードニューラルネットワーク（FFNN）は91.4%の高い分類精度を達成しました。本研究は、葉の特性と環境条件、太陽光スペクトル成分の複雑な相互作用への理解を深めるものです。