[논문 리뷰] Machine Learning of polymer types from the spectral signature of Raman spectroscopy microplastics data

Sheela Ramanna, Danila Morozovskii외 2명|arXiv (Cornell University)|2022. 01. 14.

Microplastics and Plastic Pollution인용 수 5

한 줄 요약

이 연구는 마이크로플라스틱의 중합체 유형을 분류하기 위해 라만 스펙트로스코피 데이터에 기계학습을 적용한다. 데이터 증강과 랜덤 포레스트 모델링을 통해 노화되고 환경에 노출된 샘플에서 분류 정확도를 89%에서 93.81%로 향상시켜, 환경 및 재활용 적용 분야에서의 신뢰성을 크게 향상시킨다.

ABSTRACT

The tools and technology that are currently used to analyze chemical compound structures that identify polymer types in microplastics are not well-calibrated for environmentally weathered microplastics. Microplastics that have been degraded by environmental weathering factors can offer less analytic certainty than samples of microplastics that have not been exposed to weathering processes. Machine learning tools and techniques allow us to better calibrate the research tools for certainty in microplastics analysis. In this paper, we investigate whether the signatures (Raman shift values) are distinct enough such that well studied machine learning (ML) algorithms can learn to identify polymer types using a relatively small amount of labeled input data when the samples have not been impacted by environmental degradation. Several ML models were trained on a well-known repository, Spectral Libraries of Plastic Particles (SLOPP), that contain Raman shift and intensity results for a range of plastic particles, then tested on environmentally aged plastic particles (SloPP-E) consisting of 22 polymer types. After extensive preprocessing and augmentation, the trained random forest model was then tested on the SloPP-E dataset resulting in an improvement in classification accuracy of 93.81% from 89%.

연구 동기 및 목표

• 환경에 노출된 마이크로플라스틱의 라만 스펙트럼에서 중합체 유형을 식별하는 데 있어 분석적 확신이 감소하는 문제를 해결한다.
• 제한된 레이블 데이터와 환경적 훼손 영향에도 불구하고 기계학습이 스펙트럼 서명을 기반으로 중합체 유형을 효과적으로 분류할 수 있는지 조사한다.
• 데이터 증강 및 전처리 기법이 마이크로플라스틱 데이터셋에서 미흡하게 표현된 중합체 유형의 분류 성능 향상에 미치는 영향을 평가한다.
• 다양한 기계학습 모델을 비교하여 날씨에 노출된 마이크로플라스틱의 라만 스펙트럼 데이터에 가장 강력한 분류기를 규명한다.
• 복잡한 실제 샘플에서 중합체 식별의 정확성과 신뢰성을 향상시켜 생독성학, 플라스틱 재활용 및 환경 모니터링에 기여한다.

제안 방법

• 학습 데이터로 22종의 중합체 유형에 대한 라만 시프트 및 강도 값을 포함한 SLoPP(Spectral Libraries of Plastic Particles) 데이터셋을 사용한다.
• 광범위한 전처리를 수행하며, x축 스케일링(0–3500 cm⁻¹), 12점 윈도우를 이용한 이산화, y축 표준화 없이 스펙트럼 기능을 표준화한다.
• 학습 샘플에 작은 무작위 노이즈를 추가하여 다양성을 시뮬레이션하고 모델 일반화 능력을 향상시키기 위해 데이터 증강을 적용한다.
• 다양한 기계학습 모델을 훈련하고 비교한다: 랜덤 포레스트, 인공 신경망(ANN), 선형 커널을 사용한 서포트 벡터 머신(SVM), 결정 트리(DT), K-최근접 이웃(KNN).
• 과적합에 강건하고 성능이 뛰어나므로 랜덤 포레스트 모델을 최적의 분류기로 선정한다.
• 보류된 테스트 세트(SloPP-E)를 사용해 모델 성능을 평가하며, 이는 환경적 노화와 기상에 노출된 22종의 중합체 유형을 포함한다.

실험 결과

연구 질문

• RQ1 기계학습 모델은 환경에 노출된 마이크로플라스틱의 라만 스펙트럼에서 중합체 유형을 높은 정확도로 분류할 수 있는가?
• RQ2 작은, 불균형한 라만 스펙트럼 서명 데이터셋에서 데이터 증강이 분류 성능 향상에 얼마나 기여하는가?
• RQ3 노화로 인한 스펙트럼 변동성의 영향을 받는 조건에서, 다양한 기계학습 알고리즘이 중합체 유형을 라만 스펙트로스코피 데이터로 분류하는 데 어떻게 비교되는가?
• RQ4 훈련 세트에 형태가 다양한 샘플(예: 파도 모양의 입자)이 포함될 경우, 이는 연마된, 동일하지 않은 테스트 샘플에 대한 모델 일반화에 부정적인 영향을 미치는가, 아니면 개선하는가?
• RQ5 스펙트럼 이산화 및 정규화와 같은 전처리 기법이 모델 정확도와 강건성에 어떤 영향을 미치는가?

주요 결과

• 랜덤 포레스트 모델은 SloPP-E 테스트 세트에서 가장 높은 분류 정확도 93.81%를 기록하여 기준 정확도 89% 대비 4.81%포인트 향상시켰다.
• 데이터 증강은 모델 성능을 크게 향상시켜, 합성 데이터 생성이 실제 기상에 노출된 마이크로플라스틱 샘플로의 일반화에 도움이 된다는 것을 시사한다.
• 모델은 폴리우레탄의 오분류율이 가장 높았으며, 6개의 테스트 샘플 중 3개가 잘못 분류되었다. 이는 이 중합체 유형에서 스펙트럼 유사성 또는 노화로 인한 신호 변화 때문일 수 있다.
• 아크릴로니트릴 부타디엔 스타이렌(ABS)은 테스트 샘플 수가 매우 적어(1개) 단 1건의 오분류가 발생했으며, 이는 희귀 클래스에 대한 평가 지표의 불안정성을 시사한다.
• 훈련 세트에 Mendeley 데이터셋의 파도 모양 입자 샘플을 추가한 결과 성능 저하 없이 일반화에 기여했으며, 이는 테스트 세트(SloPP-E)에 이러한 형태의 샘플이 포함되어 있지 않았기 때문이다.
• 모든 모델을 비교한 결과, 랜덤 포레스트는 ANN(71.13%), SVM(73.19%), DT(69.07%), KNN(73.19%)를 모두 능가하여 이 스펙트럼 분류 작업에 적합함을 확인했다.