[논문 리뷰] Mid infrared spectroscopy and milk quality traits: A data analysis competition at the "International Workshop on Spectroscopy and Chemometrics 2021"

Maria Frizzarin, Antonio Bevilacqua외 12명|arXiv (Cornell University)|2021. 01. 01.

Spectroscopy and Chemometric Analyses참고 문헌 51인용 수 12

한 줄 요약

이 논문은 2021년 국제 스펙트로스코피 및 케모메트릭스 워크숍에서 개최된 데이터 분석 경연 대회를 다루며, 참가자들이 중간 적외선(MIR) 스펙트럼만을 사용하여 우유 품질 특성인 카프라-케이스인, 케이스인 밀리셀 크기(CMS), pH를 예측하기 위한 기계학습 모델을 개발하였다. 경연에서는 기능적 데이터 분석 접근법이 전통적인 표 형태 및 시계열 방법을 능가하였으며, 특히 복잡한 스펙트럼 상관관계를 모델링할 수 있는 능력 덕분이었다. 최고의 방법은 상대 오차(RERR)가 1.00을 기록하여 모든 특성에서 최상의 성능을 보였다.

ABSTRACT

A chemometric data analysis challenge has been arranged during the first edition of the "International Workshop on Spectroscopy and Chemometrics", organized by the Vistamilk SFI Research Centre and held online in April 2021. The aim of the competition was to build a calibration model in order to predict milk quality traits exploiting the information contained in mid-infrared spectra only. Three different traits have been provided, presenting heterogeneous degrees of prediction complexity thus possibly requiring trait-specific modelling choices. In this paper the different approaches adopted by the participants are outlined and the insights obtained from the analyses are critically discussed.

연구 동기 및 목표

• 중간 적외선(MIR) 스펙트럼을 이용한 우유 품질 특성 예측을 위한 다양한 기계학습 및 케모메트릭스 접근법을 평가하기 위해.
• 다양한 데이터 사전 처리 및 모델링 전략이 예측 성능에 미치는 영향을 평가하기 위해.
• 표 형태, 시계열, 기능적 데이터 분석 접근법이 MIR 스펙트럼 데이터에 대해 얼마나 효과적인지 비교하기 위해.
• 다양한 우유 품질 특성에 대해 가장 정확하고 해석 가능한 예측을 도출하는 모델링 철학을 규명하기 위해.
• 실용적 응용을 지원하는 단순하고 해석 가능한 모델의 개발을 촉진하기 위해.

제안 방법

• 참가자들은 우유 품질 특성인 pH, CMS, 카프라-케이스인을 예측하기 위해 중간 적외선 스펙트럼(900에서 5000 cm⁻¹ 사이의 1060 파장수)만을 사용하였다.
• 학습 데이터는 399~548건의 관측치, 테스트 데이터는 69건의 스펙트럼을 사용하였으며, 특성별로 특정 파장수 정보는 제공되지 않았다.
• 예측 성능 평가에는 테스트 세트에서의 평균 제곱근 오차(RMSEP)를 사용하였으며, 특성 간 성능를 정규화하기 위해 상대 오차(RERR) 지표를 도입하였다.
• 표 형태 방법은 스펙트럼을 벡터로 취급한 반면, 기능적 접근법은 스펙트럼을 연속 함수로 모델링하여 스펙트럼의 순서와 상관관계를 유지하였다.
• 두 팀은 데이터 기반의 노이즈 탐지 기법을 사용하였는데, 하나는 각 파장수별 사분위율 범위를 활용하고, 다른 하나는 적응형 기능적 모델링을 적용하였다.
• 이상치 처리 전략에 대해서도 탐색되었으며, 일부 팀은 이상치를 학습 데이터에 그대로 유지했을 때 성능 향상을 관찰하였다.

실험 결과

연구 질문

• RQ1 표 형태, 시계열, 기능적 접근법 중 어느 것이 MIR 스펙트럼으로부터 우유 품질 특성 예측에 가장 정확한 성능을 낼 수 있는가?
• RQ2 노이즈 필터링 및 이상치 처리와 같은 다양한 사전 처리 전략이 예측 성능에 어떤 영향을 미치는가?
• RQ3 특성 선택과 해석 가능성은 우유 과학에서 MIR 기반 모델의 실용적 유용성을 얼마나 향상시키는가?
• RQ4 기능적 데이터 분석은 기존의 벡터 기반 모델이 간과하는 장거리 스펙트럼 상관관계를 효과적으로 포착할 수 있는가?
• RQ5 각 우유 품질 특성(pH, CMS, 카프라-케이스인)의 고유한 복잡성은 최적의 모델링 전략 선택에 어떤 영향을 미치는가?

주요 결과

• 기능적 데이터 분석 접근법이 가장 우수한 전반적 성능을 기록하였으며, 상대 오차(RERR = 1.00)가 가장 낮아 모든 세 가지 특성에 걸쳐 최적의 校정 성능를 보였다.
• 기능적 접근법은 복잡한 비국소적 상관관계를 모델링할 수 있는 능력 덕분에 표 형태 및 시계열 방법보다 뛰어난 성능를 보였다.
• 두 팀이 각 파장수별 사분위율 범위를 활용하여 노이즈가 있는 스펙트럼 영역를 식별하고 가중치를 낮추어 모델의 강건성을 향상시켰다.
• 수분 흡수 영역(일반적으로 MIR 스펙트럼에서 나타남)을 제거하는 것이 유익했지만, 이 전략을 명시적으로 적용한 팀은 단 두 팀 뿐이었다.
• 일부 팀은 이상치를 제거하지 않은 경우 테스트 성능이 향상되는 것을 관찰하여, MIR 데이터에 대해 이상치 처리에 신중을 기울여야 함을 시사하였다.
• 경연은 도메인 전문 지식과 결합된 해석 가능한 모델의 가치를 부각하였으며, 이는 비용 효율적인 분광계 설계를 위한 가이드라인을 제공한다.