[論文レビュー] Machine Learning of polymer types from the spectral signature of Raman spectroscopy microplastics data

Sheela Ramanna, Danila Morozovskii+2 more|arXiv (Cornell University)|Jan 14, 2022

Microplastics and Plastic Pollution被引用数 5

ひとこと要約

本研究では、マイクロプラスチックのポリマー種別を分類するためにラマン分光法データに機械学習を適用し、データ拡張とランダムフォレストモデルを用いることで、環境的風化を受けていたりしたサンプルの分類精度を89％から93.81％まで向上させることに成功した。これは、環境モニタリングおよびリサイクル応用分野における信頼性の大幅な向上を示している。

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%.

研究の動機と目的

• 環境的風化を受けていたりしたマイクロプラスチックのラマン分光スペクトルからのポリマー種別の同定に伴う分析的確実性の低下という課題に対処すること。
• 限られたラベル付きデータと環境劣化の影響を受ける中で、機械学習がスペクトルシグネチャを用いてポリマー種別を効果的に分類できるかどうかを調査すること。
• マイクロプラスチックデータセットにおける代表が不足しているポリマー種別の分類性能向上に、データ拡張および前処理技術が与える影響を評価すること。
• 複数の機械学習モデルを比較し、風化したマイクロプラスチックからのラマン分光スペクトルデータに対して最も頑健な分類器を特定すること。
• 生態毒性学、プラスチックリサイクル、環境モニタリング分野に貢献し、複雑で現実的状況のサンプルにおけるポリマー同定の正確性と信頼性を向上させること。

提案手法

• トレーニングデータとして、22種類のポリマー種別のラマンシフトおよび強度値を含むSLoPP（Spectral Libraries of Plastic Particles）データセットを用いた。
• 広範な前処理を実施し、x軸スケーリング（0–3500 cm⁻¹）、12ポイント窓を用いた離散化、およびy軸の標準化を実施しないことで、スペクトル特徴を標準化した。
• トレーニングサンプルに微小なランダムノイズを追加することでデータ拡張を実施し、ばらつきを模擬し、モデルの一般化能力を向上させた。
• 複数の機械学習モデルをトレーニングおよび比較した：ランダムフォレスト、人工ニューラルネットワーク（ANN）、線形カーネルを用いたサポートベクターマシン（SVM）、決定木（DT）、K近傍法（KNN）。
• 過学習に対して高い耐性を示し、優れた性能を発揮したため、ランダムフォレストモデルを最適な分類器として選定した。
• ホールドアウトテストセット（SloPP-E）を用いてモデル性能を評価した。SloPP-Eは、環境的風化および劣化を経験した22種類のポリマー種別を含む。

実験結果

リサーチクエスチョン

• RQ1 機械学習モデルは、環境的風化を受けていたりしたマイクロプラスチックのラマン分光スペクトルからのポリマー種別を高い精度で分類できるか？
• RQ2 データ拡張は、ラマン分光シグネチャの小規模かつ不均衡なデータセットにおける分類性能をどの程度向上させるか？
• RQ3 ラマン分光法データからのポリマー種別分類において、異なる機械学習アルゴリズムは、老化に起因するスペクトルばらつきの条件下でどのように比較されるか？
• RQ4 トレーニングセットに形状が多様なサンプル（例：波状の粒子）を含めることで、風化し非同一なテストサンプルに対するモデルの一般化能力は低下するか、あるいは向上するか？
• RQ5 スペクトル離散化および正規化などの前処理技術が、モデルの正確性および頑健性に与える影響は何か？

主な発見

• ランダムフォレストモデルは、SloPP-Eテストセットで93.81％の最高分類精度を達成し、ベースラインの89％から4.81ポイント向上した。
• データ拡張はモデル性能を顕著に向上させ、合成データ生成が実世界の風化マイクロプラスチックサンプルへの一般化能力向上に寄与することを示した。
• モデルは、ポリウレタンの分類誤り率が最も高く、6個のテストサンプル中3個が誤分類された。これは、このポリマー種別にスペクトル的類似性または劣化に起因する信号変化がある可能性を示唆している。
• アクリロニトリルブタジエンスチロール（ABS）は、1つのテストサンプルしか存在しないため、1件の誤分類が生じた。これは、希少クラスの評価指標に不安定性が生じる可能性を示している。
• Mendeleyデータセットから得た波状の形状を持つサンプルをトレーニングセットに追加したが、性能の低下は見られず、むしろ一般化能力の向上に寄与した可能性がある。これは、テストセット（SloPP-E）に同様の形状が欠落していたためである。
• 全モデルの中でランダムフォレストが、ANN（71.13％）、SVM（73.19％）、DT（69.07％）、KNN（73.19％）を上回り、このスペクトル分類タスクに最も適していることが確認された。