[论文解读] 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 5

一句话总结

本研究将机器学习应用于拉曼光谱数据，以分类微塑料中的聚合物类型，表明通过数据增强和随机森林建模，分类准确率从89%提升至93.81%，在老化、环境风化样本上显著提高了可靠性，适用于环境监测与回收应用。

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%.

研究动机与目标

• 解决由于环境风化导致微塑料拉曼光谱中聚合物类型识别分析确定性降低的挑战。
• 探究在标注数据有限且受环境退化影响的情况下，机器学习是否能有效利用光谱特征对聚合物类型进行分类。
• 评估数据增强与预处理技术对提升微塑料数据集中代表性不足聚合物类型分类性能的影响。
• 比较多种机器学习模型，以识别在老化微塑料拉曼光谱数据中最具鲁棒性的分类器。
• 通过提升复杂真实样本中聚合物识别的准确率与可靠性，为生态毒理学、塑料回收与环境监测做出贡献。

提出的方法

• 以SLoPP（塑料颗粒光谱库）数据集作为训练集，包含22种聚合物类型的拉曼位移与强度值。
• 实施了广泛的预处理，包括x轴缩放（0–3500 cm⁻¹）、12点窗口的离散化处理，且未对y轴进行标准化，以统一光谱特征。
• 通过向训练样本添加微小随机噪声实施数据增强，以模拟变异性并提升模型泛化能力。
• 训练并比较了多种机器学习模型：随机森林、人工神经网络（ANN）、线性核支持向量机（SVM）、决策树（DT）与K近邻（KNN）。
• 由于其性能优越且对过拟合具有更强鲁棒性，选择随机森林模型作为最优分类器。
• 通过一个保留的测试集（SloPP-E）评估模型性能，该测试集包含经环境老化与风化的22种聚合物类型。

实验结果

研究问题

• RQ1 机器学习模型能否在经历环境风化的微塑料拉曼光谱中实现高精度的聚合物类型分类？
• RQ2 在小样本、不平衡的拉曼光谱特征数据集上，数据增强在多大程度上能提升分类性能？
• RQ3 在老化导致光谱变异性增加的条件下，不同机器学习算法在分类微塑料聚合物类型方面的表现如何比较？
• RQ4 在训练集中包含形态多样的样本（如波浪形颗粒）是否会对模型在老化、非相同形态测试样本上的泛化能力产生负面影响或促进提升？
• RQ5 光谱离散化与归一化等预处理技术对模型准确率与鲁棒性有何影响？

主要发现

• 随机森林模型在SloPP-E测试集上实现了93.81%的最高分类准确率，较基线89%的准确率提升了4.81个百分点。
• 数据增强显著提升了模型性能，表明合成数据生成有助于模型泛化至真实世界中的风化微塑料样本。
• 聚氨酯（Polyurethane）的误分类率最高（6个测试样本中有3个被误分类），表明该聚合物类型可能存在光谱相似性或退化引起的信号变化。
• 丙烯腈-丁二烯-苯乙烯（Acrylonitrile Butadiene Styrene, ABS）仅出现一次误分类，归因于样本数量过少（仅1个测试样本），表明稀有类别在评估指标上可能存在不稳定性。
• 将来自Mendeley数据集的波浪形颗粒样本加入训练集后，模型性能未下降，甚至可能因测试集（SloPP-E）缺乏此类形态而有助于提升泛化能力。
• 在所有测试模型中，随机森林在准确率上优于人工神经网络（71.13%）、支持向量机（73.19%）、决策树（69.07%）与K近邻（73.19%），证实其适用于此类光谱分类任务。