article detail
라만 분광법 기반 어류 생화학 분석을 위한 머신러닝
2026. 11. 15. 오후 10:08

AI 요약
어류의 수분·단백질·지질 조성 분석은 전통적 방법이 느리고 파괴적이어서 본 논문은 라만 분광과 컨볼루션 신경망(CNN)을 결합한 신속·비파괴적 평가법인 FishCNN을 제시합니다. 연구진은 선형 기준선 보정, 표준 정규 변량(SNV) 변환, 도함수 변환을 포함한 전처리 파이프라인과 전처리 후 데이터 증강의 적용이 최적 성능을 낸다고 보고했으며 FT-Raman과 InGaAs 라만을 비교해 InGaAs가 형광 배경 간섭 감소로 더 효과적이라고 밝혔습니다. FishCNN은 두 개의 쌓인 1D 컨볼루션 레이어(각 16개 필터, 커널 크기 64, 스트라이드 1), 평탄화·드롭아웃(0.10), 128·16 유닛의 완전연결층과 수분·단백질·지질을 예측하는 3뉴런 출력층으로 구성되며 드롭아웃·L2 정규화와 AdamW(학습률 0.001)를 사용해 작은 데이터셋에서의 일반화를 도모합니다.