本研究では、ラマン分光法と機械学習を組み合わせて、ホキ・マサバの水分、たんぱく質、脂質含有量を予測する手法を提案している。
データ前処理では、ベースラインの補正、散乱の補正、微分変換などを行い、信号の質を高めている。また、データ拡張を行うことで、少ないサンプル数でも効果的にモデルを学習させている。
提案するCNNモデル「FishCNN」は、大きなカーネルサイズと小さなストライドを特徴としており、限られたデータセットからも有効な特徴を抽出できる。実験の結果、FishCNNは従来の機械学習モデルや他のCNNモデルと比べて、水分、たんぱく質、脂質の含有量予測において優れた性能を示した。
特に、InGaAs 1064nmデータを使用した場合の予測精度が高く、FT-Ramanデータよりも優れていることが分かった。これは、InGaAs 1064nmデータの蛍光バックグラウンドの低減が寄与していると考えられる。
本研究の成果は、魚の生化学組成を迅速かつ正確に分析する上で、ラマン分光法とマシンラーニングの有効性を示している。この手法は、水産業における高付加価値製品の開発に貢献できると期待される。
To Another Language
from source content
arxiv.org
Głębsze pytania