Discriminant analysis of omega-3 forms using FT-IR spectroscopy with artificial intelligence

다국어 초록 (Multilingual Abstract)

In this study, we explored a new method of determining the three forms (rTG, EE, TG) of omega-3; a method based on artificial intelligence analysis of FT-IR spectra. To this end, 90 omega-3 samples (30 rTG, 30 EE and 30 TG) were subjected to analysis. This analysis consisted of employing principal component analysis-linear discriminant analysis (PCA-LDA), a support vector machine (SVM), a 1D convolutional neural network (CNN), and 2D convolutional neural network (CNN), and FT-IR spectral data. The absorbance and second derivative spectra, which had been obtained using FT-IR, were then applied to each algorithm. Techniques such as cross-validation and batch normalization were performed to prevent overfitting. Additionally, Bayesian optimization and random search were used for hyperparameter optimization.
The result of discriminant analysis was that all four algorithms demonstrated 100% classification accuracy. Thus, the effectiveness of PCA-LDA, SVM, 1D CNN, and 2D CNN-based FT-IR spectrum classification technology in distinguishing distinct types of omega-3 was proven. In addition, by utilizing the SHAP technique and the Grad-CAM technique, it was that confirmed that the artificial intelligence learning model identifies the discrete types of omega-3 based on the accurate signal. Given these findings, the expectation is that the determination method of this study will be used in the future to determine the content of each type of omega-3 in products that contain a mixture of two or more types.

국문 초록 (Abstract)

본 연구에서는 FT-IR 스펙트럼의 인공지능 분석을 기반으로 오메가-3의 3가지 형태 (rTG, EE, TG)를 판별하는 새로운 방법을 탐구했습니다. 주성분 분석-선형 판별 분석(PCA-LDA), 서포트 벡터 머신(SVM), 1D 합성곱 신경망(CNN), 2D 합성곱 신경망(CNN) 딥러닝 모델을 사용하여 오메가-3 샘플 90개 (rTG 30개, EE 30개, TG 30개)의 FT-IR 스펙트럼 데이터를 분석했습니다. FT-IR을 이용해 얻은 흡광도 및 2차 미분 스펙트럼을 각 알고리즘에 적용하였습니다. 과적합을 방지하기 위해 교차 검증 및 배치 정규화와 같은 기법을 수행하였습니다. 또한, 하이퍼파라미터 최적화에는 베이지안 최적화와 무작위 검색을 이용했습니다.
판별 분석 결과, 4가지 알고리즘 모두 분류 정확도 100%를 보였습니다. 이를 통해 다양한 형태의 오메가-3를 구별하는 데 있어 PCA-LDA, SVM, 1D CNN, 2D CNN 기반 FT-IR 스펙트럼 분류 기술의 효과를 입증했습니다. 또한, SHAP 기법과 Grad-CAM 기법의 분석을 통해 인공지능 학습 모델이 오메가-3의 정확한 신호를 바탕으로 종류를 식별하는 것을 확인하였습니다. 본 연구의 판별법은 향후 2가지 이상의 형태가 혼합 되어있는 제품에서 각 오메가3 함량을 판별하는데 활용될 것으로 기대됩니다.

목차 (Table of Contents)

• 1. Introduction 1
• 2. Experimental Details 6
• 2.1 Samples preparation 6
• 2.2 FT-IR Spectroscopy 7
• 2.3 PCA-LDA 8
• 2.4 SVM 9
• 2.5 CNN 10
• 3. Results and Discussion 13
• 3.1 FT-IR spectra of omega-3 13
• 3.2 Classification of omega-3 forms by PCA-LDA 16
• 3.3 Classification of omega-3 forms by SVM 19
• 3.4 Classification of omega-3 forms by CNNs 23
• 4. Conclusions 32
• References 33
• 국문초록 39