earticle

영어

Phthalates are widely used as plasticizers in electrical and electronic products but have been designated as regulated substances under the European Union's RoHS directive and domestic laws due to their harmful effects on human health. Raman spectroscopy is an analytical technique that non-destructively acquires spectral data on the molecular structures and chemical properties of materials. However, it has limitations, such as time consumption and result variability between analysts due to reliance on subjective judgment during spectrum interpretation. To address these limitations, we propose a stacking-based ensemble methodology that combines a Convolutional Neural Network (CNN), Transformer, Gated Recurrent Unit, and Attention CNN for the automatic detection and concentration determination of phthalates from Raman spectral data. Experimental results show that the proposed stacking ensemble achieved an exact match rate of 92.9%, accurately predicting the concentrations of all candidate substances, with up to a 4.5% improvement over single models (88.4–90.7%). Additionally, it achieved over 99% Top-2 accuracy for all phthalates, ensuring the high reliability required in industrial applications.

한국어

프탈레이트는 가소제로 전기·전자 제품에 광범위하게 사용되나, 인체 유해성으로 유럽연합의 RoHS 지침 과 국내법에 따라 규제 대상으로 지정되었다. 라만 분광법은 물질의 분자 구조와 화학적 특성을 비파괴적으로 스 펙트럼 데이터로 취득할 수 있는 분석 기술이지만, 취득된 스펙트럼 해석 시 분석자의 주관적 판단에 의존하여 분 석자 간 결과 차이와 시간 소요라는 한계를 가진다. 이러한 한계를 극복하기 위해, 본 연구는 라만 스펙트럼 데이 터에서 프탈레이트 물질 검출 및 농도 자동 판별을 위해 CNN(Convolutional Neural Network), Transformer, Gated recurrent unit, Attention CNN을 결합한 Stacking 기반 앙상블 방법론을 제안하였다. 실험 결과, 제안된 Stacking 앙상블은 모든 후보 물질의 농도를 정확하게 예측한 경우를 의미하는 정확 일치율 92.9%를 달성하여 단일 모델(88.4～90.7%) 대비 최대 4.5% 향상된 성능을 보였다. 또한 모든 프탈레이트 물질에서 99% 이상의 Top-2 정확도를 달성하여 산업 현장에서 요구되는 높은 신뢰성을 확보하였다.