← 목록으로
Animal Feed

Machine Learning for Predicting Zearalenone Contamination Levels in Pet Food

정리일 2026-07-20

Machine Learning for Predicting Zearalenone Contamination Levels in Pet Food

  • 저자: Zhenlong Wang; Wei An; Jiaxue Wang; Hui Tao; Xiumin Wang; Bing Han; Jinquan Wang
  • 출처: Toxins (2024)
  • DOI/링크: https://doi.org/10.3390/toxins16120553
  • 연구 계열: Topics/Animal Feed
  • 투고일: 2024-10-15

TL;DR

전자코(E-nose)와 머신러닝을 결합하여 반려동물 사료의 제아랄레논(ZEN) 오염 수준을 예측하는 신속하고 비용 효율적인 방법을 개발했다. 앙상블 모델이 90.1%의 정확도로 규제 기준(250 µg/kg) 초과 여부를 판별할 수 있음을 보였다.

1. 연구 배경 및 동기

  • 다루는 문제: 제아랄레논(ZEN)은 반려동물 사료 원료 및 최종 제품에서 검출되어 반려동물에게 급성 독성 및 만성 건강 문제를 야기한다. 반려동물 사료의 곰팡이독소 오염을 조기에 감지하는 것이 동물의 안전과 복지를 보장하는 데 중요하다.
  • 기존의 공백 / 왜 필요한가: 기존의 ZEN 검출 방법은 시간이 오래 걸리거나 비용이 많이 드는 문제가 있다. 신속하고 비용 효율적인 스크리닝 방법의 개발이 필요하다.

2. 관련 연구

  • 기존 연구 흐름: 전자코 기술과 머신러닝 알고리즘을 식품 안전 분석에 적용하는 연구가 진행되어 왔다.
  • 이 논문의 위치: 이 논문은 전자코와 머신러닝의 조합을 반려동물 사료의 ZEN 오염 예측에 처음 적용하며, 앙상블 모델을 통해 단일 알고리즘보다 우수한 성능을 달성했다.

3. 핵심 기여

  1. 전자코(E-nose)와 머신러닝을 결합한 ZEN 오염 예측 방법 개발
  2. 6가지 머신러닝 알고리즘(선형회귀, KNN, SVM, 랜덤포레스트, XGBoost, MLP) 비교 평가
  3. 앙상블 모델을 통한 분류 성능 향상(90.1% 정확도)
  4. 반려동물 사료 시장 진입 단계에서의 신속한 스크리닝 방법 제시

4. 제안 방법론

  • 전체 접근 논리: 142개의 반려동물 사료 샘플을 액체크로마토그래피-탠덤 질량분석법으로 ZEN 오염도를 측정하고, 동시에 10개 금속산화물 센서를 갖춘 전자코로 휘발성 화합물을 분석한 후, 머신러닝 알고리즘들을 적용하여 ZEN 기준치 초과 여부를 분류한다.
  • 단계:
    • 2021-2023년 수집한 142개 반려동물 사료 샘플의 ZEN 오염도를 LC-MS/MS로 측정
    • AIR PEN 3 전자코(10개 센서)로 샘플의 휘발성 화합물 프로필 분석
    • 6가지 머신러닝 알고리즘(선형회귀, KNN, SVM, 랜덤포레스트, XGBoost, MLP)으로 분류 모델 구축
    • 앙상블 모델로 모든 분류기의 예측을 결합하여 성능 향상

5. 실험 설정

항목 내용
대상/재료 2021-2023년 수집한 다양한 브랜드의 반려동물 사료 142개 샘플
처리 조건 ZEN 규제 기준: 250 µg/kg (중국 반려동물 사료 법규)
대조군 기준치 이상/이하 두 그룹으로 분류
측정 방법 액체크로마토그래피-탠덤 질량분석법(LC-MS/MS)으로 ZEN 정량, 전자코(10개 금속산화물 센서)로 휘발성 화합물 분석

6. 실험 결과 분석

지표 변화(Δ) 조건 · 유의성
MLP 알고리즘 정확도 86.6% 단일 알고리즘 중 최고 성능
다른 알고리즘 정확도 77.1%-84.8% 선형회귀, KNN, SVM, 랜덤포레스트, XGBoost
앙상블 모델 정확도 90.1% 모든 분류기 예측 결합 시 최고 성능

제안 기전(인과 사슬): 휘발성 화합물 프로필 → 전자코 센서 신호 → 머신러닝 알고리즘 분류 → ZEN 기준치 초과 여부 판별

7. 비판적 평가

강점

  • 신속하고 비용 효율적인 스크리닝 방법 제시
  • 앙상블 모델을 통해 단일 알고리즘보다 우수한 90.1% 정확도 달성
  • 실제 시장 샘플(142개)을 사용한 실용적 검증

한계 · 의문

  • 중국 반려동물 사료 법규 기준만 적용되어 다른 국가 기준과의 비교 부재
  • 전자코 기술의 환경 민감도 및 센서 유지보수 비용에 대한 논의 부족
  • ZEN 외 다른 곰팡이독소에 대한 적용 가능성 미검토

8. 향후 연구 방향

  • 다른 국가의 규제 기준에 맞춘 모델 개발 및 검증
  • 다른 곰팡이독소(아플라톡신, 오크라톡신 등) 검출로의 확대 적용
  • 현장 적용을 위한 휴대용 전자코 시스템 개발

9. 결론

전자코와 머신러닝의 결합은 반려동물 사료의 ZEN 오염을 신속하고 비용 효율적으로 스크리닝할 수 있는 방법을 제공한다. 특히 앙상블 모델은 90.1%의 높은 정확도로 시장 진입 단계에서의 안전 관리에 실질적으로 기여할 수 있다.

Keywords

zearalenone, electronic nose, machine learning, pet food, mycotoxin contamination, ensemble model, food safety, classification

원문 그림

Figure 1. Box plots and statistical analysis of ZEN contamination levels (1: >250 µg/kg, 0: ≤250 µg/kg)
Figure 1. Box plots and statistical analysis of ZEN contamination levels (1: >250 µg/kg, 0: ≤250 µg/kg)
wang2024machine
Figure 3. ROC curves of six machine learning models: logistic regression (LR), support vector
Figure 3. ROC curves of six machine learning models: logistic regression (LR), support vector
Figure 4. Confusion matrices for different machine learning models applied to the classification
Figure 4. Confusion matrices for different machine learning models applied to the classification

원문 그림 · 라이선스: cc-by

paperzearalenoneelectronic-nosemachine-learningpet-foodmycotoxin-contaminationensemble-model