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/Companion Animal Industry
• 정리일: 2026-07-25

---

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