マイクロプラスチック（MPs）汚染は世界的な環境問題となっています。従来の検出方法はMPs検出に多くの制約があり、複雑な前処理を必要としない高感度検出技術の開発が急務です。本研究では、MPs検出の課題を解決するために、「表面増強ラマン散乱基板捕捉－深層学習識別－勾配重み付きクラス活性化マッピング（Grad-CAM）解釈」という新たなMPs検出手法を構築しました。研究結果は、金ナノスポンジ基板がMPsを効果的に捕捉でき、データ拡張および前処理技術によってモデルの予測精度が大幅に向上することを示しています。一次元畳み込みニューラルネットワーク（1D-CNN）に基づくマルチブランチ二値分類深層学習ネットワークは、MPsの分類精度が85％に達し、機械学習モデルおよび従来の1D-CNNモデルを大きく上回っています。Grad-CAM解析はモデルの意思決定根拠および誤判原因を明確に示します。本手法は実環境の水試料および混合試料で有効性が検証され、高い耐干渉性と実用性を有しており、使用する基板材料は入手が容易で調製工程が簡便であり、コスト面での利点と良好な応用可能性を持っています。

表面増強ラマン分光;マイクロプラスチック;畳み込みニューラルネットワーク;深層学習;勾配重み付きクラス活性化マッピング