미세플라스틱(MPs) 오염은 전 세계 환경의 중대한 도전 과제가 되었습니다. 기존의 검출 방법들은 MPs 검출에 많은 한계가 있어 복잡한 전처리 없이 고감도 검출 기술 개발이 절실합니다. MPs 검출 문제를 해결하기 위해 본 연구는 '표면 증강 라만 산란 기반 기판 포획-딥러닝 인식-그래디언트 가중 클래스 활성화 맵(Grad-CAM) 해석'의 MPs 신형 검출 방법을 구축하였습니다. 연구 결과, 금 나노 스폰지 기판이 MPs를 효과적으로 포획할 수 있으며, 데이터 증강과 전처리 기술이 모델의 예측 정확도를 효과적으로 향상시켰습니다. 1D-CNN 기반 다중 분기 이진 분류 딥러닝 네트워크는 MPs 분류 정확도가 85%에 달해 머신러닝 모델과 기존 1D-CNN 모델보다 현저히 높았습니다. Grad-CAM 분석은 모델 결정 근거와 오분류 원인을 명확히 보여줍니다. 이 방법은 실제 환경 수질 샘플과 혼합 샘플에서 효과가 검증되었으며 높은 노이즈 저항성과 실용성을 갖추었으며, 사용된 기판 재료는 널리 구할 수 있고 제조 공정이 간단하여 비용 이점과 우수한 응용 가능성을 지닙니다.

표면 증강 라만 분광;미세플라스틱;합성곱 신경망;딥러닝;그래디언트 가중 클래스 활성화 맵