Un algorithme d’apprentissage machine pour l’identification à haut débit de spectres FTIR : application aux microplastiques collectés en mer Méditerranée

© Noëlie Pansiot / Fondation Tara Océan

Tara Méditerranée

Mikaël Kedzierskia, Mathilde Falcou-Préfola, Marie Emmanuelle Kerrosb, Maryvonne Henryx, Maria Luiza Pedrottib, Stéphane Bruzauda

Publié le 6 juin 2019 – Voir en ligne ( anglais )

Points clés

- Un algorithme d’apprentissage machine a été développé pour déterminer la nature chimique des microplastiques.
- Cette méthode permet une identification automatisée, rapide et fiable, même lorsque des milliers de spectres FTIR doivent être étudiés.
- Cette méthode est la première partie d’un logiciel dédié à l’étude des microplastiques : POSEIDON.

 

Résumé

La mise au point de méthodes déterminant automatiquement la nature chimique des microplastiques au moyen de spectres FTIR-ATR est un important défi. Une méthode d’apprentissage machine, appelée classification des voisins k les plus proches, a été appliquée aux spectres des microplastiques collectés pendant l’expédition Tara Méditerranée (2014). Pour réaliser ces tests, une base de données d’apprentissage, composée de 969 spectres de microplastiques, a été créée. Les résultats montrent que le processus d’apprentissage machine est très efficace pour identifier les spectres de polymères classiques tels que le polyéthylène, mais aussi que la base de données d’apprentissage doit être enrichie de spectres de microplastiques moins communs. Enfin, cette méthode a été appliquée sur plus de 4000 spectres de microplastiques non identifiés. Le protocole de vérification a montré un écart de moins de 10 % entre les résultats de la méthode automatisée proposée et une expertise humaine, et celui-ci peut être très facilement corrigé à 75 %.