Sistema de detección y reconocimiento de microplásticos habilitado por un nanogenerador triboeléctrico y técnicas de...

Área de la Ciencia:

• Ciencias Ambientales
• Química Analítica
• Ciencia de Materiales

Sus antecedentes:

• La contaminación por microplásticos representa riesgos, con toxicidad relacionada con el material, el tamaño y la concentración.
• Los métodos de detección existentes son costosos, consumen mucho tiempo y tienen bases de datos limitadas.
• Existe la necesidad de una identificación rápida y precisa de microplásticos en diversas matrices.

Objetivo del estudio:

• Desarrollar un dispositivo simple y rápido para la detección e identificación de microplásticos en agua.
• Utilizar la electrificación de contacto líquido-sólido y el aprendizaje automático para un análisis mejorado.
• Proporcionar una alternativa rentable y eficiente a las técnicas de detección actuales.

Principales métodos:

• Diseñó un dispositivo basado en los principios de electrificación de contacto líquido-sólido.
• Empleó algoritmos de aprendizaje automático, específicamente Random Forest (RF), para el análisis de datos.
• Midió las diferencias de voltaje en circuito abierto generadas por diferentes tipos de microplásticos.

Principales resultados:

• Se observaron diferencias de voltaje distintas (1,6 V–11,7 V en circuito abierto, 1,7 V–22,0 V pico) para varios microplásticos.
• El modelo Random Forest logró una precisión de reconocimiento promedio del 95,24%.
• El dispositivo demostró una diferenciación e identificación efectivas de los tipos de microplásticos.

Conclusiones:

• Se ha establecido un método novedoso, rápido y preciso para la detección e identificación de microplásticos.
• Esta tecnología ofrece potencial para el monitoreo en línea en tiempo real de microplásticos en agua.
• Se anticipan implicaciones significativas para el monitoreo ambiental, la seguridad alimentaria y los campos médicos/de la salud.