通过基于机器学习的拉曼光谱技术自动识别单个纳米塑料
Lifang Xie1,2,3, Siheng Luo4,5, Yangyang Liu1,2,3
1Department of Environmental Science and Engineering, Fudan University, Shanghai 200433, Peoples' Republic of China.
Environmental science & technology
|July 3, 2023
概括
研究人员开发了一种使用拉曼光谱和机器学习的新方法,可以在环境样本中准确检测纳米塑料. 这种技术的准确度超过97%,为监测这些普遍存在的污染物提供了有希望的解决方案.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
背景情况:
- 纳米塑料对环境构成越来越大的威胁,但由于其小尺寸和复杂的成分,其检测受到阻碍.
- 现有的检测方法主要针对微塑料,在纳米塑料识别中留下了一个空白.
- 有效的监测策略对于了解和减轻纳米塑料污染至关重要.
研究的目的:
- 开发和验证一种使用拉曼光谱和机器学习准确识别纳米塑料的新方法.
- 建立一个强大的工作流程来处理纳米塑料拉曼光谱和构建预测模型.
- 在现实环境样本中展示开发方法的实际应用.
主要方法:
- 结合了高反射基板与拉曼光谱,以增强纳米塑料信号检测.
- 开发了一个数据处理管道,包括峰值提取和保留用于光谱分析.
- 构建并训练了一种用于纳米塑料识别的随机森林机器学习模型.
主要成果:
- 随机森林模型实现了纳米塑料的平均识别准确率为98.8%.
- 使用尖尖的自来水样本进行验证,显示精度超过97%.
- 在环境雨水样本中成功检测出纳米级聚钢 (PS) 和聚乙烯 (PVC).
结论:
- 拉曼光谱和机器学习的整合,特别是随机森林,为纳米塑料检测提供了一个强大的工具.
- 这种方法克服了与低质量的光谱和复杂的样本矩阵相关的挑战.
- 开发的方法显示了有效的环境纳米塑料监测和风险评估的巨大潜力.
