基于液体固体三电纳米发电机和深度学习方法检测微塑料
Tao Huang1, Wei Sun1, Lei Liao2
1Key Lab New Processing Technology for Nonferrous Metals & Materials Ministry of Education, Guangxi Key Lab of Optical and Electronic Materials and Devices, College of Materials Science and Engineering, Guilin University of Technology, Guilin, Guangxi 541004, China.
ACS applied materials & interfaces
|July 17, 2023
概括
一种新型液体固体 triboelectric nanogenerator (LS-TENG) 传感器与深度学习相结合,可以检测和分类液体中的微塑料. 该方法准确量化了微塑料含量和识别类型,在环境监测方面取得了重大进展.
科学领域:
- 环境科学 环境科学
- 材料科学 材料科学 材料科学
- 传感器技术 传感器技术
背景情况:
- 微塑料是普遍存在的污染物,对生态系统和人类健康产生不利影响.
- 传统的微塑料检测方法面临着挑战,因为它们的小尺寸和各种特性.
- 准确识别和量化微塑料对于环境风险评估至关重要.
研究的目的:
- 开发一种用于检测和分类液体中微塑料的新方法.
- 使用液体-固体 triboelectric 纳米发电机 (LS-TENG) 与微塑料分析的深度学习模型相结合.
- 建立水性环境中微塑料的定量和质量检测系统.
主要方法:
- 一个液体固体 triboelectric 纳米发电机 (LS-TENG) 被用作检测液体中的微塑料的传感器.
- 为了评估它们对LS-TENG输出信号的影响,引入了不同类型的微塑料 (聚乙烯,聚烯,PVC,PET,聚烯).
- 一个卷积神经网络 (CNN) 深度学习模型使用LS-TENG电压信号进行了微塑料分类的训练.
主要成果:
- 微塑料的类型和度显著影响了LS-TENG传感器的输出电压.
- 在微塑料质量分数 (0.025-0.25重量%) 和LS-TENG传感器输出电压之间观察到一个线性关系.
- 基于传感器信号,深度学习模型在识别不同类型的微塑料方面取得了高准确性.
结论:
- 与深度学习相结合的LS-TENG传感器提供了一种可行的方法,用于液体中微塑料的定量检测和分类.
- 这种方法为环境监测和微塑料污染的研究提供了有希望的进步.
- 这些发现突出了LS-TENG技术在解决微塑料分析方面的挑战方面的潜力.
更多相关视频
05:31Sampling, Sorting, and Characterizing Microplastics in Aquatic Environments with High Suspended Sediment Loads and Large Floating Debris
Published on: July 28, 2018
16.1K
09:10Multimodal Analysis of Microplastics in Drinking Water using a Silicon Nanomembrane Analysis Pipeline
Published on: June 13, 2025
188
