快速检测和分类10微米以下的微塑料使用CNN与拉曼光谱.
Jeonghyun Lim1, Gogyun Shin1, Dongha Shin1
1Department of Chemistry and Chemical Engineering, Inha University, Incheon 22212, Republic of Korea.
Analytical chemistry
|April 16, 2024
概括
人工智能 (AI) 通过卷积神经网络 (CNN) 加快了微塑料 (MP) 检测. 该方法快速将塑料类型分为小颗粒,有助于全球微塑料测绘工作.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 数据科学数据科学数据科学
背景情况:
- 微塑料 (MP) 污染是一个全球性的环境问题.
- 拉曼光谱对MP检测 (<10μm) 有效,但信号强度低,导致采集时间长.
- 福里埃变换红外光谱法 (FTIR) 对较小粒子具有衍射限制.
研究的目的:
- 使用人工智能开发一种更快的识别微塑料 (MP) 的方法.
- 为了克服拉曼光谱在MP检测方面的局限性.
- 为了快速收集微塑料分布数据.
主要方法:
- 卷积神经网络 (CNN) 模型的实施.
- 制定一个量身定制的数据插值策略.
- 适用于1-10微米大小范围内的微塑料颗粒.
主要成果:
- 实现了对单个微塑料颗粒的塑料类型的分类.
- 将曝光时间缩短到每颗粒子仅为0.4秒.
- 达到了 85.47 ((±5.00)%) 的近似信心水平.
结论:
- 这种人工智能驱动的方法显著加速了微塑料的识别.
- 这种方法有助于更快地聚合微塑料分布数据.
- 为开发全球微塑料地图做出贡献.


