机器学习集成的滴滴微流体系统,用于精确量化和分类微塑料

科学领域:

• 环境科学 环境科学
• 分析化学 分析化学
• 生物技术是生物技术.

背景情况:

• 微塑料 (MP) 污染带来了重大的环境和公共卫生挑战.
• 现有的检测方法往往是劳动密集型,复杂,不适合快速现场分析.
• 对于高效,便携式和实时的MP检测技术有着至关重要的需求.

研究的目的:

• 开发和验证一种新的机器学习 (ML) 集成滴滴式基于MP的实时分析 (MiDREAM) 系统.
• 为了实现微塑料的高通量,准确和现场检测.
• 为环境监测提供一个便携式和集成的解决方案.

主要方法:

• 使用一个紧的环静电用于高通量滴滴生成 (> 200 Hz) 封装MPs.
• 采用高分辨率的互补金属氧化物半导体 (CMOS) 传感器,并使用优化的YOLO v8 ML模型进行实时分析.
• 对血细胞计数和表面增强拉曼光谱 (SERS) 的验证性能.

主要成果:

• 实现了高检测精度 (>90%) 和各种MP大小的分类精度 (3μm的95.4%到30μm的85.3%).
• YOLO v8 ML模型表现出高性能,其mAP为0.982和AUC为97.64%.
• 与传统方法相比,它表现出优异的性能,具有高相关性 (R2 = 0.9965) 和最小偏差 (6.36%).

结论:

• 便携式MiDREAM系统为实时微塑料检测提供了强大而准确的解决方案.
• 在现实世界水样和各种环境条件中表现出适应性和高精度.
• 为高效的环境监测和污染评估提供了有希望的进步.