低成本,多光谱机器学习对空中模拟微/纳米塑料的分类
Yisha Tang1, Darya Pershina1, Safiyah Abdessalam1
1Department of Biomedical Engineering, The University of Arizona, Tucson, AZ 85721, United States.
Journal of hazardous materials
|February 3, 2025
概括
一个新的智能手机工具使用机器学习来识别空气中的微型和纳米塑料 (MNP). 这种低成本的设备精确地检测塑料类型,为环境监测提供了一个有前途的方法.
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:
- 空气中的微型和纳米塑料 (MNP) 造成越来越多的环境问题.
- 准确识别和量化空中MNP对于风险评估至关重要.
- 现有的MNP检测方法往往昂贵,复杂或缺乏可移植性.
研究的目的:
- 开发一种新的,低成本的,基于智能手机的方法来识别空中MNP.
- 利用机器学习对不同类型的塑料颗粒进行分类.
- 为广泛的空中MNP监测创建一个便携式工具包.
主要方法:
- 设计了一个手持设备,集成了智能手机,光谱面具阵列和照明系统.
- 不均的MNP是从使用冷磨削的现实世界塑料中生成的.
- 一个XGBoost机器学习模型被训练在干湿MNP样本的多光谱图像数据 (RGB比) 上.
主要成果:
- 该方法在区分塑料和粘土方面获得了89-99%的准确性.
- 六种塑料类型在干燥和湿样品中被分类,准确度为79-87%.
- 该方法成功地识别了MNP,而不依赖于形态信息.
结论:
- 开发的基于智能手机的系统为空中MNP检测提供了可行的和可访问的解决方案.
- 机器学习显著提高了MNP的准确性和分类能力.
- 这项技术为空中塑料的实时现场环境监测提供了一个有前途的工具包.
