深度学习使得在现场提取和图像处理后,在消费品中快速和低成本检测出微塑料
Md Zayed Bin Zahir Arju1, Nafisa Amin Hridi1, Lamiya Dewan1
1Department of Electrical and Electronic Engineering, University of Dhaka Dhaka-1000 Bangladesh mainul.eee@du.ac.bd mahabib@du.ac.bd.
RSC advances
|April 7, 2025
概括
这项研究引入了一种低成本的手机显微镜,用于检测日常产品中的微塑料 (MP). 该方法达到98%的准确性,为MP监控提供了快速而实惠的解决方案.
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:
- 微塑料 (MP) 污染是一个日益严重的环境和健康问题.
- 目前的MP检测方法昂贵,耗时,劳动密集.
- 需要可访问和高效的MP检测技术.
研究的目的:
- 开发一个简单的,低成本的平台,使用手机显微镜检测微塑料.
- 从盐,糖和牙膏等常见消费产品中提取和图像MP.
- 利用深度学习来准确地识别图像中的MP.
主要方法:
- 从各种矩阵中提取MP,使用密度分离与ZnCl2和H2O2.
- 这些图像是用一台配备10美元显微镜附件 (TinyScope) 的手机拍摄的.
- 对于MP检测,YOLOv5深度学习模型进行了训练和验证,达到98%的准确性.
主要成果:
- 在盐,糖,茶袋,牙膏和牙粉中成功检测到微塑料.
- YOLOv5模型在从捕获的图像中识别国会议员方面表现出高准确度.
- ATR-FTIR和FE-SEM证实了塑料颗粒的存在和形态.
结论:
- 开发的基于手机的显微镜平台为MP检测提供了快速,准确和负担得起的方法.
- 这种方法适用于资源较少的环境,可以频繁监控消费品中的MP内容.
- 该研究强调了可访问技术在解决环境污染问题的潜力.


