整合MetalAquaDect SERS平台:机器学习辅助的实时监测,复杂矩阵中低于2mg/L的微塑料和纳米塑料
Jiamiao Wang1, Yan Liu2, Zheyu Shen3
1College of Metrology Measurement and Instrument, China Jiliang University, No. 258 Xueyuan Street, Qiantang District, Hangzhou, Zhejiang Province 310018, China; College of Energy Environment and Safety Engineering, China Jiliang University, No. 258 Xueyuan Street, Qiantang District, Hangzhou, Zhejiang Province 310018, China; College of Optical and Electronic Technology, China Jiliang University, No. 258 Xueyuan Street, Qiantang District, Hangzhou, Zhejiang Province 310018, China.
Journal of hazardous materials
|November 2, 2025
概括
这项研究引入了一种使用AquaDect平台上的SERS技术来检测水中的微塑料和纳米塑料的新方法. 先进的技术成功地识别了这些污染物到2mg/L,为环境监测提供了显著的改进.
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:
- 微塑料和纳米塑料对环境构成重大威胁,需要在水溶液中使用先进的检测方法.
- 目前的检测技术在灵敏度和适用于不同类型和大小的塑料的应用方面存在局限性.
研究的目的:
- 开发和验证一种用于水性环境中微塑料和纳米塑料的定性化学研究的新方法.
- 评估表面增强拉曼光谱 (SERS) 在AquaDect平台上的微塑料检测的有效性.
- 探索机器学习模型,以准确地分类和识别塑料污染物.
主要方法:
- 利用AquaDect平台与SERS技术分析各种尺寸的微塑料 (聚乙烯,聚乙烯,聚烯,PMMA) 和纳米塑料.
- 通过不同的样本与银溶液的比率和度来研究拉曼信号增强.
- 采用扫描电子显微镜进行表征和罗达胺6G作为探针分子来测试SERS活动.
- 应用的维度减小技术 (PCA,t-SNE,UMAP,LDA) 和机器学习模型 (LightGBM) 用于光谱数据分析和分类.
主要成果:
- 在纯水和湖水中对微塑料和纳米塑料进行显著的拉曼信号增强.
- 实现了微塑料低至2mg/L的检测极限,克服了液体分析中以前的限制.
- 轻GBM模型在基于光谱数据的基础上对塑料污染物进行分类,实现了高精度 (0.94) 和F1得分 (0.94).
结论:
- 在AquaDect平台上的基于SERS的方法为水生环境中检测微塑料和纳米塑料提供了强大而灵敏的解决方案.
- 整合缩小维度和机器学习显著提高了塑料污染物识别的准确性和效率.
- 这种方法为监测残留微塑料污染和为环境管理策略提供了有效的工具.
