重工机械网

　　微塑料，是一种直径小于5毫米的塑料颗粒，是造成污染的主要载体。微塑料体积小，这就意味着其比表面积大，吸附污染物的能力越强。目前,微塑料已在世界范围内的海洋环境、地表水系统(湖泊、河流等)、陆地系统(土壤、污泥等)和空气粉尘中被广泛检出。因此，快速准确对不同类型的微塑料进行分类识别对环境中微塑料污染的追溯和针对性治理具有重要意义。
 

　　近日，中国科学院合肥物质科学研究院安光所高晓明研究员团队在实现基于改进残差神经网络在劣质拉曼光谱检测识别微塑料方面取得新进展，相关研究成果发表在国际知名期刊《塔兰塔》上。
 

　　拉曼光谱技术具有无损检测、非入侵性、样品要求量低、空间分辨率高、光谱范围宽等特点，适用于微塑料检测识别。机器学习算法可以快速处理和分析大量光谱数据，能够从复杂的拉曼光谱数据中快速提取特征进行有效分类，然而运用拉曼光谱处理和分析复杂环境或干扰情况下的微塑料仍然具有挑战。
 

　　研究团队提出了一种改进的残差网络模型，可对激光功率不足和光谱采集时间较短的非理想实验条件下测得的微塑料不同质量拉曼光谱进行分类识别。相比传统的卷积神经网络，引入挤压-激发(SE)模块的改进的残差网络能够在不显著增加参数量和计算量情况下，在噪声干扰大、信噪比低的低质量微塑料拉曼光谱分类中达到更高的准确率，并且通过Grad-CAM可视化反映了机器学习进行光谱分类的依据。这项工作表明了机器学习在更多复杂环境和干扰下，分析处理低质量拉曼光谱的能力。
 

　　拉曼光谱检测识别微塑料的技术突破，不仅彰显了我国在环境污染物研究领域的实力，更为全球生态环境治理注入了新的活力。未来，随着技术的进一步优化与应用，更加快捷、高效的微塑料检测技术有望加速走向现实，为实现绿色可持续的社会经济发展贡献更多力量。
 

　　素材来源：安徽日报