基于拉曼光谱和卷积神经网络的淡水沉积物中微塑料的检测

《The Journal of Physical Chemistry B》：Detection of Microplastics in Freshwater Sediments Based on Raman Spectroscopy and Convolutional Neural Networks

微塑料检测方法：本研究开发了基于拉曼光谱与卷积神经网络（CNN）的淡水沉积物微塑料检测方法，通过密度分离和真空过滤分离微塑料，CNN识别准确率达94.27%，优于SVM和随机森林，并成功应用于常荡湖沉积物检测，揭示微塑料主要源自周边人类活动而非河流输入。

　　

监测水环境中的微塑料（MPs）对于预防和控制微塑料污染至关重要。在水环境中，微塑料往往会沉入沉积物中，导致沉积物中的微塑料浓度远高于水中的浓度。然而，沉积物的成分非常复杂，难以分析。本文提出了一种基于拉曼光谱和卷积神经网络（CNNs）的淡水沉积物中微塑料检测方法。通过密度分离和真空辅助过滤技术将微塑料从沉积物中分离出来。该CNN模型使用从淡水沉积物中提取的微塑料和有机混合物的拉曼光谱进行训练，并通过微塑料与沉积物混合物的拉曼光谱进行测试。使用CNN识别微塑料的准确率高达94.27%，优于其他机器学习模型（如支持向量机SVM和随机森林RF）。该方法应用于长荡湖沉积物中微塑料的检测，结果表明，长荡湖中的微塑料主要来源于湖泊周边人类活动产生的塑料垃圾，而非河流输入。