基于线扫描拉曼成像与深度学习的高通量微塑料检测平台及其环境应用

本文报道了一种集成线扫描拉曼成像与深度学习算法的创新平台，实现了滤膜表面≥10 μm微塑料的高通量快速检测。该系统结合马赛克扫描技术与光学显微镜，可在1小时内完成47毫米直径滤膜的全样本分析，显著提升了微塑料化学形态分布分析的效率与统计可靠性，为环境实时监测提供了强有力的技术支撑。

　　

亮点

我们开发了一种新型线扫描拉曼平台，专为滤膜上的微塑料分析而设计。

该系统集成了深度学习算法，可自动分类和量化微塑料。

该平台可在1小时内完成47毫米滤膜的全面分析。

该方法能够检测复杂滤膜表面上小至10微米的微塑料。

该技术为微塑料的高通量监测提供了一种可扩展的解决方案。

样品制备

选择水生环境中常见的四种微塑料作为目标分析物，即聚苯乙烯（PS）、聚氯乙烯（PVC）、聚乙烯（PE）和聚丙烯（PP）。为模拟真实环境中微塑料的多样性，样品被制备成不同形状和尺寸。PS样品为直径10、20、30和100微米的球形颗粒。

可扩展高通量拉曼成像系统的开发

基于我们先前开发的采用平顶线光束配置的高光谱拉曼成像系统，我们对其进行了改进，以获取用于微塑料取样的微孔滤膜整个区域的拉曼信号。该检测系统结合了线扫描技术和马赛克拼接操作，实现了对滤膜表面分散样品的高通量、高分辨率化学分析。图1展示了所提出系统的仪器示意图。

结论

我们展示了一种强大且多功能的高通量拉曼检测系统，能够在各种样品尺寸范围内实现微塑料的准确快速识别。深度学习算法和对象掩膜技术的集成，使得即使在具有复杂异质基质的样品中，也能对微塑料进行稳健的分类和定量。随着光学组件和数据处理流程的进一步改进，所提出的框架可以……