一种新的荧光成像方法，用于评估水中不同类型的油及其浓度

《Chemical Engineering & Technology》：A New Fluorescence Imaging Method to Evaluate Different Oil Types and Their Concentrations in Water

本研究提出了一种改进的荧光成像方法，用于定量测定动态乳化液中油浓度（5-500 ppm），并同步分析油滴分布。通过Nile Red荧光标记，结合显微成像技术，实现了油滴数量、尺寸及荧光强度的精确检测，验证了该方法与油浓度的强线性关系（R2=0.967-0.999）。优化搅拌参数（14,000 rpm，90 s）确保乳化稳定性，并成功应用于PTJ泵的油水分离性能评估。

　　油污染在水体系统中仍然是一个全球性的重要问题，尤其是一些船舶排放的油污水，可能超过国际海事组织（IMO）设定的15 ppm油含量阈值。为了应对这一挑战，本研究提出了一种改进的荧光成像方法，用于精确量化油含量并同时表征动态乳化液中的油滴分布。该方法适用于多种油类，并且在不使用化学稳定剂的情况下，可以检测从5到100 ppm的油含量范围。通过对图像进行定制算法处理，可以确定荧光信号强度、油滴数量及尺寸分布，实验结果表明，荧光信号与油含量之间存在强线性相关性（R2 = 0.967–0.999），显示出该方法在检测精度方面的优势。

油污染不仅来自突发的事故，如石油泄漏、油轮碰撞或海上钻井平台事故，也源于日常的工业排放和不规范的废弃物处理。无论是油基材料还是矿物油，它们都可能对环境造成严重破坏，影响水体质量、土壤健康以及生物栖息地。2010年的“深水地平线”石油泄漏事件，是历史上最严重的油污染事故之一，释放了约8亿升原油进入墨西哥湾，对海洋生态系统造成了巨大影响。近年来，如2020年一艘货轮在毛里求斯搁浅导致近1000吨原油泄漏，以及2021年俄罗斯诺里尔斯克柴油泄漏事件，均再次凸显了油污染的严重性。随着气候变化带来的极端天气事件日益频繁，这些污染事件的风险也在增加，进一步加剧了对环境的威胁。

目前用于油水分离的技术主要包括机械分离器、化学分散剂等，但这些方法在实际应用中仍面临诸多限制。例如，机械分离器虽然操作简单，但分离效率较低，且需要较大的设备投入。化学分散剂虽然可以加速油滴的分解，提高微生物对油的降解效率，但其本身可能对环境造成新的危害，甚至比油本身更具毒性。此外，油污焚烧虽然能快速去除油膜，但会产生有毒的燃烧残留物，对海洋生物链构成威胁。因此，不仅需要提升油水分离技术的效率，还需要开发可靠且精确的评估方法，以确保分离过程的有效性并符合环保法规。

为了满足这一需求，研究者们探索了多种监测手段，其中荧光光谱技术因其高灵敏度和非破坏性而受到关注。该技术利用芳香烃类物质在紫外光照射下的自然荧光特性，通过测量其发射信号来评估油含量。在实验室条件下，荧光检测的灵敏度可以达到0.1 ppb，而在实际应用中通常在0.1至1 ppb之间。这种高灵敏度使得荧光技术成为检测微量油污染的理想选择。然而，该方法的性能受油类化学成分的影响较大，例如，脂肪族烃类物质的荧光信号较弱，甚至无法检测。此外，天然有机物质（如腐殖质）或其他干扰性荧光化合物也可能影响检测的准确性，因此需要对系统进行细致的校准和验证。

本研究提出的改进荧光成像方法通过使用Nile Red作为荧光标记物，克服了某些油类自身荧光信号不足的问题。Nile Red是一种疏水性染料，能够特异性地结合到油滴表面，且在水中不溶，从而确保了油滴与水的区分。实验中使用了Duetta荧光与吸收光谱仪对Nile Red染色的油样进行检测，结果表明，该染料在紫外光（535 nm）激发下会产生显著的荧光信号，峰值在570 nm附近。为了确保实验的准确性，研究团队在制备油水乳化液时避免使用化学稳定剂，以防止对荧光信号的干扰。此外，为了提升图像质量，研究采用了两种不同类型的相机：一种用于宽视野成像，另一种则配备了高分辨率显微镜，以便于更精确地观察油滴的分布情况。

在实验过程中，研究团队对油水乳化液的制备参数进行了系统优化，以确保乳化液在图像采集过程中保持稳定。实验选择了不同搅拌速度和搅拌时间，测试了其对乳化液稳定性的影响。结果表明，随着搅拌速度的增加，油滴数量显著上升，但平均油滴尺寸略有下降。这一现象表明，较高的搅拌速度有助于形成更细小且均匀的油滴，从而提高荧光信号的强度和检测的准确性。同时，研究发现，即使在搅拌停止后，油滴数量仍会保持相对稳定，说明乳化液在短时间内具有良好的分散性。然而，搅拌时间的延长可能会导致空气进入乳化液，从而影响油滴数量的测量，因此需要在实验设计中加以控制。

为了进一步验证该方法的适用性，研究团队对不同类型的油进行了测试，包括向日葵油、亚麻籽油、橄榄油和机油。这些油类中，除向日葵油外，其他油类均具有足够的自然荧光，能够直接用于检测。向日葵油则需要通过Nile Red染色来增强其荧光信号，以便于准确分析。实验结果显示，所有测试油类的荧光信号与油含量之间均存在良好的线性关系，表明该方法具有广泛的适用性。此外，研究还发现，Nile Red的浓度会影响荧光信号的强度，更高的染料浓度会带来更陡峭的校准曲线，从而提高检测的灵敏度和准确性。

除了荧光信号的检测，研究团队还通过显微镜图像分析来评估油滴的分布情况。显微镜图像能够提供油滴数量和尺寸的详细信息，这对于理解乳化液的动态特性至关重要。实验结果表明，随着油含量的增加，油滴数量也随之上升，但油滴尺寸的变化相对较小。这一现象可能与油滴的运动状态有关，即使油滴没有发生聚并或沉降，其在不同时间点进入图像焦平面的数量仍会有所波动。因此，为了提高检测的稳定性，研究团队在图像处理过程中采用了区域兴趣（ROI）技术，确保每次测量的图像范围一致，从而减少边缘效应带来的误差。

在实际应用方面，研究团队首次将该荧光成像方法用于评估Pitot tube jet（PTJ）泵的分离性能。PTJ泵是一种高效的油水分离装置，尤其适用于远程或海上油污处理场景。尽管PTJ泵在实验室条件下已经能够实现油含量低于15 ppm的分离效果，但目前仍缺乏一种能够实时监测低浓度油污染的在线检测方法。为此，研究团队在PTJ泵测试平台上安装了荧光成像系统，并通过染色油样来验证其检测能力。实验结果显示，该方法能够有效检测低浓度油污染，并与现有的实验室分析方法（如总烃含量分析）保持良好的一致性。这一成果为未来开发适用于工业和海洋环境的在线监测系统奠定了基础。

研究团队还发现，某些油类在实际应用中可能需要额外的荧光标记物以确保检测的可靠性。例如，向日葵油由于自身荧光较弱，必须依赖Nile Red等外部染料才能实现有效的检测。虽然这种需求在大多数实际应用中并非关键，但在某些特定场景下，如处理低浓度油污染或非芳香烃类油品时，外部染料的使用显得尤为重要。此外，研究还探讨了如何通过改进光源强度、优化图像处理算法或引入可控的在线染料注入系统来进一步提升检测性能。这些策略旨在解决现有技术中可能存在的灵敏度不足、干扰信号影响等问题，从而提高油水分离监测的准确性和可靠性。

未来的研究方向将集中在将荧光成像技术转化为实际的在线监测系统，以便在工业和海洋环境中实现连续、实时的油水分离评估。同时，研究团队计划扩展该方法的应用范围，使其适用于更广泛的油类和荧光标记物。此外，研究还将探索在不同环境条件下（如温度变化、固体颗粒存在等）该方法的适应性，以确保其在复杂现实场景中的稳定性。这些努力不仅有助于提高油水分离技术的效率，还将为环境监测和污染治理提供更加精确和可靠的数据支持。

总之，油污染问题的持续存在对全球生态环境构成了严重威胁，而有效的油水分离技术是减少这种影响的关键。本研究提出的荧光成像方法在检测精度、适用性和实时性方面均表现出显著优势，为油污染的监测和治理提供了新的思路和技术手段。随着技术的不断进步，未来有望实现更加高效、智能和自动化的油水分离监测系统，从而更好地应对日益严峻的环境挑战。