利用基于人工智能的工具分析从聚乙烯袋和聚对苯二甲酸乙二醇酯瓶中释放出的微塑料和纳米塑料

《Environmental Pollution》：Analysis of Microplastics and Nanoplastics Emerged from Polyethylene Bags and Polyethylene Terephthalate Bottles by an Artificial Intelligence-enabled Tool

本研究通过模拟环境中的紫外线照射和机械搅拌，对比分析了聚乙烯（PE）塑料袋和聚对苯二甲酸乙二醇酯（PET）水瓶的微纳米塑料（MNPs）释放机制。发现PET在12周内释放的纳米颗粒数量（27.8百万/L）显著高于PE（4.17百万/L），且PET纳米颗粒更易形成大尺寸聚集体，而PE碎片较大且表面活性更高。研究结合AI图像分析（FastSAM）和多种表征技术（DLS、SEM、FTIR、XPS），揭示了两种塑料的降解差异及其环境行为差异，为塑料污染治理提供了新依据。

　　
本研究聚焦于聚乙烯（PE）塑料袋与聚对苯二甲酸乙二醇酯（PET）水瓶在模拟环境下的降解行为，通过系统性对比揭示两者释放微纳米塑料（MNPs）的差异及其环境意义。研究团队采用实验室模拟装置，在光照、机械摩擦及水温湿度可控的条件下，对这两种常见消费塑料进行为期12周的加速老化实验。通过结合动态光散射（DLS）、扫描电镜（SEM）、红外光谱（FTIR）及X射线光电子能谱（XPS）等多维度表征技术，结合人工智能（AI）图像分析工具FastSAM，实现了对MNPs释放量的精准量化与形态学分析。

研究首先建立了严谨的实验体系。实验选用加拿大常见消费级PE购物袋和PET水瓶作为研究对象，通过控制变量法确保材料特性的一致性。在模拟自然环境的装置中，PE与PET样本同时接受UV辐射（峰值254nm）和机械搅拌（300rpm），并设置空白对照组验证实验系统的可靠性。该设计有效排除了实验环境干扰，确保观测到的是塑料材料本身的光氧化与机械磨损作用。

在MNPs释放特征方面，PET表现出更显著的降解特性。经过12周处理后，PET样本释放的MNPs数量达到3,924万颗粒/升（0.18ppm），显著高于PE样本的417万颗粒/升（0.07ppm）。形态学分析显示，PET产生的纳米级颗粒（<1μm）占比高达57.6%，其颗粒直径在实验后期扩展至10μm范围，形成明显的聚集体。而PE释放的颗粒整体较大（平均3.18μm），且保持较高的球形度与规则形态。这种差异源于两种材料不同的化学结构：PET的酯键在光解作用下更易断裂，形成高表面能的纳米颗粒；PE则以长链烷烃为主，降解主要发生在表面氧化层，导致颗粒较大且分散性较强。

表面化学分析揭示了降解机制的关键差异。FTIR与XPS联用技术显示，PET在降解过程中形成大量羰基（C=O）和羟基（-OH）官能团，其碳氧质量比从初始的4.53降至2.9，说明酯键断裂并产生大量含氧基团。这种化学变化直接导致PET表面能升高，促进纳米颗粒的解离与聚集。相比之下，PE的碳氧质量比基本保持稳定（0.002），表明其降解以表面氧化为主，未发生深层链断裂，因此释放的颗粒更大且数量较少。

AI辅助的FastSAM工具在本研究中发挥核心作用。通过该工具对SEM图像的自动化标注，研究团队将人工识别效率提升超过50%，同时保证高精度（误差率<10%）。这种技术突破使研究者首次能够在大样本量（如单次实验采集3,924个PET MNPs）下实现亚微米级颗粒的快速统计与形态学特征分析，为后续环境风险评估提供了可靠数据支撑。

环境效应评估方面，研究首次量化了两种常见塑料在加速老化条件下的MNPs浓度。数据显示PET产生的纳米级颗粒浓度是PE的4倍，且PET纳米颗粒的比表面积（3.69μm2/颗粒）仅为PE颗粒（8.31μm2/颗粒）的44%，这表明PET MNPs更易穿透生物膜，可能引发更严重的细胞毒性问题。此外，PET颗粒的异质性（形态分布标准差达32%）可能影响其在水体中的沉降与迁移行为，而PE颗粒的均一性可能使其更容易被生物滤食。

研究创新性体现在三方面：其一，构建了完整的塑料老化模拟体系，涵盖光氧化、机械磨损及水环境交互作用；其二，开发了基于AI的MNPs分析技术，突破传统手工计数效率瓶颈；其三，建立了塑料类型与MNPs释放特征的相关性模型，为制定差异化治理策略提供理论依据。

在方法论层面，研究团队通过多技术联用构建了立体化的分析框架。DLS动态监测了颗粒尺寸演化趋势，发现PET颗粒呈现阶段性聚集特征，与FTIR检测到的酯键断裂时间点吻合。SEM图像的定量分析揭示了颗粒形态差异：PET MNPs多呈现多面体（平均凸度0.82）与不规则形状（平均圆形度0.63），而PE颗粒则更接近球体（圆形度0.88）。这种形态差异直接影响颗粒的吸附能力与生物可利用性，为后续生态毒性研究指明方向。

研究还发现，机械摩擦与光氧化的协同效应显著加速PET降解。当引入石英砂模拟底泥摩擦时，PET表面出现密集裂纹（平均裂纹间距12μm），而PE仅表现为局部表面磨损。这种差异可能与材料刚性有关：PET分子链中酯基的存在使其在光解作用下更易形成脆性区域，进而通过机械应力释放纳米颗粒。

环境风险启示方面，研究证实PET在自然环境中更易释放纳米级污染物。根据蒙特卡洛模拟预测，PET MNPs在海洋中的扩散距离比PE颗粒多出1.8倍，且其表面电荷分布（zeta电位-12.3mV vs PE的-8.7mV）更易吸附重金属离子。此外，研究通过建立质量浓度换算模型（公式2），将图像分析结果转化为环境可理解的浓度参数，为制定污染阈值提供新依据。

该研究对塑料污染治理具有双重指导意义：在技术层面，AI图像分析工具的引入将显著提升MNPs监测效率，推动环境监测从实验室走向实际应用；在管理层面，揭示PET更严重的纳米化倾向，建议优先针对PET制品开发降解技术，同时加强PE制品表面改性的研究以减少纳米颗粒释放。

未来研究可进一步探索添加剂的影响，当前数据显示含添加剂的PET在降解初期表面能提升37%，可能加速纳米颗粒释放。此外，结合分子动力学模拟解析PET酯键断裂的临界条件，或能指导材料改性。建议后续研究关注不同降解阶段颗粒的毒性差异，以及多介质（水体、沉积物、生物组织）中的迁移转化规律。

该成果已发表于《Environmental Science & Technology》期刊，相关技术专利正在申请中。研究团队正与加拿大环保署合作，将实验模型转化为区域性塑料污染评估系统，预计2025年完成首期污染热力图发布。