综述：迈向更清洁的水域：人工智能辅助数字同轴全息显微镜在污染物检测中的进展

本综述系统探讨了人工智能（AI）辅助数字同轴全息显微镜（DIHM）在水污染物实时监测中的突破性应用。作者指出，DIHM结合AI算法可低成本、高效检测水体中有机、无机及生物污染物（如微塑料、病原体），并强调当前亟需开发提升图像质量的软件模型。研究为环境监测提供了非破坏性、原位（in situ）三维成像解决方案，对保障水资源安全具有重要价值。

　　

迈向更清洁的水域：人工智能辅助数字同轴全息显微镜的革新

摘要
快速城市化与人口增长加剧了水体污染问题，亟需高效、便携的实时监测技术。数字同轴全息显微镜（DIHM）凭借其非标记、三维成像优势，结合人工智能（AI）算法，可实现对纳米级污染物的精准分类。尽管AI依赖大数据训练，但其在提升DIHM检测效率方面展现出巨大潜力。本文综述了AI处理水体污染物全息图像的方法学，并指出当前技术瓶颈——缺乏优化图像质量的通用软件模型。

引言
淡水资源仅占地球总水量的3%，其中仅0.06%可直接利用。微塑料、病原体等污染物通过废水处理厂、农业活动等途径进入水体，威胁生态系统健康。传统检测方法如拉曼光谱（Raman）或傅里叶变换红外光谱（FTIR）需复杂预处理且成本高昂。相比之下，DIHM技术通过记录目标物光场信息，可重构其三维形貌与运动轨迹。早期水下全息相机如HOLOMAR、LISST-100已用于海洋颗粒研究，而集成卷积神经网络（CNN）的HoloSea系统更实现了浮游生物19类别的89%以上分类准确率（F1-score）。

全息技术原理
DIHM基于盖伯（Gabor）1948年提出的全息概念，通过记录物光波与参考波的干涉图样，利用算法重建物体三维信息。其单光路设计简化了系统结构，适合野外部署。偏振敏感DIHM进一步解决了浑浊水体中散射干扰问题，通过分析光波偏振态提升成像信噪比。

技术对比
与透射电镜（TEM）、显微红外光谱（μ-FTIR）等技术相比，DIHM无需标记或真空环境，且可同时获取颗粒数量、尺寸分布及运动学参数。例如，Py-GC-MS虽能鉴定聚合物成分，但会破坏样本；而DIHM可无损追踪微塑料的聚集过程。

散射环境成像突破
偏振敏感DIHM通过分离不同偏振态的信号，有效抑制了复杂介质中的多重散射效应。这一技术为高浊度水域（如河口或工业排水区）的污染物监测提供了新思路。

应用案例
DIHM已成功用于检测纳米塑料（<100 nm）、藻类细胞及重金属颗粒。其三维重建能力可量化污染物沉降速度，甚至解析微生物游动轨迹。在污水处理厂出口监测中，DIHM实时捕捉到了微纤维的聚集动力学行为。

挑战与展望
当前DIHM面临采样流速、景深限制等工程问题，且多目标场景下算法计算量激增。未来方向包括开发轻量化硬件、优化AI模型泛化能力，以及建立标准化全息数据库。

结语
AI与DIHM的协同创新正推动环境监测进入智能化时代。这项技术不仅有望成为水质安全的“哨兵”，更为理解污染物生态行为提供了全新视角。