研究人员使用人工智能以更高的准确性和速度识别废水中的有毒物质

滑铁卢大学的一个跨学科研究团队正在利用人工智能(AI)比以往更快、更准确地识别微塑料。微塑料常见于食品中，是一种危险的污染物，会造成严重的环境破坏——找到它们是消除它们的关键。

研究小组的先进成像识别系统可以帮助废水处理厂和食品生产行业做出明智的决策，以减轻微塑料对环境和人类健康的潜在影响。

该研究论文“利用深度学习通过焦平面阵列(FPA)微型FT-IR成像自动识别微塑料(MP)”，发表在《环境污染》杂志上。

全面的风险分析和行动计划需要基于准确识别的高质量信息。为了寻找一种强大的分析工具来枚举、识别和描述现有的许多微塑料，项目负责人韦恩·帕克博士和他的团队采用了一种先进的光谱方法，将颗粒暴露在一系列波长的光下。不同类型的塑料在光照下会产生不同的信号。这些信号就像指纹一样，也可用于将颗粒标记为微塑料或非微塑料。

研究人员经常发现的挑战是，由于制造添加剂和填料的存在，微塑料的种类繁多，可能会模糊实验室环境中的“指纹”。这使得从有机材料中识别微塑料以及不同类型的微塑料通常很困难。通常需要人工干预来挖掘微妙的模式和线索，这种过程很慢并且容易出错。

“微塑料是疏水性材料，可以吸收其他化学物质，”滑铁卢土木与环境工程系教授帕克说。“科学仍在不断发展，以了解问题的严重程度，但从理论上讲，微塑料可能会加剧食物链中有毒物质的积累。”

帕克向滑铁卢系统设计工程系教授、加拿大人工智能和医学成像研究主席亚历山大·黄博士寻求帮助。在他的帮助下，该团队开发了一种名为PlasticNet的人工智能工具，使研究人员能够快速分析大量颗粒，速度比以前的方法快约50%，准确度提高20%。

图片来源：滑铁卢大学

该工具是滑铁卢研究人员设计的最新可持续技术，旨在保护我们的环境并从事有助于可持续未来的研究。

“我们建立了一个深度学习神经网络，以增强光谱信号中微塑料的识别，”黄说。“我们根据现有文献来源的数据和我们自己生成的图像对其进行训练，以了解微塑料的不同组成，并快速、正确地发现差异——无论指纹质量如何。”

帕克的前博士。学生FrankZhu用从当地废水处理厂分离出的微塑料测试了该系统。结果表明，它能够以前所未有的速度和准确性识别微塑料。这些信息可以使处理厂能够采取有效措施来控制和消除这些物质。

下一步包括继续学习和测试，以及向PlasticNet系统提供更多数据，以提高其微塑料识别能力的质量，以满足广泛的需求。