روش ترکیبی یادگیری ماشین و طیف‌سنجی FTIR برای شناسایی میکروپلاستیک‌ها

پذیرفته شده برای ارائه شفاهی

کد مقاله : 1583-ISSC19 (R1)

گروه علوم و مهندسی خاک، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، ایران

همواره پیچیدگی تجزیه و تحلیل شناسایی میکروپلاستیک‌ها یک چالش بزرگ بوده است. این مطالعه یک رویکرد مبتنی بر یادگیری ماشینی را معرفی می‌کند که تجزیه و تحلیل میکروپلاستیک سریع‌تر و ایمن‌تری را نشان داده است. در ارزیابی، ما روش‌های تفسیر انسانی، یادگیری ماشینی و پردازش تصویر را با استفاده از شاخص شباهت ساختاری (SSIM) مقایسه می‌کنیم که نتایج کلی هم‌ترازی را نشان می‌دهد، هرچند در برخی از نمونه‌ها عملکرد یادگیری ماشین نسبت به تفسیر انسانی رضایت‌بخش است، اما در تشخیص انواع میکروپلاستیک در این نمونه‌ها اختلافاتی وجود دارد. نکته قابل توجه این است که این مطالعه میکروپلاستیک‌های HDPE و LDPE بالقوه را شناسایی می‌کند و مقداری جزئی نسبت به تفسیر انسانی متفاوت است.

پایتون؛ پلی‌اتیلن با چگالی کم؛ پلی‌اتیلن با چگالی بالا؛ طیف‌سنجی؛ میکروپلاستیک

آلودگی خاک، آب و محیط زیست