用戶文章
PNAS
文章題目：Adaptable microplastic classification using similarity learning on μFTIR spectra collected from μFTIR focal plane array imaging
發(fā)表期刊：PNAS
研究單位：德克薩斯農(nóng)工大學(xué)化學(xué)系合成生物交互實(shí)驗(yàn)室、德克薩斯農(nóng)工大學(xué)地質(zhì)與地球物理系
研究技術(shù)：面陣列紅外顯微鏡
樣本類型：微塑料、河流底部泥沙
微塑料污染早已成為全球環(huán)境與健康領(lǐng)域的重大挑戰(zhàn)，從自然環(huán)境到人體組織，這種粒徑1µm至5mm的微小污染物無(wú)處不在，而快速、準(zhǔn)確的識(shí)別與分類，是開(kāi)展微塑料研究和污染治理的核心前提。紅外顯微鏡是微塑料定性分析的黃金手段，但實(shí)際檢測(cè)中，樣品的背景噪聲、復(fù)雜基質(zhì)干擾，以及新聚合物類型的不斷出現(xiàn)，傳統(tǒng)的檢測(cè)手段和常規(guī)機(jī)器學(xué)習(xí)算法早已力不從心，往往難以準(zhǔn)確識(shí)別，導(dǎo)致誤判或漏檢。
2025年9月，德克薩斯農(nóng)工大學(xué)研究團(tuán)隊(duì)發(fā)表于《PNAS》期刊的一項(xiàng)重磅研究為紅外顯微鏡微塑料定性分析帶來(lái)了全新解決方案：深度學(xué)習(xí)+相似性學(xué)習(xí)+布魯克面陣列紅外成像技術(shù)的強(qiáng)強(qiáng)聯(lián)合！這一組合不僅帶來(lái)了超高的定性準(zhǔn)確率，更賦予了整個(gè)分析流程更高的適應(yīng)性、抗干擾性和前瞻性。
布魯克面陣列紅外成像技術(shù)在此項(xiàng)研究中的核心價(jià)值
本項(xiàng)研究實(shí)現(xiàn)技術(shù)突破的關(guān)鍵支撐，是布魯克面陣列紅外成像系統(tǒng)高效生成的高通量、高質(zhì)量光譜數(shù)據(jù)，并通過(guò)與AI算法的結(jié)合，賦予了儀器“學(xué)習(xí)”與“判斷”的能力。也再次印證了布魯克在微塑料紅外檢測(cè)領(lǐng)域的技術(shù)性。
高效率光譜采集： 研究使用布魯克面陣列紅外顯微鏡LUMOS II ，在透射模式下快速采集紅外光譜。每次掃描可以獲取32x32像素（1024條紅外光譜），僅需數(shù)十分鐘即可掃描整個(gè)沉積了微塑料的濾膜區(qū)域，為模型訓(xùn)練與分析提供了海量的原始數(shù)據(jù)。這遠(yuǎn)遠(yuǎn)超越了傳統(tǒng)單點(diǎn)檢測(cè)的速度，為后續(xù)智能模型的應(yīng)用奠定了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。
復(fù)雜樣品處理能力： 該技術(shù)既能分析沉積在潔凈濾膜上的人造微塑料樣品，也能挑戰(zhàn)更具現(xiàn)實(shí)意義的、包含大量外源背景物質(zhì)（如河床沉積物分離后的殘留物）的 “高背景”樣本。這充分證明了布魯克面陣列紅外成像系統(tǒng)在復(fù)雜基質(zhì)中獲取微塑料高質(zhì)量可靠光譜信號(hào)的能力。
構(gòu)建高質(zhì)量數(shù)據(jù)集： 通過(guò)設(shè)計(jì)多腔室濾膜夾，研究人員可在一塊濾膜的不同區(qū)域同時(shí)分析多達(dá)12種不同的微塑料樣品，避免了交叉污染并極大提升了樣品處理通量，讓大規(guī)模樣品的標(biāo)準(zhǔn)化檢測(cè)成為可能。配合自動(dòng)化處理與物像分割技術(shù)（如Voronoi剖分），最終從45種來(lái)源的微塑料中收集了超過(guò)25萬(wàn)條紅外光譜，為深度學(xué)習(xí)模型提供了優(yōu)質(zhì)且規(guī)模巨大的訓(xùn)練和驗(yàn)證集。
圖1 定制設(shè)計(jì)的多通道過(guò)濾支架，每種微塑料樣品對(duì)應(yīng)一個(gè)通道
正是得益于布魯克面陣列紅外成像技術(shù)在高效、高質(zhì)量、高通量數(shù)據(jù)采集方面的突出優(yōu)勢(shì)，后續(xù)基于相似性學(xué)習(xí)的深度學(xué)習(xí)模型才能展現(xiàn)出驚艷的性能。
核心亮點(diǎn)
本次研究的最大亮點(diǎn)，并非簡(jiǎn)單的“AI識(shí)別”，而是針對(duì)微塑料分析的特殊挑戰(zhàn)，創(chuàng)新性地將相似度學(xué)習(xí)與一維卷積神經(jīng)網(wǎng)絡(luò)結(jié)合，并依托布魯克的面陣列紅外成像系統(tǒng)，實(shí)現(xiàn)了多方面的突破：
亮點(diǎn)一：更高的“適應(yīng)性”
真實(shí)樣品的高背景挑戰(zhàn)： 真實(shí)的微塑料樣品常被有機(jī)殘留物、粘土等環(huán)境背景信號(hào)嚴(yán)重干擾，導(dǎo)致傳統(tǒng)光譜分析方法的準(zhǔn)確度大幅下降。
AI解決方案： 深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）僅使用“潔凈濾膜”上獲取的微塑料光譜進(jìn)行“相似性學(xué)習(xí)”訓(xùn)練。在訓(xùn)練過(guò)程中，模型學(xué)習(xí)到如何生成能使同類微塑料光譜聚集、不同類微塑料光譜分離的“特征嵌入向量（Embedding）”。
圖2 紅外光譜嵌入式相似性學(xué)習(xí)模型生成過(guò)程和微塑料聚類分離效果
驚人的實(shí)戰(zhàn)表現(xiàn)： 當(dāng)這個(gè)僅在“理想狀態(tài)”下訓(xùn)練過(guò)的模型，面對(duì)從未學(xué)習(xí)過(guò)的、充滿復(fù)雜背景的“高背景”樣品光譜時(shí)，分類準(zhǔn)確率依然高達(dá)0.9 F1分?jǐn)?shù)（LDA算法），遠(yuǎn)超傳統(tǒng)機(jī)器學(xué)習(xí)和常規(guī)深度學(xué)習(xí)算法。這證明了布魯克LUMOS II 面陣列紅外顯微鏡提供的高質(zhì)量光譜，結(jié)合相似性學(xué)習(xí)模型，具備強(qiáng)大的抗干擾能力和自適應(yīng)能力，無(wú)需針對(duì)每種污染場(chǎng)景重新訓(xùn)練。
圖3 開(kāi)放集識(shí)別對(duì)未知塑料和非塑料的分離效果
亮點(diǎn)二：開(kāi)放的“未知物識(shí)別”能力
現(xiàn)實(shí)痛點(diǎn)： 傳統(tǒng)分類模型只能從它“認(rèn)識(shí)”（訓(xùn)練過(guò)）的塑料類別里挑選答案。遇到新型塑料或非塑料顆粒（如棉纖維、昆蟲(chóng)碎片等），往往會(huì)強(qiáng)制給出錯(cuò)誤分類，導(dǎo)致誤判。但微塑料種類繁多，實(shí)驗(yàn)室數(shù)據(jù)庫(kù)往往無(wú)法覆蓋所有類型。
AI的創(chuàng)新解法： 相似性學(xué)習(xí)形成的嵌入空間具有清晰的集群結(jié)構(gòu)。通過(guò)設(shè)定一個(gè)簡(jiǎn)單的距離或概率閾值，模型可以可靠地識(shí)別并標(biāo)記出那些遠(yuǎn)離所有已知類別集群的數(shù)據(jù)點(diǎn)，將其歸為“未知”或“其他”類別，解決了傳統(tǒng)分類模型易誤判的行業(yè)痛點(diǎn)，從而實(shí)現(xiàn)了開(kāi)放集識(shí)別。
打破識(shí)別邊界： 這意味著實(shí)驗(yàn)室的分析能力不再是固定的列表。模型能夠主動(dòng)報(bào)告環(huán)境樣品中可能存在的、超出預(yù)期的新塑料或污染，為進(jìn)一步的研究提供了關(guān)鍵線索。
亮點(diǎn)三：靈活高效的光譜庫(kù)擴(kuò)展與“少樣本學(xué)習(xí)”潛力
克服數(shù)據(jù)壁壘： 收集涵蓋所有潛在塑料種類的光譜庫(kù)是昂貴且?guī)缀醪豢赡芡瓿傻娜蝿?wù)。
AI的獨(dú)特路徑： 相似性學(xué)習(xí)模型只需學(xué)習(xí)如何“分辨光譜”，而不是“死記硬背”所有類別。增加一個(gè)新塑料類別，僅需少量（甚至幾個(gè)）其參考光譜放入嵌入空間作為“錨點(diǎn)”，下游分類器便能有效識(shí)別。無(wú)需對(duì)整個(gè)復(fù)雜的深度學(xué)習(xí)模型進(jìn)行重新訓(xùn)練。
節(jié)約成本，適應(yīng)未來(lái)： 這不僅大大降低了數(shù)據(jù)采集的成本與時(shí)間，也為微塑料分析數(shù)據(jù)庫(kù)隨著時(shí)間迭代與擴(kuò)展提供了一條極其靈活和經(jīng)濟(jì)的路徑。
結(jié)論
本研究通過(guò)結(jié)合布魯克強(qiáng)大的面陣列紅外成像硬件系統(tǒng)與前沿的深度學(xué)習(xí)相似性學(xué)習(xí)算法，構(gòu)建了一個(gè)在準(zhǔn)確度、穩(wěn)健性和適應(yīng)性方面均表現(xiàn)較好的微塑料智能分析框架。它代表了一種范式的轉(zhuǎn)變：
從 “費(fèi)力的人工比對(duì)或脆弱的譜庫(kù)搜索”， 轉(zhuǎn)向 “基于高質(zhì)量大數(shù)據(jù)和智能算法的、適應(yīng)真實(shí)復(fù)雜環(huán)境樣品問(wèn)題的、且能自我演進(jìn)的自動(dòng)化分析解決方案”。
此次研究的突破，不僅驗(yàn)證了相似度學(xué)習(xí)在微塑料光譜分析中的巨大潛力，更彰顯了布魯克在紅外光譜技術(shù)領(lǐng)域的深厚積淀─以優(yōu)良的儀器性能，賦能科研人員突破技術(shù)瓶頸，為微塑料污染的精準(zhǔn)監(jiān)測(cè)和治理提供更高效、更可靠的分析工具。
原文鏈接：
https://www.pnas。。ｏｒｇ/doi/epdf/10.1073/pnas.2509745122
樣機(jī)免費(fèi)試用
布魯克發(fā)布了新一代的面陣列激光紅外顯微鏡LUMOS II ILIM，成像速度獲得巨大提升，單次掃描可采集近25萬(wàn)張紅外光譜、空間分辨率低于5微米，并且檢測(cè)器無(wú)需液氮制冷，將微塑料分析的通量提升到了新的高度。
布魯克公司的應(yīng)用中心有面陣列激光紅外顯微鏡LUMOS II ILIM新機(jī)和面陣列紅外顯微鏡LUMOS II樣機(jī)，可免費(fèi)上機(jī)試用和測(cè)樣，具體請(qǐng)聯(lián)系布魯克光譜！
面陣列激光紅外顯微鏡LUMOS II ILIM
面陣列紅外顯微鏡LUMOS II
(空格分隔,最多3個(gè),單個(gè)標(biāo)簽最多10個(gè)字符)
會(huì)員.png)
7
立即詢價(jià)
您提交后，專屬客服將第一時(shí)間為您服務(wù)