67 / 2025-03-30 22:23:48

室内微塑料污染全面高效表征的新方法

微塑料,荧光光谱分析,机器学习,图像识别,室内灰尘

微塑料暴露对人体健康构成严重威胁，然而室内环境中其污染水平与特征仍缺乏系统研究。传统荧光分析法虽被广泛应用，但受天然组分干扰及塑料类型辨识困难等限制，导致检测准确性不足。本研究采用多染料染色、超高分辨荧光光谱分析并结合机器学习和图像识别算法实现微塑料污染的系统性表征。微塑料（聚乙烯、聚丙烯等）与天然成分（棉、羊毛等）在经过多种染料染色（尼罗红、4',6-二脒基-2-苯基吲哚等）后荧光特征存在显著差异，微塑料各成分间亦具可辨识特征光谱。基于此，本研究构建了机器学习分类模型和荧光颗粒检测程序，可有效排除天然成分的干扰、精准识别微塑料颗粒类型、自动测量其粒径、形态等特征并对其质量浓度进行计算，与拉曼光谱分析和热裂解气相色谱质谱分析结果一致。此外，本研究采集了典型室内环境灰尘样本，发现室内微塑料主要成分为聚酯、尼龙和聚丙烯，总浓度可达49mg/g。该方法突破了传统荧光分析的局限，为室内微塑料污染评估提供了有效手段。