用于實(shí)時(shí)識別微塑料的智能偏振和光譜全息技術(shù)

光學(xué)顯微鏡技術(shù)作為一種重要的成像方法，可以提供快速、無損且非侵入性的微小顆粒探測、定量和表征。然而，光學(xué)系統(tǒng)通常需要結(jié)合光譜學(xué)和色譜分析法以進(jìn)行精確的材料測定，這種方法耗時(shí)且費(fèi)力。

據(jù)麥姆斯咨詢報(bào)道，近日，香港大學(xué)的科研團(tuán)隊(duì)設(shè)計(jì)了一種能夠自動(dòng)分析分子結(jié)構(gòu)和組成的偏振和光譜全息技術(shù)，即智能偏振和光譜全息技術(shù)（SPLASH）。這種智能方法通過整合多維特征來提高評估性能，從而實(shí)現(xiàn)高精度且高效的識別。它同時(shí)捕獲偏振狀態(tài)相關(guān)的全息和紋理特征作為光譜信息，且無需物理實(shí)現(xiàn)的光譜系統(tǒng)。

通過利用斯托克斯（Stokes）偏振掩模（SPM），SPLASH實(shí)現(xiàn)了四種偏振狀態(tài)的同時(shí)成像。該方法的有效性已在微塑料（MP）的識別應(yīng)用中得到驗(yàn)證。相關(guān)研究內(nèi)容以“Smart polarization and spectroscopic holography for real-time microplastics identification”為主題發(fā)布在Communications Engineering期刊上。該論文的第一作者為Yanmin Zhu，通訊作者為Edmund Y. Lam教授。

SPLASH系統(tǒng)如圖1e所示，該系統(tǒng)由激光二極管、凸透鏡、線性偏振片、四分之一波片以及集成全斯托克斯（Stokes）偏振掩膜的偏振相機(jī)共同組成。其中激光二極管發(fā)射波長為532 nm的非偏振光，凸透鏡用于光束準(zhǔn)直；線性偏振片與四分之一波片相組合并插入光路中，以便在不引入相位調(diào)制的情況下調(diào)諧激光強(qiáng)度。

隨后，調(diào)諧后的激光穿過樣品到達(dá)傳感平面，并利用偏振相機(jī)對其進(jìn)行分析。全斯托克斯偏振掩模集成在偏振相機(jī)成像傳感平面前，以一次性記錄樣品的四種斯托克斯?fàn)顟B(tài)圖像。微塑料樣品在0°、45°、90°和135°四種偏振狀態(tài)下的實(shí)驗(yàn)圖像如圖1a至圖1d所示。

圖1 微塑料樣品的四種斯托克斯?fàn)顟B(tài)圖像及SPLASH系統(tǒng)

從編碼SPLASH圖像的豐富特征信息中，選擇四類特征進(jìn)行分組。根據(jù)特征類型分類，這四類特征分別為紋理特征、傅立葉功率譜（FPS）特征、全息特征以及偏振特征。具體而言，全息特征描述了全息條紋的對比度和透明度；偏振特征包括了偏振角（AoP）、線性偏振度（DoLP）、相位延遲和光軸方向值；紋理特征涵蓋鄰域灰度差異矩陣（neighborhood gray-tone difference matrix）和灰度區(qū)域大小矩陣（gray level size zone matrix）特征。傅里葉功率譜特征囊括了徑向求和以及角求和特性。這四類特征組的相關(guān)性和獨(dú)立性測試結(jié)果如圖2所示。

圖2 四類特征組的相關(guān)性和獨(dú)立性測試

接著，為了檢驗(yàn)SPLASH系統(tǒng)在材料分析和微塑料識別方面的能力，研究人員根據(jù)微塑料特征數(shù)據(jù)集訓(xùn)練分類器，該系統(tǒng)識別能力相關(guān)結(jié)果如圖3所示。

圖3 受試者工作特征（ROC）曲線以及分類曲線下面積（AUC）結(jié)果

此外，研究人員利用自然樣本（植物T.S幼根、小球藻和大型水蚤）進(jìn)行了擴(kuò)展實(shí)驗(yàn)，以評估SPLASH系統(tǒng)的識別能力，相關(guān)結(jié)果如圖4至圖6所示。

圖4 植物T.S.幼根樣本和微塑料的強(qiáng)度圖像及偏振角圖

圖5 小球藻和微塑料的強(qiáng)度圖像及偏振角圖

圖6 大型水蚤和微塑料的強(qiáng)度圖像及偏振角圖

綜上所述，這項(xiàng)研究首次提出了將SPLASH作為一種同時(shí)進(jìn)行偏振-紋理-全息表征的方法，用于微塑料的識別及其與自然粒子的區(qū)分。該方法結(jié)合了分子結(jié)構(gòu)和成分相關(guān)的圖像特征，為材料分析提供了豐富的信息。所提出的光學(xué)系統(tǒng)和方法能夠通過光譜能力進(jìn)行有效的成像分析，無需單獨(dú)的光譜系統(tǒng)。機(jī)器學(xué)習(xí)（ML）算法增強(qiáng)了該系統(tǒng)的可靠性和對大量數(shù)據(jù)處理的自動(dòng)化。

SPLASH非常適合于各種環(huán)境中微塑料的識別，有助于了解復(fù)雜環(huán)境中微塑料的遷移以及與微生物的相互作用。這項(xiàng)工作為實(shí)現(xiàn)光譜全息技術(shù)開辟了新途徑，有望成為解決微塑料污染對生態(tài)系統(tǒng)和人類健康的風(fēng)險(xiǎn)評估、微塑料來源識別以及長期水污染監(jiān)測等公眾日益關(guān)注的問題的工具。

論文鏈接：
https://doi.org/10.1038/s44172-024-00178-4

審核編輯：劉清