• 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。

    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。

 本次研究的亮點(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：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)練過的模型，面對(duì)從未學(xué)習(xí)過的、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）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。

布魯克發(fā)布了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！

面陣列紅外顯微鏡LUMOS II