评述:水体中微塑料污染的数字全息检测技术综述

   2024-01-11 4710
核心提示:评述:水体中微塑料污染的数字全息检测技术综述

撰稿人 | 薪胆居士


论文题目 | Digital holographic approaches to the detection and characterization of microplastics in water environments


作者Marika Valentino, Daniele Gaetano Sirico, Pasquale Memmolo, Lisa Miccio, Vittorio Bianco, Pietro Ferraro


完成单位 | 意大利那不勒斯大学

研究背景

      在环境科学与技术研究领域中,微塑料的检测和识别是一大难题。因为对微塑料问题的认识时间不长,所以相关研究还处于初级阶段,也没有统一的技术标准或者国际协议。目前,环保部门对微塑料的类型识别和含量检测通常采用多种方法配合的方式(例如:显微观察、光谱分析等)来实现,整个过程较为繁琐耗时。

      数字全息(digital holography, DH)显微是一种定量相位成像技术(quantitative phase imaging, DPI),通过测量‘光束进入光密介质时的相移’来检测目标并实现成像。DH的图像重建算法是以标量衍射理论为基础开发的,其优势在于:在图像重建过程中可以对‘显微图像中因离焦而模糊的样品’加以修正得到清晰的像。因此特别适用于动态样本的测量,可用来观测目标参数的时域变化。与此同时,DH还可以利用反向传播算法逐层重建显微视场中多个不同焦平面内的图像,从而形成三维立体图像。此外,DH显微技术还具有时空分辨率高、微塑料样品制备过程简单、检测效率高、结构紧凑可集成等优点。

      当然了,由于微塑料的种类繁多,材质各异,颜色也有所不同,与光的相互作用(主要是折射、反射、吸收和散射)复杂,还需加入人工智能算法(artificial intelligence, AI)才能真正解决微塑料的分类识别和量化检测问题。

论文导读

      塑料制品已遍布当今世界各地,充斥于人类生活当中。因需求量巨大,在电子、农业、纺织、包装等工业部门中,塑料制品的产量逐年增加,目前已接近百万吨。与此对应的,塑料对大气、土壤和海洋的污染也日益严重。

      塑料制品的“好用之处”就在于结实、防水、耐用,不像纸质品或木制品那样怕水,易腐烂。但这也正是其“可怕之处”:塑料的稳定性和抗降解性使其难以“被自然消化”,在其被丢弃后,一方面受风力或水流的作用与岩石、墙壁、礁石等障碍物多次碰撞摩擦会使得塑料破碎;另一方面,塑料受到光、热甚至是生物降解作用后,也会变的酥脆易碎,最终会变成塑料碎粒或纤维混杂在土壤或者水体中,被称为微塑料。

      “微塑料”的概念是英国普利茅斯大学的汤普森等人于2004年在Science上发文首次提出的,其粒径范围从几微米到几毫米不等,肉眼往往难以分辨。微塑料体积小,比表面积大(比表面积指多孔固体物质单位质量所具有的表面积),吸附的污染物的能力很强。因此,微塑料和周边环境中已有的污染物相遇时会聚集成一个污染物球体,危害性更大。

      2018年11月30日,国家海洋环境监测中心在海水中、在海底和海底沉积物当中,都发现有微塑料的存在。2022年6月,在南极洲的新降雪中首次发现了微塑料。因此微塑料污染已经成为了一个全球性问题。

      微塑料在土壤或水体中被动植物吸收后会沿着食物链向顶层的人类逐步富集。与此同时,土壤中的微塑料有可能随风而起,污染大气,通过呼吸系统进入人体;水体中的微塑料则有可能混入饮用水中。因而微塑料污染与每个人息息相关。2022年3月,科学家首次在人体血液中检测到了微塑料污染;同年4月,英国医学工作者首次在病人肺部深处发现微塑料。微塑料对人体的危害尚处于研究阶段,初步研究证实:人体免疫系统无法清除微塑料,其富集可能引发慢性炎症,增加脏器癌变的风险。

      意大利那不勒斯大学应用科学与智能系统研究所的Vittorio Bianco等人就目前已有的微塑料检测和识别方法进行了横向对比,对数字全息技术在微塑料领域的研究进展进行了综述,相关内容以Digital holographic approaches to the detection and characterization of microplastics in water environments为题发表在Applied Optics上。

技术突破

1

DH原理简介

      在对微塑料加以分析之前,通常需要先到现场对大气、土壤或水体进行采样,然后通过分离、过滤、筛选、降解和目视分选等步骤去除微塑料以外的其它颗粒物以避免影响测量效果。常见步骤如图1所示。

图1 微塑料采样过程。先获取大气、土壤或水体样品,然后:1、根据密度进行颗粒物分离;2、根据大小进行筛选;3、生物降解去除有机颗粒或微生物;4、进一步过滤;5、显微分析。

      微塑料的尺寸不同,所用显微方法也有所区别。对于尺寸在1~5mm的微塑料,使用普通生物显微镜就可以看到;尺寸在0.1~1mm的,则需要用到体视显微镜;尺寸小于0.1mm时,则需要用到扫描电镜。

      在“看到”微塑料的基础上,要对其进行分类和检测,就需要用到微塑料的性质差异了。常见的方法如表1所示,各有优劣。

      最具代表性的是基于光学特性的检测方法,主要利用了微塑料在折射率、吸收系数、散射系数、各向异性、光谱等方面的差异。1、利用偏振显微成像技术(Polarized light optical microscopy, PLOM)可以识别一些具有双折射特性的微塑料,如聚乙烯(PE),聚丙烯(PP),聚对苯二甲酸乙二酯(PET),但对各向同性的普通微塑料无效。2、利用傅里叶变换红外光谱(FTIP)技术根据吸收峰的差异可以对微米量级的微塑料进行成份分析和形态学检测。但只能使用完全干燥(避免水的吸收干扰测量结果)且形状规则(避免散射的影响)的微塑料样品。3、利用拉曼光谱技术根据散射特性的差异可以对最小500nm的微塑料进行分类和形态学检测。从空间分辨率上来看,拉曼光谱技术优于FTIP,但拉曼光谱技术所用仪器昂贵,分析耗时,且易受有机颗粒物的荧光效应影响,因而对样品制备的要求较高。

      近年来,也有科研工作者根据不同塑料的热稳定性的差异,采用差示扫描量热法(differential scanning calorimetry, DSC)和热重分析技术(thermal gravimetric analysis, TGA)来检测微塑料污染。但这一类方法在加热过程中会损坏微塑料样品,且对操作分析人员的要求较高。

      荧光染色法也是微塑料检测的方法之一。尤其是使用尼罗红(nile red)染料检测水体表面微塑料的效果很好,也易于操作。但检测精度易受水体中的有机颗粒物影响,普适性不佳。

表1 通过文献调研得出的微塑料识别技术总结。PE:聚乙烯;PP:聚丙烯;PA:聚酰胺(尼龙);PET:聚对苯二甲酸乙二酯;PS:聚苯乙烯;PMMA:聚甲基丙烯酸甲酯;PVC:聚氯乙烯;PU:聚氨酯(氨纶);PES:聚醚砜。

      DH的光学原理是:光束照射到待测样品时,由于样品光密度(optical density, OD)的分布差异在光场不同位置引入不同的相位延迟,从而影响复振幅分布产生新的复光场,然后与参考光会聚叠加产生干涉全息图,由相机将全息图数字化后利用图像重建算法获取样品的信息。根据样品特性的差异,DH的结构也有所不同,主要分为:直线型和离轴型。

      直线型DH的分辨率高,对实验装置的机械偏差不敏感。但全息图的各个衍射级次之间有重叠,难以通过图像重建分离,因此不适于高浓度样本分析。离轴型则更适用于高浓度样本分析,不同级次图像可以在重建过程中用傅里叶分析分离,但对机械配置的精度要求较高。

      DH工作在透射模式下时,图像中每个像素的相位值与样品厚度和折射率成正比,因而可以提供样品的量化信息。DH的图像重建过程源于标量衍射理论。以图2a所示的离轴型DH为例,假设样本与全息图的距离为d,经过样本调制的复光场(O)与参考光(R)相干涉生成全息图。全息图照片(图2b)中的明暗分布可以表述为:

      式中,*是复共轭波,式1右侧的前两项是0级衍射(直流分量),第三项代表复光场的实部图像(+1级),最后一项代表复光场的虚部图像(-1级)。实、虚两幅图像可以通过频域的不同位置加以分离(如图2c所示)。

图2 DH成像过程。(a) 离轴型DH的结构图:利用光束分离器(BS)将激光分成两束,测量光束穿过样品后与参考光干涉形成全息图并由CCD相机拍摄记录下来。待测样品可以是用培养皿盛放的静态样品,也可以是用微流控通道输送的动态样品。(b) 带有微塑料的样品全息图。(c) 全息图的傅里叶频谱,展示了公式1中的四个部分。(d) 微塑料的振幅重建图。(e) 微塑料的相位重建图。

      把衍射算法当作‘菲涅耳-基尔霍夫衍射积分’的求解器,就可以实现重聚焦。举例而言,菲涅尔衍射公式可以简化为:

      式中,FFT{...}代表傅里叶变换,H是全息图,指数项是啁啾函数,λ是激光波长,(x0,yo)是全息平面(z=0)内的位置坐标。重聚焦后,算出物体复振幅C,即可恢复出振幅和相位图像,如图2d和e所示。

      一般来说,当待测样品的光学厚度大于激光波长时,相位图会产生2π歧义问题(wrapped phase images),如图2e所示。此时就须要用相位展开算法来计算真实相位。此外还需要注意:相位展开算法只适用于弱散射样品。而当待测样品具有高吸收或者强散射特性时,相位就很难去量化计算,也就不太需要做相位展开了。话说回来,从图2e可以看出,即使不用相位展开算法,相位图本身也可以用来做目标识别和信息提取。

2

野外便携式全息装置

      对于微塑料检测而言,将样品从污染现场运输到实验室的过程才是最为耗时的。若使用便携式全息设备,就可以实现原位样品收集、测量和分析,大大提高工作效率。目前已有多种用于水下目标检测和成像的便携式全息设备,如图3所示。此类设备已被用于微藻和浮游生物分布检测、石油泄露的油滴浓度检测、微生物活动检测等水生环境监测工作,因此用其进行微塑料的检测应该也是可行的。该文作者还介绍了近年来在便携式全息设备研究方面的代表性成果,这里就不一一复述了。作者着重介绍的几个成果包括:图3a,可以用来分析浮游生物和悬浮颗粒的三维坐标分布和形态的直线型DH成像系统;图3b,一种基于无透镜直线型DH成像的流式细胞仪,实现了流速高达480mL/h水样中的微粒的彩色全息成像;图3c,一种用于野外环境污染监测的离轴型DH显微系统;图3d,一种检测土壤或沙漠样品中微塑料含量的DH显微系统;图3e,一种用于大气颗粒检测的全息气溶胶粒子成像仪(holographic aerosol particle imager, HAPI)。

图3 便携式DH显微设备。(a) 水下伴随式测量设备‘迷你数字全息相机(mini-DHC)’的三维模型图。它是右侧的水文生物探测器中的一个组件。(b) 流式细胞仪,内含微型水泵和微流体通道。(c) 离轴型全息显微镜b及其三维模型a。(d) 超分辨全息显微镜(左)及其结构图(右)。(e) 全息气溶胶粒子成像仪(右)及其结构图(左)。

3

DH软件分析技术

      这一部分讲的是从全息图中定位、识别和量化分析微塑料的软件算法。跟其它的图像处理算法类似,首先要做的是预处理,主要包括:去噪、图像分割、目标跟踪等。这些都可以用AI算法来实现。

A. AI去噪:

      DH显微获取的全息图中最主要的噪声是由样品的浑浊问题造成的严重散射导致的全息图退化,被称为散斑噪声。目前常用的去噪算法有:短时傅里叶变换(short-term Fourier transform, WFT2F),三维块匹配算法(3D block matching, BM3D)和一些基于小波分析的算法。但作者认为,AI技术(比如卷积神经网络,CNN)也可以去除散斑噪声,如图4a所示的Holo-UNet算法就是一个典型例证。

B. AI辅助下的DH图像分析:

      DH显微成像的图像分析指的是利用微塑料的特征将其从重建的复振幅和相位对比图中找出来。对基于机器学习或深度学习的AI算法来说,通常需要经过一定数量已知样本的训练才能用于图像分析。因此,需要对一些已有的包含微塑料的复振幅和相位图进行人工分割和标记。常见方法有相位图的二值化(如图4b的S所示)、相位图的梯度提取(如图4b的S2所示)等。经过训练后的AI算法就可以用来追踪水中的微塑料,如图4c所示。该文还介绍了一些利用AI辅助来分析水体中的硅藻和浮游生物等微小物体的案例,这里就不一一介绍了。

图4 DH显微图像的后期处理。(a) 图像去噪算法示意。(b) 微塑料(MP)的相位图分割算法示例。分割后的图像用于AI算法分析。(c) 聚苯乙烯微粒的追踪示例。

C. AI算法在基于DH显微的微塑料分类中的应用:

      微塑料的种类众多,其材质、颜色、尺寸、生产和老化的过程各异,因此微塑料与光之间的相互作用也很复杂多样。举例而言,有的微塑料是透明的,有的完全不透光,还有的则是半透明的。因此,很难找出一个通用特征来鉴别微塑料。此外,实地采集的样品中通常含有大量的微生物(例如海洋中最常见的硅藻),在微观尺度上易与微塑料混淆,增加了工作的难度。

      微塑料分类的第一步是通过面积、直径和偏心率等参数计算出样品中微小颗粒的形状和尺寸。对于尺寸与微生物或其它自然界已有颗粒物差异较大的,直接标记为微塑料。对于尺度类似的,则需要利用DH显微重建图像中的特征加以区分,目前最具代表性的成果有:1、以图4b中S2对应的相位梯度为特征,采用支持向量机(SVM)区分微塑料和9种常见的硅藻类混合物,识别率可达99%;2、利用分形全息特征(Fractal holographic feature)来区分微塑料和55种微藻(如图5a所示),实验结果表明微塑料的分形维数通常比硅藻的更小、空隙度更小、规则度更高、填充率更大、顶点密度更大;3、利用双折射特性来强化对微塑料的识别,如图5b所示,利用琼斯矩阵作为特征来将聚酰胺6 (PA6)、聚酰胺6.6 (PA6.6)、纺织工业中使用最多的合成超细纤维PP和PET等微塑料纤维从棉花和羊毛等天然纤维中找出来;4、直接用全息图作为输入,通过深度迁移学习策略(CompNet-TL)从土壤和树叶碎片样本中识别微塑料,如图5c所示。该文还介绍了其他一些研究成果,这里就不一一介绍了。

图5 用AI算法实现微塑料分类。(a) 利用分形全息特征来识别微塑料和55种微藻:以相位图的分割结果来突出样品的分形特征;利用主成分分析(PCA)来进行分类。(b) DH图像的偏振识别:I) 琼斯矩阵特征图及分类器;II) 不同微塑料纤维的双折射图及分类决策。

观点评述

      大气、土壤和海洋中的微塑料污染已经成为一个全球性问题,每个人的身体健康都受到了威胁。研究微塑料的分类和量化检测技术有着极为重要的现实意义。广大科研人员针对这一问题,从采样、可视化和自动检测等不同角度进行了广泛的研究。该文首先对现有的微塑料检测技术进行了简单介绍,然后以数字全息显微技术为重点对微塑料检测研究现状和进展进行了综述。整篇文章既有原理介绍、设备结构分析,也有图像重建、预处理、目标识别与追踪算法的讲解,同时还介绍了多种不同的应用案例和代表性成果,内容丰富全面。在文章的最后还提到了三个挑战:1、强化人工智能算法在微塑料识别中的应用;2、微塑料原位测量中的抽样规划问题;3、DH显微技术在单位时间内可测样本数量有限,在大面积微塑料污染分布监测方面还有一定困难。这些挑战也在一定程度上指明了发展方向。该文对环保领域的研究有着很好的指导作用。

本文出处

发表于:Applied Optics

论文链接:

https://opg.optica.org/ao/abstract.cfm?uri=ao-62-10-D104

更多原文内容,请点击“阅读原文”

推荐阅读

封面 | 自适应光学定量相位成像——基于环形照明里叶叠层显微成像的实现

前沿进展 | 多焦点光场显微成像技术

Feature Article | 新型多功能超透镜助力AR显示集成化   

前沿进展 | 利用深度学习提高共聚焦显微的空间分辨率实现超分辨成像           

前沿 | 揭示微生物超微结构和组分的台式极紫外显微系统

前沿 | CsPbBr?/石墨烯纳米墙人工光电突触的可控感知学习           


关于PhotoniX

  • PhotoniX 属同行评议、开放获取(OA)高影响力国际期刊。是中国光学工程学会会刊,由中国光学工程学会、上海理工大学和西湖大学共同主办,由Springer Nature集团出版。上海理工大学顾敏院士和西湖大学仇旻教授担任期刊主编,庄松林院士担任期刊名誉主编。期刊拥有强大的国际编委和编辑团队。PhotoniX 主要报道国内外光学与光子学技术与信息、能源、材料、生命、精密制造、纳米、光电子器件、微纳米电子等学科交叉融合发展带来的颠覆性科研成果和最新的工程应用进展。以展现具有前沿性、多学科交叉和衍生性特点的技术为核心,成为推动国际前沿“使能技术”的平台。

  • PhotoniX 现已被SCIE、SCOPUS、DOAJ、ProQuest、CNKI、INSPEC、Dimensions等多个数据库收录,并入选《2021年中国科学院文献情报中心期刊分区》。2022年6月获得首个影响因子:19.818,位列Q1区

扫码关注我们

了解PhotoniX最新动态


点击

阅读原文

查看全文

声明:本文所用视频、图片、文字如涉及版权问题,请第一时间告知,我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除。邮箱:wanghaiming@csoe.org.cn


公众号投稿请联系:wanghaiming@csoe.org.cn

商务合作/文章转载请联系:022-59013419


欢迎分享

↓点赞

↓在看

文章转载自微信公众号:PhotoniX

 
举报收藏 0评论 0
 
更多>同类资讯信息
推荐图文
推荐资讯信息
点击排行